Bevezete s a ha ló zatók vila ga ba II.
|
|
- Endre Kozma
- 4 évvel ezelőtt
- Látták:
Átírás
1 Bevezete s a ha ló zatók vila ga ba II. Véletlen hálózatok Szervezzünk partit! Körülbelül 100 vendéget hívunk meg. A vendégek kezdetben nem ismerik egymást. Kínáljuk őket sajttal és borral, biztosítva a parti kellemes hangulatát. Nemsokára 2-3 fős beszélgető csoportok alakulnak ki a társaságban. Említsük meg egyiküknek, hogy az egyik üvegben egy ritka vörösbor van. Ha a beavatott vendég csak az addig megismert emberekkel osztja meg ezt az információt, arra számítunk, hogy a ritka bor híre nem sok emberhez fog eljutni. A vendégek viszont vegyülnek, és hamarosan olyan ismeretségi hálózat alakul ki, amelyben a ritka bor híre gyorsan terjed. Forrás: Barabási (2016) Lehet, hogy valaki személyesen nem ismeri azt az embert, akit beavattunk a titkunkba, de ismer valakit, aki ismeri az emberünket, így lassan szétszivárog a drága borunk híre. Egy ilyen parti modellezett térképe a klasszikus hálózatkutatásban használatos véletlen hálózati modelljét fogja tükrözni. Ennek részletesebb tárgyalása történik meg a következőkben. A hálózattudomány igyekszik olyan modelleket alkotni, amelyek pontosan visszaadják a valóságos hálózatok tulajdonságait, hogy azok reprezentálhatóak és vizsgálhatóak legyenek. A véletlen hálózatok elmélete belefoglalja a nyilvánvaló véletlenszerűséget a hálózatok létrehozásába és jellemzésébe. A feladat annak megjósolása, hogy hol érdemes kapcsolatokat létesíteni a csomópontok között, és a valóságot alapul véve az a legcélszerűbb, ha a
2 kapcsolatokat véletlenszerűen illesztjük be a csomópontok közé. Egy vizsgált véletlen hálózat N megjelölt csomópontból áll, és minden csomópontpár között egyforma, p nagyságú valószínűséggel áll fenn kapcsolat. Egy véletlen hálózat létrehozásának lépései: 1. Vegyünk N darab különálló csomópontot 2. Válasszunk ki két csomópontot, majd állítsunk elő egy véletlen számot 0 és 1 között 3. Ha szám nagyobb p-nél, akkor kapcsoljuk össze ezt a két csomópontot, különben maradjanak különállóak 4. Ismételjük meg az előző lépést mind az N(N-1)/2 csomópontpárral. Az ezekkel a lépésekkel kapott hálózatot véletlen gráfnak, másképpen véletlen hálózatnak nevezzük. A fenti algoritmust Erdős Pál és Rényi Alfréd alkották meg, ezért nevezzük a fenti eljárással konstruált gráfokat Erdős-Rényi hálózatnak. Egy ilyen módon modellezett hálózat nem képes teljes egészében modellezni valós hálózatot, viszont remek kiindulási pontot és összehasonlítási alapot ad a kutatások során. Kis világok Az előző anyagban már említettük a hat kézfogás modelljét. Ha bárhol a Földön kiválasztunk valakit, és a Föld bármely részén valaki mást, akkor legfeljebb 6 ismerősön át út vezet közöttük. A hálózattudomány nyelvén ez annyit tesz, hogy a hálózatban két véletlenül kiválasztott csomópont között is rövid a távolság. De mit jelent az, hogy rövid (kicsi), vagyis mihez képest kicsi? Mivel magyarázhatóak egyáltalán a kis távolságok létezése? Nézzünk meg egy <k> átlagos fokszámú hálózatot! Ebben a hálózatban egy csomóponttól átlagban - számú csomópont esik egy kapcsolatnyira (d=1) - számú kapcsolat esik két kapcsolatnyira (d=2) - számú kapcsolat esik három kapcsolatnyira (d=3) - - számú kapcsolat esik d kapcsolatnyira Ha például ez egy egyén becsült ismerőseinek száma akkor várhatóan egyént találunk kétlépésnyire, és körülbelül egymilliárdot háromlépésnyire.
3 1967-ben Stanley Milgram belevágott egy kísérletbe, célja az ismeretségi hálózat távolságainak megmérése volt. Kiválasztott célszemélyeket az Amrikai Egyesült Államokban, majd véletlenszerűen kiválasztott embereknek levelet küldött és megkérte őket, hogy küldjenek levelet egyik ismerősüknek, aki hozzásegítené Milgramot ahhoz, hogy az általa keresett célszemélyt elérje. A 296 kiküldött levélből 64 visszaérkezett. Ezeknek a visszaérkezett leveleknek a felhasználásával Milgram megállapította, hogy a közvetítők átlagos száma 5,5. Ebből született a hat lépés távolság elmélet. A skálafüggetlenség Az első kísérlet a web feltérképezésére 1998-ban történt, a Notre Dame Egyetem egyik munkatársa, Hawoong Jeong egy körülbelül 300 ezer dokumentumból és 1,5 millió hivatkozásból álló tartományt térképezett fel. Megállapította, hogy nagy a véletlenszerűség a web kapcsolati diagramjában, viszont rendelkezik olyan magas összekapcsoltságú csomópontokkal, amelyekre nem számított. Ezek a középpontok nem csak a web esetében jelennek meg, hanem a legtöbb valóságos hálózatra is jellemzőek. Amennyiben a web véletlen hálózatokkal lenne jól modellezhető, a fokszámok Poissoneloszlást követnének. A megfigyelések viszont azt mutatják, hogy a valós hálózatok nem Poisson, hanem hatványfüggvény-eloszlással jellemezhetőek. Azaz viszonylag sok pont van alacsony fokszámmal a hálózatban, e mellett jellemzőek a magas fokszámú pontok is, viszont belőlük viszonylag kevés van. A következő ábra mutatja a különbséget a két eloszlás között. Forrás: Barabási (2016)
4 A fenti jelenség modellezését a Barabási-Albert modell segítségével tehetjük meg. A véletlen és a skálafüggetlen hálózatok között a középpontok feltűnése a legszembetűnőbb. A véletlen hálózatok modellje feltételezi a csomópontok számának állandóságát, a valóságos hálózatokban viszont a csomópontok száma folyamatosan növekszik. A valóságos hálózatokban az új csomópontok inkább a jobban kapcsolt csomópontokhoz csatlakoznak (preferenciális kapcsolódás), a véletlen hálózatokban viszont véletlenszerű csomópontokkal teremtenek kapcsolatot. Az algoritmus a következő: Induljunk ki számú csomópontból Amíg van a hálózatban legalább egy kapcsolatok nélküli csomópont, addig egyesével új kapcsolatokat adunk hozzá a hálózathoz tetszőleges helyen Minden lépésben hozzáadunk a hálózathoz m ( ) számú kapcsolatot, s azok egyetlen új csomópontot kötnek össze a hálózat már meglévő m csomópontjával Annak a valószínűsége, hogy az új csomópont egy kapcsolata a már meglévő i-edik csomóponthoz kapcsolódik az i-edik csúcs fokszámától függ, a következőképpen: ( ) A preferenciális kapcsolódás ebből következően egy valószínűségi mechanizmus: egy új csomópont szabadon kapcsolódhat a hálózat bármelyik csomópontjához. A következő ábra a Barabási-Albert modell egyik lehetséges kimenetelét mutatja. Forrás: Barabási (2016)
5 Hálózatok a gazdaságban Magát a hálózat fogalmát a közgazdaságtanban többféleképpen közelíthetjük meg, az egyik a hálózatos iparágakon keresztül történik. Hálózatos iparágak alatt a távközlés, a közlekedés, az energiaszolgáltatás infrastruktúrájának hálózatát értjük. Ekkor bizonyos szolgáltatást alakítottak ki hálózati struktúrára, azaz a modellezés során csomópontokat és köztük lévő kapcsolatokat lehetséges felvázolni. Ebben az esetben a hálózat egy fix rendszer és a döntési szituáció általában az, hogy az egyén csatlakozik-e ehhez a rendszerhez, vagy sem. A döntési szituáció jellegéből adódóan piaci szerkezetre irányuló elemzést végezhetünk ekkor. A következőkben bemutatásra kerül egy olyan modell, ahol a kiinduló helyzetben egy már meglévő telefonhálózat vizsgálatát végezzük el. A fogyasztók kiépített hálózatra való rácsatlakozása képezi a döntési szituáció alapját. Ekkor a modellben a telefonhálózat már ki van építve minden háztartásban és a fogyasztó dönti el, hogy előfizet-e, azaz bekapcsolódik-e ténylegesen a hálózatba. Ekkor megjelenik egy igen érdekes fogalom, a hálózati externália. Ehhez kapcsolódóan elemzéseket végezhetünk a piaci keresleti függvényre vonatkozóan egy olyan jószág esetében, amikor a fent említett hálózati externália jelen van a piacon. Egy, a vizsgálat részét képező jószág a vevői számára annál értékesebb, minél többen fogyasztják azt. A hálózati externália jelensége azoknak a termékeknek a piacán fordul elő, amelyeknek a fogyasztói valamilyen hálózatot képeznek. Legyen ez a már korábban említett városi telefonhálózat. Ahhoz, hogy könnyebben tudjunk modellezni, tegyük fel, hogy ez a hálózat nem áll kapcsolatban a külvilággal, azaz csak városon belüli telefonszámot lehetséges hívni. Amikor csak kevés embernek van telefonja a városban (azaz kevesen fogyasztják a telefon-előfizetés nevű terméket), akkor kicsi a valószínűsége, hogy a vizsgált fogyasztóknak sok olyan családtagja, rokona van az előfizetők között, akivel szívesen beszélgetne telefonon. Ezért nem lesz túl sok haszna a fogyasztónak abból, ha előfizet a telefonra. Ha már viszonylag sokan fizetnek elő, akkor jóval nagyobb az esélye, hogy ott vannak köztük a vevő rokonai, családtagjai, ismerősei, így a telefon-előfizetés értéke megemelkedett a vevő számára és valószínűleg így van ezzel a város többi lakója is. Egy nagyobb hálózat tehát minden tagja számára többet ér ez a hálózati externália lényege. Egy hétköznapi jószág keresleti görbéje - egy olyan koordináta-rendszerben ábrázolva, amelynek vízszintes tengelyén a mennyiség, függőleges tengelyén az ár szerepel egy negatív meredekségű lineáris egyenes. Hálózati externália esetében a helyzet módosul: a piaci
6 keresleti görbe nem feltétlenül lesz többé mindenhol negatív meredekségű: visszahajlóvá válhat. Ennek reprezentálását mutatja a lenti ábra: p p D q A jelenség magyarázata a következő: tegyük fel, hogy a szóban forgó termék piacán viszonylag alacsony az ár. Klasszikus jószág esetén ez azt jelentené, hogy a kereslet a jószág iránt viszonylag magas. Amennyiben az említett piacon megjelenik a hálózati externália jelensége, akkor a fenti csak az egyik lehetséges magyarázat; a másik az, hogy azért alacsony az ár, mert kevesen keresik a terméket, ezért éppen a hálózati externáliából adódóan azt mindenki kevésre értékeli, így aztán az eladók hiába is próbálkoznának áremeléssel. Egy tetszőlegesen kiválasztott p ár tehát kétféle eladott mennyiséggel is egyensúlyt alkot: egy alacsonnyal (az ábrán ) és egy magassal (az ábrán ). Hogy melyik helyzet fog ténylegesen kialakulni? Ez a fogyasztók várakozásaitól függ. Azaz ha a fogyasztók arra számítanak, hogy minél többen fognak csatlakozni a telefonhálózathoz, ők is megteszik azt. Ha az ellenkezőjére, akkor nem fognak előfizetni a termékre. Hol van itt a játszma? Követve a félév során már megismert PAPI-rendszert ( azaz Players- Actions-Payoff-Information rendszer), elemezzük a fenti helyzetet. Players játékosok: Egyik oldalon a vevők, másik oldalon a szolgáltató; Actions akciók: A döntési lehetőségek a vevői oldalon szerepelnek: megvásárolja-e a fogyasztó a hálózaton elérhető szolgáltatást, vagy sem; Payoff kifizetés: A szolgáltatói oldalon a vevő által elfogyasztott termék után kapott bevétel a tágan értelmezett nyereség. A vevői oldalon pedig azon hasznosságnövekmény tekinthető nyereségnek, amely abból fakad, hogy a fogyasztó képes telefonos kapcsolatot teremteni a barátaival, rokonaival, stb.
7 Information információk: ide sorolható például annak ismerete, hogy egy adott vevő mely ismerősei fizettek már elő a telefonszolgáltatásra, a fogyasztók rezervációs ára, stb. A szolgáltatónak ez esetben érdeke meggyőzni a fogyasztót arról, hogy terméke népszerű, hogy a vevő úgy alakítsa ki várakozásait, hogy arra számítson, hogy sokan lesznek azok a városban, akiket el fog tudni érni telefonon. Felhasznált irodalom: 1. Barabási Albert-László (2016): A hálózatok tudománya. Libri, Budapest 2. Kiss Károly Miklós, Badics Judit, Nagy Dávid Krisztián: Hálózati gazdaságtan - Pannon Egyetem Közgazdaságtan Tanszék jegyzet
Véletlen gráfok, hálózatok
Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Csirik András 2018.04.25 Erdős-Rényi modell Watts-Strogatz modell Barabási-Albert modell Hálózatok a mindennapokban Hálózatok a világ minden területén
RészletesebbenA Barabási-Albert-féle gráfmodell
A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.
RészletesebbenHálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet
Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen
RészletesebbenÖsszefoglalás és gyakorlás
Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)
RészletesebbenSzá molá si feládáttí pusok á Ko zgázdásá gtán I. (BMEGT30A003) tá rgy zá rthelyi dolgozátá hoz
Szá molá si feládáttí pusok á Ko zgázdásá gtán I. (BMEGT30A003) tá rgy zá rthelyi dolgozátá hoz 1. feladattípus a megadott adatok alapján lineáris keresleti, vagy kínálati függvény meghatározása 1.1. feladat
Részletesebben1.2.1 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
RészletesebbenKözgazdaságtan alapjai. Dr. Karajz Sándor Gazdaságelméleti és Módszertani Intézet
Universität Miskolci Egyetem, Miskolc, Fakultät Gazdaságtudományi für Wirtschaftswissenschaften, Kar, Gazdaságelméleti Istitut és für módszertani Wirtschaftstheorie Intézet Közgazdaságtan alapjai Dr. Karajz
RészletesebbenBetekintés a komplex hálózatok világába
Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex
RészletesebbenBevezetés s a piacgazdaságba
Bevezetés s a piacgazdaságba gba Alapfogalmak, piaci egyensúly Bacsi, BevPiacgaz 1 Elméleti: mikroökonómia makroökonómia nemzetközi gazdaságtan világgazdaságtan komparatív gazdaságtan közg. elmélettörténet
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus
RészletesebbenBevezetés s a piacgazdaságba. gba. Alapprobléma. Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények
A mikroökonómia és makroökonómia eltérése: Bevezetés s a piacgazdaságba gba Alapfogalmak, piaci egyensúly Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények Makroökonómia:
RészletesebbenAz egyenes egyenlete: 2 pont. Az összevont alak: 1 pont. Melyik ábrán látható e függvény grafikonjának egy részlete?
1. Írja fel annak az egyenesnek az egyenletét, amely áthalad az (1; 3) ponton, és egyik normálvektora a (8; 1) vektor! Az egyenes egyenlete: 2. Végezze el a következő műveleteket, és vonja össze az egynemű
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenPélda 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............
RészletesebbenBevezete s a ha ló zatók vila ga ba
Bevezete s a ha ló zatók vila ga ba Bevezetés Kezdjük egy játékkal! Képzeletünkben kalandozzunk el és válasszunk egy tetszőleges országot a világon, annak tetszőleges települését és egy ott élő tetszőleges
RészletesebbenMIKROÖKONÓMIA I. B. Készítette: K hegyi Gergely, Horn Dániel és Major Klára. Szakmai felel s: K hegyi Gergely. 2010. június
MIKROÖKONÓMIA I. B Készült a TÁMOP-4.1.2-08/2/a/KMR-2009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA Közgazdaságtudományi
RészletesebbenKözgazdaságtan I. Számolási feladat-típusok a számonkérésekre 1. hét. 2018/2019/I. Kupcsik Réka
Közgazdaságtan I. Számolási feladat-típusok a számonkérésekre 1. hét 2018/2019/I. Témakörök I. Bevezetés II. Horizontális összegzés 1. III. Horizontális összegzés 2. IV. Piaci egyensúly V. Mennyiségi adó
RészletesebbenCsima Judit BME, SZIT február 18.
1 Véletlen gráfok és valós hálózatok Csima Judit BME, SZIT 2011. február 18. Tartalom 2 1. Motiváció: miért pont véletlen gráfok? Tartalom 2 1. Motiváció: miért pont véletlen gráfok? 2. A klasszikus modell:
RészletesebbenSzalai Péter. April 17, Szalai Péter April 17, / 36
Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási
RészletesebbenSzá molá si feládáttí pusok á Ko zgázdásá gtán I. (BMEGT30A003) tá rgy zá rthelyi dolgozátá hoz á 3. oktátá si he t tánányágá hoz kápcsolo do án
Szá molá si feládáttí pusok á Ko zgázdásá gtán I. (BMEGT30A003) tá rgy zá rthelyi dolgozátá hoz á 3. oktátá si he t tánányágá hoz kápcsolo do án 1. feladattípus Egyváltozós keresleti, vagy kínálati függvények
RészletesebbenDebreceni Egyetem AGTC
Debreceni Egyetem AGTC GAZDÁLKODÁSTUDOMÁNYI ÉS VIDÉKFEJLESZTÉSI KAR Gazdaságelméleti Intézet Közgazdaságtan és Környezetgazdaságtan Tanszék 4032 DEBRECEN, Böszörményi út 138., 4015 DEBRECEN Pf.36. : (52)
Részletesebben14.1.ábra: Rezervációs árak és a fogyasztói többlet (diszkrét jószág) 6. elıadás: Fogyasztói többlet; Piaci kereslet; Egyensúly
(C) htt://kgt.bme.hu/ / 6. elıadás: Fogyasztói többlet; Piaci kereslet; Egyensúly 4..ábra: Rezervációs ak és a fogyasztói többlet (diszkrét jószág) Ár r r 2 Ár r r 2 r 3 r 4 r 5 r 6 r 3 r 4 r 5 r 6 2 3
RészletesebbenBevezetés s a piacgazdaságba. gba. Alapprobléma. Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények
A közgazdask zgazdaságtan gtan részei: r Bevezetés s a piacgazdaságba gba Alapfogalmak, piaci egyensúly Elméleti: mikroökonómia makroökonómia nemzetközi gazdaságtan világgazdaságtan komparatív gazdaságtan
RészletesebbenNemzetközi gazdaságtan PROTEKCIONIZMUS: KERESKEDELEM-POLITIKAI ESZKÖZÖK
Nemzetközi gazdaságtan PROTEKCIONIZMUS: KERESKEDELEM-POLITIKAI ESZKÖZÖK A vám típusai A vám az importált termékre kivetett adó A specifikus vám egy fix összeg, amelyet az importált áru minden egységére
RészletesebbenPiaci szerkezetek VK. Gyakorló feladatok a 4. anyagrészhez
Piaci szerkezetek VK Gyakorló feladatok a 4. anyagrészhez Cournot-oligopólium Feladatgyűjtemény 259./1. teszt Egy oligopol piacon az egyensúlyban A. minden vállalat határköltsége ugyanakkora; B. a vállalatok
RészletesebbenSzintvizsga Mikroökonómia május 5.
Szintvizsga Mikroökonómia 2010. május 5. Név:. Fontos tudnivalók: A feladatsor megoldásához számológépet, vonalzót és kék színű tollat használhat! A számításoknál nem elegendő a végeredmény feltüntetése,
RészletesebbenKeresleti és kínálati függvény. Minden piacnak van egy keresleti és egy kínálati oldala, amelyeket a normatív közgazdaságtanban
tehát attól függ, hogy x milyen értéket vesz fel. A függvényeket a közgazdaságtanban is a jól ismert derékszögû koordináta-rendszerben ábrázoljuk, ahol a változók nevének megfelelõen általában a vízszintes
RészletesebbenGazdasági informatika gyakorlat
Gazdasági informatika gyakorlat P-Gráfokról röviden Mester Abigél P-Gráf: A P-Gráfok olyan speciális páros gráfok, ahol a csúcsok két halmazba oszthatók: ezek az anyag jellegű csúcsok, valamint a gépek.
RészletesebbenIV. Felkészítő feladatsor
IV. Felkészítő feladatsor 1. Az A halmaz elemei a (-7)-nél nagyobb, de 4-nél kisebb egész számok. B a nemnegatív egész számok halmaza. Elemeinek felsorolásával adja meg az A \ B halmazt! I. 2. Adott a
RészletesebbenKözgazdaságtan. A vállalatok kínálata Szalai László
Közgazdaságtan A vállalatok kínálata Szalai László A vállalat kínálata Döntési faktorok Termelési mennyiség Értékesítési ár Korlátozó feltételek Technológiai korlátok Termelési függvény Gazdasági korlátok
RészletesebbenMikroökonómia előadás. Dr. Kertész Krisztián Fogadóóra: minden szerdán között Helyszín: 311-es szoba
Mikroökonómia előadás Dr. Kertész Krisztián e-mail: k.krisztian@efp.hu Fogadóóra: minden szerdán 10.15 11.45. között Helyszín: 311-es szoba Irodalom Tankönyv: Jack Hirshleifer Amihai Glazer David Hirshleifer:
RészletesebbenGeometriai valo szí nű se g
Geometriai valo szí nű se g Szűk elméleti áttekintő Klasszikus valószínűség: Geometriai valószínűség: - 1 dimenzióban: - dimenzióban: - + dimenzióban: jó esetek összes eset jó szakaszok teljes szakasz
RészletesebbenKözgazdaságtan I. 2015. február 18. 2. alkalom Tóth-Bozó Brigitta
Közgazdaságtan I. 2015. február 18. 2. alkalom Tóth-Bozó Brigitta Általános bevezető Fogalmak a mai alkalomra: - kereslet/keresleti függvény/keresleti görbe - kínálat/kínálati függvény/keresleti görbe
Részletesebben13. A zöldborsó piacra jellemző keresleti és kínálati függvények a következők P= 600 Q, és P=100+1,5Q, ahol P Ft/kg, és a mennyiség kg-ban értendő.
1. Minden olyan jószágkosarat, amely azonos szükségletkielégítési szintet (azonos hasznosságot) biztosít a fogyasztó számára,.. nevezzük a. költségvetési egyenesnek b. fogyasztói térnek c. közömbösségi
RészletesebbenVI. Felkészítő feladatsor
VI. Felkészítő feladatsor I. 1. Egyszerűsítse az y 3 y 2 y 1 törtet, ha y 1. 2. Milyen számjegy állhat az X helyén, ha a négyjegyű 450X szám 6-tal osztható? 3. Minden utca zajos. Válassza ki az alábbiak
RészletesebbenNEMZETKÖZI KÖZGAZDASÁGTAN Specifikus termelési tényezők, standard modell
NEMZETKÖZI KÖZGAZDASÁGTAN Specifikus termelési tényezők, standard modell Kiss Olivér Budapesti Corvinus Egyetem Makroökonómia Tanszék Van tankönyv, amit már a szeminárium előtt érdemes elolvasni! Érdemes
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenValószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
RészletesebbenRamsey-féle problémák
FEJEZET 8 Ramsey-féle problémák "Az intelligens eljárást az jellemzi, hogy még a látszólag megközelíthetetlen célhoz is utat nyit, megfelelő segédproblémát talál ki és először azt oldja meg." Pólya György:
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenMatematikai geodéziai számítások 10.
Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László
RészletesebbenKözgazdaságtan alapjai. Dr. Karajz Sándor Gazdaságelméleti Intézet
Közgazdaságtan alapjai Dr. Karajz Sándor Gazdaságelméleti 4. Előadás Az árupiac és az IS görbe IS-LM rendszer A rövidtávú gazdasági ingadozások modellezésére használt legismertebb modell az úgynevezett
RészletesebbenBevezető feldatok. Elágazás és összegzés tétele
Bevezető feldatok 1. Szövegértés és algoritmikus gondolkodás Kátai Zoltán https://people.inf.elte.hu/szlavi/infodidact15/manuscripts/kz.pdf Elágazás és összegzés tétele Táblázatkezelési feladatok Feladatok
RészletesebbenMakroökonómia. 12. hét
Makroökonómia 12. hét A félév végi zárthelyi dolgozatról Nincs összevont vizsga! Javító és utóvizsga van csak, amelyen az a hallgató vehet részt, aki a szemináriumi dolgozat + 40 pontos dolgozat kombinációból
RészletesebbenElektronikus példatár Dr. Koppány Krisztián PhD, SZE 2012
2. lecke FELAATOK 4.) Egy termék iacán 36 Ft/db-os vagy annál magasabb egységáron egyetlen vevő sem vásárol. Amennyiben az ár 36 Ft/db alá csökken, akkor minden 5 Ft-os árcsökkenés 8 darabbal növeli a
Részletesebben(makro modell) Minden erőforrást felhasználnak. Árak és a bérek tökéletesen rugalmasan változnak.
(makro modell) Vannak kihasználatlat erőforrások. Árak és a bérek lassan alkalmazkodnak. Az, hogy mit csináltunk most, befolyásolja a következő periódusbeli eseményeket. Minden erőforrást felhasználnak.
RészletesebbenPRÓBAÉRETTSÉGI 2004.május MATEMATIKA. KÖZÉPSZINT I. 45 perc
PRÓBAÉRETTSÉGI 2004.május MATEMATIKA KÖZÉPSZINT I. 45 perc A feladatok megoldására 45 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A feladatok
RészletesebbenMakroökonómia. 13. hét
Makroökonómia 13. hét Ezen a héten Ragadós árak és ragadós bérek Tankönyv 12. fejezete Geometriai feladatok Költségsokk Változik az aggregált kínálat Jövő héten Végigoldunk egy 40 pontos vizsgasort! Feladatválasztós
RészletesebbenComing soon. Pénzkereslet
Coming soon Akkor és most Makroökonómia 11. hét 40 pontos vizsga Május 23. hétfő, 10 óra Május 27. péntek, 14 óra Június 2. csütörtök, 12 óra Csak egyszer lehet megírni! Minimumkövetelmény: 40% (16 pont)
RészletesebbenGAZDASÁGI ISMERETEK EMELT SZINTŰ ÍRÁSBELI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Gazdasági ismeretek emelt szint 1712 ÉRETTSÉGI VIZSGA 2017. május 25. GAZDASÁGI ISMERETEK EMELT SZINTŰ ÍRÁSBELI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA I. TESZTFELADATOK 18
RészletesebbenA vám gazdasági hatásai NEMZETKZÖI GAZDASÁGTAN
A vám gazdasági hatásai NEMZETKZÖI GAZDASÁGTAN Forrás: Krugman-Obstfeld-Melitz: International Economics Theory & Policy, 9th ed., Addison-Wesley, 2012 A vám típusai A vám az importált termékre kivetett
RészletesebbenKÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely. 2010. június
KÖZGAZDASÁGTAN I. Készült a TÁMOP-4.1.2-08/2/a/KMR-2009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA Közgazdaságtudományi
RészletesebbenKözgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 3. hét A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK
KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely
RészletesebbenVALÓSZÍNŰSÉG, 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
RészletesebbenAlapfogalmak II. Def.: Egy gráf összefüggő, ha bármely pontjából bármely pontjába eljuthatunk egy úton.
lapfogalmak II Nézzük meg mégegyszer a königsbergi séták problémáját! város lakói vasárnaponként szerettek sétálni a szigeteken. Felvetődött a kérdés, hogy hogyan lehetne olyan sétát tenni a városban,
Részletesebben1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont)
1. tétel 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója cm. Mekkora a háromszög átfogója? (4 pont). Adott az ábrán két vektor. Rajzolja meg a b, a b és az a b vektorokat! (6 pont)
RészletesebbenMérési 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
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenFüggvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
RészletesebbenMIKROÖKONÓMIA 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
RészletesebbenMikroökonómia előadás. Dr. Kertész Krisztián Fogadóóra: minden szerdán között Helyszín: 311-es szoba
Mikroökonómia előadás Dr. Kertész Krisztián Fogadóóra: minden szerdán 10.15 11.45. között Helyszín: 311-es szoba Költségvetési egyenes Költségvetési egyenes = költségvetési korlát: azon X és Y jószágkombinációk
RészletesebbenAlgoritmusok bonyolultsága
Algoritmusok bonyolultsága 5. előadás http://www.ms.sapientia.ro/~kasa/komplex.htm 1 / 27 Gazdaságos faváz Kruskal-algoritmus Joseph Kruskal (1928 2010) Legyen V = {v 1, v 2,..., v n }, E = {e 1, e 2,...,
Részletesebben} számtani sorozat első tagja és differenciája is 4. Adja meg a sorozat 26. tagját! A = { } 1 pont. B = { } 1 pont. x =
. Az { a n } számtani sorozat első tagja és differenciája is 4. Adja meg a sorozat 26. tagját! a = 26 2. Az A és B halmazokról tudjuk, hogy A B = {;2;3;4;5;6}, A \ B = {;4} és A B = {2;5}. Sorolja fel
RészletesebbenKözgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 2. hét KERESLET, KÍNÁLAT, EGYENSÚLY
KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. KERESLET, KÍNÁLAT, EGYENSÚLY Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely 2010. június Vázlat 1
RészletesebbenMakroökonómia. 11. hét
Makroökonómia 11. hét Coming soon 40 pontos vizsga Május 23. hétfő, 10 óra Május 27. péntek, 14 óra Június 2. csütörtök, 12 óra Csak egyszer lehet megírni! Minimumkövetelmény: 40% (16 pont) Akkor és most
RészletesebbenMATEMATIKA HETI 5 ÓRA. IDŐPONT: 2009. június 8.
EURÓPAI ÉRETTSÉGI 2009 MATEMATIKA HETI 5 ÓRA IDŐPONT: 2009. június 8. A VIZSGA IDŐTARTAMA: 4 óra (240 perc) ENGEDÉLYEZETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor
RészletesebbenMikroökonómia előadás. Dr. Kertész Krisztián főiskolai docens
Mikroökonómia előadás Dr. Kertész Krisztián főiskolai docens k.krisztian@efp.hu Árrugalmasság A kereslet árrugalmassága = megmutatja, hogy ha egy százalékkal változik a termék ára, akkor a piacon hány
RészletesebbenFejlesztı neve: HORZSA GÁBORNÉ. Tanóra / modul címe: A LAKÁSOK FŐTÉSE, FŐTÉSI RENDSZEREK
Fejlesztı neve: HORZSA GÁBORNÉ Tanóra / modul címe: A LAKÁSOK FŐTÉSE, FŐTÉSI RENDSZEREK 1. Az óra tartalma A tanulási téma bemutatása; A téma és a módszer összekapcsolásának indoklása: A lakások fűtésének
RészletesebbenKözösség detektálás gráfokban
Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a
RészletesebbenSzimuláció RICHARD M. KARP és AVI WIGDERSON. (Készítette: Domoszlai László)
Szimuláció RICHARD M. KARP és AVI WIGDERSON A Fast Parallel Algorithm for the Maximal Independent Set Problem című cikke alapján (Készítette: Domoszlai László) 1. Bevezetés A következőkben megadott algoritmus
RészletesebbenKomplex hálózatok: alapfogalmak, modellek, módszerek
Komplex hálózatok: alapfogalmak, modellek, módszerek London András, Németh Tamás 2015. április 13. Motiváció Alapfogalmak Centralitás mértékek Néhány gráfmodell Hálózatok mindenhol! ábra 1: Facebook kapcsolati
RészletesebbenFEGYVERNEKI 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
Részletesebben1. Tekintsük a következő két halmazt: G = {1; 2; 3; 4; 6; 12} és H = {1; 2; 4; 8; 16}. Elemeik felsorolásával adja meg a G H és a H \ G halmazokat!
1. Tekintsük a következő két halmazt: G = {1; 2; 3; 4; 6; 12} és H = {1; 2; 4; 8; 16}. Elemeik felsorolásával adja meg a G H és a H \ G halmazokat! G H = H \ G = 2. Ha 1 kg szalámi ára 2800 Ft, akkor hány
RészletesebbenFEGYVERNEKI 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,
Részletesebbenmatematikai statisztika
Az újságokban, plakátokon, reklámkiadványokban sokszor találkozunk ilyen grafikonokkal, ezért szükséges, hogy megértsük, és jól tudjuk értelmezni őket. A második grafikon ismerős lehet, hiszen a függvények
RészletesebbenA zsebrádiótól Turán tételéig
Jegyzetek egy matekóráról Lejegyezte és kiegészítésekkel ellátta: Meszéna Balázs A katedrán: Pataki János A gráfokat rengeteg életszagú példa megoldásában tudjuk segítségül hívni. Erre nézzünk egy példát:
RészletesebbenKözgazdaságtan I. avagy: mikroökonómia. Dr. Nagy Benedek
Közgazdaságtan I. avagy: mikroökonómia r. Nagy Benedek Email: Nagy.Benedek@eco.u-szeged.hu, Tel: (62) 544-676, fogadó óra: Hétfő 14-15:30, KO 311 (szorgalmi időszakban) zemélyes találkozás 4 alkalommal:
RészletesebbenKözgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 4. hét A KERESLETELMÉLET ALKALMAZÁSAI
KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. A KERESLETELMÉLET ALKALMAZÁSAI Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely 2010. június Vázlat
RészletesebbenKÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely. 2010. június
KÖZGAZDASÁGTAN I. Készült a TÁMOP-4.1.2-08/2/a/KMR-2009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA Közgazdaságtudományi
RészletesebbenNEMZETKÖZI KÖZGAZDASÁGTAN Kereskedelempolitika
NEMZETKÖZI KÖZGAZDASÁGTAN Kereskedelempolitika Kiss Olivér Budapesti Corvinus Egyetem Makroökonómia Tanszék Van tankönyv, amit már a szeminárium előtt érdemes elolvasni! Érdemes előadásra járni, mivel
RészletesebbenElőadó: Dr. Kertész Krisztián
Előadó: Dr. Kertész Krisztián E-mail: k.krisztian@efp.hu A termelés költségei függenek a technológiától, az inputtényezők árától és a termelés mennyiségétől, de a továbbiakban a technológiának és az inputtényezők
Részletesebben2. Adott a valós számok halmazán értelmezett f ( x) 3. Oldja meg a [ π; π] zárt intervallumon a. A \ B = { } 2 pont. függvény.
1. Az A halmaz elemei a ( 5)-nél nagyobb, de 2-nél kisebb egész számok. B a pozitív egész számok halmaza. Elemeinek felsorolásával adja meg az A \ B halmazt! A \ B = { } 2. Adott a valós számok halmazán
Részletesebben1. szemináriumi. feladatok. Ricardói modell Bevezetés
1. szemináriumi feladatok Ricardói modell Bevezetés Termelési lehetőségek határa Relatív ár Helyettesítési határráta Optimális választás Fogyasztási pont Termelési pont Abszolút előny Komparatív előny
RészletesebbenFázisátalakulások vizsgálata
KLASSZIKUS FIZIKA LABORATÓRIUM 6. MÉRÉS Fázisátalakulások vizsgálata Mérést végezte: Enyingi Vera Atala ENVSAAT.ELTE Mérés időpontja: 2011. szeptember 28. Szerda délelőtti csoport 1. A mérés célja A mérés
Részletesebben1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt
1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó
RészletesebbenA hazai elszámolásforgalom hálózati elemzése
A hazai elszámolásforgalom hálózati elemzése Révkomárom, 2013. január 23. Pál Zsolt egyetemi tanársegéd Miskolci Egyetem Gazdaságtudományi Kar A kutatás előzményei, háttere Hálózatelmélet - szabályos gráfok
RészletesebbenMéréselmélet 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
Részletesebbenfeladatsor Alapszigorlat Alkalmazott közgazdasátan MINTA
feladatsor Alapszigorlat Alkalmazott közgazdasátan MINTA A feladatsor kitöltésére 110 perc áll rendelkezésére. A dolgozathoz tollon és számológépen kívül más segédeszközt nem használhat. A mobiltelefon
RészletesebbenBME Nyílt Nap november 21.
Valószínűségszámítás, statisztika és valóság Néhány egyszerű példa Kói Tamás Budapesti Műszaki és Gazdaságtudományi Egyetem koitomi@math.bme.hu BME Nyílt Nap 2014. november 21. Matematikai modell Matematikai
RészletesebbenKözgazdaságtan alapjai I. Dr. Karajz Sándor Gazdaságelméleti Intézet
Közgazdaságtan alapjai I. Dr. Karajz Sándor Gazdaságelméleti Elérhetőség e-mail: karajz.sandor@uni-miskolc.hu tel.:46-565111/1899 Kötelező irodalom Szilágyi Dezsőné dr. szerk: Közgazdaságtan alapja I.
RészletesebbenElméleti gazdaságtan 11. évfolyam (Mikroökonómia) tematika
Elméleti gazdaságtan 11. évfolyam (Mikroökonómia) tematika I. Bevezető ismeretek 1. Alapfogalmak 1.1 Mi a közgazdaságtan? 1.2 Javak, szükségletek 1.3 Termelés, termelési tényezők 1.4 Az erőforrások szűkössége
RészletesebbenTANTÁRGYI 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:
RészletesebbenFeladatok MATEMATIKÁBÓL
Feladatok MATEMATIKÁBÓL a 12. évfolyam számára III. 1. Számítsuk ki a következő hatványok értékét! 2. Írjuk fel gyökjelekkel a következő hatványokat! 3. Az ötnek hányadik hatványa a következő kifejezés?
RészletesebbenTermészetismeret. 1. A természettudományos nevelés folyamatában történő kompetenciafejlesztés lehetőségei az alsó tagozaton.
Természetismeret 1. A természettudományos nevelés folyamatában történő kompetenciafejlesztés lehetőségei az alsó tagozaton. 1. Tervezzen egymásra épülő tevékenységeket az élő környezet megismerésére vonatkozóan!
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenEllenállásmérés Ohm törvénye alapján
Ellenállásmérés Ohm törvénye alapján A mérés elmélete Egy fémes vezetőn átfolyó áram I erőssége egyenesen arányos a vezető végpontjai közt mérhető U feszültséggel: ahol a G arányossági tényező az elektromos
RészletesebbenHálózati elemzések az üzleti életben. Kovács Gyula Sixtep Kft.
Hálózati elemzések az üzleti életben Kovács Gyula Sixtep Kft. Hálózat kutatás rövid ismertetése Königsbergi hidak problémája Háttér: A probléma története, hogy a poroszországi Königsberg (most Kalinyingrád,
RészletesebbenZsidók, tudomány és hálózatok?
Zsidók, tudomány és hálózatok? Bevezető gondolatok és alapfogalmak Biró Tamás OR-ZSE Hálózatkutatás a Zsidó Tanulmányokban kutatócsoport 2018. 12. 19. Hálózatok mindenhol Például: emberek alkotta társadalmi
RészletesebbenSzA II. gyakorlat, szeptember 18.
SzA II. gyakorlat, 015. szeptember 18. Barátkozás a gráfokkal Drótos Márton drotos@cs.bme.hu 1. Az előre megszámozott (címkézett) n darab pont közé hányféleképp húzhatunk be éleket úgy, hogy egyszerű gráfhoz
Részletesebben