Páros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Páros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor"

Átírás

1 Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor MTA SZTAKI Operációkutatás és Döntési Rendszerek Kutatócsoport Budapesti Corvinus Egyetem Operációkutatás és Aktuáriustudományok Tanszék április 23. p. 1/24

2 Az előadásban Temesi Józseffel, Dezső Lindával és Poesz Attilával közös kutatásaink előzményei és célkitűzései szerepelnek. Temesi József: BCE Operációkutatás és Aktuáriustudományok Tanszék Dezső Linda: BCE ISP, SZTE-GTK Poesz Attila: BCE Közgazdaságtani Doktori Iskola p. 2/24

3 Vázlat Többszempontú döntések Páros összehasonlítás mátrixok Korábbi empirikus vizsgálatok Céljaink, hipotéziseink, kérdéseink p. 3/24

4 Példák többszempontú döntési feladatokra: szegedi villamostender és trolitender A 4-es metró nyomvonal-változatainak összehasonlító vizsgálata környezeti hatástanulmányok p. 4/24

5 A többszempontú döntési problémák jellemzői: A szempontok sokszor egymásnak ellentmondóak Nincs (matematikai értelemben vett) egyetlen legjobb megoldás Szubjektív tényezők szerepeltetése Csoportos döntéshozatal p. 5/24

6 A döntési feladat célja: adott alternatívák közül adott szempontoknak összességében legjobban megfelelő legjobb alternatíva kiválasztása vagy az alternatívák rangsorolása. A megoldáshoz szükség van a szempontsúlyokra, és az alternatívák szempontok szerinti értékelésére. p. 6/24

7 p. 7/24

8 Páros összehasonlítások Condorcet szavazási modellje (1780) Thorndike, Thurstone (1920, 1927) Guilford (1936) Churchman-Ackoff (1957) Saaty (1980) p. 8/24

9 Tegyük fel egy pillanatra, hogy a döntéshozó ismeri a w 1,w 2,..., szempontsúlyokat. Az w 1 x ij := w i w j szabályt alkalmazva minden i, j indexpárra írjuk fel az alábbi négyzetes mátrixot: w 1 1 w 1 w w 2 w w 2 w w w w X = w 3 w 3 w w 1 w w w 2 p. 9/24

10 w 1 1 w 1 w w 2 w w 2 w w w w X = w 3 w 3 w w 1 w w 1 w 2 w Ekkor minden i,j,k = 1,...,n indexre. x ij > 0, x ij = 1 x ji, x ij x jk = x ik. Az x ij elem megmutatja, hogy az i-edik szempont hányszor fontosabb a j-edik szempontnál. p. 10/24

11 A továbbiakban feltesszük, hogy a döntéshozó nem ismeri számszerűen a w 1,w 2,..., szempontsúlyokat. A páros összehasonlítás mátrix ekkor is felírható, ha a döntéshozó meg tudja válaszolni a Hányszor fontosabb az i-edik szempont a j-edik szempontnál? típusú kérdéseket minden i, j pár esetén: 1 a 12 a a 1n a 21 1 a a 2n A = a 31 a a 3n a n1 a n2 a n3... 1, p. 11/24

12 1 a 12 a a 1n a 21 1 a a 2n A = a 31 a a 3n a n1 a n2 a n ahol i,j = 1,...,n re, a ij > 0, a ij = 1 a ji. A feladat: a fenti A páros összehasonlítás mátrix ismeretében a w = (w 1,w 2,..., ) R n + súlyvektor meghatározása vagy legalábbis közelítése. p. 12/24

13 Adott A = 1 a 12 a a 1n a 21 1 a a 2n a 31 a a 3n a n1 a n2 a n ismeretében keressük a w 1,w 2,..., R + változók azon értékeit, amelyre az X = 1 w 2 w 1 1 w 3 w 1 w 3. w 1 w 1 w 2 w 1 w 3... w 2 w w 2.. w 2 w 1 w 2 w w mátrix közel van a döntéshozó által kitöltött A mátrixhoz. A feladatnak számos matematikai modellje és megoldása létezik, távolságminimalizálók és nem távolságminimalizálók egyaránt.. p. 13/24

14 A páronként összehasonlítandó objektumok lehetnek: Szempontok fontossága (szempontsúlyok) Alternatívák értékelése adott szempont szerint Döntéshozói szavazóerők (kompetenciasúlyok) Események szubjektív valószínűsége... p. 14/24

15 Hasonlítsa össze az A és B elemeket! Melyik tetszik jobban? Hányszor jobban tetszik? Arányskála 1 - ugyanannyira tetszik 3 - mérsékelten jobban tetszik 5 - sokkal jobban tetszik 7 - nagyon sokkal jobban tetszik 9 - rendkívüli mértékben jobban tetszik Köztes értékek is felhasználhatók, pl. 2 vagy 1.5 p. 15/24

16 Empirikus vizsgálatok A páros összehasonlítás mátrixok témájában ezres nagyságrendű cikk született. Ezek közül foglalkozik a valós szituációkból származó mátrixok vizsgálatával. p. 16/24

17 Példa empirikus vizsgálatra Gass és Standard (2002) kimutatták, hogy ha az módon mutatjuk be az arányskálát, akkor a döntéshozók által beírt páratlan értékek gyakorisága szer nagyobb, mint a párosaké. Poesz Attila (2008) is kimutatta a fenti jelenséget egy olyan mátrixokból álló mintán, amelyek valós problémákból származnak és tudományos folyóiratokban esettanulmányként publikált dolgozatokban szerepelnek. p. 17/24

18 Saját kísérleteink 2009 őszén kezdtük el felépíteni a kísérleteket, behatárolni a vizsgálandó kérdéseket. A kérdőíveket leteszteltük, az éles kísérleteket a jövő héten kezdjük. p. 18/24

19 Kérdéseink, hipotéziseink a páros összehasonlítások sorrendjének hatása a feladat objektív-szubjektív jellege a mátrix méretének (= az összehasonlítandó elemek számának) szerepe p. 19/24

20 p. 20/24

21 p. 21/24

22 p. 22/24

23 Amiről ma nem volt szó a kísérleteink eredményei a páros összehasonlítás mátrix inkonzisztenciájának mérése nem teljesen kitöltött páros összehasonlítás mátrixok p. 23/24

24 Köszönöm a figyelmet. bozoki@sztaki.hu bozoki p. 24/24

Páros összehasonlítás mátrixok empirikus vizsgálata p. 1/20

Páros összehasonlítás mátrixok empirikus vizsgálata p. 1/20 Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor 1,2, Dezső Linda 3,4, Poesz Attila 2, Temesi József 2 1 MTA SZTAKI; 2 Budapesti Corvinus Egyetem 3 Szegedi Tudományegyetem 4 Budapesti

Részletesebben

Oktatói önéletrajz Bozóki Sándor

Oktatói önéletrajz Bozóki Sándor egyetemi docens Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 1996-2001 ELTE-TTK, alkalmazott matematikus 1999-2003 ELTE-TTK, matematika tanár

Részletesebben

Oktatói önéletrajz Bozóki Sándor

Oktatói önéletrajz Bozóki Sándor egyetemi docens Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 1999-2003 ELTE-TTK, matematika tanár 1996-2001 ELTE-TTK, alkalmazott matematikus

Részletesebben

Páros összehasonlítás mátrixokból számolt súlyvektorok Pareto-optimalitása

Páros összehasonlítás mátrixokból számolt súlyvektorok Pareto-optimalitása Páros összehasonlítás mátrixokból számolt súlyvektorok Pareto-optimalitása Bozóki Sándor 1,2, Fülöp János 1,3 1 MTA SZTAKI; 2 Budapesti Corvinus Egyetem 3 Óbudai Egyetem XXXI. Magyar Operációkutatási Konferencia

Részletesebben

Néhány elemmel konzisztenssé tehető páros összehasonlítás mátrixok

Néhány elemmel konzisztenssé tehető páros összehasonlítás mátrixok Néhány elemmel konzisztenssé tehető páros összehasonlítás mátrixok Poesz Attila BCE Operációkutatás és Aktuáriustudományok Tanszék 2010. április 1. Poesz A. () Következetlenség 2010. április 1. 1 / 28

Részletesebben

5. Analytic Hierarchy Process (AHP)

5. Analytic Hierarchy Process (AHP) 5 Analytic Hierarchy Process (AHP) (ld Temesi J: A döntéselmélet alapjai, 120-128) (Rapcsák T: Többszempontú döntési problémák I ld http://wwwoplabsztakihu/tanszek/download/ ITobbsz-dont-modszpdf) 51 Bevezetés

Részletesebben

Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel p. 1/29. Ábele-Nagy Kristóf BCE, ELTE

Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel p. 1/29. Ábele-Nagy Kristóf BCE, ELTE Nem teljesen kitöltött páros összehasonlítás mátrixok sajátérték optimalizálása Newton-módszerrel Ábele-Nagy Kristóf BCE, ELTE Bozóki Sándor BCE, MTA SZTAKI 2010. november 4. Nem teljesen kitöltött páros

Részletesebben

Bozóki Sándor február 16. Érzékenységvizsgálat a Promethee módszertanban p. 1/18

Bozóki Sándor február 16. Érzékenységvizsgálat a Promethee módszertanban p. 1/18 Érzékenységvizsgálat a Promethee módszertanban Bozóki Sándor 2011. február 16. Érzékenységvizsgálat a Promethee módszertanban p. 1/18 Vázlat PROMETHEE Parciális érzékenységvizsgálat egy szempontsúly változhat

Részletesebben

Többszempontú döntési módszerek, modellek Dr. Stettner Eleonóra

Többszempontú döntési módszerek, modellek Dr. Stettner Eleonóra Kaposvári Egyetem Gazdaságtudományi Kar Kari Tudományos Diákköri Tanács TDK módszertani kurzus 3. alkalom Többszempontú döntési módszerek, modellek Dr. Stettner Eleonóra 2016. április 4. A kurzus a Nemzeti

Részletesebben

A Condorcet-paradoxon egy valószínűségi modellje

A Condorcet-paradoxon egy valószínűségi modellje A Condorcet-paradoxon egy valószínűségi modellje Bozóki Sándor 1,2, Csató László 2, Temesi József 2 1 MTA SZTAKI; 2 Budapesti Corvinus Egyetem 2013. június 11. p. 1/24 Intranzitív dobókockák A valószínűségi

Részletesebben

5. Analytic Hierarchy Process (AHP)

5. Analytic Hierarchy Process (AHP) 5 Analytic Hierarchy Process (AHP) (ld Temesi J: A döntéselmélet alapjai, 120-128) (Rapcsák T: Többszempontú döntési problémák I ld http://wwwoplabsztakihu/tanszek/download/ ITobbsz-dont-modszpdf) 51 Bevezetés

Részletesebben

Oktatói önéletrajz Csató László

Oktatói önéletrajz Csató László tanársegéd Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 2009-2011 Budapesti Corvinus Egyetem Közgazdaságtudományi

Részletesebben

Alternatívák rangsora Rangsor módszerek. Debreceni Egyetem

Alternatívák rangsora Rangsor módszerek. Debreceni Egyetem Döntéstámogató Rendszerek VII. előadás Bekéné Rácz Anett Debreceni Egyetem Definíciók Példa rangsorfordulásra Rangsorokkal kapcsolatos fogalmak Condorcet nyertes: Az az alternatíva, amely az összes többi

Részletesebben

Döntéselőkészítés. XII. előadás. Döntéselőkészítés

Döntéselőkészítés. XII. előadás. Döntéselőkészítés XII. előadás Többszempontú döntések elmélete MAUT (Multi Attribute Utility Theory ) A többszempontú döntési feladatok megoldásának lépései: A döntési feladat felépítése: a) a cél megfogalmazása, b) az

Részletesebben

Bozóki Sándor. MTA SZTAKI, Budapesti Corvinus Egyetem. Vitaliy Tsyganok

Bozóki Sándor. MTA SZTAKI, Budapesti Corvinus Egyetem. Vitaliy Tsyganok A feszítőfákból számolt súlyvektorok mértani közepének optimalitása a logaritmikus legkisebb négyzetes célfüggvényre nézve Bozóki Sándor MTA SZTAKI, Budapesti Corvinus Egyetem Vitaliy Tsyganok Laboratory

Részletesebben

Többtényezős döntési problémák

Többtényezős döntési problémák KIPA módszer: Lépései:. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia

Részletesebben

Témaválasztás, kutatási kérdések, kutatásmódszertan

Témaválasztás, kutatási kérdések, kutatásmódszertan Témaválasztás, kutatási kérdések, kutatásmódszertan Dr. Dernóczy-Polyák Adrienn PhD egyetemi adjunktus, MMT dernoczy@sze.hu A projekt címe: Széchenyi István Egyetem minőségi kutatói utánpótlás nevelésének

Részletesebben

VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak

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

Részletesebben

Budapesti Corvinus Egyetem. Közgazdaságtani Ph.D. Program

Budapesti Corvinus Egyetem. Közgazdaságtani Ph.D. Program Budapesti Corvinus Egyetem Közgazdaságtani Ph.D. Program SÚLYOZÁS PÁROS ÖSSZEHASONLÍTÁSSAL ÉS ÉRTÉKELÉS HASZNOSSÁGI FÜGGVÉNYEKKEL A TÖBBSZEMPONTÚ DÖNTÉSI FELADATOKBAN Ph.D. értekezés tézisgyűjtemény Bozóki

Részletesebben

S atisztika 1. előadás

S atisztika 1. előadás Statisztika 1. előadás A kutatás hatlépcsős folyamata 1. lépés: Problémameghatározás 2. lépés: A probléma megközelítésének kidolgozása 3. lépés: A kutatási terv meghatározása 4. lépés: Terepmunka vagy

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján

Részletesebben

EGYSZERŰ ÉS ABSZOLÚT TÖBBSÉGI SZAVAZÁS

EGYSZERŰ ÉS ABSZOLÚT TÖBBSÉGI SZAVAZÁS EGYSZERŰ ÉS ABSZOLÚT TÖBBSÉGI SZAVAZÁS A választások és a szavazások többszempontú döntési problémák a szavazók valamilyen módon döntenek a jelöltekről a választási bizottság a szavazás után megállapítja,

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

Többtényezős döntési problémák

Többtényezős döntési problémák KIPA módszer: Lépései: 1. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia

Részletesebben

Hajléktalanság keletkezése, megszűnése és alakváltozásai I.

Hajléktalanság keletkezése, megszűnése és alakváltozásai I. Hajléktalanság keletkezése, megszűnése és alakváltozásai I. 2006-2011 Kit melyik évben, vagy években kérdeztünk 2006 2011 között Fluktuáció mérése a személyi azonosító alapján Melyik évben szerepel az

Részletesebben

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum

Részletesebben

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések BLSZM-09 p. 1/17 Számítógépes döntéstámogatás Döntések fuzzy környezetben Közelítő következtetések Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu

Részletesebben

Választási rendszerek axiomatikus elmélete

Választási rendszerek axiomatikus elmélete Választási rendszerek axiomatikus elmélete Boros Zoltán Debreceni Egyetem TTK Matematikai Intézet Analízis Tanszék Matematika Szakkör Megnyitó 2016. szeptember 12. Interaktív demonstráció: fagylalt preferenciák

Részletesebben

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék Mérés és skálaképzés Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Miröl is lesz ma szó? Mi is az a mérés? A skálaképzés alapjai A skálaképzés technikái Összehasonlító skálák Nem összehasonlító

Részletesebben

Milyen kérdések megoldásához kérnek segítséget és hol támaszkodnak saját erőforrásaikra a felsőoktatási hallgatók?

Milyen kérdések megoldásához kérnek segítséget és hol támaszkodnak saját erőforrásaikra a felsőoktatási hallgatók? Milyen kérdések megoldásához kérnek segítséget és hol támaszkodnak saját erőforrásaikra a felsőoktatási hallgatók? László Noémi, Felsőoktatási Tanácsadás Egyesület, laszlo.noemi@gmail.com Kiss István,

Részletesebben

A társadalomkutatás módszerei I. Outline. 1. Zh Egyéni eredmények. Notes. Notes. Notes. 9. hét. Daróczi Gergely november 10.

A társadalomkutatás módszerei I. Outline. 1. Zh Egyéni eredmények. Notes. Notes. Notes. 9. hét. Daróczi Gergely november 10. A társadalomkutatás módszerei I. 9. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. november 10. Outline 1 1. Zh eredmények 2 Újra a hibatényezőkről 3 A mintavételi keret 4 Valószínűségi mintavételi

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Többszempontú döntési módszerek

Többszempontú döntési módszerek XI. előadás Többszempontú döntési módszerek Mindennapi tapasztalat: döntési helyzetbe kerülve több változat (alternatíva) között kell (lehet) választani, az alternatívákat kölönféle szempontok szerint

Részletesebben

Fogalmak Navigare necesse est

Fogalmak Navigare necesse est Döntéselmélet Fogalmak Navigare necesse est - dönteni mindenkinek kell A döntés nem vezetői privilégium: de! vezetői kompetencia, a vezetői döntések hatása Fogalmak II. A döntés célirányos választás adott

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Dr. Piskóti István Marketing Intézet. Marketing 2.

Dr. Piskóti István Marketing Intézet. Marketing 2. Kutatni kell kutatni jó! - avagy a MIR és a marketingkutatás módszerei Dr. Piskóti István Marketing Intézet Marketing 2. Marketing-menedzsment A marketing összes feladatát és aktivitásait összefoglalóan,

Részletesebben

Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság

Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság SZIGNIFIKANCIA Sándorné Kriszt Éva Az MTA IX. Osztály Statisztikai és Jövőkutatási Tudományos Bizottságának tudományos ülése

Részletesebben

Függetlenségvizsgálat, Illeszkedésvizsgálat

Függetlenségvizsgálat, Illeszkedésvizsgálat Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Részletesebben

A társadalomkutatás módszerei I.

A társadalomkutatás módszerei I. A társadalomkutatás módszerei I. 9. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. november 10. Outline 1 1. Zh eredmények 2 Újra a hibatényezőkről 3 A mintavételi keret 4 Valószínűségi mintavételi

Részletesebben

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba

Döntéselőkészítés. I. előadás. Döntéselőkészítés. Előadó: Dr. Égertné dr. Molnár Éva. Informatika Tanszék A 602 szoba I. előadás Előadó: Dr. Égertné dr. Molnár Éva Informatika Tanszék A 602 szoba Tárggyal kapcsolatos anyagok megtalálhatók: http://www.sze.hu/~egertne Konzultációs idő: (páros tan. hét) csütörtök 10-11 30

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement

Részletesebben

Oktatói önéletrajz Dr. Kovács Erzsébet

Oktatói önéletrajz Dr. Kovács Erzsébet egyetemi tanár Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 1992-1998 Budapesti Közgazdaságtudományi Egyetem, Aktuárius, szakközgazdász 1973-1978

Részletesebben

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015 A pedagógiai kutatás metodológiai alapjai Dr. Nyéki Lajos 2015 A pedagógiai kutatás jellemző sajátosságai A pedagógiai kutatás célja a személyiség fejlődése, fejlesztése során érvényesülő törvényszerűségek,

Részletesebben

Többszempontú döntési problémák

Többszempontú döntési problémák Budapesti Corvinus Egyetem MTA Számítástechnikai és Automatizálási Kutató Intézetébe kihelyezett Gazdasági Döntések Tanszék Rapcsák Tamás Többszempontú döntési problémák Egyetemi oktatáshoz segédanyag

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

Programozás. (GKxB_INTM021) Dr. Hatwágner F. Miklós március 31. Széchenyi István Egyetem, Gy r

Programozás. (GKxB_INTM021) Dr. Hatwágner F. Miklós március 31. Széchenyi István Egyetem, Gy r Programozás (GKxB_INTM021) Széchenyi István Egyetem, Gy r 2018. március 31. Városok közötti távolság Feladat: két város nevének beolvasása, városok közötti távolság megjelenítése. Kilépés azonos városok

Részletesebben

Nem teljesen kitöltött páros összehasonlítás mátrixok aggregálása

Nem teljesen kitöltött páros összehasonlítás mátrixok aggregálása Nem teljesen kitöltött páros összehasonlítás mátrixok aggregálása Szakdolgozat Írta: Ábele-Nagy Kristóf Közgazdasági elemz mesterszak Témavezet : Bozóki Sándor, egyetemi adjunktus Operációkutatás és Aktuáriustudományok

Részletesebben

Bozóki Sándor SÚLYOZÁS PÁROS ÖSSZEHASONLÍTÁSSAL ÉS ÉRTÉKELÉS HASZNOSSÁGI FÜGGVÉNYEKKEL A TÖBBSZEMPONTÚ DÖNTÉSI FELADATOKBAN

Bozóki Sándor SÚLYOZÁS PÁROS ÖSSZEHASONLÍTÁSSAL ÉS ÉRTÉKELÉS HASZNOSSÁGI FÜGGVÉNYEKKEL A TÖBBSZEMPONTÚ DÖNTÉSI FELADATOKBAN Bozóki Sándor SÚLYOZÁS PÁROS ÖSSZEHASONLÍTÁSSAL ÉS ÉRTÉKELÉS HASZNOSSÁGI FÜGGVÉNYEKKEL A TÖBBSZEMPONTÚ DÖNTÉSI FELADATOKBAN MTA SZTAKI-ba kihelyezett Gazdasági Döntések Tanszék Témavezető: Dr. Rapcsák

Részletesebben

SEGÉDLET A 2009/2010. TANÉVI BEMENETI MÉRÉS ISKOLAJELENTÉS ÉRTELMEZÉSÉHEZ

SEGÉDLET A 2009/2010. TANÉVI BEMENETI MÉRÉS ISKOLAJELENTÉS ÉRTELMEZÉSÉHEZ Ú T M U T A T Ó SEGÉDLET A 2009/2010. TANÉVI BEMENETI MÉRÉS ISKOLAJELENTÉS ÉRTELMEZÉSÉHEZ 2009. december A 2009/2010. tanévi bemeneti mérés eredményeiről egyetlen Iskolajelentést kap az iskola. Ez egy

Részletesebben

Új eredmények a nem teljesen kitöltött páros összehasonlítás mátrixok témájában (2. rész)

Új eredmények a nem teljesen kitöltött páros összehasonlítás mátrixok témájában (2. rész) Új eredmények a nem teljesen kitöltött páros összehasonlítás mátrixok témájában (2. rész) A módszertan alkalmazása a 2010-es sakkolimpia eredményeire Csató László laszlo.csato@uni-corvinus.hu Budapesti

Részletesebben

A társadalomtudományi kutatás teljes íve és alapstratégiái. áttekintés

A társadalomtudományi kutatás teljes íve és alapstratégiái. áttekintés A társadalomtudományi kutatás teljes íve és alapstratégiái áttekintés A folyamat alapvetı felépítését tekintve kétféle sémát írhatunk le: az egyik a kvantitatív kutatás sémája a másik a kvalitatív kutatás

Részletesebben

Az értékelés során következtetést fogalmazhatunk meg a

Az értékelés során következtetést fogalmazhatunk meg a Az értékelés során következtetést fogalmazhatunk meg a a tanuló teljesítményére, a tanulási folyamatra, a célokra és követelményekre a szülők teljesítményére, a tanulási folyamatra, a célokra és követelményekre

Részletesebben

Módszertani hozzájárulás a Szegénység

Módszertani hozzájárulás a Szegénység Módszertani hozzájárulás a Szegénység Többváltozós Statisztikai Méréséhez MTA doktori értekezés főbb eredményei Hajdu ottó BCE KTK Statisztika Tanszék BME GTK Pénzügyek Tanszék Hajdu Ottó 1 Egyváltozós

Részletesebben

Hallgatói preferencia rangsorok készítése a jelentkezések alapján

Hallgatói preferencia rangsorok készítése a jelentkezések alapján Hallgatói preferencia rangsorok készítése a jelentkezések alapján Telcs András, Kosztyán Zsolt Tibor, Török Ádám Pannon Egyetem, Kvantitatív Módszerek Tanszék, MTA Kutatócsoport Tartalom Bevezetés Forrásadatok

Részletesebben

Szavazási eljárások Fejezetek a döntéselméletből

Szavazási eljárások Fejezetek a döntéselméletből Szavazási eljárások Fejezetek a döntéselméletből Rebák Örs 2013. november 26. 1. Bevezetés A bevezetésben tárgyaltakat ismertnek teszem fel, közlésük csupán a teljesség kedvéért történik, illetve mert

Részletesebben

A kutatási program céljai és eredményei

A kutatási program céljai és eredményei This project is co-funded by the Seventh Framework Programme for Research and Technological Development of the European Union A kutatási program céljai és eredményei Tóth István János* *MTA KRTK KTI, Corruption

Részletesebben

Szalai Péter. April 17, Szalai Péter April 17, / 36

Szalai 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

Részletesebben

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit

Operációkutatás. Vaik Zsuzsanna. Budapest október 10. First Prev Next Last Go Back Full Screen Close Quit Operációkutatás Vaik Zsuzsanna Vaik.Zsuzsanna@ymmfk.szie.hu Budapest 200. október 10. Mit tanulunk ma? Szállítási feladat Megoldása Adott: Egy árucikk, T 1, T 2, T,..., T m termelőhely, melyekben rendre

Részletesebben

A VIZUÁLIS TÖMEGMÉDIA HATÁSA SERDÜLŐ LÁNYOK ÉS FIATAL NŐK TESTKÉPÉRE ÉS TESTTEL KAPCSOLATOS ATTITŰDJÉRE

A VIZUÁLIS TÖMEGMÉDIA HATÁSA SERDÜLŐ LÁNYOK ÉS FIATAL NŐK TESTKÉPÉRE ÉS TESTTEL KAPCSOLATOS ATTITŰDJÉRE A VIZUÁLIS TÖMEGMÉDIA HATÁSA SERDÜLŐ LÁNYOK ÉS FIATAL NŐK TESTKÉPÉRE ÉS TESTTEL KAPCSOLATOS ATTITŰDJÉRE Készítette: Szabó Orsolya 2012. június 22. A témaválasztás indoklása - Saját élmény, tapasztalat

Részletesebben

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)

1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő

Részletesebben

1. óra: Területi statisztikai alapok viszonyszámok, középértékek

1. óra: Területi statisztikai alapok viszonyszámok, középértékek 1. óra: Területi statisztikai alapok viszonyszámok, középértékek Tér és társadalom (TGME0405-GY) gyakorlat 2018-2019. tanév Viszonyszámok Viszonyszá m Viszonyítandó adat (A) Viszonyítási alap (B) 1. Megoszlási

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

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

Részletesebben

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/

Optimalizálás alapfeladata Legmeredekebb lejtő Lagrange függvény Log-barrier módszer Büntetőfüggvény módszer 2017/ Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 9. Előadás Az optimalizálás alapfeladata Keressük f függvény maximumát ahol f : R n R és

Részletesebben

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei

Gauss-Jordan módszer Legkisebb négyzetek módszere, egyenes LNM, polinom LNM, függvény. Lineáris algebra numerikus módszerei A Gauss-Jordan elimináció, mátrixinvertálás Gauss-Jordan módszer Ugyanazzal a technikával, mint ahogy a k-adik oszlopban az a kk alatti elemeket kinulláztuk, a fölötte lévő elemeket is zérussá lehet tenni.

Részletesebben

Opkut deníciók és tételek

Opkut deníciók és tételek Opkut deníciók és tételek Készítette: Bán József Deníciók 1. Deníció (Lineáris programozási feladat). Keressük meg adott lineáris, R n értelmezési tartományú függvény, az ún. célfüggvény széls értékét

Részletesebben

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

Részletesebben

Összehasonlítások hibái

Összehasonlítások hibái Összehasonlítások hibái Kiegészítő anyag BME Filozófia és Tudománytörténet Tanszék http://www.filozofia.bme.hu/ Összehasonlítások Az összehasonlítás alapkérdése: a lehetőségek közül melyik a legjobb egy

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

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

Értékelési, kiválasztási módszerek

Értékelési, kiválasztási módszerek Értékelési, kiválasztási módszerek Értékelési módszerek csoportosítása: 1. Ordinális (kvalitatív) elárások 1.1 Többségi módszer 1.2 Rangsor összegzési szabály 1.3 Copeland módszer 1.4 Datum módszer 1.5

Részletesebben

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege A multkrtérumos elemzés célja, alkalmazás területe, adat-transzformácós eljárások, az osztályozás eljárások lényege Cél: tervváltozatok, objektumok értékelése (helyzetértékelés), döntéshozatal segítése

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

Döntéselméleti modellek

Döntéselméleti modellek Döntéselméleti modellek gyakorlat Berta Árpád Követelmények A félév során 40 pont szerezhető 0-19 pont : elégtelen (1) 20-24 pont : elégséges (2) 25-29 pont : közepes (3) 30-34 pont : jó (4) 35-40 pont

Részletesebben

Kérdıívek, tesztek I. Kérdıívek

Kérdıívek, tesztek I. Kérdıívek Kérdıívek, tesztek I. Kérdıívek Kérdıíves vizsgálat céljára alkalmas témák A kérdıíves vizsgálatok alkalmasak leíró, magyarázó és felderítı célokra. Leginkább olyan kutatásban használják, amelyekben az

Részletesebben

Véleménypolarizáció és választási részvétel. Kmetty Zoltán MTA- ELTE- PERIPATO

Véleménypolarizáció és választási részvétel. Kmetty Zoltán MTA- ELTE- PERIPATO Véleménypolarizáció és választási részvétel Kmetty Zoltán MTA- ELTE- PERIPATO Tartalom Problémafelvetés Magyarázati sémák Indikátorok, modellek Eredmények Választási verseny és részvétel összefüggése Kistelepülések

Részletesebben

SEGÉDLET A 2010/2011. TANÉVI BEMENETI MÉRÉS ISKOLAJELENTÉS ÉRTELMEZÉSÉHEZ

SEGÉDLET A 2010/2011. TANÉVI BEMENETI MÉRÉS ISKOLAJELENTÉS ÉRTELMEZÉSÉHEZ Ú T M U T A T Ó SEGÉDLET A 2010/2011. TANÉVI BEMENETI MÉRÉS ISKOLAJELENTÉS ÉRTELMEZÉSÉHEZ 2011. január A 2010/2011. tanévi bemeneti mérés eredményeiről egyetlen Iskolajelentést kap az iskola. Ez egy több

Részletesebben

- Az óvodáskori gyermeki intelligenciák mozgósításánakfeltárásának

- Az óvodáskori gyermeki intelligenciák mozgósításánakfeltárásának EGY PLURÁLIS INTELLIGENCIA KONCEPCIÓ ÉS A MONTESSORI PEDAGÓGIA KOMPARATÍV MEGKÖZELÍTÉSE - Az óvodáskori gyermeki intelligenciák mozgósításánakfeltárásának egy lehetséges alternatívája Sándor-Schmidt Barbara

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy 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

Részletesebben

Az InCites használata az intézményi produktivitás

Az InCites használata az intézményi produktivitás Az InCites használata az intézményi produktivitás mérésére A Web of Science, mint adatháttér Horváth Dániel MTA KIK TTO 2014. szeptember 24. Korábbi tapasztalatok Tisztítás nélküli és tisztított megoszlások,

Részletesebben

MATEMATIKAI STANDARDFEJLESZTÉS

MATEMATIKAI STANDARDFEJLESZTÉS XXI. Századi Közoktatás (fejlesztés, koordináció) II. szakasz TÁMOP-3.1.1-11/1-2012-0001 MATEMATIKAI STANDARDFEJLESZTÉS Csapodi Csaba Tartalom 1. Az első változat elkészítése és a tapasztalatok 2. A második

Részletesebben

Analitikus hierarchia eljárás. Módszertani alapok, algoritmus és számpélda

Analitikus hierarchia eljárás. Módszertani alapok, algoritmus és számpélda Analitikus hierarchia eljárás Módszertani alapok, algoritmus és számpélda Készítette: Dr. Kiss Ferenc 2009. Tartalom Az Analitikus Hierarchia eljárás...3 Alapelvek és a szempontrendszer kialakítása...

Részletesebben

Érdekességek az elemi matematika köréből

Érdekességek az elemi matematika köréből Érdekességek az elemi matematika köréből Csizmadia László Bolyai Intézet, Szegedi Tudományegyetem Kutatók éjszakája Szeged, SZTE L. Csizmadia (Szeged) Kutatók éjszakája 2011. 2011.09.23. 1 / 17 Társasház

Részletesebben

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi

Részletesebben

Az MTA-Rényi Felfedeztető Matematikatanítási

Az MTA-Rényi Felfedeztető Matematikatanítási Pósa-módszer minden középiskolában? Az MTA-Rényi Felfedeztető Matematikatanítási Kutatócsoport munkájáról Juhász Péter MTA Rényi Alfréd Matematikai Kutatóintézet Szent István Gimnázium Budapest Semesters

Részletesebben

y ij = µ + α i + e ij

y ij = µ + α i + e ij Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai

Részletesebben

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x

Részletesebben

LOVASKOCSIVAL AZ INFORMÁCIÓS SZUPERSZTRÁDÁN. információtartalma 2006-2010 2011/1

LOVASKOCSIVAL AZ INFORMÁCIÓS SZUPERSZTRÁDÁN. információtartalma 2006-2010 2011/1 LOVASKOCSIVAL AZ INFORMÁCIÓS SZUPERSZTRÁDÁN Magyar egyetemi honlapok információtartalma 2006-2010 2011/1 LOVASKOCSIVAL AZ INFORMÁCIÓS SZUPERSZTRÁDÁN Magyar egyetemi honlapok információtartalma 2006-2010

Részletesebben

Irányított TULAJDONSÁGRA IRÁNYULÓ Melyik minta sósabb?, érettebb?, stb. KEDVELTSÉGRE IRÁNYULÓ Melyik minta jobb? rosszabb?

Irányított TULAJDONSÁGRA IRÁNYULÓ Melyik minta sósabb?, érettebb?, stb. KEDVELTSÉGRE IRÁNYULÓ Melyik minta jobb? rosszabb? ÉRZÉKSZERVI VIZSGÁLATI MÓDSZEREK RENDSZEREZÉSE I. Kókai Zoltán - dr.erdélyi Mihály v.6. 26 ÉRZÉKSZERVI VIZSGÁLATI MÓDSZEREK CSOPORTOSÍTÁSA SZAKÉRTôI módszerek analitikus tesztek és eljárások FOGYASZTÓI

Részletesebben

Oktatói önéletrajz Dr. Temesi József

Oktatói önéletrajz Dr. Temesi József egyetemi tanár Közgazdaságtudományi Kar Operációkutatás és Aktuáriustudományok Tanszék Karrier Felsőfokú végzettségek: 1969-1974 MKKE, népgazdasági tervező-elemző szak, gazdaságmatematikai szakágazat Tudományos

Részletesebben

Verbális adatszerzési technikák. interjú

Verbális adatszerzési technikák. interjú Verbális adatszerzési technikák interjú Az interjú a kérdıívekkel együtt a társadalomtudományokban nagyon gyakran használt felmérés (survey) módszer egyik fajtája. A felmérés információgyőjtı módszer leíró

Részletesebben

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok

Részletesebben

Érzékszervi bírálók kiválasztásának, képzésének és monitorozásának nemzetközi módszerei. Sipos László 1, Kókai Zoltán 1 Gere Attila 1

Érzékszervi bírálók kiválasztásának, képzésének és monitorozásának nemzetközi módszerei. Sipos László 1, Kókai Zoltán 1 Gere Attila 1 Érzékszervi bírálók kiválasztásának, képzésének és monitorozásának nemzetközi módszerei Sipos László 1, Kókai Zoltán 1 Gere Attila 1 1 Szent István Egyetem, Élelmiszertudományi Kar, Árukezelési és Érzékszervi

Részletesebben

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7.

Fourier-sorok. Lengyelné Dr. Szilágyi Szilvia. 2010. április 7. ME, Anaĺızis Tanszék 21. április 7. A Taylor-polinom ill. Taylor-sor hátránya, hogy az adott függvényt csak a sorfejtés helyén ill. annak környezetében közeĺıti jól. A sorfejtés helyétől távolodva a közeĺıtés

Részletesebben

2. Visszalépéses keresés

2. Visszalépéses keresés 2. Visszalépéses keresés Visszalépéses keresés A visszalépéses keresés egy olyan KR, amely globális munkaterülete: egy út a startcsúcsból az aktuális csúcsba (az útról leágazó még ki nem próbált élekkel

Részletesebben

ELEMZŐ KAPACITÁS FEJLESZTÉSE, MÓDSZERTANI FEJLESZTÉS MEGVALÓSÍTÁSA

ELEMZŐ KAPACITÁS FEJLESZTÉSE, MÓDSZERTANI FEJLESZTÉS MEGVALÓSÍTÁSA TÁMOP-2.4.8-12/1-2012-0001 A munkahelyi egészség és biztonság fejlesztése, a munkaügyi ellenőrzés fejlesztése ELEMZŐ KAPACITÁS FEJLESZTÉSE, MÓDSZERTANI FEJLESZTÉS MEGVALÓSÍTÁSA Előadó: Szentesi Fekete

Részletesebben

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6.

5 = hiszen és az utóbbi mátrix determinánsa a középs½o oszlop szerint kifejtve: 3 7 ( 2) = (példa vége). 7 5 = 8. det 6. A pivotálás hasznáról és hatékony módjáról Adott M mátrixra pivotálás alatt a következ½ot értjük: Kijelölünk a mátrixban egy nemnulla elemet, melynek neve pivotelem, aztán az egész sort leosztjuk a pivotelemmel.

Részletesebben

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kettőnél több csoport vizsgálata. Makara B. Gábor Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10

Részletesebben

A hallgatói preferenciák elemzése statisztikai módszerekkel

A hallgatói preferenciák elemzése statisztikai módszerekkel A hallgatói preferenciák elemzése statisztikai módszerekkel Kosztyán Zsolt Tibor 1, Katona Attila Imre 1, Neumanné Virág Ildikó 2, Telcs András 1 1,2 Pannon Egyetem, 1 Kvantitatív Módszerek Intézeti Tanszék,

Részletesebben