A Lee-Carter módszer magyarországi
|
|
- Dániel Kelemen
- 7 évvel ezelőtt
- Látták:
Átírás
1 A Lee-Carter módszer magyarországi alkalmazása Baran Sándor, Gáll József, Ispány Márton, Pap Gyula Alkalmazott Matematika és Valószínűségszámítás Tanszék, Debreceni Egyetem, Informatikai Kar 1
2 Feladatok: hazai mortalitási adatokra a Lee-Carter modell illesztése előrejelzés, Lee-Carter variánsok vizsgálata, CI, (becslési) hibák Jelölések: m x,t : halálozási ráta (Demográfiai Évkönyv) x: életkor (1,..., 100) t: év ( ) 2
3 Lee-Carter módszer: Lee, R. D., and Carter, L. R Modelling and forcasting the time series of U.S. mortality, Journal of the American Statistical Association 87, no. 419 (September): Lee, R. D The Lee-Carter method for forcasting mortality, with various extensions and applications, North American Actuarial Journal 4, no. 1: Booth, H., Maindonald, J., and Smith, L Age-time interactions in mortality projection: applying Lee-Carter to Australia, Working Paper, The Australian National University Renshaw, A. E., and Haberman, S Lee-Carter mortality forcasting with age-specific enchancement, Insurance: Mathematics and Economic 33:
4 Lee-Carter modell: ln(m x,t ) = a x + b x k t + ε k,t a x : életkori,,fő összetevő k t : halálozási szint a t évben, b x : érzékenység az x életkorban ε x,t N (0, σ ε ): hiba ln(m x,t ) t = b x k t t, 4
5 Nem egyértelmű paraméterek: a x + b x k t = (a x cb x ) + b x (k t + c), a x + b x k t = a x + (cb x )(k t /c), Feltételek: N x=1 b x = 1, T t=1 k t = 0 5
6 Paraméterek becslése: â x = 1 T T t=1 ln(m x,t ) M = ( M x,t ) M x,t := ln(m x,t ) â x ˆb x és ˆk t : SVD (szinguláris felbontás) az M-re, azaz: M = UDV, ˆb x = 1 c U x,1, ˆk t = cd 1,1 V 1,t, ahol c = N x=1 U x,1 6
7 Illesztés és előrejelzés: ˆk t idősorra illesztés (ARIMA), ˆk t, majd mortalitás előrejelzés: ˆm x,t = exp ( ) â x + ˆb xˆk t Megjegyzés: T t=1 ˆk t = 0, ˆk t tipikusan csökkenő, ha ˆb x < 0 akkor a ráta növekvő! Két illesztés: 55 év ( ) és 15 év ( ) alapján 7
8 â x, férfiak 0 Férfiak a x Életkor 8
9 â x, nők 0 Nök a x Életkor 9
10 ˆb x, férfiak 0.14 Férfiak b x (1) Életkor 10
11 ˆb x, nők 0.04 Nök b x (1) Életkor 11
12 További szinguláris értékek használata: M = U DV b (1) x, b (2) x, b (3) x,... k t (1), k t (2), k t (3),... becsléseik: ahol c i = N x=1 U x,i ˆb (i) x = 1 c i U x,i, ˆk (i) t = c i D i,i V i,t, előrejelzés: ˆm x,t = exp â x + i ˆb x (i) ˆk t (i) 12
13 Halálozási szintek (indexek): férfiak (k (1) t, k (2) t, k (3) t ) KTF1 KTF2-20 KTF Sequence number 13
14 Halálozási szintek (indexek): nők (k (1) t, k (2) t, k (3) t ) KTN1-40 KTN2-60 KTN Sequence number 14
15 Idősorok illesztése a halálozási szintekre, példa: k t (1) esete, autokorreláció: KTF1 1,0,5 0,0 -,5 Confidence Limits ACF -1,0 Coefficient Lag Number 15
16 k (1) t esete, parciális autokorreláció: KTF1 1,0,5 0,0 -,5 Confidence Limits Partial ACF -1,0 Coefficient Lag Number 16
17 k (1) t elsőrendű differenciái, autokorreláció: KTF1, diff(1) 1,0,5 0,0 -,5 Confidence Limits ACF -1,0 Coefficient Lag Number Transforms: difference (1) 17
18 k (1) t elsőrendű differenciái, parciális autokorreláció: KTF1, diff(1) 1,0,5 0,0 -,5 Confidence Limits Partial ACF -1,0 Coefficient Lag Number Transforms: difference (1) 18
19 k t (1) -re illesztett néhány (legjobb) modell összefoglalása: ARIMA AIC SBC P (konstans) P (paraméter) (0,1,0) 97,63 99,62, (1,0,0) 124,45 126,45,000 (0,1,1) 95,91 99,89,000,0617 (1,1,0) 95,67 99,65,000,
20 Az elfogadott modellek: 55 év esetén ˆk (1) : ARIMA(0,1,0), negatív konstanstag, ˆk (2) : az elsőrendű diff. fehér zaj, ˆk (3) : ARIMA(0,1,0) (férfiak), ARIMA(1,0,0) (nők) 15 év esetén ˆk (1) : ARIMA(0,1,0), negatív konstanstag, ˆk (2) : ARIMA(1,0,0) (férfiak), fehér zaj (nők), ˆk (3) : fehér zaj, 20
21 További kérdések, megjegyzések: intervallum becslés, hibák: ln(m x,t+s ) = â x + α x + (ˆb x + β x )(ˆk t+s + u t+s ) + ε x,t+s β x szórásbecslése: bootstrap, kevés adat, M véletlenítése, majd SVD kicsi mintaméret, nagy szórások!!! 21
22 Előrejelzések: 1. modell: az eredeti Lee-Carter (1 szinguláris érték használata), 2. modell: 2 szinguláris érték használata, 3. modell: 3 szinguláris érték használata 22
23 55 (minta)év esetén, 25 éves férfi: 4 x éves férfi 3.5 megfigyelt adatok Halálozási ráta modell 2. modell 3. modell Évek 23
24 55 (minta)év esetén, 50 éves férfi: éves férfi megfigyelt adatok 1. modell Halálozási ráta modell 3. modell Évek 24
25 55 (minta)év esetén, 75 éves férfi: éves férfi Halálozási ráta megfigyelt adatok 1. modell 2. modell 3. modell Évek 25
26 55 (minta)év esetén, 25 éves nő: 3 x éves nö 2.5 megfigyelt adatok 1. modell Halálozási ráta modell 3. modell Évek 26
27 55 (minta)év esetén, 50 éves nő: 7.5 x éves nö Halálozási ráta megfigyelt adatok 1. modell 2. modell 3. modell Évek 27
28 55 (minta)év esetén, 75 éves nő: éves nö 0.08 megfigyelt adatok 1. modell Halálozási ráta modell 3. modell Évek 28
29 15 (minta)év esetén, 25 éves férfi: 1.8 x éves férfi megfigyelt adatok 1. modell 2. modell Halálozási ráta Évek 29
30 15 (minta)év esetén, 50 éves férfi: éves férfi megfigyelt adatok 1. modell 2. modell Halálozási ráta Évek 30
31 15 (minta)év esetén, 75 éves férfi: éves férfi 0.08 megfigyelt adatok 1. modell Halálozási ráta modell Évek 31
32 55 év esetén, minden életkorra Férfiak 0.15 Halálozási ráta Életkor Évek
33 15 év esetén, minden életkorra Férfiak Halálozási ráta Életkor Évek
Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta
Autoregresszív és mozgóátlag folyamatok Géczi-Papp Renáta Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenAutoregresszív és mozgóátlag folyamatok
Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenGyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos
Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek Dr. Dombi Ákos (dombi@finance.bme.hu) ESETTANULMÁNY 1. Feladat: OTP részvény átlagárfolyamának (Y=AtlAr) stacionaritás
RészletesebbenDiagnosztika és előrejelzés
2018. november 28. A diagnosztika feladata A modelldiagnosztika alapfeladatai: A modellillesztés jóságának vizsgálata (idősoros adatok esetén, a regressziónál már tanultuk), a reziduumok fehérzaj voltának
RészletesebbenMortalitás és fertilitás modellezés
Eötvös Loránd Tudományegyetem Természettudományi Kar Mortalitás és fertilitás modellezés Szakdolgozat Készítette: Csuka Viktória Matematika BSc, Matematikai elemző szakirány Témavezető: Prőhle Tamás Valószínűségelméleti
RészletesebbenDemográfiai vizsgálatok eredményei és felhasználása
Demográfiai vizsgálatok eredményei és felhasználása Marosi Judit, Molnár László Budapest, 2015. május 28. Halandósági vizsgálatok jelentősége Kockázati közösségek feltárása Társadalombiztosítási nyugdíjrendszer
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenAdaptív dinamikus szegmentálás idősorok indexeléséhez
Adaptív dinamikus szegmentálás idősorok indexeléséhez IPM-08irAREAE kurzus cikkfeldolgozás Balassi Márton 1 Englert Péter 1 Tömösy Péter 1 1 Eötvös Loránd Tudományegyetem Informatikai Kar 2013. november
RészletesebbenTovábblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,
Matematikai statisztika. elıadás, 9.5.. Továbblépés Ha nem fogadható el a reziduálisok korrelálatlansága: Lehetnek fel nem tárt periódusok De más kapcsolat is fennmaradhat az egymáshoz közeli megfigyelések
RészletesebbenGAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén, az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenBevezetés az ökonometriába
Az idősorelemzés alapjai Gánics Gergely 1 gergely.ganics@freemail.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Tizenegyedik előadas Tartalom Stacionaritás kérdései 1 Stacionaritás kérdései 2 3 (Nem)stacionaritás
RészletesebbenA gazdasági növekedés és a relatív gazdasági fejlettség empíriája
A gazdasági növekedés és a relatív gazdasági fejlettség empíriája Dr. Dombi Ákos (dombi@finance.bme.hu) Jövedelmi diszparitások a világban Stilizált tények: 1. Már a 20. század közepén is jelentős jövedelmi
RészletesebbenA kompetitív piac közelítése sokszereplős Cournot-oligopóliumokkal
A kompetitív piac közelítése sokszereplős Cournot-oligopóliumokkal Tasnádi Attila Kivonat Mikroökonómia tankönyvekből és példatárakból ismert, hogy egy homogén termékű Cournot-oligopol piacon a termelők
RészletesebbenDIFFERENCIAEGYENLETEK
DIFFERENCIAEGYENLETEK Példa: elsőrendű állandó e.h. lineáris differenciaegyenlet Ennek megoldása: Kezdeti feltétellel: Kezdeti feltétel nélkül ha 1 és a végtelen összeg (abszolút) konvergens: / 1 Minden
RészletesebbenNagy Gábor compalg.inf.elte.hu/ nagy ősz
Diszkrét matematika 1. középszint 2016. ősz 1. Diszkrét matematika 1. középszint 11. előadás Nagy Gábor nagygabr@gmail.com nagy@compalg.inf.elte.hu compalg.inf.elte.hu/ nagy Mérai László diái alapján Komputeralgebra
RészletesebbenHogyan változott a magyar foglalkoztatás 2008 óta?
Hogyan változott a magyar foglalkoztatás 2008 óta? Molnár Tamás Budapest Szakpolitikai Elemző Intézet MKT Vándorgyűlés, Kecskemét 2016 szeptember 16. Tartalom! Trendek a foglalkoztatottsági adatokban!
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenIdősoros elemzés minta
Idősoros elemzés minta Ferenci Tamás, tamas.ferenci@medstat.hu A felhasznált adatbázisról Elemzésemhez a francia frank árfolyamának 1986.01.03. és 1993.12.31. közötti értékeit használtam fel, mely idősorban
RészletesebbenIBNR számítási módszerek áttekintése
1/13 IBNR számítási módszerek áttekintése Prokaj Vilmos email: Prokaj.Vilmos@pszaf.hu 1. Kifutási háromszög Év 1 2 3 4 5 2/13 1 X 1,1 X 1,2 X 1,3 X 1,4 X 1,5 2 X 2,1 X 2,2 X 2,3 X 2,4 X 2,5 3 X 3,1 X 3,2
RészletesebbenIdősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7.
Idősoros elemzés Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7. A felhasznált adatbázisról Elemzésemhez a tanszéki honlapon rendelkezésre bocsátott TimeSeries.xls idősoros adatgyűjtemény egyik idősorát,
RészletesebbenÉlettartam-kockázat a nyugdíjrendszerre nehezedõ egyik teher*
Élettartam-kockázat a nyugdíjrendszerre nehezedõ egyik teher* Májer István, a Rotterdami Egyetem doktorandusza E-mail: i.majer@erasmusmc.nl Dr. Kovács Erzsébet, a Budapesti Corvinus Egyetem egyetemi tanára
RészletesebbenA 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
RészletesebbenPublikációk. Libor Józsefné dr.
Publikációk Libor Józsefné dr. Referált publikációk/ Refereed publications 1, Libor Józsefné, Tómács Tibor: Rényi-Hajek inequality and its applications. ( Annales Mathematicae et Informaticae, 33. Eger,
RészletesebbenIdősorok elemzése november 14. Spektrálelemzés, DF és ADF tesztek. Idősorok elemzése
Spektrálelemzés, DF és ADF tesztek 2017. november 14. SPEKTRÁL-ELEMZÉS Példa - BKV villamosenergia-terhelési görbéje Figure: BKV villamosenergia-terhelési görbéje, negyedóránkénti mérések (2 hét adatai,
RészletesebbenAlap-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:
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenMódszertani 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
RészletesebbenVÁLTOZÁSOK A HALANDÓSÁGJAVULÁS MINTÁZATÁBAN MAGYARORSZÁGON
BIZTOSÍTÁS ÉS KOCKÁZAT BIZTOSÍTÁS ÉS KOCKÁZAT VÁLTOZÁSOK A HALANDÓSÁGJAVULÁS MINTÁZATÁBAN MAGYARORSZÁGON Vékás Péter, Ph.D. 1 (egyetemi adjunktus, Budapesti Corvinus Egyetem, Operációkutatás és Aktuáriustudományok
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
Részletesebben13. Túlélési analízis. SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D.
13. Túlélési analízis SURVIVAL ANALYSIS Nyári Tibor Ph.D., Boda Krisztina Ph.D. Túlélési analízis Eredetileg biológiai és orvosi alkalmazásoknál használták Egyéb alkalmazások pl. szociológia, ipar, közgazdaságtan
RészletesebbenId sorelemzés gyakorlat Biztosítási és pénzügyi matematika mesterszak Alkalmazott matematikus mesterszak 2017/2018 tavaszi félév
Id sorelemzés gyakorlat Biztosítási és pénzügyi matematika mesterszak Alkalmazott matematikus mesterszak 017/018 tavaszi félév Játékszabályok A gyakorlatokról maximum 3-szor lehet hiányozni. Aki többször
RészletesebbenA jövőbeli hatások vizsgálatához felhasznált klímamodell-adatok Climate model data used for future impact studies Szépszó Gabriella
A jövőbeli hatások vizsgálatához felhasznált klímamodell-adatok Climate model data used for future impact studies Szépszó Gabriella Országos Meteorológiai Szolgálat Hungarian Meteorological Service KRITéR
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenMozgásmodellezés. Lukovszki Csaba. Navigációs és helyalapú szolgáltatások és alkalmazások (VITMMA07)
TÁVKÖZLÉSI ÉS MÉDIAINFORMATIKAI TANSZÉK () BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM (BME) Mozgásmodellezés Lukovszki Csaba Áttekintés» Probléma felvázolása» Szabadsági fokok» Diszkretizált» Hibát
RészletesebbenExcel segédlet Üzleti statisztika tantárgyhoz
Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n
RészletesebbenAlapfogalmak. Trendelemzés Szezonalitás Modellek. Matematikai statisztika Gazdaságinformatikus MSc október 29. 1/49
Matematikai statisztika Gazdaságinformatikus MSc 8. előadás 2018. október 29. 1/49 alapfogalmak Elméleti idősor - valószínűségi változók egy indexelt {X t, t T } családja, avagy időtől függő véletlen mennyiség.
RészletesebbenStatisztikai 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
RészletesebbenKlímaváltozás és klímaadaptáció helyi léptékben Egy kutatási projekt tapasztalatai a hazai társadalmi-gazdasági folyamatok modellezésében
Király Gábor Czirfusz Márton Koós Bálint Tagai Gergő Uzzoli Annamária: Klímaváltozás és klímaadaptáció helyi léptékben Egy kutatási projekt tapasztalatai a hazai társadalmi-gazdasági folyamatok modellezésében
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenElektrodinamika. Maxwell egyenletek: Kontinuitási egyenlet: div n v =0. div E =4 div B =0. rot E = rot B=
Elektrodinamika Maxwell egyenletek: div E =4 div B =0 rot E = rot B= 1 B c t 1 E c t 4 c j Kontinuitási egyenlet: n t div n v =0 Vektoranalízis rot rot u=grad divu u rot grad =0 div rotu=0 udv= ud F V
RészletesebbenAz MNB által előfizetett bel- és külföldi lapok, folyóiratok, adatbázisok listája - 2011
Belföldi lapok Külföldi lapok Acta Oeconomica Állam- és Jogtudomány Chip Számítógép Magazin (DVD melléklettel) Élet és Irodalom Figyelő /Profit plusz csomag: Figyelő TOP 200; Figyelő Trend Figyelő /plusz
Részletesebben5. előadás - Regressziószámítás
5. előadás - Regressziószámítás 2016. október 3. 5. előadás 1 / 18 Kétváltozós eset A modell: Y i = α + βx i + u i, i = 1,..., T, ahol X i független u i -től minden i esetén, (u i ) pedig i.i.d. sorozat
RészletesebbenEsettanulmány. A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre. Tartalomjegyzék. 1. Bevezetés... 2
Esettanulmány A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre Tartalomjegyzék 1. Bevezetés... 2 2. A lineáris modell alkalmazhatóságának feltételei... 2 3. A feltételek teljesülésének
RészletesebbenA többváltozós lineáris regresszió 1.
2018. szeptember 17. Lakásár adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó változók segítségével Legegyszerűbb eset - kétváltozós
RészletesebbenSzinguláris érték felbontás Singular Value Decomposition
Szinguláris érték felbontás Singular Value Decomposition Borbély Gábor 7. április... Tétel (teljes SVD. Legyen A C m n mátrix (valósra is jó, ekkor léteznek U C m m és V C n n unitér mátrixok (valósban
RészletesebbenKözepek Gauss-kompozíciója Gondolatok egy versenyfeladat kapcsán
Gondolatok egy versenyfeladat kapcsán Debreceni Egyetem, Matematikai Intézet, Analízis Tanszék Regionális Matematika Szakkör Megnyitója Debrecen, 015. szeptember 7. AGH-egyenl tlenség Tétel Értelmezzük
RészletesebbenTransztelefónikus EKG-alapú triage prognosztikus értéke a sürgősségi STEMI ellátásban. Édes István Kardiológiai Intézet Debrecen
Transztelefónikus EKG-alapú triage prognosztikus értéke a sürgősségi STEMI ellátásban Édes István Kardiológiai Intézet Debrecen ESC STEMI ajánlás Hová helyezzük a TTEKG vizsgálatot? TTEKG időhatárok 24
RészletesebbenKockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével
Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
RészletesebbenMATE-INFO UBB verseny, március 25. MATEMATIKA írásbeli vizsga
BABEŞ-BOLYAI TUDOMÁNYEGYETEM, KOLOZSVÁR MATEMATIKA ÉS INFORMATIKA KAR MATE-INFO UBB verseny, 218. március 25. MATEMATIKA írásbeli vizsga FONTOS TUDNIVALÓK: 1 A feleletválasztós feladatok,,a rész esetén
RészletesebbenFOLYÓIRATOK, ADATBÁZISOK
Szakkönyvtár FOLYÓIRATOK, ADATBÁZISOK 2013. szeptember Acta Oeconomica Állam- és Jogtudomány Élet és Irodalom Figyelő Gazdaság és Jog Határozatok Tára HVG Közgazdasági Szemle Külgazdaság Magyar Hírlap
RészletesebbenMATEMATIKA HETI 5 ÓRA
EURÓPAI ÉRETTSÉGI 2008 MATEMATIKA HETI 5 ÓRA IDŐPONT : 2008. június 5 (reggel) A VIZSGA IDŐTARTAMA: 4 óra (240 perc) MEGENGEDETT ESZKÖZÖK: Európai képletgyűjtemény Nem programozható, nem grafikus számológép
RészletesebbenREGIONÁLIS 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
RészletesebbenSzezonális kiigazítás munkaügyi idősorokra
Szezonális kiigazítás munkaügyi idősorokra Készítette: Szente László és Láz József (MultiRáció Kft.) Szezonalitás a munkaügyi idősorokban Éven belüli, évről évre ismétlődő ingadozás, hullámzás figyelhető
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
RészletesebbenSzámítógépes 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
Részletesebben4. Laplace transzformáció és alkalmazása
4. Laplace transzformáció és alkalmazása 4.1. Laplace transzformált és tulajdonságai Differenciálegyenletek egy csoportja algebrai egyenletté alakítható. Ennek egyik eszköze a Laplace transzformáció. Definíció:
RészletesebbenDifferenciálegyenletek numerikus megoldása
a Matematika mérnököknek II. című tárgyhoz Differenciálegyenletek numerikus megoldása Fokozatos közeĺıtés módszere (1) (2) x (t) = f (t, x(t)), x I, x(ξ) = η. Az (1)-(2) kezdeti érték probléma ekvivalens
RészletesebbenANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek.
Jelfeldolgozás 1. Sapientia - Erdélyi Magyar Tudományegyetem 2007 és jeleket generáló és jeleket generáló és jeleket generáló Gyakorlatok - MATLAB (OCTAVE) (50%) Írásbeli vizsga (50%) és jeleket generáló
RészletesebbenA magyar halálozási ráták előrejelzése
A magyar halálozási ráták előrejelzése Szakdolgozat Készítette: Lukács Attila Biztosítási és pénzügyi matematika MSc, Aktuárius szakirány Témavezető: Dr. Kovács Erzsébet, egyetemi tanár Budapesti Corvinus
RészletesebbenÉLETTARTAM KOCKÁZAT A nyugdíjrendszerre nehezedő egyik teher
ÉLETTARTAM KOCKÁZAT A nyudíjrendszerre nehezedő eyik eher Májer Isván - Kovács Erzsébe i.majer@erasmusmc.nl Taralom. Várhaó élearam alakulása 2. A moraliás modellezése a Lee-Carer modell 3. Alkalmazás
RészletesebbenPrediction of Hungarian mortality rates using Lee-Carter method, Acta Oeconomica, 57, pp
Gáll József Publikációs lista Referált folyóiratcikkek Gáll, J. (2003): Some possible stock price distributions under incompleteness of the market, Mathematical and Computer Modelling, 38(7-9), pp. 829
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenFluktuáló terű transzverz Ising-lánc dinamikája
2016. szeptember 8. Phys. Rev. B 93, 134305 Modell H(t) = 1 2 L 1 σi x σi+1 x h(t) 2 i=1 h(t)-fluktuáló mágneses tér. Hogyan terjednek jelek a zajos rendszerben? L σi z, i=1 Zajok típusai 1 fehér zaj 2
RészletesebbenIdősorok elemzése előadás. Előadó: Dr. Balogh Péter
Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban
RészletesebbenIdősorok elemzése. Salánki Ágnes
Idősorok elemzése Salánki Ágnes salanki.agnes@gmail.com 2012.04.13. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék 1 Idősorok analízise Alapfogalmak Komponenselemzés
RészletesebbenT obbv altoz os f uggv enyek integr alja. 3. r esz aprilis 19.
Többváltozós függvények integrálja. 3. rész. 2018. április 19. Kettős integrál Kettős integrál téglalap alakú tartományon. Ismétlés Ha = [a, b] [c, d] téglalap-tartomány, f : I integrálható függvény, akkor
RészletesebbenSzakmai önéletrajz Prof. Dr. Terdik György
Szakmai önéletrajz Prof. Dr. Terdik György Végzettségem: MTA doktora, (D.Sc.) 2006 Habilitáció 1999, KLTE Mat. Tud. Kandidátusa, 1981 Leningrád, honosítás 1982, PhD 1996, KLTE Természettudományok Doktora,
RészletesebbenMinőségjavító kísérlettervezés
. példa J.J. Pignatiello, J.S. Ramberg: J. Quality Technology, 17 198-06 (1985) kézbentartható -1 1 A: high heat temperature ( 0 F) 1840 1880 B: heating time (s) 3 5 C: transfer time (s) 10 1 D: hold down
RészletesebbenMatematika III előadás
Matematika III. - 3. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 19 Skalármezők
RészletesebbenAnalízis előadás és gyakorlat vázlat
Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 2010-11. I. Félév 2 1. fejezet Számhalmazok és tulajdonságaik 1.1. Nevezetes számhalmazok ➀ a) jelölése: N b)
RészletesebbenA Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása
azdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállakozásgazdaságtan Tanszék A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása Készítette: dr. Koltai Tamás egyetemi tanár Budapest,.
RészletesebbenA MIDAS_HU modell elemei és eredményei
A MIDAS_HU modell elemei és eredményei Tóth Krisztián Országos Nyugdíjbiztosítási Főigazgatóság A MIDAS_HU mikroszimulációs nyugdíjmodell eredményei további tervek Workshop ONYF, 2015. május 28. MIDAS_HU
RészletesebbenBevezetés az állapottér-elméletbe Dinamikus rendszerek állapottér reprezentációi
Tartalom Bevezetés az állapottér-elméletbe Irányítható alak Megfigyelhetőségi alak Diagonális alak Állapottér transzformáció 2018 1 A szabályozáselmélet klasszikus, BODE, NICHOLS, NYQUIST nevéhez kötődő,
Részletesebben2. Alapfeltevések és a logisztikus egyenlet
Populáció dinamika Szőke Kálmán Benjamin - SZKRADT.ELTE 22. május 2.. Bevezetés A populációdinamika az élőlények egyedszámának és népességviszonyainak térbeli és időbeli változásának menetét adja meg.
RészletesebbenMagyar halandósági táblák előrejelzése multipopulációs modellekkel
Eötvös Loránd Tudományegyetem Budapesti Corvinus Egyetem Horváth Roland Magyar halandósági táblák előrejelzése multipopulációs modellekkel MSc Diplomamunka Témavezető: Vékás Péter Budapesti Corvinus Egyetem
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenMatematika III előadás
Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,
RészletesebbenA MATEMATIKA NÉHÁNY KIHÍVÁSA
A MATEMATIKA NÉHÁNY KIHÍVÁSA NAPJAINKBAN Simon L. Péter ELTE, Matematikai Intézet Alkalmazott Analízis és Számításmatematikai Tsz. 1 / 20 MATEMATIKA AZ ÉLET KÜLÖNBÖZŐ TERÜLETEIN Kaotikus sorozatok és differenciálegyenletek,
RészletesebbenGeokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
RészletesebbenTÉZISGYŰJTEMÉNY. Vékás Péter
Általános és Kvantitatív Közgazdaságtan Doktori Iskola TÉZISGYŰJTEMÉNY Vékás Péter Az élettartam-kockázat modellezése című Ph.D. értekezéséhez Témavezetők: Dr. Kovács Erzsébet CSc Dr. Deák István DSc Budapest,
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
Részletesebben1 Lebegőpontos számábrázolás
Tartalom 1 Lebegőpontos számábrázolás... 2 2 Vektornormák... 4 3 Indukált mátrixnormák és tulajdonságaik... 5 4 A lineáris rendszer jobboldala hibás... 6 5 A kondíciószám és tulajdonságai... 7 6 Perturbációs
RészletesebbenBiometria 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
RészletesebbenELTE 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
RészletesebbenNumerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok
Numerikus matematika Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, 2007 Lebegőpontos számok Normák, kondíciószámok Lineáris egyenletrendszerek Legkisebb négyzetes
RészletesebbenSzakszemináriumi téma neve: Kockázatok mérése a Szolvencia II. szabályozásban
Meghirdető neve: Dr. Szüle Borbála Szakszemináriumi téma neve: Kockázatok mérése a Szolvencia II. szabályozásban Téma rövid leírása: A biztosítók működését számos kockázat befolyásolja. A kockázatok pontos
RészletesebbenA nyugdíjban, nyugdíjszerű ellátásban részesülők halandósága (2010)
Országos Nyugdíjbiztosítási Főigazgatóság Közgazdasági és Költségvetési Főosztály A nyugdíjban, nyugdíjszerű ellátásban részesülők halandósága (2010) Budapest 2014. Készítette: Hablicsekné Richter Mária
RészletesebbenMatematika A1a Analízis
B U D A P E S T I M Ű S Z A K I M A T E M A T I K A É S G A Z D A S Á G T U D O M Á N Y I I N T É Z E T E G Y E T E M Matematika A1a Analízis BMETE90AX00 Vektorok StKis, EIC 2019-02-12 Wettl Ferenc ALGEBRA
RészletesebbenGyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió
Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió 1. A fizetés (Y, órabér dollárban) és iskolázottság (X, elvégzett iskolai év) közti kapcsolatot vizsgáljuk az Y t α + β X 2 t +
Részletesebben5.4. HORIZONTÁLIS NEMI SZEGREGÁCIÓ A FELSŐOKTATÁSBAN STEM-JELENTKEZÉSEK
Koen Declercq & Varga Júlia 5.4. HORIZONTÁLIS NEMI SZEGREGÁCIÓ A FELSŐOKTATÁSBAN STEM-JELENTKEZÉSEK Koen Declercq & Varga Júlia A 5.1. fejezetben bemutattuk, hogy a nők felsőoktatási részvételének nagyarányú
RészletesebbenKÉSZLETMODELLEZÉS EGYKOR ÉS MA
DR. HORVÁTH GÉZÁNÉ PH.D. * KÉSZLETMODELLEZÉS EGYKOR ÉS MA Az optimális tételnagyság (Economic Order Quantity) klasszikus modelljét 96-tól napjainkig a világon széles körben alkalmazták és módosított változatait
RészletesebbenMAASTRICHT FELÉ FÉLÚTON. A KONVERGENCIA KRITÉRIUMOK IDŐSORAINAK ELEMZÉSE Kotosz Balázs
MAASTRICHT FELÉ FÉLÚTON A KONVERGENCIA KRITÉRIUMOK IDŐSORAINAK ELEMZÉSE Kotosz Balázs ABSZTRAKT Magyarország Európai Uniós csatlakozása mára már ténnyé vált. Az európai integráció folyamatának következő
RészletesebbenSzezonális kiigazítás az NFSZ regisztrált álláskeresők idősorain. Készítette: Multiráció Kft.
az NFSZ regisztrált álláskeresők idősorain Készítette: Multiráció Kft. SZEZONÁLITÁS Többé kevésbe szabályos hullámzás figyelhető meg a regisztrált álláskeresők adatsoraiban. Oka: az időjárás hatásainak
RészletesebbenAntal Edina. Halandósági modellek összehasonlítása és alkalmazása
Budapesti Corvinus Egyetem Eötvös Loránd Tudományegyetem Antal Edina Halandósági modellek összehasonlítása és alkalmazása MSc Szakdolgozat Biztosítási és pénzügyi matematika MSc Aktuárius specializáció
RészletesebbenA kelet-európai egészségparadoxon társadalmi-gazdasági és területi összefüggései Magyarországon
A keleteurópai egészségparadoxon társadalmigazdasági és területi összefüggései Magyarországon DR. EGRI ZOLTÁN PHD A MAGYAR REGIONÁLIS TUDOMÁNYI TÁRSASÁG XII. VÁNDORGYŰLÉSE HELYI FEJLESZTÉS VESZPRÉM, 2014.
Részletesebben3. előadás Stabilitás
Stabilitás 3. előadás 2011. 09. 19. Alapfogalmak Tekintsük dx dt = f (t, x), x(t 0) = x 0 t (, ), (1) Jelölje t x(t; t 0, x 0 ) vagy x(.; t 0, x 0 ) a KÉF megoldását. Kívánalom: kezdeti állapot kis megváltozása
Részletesebben