Matematikai módszerek alkalmazása a földtudományban. Bárdossy György, Fodor János

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Matematikai módszerek alkalmazása a földtudományban. Bárdossy György, Fodor János"

Átírás

1 Matematikai módszerek alkalmazása a földtudományban Bárdossy György, Fodor János

2 Előszó Célunk több évtizedes tapasztalataink átadása és fel szeretnénk hívni a figyelmet új módszerek alkalmazásának lehetőségeire.

3 Az alkalmazások főcéljai 1. Megfigyelési és mérési adatok mennyiségi feldolgozása 2. Összefüggések felderítése és kiértékelése 3. Bizonytalanságok mennyiségi értékelése 4. Döntési kockázatok meghatározása

4 Főtapasztalatok Pontos definiciók fontossága (félreértések miatt) A számítástechnika fontossága (pl. SPSS statisztikai program-csomag) A kiütő értékek (outliers) megfelelő kezelése

5 A matematikai feldolgozás főtartományai 1.Skaláris (csak számok) 2.Térbeli ( X,Y,Z koordinátákkal) 3.Térbeli és időbeli (tér-koordinátákkal és időpontokal)

6 Modellezés 1. Elvi modellektől (conceptual -) a helyi konkrét modellek felé halad földtani, geofizikai, meteorológiai, hidrológiai, geodéziai stb. modellek Tulajdonság modellek, grafikus (pl. szelvények), folyamat -, genetikai A modellek validálása (hibák kiküszöbölése)

7 Modellezés (folytatás) 2. Geomatematikai modellek (numerikus-, analitikus módszerek, differnenciál egyenletek) 3. A modellek együttes földtudományi értékelése

8 Bizonytalanságok Kolmogorov három axiómájából az additivitási a földtudományban többnyire nem teljesül! (átmenetek és átfedések miatt) Bárdossy Gy., Fodror J. (2004): Evaluation of Uncertainties and Risks in Geology. (Springer)

9 Bizonytalanságok fő okai a földtudományban 1. Véletlenszerűség (randomness) Aleatory uncertainty. Térbeli és időbeli változékonyság (sztochasztikus módszerekkel többnyire meghatározható, de nem csökkenthető) 2. Emberi hibaforrások. Epistemic uncertainty. hiányos ismeretek, hiányos nem-reprezentatív mintavétel, kutatási hibák, mérési hibák, hibás kiértékelés stb. (nem-sztochasztikus módszerekkel csökkenthető)

10 Számtípusok bizonytalanság szerint 1. Biztos számok 2. Bizonytalan számok - valószínűségek, valószínűségi sávok - ordinális számok - intervallumok - fuzzy számok - hibrid számok

11 Determinisztikus módszerek Egyetlen eredmény ( best guess ) A bizonytalanságokat nem közli. Gyors, egyszerű, de csak közelítő megbízhatóságú

12 Sztochasztikus módszerek (a valószínűség elmélet alapján) Frekventista módszerek -egyváltozós - (átlagok, szórások, gyakoriságok, ferdeség, robusztus módszerek), eloszlás típusok, box-plotok összehasonlítása - kétváltozós korreláció számítások és diagramok (scatterplots) -sokváltozós- (klaszter elemzés, parciális és multi-korreláció, faktor elemzés, főkomponens elemzés, diszkriminancia elemzés)

13 Valószínűségi módszerek folytatása Bayes-elv alkalmazása(feltevés a kimenetel valósznűségére) - előzetes és utólagos valószínűségek meghatározása - a Bayes tétel alkalmazása - maximum likelihood függvények alkalmazása - szekvenciális diagramok készítése a változások kimutatására

14 Valószínűségi módszerek folytatása Geostatisztikai módszerek(matheron) izotróp és iránymenti szemi-variogramok meghatározása, variogram modelek, variogram felületek, fuzzy variogramok átlagos és lokális hatástávolságok szerepe krígelés, krígelési szórás, fuzzy krigelés hibaforrások: nem-lineáris összefüggések gyakoribbak Magasabb rendű sztochasztikus szimulációk (Dimitrakopoulos 2010 ) nem lineáris összefüggésekre

15 Valószínűségi módszerek folytatása Térbeli adatsorok elemzése - Markov láncok (főleg üledékes összletekben) -Szekvenciális térbeli szimulációk (üledékes összletekben) -Bootstrap módszerek (kevés adat esetén növeli a pontosságot)

16 Valószínűségi módszerek folytatása Monte Carlo szimuláció Előnyök: - egyszerű számítógépes alkalmazás - könnyen érthető eredmények Hátrányok:-a változók eloszlásának pontos ismerete szükséges - nem veszi kellően figyelembe a kis gyakoriságokat (Latinhypercube mintavétel fontossága) -a korrelációs kapcsolatokat figyelembe kell venni (jelentős hibaforrás lehet)

17 Bizonytalanság elemzés módszerei Entrópia meghatározása (egyetlen számmal) Összetett bizonytalanságok számítása Hibaterjedés törvényszerűségeinek figyelembe vétele Visszaszámlálás módszerei Nem valószínűségi módszerek

18 Kaotikus rendszerek elemzése Nem lineáris, dinamikus, hiper szenzitiv rendszerek, főleg meteorológiai jelenségeknél Lorenz-attraktorok szerepe

19 Az intervallum analizis Biztos számok helyett intervallumok (Moore 1979) Előnyök: - Könnyű számíthatóság - Az eredmények könnyen értelmezhetők - Minden bizonytalanság fajtára alkalmazható Hátrányok: - Az intervallumok gyors kiszélesedése - Hibaterjedés erős hatása

20 Bizonytalanság-elemzőnem-valószínűségi módszerek 1. Dempster-Shafer elmélet (1967) (feltételezés és plauzibilitás függvények alkalmazása, az ismeret mértéke, Dempster kombinációs szabálya) 2. Lehetőség elmélet (possibility theory) ( Dubois, Prade 1988 ) (a lehetőség és szükségszerűség függvényei, a valószínűség- elmélet kiterjesztése) 3. Bizonytalansági sávok elemzése (Ferson 2002) ( a valószínűség elmélet és az intervallum elemzés együttese)

21 A bizonytalan halmazok elmélete Fuzzy set theory (L.Zadeh 1978) Előnyök: - Szemi-kvantitatív és kvalitatív adatok értékelését teszi lehetővé -Tagságfüggvényekkel leírhatók a bizonytalanságok és a halmazok átfedései - Fuzzy aritmetika könnyen alkalmazható - Fuzzy logika módszerei (Mamdani -, Takagi-Sugeno módszerei földtudományi folyamatokra jól alkalmazhatók Hátrányok: - Nem veszi figyelembe a korrelációk hatását - Sok változó esetén túlzottan megnő a bizonytalanság

22 További módszerek Neurális hálózatok (Hebb 1949) Neuro-fuzzy hálózatok(fullér 2000) Alakzat felmérőés leírómódszerek (kernelek, copulák, számítógépes alakzat felismerő rendszerek)

23 Geometriai jellegűmódszerek 1. Fraktálok (ismétlődőalak azonosság) pl. töréses tektonikai értékelésre jól használhatók 2. Nem-lineáris térképezés (non-linear mapping) térbeli tulajdonságok összehasonlítására 3. Matrix operációk 4. Konvolúció, dekonvolúció (több változóegyüttes értékelésére) 5. Hálózat (grid) alapú módszerek 6. Orientációelemzés (tektonikai jelenségek étékelésére)

24 Idősorok elemzése Amplitudó, periódus, hullámhossz, fázisszög Fourier elemzés, periodogramok Stacionárius idősorok, ergodikus és nemergodikus folyamatok Filterek és simítók A természetben kevés folyamat tisztán periódusos!

25 Térben irányított tulajdonságok elemzése 1. Trend- felület elemzés 2. Vektor mező elemzés (egységvektorok) 3. Sztereogramok, pólus eloszlás diagramok

26 Főalkalmazási lehetőségek 1. Nyersanyagkutatás, ásványvagyon számítás (szilárd és szénhidrogén -) kutatási optimum meghatározása 2. Geofizikai kutatások (a kiértékelés inverz módszerei integrál egyenletek és linearizálással) Dobróka M., Fancsik T., Steiner F. 3. Bányászat, bányaföldtan (mennyiség/minőség diagramok, optimális depletion-rate meghatározása) 4. Természeti veszélyforrások előre jelzése (vulkáni kitörések, földrengések, cunamik, földcsuszamlások stb.)

27 Folytatás 4. Környezetvédelem (pl. talajvíz szennyezések) 5. Hulladék elhelyezés (közületi, toxikus, radioaktív) 6. Geotechnikai feladatok (mélyépítés, alagutak stb.) 7. Meteorológia és klimatikus alkalmazások 8. Hidrológia (vízkészletek felmérése, árvizek előrejelzése)

28 Kockázat elemzés elvi sémája 1. Döntés cselekvésről 2. Lehetséges kimenetelek meghatározása 3. A kimentelek valószínűségének kiszámítása 4. A kimenetelek következményeinek meghatározása: tipus és nagyság

29 Kockázat elemzés problémái Kimenetelek valószínűsége bizonytalan Következményeknagysága is bizonytalan (kiütőés szélső értékek figyelembe vétele gyakran elmaradt) Érzékenység elemzés (sensitivity analysis) fontossága Biztonság- elemzések (radioaktív hulladék elhelyezéshez) (safety assessments),hagyományos módszerek: worst case analysis, új megközelítések: fuzzy és hibrid módszerek Mindezek eddig főleg csak szakértői becsléssel készültek! Nem elégséges: pl. Mexikói öböl kőolaj katasztrófája!

30 4. A matematikai alkalmazások optimális sorrendje 1. Reprezentativ mintavétel 2. Modell alkotás és ellenőrzés (cross validation) 3. Számítógépes adatbázisok kialakítása ( relational databases ) 4. Az alkalmazandómatematikai módszerek kiválasztása

31 Folytatás 4. A mérettartomány hatás értékelése scaling factor, (térbeli: globális-, regionális-, lokális-, mikro-, nanoidőbeli: másodperc,perc,óra, nap, év, millió év) 5. Az eredmények bizonytalanságának kiszámítása (főként nem-valószínűségi módszerek) 6. Döntések esetében kockázat elemzés 7. Jelentés készítés ( a szakértői vélemény expert s opinion értékelése)átláthatóság, alternatív lehetőségek bemutatása

32 Következtetések Sikeres alkalmazásokhoz földtudományi szakemberek és matematikusok együttműködése szükséges A szakértői vélemény egymagában többnyire nem nyujt elégséges biztonságot (pl. Mexikói-öböl kőolaj katasztrófa) Célszerűtöbb módszert alkalmazni, mert többnyire kiegészítik egymást. Valós eredmények alapja a megbízható földtudományi modell alkotás

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010

MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010 MŰSZAKI TUDOMÁNY AZ ÉSZAK-ALFÖLDI RÉGIÓBAN 2010 KONFERENCIA ELŐADÁSAI Nyíregyháza, 2010. május 19. Szerkesztette: Edited by Pokorádi László Kiadja: Debreceni Akadémiai Bizottság Műszaki Szakbizottsága

Részletesebben

ÁRAMKÖRÖK SZIMULÁCIÓJA

ÁRAMKÖRÖK SZIMULÁCIÓJA ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg

Részletesebben

Méréselmélet MI BSc 1

Méréselmélet MI BSc 1 Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok

Részletesebben

Összeállította Horváth László egyetemi tanár

Összeállította Horváth László egyetemi tanár Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet Intelligens Mérnöki Rendszerek Szakirány a Mérnök informatikus alapszakon Összeállította Horváth László Budapest, 2011

Részletesebben

YBL - SGYMMAT2012XA Matematika II.

YBL - SGYMMAT2012XA Matematika II. YBL - SGYMMAT2012XA Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához

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

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

[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

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

11. modul: LINEÁRIS FÜGGVÉNYEK

11. modul: LINEÁRIS FÜGGVÉNYEK MATEMATIK A 9. évfolyam 11. modul: LINEÁRIS FÜGGVÉNYEK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 11. modul: LINEÁRIS FÜGGVÉNYEK Tanári útmutató 2 A modul célja Időkeret Ajánlott korosztály Modulkapcsolódási

Részletesebben

Mérés és modellezés Méréstechnika VM, GM, MM 1

Mérés és modellezés Méréstechnika VM, GM, MM 1 Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni

Részletesebben

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK MATEMATIK A 9. évfolyam 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK Tanári útmutató 2 MODULLEÍRÁS A modul

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

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

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában Horváth Gábor ghorvath@hit.bme.hu (Horváth András, Telek Miklós) - p. 1 Motiváció, problémafelvetés

Részletesebben

A könyv. meglétét. sgálat

A könyv. meglétét. sgálat Benyó Balázs Benyó Zoltán Paláncz Béla Szilágyi László Ferenci Tamás Műszaki és biológiai rendszerek elmélete A könyv interdiszciplináris jellegű, műszaki és biológiai rendszerek működésének modellezésére

Részletesebben

Numerikus módszerek: Nemlineáris egyenlet megoldása (Newton módszer, húrmódszer). Lagrange interpoláció. Lineáris regresszió.

Numerikus módszerek: Nemlineáris egyenlet megoldása (Newton módszer, húrmódszer). Lagrange interpoláció. Lineáris regresszió. YBL - SGYMMAT202XXX Matematika II. Tantárgyfelelős: Dr. Joós Antal Tárgyelőadó: Dr. Joós Antal Tantárgyi leírás Oktatási cél: Azoknak a matematikai alapoknak a megszerzése, melyek a szaktárgyak elsajátításához

Részletesebben

Korszerű, számítógépes modelleken alapuló vízkészlet-gazdálkodási döntéstámogató rendszer fejlesztése a Sió vízgyűjtőjére

Korszerű, számítógépes modelleken alapuló vízkészlet-gazdálkodási döntéstámogató rendszer fejlesztése a Sió vízgyűjtőjére MTA VEAB Biológiai Szakbizottság, Vízgazdálkodási Munkabizottsága Előadóülés, 2015. február 10., Győr Korszerű, számítógépes modelleken alapuló vízkészlet-gazdálkodási döntéstámogató rendszer fejlesztése

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

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

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

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

Az új mértékadó árvízszintek meghatározásának módszertani összegzése

Az új mértékadó árvízszintek meghatározásának módszertani összegzése Az új mértékadó árvízszintek meghatározásának módszertani összegzése Szabó János A. HYDROInform Mottó: "The purpose of computation is insight, not numbers" A számítás célja a betekintés, nem számok Richard

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

Matematika. 9.osztály: Ajánlott tankönyv és feladatgyűjtemény: Matematika I-II. kötet (Apáczai Kiadó; AP-090803 és AP-090804)

Matematika. 9.osztály: Ajánlott tankönyv és feladatgyűjtemény: Matematika I-II. kötet (Apáczai Kiadó; AP-090803 és AP-090804) Matematika A definíciókat és tételeket (bizonyítás nélkül) ki kell mondani, a tananyagrészekhez tartozó alap- és közepes nehézségű feladatokat kell tudni megoldani A javítóvizsga 60 -es írásbeliből áll.

Részletesebben

Kvantitatív módszerek

Kvantitatív módszerek Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció

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

Matematika A 9. szakiskolai évfolyam. 8. modul AZ ABSZOLÚTÉRTÉK-FÜGGVÉNY ÉS MÁS NEMLINEÁRIS FÜGGVÉNYEK

Matematika A 9. szakiskolai évfolyam. 8. modul AZ ABSZOLÚTÉRTÉK-FÜGGVÉNY ÉS MÁS NEMLINEÁRIS FÜGGVÉNYEK Matematika A 9. szakiskolai évfolyam 8. modul AZ ABSZOLÚTÉRTÉK-FÜGGVÉNY ÉS MÁS NEMLINEÁRIS FÜGGVÉNYEK Matematika A 9. szakiskolai évfolyam 8. modul: Az abszolútérték-függvény és más nemlineáris függvények

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

Nagyfelbontású magassági szélklimatológiai információk dinamikai elıállítása

Nagyfelbontású magassági szélklimatológiai információk dinamikai elıállítása Nagyfelbontású magassági szélklimatológiai információk dinamikai elıállítása Szépszó Gabriella Országos Meteorológiai Szolgálat Éghajlati Osztály, Klímamodellezı Csoport Együttmőködési lehetıségek a hidrodinamikai

Részletesebben

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 9. évfolyam I. Halmazok 1. Alapfogalmak, jelölések 2. Halmaz, részhalmaz fogalma, részhalmazok száma, jelölések 3. Nevezetes számhalmazok (N,

Részletesebben

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek

Mesterséges Intelligencia Elektronikus Almanach. Konzorciumi partnerek Mesterséges Intelligencia Elektronikus Almanach Konzorciumi partnerek 1 Konzorcium Budpesti Mőszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Méréstechnika és Információs Rendszerek

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

Matematika A 9. szakiskolai évfolyam. 7. modul EGYENES ARÁNYOSSÁG ÉS A LINEÁRIS FÜGGVÉNYEK

Matematika A 9. szakiskolai évfolyam. 7. modul EGYENES ARÁNYOSSÁG ÉS A LINEÁRIS FÜGGVÉNYEK Matematika A 9. szakiskolai évfolyam 7. modul EGYENES ARÁNYOSSÁG ÉS A LINEÁRIS FÜGGVÉNYEK Matematika A 9. szakiskolai évfolyam 7. modul: Egyenes arányosság és a lineáris függvények Tanári útmutató 2 A

Részletesebben

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység KÖZPONTI STATISZTIKAI HIVATAL A vizsgarészhez rendelt követelménymodul azonosító száma, megnevezése: 2144-06 Statisztikai szervezői és elemzési feladatok A vizsgarészhez rendelt vizsgafeladat megnevezése:

Részletesebben

Területi statisztikai elemzések

Területi statisztikai elemzések Területi statisztikai elemzések KOTOSZ Balázs, SZTE, kotosz@eco.u-szeged.hu Módszertani dilemmák a statisztikában 2016. november 18. Budapest Apropó Miért különleges a területi adatok elemzése? A számításokhoz

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

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

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 11 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási

Részletesebben

13. modul: MÁSODFOKÚ FÜGGVÉNYEK

13. modul: MÁSODFOKÚ FÜGGVÉNYEK MATEMATIK A 9. évfolyam 13. modul: MÁSODFOKÚ FÜGGVÉNYEK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 13. modul: MÁSODFOKÚ FÜGGVÉNYEK Tanári útmutató 2 A modul célja Időkeret Ajánlott korosztály

Részletesebben

Geoinformatikai rendszerek

Geoinformatikai rendszerek Geoinformatikai rendszerek Térinfomatika Földrajzi információs rendszerek (F.I.R. G.I.S.) Térinformatika 1. a térinformatika a térbeli információk elméletével és feldolgozásuk gyakorlati kérdéseivel foglalkozó

Részletesebben

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán MTA KFKI Részecske és Magfizikai Intézet, Biofizikai osztály Az egy adatsorra (idősorra) is alkalmazható módszerek Példa: Az epileptikus

Részletesebben

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó

Részletesebben

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév 9. évfolyam I. Halmazok Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / 2017. tanév 1. Halmaz, részhalmaz fogalma, részhalmazok száma, jelölések 2. Intervallumok 3. Halmazműveletek

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

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

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok I. útmutató 2014/2015. tanév I. félév Tantárgyi program Tantárgy megnevezése Matematikai alapok

Részletesebben

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2

Tantárgy kódja Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Tantárgy neve Alkalmazott matematika II. Tantárgy kódja MT003 Meghirdetés féléve 3 Kreditpont 4 Összóraszám (elm+gyak) 2+2 Számonkérés módja gyakorlati jegy Előfeltétel (tantárgyi kód) MT002 Tantárgyfelelős

Részletesebben

A hazai regionális klímamodellek eredményeinek együttes kiértékelése

A hazai regionális klímamodellek eredményeinek együttes kiértékelése A hazai regionális klímamodellek eredményeinek együttes kiértékelése Horányi András,, Csima Gabriella, Krüzselyi Ilona, Szabó Péter, Szépszó Gabriella Országos Meteorológiai Szolgálat Bartholy Judit, Pieczka

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz 2. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Alkalmazott számítástechnika tanulmányokhoz TÁVOKTATÁS Tanév (2014/2015) 1. félév A KURZUS ALAPADATAI Tárgy megnevezése: Alkalmazott Számítástechnika Tanszék:

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

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató

TANTÁRGYI PROGRAM Matematikai alapok I. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok I. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Matematikai alapok

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 Megegyeznek az 1. és 2. félévben

Részletesebben

Loss Distribution Approach

Loss Distribution Approach Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói

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

Példa a report dokumentumosztály használatára

Példa a report dokumentumosztály használatára Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............

Részletesebben

Matematikai alapok 1 Tantárgyi útmutató

Matematikai alapok 1 Tantárgyi útmutató Módszertani Intézeti Tanszék Gazdaságinformatikus szak nappali tagozat Matematikai alapok 1 Tantárgyi útmutató 2015/16 tanév II. félév 1/5 Tantárgy megnevezése Matematikai alapok 1 Tantárgy jellege/típusa:

Részletesebben

HAZÁNK SZÉLKLÍMÁJA, A SZÉLENERGIA HASZNOSÍTÁSA

HAZÁNK SZÉLKLÍMÁJA, A SZÉLENERGIA HASZNOSÍTÁSA HAZÁNK SZÉLKLÍMÁJA, A SZÉLENERGIA HASZNOSÍTÁSA Radics Kornélia 1, Bartholy Judit 2 és Péliné Németh Csilla 3 1 Országos Meteorológiai Szolgálat 2 ELTE Meteorológiai Tanszék 3 MH Geoinformációs Szolgálat

Részletesebben

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban

Részletesebben

Intelligens adatelemzés

Intelligens adatelemzés Antal Péter, Antos András, Horváth Gábor, Hullám Gábor, Kocsis Imre, Marx Péter, Millinghoffer András, Pataricza András, Salánki Ágnes Intelligens adatelemzés Szerkesztette: Antal Péter A jegyzetben az

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

Vizuális adatelemzés

Vizuális adatelemzés Vizuális adatelemzés Salánki Ágnes, Guta Gábor, PhD Dr. Pataricza András Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

Válogatott fejezetek a közlekedésgazdaságtanból

Válogatott fejezetek a közlekedésgazdaságtanból Válogatott fejezetek a közlekedésgazdaságtanból 2. Választási modellek Levelező tagozat 2015 ősz Készítette: Prileszky István http://www.sze.hu/~prile Fogalmak Választási modellek célja: annak megjósolása,

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015 A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel

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

Csank András ELMŰ Hálózati Kft. Dunay András Geometria Kft. 2010.

Csank András ELMŰ Hálózati Kft. Dunay András Geometria Kft. 2010. Csank András ELMŰ Hálózati Kft. Dunay András Geometria Kft. Fuzzy-alapú döntéstámogató rendszer bevezetése az ELMŰ-ÉMÁSZ ÉMÁSZ-nál 2010. Tartalom - Előzmények - Fuzzy logika - Modell bemutatása - Modell-hitelesítés

Részletesebben

1/8. Iskolai jelentés. 10.évfolyam matematika

1/8. Iskolai jelentés. 10.évfolyam matematika 1/8 2009 Iskolai jelentés 10.évfolyam matematika 2/8 Matematikai kompetenciaterület A fejlesztés célja A kidolgozásra kerülő programcsomagok az alább felsorolt készségek, képességek közül a számlálás,

Részletesebben

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László A kockázat alapú felülvizsgálati és karbantartási stratégia alkalmazása a MOL Rt.-nél megvalósuló Statikus Készülékek Állapot-felügyeleti Rendszerének kialakításában II. rész: a rendszer felülvizsgálati

Részletesebben

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011. Gyártástechnológia alapjai Méréstechnika rész Előadások (2.) 2011. 1 Méréstechnika előadás 2. 1. Mérési hibák 2. A hiba rendszáma 3. A mérési bizonytalanság 2 Mérési folyamat A mérési folyamat négy fő

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

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA 1 SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA Heti óraszám: 3 Éves óraszám: 37 x 3 = 111 A tanmenet 101 óra beosztását tartalmazza. A dolgozatok írása és javítása 10 órát foglal

Részletesebben

Megbízó: Tiszántúli Vízügyi Igazgatóság (TIVIZIG) Bihor Megyei Tanács (Consiliul Judeţean Bihor)

Megbízó: Tiszántúli Vízügyi Igazgatóság (TIVIZIG) Bihor Megyei Tanács (Consiliul Judeţean Bihor) HURO/0901/044/2.2.2 Megbízó: Tiszántúli Vízügyi Igazgatóság (TIVIZIG) Bihor Megyei Tanács (Consiliul Judeţean Bihor) Kutatási program a Körös medence Bihar-Bihor Eurorégió területén, a határon átnyúló

Részletesebben

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam 1. félév Gondolkozás, számolás - halmazok, műveletek halmazokkal, intervallumok - racionális számok, műveletek racionális számokkal, zárójel

Részletesebben

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás

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

Kovács Ernő 1, Füvesi Viktor 2

Kovács Ernő 1, Füvesi Viktor 2 Kovács Ernő 1, Füvesi Viktor 2 1 Miskolci Egyetem, Elektrotechnikai - Elektronikai Tanszék 2 Miskolci Egyetem, Alkalmazott Földtudományi Kutatóintézet 1 HU-3515 Miskolc-Egyetemváros 2 HU-3515 Miskolc-Egyetemváros,

Részletesebben

Óbudai Egyetem Neumann János Informatikai Kar. Intelligens Mérnöki Rendszerek Intézet

Óbudai Egyetem Neumann János Informatikai Kar. Intelligens Mérnöki Rendszerek Intézet Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet 1034 Budapest, Bécsi út 96/B Tel., Fax:1/666-5544,1/666-5545 http://nik.uni-obuda.hu/imri Az 2004-ben alakult IMRI (BMF)

Részletesebben

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

Részletesebben

Forgalmi modellezés BMEKOKUM209

Forgalmi modellezés BMEKOKUM209 BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése

Részletesebben

Talajvízszint idősorok vizsgálata statisztikai módszerekkel a 4-es metró építésének pesti területén A D J U N K T U S

Talajvízszint idősorok vizsgálata statisztikai módszerekkel a 4-es metró építésének pesti területén A D J U N K T U S Talajvízszint idősorok vizsgálata statisztikai módszerekkel a 4-es metró építésének pesti területén S Z E R Z Ő : B Ó T A M Á R T O N T É M A V E Z E T Ő : K O V Á C S J Ó Z S E F A D J U N K T U S A szakdolgozat

Részletesebben

Matematika 11. évfolyam

Matematika 11. évfolyam Matematika 11. évfolyam Tanmenet Másodfokúra visszavezethető magasabb rendű egyenletek, másodfokú egyenletrendszerek 1. Másodfokú egyenletek (ismétlés) 2. Másodfokú egyenletrendszerek (behelyettesítő módszer)

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

SZINOPTIKUS-KLIMATOLÓGIAI VIZSGÁLATOK A MÚLT ÉGHAJLATÁNAK DINAMIKAI ELEMZÉSÉRE

SZINOPTIKUS-KLIMATOLÓGIAI VIZSGÁLATOK A MÚLT ÉGHAJLATÁNAK DINAMIKAI ELEMZÉSÉRE SZINOPTIKUS-KLIMATOLÓGIAI VIZSGÁLATOK A MÚLT ÉGHAJLATÁNAK DINAMIKAI ELEMZÉSÉRE Hirsch Tamás Előrejelzési és Alkalmazott Meteorológiai Főosztály Országos Meteorológiai Szolgálat Pongrácz Rita Földrajz-

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

[GVMGS11MNC] Gazdaságstatisztika

[GVMGS11MNC] Gazdaságstatisztika [GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)

Részletesebben

TERMÉKTERVEZÉS NUMERIKUS MÓDSZEREI. 1. Bevezetés

TERMÉKTERVEZÉS NUMERIKUS MÓDSZEREI. 1. Bevezetés TERMÉKTERVEZÉS NUMERIKUS MÓDSZEREI Dr. Goda Tibor egyetemi docens Gép- és Terméktervezés Tanszék 1. Bevezetés 1.1. A végeselem módszer alapjai - diszkretizáció, - szerkezet felbontása kicsi szabályos elemekre

Részletesebben

Modellkiválasztás és struktúrák tanulása

Modellkiválasztás és struktúrák tanulása Modellkiválasztás és struktúrák tanulása Szervezőelvek keresése Az unsupervised learning egyik fő célja Optimális reprezentációk Magyarázatok Predikciók Az emberi tanulás alapja Általános strukturális

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

PIACKUTATÁS (MARKETINGKUTATÁS)

PIACKUTATÁS (MARKETINGKUTATÁS) PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel

Részletesebben

A) 1. Számsorozatok, számsorozat torlódási pontja, határértéke. Konvergencia kritériumok.

A) 1. Számsorozatok, számsorozat torlódási pontja, határértéke. Konvergencia kritériumok. ZÁRÓVIZSGA TÉMAKÖRÖK egyetemi szintű közgazdasági programozó matematikus szakon A) 1. Számsorozatok, számsorozat torlódási pontja, határértéke. Konvergencia kritériumok. 2. Függvények, függvények folytonossága.

Részletesebben

Neurális hálózatok bemutató

Neurális hálózatok bemutató Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:

Részletesebben

NEPTUN-kód: KHTIA21TNC

NEPTUN-kód: KHTIA21TNC Kredit: 5 Informatika II. KHTIA21TNC Programozás II. oratórium nappali: 2 ea+ 0 gy+ 0 KMAPR22TNC Dr. Beinschróth József Az aláírás megszerzésnek feltétele: a félév folyamán 2db. ZH mindegyikének legalább

Részletesebben

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a

Részletesebben

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. 1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét

Részletesebben

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Hódiné Szél Margit SZTE MGK 1 A XXI. században az informatika rohamos terjedése miatt elengedhetetlen, hogy

Részletesebben