Professional Documents
Culture Documents
ahol a ∈ [2, 3). Igazoljuk, hogy f sűrűségfüggvény! Ábrázoljuk ezt a függvényt, majd
adjuk meg az X eloszlásfüggvényét! Melyik az az x0 érték, amelyre P (X ≥ x0 ) = 0.5?
Mekkora az a értéke, ha P (X < 2.5) = 0.125?
7. Igazoljuk, hogy ha az X értékei az [a, b] intervallumba esnek, akkor M (X) ∈ [a, b].
8. Dobjunk egy kockával. Jelentse X a kockával dobott számot. Legyen Y = X − 3 és
Z = (X 2 − X)3 . Írjuk fel az X, Y és Z valószínűségeloszlását, majd ábrázoljuk az X, az
Y és a Z eloszlásfüggvényét!
9. Az a és b állandók mely értékére lehet az F (x) = a + b arctan x összefüggéssel értelmezett
F : R → R függvény eloszlásfüggvény?
10. Az X diszkrét valószínűségi változó lehetséges értékei legyenek a 0, 1, 2, . . . , n számok.
Bizonyítsuk be, hogy M (X) = P (X > 0) + P (X > 1) + . . . + P (X > n − 1).
11. Andor és Zsolt két kockával játszanak. Andor akkor fizet Zsoltnak, ha a feldobott koc-
kákon páratlan számok szerepelnek. Zsolt akkor fizet Andornak, ha az egyik kockán [de
1
2
csakis az egyiken] páros számot dobnak. Ha más eset fordul elő egyik sem fizet. Milyen
pénzösszegben állapodjanak meg, hogy a játék méltányos legyen?
12. Egy csomag magyar kártyacsomagból találomra kihúzunk egy lapot. Vegye fel X a kártya
pontértékét! [alsó: 2, felső: 3, király: 4, ász: 11, hetes: 7, nyolcas: 8, kilences: 9, tízes:
10] Adjuk meg és ábrázoljuk az X eloszlásfüggvényét! Várhatóan mennyi a találomra
kihúzott kártya pontértéke?
13. Egy X valószínűségi változó eloszlásfüggvénye F (x) = sin x, ha x ∈ [0, π/2] [máshol az
F a nulla értéket veszi fel]. Határozzuk meg az X várható értékét és szórását!
14. Legyen X egy dobókockával dobott szám. Mennyi X szórása? Mi a helyzet n oldalú
„kocka” esetén?
15. Az X valószínűségi változó lehetséges értékei legyenek az 1, 2, 3, 4, . . . számok. Ezeket
vegye fel az y, x, x2 , x3 , . . . valószínűséggel, ahol x, y ∈ (0, 1). Igazoljuk, hogy az így
definiált valószínűségi változó várható értéke nagyobb, mint egy.
16. Ha Andor egy kockával első kísérletre hatost dob, akkor Zsolttól 1$–t kap. Ha a második
dobásra sikerül először a hatos, akkor 2$–t kap, ha a harmadikra, akkor 3$–t kap, stb.
Mennyi pénzt várhat ettől a játéktól Andor?
17. Egy bizonyos vizsgáztatónál a vizsgáztatás időtartamának, mint valószínűségi változónak
a sűrűségfüggvénye: f (x) = 5x4 /32, ha x ∈ (0, 2) [máshol az f a nulla értéket veszi fel].
Határozzuk meg a vizsgáztatás idejének várható értékét és szórását!
18. Legyen X eloszlásfüggvénye F : R → [0, 1] a következőképpen értelmezett
1 1
F (x) = arctan x + .
π 2
Számítsuk ki az X várható értékét és szórását!
19. Tegyük fel, hogy egy étteremben a vendégek ebédidőben eltöltött idejét, percekben mérve,
a következő eloszlásfüggvény jellemzi:
0, ha x ≤ 0
x/60, ha x ∈ (0, 30]
F (x) = 1/2, ha x ∈ (30, 60] .
x/120, ha x ∈ (60, 120]
1, ha x > 120
Ábrázoljuk ezt a függvényt! Mekkora annak a valószínűsége, hogy egy vendég az ét-
teremben 30 percnél több időt tölt el? Mennyi a valószínűsége, hogy 45 percnél tovább
marad? Hát annak mennyi a valószínűsége, hogy egy vendég 1 óránál több, de 1 óra 30
percnél kevesebb időt tölt el az étteremben?
20. Legyenek az X diszkrét valószínűségi változó lehetséges értékei xk = k, és ezeket vegye
fel pk = kCnk valószínűséggel, ahol k ∈ {0, 1, . . . , n}. Számítsuk ki az X várható értékét!
21. Egy alkatrész élettartamának sűrűségfüggvénye f (x) = 2/x3 , ha x > 1 [máshol az f nulla
értéket vesz fel]. Mit állíthatunk az alkatrész élettartamának átlagáról? Hát a szórásáról?
22. Legyen p, q ∈ (0, 1) ú.h. p + q = 1. Alkothatnak–e a q, pq, p2 q, . . . , pk−1 q, . . . számok
valószínűségeloszlást, ha k ∈ {1, 2, 3, . . . }?
23. Legyen X olyan diszkrét valószínűségi változó, amelynek lehetséges értékei az xk =
(−1)k 2k /k számok, és a megfelelő valószínűségek rendre pk = P (X = xk ) = 1/2k , ahol
k ∈ {1, 2, 3, . . .}. Mutassuk meg, hogy a pk számok valószínűségeloszlást alkotnak, és
hogy X−nek nincs várható értéke!
24. Igazoljuk, hogy ha az X és Y valószínűségi változók függetlenek, akkor
D2 (X + Y ) = D2 (X) + D2 (Y ).
25. Három kockával dobunk. Számítsuk ki a dobott számok összege eloszlásfüggvényének az
x = 5.9 helyen felvett értékét!
26. Igazoljuk, hogy M 2 (XY ) ≤ M (X 2 )M (Y 2 ), ahol X és Y tetszőleges valószínűségi vál-
tozók.
3
(
0, ha x < 2
f (x) = a
, ha x > 2 .
(1 − x)2
hogy n perc után pontosan k vírus van, akkor igazoljuk, hogy minden n, k ≥ 1 esetén
pn,k = (1 − p) · pn−1,k + p · pn−1,k−1 .
41. Tegyük fel, hogy a sorozáson megjelenő férfiak körében a systoles vérnyomásérték várható
értéke 130 Hgmm és a szórása 12 Hgmm. Várhatóan a férfiaknak hány %−a esik a
140−150 Hgmm tartományba, ha a vérnyomás értékek eloszlása normális eloszlást követ?
42. Egy cég ügynökök betanításával foglalkozik. A tapasztalatok szerint az ügynökök be-
tanításához átlagosan 25 órára van szükség, a szükséges idő normális eloszlást követ 6
óra szórással. Mi a valószínűsége, hogy egy véletlenszerűen kiválasztott ügynökjelöltet
több, mint 31 órát kell oktatni? Hát annak mi a valószínűsége, hogy a szükséges tanítási
idő 22 és 30 óra között lesz?
2.5
1.5
0.5
0
1 1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
43. A fogpiszkálók hossza µ cm várható értékű, 0.5 cm szórású, normális eloszlású X valószí-
nűségi változó. Véletlenszerűen kihúzunk egy fogpiszkálót egy dobozból és a következőt
játsszuk: ha X < 5 cm, akkor nem nyerünk; ha X ∈ [5, 6], akkor 12 zsetont nyerünk; ha
X > 6 cm, akkor 8 zsetont nyerünk. Hány zseton lesz nyereségünk várható értéke µ−vel
kifejezve? Milyen µ−re lesz nyereségünk várható értéke maximális?
44. Öt katona lő céltáblára. Mindegyikük 100 lövése közül átlagosan 80 talál. Mekkora annak
a valószínűsége, hogy egyszerre leadva egy lövést, háromnál több találat lesz a céltáblán?
45. Egy automata zacskókba cukorkát adagol. A zacskók súlyát µ = 100 g, σ = 2 g
paraméterű normális eloszlásúnak tekinthetjük. Mennyi a valószínűsége annak, hogy
három véletlenszerűen kiválasztott zacskó között legalább egy olyan van, aminek a súlya
99 g és 101 g közé fog esni?
46. Egy szobában öt telefon van, melyek közül bármelyik megszólalhat a többiektől függetle-
nül X időn belül, ahol X egy λ = 1 paraméterű exponenciális eloszlású valószínűségi
változó. Mennyi az esélye annak, hogy egységnyi időn belül pontosan két telefonkészülék
fog csörögni?
47. Egy zárthelyi dolgozatban 10 feleletválasztós kérdést tesznek fel, amelyeknél 4 válaszle-
hetőség közül kell kiválasztani a helyeset. Egy hallgató egyáltalán nem készült, véletlen-
szerűen tippelget. Mi a valószínűsége, hogy minden kérdésre jól felel? Hát annak mi a
valószínűsége, hogy 4 kérdésre jól felel? Várhatóan hány kérdésre találja el a választ és
milyen szórással?
5
48. Hány érmét kell feldobni ahhoz, hogy 90%−nál nagyobb legyen az esély arra, hogy legyen
köztük fej?
49. Egy évfolyam 400 hallgatójának magassága normális eloszlású 170 cm–es átlaggal és 16
cm szórással. Hány hallgató tartozik a 166 cm és 182 cm közötti magassági intervallumba?
Hány hallgató nagyobb, vagy éppen 190 cm?
50. Hányszor dobjunk fel egy kockát, ha azt akarjuk, hogy 0.5−nél ne legyen kisebb annak
a valószínűsége, hogy a 6−os dobások száma legalább 2 legyen?
51. Tegyük fel, hogy júliusban a hőmérséklet normális eloszlású, átlaga 26◦ C, szórása 4◦ C.
Számítsuk ki annak a valószínűségét, hogy a hőmérséklet 28◦ C és 34◦ C közé esik!
52. Egy kör alakú, r sugarú céltáblára lövünk. Legyen az X valószínűségi változó a találati
pont és a tábla középpontja közötti távolság. A körön bármely területre való érkezés
valószínűsége arányos az adott terület mérőszámával. Határozzuk meg az X eloszlás-
függvényét, sűrűségfüggvényét, várható értékét, és szórását!
53. Egy löveg tüzel egy 1200 m távoli célpontra. A lőtávolság ingadozása az 1200 m körül
normális eloszlású 40 m szórással. Hatásosnak tekintünk egy lövést, ha a találat a célhoz
50 m–nél közelebb esik. A lövések hány százaléka lesz hatástalan?
54. Azt mondják a zöldségesek, hogy 100 esetből körülbelül ötször fordul elő, hogy egy zsák
krumpli súlya az előírttól 50 dkg–mal többel tér el. Normális eloszlás alkalmazásával
mire következtethetünk ebből a zsákok súlyának szórására vonatkozóan?
2.5
1.5
0.5
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
55. A számegyenes egész koordinátájú pontjain egy bolha ugrál. Minden másodpercben p
valószínűséggel ugrik jobbra és 1 − p valószínűséggel balra. Határozzuk meg annak a
valószínűségét, hogy n másodperc után a bolha az origóból az m abszcisszájú pontba
kerül!
56. Annak valószínűsége, hogy egy löveg célba talál, minden lövésnél 0.001. Mekkora a
valószínűsége, hogy 2000 lövés közül legalább két lövés célba talál?
57. Egy biztosító társaság egyetemistáknak kínál gépkocsi biztosításokat, s a korábbi évek
tapasztalatai szerint a biztosítottak 3%−a okoz balesetet. Feltételezve, hogy nem változ-
tak a körülmények, mekkora a valószínűsége, hogy az adott biztosítónál szerződött 200
egyetemista közül legfeljebb 5 okoz balesetet ebben az évben?
58. A polóniumatom bomlási ideje exponenciális eloszlású valószínűségi változó. Előzetes
mérések alapján tudjuk, hogy egy ilyen atom 140 nap alatt 0.5 valószínűséggel elbomlik.
6
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−10 −8 −6 −4 −2 0 2 4 6 8 10
66. Ábrázoljuk az fa,b : (0, 1) → (0, ∞), Fa,b : (0, 1) → (0, 1) függvényeket [beta elosz-
lás, lásd Figure 2], amelyeket az alábbi relációkkal értelmezünk, és igazoljuk, hogy fa,b
7
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
−6 −4 −2 0 2 4 6
68. Ábrázoljuk az fa : (0, 1) → (0, 1), Fa : (0, 1) → (0, 1) függvényeket [hatvány eloszlás, lásd
beta eloszlás b = 1 esetén], amelyeket az alábbi relációkkal értelmezünk, és igazoljuk,
hogy fa sűrűségfüggvény, míg Fa eloszlásfüggvény:
Z x Z x
fa (x) = axa−1 , Fa (x) = fa (t)dt = a ta−1 dt, a > 0.
−∞ −∞
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6
71. Ábrázoljuk az fa : (0, ∞) → (0, ∞), Fa : (0, ∞) → (0, 1) függvényeket [khi eloszlás, a = 3
esetén MAXWELL eloszlás, lásd Figure 5], amelyeket az alábbi relációkkal értelmezünk,
és igazoljuk, hogy fa sűrűségfüggvény, Fa eloszlásfüggvény:
2 Z x Z x
xa−1 e−x /2 21−a/2 2 /2
fa (x) = a/2−1 , Fa (x) = fa (t)dt = ta−1 e−t dt,
2 Γ(a/2) −∞ Γ(a/2) −∞
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
−4 −3 −2 −1 0 1 2 3 4
Z x ¡ ¢ n m Z n
Γ n+m2 ¢ n¡ m
2 2 x
t 2 −1
Fn,m (x) = fn,m (t)dt = ¡ ¢ n+m dt.
−∞ Γ n2 Γ m 2 −∞ (nt + m) 2
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
74. Ábrázoljuk az fλ : [0, ∞) → (0, ∞), Fλ : [0, ∞) → [0, 1] függvényeket [exponenciális elosz-
lás], amelyeket az alábbi relációkkal értelmezünk, és igazoljuk, hogy fλ sűrűségfüggvény,
míg Fλ eloszlásfüggvény:
Z x Z x
−λx
fλ (x) = λe , Fλ (x) = fλ (t)dt = λ e−λt dt, λ > 0.
−∞ −∞
1.6
1.4
1.2
0.8
0.6
0.4
0.2
0
0 0.5 1 1.5 2 2.5 3
76. Ábrázoljuk az fa : (0, ∞) → (0, ∞), Fa : (0, ∞) → (0, 1) függvényeket [khi négyzet
eloszlás, lásd Figure 9], amelyeket az alábbi relációkkal értelmezünk
Z x Z x
xa/2−1 e−x/2 1
fa (x) = a/2 , Fa (x) = fa (t)dt = a/2 ta/2−1 e−t/2 dt,
2 Γ(a/2) −∞ 2 Γ(a/2) −∞
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 2 4 6 8 10 12 14 16 18 20
79. Ábrázoljuk az fa : (0, ∞) → (0, ∞), Fa : (0, ∞) → (0, 1) függvényeket [gamma eloszlás],
amelyeket az alábbi relációkkal értelmezünk, és igazoljuk, hogy fa sűrűségfüggvény, míg
Fa eloszlásfüggvény:
Z x Z x
xa−1 e−x 1
fa (x) = , Fa (x) = fa (t)dt = ta−1 e−t dt, a > 0.
Γ(a) −∞ Γ(a) −∞
√
80. [EULER–féle gamma és beta függvények] Igazoljuk, hogy Γ(1) = Γ(2) = 1, Γ(1/2) = π
és hogy minden a > 0 esetén Γ(a + 1) = aΓ(a). Mennyi Γ(n + 1), ha n egy tetszőleges
természetes szám? Hát mennyi Γ(2008)? Igazoljuk, hogy minden a, b, x > 0 esetén
fennállnak az alábbi azonosságok:
Z ∞ Z ∞ Z 1 Z ∞
−t a−1 −t2 2a−1 a−1 a
Γ(a) = e t dt = 2 e t dt = (− ln t) dt = x ta−1 e−xt dt,
0 0 0 0
Z 1 Z ∞
xa−1
B(a, b) = xa−1 (1 − x)b−1 dx = dx
0 0 (1 + x)a+b
Z π/2 Z 1 a−1
2a−1 2b−1 t + tb−1
=2 sin θ cos θdθ = a+b
dt.
0 0 (1 + t)
81. Gázmolekulák sebessége ún. MAXWELL–eloszlású [sajátos hi eloszlás] folytonos valószí-
nűségi változó, melynek sűrűségfüggvénye
½
0, ha x ≤ 0
f (x) = 3 2 −x2 h2 √ ,
4h x e / π, ha x > 0
ahol h > 0 paraméter. Számítsuk ki a sebesség várható értékét és szórását!
82. Egy gyár rádióadócsöveket gyárt. Egy bizonyos fajta adócső élettartama a vizsgálatok
szerint normális eloszlású, 1170 óra várható értékkel és 100 óra szórással. A gyár a
csövekre garanciát vállal. Hány órás működésre szóljon a garancia, ha a gyár legfeljebb
5% garanciaigényt kíván kielégíteni? Most tegyük fel, hogy a gyár által gyártott csöveket
négyesével dobozokba csomagolják. Mennyi a valószínűsége, hogy egy dobozban levő 4
cső mindegyike 1180 óránál tovább fog működni? Mennyi annak a valószínűsége, hogy 4
cső közül kettőt kivéve, az egyik 1180 óránál tovább fog működni, a másik meg nem? [az
egyes csövek élettartamát tekintsük egymástól független valószínűségi változóknak]
12
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6
Ellenállásértékek
Működés kezdetén 1000 óra működés után Különbségek
130.2 131.4 1.2
128.4 128.5 0.1
131 130.1 −0.9
131.3 131.5 0.2
128 127.8 −0.2
126.8 127.1 0.3
129.9 130.2 0.3
130.3 130.5 0.2
132.1 131.3 −0.8
128.6 129.6 1
128.9 128.2 −0.7
131 131.5 0.5
130.5 130.6 0.1
129.1 127.2 −1.9
127.6 129.3 1.7
128.7 128.5 −0.2
128.5 129.3 0.8
129.2 129.4 0.2
127.3 127.1 −0.2
130.5 129.2 −1.3
15. A csapolt sörhab vastagsága közismerten normális eloszlást követ. Egy vendéglátóipari
egységben a tulajdonos előírása, hogy ez a vastagság nem haladhatja meg átlagosan
19
Igaz-e, hogy a kezelt állatoknál nagyobb a gyarapodás várható értéke, mint a nem kezel-
teknél?
22. Vizsgáljuk meg, hogy egy új készítési eljárás csökkenti–e a beton normális eloszlású
törőszilárdságát! Az egyik és a másik eljárással készített próbakocka törőszilárdsága
10N/cm2 −ben kifejezve:
I. eljárás 305 317 308 300 314 316
II. eljárás 300 301 303 288 294 296
23. Két borpalackozó gép által a palackokba töltött mennyiségeket megmérték. Az egyik gép
által a palackokba töltött mennyiség ml–ben kifejezve: 742, 746, 743, 748, 748, 750, 745,
744, 753, 750, 751, 743, 747, 749, míg a másik gép által töltött mennyiség: 749, 748,
748, 753, 750, 749, 747, 745, 744, 751. p = 0.05 megbízhatósági szinten vizsgáljuk meg a
µ1 = µ2 hipotézis helyességét, ahol µ1 és µ2 a két gép által töltött mennyiségek várható
értéke!
20
24. Kúpgörgős csapágy belső gyűrűjének kúpszögét mérjük egy hitelesített A műszerrel és egy
hitelesítendő B műszerrel. Az A műszeren végzett mérés eredménye, X normál eloszlású,
a B műszeren végzett mérés eredménye, Y szintén normál eloszlású. Akkor tekinthető
hitelesnek a B műszer is, ha a H0 : µ1 = µ2 hipotézis fennáll, ahol µ1 az X várható
értéke és µ2 az Y várható értéke. A mérések alapján megállapított részeredmények: az A
műszeren végzett 100 mérés során a mintaátlag X = 0.471 és a korrigált emprikus szórás
1.269, míg a B műszeren szintén 100 mérés során a mintaátlag Y = 0.625 és a korrigált
empirikus szórás 0.754. Hitelesnek tekinthető–e a B műszer?
25. Egy kockát 1400–szor feldobva az egyes számok gyakoriságára a következőket kaptuk:
228–szor dobtunk 1–est, 240–szer 2–est, 224–szer 3–ast, 237–szer 4–est, 235–ször 5–öst
és 236–szor 6–ost. Szabályosnak tekinthető–e a kocka?
26. Oktatáskutatók véleménye szerint az egyetemi oktatás hatékonyabb kis– és középcso-
portos oktatási formában, mint nagy hallgatói létszámú csoportokban. E feltételezés
tesztelésére egy alapozó tárgyat az egyetemen kis– és nagycsoportos formában egyaránt
meghirdették. Mindegyik kurzust ugyanaz a tanár oktatta. A félév végén a vizsgát a
hallgatók közösen írták. Az eredmények az alábbiak:
Kis– és középcsoport Nagy csoport
Mintanagyság 9 12
Átlagos pontszám 75 71
Tapasztalati szórás 15 12
Ellenőrizzük 5%–os szignifikancia szinten, hogy a kis– és középcsoportos oktatás hatéko-
nyabb–e?
27. Az X karakterisztika jelentse a négygyermekes családokban a lányok számát. Egy 32
elemű véletlen minta alapján azt találták, hogy 4 családban nem volt lány, 10 családban
1 lány, 8 családban 2 lány, 7 családban 3 lány és 3 családban 4 lány volt. 0.01−es
szignifikancia szinten ellenőrizzük le, hogy az X binomiális eloszlású–e!
28. Egy kockát 60–szor feldobva az egyes számok gyakoriságára a következőket kaptuk: 15–
ször dobtunk 1–est, 7–szer 2–est, 4–szer 3–ast, 11–szer 4–est, 6–szor 5–öst és 17–szer
6–ost. Szabályosnak tekinthető–e a kocka?
29. Egy fogyasztóvédelmi akciócsoport 10 véletlenszerűen kiválasztott vendéglőben teszteli
Sepsiszentgyörgyön, hogy hány lejjel károsítják meg őket, majd megbüntetik a tévesen
számlázókat, illetve széleskörűen hirdetik az eredményeket, hogy a többi vendéglős fi-
gyelmét is felhívják a problémára. Egy hónap múlva újabb 15 véletlenszerűen kiválasztott
vendéglő kerül sorra. Az eredmények:
Első razzia Második razzia
Mintanagyság 10 15
Túlszámlázás átlagos összege (lejben) 26 22
Tapasztalati szórás 64 82
A tévedések normális eloszlása és a két időpontbeli szórás egyezősége feltételezhető. El-
lenőrizzük, hogy szignifikánsan csökkent–e az átlagos túlszámlázás nagysága, 5%–os szig-
nifikancia szinten!
30. Tegyük fel, hogy egy adagolóautomata működésének vizsgálatához 174 doboz mérését
végezték el. A grammokban adott névleges tömegértéktől való eltérés értékeit osztályba
sorolva az alábbi táblázatot kapták:
0 − 1.5 1.5 − 3.5 3.5 − 4.5 4.5 − 5.5 5.5 − 7.5 7.5 − 9.5 9.5 − 11.5 11.5 − 13
12 25 22 24 35 26 19 11
Feltehető–e, hogy az előírt tömegértéktől való eltérések normális eloszlásúak?
31. A légi közlekedésben fontos figyelemmel kísérni az utasok átlagos testsúlyát, hogy egyrészt
ne terheljék túl a gépet, másrészt ne repüljön a gép fölösleges kapacitással. Ezért időről
időre ellenőrzik, hogy a felnőtt utasok testsúlya nem tér–e el a feltételezettől. A légitár-
saság a terhelést 78 kg–os átlagos testsúlyra és 11 kg–os szórásra tervezi. A feltételezés
ellenőrzése céljából megmérték 100 véletlenszerűen kiválasztott utas súlyát, akik között
21
44 nő volt. A mérés eredménye kg–ban kifejezve: 7 utas testsúlya az [50, 60], 15 utas
testsúlya a (60, 70], 32 utasé a (70, 80], 28 utasé a (80, 90], 13 utasé a (90, 100] és 5
utasé a (100, 110] intervallumban volt. Végezzük el az eloszlás normalitására vonatkozó
feltételezés ellenőrzését!
32. Egy gyermek játékszer fizikai terhelhetőségére elvégzett próbatesztelések a következő
mérési eredményekre vezettek [kg–ban kifejezve]: 40, 45, 39, 42, 37, 44, 45, 46, 41,
43, 40, 45, 42, 38, 39, 44, 41, 43, 46, 42, 39, 48, 46, 41, 44.
a. Határozzuk meg az adatok empirikus eloszlásfüggvényét, empirikus várható érékét,
és korrigált empirikus szórásnégyzetét!
b. Henry–féle egyenes és χ2 próba alkalmazásával végezzünk normalitásvizsgálatot!
c. Ezután tegyük fel, hogy a terhelhetőség normális eloszlású a becslésből adódó szórás-
sal és adjunk meg egy olyan intervallumot, amely a terhelhetőség várható értékét
95%–os valószínűséggel tartalmazza!
d. Teszteljük azt a hipotézist, hogy a terhelhetőség várható értéke 40 kg–mal azonos!
e. Ezután tegyük fel még azt is, hogy a terhelhetőség várható értéke a mintaelemek
átlaga. Mi a valószínűsége, hogy egy játékszer terhelhetősége 15 és 28 kg közé esik?
f. Mi a valószínűsége, hogy egy játékszer terhelhetősége nem éri el a 13 kg–ot?
g. Mi a valószínűsége, hogy egy játékszer terhelhetősége eléri a 46 kg–ot?
h. Adjunk meg egy olyan intervallumot, amelybe egy találomra kiválasztott játékszer
terhelhetősége 0.9 valószínűséggel esik bele!
[az e, f, g és h pontoknál a teoretikus, tehát nem a mintából számolt értékeket kell
meghatározni!]
33. 15 egyén testmagasságára a következő mérések adódtak: 171, 177, 183, 169, 172, 179, 177,
173, 180, 174, 178, 179, 175, 176, 181 [cm]. Az adatok szórása ismeretlen. Adjunk meg egy
olyan intervallumot, amely a várható magasságot 95%–os valószínűséggel tartalmazza,
majd 5%–os szignifikancia szinten teszteljük azt a nullhipotézist, hogy a várható magasság
178 cm! Feltételezhető–e, hogy a testmagasság normális eloszlású?
34. Egy város rendőrsége szerint az éjszakai betörések száma egyenletesen oszlik meg a hét
napjain. Egy heti megfigyelés alapján a betörések száma az alábbi volt: hétfőn 6, kedden
8, szerdán 5, csütörtökön 7, pénteken 12, szombaton 17 és vasárnap 15 betörést jegyeztek
fel. Ellenőrizzük 0.05 szignifikancia szinten, hogy igaz–e a rendőrség állítása!
35. Félig érett és érett gyümölcsökre egyaránt 120 − 120 mérést végeztek annak eldöntésére,
hogy a vízben oldható szárazanyag tartalom különbözik–e a mintában. A mérési ered-
mények a következők: 29 félig érett és 68 érett szárazanyag tartalma 0 − 10% között, 38
félig érett és 31 érett szárazanyag tartalma 10 − 20% között, 53 félig érett és 21 érett
gyümölcs szárazanyag tartalma 20% feletti volt. A minta alapján feltehetően változik–e
a szárazanyag tartalom az érés során?
36. Gyermekgyógyász szívspecialisták foglalkoztak azzal a kérdéssel, hogy a veleszületett
rendellenességek összefüggésben vannak–e az anyát a terhesség első 3 hónapjában sújtó
megbetegedésekkel [kivéve a vírusos megbetegedést, amelyeket külön vizsgáltak]. Az
összes vizsgált, rendellenességgel született gyermeknél és a véletlenszerűen választott 100
fős kontrollcsoportban a következő volt az eredmény:
Az anya beteg volt Az anya nem volt beteg Összesen
A gyermek rendellenes 26 184 210
A gyermek nem rendellenes 5 95 100
Összesen 31 279 310
A kapott kontingenciatáblázat alapján döntsük el, függetlennek tekinthető–e az anyáknál
történő megbetegedés a gyermekek veleszületett rendellenességétől!
37. Csapágygyűrűknél fontos minőségi jellemző a belső átmérő (R1) és a külső átmérő (R2).
Az átmérő nagysága alapján az elkészült gyűrűket három kategóriába soroljuk: jó, javít-
ható, selejtes. Találomra kiválasztunk n = 200 darabot annak ellenőrzésére, hogy a
külső és a belső átmérő független–e egymástól. Nullhipotézisünk az, hogy független,
22
38. Egy adott típusú, érszűkületet okozó gyógyszeres kezelés hatását vizsgálták a páciensek
vérnyomására nézve. Előzetes több ezres mérés alapján ismert, hogy az egészséges pá-
ciensek körében a systoles vérnyomásérték várható értéke 120 Hgmm és a szórása 10
Hgmm. Az érszűkületet okozó gyógyszert szedő páciensek közül egy 40 elemű mintát
vettek és a vérnyomásértékek [Hgmm–ben] a következők: 126, 130, 135, 116, 122, 126,
128, 130, 123, 124, 140, 125, 120, 121, 140, 135, 115, 135, 132, 128, 126, 125, 115, 117,
121, 125, 129, 124, 131, 127, 127, 125, 140, 115, 110, 112, 125, 143, 122, 135.
a. Igazoljuk [95%, 96%, 99% megbízhatósági szinten], hogy a vérnyomás értékek elosz-
lása normális eloszlásból származik [az osztályba sorolásnál használjuk a FREED-
MAN–DIACONIS szabályt].
b. Hasonlítsuk össze az egészséges páciensek átlagos systoles vérnyomás értékét az
érszűkületet okozó gyógyszert szedő páciensek átlagos systoles vérnyomás értékével
[95%, 96%, 99% megbízhatósági szinten]. Igaz–e, hogy az érszűkületet okozó gyógy-
szert szedő páciensek átlagos systoles vérnyomás értéke szignifikánsan nagyobb mint
az egészséges páciensek átlagos systoles vérnyomás értéke?
c. Adjunk meg az érszűkületet okozó gyógyszert szedő páciensek átlagos systoles vér-
nyomás értékére konfidencia intervallumot [95%, 96%, 99% megbízhatósági szinten].
Ha a konfidencia intervallum [95%, 96%, 99% megbízhatósági szinten] hossza legfen-
nebb 8 Hgmm lehet, akkor legalább hány mérést kell elvégezni?
39. Közlekedésbiztonsági szervek 1000 személyi sérüléses közúti balesetet vizsgáltak meg asze-
rint, hogy milyen súlyos volt a baleset és a baleset alkalmával a sérült viselt-e biztonsági
övet. A kapott eredmények az alábbiak voltak:
Baleset kimenetele Viselt övet Nem viselt övet Összesen
Könnyű 440 160 600
Súlyos 100 200 300
Halálos 60 40 100
Összesen 600 400 1000
Ellenőrizzük alkalmas próbával, hogy a baleset kimenetele független–e attól, hogy az illető
viselt–e biztonsági övet!
40. Kutatások igazolják, hogy a reumatoid artritis betegségben szenvedő betegeknél nagyobb
az esélye a csontritkulásnak. A hipotézis tesztelésére 40 reumatoid artritis betegségben
szenvedő beteget vizsgáltak meg és megmérték a kalcitonin szintjüket. Előzetes, több
ezres mérés alapján ismert, hogy az egészséges páciensek körében a kalcitonin szint átlagos
értéke 47,9 pg/ml. A mérési eredmények [pg/ml–ben kifejezve] a következők: 26, 31, 24,
44, 30, 37, 37, 35, 39, 48, 19, 35, 36, 27, 39, 38, 20, 34, 21, 23, 45, 32, 37, 33, 24, 34, 40,
26, 28, 34, 25, 46, 38, 29, 42, 27, 43, 46, 39, 40.
a. Igazoljuk [95%, 96%, 99% megbízhatósági szinten], hogy a kalcitonin szint értékek
eloszlása normális eloszlásból származik [az osztályba sorolásnál használjuk a STUR-
GES–féle szabályt].
b. Hasonlítsuk össze a reumatoid artritisben szenvedő betegek átlagos kalcitonin szint
értékét az egészséges páciensek átlagos kalcitonin szint értékével, egy alkalmas próba
segítségével [95%, 96%, 99% megbízhatósági szinten]. Igaz–e, hogy a reumatoid ar-
tritisben szenvedő betegek átlagos kalcitonin szint értéke szignifikánsan kisebb mint
az egészséges páciensek átlagos kalcitonin szint értéke?
23
44. Egy acélüzemben az A–50–es acél szakítási szilárdságának ellenőrzésére az egész sokaság-
ból 31 mérést végeztek. A mért értékek [N/mm2 −ben]: 470, 481, 483, 488, 489, 490, 491,
492, 493, 493, 495, 496, 497, 498, 499, 500, 501, 502, 504, 505, 506, 507, 508, 509, 512,
514, 516, 519, 529, 530.
a. FREEDMAN–DIACONIS–féle szabály használatával soroljuk osztályokba a mért
értékeket! Számítsuk ki az így kapott minta mediánját, 1/4−ed és 3/4−ed rendű
kvantiliseit, majd a YULE–féle asszimetria együtthatóját! Mire következtethetünk
a YULE–féle együttható értéke alapján? Mutassuk ki, hogy az adatok alapján a
szakítószilárdság eloszlása jól közelíthető normál eloszlással! [szerkesszük meg a
sűrűséghisztogramot]
b. Erősítsük meg az a alpontbeli állításunkat egy alkalmas próbával, azaz az a alpont-
beli osztályba sorolás felhasználásával igazoljuk [95%−, 96%−, 99%−os megbízható-
sági szinten], hogy az A–50–es acél szakítószilárdság eloszlása normális eloszlásból
származik!
c. Adjunk meg a szakítószilárdság [ismeretlen] átlagos értékére konfidencia intervallu-
mot [95%−, 96%−, 99%−os megbízhatósági szinten]. Ha a konfidencia intervallum
[95%−, 96%−, 99%−os megbízhatósági szinten] hossza legfennebb 10 [N/mm2 ] lehet,
akkor legalább hány mérést kell elvégezni?
d. Az acélüzem szabvány előírása szerint az A–50–es acél átlagos szakító szilárdság
értéke 500 N/mm2 . Alkalmas próbával [95%−, 96%−, 99%−os megbízhatósági szin-
ten] döntsük el, hogy a 31 mérés átlaga megfelel–e az acélüzem követelményeinek!
e. Ugyanabban az acélüzemben, egy másik alkalommal, szintén az A–50–es acél sza-
kítási szilárdságát ellenőrizték és az egész sokaságból 21 mérést végeztek. A mért
értékek [N/mm2 −ben]: 473, 485, 489, 492, 493, 494, 495, 496, 497, 497, 499,
502, 506, 511, 512, 513, 514, 515, 516, 517, 525. Feltételezve, hogy a 21 elemű
minta szintén normál eloszlásból származik, vizsgáljuk meg [95%−, 99%−os, illetve
95%−, 96%−, 99%−os megbízhatósági szinten] a 31 és 21 elemű minták szórásainak,
illetve várható értékeinek eggyezőségét!
45. Egy acélüzemben a C–10 5 órás diffúziósan izzított acélnál a hajlító határfeszültségre a
következő értékeket mérték [N/mm2 −ben]: 111, 115, 129, 139, 142, 146, 152, 164, 167,
168, 169, 171, 172, 173, 174, 175, 182, 184, 188, 193, 198, 213, 218, 226.
a. FREEDMAN–DIACONIS–féle szabály használatával soroljuk osztályokba a mért
értékeket! Számítsuk ki az így kapott minta mediánját, 1/4−ed és 3/4−ed rendű
kvantiliseit, majd a YULE–féle asszimetria együtthatóját! Mire következtethetünk
a YULE–féle együttható értéke alapján? Mutassuk ki, hogy az adatok alapján a
hajlító határfeszültség eloszlása jól közelíthető normál eloszlással! [szerkesszük meg
a sűrűséghisztogramot]
b. Erősítsük meg az a alpontbeli állításunkat egy alkalmas próbával, azaz az a alpont-
beli osztályba sorolás felhasználásával igazoljuk [95%−, 96%−, 99%−os megbízható-
sági szinten], hogy a hajlító határfeszültség eloszlása normális eloszlásból származik!
c. Adjunk meg a hajlító határfeszültség [ismeretlen] átlagos értékére konfidencia inter-
vallumot [95%−, 96%−, 99%−os megbízhatósági szinten]. Ha a konfidencia interval-
lum [95%−, 96%−, 99%−os megbízhatósági szinten] hossza legfennebb 25 [N/mm2 ]
lehet, akkor legalább hány mérést kell elvégezni?
d. Az acélüzem szabvány előírása szerint a C–10 5 órás diffúziósan izzított acél átla-
gos hajlító határfeszültsége 170 N/mm2 . Alkalmas próbával [95%−, 96%−, 99%−os
megbízhatósági szinten] döntsük el, hogy a 24 mérés átlaga megfelel–e az acélüzem
követelményeinek!
e. Ugyanabban az acélüzemben, egy másik alkalommal, szintén a C–10 5 órás diffúz-
iósan izzított acél hajlító határfeszültségét ellenőrizték és az egész sokaságból 21
mérést végeztek. A mért értékek [N/mm2 −ben]: 113, 118, 125, 128, 140, 143, 150,
160, 162, 163, 165, 170, 176, 177, 178, 182, 183, 184, 185, 186, 210. Feltételezve,
25
hogy a 21 elemű minta szintén normál eloszlásból származik, vizsgáljuk meg [95%−,
99%−os, illetve 95%−, 96%−, 99%−os megbízhatósági szinten] a 24 és 21 elemű
minták szórásainak, illetve várható értékeinek eggyezőségét!
46. SWEDBERG svéd fizikus a BROWN–mozgás tanulmányozása során 518 megfigyelést
végzett vízben lebegő aranyszemcsékre vonatkozólag. Észlelései szerint adott térfoga-
trészben 112–szer egyetlen aranyszemcse sem volt, 168–szor talált 1 szemcsét, 130–szor 2
szemcsét, 69–szer 3–at, 32–szer 4–et, 5–ször 5–öt, 1–szer 6–ot és 1–szer 7–et. Számítsuk ki
ezekből az eredményekből az aranyszemcsék számára vonatkozó relatív gyakoriságokat,
az észlelt aranyszemcsék számának átlagértékét, majd hasonlítsuk össze az így kapott
adatokat a megfelelő POISSON eloszlás tagjaival. Vizsgáljuk meg [95%−, 99%−os meg-
bízhatósági szinten], hogy leírható–e az adatsor POISSON eloszlással! [megj. a POISSON
eloszlás ismeretlen λ paraméterét a mintaátlaggal becsüljük és így becsléses illeszkedés
vizsgálatot kell használnunk]
47. Egy dombos területen két nyári hónapon át naponta mérték a hajnali minimum–hőmérsék-
letet egy kiválasztott domb tetején és a nála 30 m–rel mélyebben fekvő völgyfenéken. Az
észlelt értékek az alábbi osztályközös gyakoriságokban fordultak elő. Igazoljuk [95%−,
96%−, 99%−os megbízhatósági szinten], hogy a dombtető és a völgyfenék nyári hajnali
minimum–hőmérsékleteinek eloszlása lényegesen különbözik egymástól.
Hőmérséklet [◦ C] 6 – 10 10 – 12 12 – 14 14 – 16 16 – 20 Összesen
Dombtető 6 13 12 18 11 60
Völgyfenék 17 20 12 6 5 60
Összesen 23 33 24 24 16 120
48. Vizsgáljuk meg [95%−, 99%−os megbízhatósági szinten], hogy a Tisza Szegednél mért évi
maximális vízállásai ugyanazt az eloszlást követték–e 1876–1925 között, mint 1926–tól
1975–ig. A méterben megadott adatok az alábbiak:
Maximális Gyakoriság Gyakoriság
vízállás 1876–1925 1926–1975
V <5 5 10
5≤V <6 11 11
6≤V <7 13 13
7≤V <8 13 10
8<V 8 6
49. 250 napon át egy autóúton történt balesetek számát feljegyezve a következő adatsor adó-
dott:
Balesetek száma 0 1 2 3 4 5
Napok száma 100 70 45 20 10 5
Vizsgáljuk meg, hogy leírható–e a fenti adatsor POISSON eloszlással! [megj. a POISSON
eloszlás ismeretlen λ paraméterét a mintaátlaggal becsüljük és így becsléses illeszkedés
vizsgálatot kell használnunk]
50. Vizsgáljuk egy növényállomány állapotát két betegség (X és Y ) szempontjából! A két
betegség nem zárja ki egymást, egyes egyedeken mindkettő tünetei megjelennek. 300
egyedet választunk ki a populációból véletlenszerűen, és a tünetek erőssége alapján szám-
láljuk össze a minta megfigyelt gyakoriságait:
Y /X Gyenge Közepes Erős Összesen
Gyenge 34 18 24 76
Közepes 24 40 49 113
Erős 42 30 39 111
Összesen 100 88 112 300
Ellenőrizzük alkalmas próbával [95%−, 99%−os megbízhatósági szinten], hogy a két beteg-
ség megjelenése, illetve intenzitása független–e egymástól!
51. Egy évben egy egyetem nappali tagozatára jelentkezők közül 30 fős mintát vettek egysz-
erű véletlen kiválasztással. A mintában szereplő felvételizők összes pontszáma [amely a
tapasztalatok szerint szimmetrikus eloszlást követ] a következő volt: 118, 103, 101, 119,
26
121, 72, 75, 127, 106, 102, 100, 116, 115, 99, 97, 115, 114, 97, 79, 88, 112, 113, 109, 90,
110, 92, 111, 108, 94, 107.
a. FREEDMAN–DIACONIS–féle szabály használatával soroljuk osztályokba a fenti
adatokat! Számítsuk ki az így kapott minta mediánját, 1/4−ed és 3/4−ed rendű
kvantiliseit, majd a YULE–féle asszimetria együtthatóját! Mire következtethetünk
a YULE–féle együttható értéke alapján? Mutassuk ki, hogy az adatok alapján a
felvételizők pontszámának eloszlása jól közelíthető normál eloszlással! [szerkesszük
meg a sűrűséghisztogramot]
b. Erősítsük meg az a alpontbeli állításunkat egy alkalmas próbával, azaz az a alpont-
beli osztályba sorolás felhasználásával igazoljuk [95%−, 99%−os megbízhatósági sz-
inten], hogy a felvételizők pontszámának eloszlása ténylegesen normális eloszlásból
származik!
c. Adjunk meg a felvételizők [ismeretlen] átlagos pontszámértékére konfidencia inter-
vallumot [95%−, 99%−os megbízhatósági szinten]. Ha a konfidencia intervallum
[95%−, 99%−os megbízhatósági szinten] hossza legfennebb 4 lehet, akkor legalább
hány fős mintát kell vizsgálni?
d. Több éves tapasztalat alapján ismert, hogy a felvételizők átlagos pontszáma 100.
Alkalmas próbával [95%−, 99%−os megbízhatósági szinten] döntsük el, hogy a 30
fős minta átlaga megegyezik–e a várt 100–as pontszámmal!
e. Ugyanazon az egyetemen, egy másik alkalommal, szintén a nappali tagozatra je-
lentkezők közül egy 20 fős mintát vettek egyszerű véletlen kiválasztással. Ebben a
mintában szereplő felvételizők összes pontszáma [amely a tapasztalatok szerint szin-
tén szimmetrikus eloszlást követ] a következő volt: 84, 100, 109, 120, 79, 102, 90, 108,
98, 93, 119, 105, 114, 125, 117, 116, 110, 101, 95, 96. Feltételezve, hogy a 20 elemű
minta szintén normál eloszlásból származik, vizsgáljuk meg [95%−, 99%−os meg-
bízhatósági szinten] a 30 és 20 elemű minták szórásainak, illetve várható értékeinek
eggyezőségét!
52. Egy városban kis számú felmérés segítségével megvizsgálták, hogyan függ össze a vallásos-
ság a politikai attitűdökkel. Az egyszerűség kedvéért itt két egyszerűsített változóval
vizsgáljuk az összefüggés meglétét. Az 518 elemű minta adatai:
Pártállás/Felekezet Ortodox Katolikus és más Összesen
Kormánypárti 126 99 225
Ellenzéki 71 162 233
Semleges 19 41 60
Összesen 216 302 518
Döntsük el a következő kijelentés helyességét: több mint 95%-os valószínűséggel állítható,
hogy szignifikáns összefüggés van a politikai pártállás és a felekezeti hovatartozás között!
53. 60 egyenlő nagyságú területről a betakarított répatermés mennyisége [tonnában kifejezve]
nagyság szerint rendezve: 70, 76, 76.2, 78.1, 79.5, 79.8, 79.8, 80.5, 80.9, 81, 81.6, 82, 82.5,
83.5, 84.1, 84.8, 84.8, 84.9, 85.3, 86.2, 86.8, 86.9, 87, 87.1, 87.3, 87.3, 87.8, 88, 89.1, 89.2,
89.2, 89.5, 89.7, 89.8, 89.9, 89.9, 90.5, 90.8, 91.4, 91.6, 91.9, 92.5, 92.6, 92.6, 92.8, 92.9,
93.2, 94.1, 94.2, 94.5, 95, 95, 95.4, 96.3, 96.3, 98.2, 99, 101.5, 104.5, 112. Tekintsük ezeket
az adatokat egy X valószínűségi változóra [mely most az adott területen termett répa
mennyiségét jelenti] kapott mintának.
a. STURGES–féle szabály használatával soroljuk osztályokba a fenti adatokat! Számít-
suk ki az így kapott minta mediánját, 1/4−ed és 3/4−ed rendű kvantiliseit, majd a
YULE–féle asszimetria együtthatóját! Mire következtethetünk a YULE–féle együtt-
ható értéke alapján? Mutassuk ki, hogy az adatok alapján az X eloszlása jól közelít-
hető normál eloszlással! [szerkesszük meg a sűrűséghisztogramot]
b. Erősítsük meg az a alpontbeli állításunkat egy alkalmas próbával, azaz az a alpont-
beli osztályba sorolás felhasználásával igazoljuk [95%−, 99%−os megbízhatósági
27