Út a sikerhez, avagy a bölcsek kövének kere sé se
|
|
- Irén Vargané
- 5 évvel ezelőtt
- Látták:
Átírás
1 Mi látszik a képen? Kutatásmódszertan Út a sikerhez, avagy a bölcsek kövének kere sé se A tehén A tudományos kutatás A tudomány a tudás, ismeret bıvítése. Munkája a kutatás. Eredmény e a rendszerezett ismeretalkotás. Ismeretalkotás célja: Gy akorlati vagy elméleti probléma megoldása Tudomány ág, diszciplína fejlesztése Tudomány os munkára való alkalmasság bizonyítása A kutatás típusa A kutatás típusa Külsı ismeretalkotás Belsı ismeretalkotás Primer kutatás Primer kutatás Szekunder kutatás Tényfeltáró - általában induktív - új információ k épzı Elmélkedı, töprengı - inkább deduktív - ismeretalkotó heurisztikát alkalmaz ó M eglévı Indukáltan információt győjtı gondolatalkotó - dokumentáló, r endszerzı - ismeretbıvítıkombináló - összehasonlító - ismeretszintetizáló ( analitikus) s zakirodalomk utatást végzı
2 Szekunder kutatás A kutatás típusa A kutatás típusa Külsı ismeretalkotás Belsı ismeretalkotás Primer kutatás Szekunder kutatás Tényfeltáró - általában induktív - új információ k épzı Elmélkedı, töprengı - inkább deduktív - ismeretalkotó heurisztikát alkalmaz ó M eglévı Indukáltan információt győjtı gondolatalkotó - dokumentáló, r endszerzı - ismeretbıvítıkombináló - összehasonlító - ismeretszintetizáló ( analitikus) s zakirodalomk utatást végzı Heurisztika A tudományos kutatás lépései Megaüki Köbi Empíria A semmiféle elmélettel sem értelmezhetı megfigyelések teljesen haszontalanok. SELYE
3 D Az elsı modell ZENIT Ny A látóhat ár síkja Nappali ív ( 12 óra) É Mi a modell? A modell összetett, bonyolult természeti képzıdmények, objektumok mőködésének megismerésére létrehozott egyszerősített helyettesítı. K Éjszakai ív (12 óra) NADIR Mi a számítógépes modell alapja? A matematikai, fizikai és kémia formanyelv ét alkalmazv a az alapot egy enletek, egy enletrendszerek alkotják. Megoldásuk valamely kezdeti értékrıl indulóan adja a modell válaszát. A bony olultabb foly amatok leírására általában diff erenciálegy enletek alkalmasak, amely ek megoldása általában numerikus módszerekkel történik (számítástechnika). A számítógépes modellek csoportosítása sa 1. Determinis ztiku s a) Mechanisztikus (általában sebesség param éterekkel) b) Mőködés i (funkcionális ) (általában kapacitív param éterekkel) 2. Sztochasztikus a) Mechanisztikus (véletlenszerően kiválasztott eloszlási paraméterek) b) Nem -mechanisztikus (sőrőségfüggvény paraméterek) M ás szempontú felosztás i lehetıségek: Cél, Ös szetettség (komplexitás), Rugalmasság (flexibilitás), Átvihetıség (trans zferabilitás) Kvalitatív vagy kvantitatív jelleg Hierarchikus felépítés szerint Információs szintek szerint Addis cott és Wagenet (1985), Hoosebeek és Br yant (1992) nyomán f Sztochasztikus modell ( x µ ) 1 2 ( x) = e 2σ σ 2π Szórás 2 x ( x µ ) 1 2 2σ ( x) = e Átlag Szórás F σ 2π 2 dx Determinisztikus modellek Modell formák: Mechanikus analógok, elektromos analógok, fizikai, kémiai, matematikai, modellek, stb.
4 Mechanikus analóg Elektromos analóg Matematikai modell A napmagasság g integrálja (s) sin βdt = h 3600 Dsin λ sin δ + cosλ cosδ 1 tan λ tan δ π D : Csillagászati nappal hosszúság (óra) β : Napmagasság (fok) λ : Szélességi fok (fok) δ : Deklináció (Napelhajlás) (fok) t h : idı (óra) Robusztus modell A lényeg kiemelése Embermodell Embermodell 1. Embermodell Embermodell 2.
5 Embermodell Embermodell 3. Miért nem harangoznak? Mert esik az esı Nincs harangozó Túl hangos Nincs harang
6 Becslés s a modellel Kísérlet, mérés Egyenlítı (0 ) Napfelkelte Delelés Napnyugta φ. α. φ N a p s u g a r a k Déli sark (-90 ) A kísérlet Megf elelı elméleti megalapozás után kialakított elgondolás, következtetés helyes vagy hely telen v oltának mérésekkel történı ellenırzése. A jó modell publikálása? Foltszerő bizonytalan megoldások. 0 5 Mi okozza? A folyamat sztochasztikus jellege Pártatlan vélemény Nemzetközi zi kitekintés
7 Éjszakai ív (8 ór a) Éjszakai ív (12 óra) Utazás Hunniában A modell nem jó Módosított modell Nappali ív ( 16 óra) Nappali ív ( 12 óra) Út hazafelé Sejtés
8 A modell mégsem jó Módosított modell 2. na ppa lhoss zús ág ( hom ok óra ) Nappal hossz úság Hunni ában napok Z ENIT A látóhatár síkja Ny D É K NADIR Az álom Az új modell Bevásárlás A szerencse szerencse
9 A módosított modell 3. Nem tökéletes A tökéletes modell TAVASZ TAVASZI NAPÉJEGYENLİSÉG Márc. 21. TÉL NYÁRI NAPFORULÓ Jún. 22. NAPT ÁVOL km NAP NAPKÖZEL km TÉLI NAPFORDULÓ Dec. 21. İSZ NYÁR İSZI NAPÉJEGYENLİSÉG Szept. 23. Szamoszi Arisztarkhosz (i.e ) 250) Heliocentrikus világkép
10 Archimedesz Kopernikusz Galilei Giordano Bruno Kepler Newton A természettudom ányos megismerés módszere Tapasztalatok győjtése megfigyelésekkel Modell alkotása tapasztalataink megértéséhez Számsz erően kiérték elhetı modell, m ely et alkalm azva k épes ek vagy unk a jelenségek menny is égi elır ejelz ésére. Jóslás a modell segítségével még nem ismert jelenségeket A jóslás helyességét kísérlettel ellenırizzük, közben megállapítjuk a modell érvényességi határát A modellek s zám szer ő kísérleti ellenırzése. Gyakorlati feladatok megoldása a modell segítségével az érvényességi határon belül Az érvényességi határon túli jelenségek magyarázatához a modell továbbfejlesztése, módosítása, es etleg teljesen új modell kidolgozása Merre forog?
A csillagképek története és látnivalói február 14. Bevezetés: Az alapvető égi mozgások
A csillagképek története és látnivalói 2018. február 14. Bevezetés: Az alapvető égi mozgások A csillagok látszólagos mozgása A Föld kb. 24 óra alatt megfordul a tengelye körül a földi megfigyelő számára
RészletesebbenAz éggömb. Csillagászat
Az éggömb A csillagászati koordináta-rendszerek típusai topocentrikus geocentrikus heliocentrikus baricentrikus galaktocentrikus alapsík, kiindulási pont, körüljárási irány (ábra forrása: Marik Miklós:
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
RészletesebbenA pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015
A pedagógiai kutatás metodológiai alapjai Dr. Nyéki Lajos 2015 A pedagógiai kutatás jellemző sajátosságai A pedagógiai kutatás célja a személyiség fejlődése, fejlesztése során érvényesülő törvényszerűségek,
RészletesebbenA Föld pályája a Nap körül. A világ országai. A Föld megvilágítása. A sinus és cosinus függvények. A Föld megvilágítása I. A Föld megvilágítása II.
Föld pályája a ap körül TVSZI TL TVSZ PJEGYELŐSG Márc. 21. világ országai P TLI PFORULÓ ec. 21. YÁRI PFORULÓ Jún. 22. ŐSZ YÁR ŐSZI PJEGYELŐSG Szept. 23. sinus és cosinus függvények III. Föld megvilágítása
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenA pedagógia mint tudomány. Dr. Nyéki Lajos 2015
A pedagógia mint tudomány Dr. Nyéki Lajos 2015 A pedagógia tárgya, jellegzetes vonásai A neveléstudomány tárgya az ember céltudatos, tervszerű alakítása. A neveléstudomány jellegét tekintve társadalomtudomány.
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
RészletesebbenFİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20.
FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) 2010. október 20. A kutatási terv fogalmának, a különbözı kutatási módszerek osztályozása, a feltáró és a következtetı kutatási módszerek közötti különbségtétel
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
RészletesebbenA 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
RészletesebbenBiomatematika 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)
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
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
Részletesebben[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)
RészletesebbenNemzetközi Csillagászati és Asztrofizikai Diákolimpia Szakkör Szferikus csillagászat II. Megoldások
Nemzetközi Csillagászati és Asztrofizikai Diákolimpia Szakkör 2015-16 6. Szferikus csillagászat II. Megoldások Dálya Gergely, Bécsy Bence 1. Bemelegítő feladatok B1. feladat Meg van adva két oldal és a
RészletesebbenFoucault ingakísérlete a Szegedi Dómban
Foucault ingakísérlete a Szegedi Dómban 2005. április 13. És mégis mozog a Föld A világról alkotott kép alakulása Ókorban 6 bolygót ismertek (Merkur,..., Szaturnusz) Ptolemaiosz (120-160) A geocentrikus
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:
RészletesebbenCompton-effektus. Zsigmond Anna. jegyzıkönyv. Fizika BSc III.
Compton-effektus jegyzıkönyv Zsigmond Anna Fizika BSc III. Mérés vezetıje: Csanád Máté Mérés dátuma: 010. április. Leadás dátuma: 010. május 5. Mérés célja A kvantumelmélet egyik bizonyítékának a Compton-effektusnak
RészletesebbenMatematikai alapok és valószínőségszámítás. Normál eloszlás
Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak
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
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
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
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
RészletesebbenMérés 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
RészletesebbenKészítette: Bruder Júlia
Készítette: Bruder Júlia nkp.hu Megfigyelés Kísérlet Mérés Feladat: Lakóhely időjárásának megfigyelése 2 hétig: max. hőmérséklet, min. hőmérséklet, szél (nincs, gyenge, erős), csapadék. Az adatokat táblázatba
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
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.
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenSTATISZTIKA. Oktatók. A legjobbaknak AV_KMNA221, AV_PNA222. /~huzsvai. Bevezetés, a statisztika szerepe
Tantárgyk rgykódok STATISZTIKA AV_KMNA221 AV_PNA222 1. Előad adás Bevezetés, a statisztika szerepe Oktatók Előad adó: Dr. Huzsvai LászlL szló tanszékvezet kvezető A legjobbaknak Gyakorlatvezetők: k: Dr.
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
RészletesebbenÓ Ó É ü É ü ü
É Ó É Ú ü ű ú ú ü ü ü Ó Ó É ü É ü ü Ó ü ü ü É ü ü Ó É É ü ü ü ü ü ü ü ü ü ü ü ü ü Ó Ó ü ü ü ü ü ü ü É ü ü É ü ü ü ü ü ü Ó ü ü ü ü ü ü ü ü É Ó ü ü É Ó Ó ü ü ü ü ü É ü ü ü É ü ü ü ü ü Ó Ó ú ü ü ü ü ü ü Ó
RészletesebbenIsmétlı áttekintés. Statisztika II., 1. alkalom
Ismétlı áttekintés Statisztika II., 1. alkalom Hipotézisek Milyen a jó null hipotézis?? H0: Léteznek kitőnı tanuló diszlexiások. Sokkal inkább: H0: Nincs diszlexiás kitőnı tanuló általános iskolában Mo-on.
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
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
Részletesebben4. A méréses ellenırzı kártyák szerkesztése
4. A méréses ellenırzı kártyák szerkesztése A kártyákat háromféle módon alkalmazhatjuk. Az elızetes adatfelvétel során a fı feladat az eloszlás paramétereinek (µ és σ ) becslése a további ellenırzésekhez.
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenBESZÁMOLÓ TÁMOP 4.1.2 08/1/C-2009-0009 KÉPZİK KÉPZÉSE PROGRAM MEGVALÓSÍTÁSÁRÓL Készítette: Dr. habil. Péntek Kálmán
BESZÁMOLÓ TÁMOP 4.1.2 08/1/C-2009-0009 KÉPZİK KÉPZÉSE PROGRAM MEGVALÓSÍTÁSÁRÓL Készítette: Dr. habil. Péntek Kálmán 1. Bevezetés Az általam oktatott tantárgyak közül a Földrajz BSc Matematikai földrajz
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
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
RészletesebbenSTATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
RészletesebbenMérés 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
Részletesebben3/29/12. 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
RészletesebbenLogisztikai szimulációs módszerek
Üzemszervezés Logisztikai szimulációs módszerek Dr. Juhász János Integrált, rugalmas gyártórendszerek tervezésénél használatos szimulációs módszerek A sztochasztikus külső-belső tényezőknek kitett folyamatok
Részletesebbenű ű ű Ö ű ű ű Ú ű ű ű Ö ű ű ű ű ű ű ű
ű Ö É ű É Ö ű ű ű ű ű ű ű ű ű Ö ű ű ű Ú ű ű ű Ö ű ű ű ű ű ű ű Ú Ú Ú Ü É É É É ű É Ú É ű É Ó Ö É É ű ű ű É ű Ö Ö ű Ö Ú ű ű ű Ú ű ű ű Ö ű ű ű É ű ű ű Ó Ü É É Ú Ú Ü Ü Ö Ó ű Ü Ü ű ű É Ó Ó ű ű Ü Ö Ó Ö Ü Ü ű
RészletesebbenÚ Ú Ü Ü ű ű ű É Ú É ű
É Ó ű ű Ö Ú Ú Ü Ü ű ű ű É Ú É ű É ű ű ű Ü ű É ű Ű Ö ű ű ű Ú Ú É É Ó Ó Ú ű ű É Ú É Ü Ü Ú ű Ú Ó É Ü ű É ű ű ű Ö ű ű ű Ö Ö Ú ű Ü Ú Ö ű Ü ű Ü ű ű Ü Ö ű ű ű Ú Ü Ú Ó ű ű É É ű ű ű ű ű Ö ű ű ű ű ű ű ű Ö ű ű ű
RészletesebbenPIACKUTATÁS (MARKETINGKUTATÁS)
PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel
RészletesebbenÓ Ó ú ú ú ú ú É ú
É Ö É ű ú É Ó É ú ú ú Ó Ó ú ú ú ú ú É ú Ó Ó ú É ú É ú Ó Ö É Ó Ó ú É ú Ö Ó Ó ú ú É É É ú Ó Ó É ú ú ú ú ú ú ú ú ú ú É Ú É Ó Ó ú ú Ó Ó Ö Ö É É É ú É É ú ú É É Ó Ó É Ű ú É Ó Ó Ű Ú ú ú É Ú Ú É Ú Ó Ó Ó É É É
RészletesebbenA mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv
Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési
RészletesebbenÓ ú É ú É É É Ő ú ú ű Ó Ö É É ú Ü ú É ú
É Ó Ö É Ü ű ú Ü ÉÚ É ú ú ű ú Ó ú É ú É É É Ő ú ú ű Ó Ö É É ú Ü ú É ú Ó ú Ü Ü ú ű Ü Ö Ó ú ú ú ú É Ü ú ú Ü Ü Ó Ó É ú ú É É É É Ú Ü Ü ú Ü ú ú É Ő Ő ú É Ó Ó É Ő Ü Ó Ő ú Ó Ó É É ú Ü Ó Ó Ó É ú Ü Ú Ö Ü É ú Ó
RészletesebbenMátrixhatvány-vektor szorzatok hatékony számítása
Mátrixhatvány-vektor szorzatok hatékony számítása Izsák Ferenc ELTE TTK, Alkalmazott Analízis és Számításmatematikai Tanszék & ELTE-MTA NumNet Kutatócsoport munkatárs: Szekeres Béla János Alkalmazott Analízis
Részletesebbenű ő ű ű ű ö ő ú ö ő ő ő ő ő ő ő ű ő ő ő ő ü ü ő ü ü ő ú ü ő ő ü ü ü ő ú ü
Ö ü ö ő ú ö ü ű ö ö ö ö ő ő ö ő ü ö ö ő ö ö ü ú ö ü ő ő ö ú ő ü ü ü ű ű ű ő ű ű ű ö ő ú ö ő ő ő ő ő ő ő ű ő ő ő ő ü ü ő ü ü ő ú ü ő ő ü ü ü ő ú ü ő ü ü ő ő ü ü ő ő ú ő ú ő ü ü ő ü ő ú ü Ü ő ő ö ő ü ő ü
RészletesebbenKora modern kori csillagászat. Johannes Kepler ( ) A Világ Harmóniája
Kora modern kori csillagászat Johannes Kepler (1571-1630) A Világ Harmóniája Rövid életrajz: Született: Weil der Stadt (Német -Római Császárság) Protestáns környezet, vallásos nevelés (Művein érezni a
RészletesebbenGyakorló feladatok I.
Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,
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 -
RészletesebbenCsillagászati észlelési gyakorlatok I. 4. óra Az éggömb látszólagos mozgása, csillagászati koordináta-rendszerek, a téli égbolt csillagképei
Csillagászati észlelési gyakorlatok I. 4. óra Az éggömb látszólagos mozgása, csillagászati koordináta-rendszerek, a téli égbolt csillagképei Hajdu Tamás & Perger Krisztina & B gner Rebeka & Császár Anna
RészletesebbenSpeciális mozgásfajták
DINAMIKA Klasszikus mechanika: a mozgások leírása I. Kinematika: hogyan mozog egy test út-idő függvény sebesség-idő függvény s f (t) v f (t) s Példa: a 2 2 t v a t gyorsulások a f (t) a állandó Speciális
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
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Részletesebbenü ű í ú ű í É í Ö í ü Ö É í í Ö í É ú ú Ú í
ű í ú ü ü É ü ü ü Ü É í Ü Ü í ü ű í ú ű í É í Ö í ü Ö É í í Ö í É ú ú Ú í í í ú É í í í í í É í í í Ü ű í Ü í ú ű ű í É í í ü ű ű í ú ű í í í í í ü í Ö í ú í ú í ü ű í ú í í í Ü Ü ü ú Ü É É É É É É ú ú
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
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
RészletesebbenTémaválasztás, kutatási kérdések, kutatásmódszertan
Témaválasztás, kutatási kérdések, kutatásmódszertan Dr. Dernóczy-Polyák Adrienn PhD egyetemi adjunktus, MMT dernoczy@sze.hu A projekt címe: Széchenyi István Egyetem minőségi kutatói utánpótlás nevelésének
RészletesebbenEgyszerű számítási módszer bolygók és kisbolygók oályáj ának meghatározására
Egyszerű számítási módszer bolygók és kisbolygók oályáj ának meghatározására A bolygók és kisbolygók pályájának analitikus meghatározása rendszerint több éves egyetemi előtanulmányokat igényel. Ennek oka
RészletesebbenModellkiválasztás és struktúrák tanulása
Modellkiválasztás és struktúrák tanulása Szervezőelvek keresése Az unsupervised learning egyik fő célja Optimális reprezentációk Magyarázatok Predikciók Az emberi tanulás alapja Általános strukturális
RészletesebbenKiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.
Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak
RészletesebbenSTATISZTIKA. Philosophiae Naturalis Principia Mathematica (A természetfiloz. szetfilozófia fia matematikai alapelvei, 1687) Laplace ( )
STATISZTIKA 8. Előad adá Megbíhat tartomáyok (Kofidecia itervallumok) (Kofidecia itervallumok) Sir Iaac Newto, 1643-177 177 Philoohiae Naturali Priciia Mathematica (A terméetfilo etfiloófia fia matematikai
RészletesebbenMéréselmélet 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
RészletesebbenA mérési eredmény megadása
A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű
RészletesebbenKÁROLY KRISZTINA SZÖVEGKOHERENCIA A FORDÍTÁSBAN
KÁROLY KRISZTINA SZÖVEGKOHERENCIA A FORDÍTÁSBAN Budapest, 2014 TARTALOM ELŐSZÓ...9 1. BEVEZETÉS...15 1.1. A vizsgálat tárgya...17 1.2. Célkitűzések és kutatási kérdések...18 1.3. A vizsgált nyelvek, műfaj
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
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
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
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,
RészletesebbenMérnök informatikus MSc szak levelezı tagozat tanterve
Mérnök informatikus MSc szak levelezı tagozat tanterve Elfogadta a MIK Kari Tanácsa a 2008 júniusi ülésén Érvényes: A 2008/09es tanévtıl Dr. Friedler Ferenc szakvezetı Dr. Hartung Ferenc dékánhelyettes
RészletesebbenMATEMATIKA HETI 5 ÓRA
EURÓPAI ÉRETTSÉGI 2008 MATEMATIKA HETI 5 ÓRA IDŐPONT : 2008. június 5 (reggel) A VIZSGA IDŐTARTAMA: 4 óra (240 perc) MEGENGEDETT ESZKÖZÖK: Európai képletgyűjtemény Nem programozható, nem grafikus számológép
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,
Részletesebben, , A
MI Nagy ZH, 2011. nov. 4., 14.15-16, A és B csoport - Megoldások A/1. Milyen ágenskörnyezetrıl azt mondjuk, hogy nem hozzáférhetı? Adjon példát egy konkrét ágensre, problémára és környezetre, amire igaz
RészletesebbenVEGYIPARI RENDSZEREK MODELLEZÉSE
VEGYIPARI RENDSZEREK MODELLEZÉSE ANYAGMÉRNÖK MSC KÉPZÉS SZAKMAI TÖRZSANYAG (nappali munkarendben) TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ MISKOLCI EGYETEM MŰSZAKI ANYAGTUDOMÁNYI KAR KERÁMIA- és POLIMERMÉRNÖKI
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...
RészletesebbenBevezetés a görbe vonalú geometriába
Bevezetés a görbe vonalú geometriába Metrikus tenzor, Christoffel-szimbólum, kovariáns derivált, párhuzamos eltolás, geodetikus Pr hle Zsóa A klasszikus térelmélet elemei (szeminárium) 2012. október 1.
RészletesebbenAz optika tudományterületei
Az optika tudományterületei Optika FIZIKA BSc, III/1. 1. / 17 Erdei Gábor Elektromágneses spektrum http://infothread.org/science/physics/electromagnetic%20spectrum.jpg Optika FIZIKA BSc, III/1. 2. / 17
RészletesebbenOrvosi Biofizika I. 12. vizsgatétel. IsmétlésI. -Fény
Orvosi iofizika I. Fénysugárzásanyaggalvalókölcsönhatásai. Fényszóródás, fényabszorpció. Az abszorpciós spektrometria alapelvei. (Segítséga 12. tételmegértéséhezésmegtanulásához, továbbá a Fényabszorpció
RészletesebbenBolygómozgás. Számítógépes szimulációk fn1n4i11/1. Csabai István, Stéger József
Bolygómozgás Számítógépes szimulációk fn1n4i11/1 Csabai István, Stéger József ELTE Komplex Rendszerek Fizikája Tanszék Email: csabai@complex.elte.hu, steger@complex.elte.hu Bevezetés Egy Nap körül kering
RészletesebbenA fizika kétszintű érettségire felkészítés legújabb lépései Összeállította: Bánkuti Zsuzsa, OFI
A fizika kétszintű érettségire felkészítés legújabb lépései Összeállította: Bánkuti Zsuzsa, OFI (fizika munkaközösségi foglalkozás fóliaanyaga, 2009. április 21.) A KÉTSZINTŰ FIZIKAÉRETTSÉGI VIZSGAMODELLJE
RészletesebbenGeofizika alapjai. Bevezetés. Összeállította: dr. Pethő Gábor, dr Vass Péter ME, Geofizikai Tanszék
Geofizika alapjai Bevezetés Összeállította: dr. Pethő Gábor, dr Vass Péter ME, Geofizikai Tanszék Geofizika helye a tudományok rendszerében Tudományterületek: absztrakt tudományok, természettudományok,
RészletesebbenÉ Ü ö Ü ú Ú ű Ó Ó ű ö Ó Ó ú ű Ü Ö Ó Ó ö Ó Ő ű Ó Ó ú Ü Ü Ó Ó Ó Ü Ó Í Í ö ö ö ö ö ú ú ö ű ú ö ö ö ú ö ú ű ö ö ű ö ö ö ű ö ö ö ú ö ö ú ö ö ö ö ö ú ö ö ö ö ú ö ú ö ö ö ö ö ö ú ö ö ö ö Í ö Ö ö ú ö ö ö ö Ó Í
Részletesebben