Bevezetés az ökonometriába
|
|
- Adél Kozma
- 8 évvel ezelőtt
- Látták:
Átírás
1 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 előadás, szeptember 28.
2 Tartalom 1 Ismétlés Utóbbi előadások áttekintése 2 A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása 3 A többszörös determinációs együttható 4 Parciális korreláció Standardizált regresszió
3 Előző részeink tartalmából Utóbbi előadások áttekintése Ismerkedés az ökonometria fogalmával, feladataival, módszereivel Az ökonometriai modellalkotás menete Kétváltozós szóródás jellemzése Regresszió kétváltozós esetben Lineáris regresszió általában, többváltozós esetben
4 Legfontosabb eredmények képletekben Utóbbi előadások áttekintése A többváltozós lineáris regresszió matematikai kerete nagyon tömören: Ŷ = β 1 + β 2 X 2 + β 3 X β k X k û i = Y i Ŷi n 2 ESS = û i min β i=1 ESS Előrejelzés látható a fentiekből Értelmezés: koefficiensek (meredekség, tengelymetszet), elaszticitás
5 A mintavételi helyzet hatásai A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Az adatbázisunk alapján megkaptuk a regressziós egyenest ( β) De vigyázat: az adatbázis csak egy minta az eladásra kínált lakások sokkal bővebb sokaságából a β i paraméterek annak hatását is tükrözik, hogy konkrétan milyen mintát választottunk Mintavételi ingadozás lép fel (még akkor is, ha tökéletes a mintavétel, ennek tehát semmi köze pl. a reprezentativitáshoz) Tehát: az egyes β i paraméterek mintáról-mintára ingadoznak : minden mintából más paramétereket kapnánk (Természetesen reméljük, hogy az ingadozás kellemes tulajdonságokkal bír, például a valós érték körül történik, szorosan körülötte stb., erről később)
6 Az OLS mint becslőfüggvény A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Ha ismernénk az egész sokaságot, akkor arra lefuttatva megkaphatnánk a tökéletes β i paramétereket (értsd: nem terheli őket mintavételi hiba) Ezeket nevezzük sokasági vagy elméleti regressziós koefficienseknek Tehát: van egy sokasági paraméter, amit mi mintából próbálunk megsaccolni... nem ismerős? Ez épp a becslés statisztikai feladata! Az OLS tehát egy becslőfüggvény! (Mint az X csak kicsit bonyolultabb... ) ezért a kalap Vizsgálhatóak tehát a tulajdonságai, mint becslőfüggvény
7 OLS modellfeltevései A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Bizonyos feltételek teljesülése esetén az OLS szolgáltatta becslések BLUE-k (Gauss-Markov tétel): Best (minimális varianciájú) Linear (lineáris a mintaelemekben) Unbiased (torzítatlan) Ezért szeretjük az OLS-t! A feltételek amiknek teljesülnie kell (a nyilvánvalóakon túl): Homoszkedaszticitás Autokorrelálatlanság Ezeket együttesen szokás a lineáris modell standard modellfeltevéseinek nevezni később részletesen tárgyaljuk őket
8 Egy példa a BLUE tulajdonságra A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Például a szobaszám mintavételi eloszlása (csak szemléltetés: feltételeztük, hogy a valódi érték β Szobaszam = 1,18) Összekapcsoltan mutatja a mintáról-mintára ingadozást és a becslőfüggvény jellemzőit
9 Változó relevanciája A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Definíció (Változó relevanciája) Egy változót relevánsnak nevezünk, ha a sokasági paramétere nem nulla: β i 0. Elárulom, hogy a β i becsült regressziós koefficiensek mintavételi ingadozását a következő összefüggés írja le: β i β ( ) i t n k ŝe βi
10 Hipotézisvizsgálat változó relevanciájára A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Ez alapján már konstruálhatunk próbát változó relevanciájának vizsgálatára: 1 H 0 : β i = 0 2 Ekkor (azaz ha ez fennáll!) a t emp,i = β i ŝe( β kifejezés n k i) szabadságfokú t-eloszlást követ (nulleloszlás) 3 Számítsuk ki a konkrét t emp,i -t a mintánkból és döntsük el, hogy hihető-e, hogy t n k -ból származik A hipotézisvizsgálat elvégzéséhez szükséges minden tudnivalót a nullhipotézisen kívül összefoglal tehát a következő kifejezés (a későbbiekben is ezt a sémát fogjuk használni hipotézisvizsgálatok megadására): t emp,i = β ( i ) t n k. ŝe βi
11 A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Példa változó relevanciájának vizsgálatára Az alapterület példáján: hihető-e, hogy a 0,2964 0,0108 = 27,43 ebből az eloszlásból származik: 0.5 t(1398) Jellemzés: kritikus érték, p-érték
12 A gretl outputján A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása
13 Konfidenciaintervallum a paraméterekre A regresszió mintavételi szempontból A mintavételi eloszlás és hasznosítása Ez alapján könnyen szerkeszthető CI is, 1 α megbízhatósági szintre: ( ) β i ± t 1 α/2 ŝe βi. A gretl-ben (1 α = 0,95): Mi az összefüggés a CI és a p-érték között?
14 Modell jóságának viszonyítási pontjai A többszörös determinációs együttható A modell minősítéséhez kézenfekvő az ESS-t felhasználni Önmagában semmit nem ér, viszonyítani kell! Két kézenfekvő viszonyítási alap: Tökéletes (v. szaturált, perfekt modell): minden mintaelemre a pontos értéket becsüli û i = 0 ESS = 0 Nullmodell: semmilyen külső információt nem használ fel minden mintaelemet az átlaggal becsül. Definíció (Teljes négyzetösszeg, TSS) Egy adott regressziós modell teljes négyzetösszegének nevezzük a hozzá tartozó (tehát ugyanazon eredményváltozóra vonatkozó) nullmodell hibanégyzetösszegét: TSS = ESS null = n ( Yi Y ) 2. i=1
15 Hogyan jellemezzük modellünk jóságát? A többszörös determinációs együttható A minősítést képezzük a hol járunk az úton? elven: a tökéletesen rossz modelltől a tökéletesen jó modellig vezető út mekkora részét tettük meg Az út hossza TSS (= TSS 0), amennyit megtettünk : TSS ESS Definíció (Regressziós négyzetösszeg, RSS) Egy adott regressziós modell négyzetösszegének nevezzük a teljes négyzetösszegének és a hibanégyzetösszegének különbségét: RSS = TSS ESS.
16 Az új mutató bevezetése A többszörös determinációs együttható Ezzel az alkalmas modelljellemző mutató: Definíció (Többszörös determinációs együttható, R 2 ) Egy modell többszörös determinációs együtthatója (jele: RY X 2 1,...,X k, vagy ha a változók megadása nem fontos, egyszerűen R 2 ): R 2 = TSS ESS TSS = RSS TSS.
17 Az R 2 -ről bővebben A többszörös determinációs együttható Tulajdonság Minden regressziós modellre, amiben van konstans: 0 R 2 1. Hiszen ESS < TSS, ez a definíció alapján nyilvánvaló Ebből adódóan az R 2 egy modell jóságának legszéleskörűbben használt mutatója Értelmezhető %-ként: a magyarázó változók ismerete mennyiben csökkentette az eredményváltozó tippelésekor a bizonytalanságunkat (ahhoz képest, mintha nem ismertünk volna egyetlen magyarázó változót sem) De vigyázat: nagyságának megítélése, változók száma stb. A belőle vont pozitív négyzetgyököt többszörös korrelációs együtthatónak szokás nevezni
18 Az R 2 -ről bővebben A többszörös determinációs együttható Ha van konstans a modellben, akkor érvényes a következő felbontás: n ( Yi Y ) 2 n ( ) 2 n ) 2 = Y i Ŷi + (Ŷi Y i=1 i=1 i=1 (Négyzetek nélkül nyilvánvaló, de négyzetekkel is!) Röviden tehát: TSS = ESS + RSS Összevetve az előző definícióval, kapjuk hogy ) 2 RSS = (Ŷi Y
19 Egy megjegyzés a konstans szerepéről A többszörös determinációs együttható Az előzőek is motiválják, hogy megállapítsuk: konstanst mindenképp szerepltetünk a regresszióban, ha inszignifikáns, ha nem látszik különösebb értelme stb. akkor is! csak és kizárólag akkor hagyhatjuk el, ha az a modell tartalmából adódóan elméleti követelmény (erre látni fogunk nemsokára egy példát is, a standardizált regressziót) Ellenkező esetben (ún. konstans nélküli regresszió), a fenti felbontás nem teljesül, így a hol járunk az úton elven konstruált R 2 akár negatív is lehet!
20 Függetlenségvizsgálat A többszörös determinációs együttható A modellünk lényegesen különbözik-e a nullmodelltől? Tehát: van-e lényeges magyarázó ereje? Formálisan H 0 : β 2 = β 3 =... = β k = 0 Ha ez fennáll, szokás azt a megfogalmazást használni, hogy a modell egészében irreleváns (vö. változó irrelevanciája) Az ellenhipotézis nem az, hogy valamennyi változó releváns, hanem hogy van legalább egy, ami releváns!
21 Függetlenségvizsgálat A többszörös determinációs együttható A próba: RSS/ (k 1) F emp = ESS/ (n k) F k 1,n k ANOVA-tábla (a gretl-ben):
22 A parciális korreláció tartalma Parciális korreláció Standardizált regresszió Az eddig látott korrelációt mindig két változó között értelmezzük Megjelennek benne a többi változón keresztül terjedő hatások mit jelent ez megfogalmazás? Látszólagos korreláció jelensége (pl. félszobák száma és terület között) Ennek algebrai szűrésével (konkrét módszer most nem érdekes) nyerjük a parciális korrelációt Jelölése, pl. ha Y és X j között számítjuk, minden más magyarázó változó hatását szűrve: corr ( Y, X j.x 1, X 2,..., X j 1, X j+1,..., X k )
23 A parciális korrelációról Parciális korreláció Standardizált regresszió Olyan kontextusban, ahol ezt használjuk, a hagyományos korrelációt néha megkülönböztetésül totális korrelációnak nevezzük Egy érdekes összefüggés: corr ( ) t Y, X j.x 1, X 2,..., X j 1, X j+1,..., X k = j 2 tj 2 + (n k)
24 A standardizált regresszió logikája Parciális korreláció Standardizált regresszió Az eddig látott β i regressziós koefficiensek mértékegység-függőek mi is történik ha m 2 -ről áttérünk a cm 2 -re? Szeretnénk ettől megszabadulni: egy lehetőség, ha standardizáljuk az egész adatbázisunkat (eredményváltozót és magyarázó változókat is!) Ekkor lefuttatva a regressziót, a βi ún. standardizált regressziós koefficienseket nyerjük Érvényes a β i = β i σx i σy összefüggés (azaz a standardizált együtthatók megkapásához nem kell ténylegesen standardizálni az adatbázist)
25 A standardizált regresszió értelme Parciális korreláció Standardizált regresszió Ezek értelmezése: mint a szokásos regressziós együttható, de szórásnyi változásokat köt össze szórásnyi változóssal A szokásos β i koefficiensek nem alkalmasak a hozzájuk tartozó változó hatásnagyságának jellemzésére (bár intuitíve nagyon is így tűnhet: jó naggyal kell szorozni, akkó biztos nagyon hat az eredményváltozóra ) ld. a mértékegységfüggést A βi standardizált koefficiensek viszont már (persze csak mint heurisztikus mérőszámok) alkalmasak erre! Még egy érdekes összefüggés (R 2 alternatív számítása): R 2 = n β i corr (Y, X i ). i=1
Bevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellszelekció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Negyedik előadás, 2010. október
Részletesebben11. Matematikai statisztika
11. Matematikai statisztika 11.1. Alapfogalmak A statisztikai minta valamely valószínűségi változóra vonatkozó véges számú független kisérlet eredménye. Ez véges sok, azonos eloszlású valószínűségi változó
RészletesebbenÖkonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem
Adminisztratív kérdések, bevezetés Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Első fejezet Tartalom Technikai kérdések 1 Technikai kérdések Adminisztratív
RészletesebbenSZTOCHASZTIKUS MÓDSZEREK
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR BUDAPESTI CORVINUS EGYETEM KÖZGAZDASÁGTUDOMÁNYI KAR SZTOCHASZTIKUS MÓDSZEREK A NEM-ÉLETBIZTOSÍTÁSOK TARTALÉKOLÁSÁBAN MSc szakdolgozat Írta: Orbán Barbara
RészletesebbenÁltalános statisztika II. Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László
Általános statisztika II Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Általános statisztika II Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Publication
RészletesebbenIlleszkedésvizsgálat χ 2 -próbával
Illeszkedésvizsgálat χ -próbával Szalay Krisztina 1. feladat (tiszta illeszkedésvizsgálat) Négy pénzérmét 0-szor feldobunk. A kapott gyakoriságok: fejek száma 0 1 3 4 Összes gyakoriság 5 35 67 41 1 0 Elfogadható-e
RészletesebbenSZENT ISTVÁN EGYETEM, GÖDÖLLŐ Gazdálkodás- és Szervezéstudományok Doktori Iskola. DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI
SZENT ISTVÁN EGYETEM, GÖDÖLLŐ Gazdálkodás- és Szervezéstudományok Doktori Iskola DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI A TERMŐFÖLD KÖZGAZDASÁGI ÉRTÉKE ÉS PIACI ÁRA Készítette: Naárné Tóth Zsuzsanna Éva Gödöllő
RészletesebbenStatisztikai módszerek alkalmazása az orvostudományban. Szentesi Péter
Statisztikai módszerek alkalmazása az orvostudományban Szentesi Péter Az orvosi munkahipotézis ellenőrzése statisztikai módszerekkel munkahipotézis mérlegelés differenciáldiagnosztika mi lehet ez a más
RészletesebbenDifferenciaegyenletek
Differenciaegyenletek Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Losonczi László (DE) Differenciaegyenletek 1 / 24 3.1 Differenciaegyenlet fogalma, egzisztencia- és unicitástétel
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:
RészletesebbenReiczigel Jenő, 2006 1
Reiczigel Jenő, 2006 1 Egytényezős (egyszempontos) varianciaelemzés k független minta (k kezelés vagy k csoport), a célváltozó minden csoportban normális eloszlású, a szórások azonosak, az átlagok vagy
RészletesebbenRegresszió a mintában: következtetés
Ferenci Tamás tamas.ferenci@medstat.hu 2018. február 7. Tartalom Az OLS elv és használata a lineáris regresszió becslésére 1 Az OLS elv és használata a lineáris regresszió becslésére Az OLS-elv A lineáris
RészletesebbenPopulációbecslések és monitoring 2. előadás tananyaga
Populációbecslések és monitoring 2. előadás tananyaga 1. A becslések szerepe az ökológiában. (Demeter és Kovács 1991) A szabadon élő állatok egyedszámának kérdése csak bizonyos esetekben merül fel. De
RészletesebbenMűszerek tulajdonságai
Műszerek tulajdonságai 1 Kiválasztási szempontok Műszerek kiválasztásának általános szempontjai mérendő paraméter alkalmazható mérési elv mérendő érték, mérési tartomány környezeti tényezők érzékelő mérete
RészletesebbenÖkonometriai modellek paraméterei: számítás és értelmezés
Ökonometriai modellek paraméterei: számítás és értelmezés Írta: Werger Adrienn, Renczes Nóra, Pereszta Júlia, Vörösházi Ágota, Őzse Adrienn Javította és szerkesztette: Ferenci Tamás (tamas.ferenci@medstat.hu)
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
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
RészletesebbenHipotézisvizsgálat. A sokaság valamely paraméteréről állítunk valamit,
II. Hipotézisvizsgálat Lényege: A sokaság valamely paraméteréről állítunk valamit, majd az állításunk helyességét vizsgáljuk. A hipotézisvizsgálat eszköze: a statisztikai próba Menete: 1.Hipotézisek matematikai
RészletesebbenII. A következtetési statisztika alapfogalmai
II. A következtetési statisztika alapfogalmai Tartalom Statisztikai következtetések A véletlen minta fogalma Pontbecslés és hibája Intervallumbecslés A hipotézisvizsgálat alapfogalmai A legegyszerűbb statisztikai
Részletesebben1. A standard lineáris regressziós modell és feltevései
Tartalom Tartalomjegyzék 1. A standard lineáris regressziós modell és feltevései 1 1.1. A standard lineáris modell modellfeltevései..................... 1 1.2. A standard modellfeltevések értelme és jelentősége.................
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:
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
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
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
RészletesebbenKomplex számok. 2014. szeptember 4. 1. Feladat: Legyen z 1 = 2 3i és z 2 = 4i 1. Határozza meg az alábbi kifejezés értékét!
Komplex számok 014. szeptember 4. 1. Feladat: Legyen z 1 i és z 4i 1. (z 1 z ) (z 1 z ) (( i) (4i 1)) (6 9i 8i + ) 8 17i 8 + 17i. Feladat: Legyen z 1 i és z 4i 1. Határozza meg az alábbi kifejezés értékét!
RészletesebbenÖkonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék
Dummy változók használata Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik fejezet Tartalom IV. esettanulmány 1 IV. esettanulmány Uniós országok munkanélkülisége
Részletesebben(összevont laboratóriumi tananyag I.) Szerzők: az ELTE Természettudományi Kar oktatói. Szerkesztette: Havancsák Károly
FIZIKAI MÉRÉSEK (összevont laboratóriumi tananyag I.) Szerzők: az ELTE Természettudományi Kar oktatói Szerkesztette: Havancsák Károly Lektorálta: Kemény Tamás ELTE 2013 Tartalomjegyzék 1. Amit már az elején
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
Részletesebben2. Hőmérséklet érzékelők vizsgálata, hitelesítése folyadékos hőmérő felhasználásával.
2. Hőmérséklet érzékelők vizsgálata, hitelesítése folyadékos hőmérő felhasználásával. A MÉRÉS CÉLJA Az elterjedten alkalmazott hőmérséklet-érzékelők (ellenállás-hőmérő, termisztor, termoelem) megismerése,
RészletesebbenMatematikai statisztikai elemzések 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések. MSTE modul Kapcsolatvizsgálat: asszociáció vegyes kapcsolat korrelációszámítás. Varianciaanalízis
RészletesebbenFELADATOK ÉS MEGOLDÁSOK
3. osztály Egy asztal körül 24-en ülnek, mindannyian mindig igazat mondanak. Minden lány azt mondja, hogy a közvetlen szomszédjaim közül pontosan az egyik fiú, és minden fiú azt mondja, hogy mindkét közvetlen
RészletesebbenDefine Measure Analyze Improve Control. F(x), M(ξ),
5.5.5. Six Sigma Minőségmenedzsment Statisztikai folyamatszabályozási (SPC) rendszer Erdei János Egy fegyelmezett és erősen mennyiségi szemléletű folyamatfejlesztési megközelítés, amely a gyártási, szolgáltatási
RészletesebbenTARTALOMJEGYZÉK ELŐSZÓ... 7 1. GONDOLKOZZ ÉS SZÁMOLJ!... 9 2. HOZZÁRENDELÉS, FÜGGVÉNY... 69
TARTALOMJEGYZÉK ELŐSZÓ............................................................ 7 1. GONDOLKOZZ ÉS SZÁMOLJ!............................. 9 Mit tanultunk a számokról?............................................
RészletesebbenModern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 9. mérés: Röntgen-fluoreszcencia analízis. 2008. április 22.
Modern Fizika Labor Fizika BSc A mérés dátuma: 28. április 22. A mérés száma és címe: 9. mérés: Röntgen-fluoreszcencia analízis Értékelés: A beadás dátuma: 28. május 5. A mérést végezte: Puszta Adrián,
RészletesebbenÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június
ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék az MTA Közgazdaságtudomány
Részletesebben23. ISMERKEDÉS A MŰVELETI ERŐSÍTŐKKEL
23. ISMEKEDÉS A MŰVELETI EŐSÍTŐKKEL Céltűzés: A műveleti erősítők legfontosabb tlajdonságainak megismerése. I. Elméleti áttentés A műveleti erősítők (továbbiakban: ME) nagy feszültségerősítésű tranzisztorokból
RészletesebbenHosszú élettartamú fényforrások megbízhatóságának vizsgálata Tóth Zoltán. 1. Bevezetés
Tóth Zoltán A cikk bemutatja, hogy tipikusan milyen formában adják meg a gyártók az élettartamgörbéket, ezek különböző fajtáit, hogyan kell értelmezni őket. Kitér néhány felhasználási területetre, például
RészletesebbenStatisztika I. 6. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 6. előadás Előadó: Dr. Ertsey Imre GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE szorosan kapcsolódik a szóródás elemzéshez, elméleti
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
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...
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,
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
RészletesebbenSzeminárium-Rekurziók
1 Szeminárium-Rekurziók 1.1. A sorozat fogalma Számsorozatot kapunk, ha pozitív egész számok mindegyikéhez egyértelműen hozzárendelünk egy valós számot. Tehát a számsorozat olyan függvény, amelynek az
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
RészletesebbenSlovenská komisia Fyzikálnej olympiády 49. ročník Fyzikálnej olympiády v školskom roku 2007/2008
Slovenská komisia Fyzikálnej olympiády 49. ročník Fyzikálnej olympiády v školskom roku 2007/2008 Szlovákiai Fizikai Olimpiász Bizottság Fizikai Olimpiász 49. évfolyam, 2007/2008-as tanév Az FO versenyzıinek
RészletesebbenMéréssel kapcsolt 3. számpélda
Méréssel kapcsolt 3. számpélda Eredmények: m l m 1 m 3 m 2 l l ( 2 m1 m2 m l = 2 l2 ) l 2 m l 3 = m + m2 m1 Méréssel kapcsolt 4. számpélda Állítsuk össze az ábrán látható elrendezést. Használjuk a súlysorozat
Részletesebben- az egyik kiemelked fontosságú állapotjelz a TD-ban
Alapvet fizikai-kémiai mennyiségek (állapotjelzk) mérése Melyek ezek? m T, p, V, m, = ρ v A hmérséklet, T: - SI alapmennyiség, mértékegysége a K. - az egyik kiemelked fontosságú állapotjelz a TD-ban -
RészletesebbenPólya-féle urnamodell II.
2012. szeptember 5, 15:30 KöMaL, 2012. szeptember (1. lap) Pólya-féle urnamodell II. 4. Egyéb önmegerősítő folyamatok 4.1. Végtelen sok szín az urnában Korábban ígértük, hogy szót ejtünk arról, hogyan
RészletesebbenMINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia
MINİSÉGSZABÁLYOZÁS A GÉPIPARBAN Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia ISO 9000:2008 A STATISZTIKAI MÓDSZEREK HASZNÁLATÁRÓL A statisztikai módszerek
RészletesebbenDebrecen. Bevezetés A digitális képfeldolgozás közel hetven éves múlttal rendelkezik. A kezdeti problémák
VÁZKIJELÖLŐ ALGORITMUSOK A DIGITÁLIS KÉPFELDOLGOZÁSBAN Fazekas Attila Debrecen Összefoglalás: A digitális képfeldolgozásban vonalas ábrák feldolgozása során gyakran használatos a vázkijelölés. Ez a módszer
RészletesebbenÚJPATACSI Lakópark ALAPRAJZOK ELADÓ LAKÁSOK
ÚPT Lakópark LPRZOK LÓ LKÁOK elyszínrajz 2,0 2,6 2,0 8,21 6,27 Új fasor Új fasor W W 1 - új közútcsatlakozás járda kiemelt szegély 1. ütem előtér 1. ütemben megvalósuló 2. ütem előtér 2. ütemben megvalósuló
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
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
RészletesebbenElMe 6. labor. Helyettesítő karakterisztikák: Valódi karakterisztika 1 pontosabb számításoknál 2 közelítő számításoknál 3 ideális esetben
ElMe 6. labor 1. Rajzolja fel az ideális és a valódi dióda feszültség-áram jelleggörbéjét! 5. Hogyan szokás közelíteni a számítások során a dióda karakterisztikáját? 4. Rajzolja fel a dióda karakterisztikáját,
RészletesebbenKÖZGAZDASÁGI ALAPISMERETEK (ELMÉLETI GAZDASÁGTAN)
0801 ÉRETTSÉGI VIZSGA 009. május. KÖZGAZDASÁGI ALAPISMERETEK (ELMÉLETI GAZDASÁGTAN) EMELT SZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM JAVÍTÁSI ÚTMUTATÓ
RészletesebbenFYZIKÁLNA OLYMPIÁDA 53. ročník, 2011/2012 školské kolo kategória D zadanie úloh, maďarská verzia
FYZIKÁLNA OLYMPIÁDA 53. ročník, 2011/2012 školské kolo kategória D zadanie úloh, maďarská verzia 1. Biztonság az úton Egy úton, ahol kétirányú a közlekedés, az előzés néha kockázatos manőver. Különlegesen
RészletesebbenBiztosítási ügynökök teljesítményének modellezése
Eötvös Loránd Tudományegyetem Természettudományi Kar Budapest Corvinus Egyetem Közgazdaságtudományi Kar Biztosítási ügynökök teljesítményének modellezése Szakdolgozat Írta: Balogh Teréz Biztosítási és
RészletesebbenEGÉSZSÉGÜGYI DÖNTÉS ELŐKÉSZÍTŐ
EGÉSZSÉGÜGYI DÖNTÉS ELŐKÉSZÍTŐ MODELLEZÉS Brodszky Valentin, Jelics-Popa Nóra, Péntek Márta BCE Közszolgálati Tanszék A tananyag a TÁMOP-4.1.2/A/2-10/1-2010-0003 "Képzés- és tartalomfejlesztés a Budapesti
RészletesebbenOKM 2012 ISKOLAI JELENTÉS A 4. ÉVFOLYAMOS ORSZÁGOS KÉSZSÉG ÉS KÉPESSÉGMÉRÉS EREDMÉNYEIRÕL. Százhalombattai Kõrösi Csoma Sándor Általános Iskola
OKM 2012 ISKOLAI JELENTÉS A 4. ÉVFOLYAMOS ORSZÁGOS KÉSZSÉG ÉS KÉPESSÉGMÉRÉS EREDMÉNYEIRÕL Százhalombattai Kõrösi Csoma Sándor Általános Iskola (azonosító: 037770) ÁLTALÁNOS TÁJÉKOZTATÓ A személyiség mûködése,
RészletesebbenSZÁMOLÁSTECHNIKAI ISMERETEK
SZÁMOLÁSTECHNIKAI ISMERETEK Műveletek szögekkel Geodéziai számításaink során gyakran fogunk szögekkel dolgozni. Az egyszerűbb írásmód kedvéért ilyenkor a fok ( o ), perc (, ), másodperc (,, ) jelét el
RészletesebbenMonte Carlo módszerek
25 KULLANCSLÁRVA vizsgálata: Erős hideg hatására nézzük a túlélést. Eredmény: 6 elpusztult, 9 élve maradt Hipotézis: a pajzs hosszának variabilitása egy általános genetikai variabilitást tükröz, míg az
RészletesebbenFizikaverseny, Döntő, Elméleti forduló 2013. február 8.
Fizikaverseny, Döntő, Elméleti forduló 2013. február 8. 1. feladat: Az elszökő hélium Több helyen hallhattuk, olvashattuk az alábbit: A hélium kis móltömege miatt elszökik a Föld gravitációs teréből. Ennek
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
RészletesebbenREF 5023 Verzió 0. TENStem dental. Transzkután 2 csatornás idegstimulátor. Használati útmutató
REF 5023 Verzió 0 TENStem dental Transzkután 2 csatornás idegstimulátor Használati útmutató Tartalomjegyzék Rövid útmutató a rágóizomzat TENS-terápiájához (P1)... 3 Indikációk... 4 TENStem dental kezelôelemei...
Részletesebben3. számú mérés Szélessávú transzformátor vizsgálata
3. számú mérés Szélessávú transzformátor vizsgálata A mérésben a hallgatók megismerkedhetnek a szélessávú transzformátorok főbb jellemzőivel. A mérési utasítás első része a méréshez szükséges elméleti
RészletesebbenAz emelt szintű főút jellemzői és alkalmazási lehetőségei a hazai közúthálózaton
Az emelt szintű főút jellemzői és alkalmazási lehetőségei a hazai közúthálózaton Dr. Vörös Attila (Via Kárpátia Kft.) A bevezetés, illetve az alkalmazás indokai Gazdaságossági, Műszaki, Forgalmi, Hálózatszerkezeti,
RészletesebbenMATEMATIKA. 9 10. évfolyam. Célok és feladatok. Fejlesztési követelmények
MATEMATIKA 9 10. évfolyam 1066 MATEMATIKA 9 10. évfolyam Célok és feladatok A matematikatanítás célja és ennek kapcsán feladata, hogy megalapozza a tanulók korszerű, alkalmazásra képes matematikai műveltségét,
RészletesebbenStandardizálás Főátlagok bontása Alkalmazások Feladatok Vége
Statisztika I 5 előadás Főátlagok összehasonlítása http://bmfhu/users/koczyl/statisztika1htm Kóczy Á László KGK-VMI Viszonyszámok (emlékeztető) Jelenség színvonalának vizsgálata viszonyszámokkal Viszonyszám
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
RészletesebbenMesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.)
Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.) Bizonytalanságkezelés: Az eddig vizsgáltakhoz képest teljesen más világ. A korábbi problémák nagy része logikai,
RészletesebbenMATEMATIKA Kiss Árpád Országos Közoktatási Szolgáltató Intézmény Vizsgafejlesztő Központ
MATEMATIKA Kiss Árpád Országos Közoktatási Szolgáltató Intézmény Vizsgafejlesztő Központ I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY Az érettségi követelményeit két szinten határozzuk meg: középszinten a
Részletesebben1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?
Matematikai statisztika példák Matematikai statisztika példák Normális eloszlás 1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? 2. Majmok ébredését
RészletesebbenModern Fizika Laboratórium Fizika BSc 18. Granuláris anyagok
Modern Fizika Laboratórium Fizika BSc 18. Granuláris anyagok Mérést végezték: Márkus Bence Gábor Kálmán Dávid Kedd délelőtti csoport Mérés ideje: 05/08/2012 Beadás ideje: 05/11/2012 Érdemjegy: 1 1. A mérés
RészletesebbenMérési jegyzőkönyv. Rezonancia. 4. mérés: Semmelweis Egyetem, Elméleti Orvostudományi Központ Biofizika laboratórium. A mérés időpontja: 2013.03.06.
Mérési jegyzőkönyv 4. mérés: Rezonancia A mérés helyszíne: Semmelweis Egyetem, Elméleti Orvostudományi Központ Biofizika laboratórium A mérés időpontja: 2013.03.06. A mérést végezte: Jánosa Dávid Péter
RészletesebbenKészítette: Gyalus Katalin
Készítette: Gyalus Katalin 2011 Ha tetszik az írás, továbbküldheted másoknak is. Viszont ne változtasd meg, ne add el, ne tüntesd fel saját munkádnak! Tartalom CSOMÓZOTT NYAKLÁNC... 3 RÖVID CSOMÓZOTT NYAKLÁNC...
RészletesebbenC Í M K E É V F O L Y A M ORSZÁGOS KOMPETENCIAMÉRÉS 2007 JAVÍTÓKULCS MATEMATIKA. Oktatási Hivatal Országos Közoktatási Értékelési és Vizsgaközpont
8. Í M K E É V F O L Y A M TANULÓI AZONOSÍTÓ: ORSZÁGOS KOMPETENIAMÉRÉS 2007 JAVÍTÓKULS MATEMATIKA Oktatási Hivatal Országos Közoktatási Értékelési és Vizsgaközpont ÁLTALÁNOS TUDNIVALÓK Ön a 2007-es Országos
RészletesebbenBeton-nyomószilárdság értékelésének alulmaradási tényezője
Beton-nyomószilárdság értékelésének alulmaradási tényezője Acceptance constant of concrete compressive strength evaluation Dr. KAUSAY Tibor okl. vasbetonépítési szakmérnök, címzetes egyetemi tanár Budapesti
RészletesebbenElsôfokú egyenletek, egyenletrendszerek, egyenlôtlenségek
Elsôfokú egyváltozós egyenletek 6 Elsôfokú egyenletek, egyenletrendszerek, egyenlôtlenségek. Elsôfokú egyváltozós egyenletek 000. Érdemes egyes tagokat, illetve tényezôket alkalmasan csoportosítani, valamint
Részletesebbenválasztással azaz ha c 0 -t választjuk sebesség-egységnek: c 0 :=1, akkor a Topa-féle sebességkör teljes hossza 4 (sebesség-)egységnyi.
Egy kis számmisztika Az elmúlt másfél-két évben elért kutatási eredményeim szerint a fizikai téridő geometriai jellege szerint háromosztatú egységet alkot: egymáshoz (a lokális éterhez mért v sebesség
RészletesebbenOlyan fotót válassz, amit mondjuk az önéletrajzodhoz is szívesen betennél. a kép tartalma nem lehet sértő vallási, faji, erkölcsi szempontból;
GYIK Mi a munkatarsaim.hu oldal? Egy közösségi oldal, ahol megtalálhatod a munkatársaidat, volt munkatársaidat, és azokat, akikkel munkád során kapcsolatba kerültél. Persze tudjuk, hogy őket egyébként
Részletesebbenmtatk A kistérségi gyerekesély program és az általános iskolai oktatás teljesítményének összefüggése MTA TK Gyerekesély Műhelytanulmányok 2015/3
MTA Társadalomtudományi Kutatóközpont mtatk MTA TK Gyerekesély Műhelytanulmányok 2015/3 A kistérségi gyerekesély program és az általános iskolai oktatás teljesítményének összefüggése Nikitscher Péter Széll
RészletesebbenDefiníció. Definíció. 2. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása. 2-5. fejezet. A variabilitás mér számai 3.
. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása -1 Áttekintés - Gyakoriság eloszlások -3 Az adatok vizualizációja -4 A centrum mérıszámai -5 A szórás mérıszámai -6 A relatív elhelyezkedés
RészletesebbenVargha András PSZICHOLÓGIAI STATISZTIKA DIÓHÉJBAN 1. X.1. táblázat: Egy iskolai bizonyítvány. Magyar irodalom. Biológia Földrajz
Megjelent: Vargha A. (7). Pszichológiai statisztika dióhéjban. In: Czigler I. és Oláh A. (szerk.), Találkozás a pszichológiával. Osiris Kiadó, Budapest, 7-46. Mi az, hogy statisztika? Vargha András PSZICHOLÓGIAI
Részletesebben4. modul Poliéderek felszíne, térfogata
Matematika A 1. évfolyam 4. modul Poliéderek felszíne, térfogata Készítette: Vidra Gábor Matematika A 1. évfolyam 4. modul: POLIÉDEREK FELSZÍNE, TÉRFOGATA Tanári útmutató A modul célja Időkeret Ajánlott
RészletesebbenValószínűségszámítás
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Valószínűségszámítás programtervező informatikusok részére Eger, 010. szeptember 0. Tartalomjegyzék 1. Véletlen események...............................
RészletesebbenMATEMATIKA 9. osztály Segédanyag 4 óra/hét
MATEMATIKA 9. osztály Segédanyag 4 óra/hét - 1 - Az óraszámok az AROMOBAN követhetőek nyomon! A tananyag feldolgozása a SOKSZÍNŰ MATEMATIKA (Mozaik, 013) tankönyv és a SOKSZÍNŰ MATEMATIKA FELADATGYŰJTEMÉNY
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
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,...,
RészletesebbenDoktori munka. Solymosi József: NUKLEÁRIS KÖRNYEZETELLENŐRZŐ MÉRŐRENDSZEREK. Alkotás leírása
Doktori munka Solymosi József: NUKLEÁRIS KÖRNYEZETELLENŐRZŐ MÉRŐRENDSZEREK Alkotás leírása Budapest, 1990. 2 KÖSZÖNETNYILVÁNÍTÁS A doktori munka célja az egyéni eredmény bemutatása. Feltétlenül hangsúlyoznom
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.
RészletesebbenModern piacelmélet. ELTE TáTK Közgazdaságtudományi Tanszék. Selei Adrienn
Modern piacelmélet ELTE TáTK Közgazdaságtudományi Tanszék Selei Adrienn A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Tudás-Ökonómia Alapítvány támogatásával készült az ELTE TáTK
RészletesebbenA csõdelõrejelzés és a nem fizetési valószínûség számításának módszertani kérdéseirõl
MÛHELY Közgazdasági Szemle, LV. évf., 2008. május (441 461. o.) KRISTÓF TAMÁS A csõdelõrejelzés és a nem fizetési valószínûség számításának módszertani kérdéseirõl A Bázel 2 tõkeegyezmény magyarországi
RészletesebbenKOVÁCS BÉLA, MATEMATIKA I.
KOVÁCS BÉLA, MATEmATIkA I 5 V ELEmI ALGEbRA 1 BINÁRIS műveletek Definíció Az halmazon definiált bináris művelet egy olyan függvény, amely -ből képez -be Ha akkor az elempár képét jelöljük -vel, a művelet
RészletesebbenErdei János. Minőség- és megbízhatóság menedzsment. villamosmérnöki kar menedzsment mellékszakirány
Budapesti Műszaki- és Gazdaságtudományi Egyetem Gazdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállalkozásgazdaságtan Tanszék Erdei János egyetemi adjunktus Minőség- és megbízhatóság menedzsment
RészletesebbenKonfokális mikroszkópia elméleti bevezetõ
Konfokális mikroszkópia elméleti bevezetõ A konfokális mikroszkóp fluoreszcensen jelölt minták vizsgálatára alkalmas. Jobb felbontású képeket ad, mint a hagyományos fluoreszcens mikroszkópok, és képes
RészletesebbenValószínűség-számítás II.
Valószínűség-számítás II. Geometriai valószínűség: Ha egy valószínűségi kísérletben az események valamilyen geometriai alakzat részhalmazainak felelnek meg úgy, hogy az egyes események valószínűsége az
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.
RészletesebbenA TÖMEGKÖZLEKEDÉSI KÖZSZOLGÁLTATÁS SZOLGÁLTATÓ JELLEGÉNEK MEGALAPOZÁSA: MEGÁLLÓHELY ELLÁTOTTSÁG BUDAPESTEN. Összefoglaló
RUZSÁNYI TIVADAR A TÖMEGKÖZLEKEDÉSI KÖZSZOLGÁLTATÁS SZOLGÁLTATÓ JELLEGÉNEK MEGALAPOZÁSA: MEGÁLLÓHELY ELLÁTOTTSÁG BUDAPESTEN Összefoglaló A tanulmányban a tömegközlekedés igénybevételének alapvető feltételét,
RészletesebbenÉrtelmezési szempontok
Értelmezési szempontok Értelmezési szempontok (Technikai és értelmező kézikönyv, 3. old.) Alapelv: a WSC-V fontos kvalitatív és kvantitatív információval szolgál a vsz. kognitív funkcióiról, ezek önmagukban
Részletesebben