Korreláció és Regresszió

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Korreláció és Regresszió"

Átírás

1 Korreláció és Regresszió 9. elıadás ( lecke) Korrelációs együtthatók 17. lecke Áttekintés (korreláció és regresszió) A Pearson-féle korrelációs együttható

2 Korreláció és Regresszió (témakörök) Kapcsolat szorosságát mérı mutatók A regresszió-analízis elvi alapjai Egy független változós regresszió lineáris nem lineáris Több független változós regresszió többszörös lineáris regresszió nem lineáris regressziós felületek

3 # A korreláció- és regresszió analízis lényege Ellentétben a Variancia Analízissel, most két (vagy több) kvantitatív ismérv sztohasztikus (statisztikai) kapcsolatát keressük A korreláció az ismérvek kapcsolatának szorosságáról szól a kapcsolat tendenciájának kiemelése nélkül A regressziós elemzésnél megkülönböztetünk ható (nevezik független változónak is) és eredmény - változó(ka)t és a kapcsolat tendenciáját is leírjuk regressziós függvény formájában

4 A Pearson-féle korrelációs együttható X és Y jelentse a sokaság egyedeinek két kvantitatív ismérvét, e két ismérv kapcsolatszorosságának mérıszámát keressük Visszagondolva arra, hogy X és Y független volta esetén E(XY)=E(X)E(Y), függetlenség esetén a két oldal eltérése 0. Ezt az eltérést kovarianciának nevezzük: Cov(X,Y) = E(XY) - E(X)E(Y) = µ XY -µ X µ Y

5 A kovariancia még mértékegység-függı, kimutatható, hogy abszolút értéke 0 és σ X σ Y közé esik Megjegyzések: 1. A kovariancia így is írható: Cov(X,Y) = E{(X-µ X )(Y-µ Y )} 2. Cov(X,X) = Var(X), egy változó kovarianciája önmagával, a varianciát adja)

6 A sokasági korrelációs együttható (r rhó ) Osszuk el a kovarianciát abszolút értékének lehetséges maximumával, így kapjuk a (Pearson-féle) korrelációs együtthatót (a továbbiakban korrelációs együttható): r = r(x,y) = r(y,x) = Cov(X,Y)/(σ X σ Y ) A korrelációs együttható független a mértékegységektıl valamint a skálák kezdıpontjától: r(a+bx,c+dy) = r(x,y) r értéke -1 és +1 közé esik, -1 vagy +1 csak akkor, ha X és Y között pontos lineáris kapcsolat van: Y = α + ßX (értéke pozitív, ha X növekedésével tendenciában Y is nı, negatív fordított esetben)

7 A sokasági korrelációs együttható (ρ) (folytatás) Ha X és Y függetlenek, akkor ρ = 0, de fordítva nem igaz: lehet ρ = 0 akkor is, ha X és Y nem függetlenek, köztük lehet nemlineáris kapcsolat Lényeges, hogy a korrelációs együttható csak a lineáris kapcsolat szorosságát méri! Ha ρ = 0, azt mondjuk, hogy a két ismérv korrelálatlan (nem biztos, hogy függetlenek)

8 A mintabeli korrelációs együttható ( r ): ρ becslése mintából Vegyünk a sokaságból n egyedet (megfigyelési egységet), ezek mindegyikén mérjük az X és az Y ismérvet: (x 1,y 1 ), (x 2,y 2 ), (x 3,y 3 ),, (x n,y n ) ρ fenti formuláját átültetve a mintára, kapjuk ρ becslését: r = SP xy / (SS x SS y ), ahol SP xy (Summa Produktum) = x i y i (1/n) x i y i Megjegyzés: Cov(X,Y) becslése SP/(n-1) r ugyanúgy mint ρ, -1 és +1 közé esik és a két ismérv lineáris kapcsolatának szorosságát becsli, segítségével tesztelhetjük, hogy az alapsokaságban korrelál-e a két ismérv

9 Pontdiagram illusztrációk r értékére

10 A korrelációs együttható szignifikancia-vizsgálata A null-hipotézis: H 0 : ρ = 0, azaz nincs (lineáris) korreláció X és Y között Az r mutatóρkörül ingadozó statisztika, ha n kicsi, akkor r jócskán eltérhet ρ-tól Kimutatható, hogy ρ =0 esetén a t = r (n-2) / (1-r 2 ) statisztika df=n-2 szabadságfokú t-eloszlást követ, ennek kiszámításával a lineáris korreláció szignifikanciája minısíthetı

11 Példa r szignifikanciájának vizsgálatára n=10 mintaelembıl számolt korrelációs együttható r = 0,55 t = 0,55 (10-2)/ (1-0,55 2 ) = 0,55 2,828/0,835 = 1,863 t szabadságfoka df = 8 Az Excel-bıl (fx, t-eloszlás alatt) (itt kétoldali próba indokolt, H1: ρ 0), P = 0,099 nem szign.

12 KÖSZÖNÖM TÜRELMÜKET

13 18. lecke Megjegyzések a korrelációs együttható szignifikanciájáról Parciális és többszörös korrelációs együttható

14 Megjegyzések a korrelációs együttható minısítésérıl 1. FONTOS: Itt-ott elterjedt az a gyakorlat, hogy a (lineáris) kapcsolat szorosságát pusztán r értéke alapján besorolják (laza közepes - szoros stb.) Ennek helytelen volta kitőnik az elızı példából is, ahol r = 0,55 (a besorolás szerint közepes, holott mint láttuk, nem is szignifikáns A besorolás valójában csak a sokasági ρ -ra tekinthetı érvényesnek, illetve közelítıleg r-re akkor, ha a mintaszám (n) elég nagy (legalább 50) Javaslat: r értékét önmagában ne minısítsük, vegyük figyelembe a mintaszámot (n) is és teszteljük!

15 Megjegyzések (folytatás) 2. r és n ismeretében közvetlenül (t kiszámítása nélkül) tesztelhetı r szignifikanciája a korrelációs együttható kritikus értékei táblázatból (megtalálható pl. a BIOMETRIAI ÉRTELMEZİ SZÓTÁRban) Például, n=10 (df=8)-nál a táblázatbeli kritikus érték α=5% hibaszinten 0,6319. Az r=0,55 mintabeli érték ennél kisebb, tehát P<5%, nem szignifikáns 3. Sem t számítására, sem táblázat használatára nincs szükség, ha az (x i,y i ) adatpárok beírásával az Excel Regresszió menüpontjára lépünk (ld. késıbb), az eredményekben látjuk P értékét

16 A korrelációs együttható kritikus értékei (részlet a táblázatból) Szabadságfok (df= n-2) Szignifikancia szint ( ) % 5% 1% 0,1% , , , , , , , , ,8054 0,8783 0, , ,7293 0,8114 0, , ,6694 0,7545 0,8745 0, ,6215 0,7067 0,8343 0, ,5822 0,6664 0,7977 0, ,5494 0,6319 0,7646 0, ,5214 0,6021 0,7348 0, ,4973 0,5760 0,7079 0, ,2306 0,2732 0,3541 0, ,1638 0,1946 0,2540 0,3211

17 A H 0 : ρ = ρ 0 hipotézis ellenırzése Ha az alapsokaságban ρ eltér 0-tól, akkor az r statisztikai ingadozása távolabb kerül a normális eloszlástól, mint ρ =0 esetén, ezért a fenti t formula r helyett r-ρ 0 -lal sem segít, nem kapunk t-eloszlást. Az alkalmazható teszt az alábbi: Képezzük a z = 0,5 ln{(1+r)/(1-r)} statisztikát, ez közel normális eloszlású, sokasági átlaga és varianciája: z 0 = 0,5 ln{(1+ ρ 0 )/(1-ρ 0 )}, illetve Var(z) = 1/(n-3) Innen Z 0 -nak a 95%-os konfidencia intervalluma: {z 1,96/ (n-3) ; z +1,96/ (n-3)} Ha z 0 -ezen intervallumon kívül esik, α=5% hibaszinten elutasítjuk a H 0 hipotézist (számpélda alább)

18 Számpélda a H 0 : ρ = ρ 0 hipotézis ellenırzésére Legyen H 0 : ρ = ρ 0 = 0,4 a nullhipotézis, a mintanagyság n=28 (n-3 = 25), a számított r = 0,6 A transzformált Z értékek z = 0,5 ln{(1+0,6)/(1-0,6)} = 0,5 ln(4,00) = 0,69 z 0 = 0,5 ln{(1+0,4)/(1-0,4)} = 0,5 ln(2,33) = 0,42 z 0 konfidencia intervalluma: (0,69 1,96/ 25 ; 0,69 + 1,96/ 25) = (0,30 ; 1,0) A z 0 = 0,42 beleesik a kapott intervallumba, H 0 -t elfogadjuk

19 A parciális korrelációs együttható Y és X tényleges (lineáris) statisztikai kapcsolatát megzavarhatja (erısítheti vagy elmoshatja) egy harmadik Z változó (ismérv) vagy akár több is E zavaró hatás kiszőrését célozza a parciális korrelációs együttható: ρ XY.Z, becslése r xy.z Jelölje r xy ρ(x,y) becslését, hasonló értelmő r xz és r yz, ezekkel rxy rxzryz r xy.z = (1 r 2 xz )(1 r 2 yz )

20 A parciális korrelációs együttható tesztelése A H 0 : ρ XY.Z = 0 hipotézis t-próbával ellenırízhetı: t = r xy.z (n-3) / (1-r 2 xy.z), df = n-3 Például, n=10-nél r = r xy = 0,55 nem szignifikáns, de megeshet, hogy valamely Z ismérv zavaró hatásának kiszőrése után r xy.z = 0,72, amihez t=2,74, ez df=7 szabadságfoknál már szignifikáns, az X és Y közötti lineáris statisztikai kapcsolat mégis szignifikáns Megjegyzés: több zavaró változó egyidejő kiszőrése hasonló módon végezhetı, szükség esetén konzultáljunk a szakirodalommal

21 y A többszörös korrelációs együttható (R) y Vizsgálhatjuk egy Y változó lineáris kapcsolatának szorosságát több X változó együttesével egyidejőleg, a mérıszám a többszörös korrelációs együttható, R = R(Y,X), ahol X az {X1,X2,..,X p } változók együttese Mire jó R? Elıfordul, hogy Y egyik X változóval sem korrelál, mégsem szabad félre dobni az anyagot, mert lehet, hogy R megszívlelendı kapcsolatot jelez R kiszámítható a parciális korrelációs együtthatókból, mi azonban más utat követünk (ld. késıbb: többszörös regresszió, lineáris determinációs együttható)

22 További korreláció-mérı mutatók Nemlineáris kapcsolat szorosságának mérésérıl a regresszió tárgyalásakor szólunk (korrelációs hányados, determinációs együttható) Meg kell említenünk még az általánosított (lineáris) korrelációt, melynek képlete: r* = ( a ij b ij )/ {( a ij2 )( b ij2 )} ahol a ij x i és x j bizonyos távolságát jelenti, b ij ugyanilyen módon definiált távolság y i és y j között. Ha a ij = x i -x j és b ij = y i -y j, akkor r* = r, a Pearson-féle korrelációs együttható Más távolságokat választva kapjuk a Spearman- ill. a Kendall-féle korrelációs együtthatókat, melyekrıl késıbb szólunk

23 KÖSZÖNÖM TÜRELMÜKET

Variancia-analízis (folytatás)

Variancia-analízis (folytatás) Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)

Részletesebben

Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények

Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények Korreláció és Regresszió (folytatás) 12. elıadás (23-24. lecke) Logisztikus telítıdési függvény Több független változós regressziós függvények 23. lecke A logisztikus telítıdési függvény Több független

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) 5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van

Részletesebben

A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése esetén

A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése esetén A parciális korrelációs együttható értelmezési problémái a többdimenziós normalitás feltételének sérülése esetén egyetemi tanár, az MTA doktora, Károli Gáspár Református Egyetem Pszichológiai Intézete,

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık

Részletesebben

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Hódiné Szél Margit SZTE MGK 1 A XXI. században az informatika rohamos terjedése miatt elengedhetetlen, hogy

Részletesebben

A becslés tulajdonságai nagyban függnek a megfigyelésvektortól. A klasszikus esetben, amikor az

A becslés tulajdonságai nagyban függnek a megfigyelésvektortól. A klasszikus esetben, amikor az 1 6. LECKE: REGRESSZIÓ -- Elıadás 6.1. A regresszió feladata és módszerei [C4] A módszer lényege, hogy arányskálán mért magyarázó változók (x 1,,x k ) segítségével közelítjük a számunkra érdekes, ugyancsak

Részletesebben

13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem

13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem 13. előadás Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Statisztikai alapfogalmak Populáció, hisztogram, átlag, medián, szórás,

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem. Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:

Részletesebben

EuroOffice Modeller felhasználói útmutató

EuroOffice Modeller felhasználói útmutató EuroOffice Modeller felhasználói útmutató 1 Bevezetés...5 EuroOffice Modeller: ANOVA felhasználói útmutató...5 Előkészítés...5 Egyutas ANOVA...5 Kétutas ANOVA...8 EuroOffice Modeller: Egymintás Z-próba

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

Matematikai statisztikai elemzések 5.

Matematikai statisztikai elemzések 5. Matematikai statisztikai elemzések 5. Kapcsolatvizsgálat: asszociáció, vegyes kapcsolat, korrelációszámítás. Varianciaanalízis Prof. Dr. Závoti, József Matematikai statisztikai elemzések 5.: Kapcsolatvizsgálat:

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer

Részletesebben

Elliptikus eloszlások, kopuláik. 7. előadás, 2015. március 25. Elliptikusság tesztelése. Arkhimédeszi kopulák

Elliptikus eloszlások, kopuláik. 7. előadás, 2015. március 25. Elliptikusság tesztelése. Arkhimédeszi kopulák Elliptiks eloszlások, kopláik 7. előadás, 215. márcis 25. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettdományi Kar Eötös Loránd Tdományegyetem Áringadozások előadás Sűrűségfüggényük

Részletesebben

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel.

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel. Feladatok a Diffrenciálegyenletek IV témakörhöz 1 Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel (a) y 3y 4y = 3e t (b) y 3y 4y = sin t (c) y 3y 4y = 8t

Részletesebben

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Dummy változók használata Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik fejezet Tartalom IV. esettanulmány 1 IV. esettanulmány Uniós országok munkanélkülisége

Részletesebben

A PAPÍRMENETES IRODA PARADOXONA- EGY BIZONYÍTÁSI KÍSÉRLET PAPERLESS OFFICE PARADOX

A PAPÍRMENETES IRODA PARADOXONA- EGY BIZONYÍTÁSI KÍSÉRLET PAPERLESS OFFICE PARADOX A PAPÍRMENETES IRODA PARADOXONA- EGY BIZONYÍTÁSI KÍSÉRLET PAPERLESS OFFICE PARADOX SZIGETI Cecília Széchenyi István Egyetem, Kautz Gyula Gazdaságtudományi Kar, 906 Győr, Egyetem tér 1. e-mail: szigetic@sze.hu

Részletesebben

NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN

NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN Mika János 1, Csabai Edina 1, Molnár Zsófia 2, Nagy Zoltán 3, Pajtókné Tari Ilona 1, Rázsi András 1,2, Tóth-Tarjányi Zsuzsanna 3, Wantuchné Dobi Ildikó

Részletesebben

Statisztikai alapfogalmak

Statisztikai alapfogalmak Statisztika I. KÉPLETEK 2011-2012-es tanév I. félév Statisztikai alapfogalmak Adatok pontossága Mért adat Abszolút hibakorlát Relatív hibakorlát Statisztikai elemzések viszonyszámokkal : a legutolsó kiírt

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

Statisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot

Részletesebben

D. Hajtman Edit, Hajtman Béla. Gyakorló példák a pszichológus hallgatók. statisztikai tantárgyainak anyagához

D. Hajtman Edit, Hajtman Béla. Gyakorló példák a pszichológus hallgatók. statisztikai tantárgyainak anyagához Bölcsészet- és Társadalomtudományi Kar D. Hajtman Edit, Hajtman Béla Bölcsészet- és Társadalomtudományi Kar Gyakorló példák a pszichológus hallgatók Bölcsészet- és Társadalomtudományi Kar statisztikai

Részletesebben

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma

A Riemann-Siegel zeta függvény kiugró értékeinek keresése. A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma A Riemann-Siegel zeta függvény kiugró értékeinek keresése A matematikai egyik legnehezebb problémája, avagy a prímszámok misztériuma 2013 A probléma fontossága és hatása a hétköznapi életre A prímszámok

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

Biometria: Statisztikai módszerek alkalmazása a biológiában

Biometria: Statisztikai módszerek alkalmazása a biológiában Biometria: Statisztikai módszerek alkalmazása a biológiában Statisztika alkalmazási területei: Adatok ellenőrzése, értelmezése, ábrázolása, Jellemző paraméterek származtatása Valószínűség hozzárendelése

Részletesebben

Magyarországon a pedagógia csak

Magyarországon a pedagógia csak Nem-paraméteres statisztikai módszerek alkalmazási lehetõségei a pedagógiai kutatásban A társadalomtudományok, így a pedagógia is, igen széles körben használnak matematikai statisztikai módszereket. A

Részletesebben

A hazai vállalkozások bankválasztása és az elmúlt hónapok pénzintézeti csődjei

A hazai vállalkozások bankválasztása és az elmúlt hónapok pénzintézeti csődjei A hazai vállalkozások bankválasztása és az elmúlt hónapok pénzintézeti csődjei 2015. június Elemzésünk azt vizsgálja, hogy a hazai vállalkozók milyen szempontokat tartanak fontosnak egy-egy bank megítélésénél

Részletesebben

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit.

Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 2. A VALÓS SZÁMOK 2.1 A valós számok aximómarendszere Az R halmazt a valós számok halmazának nevezzük, ha teljesíti az alábbi 3 axiómacsoport axiómáit. 1.Testaxiómák R-ben két művelet van értelmezve, az

Részletesebben

3. rész. Két változó kapcsolatának vizsgálata. Minden összefügg mindennel!? Komputerstatisztika kurzus

3. rész. Két változó kapcsolatának vizsgálata. Minden összefügg mindennel!? Komputerstatisztika kurzus Két kapcsolatának vizsgálata Minden összefügg mindennel!? Komputerstatisztika kurzus Barczy Mátyás Informatikai Kar Debreceni Egyetem 1 A témái 1 2 3 4 5 6 2 A kapcsolat természete A statisztikai k (adatbázisok

Részletesebben

FIT-jelentés :: 2010. Képes Géza Általános Iskola 4700 Mátészalka, Szokolay Örs u. 2-4 OM azonosító: 033392 Telephely kódja: 003. Telephelyi jelentés

FIT-jelentés :: 2010. Képes Géza Általános Iskola 4700 Mátészalka, Szokolay Örs u. 2-4 OM azonosító: 033392 Telephely kódja: 003. Telephelyi jelentés FIT-jelentés :: 2010 6. évfolyam :: Általános iskola Képes Géza Általános Iskola 4700 Mátészalka, Szokolay Örs u. 2-4 Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve

Részletesebben

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit Határozatlan integrál () First Prev Next Last Go Back Full Screen Close Quit 1. Az összetett függvények integrálására szolgáló egyik módszer a helyettesítéssel való integrálás. Az idevonatkozó tétel pontos

Részletesebben

Az MS Excel táblázatkezelés modul részletes tematika listája

Az MS Excel táblázatkezelés modul részletes tematika listája Az MS Excel táblázatkezelés modul részletes tematika listája A táblázatkezelés alapjai A táblázat szerkesztése A táblázat formázása A táblázat formázása Számítások a táblázatban Oldalbeállítás és nyomtatás

Részletesebben

Microsoft Excel 2010. Gyakoriság

Microsoft Excel 2010. Gyakoriság Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó

Részletesebben

Pszichometria Szemináriumi dolgozat

Pszichometria Szemináriumi dolgozat Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának

Részletesebben

Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika

Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika Bevezetés 1. előadás, 2015. február 11. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Heti 2 óra előadás + 2 óra

Részletesebben

Ökonometria. Logisztikus regresszió. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Ökonometria. Logisztikus regresszió. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Nyolcadik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Nyolcadik fejezet Tartalom V. esettanulmány 1 V. esettanulmány Csődelőrejelzés 2 Általános gondolatok 3 becslése

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

ROBUSZTUS LINEÁRIS REGRESSZIÓ ALKALMAZÁSA PSZICHOLÓGIAI ELEMZÉSEKBEN

ROBUSZTUS LINEÁRIS REGRESSZIÓ ALKALMAZÁSA PSZICHOLÓGIAI ELEMZÉSEKBEN DOI: 10.12663/PsyHung.1.2013.1.2.4 ROBUSZTUS LINEÁRIS REGRESSZIÓ ALKALMAZÁSA PSZICHOLÓGIAI ELEMZÉSEKBEN Takács Szabolcs 1 Smohai Máté 2 1 Károli Gáspár Református Egyetem és Budapest Főváros Kormányhivatala

Részletesebben

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25 Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;

Részletesebben

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 1. A populációt a számunkra érdekes egységek (személyek, csalások, iskolák stb.) alkotják,

Részletesebben

Martin Kíra: A könyv szerinti érték és az eredmény változók hatása a részvényárfolyamokra

Martin Kíra: A könyv szerinti érték és az eredmény változók hatása a részvényárfolyamokra Martin Kíra: egyetemi tanársegéd, Budapesti Corvinus Egyetem A könyv szerinti érték és az eredmény változók hatása a részvényárfolyamokra Az elmúlt években visszatérő téma a szakirodalomban a számviteli

Részletesebben

FIT-jelentés :: 2010. Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. OM azonosító: 037320 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2010. Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. OM azonosító: 037320 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2010 8. évfolyam :: Általános iskola Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a

Részletesebben

FIT-jelentés :: 2010. Tátra Téri Általános Iskola 1204 Budapest, Tátra tér 1. OM azonosító: 035165 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2010. Tátra Téri Általános Iskola 1204 Budapest, Tátra tér 1. OM azonosító: 035165 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2010 6. évfolyam :: Általános iskola Tátra Téri Általános Iskola 1204 Budapest, Tátra tér 1. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a matematika

Részletesebben

Hunyadi János Általános Iskola

Hunyadi János Általános Iskola 4 Hunyadi János Általános Iskola Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon. osztály szövegértés 1 Standardizált átlagos képességek szövegértésből Az Önök iskolájának átlagos

Részletesebben

Beregszászi István Programozási példatár

Beregszászi István Programozási példatár Beregszászi István Programozási példatár 2 1. fejezet 1. laboratóriumi munka 1.1. Matematikai kifejezések Írja fel algoritmikus nyelven a megadott kifejezést megfelelő típusú változók segítségével! Figyeljen

Részletesebben

GAZDASÁGI ÉS ÜZLETI STATISZTIKA jegyzet A PIAC VIZSGÁLATA

GAZDASÁGI ÉS ÜZLETI STATISZTIKA jegyzet A PIAC VIZSGÁLATA BGF PSzK Módszertani Intézeti Tanszéki Osztály GAZDASÁGI ÉS ÜZLETI STATISZTIKA jegyzet A PIAC VIZSGÁLATA A jegyzetet a BGF Módszertani Intézeti Tanszékének oktatói készítették 001-ben, és frissítették

Részletesebben

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság. 2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve

Részletesebben

FIT-jelentés :: 2010. Pallavicini Sándor Iskola 6762 Sándorfalva, Alkotmány krt. 15-17. OM azonosító: 200909 Telephely kódja: 011. Telephelyi jelentés

FIT-jelentés :: 2010. Pallavicini Sándor Iskola 6762 Sándorfalva, Alkotmány krt. 15-17. OM azonosító: 200909 Telephely kódja: 011. Telephelyi jelentés FIT-jelentés :: 2010 6. évfolyam :: Általános iskola Pallavicini Sándor Iskola 6762 Sándorfalva, Alkotmány krt. 15-17. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve

Részletesebben

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 A = {1; 3; 5; 7; 9} A B = {3; 5; 7} A/B = {1; 9} Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 Azonos alapú hatványokat

Részletesebben

Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége

Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége Autovalidálási folyamatok Lókiné Farkas Katalin Az autovalidálás elméleti alapjai Az előző eredménnyel való összehasonlítás

Részletesebben

Telephelyi jelentés. Mészöly Géza Általános Iskola Tagiskola 8171 Balatonvilágos, József Attila utca 119. OM azonosító: 037158 Telephely kódja: 002

Telephelyi jelentés. Mészöly Géza Általános Iskola Tagiskola 8171 Balatonvilágos, József Attila utca 119. OM azonosító: 037158 Telephely kódja: 002 FIT-jelentés :: 2010 6. évfolyam :: Általános iskola Mészöly Géza Általános Iskola Tagiskola 8171 Balatonvilágos, József Attila utca 119. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a

Részletesebben

FIT-jelentés :: 2012. Erzsébet Utcai Általános Iskola 1043 Budapest, Erzsébet u. 31. OM azonosító: 034862 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2012. Erzsébet Utcai Általános Iskola 1043 Budapest, Erzsébet u. 31. OM azonosító: 034862 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2012 6. évfolyam :: Általános iskola Erzsébet Utcai Általános Iskola 1043 Budapest, Erzsébet u. 31. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6. évfolyamon

Részletesebben

FIT-jelentés :: 2010. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2010. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2010 6. évfolyam :: Általános iskola """Magyar-kút"" ÁMK Etyek, Német Nemzetiségi Általános Iskolája, Nemzetiségi Alapfokú Művészetoktatási Intézménye, Könyvtár-közművelődés" 2091 Etyek,

Részletesebben

FIT-jelentés :: 2014. Dabasi II. Rákóczi Ferenc Általános Iskola 2371 Dabas, Rákóczi Ferenc utca 2. OM azonosító: 037749 Telephely kódja: 001

FIT-jelentés :: 2014. Dabasi II. Rákóczi Ferenc Általános Iskola 2371 Dabas, Rákóczi Ferenc utca 2. OM azonosító: 037749 Telephely kódja: 001 FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Dabasi II. Rákóczi Ferenc Általános Iskola 2371 Dabas, Rákóczi Ferenc utca 2. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban

Részletesebben

FIT-jelentés :: 2013. Jókai Mór Általános Iskola 7622 Pécs, Jókai Mór u. 49. OM azonosító: 027249 Telephely kódja: 006. Telephelyi jelentés

FIT-jelentés :: 2013. Jókai Mór Általános Iskola 7622 Pécs, Jókai Mór u. 49. OM azonosító: 027249 Telephely kódja: 006. Telephelyi jelentés FIT-jelentés :: 2013 6. évfolyam :: Általános iskola Jókai Mór Általános Iskola 7622 Pécs, Jókai Mór u. 49. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6. évfolyamon Tanulók

Részletesebben

FIT-jelentés :: 2012. Krúdy Gyula Általános Iskola 1037 Budapest, Gyógyszergyár u. 22-24. OM azonosító: 035361 Telephely kódja: 001

FIT-jelentés :: 2012. Krúdy Gyula Általános Iskola 1037 Budapest, Gyógyszergyár u. 22-24. OM azonosító: 035361 Telephely kódja: 001 FIT-jelentés :: 2012 6. évfolyam :: Általános iskola Krúdy Gyula Általános Iskola 1037 Budapest, Gyógyszergyár u. 22-24. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6.

Részletesebben

1. A komplex számok definíciója

1. A komplex számok definíciója 1. A komplex számok definíciója A számkör bővítése Tétel Nincs olyan n természetes szám, melyre n + 3 = 1. Bizonyítás Ha n természetes szám, akkor n+3 3. Ezért bevezettük a negatív számokat, közöttük van

Részletesebben

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása

Al-Mg-Si háromalkotós egyensúlyi fázisdiagram közelítő számítása l--si háromalkotós egyensúlyi fázisdiagram közelítő számítása evezetés Farkas János 1, Dr. Roósz ndrás 1 doktorandusz, tanszékvezető egyetemi tanár Miskolci Egyetem nyag- és Kohómérnöki Kar Fémtani Tanszék

Részletesebben

FIT-jelentés :: 2010. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola

FIT-jelentés :: 2010. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola FIT-jelentés :: 2010 10. évfolyam :: Szakközépiskola Szegedi Ipari, Szolgáltató Szakképző és Általános Iskola Déri Miksa Tagintézménye 6724 Szeged, Kálvária tér 7. Figyelem! A 2010. évi Országos kompetenciaméréstől

Részletesebben

1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták.

1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták. 1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták. a) Hozzon létre osztályközös gyakoriságot az alábbi osztályközökkel: - 100.000 100.000-150.000 150.000-200.000 200.000-250.000

Részletesebben

FIT-jelentés :: 2011. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2011. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2011 6. évfolyam :: Általános iskola VIK Általános Iskolák Intézményegysége Széchenyi István Általános Iskola 3390 Füzesabony, Kossuth út 1-3. Létszámadatok A telephely létszámadatai az

Részletesebben

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció

Részletesebben

FIT-jelentés :: 2012. Ady Endre Általános Iskola 2360 Gyál, Ady Endre u. 20. OM azonosító: 032478 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2012. Ady Endre Általános Iskola 2360 Gyál, Ady Endre u. 20. OM azonosító: 032478 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2012 6. évfolyam :: Általános iskola Ady Endre Általános Iskola 2360 Gyál, Ady Endre u. 20. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6. évfolyamon Tanulók

Részletesebben

Valószínűség-számítás, statisztika, titkosítási és rendezési algoritmusok szemléltetése számítógép segítségével Kiss Gábor, Őri István

Valószínűség-számítás, statisztika, titkosítási és rendezési algoritmusok szemléltetése számítógép segítségével Kiss Gábor, Őri István Valószínűség-számítás, statisztika, titkosítási és rendezési algoritmusok szemléltetése számítógép segítségével Kiss Gábor, Őri István Budapesti Műszaki Főiskola, NIK, Matematikai és Számítástudományi

Részletesebben

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Dunabogdányi Általános Iskola és Alapfokú Művészeti Iskola 2023 Dunabogdány, Hegyalja utca 9-11. Létszámadatok A telephely létszámadatai az általános

Részletesebben

FIT-jelentés :: 2012. Epreskerti Általános Iskola 4030 Debrecen, Epreskert u. 80. OM azonosító: 200020 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2012. Epreskerti Általános Iskola 4030 Debrecen, Epreskert u. 80. OM azonosító: 200020 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2012 6. évfolyam :: Általános iskola Epreskerti Általános Iskola 4030 Debrecen, Epreskert u. 80. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6. évfolyamon

Részletesebben

Dr. Kanyó Ferenc, Bauer Márton. A tűzoltók fizikai állapotfelmérések új alapjai

Dr. Kanyó Ferenc, Bauer Márton. A tűzoltók fizikai állapotfelmérések új alapjai Dr. Kanyó Ferenc, Bauer Márton A tűzoltók fizikai állapotfelmérések új alapjai A tűzoltók fizikai állapotfelmérésének helyzetét napjainkban az teszi kivételesen aktuálissá, hogy jelenleg is folyik az előkészítése

Részletesebben

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor

1. Számsorok, hatványsorok, Taylor-sor, Fourier-sor . Számsorok, hatványsorok, Taylor-sor, Fourier-sor Vizsgálja meg a következ végtelen sorokat konvergencia szempontjából. Tétel. (Cauchy-féle bels konvergenciakritérium) A a n végtelen sor akkor és csakis

Részletesebben

FIT-jelentés :: 2014. Esztergomi Babits Mihály Általános Iskola 2500 Esztergom, Sugár út 24. OM azonosító: 031815 Telephely kódja: 001

FIT-jelentés :: 2014. Esztergomi Babits Mihály Általános Iskola 2500 Esztergom, Sugár út 24. OM azonosító: 031815 Telephely kódja: 001 FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Esztergomi Babits Mihály Általános Iskola 2500 Esztergom, Sugár út 24. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a

Részletesebben

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Fáy András Református Általános Iskola és Alapfokú Művészeti Iskola 2217 Gomba, Iskola utca 2. Létszámadatok A telephely létszámadatai az általános

Részletesebben

FIT-jelentés :: 2013. Telephelyi jelentés. 8. évfolyam :: Általános iskola

FIT-jelentés :: 2013. Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Bulgárföldi Általános és Magyar - Angol Két Tanítási Nyelvű Iskola 3534 Miskolc, Fazola H u. 2. Létszámadatok A telephely létszámadatai az általános

Részletesebben

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Grassalkovich Antal Német Nemzetiségi és Kétnyelvű Általános Iskola 2220 Vecsés, Fő utca 90-92. Létszámadatok A telephely létszámadatai az általános

Részletesebben

FIT-jelentés :: 2013 Telephelyi jelentés 6. évfolyam :: Általános iskola Herman Ottó Általános Iskola és Budaörsi Logopédiai Intézet

FIT-jelentés :: 2013 Telephelyi jelentés 6. évfolyam :: Általános iskola Herman Ottó Általános Iskola és Budaörsi Logopédiai Intézet FIT-jelentés :: 2013 6. évfolyam :: Általános iskola Herman Ottó Általános Iskola és Budaörsi Logopédiai Intézet 2040 Budaörs, Ifjúság u. 6. Létszámadatok A telephely létszámadatai az általános iskolai

Részletesebben

FIT-jelentés :: 2013. Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. OM azonosító: 036611 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2013. Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. OM azonosító: 036611 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

Mikroökonómia - Bevezetés, a piac

Mikroökonómia - Bevezetés, a piac Mikroökonómia szeminárium Bevezetés, a piac Budapesti Corvinus Egyetem Makroökonómia Tanszék 2011 szeptember 21. A témakör alapfogalmai Keresleti (kínálati) görbe - kereslet (kínálat) fogalma - kereslet

Részletesebben

FIT-jelentés :: 2014. Szentendrei Református Gimnázium 2000 Szentendre, Áprily tér 5. OM azonosító: 101433 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2014. Szentendrei Református Gimnázium 2000 Szentendre, Áprily tér 5. OM azonosító: 101433 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2014 6. évfolyam :: 8 évfolyamos gimnázium Szentendrei Református Gimnázium 2000 Szentendre, Áprily tér 5. Létszámadatok A telephely létszámadatai a 8 évfolyamos gimnáziumi képzéstípusban

Részletesebben

FIT-jelentés :: 2013. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2013. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2013 6. évfolyam :: Általános iskola Vörösmarty Mihály Általános Iskola, Gimnázium és Alapfokú Művészetoktatási Intézmény 2475 Kápolnásnyék, Gárdonyi u. 29. Létszámadatok A telephely létszámadatai

Részletesebben

FIT-jelentés :: 2012. Balassi Bálint Általános Iskola és Előkészítő Szakiskola 3300 Eger, Malomárok utca 1. OM azonosító: 031462 Telephely kódja: 004

FIT-jelentés :: 2012. Balassi Bálint Általános Iskola és Előkészítő Szakiskola 3300 Eger, Malomárok utca 1. OM azonosító: 031462 Telephely kódja: 004 FIT-jelentés :: 2012 6. évfolyam :: Általános iskola Balassi Bálint Általános Iskola és Előkészítő Szakiskola 3300 Eger, Malomárok utca 1. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban

Részletesebben

A kanonikus sokaság. :a hőtartály energiája

A kanonikus sokaság. :a hőtartály energiája A kanonikus sokaság A mikrokanonikus sokaság esetén megtanultuk, hogy a megengedett mikroállapotok egyenértéküek, és a mikróállapotok száma minimális. A mikrókanónikus sokaság azonban nem a leghasznosabb

Részletesebben

FIT-jelentés :: 2013. Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. OM azonosító: 035252 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2013. Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. OM azonosító: 035252 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 10. évfolyam :: 4 évfolyamos gimnázium Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10.

Részletesebben

Hétvezér Általános Iskola

Hétvezér Általános Iskola 27 Hétvezér Általános Iskola Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 8. évfolyam matematika Előállítás ideje: 28..19. 1:9:8 1 Az Önök telephelyének átlageredménye matematikából

Részletesebben

Móricz Zsigmond Általános Iskola és Óvoda

Móricz Zsigmond Általános Iskola és Óvoda 27 Móricz Zsigmond Általános Iskola és Óvoda Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 8. évfolyam matematika Előállítás ideje: 28.6.23. 1:39: 1 Az Önök telephelyének átlageredménye

Részletesebben

Kockázatos pénzügyi eszközök

Kockázatos pénzügyi eszközök Kockázatos pénzügyi eszközök Tulassay Zsolt zsolt.tulassay@uni-corvinus.hu Tőkepiaci és vállalati pénzügyek 2006. tavasz Budapesti Corvinus Egyetem 2006. március 1. Motiváció Mi a fő különbség (pénzügyi

Részletesebben

A hiperbolikus síkgeometria Poincaré-féle körmodellje

A hiperbolikus síkgeometria Poincaré-féle körmodellje A hiperbolikus síkgeometria Poincaré-féle körmodellje Ha egy aiómarendszerre modellt adunk, az azt jelenti, hogy egy matematikai rendszerben interpretáljuk az aiómarendszer alapfogalmait és az aiómák a

Részletesebben

Szent Imre Katolikus Általános Iskola és Óvoda

Szent Imre Katolikus Általános Iskola és Óvoda 27 Szent Imre Katolikus Általános Iskola és Óvoda Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 8. évfolyam szövegértés Előállítás ideje: 28.3.22. 15:59:14 1 Az Önök telephelyének

Részletesebben

Eötvös Loránd Tudományegyetem Bölcsészettudományi Kar Pszichológia szak SZAKDOLGOZAT

Eötvös Loránd Tudományegyetem Bölcsészettudományi Kar Pszichológia szak SZAKDOLGOZAT Eötvös Loránd Tudományegyetem Bölcsészettudományi Kar Pszichológia szak SZAKDOLGOZAT REAKCIÓIDŐ VÁLTOZÓK VIZSGÁLATA NEM HAGYOMÁNYOS STATISZTIKAI MÓDSZEREKKEL SZÉKELY ANNA Témavezető: Dr. Vargha András

Részletesebben

Fizikailag aktív és passzív szabadidőeltöltési formák néhány összefüggése egymással és a pszichés jólléttel serdülőkorúak körében 2010-ben

Fizikailag aktív és passzív szabadidőeltöltési formák néhány összefüggése egymással és a pszichés jólléttel serdülőkorúak körében 2010-ben Fizikailag aktív és passzív szabadidőeltöltési formák néhány összefüggése egymással és a pszichés jólléttel serdülőkorúak körében 2010-ben Németh Ágnes 1, Kertész Krisztián 1, Örkényi Ágota 1, Költő András

Részletesebben