Regresszió. Fő cél: jóslás Történhet:

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Regresszió. Fő cél: jóslás Történhet:"

Átírás

1 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 történt jóslás pontosságának meghatározása. Több változós esetben: magyarázó változók relatív fontosságának meghatározása.

2 Függetlenség vzsgálat Ch négyzet teszt Korrelácós együttható: r ( x ( n x)( y 1) s x s y y)

3 Lneárs regresszó Regresszós egyenes y = a + b*x, ahol y jelöl a függő változó jósolt értékét a független változó egy adott értéke mellett.

4 Regresszós egyenes A legjobban lleszkedő regresszós egyenes a legksebb négyzetek módszerén alapszk, ahol ( y y ' ) 2 mnmalzálva van. Megoldás: b ( x ( x x)( y x) 2 y) a y bx

5 Regresszós modell feltételezése A magyarázó változó (x) mnden értékéhez létezk a cél változónak (y) egy valószínűség eloszlása, ahol az értékek ebből az eloszlásból véletlenszerűen jönnek. Az y ezen eloszlásanak szórása mnden valószínűség eloszlás esetében azonos. Lneárs esetben +1 feltétel: y eloszlások várható értéke: y x

6 Lneárs regresszós modell Ezen feltételezések alapján a célváltozó megfgyelése: y x e e az y értékek természetes szóródása a regresszós egyenes körül (véletlen rész)

7 Jóslás pontossága Alfa, béta a populácó regresszós egyeneséhez tartozk. a, b: mnta regresszós egyeneséhez tartozk (b pl. az bétát becsl) A jósolt y és a megfgyelt y értékek eltéréséből adódó szórás: Becslés standard hbája: s y x ( y n 2 y ' ) 2

8 Hbák 3 forrása 3 forrásból adódhat eltérés: a) az gaz regresszós egyenes körül ngadozásból: s y*x b) alfa paraméter becslésének hbájából c) béta paraméter (meredekség) becslésének hbájából

9 Magyarázott varanca aránya s s 2 y ' 2 y r 2 r 2 determnácós együttható mér a magyarázott varanca arányát

10 Többváltozós regresszó számítás 1 cél változó és sok bemenet változó. Többváltozós lneárs regresszós egyenlet: y = a+b 1 x 1 +b 2 x 2 + +b k x k mnta megfgyelésére támaszkodó egyenlet y jósolt érték a, b regresszós együtthatók

11 Többszörös korrelácós együttható R megmutatja a korrelácót célváltozó és a súlyozott magyarázó változók között. R 2 (többszörös determnácós együttható) megmutatja a varanca arányát a magyarázó változók és a célváltozó között.

12 Magyarázó változók kválasztása Néhány esetben szükségünk lehet olyan regresszóra, ahol csak néhány magyarázó változó szerepel. Feladat: Regresszós függvény legyen alkalmas becslés célokra. Lehető legkevesebb magyarázó változó segítségével oldja meg adott megbízhatóság sznten belül.

13 Backward elmnácós eljárás (Backward Elmnaton Procedure) Összes magyarázó változóból ndul k. F vagy t próba segítségével a regresszós együtthatókat szeparált módon tesztel. Az előre megadott szgnfkanca-sznt matt lesznek szgnfkáns és nem szgn. paraméterekkel rendelkező változók. Nem szgn. változók közül a legalacsonyabb F vagy t értékű változót elhagyjuk. Regresszó függvényt újra számoljuk.

14 Forward szelekcós eljárás (Forward Selecton Procedure) Üres halmazból ndul k. F vagy t próba segítségével a regresszós együtthatókat szeparált módon tesztel. Legnagyobb F vagy t értékű paraméterrel rendelkező szgnfkáns változót berakja a regresszós egyenletbe. Regresszó függvényt újra számolja.

15 Stepwse (regresszós) eljárás Előző kettő kombnácója. Lépésenként be- és kvesz. Lehet üres halmazból ndulva egyesével növeln a változók számát VAGY összes változóból egyenként kvenn. Pl. üres halmazból ndulva: legnagyobb F vagy t értékű bekerül. Mnden tovább beválasztás után megvzsgáljuk, hogy a bent levők közül lehet-e valamelyket kszórn (F vagy t próba). Eljárás üres halmazból addg folytatódk, míg R 2 szgnfkáns nem lesz. VAGY: Összes változóból a következő elhagyásával az R 2 már nem lenne szgnfkáns.

16 Multkollneartás (kollneartás) problémája Két vagy több magyarázó változó lneárs korrelácós kapcsolatát értjük. Teljes vagy extrém multkollneartás: egy változó kfejezhető a több lneárs kombnácójaként. Problémák: Egyk változó változása együtt jár a másk változó értékének megváltozásával. Ezért a szeparált vzsgálat nehezen végezhető. Y érték ks változására érzékenyek a regresszós függvény paramétere

17 Logsztkus regresszó Logsztkus függvény 0 és 1 között értéket vesz fel. Pl: válaszadás valószínűség ügyfelek

18 Logsztkus regresszó képlete Csak 2 értékű célváltozónál használható p 1 e Z e Z Z B 0 B X 1 B 2 X 2... B N X N

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s 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,

Részletesebben

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 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,

Részletesebben

Lineáris regresszió. Statisztika I., 4. alkalom

Lineáris 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

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI 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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Részletesebben

Regresszió és korreláció

Regresszió és korreláció Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 01.11.1 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés

Részletesebben

Adatelemzés és adatbányászat MSc

Adatelemzés és adatbányászat MSc Adatelemzés és adatbányászat MSc. téma Adatelemzés, statsztka elemek áttekntése Adatelemzés módszertana probléma felvetés módszer, adatok meghatározása nyers adatok adatforrás meghatározása adat tsztítás

Részletesebben

Kísérlettervezési alapfogalmak:

Kísérlettervezési alapfogalmak: Kísérlettervezés alapfogalmak: Tényező, faktor (factor) független változó, ható tényező (kezelés, gyógyszer, takarmány, genotípus, élőhely, stb.) amnek hatását a kísérletben vzsgáln vagy összehasonlítan

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

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

VARIANCIAANALÍZIS (szóráselemzés, ANOVA) VARIANCIAANAÍZIS (szóráselemzés, ANOVA) Varancaanalízs. Varancaanalízs (szóráselemzés, ANOVA) Adott: egy vagy több tetszőleges skálájú független változó és egy legalább ntervallum skálájú függő változó.

Részletesebben

? közgazdasági statisztika

? közgazdasági statisztika Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem

Részletesebben

Pénzügyi menedzsment

Pénzügyi menedzsment Pénzügy menedzsment Várható hozam és kockázat mérése uvárható hozam mérése számtan átlag mértan átlag medán módusz ukockázat mérése medán abszolút eltérés szórás ferdeség Egy portfóló hozamanak torzult

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet

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

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

A DETERMINÁCIÓS EGYÜTTHATÓRÓL

A DETERMINÁCIÓS EGYÜTTHATÓRÓL VITA A DETERMIÁCIÓS EGYÜTTHATÓRÓL HUYADI LÁSZLÓ Egyes vélekedések szernt a regresszós modellek (többszörös) determnácós együtthatója nem jó mutatószám, hszen sok olyan hányossága van, amelyek folytán alkalmazása

Részletesebben

Foglalkoztatáspolitika. Modellek, mérés.

Foglalkoztatáspolitika. Modellek, mérés. Foglalkoztatáspoltka. Modellek, mérés. Galas Péter Budapest, 20 Galas Péter, 20 Kézrat lezárva: 20. júnus Bevezetés A tananyag célja a foglalkoztatáspoltka közgazdaságtan szempontú elemzésében és értékelésében

Részletesebben

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

MATEMATIKAI 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

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

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

Részletesebben

[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

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

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek

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

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

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

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3

Részletesebben

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

III. Kvantitatív változók kapcsolata (korreláció, regresszió) III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

STATISZTIKA III. Oktatási segédlet

STATISZTIKA III. Oktatási segédlet MISKOLCI EGYETEM Gazdaságtudomány Kar Üzlet Informácógazdálkodás és Módszertan Intézet Üzlet Statsztka és Előrejelzés Tanszék STATISZTIKA III. Oktatás segédlet 003. MISKOLCI EGYETEM Gazdaságtudomány Kar

Részletesebben

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola Dr. Ratkó István Matematka módszerek orvos alkalmazása 200..08. Magyar Tudomány Napja Gábor Dénes Főskola A valószínűségszámítás és matematka statsztka főskola oktatásakor a hallgatók néha megkérdezk egy-egy

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

Statisztika feladatok

Statisztika feladatok Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük? (Ez az együttes eloszlásfüggvényük.)

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA Készült a TÁMOP-4..-08//A/KMR-009-004pálázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomán Tanszékén az ELTE Közgazdaságtudomán Tanszék az MTA Közgazdaságtudomán Intézet

Részletesebben

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Khi-négyzet eloszlás. Statisztika II., 3. alkalom Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként

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

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

Példa: Egy üzletlánc boltjainak forgalmára vonatkozó adatok 1999. október hó: (adott a vastagon szedett!) S i g i z i g i z i

Példa: Egy üzletlánc boltjainak forgalmára vonatkozó adatok 1999. október hó: (adott a vastagon szedett!) S i g i z i g i z i . konzult. LEV. 013. ápr. 5. MENNYISÉGI ISMÉRV szernt ELEMZÉS Tk. 3-8., 88-90. oldal, kmarad: 70., 74. oldal A mennység smérv (X) lehet: dszkrét és folytonos. A rangsor a mennység smérv értékenek monoton

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

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

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

Részletesebben

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június OKTATÁSGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék az MTA Közgazdaságtudomány

Részletesebben

Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények

Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények Korreláció és Regresszió (folytatás) 12. elıadás (23-24. lecke) Logisztikus telítıdési függvény Több független változós regressziós függvények 23. lecke A logisztikus telítıdési függvény Több független

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június 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

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

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 Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA

A Ga-Bi OLVADÉK TERMODINAMIKAI OPTIMALIZÁLÁSA A Ga-B OLVADÉK TRMODINAMIKAI OPTIMALIZÁLÁSA Végh Ádám, Mekler Csaba, Dr. Kaptay György, Mskolc gyetem, Khelyezett Nanotechnológa tanszék, Mskolc-3, gyetemváros, Hungary Bay Zoltán Közhasznú Nonproft kft.,

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

Másodfokú egyenletek, egyenlőtlenségek

Másodfokú egyenletek, egyenlőtlenségek Másodfokú egyenletek, egyenlőtlenségek A másodfokú egyenlet grafikus megoldása Példa1. Ábrázold az f(x) = x + 1x + 16 függvényt, majd olvasd le az ábráról az alábbi egyenlet megoldását: x + 1x + 16 = 0.

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz x mn középérték

Részletesebben

Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció.

Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció. http://statisztika.szoc.elte.hu/tarsstat Társadalomstatisztika, 003/004 I. félév. November 5. Mai tematika: Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció. Bevezetés Együttes

Részletesebben

Az egyszerűsítés utáni alak:

Az egyszerűsítés utáni alak: 1. gyszerűsítse a következő törtet, ahol b 6. 2 b 36 b 6 Az egyszerűsítés utáni alak: 2. A 2, 4 és 5 számjegyek mindegyikének felhasználásával elkészítjük az összes, különböző számjegyekből álló háromjegyű

Részletesebben

7. Mágneses szuszceptibilitás mérése

7. Mágneses szuszceptibilitás mérése 7. Mágneses szuszceptbltás mérése PÁPICS PÉTER ISTVÁN csllagász, 3. évfolyam 5.9.. Beadva: 5.9.9. 1. A -ES MÉRHELYEN MÉRTEM. Elször a Hall-szondát kellett htelesítenem. Ehhez RI H -t konstans (bár a mérés

Részletesebben

NULLADIK MATEMATIKA ZÁRTHELYI

NULLADIK MATEMATIKA ZÁRTHELYI A NULLADIK MATEMATIKA ZÁRTHELYI 20-09-2 Terem: Munkaidő: 0 perc. A dolgozat megírásához íróeszközön kívül semmilyen segédeszköz nem használható! Csak és kizárólag tollal tölthető ki a feladatlap, a ceruzával

Részletesebben

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Egyszempontos variancia analízis. Statisztika I., 5. alkalom Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek

Részletesebben

1. Gauss-eloszlás, természetes szórás

1. Gauss-eloszlás, természetes szórás 1. Gauss-eloszlás, természetes szórás A Gauss-eloszlásnak megfelelő függvény: amely egy σ szélességű, µ középpontú, 1-re normált (azaz a teljes görbe alatti terület 1) görbét ír le. A természetben a centrális

Részletesebben

Másodfokú egyenletek, egyenlőtlenségek

Másodfokú egyenletek, egyenlőtlenségek Másodfokú egyenletek, egyenlőtlenségek A másodfokú egyenlet grafikus megoldása Példa1. Ábrázold az f(x) = x 1x 16 függvényt, majd olvasd le az ábráról az alábbi egyenlet megoldását: x 1x 16 =. 1. lépés:

Részletesebben

3515, Miskolc-Egyetemváros

3515, Miskolc-Egyetemváros Anyagmérnök udományok, 37. kötet, 1. szám (01), pp. 49 56. A-FE-SI ÖVÖZERENDSZER AUMÍNIUMAN GAZDAG SARKÁNAK FEDOGOZÁSA ESPHAD-MÓDSZERRE ESIMAION OF HE A-RIH ORNER OF HE A-FE-SI AOY SYSEM Y ESPHAD MEHOD

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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,

Részletesebben

egyenlőtlenségnek kell teljesülnie.

egyenlőtlenségnek kell teljesülnie. MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Abszolútértékes és gyökös kifejezések A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Osztályozás, regresszió. Nagyméretű adathalmazok kezelése Tatai Márton

Osztályozás, regresszió. Nagyméretű adathalmazok kezelése Tatai Márton Osztályozás, regresszió Nagyméretű adathalmazok kezelése Tatai Márton Osztályozási algoritmusok Osztályozás Diszkrét értékkészletű, ismeretlen attribútumok értékének meghatározása ismert attribútumok értéke

Részletesebben

Egyenletek, egyenlőtlenségek V.

Egyenletek, egyenlőtlenségek V. Egyenletek, egyenlőtlenségek V. DEFINÍCIÓ: (Másodfokú egyenlet) Az ax + bx + c = 0 alakban felírható egyenletet (a, b, c R; a 0), ahol x a változó, másodfokú egyenletnek nevezzük. TÉTEL: Az ax + bx + c

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

Matematika kisérettségi I. rész 45 perc NÉV:...

Matematika kisérettségi I. rész 45 perc NÉV:... Matematika kisérettségi I. rész 45 perc NÉV:... 1. Az A halmaz elemei a háromnál nagyobb egyjegyű számok, a B halmaz elemei pedig a húsznál kisebb pozitív páratlan számok. Sorolja fel az halmaz elemeit!

Részletesebben

A mérési eredmény megadása

A 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

Részletesebben

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés

Extrém-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

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

Túlélés analízis. Probléma:

Túlélés analízis. Probléma: 1 Probléma: Túlélés analízis - Túlélési idő vizsgálata speciális vizsgálati módszereket igényel (pl. két csoport között az idők átlagait nem lehet direkt módon összehasonlítani) - A túlélési idő nem normális

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

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

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

Részletesebben

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC

DIFFERENCIÁLEGYENLETEK. BSc. Matematika II. BGRMA2HNND, BGRMA2HNNC BSC MATEMATIKA II. MÁSODRENDŰ LINEÁRIS DIFFERENCIÁLEGYENLETEK BSc. Matematika II. BGRMAHNND, BGRMAHNNC MÁSODRENDŰ DIFFERENCIÁLEGYENLETEK Egy explicit közönséges másodrendű differenciálegyenlet általános

Részletesebben

Matematikai statisztikai elemzések 6.

Matematikai statisztikai elemzések 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 6. MSTE6 modul Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós

Részletesebben

1.Tartalomjegyzék 1. 1.Tartalomjegyzék

1.Tartalomjegyzék 1. 1.Tartalomjegyzék 1.Tartalomjegyzék 1 1.Tartalomjegyzék 1.Tartalomjegyzék...1.Beezetés... 3.A matematka modell kálasztása...5 4.A ékony lap modell...7 5.Egy más módszer a matematka modell kálasztására...10 6.A felületet

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

ÁLTALÁNOS STATISZTIKA

ÁLTALÁNOS STATISZTIKA Berzseny Dánel Főskola ÁLTALÁNOS STATISZTIKA műszak menedzser alapszak Írta: Dr. Köves János Tóth Zsuzsanna Eszter Budapest 006 Tartalomjegyzék. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK... 4.. A VALÓSZÍNŰSÉGSZÁMÍTÁS

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

Matematika 10 Másodfokú egyenletek. matematika és fizika szakos középiskolai tanár. > o < 2015. szeptember 27.

Matematika 10 Másodfokú egyenletek. matematika és fizika szakos középiskolai tanár. > o < 2015. szeptember 27. Matematika 10 Másodfokú egyenletek Juhász László matematika és fizika szakos középiskolai tanár > o < 2015. szeptember 27. copyright: c Juhász László Ennek a könyvnek a használatát szerzői jog védi. A

Részletesebben

MATEMATIKA PRÓBAÉRETTSÉGI 2013 I. rész

MATEMATIKA PRÓBAÉRETTSÉGI 2013 I. rész MATEMATIKA PRÓBAÉRETTSÉGI 203 I. rész. Oldja meg a következő egyenletet: x 2 25. Az egyenlet megoldása: 2. Egy vállalat 280 000 Ft-ért vásárol egy számítógépet. A számítógép évente 5%-ot veszít az értékéből.

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

1. Olvassuk be két pont koordinátáit: (x1, y1) és (x2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki.

1. Olvassuk be két pont koordinátáit: (x1, y1) és (x2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki. Számítás:. Olvassuk be két pont koordinátáit: (, y) és (2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki. 2. Olvassuk be két darab két dimenziós vektor komponenseit: (a, ay) és (b, by). Határozzuk

Részletesebben

Statisztikai alapfogalmak

Statisztikai alapfogalmak Statisztika I. KÉPLETEK 2011-2012-es tanév I. félév Statisztikai alapfogalmak Adatok pontossága Mért adat Abszolút hibakorlát Relatív hibakorlát Statisztikai elemzések viszonyszámokkal : a legutolsó kiírt

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7

Megoldás: Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 A = {1; 3; 5; 7; 9} A B = {3; 5; 7} A/B = {1; 9} Mindkét állítás hamis! Indoklás: a) Azonos alapú hatványokat úgy szorzunk, hogy a kitevőket összeadjuk. Tehát: a 3 * a 4 = a 3+4 = a 7 Azonos alapú hatványokat

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

4 2 lapultsági együttható =

4 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.

Részletesebben

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

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

Részletesebben

Érettségi feladatok: Függvények 1/9

Érettségi feladatok: Függvények 1/9 Érettségi feladatok: Függvények 1/9 2003. Próba 1. Állapítsa meg a valós számok halmazán értelmezett x x 2-2x - 8 függvény zérushelyeit! 2004. Próba 3. Határozza meg a valós számok halmazán értelmezett

Részletesebben

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel.

Feladatok a Diffrenciálegyenletek IV témakörhöz. 1. Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel. Feladatok a Diffrenciálegyenletek IV témakörhöz 1 Határozzuk meg következő differenciálegyenletek általános megoldását a próba függvény módszerrel (a) y 3y 4y = 3e t (b) y 3y 4y = sin t (c) y 3y 4y = 8t

Részletesebben

KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA

KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA Név:... osztály:... ÉRETTSÉGI VIZSGA 2007. május 8. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA 2007. május 8. 8:00 I. Időtartam: 45 perc Pótlapok száma Tisztázati Piszkozati OKTATÁSI ÉS KULTURÁLIS MINISZTÉRIUM

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

ÉRETTSÉGI VIZSGA október 18. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA október 18. 8:00. Időtartam: 45 perc

ÉRETTSÉGI VIZSGA október 18. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA október 18. 8:00. Időtartam: 45 perc ÉRETTSÉGI VIZSGA 2016. október 18. MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA 2016. október 18. 8:00 I. Időtartam: 45 perc Pótlapok száma Tisztázati Piszkozati EMBERI ERŐFORRÁSOK MINISZTÉRIUMA Matematika középszint

Részletesebben

20. tétel A kör és a parabola a koordinátasíkon, egyenessel való kölcsönös helyzetük. Másodfokú egyenlőtlenségek.

20. tétel A kör és a parabola a koordinátasíkon, egyenessel való kölcsönös helyzetük. Másodfokú egyenlőtlenségek. . tétel A kör és a parabola a koordinátasíkon, egyenessel való kölcsönös helyzetük. Másodfokú egyenlőtlenségek. Először megadom a síkbeli definíciójukat, mert ez alapján vezetjük le az egyenletüket. Alakzat

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

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses 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

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

PRÓBAÉRETTSÉGI 2004.május MATEMATIKA. KÖZÉPSZINT II. 135 perc

PRÓBAÉRETTSÉGI 2004.május MATEMATIKA. KÖZÉPSZINT II. 135 perc PRÓBAÉRETTSÉGI 2004.május MATEMATIKA KÖZÉPSZINT II. 135 perc A feladatok megoldására 135 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A II/B

Részletesebben