VISELKEDÉSÖKOLÓGIA Táplálkozás
|
|
- Gusztáv Pásztor
- 8 évvel ezelőtt
- Látták:
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
INPUT (táplálék) Felvétel Hő Anyagcsere-folyamatok Táplálkozási stratégiák Simon Edina Ökológia II. 2012. November 26. Növekedés Tárolás Védelem Károsodások kiküszöbölése Szaporodás OUTPUT (utód) Predátorok
RészletesebbenAz 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
RészletesebbenSTATISZTIKA. 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
RészletesebbenTáplálkozás, táplálékkeresés. Etológia BSc Miklósi Ádám Pongrácz Péter
Táplálkozás, táplálékkeresés Etológia BSc Miklósi Ádám Pongrácz Péter A táplálkozáshoz köthető magatartásformák Keresés Észlelés Választás Megszerzés Egyszerű legelés vs. vadászat Elfogyasztás Védekezés
RészletesebbenFEGYVERNEKI 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,
RészletesebbenA 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,
RészletesebbenAz 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
RészletesebbenVISELKEDÉSÖKOLÓGIA 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
RészletesebbenPopuláció 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,
RészletesebbenPopulációbecslés 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
RészletesebbenAltruizmus. 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
RészletesebbenAltruizmus. 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
RészletesebbenSegítség 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
RészletesebbenAdatok 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
RészletesebbenKutatásmódszertan 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
RészletesebbenLeast Squares becslés
Least Squares becslés A négyzetes hibafüggvény: i d i ( ) φx i A négyzetes hibafüggvény mellett a minimumot biztosító megoldás W=( d LS becslés A gradiens számítása és nullává tétele eredményeképp A megoldás
RészletesebbenPopulációbecslések 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
RészletesebbenFEGYVERNEKI 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
RészletesebbenETOLÓGIA-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
RészletesebbenIndividuális 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
RészletesebbenLendület. Lendület (impulzus): A test tömegének és sebességének szorzata. vektormennyiség: iránya a sebesség vektor iránya.
Lendület Lendület (impulzus): A test tömegének és sebességének szorzata. vektormennyiség: iránya a sebesség vektor iránya. Lendülettétel: Az lendület erő hatására változik meg. Az eredő erő határozza meg
RészletesebbenPopulációbecslések 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
RészletesebbenHeckman 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
RészletesebbenFIT-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
RészletesebbenSTATISZTIKA 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
RészletesebbenFIT-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
RészletesebbenA 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
RészletesebbenSzociális tanulás. Miklósi Ádám ELTE Etológia Tsz
Szociális tanulás Miklósi Ádám ELTE Etológia Tsz 2016 Tudományos történet: A jelsorrend módosítja széncinegék viselkedését Suzuki (Nature Communications) 2016 Japán széncinege A cinegék felismerik a jelek
RészletesebbenModern 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:
RészletesebbenALÁÍRÁS 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:
RészletesebbenMatematikai 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
RészletesebbenMatematika. Xántus János Két Tanítási Nyelvű Gimnázium és Szakgimnázium OM azonosító: Telephelyi jelentés Telephely kódja: 001
Országos kompetenciamérés 2017 3 1a Átlageredmények A telephelyek átlageredményeinek összehasonlítása Az Önök eredményei a 4 évfolyamos gimnáziumi telephelyek eredményeihez viszonyítva A szignifikánsan
RészletesebbenElektrosztatika. 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
RészletesebbenFolyadékszcintillációs 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
RészletesebbenBiostatisztika 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.
RészletesebbenElektromos alapjelenségek
Elektrosztatika Elektromos alapjelenségek Dörzselektromos jelenség: egymással szorosan érintkező, vagy egymáshoz dörzsölt testek a szétválasztásuk után vonzó, vagy taszító kölcsönhatást mutatnak. Ilyenkor
RészletesebbenÁLLATMENTÉSRE FELKÉSZÜLNI! TÁRSASJÁTÉK ÁLLATKÁRTYÁK
ÁLLATMENTÉSRE FELKÉSZÜLNI! TÁRSASJÁTÉK ÁLLATKÁRTYÁK Csány-Szendrey Általános Iskola Rezi Tagintézménye 2017 Foltos szalamandra Szín: fekete alapon sárga foltok Testalkat: kb.: 20 cm hosszú Élőhely: Lomberdőben
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenFénytechnika. 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
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenFIT-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
RészletesebbenFIT-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
Részletesebbenc adatpontok és az ismeretlen pont közötti kovariancia vektora
1. MELLÉKLET: Alkalmazott jelölések A mintaterület kiterjedése, területe c adatpontok és az ismeretlen pont közötti kovariancia vektora C(0) reziduális komponens varianciája C R (h) C R Cov{} d( u, X )
RészletesebbenA 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
RészletesebbenFIT-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
RészletesebbenVALÓSZÍNŰSÉG, 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
RészletesebbenSzövegértés. Xántus János Két Tanítási Nyelvű Gimnázium és Szakgimnázium OM azonosító: Telephelyi jelentés Telephely kódja: 001
Országos kompetenciamérés 2017 22 1a Átlageredmények A telephelyek átlageredményeinek összehasonlítása Az Önök eredményei a 4 évfolyamos gimnáziumi telephelyek eredményeihez viszonyítva A szignifikánsan
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
RészletesebbenTelephelyi jelentés. 10. évfolyam :: Szakiskola
FIT-jelentés :: 2011 10. évfolyam :: Szakiskola Esély Kövessi Erzsébet Szakképző Iskola és Gimnázium 1089 Budapest, Dugonics utca 17-21. Létszámadatok A telephely létszámadatai a szakiskolai képzéstípusban
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Kézdi -Vásárhelyi Imre Általános Iskola és Napköziotthonos Óvoda 2822 Szomor, Mátyás Király u. 8-10. Létszámadatok A telephely létszámadatai az általános
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenFIT-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
RészletesebbenStatisztika 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
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenFIT-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
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenAZ 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
RészletesebbenFIT-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
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakközépiskola
FIT-jelentés :: 2011 10. évfolyam :: Szakközépiskola Esély Kövessi Erzsébet Szakképző Iskola és Gimnázium 1089 Budapest, Dugonics utca 17-21. Létszámadatok A telephely létszámadatai a szakközépiskolai
RészletesebbenFIT-jelentés :: Máriaremete-Hidegkúti Ökumenikus Általános Iskola 1028 Budapest, Községház u OM azonosító: Telephely kódja: 001
FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Máriaremete-Hidegkúti Ökumenikus Általános Iskola 1028 Budapest, Községház u. 8-10. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban
RészletesebbenFIT-jelentés :: Fabriczius József Általános Iskola 2112 Veresegyház, Fő út OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Fabriczius József Általános Iskola 2112 Veresegyház, Fő út 77-79. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon
Részletesebben8. feladat - Don t Starve lite
Figyelem! A dokumentum jelen változata elavult lehet, azóta előfordulhattak apróbb módosítások, egyértelműsítések, hibajavítások! A feladatkiírás aktuális változata elérhető a http://www.inf.u-szeged.hu/~antal/?p=prog1_kotprog
RészletesebbenFIT-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.
RészletesebbenTelephelyi jelentés. 10. évfolyam :: Szakiskola
FIT-jelentés :: 2011 10. évfolyam :: Szakiskola Táncsics Mihály Szakközépiskola, Szakiskola és Kollégium 8200 Veszprém, Eötvös Károly u. 1. Létszámadatok A telephely létszámadatai a szakiskolai képzéstípusban
RészletesebbenFIT-jelentés :: Erzsébet Utcai Általános Iskola 1043 Budapest, Erzsébet u. 31. OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2012 8. évfolyam :: Általános iskola Erzsébet Utcai Általános Iskola 1043 Budapest, Erzsébet u. 31. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon
RészletesebbenFIT-jelentés :: Szent Ambrus Katolikus Általános Iskola 2648 Patak, Rákóczi út 4 OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2012 8. évfolyam :: Általános iskola 2648 Patak, Rákóczi út 4 Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon Tanulók száma Osztály neve Összesen
RészletesebbenBiomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
RészletesebbenEMELT SZINTŰ ETOLÓGIA. Alkalmazkodás ellenséges környezethez avagy élet a fagyban. Pongrácz Péter
EMELT SZINTŰ ETOLÓGIA Alkalmazkodás ellenséges környezethez avagy élet a fagyban Pongrácz Péter Ellenséges környezet (relatív fogalom) Minden környezet minden időpontban tartalmaz potenciálisan ártalmas
RészletesebbenFIT-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
RészletesebbenBevezető Adatok rendezése Adatok jellemzése Időbeli elemzés
Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció
RészletesebbenFIT-jelentés :: Csapókerti Általános Iskola Telephelye 4251 Hajdúsámson, Fő utca 41. OM azonosító: Telephely kódja: 005
FIT-jelentés :: 2014 8. évfolyam :: Általános iskola Csapókerti Általános Iskola Telephelye 4251 Hajdúsámson, Fő utca 41. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8.
RészletesebbenKözgazdaságtan 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
RészletesebbenAz SPC (statisztikai folyamatszabályozás) ingadozásai
A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.
RészletesebbenFIT-jelentés :: Fabriczius József Általános Iskola 2112 Veresegyház, Fő út OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2016 8. évfolyam :: Általános iskola Fabriczius József Általános Iskola 2112 Veresegyház, Fő út 77-79. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon
RészletesebbenFIT-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
RészletesebbenNyomtató. 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
RészletesebbenOnline algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30.
Online algoritmusok Algoritmusok és bonyolultságuk Horváth Bálint 2018. március 30. Horváth Bálint Online algoritmusok 2018. március 30. 1 / 28 Motiváció Gyakran el fordul, hogy a bemenetet csak részenként
RészletesebbenÉletmenet 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;
RészletesebbenBiomatematika 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
RészletesebbenFIT-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
RészletesebbenFIT-jelentés :: Széchenyi István Gimnázium 1118 Budapest, Rimaszombati u OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2012 10. évfolyam :: 4 évfolyamos gimnázium 1118 Budapest, Rimaszombati u. 2-4. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10. évfolyamon Tanulók
RészletesebbenFIT-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
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola
FIT-jelentés :: 2012 10. évfolyam :: Szakiskola Kisbér Város Többcélú Közös Igazgatású Közoktatási Intézménye Bánki Donát Szakképző Iskola 2870 Kisbér, Batthyány tér 2. Létszámadatok A telephely létszámadatai
RészletesebbenElemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: 4 évfolyamos gimnázium
FIT-jelentés :: 2014 10. évfolyam :: 4 évfolyamos gimnázium Kövessi Erzsébet Baptista Szakközépiskola, Szakiskola és Gimnázium 1089 Budapest, Dugonics utca 17-21. Létszámadatok A telephely létszámadatai
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenFIT-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
RészletesebbenFIT-jelentés. Tatabányai SZC Bánki Donát Szakgimnáziuma és Szakközépiskolája 2870 Kisbér, Batthyány tér 2 OM azonosító: Telephely kódja: 024
Országos kompetenciamérés 2017 FIT-jelentés 10. évfolyam :: Szakközépiskola Tatabányai SZC Bánki Donát Szakgimnáziuma és Szakközépiskolája 2870 Kisbér, Batthyány tér 2 FIGYELEM! Kérjük, tartsa szem előtt,
RészletesebbenVezetők elektrosztatikus térben
Vezetők elektrosztatikus térben Vezető: a töltések szabadon elmozdulhatnak Ha a vezető belsejében a térerősség nem lenne nulla akkor áram folyna. Ha a felületen a térerősségnek lenne tangenciális (párhuzamos)
RészletesebbenFIT-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
RészletesebbenOrszágos kompetenciamérés. FIT-jelentés. Telephelyi jelentés. 8. évfolyam :: Általános iskola
Országos kompetenciamérés 2017 FIT-jelentés 8. évfolyam :: Általános iskola Budapesti Fazekas Mihály Gyakorló Általános Iskola és Gimnázium 1082 Budapest, Horváth Mihály tér 8. FIGYELEM! Kérjük, tartsa
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Felsővárosi Általános Iskola és Előkészítő Szakiskola Tinódi Sebestyén Tagiskola 3300 Eger, Vallon utca 2. Létszámadatok A telephely létszámadatai az
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: 6 évfolyamos gimnázium
FIT-jelentés :: 2012 8. évfolyam :: 6 évfolyamos gimnázium Comenius Angol-magyar Két Tanítási Nyelvű Általános Iskola, Gimnázium és Gazdasági Szakközépiskola és Kollégium 8000 Székesfehérvár, Koppány u.
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakközépiskola
FIT-jelentés :: 2014 10. évfolyam :: Szakközépiskola Hunfalvy János Két Tanítási Nyelvű Közgazdasági és Kereskedelmi Szakközépiskola 1011 Budapest, Ponty utca 3. Létszámadatok A telephely létszámadatai
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2014 8. évfolyam :: Általános iskola Grassalkovich Antal Német Nemzetiségi és Kétnyelvű Általános Iskola 2220 Vecsés, Fő utca 90-92. Létszámadatok A telephely létszámadatai az általános
RészletesebbenFIT-jelentés :: 2013 Telephelyi jelentés 10. évfolyam :: Szakközépiskola Fáy András Közlekedésgépészeti, Műszaki szakközépiskola
FIT-jelentés :: 2013 10. évfolyam :: Szakközépiskola Fáy András Közlekedésgépészeti, Műszaki szakközépiskola 1095 Budapest, Mester u. 60-62. Létszámadatok A telephely létszámadatai a szakközépiskolai képzéstípusban
RészletesebbenFIT-jelentés. Fabriczius József Általános Iskola 2112 Veresegyház, Fő út OM azonosító: Telephely kódja: 001. Telephelyi jelentés
Országos kompetenciamérés 2017 FIT-jelentés 8. évfolyam :: Általános iskola Fabriczius József Általános Iskola 2112 Veresegyház, Fő út 77-79. FIGYELEM! Kérjük, tartsa szem előtt, hogy a 2016/2017. tanévtől
RészletesebbenFIT-jelentés :: Szentendrei Református Gimnázium 2000 Szentendre, Áprily tér 5. OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2015 8. évfolyam :: 8 évfolyamos gimnázium Szentendrei Református Gimnázium 2000 Szentendre, Áprily tér 5. Létszámadatok A telephely létszámadatai a 8 évfolyamos gimnáziumi képzéstípusban
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 10. évfolyam :: Szakiskola
FIT-jelentés :: 2016 10. évfolyam :: Szakiskola Budapesti Gazdasági SZC Szász Ferenc Kereskedelmi Szakközépiskolája és Szakiskolája 1087 Budapest, Szörény utca 2-4 Létszámadatok A telephely létszámadatai
RészletesebbenFIZIKA II. Dr. Rácz Ervin. egyetemi docens
FIZIKA II. Dr. Rácz Ervin egyetemi docens Fontos tudnivalók e-mail: racz.ervin@kvk.uni-obuda.hu web: http://uni-obuda.hu/users/racz.ervin/index.htm Iroda: Bécsi út, C. épület, 124. szoba Fizika II. - ismertetés
Részletesebben