Idõ-ütemterv há lók - I. t 5 4

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Idõ-ütemterv há lók - I. t 5 4"

Átírás

1 lõadás:folia.doc Idõ-ütemterv há lók - I. t s v u PRT time/cost : ( Program valuation & Review Technique ) ( Program Értékelõ és Áttekintõ Technika ) semény-csomópontú, valószínûségi változókkal dolgozó ( sztochasztikus ) projekt-modell PM time/cost : ( ritical Path Method = Kritikus Út Módszere ) Tevékenység-élû, diszkrét adatokkal dolgozó projekt-modell M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

2 lõadás:folia.doc PRT/PM Grá f-megkötések t st π s s π t t t tv t ut π v v t su "Hálózat" : Összefüggõ, súlyozott, hurok-mentes irányított gráf, egyetlen forrással, egyetlen nyelõvel, nem-negatív súly-számokkal "gy-az-egyes" megfeleltetés : Minden rész-összetevõ egyszer, és csakis egyszer szerepelhet a gráf-modellben "somópontpá ros él-azonosítá s" : u π u t uv ármely két csomópont között csak egyetlen közvetlen él lehet M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

3 lõadás:folia.doc Program valuation & Review Technique (PRT) 98 : US Navy, Polaris Program, Farard somópont : esemény, állapot, "mérföldkõ", fejlesztési fázis Él : közelebbrõl be nem azonosított (mûszaki) tartalmú tevékenység ("részfeladat") Paraméterek (súlyok) : valószínûségi változók ("idõbeli lefolyás") b eloszlá s, becsült érték-hármas alapján él : projekt várható teljes átfutási idejének és rész-teljesítési idõpontjainak elõrejelzése, a hozzájuk tartozó bizonytalansági mutatókkal ("szórás") együtt. Ütemterv teljesíthetõségének ellenõrzése. M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

4 lõadás:folia.doc P Valószínûség / b eloszlá s / P max T e = T min+ T m + T max n = s = ( T max - T min ) T min T m T e T max T P Valószínûség / Gauss-féle standard eloszlá s / P max s s.98 T e = T m s s T M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

5 PRT feladat : Mi a valószínûsége annak, hogy az alábbi projekt ie alatt megvalósul? lõadás:folia.doc I (a-m-b) m e ; n (--7) ; /9 (--7) ; /9 (-7-8) 7; /9 (--) ; /9 (--) ; /9 G (--) ; /9 F (--9) ; /9 9 9 H (--) ; /9 I (--) ; /9 µ e = a + m + b ν = σ = ( b - a ) µ T = ν T = /9 M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

6 lõadás:folia.doc P entrá lis hatá r-eloszlá s / Gauss-féle standard eloszlá s / P max σ σ z σ µ S = µ T = σ σ T Z = µ S - µ T - = = -. νt /9 P 9 % Z P Z P M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

7 lõadás:folia7.doc ritical Path Method (PM time ) 97 : US,. I. du Pont de Nemours, James. Kelly, Morgan R. Walker somópont : kapcsolat, közvetlen megelõzési reláció Él : konkrétan beazonosított (mûszaki) tartalmú rész-projekt, avagy tevékenység ("részfeladat"), illetve - szükség szerint - megelõzési reláció ("látszat-tevékenység") Paraméterek (súlyok) : tevékenységidõk, idõtartamok és határidõpontok ( determinisztikus változók ) él : a projekt idõbeli lefolyása során kiemelt jelentõségû ( "domináns" / "kritikus" ) tevékenységek beazonosítása, határidõpontok meghatározása, illetve a részprojektek, avagy tevékenységek idõbeli "mozgási szabadságának" feltárása. M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

8 lõadás:folia8.doc PM / PRT grá f-struktúra - operatív informá ciók - F I 7 G H Közvetlen megelõzési lista G I F G,,I < H,G <,I,H < I H H F <,G G I I G <,,I H I <,H Operatív információk M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

9 lõadás:folia9.doc PM time feladat () () 7 idõtartam () () ( lehetséges ) legkorábbi ( megengedett ) legkésõbbi F() (8) 8 8 Tev T LK L MK M TT ST FeT FüT 7 "Kritikus út" : zon csomópontok - és a közöttük lévõ domináns élek - halmazából alkotott részgrá f, melyeknél a lehetséges legkorábbi- és a megengedett legkésõbbi idõ megegyezik. ( "... idõ-tartalékkal nem rendelkezik..." ) forrás és a nyelõ közötti leghosszabb utak alkotta részgráf M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

10 lõadás:folia.doc "Teljes" tartalékidõ : dott tevékenység idõtartamának lehetséges növekménye ( avagy kezdésének késleltetése ) anélkül, hogy az a háló teljes átfutási idejét növelné, feltéve, hogy valamennyi megelõzõ tevékenységét legkorábbi ütemezése szerint tudjuk befejezni. "Szabad" tartalékidõ : dott tevékenység idõtartamának lehetséges növekménye ( avagy kezdésének késleltetése ) anélkül, hogy az bármely az adott tevékenységet követõ tevékenység legkorábbi kezdését késleltetné, feltéve, hogy valamennyi megelõzõ tevékenységét legkorábbi ütemezése szerint tudjuk befejezni. "Feltételes" tartalékidõ : dott tevékenység idõtartamának lehetséges növekménye anélkül, hogy az a háló teljes átfutási idejét növelné, feltéve, hogy valamennyi megelõzõ tevékenységét legkésõbbi ütemezése szerint tudjuk csak befejezni. "Független" tartalékidõ : dott tevékenység idõtartamának lehetséges növekménye anélkül, hogy az bármely az adott tevékenységet követõ tevékenység legkorábbi kezdését késleltetné, feltéve, hogy valamennyi megelõzõ tevékenységét legkésõbbi ütemezése szerint tudjuk csak befejezni. ( sak nem-negatív értékét értelmezzük! ) M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

11 lõadás:folia.doc PM cost ( PM költség modell ) Projekt költségek közvetett közvetlen Tevékenység / rész-projekt közvetlen költségek ST Tmin Tmax T min költség-intenzitás T max T M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

12 lõadás:folia.doc PM cost feladat : Milyen minimális ("közvetlen") költség mellett valósítható meg az alábbi projekt ie -nél nem hosszabb idõ alatt? Tev F G Normal idõ ksg 8 8 Roham idõ ksg S d F G () () d () () 7 () 7 F() G() () () d () () () F() G() = + S = 9 + = 97 = + S F = 97 + = 8 M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

13 lõadás:folia.doc max Tmin Projekt közvetlen költségek / PM cost / min Tmin max Tmax min Tmax max min T min T max Optimá lis projekt futamidõ és minimá lis költség ST összesített min közvetett közvetlen T opt ST M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

14 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - II lõadás:folia.doc PM létra konvenció : Gond: PM - baj van az átlapolt idõhelyzetekkel. Válasz: Paraméterek a látszat-tevékenységeken ( t ) ( τ ) ( t ) ( τ ) ( τ ) ( t ) ( τ ) Negatív paraméterek továbbra is tiltottak. Gond a nyitott háló és a meg-nem-szakítható tevékenység M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

15 lõadás:folia.doc PM cost feladat : Milyen minimális ("közvetlen") költség mellett valósítható meg az alábbi projekt ie -nél nem hosszabb idõ alatt? Tev Normal idõ ksg Roham idõ ksg S () () () () () () () () () () = + S = + = = + S + = + =? M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

16 lõadás:folia.doc PM cost feladat : Milyen minimális ("közvetlen") költség mellett valósítható meg az alábbi projekt ie -nél nem hosszabb idõ alatt? Tev Normal idõ ksg Roham idõ ksg S () () () () () () () () () () = + S = + = 7 ( > ) = + S = 7 + = 9 ( < )! M Építéskivitelezési Tanszék / Építõmérnök Kari Oktatás / -

Idő-ütemterv hálók - I. t 5 4

Idő-ütemterv hálók - I. t 5 4 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc Idő-ütemterv hálók - I. t s v u PRT time/cost : ( Program valuation & Review Technique ) ( Program Értékelő és Áttekintő Technika

Részletesebben

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés Építésikivitelezés-Vállalkozás / : Gráftechnikai alapfogalmak Elõadás:Folia.doc VÁLLALKOZÁS ( tervezés - bonyolítás - változásmenedzsment ) ideiglenes földút monolit vb.támfal avított háttöltés ú földtöltés

Részletesebben

Építési projektek szervezése HÁLÓS IDŐTERVEZÉS. Dr. Vattai Zoltán András

Építési projektek szervezése HÁLÓS IDŐTERVEZÉS. Dr. Vattai Zoltán András Építési projektek szervezése HÁLÓS IDŐTERVEZÉS Dr. Vattai Zoltán András www.ekt.bme.hu 1 Koenigsberg, Prussia, XVIII. sz. ma: Kalinyingrág, Oroszország 2 Kérdés: Lehet-e olyan körsétát tenni a város hét

Részletesebben

Idotervezés I. A CPM háló. BME Építéskivitelezési Tanszék Dr. Mályusz Levente 1

Idotervezés I. A CPM háló. BME Építéskivitelezési Tanszék Dr. Mályusz Levente 1 Idotervezés I. A CPM háló BME Építéskivitelezési Tanszék Dr. Mályusz Levente 1 Hagyományos eszközök Sávos ütemterv, Gannt diagram (pont szeru építkezéseken) földkiemelés tükörkészítés alapozás aszfalt

Részletesebben

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés Elõadás:Folia201.doc VÁLLALKOZÁS ( tervezés - bonyolítás - változásmenedzsment ) ideiglenes földút monolit vb.támfal javított háttöltés új földtöltés régi töltés humusz teherbíró talaj Tevékenység Sz Megnevezés

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Maximális folyam 7 7 9 3 2 7 source 8 4 7 sink 7 2 9 7 5 7 6 Maximális folyam feladat Adott [N, A] digráf (irányított

Részletesebben

Üzemszervezés. Projekt tervezés. Dr. Juhász János

Üzemszervezés. Projekt tervezés. Dr. Juhász János Üzemszervezés Projekt tervezés Dr. Juhász János Projekt tervezés - Definíció Egy komplex tevékenység feladatainak, meghatározott célok elérése érdekében, előre megtervezett módon, az erőforrások sajátosságainak

Részletesebben

Üzemszervezés A BMEKOKUA180

Üzemszervezés A BMEKOKUA180 Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki és Járműmérnöki Kar Közlekedésmérnöki Szak Üzemszervezés A BMEKOKUA180 Projekt tervezés Dr. Juhász János egyetemi docens Projekt tervezés

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Alsó felső korlátos maximális folyam 3,9 3 4,2 4,8 4 3,7 2 Transzformáljuk több forrást, több nyelőt tartalmazó

Részletesebben

PROJEKTEK tervezése és kontrollja. Az ütemtervezés története. Az ütemtervezés története. Építéskivitelezési és Szervezési Tanszék 1

PROJEKTEK tervezése és kontrollja. Az ütemtervezés története. Az ütemtervezés története. Építéskivitelezési és Szervezési Tanszék 1 PROJEKTEK tervezése és kontrollja Hajdu Miklós BME Építéskivitelezési Tanszék Az ütemtervezés története Ókor Projekt tervezés a Nagy Fal, a piramisk építésénél (dokumentumok üzemorvosok alkalmazásáról

Részletesebben

Végezze el az alábbi MPM háló időelemzését! B 7 SS3 FS-5 -SF10 D 5 E 2 F 5

Végezze el az alábbi MPM háló időelemzését! B 7 SS3 FS-5 -SF10 D 5 E 2 F 5 Végezze el az alábbi MPM háló időelemzését! 4 SS0 7 2 6 2 R1 1.0 R1 kapcsolat-pár kiváltása (helyettesítése) a mértékadó kapcsolattal 4 SS0 7 2 6 2 ( R1) 1.1 forrás beazonosítása, a 0 idő-potenciál elhelyezése

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 06/7. félév 7. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom. A projektütemezés alapjai..

Részletesebben

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr. Projektütemezés Virtuális vállalat 06-07. félév 5. gyakorlat Dr. Kulcsár Gyula Projektütemezési feladat megoldása Projekt: Projektütemezés Egy nagy, összetett, általában egyedi igény alapján előállítandó

Részletesebben

Budapesti Műszaki és Gazdaságtudományi Egyetem Sebestyén Zoltán Projektmenedzsment Gyakorló vizsgafeladatok Kiegészítő oktatási segédanyag

Budapesti Műszaki és Gazdaságtudományi Egyetem Sebestyén Zoltán Projektmenedzsment Gyakorló vizsgafeladatok Kiegészítő oktatási segédanyag udapesti Műszaki és azdaságtudományi gyetem Sebestyén Zoltán Projektmenedzsment yakorló vizsgafeladatok Kiegészítő oktatási segédanyag udapest 00 Tartalomjegyzék I. MLŐZÉSI LIST ÁTLKÍTÁS... II. TVÉKNYSÉ-ÉLŰ

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom 1. Párhuzamosan

Részletesebben

2012.03.12. TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE IDŐTERVEZÉS. IDŐTERVEZÉS (Gantt diagramm)

2012.03.12. TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE IDŐTERVEZÉS. IDŐTERVEZÉS (Gantt diagramm) ELŐADÁS ÁTTEKINTÉSE. ea.: Projekttervezés III. Tevékenységek tervezése Időtervezés: Gantt diagramm Hálótervezés: Kritikus út Tartalék idő Példa ismertetése TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

Gráfelméleti alapfogalmak

Gráfelméleti alapfogalmak 1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Racionalitás: a hasznosság és a döntés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade

Részletesebben

2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia

2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia 2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia Projekt ütemezés Számos nagy projekt tervezésekor használják a CMP (Critical Path Method - Kritikus út módszere) és a PERT (Program Evaluation

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

Hálótervezés. Vállalati Információs Rendszerek

Hálótervezés. Vállalati Információs Rendszerek Hálótervezés Vállalati Információs Rendszerek Hálótervezés fogalma Egy munkaterv, projekt időbeli lefolyásának optimális ütemezése, elemzése, az egyes tevékeny- ségek időbeli összehangolása, az egymás

Részletesebben

Ütemezés tervezése A leghátrányosabb helyzet kistérségek fejlesztési és együttm ködési kapacitásainak meger

Ütemezés tervezése A leghátrányosabb helyzet kistérségek fejlesztési és együttm ködési kapacitásainak meger Ütemezés tervezése A leghátrányosabb helyzetű kistérségek fejlesztési és együttműködési kapacitásainak megerősítése ÁROP-1.1.5/C A Tokajii Kistérség Fejlesztési és Együttműködési Kapacitásának Megerősítése

Részletesebben

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1 Építési projektek ütemtervi bizonytalanságainak, kockázatainak figyelembe vétele a pénzügyi tervezésnél Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő, MVM Paks

Részletesebben

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr. Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati

Részletesebben

Termelés- és szolgáltatásmenedzsment

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

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus

Részletesebben

Gyártórendszerek dinamikája

Gyártórendszerek dinamikája GYRD-7 p. 1/17 Gyártórendszerek dinamikája Gyártásütemezés: az ütemezések analízise Gantt-chart módszerrel, az optimalizálási feladat kitűzése és változatai, megoldás a kritikus út módszerrel Werner Ágnes

Részletesebben

Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése

Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése EURÓPAI UNIÓ STRUKTURÁLIS ALAPOK SZERKEZET KIVITELEZÉS - VÁLLALKOZÁS BMEEPEKAS2 segédlet a BME Építőmérnöki Kar hallgatói részére Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

ELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III.

ELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III. ELŐADÁS ÁTTEKINTÉSE 6. ea.: Projekttervezés III. Tevékenységek tervezése Időtervezés: Gantt diagramm Hálótervezés: Kritikus út Tartalék idő Példa ismertetése TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy

Részletesebben

ELŐADÁS ÁTTEKINTÉSE. Tevékenységek tervezése Gantt diagramm

ELŐADÁS ÁTTEKINTÉSE. Tevékenységek tervezése Gantt diagramm ELŐADÁS ÁTTEKINTÉSE Tevékenységek tervezése Gantt diagramm TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy lehetséges tevékenység sorozatot, egyfajta megoldást, illetve elvárt eredményt, amit a célrendszerrel

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm

Részletesebben

Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16.

Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16. Bevezetés a Számításelméletbe II. 6. előadás Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tsz. I. B. 7/b sali@cs.bme.hu 004 március 6. A kritikus út

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

A projekttervezés folyamata, tevékenységek tervezése, erőforrások fajtái és tervezése. Munkaszervezés elmélet Szász Péter

A projekttervezés folyamata, tevékenységek tervezése, erőforrások fajtái és tervezése. Munkaszervezés elmélet Szász Péter A projekttervezés folyamata, tevékenységek tervezése, erőforrások fajtái és tervezése. Munkaszervezés elmélet Szász Péter A projekt életciklusa Nagyvonalú tervezési fázis A rendszer célkitűzéseinek és

Részletesebben

Példa. Job shop ütemezés

Példa. Job shop ütemezés Példa Job shop ütemezés Egy üzemben négy gép működik, és ezeken 3 feladatot kell elvégezni. Az egyes feladatok sorra a következő gépeken haladnak végig (F jelöli a feladatokat, G a gépeket): Az ütemezési

Részletesebben

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y. Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA

EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről szóló 133/2010. (IV. 22. ) Korm. rendelet alapján. Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

É Ü ö Ü ú Ú ű Ó Ó ű ö Ó Ó ú ű Ü Ö Ó Ó ö Ó Ő ű Ó Ó ú Ü Ü Ó Ó Ó Ü Ó Í Í ö ö ö ö ö ú ú ö ű ú ö ö ö ú ö ú ű ö ö ű ö ö ö ű ö ö ö ú ö ö ú ö ö ö ö ö ú ö ö ö ö ú ö ú ö ö ö ö ö ö ú ö ö ö ö Í ö Ö ö ú ö ö ö ö Ó Í

Részletesebben

ü ő ő ü ő ő ö ö ő ö í ü ő í ö ö í ő ö ő ű ú ő í ü ő ö ő Í ö ö ő ö ö ő ő ö ő í Í í ü ö ő í ü ü ú ü ö ö ő ü ő ö ő í ü ő í ö ö ő ő ő í í ő í ő ő Á Ó Í í í ő ű ú ő í í ő ő Í ő í ő í í Í í ő í ő í ő ő íí ő

Részletesebben

Í Ő É Ó É é Ö Á Á Á Ó é Ó é ö é Ö ű ö é ö ű ö é ö é é é é é é é é é é é é é é é é é é ü é é é Í é é é é ü é ö ü é ü é é ö ö é ú é é ü é é ü é é ü é ü é é é ú é Ó é é ú é ü é é ö é ö é Á Á Á Ó é Ó Í é ö

Részletesebben

ö í Ö Ó ü í ü ö Ö ö ü ü ö ö ö ö Ö ü ö ö Ö ü Ű Ö ö ü ú ű ö ö í ö ö í ü ö ö í í ö Á É ö Ö í ö Ö ü ö Ö ö ö ö ö ö ü í ü ö í ü ö ö ö Ö ü ö í ü í ö ö ö Ö ü ö Ö í í ö Ö ü ö Ö í ü ö Á É ö Ö í ü ö í ö ű ö ö ű ö

Részletesebben

ő ő ű í ó ú í ó í ó Á Á Á É ű ő ó ó ő ó ő Á É ó Á É ú Á É É Á ó Á Á Á Á Á É É ó Á É í É É í É ú ú ú ó ó Ö ú É ú ó ő ú ó í É É É É Ö Ö É Á É É É Ő Ó É ő ó ó í ő ú ő ő ű í ó ú Ő Ö ú É ú ú ő ő É É ő ő ő ő

Részletesebben

ö é é ü Ő Ö é ü ö é é ü é é ó é ü ü é é é é é í é ü é é é é é é ö é é ö ö é ü ö ö é ü í é ü ü é é é ü é ö é é é ó é é é é é ü ö é é ü ú ö é é é é ö é é ö é é ó é ó é é í é é ó é é ó é é í ó é é ü ü é ó

Részletesebben

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés

Részletesebben

7. Régió alapú szegmentálás

7. Régió alapú szegmentálás Digitális képek szegmentálása 7. Régió alapú szegmentálás Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Szegmentálási kritériumok Particionáljuk a képet az alábbi kritériumokat kielégítő régiókba

Részletesebben

Függetlenségvizsgálat, Illeszkedésvizsgálat

Függetlenségvizsgálat, Illeszkedésvizsgálat Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata

Részletesebben

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007 Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii

Részletesebben

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

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

Részletesebben

Diszkrét matematika 2. estis képzés

Diszkrét matematika 2. estis képzés Diszkrét matematika 2. estis képzés 2018. tavasz 1. Diszkrét matematika 2. estis képzés 10. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék

Részletesebben

A projekt idő-, erőforrás és költségterve 1. rész

A projekt idő-, erőforrás és költségterve 1. rész A projekt idő-, erőforrás és költségterve 1. rész A TERVEZÉS FOLYAMATA a projekttevékenységek meghatározása a tevékenységek közötti logikai függőségi kapcsolatok meghatározása erőforrás-allokáció és a

Részletesebben

Diszkrét matematika 2.

Diszkrét matematika 2. Diszkrét matematika 2. Mérai László előadása alapján Készítette: Nagy Krisztián 1. előadás Gráfok halmaza, gráf, ahol a csúcsok halmaza, az élek illesztkedés reláció: illesztkedik az élre, ha ( -él illesztkedik

Részletesebben

TERMÉKFEJLESZTÉS (BMEGEGE MNTF)

TERMÉKFEJLESZTÉS (BMEGEGE MNTF) TERVEZÉS ELMÉLET ÉS MÓDSZERTAN (BMEGEGE MGTM) TERMÉKFEJLESZTÉS (BMEGEGE MNTF) 2. Előadás A tervezési folyamat menedzsmentje, idő- és hálótervezés 2010/2011 II. félév 1 / 24 Ütemterv 2011. tavaszi félév

Részletesebben

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az

Részletesebben

Az optimális megoldást adó algoritmusok

Az optimális megoldást adó algoritmusok Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.

Részletesebben

Hagyományos ütemezési technikák

Hagyományos ütemezési technikák Mályusz Levente Hagyományos ütemezési technikák Hagyományos: CPM és MPM technika Előny: egyszerűen kezelhető, számolható Hátrány: nem kezeli a - tevékenységi idők bizonytalanságait - nincs elágazás - sorrendszámolás

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

Nagyfeszültségű távvezetékek termikus terhelhetőségének dinamikus meghatározása az okos hálózat eszközeivel

Nagyfeszültségű távvezetékek termikus terhelhetőségének dinamikus meghatározása az okos hálózat eszközeivel Nagyfeszültségű távvezetékek termikus terhelhetőségének dinamikus meghatározása az okos hálózat eszközeivel Okos hálózat, okos mérés konferencia 2012. március 21. Tárczy Péter Energin Kft. Miért aktuális?

Részletesebben

Bizonytalanságok melletti következtetés

Bizonytalanságok melletti következtetés Bizonytalanságok melletti következtetés Mesterséges Intelligencia I. Valószínűségi alapfogalmak (ismétlés) A, B,C események esetén a priori valószínűség: feltételes (a posteiori) valószínűség: Bayes-formula

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

HÁLÓZAT Maximális folyam, minimális vágás

HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT informálisan Hálózat Irányított gráf Mindegyik élnek adott a (nemnegatív) kapacitása Spec csúcsok: Forrás (Source): a kiindulási pont csak ki élek Nyelő

Részletesebben

Mérnök Informatikus. EHA kód: f

Mérnök Informatikus. EHA kód: f A csoport Név:... EHA kód:...2009-2010-1f 1. Az ábrán látható hálózatban a) a felvett referencia irányok figyelembevételével adja meg a hálózat irányított gráfját, a gráfhoz tartozó normál fát (10%), a

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

Számítógép hálózatok, osztott rendszerek 2009

Számítógép hálózatok, osztott rendszerek 2009 Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc

Részletesebben

Vállalatirányítás HÁLÓTERVEZÉS. Tevékenység Jel Kódjel megelőző követő tevékenység jele. A - C 6 Munkaerő-szükséglet 2. B - F 8 műszaki tervezése 3.

Vállalatirányítás HÁLÓTERVEZÉS. Tevékenység Jel Kódjel megelőző követő tevékenység jele. A - C 6 Munkaerő-szükséglet 2. B - F 8 műszaki tervezése 3. HÁLÓTERVEZÉS 1. Egy hálótervről az alábbi adatok ismertek: Közvetlenül Tevékenység Jel Kódjel megelőző követő tevékenység jele 1. Generálterv kidolgozása A - C 6 Munkaerő-szükséglet. meghatározása és gyári

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

Részletesebben

Adatszerkezetek 2. Dr. Iványi Péter

Adatszerkezetek 2. Dr. Iványi Péter Adatszerkezetek 2. Dr. Iványi Péter 1 Fák Fákat akkor használunk, ha az adatok között valamilyen alá- és fölérendeltség van. Pl. könyvtárszerkezet gyökér (root) Nincsennek hurkok!!! 2 Bináris fák Azokat

Részletesebben

Hálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet

Hálózatok 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

Részletesebben

Kiterjesztések sek szemantikája

Kiterjesztések sek szemantikája Kiterjesztések sek szemantikája Példa D Integer = {..., -1,0,1,... }; D Boolean = { true, false } D T1... T n T = D T 1... D Tn D T Az összes függvf ggvény halmaza, amelyek a D T1,..., D Tn halmazokból

Részletesebben

M i k o r ( - r a )?!

M i k o r ( - r a )?! Elõadás:FoliaS01.doc Idõtervezés - Idõbecslés Kik Hol Mit Mikor(-ra) Mennyiért : SZERZÕDÉS M i k o r ( - r a )?! Elõadás:FoliaS02.doc VÁ LLALKOZÁ S ( becslés - elõirá nyzat - vá ltozá smenedzsment ) ideiglenes

Részletesebben

Sztochasztikus temporális logikák

Sztochasztikus temporális logikák Sztochasztikus temporális logikák Teljesítmény és szolgáltatásbiztonság jellemzők formalizálása és ellenőrzése Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

Nemparaméteres próbák

Nemparaméteres próbák Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu

Részletesebben

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT

Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Minőségmenedzsment (módszerek) BEDZSULA BÁLINT Bedzsula Bálint gyakornok Menedzsment és Vállalatgazdaságtan Tanszék Q. épület A.314. bedzsula@mvt.bme.hu http://doodle.com/bedzsula.mvt Az előző előadás

Részletesebben

Valószínűségi modellellenőrzés Markov döntési folyamatokkal

Valószínűségi modellellenőrzés Markov döntési folyamatokkal Valószínűségi modellellenőrzés Markov döntési folyamatokkal Hajdu Ákos Szoftver verifikáció és validáció 2015.12.09. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek

Részletesebben

Időütemezés. Időtervezés

Időütemezés. Időtervezés Időtervezés A projekt definíciójánál láthattuk, hogy az egyik projektkorlát az idő. Ezért nagyon fontos egy olyan időterv elkészítése, melyen grafikusan szemléltethetjük a projekt megvalósítását. Ehhez

Részletesebben

Közösségek keresése nagy gráfokban

Közösségek keresése nagy gráfokban Közösségek keresése nagy gráfokban Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2011. április 14. Katona Gyula Y. (BME SZIT) Közösségek

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

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

Részletesebben

Operációkutatás vizsga

Operációkutatás vizsga Operációkutatás vizsga A csoport Budapesti Corvinus Egyetem 2007. január 9. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS

Részletesebben

Statisztika. Politológus képzés. Daróczi Gergely május 4. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely május 4. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2011. május 4. Outline 1 Korreláció 2 Standardizálás és dekompozíció 3 Grafikonok, ábrák Daróczi Gergely (PPKE BTK) Statisztika 2011-05-04

Részletesebben

PROJEKTMENEDZSMENT TEMATIKA, KÖVETELMÉNYEK

PROJEKTMENEDZSMENT TEMATIKA, KÖVETELMÉNYEK PROJEKTMENEDZSMENT TEMATIKA, KÖVETELMÉNYEK Daiki Tennó 2011 1. Általános információk a tantárgyról a. Előadás + gyakorlat + otthoni munka b. gyakorlati jegyhez egyeztetett témából, önállóan készített projekt:

Részletesebben

GráfRajz fejlesztői dokumentáció

GráfRajz fejlesztői dokumentáció GráfRajz Követelmények: A GráfRajz gráfokat jelenít meg grafikus eszközökkel. A gráfot többféleképpen lehet a programba betölteni. A program a gráfokat egyedi fájl szerkezetben tárolja. A fájlokból betölthetőek

Részletesebben

Dinamikus modellek szerkezete, SDG modellek

Dinamikus modellek szerkezete, SDG modellek Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

Az előadás tartalma. Debrecen 110 év hosszúságú csapadékadatainak vizsgálata Ilyés Csaba Turai Endre Szűcs Péter Ciklusok felkutatása

Az előadás tartalma. Debrecen 110 év hosszúságú csapadékadatainak vizsgálata Ilyés Csaba Turai Endre Szűcs Péter Ciklusok felkutatása Miskolci Egyetem Környezetgazdálkodási Intézet Geofizikai és Térinformatikai Intézet MTA-ME Műszaki Földtudományi Kutatócsoport Debrecen 110 év hosszúságú csapadékadatainak vizsgálata Ilyés Csaba Turai

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

Operációkutatás vizsga

Operációkutatás vizsga Operációkutatás vizsga B csoport Budapesti Corvinus Egyetem 2007. január 16. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS

Részletesebben

Diszkrét matematika 2.C szakirány

Diszkrét matematika 2.C szakirány Diszkrét matematika 2.C szakirány 2017. tavasz 1. Diszkrét matematika 2.C szakirány 3. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Komputeralgebra Tanszék 2017.

Részletesebben

Diszkrét állapotú rendszerek modellezése. Petri-hálók

Diszkrét állapotú rendszerek modellezése. Petri-hálók Diszkrét állapotú rendszerek modellezése Petri-hálók Diszkrét eseményű rendszerek Discret Event (Dynamic) Systems DES, DEDS állapotterük diszkrét halmaz állapotváltozásuk kizárólag az időben aszinkron

Részletesebben

OPTIKA STATISZTIKUS OPTIKA IDŐBELI KOHERENCIA. Budapesti Műszaki és Gazdaságtudományi Egyetem Atomfizika Tanszék, dr. Erdei Gábor

OPTIKA STATISZTIKUS OPTIKA IDŐBELI KOHERENCIA. Budapesti Műszaki és Gazdaságtudományi Egyetem Atomfizika Tanszék, dr. Erdei Gábor OPTIKA STATISZTIKUS OPTIKA IDŐBELI KOHERENCIA Budpesti Műszki és Gzdságtudományi Egyetem Atomfizik Tnszék, dr. Erdei Gáor Ágzti felkészítés hzi ELI projekttel összefüggő képzési és K+F feldtokr Young-féle

Részletesebben

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Matematikai alapok és valószínőségszámítás. Normál eloszlás Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak

Részletesebben

Diszkrét matematika 1. estis képzés

Diszkrét matematika 1. estis képzés Diszkrét matematika 1. estis képzés 2019. tavasz 1. Diszkrét matematika 1. estis képzés 9. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján

Részletesebben