Bevezetés az ökonometriába
|
|
- Emma Pintér
- 7 évvel ezelőtt
- Látták:
Átírás
1 Az idősorelemzés alapjai Gánics Gergely 1 gergely.ganics@fre .hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Tizedik előadas
2 Tartalom 1 Alapfogalmak, determinisztikus és sztochasztikus megközelítés Bevezetés Determinisztikus idősorelemzés Sztochasztikus idősorelemzés 2 Stacionaritás Autokovariancia és autokorreláció 3 A fehérzaj folyamat ARMA-modellek
3 Alapfogalmak Bevezetés Determinisztikus idősorelemzés Sztochasztikus idősorelemzés Az idősor olyan adatsor, aminek az egymást követő elemeit egymást követő (egyenlő távolságú) időpontokban figyeltük meg Felfogható mint valószínűségi változók időben egymást követő sorozata ( sztochasztikus folyamat) Például: GDP, árfolyamok, stb. Jelölések: Y t (valószínűségi változó) és y t (realizáció) Kapcsolatukra később visszatérünk t = [1, 2,..., T ]
4 Determinisztikus megközelítés Bevezetés Determinisztikus idősorelemzés Sztochasztikus idősorelemzés Központi fogalmak: trend, ciklus, szezonalitás Véletlen szerepe korlátozott Függvényszerű kapcsolat Pályát keresünk, nem vagyunk figyelemmel az idősor fejlődésére
5 Példa determinisztikus trendre Bevezetés Determinisztikus idősorelemzés Sztochasztikus idősorelemzés
6 Bevezetés Determinisztikus idősorelemzés Sztochasztikus idősorelemzés Determinisztikus trend szezonalitással Ez jó, de mi lett volna, ha 2002-ig végeztük volna el a becslést? elszáll a trend!
7 Sztochasztikus megközelítés Bevezetés Determinisztikus idősorelemzés Sztochasztikus idősorelemzés Valószínűségszámítás eszközeivel dolgozunk A folyamat fejlődését figyelembe veszi Öngeneráló hatások A ápr. 24-ei OTP záróár valószínűségi változó Ugyanakkor egyetlen megfigyelésem van rá! statisztikai elemzésre ebben a formában alkalmatlan Feltevésekre van szükség
8 A stacionaritás fogalma Stacionaritás Autokovariancia és autokorreláció Erős értelemben: Sztochasztikus folyamat együttes eloszlása az időbeli eltolásra nézve invariáns Például az (Y 24, Y 26) együttes eloszlása megegyezik (Y 300, Y 302) együttes eloszlásával Azaz a sorozatban elfoglalt abszolút hely lényegtelen, csak az egymáshoz képest elfoglalt relatív pozíció számít Ha az egyes momentumok léteznek (átlag, variancia, stb.), akkor azok állandóak Gyenge értelemben: EY t állandó és véges var (Y t ) állandó és véges cov (Y t, Y t k ) véges és csak k-tól függ (k = 0, 1, 2,..., t 1)
9 Stacionaritás Autokovariancia és autokorreláció Az autokovariancia és autokorreláció fogalma Autokovariancia-függvény cov (Y t, Y t k ) a k függvényében Autokorreláció-függvény (ACF) corr (Y t, Y t k ) a k függvényében Ábrázolása: korrelogram Tesztelhető!
10 ACF, korrelogram és tesztelés Stacionaritás Autokovariancia és autokorreláció Egy példa ACF-re (gretl outputján és korrelogramon) A rá vonatkozó Ljung-Box Q-teszt: H 0 : AC (1, 2,..., K) = 0 H 1 : m [1, K] : AC (m) 0
11 Fehérzaj (white noise, WN) A fehérzaj folyamat ARMA-modellek Kovariancia-stacioner EY t = 0 (de akár 0-tól különböző is lehet, a lényeg, hogy állandó) cov (Y t, Y t k ) = 0 minden k 0-re
12 A fehérzaj folyamat ARMA-modellek Példa WN-re: átlagosan húzott lottószám Minden héten kiátlagoljuk az 5 kihúzott lottószámot Ez a folyamat szintben: ACF-e:
13 A fehérzaj folyamat ARMA-modellek ACF és Ljung-Box Q a lottóhúzásra
14 AR(p) modell A fehérzaj folyamat ARMA-modellek Az AR(p) modell általános felírása: Y t = α + φ 1 Y t 1 + φ 2 Y t 2 + φ 3 Y t φ p Y t p + u t, ahol legyen u t WN ( 0, σ 2) Speciálisan AR(1) folyamat: Y t = α + φy t 1 + u t, ahol legyen u t WN ( 0, σ 2) és φ < 1 (ld. mindjárt) Várható érték: µ = α + φµ µ = α 1 φ Variancia: var (Y t ) = φ 2 var (Y t ) + σ 2 = AC (k) = φ k PAC (1) = φ, PAC(2, 3,...) = 0 σ2 1 φ 2
15 A fehérzaj folyamat ARMA-modellek Az AR(1) korrelogramja és Ljung-Box Q
16 MA(q) modell A fehérzaj folyamat ARMA-modellek Az MA(q) modell általános felírása: Y t = α + θ 1 u t 1 + θ 2 u t 2 + θ 3 u t θ q Y t q + u t, ahol legyen u t WN ( 0, σ 2) Speciálisan MA(1) folyamat: Y t = α + θu t 1 + u t, ahol legyen u t WN ( 0, σ 2) Várható érték: µ = α Kovariancia: Variancia: AC (1) = cov (Y t, Y t 1 ) = θvar (Y t ) = θσ 2 var (Y t ) = var (Y t 1 ) = σ 2 + θ 2 σ 2 θ 1+θ 2, AC (2, 3,...) = 0
17 A fehérzaj folyamat ARMA-modellek Az MA(1) korrelogramja és Ljung-Box Q
18 ARMA(p,q) modell A fehérzaj folyamat ARMA-modellek Az előzőek kombinációja: Y t = α + φ 1 Y t 1 + φ 2 Y t 2 + φ 3 Y t φ p Y t p + + θ 1 u t 1 + θ 2 u t 2 + θ 3 u t θ q Y t q + u t, ahol legyen u t WN ( 0, σ 2)
Bevezetés az ökonometriába
Az idősorelemzés alapjai Gánics Gergely 1 gergely.ganics@freemail.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Tizenegyedik előadas Tartalom Stacionaritás kérdései 1 Stacionaritás kérdései 2 3 (Nem)stacionaritás
RészletesebbenMérési hibák 2007.02.22. 1
Mérési hibák 007.0.. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák/ Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség általánosított
RészletesebbenIdősoros elemzés minta
Idősoros elemzés minta Ferenci Tamás, tamas.ferenci@medstat.hu A felhasznált adatbázisról Elemzésemhez a francia frank árfolyamának 1986.01.03. és 1993.12.31. közötti értékeit használtam fel, mely idősorban
RészletesebbenFazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium
26 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 1. évfolyam gimnázium szövegértés Előállítás ideje: 27.3.. 12:28:21
RészletesebbenDiszkrét matematika I. gyakorlat
Diszkrét matematika I. gyakorlat 1. Gyakorlat Bogya Norbert Bolyai Intézet 2012. szeptember 4-5. Bogya Norbert (Bolyai Intézet) Diszkrét matematika I. gyakorlat 2012. szeptember 4-5. 1 / 21 Információk
RészletesebbenIlleszkedésvizsgálat
Slide 1 Illeszkedésvizsgálat (kategória értékű változóra) Freedman: 28. fejezet 1-3. Egy képzeletbeli országban 10M ember lakik: 30% szőke, 10% barna, 60% fekete. Slide 2 N = 200 fős mintát vettünk, a
RészletesebbenÖkonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem
Adminisztratív kérdések, bevezetés Ferenci Tamás 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Első fejezet Tartalom Technikai kérdések 1 Technikai kérdések Adminisztratív
Részletesebben2
1 2 3 4 5 6 7 A hozam transzformáció alkalmazása Feladatunk az OTP részvény kereskedésnapi átlagárának az előrejelzése a 2006.11.13. időpontra, kizárólag a saját Árainak korábbi ismeretében, ahol az ún.
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 12 XII. STATIsZTIKA ellenőrző feladatsorok 1. FELADATsOR Megoldások: láthatók nem láthatók 1. minta: 6.10, 0.01, 6.97, 6.03, 3.85, 1.11,
RészletesebbenBemenet modellezése II.
Bemenet modellezése II. Vidács Attila 2005. november 3. Hálózati szimulációs technikák, 2005/11/3 1 Kiszolgálási id k modellezése Feladat: Egy bemeneti modell felállítása egy egy kiszolgálós sorbanállási
RészletesebbenSz ekelyhidi L aszl o Val osz ın us egsz am ıt as es matematikai statisztika *************** Budapest, 1998
Székelyhidi László Valószínűségszámítás és matematikai statisztika *************** Budapest, 1998 Előszó Ez a jegyzet a valószínűségszámításnak és a matematikai statisztikának azokat a fejezeteit tárgyalja,
RészletesebbenIdősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7.
Idősoros elemzés Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7. A felhasznált adatbázisról Elemzésemhez a tanszéki honlapon rendelkezésre bocsátott TimeSeries.xls idősoros adatgyűjtemény egyik idősorát,
RészletesebbenDr. Balogh Albert: A statisztikai adatfeldolgozás néhány érdekessége
Dr. Balogh Albert: A statszta adatfeldolgozás éháy érdeessége Kérdése:. Hogya becsüljü a tapasztalat eloszlásfüggvéyt? 2. M az a redezett mta? 3. M az a medá rag és mlye becslése vaa?. Hogya becsüljü a
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 5 V. BECsLÉsELMÉLET 1. STATIsZTIKAI becslés A becsléselméletben gyakran feltesszük, hogy a megfigyelt mennyiségek független valószínűségi
RészletesebbenLineáris algebra gyakorlat
Lineáris algebra gyakorlat 3 gyakorlat Gyakorlatvezet : Bogya Norbert 2012 február 27 Bogya Norbert Lineáris algebra gyakorlat (3 gyakorlat) Tartalom Egyenletrendszerek Cramer-szabály 1 Egyenletrendszerek
RészletesebbenKockázati folyamatok. Sz cs Gábor. Szeged, 2012. szi félév. Szegedi Tudományegyetem, Bolyai Intézet
Kockázati folyamatok Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet Szeged, 2012. szi félév Sz cs Gábor (SZTE, Bolyai Intézet) Kockázati folyamatok 2012. szi félév 1 / 48 Bevezetés A kurzus céljai
Részletesebben7-8-9. előadás Idősorok elemzése
Idősorok elemzése 7-8-9. előadás 2015. október 19-26. és november 2. Idősor fogalma sokasági szemlélet: elméleti idősor - valószínűségi változók egy indexelt {Y t, t T } családja, avagy időtől függő véletlen
RészletesebbenOsztály szint tagok. Krizsán Zoltán 1 [2012. március 12.] Objektumorientált programozás C# alapokon tananyag
Krizsán Zoltán 1 [2012. március 12.] Általános Informatikai Tanszék Miskolci Egyetem Objektumorientált programozás C# alapokon tananyag Tartalom Bevezetés Bevezetés Outline Bevezetés Bevezetés Példány
Részletesebben8. fejezet. Tartalom. Kockázat és hozam MODERN VÁLLALATI PÉNZÜGYEK
Richard A. Brealey Stewart C. Myers MODERN VÁLLALATI PÉNZÜGYEK 8. fejezet Kockázat és hozam Panem, 2005 A diákat jészítette: Matthew Will 8-2 Tartalom Markowitz portfólióelmélete A kockázat és a hozam
RészletesebbenElemi statisztika fizikusoknak
Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu 1. oldal 7. előadás Becslések és minta elemszámok 7-1 Áttekintés 7-2 A populáció arány becslése 7-3 A populáció átlag
RészletesebbenKötvények és részvények értékelése
Az eszközök értékelése Cél: A befektetési döntések pénzügyi megítélése Vállalati pénzügyek 1 7-8. előadás Kötvények és részvények értékelése Összehasonlítani a befektetés jövőbeli jövedelmeit a befektetés
RészletesebbenStatisztikai programcsomagok
Statisztikai programcsomagok Sz cs Gábor Szegedi Tudomáyegyetem, Bolyai Itézet Szeged, 2012. tavaszi félév Sz cs Gábor (SZTE, Bolyai Itézet) Statisztikai programcsomagok 2012. tavaszi félév 1 / 26 Bevezetés
RészletesebbenGyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos
Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek Dr. Dombi Ákos (dombi@finance.bme.hu) ESETTANULMÁNY 1. Feladat: OTP részvény átlagárfolyamának (Y=AtlAr) stacionaritás
RészletesebbenHipotézis-ellenırzés (Statisztikai próbák)
Következtetı statisztika 5. Hipotézis-elleırzés (Statisztikai próbák) 1 Egymitás próbák Átlagra, aráyra, Szórásra Hipotézis-vizsgálat Áttekités Egymitás em paraméteres próbák Függetleségvizsgálat Illeszkedésvizsgálat
RészletesebbenElemi statisztika fizikusoknak
Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu 1. oldal 6. Előadás A normális eloszlás 6-3 A normális eloszlás alkalmazásai 6-4 Statisztikák eloszlása és becslő függvények
RészletesebbenSZTOCHASZTIKUS MÓDSZEREK
EÖTVÖS LORÁND TUDOMÁNYEGYETEM TERMÉSZETTUDOMÁNYI KAR BUDAPESTI CORVINUS EGYETEM KÖZGAZDASÁGTUDOMÁNYI KAR SZTOCHASZTIKUS MÓDSZEREK A NEM-ÉLETBIZTOSÍTÁSOK TARTALÉKOLÁSÁBAN MSc szakdolgozat Írta: Orbán Barbara
RészletesebbenKockázatkezelés és biztosítás
Kockázatkezelés és biztosítás Dr. habil. Farkas Szilveszter PhD egyetemi docens, tanszékvezető Pénzügy Intézeti Tanszék Témák 1. Kockáztatott eszközök 2. Károkozó tényezők (vállalati kockázatok) 3. Holisztikus
RészletesebbenAlapfogalmak. Trendelemzés Szezonalitás Modellek. Matematikai statisztika Gazdaságinformatikus MSc október 29. 1/49
Matematikai statisztika Gazdaságinformatikus MSc 8. előadás 2018. október 29. 1/49 alapfogalmak Elméleti idősor - valószínűségi változók egy indexelt {X t, t T } családja, avagy időtől függő véletlen mennyiség.
RészletesebbenBiztosítási ügynökök teljesítményének modellezése
Eötvös Loránd Tudományegyetem Természettudományi Kar Budapest Corvinus Egyetem Közgazdaságtudományi Kar Biztosítási ügynökök teljesítményének modellezése Szakdolgozat Írta: Balogh Teréz Biztosítási és
RészletesebbenÉ ű ű Í ű ű ű É ű Í Ü É Í Á Ó Á É Á Á Á É Á Á Ó Á Á ű Ő Á É É ű É É É ű ű Á É Á Á Í Á Á Á É Á É É ű ű ű ű Í ű Í Í ű ű ű Í ű É ű É ű Á ű Í ű Á ű ű Á ÉÍ É É ű ű ű ű Í ű Í Í ű Á Í Í ű Í Í É ű É Í Í ű ű ű
RészletesebbenÍ Ü ű É ü ú Ó Ó É Ü Ó Í Ü Ü ű Á É Á É Ü Ü É É É É Í Á É É Í Ó Ü ü Ő É Ő É É É É É É É É É É É É Á É Ú Á Ú É Á Ú É Ó ü ű É Á É Ü ű É Ü É É É Ü ű Ü ű É Ü Ú É Á Á Á É Ü Ü Ü É Ó Á Ő É Í É É É É Í Í ű ü ü Ó
RészletesebbenFeladatok és megoldások a 6. heti eladshoz
Feladatok és megoldások a 6. heti eladshoz Építőkari Matematika A3 1. Ha E(X = 1 és D 2 (X = 5, határozzuk meg (a E[(2 + X 2 ], (b D 2 (4 + 3X értékét. 2. Legyenek X 1, X 2,... független azonos eloszlású
RészletesebbenBevezetés a lágy számítás módszereibe
BLSZM-07 p. 1/10 Bevezetés a lágy számítás módszereibe Nem fuzzy halmaz kimenetű fuzzy irányítási rendszerek Egy víztisztító berendezés szabályozását megvalósító modell Viselkedésijósló tervezési példa
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 6. elıadás (11-12. lecke) Szórás-stabilizáló transzformációk (folyt.), t-próbák 11. lecke További variancia-stabilizáló transzformációk Egy-mintás t-próba Szórás-kiegyenlítı
RészletesebbenElőirányzott kötelezettségvállalások: az 1., 2., 3. évre a költségvetésben az adott évre elrendelt kötelezettségvállalások. Jelmagyarázat: Előirányzott kötelezettségvállalások (EKÖ) Kötelezettségvállalási
RészletesebbenPuskás Tivadar Távközlési Technikum
27 Puskás Tivadar Távközlési Technikum Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 1. évfolyam szakközépiskola matematika Előállítás ideje: 28.3.6. 6:48:31 197 Budapest,
RészletesebbenCagan-modell Egyéb modellek a pénzkeresletre. Gazdaságpolitika Tanszék Budapesti Corvinus Egyetem
Gazdaságpolitika Tanszék Budapesti Corvinus Egyetem Nyitott gazdaságok makroökonómiája Bevezetés Megjelenik a pénz átvezetés a Monetáris makroökonómia tárgyába Mi a pénz? Árak és pénzmennyiség viszonya
RészletesebbenGAZDASÁGI STATISZTIKA
GAZDASÁGI STATISZTIKA Dr. Kun István GÁBOR DÉNES FŐISKOLA Tantárgy: Gazdasági statisztika Kódszám: 224 Lapszám: 1 TÉMAKÖRÖK A STATISZTIKA ALAPFOGALMAI STATISZTIKAI SOROK STATISZTIKAI TÁBLÁK ÖSSZETETT VISZONYSZÁMOK
RészletesebbenTáblagépes alkalmazások a gyógypedagógiai gyakorlatban súlyosan-halmozottan sérült gyermekek körében
Táblagépes alkalmazások a gyógypedagógiai gyakorlatban súlyosan-halmozottan sérült gyermekek körében Aknai Dóra Orsolya IKT MasterMinds Kutatócsoport doraorsolya@gmail.com IKT eszközök alkalmazása a gyógypedagógiában
RészletesebbenTómács Tibor. Matematikai statisztika
Tómács Tibor Matematikai statisztika Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Matematikai statisztika Eger, 01 Szerző: Dr. Tómács Tibor főiskolai docens Eszterházy Károly
RészletesebbenFIT-jelentés :: 2009. Széchenyivárosi Óvoda és Általános Iskola 6000 Kecskemét, Lunkányi János u. 10. OM azonosító: 200922. Intézményi jelentés
FIT-jelentés :: 2009 Széchenyivárosi Óvoda és Általános Iskola 6000 Kecskemét, Lunkányi János u. 10. Létszámadatok A telephelyek kódtáblázata A 001 - Széchenyivárosi Óvoda és Általános Iskola Arany János
RészletesebbenKomputer statisztika gyakorlatok
Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Komputer statisztika gyakorlatok Eger, 2010. október 26. Tartalomjegyzék Előszó 4 Jelölések 5 1. Mintagenerálás 7 1.1. Egyenletes
RészletesebbenMatematikai statisztikai elemzések 6.
Matematikai statisztikai elemzések 6. Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós regresszió Prof. Dr. Závoti, József Matematikai statisztikai elemzések 6.: Regressziószámítás:
RészletesebbenRadon, Toron és Aeroszol koncentráció viszonyok a Tapolcai Tavas-barlangban
Radon, Toron és Aeroszol koncentráció viszonyok a Tapolcai Tavas-barlangban Kutatási jelentés Veszprém 29. november 16. Dr. Kávási Norbert ügyvezetı elnök Mérési módszerek, eszközök Légtéri radon és toron
RészletesebbenDIFFERENCIAEGYENLETEK
DIFFERENCIAEGYENLETEK Példa: elsőrendű állandó e.h. lineáris differenciaegyenlet Ennek megoldása: Kezdeti feltétellel: Kezdeti feltétel nélkül ha 1 és a végtelen összeg (abszolút) konvergens: / 1 Minden
Részletesebbenhttp://www.olcsoweboldal.hu ingyenes tanulmány GOOGLE INSIGHTS FOR SEARCH
2008. augusztus 5-én elindult a Google Insights for Search, ami betekintést nyújt a keresőt használók tömegeinek lelkivilágába, és időben-térben szemlélteti is, amit tud róluk. Az alapja a Google Trends,
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós lineáris regresszió: mintavételi vonatkozások és modelljellemzés Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Harmadik
RészletesebbenA.11. Nyomott rudak. A.11.1. Bevezetés
A.. Nyomott rudak A... Bevezetés A nyomott szerkezeti elem fogalmat általában olyan szerkezeti elemek jelölésére használjuk, amelyekre csak tengelyirányú nyomóerő hat. Ez lehet speciális terhelésű oszlop,
RészletesebbenA mérleg nyelve Az Antenna Hungária médiapiaci rendezvénye. A földfelszíni szabad sugárzású platform üzleti értéke
www.pwc.com/hu A mérleg nyelve Az Antenna Hungária médiapiaci rendezvénye A földfelszíni szabad sugárzású platform üzleti értéke 2012. május 23. Az egyes tartalmak fizetői Globális trendek MÚLT JELEN JÖVŐ
Részletesebben1. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,00 250,00 kpa,
1. Nyomásmérővel mérjük egy gőzvezeték nyomását. A hőmérő méréstartománya 0,0 250,0 kpa, pontossága 3% 2 osztás. Mekkora a relatív hibája a 50,0 kpa, illetve a 210,0 kpa értékek mérésének? rel. hiba_tt
RészletesebbenDr. BALOGH ALBERT: AZ ÚJ STATISZTIKAI TERMINOLÓGIA
Dr. BALOGH ALBERT: AZ ÚJ STATISZTIKAI TERMINOLÓGIA 1 Az ISO 3534-1 és 3534-2: 2006 szabványok ismertetése Az ISO 3534 szabványsorozat- Szótár és jelölések- tagjai: 1. ISO 3534-1: Statisztikai és fogalmak(2006)
RészletesebbenMatematikai statisztikai elemzések 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések. MSTE modul Kapcsolatvizsgálat: asszociáció vegyes kapcsolat korrelációszámítás. Varianciaanalízis
RészletesebbenHipotézisvizsgálat. A sokaság valamely paraméteréről állítunk valamit,
II. Hipotézisvizsgálat Lényege: A sokaság valamely paraméteréről állítunk valamit, majd az állításunk helyességét vizsgáljuk. A hipotézisvizsgálat eszköze: a statisztikai próba Menete: 1.Hipotézisek matematikai
RészletesebbenValószín ségelmélet házi feladatok
Valószín ségelmélet házi feladatok Minden héten 3-4 házi feladatot adok ki. A megoldásokat a következ órán kell beadni, és kés bb már nem lehet pótolni. Csak az mehet vizsgázni, aki a 13 hét során kiadott
Részletesebbenmatematikai statisztika 2006. október 24.
Valószínűségszámítás és matematikai statisztika 2006. október 24. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................
RészletesebbenV. Gyakorlat: Vasbeton gerendák nyírásvizsgálata Készítették: Friedman Noémi és Dr. Huszár Zsolt
. Gyakorlat: asbeton gerenák nyírásvizsgálata Készítették: Frieman Noémi és Dr. Huszár Zsolt -- A nyírási teherbírás vizsgálata A nyírási teherbírás megfelelő, ha a következő követelmények minegyike egyiejűleg
RészletesebbenRelatív és abszolút. Relatív és abszolút. Tartalom. Megjegyzés
Tartalom Mit jelent az, hogy relatív és abszolút? Milyen változatos helyeken jelennek meg ezek a természetben, az emberben és a társadalomban? Megjegyzés A relatív és abszolút fogalma a könyv egyik elve.
RészletesebbenMatematika Tanszék MOE (PE MIK) MMAM143VB 1 / 34
Valószín½uségszámítás és matematikai statisztika Mihálykóné Orbán Éva Matematika Tanszék MOE (PE MIK) MMAM143VB 1 / 34 Valószín½uségi változók számérték½u jellemz½oi 1 várható érték 2 szórásnégyzet/szórás
Részletesebben[GVMGS11MNC] Gazdaságstatisztika
[GVMGS11MNC] Gazdaságstatisztika 4 előadás Főátlagok összehasonlítása http://uni-obudahu/users/koczyl/gazdasagstatisztikahtm Kóczy Á László KGK-VMI Viszonyszámok (emlékeztető) Jelenség színvonalának vizsgálata
RészletesebbenAz adó- és transzferrendszer változásainak elemzése viselkedési mikroszimulációs modell segítségével
Az adó- és transzferrendszer változásainak elemzése viselkedési mikroszimulációs modell segítségével Benczúr Péter Kátay Gábor Kiss Áron MNB 2012 november 9 A projekt célja Az adó- és transzferrendszer
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
RészletesebbenStatisztika, próbák Mérési hiba
Statisztika, próbák Mérési hiba ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián:
RészletesebbenMonte Carlo módszerek
25 KULLANCSLÁRVA vizsgálata: Erős hideg hatására nézzük a túlélést. Eredmény: 6 elpusztult, 9 élve maradt Hipotézis: a pajzs hosszának variabilitása egy általános genetikai variabilitást tükröz, míg az
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
RészletesebbenIntézményi jelentés. Összefoglalás. Medgyessy Ferenc Gimnázium és Művészeti Szakközépiskola 4031 Debrecen, Holló László sétány 6 OM azonosító: 031202
FIT-jelentés :: 2010 Medgyessy Ferenc Gimnázium és Művészeti Szakközépiskola 4031 Debrecen, Holló László sétány 6 Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a matematika
RészletesebbenStatisztika I. 6. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 6. előadás Előadó: Dr. Ertsey Imre GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE szorosan kapcsolódik a szóródás elemzéshez, elméleti
RészletesebbenSZENT ISTVÁN EGYETEM YBL MIKLÓS ÉPÍTÉSTUDOMÁNYI KAR EUROCODE SEGÉDLETEK A MÉRETEZÉS ALAPJAI C. TÁRGYHOZ
SZENT ISTVÁN EGYETEM YBL MIKLÓS ÉPÍTÉSTUDOMÁNYI KAR EUROCODE SEGÉDLETEK A MÉRETEZÉS ALAPJAI C. TÁRGYHOZ A segédlet nem helyettesíti az építmények teherhordó szerkezeteinek erőtani tervezésére vonatkozó
RészletesebbenSzámviteli elemzéshez mutatók
Számviteli elemzéshez mutatók 1 Cégek helyzetének elemzése Információforrás: E-cégjegyzék (tevékenység, tulajdonosok, telephely, könyvvizsgálat, FB) Cégközlöny (felszámolás, végelszámolás, csődeljárás)
RészletesebbenSzélenergia becslések regionális éghajlati modellek alapján. Illy Tamás, Szépszó Gabriella
Szélenergia becslések regionális éghajlati modellek alapján Illy Tamás, Szépszó Gabriella Motiváció Célok: Globális klímaváltozás Magyarország szélviszonyaira gyakorolt hatásának vizsgálata Szélenergetikai
RészletesebbenVASÚTI PÁLYA DINAMIKÁJA
VASÚTI PÁLYA DINAMIKÁJA Dynamics of the railway track Liegner Nándor BME Út és Vasútépítési Tanszék A vasúti felépítmény szerkezeti elemeiben ébredő igénybevételek A Zimmermann Eisenmann elmélet alapján
RészletesebbenTed, tudom, mondtad, hogy felrobban a fejed, ha még egy dologra kérlek, de.. Takarítás a hármason.
Ted, tudom, mondtad, hogy felrobban a fejed, ha még egy dologra kérlek, de.. Takarítás a hármason. Statisztika I. 4. előadás Kombinációs táblák elemzése http://bmf.hu/users/koczyl/statisztika1.htm Kóczy
RészletesebbenMikroökonómia 2009 őszi félév
Mikroökonómia 2009 őszi félév Budapesti Corvinus Egyetem, Közgazdaságtudományi Kar. 2. előadás Hasznosság és preferenciák Előadó: Berde Éva A jelen előadás fóliáiban többször felhasználtam a Hirshleifer
RészletesebbenAnalízis elo adások. Vajda István. 2012. szeptember 24. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)
Vajda István Neumann János Informatika Kar Óbudai Egyetem 1/8 A halmaz alapfogalom, tehát nem definiáljuk. Jelölés: A halmazokat általában nyomtatott nagybetu vel jelöljük Egy H halmazt akkor tekintünk
Részletesebben... ahol l 0. Minden tranzakcióhoz létezik. = f(σ i. A sorozat nem bővíthető. Ha véges, akkor az utolsó konfigurációnak nincs rákövetkezője.
Szekvenciális tranzakciós s diagram A program vezérlési szerkezete egy címkékkel ellátott irányított gráf. Tranzakciós diagram T = ( L, T, s, t ) Gráf csúcsok a program állapotai entry kitüntetett csúcs:
Részletesebben2011. március 9. Dr. Vincze Szilvia
. márius 9. Dr. Vinze Szilvia Tartalomjegyzék.) Elemi bázistranszformáió.) Elemi bázistranszformáió alkalmazásai.) Lineáris függőség/függetlenség meghatározása.) Kompatibilitás vizsgálata.) Mátri/vektorrendszer
RészletesebbenTámogatási lehetőségek a borágazatban Magyarország Nemzeti Borítékja. Bor és Piac Szőlészet Borászat Konferencia 2011
Támogatási lehetőségek a borágazatban Magyarország Nemzeti Borítékja Bor és Piac Szőlészet Borászat Konferencia 2011 Miben lehet a minisztérium a borászati vállalkozások segítségére A minisztérium elsősorban
RészletesebbenFIT-jelentés :: 2012. Intézményi jelentés. Összefoglalás
FIT-jelentés :: 2012 Összefoglalás Német Nemzetiségi Gimnázium és Kollégium, Deutsches Nationalitätengymnasium und Schülerwohnheim 1203 Budapest, Serény u. 1. Összefoglalás Az intézmény létszámadatai Tanulók
RészletesebbenFélévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2. matematikusoknak és fizikusoknak, 2009 tavasz
Félévi időbeosztás (nagyjából) házi feladat beadási határidőkkel (pontosan) Valószínűségszámítás 2. matematikusoknak és fizikusoknak, 2009 tavasz Dátum Téma beadandó Feb 12Cs Konvolúció (normális, Cauchy,
RészletesebbenFIT-jelentés :: 2014. Intézményi jelentés. 8. évfolyam
FIT-jelentés :: 2014 Hőgyészi Hegyhát Általános Iskola, Gimnázium, Alapfokú Művészeti Iskola és Kollégium 7191 Hőgyész, Fő utca 1-3. Létszámadatok A telephelyek kódtáblázata A 002 - Hőgyészi Hegyhát Általános
RészletesebbenArany Dániel Matematikai Tanulóverseny 2011/2012-es tanév első (iskolai) forduló haladók I. kategória
Bolyai János Matematikai Társulat Arany Dániel Matematikai Tanulóverseny 011/01-es tanév első (iskolai) forduló haladók I. kategória Megoldások és javítási útmutató 1. Az ábrán látható ABC derékszögű háromszög
RészletesebbenMilyen segítséget tud nyújtani a döntéshozatalban a nem-hagyományos jelfeldolgozás?
Milyen segítséget tud nyújtani a döntéshozatalban a nem-hagyományos jelfeldolgozás? Vasmű Néhány tipikus feladat rendszermodellezés irányítás oxygen components (parameters) System Neural model temperature
RészletesebbenVÁROS- ÉS INGATLANGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK
VÁROS- ÉS INGATLANGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék az
RészletesebbenKÍSÉRLET A STATISZTIKA II. TANTÁRGY SZÁMÍTÓGÉPPEL TÁMOGATOTT TÖMEGOKTATÁSÁRA BALOGH IRÉN VITA LÁSZLÓ
KÍSÉRLET A STATISZTIKA II. TANTÁRGY SZÁMÍTÓGÉPPEL TÁMOGATOTT TÖMEGOKTATÁSÁRA A szerzők rövid cikkükben amellett érvelnek, hogy a bevezető jellegű statisztikai kurzusokban célszerűbb az Excelt használni,
RészletesebbenA döntő feladatai. valós számok!
OKTV 006/007. A döntő feladatai. Legyenek az x ( a + d ) x + ad bc 0 egyenlet gyökei az x és x valós számok! Bizonyítsa be, hogy ekkor az y ( a + d + abc + bcd ) y + ( ad bc) 0 egyenlet gyökei az y x és
RészletesebbenPéliné Németh Csilla 1 Bartholy Judit 2 Pongrácz Rita 2 Radics Kornélia 3
Péliné Németh Csilla 1 Bartholy Judit 2 Pongrácz Rita 2 Radics Kornélia 3 1 MH Geoinformációs Szolgálat 2 Eötvös Loránd Tudományegyetem, Meteorológiai Tanszék 3 Országos Meteorológiai Szolgálat 41. Meteorológiai
RészletesebbenÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ
Szolnoki Főiskola Üzleti Fakultás, 5000 Szolnok, Tiszaligeti sétány ÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ A 4/1996. (I. 18.) Korm. rendelet a közgazdasági felsőoktatás alapképzési szakjainak képesítési
RészletesebbenAnalízis elo adások. Vajda István. 2012. október 3. Neumann János Informatika Kar Óbudai Egyetem. Vajda István (Óbudai Egyetem)
Vajda István Neumann János Informatika Kar Óbudai Egyetem / 40 Fogalmak A függvények értelmezése Definíció: Az (A, B ; R ) bináris relációt függvénynek nevezzük, ha bármely a A -hoz pontosan egy olyan
RészletesebbenESETTANULMÁNYOK 3-5 RESPIG auditban részt vett telep gazdasági szimulációjának bemutatása
ESETTANULMÁNYOK 3-5 RESPIG auditban részt vett telep gazdasági szimulációjának bemutatása SERTÉSAKADÉMIA 1.2.0 (Budapest, 2012. február 18.) Dr. Ózsvári László Sertés Akadémia 1.2.0. A telep 2 Az A telep
RészletesebbenA dolgozatot a négy érdemi fejezetben tárgyalt eredményeket tartalmazó 9 oldalas Összefoglalás (86-94. o.) zárja le.
OPPONENSI VÉLEMÉNY Matyasovszky István Néhány statisztikus módszer az elméleti és alkalmazott klimatológiai vizsgálatokban című akadémiai doktori értekezéséről 1. ÁLTALÁNOS MEGJEGYZÉSEK Az értekezés 100
RészletesebbenSUGÁRVÉDELEM PÁCIENSEKRE VONATKOZÓ SUGÁRVÉDELMI ISMERETEK
SUGÁRVÉDELEM PÁCIENSEKRE VONATKOZÓ SUGÁRVÉDELMI ISMERETEK TOKÁR ANIKÓ Semmelweis Egyetem Orális Diagnosztikai Tanszék 2015. Sugárvédelem célja Megóvni az embert és a környezetét a sugárzás káros hatásaitól,
Részletesebben2012.03.01. Méréselmélet PE MIK MI, VI BSc 1
Mérési hibák 2012.03.01. Méréselmélet PE MIK MI, VI BSc 1 Mérés jel- és rendszerelméleti modellje Mérési hibák/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális
RészletesebbenMértékegységrendszerek 2006.09.28. 1
Mértékegységrendszerek 2006.09.28. 1 Mértékegységrendszerek első mértékegységek C. Huygens XVII sz. természeti állandók Párizsi akadémia 1791 hosszúság méter tömeg kilogramm idő másodperc C. F. Gauss 1832
RészletesebbenMunkapiaci áramlások Magyarországon
Kónya István MTA-KRTK Közgazdaságtudományi Intézet és Közép-európai Egyetem 2015.11.13 MTA KRTK KTI Motiváció Munkapiaci áramlások központi szerepe Munkapiac keresési modellje Munkanélküliség és aktivitás
RészletesebbenGOP PÁLYÁZATOK. Szabó Sándor András. pályázati és innovációs tanácsadó regisztrált pályázati tréner egyetemi oktató
GOP PÁLYÁZATOK Szabó Sándor András pályázati és innovációs tanácsadó regisztrált pályázati tréner egyetemi oktató 1. Ami tetszik: Általában - közös részletes pályázati útmutató - kikerült a részvételi
Részletesebben(2) A R. 3. (2) bekezdése helyébe a következő rendelkezés lép: (2) A képviselő-testület az önkormányzat összes kiadását 1.1369.
Enying Város Önkormányzata Képviselő-testületének 20/2010. (X. 05.) önkormányzati rendelete az Enying Város Önkormányzatának 2100. évi költségvetéséről szóló 7/2010. (II. 26.) önkormányzati rendelete módosításáról
RészletesebbenÁltalános statisztika II. Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László
Általános statisztika II Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Általános statisztika II Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Publication
Részletesebben