Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától
|
|
|
- Etelka Vass
- 8 évvel ezelőtt
- Látták:
Átírás
1 Sztochasztkus tartalékolás és a tartalék függése a kfutás háromszög dőperódusától Faluköz Tamás Vtéz Ildkó Ibola Kozules: r. Arató Mklós ELTETTK Budapest
2 IBNR kfutás háromszög IBNR: curred but ot reported Ikremetáls: C Kumulált: Kfutás háromszög Bekövetkezés dőperódusa 2 Beeletés/Kfzetés késése () å k C k
3 Tartalékolás techkák etermsztkus módszerek alsó háromszög ktöltése potbecslés a tartalékra Láclétra (kumulált károk) ráták függetleek től l ) ( 2 2 l
4 Adatok Két adatsor (két külöböző magar bztosítótól) Lakásbztosítás (7 éves) rövdebb kfutás KGFB (4 éves) hosszabb kfutás Kfutás háromszög (ált. kumulált): ap/hav/egedéves/éves kárszámok/károk károk: kfzetés/beeletés (kfzetés/beeletés késése szert) Külöböző eredméek
5 Célok Müche láclétra módszer tesztelése (kfzetés/beeletés háromszög által adott eredméek közt külöbség csökketése) A tartalék dőperódustól való függéséek vzsgálata Sztochasztkus tartalékolás módszerek tartalék kvatlseek meghatározásához
6 Müche láclétra (MCL) Káragságok (kumulált kfutás háromszög): kfzetés csak kfzetések (PP) beeletés csak kfzetések (IP) beeletés kfzetések tételes függőkártartalék (IPO) MCL: PP és IP háromszögek közt eltérés csökketése Mdkét háromszöget haszála az l ráták az P aktuáls ( P / I ) háadosoktól függek I
7 MCL eredméek PP IP aráok a sorok utolsó elemere (ksebb külöbség) Probléma: PP és IPO összemérhetők SCL MCL PP IPO ráták (ugaakkora külöbség) Ok: külöböző put adatok SCL MCL
8 etermsztkus/sztochasztkus Sokféle determsztkus módszer Külöböző eredméek (potbecslések) Cél: kvatlsek kofdecatervallumok ehhez sztochasztkus módszerek Nav sztochasztkus techkák l :..d. valószíűség változók (L ) Tapasztalat eloszlás: dszkrét egeletes az smert értékeke l ( )
9 Egeletesormáls (UN) modell L változó: dszkrét egeletes eloszlás a halmazo Várható érték: az alsó háromszög ktöltése a teles tartalék várható értéke a szóráségzet: ormáls közelítés (várható érték szóráségzet) kvatlsek a szóráségzet segítségével ïþ ï ý ü ïî ï í ì X X d : ) ( K ( ) å t L E ( ) å Õ ø ö è æ ø ö è æ k k L E ( ) ( ) å Õ Õ ø ö è æ ø ö è æ k k L E L E 2 2 2
10 UN: UN megegzések Egeletesgeerálás (UG) Várható érték: egk determsztkus módszer potbecslése ( lácszemháados átlagokkal ) UN: kvatlsek s adhatók UG: L valószíűség változók mt fet. sor tartaléka: ( L L L ) 2 teles tartalék: ()!(2)!! lehetséges érték 000 lehetséges kmeetel geerálása tapasztalat kvatlsek
11 MCMC modell Y Y 2 Y Y e X C C 2 C C e 2 X 2 C 2 C 22 C e X C C :. peródusba bekövetkezett () peródussal később beeletett károk száma ~Posso(e X Y ) e :. peródusba élő szerződések száma X : eg szerződésre utó kárszámteztás az. peródusba ~ d gamma Y : peródus késéssel beeletett károk aráa ~Beta(ab) eloszlás a é ê å 0 ë k Y k ù ú û tervallumo
12 MCMCtartalékolás a posteror eloszlások Baestétellel: [ ] [ ] [ ] Õ Õ c c ~ [ ] [ ] [ ] Õ Õ c c ~ [ ] ø ö è æ å ø ö è æ å µ Õ e c e c l a a c a e b a e c ø ö è æ å µ å Õ ø ö è æ å ] [
![] Õ Õ c c ~ [ ] ø ö è æ å ø ö è æ å µ Õ e c e](/docs-images/43/3258833/images/page_12.jpg "c l a a c a e b a e c ø ö è æ å µ å Õ ø ö è æ")
13 Markov Cha Mote Carlo mtavétel MetropolsHastgs módszer; avaslat eloszlás:. mtageerálás 2. [ t ] ì í î Z [ t] q(. ) ~ N a a ( 0.000) z ~ q (. ) vszg vszg t.. a m æ è f ( z ) ( [ t ]) f q q ( [ t ] z ) ( [ ]) ö z t ø
![[ t ] ì í î Z [ t] q(. ) ~ N a a ( 0.000) z ~ q (.](/docs-images/43/3258833/images/page_13.jpg ") vszg vszg t.")
14 Mde lépésbe MCMCtartalékolás mta re mta ra tartalék: Possomta geerálása az aktuáls X és Y segítségével számolt paraméterrel: å å e 2 Várható érték és kvatlsek meghatározása a kapott értékek alapá
15 Eredméek: potbecslések Household (mothl) MTPL (mothl) CL UN UG MCMC 350 CL UN UG MCMC Household (quaterl) MTPL (quaterl) CL UN UG MCMC 350 CL UN UG MCMC
16 Eredméek: kvatlsek Household (mothl) MPTL (mothl) % 75% 90% 95% UN UG MCMC % 75% 90% 95% UN UG MCMC Household (quaterl) MTPL (quaterl) % 75% 90% 95% UN UG MCMC % 75% 90% 95% UN UG MCMC
17 Tartalékolás módszerek tesztelése Ola tervallumot választuk hog mde formácó smert lege: alsó háromszög s első három év (lakásbztosítás adatok) Becsült értékek összehasolítása a téleges értékkel C C 2 C 22 C 3 C 25 C 32 C 4 C 35 C 42 C 5 C 45 C 52 C 3 C 2 C 5 C 23 C 33 C 43 C 53 C 4 C 24 C 34 C 44 C 54 C 55
18 Teszteredméek Valód érték: 788 Láclétra: 990 Quatles of the reserve UN UG MCMC Real 50% 75% 90% 95%
19 Koklúzók Potbecslések em megbízhatók Sztochasztkus módszerek ago külöböző eredméeket adhatak Módszer és peródus választása: adatoktól s függőe (hosszú/rövd kfutás) teszteléssel Bootstrap crossvaldato módszerek
20 Köszööm a fgelmet!
? közgazdasági statisztika
Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem
? közgazdasági statisztika
... Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB
ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet
Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o)
Ismérvek között kapcsolatok szorosságáak vzsgálata 1. Egy ks smétlés: mérés skálák (Huyad-Vta: Statsztka I. 5-6. o) A külöböző smérveket, eltérő mérés sztekkel (skálákkal) ellemezhetük. a. évleges (omáls)
Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat
Megállapítható változók elemzése Függetleségvzsgálat, lleszkedésvzsgálat, homogetásvzsgálat Ordáls, omáls esetre s alkalmazhatóak a következő χ próbá alapuló vzsgálatok: 1) Függetleségvzsgálat: két valószíűség
A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
Regresszió és korreláció
Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 01.11.1 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés
IBNR számítási módszerek áttekintése
1/13 IBNR számítási módszerek áttekintése Prokaj Vilmos email: Prokaj.Vilmos@pszaf.hu 1. Kifutási háromszög Év 1 2 3 4 5 2/13 1 X 1,1 X 1,2 X 1,3 X 1,4 X 1,5 2 X 2,1 X 2,2 X 2,3 X 2,4 X 2,5 3 X 3,1 X 3,2
Regresszió és korreláció
Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 016.11.10 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés
Matematikai statisztika
Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),
1. Operáció kutatás matematikát matematikai statisztika és számítástechnika. legjobb megoldás optimum operációkutatás definíciója :
1. Operácó kutatás Az operácó kutatás 1940 ó ta smeretes. Bár a techka felő dés, a termelés folamatok szervezése már korábba s géelte a matematka eszkö zö k felhaszálását, - amelekbe fellelhető k az operácó
Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Statisztika. Eloszlásjellemzők
Statsztka Eloszlásjellemzők Statsztka adatok elemzése A sokaság jellemzése középértékekkel A sokaság jellemzéséek szempotja A sokaság jellemzéséek szempotja: A sokaság tpkus értékéek meghatározása. Az
Függvénygörbe alatti terület a határozott integrál
Függvéygörbe alatt terület a határozott tegrál Tektsük az üggvéyt a ; tervallumo. Adjuk becslést a görbe az tegely és az egyees között síkdom területére! Jelöljük ezt a területet I-vel! A becslést legegyszerűbbe
13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai
Tárcsák számítása A felületszerkezetek A felületszerkezetek típusa A tartószerkezeteket geometra méretek alapjá osztálozzuk Az eddg taulmáakba szereplı rúdszerkezetek rúdjara az a jellemzı hog a hosszuk
I. Valószínűségelméleti és matematikai statisztikai alapok
I. Valószíűségelmélet és matematka statsztka alapok. A szükséges valószíűségelmélet és matematka statsztka alapsmeretek összefoglalása Az alkalmazott statsztka módszerek tárgalása, amel e kötet célja,
A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
Feladatok és megoldások a 11. heti gyakorlathoz
Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.
Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
NÉMETH LÁSZLÓ VÁROSI MATEMATIKA VERSENY 2013 HÓDMEZŐVÁSÁRHELY OSZTÁLY ÁPRILIS 8.
. feladat: Eg 5 fős osztálba va fiú és 4 lá. z iskolai bálo (fiú-lá) pár fog tácoli. Háféleképpe tehetik ezt meg? párok sorredje em számít, viszot az, hog ki kivel tácol, az már ige. (0 pot) Válasszuk
) ( s 2 2. ^t = (n x 1)s n (s x+s y ) x +(n y 1)s y n x+n y. +n y 2 n x. n y df = n x + n y 2. n x. s x. + s 2. df = d kritikus.
Kétmtás t-próba ^t ȳ ( s +( s + + df + vag ha, aor ^t ȳ (s +s Welch-próba ^d ȳ s + s ( s + s df ( s ( s + d rtus t s (α, +t s (α, s + s Kofdecatervallum ét mta átlagáa ülöbségére SE s ( + s ( ±t (α,df
Tuzson Zoltán A Sturm-módszer és alkalmazása
Tuzso Zoltá A turm-módszer és alalmazása zámtala szélsérté probléma megoldása, vag egeltleség bzoítása ago gara, már a matemata aalízs eszözere szorítoz, mt például a Jese-, Hölder-féle egeltleség, derválta
STATISZTIKAI MÓDSZEREK
HAJTMAN BÉLA STATISZTIKAI MÓDSZEREK Egetem egzet Pázmá Péter Katolkus Egetem, Bölcsészettudomá Kar Plscsaba, 0. Bevezetés Az első félévbe (Bostatsztka) a statsztka alapat smertük meg. Természetese ez
Járattípusok. Kapcsolatok szerint: Sugaras, ingajárat: Vonaljárat: Körjárat:
JÁRATTERVEZÉS Kapcsolatok szert: Sugaras, gaárat: Járattípusok Voalárat: Körárat: Targocás árattervezés egyszerű modelle Feltételek: az ayagáram determsztkus, a beszállítás és kszállítás dőpot em kötött
f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
LEGJOBB BECSLÉS Módszerek, egyszerűsítések
LEGJOBB BECSLÉS Módszerek, egyszerűsítések Tusnády Paula 2010. Június 24. 1 Tartalom Értékelési folyamat lépései Módszerek Arányosság elve Élet ági egyszerűsítések Nem-élet ági egyszerűsítések 2 Értékelési
2.4. Vektor és mátrixnormák
4 Vektor és mátrormák következõkbe összefoglluk témkörhöz felhszálásr kerülõ már tult smeretgot s Defícó : IK IR, ( IN, I K vlós vg komle számok hlmzát elöl) többváltozós függvét vektorormák evezzük, h
1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél
Valószíűségszámítás és statsztka előadás fo. BSC/B-C szakosokak 1. előadás szeptember 13. 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás tárgya Törtéet Alapfogalmak Valószíűségek
Hipotéziselmélet. Statisztikai próbák I. Statisztikai próbák II. Informatikai Tudományok Doktori Iskola
Hpotézselmélet Iformatka Tudomáyok Doktor Iskola Statsztka próbák I. 0.0.. Dr Ketskeméty László előadása Statsztka próbák II. Dötés eljárást dolgozuk k aak eldötésére, hogy a ullhpotézs gaz-e. Ha úgy kell
BIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
Matematikai statisztika
Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika
i 0 egyébként ábra. Negyedfokú és ötödfokú Bernstein polinomok a [0,1] intervallumon.
![i 0 egyébként ábra. Negyedfokú és ötödfokú Bernstein polinomok a [0,1] intervallumon.](/thumbs/93/111989735.jpg "i 0 egyébként ábra. Negyedfokú és ötödfokú Bernstein polinomok a [0,1] intervallumon.")
3. Bézer görbék 3.1. A Berste polomok 3.1. Defícó. Legye emegatív egész, tetszőleges egész. A ( ) B (u) = u (1 u) polomot Berste polomak evezzük, ahol ( ) = {!!( )! 0, 0 egyébkét. A defícóból közvetleül
24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
Bevezetés a hipotézis vizsgálatba. Hipotézisvizsgálatok. Próbák leírása. Kétoldali és egyoldali hipotézisek. Illeszkedésvizsgálatok
Bevezetés a hpotézs vzsgálatba Lásd előadás ayagát. Kétoldal és egyoldal hpotézsek Hpotézsvzsgálatok Ebbe a ejezetbe egyajta határozókulcsot szereték ad a hpotézsvzsgálatba haszált próbákhoz. Először dötsük
KÖZELÍTŐ INFERENCIA II.
STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.
ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETIA Készült a TÁMOP-4.1.-08//A/KM-009-0041pályázat projet eretébe Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomáy Taszéé az ELTE Közgazdaságtudomáy Taszé az MTA Közgazdaságtudomáy Itézet és a
2012.03.01. Méréselmélet PE_MIK MI_BSc, VI_BSc 1
Mérés adatok feldolgozása 202.03.0. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel
REGIONÁLIS ELEMZÉSI MÓDSZEREK. c. készülő egyetemi tankönyvből, szerkesztő: Nemes Nagy József várható megjelenés 2004., ELTE Eötvös Kiadó
Kézrat részletek a REGIONÁLIS ELEMZÉSI MÓDSZEREK c. készülő egetem takövből, szerkesztő: Nemes Nag Józse várható megjeleés 004., ELTE Eötvös Kadó 5 TERÜLETI EGYENLŐTLENSÉGEK 5. Fogalm keretek Az egelőtleség
Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)
Matematka statsztka elıadás III. éves elemzı szakosokak Zemplé Adrás 9. elıadásból részlet Y közelítése függvéyével Gyakor eset, hogy em smerjük a számukra érdekes meység Y potos értékét pl. holap részvéy-árfolyam,
Mérési adatok feldolgozása. 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc 1
Mérés adatok feldolgozása 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel
Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?
Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs
Változók függőségi viszonyainak vizsgálata
Változók függőség vszoyaak vzsgálata Ismétlés: változók, mérés skálák típusa kategoráls változók Asszocácós kapcsolat számszerű változók Korrelácós kapcsolat testsúly (kg) szemüveges em ő 1 3 férf 5 3
Információs rendszerek elméleti alapjai. Információelmélet
Iformácós redszerek elmélet alaja Iformácóelmélet A forrás kódolása csatora jelekké 6.4.5. Molár Bált Beczúr Adrás NMMMNNMNfffyyxxfNNNNxxMNN verzazazthatóvsszaálímdeveszteségcsaakkorfüggvéykódolásaakódsorozat:eredméyekódolássorozatváltozó:forás
KÖZELÍTŐ INFERENCIA II.
STATISZTIKAI TANULÁS AZ IDEGRENDSZERBEN KÖZELÍTŐ INFERENCIA II. MONTE CARLO MÓDSZEREK ISMÉTLÉS Egy valószínűségi modellben a következtetéseinket a látensek vagy a paraméterek fölötti poszterior írja le.
Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
BEVEZETÉS. Hosszú fejlődés eredménye tehát, hogy a kísérletezés, a mérés a természettudományos
BEVEZETÉS 5 BEVEZETÉS A kísérletezés em volt mdg az ember megsmerés elsmert módszere. A görög flozófusok az deák vlágába éltek, a középkor Európa tudósa előbbre tartották a spekulácót és a tektélekre hvatkozást.
Adatfeldolgozás, adatértékelés. Dr. Szűcs Péter, Dr. Madarász Tamás Miskolci Egyetem, Hidrogeológiai Mérnökgeológiai Tanszék
Adatfeldolgozás, adatértékelés Dr. Szűcs Péter, Dr. Madarász Tamás Mskolc Egyetem, Hdrogeológa Mérökgeológa Taszék A vzsgált köryezet elemek, lletve a felszí alatt közeg megsmerése céljából számtala külöböző
Statisztika II. előadás és gyakorlat 2. rész
előadás és gyakorlat. rész T.Nagy Judt Ajálott rodalom: Ilyésé Molár Emese Lovasé Avató Judt: Feladatgyűjteméy, Perekt, 006. Korpás Attláé (szerk.): Általáos, Nemzet Taköyvkadó, 1997. Molár Mátéé Tóth
ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
. melléklet a 3 /2013. (XII. 29.) MNB rendelethez 12. melléklet a 38/2013. (XII. ) MNB rendelethez
. melléklet a 3 /2013. (XII. 29.) MNB rendelethez 12. melléklet a 38/2013. (XII. ) MNB rendelethez A Kártalanítási Alap kezelőjének éves felügyeleti jelentése ÖSSZEFOGLALÓ TÁBLA Táblakód Megnevezés Adatszolgáltató
Matematika szintfelmérő szeptember
Matematika szintfelmérő 015. szeptember matematika BSC MO 1. A faglaltok éjszakáján eg közvéleménkutatásban vizsgált csoport %-ának ízlett az eperfaglalt, 94%-ának pedig a citromfaglalt. A két gümölcsfaglalt
2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya
II RÉZ 2 EJEZE 2 Az együttműködő vllamoseerga-redszer teljesítméy-egyesúlya 2 A frekveca és a hatásos teljesítméy között összefüggés A fogyasztó alredszerbe a fogyasztók hatásos wattos teljesítméyt lletve
Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.
Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Regresszó-számítás. előadás Kvanttatív statsztka módszerek Dr. Varga Beatr Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Korrelácós
Korreláció- és regressziószámítás
Korrelácó- és regresszószámítás sztochasztkus kapcsolat léyege az, hogy a megfgyelt sokaság egységeek egyk smérv szert mlyeségét, hovatartozását smerve levoható ugya bzoyos következtetés az egységek másk
Arrhenius-paraméterek becslése közvetett és közvetlen mérések alapján
Tudomáyos Dákkör Dolgozat SZABÓ BOTOND Arrheus-paraméterek becslése közvetett és közvetle mérések alapá Turáy Tamás. Zsély Istvá Gyula Kéma Itézet Eötvös Lorád Tudomáyegyetem Természettudomáy Kar Budapest,
Kétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.
Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
Példák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 28 dszkrét valószíőség változókra X(ω)=c mde ω-ra. Elevezés: elfajult eloszlás. P(X=c)=1. X akkor 1, ha egy adott,
Ismétlés: Visszatevéses mintavétel. A valószínőség további tulajdonságai. Visszatevés nélküli mintavétel. A valószínőség folytonossága
Valószíőségszámítás és statsztka elıadás f. BC/B-C szakskak. elıadás szeptember. Ismétlés: Vsszatevéses mtavétel N termék, melybıl M selejtes elemő mta vsszatevéssel A: ptsa k selejtes va a mtába k k k,,
s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
VÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
A Secretary problem. Optimális választás megtalálása.
A Secretary problem. Optmáls választás megtalálása. A Szdbád problémáa va egy szté lasszusa tethető talá természetesebb vszot ehezebb változata. Ez a övetező Secretary problem -a evezett érdés: Egy állásra
Líneáris függvények. Definíció: Az f(x) = mx + b alakú függvényeket, ahol m 0, m, b R elsfokú függvényeknek nevezzük.
Líneáris függvének Definíció: Az f() = m + b alakú függvéneket, ahol m, m, b R elsfokú függvéneknek nevezzük. Az f() = m + b képletben - a b megmutatja, hog a függvén hol metszi az tengelt, majd - az m
Információs rendszerek elméleti alapjai. Információelmélet
Iformácós redszerek elmélet alapja Iformácóelmélet Glbert-Moore Szemléltetése hasoló a Shao kódhoz A felezőpotokra a felezős kódolás A felezőpot értéke bttel hosszabb kfejtést géyel /2 0 x x x p p 2 p
2. METROLÓGIA ÉS HIBASZÁMíTÁS
. METROLÓGIA ÉS HIBASZÁMíTÁS. Metrológa alapfogalmak A metrológa a mérések tudomáya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlye tulajdoságáról számszerű értéket kapuk.
EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei
Eukldes tér, metrkus tér, ormált tér, magasabb dmeós terek vektoraak söge, eek követkemée Metrkus tér Defícó. A H halmat metrkus térek eveük, ha va ola, metrkáak eveett m: H H R {0} függvé, amelre a követkeők
Dr. Tóth Zsuzsanna Eszter Dr. Jónás Tamás Erdei János. Gazdaságstatisztika. II. rész A matematikai statisztika alapjai
Budapest Műszak és Gazdaságtudomáy Egyetem Gazdaság- és Társadalomtudomáy Kar Üzlet Tudomáyok Itézet Meedzsmet és Vállalatgazdaságta Taszék Dr. Tóth Zsuzsaa Eszter Dr. Jóás Tamás Erde Jáos Gazdaságstatsztka
PDF created with FinePrint pdffactory Pro trial version Irodalom.
r etskemétyászló matematkus http://wwwketskemetyhu laszlo@ketskemetyhu kela@sztbmehu : +36/70/3 00 5 0 egjelet az ötvös adó godozásába orgalmazza a Cytotechft egjeleés éve: 005 Jellemzők: 459 o, 94 cm
MÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011
MÉRÉSTECHNIKA DR. HUBA ANTAL c. eg. taár BME Mechatroka, Optka és Gépészet Iformatka Taszék 0 Rövde a tárgprogramról Előadások tematkája: Metrológa és műszertechka alapok Mérés adatok kértékelése Időbe
STATISZTIKA II. kötet
Szeged Tudomáyegyetem Gazdaságtudomáy Kar Petres Tbor Tóth László STATISZTIKA II. kötet Szerzők: Dr. Petres Tbor, PhD egyetem doces Statsztka és Demográfa Taszék Tóth László PhD-hallgató Gazdaságtudomáy
Véletlenszám generátorok. 6. előadás
Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes
Hvezetés (írta:dr Ortutay Miklós)
Hveeé (íra:dr Orua Mkló. Hável módok:. Alapfogalmak 3. Feladaok 4. Háadá é kovekcó Hável, eergarapor hajóer (hmérékle külöbég haáára.. Hável módok: veeée hável, hveeé (elem réeckék hmogáa, cak lárd fába
823. A helyesen kitöltött keresztrejtvény: 823. ábra. 823. A prímek összege: 2+ 5+ 2= 9; 824. a) 2 1, 2 4, 5 3, 3 5, 2$ 825.
Egész kitevôjû htváok 7 8 A helese kitöltött keresztrejtvé: 8 ár 8 A rímek összege: + + 9 8 ) $ $ 8 ) $ $ 9$ $ 7 $ $ 0 c) $ ( + ) ( + ) 8 ) $ $ k ( - ) - - - ) r s - 7 m k l ( + ) 7 8 ( - ) 8 ( + ) 7 (
BIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika
BIOSTATISZTIKA ÉS INFORMATIKA Leíró statisztika Első közelítésbe a statisztikai tevékeységeket égy csoportba sorolhatjuk, de ezek között ics éles határ:. adatgyűjtés, 2. az adatok áttekithetővé tétele,
4 2 lapultsági együttható =
Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.
A MATEMATIKAI STATISZTIKA ELEMEI
A MATEMATIKAI STATISZTIKA ELEMEI Az Eötvös Lórád Tudomáyegyetem Természettudomáy Kará a Fzka Kéma Taszék évek óta kéma-szakos taárhallgatókak matematka bevezetõ elõadásokat tart. Az elõadások célja az,
Kvadratikus alakok gyakorlás.
Kvadratikus alakok gakorlás Kúpszeletek: Adott eg kvadratikus alak a következő formában: ax 2 + 2bx + c 2 + k 1 x + k 2 + d = 0, a, b, c, k 1, k 2, d R (1) Ezt felírhatjuk a x T A x + K x + d = 0 alakban,
Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
Backtrack módszer (1.49)
Backtrack módszer A backtrack módszer kombatorkus programozás eljárás, mely emleárs függvéy mmumát keres feltételek mellett, szsztematkus kereséssel. A módszer előye, hogy csak dszkrét változókat kezel,
Mérnöki alapok 5. előadás
Mérnök alapok 5. előadás Készítette: dr. Várad Sándor Budapest Műszak és Gazdaságtudomán Egetem Gépészmérnök Kar Hdrodnamka Rendszerek Tanszék, Budapest, Műegetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9
A matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
Ha n darab standard normális eloszlású változót négyzetesen összegzünk, akkor kapjuk a χ 2 - eloszlást: N
Krály Zoltá: Statsztka II. Bevezetés A paraméteres eljárások alkalmazásához, a célváltozóra ézve szgorú feltételek szükségesek (folytoosság, ormaltás, szóráshomogetás), ekkor a hpotézseket egy-egy paraméterre
A felhasznált térfogalmak: lineáris tér (vektortér), normált tér, Banach tér, euklideszi-tér, Hilbert tér. legjobban közelítõ elem, azaz v u
Approxmácó Bevezetés A felhaszált térfogalmak: leárs tér (vektortér) ormált tér Baach tér eukldesz-tér Hlbert tér V ormált tér T V T kompakt halmaz Ekkor v V u ~ T legjobba közelítõ elem azaz v u ~ f {
EGY FÁZISÚ TÖBBKOMPONENS RENDSZEREK: AZ ELEGYEK KÉPZDÉSE
EG FÁZISÚ ÖBBOMPONENS RENDSZERE: AZ ELEGE ÉPZDÉSE AZ ELEGÉPZDÉS ERMODINAMIÁJA: GÁZO Általáos megfotolások ülöböz kéma mség komoesek keveredésekor változás törték a molekulárs kölcsöhatásokba és a molekulák
9. évfolyam Javítóvizsga felkészülést segítő feladatok
Halmazok: 9. évfolam Javítóvizsga felkészülést segítő feladatok. Adott két halmaz. A : a ; a : páros és B : ;;8;0;;;8;0;. Add meg a következő halmazműveleteket az elemek felsorolásával és készíts Venn
EGY FÁZISÚ TÖBBKOMPONENS RENDSZEREK: BEVEZETÉS
EGY FÁZIÚ ÖBBOMPONEN RENDZERE: BEEZEÉ ERMODINMII ÁLOZÓ Eg: egy komoes egy fázs (olt egy komoes több fázs s Általáos eset: több komoes több fázs öztes eset: több komoes egy fázs Ezek az elegyek szta fázs
Ökonometria. /Elméleti jegyzet/
Ökoometra /Elmélet jegyzet/ Ökoometra /Elmélet jegyzet/ Szerző: Nagy Lajos Debrece Egyetem Gazdálkodástudomáy és Vdékfejlesztés Kar (1.,., 3., 4., 5., 6., és 9. fejezet) Balogh Péter Debrece Egyetem Gazdálkodástudomáy
A peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
KOMBINATORIKA ELŐADÁS osztatlan matematikatanár hallgatók számára. Szita formula J = S \R,
KOMBINATORIKA ELŐADÁS osztatla matematkataár hallgatók számára Szta formula Előadó: Hajal Péter 2018 1. Bevezető példák 1. Feladat. Háy olya sorbaállítása va a {a,b,c,d,e} halmazak, amelybe a és b em kerül
Azonos névleges értékű, hitelesített súlyokból alkotott csoportok együttes mérési bizonytalansága
Azoos évleges értékű, htelesített súlyokból alkotott csoportok együttes mérés bzoytalasága Zeleka Zoltá* Több mérés feladatál alkalmazak súlyokat. Sokszor ezek em egyekét, haem külöböző társításba kombácókba
Tulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 26 p 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 A bomáls és a hpergeom. elo. összehasolítása 0 1 2 3 4 5 6 7 8 9 10 k Hp.geom
Szolvencia II. Biztosítástechnikai tartalékok 2005.04.27
Szolvencia II. Biztosítástechnikai tartalékok 2005.04.27 Biztosítástechnikai tartalékok A. Nem-életbiztosítási tartalékok B. Életbiztosítási tartalékok C. Próbaszámolások 2005.04.27 2 A. Nem-életbiztosítási
SÚRLÓDÁSMENTES KÖZEG NUMERIKUS ÁRAMLÁSTANI MODELLEZÉSE ÉS ÉRVÉNYESÍTÉSE ÖSSZEFOGLALÁS
eress Árád Galla Tbor ohács József SÚÓDÁSMENTES KÖZEG NMEIKS ÁAMÁSTANI MODEEZÉSE ÉS ÉÉNYESÍTÉSE ÖSSZEFOGAÁS A ublkácó céla eg dmezós az összeomható áramlás modellezésére alkalmas ks számítógé kaactásgéel
Kiegészítés a felületi hullámossághoz és a forgácsképződéshez. 1. ábra. ( 2 ) A szögváltozó kifejezése:
Kegészítés a felület hullámossághoz és a forgácsképződéshez Két korább dolgozatunkban [ KD1 ], [ KD2 ] s foglalkoztunk már a fapar forgácsoláselméletben központ szerepet játszó felület hullámosság kalakulásával,
A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab
öbbváltozós regresszók Paraméterbecslés-. A paraméterbecslés.. A probléma megfogalmazása A paramétereket kísérletleg meghatározott y értékekre támaszkodva becsülk. Ha darab ksérletet (megfgyelést, mérést
Eseményvezérelt szimuláció
Hálózat szmulácós technkák (BMEVITTD094/2005) október 3. Vdács Attla Dang Dnh Trang Távközlés és Médanformatka Tanszék Budapest Mszak és Gazdaságtudomány Egyetem Eseményvezérelt szmulácó DES Dscrete-Event
Diszkrét Matematika 1. óra Fokszámsorozatok
Dszkrét Matematka. óra 29.9.7. A köetkezı fogalmakat smertek tektük: gráf, egyszerő gráf, hurokél, párhuzamos élek, fa, ághatás operácó. Fokszámsorozatok Def.: G gráf fokszámsorozata fokaak reezett öekı
Függvények határértéke és folytonossága. pontban van határértéke és ez A, ha bármely 0 küszöbszám, hogy ha. lim
Függvének határértéke és oltonossága Deiníció: Az -hoz megadható olan üggvénnek az A. pontban van határértéke és ez A ha bármel küszöbszám hog ha A akkor. Jele: a) Függvén határértékének ogalma visszavezethető