Gazdaságmatematika MATE

Ha a szövegben valószínűségek vannak megadva, akkor a binomiális eloszlást szoktuk használni.

A visszatevées mintavételhez kapcsolódó eloszlás a binomiális eloszlás.

Ha húzásokat vizsgálunk úgy, hogy a kihúzott elemeket nem tesszük vissza, akkor ez egy visszatevés nélküli mintavétel.

A hipergeometriai eloszlás a visszatevés nélküli mintavételhez kapcsolódó eloszlás.

A determináns úgy működik, hogy minden négyzetes mátrixból csinál egy valós számot. Hogy miért, és, hogy hogyan, az mindjárt kiderül.

Egy 2x2-es mátrix determinánsát úgy kapjuk, hogy a bal átló elemeinek szorzatából kivonjuk a jobb átló elemeinek szorzatát.

Egy nem túl jó módszer a determináns kiszámolására.

Egy túl jó módszer a determináns kiszámolására.

Példák mikor nulla egy mátrix determinánsa. Két mátrix szorzatának determinánsa.

Azokat a mátrixokat nevezzük szingulárisnak, amelyek determinánsa nulla.

Azokat a mátrixokat nevezzük regulárisnak, amelyek determinánsa nem nulla.

A Cramer szabály egy újabb módszer az egyenletrendszerek megoldására.

Egy mátrix sajátértéke egy valós szám, amely azt mondja meg, hogy a sajátvektor hányszorosát kapjuk akkor, ha azt a mátrixszal szorozzuk.

Egy mátrix sajátvektora egy olyan nem nullvektor, ami azt tudja, hogy megszorozva a mátrixszal az eredeti vektor skalárszorosát kapjuk. Ez igazán remek, de, hogy pontosan miért, nos ez mindjárt kiderül.

A sajátértékek kiszámolásához szükséges egyenlet.

A mátrix főátló elemeiből kivonunk $\lambda$-kat, majd ennek vesszük a determinánsát.

Ha egy nxn-es mátrixnak van n darab független sajátvektora, akkor képesek vagyunk előállítani a mátrix diagonális alakját. Lássuk ez miért ilyen roppant fontos.

Ha egy nxn-es mátrixnak van n darab független sajátvektora, akkor képesek vagyunk előállítani a mátrix spektrálfelbontását.

Ha egy nxn-es mátrixnak van n darab független sajátvektora, akkor a mátrix diagonizálható.

A sajátfelbontás egy olyan, kizárólag diagonalizálható mátrixokkal végezhető felbontás, ami megkönnyíti a hatványozást.

A spektrálfelbontás segítségével könnyebben hatványozhatunk.

Egy mátrix sarok főminor mátrixai a mátrix bal felső sarkától kezdődő sarok mátrixok determinánsai.

Egy mátrix főminor mátrixai a mátrix bal felső sarkától kezdődő sarok mátrixok determinánsai.

Egy nxn-es mátrix pozitív definit, ha minden sajátértéke pozitív.

Egy nxn-es mátrix negatív definit, ha minden sajátértéke negatív.

Egy nxn-es mátrix pozitív szemidefinit, ha minden sajátértéke nagyobb vagy egyenlő 0.

Egy nxn-es mátrix negatív szemidefinit, ha minden sajátértéke kisebb vagy egyenlő 0.

Egy nxn-es mátrix indefinit, ha van nullánál nagyobb és nullánál kisebb sajátértéke is..

Éjszaka nem ajánlatos összefutni velük az utcán...

A kvadratikus alakok mátrixa segít eldönteni a definitséget.

A lineáris leképezés egy test feletti vektorterek között ható művelettartó függvény.

A képtér egy olyan altér $V_2$-ben, amely azokból a vektorokból áll, amiket a $V_1$-beli vektorokból csinál a leképezés.

A magtér egy olyan altér $V_1$-ben, amelyek képe a leképezés során nullvektor.

A képtér és a magtér dimenzióinak összege éppen $V_1$ dimenziója.

Minden lineáris leképezést jellemezhetünk egy mátrixszal.

Egy leképezésnek akkor létezik inverze, ha a leképezés mátrixának létezik inverze.

Két leképezés kompozíciója a mátrixaik szorzata.

Ha egy nxn-es mátrixnak van n darab független sajátvektora, akkor képesek vagyunk előállítani a mátrix diagonális alakját. Lássuk ez miért ilyen roppant fontos.

Ha a mátrixnak létezik diagonális alakja, akkor van sajátbázisa, ami fantasztikus dolgokra képes.

A lineáris leképezések másnéven homomorfizmusok. Ezek a homomorfizmusok és azok mátrixai maguk is egy vektorteret alkotnak, ezt a vektorteret $Hom(V_1, V_2)$-nek nevezzük.

Az A és B mátrixok hasonlók, ha létezik egy C mátrix, amivel ha jobbról szorozzuk a B-t, balról pedig a C inverzével szorozzuk, akkor ennek eredménye A.

Folytonosnak nevezzük azokat a valószínűségi változókat, amik folytonos mennyiségeket mérnek, ilyen például az idő, a távolság.

Diszkrétnek nevezzük azokat a valószínűségi változókat, amik megszámlálhatóan sok értéket vesznek fel.

Az X valószínűségi változó eloszlásfüggvénye F(x). F(x)=P(x<X) Vagyis minden x számhoz hozzárendeli annak a valószínűségét, hogy X<x. Nos ez elég izgi..

A sűrűségfüggvény a görbe alatti területekkel írja le egy esemény valószínűségét.

Az eloszlásfüggvény határértéke minusz végtelenben 0, plusz végtelenben 1, monoton nő és balról folytonos.

A sűrűségfüggvény integrálja minusz végtelentől plusz végtelenig 1, és nem negatív.

Három nagyon fontos összefüggés eloszlásfüggvény és sűrűségfüggvény között.

Az $X$ valószínűségi változó $F(x)$ eloszlásfüggvényéből úgy kapjuk meg az $f(x)$ sűrűségfüggvényét, hogy az $F(x)$ eloszlásfüggvényt deriváljuk. Fordítva pedig integrálni kell.

Az f(x) függvény primitív függvényének jele F(x) és azt tudja, hogy ha deriváljuk, akkor visszakapjuk f(x)-et. Egy függvény primitív függvényeinek halmazát nevezzük a függvény határozatlan integráljának.

Polinomok integrálása. Törtfüggvény integrálása. Exponenciális függvények integrálása. Trigonometrikus függvények integrálása.

Polinomok, törtfüggvény, exponenciális függvények, trigonometrikus függvények integráljainak lineáris helyettesítései.

Integráláskor a konstans szorzó kivihető.

Összeget külön-külön is integrálhatunk.

Ha a szorzás elvégezhető, akkor végezzük el, és utána integráljunk.

Szorzat integrálásának egy speciális esete, amikor a függvény n-edik hatványon van és meg van szorozva a deriváltjával.

Ezzel a remek módszerrel szorzatokat tudunk integrálni úgy, hogy egy bonyolultabb integrálásból csinálunk egy egyszerűbb integrálást.

Összetett függvényeket általában akkor tudunk integrálni, ha azok meg vannak szorozva a belső függvényük deriváltjával. Van is erre egy remek kis képlet.

Próbálkozzunk a tört földarabolásával és utána integráljunk.

Törtek integrálásának egy speciális esete, amikor a tört számlálója a nevező deriváltja.

A helyettesítéses integrálás lényege, hogy egy kifejezést $u$-val helyettesítünk annak reményében, hogy hátha így képesek leszünk majd megoldani a feladatot.

A racionális törtfüggvények integrálásához a függvényeket parciális törtekre kell bontani, majd a parciális törteket egyesével integrálni.

A helyettesítéses integrálás úgy működik, hogy egy kifejezést $u$-val helyettesítünk annak reményében, hogy hátha így képesek leszünk megoldani a feladatot.

A helyettesítéses integrálás egyik legfurcsább esete az $u = \tan{ \frac{x}{2} } $. Olyankor használjuk, ha a törtben $\sin{x}$ és $\cos{x}$ is csak első fokon szerepel.

A Newton-Leibniz formula egy egyszerűen használható képlet a határozott integrál kiszámításához. Ez a tétel az egész matematika történetének egyik legfontosabb tétele. Egy Newton nevű angol fizikus és egy Leibniz nevű német filozófus egyszerre találta ki az 1600-as évek végén.

Egy zárt intervallumon értelmezett függvény akkor Riemann integrálható, ha egyetlen olyan szám létezik, amely bármely alsó közelítő összegénél nagyobb egyenlő, és bármely felső közelítő összegénél kisebb egyenlő.

Végtelenbe nyúló tartományok területének kiszámolása egy fontos függvénnyel.

Forgástestek térfogatának és felszínének képletei határozott integrálással.

A kétváltozós függvények úgy működnek, hogy két valós számhoz rendelnek hozzá egy harmadik valós számot.

A vegyes másodrendű deriváltak mindig egyenlők, ha a függvény kétszer folytonosan deriválható.

A kétváltozós függvényeket x és y szerint is tudjuk deriválni. Ezeket a különböző változók szerinti deriváltakat parciális deriváltaknak nevezzük.

Egy általános módszer, amivel kétváltozós függvények szélsőértékeit és nyeregpontjait lehet meghatározni

Az elsőrendű parciális deriváltakat nullával egyenlővé téve egy egyenletrendszert kapunk. Ennek az egyenletrendszernek a megoldásai a stacionárius pontok.

Az elsőrendű parciális deriváltakat nullával egyenlővé téve egy egyenletrendszert kapunk. Ennek az egyenletrendszernek a megoldásai a stacionárius pontok.

 másodrendű deriváltakból képzett mátrix, amely segít eldönteni, hogy a függvénynek a stacionárius pontokban minimuma, maximuma, vagy éppen nyeregpontja van-e.

A sík azon pontjainak összességét, amelyekben az $f$ függvény ugyanazt a konstans értéket veszi fel, az $f$ függvény szintvonalának nevezzük.

Az érintősík képlete nagyon hasonlít az egyváltozós függvényeknél az érintő egyenletére, csak most x és y szerint is deriválni kell. Lépésről lépésre megoldunk néhány feladatot a kétváltozós függvények érintősíkjával kapcsolatban. Az első lépés mindig a parciális deriváltak kiszámolása, aztán ezekbe a parciális deriváltakba behelyettesítjük az érintési pont koordinátát. Ezek után még kiszámoljuk a függvényértéket is az érintési pontban és már jöhet is az érintősík egyenletének a képlete.

Az iránymenti derivált azt jelenti, hogyha a kétváltozós függvény grafikonjának egy pontjában áll egy hagymászó, és elindul egy v irányban, akkor ebben az irányban milyen meredeken emelkedik a felület. Az iránymenti derivált kiszámolása nagyon egyszerű. Azzal kell kezdeni, hogy a P pontban kiszámoljuk a deriváltvektort. Ezek után a v irányba mutató vektorból egységnyi hosszú vektort csinálunk úgy, hogy elosztjuk a saját hosszával. Az így keletkező e vektort skalárisan megszorozzuk a deriváltvektorral és meg is van az iránymenti derivált.

A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. 

 A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. Az implicit függvények deriválására egy nagyon egyszerű képletet alkothatunk a parciális deriválás segítségével.

Egy adott n elemű halmaz elemeinek egy ismétlés nélküli permutációján az n különböző elem egy sorba rendezését értjük.

$n$ faktoriálisán az $n$-nél kisebb vagy egyenlő pozitív egész számok szorzatát értjük.

Ismétlés nélküli variációról akkor beszélünk, ha n különböző elem közül kiválasztunk k db.-ot úgy, hogy a kiválasztott elemek sorrendje is számít.

Ismétlés nélküli kombinációról akkor beszélünk, ha n különböző elem közül kiválasztunk k db.-ot úgy, hogy a kiválasztott elemek sorrendjére nem vagyunk tekintettel.

Ismétléses permutációról akkor beszélünk, ha n elem sorrendjére vagyunk kiváncsiak, de ezen elemek között vannak megegyezőek is.

Ismétléses variációról akkor beszélünk, ha n különböző elem közül kiválasztunk k db.-ot úgy, hogy a kiválasztott elemek sorrendje is számít és egy elemet többször is választhatunk.

Ha kör alakban helyezünk el n különböző elemet és azok sorrendjét vizsgáljuk, akkor ciklikus permutációról beszélünk.

Egy egyenletrendszer együtthatómátrixa az x-ek együtthatóiból álló mátrix.

Az egyenletrendszer megoldásának egy szuper, de koránt sem a legszuperebb módja.

Az egyenletrendszerek megoldásának legszuperebb módja.

Az egyenletrendszerek megoldásának legszuperebb módja.

Ha egy egyenletrendszernek több az ismeretlene, mint ahány egyenlete van, akkor az egyenletrendszernek nincs egyértelmű megoldása.

Ha egy egyenletrendszerben két olyan egyenlet szerepel, ahol az ismeretlenek együtthatói megegyeznek, de más az eredményük, akkor az ellentmondó egyenletrendszer, aminek nincs megoldása.

A szabadságfok a szabadváltozók száma.

Lássuk hogyan kell kiszámolni mátrixok inverzét. Kezdjük az nxn-es mátrixokkal.

Lássuk hogyan kell kiszámolni mátrixok inverzét. Kezdjük az nxn-es mátrixokkal.

Most pedig olyan mátrixok inverzét próbáljuk meg kiszámolni, amelyek nem négyzetesek.

Most pedig olyan mátrixok inverzét próbáljuk meg kiszámolni, amelyek nem négyzetesek.

A Markov egyenlőtlenség arról szól, hogy az X valószínűségi változó a várható értéknél nem lehet sokkal nagyobb.

A Csebisev egyenlőtlenség azt írja le, hogy az X valószínűségi változó várható értéktől való eltérése nem lehet túl nagy.

Ha egy esemény bekövetkezésének elméleti valószínűsége $p$, akkor minél többször végezzük el a kísérletet, a relatív gyakoriság és az elméleti valószínűség eltérése annál kisebb lesz.

A mátrixok rendkívül barátságosak. Egy nXk-as mátrix tulajdonképpen nem más, mint egy táblázat, aminek n darab sora és k darab oszlopa van.

Ha egy mátrixot egy számmal szorzunk, akkor a mátrix összes elemét meg kell szorozni a számmal.

Ha egy mátrixot osztunk egy számmal, akkor a mátrix minden elemét osztani kell a számmal.

Két mátrix összeadásakor összeadjuk az ugyanazon pozícióban lévő elemeket. Két mátrixot csak akkor lehet összeadni, ha ugyanannyi soruk és oszlopuk van.

Két mátrix kivonásakor kivonjuk az ugyanazon pozícióban lévő elemeket. Két mátrixot csak akkor lehet kivonni egymásból, ha ugyanannyi soruk és oszlopuk van.

Két mátrix szorzata akkor létezik, ha a bal oldali mátrix oszlopainak száma megegyezik a jobb oldali mátrix sorainak számával. Az eredménymátrix i-edik sorának j-edik elemét úgy kapjuk, hogy a bal oldali mátrix i-edik sorát skalárisan szorozzuk a jobb oldali mátrix j-edik oszlopával. (Tehát az első elemet az elsővel, a másodikat a másodikkal stb. szorozzuk, majd összeadjuk)

A mátrix összeadás kommutatív és asszociatív.

A mátrixszorzás nem kommutattív, de asszociatív.

A kvadratikus mátrix négyzetes mátrix vagyis ugyanannyi sora van, mint oszlopa.

A diagonális mátrix olyan kvadratikus mátrix, aminek a főátlóján kívüli elemek nullák.

Az egységmátrixok olyan diagonális mátrixok, aminek minden főátló-eleme egy.

Az inverz mátrix egy olyan mátrix, hogy ha azzal szorozzuk az eredeti mátrixot, akkor egységmátrixot kapunk. Ha balról szorozva kapunk egységmátrixot, akkor bal inverz, ha jobbról szorozva, akkor jobb inverz mátrix.

A transzponált a mátrix sorainak és oszlopainak felcserélése.

Azokat a mátrixokat, melyek transzponáltjuk önmaga, szimmetrikus mátrixnak nevezzük.

Vektort egy számmal úgy szorzunk, hogy a vektor minden koordinátáját megszorozzuk a számmal.

Vektort egy számmal úgy osztunk, hogy a vektor minden koordinátáját leosztjuk a számmal.

Két vektort úgy adunk össze, hogy minden egyes koordinátájukat külön-külön össze adjuk.

Két vektort úgy vonunk ki egymásból, hogy minden egyes koordinátájukat külön-külön kivonjuk egymásból.

A skaláris szorzat két vektor közti művelet, ami csinál belőlük egy számot.

Két vektor diadikus szorzata egy mátrix. Lássuk milyen.

Egy olyan vektor, amivel beszorozva a mátrixunkat, összeadja annak sorait.

Egy olyan vektor, amivel beszorozva a mátrixunkat, összeadja annak egy oszlopában lévő elemeit.

Ha egy mátrixot megszorzunk jobbról egy $\underline{e}_i$ egységvektorral, akkor megkapjuk a mátrix i-edik oszlopát.

Ha egy mátrixot megszorzunk balról egy $\underline{e}_i$ egységvektorral, akkor megkapjuk a mátrix i-edik sorát.

Az egyenes egyenletének felírásához kell egy pontja és egy normálvektora.

A sík egyenletének felírásához kell egy pontja és egy normálvektora.

Két pont közti vektort a vektorok koordinátáinak különbségével írhatunk fel.

Két pont távolsága gyök alatt a koordináták különbségeinek négyzetösszege.

Az egyenes egyenletének felírásához a síkban szükségünk van az egyenes egy pontjára és a normálvektorára.

A sík egyenletének felírásához kell a sík egy pontja és a normálvektora.

Két vektor vektoriális szorzatát egy 3x3-as mátrix determinánsával számíthatjuk ki, ahol a mátrix első sora egységvektorok, a második és harmadik sora pedig az a és b vektorok.

Két vektor vektoriális szorzata egy olyan harmadik vektort ad, ami merőleges a két vektor által kifeszített síkra.

A vektorösszeadás kommutatív, asszociatív, létezik nullelem és létezik ellentett. A skalárszoros asszociatív, disztributív a vektorokra és a skalárokra is, és létezik egységszeres.

Egy vektorrendszer akkor lineárisan független, ha a vektorok lineáris kombinációjaként a nullvektor csak úgy áll elő, ha minden szorzótényező 0.

Egy vektorrendszer akkor lineárisan összefüggő, ha a vektorok lineáris kombinációjaként a nullvektor úgy is elő tud állni, hogy nem minden szorzótényező 0.

Vektorok generátor-rendszert alkotnak, ha minden vektortérbeli vektor elő áll az ő lineáris kombinációjuként.

Egy vektorrendszer akkor alkot független rendszert, ha a vektorok lineáris kombinációjaként a nullvektor csak úgy áll elő, ha minden szorzótényező 0.

A bázis független generátorrendszer.

Egy vektorrendszer rangja a benne lévő független vektorok maximális száma

W altér V-ben, ha részhalmaza és maga is vektortér a V-beli műveletekre. Nos ez remek, de nézzük meg, mit is jelet mindez.

Egy vektor akkor állítható egy vektorrendszerrel, ha előáll azon vektorok lineáris kombinációjaként.

A hipergeometriai eloszlás egy diszkrét eloszlás, ahol N darab elem közül kiválasztunk n darab elemet visszatevés nélkül. Az összes elem között K darab selejtes található. Az eloszlás annak valószínűségét írja le, hogy a kiválasztott elemek között éppen k darab selejtes van.

A binomiális eloszlás egy diszkrét eloszlás, ahol egy esemény bekövetkezésének a valószínűsége p és egymástól függetlenül elvégzünk n darab kísérletet, ahol a kísérletek mindegyikében az esemény vagy bekövetkezik vagy nem. Az eloszlás annak valószínűségét írja le, hogy az esemény éppen k-szor következik be.

A Poisson eloszlás egy diszkrét eloszlás, ahol egy esemény bekövetkezésének a várható előfordulása lambda darab. Az eloszlás annak valószínűségét írja le, hogy az esemény éppen k-szor következik be.

Az eltelt idők és a távolságok eloszlása.

Ez egy folytonos eloszlás, ahol egy esemény bekövetkezésének valószínűsége valamely intervallumon konstans.

Mennyiségek eloszlása.

A deriváltvektor azt jelenti, hogy egy többváltozós függvény parciális deriváltjait beletesszük egy vektorba. A deriváltvektort szokás gradiensvektornak is nevezni, és az f(x,y) kétváltozós függvény gradiensvektorát úgy jelöljük, hogy grad(f(x,y)). A gradiensvektor elnevezés onnan ered, hogy éppen a gradiens vektor irányában emelkedik mindig a legjobban a kétváltozós függvény grafikonja, ami egy felület. A deriváltvektort vagy gardiensvektort egy úgynevezett nabla szimbólummal is szokás jelölni. Ez egy csúcsára állított háromszög és a nabla operátor azt csinálja, hogy egy függvény parciális deriváltjait bepakolja egy vektorba. Ezt nem csak az f(x,y) kétváltozós függvénnyel lehet megtenni, hanem az f(x,y,z) háromváltozós függvénnyel is, vagy akár általánosan egy n változós függvénnyel. A nabla operátort alkalmazva erre a függvényre egy n koordinátás vektort kapunk, aminek a koordinátái a különböző parciális deriváltak lesznek. 

A deriváltvektor azt jelenti, hogy egy többváltozós függvény parciális deriváltjait beletesszük egy vektorba. A deriváltvektort szokás gradiensvektornak is nevezni, és az f(x,y) kétváltozós függvény gradiensvektorát úgy jelöljük, hogy grad(f(x,y)). A gradiensvektor elnevezés onnan ered, hogy éppen a gradiens vektor irányában emelkedik mindig a legjobban a kétváltozós függvény grafikonja, ami egy felület. A deriváltvektort vagy gardiensvektort egy úgynevezett nabla szimbólummal is szokás jelölni. Ez egy csúcsára állított háromszög és a nabla operátor azt csinálja, hogy egy függvény parciális deriváltjait bepakolja egy vektorba. Ezt nem csak az f(x,y) kétváltozós függvénnyel lehet megtenni, hanem az f(x,y,z) háromváltozós függvénnyel is, vagy akár általánosan egy n változós függvénnyel. A nabla operátort alkalmazva erre a függvényre egy n koordinátás vektort kapunk, aminek a koordinátái a különböző parciális deriváltak lesznek. 

Az iránymenti derivált azt jelenti, hogyha a kétváltozós függvény grafikonjának egy pontjában áll egy hagymászó, és elindul egy v irányban, akkor ebben az irányban milyen meredeken emelkedik a felület. Az iránymenti derivált kiszámolása nagyon egyszerű. Azzal kell kezdeni, hogy a P pontban kiszámoljuk a deriváltvektort. Ezek után a v irányba mutató vektorból egységnyi hosszú vektort csinálunk úgy, hogy elosztjuk a saját hosszával. Az így keletkező e vektort skalárisan megszorozzuk a deriváltvektorral és meg is van az iránymenti derivált.

Ahogy már láttuk, az iránymenti derivált azt jelenti, hogyha a kétváltozós függvény grafikonjának egy pontjában áll egy hagymászó, és elindul egy v irányban, akkor ebben az irányban milyen meredeken emelkedik a felület. Ahogy a v irányt változtatjuk, az iránymenti derivált értéke is változik. És van egy olyan v irány, ahol az iránymenti derivált maximális. Ezt az irányt nevezzük gradiens iránynak és ez mindig megegyezik a deriváltvektor irányával. Vagyis egy P pontban a függvény iránymenti deriváltja éppen abban az irányban a legnagyobb, ami a P ponthoz tartozó deriváltvektor iránya. A dolog egy egyszerű skaláris szorzattal könnyedén kijön. És az is kiderül, hogy melyik az az irány, amely mentén az iránymenti derivált éppen nulla. Ez a gradiens irányra merőleges irány, amit szintvonal iránynak nevezünk.

Az érintősík képlete nagyon hasonlít az egyváltozós függvényeknél az érintő egyenletére, csak most x és y szerint is deriválni kell. Lépésről lépésre megoldunk néhány feladatot a kétváltozós függvények érintősíkjával kapcsolatban. Az első lépés mindig a parciális deriváltak kiszámolása, aztán ezekbe a parciális deriváltakba behelyettesítjük az érintési pont koordinátát. Ezek után még kiszámoljuk a függvényértéket is az érintési pontban és már jöhet is az érintősík egyenletének a képlete.

A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. 

 A függvényeket két nagy típusba sorolhatjuk, az explicit és az implicit függvények csoportjába. Az explicit függvények azok, amelyek egy konkrét képlettel vannak megadva, míg az implicit függvények valamilyen egyenlet formájában adhatók meg. Az implicit függvények deriválására egy nagyon egyszerű képletet alkothatunk a parciális deriválás segítségével.

A teljes valószínűség tétele azt mondja ki, hogy ha ismerjük egy A esemény feltételes valószínűségét egy teljes eseményrendszer valamennyi eseményére, akkor ebből az A esemény valószínűsége kiszámítható.

Olyankor használjuk, ha egy korábban bekövetkezett $B_k$ esemény valószínűségére vagyunk kíváncsiak egy később bekövetkezett A esemény tükrében.

Eseményeknek nevezzük a valószínűségi kísérlet során bekövetkező lehetséges kimeneteleket.

A valószínűség kiszámításának klasszikus modellje az, hogy megszámoljuk hány elemi eseményből áll a vizsgált esemény és ezt elosztjuk az összes elemi esemény számával.

Mikor mondjuk, hogy két esemény egymástól független? Példák független eseményekre.

Mikor kizáró két esemény? Példák kizáró eseményekre.

A feltételes valószínűség. Az A feltéva B valószínűség azt jelenti, hogy mekkora eséllyel következik be az A esemény, ha a B esemény biztosan bekövetkezik..

Események metszetének, uniójának, különbségének és komplementerének valószínűségei.

A valószínűségi változó értékeinek valószínűségekkel súlyozott átlaga. De valójában ez rém egyszerű, nézzünk rá néhány példát.

A szórás azt mutatja meg, hogy a várható érték körül milyen nagy ingadozásra számíthatunk.

Folytonos valószínűségi változók esetén a várható értéket egy integrálás segítségével számítjuk.

Folytonos valószínűségi változó esetén a szórást ugyanúgy kell számolni, mint diszkrét valószínűségi változó esetén: