A BSc-képzés szakdolgozati témái
|
|
- Renáta Fábián
- 8 évvel ezelőtt
- Látták:
Átírás
1 A BSc-képzés szakdolgozati témái ELTE TTK, Matematikai Intézet 2010/2011 Valószín ségelméleti és Statisztika Tanszék 1. Szabadon választható téma. Témavezet : A tanszék bármelyik oktatója, vagy (a tanszékvezet által jóváhagyott) küls szakember. A téma rövid leírása: Ha egy hallgató tetsz leges valószín ségszámítási vagy statisztikai téma iránt érdekl dik, akkor témavezet nek választhatja azt a szakembert, aki ehhez ért, és ebben segítséget tud neki nyújtani. a hallgató és a témavezet megállapodása alapján. Ajánlott szakirányok: mindegyik. 2. Urnamodellek. Témavezet : Backhausz Ágnes A téma rövid leírása: A legegyszer bb Pólya-féle urnamodellben kezdetben adott számú fehér és piros golyó van. Minden lépésben húzunk egyet. Ha fehéret húztunk, még egy fehér, míg ha pirosat, még egy piros golyót teszünk az urnába. Az Ehrenfest-féle urnamodellben két urnánk van, itt a húzások után egyik urnából lehet a másikba helyezni a golyókat. Mindkét modellt sokféleképpen általánosították. Például a PólyaEggenbergerféle urnamodellben a húzott golyó színét l függ en adott számú fehér és piros golyót lehet az urnába helyezni vagy éppen kivenni. Vizsgálni szokták, hogy adott számú lépés után milyen az eloszlása a különböz szín, illetve különböz urnákban elhelyezkez golyók számának, továbbá hogyan viselkedik a modell aszimptotikusan, a lépések számával végtelenhez tartva. A módszerek jöhetnek például a Markov-láncok vagy a martingálok elméletéb l is. 1
2 2 A feladat minél több urnamodellre vonatkozó eredmény és módszer feldolgozása, valamint a különböz modellek összehasonlítása. Johnson, N. L., Kotz, S., Urn models and their application, John Wiley & Sons, New York (1977). Mahmoud, H. M., Polya urn models, Chapman & Hall/CRC (2009) Ajánlott szakirányok: matematikus, alkalmazott matematikus, matematikatanár. 3. Lokális jelenségek véletlen gráfokban. Témavezet : Backhausz Ágnes A téma rövid leírása: Diszkrét id ben fejl d véletlen gráfsorozatokat vizsgálunk. Minden lépésben egy új csúcsot adunk a gráfhoz, amely egy-egy éllel csatlakozik néhány, véletlenszer en kiválasztott régi csúcshoz. Tekinteni lehet minden d egész számra a d fokú csúcsok arányát. Több modellnél ez 1 valószín séggel konvergál valamely c d pozitív számhoz. Azokat a modelleket, melyekben c d polinomiálisan csökken d-vel végtelenhez tartva (azaz c d d γ ), skálafüggetlen modelleknek nevezik, és gyakran használják nagy méret hálózatok (internet, szociális hálók) modellezésére. Bizonyos skálafüggetlen modellekben fellép a következ jelenség. Rögzítsünk egy csúcsot, és tekintsük a d fokú csúcsok arányát ennek szomszédai között. Ez is konvergálhat 1 valószín séggel, viszont a határérték c d -t l különböz, s t a polinomiális csökkenés kitev je is megváltozik. A feladat a fenti jelenség elméleti hátterének összefoglalása és számítógépes szimulációja a különböz modellekben. R. Durrett, Random graph dynamics, Cambridge University Press, T. F. Móri, A surprising property of the BarabásiAlbert random tree, Studia Sci. Math. Hungar. 43 (2006), T. F. Móri, Degree distribution nearby the origin of a preferential attachment graph, Electron. Comm. Probab. 12 (2007), T. F. Móri, Random multitrees, Studia Sci. Math. Hungar. 47 (2010), Ajánlott szakirányok: elemz, alkalmazott matematikus 4. Véletlen bolyongás csoportokon Témavezet : Csiszár Vill A téma rövid leírása: Jónéhány gyakorlati feladatban kell csoportokon való véletlen bolyongásokat vizsgálni, például az Ehrenfest urnamodellben (a csoport Z d 2), véletlenszám-generátorok elemzésénél (a csoport Z p ), vagy a külön-
3 3 böz kártyakeverési módszerek összehasonlításakor (a csoport S n ). A tanulmányozandó kérdés, hogy a bolyongás milyen gyorsan jut el egy teljesen véletlenszer állapotba. A témát Persi Diaconis igen jó stílusú és olvasmányos könyve alapján ajánlom, ezen kívül szimulációs vizsgálatokra is lehet ség nyílik. P. Diaconis: Group Representations in Probability and Statistics (Lecture NotesMonograph Series, Vol.11), Institute of Mathematical Statistics, Hayward, CA, 1988, 3. és 4. fejezet. Ajánlott szakirányok: matematikus, alkalmazott matematikus, elemz. 5. Statisztikai adatvédelem Témavezet : Csiszár Vill A téma rövid leírása: A statisztikai hivataloknak világszerte f feladatuk, hogy a társadalmat megfelel mennyiség és min ség adattal lássák el. A számítástechnikai eszközök fejl désével azonban egyre fontosabb szempont, hogy a közzétett táblázatokból ne lehessen egyes embereket beazonosítani, és így róluk érzékeny információkat megtudni. A dolgozat témája a táblázatok adatvédelmi kockázatának felmérésére, illetve csökkentésére alkalmazott néhány módszer áttekintése. angol nyelv cikkek, illetve L. Willenborg, T. de Waal: Statistical Disclosure Control in Practice (Lecture Notes in Statistics, Vol.111), Springer, New York, 1996 (amennyiben megszerezhet ) Ajánlott szakirányok: alkalmazott matematikus, elemz. 6. Klímaindexek és id járásunk kapcsolata Témavezet : Márkus László A téma rövid leírása: Northern Oscillation Index (NOI) North Atlantic Oscillation (NAO) - napfolttevékenység magyar id járási, ill. folyó vízjárási viszonyok. Van kapcsolat közöttük? A hallgató az id sorok periodicitásának, valamint az id sorok kapcsoltságának vizsgálatát végezheti el kiegészítve regressziós vizsgálattal, illetve id sormodellek illesztésével. A dolgozat bemutatja a felhasznált fogalmak és ismert módszerek elméleti alapjait, tulajdonságait, áttekinti az ezekkel kapcsolatos szakirodalmat, elvégzi az adatok elemzését és röviden összefoglalja, milyen konklúzióra jutott. Jó angol nyelvtudás (szeretjük Pet t is, de nem írt a NOI-ról) és valamelyes programozási készség R-ben feltétlen szükséges.
4 4 Az adatsorok: Ajánlott szakirányok: alkalmazott matematikus 7. AR és ARMA folyamatok stacionárius eloszlásának vizsgálata Témavezet : Márkus László A téma rövid leírása: Konstans, ill. véletlen együtthatós AR és ARMA folyamatok stacionárius eloszlásának vizsgálata, különös gyelemmel az eloszlás farokviselkedésére. Els sorban szimulációk segítségével kellene információt nyerni arról, hogy különböz kitev khöz tartozó Weibull eloszlású zajjal generált AR, ill. ARMA folyamatok stacionárius eloszlása tekinthet -e ugyancsak Weibull eloszlásúnak és ha igen, milyen kitev vel. Elméleti eredmény általánosan nem ismert. Szükséges független azonos Weibull eloszlású valószín ségi változókból minta generálása, ezekb l AR(MA) generálás (triviális), eloszlásillesztés, paraméterbecslés. A dolgozat bemutatja a felhasznált fogalmak és ismert módszerek elméleti alapjait, tulajdonságait, áttekinti az ezekkel kapcsolatos szakirodalmat, elvégzi a szimuláció elemzését és röviden összefoglalja, milyen konklúzióra jutott. Jó R-beni programozási készség (vagy érdekl dés) is szükséges. Ajánlott szakirányok: alkalmazott matematikus 8. Öreged eloszlások vizsgálata Témavezet : Móri Tamás A téma rövid leírása: Élettartam-adatok elemzésénél a meggyelések eloszlásáról gyakran feltételeznek különböz öreged tulajdonságokat. Ezekben az öreged osztályokban az általánosan érvényes becsléseknél élesebb eredmények adhatók az eloszlásfüggvényre, a momentumokra, a felújítási függvényre. A szakdolgozat témája néhány fontosabb öreged osztály és tulajdonságaik ismertetése, különös tekintettel a fenti mennyiségek becsléseire. Móri Tamás: Élettartam-adatok elemzése, 9. fejezet Ajánlott szakirányok: alkalmazott matematikus, matematikus
5 5 9. Parazitológiai adatok statisztikai elemzése Témavezet : Reiczigel Jen, Szent István Egyetem, Állatorvos-tudományi Kar, Biomatematikai és Számítástechnikai Tanszék, 1078 Budapest, István u. 2, L épület 3. emelet Telefon: reiczigel.jeno aotk.szie.hu A téma rövid leírása: A legtöbb parazita (tetvek, bélférgek, mikroparaziták stb.) eloszlása meglehet sen aggregált (=jobbra ferde), vagyis a gazdaegyedek többségének fert zöttsége alacsony (vagy éppen 0), és viszonylag kevés gazdaegyed(b)en található a paraziták nagy része. Emiatt a normális eloszláson alapuló módszerek alkalmazhatósága a gyakorlatban megszokott mintanagyságok mellett kérdéses. (A fert zöttséget negatív binomiális eloszlással szokás modellezni.) A parazitáltság statisztikai elemzésére néhány új módszert fejlesztettünk (kon- dencia-intervallumok, egy- két- és többmintás statisztikai tesztek), amelyeket a QP (Quantitative Parasitology) programcsomagba integráltunk. További eljárások fejlesztéséhez, új elképzeléseink kipróbálásához, teszteléséhez várjuk statisztika iránt érdekl d, programozáshoz, szimulációs vizsgálatokhoz kedvet érz szakdolgozók jelentkezését. A témakörben választható szakdolgozati témák: Location-scale tesztek alkalmazhatóságának vizsgálata parazita-adatok elemzésére Permutációs és bootstrap ANOVA alkalmazhatóságának vizsgálata parazitaadatok elemzésére A feladathoz statisztikai alapismeretek szükségesek. Az R programcsomag ismerete el ny. A témával kapcsolatos tájékozódáshoz ajánljuk a és a oldalakat. Ajánlott szakirányok: Elemz, alkalmazott matematikus 10. Szimulációs vizsgálatok a regressziónál. Témavezet : Zempléni András A téma rövid leírása: Sok magyarázó változó esetén akkor is szignikáns eredményt kapunk a lineáris regressziónál, ha valójában nincs is kapcsolat a célváltozóval. Ennek a jelenségnek a vizsgálatára a szimulációs vizsgálatok a legcélszer bbek. P. I. Good, J. W. Hardin: Common Errors in Statistics, 13. fejezet, Appendix A.
6 6 Ajánlott szakirányok: elemz, alkalmazott matematikus. 11. Összefügg ségi (asszociációs) mér számok. Témavezet : Zempléni András A téma rövid leírása: Számos mér számmal lehet a kétdimenziós meggyelések kapcsolatát jellemezni (Chi-négyzet statisztika, Csuprov-, Cramér-féle mér szám, stb.) Ezek tulajdonságait elméleti és szimulációs módszerekkel is érdemes vizsgálni. Korpás Attiláné: Általános Statisztika I. Ajánlott szakirányok: elemz.
Valószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
RészletesebbenVéletlen gráfok. Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet december 2.
Véletlen gráfok Backhausz Ágnes Eötvös Loránd Tudományegyetem és MTA Rényi Alfréd Matematikai Kutatóintézet agnes@cs.elte.hu 2015. december 2. Nagy hálózatok Példák valós hálózatokra társadalmi hálózatok
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
RészletesebbenFEGYVERNEKI 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
Részletesebben2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben
1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy
RészletesebbenFEGYVERNEKI 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:
Részletesebben0,9268. Valószín ségszámítás és matematikai statisztika NGB_MA001_3, NGB_MA002_3 zárthelyi dolgozat
A 1. A feln ttkorú munkaképes lakosság 24%-a beszél legalább egy idegen nyelvet, 76%-a nem beszél idegen nyelven. Az idegen nyelvet beszél k 2,5%-a, az idegen nyelvet nem beszél k 10%-a munkanélküli. Véletlenszer
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
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
RészletesebbenIdegennyelv-tanulás támogatása statisztikai és nyelvi eszközökkel
statisztikai és nyelvi eszközökkel Témalabor 2. beszámoló Témavezet : Vámos Gábor 2009. január 9. Mir l lesz szó? A cél: tesztelni és tanítani 1 A cél: tesztelni és tanítani Eszközök és célok Szókincs
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
RészletesebbenA Barabási-Albert-féle gráfmodell
A Barabási-Albert-féle gráfmodell és egyéb véletlen gráfok Papp Pál András Gráfok, hálózatok modelljei Rengeteg gráfokkal modellezhető terület: Pl: Internet, kapcsolati hálók, elektromos hálózatok, stb.
RészletesebbenSztochasztikus folyamatok alapfogalmak
Matematikai Modellalkotás Szeminárium 2012. szeptember 4. 1 Folytonos idejű Markov láncok 2 3 4 1 Folytonos idejű Markov láncok 2 3 4 Folytonos idejű Markov láncok I Adott egy G = (V, E) gráf Folytonos
RészletesebbenA BSc-képzés szakdolgozati témái
A BSc-képzés szakdolgozati témái Valószínűségelméleti és Statisztika Tanszék 2018/2019 1. Téma: Véletlen permutációk modellezése Témavezető: Arató Miklós Rövid leírás: Szociológiai, pszichológiai kutatásokban
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenFeladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és
Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
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
RészletesebbenValószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)
Gyakorlat (Kétmintás próbák) 2018. december 4. Kétmintás u-próba 1 Adott két független minta 0.0012 szórású normális eloszlásból. Az egyik, 9 elem minta realizációjának átlaga 0.1672, a másik 16 elem é
RészletesebbenEllátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével
Ellátási lánc optimalizálás P-gráf módszertan alkalmazásával mennyiségi és min ségi paraméterek gyelembevételével Pekárdy Milán, Baumgartner János, Süle Zoltán Pannon Egyetem, Veszprém XXXII. Magyar Operációkutatási
RészletesebbenAbszolút folytonos valószín ségi változó (4. el adás)
Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t
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
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
RészletesebbenMatematikai modellek. Nagyprojekt
Matematikai modellek Nagyprojekt El adók: Ágoston Dóra Csenge, Unger Tamás István B.Sc. szakos matematikus hallgatók Szegedi Tudományegyetem Bolyai Intézet 2018. május 19. 2017/2018 tavaszi szemeszter
RészletesebbenBiometria az orvosi gyakorlatban. Regresszió Túlélésanalízis
SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió
RészletesebbenElméleti összefoglaló a Valószín ségszámítás kurzushoz
Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek
RészletesebbenPszichometria Szemináriumi dolgozat
Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának
RészletesebbenValószín ségszámítás és statisztika
Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb
RészletesebbenBevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika
Bevezetés 1. előadás, 2015. február 11. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Heti 2 óra előadás + 2 óra
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenBiomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenELTE, matematika alapszak
Matematika alapszak szerkezete 1. év ELTE, matematika alapszak NORMÁL Kb 60 fő (HALADÓ) Kb 40 fő INTENZÍV Kb 30 fő Zempléni András oktatási igazgatóhelyettes Matematikai Intézet matematikai elemző 2. és
RészletesebbenElliptikus eloszlások, kopuláik. 7. előadás, 2015. március 25. Elliptikusság tesztelése. Arkhimédeszi kopulák
Elliptiks eloszlások, kopláik 7. előadás, 215. márcis 25. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettdományi Kar Eötös Loránd Tdományegyetem Áringadozások előadás Sűrűségfüggényük
Részletesebben0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)
Legyen adott a P átmenetvalószín ség mátrix és a ϕ 0 kezdeti eloszlás Kérdés, hogy miként lehetne meghatározni az egyes állapotokban való tartózkodás valószín ségét az n-edik lépés múlva Deniáljuk az n-lépéses
RészletesebbenSTATISZTIKA. 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
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
RészletesebbenEÖTVÖS LORÁND TUDOMÁNYEGYETEM MATEMATIKAI INTÉZET ALKALMAZOTT MATEMATIKUS MESTERKÉPZÉS SZAKLEÍRÁS
EÖTVÖS LORÁND TUDOMÁNYEGYETEM MATEMATIKAI INTÉZET ALKALMAZOTT MATEMATIKUS MESTERKÉPZÉS SZAKLEÍRÁS BUDAPEST 2013 ALKALMAZOTT MATEMATIKUS MESTERSZAK (2013 ) Képzési idő: 4 félév A szak indításának tervezett
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
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
Részletesebben( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!
1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
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:
RészletesebbenBiomatematikai Tanszék
BIOSTATISZTIKA DENTISTRY Biomatematikai Tanszék Tantárgy: BIOSTATISZTIKA Év, szemeszter: 1. évfolyam - 1. félév Óraszám: Szeminárium: 28 Kód: FOBST03F1 ECTS Kredit: 2 A tárgyat oktató intézet: Biofizikai
RészletesebbenElméleti összefoglaló a Sztochasztika alapjai kurzushoz
Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenAz SPC (statisztikai folyamatszabályozás) ingadozásai
A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.
RészletesebbenKabos: 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,
RészletesebbenMatematikai 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
RészletesebbenLoss Distribution Approach
Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 9. el adás Bevezetés az ökonozikába El adó: London András 2015. november 2. Motiváció Komplex rendszerek modellezése statisztikus mechanika és elméleti zika
RészletesebbenVéletlen bolyongás. 2. rész. Márkus László jegyzete alapján Tóth Tamás december 10.
2. rész 2012. december 10. Határeloszlás tételek a bolyongás funkcionáljaira 1 A bolygó pont helyzete: EX i = 0, D 2 X i = EX 2 = 1 miatt i ES n = 0, D 2 S n = n, és a centrális határeloszlás tétel (CHT)
Részletesebben1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt
1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenTöbb 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...
RészletesebbenValószínűségelméleti és Statisztika Tanszék 2017/2018
˹ ÔÞ Þ ÓÐ ÓÞ Ø Ø Ñ Valószínűségelméleti és Statisztika Tanszék 2017/2018 1. Téma: Biztosítási kárszámok és károk összefüggése Témavezető: Arató Miklós Rövid leírás: Hagyományosan a biztosításban függetlennek
RészletesebbenKockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén
Kockázatok és mérési bizonytalanság kezelése a termelésmenedzsment területén Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia program Projekt
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenValó szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny
Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.
RészletesebbenTársadalmi és gazdasági hálózatok modellezése
Társadalmi és gazdasági hálózatok modellezése 6. el adás Hálózatok növekedési modelljei: `uniform és preferential attachment' El adó: London András 2015. október 12. Hogyan n nek a hálózatok? Statikus
RészletesebbenA TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș-Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika 1.3 Intézet Magyar Matematika és Informatika 1.4 Szakterület
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
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:
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
RészletesebbenHázi feladatok. Valószín ségszámítás és statisztika programtervez informatikusoknak, 2015 sz
Házi feladatok Valószín ségszámítás és statisztika programtervez informatikusoknak, 2015 sz A házi feladatok tartalmaznak könnyebb és nehezebb példákat is ugyanannyi pontért. A feladatokhoz készítettem
RészletesebbenValószínűségszámítás és statisztika
Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
RészletesebbenAlkalmazott matematikus mesterszak
Alkalmazott matematikus mesterszak Szakirányok: alkalmazott analízis, operációkutatás, számítástudomány, sztochasztika Képzési idő: 4 félév A szak indításának időpontja: 2009. 09. 01. A szakért felelős
RészletesebbenA Markowitz modell: kvadratikus programozás
A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. 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
Részletesebbenvásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az
1. Név:......................... Egy ABC-ben délután (5-t½ol 9 óráig) a vásárlók száma óránként 200 várható érték½u Poisson eloszlású valószín½uségi változó. A pénztáros egy vásárlót átlag 2 perc alatt
RészletesebbenMINISZTERELNÖKI HIVATAL. Szóbeli vizsgatevékenység
MINISZTERELNÖKI HIVATAL Vizsgarészhez rendelt követelménymodul azonosítója, megnevezése: Vizsgarészhez rendelt vizsgafeladat megnevezése: 1185-06/1 Gazdasági tervezési, rendszerelemzési, tervezési vagy
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
RészletesebbenA kvantitatív kutatás folyamata
A kvantitatív kutatás folyamata A kvantitatív stratégia keretében zajló kutatómunka teljes ívét a következı szakaszokra lehet osztani: 1. Tájékozódás 2. Tervezés 3. Elıvizsgálat (Pilot vizsgálat) 4. Adatgyőjtés
RészletesebbenEGYIRÁNYBAN ER SÍTETT KOMPOZIT RUDAK HAJLÍTÓ KARAKTERISZTIKÁJÁNAK ÉS TÖNKREMENETELI FOLYAMATÁNAK ELEMZÉSE
Budapest M szaki és Gazdaságtudományi Egyetem Polimertecnika Tanszék EGYIRÁNYBAN ER SÍTETT KOMPOZIT RUDAK HAJLÍTÓ KARAKTERISZTIKÁJÁNAK ÉS TÖNKREMENETELI OLYAMATÁNAK ELEMZÉSE Tézisek Rácz Zsolt Témavezet
RészletesebbenVéletlen bolyongás. Márkus László március 17. Márkus László Véletlen bolyongás március / 31
Márkus László Véletlen bolyongás 2015. március 17. 1 / 31 Véletlen bolyongás Márkus László 2015. március 17. Modell Deníció Márkus László Véletlen bolyongás 2015. március 17. 2 / 31 Modell: Egy egyenesen
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
RészletesebbenDoktori disszertáció. szerkezete
Doktori disszertáció tézisfüzet Komplex hálózatok szerkezete Szabó Gábor Témavezető Dr. Kertész János Elméleti Fizika Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2005 Bevezetés A tudományos
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha
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
RészletesebbenVillamosmérnök A4 4. gyakorlat (2012. 10. 01.-02.) Várható érték, szórás, módusz
Villamosmérnök A4 4. gyakorlat (0. 0. 0.-0.) Várható érték, szórás, módusz. A k 0, (k,,, 4) diszkrét eloszlásnak (itt P(X k)) mennyi a (a) várható értéke, (b) módusza, (c) második momentuma, (d) szórása?
RészletesebbenVéletlen növekedő fák aszimptotikus vizsgálata TÉZISFÜZET
Véletlen növekedő fák aszimptotikus vizsgálata TÉZISFÜZET Rudas Anna 2012. december Tartalomjegyzék 1 Bevezető 2 1.1 Modellcsalád és háttér............................ 2 1.2 A disszertáció felépítése...........................
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenMatematikai statisztika
Matematikai statisztika Survey statisztika mesterszak + földtudomány alapszak Backhausz Ágnes agnes@math.elte.hu Fogadóóra: szerda 10 11 és 13 14, D 3-415 2018/2019. tavaszi félév Bevezetés A statisztika
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése II.
Többváltozós lineáris regressziós modell feltételeinek tesztelése II. - A magyarázó változóra vonatkozó feltételek tesztelése - Optimális regressziós modell kialakítása - Kvantitatív statisztikai módszerek
Részletesebbeny 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
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenKosztyán Zsolt Tibor Katona Attila Imre
Kockázatalapú többváltozós szabályozó kártya kidolgozása a mérési bizonytalanság figyelembe vételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és ködtetése konvergencia
RészletesebbenFélidőben félsiker Részleges eredmények a kutatásalapú kémiatanulás terén
Félidőben félsiker Részleges eredmények a kutatásalapú kémiatanulás terén Szalay Luca 1, Tóth Zoltán 2, Kiss Edina 3 MTA-ELTE Kutatásalapú Kémiatanítás Kutatócsoport 1 ELTE, Kémiai Intézet, luca@caesar.elte.hu
RészletesebbenHierarchikus skálafüggetlen gráfok generálása fraktálokkal
Hierarchikus skálafüggetlen gráfok generálása fraktálokkal Komjáthy Júlia Simon Károly Sztochasztika Tanszék Matematika Intézet Budapesti Műszaki és Gazdaságtudományi Egyetem www.math.bme.hu/~komyju www.math.bme.hu/~simonk
RészletesebbenAutoregresszív 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
RészletesebbenVéletlenszám generátorok és tesztelésük HORVÁTH BÁLINT
Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám
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
RészletesebbenA Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában
A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában Horváth Gábor ghorvath@hit.bme.hu (Horváth András, Telek Miklós) - p. 1 Motiváció, problémafelvetés
RészletesebbenValószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.
Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen
RészletesebbenBemenet modellezése (III.), forgalommodellezés
Bemenet modellezése (III.), forgalommodellezés Vidács Attila 2007. október 31. Hálózati szimulációs technikák, 2007/10/31 1 Modellválasztás A modellezés kedvez esetben leegyszer södik a megfelel eloszlás
Részletesebben