Idõ-ütemterv há lók - I. t 5 4
|
|
- Erzsébet Fazekas
- 4 évvel ezelőtt
- Látták:
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
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
RészletesebbenÉpítésikivitelezés-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
RészletesebbenÉpítési 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
RészletesebbenIdotervezés 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
RészletesebbenÉpítésikivitelezés-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
RészletesebbenHálózati 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
RészletesebbenÜzemszervezés. 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
RészletesebbenÜzemszervezés 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
RészletesebbenHálózati 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
RészletesebbenPROJEKTEK 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
RészletesebbenVégezze 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
RészletesebbenMiskolci 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..
RészletesebbenDr. 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
RészletesebbenBudapesti 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
RészletesebbenMiskolci 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
Részletesebben2012.03.12. 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
RészletesebbenNagy 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
RészletesebbenGráfelméleti 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
RészletesebbenMesterséges 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
Részletesebben2. 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
Részletesebbene (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:
RészletesebbenHálótervezés. 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
RészletesebbenÜtemezés 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
RészletesebbenBalogh 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
RészletesebbenDr. 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
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenAnyagvizsgálati 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
RészletesebbenGyártórendszerek 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
RészletesebbenAz 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
RészletesebbenValószínűségszámítás 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:
RészletesebbenELŐADÁS 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
RészletesebbenELŐADÁS 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
RészletesebbenÜtemezési 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
RészletesebbenSali 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
RészletesebbenVéletlen 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
RészletesebbenMarkov-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
RészletesebbenA 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
RészletesebbenPélda. 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
RészletesebbenAlgoritmuselmélet. 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
RészletesebbenEBBEN 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,
RészletesebbenValó 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.
RészletesebbenÉ 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
Részletesebbenü 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
RészletesebbenÍ 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
Részletesebbenö 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
Részletesebbenő 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
Részletesebbenö 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
Részletesebben14 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:
RészletesebbenÁltalánosan, 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
RészletesebbenMesterséges 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
Részletesebben7. 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
RészletesebbenFüggetlenségvizsgálat, 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
Részletesebben1: 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
RészletesebbenKabos: 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,
RészletesebbenDiszkrét 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
RészletesebbenA 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
RészletesebbenDiszkrét 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
RészletesebbenTERMÉKFEJLESZTÉS (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
Részletesebben2013 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
RészletesebbenAz 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.
RészletesebbenHagyományos 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
RészletesebbenKözlemény. 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
RészletesebbenMegoldások. 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.
RészletesebbenNagyfeszültségű 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?
RészletesebbenBizonytalanságok 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
Részletesebbenegyenletesen, 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,
RészletesebbenTöbbváltozós 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
RészletesebbenHÁLÓZAT 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
RészletesebbenMérnök 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 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenSzámítógép 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
RészletesebbenVállalatirányítás 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
RészletesebbenSTATISZTIKA 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
RészletesebbenAdatszerkezetek 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
RészletesebbenHálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet
Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen
RészletesebbenKiterjesztések 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
RészletesebbenM 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
RészletesebbenSztochasztikus temporális logikák
Sztochasztikus temporális logikák Teljesítmény és szolgáltatásbiztonság jellemzők formalizálása és ellenőrzése Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs
RészletesebbenA 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
RészletesebbenNemparaméteres 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
RészletesebbenMinőségmenedzsment (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
RészletesebbenValószínűségi 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
RészletesebbenIdőütemezés. 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
RészletesebbenKözösségek 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
RészletesebbenStatisztika - 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
RészletesebbenVéletlenszám 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
RészletesebbenOperációkutatás 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
RészletesebbenStatisztika. 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
RészletesebbenPROJEKTMENEDZSMENT 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:
RészletesebbenGráfRajz 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
RészletesebbenDinamikus 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 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenAz 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
RészletesebbenMatematikai 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
RészletesebbenOperációkutatás 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
RészletesebbenDiszkrét 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.
RészletesebbenDiszkrét 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
RészletesebbenOPTIKA 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
RészletesebbenMatematikai 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
RészletesebbenDiszkrét 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