vissza a tantárgylistához   nyomtatható verzió    

    Probability Theory

    A tantárgy neve magyarul / Name of the subject in Hungarian: Valószínűségszámítás

    Last updated: 2012. november 23.

    Budapest University of Technology and Economics
    Faculty of Electrical Engineering and Informatics
    Course ID Semester Assessment Credit Tantárgyfélév
    VISZA208 3 3/1/0/v 4  
    3. Course coordinator and department Dr. Pintér Márta,
    6. Pre-requisites
    Kötelező:
    (TárgyEredmény( "BMETE90AX05" , "jegy" , _ ) >= 2
    VAGY TárgyEredmény("BMETE90AX05", "FELVETEL", AktualisFelev()) > 0
    VAGY TárgyEredmény( "BMETE90AX22" , "jegy" , _ ) >= 2
    VAGY TárgyEredmény("BMETE90AX22", "FELVETEL", AktualisFelev()) > 0
    VAGY TárgyEredmény( "BMETE921567" , "jegy" , _ ) >= 2
    VAGY TárgyEredmény( "BMETE901918" , "jegy" , _ ) >= 2 )

    ÉS NEM (TárgyEredmény("BMEVISZAB00", "jegy", _) >= 2
    VAGY
    TárgyEredmény("BMEVISZAB00", "felvétel", AktualisFelev()) > 0)

    ÉS Training.Code=("5N-A8")

    A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

    A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

    7. Objectives, learning outcomes and obtained knowledge The objective is to provide the students with the fundamentals of stochastic modeling.

     

    Obtained skills and expertise:

     

    Theoretical knowledge and problem solving competence in the treated fields of mathematics.

     
    8. Synopsis Probability: Elements (random experiment, outcomes, sample space, event, probability). Conditional probability, independence of events. The law of total probability and Bayes’ rule. Random variables, probability distribution function. Discrete random variables (binomial, geometric, Poisson, hypergeometric). Continuous random variables (uniform, exponential, normal). Expectation and variance. Markov’s and Chebyshev’s inequalities. Joint distributions and independence. Covariance and correlation coefficient.  Linear regression. Law of large numbers. Central limit theorem. Statistics: Elements (sample, estimators, unbiased and consistent estimators). Confidence intervals (examples in normal data). Statistical tests (null hypotheses, type I and type II errors, test statistics, critical value, the u- and t-tests).

     
    13. References, textbooks and resources An Introduction to Probability Theory and Its Applications, Vol I-II, Wiley, 2005
    14. Required learning hours and assignment
    Kontakt óra
    Félévközi készülés órákra
    Felkészülés zárthelyire
    Házi feladat elkészítése
    Kijelölt írásos tananyag elsajátítása
    Vizsgafelkészülés
    Összesen