Idő-ütemterv hálók - I. t 5 4

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Idő-ütemterv hálók - I. t 5 4"

Átírás

1 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc Idő-ütemterv hálók - I. t s v u PRT time/cost : ( Program valuation & Review Technique ) ( Program Értékelő és Áttekintő Technika ) semény-csomópontú, valószínűségi változókkal dolgozó ( sztochasztikus ) projekt-modell PM time/cost : ( ritical Path Method = Kritikus Út Módszere ) Tevékenység-élű, diszkrét adatokkal dolgozó projekt-modell M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

2 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc PRT/PM Gráf-megkötések τ st π s s π t t τ tv τ ut π v v τ su "Hálózat" : Összefüggő, súlyozott, hurok-mentes irányított gráf, egyetlen forrással, egyetlen nyelővel, nem-negatív súly-számokkal "gy-az-egyes" megfeleltetés : Minden rész-összetevő egyszer, és csakis egyszer szerepelhet a gráf-modellben "somópontpáros él-azonosítás" : u π u τ uv ármely két csomópont között csak egyetlen közvetlen él lehet M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

3 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc Program valuation & Review Technique (PRT) 98 : US Navy, Polaris Program, Farard somópont : esemény, állapot, "mérföldkő", fejlesztési fázis Él : közelebbről be nem azonosított (műszaki) tartalmú tevékenység ("részfeladat") Paraméterek (súlyok) : valószínűségi változók ("időbeli lefolyás") β eloszlás, becsült érték-hármas alapján él : projekt várható teljes átfutási idejének és rész-teljesítési időpontjainak előrejelzése, a hozzájuk tartozó bizonytalansági mutatókkal ("szórás") együtt. Ütemterv teljesíthetőségének ellenőrzése. M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

4 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc P Valószínűség / β eloszlás / P max T e = T min+ T m + T max ν = σ = ( T max - T min ) T min T m T e T max T P Valószínűség / Gauss-féle standard eloszlás / P max σ σ.98 T e = T m σ σ T M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

5 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I PRT feladat : Mi a valószínűsége annak, hogy az alábbi projekt ie alatt megvalósul? lőadás:folia.doc I (a-m-b) μ e ; ν (--7) ; /9 (--7) ; /9 (-7-8) 7; /9 (--) ; /9 (--) ; /9 G (--) ; /9 F (--9) ; /9 9 9 H (--) ; /9 I (--) ; /9 μ e = a + m + b ν = σ = ( b - a ) μ T = ν T = /9 M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

6 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc P entrális határ-eloszlás / Gauss-féle standard eloszlás / P max σ σ z σ μ S = μ T = σ σ T Z = μ S - μ T ν T - = = -. /9 Z P Z P P 9 % M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

7 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia7.doc ritical Path Method (PM time ) 97 : US,. I. du Pont de Nemours, James. Kelly, Morgan R. Walker somópont : kapcsolat, közvetlen megelőzési reláció Él : konkrétan beazonosított (műszaki) tartalmú rész-projekt, avagy tevékenység ("részfeladat"), illetve - szükség szerint - megelőzési reláció ("látszat-tevékenység") Paraméterek (súlyok) : tevékenységidők, időtartamok és határidőpontok ( determinisztikus változók ) él : a projekt időbeli lefolyása során kiemelt jelentőségű ( "domináns" / "kritikus" ) tevékenységek beazonosítása, határidőpontok meghatározása, illetve a részprojektek, avagy tevékenységek időbeli "mozgási szabadságának" feltárása. M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

8 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia8.doc PM / PRT gráf-struktúra - operatív információk - F I 7 G H Közvetlen megelőzési lista G I F G,,I < H,G <,I,H < I H H F <,G G I I G <,,I H I <,H Operatív információk M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

9 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia9.doc PM time feladat időtartam () () 7 () () ( lehetséges ) legkorábbi ( megengedett ) legkésőbbi F() (8) 8 8 I S F LS LF TF FF F IF 7 "Kritikus út" : zon csomópontok - és a közöttük lévő domináns élek - halmazából alkotott részgráf, melyeknél a lehetséges legkorábbi- és a megengedett legkésőbbi idő megegyezik. ( "... idő-tartalékkal nem rendelkezik..." ) forrás és a nyelő közötti leghosszabb utak alkotta részgráf M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

10 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc "Teljes" tartalékidő (TF): dott tevékenység időtartamának lehetséges növekménye ( avagy kezdésének késleltetése ) anélkül, hogy az a háló teljes átfutási idejét növelné, feltéve, hogy valamennyi megelőző tevékenységét legkorábbi ütemezése szerint tudjuk befejezni. "Szabad" tartalékidő (FF): dott tevékenység időtartamának lehetséges növekménye ( avagy kezdésének késleltetése ) anélkül, hogy az bármely az adott tevékenységet követő tevékenység legkorábbi kezdését késleltetné, feltéve, hogy valamennyi megelőző tevékenységét legkorábbi ütemezése szerint tudjuk befejezni. "Feltételes" tartalékidő (F): dott tevékenység időtartamának lehetséges növekménye anélkül, hogy az a háló teljes átfutási idejét növelné, feltéve, hogy valamennyi megelőző tevékenységét legkésőbbi ütemezése szerint tudjuk csak befejezni. "Független" tartalékidő (IF): dott tevékenység időtartamának lehetséges növekménye anélkül, hogy az bármely az adott tevékenységet követő tevékenység legkorábbi kezdését késleltetné, feltéve, hogy valamennyi megelőző tevékenységét legkésőbbi ütemezése szerint tudjuk csak befejezni. ( sak nem-negatív értékét értelmezzük! ) M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

11 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc PM cost ( PM költség modell ) Projekt költségek közvetett közvetlen Tevékenység / rész-projekt közvetlen költségek ΣT Tmin Tmax költség-intenzitás (S) T min T max T M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

12 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc PM cost feladat : Milyen minimális ("közvetlen") költség mellett valósítható meg az alábbi projekt ie -nél nem hosszabb idő alatt? Tev F G Normal idő ksg 8 8 Roham idő ksg S d F G () () d () () 7 () 7 F() G() () () d () () () F() G() = + S = 9 + = 97 = + S F = 97 + = 8 M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

13 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc max Tmin Projekt közvetlen költségek / PM cost / min Tmin max Tmax min Tmax max min T min T max Optimális projekt futamidő és minimális költség ΣT összesített min közvetett Δ közvetlen T opt ΣT M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

14 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - II lőadás:folia.doc PM létra konvenció : Gond: PM - baj van az átlapolt időhelyzetekkel. Válasz: Paraméterek a látszat-tevékenységeken ( t ) ( τ ) ( t ) ( τ ) ( τ ) ( t ) ( τ ) Negatív paraméterek továbbra is tiltottak. Gond a nyitott háló és a meg-nem-szakítható tevékenység M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

15 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc PM cost feladat : Milyen minimális ("közvetlen") költség mellett valósítható meg az alábbi projekt ie -nél nem hosszabb idő alatt? Tev Normal idő ksg Roham idő ksg S () () () () () () () () () () = + S = + = = + S + = + =? M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

16 Építésikivitelezés-Vállalkozás / : Hálós ütemtervek - I lőadás:folia.doc PM cost feladat : Milyen minimális ("közvetlen") költség mellett valósítható meg az alábbi projekt ie -nél nem hosszabb idő alatt? Tev Normal idő ksg Roham idő ksg S () () () () () () () () () () = + S = + = 7 ( > ) = + S = 7 + = 9 ( < )! M Építéskivitelezési Tanszék / Építőmérnök Kari Oktatás / -

Idõ-ütemterv há lók - I. t 5 4

Idõ-ütemterv há lók - I. t 5 4 lõadás:folia.doc Idõ-ütemterv há lók - I. t s v u PRT time/cost : ( Program valuation & Review Technique ) ( Program Értékelõ és Áttekintõ Technika ) semény-csomópontú, valószínûségi változókkal dolgozó

Részletesebben

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés Építésikivitelezés-Vállalkozás / : Gráftechnikai alapfogalmak Elõadás:Folia.doc VÁLLALKOZÁS ( tervezés - bonyolítás - változásmenedzsment ) ideiglenes földút monolit vb.támfal avított háttöltés ú földtöltés

Részletesebben

Építési projektek szervezése HÁLÓS IDŐTERVEZÉS. Dr. Vattai Zoltán András

Építési projektek szervezése HÁLÓS IDŐTERVEZÉS. Dr. Vattai Zoltán András Építési projektek szervezése HÁLÓS IDŐTERVEZÉS Dr. Vattai Zoltán András www.ekt.bme.hu 1 Koenigsberg, Prussia, XVIII. sz. ma: Kalinyingrág, Oroszország 2 Kérdés: Lehet-e olyan körsétát tenni a város hét

Részletesebben

Idotervezés I. A CPM háló. BME Építéskivitelezési Tanszék Dr. Mályusz Levente 1

Idotervezés I. A CPM háló. BME Építéskivitelezési Tanszék Dr. Mályusz Levente 1 Idotervezés I. A CPM háló BME Építéskivitelezési Tanszék Dr. Mályusz Levente 1 Hagyományos eszközök Sávos ütemterv, Gannt diagram (pont szeru építkezéseken) földkiemelés tükörkészítés alapozás aszfalt

Részletesebben

PROJEKTEK tervezése és kontrollja. Az ütemtervezés története. Az ütemtervezés története. Építéskivitelezési és Szervezési Tanszék 1

PROJEKTEK tervezése és kontrollja. Az ütemtervezés története. Az ütemtervezés története. Építéskivitelezési és Szervezési Tanszék 1 PROJEKTEK tervezése és kontrollja Hajdu Miklós BME Építéskivitelezési Tanszék Az ütemtervezés története Ókor Projekt tervezés a Nagy Fal, a piramisk építésénél (dokumentumok üzemorvosok alkalmazásáról

Részletesebben

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés

Építésikivitelezés-Vállalkozás / 2: Gráftechnikai alapfogalmak VÁLLALKOZÁS. javított háttöltés Elõadás:Folia201.doc VÁLLALKOZÁS ( tervezés - bonyolítás - változásmenedzsment ) ideiglenes földút monolit vb.támfal javított háttöltés új földtöltés régi töltés humusz teherbíró talaj Tevékenység Sz Megnevezés

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Maximális folyam 7 7 9 3 2 7 source 8 4 7 sink 7 2 9 7 5 7 6 Maximális folyam feladat Adott [N, A] digráf (irányított

Részletesebben

Üzemszervezés. Projekt tervezés. Dr. Juhász János

Üzemszervezés. Projekt tervezés. Dr. Juhász János Üzemszervezés Projekt tervezés Dr. Juhász János Projekt tervezés - Definíció Egy komplex tevékenység feladatainak, meghatározott célok elérése érdekében, előre megtervezett módon, az erőforrások sajátosságainak

Részletesebben

Üzemszervezés A BMEKOKUA180

Üzemszervezés A BMEKOKUA180 Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki és Járműmérnöki Kar Közlekedésmérnöki Szak Üzemszervezés A BMEKOKUA180 Projekt tervezés Dr. Juhász János egyetemi docens Projekt tervezés

Részletesebben

Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése

Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése EURÓPAI UNIÓ STRUKTURÁLIS ALAPOK SZERKEZET KIVITELEZÉS - VÁLLALKOZÁS BMEEPEKAS2 segédlet a BME Építőmérnöki Kar hallgatói részére Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése

Részletesebben

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék

Hálózati Folyamok Alkalmazásai. Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Hálózati Folyamok Alkalmazásai Mályusz Levente BME Építéskivitelezési és Szervezési Tanszék Alsó felső korlátos maximális folyam 3,9 3 4,2 4,8 4 3,7 2 Transzformáljuk több forrást, több nyelőt tartalmazó

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 06/7. félév 7. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom. A projektütemezés alapjai..

Részletesebben

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr.

Dr. Kulcsár Gyula. Virtuális vállalat félév. Projektütemezés. Virtuális vállalat félév 5. gyakorlat Dr. Projektütemezés Virtuális vállalat 06-07. félév 5. gyakorlat Dr. Kulcsár Gyula Projektütemezési feladat megoldása Projekt: Projektütemezés Egy nagy, összetett, általában egyedi igény alapján előállítandó

Részletesebben

Budapesti Műszaki és Gazdaságtudományi Egyetem Sebestyén Zoltán Projektmenedzsment Gyakorló vizsgafeladatok Kiegészítő oktatási segédanyag

Budapesti Műszaki és Gazdaságtudományi Egyetem Sebestyén Zoltán Projektmenedzsment Gyakorló vizsgafeladatok Kiegészítő oktatási segédanyag udapesti Műszaki és azdaságtudományi gyetem Sebestyén Zoltán Projektmenedzsment yakorló vizsgafeladatok Kiegészítő oktatási segédanyag udapest 00 Tartalomjegyzék I. MLŐZÉSI LIST ÁTLKÍTÁS... II. TVÉKNYSÉ-ÉLŰ

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (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:

Részletesebben

Termelés- és szolgáltatásmenedzsment

Termelés- és szolgáltatásmenedzsment Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése

Részletesebben

Végezze el az alábbi MPM háló időelemzését! B 7 SS3 FS-5 -SF10 D 5 E 2 F 5

Végezze el az alábbi MPM háló időelemzését! B 7 SS3 FS-5 -SF10 D 5 E 2 F 5 Végezze el az alábbi MPM háló időelemzését! 4 SS0 7 2 6 2 R1 1.0 R1 kapcsolat-pár kiváltása (helyettesítése) a mértékadó kapcsolattal 4 SS0 7 2 6 2 ( R1) 1.1 forrás beazonosítása, a 0 idő-potenciál elhelyezése

Részletesebben

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék

Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék Miskolci Egyetem Gépészmérnöki és Informatikai Kar Informatikai Intézet Alkalmazott Informatikai Intézeti Tanszék 2016/17 2. félév 5. Előadás Dr. Kulcsár Gyula egyetemi docens Tartalom 1. Párhuzamosan

Részletesebben

Hálótervezés. Vállalati Információs Rendszerek

Hálótervezés. Vállalati Információs Rendszerek Hálótervezés Vállalati Információs Rendszerek Hálótervezés fogalma Egy munkaterv, projekt időbeli lefolyásának optimális ütemezése, elemzése, az egyes tevékeny- ségek időbeli összehangolása, az egymás

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás 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:

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati 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

Részletesebben

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

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

Részletesebben

Gyártórendszerek dinamikája

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

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy 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

Részletesebben

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék

Ütemezési problémák. Kis Tamás 1. ELTE Problémamegoldó Szeminárium, ősz 1 MTA SZTAKI. valamint ELTE, Operációkutatási Tanszék Ütemezési problémák Kis Tamás 1 1 MTA SZTAKI valamint ELTE, Operációkutatási Tanszék ELTE Problémamegoldó Szeminárium, 2012. ősz Kivonat Alapfogalmak Mit is értünk ütemezésen? Gépütemezés 1 L max 1 rm

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Ütemezés tervezése A leghátrányosabb helyzet kistérségek fejlesztési és együttm ködési kapacitásainak meger

Ütemezés tervezése A leghátrányosabb helyzet kistérségek fejlesztési és együttm ködési kapacitásainak meger Ütemezés tervezése A leghátrányosabb helyzetű kistérségek fejlesztési és együttműködési kapacitásainak megerősítése ÁROP-1.1.5/C A Tokajii Kistérség Fejlesztési és Együttműködési Kapacitásának Megerősítése

Részletesebben

A projekt idő-, erőforrás és költségterve 1. rész

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

Részletesebben

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:

Részletesebben

Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése

Az építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése EURÓPI UNIÓ STRUKTURÁLIS LPOK MÉRNÖKI NGYLÉTESÍTMÉNYEK MEGVLÓSÍTÁS MEEPEKS segédlet a ME Építőmérnöki Kar hallgatói részére z építész- és az építőmérnök képzés szerkezeti és tartalmi fejlesztése HEFOP//../.

Részletesebben

Mesterséges Intelligencia MI

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

Részletesebben

2012.03.12. TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE IDŐTERVEZÉS. IDŐTERVEZÉS (Gantt diagramm)

2012.03.12. TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE TEVÉKENYSÉGEK TERVEZÉSE IDŐTERVEZÉS. IDŐTERVEZÉS (Gantt diagramm) ELŐADÁS ÁTTEKINTÉSE. ea.: Projekttervezés III. Tevékenységek tervezése Időtervezés: Gantt diagramm Hálótervezés: Kritikus út Tartalék idő Példa ismertetése TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy

Részletesebben

Időütemezés. Időtervezés

Időütemezés. Időtervezés Időtervezés A projekt definíciójánál láthattuk, hogy az egyik projektkorlát az idő. Ezért nagyon fontos egy olyan időterv elkészítése, melyen grafikusan szemléltethetjük a projekt megvalósítását. Ehhez

Részletesebben

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1 Építési projektek ütemtervi bizonytalanságainak, kockázatainak figyelembe vétele a pénzügyi tervezésnél Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő, MVM Paks

Részletesebben

A projekttervezés folyamata, tevékenységek tervezése, erőforrások fajtái és tervezése. Munkaszervezés elmélet Szász Péter

A projekttervezés folyamata, tevékenységek tervezése, erőforrások fajtái és tervezése. Munkaszervezés elmélet Szász Péter A projekttervezés folyamata, tevékenységek tervezése, erőforrások fajtái és tervezése. Munkaszervezés elmélet Szász Péter A projekt életciklusa Nagyvonalú tervezési fázis A rendszer célkitűzéseinek és

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, 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

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. 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.

Részletesebben

7. Régió alapú szegmentálás

7. Régió alapú szegmentálás Digitális képek szegmentálása 7. Régió alapú szegmentálás Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Szegmentálási kritériumok Particionáljuk a képet az alábbi kritériumokat kielégítő régiókba

Részletesebben

Hagyományos ütemezési technikák

Hagyományos ütemezési technikák Mályusz Levente Hagyományos ütemezési technikák Hagyományos: CPM és MPM technika Előny: egyszerűen kezelhető, számolható Hátrány: nem kezeli a - tevékenységi idők bizonytalanságait - nincs elágazás - sorrendszámolás

Részletesebben

Excel segédlet Üzleti statisztika tantárgyhoz

Excel segédlet Üzleti statisztika tantárgyhoz Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n

Részletesebben

2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia

2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia 2. Előadás Projekt ütemezés. Solver használata. Salamon Júlia Projekt ütemezés Számos nagy projekt tervezésekor használják a CMP (Critical Path Method - Kritikus út módszere) és a PERT (Program Evaluation

Részletesebben

Diszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. (

Diszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. ( FELADATOK A LEKÉPEZÉSEK, PERMUTÁCIÓK TÉMAKÖRHÖZ Diszkrét Matematika 4. LEKÉPEZÉSEK Értelmezési tartomány és értékkészlet meghatározása : Összefoglaló feladatgyűjtemény matematikából ( zöld könyv ): XIII.

Részletesebben

Példa. Job shop ütemezés

Példa. Job shop ütemezés Példa Job shop ütemezés Egy üzemben négy gép működik, és ezeken 3 feladatot kell elvégezni. Az egyes feladatok sorra a következő gépeken haladnak végig (F jelöli a feladatokat, G a gépeket): Az ütemezési

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny

Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Való szí nű sé gi va ltózó, sű rű sé gfű ggvé ny, élószla sfű ggvé ny Szűk elméleti összefoglaló Valószínűségi változó: egy függvény, ami az eseményteret a valós számok halmazára tudja vetíteni. A val.

Részletesebben

Statisztika elméleti összefoglaló

Statisztika 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

Részletesebben

[Biomatematika 2] Orvosi biometria

[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

Részletesebben

Gráfelméleti alapfogalmak

Gráfelméleti alapfogalmak 1 Gráfelméleti alapfogalmak Gráf (angol graph= rajz): pontokból és vonalakból álló alakzat. pontok a gráf csúcsai, a vonalak a gráf élei. GRÁ Irányítatlan gráf Vegyes gráf Irányított gráf G H Izolált pont

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

Részletesebben

Függetlenségvizsgálat, Illeszkedésvizsgálat

Függetlenségvizsgálat, Illeszkedésvizsgálat Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés

Részletesebben

Sztochasztikus temporális logikák

Sztochasztikus temporális logikák Sztochasztikus temporális logikák Teljesítmény és szolgáltatásbiztonság jellemzők formalizálása és ellenőrzése Majzik István Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - 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

TERMÉKFEJLESZTÉS (BMEGEGE MNTF)

TERMÉKFEJLESZTÉS (BMEGEGE MNTF) TERVEZÉS ELMÉLET ÉS MÓDSZERTAN (BMEGEGE MGTM) TERMÉKFEJLESZTÉS (BMEGEGE MNTF) 2. Előadás A tervezési folyamat menedzsmentje, idő- és hálótervezés 2010/2011 II. félév 1 / 24 Ütemterv 2011. tavaszi félév

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

Részletesebben

HÁLÓZAT Maximális folyam, minimális vágás

HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT Maximális folyam, minimális vágás HÁLÓZAT informálisan Hálózat Irányított gráf Mindegyik élnek adott a (nemnegatív) kapacitása Spec csúcsok: Forrás (Source): a kiindulási pont csak ki élek Nyelő

Részletesebben

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y.

Algoritmuselmélet. Mélységi keresés és alkalmazásai. Katona Gyula Y. Algoritmuselmélet Mélységi keresés és alkalmazásai Katona Gyula Y. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 9. előadás Katona Gyula Y. (BME SZIT) Algoritmuselmélet

Részletesebben

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

Részletesebben

EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA

EBBEN A VIZSGARÉSZBEN A VIZSGAFELADAT ARÁNYA Az Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről szóló 133/2010. (IV. 22. ) Korm. rendelet alapján. Szakképesítés, szakképesítés-elágazás, rész-szakképesítés,

Részletesebben

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik Az A halmazrendszer σ-algebra az Ω alaphalmazon, ha Ω A; A A A c A; A i A, i N, i N A i A. Az A halmazrendszer

Részletesebben

ü ő ő ü ő ő ö ö ő ö í ü ő í ö ö í ő ö ő ű ú ő í ü ő ö ő Í ö ö ő ö ö ő ő ö ő í Í í ü ö ő í ü ü ú ü ö ö ő ü ő ö ő í ü ő í ö ö ő ő ő í í ő í ő ő Á Ó Í í í ő ű ú ő í í ő ő Í ő í ő í í Í í ő í ő í ő ő íí ő

Részletesebben

É 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

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

Részletesebben

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

Részletesebben

ő ő ű í ó ú í ó í ó Á Á Á É ű ő ó ó ő ó ő Á É ó Á É ú Á É É Á ó Á Á Á Á Á É É ó Á É í É É í É ú ú ú ó ó Ö ú É ú ó ő ú ó í É É É É Ö Ö É Á É É É Ő Ó É ő ó ó í ő ú ő ő ű í ó ú Ő Ö ú É ú ú ő ő É É ő ő ő ő

Részletesebben

ö é é ü Ő Ö é ü ö é é ü é é ó é ü ü é é é é é í é ü é é é é é é ö é é ö ö é ü ö ö é ü í é ü ü é é é ü é ö é é é ó é é é é é ü ö é é ü ú ö é é é é ö é é ö é é ó é ó é é í é é ó é é ó é é í ó é é ü ü é ó

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés 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 -

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

ELŐADÁS ÁTTEKINTÉSE. Tevékenységek tervezése Gantt diagramm

ELŐADÁS ÁTTEKINTÉSE. Tevékenységek tervezése Gantt diagramm ELŐADÁS ÁTTEKINTÉSE Tevékenységek tervezése Gantt diagramm TEVÉKENYSÉGEK TERVEZÉSE Fel kell vázolni egy lehetséges tevékenység sorozatot, egyfajta megoldást, illetve elvárt eredményt, amit a célrendszerrel

Részletesebben

Az optimális megoldást adó algoritmusok

Az optimális megoldást adó algoritmusok Az optimális megoldást adó algoritmusok shop ütemezés esetén Ebben a fejezetben olyan modellekkel foglalkozunk, amelyekben a munkák több műveletből állnak. Speciálisan shop ütemezési problémákat vizsgálunk.

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti összefoglaló a Valószín ségszámítás kurzushoz Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek

Részletesebben

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007

1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok. HálózatokII, 2007 Hálózatok II 2007 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Szerda 17:00 18:30 Gyakorlat: nincs Vizsga írásbeli Honlap: http://people.inf.elte.hu/lukovszki/courses/g/07nwii

Részletesebben

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

5. előadás. Programozás-elmélet. Programozás-elmélet 5. előadás

5. előadás. Programozás-elmélet. Programozás-elmélet 5. előadás Elemi programok Definíció Az S A A program elemi, ha a A : S(a) { a, a, a, a,..., a, b b a}. A definíció alapján könnyen látható, hogy egy elemi program tényleg program. Speciális elemi programok a kövekezők:

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. 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 +

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Régebbi Matek M1 zh-k. sztochasztikus folyamatokkal kapcsolatos feladatai.

Régebbi Matek M1 zh-k. sztochasztikus folyamatokkal kapcsolatos feladatai. Régebbi Matek M1 zh-k Folyamfeladatokkal, többszörös összef ggőséggel, párosításokkal, Nagy szḿok törvényével, Centrális Határeloszlás tétellel, sztochasztikus folyamatokkal kapcsolatos feladatai. Gráfok

Részletesebben

Diszkrét matematika gyakorlat 1. ZH október 10. α csoport

Diszkrét matematika gyakorlat 1. ZH október 10. α csoport Diszkrét matematika gyakorlat 1. ZH 2016. október 10. α csoport 1. Feladat. (5 pont) Adja meg az α 1 β szorzatrelációt, amennyiben ahol A {1, 2, 3, 4}. α {(1, 2), (1, 3), (2, 1), (3, 1), (3, 4), (4, 4)}

Részletesebben

Projektmenedzsment projektmenedzsment alapjai logikai kapcsolatban hálótervezés

Projektmenedzsment projektmenedzsment alapjai logikai kapcsolatban hálótervezés Projektmenedzsment A projektmenedzsment alapjai Hálótervezés A könyvtári rendszerfejlesztési projekt A projektmenedzsment alapjai alaptevékenységek a szervezet (rendszerint hosszú távú, a küldetésben és

Részletesebben

Nagyfeszültségű távvezetékek termikus terhelhetőségének dinamikus meghatározása az okos hálózat eszközeivel

Nagyfeszültségű távvezetékek termikus terhelhetőségének dinamikus meghatározása az okos hálózat eszközeivel Nagyfeszültségű távvezetékek termikus terhelhetőségének dinamikus meghatározása az okos hálózat eszközeivel Okos hálózat, okos mérés konferencia 2012. március 21. Tárczy Péter Energin Kft. Miért aktuális?

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: 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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai 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

Részletesebben

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Matematikai 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

Részletesebben

Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16.

Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem. I. B. 137/b március 16. Bevezetés a Számításelméletbe II. 6. előadás Sali Attila Budapest Műszaki és Gazdaságtudományi Egyetem Számítástudományi és Információelméleti Tsz. I. B. 7/b sali@cs.bme.hu 004 március 6. A kritikus út

Részletesebben

Kiterjesztések sek szemantikája

Kiterjesztések sek szemantikája Kiterjesztések sek szemantikája Példa D Integer = {..., -1,0,1,... }; D Boolean = { true, false } D T1... T n T = D T 1... D Tn D T Az összes függvf ggvény halmaza, amelyek a D T1,..., D Tn halmazokból

Részletesebben

Valószínűségi modellellenőrzés Markov döntési folyamatokkal

Valószínűségi modellellenőrzés Markov döntési folyamatokkal Valószínűségi modellellenőrzés Markov döntési folyamatokkal Hajdu Ákos Szoftver verifikáció és validáció 2015.12.09. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek

Részletesebben

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás

Véletlenszám generátorok és tesztelésük. Tossenberger Tamás Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél

Részletesebben

Döntéselmélet OPERÁCIÓKUTATÁS

Döntéselmélet OPERÁCIÓKUTATÁS Döntéselmélet OPERÁCIÓKUTATÁS Operációkutatás Az operációkutatás az a tudomány, amely az optimális döntések előkészítésében matematikai módszereket használ fel. Az operációkutatás csak a döntés-előkészítés

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Többváltozós lineáris regressziós modell feltételeinek tesztelése I. Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós

Részletesebben

Budapesti Műszaki és Gazdaságtudományi Egyetem december 2.

Budapesti Műszaki és Gazdaságtudományi Egyetem december 2. Számítástudományi és Információelméleti Tanszék Budapesti Műszaki és Gazdaságtudományi Egyetem 2008. december 2. Útvonalválasztás Cél egy hálózatban két csomópont között a legrövidebb útvonal kiválasztása.

Részletesebben

Mátrix-alapú projektkockázatmenedzsment

Mátrix-alapú projektkockázatmenedzsment Mátrix-alapú projektkockázatmenedzsment Hegedűs Csaba, Kosztyán Zsolt Tibor Pannon Egyetem, Kvantitatív Módszerek Intézeti Tanszék XXXII. Magyar Operációkutatási Konferencia Cegléd, 2017.06.14-16. Informatikai

Részletesebben

Operációkutatás vizsga

Operációkutatás vizsga Operációkutatás vizsga B csoport Budapesti Corvinus Egyetem 2007. január 16. Egyéb gyakorló és vizsgaanyagok találhatók a honlapon a Letölthető vizsgasorok, segédanyagok menüpont alatt. OPERÁCIÓKUTATÁS

Részletesebben

Feladatok és megoldások a 13. hétre

Feladatok és megoldások a 13. hétre Feladatok és megoldások a. hétre Építőkari Matematika A. Az alábbi függvények melyike lehet eloszlásfüggvény? + e x, ha x >, (a F(x =, ha x, (b F(x = x + e x, ha x, (c F(x =, ha x, x (d F(x = (4 x, ha

Részletesebben

Számítógép hálózatok, osztott rendszerek 2009

Számítógép hálózatok, osztott rendszerek 2009 Számítógép hálózatok, osztott rendszerek 2009 1: Bevezetés: Internet, rétegmodell Alapok: aszimptótika, gráfok 1 Az előadáshoz Előadás: Hétfő 10:00 12:00 óra Gyakorlat: Hétfő 14:00-16:00 óra Honlap: http://people.inf.elte.hu/lukovszki/courses/0910nwmsc

Részletesebben

Vállalatirányítás HÁLÓTERVEZÉS. Tevékenység Jel Kódjel megelőző követő tevékenység jele. A - C 6 Munkaerő-szükséglet 2. B - F 8 műszaki tervezése 3.

Vállalatirányítás HÁLÓTERVEZÉS. Tevékenység Jel Kódjel megelőző követő tevékenység jele. A - C 6 Munkaerő-szükséglet 2. B - F 8 műszaki tervezése 3. HÁLÓTERVEZÉS 1. Egy hálótervről az alábbi adatok ismertek: Közvetlenül Tevékenység Jel Kódjel megelőző követő tevékenység jele 1. Generálterv kidolgozása A - C 6 Munkaerő-szükséglet. meghatározása és gyári

Részletesebben