A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Valószínűségszámítás
Probability Theory
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVISZA208 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 4 | ||||||||||||
| Subject coordinator |
DR. Pintér Márta Barbara
position: egyetemi docens
contact:
pinter.marta@vik.bme.hu
|
||||||||||||
| Responsible department |
Számítástudományi és Információelméleti Tanszék
|
||||||||||||
| Faculty | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
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).
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.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Not provided.
Tanulástámogató anyagok
Online források
An Introduction to Probability Theory and Its Applications, Vol I-II, Wiley, 2005
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
nincs
General rules
Követelmények:
A gyakorlatokon való részvétel kötelező (TVSZ 14§ (3)).
A gyakorlatokon összesen 5 nem pótolható kisZh (16§ (1)) megiratására kerül sor. Ezen kisZh-kon megszerezhető összpontszám legalább felét kell elérni az aláírás megszerzéséhez. Ezen felül az aláírás feltétele a zárthelyi legalább elégségesre történő megírása.
Zárthelyi: A feladatok legalább 40%-os teljesítése szükséges.
A zh és a kiszh-k az aláírás megszerzéséhez szükségesek, a vizsgába nem számítanak bele.
A vizsgaidőszakban: a sikeres vizsga feltételei azonosak a zárthelyinél leírtakkal.
Pótlási lehetőségek:
Zárthelyi pótlására a szorgalmi időszakban, illetve a pótlási időszakban egy-egy alkalommal van lehetőség.
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Not provided.
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.