1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
|
|
- Zsombor Pap
- 8 évvel ezelőtt
- Látták:
Átírás
1 . Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus kapcsolatot. Az antikvárium által realizált, a licitálásnak köszönhető átlagos haszon 6000 Ft volt, míg a leütési átlagár a kikiáltási átlagár kétszeresének bizonyult. Az aukció során továbbá a kikiáltási ár relatív szórása 80%-kal volt magasabb a leütési árénál, a kétféle ár közötti kovariancia pedig megegyezett a kikiáltási ár varianciájával. a Becsülje és értelmezze a lineáris regressziófüggvény paramétereit! b Határozza meg és és értelmezze a rugalmasságot a kikiáltási ár átlagos szintje mellett! c Jellemezze a kikiáltási ár és a leütési ár közti kapcsolat szorosságát, továbbá a lineáris regresziós modell magyarázó erejét! Megoldás : x: kikiáltási ár, y: leütési ár. } y x 6 y x x 6, y a s y y.8s x x s xy s x y i β 0 + β x i + ε i, i,..., n 9 β 0 y β x β x i xy i xi x sxy s x miatt β 0 y x 6 β 0 6, β β 0 jelentése: ha a kikiáltási ár 0 lenne, a leütési ár akkor is átlagosan 6000 Ft lenne. β jelentése: ha egy könyv kikiáltási ára 000 Ft-tal magasabb, akkor a leütési ára is átlag 000 Ft-tal magasabb. b Az y x-re vonatkozó rugalmassága: E y,x lim x 0 a becsült rugalmasság az x helyen: y y x x Ê y,x β y lim x 0 x x y dy dx x y β x β 0 + β x E y,x jelentése: ha a kikiáltási átlagár környezetében %-kal megváltoztatjuk a kikiáltási árat, akkor 0.5%-kal változik ugyanilyen irányban a leütési ár is. c A kapcsolat szorossága a korrelációs együttatóval jelemezhető. A tapasztalati korrelációs együttató: corr n x, y s xy s x s y s xy s x s y -ből s x s y -ből x y ; x.8 y ,
2 tehát a kikiáltási ár és a leütési ár közötti kapcsolat nem túl szoros. A lineáris regressziós modell magyarázó ereje a determinációs együtthatóval jellemezhető. Ismert, hogy a determinációs együttható a tapasztalati korrelációs együttató négyzeteként is előállítható : R corr n x, y , tehát a kikiáltási ár 7.7%-ot magyaráz meg a leütési ár szórásnégyzetéből azaz elég rosszul magyarázza.. Mit nevezünk négyzetösszeg felbontásnak a lineáris regressziós modell esetén? Vezessük le ezt az egyváltozós lineáris regressziós modell esetén! Megoldás : Az egyváltozós lineáris regressziós modell: a normálegyenletek: Négyzetre emelve és összeadva az y i β 0 + β x i + ε i, i,..., n, y β 0 + β x 3 xy β 0 x + β x. y i y ŷ i y + y i ŷ i, i,..., n egyenleteket: y i y Mivel egyrészt másrészt ŷ i y + y i ŷ i + ŷ i y y i ŷ i. 4 y i ŷ i n y ŷ n y β 0 β x 3 miatt 0, ŷ i y i ŷ i 0 ui. a baloldal éppen az euklideszi belsőszorzata az ŷ és az y ŷ n dimenziós vektoroknak, amelyek a legkisebb négyzetes becslés miatt ortogonálisak egymásra, ezért 4-ben a vegyes tag kiesik: ŷ i y y i ŷ i ŷ i y i ŷ i y y i ŷ i 0, és így megkaptuk a négyzetösszeg felbontást: y i y } {{ } SST ŷ i y + } {{ } SSR y i ŷ i. } {{ } SSE A bizonyítást ld. a 3. feladatban.
3 3. Mi a determinációs együttható definiciója? Mutassuk meg, hogy az y β 0 + β x + ε egyváltozós lineáris regressziós modell esetén a determinációs együttható kiszámítható az R corrn x, y módon! Megoldás : Az R definiciója: Az SSR-beli ŷ i y -ok: R. SSR SST. ŷ i y β 0 + β x y + β xi x 3 miatt β xi x, így A SSR ŷ i y β x i x. β x i xy i x i x x i xy i y x i x képletet beírva: SSR n x i xy i y n x i x x i x n x i xy i y x, i x amiből R SSR SST n x i xy i y x i x n y i y corr n x, y. 4. Sugár Szarvas fgy., 86. o. S4. feladat Legyen y βx + ε konstans nélküli regresszió β 0 0. Határozza meg ŷi ε i értékét! Megoldás : y i βx i + ε i, A β legkisebb négyzetes becslés az, amire i,..., n y βx x, azaz yi βx i xi 0. Másrészt ŷ i βx i, ezért ŷ i ε i ŷ i y i ŷ i βx i y i βx i β x i y i βx i 0. 3
4 5. Számoljuk ki egyváltozós lineáris regressziós modell esetén a β 0, β legkisebb négyzetes becslések és az ŷ i jósolt érték szórásnégyzeteit! Megoldás : Var β 0 Var y β x σ n + x Var β x cov y, β Var β Var x i xy n i n x i x x i x σ x i x σ n x 5 i x cov y, β cov n 0 y i, n x i x n x i x σ n x i x x i x x i x y i x j x cov y i, y j j x i x Var y i x i x } {{ } 0 Var β 0 σ n + σ x x i x σ n + x n x i x 6 Var ŷ i Var β0 + β x i Var β 0 + x i Var β + x i cov β0, β cov β0, β cov y β x, β cov y, β σ x x Var β x Var β x i x Var ŷ i σ n + x x i x + σ n + x + x i x i x x i x σ x i x i x σ x i x n x i x σ n + x i x x i x 7 4
5 6. Sugár Szarvas fgy., 86. o. S7. feladat Igazolja, hogy a becsült lineáris regressziós modellben 0 Var ŷ i Var y i + n. Megoldás : Az előző feladat eredményét használva: 0 Var ŷ i σ n + x i x x σ i x n + Var y i n +, amiből kapjuk a bizonyítandó egyenlőtlenségeket. 7. könyv, 8.6. feladat Az Egyesült Államok bruttó hazai termékének GDP és a készpénz- és látraszóló betétállományának M alakulása: év pénzállomány GDP milliárd $ SPSS adat-file: 6feladat.sav a Készítsen pontdiagramot! b Számítsa ki a lineáris regressziófüggvény paramétereit és azok standard hibáit! c Értelmezze a számítások eredményeit! Megoldás : a Pontdiagram: Graphs.Scatter.Simple menüpont. b Kézzel: A lineáris regressziófüggvény: y β 0 + β x x: pénzállomány, y: GDP. x , y , x , xy , β xy x y x x β 0 y β x Itt a fgy.-ben a jobboldalon hibásan szerepel. 5
6 év x y ŷ y ŷ A reziduális szórásnégyzet becslése: yi ŷ i σ , n 3 a reziduális szórás becslése: σ A standard hibák: s β0 ld. 6 σ n + x xi x σ n + x x x σ x n x x , s β ld. 5 σ xi x σ n x x SPSS-sel: Lineáris regresszió: Analyze.Regression.Linear menüpont. β : Coefficients táblázat, Constant, B cella β 5.53: Coefficients táblázat, penzallomany, B cella 7.5: s β0 Coefficients táblázat, Constant, Std. Error cella 0.33: s β Coefficients táblázat, penzallomany, Std. Error cella Megjegyzés: σ : ANOVA táblázat, Residual, Mean Square cella. c β 0 értelmezése: ha a pénzállomány 0, a GDP átlagosan milliárd $. β értelmezése: milliárd $ pénzállomány növekedéshez átlagosan 5.53 milliárd $ GDP növekedés tartozik. értelmezése: σ β0 A β 0 paraméter 7.5 milliárd $ szórással becsülhető. értelmezése: σ β A β paraméter 0.33 milliárd $ szórással becsülhető. 6
7 8. könyv, 8.. feladat Egy utazási iroda programfüzetéből kiválasztottunk 0 társasutat, amelyeknél vizsgáljuk az utak időtartama X és részvételi díja Y közötti kapcsolatot. a Írja fel a regressziófüggvényt és értelmezze a paramétereket! b Számítsa ki és értelmezze a rugalmassági együtthatót az X 0 helyen! c Készítsen 95%-os konfidencia intervallumot a β paraméterre, a b paraméterre! sorszám időtartam részvételi díj nap eft SPSS adat-file: feladat.sav Megoldás : a Az Y változó X-től való függését, majd a logy változó kiszámítása a Transform.Compute menüponttal X-től való függését ábrázolva Graphs.Scatter.Simple menüpont látszik, hogy logy X-nek lineáris függvénye. Tehát a regresszió exponenciális: Y b 0 b X. Az x X és y logy transzformált változókra vonatkozó lineáris regressziófüggvény: y β 0 + β x, ahol b 0 e β 0, b e β. Az együtthatók becslése: x 7., y , x 59.3, xy 6.996, β xy x y , x x β 0 y β x , tehát b 0 e β 0 e , b e β e , és az exponenciális regressziófüggvény: Y b 0 b X X. 7
8 Az együtthatók becslése SPSS-sel: Analyze.Regression.Curve Estimation. menüpont, Compound modell. b 0 értelmezése: a 0 napos társasút átlagosan 578 Ft-ba kerülne. b értelmezése: az nappal hosszabb társasút átlagosan 7.8%-kal többe kerül. b A rugalmassági együttható: E Y,X dy dx X Y db 0 b X dx X b 0 b X b 0 b X logb X b 0 b X logb X β X A becsült rugalmassági együttható az X 0 helyen: ez azt jelenti, hogy Ê Y,0 β 0.45 ; egy 0 napos társasúthoz képest a 9 ill. napos kb. 5%-kal kerül kevesebbe ill. többe. A és a együtt nem ellentmondás! Miért nem? c sorszám X y logy ŷ y ŷ A reziduális szórás becslése: yi ŷ i σ n , β standard hibája: s β σ xi x σ n x x ; a β -re vonatkozó 95%-os konfidencia intervallum végpontjai: β Ft n α 0.45 F s β t és A b -re vonatkozó 95%-os konfidencia intervallum végpontjai: e és e
9 9. könyv, 8.4. feladat A munkanélküliségi Y és inflációs ráta X olaszországi adatai a 80-as évtizedben az alábbiak voltak: év Y % X % SPSS adat-file: 4feladat.sav a Becsülje meg és értelmezze a lineáris regresszió paramétereit! b Tesztelje a regressziós egyenes meredekségét! α 0.05 c Ha a 90-es évekre az inflációt sikerül 6%-os szinten tartani, becsülje meg 95%-os megbízhatósággal a munkanélküliség várható rátájának határait! Megoldás : Kézzel: a A lineáris regressziófüggvény: y β 0 + β x. x , y 0.377, x , xy 04.98, β xy x y x x β 0 y β x , SPSS-sel a lineáris regresszió: Analyze.Regression.Linear menüpont. b β 0 értelmezése: β értelmezése: 0%-os infláció esetén a munkanélküliségi ráta átlagosan 3.3% lenne. ha az infláció %-kal nagyobb/kisebb, akkor a munkanélküliségi ráta átlagosan 0.6%-kal kisebb/nagyobb. H 0 : β 0 H : β 0. 8 Kézzel: a próbastatisztika: t β s β t n eloszlású. H 0 Az ŷ i β 0 + β x i, i,...,, jósolt értékek és az y i ŷ i, i,...,, becsült hibák kiszámítása: 9
10 év Y % X % Ŷ % Y Ŷ % A reziduális szórásnégyzet becslése: yi ŷ i σ , n a reziduális szórás becslése: A β standard hibája: s β ld. 5 σ xi x σ n σ x x Így és mivel a kritikus érték t β , s β F tn α F t , és t 4. >.6, H -et fogadjuk el, tehát β 0, azaz az X változónak van szerepe az Y magyarázatában X és Y nem függetlenek. SPSS-sel: a 8 hipotézisek tesztelésére való t-próba az output Coefficients táblázatában van. Mivel a p-érték megfigyelt elsőfajú hiba 0.000, így is H -et fogadjuk el. c Az E Y β 0 +β X várhatóértékre vagy az E Y X β 0 +β X feltételes várhatóértékre kell 95%-os konfidencia intervallumot adni az X 6 helyen. Mivel Ŷ EŶ sŷ t n, a 95%-os konfidencia intervallum végpontjai kézzel kiszámolva: 0
11 Ŷ F tn α sŷ β 0 + β X F tn α X x σ + n n x i x F t és.984. SPSS-sel: Be kell irni -ediknek az x 6-ot az x oszlopba. A várhatóértékre vonatkozó konfidencia intervallum: Analyze.Regression.Linear.Save.Prediction Intervals.Mean; az eredmény az adattáblázatban keletkezik. 0. A 8. feladat adataival próbáljuk ki az SPSS Curve Estimation eljárásában levő fontosabb görbetípusok illesztését: a lineáris, b kvadratikus: Y b 0 + b X + b X, c,,compound : Y b 0 b X ill. logy logb 0 + logb X, d,,growth : Y e b 0+b X ill. logy b 0 + b X, e logaritmikus: Y b 0 + b logx, f,,s-görbe : Y e b 0+ b X ill. logy b 0 + b X, g exponenciális: Y b 0 e b X ill. logy logb 0 + b X, h reciprok: Y b 0 + b X, i hatvány: Y b 0 X b ill. logy logb 0 + b logx. Ellenőrzés céljából mindegyik esetben csináljuk meg a paraméterbecslést a lineárisra transzformált modellnél is! Melyik a legjobban illeszkedő modell? Megoldás : Futtassuk le a feladat.sav adatfile-ra a programot! Mivel a vizsgalt modellek közül a kvadratikus 3 változós, a többi pedig változós a konstanst is beleértve, az összehasonlításra az R statisztka helyett az,,adjusted R -et használjuk; ez pedig a hatvány regresszió esetén a legnagyobb, tehát ez a legjobban illeszkedő modell.
Esetelemzések az SPSS használatával
Esetelemzések az SPSS használatával 1. Tekintsük az spearman.sav állományt, amely egy harminc tehenet számláló állomány etetés- és fejéskori nyugtalansági sorrendjét tartalmazza. Vizsgáljuk meg, hogy van-e
RészletesebbenMatematikai statisztikai elemzések 6.
Matematikai statisztikai elemzések 6. Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós regresszió Prof. Dr. Závoti, József Matematikai statisztikai elemzések 6.: Regressziószámítás:
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 6. elıadás (11-12. lecke) Szórás-stabilizáló transzformációk (folyt.), t-próbák 11. lecke További variancia-stabilizáló transzformációk Egy-mintás t-próba Szórás-kiegyenlítı
RészletesebbenRegresszió számítás az SPSSben
Regresszió számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Lineáris regressziós modell X és Y közötti kapcsolatot ábrázoló egyenes. Az Y függ: x 1, x 2,, x p p db magyarázó változótól
RészletesebbenMatematikai statisztikai elemzések 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések. MSTE modul Kapcsolatvizsgálat: asszociáció vegyes kapcsolat korrelációszámítás. Varianciaanalízis
RészletesebbenCsicsman József-Sipos Szabó Eszter csicsman@calculus.hu, siposeszti@gmail.com. Matematikai alapok az adatbányászati szoftverek első megismeréséhez
Csicsman József-Sipos Szabó Eszter csicsman@calculus.hu, siposeszti@gmail.com Matematikai alapok az adatbányászati szoftverek első megismeréséhez 1.1 A statisztikai sokaság A statisztika a valóság számszerű
RészletesebbenElméleti összefoglalók dr. Kovács Péter
Elméleti összefoglalók dr. Kovács Péter 1. Adatállományok létrehozása, kezelése... 2 2. Leíró statisztikai eljárások... 3 3. Várható értékek (átlagok) vizsgálatára irányuló próbák... 5 4. Eloszlások vizsgálata...
RészletesebbenValószín ségelmélet házi feladatok
Valószín ségelmélet házi feladatok Minden héten 3-4 házi feladatot adok ki. A megoldásokat a következ órán kell beadni, és kés bb már nem lehet pótolni. Csak az mehet vizsgázni, aki a 13 hét során kiadott
RészletesebbenAnalízisfeladat-gyűjtemény IV.
Oktatási segédanyag a Programtervező matematikus szak Analízis. című tantárgyához (003 004. tanév tavaszi félév) Analízisfeladat-gyűjtemény IV. (Függvények határértéke és folytonossága) Összeállította
RészletesebbenMűszerek tulajdonságai
Műszerek tulajdonságai 1 Kiválasztási szempontok Műszerek kiválasztásának általános szempontjai mérendő paraméter alkalmazható mérési elv mérendő érték, mérési tartomány környezeti tényezők érzékelő mérete
RészletesebbenSztochasztikus folyamatok 1. házi feladat
Sztochasztikus folyamatok 1. házi feladat 1. Egy borfajta alkoholtartalmának meghatározására méréseket végzünk. Az egyes mérések eredményei egymástól független valószínûségi változók, melyek normális eloszlásúak,
RészletesebbenÁttekintés a felhasznált lineáris algebrai ismeretekről.
Kiegészítés az előadássorozathoz. Áttekintés a felhasznált lineáris algebrai ismeretekről. A valószínűségszámítás (és a matematika) bizonyos kérdéseiben fontos szerepet játszik a lineáris algebra néhány
RészletesebbenRegressziószámítás alkalmazása kistérségi adatokon
Lengyel I. Lukovics M. (szerk.) 2008: Kérdıjelek a régiók gazdasági fejlıdésében. JATEPress, Szeged, 264-287. o. Regressziószámítás alkalmazása kistérségi adatokon Szakálné Kanó Izabella 1 A lokális térségek
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenGyakorló feladatok Anyagmérnök hallgatók számára
Gyakorló feladatok Anyagmérnök hallgatók számára. feladat Egy külkereskedelmi vállalat 7 ezer üvegből álló gyümölcskonzerv szállítmányt exportál. A nettó töltősúly ellenőrzése céljából egy 9 elemű véletlen
RészletesebbenLineáris algebrai módszerek a kombinatorikában
Lineáris algebrai módszerek a kombinatorikában Nagy V. Gábor SZTE Bolyai Intézet Eötvös Loránd Kollégium, Matematika Műhely Szeged, 2013. október 25. ELK 13 A Gyárfás Lehel-sejtés 1/21 Definíció. A G 1,...,
RészletesebbenWIL-ZONE TANÁCSADÓ IRODA
WIL-ZONE TANÁCSADÓ IRODA Berényi Vilmos vegyész, analitikai kémiai szakmérnök akkreditált minőségügyi rendszermenedzser regisztrált vezető felülvizsgáló Telefon és fax: 06-33-319-117 E-mail: info@wil-zone.hu
Részletesebbenkonfidencia-intervallum Logikai vektorok az R-ben 2012. március 14.
Valószínűség, pontbecslés, konfidencia-intervallum Logikai vektorok az R-ben 2012. március 14. Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós lineáris regresszió: mintavételi vonatkozások és modelljellemzés Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Harmadik
RészletesebbenMatematikai modellalkotás
Konferencia A Korszerű Oktatásért Almássy Téri Szabadidőközpont, 2004. november 22. Matematikai modellalkotás (ötletek, javaslatok) Kosztolányi József I. Elméleti kitekintés oktatási koncepciók 1. Realisztikus
RészletesebbenHipotézis-ellenırzés (Statisztikai próbák)
Következtetı statisztika 5. Hipotézis-elleırzés (Statisztikai próbák) 1 Egymitás próbák Átlagra, aráyra, Szórásra Hipotézis-vizsgálat Áttekités Egymitás em paraméteres próbák Függetleségvizsgálat Illeszkedésvizsgálat
RészletesebbenKÖZGAZDASÁGI ALAPISMERETEK (ELMÉLETI GAZDASÁGTAN)
ÉRETTSÉGI VIZSGA 2008. május 26. KÖZGAZDASÁGI ALAPISMERETEK (ELMÉLETI GAZDASÁGTAN) EMELT SZINTŰ ÍRÁSBELI VIZSGA 2008. május 26. 8:00 Az írásbeli vizsga időtartama: 180 perc Pótlapok száma Tisztázati Piszkozati
RészletesebbenGrant Thornton Valuation. Tudásmenedzsment
Grant Thornton Valuation Tudásmenedzsment Küldetés A tudásmenedzsment projekt célja, hogy az értékeléssel összefüggésben meglévő tudás, gyakorlat, információ összegzésre kerüljön széles szakmai közönség
RészletesebbenLineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer
Lineáris programozás Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Feladat: Egy gyár kétféle terméket gyárt (A, B): /db Eladási ár 1000 800 Technológiai önköltség 400 300 Normaóraigény
RészletesebbenTENZORSZÁMÍTÁS INDEXES JELÖLÉSMÓDBAN
Kozák Imre Szeidl György TENZORSZÁMÍTÁS INDEXES JELÖLÉSMÓDBAN Második, bővített kiadás MISKOLC 2013 Kozák Imre Szeidl György TENZORSZÁMÍTÁS INDEXES JELÖLÉSMÓDBAN Második, bővített kiadás MISKOLC 2013
RészletesebbenKorreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés
RészletesebbenSzéchenyi István Egyetem, 2005
Gáspár Csaba, Molnárka Győző Lineáris algebra és többváltozós függvények Széchenyi István Egyetem, 25 Vektorterek Ebben a fejezetben a geometriai vektorfogalom ( irányított szakasz ) erős általánosítását
RészletesebbenStatisztika II előadáslapok. 2003/4. tanév, II. félév
Statisztika II előadáslapok 3/4 tanév, II félév BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az
RészletesebbenElektromágneses terek gyakorlat - 6. alkalom
Elektromágneses terek gyakorlat - 6. alkalom Távvezetékek és síkhullám Reichardt András 2015. április 23. ra (evt/hvt/bme) Emt2015 6. alkalom 2015.04.23 1 / 60 1 Távvezeték
RészletesebbenStatisztika II. feladatok
Statisztika II. feladatok 1. Egy női ruhákat és kiegészítőket forgalmazó üzletlánc 118 egységénél felmérést végzett arról, milyen tényezők befolyásolják a havi összbevételüket (EUR). a) Pótolja ki a táblázatok
RészletesebbenFunkcionálanalízis az alkalmazott matematikában
EÖTVÖS LORÁND TUDOMÁNYEGYETEM INFORMATIKAI KAR Simon Péter Funkcionálanalízis az alkalmazott matematikában egyetemi jegyzet A jegyzet az ELTE IK 2010. évi Jegyzettámogatási pályázat támogatásával készült
RészletesebbenGAZDASÁGI STATISZTIKA
GAZDASÁGI STATISZTIKA Dr. Kun István GÁBOR DÉNES FŐISKOLA Tantárgy: Gazdasági statisztika Kódszám: 224 Lapszám: 1 TÉMAKÖRÖK A STATISZTIKA ALAPFOGALMAI STATISZTIKAI SOROK STATISZTIKAI TÁBLÁK ÖSSZETETT VISZONYSZÁMOK
RészletesebbenKVANTITATÍV MÓDSZEREK
KVANTITATÍV MÓDSZEREK Dr. Kövesi János Tóth Zsuzsanna Eszter 6 Tartalomjegyzék Kvantitatív módszerek. Valószínűségszámítási tételek. eltételes valószínűség. Események függetlensége.... 3.. eltételes valószínűség...
RészletesebbenBemenet modellezése II.
Bemenet modellezése II. Vidács Attila 2005. november 3. Hálózati szimulációs technikák, 2005/11/3 1 Kiszolgálási id k modellezése Feladat: Egy bemeneti modell felállítása egy egy kiszolgálós sorbanállási
RészletesebbenSTATISZTIKA PRÓBAZH 2005
STATISZTIKA PRÓBAZH 2005 1. FELADATSOR: számítógépes feladatok (még bővülni fog számítógép nélkül megoldandó feladatokkal is) Használjuk a Dislexia Excel fájlt (internet: http:// starts.ac.uk)! 1.) Hasonlítsuk
Részletesebben2. OPTIKA 2.1. Elmélet 2.1.1. Geometriai optika
2. OPTIKA 2.1. Elmélet Az optika tudománya a látás élményéből fejlődött ki. A tárgyakat azért látjuk, mert fényt bocsátanak ki, vagy a rájuk eső fényt visszaverik, és ezt a fényt a szemünk érzékeli. A
RészletesebbenÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ
Szolnoki Főiskola Üzleti Fakultás, 5000 Szolnok, Tiszaligeti sétány ÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ A 4/1996. (I. 18.) Korm. rendelet a közgazdasági felsőoktatás alapképzési szakjainak képesítési
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
RészletesebbenStatisztikai programcsomagok
Statisztikai programcsomagok Sz cs Gábor Szegedi Tudomáyegyetem, Bolyai Itézet Szeged, 2012. tavaszi félév Sz cs Gábor (SZTE, Bolyai Itézet) Statisztikai programcsomagok 2012. tavaszi félév 1 / 26 Bevezetés
RészletesebbenStatisztikai 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
Részletesebbenstatisztikai menürendszere Dr. Vargha András 2007
A statisztikai menürendszere Dr. Vargha András 2007 2 tartalomjegyzék 1. Alapok (egymintás elemzések Alapstatisztikák Részletesebb statisztikák számítása Gyakorisági eloszlás, hisztogram készítése Középértékekre
RészletesebbenKomputer statisztika gyakorlatok
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Komputer statisztika gyakorlatok Eger, 2010. október 26. Tartalomjegyzék Előszó 4 Jelölések 5 1. Mintagenerálás 7 1.1. Egyenletes
Részletesebben1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit.
1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Határozza meg az átlagos egyedszámot és a szórást. Egyedszám (x i )
RészletesebbenBEVEZETÉS AZ ÁBRÁZOLÓ GEOMETRIÁBA
Pék Johanna BEVEZETÉS AZ ÁBRÁZOLÓ GEOMETRIÁBA (Matematika tanárszakos hallgatók számára) Tartalomjegyzék Előszó ii 0. Alapismeretek 1 0.1. Térgeometriai alapok............................. 1 0.2. Az ábrázoló
RészletesebbenAlapfogalmak áttekintése. Pszichológiai statisztika, 1. alkalom
Alapfogalmak áttekintése Pszichológiai statisztika, 1. alkalom Hipotézisek Milyen a jó null hipotézis?? H0: Léteznek kitőnı tanuló diszlexiások.? H1: Nem léteznek. Sokkal inkább: H0: Nincs diszlexiás kitőnı
RészletesebbenSZAKDOLGOZAT. Takács László
SZAKDOLGOZAT Takács László 2012 SZEGEDI TUDOMÁNYEGYETEM Természettudományi és Informatikai Kar Geometria Tanszék Matematika Bsc_LAK SZAKDOLGOZAT Kísérlettervezés latin négyzetek felhasználásával Készítette:
RészletesebbenSTATISZTIKA I. Tantárgykódok. Oktatók. Időbeosztás. Tematika. http://www.agr.unideb.hu/~huzsvai. 1. Előadás Bevezetés, a statisztika szerepe
Tantárgykódok STATISZTIKA I. GT_APSN018 GT_AKMN021 GT_ATVN020 1. Előadás Bevezetés, a statisztika szerepe Oktatók Előadó: Dr. habil. Huzsvai László tanszékvezető Gyakorlatvezetők: Dr. Balogh Péter Dr.
RészletesebbenVizsgafeladatok 1. Feladat korrelációs mérőszámok lineáris regresszió fügvénnyel 2. Feladat Korreláció regresszió 3. feladat
Vizsgafeladatok 1. Feladat (10+3+3+3=19 pont) (2012. május 29.) Véletlenszerűen kiválasztott 100 felnőttkorú esetében vizsgálták az életkor és a vér koleszterin koncentrációjának (gramm/liter) összefüggését.
RészletesebbenTómács Tibor. Matematikai statisztika
Tómács Tibor Matematikai statisztika Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Matematikai statisztika Eger, 01 Szerző: Dr. Tómács Tibor főiskolai docens Eszterházy Károly
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellszelekció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Negyedik előadás, 2010. október
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 00-. I. Félév . fejezet Számhalmazok és tulajdonságaik.. Nevezetes számhalmazok ➀ a) jelölése: N b) elemei:
RészletesebbenDebreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet
Debrecei Egyetem Közgazdaság- és Gazdaságtudomáyi Kar Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz a megoldásra feltétleül ajálott feladatokat jelöli e feladatokat a félév végére megoldottak
RészletesebbenJANUS PANNONIUS TUDOMÁNYEGYETEM. Schipp Ferenc ANALÍZIS I. Sorozatok és sorok
JANUS PANNONIUS TUDOMÁNYEGYETEM Schipp Ferenc ANALÍZIS I. Sorozatok és sorok Pécs, 1994 Lektorok: Dr. FEHÉR JÁNOS egyetemi docens, kandidtus. Dr. SIMON PÉTER egyetemi docens, kandidtus 1 Előszó Ez a jegyzet
RészletesebbenMatematika III. 8. A szórás és a szóródás egyéb mérőszámai Prof. Dr. Závoti, József
Matematika III. 8. A szórás és a szóródás egyéb Prof. Dr. Závoti, József Matematika III. 8. : A szórás és a szóródás egyéb Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027
RészletesebbenStatisztika, próbák Mérési hiba
Statisztika, próbák Mérési hiba ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián:
RészletesebbenElső sorozat (2000. május 22. du.) 1. Oldjamegavalós számok halmazán a. cos x + sin2 x cos x. +sinx +sin2x =
2000 Írásbeli érettségi-felvételi feladatok Első sorozat (2000. május 22. du.) 1. Oldjamegavalós számok halmazán a egyenletet! cos x + sin2 x cos x +sinx +sin2x = 1 cos x (9 pont) 2. Az ABCO háromszög
RészletesebbenParaméteres-, összesítı- és módosító lekérdezések
Paraméteres-, összesítı- és módosító lekérdezések Kifejezések lekérdezésekben mezıként és feltételként is megadhatjuk. A kifejezés tartalmazhat: adatot - állandót (pl. városlátogatás, 5000, Igen, 2002.07.31.)
RészletesebbenNT-17102 Matematika 9. (Heuréka) Tanmenetjavaslat
NT-17102 Matematika 9. (Heuréka) Tanmenetjavaslat Ezzel a segédanyaggal szeretnék segítséget nyújtani a középiskolák azon matematikatanárainak, akik a matematikai oktatáshoz és neveléshez Dr. Fried Katalin
RészletesebbenMunkafüzet megoldások 7. osztályos tanulók számára. Makara Ágnes Bankáné Mező Katalin Argayné Magyar Bernadette Vépy-Benyhe Judit
Kalandtúra 7. unkafüzet megoldások 7. osztályos tanulók számára akara Ágnes Bankáné ező Katalin Argayné agyar Bernadette Vépy-Benyhe Judit BEELEGÍTŐ GONDOLKODÁS. SZÓRAKOZTATÓ FELADVÁNYOK. oldal. 6... 6.
RészletesebbenDifferenciál egyenletek
Galik Zsófia menedzser hallgató Differenciál egyenletek osztályzása Differenciál egyenletek A differenciálegyenletek olyan egyenletek a matematikában (közelebbről a matematikai analízisben), melyekben
RészletesebbenElektromágneses hullámok - Hullámoptika
Bevezetés a modern fizika fejezeteibe 2. (c) Elektromágneses hullámok - Hullámoptika Utolsó módosítás: 2015. január 17. 1 Az elektromágneses hullámok visszaverődési és törési törvényei (1) Kérdés: Mi történik
RészletesebbenEGYENLETEK, EGYENLŐTLENSÉGEK, EGYENLETRENDSZEREK
X. Témakör: feladatok 1 Huszk@ Jenő X.TÉMAKÖR EGYENLETEK, EGYENLŐTLENSÉGEK, EGYENLETRENDSZEREK Téma Egyenletek, egyenlőtlenségek grafikus megoldása Egyszerűbb modellalkotást igénylő, elsőfokú egyenletre
RészletesebbenStatisztikai módszerek
Statisztikai módszerek A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségavító szabályozásra van szükség. A statisztikai
RészletesebbenNyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 6. MA3-6 modul. A statisztika alapfogalmai
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 6. MA3-6 modul A statisztika alapfogalmai SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999.
RészletesebbenMatematikai programozás gyakorlatok
VÁRTERÉSZ MAGDA Matematikai programozás gyakorlatok 2003/04-es tanév 1. félév Tartalomjegyzék 1. Számrendszerek 3 1.1. Javasolt órai feladat.............................. 3 1.2. Javasolt házi feladatok.............................
RészletesebbenMATEMATIKA TANMENET SZAKKÖZÉPISKOLA 11.E OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA
MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS MELLÉKLET Tanmenetborító Azonosító: ME-III.1./1 Változatszám: 2 Érvényesség 2013. 09. 01. kezdete: Oldal/összes: 1/5 Fájlnév: ME- III.1.1.Tanmenetborító SZK- DC-2013 MATEMATIKA
RészletesebbenFeladatok és megoldások a 6. heti eladshoz
Feladatok és megoldások a 6. heti eladshoz Építőkari Matematika A3 1. Ha E(X = 1 és D 2 (X = 5, határozzuk meg (a E[(2 + X 2 ], (b D 2 (4 + 3X értékét. 2. Legyenek X 1, X 2,... független azonos eloszlású
RészletesebbenMiskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR. Analízis I. példatár. (kidolgozott megoldásokkal) elektronikus feladatgyűjtemény
Miskolci Egyetem GÉPÉSZMÉRNÖKI ÉS INFORMATIKAI KAR Analízis I. példatár kidolgozott megoldásokkal) elektronikus feladatgyűjtemény Összeállította: Lengyelné Dr. Szilágyi Szilvia Miskolc, 013. Köszönetnyilvánítás
RészletesebbenTájékoztató a kiüríthetőség ellenőrzéséről (2015. 08. 07.)
Tájékoztató a kiüríthetőség ellenőrzéről (2015. 08. 07.) A mellékelt táblázatok rzletezik a kiürít első második szakaszának vizsgálatát, a eket a kiürít ellenőrzének lehetséges módjait. A táblázatokban
RészletesebbenHaladó. Jegyzet: Brealey/Myers: Modern vállalati pénzügyek II.
Haladó vállalati pénzügyek Jegyzet: Brealey/Myers: Modern vállalati pénzügyek II. Kockázatdiagnosztikai és kezelési eszközök Kockázat és bizonytalanság Bizonytalanság nem ismerjük a kimeneteket és/vagy
RészletesebbenMATEMATIKA GYAKORLÓ FELADATGYŰJTEMÉNY
MATEMATIKA GYAKORLÓ FELADATGYŰJTEMÉNY (Kezdő 9. évfolyam) A feladatokat a Borbás Lászlóné MATEMATIKA a nyelvi előkészítő évfolyamok számára című könyv alapján állítottuk össze. I. Számok, műveletek számokkal.
RészletesebbenGEOGRAPHICAL ECONOMICS
GEOGRAPHICAL ECONOMICS ELTE TáTK Közgazdaságtudományi Tanszék Regionális gazdaságtan A MONOPOLISZTIKUS VERSENY ÉS A DIXITSTIGLITZ-MODELL Készítette: Békés Gábor és Rózsás Sarolta Szakmai felel s: Békés
RészletesebbenMódszertani Intézeti Tanszéki Osztály
BGF Módszertani ntézeti Tanszéki Osztály Budaest,. Név:... ód:...... Eredmény:..... STATSZTA. ZSGA; NG M ÉS G TQM SZAOON MNTAZSGA Feladatok.. 3. 4. 5. 6. Összesen Szerezhető ontszám 8 7 8 6 Elért ontszám
RészletesebbenMatematika POKLICNA MATURA
Szakmai érettségi tantárgyi vizsgakatalógus Matematika POKLICNA MATURA A tantárgyi vizsgakatalógus a 0-es tavaszi vizsgaidőszaktól kezdve alkalmazható mindaddig, amíg új nem készül. A katalógus érvényességét
RészletesebbenNUMERIKUS MÓDSZEREK FARAGÓ ISTVÁN HORVÁTH RÓBERT. Ismertető Tartalomjegyzék Pályázati támogatás Gondozó
FARAGÓ ISTVÁN HORVÁTH RÓBERT NUMERIKUS MÓDSZEREK 2011 Ismertető Tartalomjegyzék Pályázati támogatás Gondozó Szakmai vezető Lektor Technikai szerkesztő Copyright Az Olvasó most egy egyetemi jegyzetet tart
RészletesebbenJárműpark üzemeltetési rendszere vizsgálatának Markov típusú folyamatmodellje
Széchenyi Isván Egyeem Járműpark üzemeleési rendszere vizsgálaának Markov ípusú folyamamodellje Dr. Zvikli Sándor f. anár Széchenyi Isván Egyeem, Győr Közlekedésudományi konferencia Győr, 2 március 24-25
RészletesebbenMATEMATIKA KOMPETENCIATERÜLET A
MATEMATIKA KOMPETENCIATERÜLET A Matematika 7. évfolyam TANULÓI MUNKAFÜZET 2. félév A kiadvány KHF/4002-17/2008 engedélyszámon 2008. 08. 18. időponttól tankönyvi engedélyt kapott Educatio Kht. Kompetenciafejlesztő
RészletesebbenCsődvalószínűségek becslése a biztosításban
Csődvalószínűségek becslése a biztosításban Diplomamunka Írta: Deák Barbara Matematikus szak Témavezető: Arató Miklós, egyetemi docens Valószínűségelméleti és Statisztika Tanszék Eötvös Loránd Tudományegyetem,
RészletesebbenBIOMETRIA_ANOVA_2 1 1
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenKISTERV2_ANOVA_
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
Részletesebben148 feladat 21 + + 20 20 ) + ( 1 21 + 2 200 > 1 2. 1022 + 1 51 + 1 52 + + 1 99 2 ) (1 1 100 2 ) =?
148 feladat a Kalmár László Matematikaversenyről 1. ( 1 19 + 2 19 + + 18 19 ) + ( 1 20 + 2 20 + + 19 20 ) + ( 1 21 + 2 21 + + 20 21 ) + ( 1 22 + 2 22 + + 21 22 ) =? Kalmár László Matematikaverseny megyei
RészletesebbenNemzeti versenyek 11 12. évfolyam
Nemzeti versenyek 11 12. évfolyam Szerkesztette: I. N. Szergejeva 2015. február 2. Technikai munkák (MatKönyv project, TEX programozás, PHP programozás, tördelés...) Dénes Balázs, Grósz Dániel, Hraskó
RészletesebbenModern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 1. mérés: Hımérsékleti sugárzás. 2008. április 15.
Modern Fizika Labor Fizika BSc A mérés dátuma: A mérés száma és címe: 1. mérés: Hımérsékleti sugárzás Értékelés: A beadás dátuma: 2008. április 29. A mérést végezte: 1/8 A mérés célja A mérés célja volt,
RészletesebbenGyakorló feladatok a Közönséges dierenciálegyenletek kurzushoz
Gyakorló feladatok a Közönséges dierenciálegyenletek kurzushoz Vas Gabriella 204. február A feladatgy jtemény a TÁMOP-4.2.4.A/2-/-202-000 azonosító számú Nemzeti Kiválóság Program Hazai hallgatói, illetve
RészletesebbenBevezetés az ökonometriába
Az idősorelemzés alapjai Gánics Gergely 1 gergely.ganics@freemail.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Tizenegyedik előadas Tartalom Stacionaritás kérdései 1 Stacionaritás kérdései 2 3 (Nem)stacionaritás
RészletesebbenFeladatok MATEMATIKÁBÓL a 12. évfolyam számára
Feladatok MATEMATIKÁBÓL a. évfolyam számára I.. Egy 35 fős osztályból mindenki részvett valamelyik iskolai kiránduláson. 5-en Debrecenbe utaztak, 8-an pedig Pécsre. Hányan utaztak mindkét városba?. Állapítsa
RészletesebbenFOLYADÉKOK ÉS GÁZOK MECHANIKAI TULAJDONSÁGAI
FOLYADÉKOK ÉS GÁZOK MECHANIKAI TULAJDONSÁGAI A gázok és gzök egyharmad hangsebesség alatti áramlása nem mutat eltérést a folyadékok áramlásánál. Emiatt nem mindig szükséges a kétféle halmazállaot megkülönböztetése.
RészletesebbenMATEMATIKA TANMENET SZAKKÖZÉPISKOLA 9.A-9.C-9.D OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA
MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS MELLÉKLET Tanmenetborító Azonosító: ME-III.1./1 Változatszám: 2 Érvényesség 2013. 01. 01. kezdete: Oldal/összes: 1/5 Fájlnév: ME- III.1.1.Tanmenetborító SZK- DC-2013 MATEMATIKA
RészletesebbenVálasz Szőnyi Tamásnak az Optimális térlefedő kódok kutatása című doktori értekezés opponensi bírálatára
Válasz Szőnyi Tamásnak az Optimális térlefedő kódok kutatása című doktori értekezés opponensi bírálatára Mindenekelőtt szeretném megköszönni Szőnyi Tamásnak, az MTA doktorának a támogató véleményét. Kérdést
RészletesebbenEsetelemzés az SPSS használatával
Esetelemzés az SPSS használatával A gepj.sav fileban négy különböző típusú, összesen 80 db gépkocsi üzemanyag fogyasztási adatai találhatók. Vizsgálja meg, hogy befolyásolja-e az üzemanyag fogyasztás mértékét
RészletesebbenMATEMATIKA ÉRETTSÉGI 2012. május 8. EMELT SZINT I.
MATEMATIKA ÉRETTSÉGI 01. május 8. EMELT SZINT I. 1) Egy 011-ben készült statisztikai összehasonlításban az alábbiakat olvashatjuk: Ha New York-ban az átlagfizetést és az átlagos árszínvonalat egyaránt
RészletesebbenSoukup Dániel, Matematikus Bsc III. év Email cím: dsoukup123@gmail.com Témavezető: Szentmiklóssy Zoltán, egyetemi adjunktus
Síktopológiák a Sorgenfrey-egyenes ötletével Soukup Dániel, Matematikus Bsc III. év Email cím: dsoukup123@gmail.com Témavezető: Szentmiklóssy Zoltán, egyetemi adjunktus 1. Bevezetés A Sorgenfrey-egyenes
RészletesebbenOktatási segédlet REZGÉSCSILLAPÍTÁS. Dr. Jármai Károly, Dr. Farkas József. Miskolci Egyetem
Oktatási segélet REZGÉSCSILLAPÍTÁS a Nemzetközi Hegesztett Szerkezettervező mérnök képzés hallgatóinak Dr. Jármai Károly, Dr. Farkas József Miskolci Egyetem 4 - - A szerkezeteket különböző inamikus hatások
RészletesebbenHraskó András, Surányi László: 11-12. spec.mat szakkör Tartotta: Surányi László. Feladatok
Feladatok 1. Színezzük meg a koordinátarendszer rácspontjait két színnel, kékkel és pirossal úgy, hogy minden vízszintes egyenesen csak véges sok kék rácspont legyen és minden függőleges egyenesen csak
RészletesebbenSZTOCHASZTIKUS MÓDSZEREK
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR BUDAPESTI CORVINUS EGYETEM KÖZGAZDASÁGTUDOMÁNYI KAR SZTOCHASZTIKUS MÓDSZEREK A NEM-ÉLETBIZTOSÍTÁSOK TARTALÉKOLÁSÁBAN MSc szakdolgozat Írta: Orbán Barbara
RészletesebbenKÖZGAZDASÁGI ALAPISMERETEK (ELMÉLETI GAZDASÁGTAN)
ÉRETTSÉGI VIZSGA 2012. május 25. KÖZGAZDASÁGI ALAPISMERETEK (ELMÉLETI GAZDASÁGTAN) EMELT SZINTŰ ÍRÁSBELI VIZSGA 2012. május 25. 8:00 Az írásbeli vizsga időtartama: 180 perc Pótlapok száma Tisztázati Piszkozati
RészletesebbenDIFFERENCIAEGYENLETEK
DIFFERENCIAEGYENLETEK A gazdaság változómennyiségeit (jövedelem, fogyasztás, beruházás,...) általában bizonyos időszakonként (naponta, hetente, havonta, évente) figyeljük meg. Ha ezeket a megfigyeléseket
RészletesebbenPRÓBAÉRETTSÉGI MATEMATIKA. 2003. május-június SZÓBELI EMELT SZINT. Tanulói példány. Vizsgafejlesztő Központ
PRÓBAÉRETTSÉGI 2003. május-június MATEMATIKA SZÓBELI EMELT SZINT Tanulói példány Vizsgafejlesztő Központ 1. Halmazok, halmazműveletek Alapfogalmak, halmazműveletek, számosság, számhalmazok, nevezetes ponthalmazok
RészletesebbenLineáris regresszió vizsgálata resampling eljárással
Lineáris regresszió vizsgálata resampling eljárással Dolgozatomban az European Social Survey (ESS) harmadik hullámának adatait fogom felhasználni, melyben a teljes nemzetközi lekérdezés feldolgozásra került,
RészletesebbenMegoldások, megoldás ötletek (Jensen-egyenlőtlenség)
Megoldások, megoldás ötletek (Jensen-egyenlőtlenség) Mivel az f : 0; ; x sin x folytonos az értelmezési tartományán, ezért elég azt belátni, hogy szigorúan gyengén konkáv ezen az intervallumon Legyen 0
Részletesebben