A problémamegoldás elmélete Döntéselméleti alapok. Készítette: Dr. Szűts István, Dr. Duma László

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A problémamegoldás elmélete Döntéselméleti alapok. Készítette: Dr. Szűts István, Dr. Duma László"

Átírás

1 A problémamegoldás elmélete Döntéselméleti alapok Készítette: Dr. Szűts István, Dr. Duma László

2 Modell: a valóság valamilyen mása. Modell Valóság A formális rendszerben végezhető műveletek Az anyagi dolgokkal végrehajtható fizikai műveletek Izomorfia

3 Mérés Számok hozzárendelése dolgokhoz (tárgyakhoz, személyekhez, jelenségekhez, vagy ezek tulajdonságaihoz, stb.) szabályoknak valamilyen halmaza szerint.

4 MÉRÉSI SKÁLÁK 1. Névleges (pl. fiú/lány) matematikai viszony nem értelmezhető, de pl. módusz van! 2. Ordinális (sorrendi) nem ad felvilágosítást, hogy mennyivel.de pl. medián 3. Intervallum: különbség értelmezhető (Celsius) amelyeket eleve csak intervallumskálán érdemes mérni! (színek, intelligencia lehetetlen abszolút nullapontját értelmezni) 4. Arány

5 Észlelt állapot megváltoztatása, kívánatosnak minősített állapot elérése - tényleges állapot - észlelt állapot - kívánatos állapot Megoldások: 1. észlelt jelen idejű állapot kívánatosnak észlelt állapot 2. kívánatosnak észlelt állapot észlelt jelen idejű állapot 3. az előző kettő kombinációja.

6 A probléma lényegének ábrázolása Venn-diagramokkal

7 A Howard-féle problématér

8 A PROBLÉMA Csúcs Lényege Példája Matematikai modellje 1. Determinisztikus, Adott hosszúságú kerítéssel Az elemi matematika statikus, egyváltozós bekeríthető eszközei maximális derékszögű (több mint 300 éve ismertek) terület meghatározás 2. Determinisztikus, Elemi automatikus Differenciálegyenletek, dinamikus, egyváltozós szabályozás transzformáció-számítás (kb. 100 éve ismertek) 3. Valószínűségi, Egyszerű biztosítási Az elemi valószínűségstatikus, egyváltozós ügyletek számítás módszerei (300 éve ismertek) 4. Determinisztikus, statikus sokváltozós Hozzárendelési problémák, termelésprogramozás Mátrixalgebra (100 éve ismert), matematikai programozás (kb. 40 éve ismert)

9 A PROBLÉMA Csúcs Lényege Példája Matematikai modellje 5. Valószínűségi, Egyszerű készletezési Sztochasztikus folyamatok dinamikus, egyváltozós problémája elmélete, sorállási modellek (utolsó 50 évben kifejlesztve) 6. Valószínűségi, Új termék bevezetésének Keverékeloszlások, statikus, sokváltozós problémája matematikája (utóbbi 100 évben kifejlesztve) 7. Determinisztikus, Bonyolultabb szabályozási A modern szabályozásdinamikus, sokváltozós és vezérlési problémák vezérlés elmélet (utóbbi 40 (űrhajók) évben kifejlesztve) 8. Valószínűségi. Iparvállalatok fúziója Markov-folyamatok dinamikus, sokváltozós (és az ezzel kapcsolatos matematikai eljárások,1931-től)

10 A probléma kezelése 1. bizonytalanság csökkentése (a kvantitatív dolgok túlsúlya) 2. az időtáv csökkentése 3. költségcsökkentés egyszerű információk nem maximalizálás, hanem kielégítő döntés

11 Döntéselméleti alapok

12 A döntési folyamat fázisai: résztvevői: megoldandó probléma meghatározása adatok gyűjtése a lehetséges megoldások (döntési alternatívák) halmazának meghatározása a lehetséges megoldások elemzése a legjobb megoldás kiválasztása a kiválasztott megoldás megvalósítása problémagazdák problémamegold ók javaslattevők szakértők Döntéshozók (felelősség) megvalósítók

13 Döntések alapvető jellemzői Cél: irányok, amerre a rendszer állapotát vinni szeretnénk - nem feltétlenül elérhető vagy számszerűsíthető Kritérium: a hierarchikus struktúra alacsonyabb szintjén lévő reálisan megvalósítható cél

14 Döntések osztályozása parametrikus: a feltételek a döntéshozótól függetlenül adottak stratégiai: a feltételek személyfüggők, a többi résztvevő döntése részben kalkulálható (játékelmélet) Tökéletes informáltság Hiányos informáltság - kockázatos döntések: az egyes döntési alternatívák várható következményeihez számszerű valószínűségi értékek rendelhetők - teljes bizonytalanság melletti döntéshozatal: az alternatívák következményeinek valószínűségei nem meghatározhatók

15 Döntéshozatal, racionalitás Normatív döntéselmélet = optimális döntések elmélete, azaz a racionalitás elvének érvényre juttatása A racionális választás elmélete azt feltételezi, hogy a döntési folyamatok következetesek és preferenciákra épülnek (formális racionalitás elve). A következmények értékelése logikus, négy alapvető elemből áll: 1. Alternatívák meghatározása 2. Várakozások ( az egyes alternatívák jövőbeli következményei) 3. Preferenciák meghatározása 4. A döntéshozatal szabálya

16 A döntéshozó preferenciáit befolyásoló motivációs tényezők: önérdek: gazdasági ember (Homo oeconomicus ) modellje kötelesség felelősség jóakarat A racionalitás két alapvető fajtája Max Weber szerint: Értékracionalitás: következményekre való tekintet nélkül valamilyen belső motivációs hatásnak (kötelezettség, vallási meggyőződés, morál eszmék) alárendelt döntés Célracionalitás: csak a megvalósítandó eredmény számít.

17 Optimális döntés A döntéshozó teljesen informált és céljait képes rangsorolni: 1. ismeri az összes lehetséges cselekvési változatot, 2. biztosan tudja, hogy az egyes cselekvési változatoknak, alternatíváknak mi lesz az eredménye, 3. biztosan meg tudja adni az eredmények preferenciasorrendjét (hogy számára melyik mennyire fontos). A valóságos döntések esetén azonban az első két alapfeltétel csak igen ritkán teljesül

18 A döntéshez szükséges információ kevés A megvalósítás forrásigénye nagy A döntéshozó kognitív képességei korlátozottak A tökéletes racionalitás nem érvényesül Korlátozott racionalitás (Herbert Simon) A döntés az elég jó alternatíva kiválasztását jelenti (megelégedésre törekvés)

19 Herbert Simon: korlátozott racionalitás Tudományosan igazolta: az ember általában képtelen egy döntési szituáció körülményeit objektív módon látni. 1947: principle of bounded rationality A komplex problémák megfogalmazásában és megoldásában a valóságos helyzetekben elıforduló problémák nagyságához viszonyítva az emberi elme kapacitása nagyon kicsi ahhoz, hogy az objektív racionalitás alapján oldhassuk meg ezeket a problémákat. Erre alapozva kidolgozta a kielégítő döntések alapjait.

20 Herbert Simon: kielégítő döntés Kielégítő döntés: a döntéshozó egyszerűsíti a folyamatot: nem az optimális megoldásra törekszik, hanem megelégszik egy elegendően jó, kielégítő megoldással A kielégítő döntés tulajdonképpen egy tanulási folyamat, melynek során a döntéshozó addig vizsgálja a lehetséges cselekvési változatokat, amíg nem talál olyat, amely bizonyos minimális feltételeknek eleget nem tesz. Ezt elfogadva a többi változatot már meg sem vizsgálja!

21 I. Döntési alapmodell Döntés: választás cselekvési változatok között. Döntési modell elemei: döntést hozó cselekvési változat tényállapot eredmény tényállapotok valószínűség eloszlása döntési kritérium

22 Döntés ábrázolása: Döntési mátrix Döntési fagráf Döntési osztályok: 1. biztos körülmények közötti döntés 2. bizonytalan körülmények közötti döntés 3. kockázatos körülmények közötti döntés

23 Döntési kritériumok 1. biztos körülmények közötti döntési osztály minimum vagy maximum kritérium 2. bizonytalan körülmények közötti döntési osztály Wald kritérium Laplace kritérium Savage kritérium (Hurwitz kritérium) 3. kockázatos körülmények közötti döntés Bayes kritérium

24 Döntési problémák Egy vállalatnak bizonyos szezoncikk gyártásról kell döntenie. A rendelkezésre álló információk szerint a termék kizárólag csak egy szezonban adható el, és két gyártási eljárással gyártható. Ismertek a gyártási eljárásokra vonatkozó lényeges gazdasági adatok: A eljárás esetében a beruházási költség: 1000 eft. A termékdarabonkénti arányos költség: 1000 Ft/db B eljárás esetében a felszerszámozási költsége: 3000 eft A darabonkénti arányos költség: 500 Ft/db. A termék eladási ára rögzített: 1500 Ft/db.

25 Cél: maximális nyereség elérése. A döntés, mint általában itt is választást jelent. Három változat lehetséges: S1 S2 S3 nem gyártunk A technológia B technológia A megalapozott döntéshez elegendő-e a fentiekben adott információ? Igen Nem

26 Az információk kiegészítése Tételezzük fel, hogy a lehetséges kereslet három egymást kizáró mennyiségre korlátozódik: 1000 db; 3000 db; 5000 db A döntéshozótól független és a döntés eredményét befolyásoló tényezőket tényállapotnak nevezzük. Ezek a következők: T1 T2 T db 3000 db 5000 db

27 Tételezzük fel, hogy az első tényállapot (T1) következik be biztosan. Számítsuk ki a T1 tényállapot bekövetkezése esetén az egyes stratégiák eredményeit, s rendezzük adatainkat célszerűen egy oszlopba!

28 Hogyan döntünk jelen esetben? Döntésünket milyen döntési kritérium alapján hozhatjuk meg? Maximális eredmény

29 Vizsgáljuk meg a problémát T2 tényállapot biztos bekövetkezése esetén!

30 Járjunk el hasonlóan T3 biztos bekövetkezése esetén is!

31 Foglaljuk össze eredményeinket: Milyen kritériumot használtunk mindhárom esetben? Maximális eredmény

32 Az ilyen típusú döntéseket biztos körülmények közötti döntéseknek nevezzük, s racionális gondolkodásunkat ebben az esetben a maximális eredmény kritériuma fejezi ki. Biztos körülmények ritkán fordulnak elő. A körülmények (azaz az egyes tényállapotok) bekövetkezését csak bizonyos valószínűséggel becsülhető meg. Legegyszerűbb eset a szubjektív megítélés: aprioris szubjektív valószínűség

33 BIZONYTALAN DÖNTÉSEK OSZTÁLYA

34 Wald kritérium minimax óvatos óvatos pesszimista pesszimista döntéshozó. minden egyes cselekvési változat esetében a legrosszabb következményt tekintve ezek közül a legjobbat, azaz a relatíve legkisebb rosszat választja Vö: van maximax is!

35 Minimum Regret elv-savage kritérium Azt az akciót kell választani, amelynél a lehető legkisebb összeg veszhet el, ha az események kedvezőtlenül alakulnak. (Legkisebb megbánás)

36 Savage kritérium elmaradt haszon Döntés: S2 A technológia Regretmátrix: az adott körülmények közötti optimális (tehát a legjobb) és a tényleges döntés közötti különbség a következmények értékében mérve, majd Waldkritérium alkalmazása

37 Laplace kritérium elégtelen megokolás elve Mivel nem ismertek a valószínűségek azokat egyenlőnek kell tekinteni. (Az elégtelen indok elve) P(T1)=P(T2)=P(T3)=1/3 M(S1)= 1/3*0+1/3*0+1/3*0=0 M(S2)= 1/3*(-500)+1/3*500+1/3*1500=500 Döntés: S2 A technológia M(S3)=1/3*(-2000)+1/3*0+1/3*2000=0

38 KOCKÁZATOS DÖNTÉSEK OSZTÁLYA Aprioris szubjektív valószínűségek (I.): P(T1)=1/2 P(T2)=1/3 P(T3)=1/6

39 Így ismerjük az egyes tényállapotok valószínűség-eloszlását:

40 M(S1)=0 M(S2)=1/2*-500+1/3*500+1/6*1500=166 M(S3)=1/2* /3*0+1/6*2000=-667 Döntés: S2 A technológia Kockázat melletti döntés esetén a döntési kritérium: a maximális várható érték kritériuma (Bayes kritérium).

41 Számítsuk ki az alábbi valószínűségek esetén is (II.): P(T1)=1/12 P(T2)=1/4 P(T3)=2/3 M(S1)=0 M(S2)=-1/12* /4*500+2/3*1500=1084 M(S3)=-1/12*2000+1/4* 0+2/3*2000=1167

42 Kérdés: Érdemes-e 300 e Ft-ért piackutatást végezni, más szóval mennyit ér a biztos információ? Korábbi feltételünk szerint az eladható mennyiség esetünkben a tényállapotnak megfelelő diszkrét mennyiségek, s ezért a piackutatás e három közül mondja meg, hogy mennyi adható el biztosan.

43 I. 1/2*0+1/3*500+1/6*2000=500 eft II. 1/12*0+1/4*500+2/3*2000=1458 eft I = =334 II = =291

44 Tehát a piackutatást a I. aprioris valószínűség eloszlás esetén érdemes elvégezni, mert ez 34 eft többlet nyereséget eredményez. A II. esetben viszont 9 eft veszteséget.

45 Döntésfa: FH1 FH2 FH3 döntés csomópont E1[P(E1)] E2[P(E2)] FH4 Ei: i esemény FH5 esemény csomópont P(Ei): i esemény valószínűsége

46 Feladat: egy kereskedőnek el kell döntenie, hogy kicsi, vagy nagy üzletet építsen egy új helyen. Az adott részen a kereslet lehet magas (60% valószínűség), ill. alacsony (40% valószínűség) az adott termék iránt. Ha kis üzemet épít és a kereslet magas, a kereskedő dönthet a bővítés (FH=$ ), vagy a meglévő állapot fenntartása (FH=$ ) mellett. Ha alacsony a kereslet nincs értelme a bővítésnek (FH=$ ). Ha nagy üzletet épít és a kereslet alacsonynak bizonyul a lehetőségek, hogy nem tesz semmit (FH=$40 000), vagy reklámokkal befolyásolja a keresletet. A reklámra a reakciók lehetnek mérsékeltek (30% valószínűség), vagy jelentősek (70 % valószínűség). Ha a reakciók mérsékeltek a FH=$20 000, ha jelentős a FH=$ Végezetül nagy üzlet és nagy kereslet esetén a FH=$ Rajzoljon döntés fát, elemezze és állapítsa meg a kereskedőnek a legjobb döntést!

47 $200 Bővít $270 Nem bővít $223 Magas kereslet (0,6) $800 $40 Alacsony kereslet (0,4) $220 $20

48 Döntések megvalósításának modelljei: Az utasítás modellje A tervezett változtatást hatalommal, adminisztratív szabályokkal kell megoldani.

49 Döntések megvalósításának modelljei: Platonikus modell Oktatással és racionális érveléssel az érintettek rábírhatók a tervezett változtatások megvalósítására.

50 Döntések megvalósításának modelljei: Prófétai modell A személyes meggyőzés és motiválás kizárólagos erejében való hit.

51 Döntések megvalósításának modelljei: Konverziós modell Demokratikus modell. A változásban érintettek részvételére épít. Döntéssel való azonosulást elősegítő vezetési eljárás.

52 Kezdőtől a nagymesterig Kognitív sémák mennyisége (a szint definíciója) Kognitív sémák minősége Problémamegoldás módja Szakmai kommunikáció minősége Kezdő Haladó Mesterjelölt Nagymester (szakértő) néhány 10 néhány 100 néhány 1000 néhány bonyolult, hétköznapi, inadekvát logikus, a hétköznapi logika szerinti szakszerűtlen, hétköznapi intuícióra alapoz egyszerű, adekvát, nem kielégítő logikátlan, mert kevert görcsös, hullámzó színvonalú Szakmai nyelve nincs nehézkes, idegenes Gondolkodási intuitív kevert, ezért stílus gyakran logikátlan bonyolult, adekvát, szakszerű logikus, analitikus, a szakmai logika szerint szakmailag korrekt, formális, tárgyszerű szabályszerű, kifejező racionális komplex analógiák képi, szintetikus gyakran transzlogikus mélyen intuitív, informális, áttekintő anyanyelvi képszerű intutitív Tudatosság szintje még nem tudja, mit nem tud tudja, mit nem tud még tudja, mit tud, és honnan tudja, mi a helyénvaló, de nem tudja honnan Érés ideje - néhány év kb. 5 év minimum 10 év Mi kell hozzá? érdeklődés, némi tanulás folyamatos tanulás képzettség, iskolai végzettség tehetség Biológus, politikus nagymester később érik, a sémák hétköznapisága miatt, emberi és szakmai erő együtt kell: ez idő. 52

A MEGFELELŐ EMBERT A MEGFELELŐ HELYRE: KARRIER LÉPCSŐK A PROJEKTMENEDZSMENTBEN

A MEGFELELŐ EMBERT A MEGFELELŐ HELYRE: KARRIER LÉPCSŐK A PROJEKTMENEDZSMENTBEN A MEGFELELŐ EMBERT A MEGFELELŐ HELYRE: KARRIER LÉPCSŐK A PROJEKTMENEDZSMENTBEN Karas László IPMACERT.HU vizsgaközpont kuratórium elnöke laszlo.karas@ipmacert.hu www.ipmacert.hu PM Akadémia III. Konferencia

Részletesebben

VÁLLALATGAZDASÁGTAN II. Döntési Alapfogalmak

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

Részletesebben

Fogalmak Navigare necesse est

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

Részletesebben

Döntéselmélet SZIKORA PÉTER ŐSZ

Döntéselmélet SZIKORA PÉTER ŐSZ Döntéselmélet SZIKORA PÉTER 2016-2017 ŐSZ Elérhetőségek Szikora Péter szikora.peter@kgk.uni-obuda.hu Népszínház utca 8. 2. emelet 226. szoba http://tig.kgk.uni-obuda.hu/doe 2 Követelmények Gazdálkodás

Részletesebben

Döntéselmélet II. ELŐADÁS DÖNTÉSI FOLYAMAT

Döntéselmélet II. ELŐADÁS DÖNTÉSI FOLYAMAT Döntéselmélet II. ELŐADÁS DÖNTÉSI FOLYAMAT döntés döntéselőkészítés D ö n t é s i f o l y a m a t döntés és megvalósítás döntéselőkészítés Döntési folyamat A probléma felismerése, azonosítása, megfogalmazása

Részletesebben

A SIKER KOVÁCSA, VAGY A KUDARC KÓDJA?

A SIKER KOVÁCSA, VAGY A KUDARC KÓDJA? A SIKER KOVÁCSA, VAGY A KUDARC KÓDJA? A döntéshozatali tudatosság hiányosságai és lehetőségei a projekt menedzsmentben Török L. Gábor PhD Sikeres és sikertelen projektek arányai PMI nemzetközi felmérés

Részletesebben

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

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

Részletesebben

A döntéselmélet matematikai alapjai

A döntéselmélet matematikai alapjai donteselm_mat_alapok_1.nb 1 A döntéselmélet matematikai alapjai Bevezetés a döntéselméletbe á alapfeladat: Ki kell választani egy (vagy több) alternatívát a lehetséges alternatívák halmazából, figyelembe

Részletesebben

3. ZH FOGALMAI. Döntéshozó: Az a személy (vagy csoport), aki a cselekvési változatok közül választ egyet.

3. ZH FOGALMAI. Döntéshozó: Az a személy (vagy csoport), aki a cselekvési változatok közül választ egyet. 3. ZH FOGALMAI Döntési helyzet: Az olyan helyzet, amelyekben az egyén vagy csoport, azaz a döntést hozó legalább két cselekvési változat (cselekvési mód) közötti választás problémájával áll szemben. A

Részletesebben

Közgazdasági elméletek. Dr. Karajz Sándor Gazdaságelméleti Intézet

Közgazdasági elméletek. Dr. Karajz Sándor Gazdaságelméleti Intézet Közgazdasági elméletek Dr. Karajz Sándor Gazdaságelméleti 3. Előadás A karakterisztikai elmélet Bizonytalan körülmények közötti választás A karakterisztikai elmélet Hagyományos modell a fogyasztó különböző

Részletesebben

Döntéselméleti modellek

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

Részletesebben

Döntéselmélet KOCKÁZAT ÉS BIZONYTALANSÁG

Döntéselmélet KOCKÁZAT ÉS BIZONYTALANSÁG Döntéselmélet KOCKÁZAT ÉS BIZONYTALANSÁG Bizonytalanság A bizonytalanság egy olyan állapot, amely a döntéshozó és annak környezete között alakul ki és nem szüntethető meg, csupán csökkenthető különböző

Részletesebben

MENEDZSMENT ALAPJAI. Problémamegoldás, Döntéshozatal

MENEDZSMENT ALAPJAI. Problémamegoldás, Döntéshozatal MENEDZSMENT ALAPJAI Problémamegoldás, Döntéshozatal PROBLÉMAMEGOLDÁS, DÖNTÉSHOZATAL 1. A problémamegoldás folyamata, módszerei 2. A vezetői döntések típusai 3. Döntéshozatali folyamat 4. Vezetői döntéshozótípusok

Részletesebben

Döntéselméleti közelítésmódok

Döntéselméleti közelítésmódok Döntéselmélet kapcsolódása más tudományokhoz Rendőrtiszti Főiskola, Vezetéselméleti Tanszék Döntéselméleti közelítésmódok Filozófiai közelítésmód Tudományok szülőanyja, melynek a természettudományok (

Részletesebben

Összehasonlítások hibái

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

Részletesebben

Válogatott fejezetek a közlekedésgazdaságtanból

Válogatott fejezetek a közlekedésgazdaságtanból Válogatott fejezetek a közlekedésgazdaságtanból 2. Választási modellek Levelező tagozat 2015 ősz Készítette: Prileszky István http://www.sze.hu/~prile Fogalmak Választási modellek célja: annak megjósolása,

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

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

Részletesebben

Mérés és modellezés Méréstechnika VM, GM, MM 1

Mérés és modellezés Méréstechnika VM, GM, MM 1 Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni

Részletesebben

5. A vezetıi dönt. ntéshozatal. A döntéselmélet tárgya. A racionális viselkedés feltételei megszervezésének, megnyilvánulásának, vizsgálata.

5. A vezetıi dönt. ntéshozatal. A döntéselmélet tárgya. A racionális viselkedés feltételei megszervezésének, megnyilvánulásának, vizsgálata. 5. A vezetıi dönt ntéshozatal A döntéselmélet tárgya A racionális viselkedés feltételei megszervezésének, megnyilvánulásának, logikai, matematikai és, empirikus vizsgálata. 1 A döntéselmélet rendeltetése

Részletesebben

Mérés és modellezés 1

Mérés és modellezés 1 Mérés és modellezés 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni kell

Részletesebben

Méréselmélet MI BSc 1

Méréselmélet MI BSc 1 Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Racionalitás: a hasznosság és a döntés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade

Részletesebben

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI SZENT ISTVÁN EGYETEM GÖDÖLLŐ MECHANIKAI ÉS GÉPTANI INTÉZET A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI Dr. M. Csizmadia Béla egyetemi tanár, az MMK Gépészeti Tagozatának elnöke Budapest 2013. október. 25. BPMK

Részletesebben

Mátrixjátékok tiszta nyeregponttal

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

Részletesebben

Döntéselmélet DÖNTÉSELMÉLETI KÖZELÍTÉSMÓDOK

Döntéselmélet DÖNTÉSELMÉLETI KÖZELÍTÉSMÓDOK Döntéselmélet DÖNTÉSELMÉLETI KÖZELÍTÉSMÓDOK Döntéselméleti közelítésmódok Legfontosabb segédtudományok : Közgazdaságtan, statisztika Szociológia, szociálpszichológia Jog, politika, társadalomtudományok

Részletesebben

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András A kockázat fogalma A kockázat (def:) annak kifejezése, hogy valami nem kívánt hatással lesz a valaki/k értékeire, célkitűzésekre. A kockázat

Részletesebben

Operációkutatás vizsga

Operációkutatás vizsga Operációkutatás vizsga A csoport Budapesti Corvinus Egyetem 2007. január 9. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS

Részletesebben

Óbudai Egyetem. Doktori (PHD) értekezés. Párosítás elméleti problémák megoldási lehetőségei egyetemi környezetben. Szikora Péter.

Óbudai Egyetem. Doktori (PHD) értekezés. Párosítás elméleti problémák megoldási lehetőségei egyetemi környezetben. Szikora Péter. Óbudai Egyetem Doktori (PHD) értekezés Párosítás elméleti problémák megoldási lehetőségei egyetemi környezetben Szikora Péter Témavezető: Kóczy Á. László Biztonságtudományi Doktori Iskola Budapest, 2016

Részletesebben

Közgazdaságtan alapjai. Dr. Karajz Sándor Gazdaságelméleti Intézet

Közgazdaságtan alapjai. Dr. Karajz Sándor Gazdaságelméleti Intézet Közgazdaságtan alapjai Dr. Karajz Sándor Gazdaságelméleti 4. Előadás Az árupiac és az IS görbe IS-LM rendszer A rövidtávú gazdasági ingadozások modellezésére használt legismertebb modell az úgynevezett

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

Bevezetés s a piacgazdaságba. gba. Alapprobléma. Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények

Bevezetés s a piacgazdaságba. gba. Alapprobléma. Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények A mikroökonómia és makroökonómia eltérése: Bevezetés s a piacgazdaságba gba Alapfogalmak, piaci egyensúly Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények Makroökonómia:

Részletesebben

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK MATEMATIK A 9. évfolyam 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK Tanári útmutató 2 MODULLEÍRÁS A modul

Részletesebben

Folyamatok és módszerek Mitől függ az egyes modellek gyakorlati alkalmazhatósága? Dr. (Ph.D) Kópházi Andrea NYME egyetemi docens, egyéni

Folyamatok és módszerek Mitől függ az egyes modellek gyakorlati alkalmazhatósága? Dr. (Ph.D) Kópházi Andrea NYME egyetemi docens, egyéni Folyamatok és módszerek Mitől függ az egyes modellek gyakorlati alkalmazhatósága? Dr. (Ph.D) Kópházi Andrea NYME egyetemi docens, egyéni tanácsadó-partner 2014. December 2. Kérdésfelvetések 1. A téma aktualitása,

Részletesebben

Bevezetés s a piacgazdaságba

Bevezetés s a piacgazdaságba Bevezetés s a piacgazdaságba gba Alapfogalmak, piaci egyensúly Bacsi, BevPiacgaz 1 Elméleti: mikroökonómia makroökonómia nemzetközi gazdaságtan világgazdaságtan komparatív gazdaságtan közg. elmélettörténet

Részletesebben

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László

II. rész: a rendszer felülvizsgálati stratégia kidolgozását támogató funkciói. Tóth László, Lenkeyné Biró Gyöngyvér, Kuczogi László A kockázat alapú felülvizsgálati és karbantartási stratégia alkalmazása a MOL Rt.-nél megvalósuló Statikus Készülékek Állapot-felügyeleti Rendszerének kialakításában II. rész: a rendszer felülvizsgálati

Részletesebben

DÖNTÉSELMÉLETTEL KAPCSOLATOS FELADATOK

DÖNTÉSELMÉLETTEL KAPCSOLATOS FELADATOK 1.Feladat DÖNTÉSELMÉLETTEL KAPCSOLATOS FELADATOK Egy vállalat egy gázmező kitermelését fontolgatja. A feltárás 10 millió dollárba kerülne,ami tiszta veszteség, ha a feltárás eredménytelen és nem találnak

Részletesebben

Számítógépes döntéstámogatás. Döntések fuzzy környezetben Közelítő következtetések

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

Részletesebben

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.

Dr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr. Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati

Részletesebben

Mikroökonómia II. B. ELTE TáTK Közgazdaságtudományi Tanszék. 8. hét AZ INFORMÁCIÓ ÉS KOCKÁZAT KÖZGAZDASÁGTANA, 1. rész

Mikroökonómia II. B. ELTE TáTK Közgazdaságtudományi Tanszék. 8. hét AZ INFORMÁCIÓ ÉS KOCKÁZAT KÖZGAZDASÁGTANA, 1. rész MIKROÖKONÓMIA II. B ELTE TáTK Közgazdaságtudományi Tanszék Mikroökonómia II. B AZ INFORMÁCIÓ ÉS KOCKÁZAT KÖZGAZDASÁGTANA, 1. rész Készítette: Szakmai felel s: 2011. február A tananyagot készítette: Jack

Részletesebben

Logisztikai szimulációs módszerek

Logisztikai szimulációs módszerek Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok

Részletesebben

11. modul: LINEÁRIS FÜGGVÉNYEK

11. modul: LINEÁRIS FÜGGVÉNYEK MATEMATIK A 9. évfolyam 11. modul: LINEÁRIS FÜGGVÉNYEK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 11. modul: LINEÁRIS FÜGGVÉNYEK Tanári útmutató 2 A modul célja Időkeret Ajánlott korosztály Modulkapcsolódási

Részletesebben

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása

Információk. Ismétlés II. Ismétlés. Ismétlés III. A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin. Algoritmus. Algoritmus ábrázolása 1 Információk 2 A PROGRAMOZÁS ALAPJAI 2. Készítette: Vénné Meskó Katalin Elérhetőség mesko.katalin@tfk.kefo.hu Fogadóóra: szerda 9:50-10:35 Számonkérés időpontok Április 25. 9 00 Május 17. 9 00 Június

Részletesebben

PIACI SZERKEZETEK BMEGT30A hét, 1. óra: Differenciált termékes Bertrand-oligopólium

PIACI SZERKEZETEK BMEGT30A hét, 1. óra: Differenciált termékes Bertrand-oligopólium PIACI SZERKEZETEK BMEGT30A104 8. hét, 1. óra: Differenciált termékes Bertrand-oligopólium PRN: 10. fejezet 2019.04.01. 10:15 QAF14 Kupcsik Réka (kupcsikr@kgt.bme.hu) Emlékeztető Bertrand-modell: árverseny

Részletesebben

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

A 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,.

Részletesebben

Bevezetés s a piacgazdaságba. gba. Alapprobléma. Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények

Bevezetés s a piacgazdaságba. gba. Alapprobléma. Mikroökonómia: elkülönült piaci szereplık, egyéni érdekek alapvetı piaci törvények A közgazdask zgazdaságtan gtan részei: r Bevezetés s a piacgazdaságba gba Alapfogalmak, piaci egyensúly Elméleti: mikroökonómia makroökonómia nemzetközi gazdaságtan világgazdaságtan komparatív gazdaságtan

Részletesebben

Az 50001-es szabvánnyal, illetve a törvényi elvárásokkal kapcsolatos felmérési, tervezési tevékenység

Az 50001-es szabvánnyal, illetve a törvényi elvárásokkal kapcsolatos felmérési, tervezési tevékenység Az 50001-es szabvánnyal, illetve a törvényi elvárásokkal kapcsolatos felmérési, tervezési tevékenység Qualidat Kft. Együttműködésben az ÉMI TÜV SÜD-del Tartalomjegyzék Bevezetés A feladatok Projektmenedzsment

Részletesebben

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

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

Részletesebben

Gondolatok a PM módszertan korlátairól, lehetőségeiről amit a felsővezetőknek tudniuk kell! dr. Prónay Gábor

Gondolatok a PM módszertan korlátairól, lehetőségeiről amit a felsővezetőknek tudniuk kell! dr. Prónay Gábor Gondolatok a PM módszertan korlátairól, lehetőségeiről amit a felsővezetőknek tudniuk kell! dr. Prónay Gábor 5. Távközlési és Informatikai Projekt Menedzsment Fórum 2002. április 18. AZ ELŐADÁS CÉLJA néhány

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

Bevezető Mi a statisztika? Mérés Csoportosítás Gazdaságstatisztika 1. előadás Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.bmf.hu) Fogadóóra: szerda 11:30 11:55, TA125 Gyakorlatvezető

Részletesebben

Óbudai Egyetem. Doktori (PHD) értekezés. Párosítás elméleti problémák megoldási lehetőségei egyetemi környezetben. Szikora Péter.

Óbudai Egyetem. Doktori (PHD) értekezés. Párosítás elméleti problémák megoldási lehetőségei egyetemi környezetben. Szikora Péter. Óbudai Egyetem Doktori (PHD) értekezés Párosítás elméleti problémák megoldási lehetőségei egyetemi környezetben Szikora Péter Témavezető: Kóczy Á. László Biztonságtudományi Doktori Iskola Budapest, 2016

Részletesebben

Pszichológus etika. Személy voltunk nem pusztán elvehetetlen adottság, hanem egyszersmind embert próbáló feladat is.

Pszichológus etika. Személy voltunk nem pusztán elvehetetlen adottság, hanem egyszersmind embert próbáló feladat is. Pszichológus etika I. Személy voltunk nem pusztán elvehetetlen adottság, hanem egyszersmind embert próbáló feladat is. I. Az etika tárgya A jó fogalma II. Ki határozza meg, mi a jó? III. A hétköznapok

Részletesebben

Rasmusen, Eric: Games and Information (Third Edition, Blackwell, 2001)

Rasmusen, Eric: Games and Information (Third Edition, Blackwell, 2001) Játékelmélet szociológusoknak J-1 Bevezetés a játékelméletbe szociológusok számára Ajánlott irodalom: Mészáros József: Játékelmélet (Gondolat, 2003) Filep László: Játékelmélet (Filum, 2001) Csontos László

Részletesebben

Többszempontú döntési módszerek

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

Részletesebben

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció: Biostatisztika = Biometria = Orvosi statisztika Biomatematika 2. előadás Néhány egyszerű definíció: A statisztika olyan tudomány, amely a tömegjelenségekkel kapcsolatos tapasztalati törvényeket megfigyelések

Részletesebben

Vállalati modellek. Előadásvázlat. dr. Kovács László

Vállalati modellek. Előadásvázlat. dr. Kovács László Vállalati modellek Előadásvázlat dr. Kovács László Vállalati modell fogalom értelmezés Strukturált szervezet gazdasági tevékenység elvégzésére, nyereség optimalizálási céllal Jellemzői: gazdasági egység

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF 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

Részletesebben

18. VEZETŐI DÖNTÉSEK alternatívák döntési kritériumokat

18. VEZETŐI DÖNTÉSEK alternatívák döntési kritériumokat 18. VEZETŐI DÖNTÉSEK A döntés választás. A döntés nem csupán a vezető privilégiuma. Az emberek minden nap hoznak döntéseket, néha jókat, néha kevésbé jókat, de döntéseket mindig meg kell hozni, még akkor

Részletesebben

Bevezetés 2. Aggregált terv készítése (esettanulmány) 3. Megoldás 3. Aggregált termelési terv összeállítása 8. Érzékenységvizsgálat 12

Bevezetés 2. Aggregált terv készítése (esettanulmány) 3. Megoldás 3. Aggregált termelési terv összeállítása 8. Érzékenységvizsgálat 12 Bevezetés 2 Aggregált terv készítése (esettanulmány) 3 Megoldás 3 Zéró raktárkészlet stratégia 4 Állandó munkaerőszint stratégia 5 Az optimális megoldás lineáris programozással 6 Aggregált termelési terv

Részletesebben

S atisztika 1. előadás

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

Részletesebben

Horváth Jenőné dr. * A RACIONALITÁS PROBLÉMÁJA ÉS A JÁTÉKELMÉLET LEGÚJABB EREDMÉNYEI

Horváth Jenőné dr. * A RACIONALITÁS PROBLÉMÁJA ÉS A JÁTÉKELMÉLET LEGÚJABB EREDMÉNYEI Horváth Jenőné dr. * A RACIONALITÁS PROBLÉMÁJA ÉS A JÁTÉKELMÉLET LEGÚJABB EREDMÉNYEI BEVEZETÉS A racionalitás vizsgálata a döntéselmélet egyik központi kérdése. A racionalitás fogalmának változása szoros

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.

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

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak

Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak Termelési és szolgáltatási döntések elemzése Vezetés és szervezés mesterszak Dr. Koltai Tamás egyetemi tanár Menedzsment és Vállalatgazdaságtan Tanszék Tematika Kvantitatív eszközök használata Esettanulmányok

Részletesebben

MIKROÖKONÓMIA II. B. Készítette: K hegyi Gergely. Szakmai felel s: K hegyi Gergely. 2011. február

MIKROÖKONÓMIA II. B. Készítette: K hegyi Gergely. Szakmai felel s: K hegyi Gergely. 2011. február MIKROÖKONÓMIA II. 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 Közgazdaságtudományi

Részletesebben

Kiszorító magatartás

Kiszorító magatartás 8. elõadás Kiszorító magatartás Árrögzítés és ismételt játékok Kovács Norbert SZE GT Az elõadás menete Kiszorítás és információs aszimmetria Kiszorító árazás és finanszírozási korlátok A BOLTON-SCHARFSTEIN-modell

Részletesebben

Amit a törtekről tudni kell 5. osztály végéig Minimum követelményszint

Amit a törtekről tudni kell 5. osztály végéig Minimum követelményszint Amit a törtekről tudni kell. osztály végéig Minimum követelményszint Fontos megjegyzés: A szabályoknak nem a pontos matematikai meghatározását adtuk. Helyettük a gyakorlatban használható, egyszerű megfogalmazásokat

Részletesebben

Gyártórendszerek dinamikája

Gyártórendszerek dinamikája GYRD-7 p. 1/17 Gyártórendszerek dinamikája Gyártásütemezés: az ütemezések analízise Gantt-chart módszerrel, az optimalizálási feladat kitűzése és változatai, megoldás a kritikus út módszerrel Werner Ágnes

Részletesebben

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

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

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)

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

2. előadás. Viszonyszámok típusai

2. előadás. Viszonyszámok típusai 2. előadás Viszonyszámok típusai Mérési skálák Nominális /névleges skála: kötetlen hozzárendelése a számoknak Sorrendi / Ordinális skála: sokaság egyedeinek egy közös tulajdonság szerinti sorbarendezése

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI 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:

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

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

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

Részletesebben

Programozási módszertan. Mohó algoritmusok

Programozási módszertan. Mohó algoritmusok PM-08 p. 1/17 Programozási módszertan Mohó algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu PM-08 p. 2/17 Bevezetés Dinamikus programozás

Részletesebben

MENEDZSMENT ALAPJAI Motiváció I.

MENEDZSMENT ALAPJAI Motiváció I. MENEDZSMENT ALAPJAI Motiváció I. Dr. Gyökér Irén egyetemi docens BME Menedzsment és Vállalatgazdaságtan Tanszék 2016 ősz 2016.10.18. 1 Vezetés A szervezeti tagok viselkedésének befolyásolása Munkaerő-biztosítás

Részletesebben

A 9001:2015 a kockázatközpontú megközelítést követi

A 9001:2015 a kockázatközpontú megközelítést követi A 9001:2015 a kockázatközpontú megközelítést követi Tartalom n Kockázat vs. megelőzés n A kockázat fogalma n Hol található a kockázat az új szabványban? n Kritikus megjegyzések n Körlevél n Megvalósítás

Részletesebben

A projekt idő-, erőforrás és költségterve 1. rész

A projekt idő-, erőforrás és költségterve 1. rész A projekt idő-, erőforrás és költségterve 1. rész A TERVEZÉS FOLYAMATA a projekttevékenységek meghatározása a tevékenységek közötti logikai függőségi kapcsolatok meghatározása erőforrás-allokáció és a

Részletesebben

Microsoft Excel 2010. Gyakoriság

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

Részletesebben

Gyakorlatias tanácsok PLA fejlesztőknek

Gyakorlatias tanácsok PLA fejlesztőknek Gyakorlatias tanácsok PLA fejlesztőknek Beszédes Nimród Attiláné Békéscsabai Regionális Képző Központ Képzési igazgatóhelyettes 2007. november 28-30. A jogszabályi háttérről 2001. évi CI. törvény 24/2004.

Részletesebben

Kockázatkezelés és biztosítás

Kockázatkezelés és biztosítás Kockázatkezelés és biztosítás Dr. habil. Farkas Szilveszter PhD egyetemi docens, tanszékvezető Pénzügy Intézeti Tanszék A tárgy fő témái Kockázatkezelés Integrált szemlélet és módszerek Pénzügyi értékelés

Részletesebben

DÖNTÉSTÁMOGATÓ MÓDSZEREK ÉS RENDSZEREK Dr. Szeghegyi Ágnes főiskolai tanár/egyetemi docens szeghegyi.agnes@kgk.uni-obuda.hu DÖNTÉSELMÉLETI ÁTTEKINTÉS 1 1 Alapfogalmak Probléma Észlelt, jelen idejű helyzet

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi

Részletesebben

Biomatematika 2 Orvosi biometria

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

Részletesebben

ANOVA összefoglaló. Min múlik?

ANOVA összefoglaló. Min múlik? ANOVA összefoglaló Min múlik? Kereszt vagy beágyazott? Rögzített vagy véletlen? BIOMETRIA_ANOVA5 1 I. Kereszt vagy beágyazott Két faktor viszonyát mondja meg. Ha több, mint két faktor van, akkor bármely

Részletesebben

Döntési rendszerek I.

Döntési rendszerek I. Döntési rendszerek I. SZTE Informatikai Intézet Számítógépes Optimalizálás Tanszék Készítette: London András 3. Gyakorlat Egy újságárus 20 centért szerez be egy adott napilapot a kiadótól és 25-ért adja

Részletesebben

[GVMGS11MNC] Gazdaságstatisztika

[GVMGS11MNC] Gazdaságstatisztika [GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)

Részletesebben

GONDOLKODÁS ÉS NYELV

GONDOLKODÁS ÉS NYELV GONDOLKODÁS ÉS NYELV GONDOLKODÁS A. Propozicionális B. Képzeleti Propozicionális gondolkodás Propozíció kijelentés, amely egy tényállásra vonatkozik, meghatározott viszonyban összekombinált fogalmakból

Részletesebben

Manager-leader mix TARTSAY REGŐ. vezetői attitűdelemei összevetve a vállalat elvárásaival

Manager-leader mix TARTSAY REGŐ. vezetői attitűdelemei összevetve a vállalat elvárásaival anager-leader mix TARTSAY REGŐ vezetői attitűdelemei összevetve a vállalat elvárásaival Tervezés-célmeghatározás Feladatorientáció az elvégzendő feladatra koncentrál Tervezés során a múlt eredményeiből,

Részletesebben

Bevezetés Standard 1 vállalatos feladatok Standard több vállalatos feladatok 2017/ Szegedi Tudományegyetem Informatikai Intézet

Bevezetés Standard 1 vállalatos feladatok Standard több vállalatos feladatok 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 10. Előadás Vállalatelhelyezés Vállalatelhelyezés Amikor egy új telephelyet kell nyitni,

Részletesebben

Társaságok pénzügyei kollokvium

Társaságok pénzügyei kollokvium udapesti Gazdasági Főiskola Pénzügyi és Számviteli Főiskolai Kar udapesti Intézet Továbbképzési Osztály Társaságok pénzügyei kollokvium F Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 55 60 pont

Részletesebben

A hálózattervezés alapvető ismeretei

A hálózattervezés alapvető ismeretei A hálózattervezés alapvető ismeretei Infokommunikációs hálózatok tervezése és üzemeltetése 2011 2011 Sipos Attila ügyvivő szakértő BME Híradástechnikai Tanszék siposa@hit.bme.hu A terv általános meghatározásai

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 7 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási

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

Gépészeti rendszertechnika (NGB_KV002_1)

Gépészeti rendszertechnika (NGB_KV002_1) Gépészeti rendszertechnika (NGB_KV002_1) 2. Óra Kőrös Péter Közúti és Vasúti Járművek Tanszék Tanszéki mérnök (IS201 vagy a tanszéken) E-mail: korosp@ga.sze.hu Web: http://www.sze.hu/~korosp http://www.sze.hu/~korosp/gepeszeti_rendszertechnika/

Részletesebben

Szintvizsga Mikroökonómia május 5.

Szintvizsga Mikroökonómia május 5. Szintvizsga Mikroökonómia 2010. május 5. Név:. Fontos tudnivalók: A feladatsor megoldásához számológépet, vonalzót és kék színű tollat használhat! A számításoknál nem elegendő a végeredmény feltüntetése,

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

A évi Országos Kompetenciamérés intézményi jelentés a Debreceni Szakképző Centrum Beregszászi Pál Szakközépiskolája és Szakiskolája, Debrecen

A évi Országos Kompetenciamérés intézményi jelentés a Debreceni Szakképző Centrum Beregszászi Pál Szakközépiskolája és Szakiskolája, Debrecen A 2015. évi Országos Kompetenciamérés intézményi jelentés a Debreceni Szakképző Centrum Beregszászi Pál Szakközépiskolája és Szakiskolája, Debrecen Debrecen 2016. április 30. Lapszám: 1 / 21 Tartalom Bevezetés...

Részletesebben

Az ALTERA VAGYONKEZELŐ Nyrt. kockázatkezelési irányelvei

Az ALTERA VAGYONKEZELŐ Nyrt. kockázatkezelési irányelvei Az ALTERA VAGYONKEZELŐ Nyrt. kockázatkezelési irányelvei I. A dokumentum célja és alkalmazási területe A Kockázatkezelési Irányelvek az ALTERA Vagyonkezelő Nyilvánosan Működő Részvénytársaság (1068 Budapest,

Részletesebben