VISELKEDÉSÖKOLÓGIA Táplálkozás

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "VISELKEDÉSÖKOLÓGIA Táplálkozás"

Átírás

1 VISELKEDÉSÖKOLÓGIA Táplálkozás Kis János Szent István Egyetem Állatorvos-tudományi Kar, Ökológiai Tanszék 2014

2 Táplálkozás Grafikus modell optimalizációra Montgomerie, R. & Weatherhead, P Risks and rewards of nest defence by parent birds. Quarterly Review of Biology, 63, Költség (C costs) Nyereség (B benefits) Optimalizációs megközelítés Fészekaljvédő viselkedés intenzitása

3 Táplálkozás Optimális foltválasztás Marginális értékelmélet grafikus modell Seregélyek Sturnus vulgaris táplálékkeresése (foraging) Mennyi táplálékot visz a fészekhez és hányszor fordul? Lószúnyog Tipula lárvákat gyűjt Az optimális lárvaszám függ: a lárvák megtalálhatóságától kumulatív lárvaszám-görbe utazási időtől AB egyenes: az optimális begyűjtött lárvaszámot az a pont adja meg, ahol az egyenes érinti a görbét (marginális érték) Valuta: időegység alatt felvett nettó energia: En/T = tgα

4 Táplálkozás Optimális foltválasztás Marginális értékelmélet grafikus modell Csúszó memória ablak MÉ, vagy feladási idő becslése Kacelnik tesztje: Lisztkukacot ad etetőből, a sűrűséget az etetőbe juttatás időzítésével szabályozza, a görbét állandóan tartva. Az etetőket különböző próbáknál eltérő távolságba rakva az utazási idő változik. Nem csak táplálkozási modellként használható: trágyalegyek Scatophaga stercoraria utazási idő: párkeresés és -őrzés keresési idő: kopulációval töltött idő lárvaszám: megtermékenyített peték aránya

5 Táplálkozás Optimalizáció méretre Tarisznyarák Carcinus maenas kagylóválasztás méret alapján (ehető kékkagyló Mytilus edulis): nagy kagylóban több táplálék, de nehezebb feltörni optimális méret legjobban ezt éri meg feltörni, de számít az előfordulás sűrűsége is: alacsony: nincs méretpreferencia magas: profitábilisabból fogyasztanak legtöbbet, de a kicsikből és a nagyokból is esznek az optimalizációs modellel ellentétben. A modell nem veszi figyelembe, hogy a rákok nem vizuálisan, hanem taktilis és olfaktorikus ingerek alapján tájékozódnak, nem látják a zsákmány méretét

6 Táplálkozás Optimalizáció méretre Modell az optimális tápláléktípus kiválasztására: feltételek: préda értéke egyszerűen mérhető, pl. nettó energia tartalom kezelési idő állandó (nincs tanulás) kezelés és keresés nem történik egy időben a ragadozó a zsákmányt azonnal felismeri, sohasem téveszt

7 Táplálkozás Táplálékkeresés & profitabilitás Poszméhek táplálékkeresési stratégiái Bombus impatiens (nagy kolóniák, É-Am) poszméhek szagnyomot hagynak a kiürített virágokon ugyanazt a virágot többször látogatják jelölt virágokról hamarabb továbbállnak, mint a szagnyom nélküliekről komplex virágoknál magasabb a kezelési költség, mint egyszerűeknél Vajon a virág komplexitása befolyásolja a poszméhek döntését, hogy mikor keressék fel újra a már látogatott virágot? H: a poszméhek ritkábban látogatják a jelölt virágokat, ha azok szerkezete komplex Photos: Saleh N, Ohashi K, Thomson JD & Chittka L Facultative use of the repellent scent mark in foraging bumblebees: complex versus simple flowers. Anim Behav 71,

8 Táplálkozás Táplálékkeresés & profitabilitás Poszméhek táplálékkeresési stratégiái bejárat plexidoboz hosszú (L, drága ) & rövid (S, olcsó ) virágok méretei, elhelyezésük & elrendezésük (random) 13 μl 30 % szacharóz

9 Poszméhek táplálékkeresési stratégiái 1. kísérlet: virágtípus hatása n = 20 (a) % elfogadás jelöletlen > jelölt rövid = hosszú jelöletlen rövid > hosszú jelölt (b) elfogadásig eltelt idő (s) jelöletlen < jelölt rövid = hosszú jelöletlen rövid < hosszú jelölt

10 Poszméhek táplálékkeresési stratégiái 1. kísérlet: virágtípus hatása poszméhek különböző szerkezetű virágokat eltérő valószínűséggel utasítanak vissza, ha jelöltek H1. Memóriában tárolt információ H2. Hosszabb virágokon több szagnyom 2. Kísérlet: kontroll szagnyom mennyiségére a rövid / hosszú művirágok között: előző kísérlet rövid virágairól szedett szagnyomok véletlenszerű hozzárendelése az új hosszú és rövid virágokhoz

11 Poszméhek táplálékkeresési stratégiái 2. kísérlet: emlékezés virágtípusra n = 10 4 tesztvirág, azonos szagnyomokkal (a) % elfogadás rövid > hosszú (b) elfogadásig eltelt idő (s) rövid < hosszú; Mann-Whitney U-próba Elemzések csak az első leszállásra készültek, további keresésre a virágon már nem. Alkalmazható-e a M-W próba ebben az esetben? Miért?

12 Poszméhek táplálékkeresési stratégiái 3. virág visszautasítása repülés közben n = 10 % visszautasítás rövid < hosszú repül hosszú < rövid leszállt

13 Táplálkozás Táplálékkeresés & kommunikáció repülő rovarok szárnymozgásával keltett súrlódás a testfelszínüket gyakran pozitív töltésűvé tölti sok növény negatív töltésű mindkettőjüknek adaptív, ha ezt kommunikációra képesek használni Használják-e pollinátorok nektárforrásaik elektromágneses terét táplálékforrások megtalálásához, és növények beporzóikét a beporzók csalogatásához? Képesek-e földi poszméhek Bombus terrestris elektromágneses jelzések alapján dönteni a foltválasztásról? Clarke D, Whitney H, Sutton G, Robert D Detection and Learning of Floral Electric Fields by Bumblebees. Science (New York, N.Y.) [Internet]. Available from: Laborvizsgálatok tenyészetből származó, táplálékválasztásra nézve naiv poszméhekkel

14 Repülő földi poszméhek elektromágneses töltése Petúnia Petunia integrifolia szárból elvezetett feszültségváltozása (piros) ± SE (szürke) poszméh látogatása során, a poszméh hiányában (n = 35) mért feszültséghez képest (kék)

15 Poszméhek tanulása különböző feszültségű E-virágokon (fém- és epoxikorong, feszültség ki/be kapcsolható): helyes választások aránya a látogatások számának növekedésével különböző feszültségű E-virágokon Az E-virágok egy része 33%-os szacharóz-, másik része telített kininoldatot tartalmaz, a két típust térben véletlenszerűen teszik ki a teszt-arénába. Poszméhek helyes E-virág választásainak aránya ± SE a feszültség függvényében feszültségküszöb fölött képesek a feszültségeltérések alapján táplálékforrást választani

16 Virágok elektromágneses mezeje Virágok felszínének elektromágneses mintázata Bal fél: kezeletlen Jobb fél: + töltésű elektrosztatikus színes műanyag aeorszollal befújt a sötétebb szín negatívabb sziromtöltést mutat Gerbera hybrida Digitalis purpurea Geranium magnificum Calibrachoa hybrida Petunia hybrida Clematis armandii. 30 cm magas virág elektromos mezejének modellje 100 V/m-es légköri mező mellett magasság ~ sugárirányú távolság szártól Skaláris elektromos Elektromos mező erőssége potenciál

17 Virágok elektromágneses mezeje E-virágok felszínének elektromágneses mezejének modellje Felső: +30 V-ra egyenletesen töltött Alsó: kívül +20, belül 10 V-ra ökörszem mintázatra töltött Felül Oldal nézet Helyes választások aránya ± SE 40 látogatást (tanulás) követő 10 látogatás során Az ökörszem tartalmazza a szacharóz-, az egyenletes a kininoldatot

18 S(λ) Választás elektromágneses töltés és szín alapján Bombus terrestris Peitsch et al %-ban helyes választási arány eléréséhez szükséges látogatás szám ± SE(?) λ (nm) A két zöld árnyalat értékei a HSB (hue, saturation, brightness; HSV-ként is ismert) színtérben definiáltak: Elektromágneses ingerek jelentősen befolyásolják a földi poszméhek tájékozódását döntését a táplálékkeresés során a meglévő vizuális ingerek mellett is! Szín + E-mező Csak szín Mennyire lehet ez általános a rovaroknál?

19 Táplálkozás Táplálékkeresés & profitabilitás: optimalizáció 1 nagy zsákmány 2 kis zsákmány E1/h1 > E2/h2 E2/h2 > E1/(s1+h1) s1 > E1h2/E2-h1 E energiatartalom h kezelési idő s keresési idő ha a nagy zsákmány profitábilisabb, és így ha nagy, mindig megeszi, ha a kicsi, dönt: evés nyeresége > tovább keresésé, azaz, ha tehát p1 Vagy specializálódni kell a profitábilisabb zsákmányra, vagy generalizálódni kell p2 Az, hogy specializálódni kell-e, függ a profitábilisabb zsákmány keresésére fordított időtől, (gyakoriságától) p3 Váltás specialista generalista közt hirtelen, az utolsó egyenlet szerint: ha s1 = E1h2/E2, mindegy, hogy csak az 1 (nagy), vagy az 1 & 2 (nagy és kicsi) zsákmányt fogyasztja

20 Táplálkozás Táplálékkeresés & profitabilitás modell teszt Teszt széncinkénél, etetés lisztkukaccal Krebs et al.: kicsi és 2 nagyobb, futószalagon adagolva, 0.5 s-ig látható Nagyobb gyakoriságával a szelektivitás nő, de nem olyan hirtelen, ahogy a modell jósolja

21 Táplálékváltás Hogyan befolyásolják a különböző forrásokhoz tartozó keresési és kezelési idők a források közötti váltást? Poszméhek táplálékváltása - terepmegfigyelés poszméhek viráglátogatásának megfigyelése egy rét 20 8 m foltján: Bombus pascuorum (nlátogatás=2368), veteranus (1122), terrestris (107), lapidarius (867) 5 nektárforrás, a kvadrátban térben ± homogén: Lotus corniculatus (n=642), Lathyrus pratensis (253), Vicia cracca (777), Cirsium oleraceum (153), Lythrum salicaria (120) 5 nap megfigyelés, 1993 július, 11:00 14:00, Berlin közelében virágok közötti távolságot mérték keresési idő: 2 egymást követő viráglátogatás közötti repülési idő kezelési idő: virágon töltött idő feltételezés: arányos a nyereséggel Chittka, L., Gumbert, A. & Kunze, J Foraging dynamics of bumble bees: correlates of movements within and between plant species. Behavioral Ecology, 8,

22 Táplálékváltás Poszméhek táplálékváltása - terepmegfigyelés Befolyásolja-e a táplálék szekvencia a váltások gyakoriságát? Különbözik-e a rövid kezelési idők utáni váltás valószínűsége a hosszú kezelési időket követő váltásokétól? kezelési idő: virágon töltött idő nagy variancia poszméh- és virágfajok és poszméh egyedek között minden megfigyelésre relatív kezelési idő poszméh- ÉS virágfajra nézve min. 5 látogatás/egyed a számításhoz minden poszméh egyedre medián ± kvartilisek virágfajonként n medián alatti kezelési idők száma, ami után virágfajt váltott m medián alatti kezelési idők száma, ami után NEM váltott virágfajt p medián feletti kezelési idők száma, ami után virágfajt váltott q medián feletti kezelési idők száma, ami után NEM váltott virágfajt p(váltás rövid) = n/n+m; p(váltás hosszú) = p/p+q ugyanez alsó kvartilis alatti és felső feletti extrém értékekre

23 χ2 illeszkedés vizsgálat a pontok felett a poszméhek száma látható Poszméhek virágon töltött idejének hosszával csökken a virágfaj váltás valószínűsége kezelési idő p(váltás) (*): p<0.05; (**): p<0.01; (***): p<0.001 előző látogatások száma extrém hosszú extrém rövid

24 Táplálékváltás Poszméhek táplálékváltása - terepmegfigyelés Jósolhatók-e a repülési idők a virágok közötti távolságokból, vagy válogatnak a poszméhek? Keresési idő: 2 egymást követő viráglátogatás közötti repülési idő kis variancia poszméhfajok és egyedek között fajon belül és fajokra egyesített minta referencia- és célvirágfaj: referenciáról célfajra repülés elemzése referencia véletlen kiválasztásával legközelebbi azonos virágfaj távolsága legközelebbi eltérő virágfaj távolsága minden referenciafajra konstans (virágfajon belüli) és váltó (más virágfajra) történő repülések eloszlásainak összehasonlítása Van-e minimum idő, amit a váltás előtt keresésre fordítanak?

25 A virágok közötti távolság nem magyarázza a repülési időt a poszméhek nem pusztán a virágok térbeli eloszlása alapján döntenek, van preferenciájuk repülési idő (s) a négyzetek a mediánokat, a bajszok az alsó és felső kvartiliseket jelölik ( ): e csoportokhoz hasonlították a többit ( ) egy panelen belül (Mann-Whitney U) (*): p<0.05; (***): p<0.001 számok a felső panelek alatt: távolságmérések száma számok a alsó panelek alatt: repülés megfigyelések száma virágok közötti távolság (cm) refrenciafaj célfaj

26 Táplálékváltás Poszméhek táplálékváltása - terepmegfigyelés Milyen hatása van a virágok jelzései hasonlóságának a váltások időtartamára és gyakoriságára? Jelzés hasonlósága: az 5 virágfaj visszaverési spektruma napfényben + Bombus terrestris látási spektruma; Apoidea-n belül a látási spektrum konzervatív (Peitsch et al. 1992) poszméhszínek számítása mindegyik virágfajra Váltások időtartama és száma különbözik-e az eltérő és a hasonló poszméhszínű virágfajok között? Függ-e mindez a virágfajok relatív gyakoriságától?

27 S(λ) A virágok hasonlósága a poszméhek számára Földi poszméh színlátása Bombus terrestris Peitsch et al Virágok fényvisszaverése UV-nyelő fehér visszaverés aránya (%) Spaethe et al sárga citrom k türkiz UV-visszaverő fehér kék k λ (nm) piros színhexagon colour hexagon háttér (levelek) λ (nm) Színhexagonok részletei: Chittka 1992, 1996 FReD: virágreflektancia adatbázis Arnold et al R-csomag spektrális adatok, pl. fényérzékelés és színterek elemzésére: pavo Maia et al Waser & Chittka 1998 Hogyan láthatják a poszméhek az egyes virágokat?

28 hasonló szín relatív gyakoriság (%) eltérő Konstans- és váltórepülések gyakoriságeloszlásainak összehasonlítása és a referencia- és célfaj közötti színkülönbség repülés időtartama (s) Konstans- és váltórepülések eloszlásai különböznek eltérő színű célfajok esetén, hasonlóak ha a célfajok színe hasonló a referenciafajéhoz konstans repülés váltó számok: repülés megfigyelések száma (***): p<0.001; Mann-Whitney U

29 konstans- és váltórepülések aránya (%) Konstans- és váltórepülések aránya és a virágfajok gyakorisága célfaj a referenciafajokhoz tartozó panelen belül az oszlopok összege = 100 számok a referenciafajok mellett: megfigyelt virágegyedszámok a kvadrátban 8 váltás/perc, 18 váltás/100 látogatás tesztelés χ2-próbákkal nkonstans > nváltó, ( Lathyrus) referenciafaj n(ritka gyakori) > n(gyakori ritka) n(lotus Vicia) > n(lotus Cirsium) n(lathyrus Lotus) > n(lathyrus Vicia) a repülési idők NEM magyarázhatók pusztán a virágok térbeli elrendezésével a váltások gyakoriságát a virágok térbeli elrendezése akkor magyarázza, ha a színek könnyen elkülöníthetők

30

31 Táplálkozás Táplálék eloszlása időben egyenetlen Legyen választási lehetőséged, hogy naponta 10 kolbászt ehess meg, vagy bizonyos napokon 5-öt, más napokon 20-at, véletlenszerűen, de átlagosan egyenlő arányban: Minek alapján döntesz? Kiszámíthatatlan környezetben fontos az éhenhalás kockázatának felmérése: kockázatkerülő és kockázatvállaló viselkedés kockázatkerülő: ha a várható nyereség a kiszámítható környezetben eléri a minimum szükségletet, míg a kiszámíthatatlan minimum nyeresége ez alatt marad, a kevésbé variábilis lehetőséget érdemes választani kockázatvállaló: ha a várható nyereség a kiszámítható környezetben nem éri el a minimum szükségletet, a variábilisabb lehetőséget érdemes választani

32 Táplálkozás Táplálék eloszlása időben egyenetlen - teszt Teszt: Junco phaeonotus (É-Am Passerriformes) aviáriumban változó környezet: 0 vagy 6 mag állandó környezet: 3 mag 1 C: 3 mag kevés, kockázatvállaló 19 C: 3 mag elegendő, kockázatkerülő De: mikor váltanak egyik módszerről a másikra? Houston & McNamara H1 kockázatvállalóként kezdik a napot, de első próbálkozásai során sokat talál: kockázatkerülővé válik H2 Alkony közeledtével egy nappal táplálkozó állat kockázatvállalóvá válik, hogy növelhesse éjjeli túlélési esélyét a táplálék megszerzésére fordított idő is számít: Skinner dobozba zárt galambok az 5 sec átlaggal különböző időközönként kapott táplálékot részesítik előnyben az 5 sec állandó időközönként kapottal szemben: H a rövidebb idő alatt megszerzett falatok előnyösebbek mert ki tudja, mit hoz a jövő: így kompenzálnak a később kapott falatokért

33 Táplálkozás Raktározás Rövidtávú Széncinke télen tömegének %-át éjjel leadja leghidegebb napokon a madarak nehezebbek mint egyébként: nem a maximum lehetséges mennyiséget raktározzák. Miért? Költség: zsákmányul eshet (nehezebben mozog, kevesebb időt tölt figyeléssel) nappali túlélés csökken Nyereség: kisebb valószínűséggel fagynak meg éjszaka éjjeli túlélés nő Hosszútávú: őszi táplálékbőség kihasználása (makk, Clark fenyőszajkója Nucifraga columbiana, szajkó Garrulus glandarius, Parus atricapillus, barátcinege P. palustris) Mókusok etetése kirándulóhelyen: asztalhoz jönnek kekszdarabokért, és azokat elviszik biztonságos helyre, pl. fára. Kis darabok elvitele költséges (a sok utazás miatt), mégis elviszik. Nagy darabokat nagyobb valószínűséggel viszik el, mint a kisebbeket, és gyakrabban viszik el a kekszet, ha a az asztalhoz közel van fa, mintha csak távolabb van.

34 a) széncinke Parus major, (1 eset /8) stabil instabil stabil környezet Instabil: sötét periódus hossza változik Bednekoff 1992 b) barátcinke Parus (Poecile) palustris többet raktároz kívül instabil /stabil környezetben belsőraktára nem változik Hurley 1992 külső raktár: alkalmazkodás a környezethez

35 Tüskés pikók Gasterosteus aculeatus ha nagyon éhesek, a sűrűbb, ha kevésbé, a ritkább vizibolha rajban esznek. Miért? Ha jégmadár Alcedo atthis (a tüskés pikók ragadozója) makettet reptettek át az akvárium felett, a pikók a ritkább vizibolhást választották. A kísérlet figyelembe veszi a táplálkozó állat éhségét is. Azon modellek, amelyek figyelembe veszi az állatok belső állapotát, dinamikus modellek statikus modellek. Kékkopoltyús naphal Lepomis machrochirus ha Chironomus lárvákat eszik a tófenéken jobban jár, mint, ha planktont eszik a nádas közelében. A táplálékkeresés 75 %-a a fenéken történik. Pisztránsügér Micropterus salmoides jelenlétében, amely csak kisméretű naphalakat képes elejteni, a kicsik a nádasokba mennek, ahol a táplálékfelvétel 1/3-dal csökken, a növekedés 27 %-kal. A nagyobb naphalak maradnak a fenéken.

36 Milyen kényszerek hatnak az optimális választásra? Jávorszarvas Na+ vízinövényekből, energia szárazföldiekből, az optimális arányt befolyásolja a bendőkapacitás, ezen belül energia felvételre maximálnak. Spermophilus columbianus (É-Am ürge): fűfélék, vagy egyéb növények? minimum energia, emésztési kapacitás és időkényszer

37 Táplálkozás Kis énekes dinamikus modell és hátrafelé (backward) közelítés

38 Táplálkozás & zsírfelhalmozás Zsírtartalék hatása a viselkedésre optimális zsírtartalék (folytonos vonal; alatta táplálkozni, felette rejtőzni érdemes) rejtőzz 90 % 75 % 25 % 10 % táplálkozz Idejének hány %-ban táplálkozik: milyen valószínűséggel van a zsírtartalék az optimális vonal alatt

39 Táplálkozás a nap folyamán kis énekes télen Táplálékforrás bősége kiszámíthatósága alacsony közepes közepes alacsony magas magas

40 Tömeg hatása manőverezésre Seregély Sturnus vulgaris

41 Citromsármány Emberiza citrinella táplálkozása, Svédország tél elején & végén napközben csökken a táplálkozással töltött idő tél közepén egész nap egyenletes mértékben táplálkoznak Van der Veen 2000 In: Barta et al. 2002

42 Kereső-potyázó viselkedés modell modell (A), teszt muskátpinyekkel (B, C; átlag ± SE) 6 naponként csökkentették a táplálék aggregáltságát (C) K P K P

43 Kereső távozásának aránya (átlag± SD) és a versengés mértéke muskátpintyeknél erős erős gyenge gyenge

Táplálkozási stratégiák

Táplálkozási stratégiák INPUT (táplálék) Felvétel Hő Anyagcsere-folyamatok Táplálkozási stratégiák Simon Edina Ökológia II. 2012. November 26. Növekedés Tárolás Védelem Károsodások kiküszöbölése Szaporodás OUTPUT (utód) Predátorok

Részletesebben

Az állatok szociális szerveződése, csoport vagy magány?

Az állatok szociális szerveződése, csoport vagy magány? Az állatok szociális szerveződése, csoport vagy magány? Csoport sok egyed együtt, fontosak az egyedek közötti kapcsolatok a csoport szervezettségében fokozatok vannak Az önző egyedeket csoportba kényszerítő

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

A konfidencia intervallum képlete: x± t( α /2, df )

A konfidencia intervallum képlete: x± t( α /2, df ) 1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Populációbecslés és monitoring. Eloszlások és alapstatisztikák Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk

Részletesebben

VISELKEDÉSÖKOLÓGIA Párosodási rendszerek & utódgondozás. Kis János. Szent István Egyetem Állatorvos-tudományi Kar, Biológiai Intézet 2013

VISELKEDÉSÖKOLÓGIA Párosodási rendszerek & utódgondozás. Kis János. Szent István Egyetem Állatorvos-tudományi Kar, Biológiai Intézet 2013 VISELKEDÉSÖKOLÓGIA Párosodási rendszerek & utódgondozás Kis János Szent István Egyetem Állatorvos-tudományi Kar, Biológiai Intézet 2013 1 Párosodási rendszerek és utódgondozás érdeke: párosodás után elhagyni

Részletesebben

Populáció A populációk szerkezete

Populáció A populációk szerkezete Populáció A populációk szerkezete Az azonos fajhoz tartozó élőlények egyedei, amelyek adott helyen és időben együtt élnek és egymás között szaporodnak, a faj folytonosságát fenntartó szaporodásközösséget,

Részletesebben

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között?

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus rokonok között A legtöbb másolat az adott génről vagy az egyed

Részletesebben

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között?

Altruizmus. Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus Altruizmus: a viselkedés az adott egyed fitneszét csökkenti, de másik egyed(ek)ét növeli. Lehet-e önző egyedek között? Altruizmus rokonok között A legtöbb másolat az adott génről vagy az egyed

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

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

ETOLÓGIA-1. 5. Szaporodási rendszerek: utódgondozás. Kis János

ETOLÓGIA-1. 5. Szaporodási rendszerek: utódgondozás. Kis János ETOLÓGIA-1 5. Szaporodási rendszerek: utódgondozás Kis János Szent István Egyetem Állatorvos-tudományi Kar, Biológiai Intézet Ökológiai Tanszék 2014 1 Mitől függ, hogy milyen párosodási és utódgondozási

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

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

Részletesebben

Individuális viselkedés versus. szociális rovaroknál. Markó Bálint Taxonómiai és Ökológiai Tanszék

Individuális viselkedés versus. szociális rovaroknál. Markó Bálint Taxonómiai és Ökológiai Tanszék Individuális viselkedés versus kollektív mintázatok a szociális rovaroknál Markó Bálint Taxonómiai és Ökológiai Tanszék BBTE Szociális rovarok: hangyák, bizonyos méh- és darázscsoportok, termeszek, néhány

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

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás. Centrális mutatók STATISZTIKA I. 4. Előadás Centrális mutatók 1/51 2/51 Középértékek Helyzeti középértékek A meghatározása gyakoriság vagy sorszám alapján Számítás nélkül Az elemek nagyság szerint rendezett

Részletesebben

Elektrosztatika. 1.2. Mekkora két egyenlő nagyságú töltés taszítja egymást 10 m távolságból 100 N nagyságú erővel? megoldás

Elektrosztatika. 1.2. Mekkora két egyenlő nagyságú töltés taszítja egymást 10 m távolságból 100 N nagyságú erővel? megoldás Elektrosztatika 1.1. Mekkora távolságra van egymástól az a két pontszerű test, amelynek töltése 2. 10-6 C és 3. 10-8 C, és 60 N nagyságú erővel taszítják egymást? 1.2. Mekkora két egyenlő nagyságú töltés

Részletesebben

Heckman modell. Szelekciós modellek alkalmazásai.

Heckman modell. Szelekciós modellek alkalmazásai. Heckman modell. Szelekciós modellek alkalmazásai. Mikroökonometria, 12. hét Bíró Anikó A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Tudás-Ökonómia Alapítvány támogatásával készült

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

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 5. mérés: Elektronspin rezonancia. 2008. március 18.

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 5. mérés: Elektronspin rezonancia. 2008. március 18. Modern Fizika Labor Fizika BSc A mérés dátuma: 28. március 18. A mérés száma és címe: 5. mérés: Elektronspin rezonancia Értékelés: A beadás dátuma: 28. március 26. A mérést végezte: 1/7 A mérés leírása:

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

Alapozó terepgyakorlat Klimatológia

Alapozó terepgyakorlat Klimatológia Alapozó terepgyakorlat Klimatológia Gál Tamás PhD hallgató tgal@geo.u-szeged.hu SZTE Éghajlattani és Tájföldrajzi Tanszék 2008. július 05. Alapozó terepgyakorlat - Klimatológia ALAPOZÓ TEREPGYAKORLAT -

Részletesebben

FIT-jelentés :: 2011. Cecei Általános Iskola 7013 Cece, Árpád u. 3. OM azonosító: 038726 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Cecei Általános Iskola 7013 Cece, Árpád u. 3. OM azonosító: 038726 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Cecei Általános Iskola 7013 Cece, Árpád u. 3. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon Tanulók száma

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

FIT-jelentés :: 2011. Kispesti Deák Ferenc Gimnázium 1192 Budapest, Gutenberg krt. 6. OM azonosító: 035253 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Kispesti Deák Ferenc Gimnázium 1192 Budapest, Gutenberg krt. 6. OM azonosító: 035253 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 10. évfolyam :: 4 évfolyamos gimnázium Kispesti Deák Ferenc Gimnázium 1192 Budapest, Gutenberg krt. 6. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban

Részletesebben

Elektromos alapjelenségek

Elektromos alapjelenségek Elektrosztatika Elektromos alapjelenségek Dörzselektromos jelenség: egymással szorosan érintkező, vagy egymáshoz dörzsölt testek a szétválasztásuk után vonzó, vagy taszító kölcsönhatást mutatnak. Ilyenkor

Részletesebben

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:

Részletesebben

A napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál

A napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál A napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál Nagy Zoltán, Tóth Zoltán, Morvai Krisztián, Szintai Balázs Országos Meteorológiai Szolgálat A globálsugárzás

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

A II. kategória Fizika OKTV mérési feladatainak megoldása

A II. kategória Fizika OKTV mérési feladatainak megoldása Nyomaték (x 0 Nm) O k t a t á si Hivatal A II. kategória Fizika OKTV mérési feladatainak megoldása./ A mágnes-gyűrűket a feladatban meghatározott sorrendbe és helyre rögzítve az alábbi táblázatban feltüntetett

Részletesebben

Fénytechnika. A szem, a látás és a színes látás. Dr. Wenzel Klára. egyetemi magántanár Budapesti Műszaki és Gazdaságtudományi Egyetem

Fénytechnika. A szem, a látás és a színes látás. Dr. Wenzel Klára. egyetemi magántanár Budapesti Műszaki és Gazdaságtudományi Egyetem Fénytechnika A szem, a látás és a színes látás Dr. Wenzel Klára egyetemi magántanár Budapesti Műszaki és Gazdaságtudományi Egyetem Budapest, 2013 Mi a szín? (MSz 9620) Fizika: a szín meghatározott hullámhosszúságú

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

FIT-jelentés :: Újbudai Széchenyi István Gimnázium 1118 Budapest, Rimaszombati út 2-4. OM azonosító: Telephely kódja: 001

FIT-jelentés :: Újbudai Széchenyi István Gimnázium 1118 Budapest, Rimaszombati út 2-4. OM azonosító: Telephely kódja: 001 FIT-jelentés :: 2015 10. évfolyam :: 4 évfolyamos gimnázium Újbudai Széchenyi István Gimnázium 1118 Budapest, Rimaszombati út 2-4. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

FIT-jelentés :: Eötvös József Főiskola Gyakorló Általános Iskolája 6500 Baja, Bezerédj utca 15. OM azonosító: Telephely kódja: 001

FIT-jelentés :: Eötvös József Főiskola Gyakorló Általános Iskolája 6500 Baja, Bezerédj utca 15. OM azonosító: Telephely kódja: 001 FIT-jelentés :: 2014 8. évfolyam :: Általános iskola Eötvös József Főiskola Gyakorló Általános Iskolája 6500 Baja, Bezerédj utca 15. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban

Részletesebben

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

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2015 8. évfolyam :: Általános iskola Baár-Madas Református Gimnázium, Általános Iskola és Kollégium 1022 Budapest, Lorántffy Zsuzsanna utca 3. Létszámadatok A telephely létszámadatai az

Részletesebben

FIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola

FIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola FIT-jelentés :: 2012 10. évfolyam :: Szakiskola Pesti Barnabás Élelmiszeripari Szakképző Iskola és Gimnázium Almádi u. 3-5. Telephelye 1148 Budapest, Almádi u. 3-5. Létszámadatok A telephely létszámadatai

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

FIT-jelentés :: Egri Dobó István Gimnázium 3300 Eger, Széchenyi István utca 19. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: Egri Dobó István Gimnázium 3300 Eger, Széchenyi István utca 19. OM azonosító: Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2014 10. évfolyam :: 4 évfolyamos gimnázium Egri Dobó István Gimnázium 3300 Eger, Széchenyi István utca 19. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban

Részletesebben

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4.

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4. EURÓPAI ÉRETTSÉGI 2010 MATEMATIKA HETI 5 ÓRA IDŐPONT: 2010. Június 4. A VIZSGA IDŐTARTAMA: 4 óra (240 perc) ENGEDÉLYEZETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor

Részletesebben

Az SPC (statisztikai folyamatszabályozás) ingadozásai

Az SPC (statisztikai folyamatszabályozás) ingadozásai A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.

Részletesebben

OPTIKA. Hullámoptika Színek, szem működése. Dr. Seres István

OPTIKA. Hullámoptika Színek, szem működése. Dr. Seres István OPTIKA Színek, szem működése Dr. Seres István : A fény elektromágneses hullám A fehér fény összetevői: Seres István 2 http://fft.szie.hu Színrendszerek: Additív színrendszer Seres István 3 http://fft.szie.hu

Részletesebben

Nyomtató. A nyomtató igen hasznos kiviteli periféria. A nyomtató feladata, hogy az információt papíron (esetleg fólián, CD-n...) megjelenítse.

Nyomtató. A nyomtató igen hasznos kiviteli periféria. A nyomtató feladata, hogy az információt papíron (esetleg fólián, CD-n...) megjelenítse. Nyomtató A nyomtató igen hasznos kiviteli periféria. A nyomtató feladata, hogy az információt papíron (esetleg fólián, CD-n...) megjelenítse. Nyomtatók csoportosítása: Ütő (impact) nyomtatók Kalapács vagy

Részletesebben

FIT-jelentés :: Dobó István Gimnázium 3300 Eger, Széchenyi u. 19. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: Dobó István Gimnázium 3300 Eger, Széchenyi u. 19. OM azonosító: Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 10. évfolyam :: 6 évfolyamos gimnázium Dobó István Gimnázium 3300 Eger, Széchenyi u. 19. Létszámadatok A telephely létszámadatai a 6 évfolyamos gimnáziumi képzéstípusban a 10. évfolyamon

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

Természetes szelekció és adaptáció

Természetes szelekció és adaptáció Természetes szelekció és adaptáció Amiről szó lesz öröklődő és variábilis fenotípus természetes szelekció adaptáció evolúció 2. Természetes szelekció Miért fontos a természetes szelekció (TSZ)? 1. C.R.

Részletesebben

FIT-jelentés :: 2011. Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. OM azonosító: 035200 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. OM azonosító: 035200 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

OPTIKA. Hullámoptika Diszperzió, interferencia. Dr. Seres István

OPTIKA. Hullámoptika Diszperzió, interferencia. Dr. Seres István OPTIKA Diszperzió, interferencia Dr. Seres István : A fény elektromágneses hullám A fehér fény összetevői: Seres István 2 http://fft.szie.hu : A fény elektromágneses hullám: Diszperzió: Különböző hullámhosszúságú

Részletesebben

Életmenet összetevők: Méret -előnyök és hátrányok versengés, predáció, túlélés optimális méret kiszelektálódása

Életmenet összetevők: Méret -előnyök és hátrányok versengés, predáció, túlélés optimális méret kiszelektálódása Életmenet evolúció kérdések: 1. egyedi életmenet tulajdonságok Miért van a sarlósfecskéknek kis fészekaljuk? 2. kapcsolat életmenet-összetevők között arány ivarérett kor és élethossz között: emlősök 1,3;

Részletesebben

Válogatott fejezetek a közlekedésgazdaságtanból

Válogatott fejezetek a közlekedésgazdaságtanból Válogatott fejezetek a közlekedésgazdaságtanból 2. Választási modellek Levelező tagozat 2015 ősz Készítette: Prileszky István http://www.sze.hu/~prile Fogalmak Választási modellek célja: annak megjósolása,

Részletesebben

FIT-jelentés :: 2012. Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. OM azonosító: 201629 Telephely kódja: 001

FIT-jelentés :: 2012. Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. OM azonosító: 201629 Telephely kódja: 001 FIT-jelentés :: 2012 8. évfolyam :: Általános iskola Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a

Részletesebben

VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak

VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak Vállalkozási VÁLLALATGAZDASÁGTAN II. Tantárgyfelelős: Prof. Dr. Illés B. Csaba Előadó: Dr. Gyenge Balázs Az ökonómiai döntés fogalma Vállalat Környezet Döntések sorozata Jövő jövőre vonatkozik törekszik

Részletesebben

FIT-jelentés :: 2011. Pázmány Péter Utcai Óvoda és Általános Iskola 7634 Pécs, Pázmány Péter u. 27. OM azonosító: 027246 Telephely kódja: 005

FIT-jelentés :: 2011. Pázmány Péter Utcai Óvoda és Általános Iskola 7634 Pécs, Pázmány Péter u. 27. OM azonosító: 027246 Telephely kódja: 005 FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Pázmány Péter Utcai Óvoda és Általános Iskola 7634 Pécs, Pázmány Péter u. 27. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban

Részletesebben

FIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola

FIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola FIT-jelentés :: 2013 10. évfolyam :: Szakiskola RIDENS Szakképző Iskola, Speciális Szakiskola és Kollégium 4400 Nyíregyháza, Széchenyi u. 34-38. Létszámadatok A telephely létszámadatai a szakiskolai képzéstípusban

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Telephelyi jelentés. 10. évfolyam :: Szakiskola

Telephelyi jelentés. 10. évfolyam :: Szakiskola FIT-jelentés :: 2011 10. évfolyam :: Szakiskola Herman Ottó Kertészeti-, Környezetvédelmi-, Vadgazdálkodási Szakképző Iskola és Kollégium 9700 Szombathely, Ernuszt K. u. 1. Létszámadatok A telephely létszámadatai

Részletesebben

AZ ADATOK ÉRTELMEZÉSE

AZ ADATOK ÉRTELMEZÉSE Territóriumtartó fajok Ezeknél a fajoknál az ún. territóriumtérképezés klasszikus módszerét alkalmazzuk. Ez abból áll, hogy a mintaterületünkről részletes, 1:10.000 vagy 1:25.000 méretarányú térképet kell

Részletesebben

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő

Részletesebben

FIT-jelentés :: 2011 Telephelyi jelentés 10. évfolyam :: Szakközépiskola Közgazdasági Szakközépiskola

FIT-jelentés :: 2011 Telephelyi jelentés 10. évfolyam :: Szakközépiskola Közgazdasági Szakközépiskola FIT-jelentés :: 2011 10. évfolyam :: Szakközépiskola Közgazdasági Szakközépiskola 4200 Hajdúszoboszló, Gönczy P. u. 17. Létszámadatok A telephely létszámadatai a szakközépiskolai képzéstípusban a 10. évfolyamon

Részletesebben

A digitális képfeldolgozás alapjai

A digitális képfeldolgozás alapjai A digitális képfeldolgozás alapjai Digitális képfeldolgozás A digit szó jelentése szám. A digitális jelentése, számszerű. A digitális információ számokká alakított információt jelent. A számítógép a képi

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

FUSION VITAL ÉLETMÓD ELEMZÉS

FUSION VITAL ÉLETMÓD ELEMZÉS FUSION VITAL ÉLETMÓD ELEMZÉS STRESSZ ÉS FELTÖLTŐDÉS - ÁTTEKINTÉS 1 (2) Mérési információk: Életkor (év) 41 Nyugalmi pulzusszám 66 Testmagasság (cm) 170 Maximális pulzusszám 183 Testsúly (kg) 82 Body Mass

Részletesebben

FIT-jelentés :: 2011. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 8. évfolyam :: 6 évfolyamos gimnázium Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. Létszámadatok A telephely létszámadatai a 6 évfolyamos gimnáziumi képzéstípusban a 8. évfolyamon

Részletesebben

Közgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 3. hét A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK

Közgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 3. hét A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely

Részletesebben

AUTISTA GYERMEKEK A MAGYAR KÖZOKTATÁSBAN MAGYAR SZOCIOLÓGIAI TÁRSASÁG ÉVES KONFERENCIÁJA ÉS KÖZGYŰLÉSE 2010. NOVEMBER 5-7.

AUTISTA GYERMEKEK A MAGYAR KÖZOKTATÁSBAN MAGYAR SZOCIOLÓGIAI TÁRSASÁG ÉVES KONFERENCIÁJA ÉS KÖZGYŰLÉSE 2010. NOVEMBER 5-7. MAGYAR SZOCIOLÓGIAI TÁRSASÁG ÉVES KONFERENCIÁJA ÉS KÖZGYŰLÉSE 2010. NOVEMBER 5-7. FOGYATÉKOSSÁG ÉS INTEGRÁCIÓ SZEKCIÓ AUTISTA GYERMEKEK A MAGYAR KÖZOKTATÁSBAN x¾ x ¾ f ¾¾ h¾ 9f½½ ¹ 9h - 1. A KUTATÁSRÓL

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

A színérzetünk három összetevőre bontható:

A színérzetünk három összetevőre bontható: Színelméleti alapok Fény A fény nem más, mint egy elektromágneses sugárzás. Ennek a sugárzásnak egy meghatározott spektrumát képes a szemünk érzékelni, ezt nevezzük látható fénynek. Ez az intervallum személyenként

Részletesebben

Ipari munkahelyek ergonómiai értékelése

Ipari munkahelyek ergonómiai értékelése Ipari munkahelyek ergonómiai értékelése Mischinger Gábor mgx@erg.bme.hu BME EPT 1/48 Ipari munkahelyek ergonómiai értékelése Az értékelés célja: A munka, a környezet és az ember-gép rendszer okozta terhelés

Részletesebben

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

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Babits Mihály Gimnázium és Karithy Frigyes Magyar-Angol Két Tanítási Nyelvű Általános Iskola 1048 Budapest, Hajló utca 2-8 Létszámadatok A telephely

Részletesebben

Ipari munkahelyek ergonómiai értékelése

Ipari munkahelyek ergonómiai értékelése Az értékelés célja: Ipari munkahelyek ergonómiai értékelése Mischinger Gábor mgx@erg.bme.hu A munka, a környezet és az ember-gép rendszer okozta terhelés felmérése Az igénybevétel csökkentési lehetőségek

Részletesebben

Elvek a színek használatához

Elvek a színek használatához Elvek a színek használatához Starkné dr. Werner Ágnes A színek szerepe A színesen közölt információt könnyebben meg tudjuk jegyezni. A színek használhatók megkülönböztetésre, kódolásra, vagy esztétikai

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

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak

Részletesebben

Paleobiológiai módszerek és modellek 11. hét

Paleobiológiai módszerek és modellek 11. hét Paleobiológiai módszerek és modellek 11. hét A diverzitás fajtái és mérőszámai Nagy őslénytani adatbázisok: Sepkoski The Fossil Record Paleobiology Database A diverzitás fogalma Diverzitás sokféleség az

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

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont)

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont) 1. tétel 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója cm. Mekkora a háromszög átfogója? (4 pont). Adott az ábrán két vektor. Rajzolja meg a b, a b és az a b vektorokat! (6 pont)

Részletesebben

Távérzékelés, a jöv ígéretes eszköze

Távérzékelés, a jöv ígéretes eszköze Távérzékelés, a jöv ígéretes eszköze Ritvayné Szomolányi Mária Frombach Gabriella VITUKI CONSULT Zrt. A távérzékelés segítségével: különböz6 magasságból, tetsz6leges id6ben és a kívánt hullámhossz tartományokban

Részletesebben

A távérzékelt felvételek tematikus kiértékelésének lépései

A távérzékelt felvételek tematikus kiértékelésének lépései A távérzékelt felvételek tematikus kiértékelésének lépései Csornai Gábor László István Földmérési és Távérzékelési Intézet Mezőgazdasági és Vidékfejlesztési Igazgatóság Az előadás 2011-es átdolgozott változata

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes döntéstámogatás. Statisztikai elemzés SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre

Részletesebben

FIT-jelentés :: 2014. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola

FIT-jelentés :: 2014. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola FIT-jelentés :: 2014 10. évfolyam :: Szakközépiskola Puskás Tivadar Távközlési Technikum Infokommunikációs Szakközépiskola 1097 Budapest, Gyáli út 22. Létszámadatok A telephely létszámadatai a szakközépiskolai

Részletesebben

FIT-jelentés :: 2012. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2012. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2012 10. évfolyam :: 4 évfolyamos gimnázium Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10. évfolyamon

Részletesebben

FIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola

FIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola FIT-jelentés :: 2013 10. évfolyam :: Szakiskola Száraznád Nevelési-Oktatási Központ, Általános Iskola, Szakiskola, Speciális Szakiskola, Pedagógiai Szakszolgálat és Gyógypedagógiai Szakmai Szolgáltató

Részletesebben

Bevezetés a színek elméletébe és a fényképezéssel kapcsolatos fogalmak

Bevezetés a színek elméletébe és a fényképezéssel kapcsolatos fogalmak Bevezetés a színek elméletébe és a fényképezéssel kapcsolatos fogalmak Az emberi színlátás Forrás: http://www.normankoren.com/color_management.html Részletes irodalom: Dr. Horváth András: A vizuális észlelés

Részletesebben

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia. 2008. május 6.

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia. 2008. május 6. Modern Fizika Labor Fizika BSc A mérés dátuma: A mérés száma és címe: 12. mérés: Infravörös spektroszkópia Értékelés: A beadás dátuma: 28. május 13. A mérést végezte: 1/5 A mérés célja A mérés célja az

Részletesebben

Az állati viselkedés tanulmányozása

Az állati viselkedés tanulmányozása Az állati viselkedés tanulmányozása Viselkedési mintázatok és tanulási folyamatok vizsgálata Biológia BSc. B / Pszichológia BA gyakorlat A kísérleteket végezték:............ Gyakorlatvezető:... Időpont:...

Részletesebben

FIT-jelentés :: 2011 Telephelyi jelentés 10. évfolyam :: Szakiskola Dunaferr Szakközép- és Szakiskola

FIT-jelentés :: 2011 Telephelyi jelentés 10. évfolyam :: Szakiskola Dunaferr Szakközép- és Szakiskola FIT-jelentés :: 2011 10. évfolyam :: Szakiskola Dunaferr Szakközép- és Szakiskola 2400 Dunaújváros, Vasmű tér 1-2. Létszámadatok A telephely létszámadatai a szakiskolai képzéstípusban a 10. évfolyamon

Részletesebben

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

FIT-jelentés :: Képes Géza Általános Iskola 4700 Mátészalka, Szokolay Örs u. 2-4 OM azonosító: Telephely kódja: 003. Telephelyi jelentés FIT-jelentés :: 2012 8. évfolyam :: Általános iskola Képes Géza Általános Iskola 4700 Mátészalka, Szokolay Örs u. 2-4 Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

FIT-jelentés :: Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 10. évfolyam :: 4 évfolyamos gimnázium Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10. évfolyamon

Részletesebben

FIT-jelentés :: 2012. Montenuovo Nándor Szakközépiskola, Szakiskola és Kollégium 7754 Bóly, Rákóczi u. 2/a OM azonosító: 027445 Telephely kódja: 001

FIT-jelentés :: 2012. Montenuovo Nándor Szakközépiskola, Szakiskola és Kollégium 7754 Bóly, Rákóczi u. 2/a OM azonosító: 027445 Telephely kódja: 001 FIT-jelentés :: 2012 10. évfolyam :: Szakiskola Montenuovo Nándor Szakközépiskola, Szakiskola és Kollégium 7754 Bóly, Rákóczi u. 2/a Létszámadatok A telephely létszámadatai a szakiskolai képzéstípusban

Részletesebben

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

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Vénkerti Általános Iskola, Óvoda és Alapfokú Művészetoktatási Intézmény 4027 Debrecen, Sinay M. u. 6. Létszámadatok A telephely létszámadatai az általános

Részletesebben

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió

Részletesebben

Mé diakommunika cio MintaZh 2011

Mé diakommunika cio MintaZh 2011 Mé diakommunika cio MintaZh 2011 Mekkorára kell választani R és B értékét, ha G=0,2 és azt akarjuk, hogy a szín telítettségtv=50% és színezettv=45 fok legyen! (gammával ne számoljon) 1. Mi a különbség

Részletesebben

OPTIKAI CSALÓDÁSOK. Vajon valóban eltolódik a vékony egyenes? A kávéházi fal. Úgy látjuk, mintha a vízszintesek elgörbülnének

OPTIKAI CSALÓDÁSOK. Vajon valóban eltolódik a vékony egyenes? A kávéházi fal. Úgy látjuk, mintha a vízszintesek elgörbülnének OPTIKAI CSALÓDÁSOK Mint azt tudjuk a látás mechanizmusában a szem által felvett információt az agy alakítja át. Azt hogy valójában mit is látunk, nagy szerepe van a tapasztalatoknak, az emlékeknek.az agy

Részletesebben

FIT-jelentés :: 2012 Telephelyi jelentés 8. évfolyam :: 8 évfolyamos gimnázium Ciszterci Szent István Gimnázium

FIT-jelentés :: 2012 Telephelyi jelentés 8. évfolyam :: 8 évfolyamos gimnázium Ciszterci Szent István Gimnázium FIT-jelentés :: 2012 8. évfolyam :: 8 évfolyamos gimnázium Ciszterci Szent István Gimnázium 8000 Székesfehérvár, Jókai u. 20. Létszámadatok A telephely létszámadatai a 8 évfolyamos gimnáziumi képzéstípusban

Részletesebben