Módszertani kísérlet az életpálya fogalmának formalizálására Előtanulmány a fiatal biológusok életpályakutatását célzó támogatott projekthez
|
|
- Zsolt Szőke
- 8 évvel ezelőtt
- Látták:
Átírás
1 [ξ ] Módszertai kísérlet az életpálya fogalmáak formalizálására Előtaulmáy a fiatal biológusok életpályakutatását célzó támogatott projekthez Soós Sádor ssoos@colbud.hu; 2009/9 MTA Kutatásszervezési Itézet 2009
2 Soós Sádor Az életpálya-fogalom modellezése /9 Módszertai kísérlet az életpálya fogalmáak formalizálására Előtaulmáy a fiatal biológusok életpályakutatását célzó támogatott projekthez Az életpályamodell formális megközelítése Az életpályakutatás általáos módszertaát illetőe alapvető kérdés az életpálya fogalma, aak formalizálhatósága. Céluk az alább ismertetett mukába, amely a fiatal biológusok életpályakutatását célzó programhoz kapcsolódik, egy olya modell vagy modellcsalád leírása volt, amely az életpálya-fogalmat formálisa és empirikusa is tesztelhető módo reprezetálja. Az eek eredméyekét előállt eszközöket arra az adatbázisra alkalmaztuk, amely a kutatás sorá fiatal biológusok körébe végzett kérdőíves felmérés alapjá keletkezett 2. Eek fő változói a karrierállomásokat, az életpályára hatást gyakorló számos további téyezőt (taulmáyok, családi körülméyek stb.) és attitűdöket rögzítették. A szokásos szóhaszálattól kissé eltérőe életpályamodell alatt olya formalizmust, matematikai kostrukciót értük, amely az alábbi jellemzőkkel redelkezik: () modellezi, ill. reprezetálja az egyéi életpályák felvételéből, az adatbázisból kiemelkedő tedeciákat, (2) modellezi az életpálya alakulását befolyásoló téyezők kapcsolatát, és eek révé (3) prediktív, vagyis előrejelzésre alkalmas. A karrierkimeetek előrejelzési modellje: Bayes-klasszifikáció A feti három kritérium alapjá az életpálya ituitív fogalmáak megragadásához az ú. Bayes-hálók, ill. Bayes-klasszifikáció módszerét vizsgáltuk meg. A Bayes-háló általáosságba egy iráyított (ciklusmetes) gráf, grafikus statisztikai modell, amely (többyire) diszkrét valószíűségi változók együttes eloszlását reprezetálja. Csomópotjai az éritett változók, élei pedig a köztük feálló feltételes függőségi viszoyokat jelzik: bármely gráfbeli változó feltételese függ a szülőódusoktól, vagyis azoktól a változóktól, és csak azoktól, amelyektől a gráfba él vezet ahhoz. Fotos kitétel a kizárólagosság: a vizsgált változók körébe a szülőódusoktól való függés a többi változótól való függetleséget implikálja. Egy adott eredméyváltozóra hatást gyakorló téyezők modellezéséél tehát egy Bayes-háló a (mért) háttérváltozók teljes összefüggésredszeréek taulmáyozását lehetővé teszi. A Bayes-hálók egyik defiitív jellemzője tehát a függőségi struktúra. A másik összetevő az egyes függőségi viszoyokat számszerűsítő paramétereket, vagyis a változókak a szülőódusoktól függő feltételes eloszlásait tartalmazza. A gyakorlatba egy X változó eloszlását ú. feltételes valószíűségi táblákkal (FVT) szokás meghatározi, amelyek mide kovariás, vagyis a szülőódusok lehetséges értékeiek A taulmáy eredméyei a következő közleméybe kerültek felhaszálásra: Mosoié Fried Judit Pálikó Éva Soós Sádor: Tudomáyos fokozattal redelkező fiatal biológusok mukahelyi orietációja. LVII. évf., 200. jauár (7 90. o.), Melléklet: Iovációkutatás. 2 Az adatbázis jellemzését lásd az idézett cikkbe.
3 Soós Sádor Az életpálya-fogalom modellezése 2/9 mide kombiációja mellett rögzítik X kimeetét. A gráf és paraméterei ismeretébe lehetségessé válik az eredméyváltozó valószíűsíthető értékére voatkozó következtetés, vagy, más aspektusból, az egyedek valószíűségi osztályozása, klasszifikációja. Ez utóbbi elvet haszosítják az alább bemutatott életpályamodellbe is alkalmazott módszer, az ú. Bayes-háló alapú klasszifikáció sorá. A módszer feltételez egy adatbázist, amelyek egy választott C eredméyváltozóját, az ú. osztályozó változót kívájuk a többi változó (az ú. attribútumok) alkalmas Bayes-hálója segítségével modellezi. Az adatokhoz legikább illeszkedő hálózat az ú. klasszifikátor (classifier), amelyek fő fukciója, hogy lehetővé tegye az adatbázisba em szereplő egyedek besorolását a C kategóriáiak valamelyikébe azok modellbeli attribútumai alapjá. Ez a valószíűségi következtetés a Bayes-háló fet leírt tulajdoságai, és a klasszifikátorok általáos felépítésé alapszik. Utóbbi alapvető voása, hogy kiiduló- (gyökér-) potjába a C áll: ebből azokhoz a változókhoz vezet él, amelyek közvetleül függeek a C-től. Az idirekt hatású változókhoz más változóktól is futak élek: ezek hatása tehát más változók értékétől is függ. E hatásokat az FVT-k számszerűsítik, amelyek becslése utá a következtetés (bármely egyed C szeriti jellemzése) az ú. Bayes-szabályra támaszkodik, amely a megfigyelt X X változók értékéek függvéyébe úgy defiiálja a C értékeiek feltételes, posterior valószíűségét, hogy az X X értékeiek (kovariásaiak) a C-től való függésére vagyis az FVT-kre hivatkozik: P( C = c i X = x K X = x ) = P( C = c i ) P( X P( X = x K X = x K X = x = x ) C = c i ) Ebből az elvből mivel a Bayes-gráfalkotás szabálya szerit a kapcsolatba em álló csomópotok függetleek levezethető, hogy a C-beli kategóriák valószíűsége az egyed x x tulajdoságai feltételes valószíűségéek szorzata. Ezeket a valószíűségeket az FVT-k kódolják (direkt hatású változókál a C értékeiek, idirekt hatásúakál pedig a gráf szerit arra hatást gyakorló változók kovariásaiak függvéyébe). A Bayes-klasszifikátor mit életpályamodell Midezek alapjá a Bayes-háló alapú osztályozás ígéretes eszközt szolgáltat egy prediktív poteciállal redelkező életpályamodell kidolgozásához, ha azt az alábbiak szerit közelítjük meg. Az karrier jelelegi állapotát/kimeetét befolyásoló téyezőket és azok kapcsolatredszerét kívájuk hatékoya modellezi. A feladatot klasszifikációs problémakét kezeljük: a kérdés, hogy milye előrejelzést tehetük a karrier kimeetét jellemző C változó (pl. beosztás, mukaerőpiaci pozíció, tudomáyos raglétrá elfoglalt hely stb.) értékére a többi változó (előzméyek, attitüdök stb.) értékeiek ismeretébe.
4 Soós Sádor Az életpálya-fogalom modellezése 3/9 Ebbe a megközelítésbe életpálya-modellük egy G,Θ Bayes-klasszifikátor, amelybe G egy iráyított (körmetes) gráf C gyökérpottal (karrierkimeet), Θ pedig az ábrázolt eloszlás paramétereiek halmaza (FVT-k). Egy ilye életpálya-modell kokrét adatbázis alapjá való feltárása az adatokhoz legjobba illeszkedő Bayes-klasszifikátor felépítését jeleti. Eek korszerű módszere az adatbáyászat és a mesterséges itelligecia területéek metszetébe álló gépi taulás paradigmája. Az erre a célra készült algoritmusok az adatbázis alapjá igyekezek megtauli a legjobb modellt. A Bayes-háló tauló algoritmusok két kompoese a megfelelő gráf, vagyis a változók függőségi struktúrájáak keresése, illetve a struktúra alapjá a paraméterek becslése. A taulási folyamat vázlatosa egy kiiduló gráf heurisztikus ismételt módosítása valamely célfüggvéy maximalizálása mellett, amely a gráfak az adatokhoz (az együttes eloszláshoz) való illeszkedését méri (etwork score). Az adatbázis egyidejűleg ú. taító és tesztadatbáziskét fukcioál: a tauló algoritmus ez alapjá kostruálja meg az osztályozó változó és az attribútumok közti viszoyokat, de erre alkalmas érvéyességi feltételek mellett eze is teszteli és értékeli a modellt (l. let). A követekzőkbe bemutatott kísérlet célja egy ilye életpályamodell, azaz (legalább) egy Bayes-háló alapú klasszifikátor (BHK) megalkotása a fiatal biológusokra voatkozó adatbázis mit taító- és tesztadatbázis felhaszálásával. Az eredméykét remélt predikciós eszköz dötéshozatali alkalmazásáak előyeit em elsősorba a téyleges előrejelzésbe vagyis az új egyedek életpálya-kimeetéek becslésébe, haem a klasszifikátor tulajdoságaiak jeletőségébe jelölhetjük meg: predikciós modell fehér doboz jellegű, vagyis a predikció levezetése átlátható, és a hátterébe álló struktúra betekitést yújt a relevás életpálya-téyezők kapcsolatredszerébe (egy adott kimeeti változó függvéyébe). A fiatal biológusokra voatkozó modell előkészítése: az adatbázis exploratív vizsgálata Az adatbázisra épülő modellépítés alapvető mozzaata az életpálya-kimeet valamely relevás aspektusát kódoló C eredméyváltozó kiválasztása. Nagyszámú poteciális magyarázó változó eseté a Bayes-hálók számításigéyét figyelembe véve ugyacsak elkerülhetetle a dimezióredukció, vagyis a változóhalmaz jóval kisebb számú változóval való reprezetációja. Az általuk haszált kérdőíves adatbázis az aktuális kérdésfeltevéshez mért mauális szűkítés, vagyis a relevás dimeziókra voatkozó miimalista hipotézis yomá agyjából ötve kategoriális változóból épült fel. A C és a relevás attribútumok kiválasztásához egy exploratív techika vezetett el. Az exploratív szakaszba az adatbázis változói közötti asszociációt és aak mértékét vizsgáltuk. Asszociációs mutatókét a kategoriális változók kölcsöös függőségét számszerűsítő ú. kölcsöös iformációt vagy MI-idexet haszáltuk, amely a változók együttjárását léyegébe együttes eloszlásuk egyeletességével, etrópiájával fejezi ki:
5 Soós Sádor Az életpálya-fogalom modellezése 4/9 MI( X, Y ) = H ( X ) + H ( Y ) H ( X, Y ), ahol = i H ( A) P( Ai ) * l P( A i ) az A változó etrópiája, P(A i ) pedig az A i változóérték együttes etrópia eseté az A i B i kovariás valószíűsége. Az ötve változó asszociációs mátrixa alapjá ezek utá egy asszociációs térképet készítettük: egy olya gráfot, amelyek csomópotjai a változók, élei pedig a köztük lévő asszociációs kapcsolatot jelzik. A gráfból töröltük az izolátumokat, vagyis azokat a változókat, amelyek kevésbé iformatívak a többi viszoylatába. Az így megmaradt összefüggő részgráfot kompoest jeleíti meg a. ábra. Az asszociációs struktúra értelmezését két további jellemző segíti: ) a mértékre voatkozóa megállapítottuk egy határértéket (az asszociációra kapott hatváyfüggvéy-eloszlás alapjá 0.2), és az ezt meghaladó kapcsolatokat folytoos voallal, az alatta maradókat potozott voallal jelöltük. 2) A csomópotok agysága azok ú. sajátvektor-cetralitásával aráyos: ez a változók pozíciójára voatkozó mutató ebbe az esetbe úgy értelmezhető, mit az adott változó (közvetle és közvetett) függőségi kapcsolatredszeréek mérete, kiterjedtsége. Az gráf alapjá megállapítható, hogy a fiatalbiológus-adatbázisba a változók közötti kapcsolat általáosságba viszoylag gyege. Az általába látható gyege kapcsolat mellett a változótérképről leolvashatók bizoyos, egymás tekitetébe iformatív változócsoportok. A térkép magját alkotó, viszoylag összefüggő csoport a mukapiaci státus külöböző jellemzőit írja le: jelelegi mukahely szektoriális helye (q42), szervezeti típusa (q4), beosztás (illetve két, ezekből képzett változó, amelyek defiíció szerit összefüggeek az előbbiekkel: jelelétük a módszer tesztjekét értékelhető). Hasolóa erős klasztert alkot a családi paraméterek egy csoportja (családi állapot, háztartás mérete, va/ics gyermek m32, m33, 40a,). Figyelemre méltóbb eek, valamit az előző klaszterek az összefüggése: a háztartás mérete (m33) és a beosztás között látható szorosabb összefüggés. További kapcsolatot figyelhetük meg a fokozatszerzés átfogó területe (q5: ifra- vagy szupraidividuális biológia) és aak itézméye között (q3, egyetemek): az utóbbi szité kapcsolódik a beosztáshoz. A gráf tükrözte viszoylag triviális további összefüggés a képzés formája (q3) appali, levelező, esti tagozat és a képzés fiaszírozása között áll fe (q5).
6 Soós Sádor Az életpálya-fogalom modellezése 5/9.. ábra A kérdőíves adatbázis változóiak asszociációs térképe (kölcsöös iformáció, MI alapjá) Figyelembe véve a változótérképet, Bayes-klasszifikátorukhoz eredméy- vagy osztályozó változó gyaát a jelelegi mukáltató szervezeti típusát választottuk (q42), vagyis ugyaazt a dimeziót, amelyet korábba a karriertérképekél is alkalmaztuk. Ez a tartalmi szempotból karrier-kimeet jellegű változó redelkezik a legagyobb (sajátérték-) cetralitással, vagyis a legkiterjedtebb függőségi kapcsolatredszerrel a változógráfba (a hasoló méretű mukahely6 csomópot egy ebből képzett változót jelez). A magyarázó változók kiválasztásához szité egy MI-alapú modellépítési techikát, az adatbáyászatba széles körbe alkalmazott ú. korreláció-alapú jellemzőkiválasztást (correlatio-based feature selectio, CFS) haszosítottuk. Az algoritmikus eljárás valamely keresési módszer segítségével igyekszik azt a változócsoportot azoosítai az adatbázisba, amely a legkevésbé redudás és a legikább iformatív az eredméyváltozó tekitetébe. Eek megvalósítása a heurisztikus keresés sorá megvizsgált változócsoportok értékelésével, és a legjobb jellemzőhalmaz kiválasztásával zajlik. Az alkalmazott kritérium az MI-idex ormalizált változata, az ú. szimmetrikus bizoytalaság, amely a kategoriális változók korrelációs mutatójakét szolgál: az ebből képzett maximalizált célfüggvéy (merit) magas értéke azt jelzi, hogy a kiválasztott jellemzőhalmaz elemei a lehető legkevésbé korrelálak
7 Soós Sádor Az életpálya-fogalom modellezése 6/9 egymással (redudacia-metesség), és a lehető legagyobb mértékbe a célváltozóval (iformativitás). A klasszifikátor felépítéséhez a célváltozó (q42) megjelölésével a teljes adatbáziso lefuttatuk egy CFS-keresést. Az így kapott legjobb változóhalmazra (és az eredméyváltozóra) szűkített adatbáziso gépi taulással kostruáltuk meg a legvalószíűbb Bayes-hálózatot mit klasszifikátort. A feladathoz a Weka 3 yílt forráskódú gépi taulást megvalósító alkalmazáscsomagot vettük igéybe (a Bayes et classifier sémát a szülőódusok lehetséges számát maximalizálva, egyébkét az alapértelmezett paraméterekkel taítottuk). Az alábbiakba elsőkét rövide ismertetjük az ebből adódó modellt (2. ábra), majd aak értékelését. A adatbázis alapjá tault modell A külöböző szervezeti típusokba való elhelyezkedés valószíűségét (q42) a mitából felépíthető modell értelmébe kilec változó befolyásolja. A változók tartalmát az. táblázatba foglaltuk össze. A hálózat struktúrája viszoylag egyszerű: egy téyező kivételével a csomópotok egyetle szülője a célváltozó (q42), vagyis ebbe a kotextusba egymástól függetleül, közvetleül hatak a q42 kimeetére. A kivétel az a jellemző, amely a PhD-taulmáyok alatti külföldi szakmai tevékeységre voatkozik (q32): ez (és így eek hatása) két további téyezőtől függ: befolyásolja a képzés formája (q3: appali, esti, levelező) és a doktori fokozat megszerzésére voatkozó motiváció típusa (q25.3). Összességébe azt modhatjuk, hogy a kapott modellbe a szervezeti hovatartozásra égy fő téyezőcsoporból következtethetük: () A doktori képzésbe való részvétel itezitása: q3, q27, q32 (2) a mukapiaci előzméyek: q4, (3) a tudomáyos karrierre voatkozó attitüdők. q25.3, m04, m20.4, ill sajátos, de érthető módo a fokozatszerzés átfogó szakterülete. 3 WITTEN, I. H. EIBE, F. [2005]: Data Miig: Practical machie learig tools ad techiques, 2d Editio. Morga Kaufma, Sa Fracisco.
8 Soós Sádor Az életpálya-fogalom modellezése 7/9 2. ábra A mukáltató szervezeti típusát előrejelző Bayes-klasszifikátor. táblázat A Bayes-klasszifikátort felépítő változók defiíciója Kód Leírás q5 Melyik átfogó területe szerzett fokozatot? q3 Milye tagozato járt doktorképzésre? q25.3 Az alább felsoroltak közül mi ösztöözte Öt legikább a fokozat megszerzésére? q27 Tault, esetleg dolgozott Ö ösztödíjaskét külföldö egyetemista korába? q32 Tault, esetleg dolgozott Ö ösztödíjaskét külföldö PhD hallgató, illetve doktorjelölt korába? q4 Milye ágazatba tevékeykedik jelelegi/idöbe legközelebbi mukáltatója? beosztas Mi a beosztása? Életpályája sorá hogya szereté maximálisa kiteljesítei saját tudomáyos-szakmai m04 ambícióit? Kérjük, az alább felsoroltak közül válassza ki azt az állítást, melyet a legikább sajátjáak érez! m20.4 Kit tart Ö sikeres kutatóak? / Magas presztízsü állást tölt be Az összefüggésredszer részleteit, mit korábba részleteztük, az FVT-k tartalmazzák, vagyis azok a feltételes valószíűségi táblák, amelyekből megállapítható, hogy a jellemzők egyes értékei milye mértékbe valószíűsítik az egyes szektorokat (mivel itt a legtöbb változóak egyetle szülőódusa va, a célváltozó, ezek a táblák egyszerű kereszttáblák: kivétel ez alól a három jellemzőtől függő q32, amelyek FVT-je az összes kovariás, vagyis a három jellemző értékéek összes kombiációja mellett adja meg ezeket a valószíűségeket). Ezek az FVT-k a modell részét képezik, a gráf egyes csomópotjaihoz tartozak. Demostrációs céllal itt a q5-höz tartozó FVT-t közöljük, amely a fokozatszerzés átfogó területéek szerepét jellemzi (2. táblázat).
9 Soós Sádor Az életpálya-fogalom modellezése 8/9 2. táblázat A fokozatszerzés átfogó területéhez (q5) tartozó feltételes valószíűségi tábla (FVT) Ifraidividuális biológia Szupraidividuális biológia Nem döthetö el igazá Más szakterülete, éspedig: Akadémiai kutatóitézet Egyéi vállalkozás Egyetem Más állami K+F itézméy Más itézméy, éspedig: Noprofit szervezet Profitorietált kisvállalkozás (0-49 fös) Profitorietált középvállalkozás ( fös) Profitorietált mikrovállalkozás (max. 9 fös) Profitorietált agyvállalat (250 fö felett) A táblázatból taúsága szerit ha egy biológusjelölt az ifraidividuális biológiát választja, úgy jóval agyobb a valószíűsége a profitorietált agyvállalatál való elhelyezkedések, mit a ha a szupraidividuális területe kutat. Ez az eredméy jól iterpretálható, mithogy ituitíve is köyebb biokémikuskét vagy molekuláris biológuskét ipari területe érvéyesüli (gyógyszeripar), mit taxoómuskét vagy ökológuskét. A táblázat szerit ugyaakkor az akadémiai és az egyetemi szféra is favorizálja ezt a területet (bár az egyetemek esetébe kiegyelítettebb az aráy). Másfelől a szupraidividuális terület elsősorba a oprofit szférát (ill. a mikrovállalkozást) valószíűsíti: ez szité értelmezhető, ha figyelembe vesszük a jellemzőe ökológusokat igéylő köryezetvédelem mit szektor szervezeti formáit. A kokrét magyarázatoko túl ugyaakkor figyelemre méltó, hogy az elhelyezkedési mitázatokat már a (bilógiá belüli) területválasztás agyba befolyásolja. A modell értékelése Az fet bemutatott modell érvéyéek vizsgálatához több, az adatbáyászatba klasszifikátorok értékelésére jellemző mutatót vizsgáltuk meg. A modellek az adatokhoz való lehető legjobb illeszkedését már maga a taulási folyamat is igyekszik biztosítai: a gépi taulás két lépcsője, a taulás és tesztelés az ú. keresztvalidáció módszerével zajlik. (Witte Eibe, [2005]). Ebből fakadóa mide egyed szerepel legalább egyszer taító- és tesztalaykét is.
10 Soós Sádor Az életpálya-fogalom modellezése 9/9 A modellépítés első lépcsőjekét értékelhető jellemző-kiválasztás (CFS) sikerességéek mutatója ige magas (merit = 0.9). Némileg áryalja ugyaakkor ezt a képet, ha a magyarázó változók halmazát összevetjük a változótérképpel. A magyarázó változók között megtaláljuk a térkép szerit a célváltozóval erőse asszociált (vele függőségi viszoyba lévő) változókat, de olyaokat is, amelyek a térkép szerit gyegébb kapcsolatba állak vele. Másfelől az erőse asszociált magyarázó változók egy kisebb köre egymással is szorosabba korrelál (ami elletmodai látszik a redudacia-elvek). Az első megfigyelésre a magyarázat az, hogy a térkép csak a legerősebb kapcsolatokat vizualizálja (amelyek sokszor viszoylag triviálisak). A második megfigyelés a függőségi viszoyredszer egészével hozható kapcsolatba: a függőség mértékéek ilye eloszlása mellett (kevés erős, sok gyegébb kapcsolat) a legjobb változóhalmaz kiválasztása kompromisszumot eredméyez. Összességébe azt modhatjuk, hogy a CFS agyobb felbotású képet yújt a relevás változókról. A kísérlet eredméyekét kapott klasszifikátor értékeléséek elsődleges mutatója a megfelelőe besorolt egyedek száma, illetve részaráya (percet of correctly classified istaces, PCC). Az adott taító (és teszt-) adatbáziso a feti, vagyis a legjobba illeszkedő modell közepes teljesítméyt mutat: a mukáltató szervezeti típusát 63%-ba volt képes helyese (vagyis az adatbázisba szereplő téyleges érték szerit) megítéli. Ez a részaráy azoba egyidejűleg a célváltozó egyes értékeire, vagyis az egyes szervezeti típusokra voatkozó helyesség, a helyes pozitív ráták átlaga. A klasszifikátor teljesítméyét az egyes kimeetekre voatkozóa értékelve jóval iformatívabb képet kapuk (3. táblázat). A táblázat értelmébe a modell kellőe megbizható eredméyt, vagyis jó jellemzést ad az akadémiai kutatóitézet, az egyetem és a profitorietált agyvállalat típusra voatkozóa, a többi esetébe viszot kimodotta rosszul teljesít. Ez utóbbi értékek olya, bővebb mita révé javíthatók, amelybe a voatkozó kategóriákat jóval több eset képviseli, ebből következőleg a tauló algoritmus számára több iformáció áll redelkezésre az adott kimeetekről. 3. táblázat A Bayes-klasszifikátor értékelése Érték HP ráta FP ráta Potosság Fedés Akadémiai kutatóitézet Egyetem Más állami K+F itézméy Egyéi vállalkozás Profitorietált mikrovállalkozás (max. 9 fös) Profitorietált kisvállalkozás (0-49 fös) Profitorietált középvállalkozás ( fös) Profitorietált agyvállalat (250 fö felett) Noprofit szervezet Más itézméy, éspedig: Súlyozott átlag (- PCC) Rövidítések: HP=helyes pozitív, FP=false pozitív
Kutatói pályára felkészítı modul
Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
RészletesebbenAz új építőipari termelőiár-index részletes módszertani leírása
Az új építőipari termelőiár-idex részletes módszertai leírása. Előzméyek Az elmúlt évekbe az építőipari árstatisztikába egy új, a korábba haszálatos költségalapú áridextől eltérő termelői ár alapú idexmutató
RészletesebbenHiba! Nincs ilyen stílusú szöveg a dokumentumban.-86. ábra: A példa-feladat kódolási változatai
közzétéve a szerző egedélyével) Öfüggő szekuder-változó csoport keresése: egy bevezető példa Ez a módszer az állapothalmazo értelmezett partíció-párok elméleté alapul. E helye em lehet céluk az elmélet
RészletesebbenVÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
RészletesebbenRudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása
Rudas Tamás: A hibahatár a becsült meyiség függvéyébe a mért ártrefereciák téves értelmezéséek egyik forrása Megjelet: Agelusz Róbert és Tardos Róbert szerk.: Mérésről mérésre. A választáskutatás módszertai
RészletesebbenKidolgozott feladatok a nemparaméteres statisztika témaköréből
Kidolgozott feladatok a emparaméteres statisztika témaköréből A tájékozódást mideféle szíkódok segítik. A feladatok eredeti szövege zöld, a megoldások fekete, a figyelmeztető, magyarázó elemek piros szíűek.
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenCserjésné Sutyák Ágnes *, Szilágyiné Biró Andrea ** ismerete mellett több kísérleti és empirikus képletet fel-
ACÉLOK KÉMIAI LITY OF STEELS THROUGH Cserjésé Sutyák Áges *, Szilágyié Biró Adrea ** beig s s 1. E kutatás célja, hogy képet meghatározásáak kísérleti és számítási móiek tosságáról, és ezzel felfedjük
Részletesebben6. Elsőbbségi (prioritásos) sor
6. Elsőbbségi (prioritásos) sor Közapi fogalma, megjeleése: pl. sürgősségi osztályo a páciesek em a beérkezési időek megfelelőe, haem a sürgősség mértéke szerit kerülek ellátásra. Az operációs redszerekbe
RészletesebbenKontra József A pedagógiai kutatások módszertana
Kotra József A pedagógiai kutatások módszertaa egyetemi jegyzet A kiadváyt A kompetecia-alapú pedagógusképzés regioális szervezeti, tartalmi és módszertai fejlesztése (TÁMOP - 4.1..-08/1/B-009-0003) című
Részletesebben2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;
Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
RészletesebbenA figurális számokról (IV.)
A figurális számokról (IV.) Tuzso Zoltá, Székelyudvarhely A továbbiakba külöféle számkombiációk és összefüggések reprezetálásáról, és bizoyos összegek kiszámolásáról íruk. Sajátos összefüggések Az elekbe
RészletesebbenPopuláció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 16. A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezőgazdaság Szociológia
RészletesebbenMÉRÉSMETODIKAI ALAPISMERETEK FIZIKA. kétszintű érettségire felkészítő. tanfolyamhoz
MÉRÉSMETODIKAI ALAPISMERETEK a FIZIKA kétszitű érettségire felkészítő tafolyamhoz A fizika mukaközösségi foglalkozásoko és a kétszitű érettségi való vizsgáztatásra felkészítő tafolyamoko 004-009-be elhagzottak
Részletesebben2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
RészletesebbenElsőbbségi (prioritásos) sor
Elsőbbségi (prioritásos) sor Közapi fogalma, megjeleése: pl. sürgősségi osztályo a páciesek em a beérkezési időek megfelelőe, haem a sürgősség mértéke szerit kerülek ellátásra. Az operációs redszerekbe
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
RészletesebbenEGYENLETEK ÉS EGYENLETRENDSZEREK MEGOLDÁSA A Z n HALMAZON. egyenletrendszer megoldása a
Az érettségi vizsgára előkészülő taulók figyelmébe! 4. Az EGYENLETEK ÉS EGYENLETRENDSZEREK MEGOLDÁSA A Z HALMAZON a1 x + b1 y = c1 egyeletredszer megoldása a a x + b y = c Z halmazo (. rész) Ebbe a részbe
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
RészletesebbenMegjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.
Részletesebben1. ALGORITMUSOK MŰVELETIGÉNYE
1 ALGORITMUSOK MŰVELETIGÉNYE Az ismertetésre kerülő adatszerkezeteket és algoritmusokat midig jellemezzük majd a hatékoyság szempotjából Az adatszerkezetek egyes ábrázolásairól megállapítjuk a helyfoglalásukat,
RészletesebbenKomputer statisztika
Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................
RészletesebbenPályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
Részletesebben6 A teljesítményelektronikai kapcsolások modellezése
6 A teljesítméyelektroikai kapcsolások modellezése A teljesítméyelektroikai beredezések vagy már ömagukba egy bizoyos szabályzott redszert alkotak, vagy egy agyobb szabályozott redszer részét képezik.
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Részletesebben1. előadás: Bevezetés. Irodalom. Számonkérés. Cél. Matematikai statisztika előadás survey statisztika MA szakosoknak. A matematikai statisztika tárgya
Matematikai statisztika előadás survey statisztika MA szakosokak 206/207 2. félév Zempléi Adrás. előadás: Bevezetés Irodalom, követelméyek A félév célja Matematikai statisztika tárgya Törtéet Alapfogalmak
RészletesebbenTémakörök. Egyed-kapcsolat modell. Alapfogalmak
Témakörök Alapkocepciók Szoftvertechológia előadás Egyed-kapcsolat modellek Osztálydiagramok Iterakciódiagramok Vezérlési struktúrák Dötési táblák és fák Állapotautomaták Petri hálók Egyed-kapcsolat modell
RészletesebbenNevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
RészletesebbenKvantum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus
LOGO Kvatum párhuzamosság Deutsch algoritmus Deutsch-Jozsa algoritmus Gyögyösi László BME Villamosméröki és Iormatikai Kar Bevezető Kvatum párhuzamosság Bármilye biáris üggvéyre, ahol { } { } : 0, 0,,
RészletesebbenMatematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
RészletesebbenA brexit-szavazás és a nagy számok törvénye
Mûhely Medvegyev Péter kadidátus, a Corvius Egyetem egyetemi taára E-mail: peter.medvegyev@uicorvius.hu A brexit-szavazás és a agy számok törvéye A 016. év, de vélhetőe az egész évtized legfotosabb politikai
Részletesebben1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény
Palácz Béla - Soft Computig - 11-1. Adatok közelítése 1. Adatok közelítése Bevezetés A természettudomáyos feladatok megoldásához, a vizsgált jeleségek, folyamatok főbb jellemzői közötti összefüggések ismeretére,
Részletesebben2. gyakorlat - Hatványsorok és Taylor-sorok
. gyakorlat - Hatváysorok és Taylor-sorok 9. március 3.. Adjuk meg az itt szereplő sorok kovergeciasugarát és kovergeciaitervallumát! + a = + Azaz a hatváysor kovergeciasugara. Az biztos, hogy a (-,) yílt
RészletesebbenMatematikai statisztika
Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika
RészletesebbenFüggvényhatárérték-számítás
Függvéyhatárérték-számítás I Függvéyek véges helye vett véges határértéke I itervallumo, ha va olya k valós szám, melyre az I itervallumo, ha va olya K valós szám, melyre I itervallumo, ha alulról és felülről
RészletesebbenStatisztikai hipotézisvizsgálatok
Statisztikai hipotézisvizsgálatok. Milye problémákál haszálatos? A gyakorlatba agyo gyakra szükségük lehet arra, hogy mitákból származó iformációk alapjá hozzuk sokaságra voatkozó dötéseket. Például egy
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
RészletesebbenKalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8
Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
RészletesebbenA települési hősziget-intenzitás Kárpátalja alföldi részén 1
A települési hősziget-itezitás Kárpátalja alföldi részé Molár József, Kakas Móika, Marguca Viola A települési hőszigetek kifejlődéséek vizsgálata az urbaizáció folyamatáak előrehaladásával párhuzamosa
RészletesebbenSzámsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.
Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el
RészletesebbenIKT eszközök használata az oktatásban
IKT eszközök haszálata az oktatásba CZÉDLINÉ BÁRKÁNYI Éva Szegedi Tudomáyegyetem Juhász Gyula Pedagógusképző Kar, Szeged czedli@jgypk.u-szeged.hu Tíz éve már, hogy a mitegy egyed százados közoktatási gyakorlat
RészletesebbenTémakörök. Alapkoncepciók. Alapfogalmak. Egyed-kapcsolat modell. Alapfogalmak. Egyed-kapcsolat diagram
Témakörök Alapkocepciók Szoftvertechológia elıadás Egyed-kapcsolat modellek Osztálydiagramok Iterakciódiagramok Vezérlési struktúrák Dötési táblák és fák Állapotautomaták Petri hálók Egyed-kapcsolat modell
RészletesebbenKalkulus II., második házi feladat
Uger Tamás Istvá FTDYJ Név: Uger Tamás Istvá Neptu: FTDYJ Web: http://maxwellszehu/~ugert Kalkulus II, második házi feladat pot) Koverges? Abszolút koverges? ) l A feladat teljese yilvávalóa arra kívácsi,
RészletesebbenAdatkezelési tájékoztató
Adatkezelési tájékoztató A VITAMED PHARMA Kft. (6720 Szeged, Szécheyi tér 2/A fsz. 6., cg.: 06-09-009134, képviseletébe dr. Zoltai Gergely ügyvezető, a továbbiakba: Adatkezelő) a gazdasági tevékeysége
RészletesebbenCIVILEK A NYOMTATOTT SAJTÓBAN ÉRDEKÉRVÉNYESÍTÉS A MÉDIÁBAN 1
csz12 elm filosz.qxd 2007. 06. 13. 14:53 Page 111 CIVILEK A NYOMTATOTT SAJTÓBAN ÉRDEKÉRVÉNYESÍTÉS A MÉDIÁBAN 1 Beszedics Otília Bevezetõ A 2003. augusztus 1. és 2007. február 28. közötti idõszakba a GPS
Részletesebben6. feladatsor. Statisztika december 6. és 8.
6. feladatsor Statisztika 200. december 6. és 8.. Egy = 0 szervert tartalmazó kiszolgáló mide szervere mide pillaatba 0 < p < valószíűséggel foglalt, a foglaltságok szerverekét függetleek. Tehát a foglaltak
RészletesebbenA FUNDAMENTÁLIS EGYENLET KÉT REPREZENTÁCIÓBAN. A függvény teljes differenciálja, a differenciális fundamentális egyenlet: U V S U + dn 1
A FUNDAMENÁLIS EGYENLE KÉ REPREZENÁCIÓBAN A differeciális fudametális egyelet A fudametális egyelet a belső eergiára: UU (S V K ) A függvéy teljes differeciálja a differeciális fudametális egyelet: U S
RészletesebbenAz iparosodás és az infrastrukturális fejlődés típusai
Az iparosodás és az ifrastrukturális fejlődés típusai Az iparosodás és az ifrastrukturális fejlődés kapcsolatába törtéelmileg három fejlődési típus vázolható fel: megelőző, lácszerűe együtt haladó, utólagosa
RészletesebbenA válaszadó-vezérelt mintavétel megbízhatóságának vizsgálata szimulációs módszerekkel 1
Szociológiai Szemle 23(2): 72 88. válaszadó-vezérelt mitavétel megbízhatóságáak vizsgálata szimulációs módszerekkel 1 Kmetty Zoltá Simo Dávid zkmetty@yahoo.com; dr.david.simo@gmail.com Beérkezés: 2013.
RészletesebbenIngatlanfinanszírozás és befektetés
Nyugat-Magyarországi Egyetem Geoiformatikai Kar Igatlameedzser 8000 Székesfehérvár, Pirosalma u. 1-3. Szakiráyú Továbbképzési Szak Igatlafiaszírozás és befektetés 2. Gazdasági matematikai alapok Szerzı:
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
RészletesebbenBIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika
BIOSTATISZTIKA ÉS INFORMATIKA Leíró statisztika Első közelítésbe a statisztikai tevékeységeket égy csoportba sorolhatjuk, de ezek között ics éles határ:. adatgyűjtés, 2. az adatok áttekithetővé tétele,
RészletesebbenPiacmeghatározás. Hipotetikus monopolista teszt. Hipotetikus monopolista teszt alkalmazása. Hipotetikus monopolista teszt alkalmazása
Moder iacelmélet Moder iacelmélet A iaci erő mérése ELTE TáTK Közgazdaságtudomáyi Taszék Selei Adrie ELTE TáTK Közgazdaságtudomáyi Taszék Készítette: Hidi Jáos A taayag a Gazdasági Verseyhivatal Verseykultúra
Részletesebben3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
Részletesebbenezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,
A deceber -i gyakorlat téája A hipotézisvizsgálat fotos probléája a következő két kérdés vizsgálata. a) Egy véletle eyiség várható értékéek agyságáról va bízoyos feltevésük. Elleőrizi akarjuk e feltevés
RészletesebbenDIGITÁLIS DOMBORZATMODELLEK ELŐÁLLÍTÁSI TECHNOLÓGIÁI ÉS MINŐSÉGI PARAMÉTEREI
Koós Tamás Zríyi Miklós Nemzetvédelmi Egyetem koos.tamas@zme.hu DIGITÁLIS DOMBORZATMODELLEK ELŐÁLLÍTÁSI TECHNOLÓGIÁI ÉS MINŐSÉGI PARAMÉTEREI Absztrakt A tériformatikai szoftverek egyre szélesebb köre képes
RészletesebbenFeladatok megoldása. Diszkrét matematika I. Beadandó feladatok. Bujtás Ferenc (CZU7KZ) December 14, feladat: (A B A A \ C = B)
Diszkrét matematika I. Beadadó feladatok Bujtás Ferec (CZU7KZ) December 14 014 Feladatok megoldása 1..1-6. feladat: (A B A A \ C = B) A B A = A \ C = B igazolása: A B A = B \A = Ø = B = A B (Mivel a B-ek
RészletesebbenA függvénysorozatok olyanok, mint a valós számsorozatok, csak éppen a tagjai nem valós számok,
l.ch FÜGGVÉNYSOROZATOK, FÜGGVÉNYSOROK, HATVÁNYSOROK Itt egy függvéysorozat: f( A függvéysorozatok olyaok, mit a valós számsorozatok, csak éppe a tagjai em valós számok, 5 haem függvéyek, f ( ; f ( ; f
RészletesebbenReálbérek és kereseti egyenlõtlenségek, 1986 1996
62 Kertesi Gábor Köllõ Jáos Közgazdasági Szemle, XLIV. évf., 997. július augusztus (62 634. o.) Kertesi Gábor Köllõ Jáos Reálbérek és kereseti egyelõtleségek, 986 996 A bérszerkezet átalakulása Magyarországo,
RészletesebbenXXII. Nemzetközi Köztisztasági Szakmai Fórum és Kiállítás
XXII. Nemzetközi Köztisztasági Szakmai Fórum és Kiállítás Alkalmazott Kutatási Noprofit Kft. Szombathely 2012. április 24-25-26. Elektroikai hulladékok szelektív begyűjtése és komplex kezelése Chrabák
RészletesebbenKétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.
Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására
RészletesebbenVII.Valószínűségszámítási, statisztikai, gráfelméleti alapfogalmak
VII.Valószíűségszámítási, statisztikai, gráfelméleti alapfogalmak VII..A valószíűségszámítás elemei A valószíűségszámítás a véletle tömegjeleségeket taulmáyozó, kb. 300 éves tudomáy. Véletle jeleség: em
RészletesebbenThe nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
RészletesebbenNUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.
NUMERIKUS SOROK II. Ebbe a részbe kizárólag a kovergecia vizsgálatával foglalkozuk. SZÜKSÉGES FELTÉTEL Ha pozitív (vagy em egatív) tagú umerikus sor, akkor a kovergecia szükséges feltétele, hogy lim a
RészletesebbenEötvös Loránd Tudományegyetem Informatikai Kar. Analízis 1. Írásbeli beugró kérdések. Készítette: Szántó Ádám Tavaszi félév
Eötvös Lorád Tudomáyegyetem Iformatikai Kar Aalízis 1. Írásbeli beugró kérdések Készítette: Szátó Ádám 2011. Tavaszi félév 1. Írja le a Dedekid-axiómát! Legyeek A R, B R. Ekkor ha a A és b B : a b, akkor
Részletesebbenbiometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat
Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke
RészletesebbenGyakorló feladatok II.
Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,
RészletesebbenVillamos gépek tantárgy tételei
Villamos gépek tatárgy tételei 7. tétel Mi a szerepe az áram- és feszültségváltókak? Hogya kapcsolódak a hálózathoz, milye előírások voatkozak a biztoságos üzemeltetésükre, kiválasztásukál milye adatot
Részletesebben3.1. A Poisson-eloszlás
Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a
RészletesebbenA MAGYAR NONPROFIT SZEKTOR JÖVÕJE
csz10 tars 2 zam.qxd 2007. 02. 25. 18:18 Page 91 TÁRSADALOM ÉS ÁLLAM A MAGYAR NONPROFIT SZEKTOR JÖVÕJE A MUNKANÉLKÜLISÉG KEZELÉSÉBEN AZ EURÓPAI INTEGRÁCIÓ FOLYAMATÁBAN Kitartottság vagy itegráció a felzárkózás
RészletesebbenReakciómechanizmusok leírása. Paraméterek. Reakciókinetikai bizonytalanságanalízis. Bizonytalanságanalízis
Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alajá uráyi amás www.turayi.eu ELE Kémiai Itézet Reakciókietikai Laboratórium Eddig dolgoztak eze a témá: (témavezetık: uráyi
RészletesebbenFOLYADÉKSZÁLLÍTÓ RENDSZER LINEÁRIS PARAMÉTER-ÉRZÉKENYSÉG ELEMZÉSE 2 1. BEVEZETÉS
Pokorádi László Szoloki Tudomáyos Közleméyek XVII. Szolok, 3 FOLYADÉKSZÁLLÍTÓ RENDSZER LINEÁRIS PARAMÉTER-ÉRZÉKENYSÉG ELEMZÉSE Techikai redszerek matematikai modellvizsgálata sorá figyelembe kell veük,
RészletesebbenV. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
Részletesebben2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya
II RÉZ 2 EJEZE 2 Az együttműködő vllamoseerga-redszer teljesítméy-egyesúlya 2 A frekveca és a hatásos teljesítméy között összefüggés A fogyasztó alredszerbe a fogyasztók hatásos wattos teljesítméyt lletve
RészletesebbenAZ EURÓPAI UNIÓS TÁMOGATÁSOK HATÁSA A
csz24_csz12 skadi.qxd 2010.10.05. 19:57 Page 61 TÁRSADALOM ÉS ÁLLAM AZ EURÓPAI UNIÓS TÁMOGATÁSOK HATÁSA A NONPROFIT SZERVEZETEK MŰKÖDÉSÉRE AZ EQUAL PROGRAM VIZSGÁLATA ALAPJÁN 1 Sebők Dóra Valéria Bevezetés
RészletesebbenKAOTIKUS VAGY CSAK ÖSSZETETT? Labdák pattogása lépcsôn
A FIZIKA TANÍTÁSA KAOTIKUS VAGY CSAK ÖSSZETETT? Labdák pattogása lépcsô Griz Márto ELTE Elméleti Fizikai Taszék Meszéa Tamás Ciszterci Red Nagy Lajos Gimázima Pécs, a Fizika taítása PhD program hallgatója
RészletesebbenDiszkrét matematika II., 3. előadás. Komplex számok
1 Diszkrét matematika II., 3. előadás Komplex számok Dr. Takách Géza NyME FMK Iformatikai Itézet takach@if.yme.hu http://if.yme.hu/ takach/ 2007. február 22. Komplex számok Szereték kibővítei a valós számtestet,
RészletesebbenPaktum Hírlevél. közzétételét. Amellett, hogy rendszeresen tájékoztat majd a Hegyháti Paktum aktuális történéseirõl, szeretne gyakorlatias
Paktum Hírlevél p A Vasi Hegyhát Többcélú Kistérségi Társulás kiadváya p 2007. jauár p 1. szám p Kedves Olvasó! A Hírlevél, melyet kezébe tart, az elkövetkezõkbe még kilec alkalommal jeleik majd meg. Feladatáak
RészletesebbenEGYENLETEK ÉS EGYENLETRENDSZEREK MEGOLDÁSA A Z n HALMAZON. egyenletrendszer megoldása a Z
Az érettségi vizsgára előkészülő taulók figyelmébe! EGYENLETEK ÉS EGYENLETRENDSZEREK MEGOLDÁSA A Z HALMAZON a x + b y c 5. Az egyeletredszer megoldása a Z halmazo (3. rész) a x + b y c A hivatkozások köyítése
RészletesebbenRÁBAKÖZI TAKARÉKSZÖVETKEZET
Vállalkozások és egyéi vállalkozók részére vezetett pézforgalmi számlák kamatairól, valamit a voatkozó betétbiztosítási feltételekről Érvéyes: 2013. szeptember 11-től I. KAMATMÉRTÉKEK Éves kamatláb EBKM
RészletesebbenKi a Köz és mi a haszon és Ki szerint? a Közhasznúság fogalmi és tartalmi deilemmái. a magyar civil crowdsourcing és crowdfunding jó gyakorlatai
c ivil szemle www.civilszemle.hu X. évfolyam 3. szám ElmélEtilEg Ki a Köz és mi a haszo és Ki szerit? a Közhaszúság fogalmi és tartalmi deilemmái (Sebestéy Istvá) KözösségEK és civil társadalom a magyar
RészletesebbenMATEMATIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Matematika emelt szit 1611 ÉRETTSÉGI VIZSGA 017. május 9. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA Fotos tudivalók Formai előírások: 1. Kérjük,
RészletesebbenNapjainkban többféle álláspont támasztja alá, vagy vonja kétségbe a kvalitatív
Iskolakultúra 202/3 Sátha Kálmá Kodoláyi Jáos Főiskola Neveléstudomáyi Taszék Numerikus problémák a kvalitatív megbízhatósági mutatók meghatározásáál A taulmáy a kvalitatív vizsgálatok megbízhatósági problémáiak
Részletesebben1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
RészletesebbenOptika. sin. A beeső fénysugár, a beesési merőleges és a visszavert, illetve a megtört fénysugár egy síkban van.
Optika Mi a féy? Látható elektromágeses sugárzás. Geometriai optika (modell) Féysugár: ige vékoy párhuzamos féyyaláb Ezt a modellt haszálva az optikai jeleségek széles köréek magyarázata egyszerű geometriai
RészletesebbenKÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN
KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN DR. REICHART OLIVÉR 005. Budapest Lektorálta: Zukál Edre Tartalom BEVEZETÉS 3. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK 5.. Kombiatorikai alapösszefüggések
RészletesebbenKombinatorika. Variáció, permutáció, kombináció. Binomiális tétel, szita formula.
Kombiatorika Variáció, permutáció, kombiáció Biomiális tétel, szita formula 1 Kombiatorikai alapfeladatok A kombiatorikai alapfeladatok léyege az, hogy bizoyos elemeket sorba redezük, vagy éháyat kiválasztuk
RészletesebbenISMERETEK ÉS VÉLEMÉNYEK A NONPROFIT SZEKTOR SZERVEZETEIRŐL Egy empirikus kutatás tapasztalatai a Nyugat-Dunántúlon
csz23_csz12 skadi.qxd 2010.06.10. 10:58 Page 5 ELMÉLETILEG ISMERETEK ÉS VÉLEMÉNYEK A NONPROFIT SZEKTOR SZERVEZETEIRŐL Egy empirikus kutatás tapasztalatai a Nyugat-Duátúlo Nárai Márta Bevezetés A civil
Részletesebben( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn
Feladatok közepek közötti egyelőtleségekre (megoldások, megoldási ötletek) A továbbiakba szmk=számtai-mértai közép közötti egyelőtleség, szhk=számtaiharmoikus közép közötti egyelőtleség, míg szk= számtai-égyzetes
Részletesebben