Bevezetés az ökonometriába

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bevezetés az ökonometriába"

Átírás

1 Bevezetés az ökonometriába Többváltozós regresszió: nemlineáris modellek Ferenci Tamás MSc 1 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik előadás, november 10.

2 Tartalom 1 Ismétlés Utóbbi előadások áttekintése 2 Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell 3 Fontosabb függvényformák áttekintése 4 Ramsey RESET

3 Előző részeink tartalmából Utóbbi előadások áttekintése Ismerkedés az ökonometriával, az ökonometriai modellezéssel Többváltozós lineáris regresszió alapjai Mintavételi vonatkozások: becslések és hipotézisvizsgálat Modellszelekció Modellspecifikáció (specifikációs torzítás), interakció Az OLS standard modellfeltevései, heteroszkedaszticitás és kezelése Nominális magyarázó változók szerepeltetése, dummyzás

4 Linearitás, mint közelítés Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Az élet általában nemlineáris (ez van) Miért használunk mégis lineáris modelleket: mert sokszor nem térnek el (nagyon) a valóságtól, de mégis sokkal könnyebben kezelhetőek matematikailag (ez van) Ez tehát az esetek többségében egy közelítés Mint ilyen: vizsgálni kell az érvényességi határokat (csap példája) Munkaponti linearizálás

5 Érvényességi határok Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Az érvényességi határokat az eddig látott modellekben is érdemes végiggondolni Azonnal kézenfekvő példa: a konstans (nagyon sok esetben) De sok meredekségnél is megragadható ez (fogyasztási függvény példája) Ez is egyfajta munkaponti linearizálás

6 Érvényességi határok Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell

7 Érvényességi határok Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell

8 Érvényességi határok Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell

9 Nemlinearitás fajtái Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Az β 1 + β 2 X + β 3 X 2 egy nemlineáris kifejezés (matematikailag) De figyelem: ennek ellenére minden további nélkül, tökéletesen kezelhető pusztán az eddig látott (lineáris!) eszköztárral, hiszen az OLS-nek mindegy, hogy a második magyarázó változó értékei történetesen épp az első négyzetei (Egészen addig nincs baj, amíg a kapcsolat nem lineáris) Nem úgy mint az β 1 X β 2 ez nem becsülhető OLS-sel A megkülönböztetés végett az első esetet változójában, a másodikat paraméterében nemlineáris modellnek nevezzük Mi van nemlinearitást okozó pozícióban

10 Változójában nemlineáris modell Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Jellemző: továbbra is fennáll a változók konstansokkal szorozva majd összeadva (tehát: lineáris kombinációs) struktúra De elképzelhető, hogy egy változó egy eredeti változó transzformáltja Itt szükségképp nemlineáris transzformációról beszélünk! Vegyük észre, hogy az eredeti és transzformált közti megkülönböztetés teljesen mesterséges (csak mi tudjuk, hogy mi volt az adatbázisban bemenő adatként), az OLS-nek mindegy Ide tartozik a kvadratikus hatás, általában az X a magyarázó változók, a log a X (de vigyázat: a logaritmus alapja nem paraméter), az a X stb. (a=konst) Az előzőek miatt további tárgyalást nem igényel

11 Paramétereiben nemlineáris modell Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Megsérti a lineáris kombináció struktúráját: paraméter nem csak szorzóként szerepel a regresszióban Például X β, log β X stb. Ez már nem becsülhető OLS-sel: az eredmányváltozó nem állítható elő mátrixszorzatként Más módszert fogunk használni

12 Nemlinearitás kezelése Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Mi egyetlen módszert fogunk látni: algebrai linearizálás Alkalmas transzformációval a nemlineáris problémát lineárissá alakítjuk, azt OLS-sel megoldjuk, majd a kapott eredményeket visszatranszformáljuk az eredeti transzformáció inverzével Például: Y = β 1 X β 2 u paramétereiben nemlineáris de mindkét oldal logaritmusát véve log Y = log β 1 + β 2 log X + u már az! Adatbázis logaritmálása, eredmények visszahatványozása Olyan esettel most nem foglalkozunk, ami ne lenne linearizálással kezelhető

13 Nemlinearitás hatásai Pár gondolat a linearitásról általában Változóiban és paramétereiben nemlineáris modell Kezelés szükségessége: lásd előbb Eltérő, specifikus értelmezések megjelenése

14 Log-log modell Fontosabb függvényformák áttekintése Például a Cobb-Douglas termelési modell: Y = β 1 L β L K β K, ahol Y a kibocsátás, L a munka, K a tőke (ill. általában a termelési tényezők) felhasználása Elaszticitása: El (Y, L) = dy Y dl L = dy L dl Y = β 1β L L βl 1 K β L K β 1 L β = β L K β K L Ezért nevezik konstans elaszticitású modellnek is Marginális hatás: dy dl = β 1β L L βl 1 K β K = β L Y L Kezelése linearizálással: mindkét oldalt logaritmáljuk log Y = log β 1 + β L log L + β K log K + u

15 Log-log modell Fontosabb függvényformák áttekintése Minden változót (eredmény és összes magyarázó is) logaritmálni kell Innen a modell neve Csak a konstans lesz logaritmálva, a többi koefficienst a transzformáció ellenére (ill. épp azért... ) közvetlenül kapjuk Volumenhozadék (skálahozadék): β K + β L viszonya 1-hez

16 Fontosabb függvényformák áttekintése Szakágazati termelési modell, Cobb-Douglas megközelítés Model 1: OLS, using observations (n = 476) Missing or incomplete observations dropped: 3 Dependent variable: l_ertnarb const l_befeszk,l_forgeszk l_szemraf,l_ecsleir l_rlejkot, Mean dependent var 3, S.D. dependent var 1, Sum squared resid 109,4631 S.E. of regression 0, R 2 0, Adjusted R 2 0, F (5, 470) 1490,231 P-value(F ) 1,3e 285 Log-likelihood 325,5952 Akaike criterion 663,1904 Schwarz criterion 688,1829 Hannan Quinn 673,0179 Volumenhozadék lineáris kombinációként tesztelhető Érdemes az R 2 -et is megnézni: ugyanez lineáris modellként 62,3%!

17 Log-lin modell Fontosabb függvényformák áttekintése Például a jövedelem alakulása: Y = e β 1+β 2 X +u Linearizálás ismét mindkét oldal logaritmálásával: log Y = β 1 + β 2 X + u Elnevezés logikája így már látható: az eredményváltozó logaritmálva, de a magyarázó változók maradnak szintben Növekedési ráta: e β 1+β 2 (X +1)+u = Ye β 2, pillanatnyi növekedési ütem: β 2 = dlog Y dx = 1 dy Y dx Elaszticitás: El (Y, X ) = dy X dx Y = β 2X, tehát csak X -től függ (közvetlenül)

18 Lin-log modell kakukktojás! Fontosabb függvényformák áttekintése Az előzőek alapján már világos a jelentése (pl. terület és kínálati ár összefüggése): Miért kakukktojás? β 2 értelmezése: Elaszticitás: Y = β 1 + β 2 log X + u dy dx = β 2 X β 2 = El (Y, X ) = β 2 X tehát csak Y -től függ (közvetlenül) dy dx /X X Y = β 2 Y,

19 Reciprok modell kakukktojás! Fontosabb függvényformák áttekintése Például keresleti modell: Y = β 1 + β 2 X + u Miért kakukktojás? Határkiadás: dy dx = β 2 X 2 Elaszticitás: El (Y, X ) = β 2 X 2 X Y = β 2 XY Paraméterek értelmezése, β j előjelének jelentősége az aszimptotikus viselkedés szempontjából: az élvezeti cikkek példája

20 Egy komplex példa vegyes modellre Fontosabb függvényformák áttekintése Tekintsük a következő kiadási modellt: Y = β 1 e β NN J β J+β JN N u, ahol Y a kiadás, N a nem (dummy, 1 ha férfi), J a jövedelem Alapvetően log-log jellegű (bár a β N felfogható exponenciálisként is), ráadásul még dummyzva is, hogy minden eltérő legyen nemenként (strukturális törés) Ez utóbbi miatt mondhatjuk egyszerűen, hogy log-log jellegű Linearizálás: log Y = log β 2 + β N N + β J J + β JN (J N) + u

21 Egy komplex példa vegyes modellre Fontosabb függvényformák áttekintése Paraméterértelmezések: β 1 és β N autonóm fogyasztás mindkét nemre teljesen külön (exponenciális jelleg ebben) A jövedelemnél célszerű az elaszticitást megragadni (a log-log jelleg miatt), hiszen: El (Y, J) = β J + β JN N nemtől függő elaszticitás (avagy: mindkét nemre teljesen külön elaszticitás, referencia-kódolás jelleggel)

22 A specifikációs tesztek Ramsey RESET Itt már nagyon erősen felmerül a kérdés: hogyan dönthetek a különféle függvényformák között? Ld. a termelési függvény példáját megadható lineárisan és Cobb-Douglas jelleggel (eredmény nagyon nem mindegy) Hogyan lehet analitikusan dönteni? Az előző példára: BM-teszt, PE-teszt stb., lásd Maddala Általánosságban (nem csak log/lin kérdésekre, mint az előzőek): ún. specifikációs tesztek

23 Ramsey RESET-je Ramsey RESET A modellspecifikáció általános tesztje Emiatt előnye: nem egy adott specifikációs kérdésre keres választ, hanem általában vizsgálja, hogy a specifikáció jó-e; hátránya, hogy ha nemleges választ ad, nem derül ki, hogy pontosan mi a specifikáció baja Trükk: új regressziót becsül, melynek eredményváltozója ugyanaz, de a magyarázó változókhoz hozzáadja az eredeti regresszió becsült eredményváltozójának magasabb hatványait (Ŷ 3 -ig néha Ŷ 4 -ig is) Nullhipotézis a helyes specifikáció, a tesztstatisztika: a hozzáadott változók együtt sem bírnak lényeges magyarázó erővel

Ökonometria. Modellspecifikáció. Ferenci Tamás 1 Hatodik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Modellspecifikáció. Ferenci Tamás 1 Hatodik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Modellspecifikáció Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hatodik fejezet Tartalom 1 III. esettanulmány Háztartási Költségvetési Felvétel (HKF) 2 Specifikációs

Részletesebben

Ökonometria. Modellspecifikáció. Ferenci Tamás 1 Hatodik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Modellspecifikáció. Ferenci Tamás 1 Hatodik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Modellspecifikáció Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hatodik fejezet Tartalom III. esettanulmány 1 III. esettanulmány Háztartási Költségvetési Felvétel

Részletesebben

1. Ismétlés Utóbbi előadások áttekintése IV. esettanulmány Uniós országok munkanélkülisége... 1

1. Ismétlés Utóbbi előadások áttekintése IV. esettanulmány Uniós országok munkanélkülisége... 1 Tartalom Tartalomjegyzék 1. Ismétlés 1 1.1. Utóbbi előadások áttekintése.................................. 1 2. IV. esettanulmány 1 2.1. Uniós országok munkanélkülisége................................

Részletesebben

Bevezetés az ökonometriába

Bevezetés az ökonometriába Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellspecifikáció, interakció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Ötödik előadás,

Részletesebben

Bevezetés az ökonometriába

Bevezetés az ökonometriába Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellszelekció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Negyedik előadás, 2010. október

Részletesebben

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Dummy változók használata Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik fejezet Tartalom IV. esettanulmány 1 IV. esettanulmány Uniós országok munkanélkülisége

Részletesebben

Idősoros elemzés minta

Idősoros elemzés minta Idősoros elemzés minta Ferenci Tamás, tamas.ferenci@medstat.hu A felhasznált adatbázisról Elemzésemhez a francia frank árfolyamának 1986.01.03. és 1993.12.31. közötti értékeit használtam fel, mely idősorban

Részletesebben

Idősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7.

Idősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7. Idősoros elemzés Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7. A felhasznált adatbázisról Elemzésemhez a tanszéki honlapon rendelkezésre bocsátott TimeSeries.xls idősoros adatgyűjtemény egyik idősorát,

Részletesebben

Matematikai statisztikai elemzések 6.

Matematikai statisztikai elemzések 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 6. MSTE6 modul Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós

Részletesebben

Melléklet 1. A knn-módszerhez használt változólista

Melléklet 1. A knn-módszerhez használt változólista Melléklet 1. A knn-módszerhez használt változólista 1. Régiók (1. Budapest, Pest megye, Dunántúl; 2. Dél-Magyarország; 3. Észak-Magyarország.) 2. Főállású-e az egyéni vállalkozó dummy (1 heti legalább

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA

Részletesebben

Ökonometria. Logisztikus regresszió. Ferenci Tamás 1 Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Logisztikus regresszió. Ferenci Tamás 1 Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Nyolcadik fejezet Tartalom V. esettanulmány 1 V. esettanulmány Csődelőrejelzés 2 Általános gondolatok 3 becslése

Részletesebben

Heckman modell. Szelekciós modellek alkalmazásai.

Heckman modell. Szelekciós modellek alkalmazásai. Heckman modell. Szelekciós modellek alkalmazásai. Mikroökonometria, 12. hét Bíró Anikó A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Tudás-Ökonómia Alapítvány támogatásával készült

Részletesebben

11. elıadás ( lecke) 21. lecke. Korreláció és Regresszió (folytatás) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények

11. elıadás ( lecke) 21. lecke. Korreláció és Regresszió (folytatás) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények Korreláció és Regresszió (folytatás) 11. elıadás (21-22. lecke) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények 21. lecke Linearitás ellenırzésének egyéb lehetıségei Konfidencia

Részletesebben

Ökonometria. Logisztikus regresszió. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Logisztikus regresszió. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Nyolcadik fejezet Tartalom V. esettanulmány 1 V. esettanulmány Csődelőrejelzés 2 Általános gondolatok 3 becslése

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Géczi-Papp Renáta Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter

ELTE TáTK Közgazdaságtudományi Tanszék MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter MAKROÖKONÓMIA MAKROÖKONÓMIA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az

Részletesebben

ELTECON MA Keresztmetszeti és panel ökonometria tematika

ELTECON MA Keresztmetszeti és panel ökonometria tematika ELTECON MA Keresztmetszeti és panel ökonometria tematika Készítette: Elek Péter Oktató: Elek Péter Demonstrátor: Pál Jenő (PhD-hallgató, CEU) Időkeret: heti 3*90 perc szeminarizált formában, 13 héten keresztül

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Algoritmusok Tervezése 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás Mi az algoritmus? Lépések sorozata egy feladat elvégzéséhez (legáltalánosabban) Informálisan algoritmusnak nevezünk bármilyen jól definiált

Részletesebben

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén, az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi

Részletesebben

1. II. esettanulmány 1 1.1. Szakágazati mélységű termelési függvény becslése... 1

1. II. esettanulmány 1 1.1. Szakágazati mélységű termelési függvény becslése... 1 Tartalom Tartalomjegyzék 1. II. esettanulmány 1 1.1. Szakágazati mélységű termelési függvény becslése....................... 1 2. Általánosítóképesség, túlilleszkedés 3 3. Modellszelekció 11 3.1. A modellszelekció

Részletesebben

Dinamikus modellek szerkezete, SDG modellek

Dinamikus modellek szerkezete, SDG modellek Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.

Részletesebben

GVMST22GNC Statisztika II.

GVMST22GNC Statisztika II. GVMST22GNC Statisztika II. 4. előadás: 9. Kétváltozós korreláció- és regressziószámítás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Korrelációszámítás

Részletesebben

Korreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Korreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés

Részletesebben

Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos

Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek Dr. Dombi Ákos (dombi@finance.bme.hu) ESETTANULMÁNY 1. Feladat: OTP részvény átlagárfolyamának (Y=AtlAr) stacionaritás

Részletesebben

Magyarország növekedési kilátásai A magyarországi vállalatok lehetőségei és problémái MTA KRTK KTI workshop

Magyarország növekedési kilátásai A magyarországi vállalatok lehetőségei és problémái MTA KRTK KTI workshop Magyarország növekedési kilátásai A magyarországi vállalatok lehetőségei és problémái MTA KRTK KTI workshop Prof. Dr. Szerb László egyetemi tanár Pécsi Tudományegyetem Közgazdaságtudományi Kar Helyzetkép

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

MIKROÖKONÓMIA I. Készítette: Kőhegyi Gergely, Horn Dániel. Szakmai felelős: Kőhegyi Gergely. 2010. június

MIKROÖKONÓMIA I. Készítette: Kőhegyi Gergely, Horn Dániel. Szakmai felelős: Kőhegyi Gergely. 2010. június MIKROÖKONÓMIA I. B Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA Közgazdaságtudományi

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév Matematika gyógyszerészhallgatók számára A kollokvium főtételei 2015-2016 tanév A1. Függvénytani alapfogalmak. Kölcsönösen egyértelmű függvények és inverzei. Alkalmazások. Alapfogalmak: függvény, kölcsönösen

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 18. J J 9 Információk a 2. ZH-ról és a vizsgáról 12. hét: gyakorló óra 13. hét: teszt 14. hét: a teszt megbeszélése, vizsgajegyek megajánlása. Minden

Részletesebben

5. el adás. Solow-modell I. Kuncz Izabella. Makroökonómia. Makroökonómia Tanszék Budapesti Corvinus Egyetem

5. el adás. Solow-modell I. Kuncz Izabella. Makroökonómia. Makroökonómia Tanszék Budapesti Corvinus Egyetem I. Makroökonómia Tanszék Budapesti Corvinus Egyetem Makroökonómia Mit tudunk eddig? Hogyan hat a skális politika a gazdaságra? Mi a pénz? Milyen költségei vannak az inációnak? Hogyan hat a monetáris politika

Részletesebben

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése Pˆr( y = 1 x) ( g( ˆ β + x ˆ β ) ˆ 0 β j ) x j Marginális hatás egy megválasztott

Részletesebben

Akusztikai tervezés a geometriai akusztika módszereivel

Akusztikai tervezés a geometriai akusztika módszereivel Akusztikai tervezés a geometriai akusztika módszereivel Fürjes Andor Tamás BME Híradástechnikai Tanszék Kép- és Hangtechnikai Laborcsoport, Rezgésakusztika Laboratórium 1 Tartalom A geometriai akusztika

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

Több diszkrét kimenet multinomiális és feltételes logit modellek

Több diszkrét kimenet multinomiális és feltételes logit modellek Több diszkrét kimenet multinomiális és feltételes logit modellek Mikroökonometria, 9. hét Bíró Anikó A tananyag a Gazdasági Versenyhivatal Versenykultúra Központa és a Tudás-Ökonómia Alapítvány támogatásával

Részletesebben

Korreláció és lineáris regresszió

Korreláció és lineáris regresszió Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.

Részletesebben

x a x, ha a > 1 x a x, ha 0 < a < 1

x a x, ha a > 1 x a x, ha 0 < a < 1 EL 18 Valós exponenciális függvények Definíció: Ha a R, a>0, akkor legyen a x = e x lna, x R A valós változós exponenciális függvények grafikonja: x a x, ha a > 1 x a x, ha 0 < a < 1 A szinusz függvény

Részletesebben

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be! MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Racionalitás: a hasznosság és a döntés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade

Részletesebben

társadalomtudományokban

társadalomtudományokban Gépi tanulás, predikció és okság a társadalomtudományokban Muraközy Balázs (MTA KRTK) Bemutatkozik a Számítógépes Társadalomtudomány témacsoport, MTA, 2017 2/20 Empirikus közgazdasági kérdések Felváltja-e

Részletesebben

és élelmiszer-ipari termékek hozhatók forgalomba, amelyeket a vonatkozó jogszabá-

és élelmiszer-ipari termékek hozhatók forgalomba, amelyeket a vonatkozó jogszabá- 152 - - - - - - Az öko, a bio vagy az organikus kifejezések használata még napjainkban sem egységes, miután azok megjelenési formája a mindennapi szóhasználatban országon- A német, svéd, spanyol és dán

Részletesebben

Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART ))

Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART )) Döntési fák (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART )) Rekurzív osztályozó módszer, Klasszifikációs és regressziós fák folytonos, kategóriás, illetve túlélés adatok

Részletesebben

Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények

Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények Korreláció és Regresszió (folytatás) 12. elıadás (23-24. lecke) Logisztikus telítıdési függvény Több független változós regressziós függvények 23. lecke A logisztikus telítıdési függvény Több független

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

Tudáshálózatok kialakulása és regionális fejlődés egy integrált modell alkalmazásának tapasztalatai a magyar régiók esetében Sebestyén Tamás,

Tudáshálózatok kialakulása és regionális fejlődés egy integrált modell alkalmazásának tapasztalatai a magyar régiók esetében Sebestyén Tamás, Tudáshálózatok kialakulása és regionális fejlődés egy integrált modell alkalmazásának tapasztalatai a magyar régiók esetében Sebestyén Tamás, Hau-Horváth Orsolya, Varga Attila Szerkezet Motiváció Irodalom:

Részletesebben

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

III. Kvantitatív változók kapcsolata (korreláció, regresszió) III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással

Részletesebben

Bevezetés az ökonometriába

Bevezetés az ökonometriába Bevezetés az ökonometriába Többváltozós lineáris regresszió: mintavételi vonatkozások és modelljellemzés Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Harmadik

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Az állat becsült kor. teljes súly. teljes hossz orrtól. törzs hossza. pocak körkörös méret. hátsó láb hossza kör

Az állat becsült kor. teljes súly. teljes hossz orrtól. törzs hossza. pocak körkörös méret. hátsó láb hossza kör Korreláció- és regresszió-analízis Az X és Y véletlen változók között az alábbi ábrákon pozitív összefüggés nem lineáris összefüggés negatív összefüggés van Előfordulhat, hogy X és Y között van kapcsolat,

Részletesebben

A fogyasztási kereslet elméletei

A fogyasztási kereslet elméletei 6. lecke A fogyasztási kereslet elméletei A GDP, a rendelkezésre álló jövedelem, a fogyasztás és a megtakarítás kapcsolata. Az abszolút jövedelem hipotézis és a keynesi fogyasztáselmélet. A permanens jövedelem

Részletesebben

2. Reprezentáció-függvények, Erdős-Fuchs tétel

2. Reprezentáció-függvények, Erdős-Fuchs tétel 2. Reprezentáció-függvények, Erdős-Fuchs tétel A kör-probléma a következőképpen is megközelíthető: Jelölje S a négyzetszámok halmazát. Jelölje r S (n) azt az értéket, ahány féleképpen n felírható két pozitív

Részletesebben

Vannak releváns gazdasági kérdéseink és ezekre válaszolni szeretnénk.

Vannak releváns gazdasági kérdéseink és ezekre válaszolni szeretnénk. Vannak releváns gazdasági kérdéseink és ezekre válaszolni szeretnénk. Modellt építünk Szereplők + Piacok Magatartási egyenletek + Piaci egyensúlyi feltételek Endogén változók + Exogén változók GDP nominális

Részletesebben

REGIONÁLIS GAZDASÁGTAN B

REGIONÁLIS GAZDASÁGTAN B REGIONÁLIS GAZDASÁGTAN B ELTE TáTK Közgazdaságtudományi Tanszék Regionális gazdaságtan B A MONOPOLISZTIKUS VERSENY ÉS A DIXITSTIGLITZ-MODELL Készítette: Békés Gábor és Rózsás Sarolta Szakmai felel s:

Részletesebben

6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK. BSc Matematika I. BGRMA1HNND, BGRMA1HNNC

6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK. BSc Matematika I. BGRMA1HNND, BGRMA1HNNC 6. ELŐADÁS DIFFERENCIÁLSZÁMÍTÁS II. DIFFERENCIÁLÁSI SZABÁLYOK BSc Matematika I. BGRMAHNND, BGRMAHNNC A következő diákon szereplő állítások mindegyikét az előadáson fogjuk igazolni, és példákkal bőségesen

Részletesebben

Likelihood, deviancia, Akaike-féle információs kritérium

Likelihood, deviancia, Akaike-féle információs kritérium Többváltozós statisztika (SZIE ÁOTK, 2011. ősz) 1 Likelihood, deviancia, Akaike-féle információs kritérium Likelihood függvény Az adatokhoz paraméteres modellt illesztünk. A likelihood függvény a megfigyelt

Részletesebben

AZ ÁLTALÁNOSÍTOTT LINEÁRIS MODELL ÉS BIZTOSÍTÁSI ALKALMAZÁSAI

AZ ÁLTALÁNOSÍTOTT LINEÁRIS MODELL ÉS BIZTOSÍTÁSI ALKALMAZÁSAI MÓDSZERTANI TANULMÁNYOK AZ ÁLTALÁNOSÍTOTT LINEÁRIS MODELL ÉS BIZTOSÍTÁSI ALKALMAZÁSAI A biztosítási károk alakulásának modellezésére jól alkalmazható az általánosított lineáris modell, amely alkalmas arra,

Részletesebben

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június KÖZGAZDASÁGTAN II. Készült a TÁMO-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén, az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi

Részletesebben

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7.

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7. ME, Anaĺızis Tanszék 21. április 7. A Taylor-polinom ill. Taylor-sor hátránya, hogy az adott függvényt csak a sorfejtés helyén ill. annak környezetében közeĺıti jól. A sorfejtés helyétől távolodva a közeĺıtés

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

Részletesebben

2012. október 9 és 11. Dr. Vincze Szilvia

2012. október 9 és 11. Dr. Vincze Szilvia 2012. október 9 és 11. Dr. Vincze Szilvia Egyváltozós valós függvények nevezetes osztályai I. Algebrai függvények Racionális egész függvények (polinomok) Racionális törtfüggvények Irracionális függvények

Részletesebben

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Egyszempontos variancia analízis. Statisztika I., 5. alkalom Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 Első fejezet. Budapesti Corvinus Egyetem

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 Első fejezet. Budapesti Corvinus Egyetem Adminisztratív kérdések, bevezetés Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Első fejezet Tartalom 1 2 Alapvetés az ökonometriai modellezéshez Az ökonometria

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

Irányításelmélet és technika II.

Irányításelmélet és technika II. Irányításelmélet és technika II. Legkisebb négyzetek módszere Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 200 november

Részletesebben

A gravitációs modell felhasználása funkcionális távolságok becslésére

A gravitációs modell felhasználása funkcionális távolságok becslésére A gravitációs modell felhasználása funkcionális távolságok becslésére Dusek Tamás egyetemi tanár Széchenyi István Egyetem Eger, 2015. november 20. Gravitációs modell "A" város "B" város 100 000 lakos 100

Részletesebben

II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés

II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés II. Két speciális Fibonacci sorozat, szinguláris elemek, természetes indexelés Nagyon könnyen megfigyelhetjük, hogy akármilyen két számmal elindítunk egy Fibonacci sorozatot, a sorozat egymást követő tagjainak

Részletesebben

A változó költségek azon folyó költségek, amelyek nagysága a termelés méretétől függ.

A változó költségek azon folyó költségek, amelyek nagysága a termelés méretétől függ. Termelői magatartás II. A költségfüggvények: A költségek és a termelés kapcsolatát mutatja, hogyan változnak a költségek a termelés változásával. A termelési függvényből vezethető le, megkülönböztetünk

Részletesebben

Diszkriminancia-analízis

Diszkriminancia-analízis Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független

Részletesebben

Fogyasztás, beruházás és rövid távú árupiaci egyensúly kétszektoros makromodellekben

Fogyasztás, beruházás és rövid távú árupiaci egyensúly kétszektoros makromodellekben Fogyasztás, beruházás és rövid távú árupiaci egyensúly kétszektoros makromodellekben Fogyasztáselméletek 64.) Bock Gyula [2001]: Makroökonómia ok. TRI-MESTER, Tatabánya. 33. o. 1. 65.) Keynesi abszolút

Részletesebben

A ország B ország A ország B ország A ország B ország Rövid távon a kamatparitás: két gazdaságban realizálható átlagos hozamnak azonos devizában kifejezett értéke meg kell, hogy egyezzen egymással. Hosszú

Részletesebben

1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.

1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x. . Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június KÖZGAZDASÁGTAN II. KÖZGAZDASÁGTAN II. Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék,

Részletesebben

1. Technikai kérdések 1 1.1. Adminisztratív ügyek... 1 1.2. Tudnivalók a félévről... 3

1. Technikai kérdések 1 1.1. Adminisztratív ügyek... 1 1.2. Tudnivalók a félévről... 3 Tartalom Tartalomjegyzék 1. Technikai kérdések 1 1.1. Adminisztratív ügyek....................................... 1 1.2. Tudnivalók a félévről....................................... 3 2. Bevezetés, alapgondolatok

Részletesebben

Elérhető maximális pontszám: 70+30=100 pont

Elérhető maximális pontszám: 70+30=100 pont Villamosmérnök Szak Távoktatás 2. félév Matematika kollokvium 2008. dec. 20. Név: Neptun Kód: Tanár: Fel.: Elm.: Hf.: Össz.: Oszt.: Vajda István Rendelkezésre álló idő: 105 perc Elérhető maximális pontszám:

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi

Részletesebben

A TANÁROK TANÍTÁSSAL KAPCSOLATOS

A TANÁROK TANÍTÁSSAL KAPCSOLATOS A TANÁROK TANÍTÁSSAL KAPCSOLATOS BEÁLLÍTÓDÁSAI ÉS A TANULÓI EREDMÉNYESSÉG Széll Krisztián - Sági Matild XIII. Országos Neveléstudományi Konferencia Eszterházy Károly Főiskola Eger, 2013. november 8. KUTATÁSI

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

PTE PMMFK Levelező-távoktatás, villamosmérnök szak

PTE PMMFK Levelező-távoktatás, villamosmérnök szak PTE PMMFK Levelező-távoktatás, villamosmérnök szak MATEMATIKA (A tantárgy tartalma és a tananyag elsajátításának időterve.) Összeállította: Kis Miklós adjunktus Tankönyvek (mindhárom félévre): 1. Scharnitzky

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

M. 33. Határozza meg az összes olyan kétjegyű szám összegét, amelyek 4-gyel osztva maradékul 3-at adnak!

M. 33. Határozza meg az összes olyan kétjegyű szám összegét, amelyek 4-gyel osztva maradékul 3-at adnak! Magyar Ifjúság 6 V SOROZATOK a) Három szám összege 76 E három számot tekinthetjük egy mértani sorozat három egymás után következő elemének vagy pedig egy számtani sorozat első, negyedik és hatodik elemének

Részletesebben

Atomataelmélet: A Rabin Scott-automata

Atomataelmélet: A Rabin Scott-automata A 19. óra vázlata: Atomataelmélet: A Rabin Scott-automata Az eddigieken a formális nyelveket generatív szempontból vizsgáltuk, vagyis a nyelvtan (generatív grammatika) szemszögéből. A generatív grammatika

Részletesebben

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság. 2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve

Részletesebben

Szenzorcsatolt robot: A szenzorcsatolás lépései:

Szenzorcsatolt robot: A szenzorcsatolás lépései: 1. Mi a szenzorcsatolt robot, hogyan épül fel? Ismertesse a szenzorcsatolás lépéseit röviden az Egységes szenzorplatform architektúra segítségével. Mikor beszélünk szenzorfúzióról? Milyen módszereket használhatunk?

Részletesebben

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem Adminisztratív kérdések, bevezetés Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Első fejezet Tartalom Technikai kérdések 1 Technikai kérdések Adminisztratív

Részletesebben

KÖZGAZDASÁGI- MARKETING ALAPISMERETEK

KÖZGAZDASÁGI- MARKETING ALAPISMERETEK ÉRETTSÉGI VIZSGA 2009. május 22. KÖZGAZDASÁGI- MARKETING ALAPISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA 2009. május 22. 8:00 Az írásbeli vizsga időtartama: 180 perc Pótlapok száma Tisztázati Piszkozati OKTATÁSI

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

Validálás és bizonytalanságok a modellekben

Validálás és bizonytalanságok a modellekben Validálás és bizonytalanságok a modellekben Hálózattervezési Dr. Berki Zsolt Tel.: 06-20-3516879, E-mail: berki@fomterv.hu Miért modellezünk? Mert előírás Nem! "It is impossible to predict the future but

Részletesebben

Egyenletek, egyenlőtlenségek VII.

Egyenletek, egyenlőtlenségek VII. Egyenletek, egyenlőtlenségek VII. Magasabbfokú egyenletek: A 3, vagy annál nagyobb fokú egyenleteket magasabb fokú egyenleteknek nevezzük. Megjegyzés: Egy n - ed fokú egyenletnek legfeljebb n darab valós

Részletesebben

1.2.1 A gazdasági rendszer A gazdaság erőforrásai (termelési tényezők)

1.2.1 A gazdasági rendszer A gazdaság erőforrásai (termelési tényezők) Galbács Péter, Szemlér Tamás szerkesztésében Mikroökonómia TARTALOM Előszó 1. fejezet: Bevezetés 1.1 A közgazdaságtan tárgya, fogalma 1.1.1 A közgazdaságtan helye a tudományok rendszerében 1.1.2 A közgazdaságtan

Részletesebben

Keynesi kereszt IS görbe. Rövid távú modell. Árupiac. Kuncz Izabella. Makroökonómia Tanszék Budapesti Corvinus Egyetem.

Keynesi kereszt IS görbe. Rövid távú modell. Árupiac. Kuncz Izabella. Makroökonómia Tanszék Budapesti Corvinus Egyetem. Árupiac Makroökonómia Tanszék Budapesti Corvinus Egyetem Makroökonómia Mit tudunk eddig? Ismerjük a gazdaság hosszú távú m ködését (klasszikus modell) Tudjuk, mit l függ a gazdasági növekedés (Solow-modell)

Részletesebben

Reakció kinetika és katalízis

Reakció kinetika és katalízis Reakció kinetika és katalízis 1. előadás: Alapelvek, a kinetikai eredmények analízise Felezési idők 1/22 2/22 : A koncentráció ( ) időbeli változása, jele: mol M v, mértékegysége: dm 3. s s Legyen 5H 2

Részletesebben

1. A standard lineáris regressziós modell és feltevései

1. A standard lineáris regressziós modell és feltevései Tartalom Tartalomjegyzék 1. A standard lineáris regressziós modell és feltevései 1 1.1. A standard lineáris modell modellfeltevései..................... 1 1.2. A standard modellfeltevések értelme és jelentősége.................

Részletesebben

Tartalom. Pénzügytan I. Általános tudnivalók, ismétlés. 2010/2011 tanév őszi félév 1. Hét

Tartalom. Pénzügytan I. Általános tudnivalók, ismétlés. 2010/2011 tanév őszi félév 1. Hét Pénzügytan I. Általános tudnivalók, ismétlés 2010/2011 tanév őszi félév 1. Hét 2010.09.07. 1 Tóth Árpád Ig. 617 e-mail: totha@sze.hu gyakorlatok letölthetősége: www.sze.hu/~totha Pénzügytan I. (könyvtár)

Részletesebben

SZOCIÁLIS ÉS MUNKAÜGYI MINISZTÉRIUM. Szóbeli vizsgatevékenység

SZOCIÁLIS ÉS MUNKAÜGYI MINISZTÉRIUM. Szóbeli vizsgatevékenység SZOCIÁLIS ÉS MUNKAÜGYI MINISZTÉRIUM Vizsgarészhez rendelt követelménymodul azonosítója, megnevezése: 2658-06/3 Egy aktuális gazdaságpolitikai esemény elemzése a helyszínen biztosított szakirodalom alapján

Részletesebben

Matematika szigorlat, Mérnök informatikus szak I máj. 12. Név: Nept. kód: Idő: 1. f. 2. f. 3. f. 4. f. 5. f. 6. f. Össz.: Oszt.

Matematika szigorlat, Mérnök informatikus szak I máj. 12. Név: Nept. kód: Idő: 1. f. 2. f. 3. f. 4. f. 5. f. 6. f. Össz.: Oszt. Matematika szigorlat, Mérnök informatikus szak I. 2009. máj. 12. Név: Nept. kód: Idő: 1. f. 2. f. 3. f. 4. f. 5. f. 6. f. Össz.: Oszt.: 180 perc 0-49 pont: elégtelen, 50-61 pont: elégséges, 62-73 pont:

Részletesebben