Véletlen gráfok szerkesztésekor n csomópontból indulunk ki. p valószínűséggel két csomópontot éllel kötünk össze.
|
|
- Ödön Bogdán
- 7 évvel ezelőtt
- Látták:
Átírás
1 9. előadás
2 P(k) k Véletlen gráfok szerkesztésekor n csomópontból ndulunk k. p valószínűséggel két csomópontot éllel kötünk össze. A fokszámok Posson eloszlásúak P( k) = e pn ( pn) k! k Ksvlág gráfokat úgy szerkesztünk, hogy rövdítőket adunk rendezett gráfokhoz A fokszámok eloszlása kcsúcsosodk az átlagérték körül
3 Növekvő hálózatok modellje (A.-L. Barabás R. Albert 1999) 1) Növekedés Mnden dőlépésben egy új csomópont jelenk meg a rendszerben 2) Preferencáls csatolódás A csatolódás valószínűsége a csomópont fokszámától függ P(k) k P( k ) = k j = 1, N k j A fokszámok hatványfüggvény eloszlásúak
4 dvatos ága a Komplex Rendszerek Fzkájának Közgazdaság és a társadalomtudományok makroskálán egy megfelelő rendszer a fzka egyes módszerenek az alkalmazására (makroskála: az egyének ndvdualtása elhanyagolható és átlagos vselkedéssel helyettesíthető) olyan folyamatok amelyben sok egyed komplkált módon kölcsönnhat vannak nylvánvaló ok-okozat kapcsolatok, habár egy bzonyos makrosznten a folyamatok stochasztkusnak (véletlenszerűnek) tűnnek vannak unverzáls és smétlődő törvényszerűségek lehet mérn, modellezn és kísérletezn ezen rendszerekben létezk egy általános elv amely ezen rendszerek evolúcóját vezérl: a maxmáls nyereség elve Kondor Imre Bank és kockázat (Mndentudás Egyeteme, 2004, május 24) fzkus értelemben komplex rendszer komplex modellekkel megközelíthető Néhány dvatos ökonofzka téma: tőzsdendexek és árak fluktuácónak a tanulmányozása, korrelácók ezek között... a pac és tőzsde modellezése gazdaság és kereskedelm kapcsolatok hálójának leírása és modellezése, ezen kapcsolathálókon levő tranzakcók és nformácó-áramlások modellezése bank kockázatok tanulmányozása és kezelése a társadalomban levő pozícók, jövedelmek és vagyoneloszlások leírása és modellezése
5 Kevesebb kísérlet adat (nehezen és általában csak ndrekt módon mérhető) Vagyoneloszlás az ókor Egyptomban Kummulatív vagyoneloszlás a magyar nemesség körében 1500 körül * (logartmkus skála) (az adott nemes család brtokában levő jobbágyporták alapján) * Hegy Géza & Néda Zoltán (BBTE, Fzka Kar)
6 Vagyoneloszlás az Inda társadalom leggazdagabb 100 családja között (2002, 2003) Vagyoneloszlás Nagy Brttánában (2000), (az örökösödés adatokból) * Kummulatív eloszlásfüggvény Vagyon a sorszám függvényében logartmkus skálán a kapott hatványfüggvény a Pareto törvényt gazolja * R. Coelho, Z. Neda and M.A. Santos, 2005
7 Pareto eredet mérése α-ra V. Pareto, Cours d Econome Poltque, vol. 2, Macmllan, Pars, 1897 C P >= ( w) = α: a Pareto exponens α w Év jövedelem eloszlása Japánban ( ) α [1.8, 2.2] Év jövedelem eloszlása Olaszországban ( ) α [1.6,1.9] Év övedelem eloszlása az Egyesült államokban (2000) α = 2.1 Vagyoneloszlás a magyar nemesség körében 1500 körül α =0.95 Vagyoneloszlás az Inda társadalom leggazdagabbja között (2002, 2003) α = 0.81; α =0.93 Vagyoneloszlás Nagy Brttánában (2000), (az örökösödés adatokból) α = 2.52 α : 0.8 Mnnél élénkebb gazdaság kapcsolatok vannak a vzsgált társadalom tagja között annál nagyobb a Pareto exponens! 2.6
8 - Mndenk mndenkvel kölcsönhat (vagyont cserél)! W : az egyedek vagyona; J(,j) az egyedek közt kölcsönhatás erőssége; η (t): egy normáls (Gauss) eloszlású véleltlenszerű változó 2 η ( t) = 0 2 η ( t) η ( t) = 2σ J.-P. Bouchod, M. Mezard; Physca A, vol. 282, pp (2000) 2 A feladat másztersz egyenlete (a vagyonok dőbel evolucóját vezérlő egyenlet) dw dt = η ( t) W =1,2,...N + j( ) J ( j, ) W N j j( ) J (, j) W az átlagtér közelítés: az átlagtér megoldás: J α = 1+ σ 2 J (, j) = w J N ( α 1) exp[ ] A w w ρ ech( ) = 1+ α Pareto exponens
9 -A valód társadalmakban a vagyoncsere nem egy teljesen összekötött hálon történk (nem mndenk mndenkvel hat kölcsön). - A társadalm háló fogalma és topologája (szerkezete) fontos a vagyoncsere mechanzmusának a leírásához! (k kvel van összekötve?) - A vagyoncsere mechanzmusában a család hálóknak van ktüntetett szerepe! - Mlyen a család hálónak a szerkezete??? - A család háló és vagyoneloszlás között szoros kapcsolat van! Barabás Albert László, A hálozatok csodálatos vlága, (Mndentudás Egyeteme, 2005 okt. 10) családháló vagyoneloszlás -Egy helyes (komplex) modellnek generálna kell úgy a helyes vagyoneloszlást mnt az őt meghatározó társadalm hálót - A modellnek realsztkus és lehetőleg egyszerű törvényszerűségeket kell tartalmazna - A modell a bonyolult hálószerkezet matt valószínűleg analtkusan nem tanulmányozható - Monte Carlo tpusú számítógépes szmulácók szükségesek... * R. Coelho, Z. Neda, J.J. Ramasco ş M.A. Santos; Physca A, 2005 Szocáls Háló, V. Hugo Nyomorultak
10 a csomópontok a kötések a családok az elsőrangú család kapcsolatok mnden () csomópontnak van vagyona W() + és kora A() A modell állandó: - a családok száma - az összvagyon a rendszerben Kezdet feltételek: - egy véletlenszerű háló - a vagyonok egyenletes eloszlása a (0,1) ntervallumon - a családok kora a csomópontok () sorszáma A modell dnamkája (1) A legöregebb csomópontot () eltávolítjuk. A vagyonát egyenletesen elosztjuk azon csomópontok között amellyel kötése voltak (ha nncs kötése senkvel, akkor a vagyonát preferencálsan szétosztjuk az összes csomópont között) az örökösödés folyamat (2) Az eltávolított csomópont () 0 korral vsszakerül (születés), és két olyan (j és k) csomóponthoz kapcsolódk amelyeknek a vagyona nagyobb mnt: q (egy új család megalakítása pénzbe kerül). A q vagyon levónódk j és k vagyonából és preferencálsan szétosztódk a családok között (az új család megalapításából a társadalomnak nyeresége van). A j és k családok a megmaradt vagyonuk p-ed részét az új családnak adják (megndulás vagyon) (3) Mnden csomópont kora egységgel nő. W W W ' ( ) = [ W ( j ) q ] p + [ W ( k ) ' ( k ) = [ W ( k ) q ]( 1 p ) ' ( j ) = [ W ( j ) q ]( 1 p ) Kétparaméteres modell: q és p q ] p (2)
11 A modell a helyes vagyoneloszlást és a hálóstrukturát s generálja! A vagyoneloszlás - q= és p= értékekre a P >= (w) kummulatív vagyonelszolás görbék megfelelőek - a társadalom felső 10%-ra érvényes a Pareto törvény - a ks vagyonok esetén P >= (w) exponencáls -az α-ra kapott értékek: Számítógép-szmulácós eredmény a családháló modellre. Kummulatív eloszlásfüggvény log-log skálán. - p=0.3, q=0.7 (N=10000 csomópont, 10 generácós szmulácó) A számított Pareto exponens α=1.8
12 A családháló topológája -A P(k) fokszám-eloszlás (a csomópontokból knduló kötések számának, k, eloszlása) exponencáls - k prob =2; <k>=1.9 (realsztkus) - a kalakuló családháló ks-vlág (small-word) típusú (általában ez jellemző a valós társadalm hálókra) Számítógép-szmulácós eredmények a generált háló fokszámeloszlására. Normál-log skála, N=10000 család (csomópont ) és 10 generácós szmulácó
Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár. Hegyi Géza. Filozofia és Történelem Kar, Kolozsvár. M.A. Santos, R. Coelho és J.J.
Vagyoneloszlás a társadalmakban - egy fizikus megközelítése Néda Zoltán Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár Hegyi Géza Babeş-Bolyai Tudományegyetem Filozofia és Történelem Kar, Kolozsvár
RészletesebbenVagyoneloszlás a társadalmakban - egy fizikus megközelítése -
Vagyoneloszlás a társadalmakban - egy fizikus megközelítése - Néda Zoltán Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár Fizika szakkollégium, BBTE, 2006 Fizika a XX. század előtt: az érzékelhető dolgok
RészletesebbenSzociális hálozatok és a vagyoneloszlás a társadalmakban. Néda Zoltán. Babeş-Bolyai Tudományegyetem Elméleti Fizika Tanszék
Szociális hálozatok és a vagyoneloszlás a társadalmakban Néda Zoltán Babeş-Bolyai Tudományegyetem Elméleti Fizika Tanszék Világunkban létező hálozatok közül, talán számunkra a legnyilvánvalóbbak a mindennapi
RészletesebbenHálózatok fejlődése A hatványtörvény A preferential attachment A uniform attachment Vertex copy. SZTE Informatikai Intézet
Hálózattudomány SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Előadó: London András 4. Előadás Hogyan nőnek a hálózatok? Statikus hálózatos modellek: a pontok száma (n) fix, az éleket valamilyen
RészletesebbenStatisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
RészletesebbenVéletlenszám generátorok. 6. előadás
Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus
RészletesebbenAz entrópia statisztikus értelmezése
Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok
RészletesebbenMonte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás
Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte
RészletesebbenTáblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.
1. Az X valószínőség változó 1 várható értékő és 9 szórásnégyzető. Y tıle független várható értékkel és 1 szórásnégyzettel. a) Menny X + Y várható értéke? 13 1 b) Menny X -Y szórásnégyzete? 13 1 összesen
RészletesebbenTurbulens áramlás modellezése háromszög elrendezésű csőkötegben
Turbulens áramlás modellezése háromszög elrendezésű csőkötegben Mayer Gusztáv mayer@sunserv.kfk.hu 2005. 09. 27. CFD Workshop 1 Tartalom - Vzsgált geometra Motvácó Az áramlás jellemző Saját fejlesztésű
RészletesebbenDoktori disszertáció. szerkezete
Doktori disszertáció tézisfüzet Komplex hálózatok szerkezete Szabó Gábor Témavezető Dr. Kertész János Elméleti Fizika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2005 Bevezetés A tudományos
RészletesebbenTanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.
8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral
RészletesebbenSzalai Péter. April 17, Szalai Péter April 17, / 36
Szociális hálók Szalai Péter April 17, 2015 Szalai Péter April 17, 2015 1 / 36 Miről lesz szó? 1 Megfigyelések Kis világ Power-law Klaszterezhetőség 2 Modellek Célok Erdős-Rényi Watts-Strogatz Barabási
RészletesebbenRegresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenSztochasztikus folyamatok alapfogalmak
Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos
RészletesebbenBetekintés a komplex hálózatok világába
Betekintés a komplex hálózatok világába Dr. Varga Imre Debreceni Egyetem Informatikai Kar EFOP-3.6.1-16-2016-00022 Egyszerű hálózatok Grafit kristály Árpád házi uralkodók családfája LAN hálózat Komplex
RészletesebbenVéletlen gráfok, hálózatok
Véletlen gráfok, hálózatok Véletlen gráfok, hálózatok Csirik András 2018.04.25 Erdős-Rényi modell Watts-Strogatz modell Barabási-Albert modell Hálózatok a mindennapokban Hálózatok a világ minden területén
RészletesebbenA Barabási-Albert-féle gráfmodell
A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
RészletesebbenExtrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés
Extrém-érték modellezés Zemplén András Alkalmazott modul 03. február. Extrém-érték elemzés Klasszkus módszerek: év maxmumon alapulnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízbıl
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
RészletesebbenMATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap
Közlekedésmérnök Kar Jármőtervezés és vzsgálat alapja I. Feladatlap NÉV:..tk.:. Feladat sorsz.:.. Feladat: Egy jármő futómő alkatrész terhelésvzsgálatakor felvett, az alkatrészre ható terhelı erı csúcsértékek
RészletesebbenVariancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?
Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs
RészletesebbenFizika labor zh szept. 29.
Fzka laor zh 6. szept. 9.. Mar nén évek óta a sark pékségen vesz magának 8 dkg-os rozskenyeret. Hazaérve mndg lemér, hány dkg-os kenyeret kapott aznap, és statsztkát készít a kenyerek tömegének eloszlásáról.
RészletesebbenUniverzalitási osztályok nemegyensúlyi rendszerekben, Ódor Géza
Univerzalitási osztályok nemegyensúlyi rendszerekben, Ódor Géza odor@mfa.kfki.hu 1. Bevezetõ, dinamikus skálázás, kritikus exponensek, térelmélet formalizmus, renormalizáció, topológius fázis diagrammok,
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenDFTH november
Kovács Ernő 1, Füves Vktor 2 1,2 Elektrotechnka és Elektronka Tanszék Mskolc Egyetem 3515 Mskolc-Egyetemváros tel.: +36-(46)-565-111 mellék: 12-16, 12-18 fax : +36-(46)-563-447 elkke@un-mskolc.hu 1, elkfv@un-mskolc.hu
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
RészletesebbenA MATEMATIKA NÉHÁNY KIHÍVÁSA
A MATEMATIKA NÉHÁNY KIHÍVÁSA NAPJAINKBAN Simon L. Péter ELTE, Matematikai Intézet Alkalmazott Analízis és Számításmatematikai Tsz. 1 / 20 MATEMATIKA AZ ÉLET KÜLÖNBÖZŐ TERÜLETEIN Kaotikus sorozatok és differenciálegyenletek,
Részletesebben4. előadás. Kiegyenlítő számítások MSc 2018/19 1 / 41
4. előadás Kiegyenlítő számítások MSc 2018/19 1 / 41 Áttekintés Extrém érték elmélet Monte Carlo eljárások 2 / 41 Extrém érték elmélet Bevezetés Alapvető módszerek (GEV és POT) Extrém érték eloszlások
Részletesebbens n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
RészletesebbenMETROLÓGIA ÉS HIBASZÁMíTÁS
METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.
Részletesebben,...,q 3N és 3N impulzuskoordinátával: p 1,
Louvlle tétele Egy tetszőleges klasszkus mechanka rendszer állapotát mnden t dőpllanatban megadja a kanónkus koordnáták összessége. Legyen a rendszerünk N anyag pontot tartalmazó. Ilyen esetben a rendszer
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
Részletesebben4. Az A és B események egymást kizáró eseményeknek vagy idegen (diszjunkt)eseményeknek nevezzük, ha AB=O
1. Mit nevezünk elemi eseménynek és eseménytérnek? A kísérlet lehetséges kimeneteleit elemi eseményeknek nevezzük. Az adott kísélethez tartozó elemi események halmazát eseménytérnek nevezzük, jele: X 2.
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
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenMinősítéses mérőrendszerek képességvizsgálata
Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek
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,
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
RészletesebbenA mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
RészletesebbenMechanizmus-tervezés: szociális jóléti függvény nem kooperatív (versengő) ágensek. A megegyezés keresése és elérése: Tárgyalás (Negotiation)
Tárgyalások/1 Mechanzmus-tervezés: szocáls jólét függvény nem kooperatív (versengő) ágensek (Szavazás (Votng)) (Árverés (Aucton)) A megegyezés keresése és elérése: Tárgyalás (Negotaton) (Érvelés (Argung))
Részletesebben4 2 lapultsági együttható =
Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.
RészletesebbenVolatilitási tőkepuffer a szolvencia IIes tőkekövetelmények megsértésének kivédésére
Volatilitási tőkepuffer a szolvencia IIes tőkekövetelmények megsértésének kivédésére Zubor Zoltán MNB - Biztosításfelügyeleti főosztály MAT Tavaszi Szimpózium 2016. május 7. 1 Háttér Bit. 99. : folyamatos
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenMolekuláris dinamika: elméleti potenciálfelületek
Molekulárs dnamka: elmélet potencálfelületek éhány szó a potencál felület meghatározásáról Szemempírkus és ab nto potencál felületek a teles felület meghatározása (pontos nem megy részletek: mndárt éhány
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenEseményvezérelt szimuláció
Hálózat szmulácós technkák (BMEVITTD094/2005) október 3. Vdács Attla Dang Dnh Trang Távközlés és Médanformatka Tanszék Budapest Mszak és Gazdaságtudomány Egyetem Eseményvezérelt szmulácó DES Dscrete-Event
RészletesebbenSzilárdtestek mágnessége. Mágnesesen rendezett szilárdtestek
Szilárdtestek mágnessége Mágnesesen rendezett szilárdtestek 2 Mágneses anyagok Permanens atomi mágneses momentumok: irány A kétféle spin-beállású elektronok betöltöttsége különbözik (spin-polarizáció)
RészletesebbenVéletlenszám generátorok. 5. előadás
Véletlenszám generátorok 5. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenSzámítógép-rendszerek fontos jellemzői (Hardver és Szoftver):
B Motiváció B Motiváció Számítógép-rendszerek fontos jellemzői (Hardver és Szoftver): Helyesség Felhasználóbarátság Hatékonyság Modern számítógép-rendszerek: Egyértelmű hatékonyság (például hálózati hatékonyság)
RészletesebbenHETEROGÉN MOBILHÁLÓZATOK, MOBIL BACKHAUL ÉS GERINC HÁLÓZAT GYAKORLAT
HETEROGÉN MOBILHÁLÓZATOK, MOBIL BACKHAUL ÉS GERINC HÁLÓZAT GYAKORLAT Mobil és vezeték nélküli hálózatok (BMEVIHIMA07) 2015. április 3., Budapest Jakó Zoltán BME Hálózati Rendszerek és Szolgáltatások Tanszék
Részletesebben2 Wigner Fizikai Kutatóintézet augusztus / 17
Táguló sqgp tűzgömb többkomponensű kéma kfagyása Kasza Gábor 1 és Csörgő Tamás 2,3 1 Eötvös Loránd Tudományegyetem 2 Wgner Fzka Kutatóntézet 3 Károly Róbert Főskola 2015. augusztus 17. Gyöngyös - KRF 1
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
RészletesebbenIntegrált rendszerek n é v; dátum
Integrált rendszerek n é v; dátum.) Az dentfkálás (folyamatdentfkácó) a.) elsődleges feladata absztrahált leírás fzka modell formában b.) legfőbb feladata a struktúradentfkálás (modellszerkezet felállítása)
RészletesebbenElemi szelekciós elmélet
Elem szelekcós elmélet Meszéna Géza 018. május 8. 1. Exponencáls növekedés, szelekcó és regulácó Állandó körülmények között egy populácó létszáma exponencálsan változk, hsz úgy a születések, mnt a halálozások
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés
RészletesebbenMakroszkopikus emisszió modell validálása és irányítási célfüggvényként való alkalmazásának vizsgálata
Maroszopus emsszó modell valdálása és rányítás célfüggvényént való alalmazásána vzsgálata Csós Alfréd Témavezető: Varga István Közleedés és járműrányítás worshop BME 2011 ISBN 978-963-420-975-1 Bevezetés
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenÁltalános esetben az atomok (vagy molekulák) nem függetlenek, közöttük erős
I. BEVEZETÉS A STATISZTIKUS MÓDSZEREKBE Ebben a fejezetben konkrét példán vzsgáljuk meg, hogy mlyen jellegzetes tulajdonsága vannak a makroszkopkus testeknek statsztkus fzka szempontból. A megoldás során
RészletesebbenKoncentráció és mérése gazdasági és társadalmi területeken. Kerékgyártó Györgyné BCE Statisztika Tanszék
Koncentrácó és mérése gazdaság és társadalm területeken Kerékgyártó Györgyné BCE Statsztka Tanszék Koncentrácó Fogalmát a XVIII. sz. másodk felétől egyre gyakrabban használták. Először a termelésre értelmezték,
RészletesebbenMűszaki folyamatok közgazdasági elemzése. Kevert stratégiák és evolúciós játékok
Műszak folyamatok közgazdaság elemzése Kevert stratégák és evolúcós átékok Fogalmak: Példa: 1 szta stratéga Vegyes stratéga Ha m tszta stratéga létezk és a 1 m annak valószínűsége hogy az - edk átékos
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenRobotirányítási rendszer szimulációja SimMechanics környezetben
Robotrányítás rendszer szmulácója SmMechancs környezetben 1. A gyakorlat célja A SmMechancs szoftvereszköz megsmerése, alkalmazása robotka rendszerek rányításának szmulácójára. Két szabadságfokú kar PID
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenOrosz Gyula: Markov-láncok. 4. Statisztikus golyójátékok
. Statsztkus golyójátékok Egy urnában kezdetben különböző színű golyók vannak. Ezek közül véletlenszerűen kválasztunk egyet, és a követett stratégától függően kveszünk vagy beteszünk újabb golyókat az
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenVéletlen mátrix extrém-érték statisztika: Tracy-Widom eloszlás
Véletlen mátrix extrém-érték statisztika: Ábel Dániel June 15, 2006 1 / 34 2 / 34 Előző alkalommal bevezetett dolgok, amiket használni fogunk: 3 / 34 Előző alkalommal bevezetett dolgok, amiket használni
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenÖsszefoglalás és gyakorlás
Összefoglalás és gyakorlás High Speed Networks Laboratory 1 / 28 Hálózatok jellemző paraméterei High Speed Networks Laboratory 2 / 28 Evolúció alkotta adatbázis Önszerveződő adatbázis = (struktúra, lekérdezés)
RészletesebbenÁltalános egyensúly a kiterjesztett IS-LM modellben
Általános egyensúly a kterjesztett IS-LM modellben külső egyensúly NX = 0 szuffct defct + LM 1) IS m > IS m nytott zárt az elszvárgás M S = PM d (, ) E nettó export NX IS = C + I + G + (X IM) F belső egyensúly
RészletesebbenGazdasági matematika II. vizsgadolgozat, megoldással,
Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék, az MTA Közgazdaságtudomány
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenElektromos zajok. Átlagérték Időben változó jel átlagértéke alatt a jel idő szerinti integráljának és a közben eltelt időnek a hányadosát értik:
Elektromos zajok Átlagérték, négyzetes átlag, effektív érték Átlagérték dőben változó jel átlagértéke alatt a jel dő szernt ntegráljának és a közben eltelt dőnek a hányadosát értk: τ τ dt Négyzetes átlag
RészletesebbenMUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János. 2011. január
MUNKAGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
RészletesebbenA MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA
A MOLEKULADINAMIKAI MÓDSZEREK SZISZTEMATIKUS TÁRGYALÁSA: KLASSZIKUS DINAMIKA A POSTERIORI KORREKCIÓJA KLASSZIKUS DINAMIKA Klasszkus magok mozognak egy elre elkészített potencálfelületen. Potencálfelület
RészletesebbenLoss Distribution Approach
Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenMajomnyelv. Szavak előfordulási gyakoriságának modellezése nyelvi statisztikák alapján
Majomnyelv Szavak előfordulási gyakoriságának modellezése nyelvi statisztikák alapján Témavezető: Dr. Járai-Szabó Ferenc, egyetemi adjunktus Babeş-Bolyai Tudományegyetem Fizika kar Elméleti és számítógépes
Részletesebben20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!
SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,
RészletesebbenVan-e kapcsolat a változók között? (példák: fizetés-távolság; felvételi pontszám - görgetett átlag)
, rangkorreláció Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenVárható érték:... p Módusz:...
NEVEZETES ELOSZLÁSOK. Bernoull-eloszlás: B(, p p ha x = Súlyfüggvény:... P( X = x; p =...ahol: q=-p q ha x = 0 ha p q Várható érték:... p Módusz:... 0 ha p q Varanca:... pq Relatív szórás:... q p. ÁBRA.
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenKözlekedési áramlatok MSc. Csomóponti-, útvonali eljutási lehetőségek minősítése
Közlekedési áramlatok MSc Csomóponti-, útvonali eljutási lehetőségek minősítése minősítése jogszabályi esetben Az alárendelt áramlatból egy meghatározott forgalmi művelet csak akkor végezhető el, ha a
RészletesebbenRádl Attila december 11. Rádl Attila Spalláció december / 21
Spalláció Rádl Attila 2018. december 11. Rádl Attila Spalláció 2018. december 11. 1 / 21 Definíció Atommagok nagyenergiás részecskével történő ütközése során másodlagos részecskéket létrehozó rugalmatlan
RészletesebbenRobotok direkt geometriája
Robotok drekt geometrája. A gyakorlat célja Drekt geometra feladatot megvalósító osztály mplementálása. A megvalósított függvénycsomag tesztelése egy Stanford kar végberendezése pozícójának meghatározásához.
RészletesebbenLineáris regresszió. Statisztika I., 4. alkalom
Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı
RészletesebbenExtrém-érték elemzés. Extrém-érték eloszlások. Megjegyzések. A normálhatóság feltétele. Extrém-érték modellezés
Extrém-érték modellezés Zemplén András Val.modellek 2018. febrár 21. Extrém-érték elemzés Klasszks módszerek: év maxmmon alaplnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízből használ
RészletesebbenA következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.
Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ
Részletesebben