Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet"

Átírás

1 Fkt Faktoranalízis líi Olyan többváltozós statisztikai módszer, amely adattömörítésre, a változók számának csökkentésére, az adatstruktúra feltárására szolgál. A kiinduló változók számát úgynevezett faktorváltozókba vonja össze.

2 A faktoranalízis a a scélja Az egymással erős ő korrelációs kapcsolatban levő változókat faktorváltozókba tömöríteni. Oly módon, hogy a kialakított faktorváltozók egymással már ne korreláljanak.

3 Többváltozós statisztikai elemzések A többváltozós statisztikai elemzések többségében alapvető feltétel, hogy a vizsgált változók között ne álljon fenn sztochasztikus kapcsolat. Lásd: Multikollinearitás, klaszterelemzés feltételei.

4 A faktorelemzés menete 1. A kutatási probléma áttekintése 2. Az elemzési feltételek ellenőrzése 3. A faktoranalízis elvégzése 4. Az adatok alkalmasságának vizsgálata 5. Döntés a faktorok k számáról á 6. A faktorok rotálása 7. Az eredmények értelmezése 8. Az elemzés érvényességének vizsgálata

5 A faktorelemzés feltételei 1. A változók mérési szintje A faktorelemzés a regresszió számításhoz hasonlóan metrikus változókra épül, de alkalmazhatók dummy változók is. Ü ljü k h é é i é Ügyeljünk arra, hogy azonos mérési és tartalmi szintű változókat vonjunk be az elemzésbe.

6 A faktorelemzés feltételei 2. A változók közötti ötti kapcsolat Az elemzés csak a vizsgált változók között fennálló szignifikáns ifik korrelációs kapcsolat esetén alkalmazható. Minél több korrelációs együttható értéke legyen nagyobb, mint 0,3!

7 A faktorelemzés feltételei 3. A minta homogenitása Az elemzés a változók varianciájára épül, ezért fontos, hogy a minta homogén legyen Azaz ne legyenek az egyedeknek k olyan heterogén csoportjai az egyes változókban, melyekre a variancia nem azonos.

8 A diszkriminanciaelemzés feltételei 4A 4. mintanagyság it Általánosan lefogadott szabályként itt is elmondható, hogy minél nagyobb a minta annál megbízhatóbbak az eredmények. Egyes szakirodalmak szerint minimum 50, mások szerint minimum 100 adat kell az elemzéshez. A teljes mintanagyság legalább tízszer nagyobb legyen a változók számánál. á ál

9 A faktorelemzés feltételei 5. Általános lá többváltozós feltételek l Linearitás, Homoszkedaszticitás, Normalitás (kivéve multikollinearitás) Ezek a feltételek a korrelációs együtthatók értékét és megbízhatóságát befolyásolják, így ezen keresztül közvetetten hatnak a változók alkalmasságára, az eredmények megbízhatóságára.

10 Outputok 1. Correlation Matrix Eltöltött Szakmai FoglalakoztatáKépzettség Kisebbség munkaidő nem tapasztalatok si kategória (év) Kezdő fizetés csoport orrelationeltöltött munkaidő 1,000,066,003,005,047 -,020,050 nem,066 1,000,165,378,356,457,076 Szakmai tapasztala,003,165 1,000,063 -,252,045,145 Foglalakoztatási kategória,005,378,063 1,000,514,755 -,144 Képzettség (év),047,356 -,252,514 1,000,633 -,133 Kezdő fizetés -,020,457,045,755,633 1,000 -,158 Kisebbségi csopor,050,076,145 -,144 -,133 -,158 1,000

11 Outputok 2. KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy.,686 Bartlett's tt' Test of Approx. Chi-Square 887,501 Sphericity df 21 Sig.,000

12 A Kaiser-Meyer-Olkin (KMO) mutató tó megítélése KMO 0,9 KMO 0,8 kiváló nagyon jó KMO 0,7 megfelelő KMO 0,6 KMO 0,5 KMO<0,5 közepes gyenge elfogadhatatlan atat a

13 Outputok 3. Anti-image Matrices Eltöltött Szakmai FoglalakoztatáKépzettség Kisebbsé munkaidő nem tapasztalatoksi kategória (év) Kezdő fizetés csoport nti-image image Covari Eltöltött munkaidő,985 -,055 -,011 -,015 -,049,044 -,035 nem -,055,728 -,144 -,023 -,096 -,099 -,120 Szakmai tapaszta -,011 -,144,812 -,042,245 -,067 -,103 Foglalakoztatási kategória -,015 -,023 -,042,424 -,039 -,220,034 Képzettség (év) -,049 -,096,245 -,039,499 -,166,006 Kezdő fizetés,044 -,099 -,067 -,220 -,166,322,055 Kisebbségi i csopo -,035 -,120 -,103,034,006,055,928 nti-image CorrelaEltöltött munkaidő,356 a -,065 -,012 -,022 -,070,078 -,037 nem -,065,799 a -,187 -,041 -,160 -,204 -,146 Szakmai tapaszta -,012 -,187,348 a -,071,386 -,132 -,119 Foglalakoztatási kategória -,022 -,041 -,071,729 a -,084 -,595,054 Képzettség (év) -,070 -,160,386 -,084,709 a -,416,009 Kezdő fizetés,078 -,204 -,132 -,595 -,416,667 a,100 Kisebbségi csopo -,037 -,146 -,119,054,009,100,650 a. Measures of Sampling Adequacy(MSA)

14 Outputok 4. Total Variance Explained ompo Total of Varianumulative Total of Varianumulative Total of Varianumulativ Initial Eigenvalues tion Sums of Squared Loaion Sums of Squared Lo 2,601 37,163 37,163 2,601 37,163 37,163 2,589 36,979 36,979 1,292 18,451 55,614 1,292 18,451 55,614 1,294 18,489 55,468 1,028 14,688 70,302 1,028 14,688 70,302 1,038 14,833 70,302,876 12,511 82,812,602 8,605 91,418,385 5, ,925925,215 3, ,000 xtraction Method: Principal Component Analysis.

15 A faktorok számának meghatározása htá á A priori Kaiser kritérium i Varianciahányad módszer Scree-teszt Maximum-likelihood lih esetén

16 Scree Plot Outputok ,0 2,5 2,0 Eigenvalu ue 1,5 1,0 0,5 0,

17 Outputok 6. Goodness-of-fit of fit Test Chi-Square df Sig. 1,016 3,797

18 Outputok 7. Kezdő fizetés Foglalakoztatási kategória Rotated Component Matrix a Component 1 2 3,909 -,044 -,092,849 -,014 -,097 Képzettség (év),759 -,367,127 nem,663,350,152 Szakmai tapasztalatok,063,841 -,177 Kisebbségi csoport -,146,573,350 Eltöltött munkaidő,035 -,014,910 Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 4 iterations.

19 Ajánlott irodalom: Naresh K. Malhotra: Marketingkutatás Budapest, SékliMái Székelyi Mária-Barna Ildikó: Túlélőkészlet l az SPSS-hez, Budapest, Elérhetőség: strolsz@uni-miskolc.hu

20 Köszönöm a figyelmet!

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Faktoranalízis előadás. Kvantitatív statisztikai módszerek

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Faktoranalízis előadás. Kvantitatív statisztikai módszerek Faktoranalízis 6.-7. előadás Kvantitatív statisztikai módszerek Faktoranalízis Olyan többváltozós statisztikai módszer, amely adattömörítésre, a változók számának csökkentésére, az adatstruktúra feltárására

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis Factor Analysis Factor analysis is a multiple statistical method, which analyzes the correlation relation between data, and it is for data reduction, dimension reduction and to explore the structure. Aim

Részletesebben

Faktoranalízis az SPSS-ben

Faktoranalízis az SPSS-ben Faktoranalízis az SPSS-ben Kvantitatív statisztikai módszerek Petrovics Petra Feladat Megnyitás: faktor.sav Fogyasztók materialista vonásai (Richins-skála) Forrás: Sajtos-Mitev, 250.oldal Faktoranalízis

Részletesebben

Faktoranalízis az SPSS-ben

Faktoranalízis az SPSS-ben Faktoranalízis az SPSS-ben = Adatredukciós módszer Petrovics Petra Doktorandusz Feladat Megnyitás: faktoradat_msc.sav Forrás: Sajtos-Mitev 250.oldal Fogyasztók materialista vonásai (Richins-skála) Faktoranalízis

Részletesebben

A magyarországi nonprofit szektorban dolgozók motivációjára káros hatások értékelésének elemzése többváltozós statisztikai módszerekkel

A magyarországi nonprofit szektorban dolgozók motivációjára káros hatások értékelésének elemzése többváltozós statisztikai módszerekkel A magyarországi nonprofit szektorban dolgozók motivációjára káros hatások értékelésének elemzése többváltozós statisztikai módszerekkel Kovács Máté PhD hallgató (komoaek.pte) Pécsi Tudományegyetem Közgazdaságtudományi

Részletesebben

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102 Tárgy- és névmutató A a priori kontraszt 174 175 a priori kritérium 259, 264, 276 adatbevitel 43, 47, 49 52 adatbeviteli nézet (data view) 45 adat-elôkészítés 12, 37, 62 adatgyûjtés 12, 15, 19, 20, 23,

Részletesebben

Faktor- és fıkomponens analízis

Faktor- és fıkomponens analízis Faktor- és fıkomponens analízis Informatikai Tudományok Doktori Iskola Adatredukció Olyan statisztikai módszerek tartoznak ide, melyek lehetıvé teszik, hogy az adatmátrix méretét csökkentve kisebb költséggel

Részletesebben

Diszkriminancia-analízis

Diszkriminancia-analízis Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Klaszteranalízis Hasonló dolgok csoportosítását jelenti, gyakorlatilag az osztályozás szinonimájaként értelmezhetjük. A klaszteranalízis célja A klaszteranalízis alapvető célja, hogy a megfigyelési egységeket

Részletesebben

ű ű ű ű Ü ű ű ű Ó ű Á ű Á Ö É É É Á É É É É Ü Á Á Á ű

ű ű ű ű Ü ű ű ű Ó ű Á ű Á Ö É É É Á É É É É Ü Á Á Á ű Ú ű ű ű Á Ü Ó Á É ű ű ű ű ű ű ű Ü ű ű ű Ó ű Á ű Á Ö É É É Á É É É É Ü Á Á Á ű Ü Ó ű ű ű ű ű ű ű Ö ű ű É ű ű ű ű ű ű ű ű ű ű ű ű ű ű É ű ű Á ű Ö ű ű ű É ű ű ű Ö ű Ú ű ű Á ű ű Ü Á Á Ö Á Ó ű ű ű ű ű ű Á ű

Részletesebben

THE EFFECTIVENESS OF THE E-LEARNING APPLICATION: IMPACT ASSESSMENT OF THE QUALITY

THE EFFECTIVENESS OF THE E-LEARNING APPLICATION: IMPACT ASSESSMENT OF THE QUALITY THE EFFECTIVENESS OF THE E-LEARNING APPLICATION: IMPACT ASSESSMENT OF THE QUALITY P E T E R L E N G Y E L - I S T VÁ N F Ü Z E S I - J Á N O S PA N C S I R A - G E R G E LY R ÁT H O N Y I U N I V E R S

Részletesebben

Logisztikus regresszió

Logisztikus regresszió Logisztikus regresszió 9. előadás Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó () Nem metrikus Metrikus Kereszttábla

Részletesebben

SZENT ISTVÁN EGYETEM. Gödöllő. Gazdálkodás és Szervezéstudományok Doktori Iskola

SZENT ISTVÁN EGYETEM. Gödöllő. Gazdálkodás és Szervezéstudományok Doktori Iskola SZENT ISTVÁN EGYETEM Gödöllő Gazdálkodás és Szervezéstudományok Doktori Iskola A MAGYARORSZÁGI ZÖLDSÉGÁGAZAT HELYZETÉNEK ÉRTÉKELÉSE ÉS ÖKONÓMIAI ELEMZÉSE DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI Készítette: Bene

Részletesebben

Á Ö Ü Ö

Á Ö Ü Ö Ü Ü Á Ö Ü Ö ű Á Ü Ü Ü Ü Á Ü Ö ű ű Ü ű ű Ü ű Ü Ü Ü Ü Ü Ü Ü Ü ű Ü ű ű ű Ü ű ű Ü ű Ü Ü ű ű ű ű ű É ű ű Ü Ü Ü Ü Ü ű ű ű Á É ű É ű ű ű ű ű É ű ű ű ű ű ű ű ű ű ű ű Ö ű Ö Ü ű Ü Ü Ü ű Ü ű Ü Ü Ü ű Ü ű Ü Ü Ü ű ű

Részletesebben

Korreláció számítás az SPSSben

Korreláció számítás az SPSSben Korreláció számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi

Részletesebben

ű É ő ő ű ő Ü ő ű É ő ő ő ő ő ű ő ő ű É ű ő ű ő ő ű ő ő ő ő É ű ű

ű É ő ő ű ő Ü ő ű É ő ő ő ő ő ű ő ő ű É ű ő ű ő ő ű ő ő ő ő É ű ű ő ű ő ő Ú Ú ű Ú É ÚÉ Ö Ö Ő Á Ú Ú ő ő É É Ü Ú Ú ű Ú Ú ő Ó Ú ű ő Ü ű ű É ő ő ű ő Ü ő ű É ő ő ő ő ő ű ő ő ű É ű ő ű ő ő ű ő ő ő ő É ű ű Á É É Á Á ő ő Ú ő ő ő ő ő ő ő Ú ő ű ő ő ő ű ő ű ő ő ő ő Ü ő Ú ő ő ő

Részletesebben

ö ö Ö ü í í í ü ü í í í ű Ö ü ö ú ű ö í ú ú ú ü ö ü í

ö ö Ö ü í í í ü ü í í í ű Ö ü ö ú ű ö í ú ú ú ü ö ü í ü ö ö Ö ü ú ü ö ö ú ö ö ö Ö í ü í í ü ö í ö ü í í í ü ü í ü ö ü ö ö Ö ü í í í ü ü í í í ű Ö ü ö ú ű ö í ú ú ú ü ö ü í ö ö ü í ö ö Ö ü ú ö ö í í ű ú ú ü ö í í ü ö ú ú í ű ú í ú ú í ö ö ö í ű ú ö ú ö ö í

Részletesebben

MI MOZGATJA A HATÁRIDŐS DEVIZAPOZÍCIÓKAT? A magyar piac elemzése

MI MOZGATJA A HATÁRIDŐS DEVIZAPOZÍCIÓKAT? A magyar piac elemzése MI MOZGATJA A HATÁRIDŐS DEVIZAPOZÍCIÓKAT? A magyar piac elemzése Dömötör Barbara Kovács Erzsébet Budapesti Corvinus Egyetem XXXII. Magyar Operációkutatás Konferencia Cegléd, 2017. június 14. Vállalati

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek tesztelése II.

Többváltozós lineáris regressziós modell feltételeinek tesztelése II. Többváltozós lineáris regressziós modell feltételeinek tesztelése II. - A magyarázó változóra vonatkozó feltételek tesztelése - Optimális regressziós modell kialakítása - Kvantitatív statisztikai módszerek

Részletesebben

Typotex Kiadó. Tartalomjegyzék

Typotex Kiadó. Tartalomjegyzék Tartalomjegyzék Bevezetés... 11 A hasznos véletlen hiba... 13 I. Adatredukciós módszerek... 17 1. Fıkomponens-elemzés... 18 1.1. A fıkomponens jelentése... 25 1.2. Mikor használjunk fıkomponens-elemzést?...

Részletesebben

Pedagógus 2010 kutatás Az óvodapedagógus fıkérdıívek elemzése

Pedagógus 2010 kutatás Az óvodapedagógus fıkérdıívek elemzése Pedagógus 2010 kutatás Az óvodapedagógus fıkérdıívek elemzése Írta: Gáti Annamária 2010. április Tartalom 1. Demográfia... 3 2. A válaszadó óvodapedagógusok iskolai végzettsége... 3 3. Az óvodapedagógusi

Részletesebben

Logisztikus regresszió

Logisztikus regresszió Logisztikus regresszió Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó (x) Nem metrikus Metrikus Kereszttábla elemzés

Részletesebben

Sztochasztikus kapcsolatok

Sztochasztikus kapcsolatok Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.

Részletesebben

LOGISZTIKAI KÉPESSÉGEK A MAGYAR VÁLLALATOK GYAKORLATÁBAN

LOGISZTIKAI KÉPESSÉGEK A MAGYAR VÁLLALATOK GYAKORLATÁBAN BUDAPESTI CORVINUS EGYETEM VÁLLALATGAZDASÁGTAN INTÉZET VERSENYKÉPESSÉG KUTATÓ KÖZPONT Gelei Andrea: LOGISZTIKAI KÉPESSÉGEK A MAGYAR VÁLLALATOK GYAKORLATÁBAN VERSENYBEN A VILÁGGAL 2004 2006 GAZDASÁGI VERSENYKÉPESSÉGÜNK

Részletesebben

ű ó Ó é é é é ó ő ü é é ü ú é é é é Ú ő ú é é é ú é é é ő Ö é ó é Ö ó é ő é é ü ő é ú é é ő é ü é é é é ó é ü ű é ó é ű é é Ö é ű é ó é é ű é é ó ő é

ű ó Ó é é é é ó ő ü é é ü ú é é é é Ú ő ú é é é ú é é é ő Ö é ó é Ö ó é ő é é ü ő é ú é é ő é ü é é é é ó é ü ű é ó é ű é é Ö é ű é ó é é ű é é ó ő é é ú é ú é ő ő é ú é é ú ő ő ó ú é é é ű é é é é é ó é ú é ő ő é ó é é é é é é é Ó é é Ó ó ő é ó ó é ő ő é é ü ú é é ő é ó é é Ó é ú é ú é é ú é ő é é é ó é é é ú é é é é é ó ű ó Ó é é é é ó ő ü é é ü ú

Részletesebben

Í í í Í í ú ü ü ö Í ö ü ö ö ö í ö ö ü í ú ö í ö í í í ö í ú ü ö ö ö í ö í ö ö í ü ö í ü ö í ö ö ö ö í ö í ü ü ö í í ö ü ö í í ö

Í í í Í í ú ü ü ö Í ö ü ö ö ö í ö ö ü í ú ö í ö í í í ö í ú ü ö ö ö í ö í ö ö í ü ö í ü ö í ö ö ö ö í ö í ü ü ö í í ö ü ö í í ö ö ö ü ö ü ö ö ü ö í ü ü ö í ö ü í ö í ö ö ö Ö í ü ö ö ö ü ü í ú ö ú Á í ö ö í ö ö ö ö í í ú í ö í ö ü ö ú í í í í ú í ü ö í í í ö í Í í í Í í ú ü ü ö Í ö ü ö ö ö í ö ö ü í ú ö í ö í í í ö í ú ü ö ö ö í

Részletesebben

É Á Á Ö Á

É Á Á Ö Á É Á Á Ö Á Á É Á Ü ű Á É Ü ű Ú ű ű É É ű ű Á ű ű ű ű ű É ű ű ű Á É É É ű Á É É Á É Á É Ü Ü ű Á Á Á ű Á Á Á Á Á Á Á Á Ü ű Á ű Ü É É Á Á Á É ű ű ű ű ű ű ű ű ű ű ű ű ű Á Á É É ű É ű Ő ű É Ő Á É É ű ű Ú Á

Részletesebben

ö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú

ö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú ő ű ű ő ö ö Á ö ő ü ö ő ő ü ü ő ő ő ü ö ü ü ő ú ő ő ő ü ő ő ő ő ő ú ő ő ü ő ő ő ü ö ü ú ő ő ő ő ü ü ő ő ú ő ö Á Ó ő ő ü ú ő ő ő ő Á ő ú ű ő ő ő ü ú ő ő ő ő ő ő ő ő ö ü ú ő ő ő ő ű ű ő ő ö ű ü ő ő ő ö ö

Részletesebben

ó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó

ó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó É ó ú ó ú ó Á ó ó ú ó ó ó ú ó ó ó ó ú ó ó ó ó ó ó ú ó ó ú ó ó ó ó Ó ú ó ó ó Á ó ó ó Á ó ó ó ó Á ó ú ó ó ó Ö ó ó ó ó ó ó ó ó ó ó ó ó Ü ó ű ú ú ó ó ó ó ó ó ó É ó É ó É ó ó ó ó ó ó É ó ú ó ó É ó ó ó ó É ó

Részletesebben

ü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü

ü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü ü ü É ű ű É É ű ü ű ü ü ü Á ü ü ü ü ü ű É ü ű É ű ü ü ü Ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü ü É ü ü ü Á ü ü ü ü ü Ú ü ü ű É ü ü ű ü ü ű ü ü ü ü É ü ü ü ü ü ü ü ü É ű ü Á ü ü ü ü ü Á Ö É ü ü ű Ú ü ü ü ű

Részletesebben

Ú ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű

Ú ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű Ú ű ű ű ű ű ű ű ű Ú ű É ű ű Ü Ü ű ű Ú É ű ű Ü ű ű ű ű ű ű ű Ú ű ű É ű Ú Ú Ú Ú Ú ű Á Ú Ú Ú Ú ű Ú Ú ű É ű Ú Ú Ú Ú Ú Á ű Ó ű Ú É É Ú Ú ű É ű ű ű ű É ű Ő ű Ő ű ű ű ű ű É ű É Á ű ű Ü Á Ó ű ű ű Ú ű ű É ű ű Ú

Részletesebben

ű Ö ű Ú ű ű ű Á ű

ű Ö ű Ú ű ű ű Á ű ű ű Ó É É ű Ó ű Ü ű ű Ö ű Ú ű ű ű Á ű É ű Á ű ű ű ű ű ű ű ű ű ű ű Á ű ű Ö Ü Ö É ű ű Ü Ü ű É Á Ú É É ű ű ű Ö É ű É Ó É Á Á É ű ű Á ű ű ű Á É ű Ö Á ű ű ű Á ű Á É Ö Ó Ö ű ű ű ű ű ű ű Á É Á Á ű ű ű Á ű ű ű

Részletesebben

Á Ó ű ű Á É ű ű ű ű Ú Ú

Á Ó ű ű Á É ű ű ű ű Ú Ú Ö ű ű Ö Ü ű ű ű ű ű Ó ű Ü ű Á Ó ű ű Á É ű ű ű ű Ú Ú ű ű Á Á Á É ű ű ű ű ű ű ű ű ű ű É ű Ö Ó Ú ű ű ű ű Ü Ó Ú ű É É Ó É É Ó É É É É Ó ű ű ű ű ű Ü ű Á ű ű ű ű ű Ü ű ű ű ű ű ű Á ű Ú Á Á Ö É Á Á Ö É Ü ű ű Ü

Részletesebben

ű Ú ű ű É Ú ű ű

ű Ú ű ű É Ú ű ű ű ű ű ű Ú Á É Ú ű Ú ű ű É Ú ű ű ű Á ű ű ű ű ű Ü ű Á ű ű ű Á Á ű ű ű É ű ű ű Ú É ű ű ű ű ű ű ű ű Á É Á Ö Ü ű É ű ű Ö É Ü Ú ű Ó ű É Ó Ó Ó ű É Ü Ü ű ű Ú ű ű ű ű ű ű ű ű ű ű É ű ű Á Á ű Ú ű Ú ű ű Ó ű ű Ü Ü

Részletesebben

Á Á ő ő Ö ő ő ö É ö ő ö ő ő ö ő ő ö ő ő ü ö

Á Á ő ő Ö ő ő ö É ö ő ö ő ő ö ő ő ö ő ő ü ö ű É É Á Á Á É Ó É É Á ö ő ő ö ő ő ő Ó ő ö ő ö ő ú ő ü ö ő ü ö Á É ű Á É É É Ö ö Á É É ő ő ö Á Á ő ő Ö ő ő ö É ö ő ö ő ő ö ő ő ö ő ő ü ö É É Á Ö ő ú ő ű Ö ü Ő É Ó É É Á Ó É Á É Ü É Á Ó É ő ő ö ö ő ö ö ö

Részletesebben

ű ű ű Ú Ú Á ű Ö ű ű Ú Ő É

ű ű ű Ú Ú Á ű Ö ű ű Ú Ő É Ü ű ű ű Ú Ú Á ű Ö ű ű Ú Ő É É ű Ö Ö Á É ű Ö Ö Á Ü Á ű ű Ó Ó Á Á É Ü É ű Ó Á Ó Á ű Ö ű ű É Ü Ö ű É Ö ű ű Ó ű ű Ú ű ű ű ű ű É ű É Ú Ö Á É ű ű Ó ű ű ű ű ű ű Ó ű Ü ű ű ű É ű ű Ü Ü ű ű Ő Á Á Á ű ű ű Ó Ó Ó ű

Részletesebben

Ó Ó ö ú ö ö ö ö ü ú ú ö ö ö ú ú ö ö ö ú ú ú ű ö ö ú ö ü ö ö ö ö ü ú Á ö ü Á ö ö ö ö ö ö

Ó Ó ö ú ö ö ö ö ü ú ú ö ö ö ú ú ö ö ö ú ú ú ű ö ö ú ö ü ö ö ö ö ü ú Á ö ü Á ö ö ö ö ö ö É Ó ö É Á ű Ü Ü ö Ú ö ö ö ö ö ö ö ú ö ö ö ö ö ú ú ú ú ú ú ü ú ú ö ö ű ö ü ú ö Ó Ó ö ú ö ö ö ö ü ú ú ö ö ö ú ú ö ö ö ú ú ú ű ö ö ú ö ü ö ö ö ö ü ú Á ö ü Á ö ö ö ö ö ö Á Ó ú ö Á ö Á ö ú ú ö ö ö ö ü ü Ü ú

Részletesebben

Ó é é Ó Ó ő ű Ó Ö ü Ó é Ó ő Ó Á Ö é Ö Ó Ó é Ó Ó Ó Ó ú Ó Ó Ó Ó ű Ö Ó Ó Ó é Ó Ó ö Ö Ó Ö Ö Ó Ó Ó é ö Ö é é Ü Ó Ö Ó é Ó é ö Ó Ú Ó ő Ö Ó é é Ö ú Ó Ö ö ű ő

Ó é é Ó Ó ő ű Ó Ö ü Ó é Ó ő Ó Á Ö é Ö Ó Ó é Ó Ó Ó Ó ú Ó Ó Ó Ó ű Ö Ó Ó Ó é Ó Ó ö Ö Ó Ö Ö Ó Ó Ó é ö Ö é é Ü Ó Ö Ó é Ó é ö Ó Ú Ó ő Ö Ó é é Ö ú Ó Ö ö ű ő É Ó Ű Á Ó É Ó Á É Ó Á ő ű Ó ú Ö ú é Ö Ó Ö ú Ó Ö ú Ó Ó Ó Ó ű é ű ű Ó Ó ú ű ű é é Ö ö Ö Ö Ó ű Ó Ö ü ű Ö Ó ő Ó ő Ó ú Ó ő Ó é Ó ű Ó Ó Ó Ó ú Ó Ó Ó Ó Ö Ó Ó ö ő ü é ü Ö é é é Á é Ó Ó ú ú ű é Ö é é é Ó é é Ó Ó

Részletesebben

ü ú ú ü ú ú ú ú

ü ú ú ü ú ú ú ú ú ú ú ü Ü ú ú ű ú ú ü ú ü ü ú ú ü ú ú ú ú ü ú Ö ü ü ü ú ü ú Ó ü ü ű ü Á Ü ü ű ü ű ü ű ű ü Ó ű ú ú ű ú ü ü ú ű ű ú ű ü ú ű ű ü ü ü ű ü ű ü ü ű ü ü ü ü ü ü ü ü ü ú ű ü ű Ó ü ü ü ú Á Ü ú ü ű ü Á Ü Ö Ú Á Á

Részletesebben

Á Ö Ö Ö Ö ú ú Ö Ö Ó Ó ú ú Ü ú Ó Ö Ö Ü Ó Ö Ö Á Ó ú ú ú ű Ö Ö Ö Ö Á Ó Ö Ó ú ú Ö

Á Ö Ö Ö Ö ú ú Ö Ö Ó Ó ú ú Ü ú Ó Ö Ö Ü Ó Ö Ö Á Ó ú ú ú ű Ö Ö Ö Ö Á Ó Ö Ó ú ú Ö Ó ú ú ú ú ű ű ű ú Á Ö ű Á Ö Ö Ö Ö ú ú Ö Ö Ó Ó ú ú Ü ú Ó Ö Ö Ü Ó Ö Ö Á Ó ú ú ú ű Ö Ö Ö Ö Á Ó Ö Ó ú ú Ö Ú ű ú É Á Ó Ó É Ó Ó ú ű ű ű ú Ö Ó Ö ú ú Ö ú Ü ú Ü É Ö Á Á Á Á ú Ó Ö ú ú ú Ü Ö ú ú ú ú ú ú Ö ú Ö Ó ű

Részletesebben

ó ő ő ó ő ö ő ő ó ó ó ö ő ó ó ó ö ő ó ő ő ö Ö ő ö ó ő ö ő ő ú ö ö ü ö ó ö ö ö ő ö ö Ö ú ü ó ü ő ő ő ő ó ő ü ó ü ö ő ö ó ő ö ő ö ü ö ü ő ö ö ó ö ő ő ö

ó ő ő ó ő ö ő ő ó ó ó ö ő ó ó ó ö ő ó ő ő ö Ö ő ö ó ő ö ő ő ú ö ö ü ö ó ö ö ö ő ö ö Ö ú ü ó ü ő ő ő ő ó ő ü ó ü ö ő ö ó ő ö ő ö ü ö ü ő ö ö ó ö ő ő ö ü ö ő ö ő ó ö ő ü ü ö ő ó ó ü ő ö ő ö ő ö ü ö ő ö ő ó ö ü ü ö ő ő ő ö ő ö ü ö ő ó ő ö ü ö ő ő ű ő ö ö ő ű ő ü ö Ő ó ö ö ő ü ó ü ú ű ú ő ó ó ó ő ö ő ő ö ó ö ö ő ő ö ö ó ú ő ő ö ó ö ó ö ü ó ő ő ö ó ő ő ó

Részletesebben

ú ö ö ö ö ö ö Á ö ö ö á á á ű Ü ű ö ö Á á Á

ú ö ö ö ö ö ö Á ö ö ö á á á ű Ü ű ö ö Á á Á ú ú ö ö ö ö ö ö Á ö ö ö á á á ű Ü ű ö ö Á á Á Á ú á ú á Á ö á ö ö ö ú á á ö ö ö ö á ű Ü ú ö Ü ű ö ú ű á á á ú á ú ú á ö ö ú ö ú ú ö ö ú ö ö ö á ö ö ö á á ö ú ö á á Ú á ö ö ö Ü ú Á á ű ö Ü ö ú Á á ö á ö

Részletesebben

é ü ó ö é Ö é ü é é ó ö é ü ü é é ó ó ó é Á é é ü ó é ó ó é ö ö ö é é ü é ü é é ö ü ü é ó é é é é é é ö é é é é é é ö é ó ö ü é é é ü é é ó é ü ó ö é

é ü ó ö é Ö é ü é é ó ö é ü ü é é ó ó ó é Á é é ü ó é ó ó é ö ö ö é é ü é ü é é ö ü ü é ó é é é é é é ö é é é é é é ö é ó ö ü é é é ü é é ó é ü ó ö é Ó Ö é ü ó ö é é ü é é ó ö é ü ü é é ó é é é é é é ö é é é é é é é ó ö ü é é é ü ó ö é Ö é ü é é ó ö é ü ü é é ó ó ó é Á é é ü ó é ó ó é ö ö ö é é ü é ü é é ö ü ü é ó é é é é é é ö é é é é é é ö é ó ö ü

Részletesebben

Ó Ó ó ö ó

Ó Ó ó ö ó É ó ö É Á ó ó ü ó Ü ó ö ú ű ö ö ö ü ó Ó Ó ó ö ó Ó Ó ö ö ö ü Ó Ó ö ö ü ö ó ó ü ü Ó Ó Ó Ó ó ö ó ö ó ö ó ö ü ö ö ü ö ó ü ö ü ö ö ö ü ü ö ü É ü ö ü ü ö ó ü ü ü ü Ó Ó ü ö ö ü ö ó ö ö ü ó ü ó ö ü ö ü ö ü ö ó

Részletesebben

é ó é ü ö é é ó é Ö é ó é é ú ó é é é é é é é é é Ö é Ő é é ö é Ö ü é ó Ö Ü ö ö é é é Ő ö é é Ü é ö é é é é é é é ü é é ö é é é é é ü é é ü é é é ö ö

é ó é ü ö é é ó é Ö é ó é é ú ó é é é é é é é é é Ö é Ő é é ö é Ö ü é ó Ö Ü ö ö é é é Ő ö é é Ü é ö é é é é é é é ü é é ö é é é é é ü é é ü é é é ö ö é ű ö ö é é ö ú é ü é é é ü ö ö é é é ö ö é é é ű ö ú é ü é é é é é é é é é é ö é é ű ö ű ö é é é Ö é é é ü ö é é ö ö é é é é é é é ü é é é ű é ü é é ú é é ű ú é é é é é ö é é ö é ó ö é é ö é é ö é ö é

Részletesebben

ü ű í ú ú ü ü ü ű ü ű ü ű ü ű ü í ü ű í í ü í í í í í ü í ű

ü ű í ú ú ü ü ü ű ü ű ü ű ü ű ü í ü ű í í ü í í í í í ü í ű ü ú É Á Á ü ű í ú ú ü ü ü ű ü ű ü ű ü ű ü í ü ű í í ü í í í í í ü í ű ü ű í ü í í ü ű í ü ű ü í ü í í í ü í ű ü í ú í ü ü ú í ü ü ű ü í í í ü ü ü í ü Ü ü ü ü ü ü í í í ü í í ü í í ü ű ü ú í ü í ü í ű í

Részletesebben

Esettanulmány Kvantitatív elemzési módszerek (GTÜSE3915) tantárgyhoz

Esettanulmány Kvantitatív elemzési módszerek (GTÜSE3915) tantárgyhoz Esettanulmány Kvantitatív elemzési módszerek (GTÜSE3915) tantárgyhoz Az SPSS statisztikai program World95.sav nevű adatbázisa a világ 109 nemzetének 26 társadalmi-gazdasági és politikai helyzetét leíró

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

Matematikai statisztika Gazdaságinformatikus MSc október 8. lineáris regresszió. Adatredukció: Faktor- és főkomponensanaĺızis.

Matematikai statisztika Gazdaságinformatikus MSc október 8. lineáris regresszió. Adatredukció: Faktor- és főkomponensanaĺızis. i Matematikai statisztika Gazdaságinformatikus MSc 6. előadás 2018. október 8. 1/52 - Hol tartottunk? Modell. Y i = β 0 + β 1 X 1,i + β 2 X 2,i +... + β k X k,i + u i i minden t = 1,..., n esetén. X i

Részletesebben

UNIÓS VÁROSSTRATÉGIÁK TERVEZÉSE, TÖBBVÁLTOZÓS STATISZTIKAI MÓDSZEREK ALKALMAZÁSA A KUTATÁS-FEJLESZTÉS TERÜLETÉN LEHÍVOTT TÁMOGATÁSOK ELEMZÉSE SORÁN

UNIÓS VÁROSSTRATÉGIÁK TERVEZÉSE, TÖBBVÁLTOZÓS STATISZTIKAI MÓDSZEREK ALKALMAZÁSA A KUTATÁS-FEJLESZTÉS TERÜLETÉN LEHÍVOTT TÁMOGATÁSOK ELEMZÉSE SORÁN UNIÓS VÁROSSTRATÉGIÁK TERVEZÉSE, TÖBBVÁLTOZÓS STATISZTIKAI MÓDSZEREK ALKALMAZÁSA A KUTATÁS-FEJLESZTÉS TERÜLETÉN LEHÍVOTT TÁMOGATÁSOK ELEMZÉSE SORÁN PLANNING CITY STRATEGIES IN THE EU, APPLICATION OF MULTIVARIATE

Részletesebben

Studia Mundi - Economica Vol. 5. No. 4.(2018)

Studia Mundi - Economica Vol. 5. No. 4.(2018) NAGY MENNYISÉGŰ SZAKIRODALOM FELDOLGOZÁSÁNAK TÁMOGATÁSA EGY TUDOMÁNYOS FOLYÓIRAT CIKKEINEK TARTALOM SZERINTI KATEGORIZÁLÁSÁVAL SZÖVEG-SŰRŰSÉGI MUTATÓK ALAPJÁN A SIMULATION & GAMING TUDOMÁNYOS FOLYÓIRAT

Részletesebben

TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített)

TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített) TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített) Szakkollégiumi műhely megnevezése: Meghirdetés féléve: Tantárgy/kurzus megnevezése: BGF GKZ Szakkollégiuma 2011/2012. tanév II. félév SZAKKOLLÉGIUM

Részletesebben

úö ő Á É É Ó É ö ö ö ő ő Á ú ö ö ü ö ő Ó ő ő ú ú ö

úö ő Á É É Ó É ö ö ö ő ő Á ú ö ö ü ö ő Ó ő ő ú ú ö ö É É É Ó Á É Ő Á Á Á É Á É É ö Á É ö ű ö ú Á É Ó É Ó Á Á ő ű ő ő É úö ő Á É É Ó É ö ö ö ő ő Á ú ö ö ü ö ő Ó ő ő ú ú ö ü ő ü ő ö ő ú ő ö ú Á ö ú ö ő ő ő ö ú ő ő ő ö É ú ö ö ü ö ő ü ő ö ö ö ü ő ő ő ü ő

Részletesebben

Matematikai statisztika Gazdaságinformatikus MSc október 8. lineáris regresszió. Adatredukció: Faktor- és főkomponensanaĺızis.

Matematikai statisztika Gazdaságinformatikus MSc október 8. lineáris regresszió. Adatredukció: Faktor- és főkomponensanaĺızis. i Matematikai statisztika Gazdaságinformatikus MSc 6. előadás 2018. október 8. 1/52 - Hol tartottunk? Modell. Y i = β 0 + β 1 X 1,i + β 2 X 2,i +... + β k X k,i + u i i minden t = 1,..., n esetén. 2/52

Részletesebben

ö Ö ő Í ó ő ö ú ó ó ő ü ü ü ö ü Ö ö ö ö ö ü ű ö ü ó ö ö ő ő ó ó ő ú ü Á

ö Ö ő Í ó ő ö ú ó ó ő ü ü ü ö ü Ö ö ö ö ö ü ű ö ü ó ö ö ő ő ó ó ő ú ü Á ö ő ú ó ü ü ő ó ó ö ö ő ő ö Ö ő Í ó ő ö ú ó ó ő ü ü ü ö ü Ö ö ö ö ö ü ű ö ü ó ö ö ő ő ó ó ő ú ü Á ö ő ó ő ő Í ó ö ő Í ó ö ö ü ü ú ő ü ó ö ó ó ö ű ü ó ö ő ű ő ű ö ö ü ü ő ű ó ő ü ő ű ő ö ö ö ó Ü ő ú ű ű

Részletesebben

É Ö Á Í Á Ó Ö ü

É Ö Á Í Á Ó Ö ü Ö ű Ö ő ü ő ő ő ű Ö Ö ü Á Á É Ö Á Í Á Ó Ö ü Ö ű ű Ö ű ű ú ű ű ú ú ő ő ü ű ű É Ö ú ű ő ű ű ú ő ü Ö ú ú ő ő ú ű ü ő ü ű ú ú ű Ü ő ő Ó ü É Ó Ö Ö ú ü ü ü ü Ű ú Ö Á ü É Ó ű Á Ö Á ű ü ú Ö ű ű ű ü ő ő ő Á ő ő

Részletesebben

ő ő Ű ü ú ú Ú ü ű ő ő ő ő Á Á Í ü É ő ő ő ő ő É ő ú ú ú ő Á Ö ő

ő ő Ű ü ú ú Ú ü ű ő ő ő ő Á Á Í ü É ő ő ő ő ő É ő ú ú ú ő Á Ö ő ő ő ű ú ő ü ü ü ü ü ő ő ü ü ü ü ü ü ü ü ü ő Ö ő ő ő ő ő Ű ü ú ú Ú ü ű ő ő ő ő Á Á Í ü É ő ő ő ő ő É ő ú ú ú ő Á Ö ő ő ű ő ú ü ú ő ő ő ő ő ő ő ő ő ő ő É ü ű ő ü Á ő ú ű ű ő ő ő É ü ű ő ő ő ű ú ü ú ő ő ő

Részletesebben

É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű

É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű É É É Ó Á É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű ü ű ö ö ú ö ú ö ö ö ö ö ü ú ü ö ö ö ö ö ü

Részletesebben

ő ő ő ő ú É ü ú ú ű ú ű ő ő ő ő Á Á ü ő É É É É É É Á Ú Á Á ő ő ő ő ő É Á Á Á ő ő ő Á ü ő ő ü

ő ő ő ő ú É ü ú ú ű ú ű ő ő ő ő Á Á ü ő É É É É É É Á Ú Á Á ő ő ő ő ő É Á Á Á ő ő ő Á ü ő ő ü ő É ő ő ő ő É Ü Ö Ö Ö Í Ö Ö Ö ő Ó Ó Ö Ö Á É É É ő Á É Á Á Ú Á Ú Ö Ö Á Ú Ö Á ű Á ú ő ő ü ü Ó ő ő ő ő ú É ü ú ú ű ú ű ő ő ő ő Á Á ü ő É É É É É É Á Ú Á Á ő ő ő ő ő É Á Á Á ő ő ő Á ü ő ő ü ő ő ő ő Á ü ú ú

Részletesebben

ü ö ü ú í ü ö ü ö ö Ö ó ö ö ö ö ö ó ö ö ö í ü ü ö ü í ü ü í ű ú ö Ö ú ü ü É í ö ó ó ű í ö ó ü í ö ú

ü ö ü ú í ü ö ü ö ö Ö ó ö ö ö ö ö ó ö ö ö í ü ü ö ü í ü ü í ű ú ö Ö ú ü ü É í ö ó ó ű í ö ó ü í ö ú Á ö ö Á ü É Ő Ö ú í ü É í ö ó ó ű í ö ó í ö ü ö ü ú í ü ö ü ö ö Ö ó ö ö ö ö ö ó ö ö ö í ü ü ö ü í ü ü í ű ú ö Ö ú ü ü É í ö ó ó ű í ö ó ü í ö ú ó ü ö ó í í ü ö ü ó ó ö ö ó ó ö ö ö Ó ó ö í í ű ö ö ű ó ó

Részletesebben

ú ú ö ö ü ü ü ü ű ü ü

ú ú ö ö ü ü ü ü ű ü ü Ü ú ű ű ú ű ú ú ö ö ü ü ü ü ű ü ü ö ö ö ö ö ö ű ö ö ö ö ö ö ö ö ö ü ü ü Ú ú ü ű ü ú ű ö ű ú ö ö ö ö Á ú ú ű Á ú Á Á Á ü ö ö Á ö ö ü Á ú Á ú Á Á Ö Á Á ö ű ö ö ü ú ü ú ö ú ű ú ú ü ü ü ü ű ű Ő ú ö ű ú ú ű

Részletesebben

Ü ű ö Á Ü ü ö ö

Ü ű ö Á Ü ü ö ö Í Í Ü Ú ö ú Ö Ü ű ö Á Ü ü ö ö ú ü ü ö ü ö ö ö ö Ü Ü ö ö ö ö ö ü ü ö ü Ü ö ú ü ö ü ö ű ö ű Ü ü ö É ö ü ü ö ö ö ö ö ö ö ö Ó ö Ü ü Ü ü ü ö ö ö ö ö ö ö ú ü ö ű ü ö ú ű Ü ö ö ö ü Ü Ü Ü ú ö ö ü ű ö ű ö Á Á Í

Részletesebben

ú ú ü ü Á ú ú ü ű ű ú ü ü ü ü

ú ú ü ü Á ú ú ü ű ű ú ü ü ü ü ü ü ü ú ú ü ű ü ű ü ü ű ü ü ü Í ú ú ü ü Á ú ú ü ű ű ú ü ü ü ü ú ü ü Á ű ü ü ü ü ü ü ü ú ü ü Í ú ü É Ö Ö ú Ö Ö Ö ú ú ü ú Á Ö Á ú É ü ú ú É ú ú ú Ü ü ű ú ű É ú ű ü ü Á ú É ü ű ü ú Á É É ú ü Ö Ö Ö ú ú Á Ö

Részletesebben

É ő ő ű ú Á ő Á ő ű ő ő ő ő ő ő ő ő ű ú ű ű ő ő ő ű

É ő ő ű ú Á ő Á ő ű ő ő ő ő ő ő ő ő ű ú ű ű ő ő ő ű ő ő ű ú Á ő ű ő ő ő ő Ö Ö Í Á É Á ő Ö Ö Í ő ő ő ő É ő ő ú ú ú ő Á Ö É ő ő ű ú Á ő Á ő ű ő ő ő ő ő ő ő ő ű ú ű ű ő ő ő ű ő ű ő ú Á ő ű ő ő ő ő ő ő Ö ő ú ú Ö ő ő ű ú Á ő ú Ó ű Ó ú ú ú ő ő ú ú ő ő ú ő Ú ú

Részletesebben

Í Ú É ő ő ú ö Ö ú ú ú ö ö ú ö ö ű ö ő ö ö ú ö ő ő ö ö ö ő ő ú ő ú ö ö ö ú ö ö ú ő ö ú ö ű ö ő Ó ő Á ö ő ö ö

Í Ú É ő ő ú ö Ö ú ú ú ö ö ú ö ö ű ö ő ö ö ú ö ő ő ö ö ö ő ő ú ő ú ö ö ö ú ö ö ú ő ö ú ö ű ö ő Ó ő Á ö ő ö ö ö ú ö ö ú ö ú Ü ő ú ő ö ő ő ő ö ö Í Ú É ő ő ú ö Ö ú ú ú ö ö ú ö ö ű ö ő ö ö ú ö ő ő ö ö ö ő ő ú ő ú ö ö ö ú ö ö ú ő ö ú ö ű ö ő Ó ő Á ö ő ö ö Ú ő ö ő ő ő ö ú ú ú ő ö ő ö ő ő ő ö ö ö ö ő ő ö ő ú ő ö ú ö

Részletesebben

ü ö ú ö ú ü ö ü Á Ó ö ö ö ö ú ü ú ü ü ú ú ö ö ü ü ú ü ü ö ö ű ö ü ü ü ü ö ö

ü ö ú ö ú ü ö ü Á Ó ö ö ö ö ú ü ú ü ü ú ú ö ö ü ü ú ü ü ö ö ű ö ü ü ü ü ö ö Í Á Ö Ú Á Á Ó Á ö ú ú ö ú ú ö ü ü ű ü ű ö ö ü ű ö ü ö ú ö ü ú ö ö ü ü ö ü ű ö ö ü ű ö ö ú ö ö ú ú ü ö ú ö ú ü ö ü Á Ó ö ö ö ö ú ü ú ü ü ú ú ö ö ü ü ú ü ü ö ö ű ö ü ü ü ü ö ö ü ö ü ö ö ü ö ö ú ö ü ű ö ü

Részletesebben

Á Á Ö Ö Ü É Ö É É Á Ú É É É É Á Á Ö Ö Ő

Á Á Ö Ö Ü É Ö É É Á Ú É É É É Á Á Ö Ö Ő Á Á Ö Ö Ü É Ö É É Á Ú É É É É Á Á Ö Ö Ő Á Á Ú ű É Á É ű É ű Ü É Ú Ú Ó Ü Ó Ó Ó É Ü Ü ű É É Ö Á Ó Ú Á ű ű Á ű ű É ű Ú Á É É É Ü Ó É É ű ű É Ő Á Á ű Ü ű Ü ű ű Á ű Á Á ű ű ű Ü Ü Á ű É Á ű ű É ű Ó ű Ü ű ű Ú

Részletesebben

Statisztikai szoftverek esszé

Statisztikai szoftverek esszé Statisztikai szoftverek esszé Dávid Nikolett Szeged 2011 1 1. Helyzetfelmérés Adott egy kölcsön.txt nevű adatfájl, amely információkkal rendelkezik az ügyfelek életkoráról, családi állapotáról, munkaviszonyáról,

Részletesebben

ú ű ű É ü ű ü ű ű í ü í ő í Ü ő ő ü ú Í ő ő í ú ü ü ő ü

ú ű ű É ü ű ü ű ű í ü í ő í Ü ő ő ü ú Í ő ő í ú ü ü ő ü ü ü ü ü Ó í Ó Éü í ú ű ű É ü ű ü ű ű í ü í ő í Ü ő ő ü ú Í ő ő í ú ü ü ő ü ű ű ű í ü ő ű ü ü ő ú ú ő ü ő ő ő ü ú ű ú ú ú ő ő ú ő ő í ú í Ó ú ü ő ú ú ú ű ú ú Ű ű ő ű ű ő Á ü í ü ú ü í ú ő ú ő ű ő í ő ő

Részletesebben

Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü

Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü ú ú ú ú Ö ú ű ú Á ú ú ű ű ú ű ú ú Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü Ó Á Á Á ú ú Ő Ö Ü ú Ü Á ú ú Á Ú ú ú ú É ú Ó Ö É Á ű ú É Ó ű ú ú ű ű ú ű ú ű ű ú ű ű

Részletesebben

ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű

ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű É Á É É Ó Á ű Á ű ú ú ű ű ú ű ű ú Á ú ű ú ű ú ű ú ű Á ű ú ű ű Ö Ú Á ű ű Á ű ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű ű ú ű ű ű ű ű ú ű ű ű ű ű ű Á ú ű ű ú ú ű ű ű ű ű ú ű Á ű ű ű ű ű ű ú ű ú ű ú ű Ö ú ű Ö

Részletesebben

Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő

Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő ű É ű ű É Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő É Ó Ó É ű Ö ű Ö ű ű ű Ú Ú Ö ű ű ű Ö ű ű ű ű ű ű ű ű Ú É É É É Ö Ö Ú Ö É ű ű ű ű ű ű ű Ó ű Ö Ö ű ű ű É ű ű ű ű ű ű ű ű ű É ű ű ű ű ű ű ű ű ű ű Ö ű ű ű Ü ű ű ű ű Ö ű

Részletesebben

Í ö ö ű ú ö ö Í ö ü ö ü

Í ö ö ű ú ö ö Í ö ü ö ü Í Í ö ú ö ö ö ö ű ö ö ö ö Í ű ű ö ü ú ö ú ú ű Í ö ö ű ú ö ö Í ö ü ö ü ö ú ü ü ö ú ö ű ö Í ű ú ú ö ú ú ű Á É Á ö ű ú Í ö ö ü Í ú ö ú ö ö Í ű ö Í ú ö ö ö Í ö ö ö ö ö Í ö ö ö Í ö ö ö ö Í ű ö Í ú ö Í ö ö ű

Részletesebben

é ú é é é é é é é é é é é é ú é ö é é é ö Ő é é é ú é é é é é é é é ö é é é ö é Ö é é ö é ö é é é ű é ö ö é ö é é ö ö é é ö ö é ö é Ö é ú é é é é é é

é ú é é é é é é é é é é é é ú é ö é é é ö Ő é é é ú é é é é é é é é ö é é é ö é Ö é é ö é ö é é é ű é ö ö é ö é é ö ö é é ö ö é ö é Ö é ú é é é é é é é ű ö Ö é é ö ú é é é é ö ö é ö é é é ö ö é é é ö ö é ű é é ö é é é é é é é é é é ö é ö é é é ű ö ű ö é é é Ö Ú Í é ö é é Ő ö ö ú é é é é é é é é é é ű é é é ú é é é ű ú é é é é é ö é ö é ö é é ö é é é

Részletesebben

ű Á ü ő ö í ö ö ő ő ő ő ö

ű Á ü ő ö í ö ö ő ő ő ő ö Á É í ü í í í ü í í ö í ű í í í í í í í í í ü ő ö ö ö ű ő ö ű Á ü ő ö í ö ö ő ő ő ő ö ö ő ő ő ö ö Ű ú Á ö ú ú ö ü í ő ő ú É í í ő ö í ö ú í ő ü í í í í í ö í ű í í í í í í í í í ü ő ö ö ö ű ű ő ű ü í Ö

Részletesebben

ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó

ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó ö ú Á ő ű ü ő ó ö ö ú ö ú ü ó ó ű ö ú ó ó ó ő ö ö ő ú ó ö ö ő ő ő ő ö ű ü ü ü ő ü ü ő ő ü ó ő ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó ó ü ű

Részletesebben

ü ő ő ü ü ő ő ű í í ű ő ő ő ü ő ő í í ő ő ő ő ő ő ü ü í ő Ö ő ü í ő ü í í ő ü ő í ő ő í í ő ü ü í ő ü í ő í ő í ő ü í ő í ü í í ő

ü ő ő ü ü ő ő ű í í ű ő ő ő ü ő ő í í ő ő ő ő ő ő ü ü í ő Ö ő ü í ő ü í í ő ü ő í ő ő í í ő ü ü í ő ü í ő í ő í ő ü í ő í ü í í ő ő Á Á Á Ű Ö É Á Ö ő ő ő ű Ö ű ú ő ü ű ü ü ő ü ő ő ú í ü í í ü ő í ő ő í ő ő í ő ő í ü ő í ű ő ü ű ő ü í ü ü ő ü ü í ü í ü ü Ú í Ő Í ü ő ü ü í Ö í í ü ő ő ü ü ő ő ű í í ű ő ő ő ü ő ő í í ő ő ő ő ő ő ü ü

Részletesebben

ő ő ő ő ő ő ú ő ü Á ü ü ő ő ő ő ő ő ő ő ő ő Ö Ó ő ő ő Ö ő ő ő

ő ő ő ő ő ő ú ő ü Á ü ü ő ő ő ő ő ő ő ő ő ő Ö Ó ő ő ő Ö ő ő ő ő ő ő ü ő ő ő ő ő ő ő ú ő ü Á ü ü ő ő ő ő ő ő ő ő ő ő Ö Ó ő ő ő Ö ő ő ő ő ü ő ő ű ü ő ű ő ő ő ő ü ő ő ő ü ő ű ő ő ő ü ő ü ő ő ü ű ő ő ü ü Á ő Á ű ű ü Á ő ű ű ő ű ű ü ű ő ő ő ü ő ű Ó ü Í Á ő ű ő ő ő ő ü

Részletesebben

ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü

ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü Á Ó ö ü ü ü ú ú ü ü ö ü Ő ö ö ö ü ú ü Á ö ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü ö ö ü ü ö ü ö Ó ö ö ü ü ö ü ö ú ö ú ü ö ü É É Á ü ű Ö ű ú ö ö ú ö ú ö ú ö ű ü Ö ö ű ü ú ö ü ú ű ö ű ú

Részletesebben

í ö Á ö ö ö Á í ö ű ü í í ű ö ú ü íí ö ű ö ü ú ü ö í ü ű í ö ö ü ü í ö ü ö ű ö í ű ü í ö í í ü í Á Á í í ü ö ö ü ű í í ö ö ü í ű ü ö í ö ű ü í í ű ö í í í ö ö í ö ö ö ö ö ö í í ű Á Á Á Á Á í í ú í ö ö

Részletesebben

ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó ó ö ü ü ö ü ó ó ő ó ü ó ü ü ö ö É ú ó ó ö ú ö ü ü ó ó ó ü Á ö ö ü ó ö ó ö ö ö ö ó ó ö ó ó

ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó ó ö ü ü ö ü ó ó ő ó ü ó ü ü ö ö É ú ó ó ö ú ö ü ü ó ó ó ü Á ö ö ü ó ö ó ö ö ö ö ó ó ö ó ó Ü Ű Ö É Á Á ö É É Ö Ú Ü ö ü ő ő ö ő Á ő ó ő ü ü ö ö ú É ű ó ü ű ö ú ü ö ó ö ö ü ű ö ó ó ö ö ö ö ü ű ö ő ö ö ó ö ö ő ó ő ü ő ó ő ö ö ő ü ü ö ő ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó

Részletesebben

É Í ü ú É ü ő ő ő ő ú ő ú ü ü ő ü ú ü ű ú ú ü ü Í ü ű ő ő É ő

É Í ü ú É ü ő ő ő ő ú ő ú ü ü ő ü ú ü ű ú ú ü ü Í ü ű ő ő É ő ő Ü É Í ü ú É ü ő ő ő ő ú ő ú ü ü ő ü ú ü ű ú ú ü ü Í ü ű ő ő É ő ő ő ú ő ő ő ú ő ü ú ű ő ű É Í ő É Ü Í ő ü ő ő ő ő ő ő ú ü ű ő ú ő ű ő ő ő ű ő ű ő É Í Ú Ö Á Á É Á Á Á Ő Á É Á Ö Á Ö É É É ü ő Á ő ú ü ő

Részletesebben

í í í É ü ü ű ö í ö ü ú ú í ú í ú í ű í ú í ö í ü ú ö ú í í ű í ü ű í ö ű ö

í í í É ü ü ű ö í ö ü ú ú í ú í ú í ű í ú í ö í ü ú ö ú í í ű í ü ű í ö ű ö ü ö Ö ü ö ö ü í ü ö ű ö ö ú í ö ö ö ö ű í ö ú ö ö ú ö í í í í É ü ü ű ö í ö ü ú ú í ú í ú í ű í ú í ö í ü ú ö ú í í ű í ü ű í ö ű ö ú ű ö ú ö ü ö í í í í ö ö ű ö í í ü ü ű ü ü ö ö ú ü Ö ö ü ö ö ű ö ö ö

Részletesebben

ü É ö É É ö ö ö ü ö ö Á ű ö ű ű ű Á Í ö ö Ó ö

ü É ö É É ö ö ö ü ö ö Á ű ö ű ű ű Á Í ö ö Ó ö Ü É ű ü ü ö Í ü ö ö ü ű Í Í ü ű ö Ö ö ö ö Í ü ü É ö É É ö ö ö ü ö ö Á ű ö ű ű ű Á Í ö ö Ó ö ü ü ü Í ü ö ö ö ö ö ö ö ü Í Í ű ö ö ö ü ü ö ü ö ö ö ü ö ö ö ö ü ü ű ü ö ö ö ü ö ü ű ö ü ö ö ű Í ü ü ű Í ö ü ö

Részletesebben

Á ű Ü Á Ö É Á É É Á É Á ű Á Á ű Ö Ó ű Ó Ó ű Á ű ű ű ű ű ű ű ű É Ü ű ű É É É Ö Ü Ü ű Ü ű Ü É Ó Á Á Ü Ö ű Ü ű Ü Ó ű Ú Ü ű Ü Ü Ú Ü Ü ű Ö Ü Ü Ú Ö Ü ű Ü ű É ű Á ű É É Ú Á ű Á É Ü ű Ú Ó ű ű Ü É Ő ű ű ű Ú Ö

Részletesebben

í Ó ó ó í ó ó ó ő í ó ó ó ó

í Ó ó ó í ó ó ó ő í ó ó ó ó í Ú Á Í í Ó ó ó í ó ó ó ő í ó ó ó ó í Ó Ó í ő ó Í í í í Ó í ó í í Ő É Ú Ű Í É Á ó Á É É ó ó í É Ü Í ő í ó í ó í Ő Ő Á Ó Ó Á É É Á Á É É Ő Á Ú É í ó Á í Á í í ő í í Ő Ő É Ú Ű Í É Á ó Á É Ö Í Í É ó ó í Ú

Részletesebben

Í Ó ü ü í ü ü ü í Í í É í í Í Í ü ü ü í Í ü

Í Ó ü ü í ü ü ü í Í í É í í Í Í ü ü ü í Í ü É Á í É Á Á ü Ú ű í Í Í Ü ü ú ü Í ü ü ü ü Í ü Í í ü ü ü ü ü ü ü ü ü í Í Ó ü ü í ü ü ü í Í í É í í Í Í ü ü ü í Í ü Í Ó Í Ó ü ü ü Í ü ü É ü ü ü ü ü É ü ü Í ü ü ü Í Ó Í Ó í Á í É ü í Í ü í Í í í ü ü É ü ü

Részletesebben

ű í ú ü ü ü ü ü Ó í ü í í í É Á

ű í ú ü ü ü ü ü Ó í ü í í í É Á ü ű ü ú ű í ú í ű í ú ú ú ú ű í ú ü ü ü ü ü Ó í ü í í í É Á ű í í í Á ü É í í Ö Ö Á í Á É Á ú ú ú í ű í ú ű í í í É í í É í ű í ü í ú ű í ű í É í Ú í í í ű í ú ű í í í ü í í ú í ú í Ö ű í í í ü ü Ő í í

Részletesebben

Í Í Ó ű Ü Ó Ó Ü ü Ö Í Ü Í Í ú Ö Ó Í ú ú Ö Ó É Í ű ú

Í Í Ó ű Ü Ó Ó Ü ü Ö Í Ü Í Í ú Ö Ó Í ú ú Ö Ó É Í ű ú ű É Í Á Á Á Ó É Á Á Ó Í Ö Á Á Á Ö ü Í Ó Í ű ű ü ú Í Í Ó ű Ü Ó Ó Ü ü Ö Í Ü Í Í ú Ö Ó Í ú ú Ö Ó É Í ű ú ü Í ú Ü Ű Ó Ó Í ú Í ú Ö Ó ü Ü ü ű Ó ú Í ü É Í Í Á Á Ó Í Á ú Ö Í Ó ú ú ú Í ú ú ű ú Ü ü ü Í Á ü ú Í ú

Részletesebben