Paleobiológiai módszerek és modellek 11. hét

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Paleobiológiai módszerek és modellek 11. hét"

Átírás

1 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 élővilág sokfélesége biodiverzitás minek lehet sokfélesége? pl. fajok magasabb taxonok (pl. genus, család, törzs) morfológiai bélyegek, formák (morfológiai diverzitás) ökotípusok, életmód típusok

2 A diverzitás értelmezése, jelentősége Nem abszolút értéke, hanem az idő- és térbeli változások érdekesek Időbeli változások diverzitási görbe, bioszféra fejlődés, evolúció környezeti hatások stressz: kisebb diverzitás optimális feltételek: nagyobb diverzitás földrajzi hatás, diverzitási grádiens trópusok felé növekvő diverzitás sarkok felé csökkenő diverzitás A diverzitás skálafüggő értelmezése Alfa α diverzitás Béta β diverzitás Gamma γ diverzitás

3 A diverzitás skálafüggő értelmezése α diverzitás: egy adott minta, réteg, feltárás diverzitása. Egy adott egykori élőhely paleokommunitás észlelt diverzitása. Valamennyi további diverzitási adat származtatásának alapja. Badeni bryozoák Mátraverebély-Szentkút lelőhelyről (Dulai 2007, Moisette et al. 2007) A diverzitás skálafüggő értelmezése β diverzitás: Élőhelyek közötti diverzitás, a helyi (egyes lelőhelyeken észlelt), változó diverzitások eredője. A társulások közti változatosságot mutatja. Badeni bryozoa lelőhelyek különböző fáciesekből (Moisette et al. 2007)

4 A diverzitás skálafüggő értelmezése γ diverzitás: nagyléptékű diverzitás, paleobiogeográfiai provincia szintjén (vagy egyes értelmezésekben azok eredőjeként globális szintig) (Moisette et al. 2007) A diverzitás mérőszámai Fajgazdagság S = fajok száma a vizsgált mintában (species richness) S = 2 n = 9

5

6 A diverzitás mérőszámai A minta méretét is figyelembe vevő diverzitási indexek (ahol n = a minta példányszáma) Menhinick-index: a fajszám és a példányszám négyzetgyökének hányadosa M = S/ n A diverzitás mérőszámai Margalef-index: a nevezőben a példányszám logaritmusa MR = (S-1)/ln n

7 Dominancia és egyenletesség Melyiket gondoljuk változatosabbnak? Dominancia és egyenletesség mérőszámai Berger-Parker index: leggyakoribb taxon példányszáma / minta összpéldányszáma 5/9 8/9 Minumuma: 1/S

8 Dominancia és egyenletesség mérőszámai Simpson index: kétféle mérőszám használata terjedt el hasonló néven Simpson dominancia index: λ = S(p i2 ) Simpson diverzitási index: 1 λ = 1 S(p i2 ) ahol p i = n i /n (az i faj részaránya) A Simpson dominancia index arányos annak a valószínűségével, hogy a mintából véletlenszerűen választott két példány ugyanabba a fajba tartozik. Értéke 0 (minden faj egyenlően képviselt) és 1 (monospecifikus társulás) között változhat. Dominancia és egyenletesség mérőszámai Shannon-Weaver index (ugyanezt hívják Shannon-Wiener indexnek is): H = - Σp i ln p i vagy H = - Σp i log p i H értéke egyaránt függ a fajszámtól és az egyenletességtől (entrópia)

9 Dominancia és egyenletesség mérőszámai Egyenletességi index (evenness): E = H/H max belátható, hogy H max = ln S ebből következően 0 E 1

10 Dominancia és egyenletesség A Taxa_S 2 Individuals 9 Dominance_D 0,5062 Shannon_H 0,687 Simpson_1-D 0,4938 Evenness_e^H/S 0,9938 Menhinick 0,6667 Margalef 0,4551 Equitability_J 0,9911 B 2 9 0,8025 0,3488 0,1975 0,7087 0,6667 0,4551 0,5033 Gyakoriság-eloszlási modellek Grafikus ábrázolás: a fajonkénti gyakoriságot sorrendbe állítva ábrázoljuk (a leggyakoribbtól a legritkábbig) Whittaker-diagram (Whittaker-plot): rangsorolt gyakoriságeloszlási görbe, logaritmikus skálával Értelmezése: a gyakoriságeloszlást legjobban leíró matematikai modell megkeresésével Geometriai modell: ökológiai értelmezése a niche elfoglalási modell (niche pre-emption model) segítségével, pionír társulásokra, extrém környezetek társulásaira jellemző Lognormális eloszlási modell: stabil, erőforrásokban gazdag, tagolt élőhelyű környezetek diverz társulásaira jellemző

11 Taxonómiai diverzitás (taxic/taxonomic diversity) és taxonómiai különbözőség (taxonomic distinctness) (magasabb taxonok szintjén) Melyiket gondoljuk változatosabbnak? Taxonómiai diverzitás (taxic/taxonomic diversity) és taxonómiai különbözőség (taxonomic distinctness) (magasabb taxonok szintjén) Az élővilág sokféleségét a társulások taxonómiai összetételén keresztül is jellemezhetjük. Különbséget tehetünk aközött, ha a 10 fajt tartalmazó mintánk fajai 8 különböző törzshöz tartoznak, illetve ha mindegyik faj ugyanazt a törzset képviseli. Taxonómiai távolság (w) értelmezése: pl. w = 1 ha i és j fajok egy genusba tartoznak. Távolságuk w = 2, ha egy családon belül különböző genust képviselnek, w = 3, ha egy renden belül különböző családot képviselnek, stb. A taxonómiai diverzitás és különbözőség viszonylag kevésbé függ a mintamérettől.

Rovarökológia. Haszon: megporzás. Bevezetés: rovarok és az ember. Haszon: méhészet

Rovarökológia. Haszon: megporzás. Bevezetés: rovarok és az ember. Haszon: méhészet Haszon: megporzás Táplálékaink 1/3-a a megporzáshoz kötődik Virágos növények evolúciója Bevezetés: rovarok és az ember Terméstöbblet (megtermelt és fogyasztott mennyiség különbsége) pollinátorokkal és

Részletesebben

Biodiversity is life Biodiversity is our life

Biodiversity is life Biodiversity is our life Biodiversity is life Biodiversity is our life The worst thing that can happen during the 1980s is not energy depletion, economic collapse, limited nuclear war, or conquest by a totalitarian government.

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (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:

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

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - 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

Részletesebben

Az ökoszisztéma vizsgálata. Készítette: Fekete-Kertész Ildikó

Az ökoszisztéma vizsgálata. Készítette: Fekete-Kertész Ildikó Az ökoszisztéma vizsgálata Készítette: Fekete-Kertész Ildikó Az ökoszisztéma vizsgálata Az ökológia sohasem egyes kiragadott élőlényegyedekkel, hanem azok populációival, azaz halmazszintű attribútumokkal

Részletesebben

A FÖLD egyetlen ökológiai rendszer

A FÖLD egyetlen ökológiai rendszer A FÖLD egyetlen ökológiai rendszer Az ökológia fogalma, korszerű értelmezése (tudomány, életmódot meghatározó szemlélet, politikum). Az ökológia és a környezettudomány viszonya, kapcsolata. Szupraindividuális

Részletesebben

Konzervációbiológia 4. előadás. A biológiai sokféleség

Konzervációbiológia 4. előadás. A biológiai sokféleség Konzervációbiológia 4. előadás A biológiai sokféleség A biodiverzitás irodalma www. scopus.com A biológiai sokféleség ENSZ Egyezmény a biológiai sokféleségről: Bármilyen eredetű élőlények közötti változatosság,

Részletesebben

Diszkrét idejű felújítási paradoxon

Diszkrét idejű felújítási paradoxon Magda Gábor Szaller Dávid Tóvári Endre 2009. 11. 18. X 1, X 2,... független és X-szel azonos eloszlású, pozitív egész értékeket felvevő valószínűségi változó (felújítási idők) P(X M) = 1 valamilyen M N

Részletesebben

Természetvédelmi biológia

Természetvédelmi biológia Természetvédelmi biológia 1. A természetvédelmi biológia meghatározása, a biológiai sokféleség értelmezése A természetvédelmi biológia (konzervációbiológia) fı céljai 1. Az emberi tevékenység fajok populációra,

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

A fitoplankton diverzitásának vizsgálata

A fitoplankton diverzitásának vizsgálata A fitoplankton diverzitásának vizsgálata A projekt célkitűzéseinek megfelelően Intézetünk algológiai kutatócsoportja a fitoplankton biodiverzitását, illetve különböző vízkémiai és fizikai paraméterek diverzitásra

Részletesebben

Számítógépes döntéstámogatás. Genetikus algoritmusok

Számítógépes döntéstámogatás. Genetikus algoritmusok BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as

Részletesebben

MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2005

MATEMATIKA EMELT SZINTŰ SZÓBELI VIZSGA TÉMAKÖREI (TÉTELEK) 2005 2005 1. * Halmazok, halmazműveletek, nevezetes ponthalmazok 2. Számhalmazok, halmazok számossága 3. Hatványozás, hatványfüggvény 4. Gyökvonás, gyökfüggvény 5. A logaritmus. Az exponenciális és a logaritmus

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai geodéziai számítások 10. Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László

Részletesebben

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal

Intelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:

Részletesebben

Konzervációbiológia 2. előadás. A biológiai sokféleség

Konzervációbiológia 2. előadás. A biológiai sokféleség Konzervációbiológia 2. előadás A biológiai sokféleség A biodiverzitás irodalma www. scopus.com A biológiai sokféleség ENSZ Egyezmény a biológiai sokféleségről: Bármilyen eredetű élőlények közötti változatosság,

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

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

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

Predáció szerepe a közösségszerkezet alakításában

Predáció szerepe a közösségszerkezet alakításában Predáció szerepe a közösségszerkezet alakításában Def.: A populáció méretet és/vagy a fajgazdagságot befolyásoló hatást zavarásnak (diszturbancia) nevezzük A zavarás lehet: predáció/herbivoria/parazitizmus

Részletesebben

A talajok összenyomódásának vizsgálata

A talajok összenyomódásának vizsgálata A talajok összenyomódásának vizsgálata Amit már tudni kellene Összenyomódás Konszolidáció Normálisan konszolidált talaj Túlkonszolidált talaj Túlkonszolidáltsági arányszám,ocr Konszolidáció az az időben

Részletesebben

Szemmegoszlás tervezés, javítás

Szemmegoszlás tervezés, javítás Szemmegoszlás tervezés, javítás Németül: Angolul: Bestimmung, Verbesserung der Korngrößenverteilung Mix desing, correcting of grading Franciául: Planification, correction de granularité Azt a műveletet,

Részletesebben

TANMENET. Matematika

TANMENET. Matematika Bethlen Gábor Református Gimnázium és Szathmáry Kollégium 6800 Hódmezővásárhely, Szőnyi utca 2. Telefon: +36-62-241-703 www.bgrg.hu OM: 029736 TANMENET Matematika 2016/2017 5.A természettudományos képzés

Részletesebben

"Szikes tavaink, mint különleges vizes élőhelyek jelentősége a biodiverzitás megőrzésében"

Szikes tavaink, mint különleges vizes élőhelyek jelentősége a biodiverzitás megőrzésében "Szikes tavaink, mint különleges vizes élőhelyek jelentősége a biodiverzitás megőrzésében" Dr. Boros Emil vizes élőhelyeinken 2016. május 20. 1 A vizes élőhelyek kritériumai (Dévai, 2000) középvízállás

Részletesebben

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 10.B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 10.B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS MELLÉKLET Tanmenetborító Azonosító: ME-III.1./1 Változatszám: 2 Érvényesség 2013. 09. 01. kezdete: Oldal/összes: 1/7 Fájlnév: ME- III.1.1.Tanmenetborító SZK- DC-2013 MATEMATIKA

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél

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

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós 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

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria 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

Részletesebben

HÁZI FELADATOK. 1. félév. 1. konferencia A lineáris algebra alapjai

HÁZI FELADATOK. 1. félév. 1. konferencia A lineáris algebra alapjai HÁZI FELADATOK. félév. konferencia A lineáris algebra alapjai Értékelés:. egység: önálló feladatmegoldás.8. Döntse el, párhuzamosak-e a következő vektorpárok: a) a( ; ; 7) b(; 5; ) b) c(; 9; 5) d(8; 6;

Részletesebben

Szigetbiogeográfia. A tapasztalat szerint:

Szigetbiogeográfia. A tapasztalat szerint: Szigetbiogeográfia A tapasztalat szerint: Aritmetikus tengelyen Logaritmikus tengelyen Általános összefüggése:, ahol C taxonra, abundanciára és lokalitásra jellemző állandó, A a terület mérete és z (linearizált

Részletesebben

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel KUTATÁSMÓDSZERTAN 4. ELŐADÁS A minta és mintavétel 1 1. A MINTA ÉS A POPULÁCIÓ VISZONYA Populáció: tágabb halmaz, alapsokaság a vizsgálandó csoport egésze Minta: részhalmaz, az alapsokaság azon része,

Részletesebben

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

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

Részletesebben

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

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

Részletesebben

Összetett hálózat számítása_1

Összetett hálózat számítása_1 Összetett hálózat számítása_1 Határozzuk meg a hálózat alkatrészeinek feszültségeit, valamint a körben folyó áramot! A megoldás lépései: - számítsuk ki a kör eredő ellenállását, - az eredő ellenállás felhasználásával

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

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

Filogenetikai analízis. Törzsfák szerkesztése

Filogenetikai analízis. Törzsfák szerkesztése Filogenetikai analízis Törzsfák szerkesztése Neighbor joining (szomszéd összevonó) módszer A fában egymás mellé kerülı objektumok kiválasztása a távolságmátrix értékei és az objektumoknak az összes többivel

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

Magyarországi állóvizek sugaras szimmetriájú kovaalgái. Elterjedés, diverzitás Ács Éva és Kiss Keve Tihamér

Magyarországi állóvizek sugaras szimmetriájú kovaalgái. Elterjedés, diverzitás Ács Éva és Kiss Keve Tihamér Magyarországi állóvizek sugaras szimmetriájú kovaalgái. Elterjedés, diverzitás Ács Éva és Kiss Keve Tihamér MTA Ökológiai Kutatóközpont Duna-kutató Intézet Bevezetés A sugaras szimmetriájú algák fontos

Részletesebben

Informatikai Rendszerek Alapjai

Informatikai Rendszerek Alapjai Informatikai Rendszerek Alapjai Dr. Kutor László A redundancia fogalma és mérése Minimális redundanciájú kódok 1. http://uni-obuda.hu/users/kutor/ IRA 2014 könyvtár Óbudai Egyetem, NIK Dr. Kutor László

Részletesebben

Általános ökológia előadás II. félév Szabó D. Zoltán

Általános ökológia előadás II. félév Szabó D. Zoltán Általános ökológia előadás II. félév Szabó D. Zoltán http://okologia.wordpress.com Felhasznált és javasolt irodalom: Begon, M., Harper, J.L., Townsend, C.R. 2006. Ecology Individuals, populations and communities.

Részletesebben

Babeş-Bolyai Tudományegyetem Fizika Kar, Kolozsvár. Hegyi Géza. Filozofia és Történelem Kar, Kolozsvár. M.A. Santos, R. Coelho és J.J.

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

Részletesebben

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016 Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait

Részletesebben

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 11B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 11B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS MELLÉKLET Tanmenetborító Azonosító: ME-III.1./1 Változatszám: 2 Érvényesség 2013. 09. 01. kezdete: Oldal/összes: 1/5 Fájlnév: ME- III.1.1.Tanmenetborító SZK- DC-2013 MATEMATIKA

Részletesebben

Microsoft Excel 2010. Gyakoriság

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

Részletesebben

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

Szélsőérték feladatok megoldása

Szélsőérték feladatok megoldása Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Abszolútértékes és Gyökös kifejezések

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Abszolútértékes és Gyökös kifejezések MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Abszolútértékes és Gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:

Részletesebben

Izotóp geológia: Elemek izotópjainak használata geológiai folyamatok értelmezéséhez.

Izotóp geológia: Elemek izotópjainak használata geológiai folyamatok értelmezéséhez. Radioaktív izotópok Izotópok Egy elem különböző tömegű (tömegszámú - A) formái; Egy elem izotópjainak a magjai azonos számú protont (rendszám - Z) és különböző számú neutront (N) tartalmaznak; Egy elem

Részletesebben

2. A kelet-közép-európai országok mezőgazdasági kereskedelme a világpiacon

2. A kelet-közép-európai országok mezőgazdasági kereskedelme a világpiacon 2. A kelet-közép-európai országok mezőgazdasági kereskedelme a világpiacon Ez a fejezet a kelet-közép-európai országok világpiaci agrárkereskedelmének legfontosabb jellemzőit mutatja be az 1992 közötti

Részletesebben

Az adatmátrix, az adatok átalakítása

Az adatmátrix, az adatok átalakítása 2 Az adatmátrix, az adatok átalakítása (Az elsõ bátortalan lépések... de még sok minden rejtve marad) A mintavételezés során, mint láttuk, a mintavételi egységeket változók segítségével írjuk le. A kapott

Részletesebben

A Fertő tó magyarországi területén mért vízkémiai paraméterek elemzése többváltozós feltáró adatelemző módszerekkel

A Fertő tó magyarországi területén mért vízkémiai paraméterek elemzése többváltozós feltáró adatelemző módszerekkel A Fertő tó magyarországi területén mért vízkémiai paraméterek elemzése többváltozós feltáró adatelemző módszerekkel Magyar Norbert Környezettudomány M. Sc. Témavezető: Kovács József Általános és Alkalmazott

Részletesebben

REGIONÁLIS GAZDASÁGTAN B

REGIONÁLIS GAZDASÁGTAN B REGIONÁLIS GAZDASÁGTAN B Készült a TÁMOP-4.1.2-08/2/a/KMR-2009-0041 pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az MTA

Részletesebben

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés

Bevezető 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

Részletesebben

Likelihood, deviancia, Akaike-féle információs kritérium

Likelihood, deviancia, Akaike-féle információs kritérium Többváltozós statisztika (SZIE ÁOTK, 2011. ősz) 1 Likelihood, deviancia, Akaike-féle információs kritérium Likelihood függvény Az adatokhoz paraméteres modellt illesztünk. A likelihood függvény a megfigyelt

Részletesebben

I. Gondolkodási műveletek

I. Gondolkodási műveletek I. Gondolkodási műveletek 1. Halmazok 1.1. A halmaz mint alapfogalom A halmaz és annak eleme a matematikában alapfogalmak, azaz nem definiáljuk őket. Akkor mondhatjuk, hogy adott tulajdonságú dolgok együttese,

Részletesebben

Radioaktív sugárzások az orvosi gyakorlatban. Az ionizáló sugárzások biológiai hatása. A sugárhatás osztályozása. A sugárhatás osztályozása

Radioaktív sugárzások az orvosi gyakorlatban. Az ionizáló sugárzások biológiai hatása. A sugárhatás osztályozása. A sugárhatás osztályozása Radioaktív sugárzások az orvosi gyakorlatban Az ionizáló sugárzások biológiai hatása Dr Smeller László Biofizikai és Sugárbiológiai Intézet A sugárhatás osztályozása A sugárhatás osztályozása A károsodás

Részletesebben

A magyar nyugdíjrendszer és néhány új megoldás modellezése.

A magyar nyugdíjrendszer és néhány új megoldás modellezése. A magyar nyugdíjrendszer és néhány új megoldás modellezése. Altenburger Gyula szimpózium 2008 május 24 Horváth Gyula 1 Mai témáink A feladat A modellezett nyugdíjrendszer Adatok és feltevések Problémák

Részletesebben

Hőtágulás - szilárd és folyékony anyagoknál

Hőtágulás - szilárd és folyékony anyagoknál Hőtágulás - szilárd és folyékony anyagoknál Celsius hőmérsékleti skála: 0 ºC pontja a víz fagyáspontja 100 ºC pontja a víz forráspontja Kelvin hőmérsékleti skála: A beosztása 273-al van elcsúsztatva a

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi

Részletesebben

Korreláció és lineáris regresszió

Korreláció és lineáris regresszió Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.

Részletesebben

Számelméleti alapfogalmak

Számelméleti alapfogalmak 1 Számelméleti alapfogalmak 1 Definíció Az a IN szám osztója a b IN számnak ha létezik c IN melyre a c = b Jelölése: a b 2 Példa a 0 bármely a számra teljesül, mivel c = 0 univerzálisan megfelel: a 0 =

Részletesebben

Egy élőhelyen azok a populációk élhetnek egymás mellett, amelyeknek hasonlóak a környezeti igényeik. A populációk elterjedését alapvetően az

Egy élőhelyen azok a populációk élhetnek egymás mellett, amelyeknek hasonlóak a környezeti igényeik. A populációk elterjedését alapvetően az Társulás fogalma Egy adott helyen egy időben létező, együtt élő és összehangoltan működő növény- és állatpopulációk együttese. Az életközösségek többféle növény- és többféle állatpopulációból állnak. A

Részletesebben

Stenger-Kovács Csilla és Lengyel Edina. A Magyar Hidrológiai Társaság Szikes Vízi Munkacsoportjának éves találkozója 2011. június 17-18.

Stenger-Kovács Csilla és Lengyel Edina. A Magyar Hidrológiai Társaság Szikes Vízi Munkacsoportjának éves találkozója 2011. június 17-18. Hazai és s osztrák k kis szikes vízterek v kovaalga összetételetele Stenger-Kovács Csilla és Lengyel Edina A Magyar Hidrológiai Társaság Szikes Vízi Munkacsoportjának éves találkozója 2011. június 17-18.

Részletesebben

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a

Részletesebben

rnök k informatikusoknak 1. FBNxE-1 Klasszikus mechanika

rnök k informatikusoknak 1. FBNxE-1 Klasszikus mechanika Fizika mérnm rnök k informatikusoknak 1. FBNxE-1 Mechanika. előadás Dr. Geretovszky Zsolt 1. szeptember 15. Klasszikus mechanika A fizika azon ága, melynek feladata az anyagi testek mozgására vonatkozó

Részletesebben

Mátrixjátékok tiszta nyeregponttal

Mátrixjátékok tiszta nyeregponttal 1 Mátrixjátékok tiszta nyeregponttal 1. Példa. Két játékos Aladár és Bendegúz rendelkeznek egy-egy tetraéderrel, melyek lapjaira rendre az 1, 2, 3, 4 számokat írták. Egy megadott jelre egyszerre felmutatják

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi 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

Részletesebben

Az értékelés a következők szerint történik: 0-4 elégtelen 5-6 elégséges 7 közepes 8 jó 9-10 jeles. A szóbeli vizsga várható időpontja

Az értékelés a következők szerint történik: 0-4 elégtelen 5-6 elégséges 7 közepes 8 jó 9-10 jeles. A szóbeli vizsga várható időpontja 2016/17 I. félév MATEMATIKA szóbeli vizsga 1 A szóbeli vizsga kötelező eleme a félév teljesítésének, tehát azok a diákok is vizsgáznak, akik a többi számonkérést teljesítették. A szóbeli vizsgán az alább

Részletesebben

Termelés- és szolgáltatásmenedzsment

Termelés- és szolgáltatásmenedzsment Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Biomatematika 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:

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

1. A vállalat. 1.1 Termelés

1. A vállalat. 1.1 Termelés II. RÉSZ 69 1. A vállalat Korábbi fejezetekben már szóba került az, hogy különböző gazdasági szereplők tevékenykednek. Ezek közül az előző részben azt vizsgáltuk meg, hogy egy fogyasztó hogyan hozza meg

Részletesebben

Matematika javítóvizsga témakörök 10.B (kompetencia alapú )

Matematika javítóvizsga témakörök 10.B (kompetencia alapú ) Matematika javítóvizsga témakörök 10.B (kompetencia alapú ) 1. A négyzetgyök fogalma, a négyzetgyökvonás művelete 2. A négyzetgyökvonás azonosságai 3. Műveletek négyzetgyökökkel 4. A nevező gyöktelenítése

Részletesebben

Diszkriminancia-analízis

Diszkriminancia-analízis Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független

Részletesebben

NT Matematika 11. (Heuréka) Tanmenetjavaslat

NT Matematika 11. (Heuréka) Tanmenetjavaslat NT-17302 Matematika 11. (Heuréka) Tanmenetjavaslat A Dr. Gerőcs László Számadó László Matematika 11. tankönyv a Heuréka-sorozat harmadik tagja. Ebben a segédanyagban ehhez a könyvhöz a tizenegyedikes tananyag

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, 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

Részletesebben

Kontrol kártyák használata a laboratóriumi gyakorlatban

Kontrol kártyák használata a laboratóriumi gyakorlatban Kontrol kártyák használata a laboratóriumi gyakorlatban Rikker Tamás tudományos igazgató WESSLING Közhasznú Nonprofit Kft. 2013. január 17. Kis történelem 1920-as években, a Bell Laboratórium telefonjainak

Részletesebben

BCE, Tájépítészeti Kar, Tájtervezési és Területfejlesztési Tanszék. MTA, Ökológiai és Botanikai Intézet

BCE, Tájépítészeti Kar, Tájtervezési és Területfejlesztési Tanszék. MTA, Ökológiai és Botanikai Intézet Budapesti Élőlények tájindikátorként Corvinus Egyetem való alkalmazhatósága a tájértékelésben Prezentáció cím egy Nagy vagy Gergőkét Gábor sor, 1, Czúcz balrazárva Bálint 2 1 BCE, Tájépítészeti Kar, Tájtervezési

Részletesebben

Az életközösségek jellemzői

Az életközösségek jellemzői Az életközösségek jellemzői 2. Szerkezet Ökológia előadás 2014 Kalapos Tibor Fajonkénti egyedszám TEXTÚRA ( szövet ) Minden fajhoz hozzárendeljük a populációja tömegességét (abundanciáját) A fajok számosságának

Részletesebben

Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy

Nincs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy Véges populációméret okozta beltenyésztettség incs öntermékenyítés, de a véges méret miatt a párosodó egyedek bizonyos valószínűséggel rokonok, ezért kerül egy utódba 2 IBD allél Előadásról: -F t (-/2)

Részletesebben

Optika. egyetemi tanár, SZTE Optikai Tanszék

Optika. egyetemi tanár, SZTE Optikai Tanszék Optika Szabó Gábor egyetemi tanár, SZTE Optikai Tanszék Fénysebesség g mérésem A legrövidebb idő elve (Fermat elv) part szárazöld (v ) víz (v )? l s s part szárazöld (v ) víz (v ) v >>v v v v

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

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

Radioaktív lakótársunk, a radon. Horváth Ákos ELTE Atomfizikai Tanszék december 6.

Radioaktív lakótársunk, a radon. Horváth Ákos ELTE Atomfizikai Tanszék december 6. Radioaktív lakótársunk, a radon Horváth Ákos ELTE Atomfizikai Tanszék 2012. december 6. Radioaktív lakótársunk, a radon 2 A radon fontossága Természetes és mesterséges ionizáló sugárzások éves dózisa átlagosan

Részletesebben

Érettségi előkészítő emelt szint 11-12. évf. Matematika. 11. évfolyam. Tematikai egység/fejlesztési cél

Érettségi előkészítő emelt szint 11-12. évf. Matematika. 11. évfolyam. Tematikai egység/fejlesztési cél Emelt szintű matematika érettségi előkészítő 11. évfolyam Tematikai egység/fejlesztési cél Órakeret 72 óra Kötelező Szabad Összesen 1. Gondolkodási módszerek Halmazok, matematikai logika, kombinatorika,

Részletesebben

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek 1. Felületi érdesség használata Felületi érdesség A műszaki rajzokon a geometria méretek tűrése mellett a felületeket is jellemzik. A felületek jellemzésére leginkább a felületi érdességet használják.

Részletesebben

Hangintenzitás, hangnyomás

Hangintenzitás, hangnyomás Hangintenzitás, hangnyomás Rezgés mozgás energia A hanghullámoknak van energiája (E) [J] A detektor (fül, mikrofon, stb.) kisiny felületű. A felületegységen áthaladó teljesítmény=intenzitás (I) [W/m ]

Részletesebben

Az áprilisi vizsga anyaga a fekete betűkkel írott szöveg! A zölddel írott rész az érettségi vizsgáig még megtanulandó anyag!

Az áprilisi vizsga anyaga a fekete betűkkel írott szöveg! A zölddel írott rész az érettségi vizsgáig még megtanulandó anyag! Részletes követelmények Matematika házivizsga Az áprilisi vizsga anyaga a fekete betűkkel írott szöveg! A zölddel írott rész az érettségi vizsgáig még megtanulandó anyag! A vizsga időpontja: 2015. április

Részletesebben

Sztochasztikus folyamatok alapfogalmak

Sztochasztikus 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

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015 A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel

Részletesebben

NYOMDAIPAR ISMERETEK

NYOMDAIPAR ISMERETEK ÉRETTSÉGI VIZSGA 2017. május 17. NYOMDAIPAR ISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA 2017. május 17. 8:00 Időtartam: 180 perc Pótlapok száma Tisztázati Piszkozati EMBERI ERŐFORRÁSOK MINISZTÉRIUMA Nyomdaipar

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

Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak.

Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak. Evolúció Az evolúció folyamatos változások olyan sorozata, melynek során bizonyos populációk öröklődő jellegei nemzedékről nemzedékre változnak. Latin eredetű szó, jelentése: kibontakozás Időben egymást

Részletesebben

MTA, Ökológiai Kutatóközpont, Ökológiai és Botanikai Intézet

MTA, Ökológiai Kutatóközpont, Ökológiai és Botanikai Intézet Budapesti Agrártájak Corvinus elemzése növénytani Egyetemés madártani mérőszámok alapján Prezentáció cím egy Nagy vagy Gergő két Gábor sor, 1, Czúcz balrazárva Bálint 2 1 BCE, Tájépítészeti Kar, Tájtervezési

Részletesebben