Többtényezős döntési problémák
|
|
- Viktor Hegedűs
- 5 évvel ezelőtt
- Látták:
Átírás
1 KIPA módszer: Lépései:. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia táblázat elkészítése, 5. értékelési tényezők súlyszámainak meghatározása, 6. preferencia és diszkvalifikancia mutatók számítása, 7. elemzés.
2 Feladat a KIPA módszerre Egy magyarországi nagyvállalat az a jövő évi beruházások előkészítése során a KIPA módszer alkalmazását veszi igénybe. A lehetséges 3 helyszín (alternatíva) a következő: Veszprém, Székesfehérvár, Győr. 2
3 Feladat a KIPA módszerre Az értékelés tényezők súlyszámának meghatározásáról 3 fős bizottság dönt. Melyik várost választják a jövő évi beruházások céljául? Ehhez: Készítse el az aggregált preferencia táblázatot, ha a konzisztencia mutatója elvárt szintje nagyobb, mint 60 %! Számítsa ki az értékelési tényezők súlyszámát! Számítsa ki a preferencia és diszkvalifikancia mutatókat! 3
4 KIPA módszer: Lépései:. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia táblázat elkészítése, 5. értékelési tényezők súlyszámainak meghatározása, 6. preferencia és diszkvalifikancia mutatók számítása, 7. elemzés. 4
5 KIPA módszer lépései. értékelési tényezők páros elrendezése: tényezők kiválasztása (Brainstorming, Delphi módszer, NCM) tényezők relatív fontosságának meghatározása véletlenszám táblázat / sorsolás szabályos ismétlődés elkerülése! azonos tagú párok távol helyezése egymástól! 5
6 Feladat a KIPA módszerre Az előkészítő bizottság a szóba jöhető alternatívák kiválasztására 3 különböző értékelési kritériumot (tényezőt) rögzített: E: Milyen az adott város árszínvonalat? E2: Milyen a fizetőképes kereslet az adott városban? E3: Milyen távol van az adott város a legközelebbi autópályától? 6
7 KIPA módszer lépései 2. páros összehasonlítás elvégzése: szakértői csoport, kérdőív segítségével Melyik tényezőt preferálja? Kötelező állást foglalni. 7
8 KIPA módszer lépései 3.egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása: a kérdőív alapján az egyéni preferencia táblázat felrajzolása sorokban lévő értékelési tényező preferált az oszlopban lévőhöz képest 8
9 Az. bizottsági tag preferencia-táblázata: E E2 E3 E I I E2 E3 I Az 2. bizottsági tag preferencia-táblázatai E E2 E3 E I E2 I E3 I Az 3. bizottsági tag preferencia-táblázatai E E E2 E3 E2 I I E3 I 9
10 KIPA módszer lépései 3.egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása: a kérdőív alapján az egyéni preferencia táblázat felrajzolása sorokban lévő értékelési tényező preferált az oszlopban lévőhöz képest a i : adott értékelési tényező preferáltsága a többihez képest nem írtunk elő tranzitivitást lehetnek inkonzisztens körhármasok: száma: d = n konzisztencia mutató: ( n )( 2n ) 2 a 2 2 K 24d n n = 3 0
11 . bizottsági tag E E2 E3 a a 2 E I I 2 4 E2 I K>60% a 2 =5 2. bizottsági tag E E2 E3 a a 2 E I E2 I E3 0 0 E3 I d=[3*(3-)*(2*3-)]/2-5/2= =3*2*5/2 5/2= 5/2-5/2= 0 d3=0 K= - (24*0)/(3 3-3)= 0/(27-3)= -0== 00% d2=[3*(3-)*(2*3-)]/2-3/2= =5/2 3/2= 5/2-3/2= K= - (24*)/(3 3-3)= 24/(27-3)= -=0= 0% K= 00% 3. bizottsági tag E E2 E3 a a 2 E 0 0 E2 I I 2 4 E3 I a 2 =3 a 2 =5
12 . bizottsági tag E E2 E3 a a 2 E I I 2 4 E2 I K>60% a 2 =5 2. bizottsági tag E E2 E3 a a 2 E I E2 I E3 0 0 E3 I d=[3*(3-)*(2*3-)]/2-5/2= =3*2*5/2 5/2= 5/2-5/2= 0 d3=0 K= - (24*0)/(3 3-3)= 0/(27-3)= -0== 00% d2=[3*(3-)*(2*3-)]/2-3/2= =5/2 3/2= 5/2-3/2= K= - (24*)/(3 3-3)= 24/(27-3)= -=0= 0% K3= 00% 3. bizottsági tag E E2 E3 a a 2 E 0 0 E2 I I 2 4 E3 I a 2 =3 a 2 =5 2
13 KIPA módszer lépései 4. aggregált preferencia-táblázat elkészítése, az értékelők egyetértésének vizsgálata: egyéni preferenciák összesítése véleményegyezés kiszámítása 3 véleményegyezés kiszámítása egyetértési együttható (V): V=0: nincs kapcsolat a döntéshozók rangsora között V>0: vannak a döntéshozók között egyetértések (ha a szignifikancia vizsgálat igazolja). ( ) ( ) ( ) ( ) = = = = = k k n n k k n n a k a V n i i j ij n i i j ij
14 . bizottsági tag E E2 E3 a a 2 E I I 2 4 K>60% K= 00% 3. bizottsági tag E E2 E3 a a 2 E 0 0 E2 I E2 I I 2 4 K3= 00% E3 0 0 E3 I E E2 E3 E E2 2 E3 0 4
15 KIPA módszer lépései 5. értékelési tényezők súlyszámainak meghatározása: a i értékelési tényező preferencia-gyakorisága p a preferencia-arányok meghatározása: k döntéshozók száma n értékelési tényezők száma p a k ai + = 2 k n 5
16 5. értékelési tényezők súlyszámainak meghatározása: E E2 E3 a i P a u T Z E 2 0,5 E ,66 E3 0 0,33 p a k ai + = 2 k n 6
17 KIPA módszer lépései 5. értékelési tényezők súlyszámainak meghatározása: a i értékelési tényező preferencia-gyakorisága p a preferencia-arányok meghatározása: k döntéshozók száma n értékelési tényezők száma k ai + = 2 k n u = intervallum-skála skálaértékei (normális eloszlás táblázat - belülről) Z = 0 kezdőpontú és 00 végpont értékű skála T = kezdőpontú és 5 végpont értékű skála p a 7
18 PE-GTK-SzVT Segédlet a menedzsment alapjaihoz 8
19 5. értékelési tényezők súlyszámainak meghatározása: E E2 E3 a i P a u T Z E 2 0, E ,66 0, E3-0,33-0,43 0 E2 legfontosabb, E második legfontosabb, E3 legkevésbé fontos Z: x=[(u-min)/(max-min)]*00 T: x=[(u-min)/(max-min)]*4+ Z = 0-00 skála T = -5 skála 9
Többtényezős döntési problémák
KIPA módszer: Lépései: 1. értékelési tényezők páros elrendezése, 2. páros összehasonlítás elvégzése, 3. egyéni preferencia táblázatok felvétele, konzisztencia mutatók meghatározása, 4. aggregált preferencia
RészletesebbenA SÚLYSZÁMOK PROBLEMATIKÁJA KOMPLEX RENDSZEREK ÉRTÉKELÉSE SORÁN I. AZ ÉRTÉKELÉSI TÉNYEZŐK SÚLYOZÁSA
Kavas László A SÚLYSZÁMOK PROBLEMATIKÁJA KOMPLEX RENDSZEREK ÉRTÉKELÉSE SORÁN BEVEZETŐ A többszempontú döntési feladatok megoldásakor az egyik lényeges elem a értékelési szempontok fontossági sorrendjének
RészletesebbenÖsszehasonlítások 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
RészletesebbenÍ Á Á É ö ö ö ö ö ű ü ö ű ű ű ö ö ö ü ö ü í ü í í í ü í ü Á ü ö ö ü ö ü ö ö ü ö í ö ö ü ö ü í ö ü ű ö ü ö ü í ö í ö ű ű ö ö ú ö ü ö ű ű ű í ö ű í ű ö ű ü ö í ű í í ö í ö ö Ó Í ö ű ű ű ű í í ű ű í í Ü ö
Részletesebbenű í ú ü Á ü ü ü ü ü É É É Ü í ü Á í í ű í ú É É É Ü Í í í í Á í í Á í Á Í É Ő Ú ú Ú í í í íí í ú í í Í í Í Í É í í Í Í í ú í ü Ó í Í ú Í Í ű í ű í í í Í É Ü ű í ü ű í ú É É É Ü ű í í í í ü í Í í Ú Í í
Részletesebbenü É Í ü ü ü Í ü ű ü ü ü ű ü ű ű ű ü ü ü ű ü Í ü ű ü ü ü Ű Í É É Á Ő Á Ó Á Á Á Á É Á Á Á Á É Á Í Á Á Í Í ű Á É É Á Á Ö Í Á Á Á Á Á É Á Á Ó ű Í ü ü ü ű ű ü ü ű ü Á ü ű ü Í Í Í ü Í Í ű ű ü ü ü ü ű ü ű ü ü
RészletesebbenŰ Í ó Ü Ö Á Á Ó Ö Ü Ü Ü Ü Á Í Ü Á Á Ü Ü Ü Ü Ü Ü Ö Ü Í Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Á Í Ü Í Í Á Í Í Ü Í Í Ü Á Ü Ü Ü Ü Ü Ü Ü Ü Ő Ö Á ÁÍ Á Ü Ü Á Í Ü Í Á Ü Á Í ó Í Í Ü Ü ő Í Ü Ű Ü Ü Ü Ü Í Ü Ü Ü Ü Ü Ü Ü Í Ü Á Ü Ö Á
Részletesebben3. 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
RészletesebbenHARCÁSZATI REPÜLŐGÉPEK ÖSSZEHASONLÍTÁSÁRA HASZNÁLHATÓ MATEMATIKAI MÓDSZEREK
Békési Bertold - Kavas László - Prof Dr. Óvári Gyula HARCÁSZATI REPÜLŐGÉPEK ÖSSZEHASONLÍTÁSÁRA HASZNÁLHATÓ MATEMATIKAI MÓDSZEREK A Magyar Honvédség légierejének lehetséges korszerűsítési módja napjainkban
RészletesebbenDöntéstámogató módszerek. /Gyakorlati jegyzet/
Döntéstámogató módszerek /Gyakorlati jegyzet/ 2 Döntéstámogató módszerek /Gyakorlati jegyzet/ Szerző: Pupos Tibor Pannon Egyetem Georgikon Kar Pintér Gábor Pannon Egyetem Georgikon Kar (1.5; 2.4) Lektor:
RészletesebbenIntelligens technikák k a
Intelligens technikák k a döntéstámogatásban Döntések fuzzy környezetben Starkné Dr. Werner Ágnes 1 Példa: Alternatívák: a 1,a 2,a 3 Kritériumok: k 1,k 2, k 3,k 4 Az alternatívák értékelését az egyes kritériumok
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
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
RészletesebbenVÁLLALATGAZDASÁGTAN 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
RészletesebbenPáros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor
Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor MTA SZTAKI Operációkutatás és Döntési Rendszerek Kutatócsoport Budapesti Corvinus Egyetem Operációkutatás és Aktuáriustudományok Tanszék
Részletesebben9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz
9. gyakorlat Lineáris egyenletrendszerek megoldási módszerei folyt. Néhány kiegészítés a Gauss- és a Gauss Jordan-eliminációhoz. Mindkét eliminációs módszer műveletigénye sokkal kisebb, mint a Cramer-szabályé:
RészletesebbenVIZSGADOLGOZAT. I. PÉLDÁK (60 pont)
VIZSGADOLGOZAT (100 pont) A megoldások csak szöveges válaszokkal teljes értékűek! I. PÉLDÁK (60 pont) 1. példa (13 pont) Az egyik budapesti könyvtárban az olvasókból vett 400 elemű minta alapján a következőket
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
RészletesebbenAlternatívák rangsora Rangsor módszerek. Debreceni Egyetem
Döntéstámogató Rendszerek VII. előadás Bekéné Rácz Anett Debreceni Egyetem Definíciók Példa rangsorfordulásra Rangsorokkal kapcsolatos fogalmak Condorcet nyertes: Az az alternatíva, amely az összes többi
RészletesebbenIrányított TULAJDONSÁGRA IRÁNYULÓ Melyik minta sósabb?, érettebb?, stb. KEDVELTSÉGRE IRÁNYULÓ Melyik minta jobb? rosszabb?
ÉRZÉKSZERVI VIZSGÁLATI MÓDSZEREK RENDSZEREZÉSE I. Kókai Zoltán - dr.erdélyi Mihály v.6. 26 ÉRZÉKSZERVI VIZSGÁLATI MÓDSZEREK CSOPORTOSÍTÁSA SZAKÉRTôI módszerek analitikus tesztek és eljárások FOGYASZTÓI
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
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
RészletesebbenTöbbszempontú döntési módszerek
XI. előadás Többszempontú döntési módszerek Mindennapi tapasztalat: döntési helyzetbe kerülve több változat (alternatíva) között kell (lehet) választani, az alternatívákat kölönféle szempontok szerint
RészletesebbenEz az összesítés tartalmazza az ISO 9000 FÓRUM XXII. Nemzeti Konferenciájára vonatkozó elégedettségi felmérés eredményeit.
ISO 9000 FÓRUM 1124 Budapest Fürj u. 18. ISO 9000 FÓRUM Rózsa András részére (személyes és bizalmas). Tisztelt Rózsa András úr! Ez az összesítés tartalmazza az ISO 9000 FÓRUM XXII. Nemzeti Konferenciájára
RészletesebbenDr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.
Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért 2018. november 15. PÉNZ a boldogság bitorlója? A jövedelemegyenlőtlenség természetes határa A boldog ember gondolata a
RészletesebbenÉrtékelési, kiválasztási módszerek
Értékelési, kiválasztási módszerek Értékelési módszerek csoportosítása: 1. Ordinális (kvalitatív) elárások 1.1 Többségi módszer 1.2 Rangsor összegzési szabály 1.3 Copeland módszer 1.4 Datum módszer 1.5
RészletesebbenV. Gyakorisági táblázatok elemzése
V. Gyakorisági táblázatok elemzése Tartalom Diszkrét változók és eloszlásuk Gyakorisági táblázatok Populációk összehasonlítása diszkrét változók segítségével Diszkrét változók kapcsolatvizsgálata Példák
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
RészletesebbenMikroökonómia elıadás
Mikroökonómia - 12. elıadás JÓLÉT ÉS TÁRSADALMI PREFERENCIÁK Bacsi, 12. ea. 1 Fogyasztói preferenciák A fogyasztó saját jószágkosarainak összehasonlítása pl: 1 narancs + 3 kg hús + 2 pár cipı kevésbé értékes,
RészletesebbenSzámítógépes 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
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenFüggetlenségvizsgálat, Illeszkedésvizsgálat
Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata
RészletesebbenA Kecskeméti Református Általános Iskola évi országos kompetenciamérés eredményének értékelése. 1. táblázat
A Kecskeméti Református Általános Iskola 2014. évi országos kompetenciamérés eredményének értékelése Hatodik évfolyam. Létszámadatok: 1. táblázat A hatodik évfolyamon a 91 tanulóból 8 fő SNI és egyéb rész-képesség
RészletesebbenMINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:
1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 100% 90% 80% 70% 60% 50% 2010 2011 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% a) Nevezze
RészletesebbenKÖZBESZERZÉSI ADATBÁZIS
I. szakasz: Ajánlatkérő 14. melléklet a 44/2015. (XI. 2.) MvM rendelethez KÖZBESZERZÉSI ADATBÁZIS Összegezés az ajánlatok elbírálásáról I.1) Név és címek 1 (jelölje meg az eljárásért felelős összes ajánlatkérőt)
Részletesebbenföldtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább
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
Részletesebben[GVMGS11MNC] Gazdaságstatisztika
[GVMGS11MNC] Gazdaságstatisztika 5. előadás Érték-, ár-, és volumenindexek http://uni-obuda.hu/users/koczyl/gazdasagstatisztika.htm Kóczy Á. László KGK-VMI Az indexszám fogalma Gazdasági elemzésben fontos
RészletesebbenKockázatkezelés és biztosítás 1. konzultáció 2. rész
Kockázatkezelés és biztosítás 1. konzultáció 2. rész Témák 1) A kockázatkezelés eszközei 2) A kockázatkezelés szakmai területei 3) A kockázatelemzés nem holisztikus technikái 4) Kockázatfinanszírozás 5)
RészletesebbenMultinomiális és feltételes logit modellek alkalmazásai
Multinomiális és feltételes logit modellek alkalmazásai Mikroökonometria, 10. hét Bíró Anikó A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Tudás-Ökonómia Alapítvány támogatásával
RészletesebbenKhi-négyzet eloszlás. Statisztika II., 3. alkalom
Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként
RészletesebbenVizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját
376 Statisztika, valószínûség-számítás 1500. Az elsô kérdésre egyszerû válaszolni, elég egy ellenpélda, és biztosan nem lehet akkor így kiszámolni. Pl. legyen a három szám a 3; 5;. A két kisebb szám átlaga
RészletesebbenPáros összehasonlítás mátrixok empirikus vizsgálata p. 1/20
Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor 1,2, Dezső Linda 3,4, Poesz Attila 2, Temesi József 2 1 MTA SZTAKI; 2 Budapesti Corvinus Egyetem 3 Szegedi Tudományegyetem 4 Budapesti
RészletesebbenBiostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
RészletesebbenTöbbszempontú döntési módszerek, modellek Dr. Stettner Eleonóra
Kaposvári Egyetem Gazdaságtudományi Kar Kari Tudományos Diákköri Tanács TDK módszertani kurzus 3. alkalom Többszempontú döntési módszerek, modellek Dr. Stettner Eleonóra 2016. április 4. A kurzus a Nemzeti
RészletesebbenKét diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
Részletesebben18. modul: STATISZTIKA
MATEMATIK A 9. évfolyam 18. modul: STATISZTIKA KÉSZÍTETTE: LÖVEY ÉVA, GIDÓFALVI ZSUZSA MODULJÁNAK FELHASZNÁLÁSÁVAL Matematika A 9. évfolyam. 18. modul: STATISZTIKA Tanári útmutató 2 A modul célja Időkeret
RészletesebbenVízszintes kitűzések. 1-3. gyakorlat: Vízszintes kitűzések
Vízszintes kitűzések A vízszintes kitűzések végrehajtása során általában nem találkozunk bonyolult számítási feladatokkal. A kitűzési munka nehézségeit elsősorban a kedvezőtlen munkakörülmények okozzák,
RészletesebbenS 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
RészletesebbenAjánlás a beruházásokkal kapcsolatos kockázatkezelési eljárás kialakításához
9/2009. (IV. 28.) rendelet 1. számú melléklete Ajánlás a beruházásokkal kapcsolatos kockázatkezelési eljárás kialakításához Az előkészítés, a kivitelezés, az üzembe helyezés, az elkészült létesítmény működtetése
RészletesebbenDöntéselőkészítés. XII. előadás. Döntéselőkészítés
XII. előadás Többszempontú döntések elmélete MAUT (Multi Attribute Utility Theory ) A többszempontú döntési feladatok megoldásának lépései: A döntési feladat felépítése: a) a cél megfogalmazása, b) az
RészletesebbenPHR Egészségjelentések szakpolitikai döntéshozatalra gyakorolt hatásának felmérésre című Európai Uniós projekt előzetes eredményei
PIA-PHR PHR Egészségjelentések szakpolitikai döntéshozatalra gyakorolt hatásának felmérésre című Európai Uniós projekt előzetes eredményei Kaposvári Csilla TÁRKI HÁTTÉR Előzmény EU Népegészségügyi Akcióprogram
RészletesebbenStatisztika 10. évfolyam. Adatsokaságok ábrázolása és diagramok értelmezése
Adatsokaságok ábrázolása és diagramok értelmezése A statisztikában adatsokaságnak (mintának) nevezik a vizsgálat tárgyát képező adatok összességét. Az adatokat összegyűjthetjük táblázatban és ábrázolhatjuk
RészletesebbenDr. 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
RészletesebbenVálogatott 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,
RészletesebbenComing soon. Pénzkereslet
Coming soon Akkor és most Makroökonómia 11. hét 40 pontos vizsga Május 23. hétfő, 10 óra Május 27. péntek, 14 óra Június 2. csütörtök, 12 óra Csak egyszer lehet megírni! Minimumkövetelmény: 40% (16 pont)
RészletesebbenMatematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak
Matematika feladatbank I. Statisztika Elméleti összefoglaló és feladatgyűjtemény középiskolásoknak ÍRTA ÉS ÖSSZEÁLLÍTOTTA: Dugasz János 2011 Fapadoskonyv.hu Kft. Dugasz János Tartalom Bevezető 7 Adatok
RészletesebbenIntézményi jelentés. 10. évfolyam. Révai Miklós Gimnázium és Kollégium 9021 Győr, Jókai u. 21. OM azonosító:
FIT-jelentés :: 2010 9021 Győr, Jókai u. 21. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a matematika területén új, évfolyamfüggetlen skálát vezettünk be, amelyen
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenA képzett szakemberekért. SZFP II. Hazai Peer Review 2009
A képzett szakemberekért SZFP II. Hazai Peer Review 2009 A külsk lső értékelés s módszertana m III.1.. előad adás Szakképz pzési Önértékelési Modell ADOTTSÁGOK EREDMÉNYEK Emberi erőforrások Munkatársi
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenMunkakörtervezés és -értékelés
Munkakörtervezés és Emberierőforrás-menedzsment Dr. Finna Henrietta egyetemi adjunktus Dr. Finna Henrietta: Atipikus foglalkoztatás Munkakör-áttervezés A munkakörtervezés egy olyan folyamat, amelyben egy
RészletesebbenÖsszegezés az ajánlatok elbírálásáról
I. szakasz: Ajánlatkérő Összegezés az ajánlatok elbírálásáról I.1) Név és címek 1 (jelölje meg az eljárásért felelős összes ajánlatkérőt) Hivatalos név: RÁBA-VAD Feldolgozó, Kereskedelmi és Szolgáltató
RészletesebbenIntézményi jelentés. 10. évfolyam. Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út OM azonosító:
FIT-jelentés :: 2010 Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út 88-90. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a matematika területén
RészletesebbenSzabó-bakoseszter. Makroökonómia. Árupiacrövidtávon,kiadásimultiplikátor, adómultiplikátor,isgörbe
Szabó-bakoseszter Makroökonómia Árupiacrövidtávon,kiadásimultiplikátor, adómultiplikátor,isgörbe Számítási és geometriai feladatok 1. feladat Tételezzük fel, hogy az általunk vizsgált gazdaságban a gazdasági
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenA sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos
Középérték Középérték A középérték a statisztikai adatok tömör számszerű jellemzése. helyzeti középérték: módusz medián számított középérték: számtani átlag kronológikus átlag harmonikus átlag mértani
RészletesebbenNEMZETI JÖVEDELEM: TERMELÉS, ELOSZTÁS, FELHASZNÁLÁS
NEMZETI JÖVEDELEM: TERMELÉS, ELOSZTÁS, ELHASZNÁLÁS 0, 7 0,. Egy gazdaságban a termelési függvény: Y K L. A felhasznált tőkeállomány: S K, az árszínvonal:. A munkakínálat: L 409. Mekkora a a) a munkabér,
Részletesebben8. OSZTÁLY ; ; ; 1; 3; ; ;.
BEM JÓZSEF Jelszó:... VÁROSI MATEMATIKAVERSENY Teremszám:... 2010. december 7-8. Hely:... 8. OSZTÁLY Tiszta versenyidő: 90 perc. A feladatokat többször is olvasd el figyelmesen! A megoldás menetét, gondolataidat
RészletesebbenOrszágos Szakiskolai Közismereti Tanulmányi Verseny 2005/2006 SZÁMÍTÁSTECHNIKA
Országos Szakiskolai Közismereti Tanulmányi Verseny 2005/2006 SZÁMÍTÁSTECHNIKA II. (regionális) forduló 2006. február 17... Helyszín fejbélyegzője Versenyző Pontszám Kódja Elérhető Elért Százalék. 100..
RészletesebbenSZÁMÍTÁSOK A TÁBLÁZATBAN
SZÁMÍTÁSOK A TÁBLÁZATBAN Az Excelben az egyszerű adatok bevitelén kívül számításokat is végezhetünk. Ezeket a cellákba beírt képletek segítségével oldjuk meg. A képlet: olyan egyenlet, amely a munkalapon
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenStatisztikai módszerek 7. gyakorlat
Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ2próbával MIRE SZOLGÁL? Illeszkedés-vizsgálat Ryan-Joiner próbával A val.-i vált. eloszlása egy adott
RészletesebbenÁ Á É ú Í Í í í ű ú í ú ú íí í ű Í Í Í í ü í í í í í Á í ü ü í í ü í í í ű í ú í ű í ű ú Í í ú ű ű í í í ű í í í í í Í ü ü í í í Á Á Á Á Á ú í í í ü ü í í í í í í í í ú Í Í í í ü í ü í í í ú í Á í ú í
RészletesebbenA 2014.évi országos kompetenciamérés értékelése Kecskeméti Bolyai János Gimnázium
A 2014.évi országos kompetenciamérés értékelése Kecskeméti Bolyai János Gimnázium Iskolánkban a 10 évfolyamban mérik a szövegértés és a matematikai logika kompetenciákat. Minden évben azonos korosztályt
RészletesebbenKockázatmenedzsment
Kockázatmenedzsment Az ember olyan szelepet szeretne szerkeszteni, amelyik nem szivárog, és mindent megpróbál a kifejlesztésére. De a valóságban csak olyan szelepek vannak, amelyek szivárognak. Így el
RészletesebbenEloszlás-független módszerek 13. elıadás ( lecke)
Eloszlás-független módszerek 13. elıadás (25-26. lecke) Rangszámokon alapuló korrelációs együttható A t-próbák és a VA eloszlásmentes megfelelıi 25. lecke A Spearman-féle rangkorrelációs együttható A Kendall-féle
RészletesebbenAz idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH
Idősorok Idősor Statisztikai szempontból: az egyes időpontokhoz rendelt valószínűségi változók összessége. Speciális sztochasztikus kapcsolat; a magyarázóváltozó az idő Determinisztikus idősorelemzés esetén
RészletesebbenFIT-jelentés :: Ipari Szakközépiskola és Gimnázium 8200 Veszprém, Iskola utca 4. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2014 Ipari Szakközépiskola és Gimnázium 8200 Veszprém, Iskola utca 4. Létszámadatok A telephelyek kódtáblázata A 001 - Ipari Szakközépiskola és Gimnázium (4 évfolyamos gimnázium) (8200
RészletesebbenMetaanalízisek. Ferenci Tamás május 16. Ferenci Tamás Metaanalízisek május 16.
Metaanalízisek Ferenci Tamás tamas.ferenci@medstat.hu 2018. május 16. Ferenci Tamás tamas.ferenci@medstat.hu Metaanalízisek 2018. május 16. 1 / 18 A metaanalízis fogalma Több, ugyanarra a kérdésre vonatkozó
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenMesterséges 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
RészletesebbenMunkánk során a cellák tartalmát gyakran másolni szoktuk. Előfordul, hogy képleteket tartalmazó cellákat másolunk.
Táblázatkezelés 4. - Hivatkozások Az elmúlt órán végzett számításoknál, amikor a felhasználói képleteket készítettük, mindig annak a cellának a tartalmát használtuk, amelyben a számításhoz szükséges adat
RészletesebbenJó Gyakorlatok! Fókuszban az önkormányzatok! - a III. témablokk előadásai
Jó Gyakorlatok! Fókuszban az önkormányzatok! - a III. témablokk előadásai 2014-12-12 15:21:02 Az Állami Számvevőszék tervezési rendszere, az utóellenőrzések szerepe, az adatszolgáltatás és a számvevőszéki
RészletesebbenÁ Ü ő Ü ő Í Ü Í Í ő ő ő ő ő Ü Á ő Á É Í Í Í Í ő Í Ö Í Í ő Í Í Í ő Í ő Í Í ő Í Á Í Í Í Í Í Ü Ü Í Í ő Í Í ő Á Í Í Í ő Í Í Í Í Í Í ÍÍ Í Ö Í Í Í Í ő Í Í Ú Ö Í ő Í Í ő őé Í Í Í Í Í Í Í Í Í Í Í Í ő Í Í Í ő ő
RészletesebbenKÖLTSÉG-HASZON ELEMZÉS A 2014-2020 PROGRAMOZÁSI IDŐSZAKBAN 2015.05.26.
KÖLTSÉG-HASZON ELEMZÉS A 2014-2020 PROGRAMOZÁSI IDŐSZAKBAN 2015.05.26. A KÖLTSÉG-HASZON ELEMZÉS (CBA) CÉLJAI A strukturális és beruházási alapok (ESB alapok) felhasználásának feltétele: a támogatás indokoltsága.
RészletesebbenMérés 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
RészletesebbenMetaanalízisek. Ferenci Tamás november 27.
Metaanalízisek Ferenci Tamás tamas.ferenci@medstat.hu 2017. november 27. A metaanalízis fogalma Több, ugyanarra a kérdésre vonatkozó vizsgálat eredményeinek bizonyos módszer szerinti aggregálása (Itt természetesen
RészletesebbenFIT-jelentés :: Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út OM azonosító: Intézményi jelentés
FIT-jelentés :: 2014 Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út 88-90. Létszámadatok A telephelyek kódtáblázata A 003 - Árpád Szakképző Iskola és Kollégium (szakközépiskola)
RészletesebbenFIT-jelentés :: Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út OM azonosító: Intézményi jelentés
FIT-jelentés :: 2012 Árpád Szakképző Iskola és Kollégium 8000 Székesfehérvár, Seregélyesi út 88-90. Létszámadatok A telephelyek kódtáblázata A 003 - Árpád Szakképző Iskola és Kollégium (szakközépiskola)
RészletesebbenAPRÍTÉKTERMELÉSI MUNKARENDSZER-VÁLTOZATOK VIZSGÁLATA A MECSEKI EFAG-BAN TÖBBTÉNYEZŐS DÖNTÉSI MODELLEL
Fiataljaink munkáiból BALOGH ZOLTÁN 634.0.323.9 APRÍTÉKTERMELÉSI MUNKARENDSZER-VÁLTOZATOK VIZSGÁLATA A MECSEKI EFAG-BAN TÖBBTÉNYEZŐS DÖNTÉSI MODELLEL ' / A hazai erdőgazdálkodásban az évről évre növekvő
Részletesebbenü ű ű Á É É Á Á Ó ü ú Á É É ó ü ű É ó ó ü ü ó ó ü ű ü ú í ü ú í ü í ú ü ű óí í ü ü ű í ó ó ó ü ű ü ü ű ú í ó ü ó ü ű í ü ű ó í ü ű ü ű ü ű í ű ű ó ó í ü ű ü í ó í ó ó í ó ü í í í í ű ü í ó ó ó ú ó í ú
RészletesebbenFIT-jelentés :: 2012. Hétvezér Általános Iskola 8000 Székesfehérvár, Hétvezér tér 1. OM azonosító: 030062. Intézményi jelentés. 8.
FIT-jelentés :: 2012 Hétvezér Általános Iskola 8000 Székesfehérvár, Hétvezér tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - Hétvezér Általános Iskola (általános iskola) (8000 Székesfehérvár, Hétvezér
RészletesebbenRegionális Gazdaságtan II 3. Gyakorlathoz
Regionális Gazdaságtan II 3. Gyakorlathoz Beadandó Házi Feladat Magyarországi megyék versenyképessége Beadandó házi feladat levelezı tagozatosoknak A 3. gyakorlatban bemutatott eljárással elkészített megyék
RészletesebbenTÜZÉRSÉGI TŰZVEZETŐ RENDSZEREK ÖSSZEHASONLÍTÁSA
TÜZÉRSÉGI TŰZVEZETŐ RENDSZEREK ÖSSZEHSONLÍTÁS Gyarmati József-Kende György-Turcsányi Károly 1 1. Bevezetés 1.1. z Árpád fejlesztéséről z 1970-es évek végén, a 80-as évek elején megkezdődött a magyar tábori
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenGyártástechnológia alapjai Méréstechnika rész 2011.
Gyártástechnológia alapjai Méréstechnika rész 2011. 1 Kalibrálás 2 Kalibrálás A visszavezethetőség alapvető eszköze. Azoknak a műveleteknek az összessége, amelyekkel meghatározott feltételek mellett megállapítható
Részletesebben