Markov modellek

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Markov modellek 2015.03.19."

Átírás

1 Markov modellek

2 Markov-láncok Markov-tulajdonság: egy folyamat korábbi állapotai a későbbiekre csak a jelen állapoton keresztül gyakorolnak befolyást. Semmi, ami a múltban történt, nem ad előrejelzést a jövőre nézve. Markov-láncok: speciális diszkrét sztochasztikus folyamatok, melyek Markov-tulajdonságúak. Pl. érmedobás: van egy szabályos érménk, ha 10-szer fejet dobtunk, ugyanúgy ½ valószínűséggel dobunk 11-edszer is fejet.

3 Időjárás Állapotok: s 1 =napos, s 2 =borús, s 3 =esős Kérdés: mi az esélye, hogy egy napos állapot után {napos, esős} sorozat következzen? Átmenet-valószínűség: (p ij ) annak a valószínűsége, hogy a folyamat egy időperiódus alatt az i állapotból a j-be lép át. Segítségével felírható az átmenet-valószínűségi mátrix. P({s 1,s 1,s 3 } Is 1 }=1*p 11 *p 13 =1*0.8*0.3=0.24

4 Részvényárfolyam Ha egy részvény árfolyamáról szeretnénk valamilyen elemzést készíteni, sok esetben elég csak annyit tudnunk, hogy az adott részvény árfolyama a vizsgált napokon nőtt vagy csökkent. Becsülni szeretnénk a következő napi, illetve a hosszú távú változását. 1. Csak a legutolsó változás befolyásolja a következő napi árfolyamot. 2. A legutolsó két nap változása befolyásolja a következő napi árfolyamot.

5 Részvényárfolyam nap mozgás N C C N N C C N C C N C C C N nap mozgás C N C C N C N N C N C C N C C N C N 2/12 10/12 C 9/17 8/17

6 Részvényárfolyam Szükségünk van a kezdeti eloszlásra, valamint az átmenetvalószínűségi mártixra (P). A kezdeti eloszlás: Q(0)=(0,1) (mert a 30. napon csökkent az árfolyam) Q(1)=(9/17, 8/17), azaz 0,47 valószínűséggel csökkenni fog az árfolyam a 31. napon. Ha arra vagyunk kíváncsiak, n nap múlva, mekkora eséllyel fog csökkenni az árfolyam: Q(n)=Q(0)*P n

7 Csökkenés valószínűsége a következő 1 hétben

8 Részvényárfolyam Az 5. naptól megfigyelhető, hogy a csökkenés valószínűsége 0,6115 körüli értékeket vesz fel. Ennek oka, hogy az átmenet-valószínűségi mátrix ergodikus. (Minden állapot visszatérő aperiodikus, és az állapotok kommunikálnak egymással.)

9 Részvényárfolyam/2 Utolsó két nap mozgásait vesszük figyelembe. Ekkor 4 állapotot és 28 átmenetet vizsgálunk: NN (2 db), NC (10 db), CN (9 db), CC (7 db) NNC (2 db), így az NN-NC átmenet relatív gyakorisága 2/2. CNC (7 db), így a CN-NC átmenet relatív gyakorisága 7/9. Mivel az utolsó két nap csökkent az árfolyam, a kezdeti eloszlás: Q(1)=(0, 0,0, 1)

10 Részvényárfolyam/2 NN NC CN CC NN NC 0 0 3/10 7/10 CN 2/9 7/9 0 0 CC 0 0 6/7 1/7

11 Részvényárfolyam/2 Ugyanúgy járunk el, mint a korábbi feladatnál: Q(1)=(0, 0, , ) Eszerint a csökkenés valószínűsége , ami jóval kisebb, mint abban az esetben, mikor csak az utolsó napi mozgást vettük figyelembe. Az első pár napban itt is nagyobb ingadozások lehetnek (pl. a 2. nap , a 3. nap valószínűséggel csökken az árfolyam).

12 Rejtett Markov modell (HMM) Az állapotokat nem ismerjük (rejtettek), megfigyelések segítségével következtetünk az állapotok egy olyan valószínűsíthető sorozatára, mely a megfigyelt eseményeket okozhatta. Pl. szabadidős tevékenységek alapján következtethetünk időjárásra Hasonlóan az egyszerű Markov modellekhez, átmenet-valószínűségi mátrixok, valamint a megfigyelt adatokra illesztett kezdeti eloszlás segítségével tudjuk vizsgálni a háttérben lévő Markov-lánc fejlődését. Az illesztett eloszlás függ az egyes rejtett állapotoktól, velük együtt változik.

13 Beszédfelismerés Beszélt szöveget hallva meg akarjuk határozni a beszédben szereplő szó/fonémasorozatot. Figyelembe kell venni, hogy különböző nyelveknél mások a karakterszekvencia-eloszlások, így különböző valószínűségek is társulnak az egyes karakterátmenetekhez (pl. th ). Felépíthető HMM a nyelvfelismerési problémára is, mely ezekre a különbségekre épít, majd következtet egy ismeretlen dokumentum nyelvére.

14 Betegség előrehaladása Betegségek előrehaladása leírható azok súlyosságának fokozataival. Sok esetben ismeretlen a betegség kialakulásának ideje, valamint az egyes kontrollok közti időszakokban történő folyamatos változás. Számít a vizsgálatok időpontjainak eloszlása (pl. a betegség egy súlyosabb fázisában gyakrabban szükségesek a kontrollok), azonban nem minden esetben informatívak.

15 Bronchiolitis Obliterans Szindróma (BOS) Tüdőátültetés után leggyakrabban kialakuló tünetegyüttes, mely teljesen tönkreteszi a szervezet által idegennek tekintett beültetett tüdőt. Vizsgálati módszer: FEV 1 (forced expiratory volume in 1 second)

16 Kiindulópont BOS-re diszkrét folyamatként tekintünk 3 állapottal: 1:még nem alakult ki (FEV 1 :100%) 2:BOS (FEV 1 :54%) 3:halál Megfigyeléseink az egyes FEV 1 -tesztek Transzplantáltak adatait vizsgáljuk Normális eloszlásúak ismeretlen paraméterekkel (ezek az egyes állapotoktól függnek) Akut események befolyásolják a FEV 1 eredményeket

17 A modell Kérdés: a transzplantáció után várhatóan mikor jelentkezik a BOS? Kialakulása után mennyi ideig élhetnek a betegek? 3-állapotú modell (átmenet-mátrix) A FEV 1 eredmények normális eloszlást követnek, a paraméterek ismeretlenek és különböznek a BOS 1., valamint 2. állapotáétól. Feltehető, hogy az 1. állapotban a várható érték 100, a szórás 16, a 2. állapotban 54 a várható érték és 18 a szórás. Becsülni szeretnénk a paramétereket (MLE)

18 Eredmények Az 1. állapotban a mérőbázis 98%, míg a 2. állapotban ez 52%. Ezeket az időközben felmerülő akut események 8%-kal csökkentik. A transzplantáció után átlagosan közel 4 év múlva alakul ki a betegség, mellyel még közel 3 és fél évig élhetnek a betegek.

12. előadás - Markov-láncok I.

12. előadás - Markov-láncok I. 12. előadás - Markov-láncok I. 2016. november 21. 12. előadás 1 / 15 Markov-lánc - definíció Az X n, n N valószínűségi változók sorozatát diszkrét idejű sztochasztikus folyamatnak nevezzük. Legyen S R

Részletesebben

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió

Részletesebben

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás

előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 13-14. előadás Diszkrét idejű tömegkiszolgálási modellek Poisson-folyamat Folytonos idejű Markov-láncok Folytonos idejű sorbanállás 2016. november 28. és december 5. 13-14. előadás 1 / 35 Bevezetés A diszkrét

Részletesebben

A Markov-láncokat nagyon sok tudományágban használnak. A Markovi rendszerek a statisztikus

A Markov-láncokat nagyon sok tudományágban használnak. A Markovi rendszerek a statisztikus 5. fejezet Markov-lánc Gyakran találkozunk olyan problémákkal, hogy egy valószín½uségi változóval jellemzett mennyiség miként alakul az id½o múlásával. Például megvizsgálhatjuk, hogy egy cég piaci részesedése,

Részletesebben

Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0, 1, 2,..., N}, {0, 1, 2,... }.

Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0, 1, 2,..., N}, {0, 1, 2,... }. . Markov-láncok. Definíció és alapvető tulajdonságok Legyen adott egy S diszkrét halmaz. Leggyakrabban S az egész számoknak egy halmaza, például S = {0,,,..., N}, {0,,,... }.. definíció. S értékű valószínűségi

Részletesebben

E.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével.

E.4 Markov-láncok E.4 Markov-láncok. Sok sorbanállási hálózat viselkedése leírható folytonos idejű Markovláncok  segítségével. E.4 Markov-láncok Sok sorbanállási hálózat viselkedése leírható "folytonos idejű Markovláncok " segítségével. Egy Markov-láncot (MC) meghatároznak az alapját adó sorbanállási hálózat állapotai és az ezek

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2) Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

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

Diszkrét idejű felújítási paradoxon

Diszkrét idejű felújítási paradoxon Magda Gábor Szaller Dávid Tóvári Endre 2009. 11. 18. X 1, X 2,... független és X-szel azonos eloszlású, pozitív egész értékeket felvevő valószínűségi változó (felújítási idők) P(X M) = 1 valamilyen M N

Részletesebben

Bizonytalanság. Mesterséges intelligencia április 4.

Bizonytalanság. Mesterséges intelligencia április 4. Bizonytalanság Mesterséges intelligencia 2014. április 4. Bevezetés Eddig: logika, igaz/hamis Ha nem teljes a tudás A világ nem figyelhető meg közvetlenül Részleges tudás nem reprezentálható logikai eszközökkel

Részletesebben

Termelés- és szolgáltatásmenedzsment

Termelés- és szolgáltatásmenedzsment Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése

Részletesebben

Gyakorló feladatok a 2. dolgozathoz

Gyakorló feladatok a 2. dolgozathoz Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:

Részletesebben

Véletlen szám generálás

Véletlen szám generálás 2. elıadás Véletlen szám generálás LCG: (0 < m, 0

Részletesebben

ö ô ö ö ń ń ć š ö Ł ńć Ś Ą ś ś ćś ô ć Č ś ö ś ćś Č Ć ćś ś ö ů ö ćś Ś ô ů Ś ű ö ćś ô Śň ô ś ćś ö ćś ć ć ś ô ć ć ô Ś ö ö ö Č Ś ő ü Ü Ś đ ś ů ć Ü Ś ľú ć ć Ą ü ö ć ú ů ö ű ö ć ć ňô ü ö ľ ć ć Ą ú ö ć ć ľ ćń

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Debrecen, 2011/12 tanév, II. félév Losonczi László (DE) A Markowitz modell 2011/12 tanév,

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

A valószínűségszámítás elemei

A valószínűségszámítás elemei Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH Idősorok Idősor Statisztikai szempontból: az egyes időpontokhoz rendelt valószínűségi változók összessége. Speciális sztochasztikus kapcsolat; a magyarázóváltozó az idő Determinisztikus idősorelemzés esetén

Részletesebben

A ország B ország A ország B ország A ország B ország Külföldi fizetőeszköz hazai fizetőeszközben kifejezett ára. Mi befolyásolja a külföldi fizetőeszköz hazai fizetőeszközben kifejezett árát? Mit befolyásol

Részletesebben

2012.05.17.-2012.07.19.

2012.05.17.-2012.07.19. A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2012.05.17.-2012.07.19. EGYSÉG EURÓ ALAPÚ BEFEKTETÉSI ÉLETBIZTOSÍTÁS : 2012. július 23. 1.

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS

INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS INTEGRÁLT VÍZHÁZTARTÁSI TÁJÉKOZTATÓ ÉS ELŐREJELZÉS 2017. január kivonat Készítette: az Országos Vízügyi Főigazgatóság Vízjelző és Vízrajzi Főosztály Vízrajzi Monitoring Osztálya és az Alsó-Tisza-vidéki

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2011.08.19.-2011.10.20. EGYSÉG EURÓ ALAPÚ BEFEKTETÉSI ÉLETBIZTOSÍTÁS : 2011. október 24. 1.

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28

Részletesebben

Villamos autókból álló taxi flotta számára létesítendő töltőállomások modellezése

Villamos autókból álló taxi flotta számára létesítendő töltőállomások modellezése Villamos autókból álló taxi flotta számára létesítendő töltőállomások modellezése 62. Vándorgyűlés, konferencia és kiállítás Siófok, 2015. 09. 16-18. Farkas Csaba egyetemi tanársegéd Dr. Dán András professor

Részletesebben

Sztochasztikus mátrixok és Markov-láncok

Sztochasztikus mátrixok és Markov-láncok Eötvös Loránd Tudományegyetem Természettudományi Kar Sztochasztikus mátrixok és Markov-láncok BSc Szakdolgozat Készítette: Böjthy Barbara Adrienn Matematika BSc, Matematikai elemző szakirány Témavezető:

Részletesebben

Röst Gergely (Bolyai Intézet) járványok és matematika December 7, 2011 1 / 30

Röst Gergely (Bolyai Intézet) járványok és matematika December 7, 2011 1 / 30 Röst Gergely (Bolyai Intézet) járványok és matematika December 7, 2011 1 / 30 Tartalom 1 Történelmi járványok 2 Milyen kérdésekre adhat választ a matematika? 3 Influenzajárvány az iskolában - miért ér

Részletesebben

Területi sor Kárpát medence Magyarország Nyugat-Európa

Területi sor Kárpát medence Magyarország Nyugat-Európa Területi sor Terület megnevezése Magyarok száma 2011.01.01. Kárpát medence 13 820 000 Magyarország 10 600 00 Nyugat-Európa 1 340 000 HIV prevalence (%) in adults in Africa, 2005 2.5 Daganatos halálozás

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2011.08.31.-2011.11.03. BESTENS - EURÓ ALAPÚ BEFEKTETÉSI EGYSÉGHEZ KÖTÖTT ÉLETBIZTOSÍTÁS :

Részletesebben

DSD DSD. Az új Nemzeti Rákregiszter előnyei kutatói szempontból. Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter

DSD DSD. Az új Nemzeti Rákregiszter előnyei kutatói szempontból. Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter MTA SZTAKI Department of Distributed Systems Az új Nemzeti Rákregiszter előnyei kutatói szempontból Kovács László Szentirmay Zoltán Surján György Gaudi István Pallinger Péter Nemzeti regiszterek Európában

Részletesebben

2011.10.17.-2011.11.03.

2011.10.17.-2011.11.03. A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 20.0.7.-20..03. EGYSÉG PRO EURÓ ALAPÚ BEFEKTETÉSI ÉLETBIZTOSÍTÁS : 20. november 7. . Használati

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2012.01.10.-2012.03.09. PANNÓNIA BEFEKTETÉSI ÉLETBIZTOSÍTÁSOK (PANNÓNIA, PANNÓNIA EURÓ ALAPÚ,

Részletesebben

Rariga Judit Globális külkereskedelem átmeneti lassulás vagy normalizálódás?

Rariga Judit Globális külkereskedelem átmeneti lassulás vagy normalizálódás? Rariga Judit Globális külkereskedelem átmeneti lassulás vagy normalizálódás? 2012 óta a világ külkereskedelme rendkívül lassú ütemben bővül, tartósan elmaradva az elmúlt évtizedek átlagától. A GDP növekedés

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2011.08.19.-2011.10.20. PANNÓNIA BEFEKTETÉSI ÉLETBIZTOSÍTÁSOK (PANNÓNIA, PANNÓNIA EURÓ ALAPÚ,

Részletesebben

KOMPETENCIA ALAPÚ LEVELEZŐ MATEMATIKA VERSENY

KOMPETENCIA ALAPÚ LEVELEZŐ MATEMATIKA VERSENY Név:.Iskola: KOMPETENCIA ALAPÚ LEVELEZŐ MATEMATIKA VERSENY 2012. november 12. 12. évfolyam I. forduló Pótlapok száma db Matematika 12. évfolyam 1. forduló 1. Az alábbiakban számtani sorozatokat adtunk

Részletesebben

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 20.09.5.-20..03. PANNÓNIA PRO BEFEKTETÉSI ÉLETBIZTOSÍTÁS ÉS EURÓ ALAPÚ PANNÓNIA PRO BEFEKTETÉSI

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

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

AZ EGÉSZSÉGESEN ÉS A FOGYATÉKOSSÁG NÉLKÜL LEÉLT ÉVEK VÁRHATÓ SZÁMA MAGYARORSZÁGON

AZ EGÉSZSÉGESEN ÉS A FOGYATÉKOSSÁG NÉLKÜL LEÉLT ÉVEK VÁRHATÓ SZÁMA MAGYARORSZÁGON AZ EGÉSZSÉGESEN ÉS A FOGYATÉKOSSÁG NÉLKÜL LEÉLT ÉVEK VÁRHATÓ SZÁMA MAGYARORSZÁGON DR. PAKSY ANDRÁS A lakosság egészségi állapotát jellemző morbiditási és mortalitási mutatók közül a halandósági tábla alapján

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

2012.06.01.-2012.08.02.

2012.06.01.-2012.08.02. A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 202.06.0.-202.08.02. EGYSÉG PRO EURÓ ALAPÚ BEFEKTETÉSI ÉLETBIZTOSÍTÁS : 202. augusztus 06.

Részletesebben

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú

Részletesebben

Társaságok pénzügyei kollokvium

Társaságok pénzügyei kollokvium udapesti Gazdasági Főiskola Pénzügyi és Számviteli Főiskolai Kar udapesti Intézet Továbbképzési Osztály Társaságok pénzügyei kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 55 60 pont

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2012.02.16.-2012.04.20. SIGNUM BEFEKTETÉSI EGYSÉGHEZ KÖTÖTT ÉLETBIZTOSÍTÁS ÉS EURÓ ALAPÚ SIGNUM

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer

Részletesebben

Statisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot

Részletesebben

Transzformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv

Transzformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv Transzformátor, Mérőtranszformátor Állapot Tényező szakértői rendszer Vörös Csaba Tarcsa Dániel Németh Bálint Csépes Gusztáv Áttekintés A Rendszer jelentősége Állapotjellemzők MérőTranszformátor Állapot

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 202.05.7.-202.07.9. (EURÓ ALAPÚ) SIGNUM PRO BEFEKTETÉSI EGYSÉGHEZ KÖTÖTT ÉLETBIZTOSÍTÁS ÉS

Részletesebben

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán Kiss Gábor BMF, Mechatronikai és Autótechnikai Intézet kiss.gabor@bgk.bmf.hu

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 20.07.4.-20.09.3. SIGNUM PRO BEFEKTETÉSI EGYSÉGHEZ KÖTÖTT ÉLETBIZTOSÍTÁS ÉS EURÓ ALAPÚ SIGNUM

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2012.06.01.-2012.08.02. SIGNUM BEFEKTETÉSI EGYSÉGHEZ KÖTÖTT ÉLETBIZTOSÍTÁS ÉS EURÓ ALAPÚ SIGNUM

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 2011.08.31.-2011.11.03. SIGNUM BEFEKTETÉSI EGYSÉGHEZ KÖTÖTT ÉLETBIZTOSÍTÁS ÉS EURÓ ALAPÚ SIGNUM

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Populációbecslés és monitoring. Eloszlások és alapstatisztikák Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk

Részletesebben

A NÖVEKEDÉSI ESZKÖZALAPOK TELJESÍTMÉNYE A PANNÓNIA NAVIGÁTOR SZOLGÁLTATÁS ÁLTAL HASZNÁLT PARAMÉTEREK TÜKRÉBEN 202.05.7.-202.07.9. PANNÓNIA PRO BEFEKTETÉSI ÉLETBIZTOSÍTÁS ÉS EURÓ ALAPÚ PANNÓNIA PRO BEFEKTETÉSI

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

Részletesebben

Tájékoztató hirdetmény az OTP Bank Nyrt. Regionális Treasury Igazgatóságának Értékesítési Üzletszabályzatához

Tájékoztató hirdetmény az OTP Bank Nyrt. Regionális Treasury Igazgatóságának Értékesítési Üzletszabályzatához Tájékoztató hirdetmény az OTP Bank Nyrt. Regionális Treasury Igazgatóságának Értékesítési Üzletszabályzatához Az egyes tőzsdén kívüli származtatott Egyedi Ügyletek változó letét igény mértékének számításáról

Részletesebben

Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS

Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS 1. Kihasználva a hosszasan elhúzódó jó időt, kirándulást szeretnénk tenni az ország tíz legmagasabb csúcsa közül háromra az elkövetkezendő

Részletesebben

DE! Hol van az optimális tőkeszerkezet???

DE! Hol van az optimális tőkeszerkezet??? DE! Hol van az optimális tőkeszerkezet??? Adósság és/vagy saját tőke A tulajdonosi érték maximalizálása miatt elemezni kell: 1. A pénzügyi tőkeáttétel hatását a részvények hozamára és kockázatára; 2. A

Részletesebben

A biomatematika alapjai és a kapcsolódó feladatok megoldása számítógép segítségével Abonyi-Tóth Zsolt, 2005-2006 készült Harnos Andrea, Reiczigel Jenő zoológus előadásainak valamint Fodor János és Solymosi

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BESZÉDTUDOMÁNY Az emberi kommunikáció egyik leggyakrabban használt eszköze a nyelv. A nyelv hangzó változta, a beszéd a nyelvi kommunikáció

Részletesebben

Gyógyszeres kezelések

Gyógyszeres kezelések Gyógyszeres kezelések Az osteogenesis imperfecta gyógyszeres kezelésében számos szert kipróbáltak az elmúlt évtizedekben, de átütő eredménnyel egyik se szolgált. A fluorid kezelés alkalmazása osteogenesis

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus folyamatok alapfogalmak Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos

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

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő

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

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél

Részletesebben

Biometria gyakorló feladatok BsC hallgatók számára

Biometria gyakorló feladatok BsC hallgatók számára Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90

Részletesebben

Asszociációs szabályok

Asszociációs szabályok Asszociációs szabályok Nikházy László Nagy adathalmazok kezelése 2010. március 10. Mi az értelme? A ö asszociációs szabály azt állítja, hogy azon vásárlói kosarak, amik tartalmaznak pelenkát, általában

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor. 2010. június

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor. 2010. 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

A regisztrált álláskeresők számára vonatkozó becslések előrejelző képességének vizsgálata

A regisztrált álláskeresők számára vonatkozó becslések előrejelző képességének vizsgálata A regisztrált álláskeresők számára vonatkozó becslések előrejelző képességének vizsgálata Az elemzésben a GoogleTrends (GT, korábban Google Insights for Search) modellek mintán kívüli illeszkedésének vizsgálatával

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

1. Lineáris differenciaegyenletek

1. Lineáris differenciaegyenletek Lineáris differenciaegyenletek Tekintsük az alábbi egyenletet: f(n) af(n ) + bf(n + ), (K < n < N) f(k) d, f(n) d Keressük a megoldást f(n) α n alakban Így kajuk a következőket: α n aα n + bα n+ α a +

Részletesebben

Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy

Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy Véges populációméret okozta beltenyésztettség incs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy utódba 2 IBD allél Előadásról: -F t (-/2)

Részletesebben

Nemzetközi közgazdaságtan Árfolyam és kamatparitás

Nemzetközi közgazdaságtan Árfolyam és kamatparitás és kamatparitás Budapesti Corvinus Egyetem 2011. őszi félév, 9. hét 1. feladat Egy amerikai dollár 215,57 Ft-ba kerül, míg egy angol font 1,65 dollár. Mi a Ft/ árfolyam? 1 355,70 2 130,60 3 217,22 4 213,92

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

Hatékony piacok feltételei

Hatékony piacok feltételei Hatékony piacok feltételei Piacok töredékmentesek tranzakciós hatékonyság Tökéletes verseny van termékpiacon mindenki a minimális átlagköltségen termel, értékpapírpiacon mindenki árelfogadó Piacok informálisan

Részletesebben

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok) Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)./ Egy televízió készülék meghibásodásainak átlagos száma óra alatt. A meghibásodások száma a vizsgált időtartam hosszától függ. Határozzuk

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

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 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben