Időbeli előrejelzések

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Időbeli előrejelzések"

Átírás

1 POLGÁRNÉ HOCHEK MÓNIKA Időbeli előrejelzések A saiszikában az idősor elemzés különböző módszereke alkalmaz az elmúl időszak endenciáinak, összefüggéseinek a felárására és egben ámpono núj a jövő várhaó folamaainak előreláásához. Kuaásom során az vizsgálam, hog az előrejelzési módszereke felhasználva mennire megbízhaó jövőbeni index érékeke lehe meghaározni. Ám ezen munka során arra a megállapíásra juoam, hog a magar és a nemzeközi szakirodalomban az időben örénő előrejelzéseke különböző módon csoporosíják, különböző elnevezéseke használnak. Ezen anulmánban megpróbálom ezeke közös nevezőre hozni és eg olan oszálozás adni, amel mindké félnek elfogadhaó, a ké erüle felfogásá övözi. Abban mind a hazai mind pedig a külföldi szakírók egeérenek, hog az előrejelzés lehe kvaniaív és kvaliaív, azaz a számokon alapuló, illeve a minőségi. 1. Kvaliaív előrejelzés Chafield ez a ípus szubjekív előrejelzésnek hívja, hiszen a megkérdeze személek apaszalaán, udásán, megérzésein alapszik. Ezek a megkérdezeek lehenek a menedzsmen agjai, piackuaók, szakérők. (Ezér alálkozhaunk ezzel a csoporal kollekív szakérői megkérdezés címen is.) A megkérdezeek minden eseben olan személek, akik a vizsgál erülee behaóan ismerik, és íg képesek olan dolgok, válozások megláására, előrejelzésére, amike mások nem udnának. Ilen előrejelzési módok: Delphi-módszer, szakérői becslés, brainsorming, öleroham, piackuaás, sor elling módszer, egéb. 5

2 . Kvaniaív előrejelzés Ezek az előrejelzések már objekívebbek, hiszen a számok elemzésén alapszanak. Aól függően, hog az ado jelenség oká vag a múlbeli érékei ekini-e vizsgálaa alapjának ké nag csoporra lehe oszani: Kauzális módszerek Projekív módszerek a. Kauzális módszerek I a jelenség okának a felárása a cél, és ha már ez megvan, akkor jöhe a jövő prognoszizálása. Mivel eg jelenségnek csak nagon rikán van egelen oka, íg ezeke a módszereke öbbválozós modelleknek is szokás nevezni. i. Többválozós regressziós modellek A regresszió-elemzés feladaa annak jellemzése, hog a énezőválozó (x) milen módon, milen örvénszerűség szerin feji ki haásá az eredménválozóra () (Ramanahan). A öbbválozós regressziónál a magarázo válozóra () nem csak eg, hanem öbb magarázó válozó x, x,, x ) is haás gakorol eg időben. A ( 1 k öbbválozós regressziós modellek közül a lineáris a legelerjedebb. Ennek nem csak az egszerűsége, könnű érelmezheősége az oka, hanem az is, hog a legöbb közgazdasági folama vag jól közelíheő a lineáris regresszióval, vag arra können visszavezeheő. A öbbválozós lineáris regressziós modell álalános alakja: x x x k k (1.) ahol maradékag normális eloszlású valószínűségi válozó, amelre E( ) 0, x függelen és azonos eloszlású Var( x ) és Cov( s x ) 0,minden s -re, azaz ii. Ökonomeriai modellek Az ökonomeria a közgazdasági összefüggések, a gazdasági magaarás becslésével, a közgazdasági elméle és ének szembesíésével és hipoézisvizsgálaával, valamin a közgazdasági válozók viselkedésének előrejelzésével foglalkozik (Ramanahan) a saiszika eszközárá felhasználva. Az ökonomeriai elemzések első és legfonosabb feladaa a vizsgál folamao jól 1 leíró modell elkészíése. 1 A modell jósága mindig az elemzés végzőkől, a felépíe szemponrendszeről függ. Bizonos szemponból lehe eg egszerű modell is jó, valamikor viszon csak eg összee, sokénezős modell felel meg a vizsgála kriériumainak. 6

3 Az ökonomeriai modellből ner válozó endogén válozónak, az endogén válozókban fellépő örvénszerűségeke feláró válozóka pedig magarázó válozóknak nevezzük. A modellben lehenek olan válozók is, melek éréke a modellen kívülről adódik, azaz ökonomeriai modellből nem levezeheő, ezeke hívjuk egzogén válozónak. Amenniben ilen egzogén válozók is jelen vannak a modellünkben, akkor az előrejelzésünk feléeles lesz. Az ökonomeriai modellek fonos része a hibaag, amel a vizsgálai szemponból lénegelen válozók és az előre nem láhaó esemének összessége (MaddalaHiba! A hivakozási forrás nem alálhaó.). iii. Többválozós Box-Jenkins modell G. E. Box és G. M. Jenkins 1968-ban publikálák cikkükehiba! A hivakozási forrás nem alálhaó., melben a 3. fejezeben leír módszerüke ismereék. Ennek az eljárásnak a kierjeszése a öbbválozós modell, melben a klasszikus ARMA modell bővíik ki, és amele ranszfer funkciós modellnek nevezek el. b. Projekív módszerek Ez a módszercsalád egválozós. Az előrejelzések ezen ípusai az idősoroka használják fel, a múlból indulnak ki, az vizsgálják, majd pedig annak felhasználásával próbálnak a jövőre vonakozó prognózisoka adni. Amíg a projekív módszerek egik csoporja elfogadja, hog minden előre elrendel, deerminál, addig a másik csopor már nem gondolja, hog elég a endenciák auomaikus jövőre való kiveíése. i. Deerminiszikus idősorelemzés Minden előre elrendel, az esemének előre deerminál pálán mozognak. Ez a feléelezés kövei a deerminiszikus idősorelemzés. Az előrejelzéshez ismerni kell az ú részei, elemei. Ehhez részeire kell bonani az idősor, azaz dekompozícióra van szükség. Az idősor nég része a rend, a ciklus, a szezon és a vélelen. 1. rend vag alapiránza: az idősorban hosszabb időszakon arósan érvénesülő endencia, amel az idősor alakulásának a fő iráná, álalános színvonalá jeleni. Alapveően ársadalmi, gazdasági örvénszerűségek (pl.: demográfiai válozások, echnológiai válozások, preferenciákban bekövekező válozások, a piac növekedése, az infláció, a defláció) haározzák meg. Feléeles előrejelzés: ha az eredménválozó azon feléelezés melle jelezzük előre, hog a magarázóválozók bizonos érékekkel rendelkeznek (Ramanahran). Ha a modellből vag eg segédmodellből kapjuk meg a magarázóválozók éréké, akkor feléel nélküli előrejelzésről beszélünk. 7

4 . ciklus: a rend felei vag alai arósabb, nem szabálos mozgás, íg jelenésé csak hosszabb idősorok alapján lehe felfedni és anulmánozni. 3. szezonális vag idénszerű ingadozás: azonos hullámhosszú és szabálos ampliúdójú, öbbnire rövid ávú ingadozás. A gazdasági idősorok szine mindegike mua éves periódusokban ismélődő szezonális ingadozás és/vag periodikus ingadozás. Az ingadozás lehe akár napi, hees, hónapos, aól függően, hog mi okoza (pl.: évszakok válozása, ünnepek, ársadalmi szokások). 4. vélelen ingadozás: szabálalan mozgás, ami sok eseben nem mua semmilen sziszemaikusságo. ok, az idősor szemponjából nem jelenős énező egües haásá képviseli A dekompozíciós modelleknél az idősorok nég része egmással kéféle kapcsolaban lehe: Addiív modell: az idősor elemeinek haása összeadódik ˆ c s (.) j Muliplikaív modell: az idősor elemeinek haása összeszorzódik ahol az idősor éréke ŷ a rend c a ciklus s i 1,,,n j 1,,,m j ˆ c s (3.) a szezonális komponens a vélelen ingadozás a periódusok száma a perióduson belüli rövidebb időszakok száma A deerminiszikus eljárások a vélelennek igen kis jelenősége ulajdoníanak. Ám a vélelen képes az idősor elemei közül leginkább befolásolni a közeljövő eseménei. Ezér megbízhaó előrejelzések elsősorban hosszabb ávra készíheőek a dekompozíciós modellekkel. ii. Kiegenlíő eljárások A projekív módszerek a múlból indulnak ki és annak ismereében képesek előrejelzések készíésére. Amíg a deerminiszikus modellek eleve elrendelnek ekinik a jövő, addig a kiegenlíő eljárások már élnek azzal a feléelezéssel, hog a múl nem minden elemének van uganolan jelenősége, befolásoló haása a jövőre. A simíó eljárások ehá figelembe veszik az a én, hog a múlbeli esemének haása az idővel csökken, nem kell valamenni már meglévő adao uganazzal a súllal szerepeleni, szükség van a fokozaos felülvizsgálara. 8

5 A simíó eljárások lénege, hog a prognózis során a becsül ( ŷ ) és a megfigel ( ) érék közöi elérés, hibá ( e ), már beépíi a kövekező becslésbe, azaz előrejelzés korrigálja a korábban elkövee hibák érékével: ˆ 1 ˆ f ( e ) (4.) Az a simíó paraméer, amel a simíás méréké adja meg, vagis az, hog a korábbi hibáka milen mérékben vesszük figelembe. Ha az éréke alacson, akkor a hibá kevésbé épíi be, az idősorunk rendkívül kisimulha. Amenniben azonban az éréke a maximumhoz, az 1-hez közelí, a hibá kellően figelembe vesszük, ám ebben az eseben a vélelen ingadozások is kiszűrődnek és a endencia már nem rajzolódik ki megfelelően. Az f függvén legegszerűbb esee, ha a simíó paraméer az elkövee hibával szorzódik össze. Az exponenciális kiegenlíésnél a jelenhez közelebb eső eseméneknek nagobb súl adhaunk, min a már múlba vesző adaoknak. Az egszeres exponenciális simíás modellje rendelkezik a sziszemaikus anulás képességével (Ralph e. al.), azaz: ˆ ˆ ( ˆ ) (1 ) ˆ (5.) I az előrejelzés ké komponensnek a súlozo álagából adódik, ahol a megfigel ada súla a simíó paraméer, míg a becsül éréké annak komplemenere. Felírva a öbbi időszakra is a kifejezés megkapjuk a ˆ 1 1 (1 ) 1 (1 ) (1 ) 1 (1 ) kifejezés, ahol a 1 i ( 1) (1 ) ˆ i 1 (6.) i0 - végelenül nagnak ekinve az induló érék ( 1 havánai szerin ˆ ) elűnik, s a megmarad résznél a súlok ) ( 1 exponenciálisan csökkennek. (Innen ered az eljárás megnevezése is.) Az egszeres simíás csak abban az eseben használhaó, ha a vizsgál adaok nem muanak semmilen szezonaliás és rend sem figelheő meg. Készeres exponenciális simíásnál a simíás készer végezzük el egmás uán. Az ismer eljárások közül a ké leginkább elerjed számíási módo, a Brown-féle exponenciális simíás (Brown) és a Hol-módszer (Hol Hiba! A hivakozási forrás nem alálhaó.) emelném ki. A Brown-féle simíás az egszerűbb módszer, mer ennek során a már ismer egszeres simíás kell készer egmás uán elvégezni, azaz a már kisimío idősor újra uganazzal az simíó paraméerrel ismé simíjuk. Az egszeres simíás némileg megválozo jelölésekkel a kövekező formában adhaó meg: (1) (1) 1) (7.) ( 1 1

6 ahol (1) jelöli a -dik időszaki becsül érék az egszeres simíás uán. Ezuán az előzővel analóg módon elvégzem a második simíás: () (1) () 1) (8.) ahol () ( 1 jelöli a -dik időszaki becsül érék a készeres simíás uán. Az inicializálás, azaz a kezdei érék meghaározása rendkívül fonos. Az álalános gakorla alapján a kezdei érékeknek az idősor első elemé ekinjük. A jövőbeni érékek előrejelzéséhez a (1) () ˆ (9.) 1 egenlee használhajuk, felhasználva mind az egszeres, mind a készeres simíással kapo idősor adaoka. A Hol-módszer anniban különbözik az előzőekben bemuaoól, hog az első simíás uán a második simíás, amel a rende jelzi előre, már más simíó paraméerrel dolgozik: ahol G D ( (1 )( G 1 ) (1 ) G ) 1 (10.) az első simíás uáni, G a második simíás uáni, D pedig a megfigel érék. F Az előrejelzéshez ( 1 érékének meghaározásához) a ké simíás uáni éréke kell felhasználni: F G 1 (11.) illeve eg későbbi időponra örénő előrejelzés eseén: F G, (1.) Az 1 kezdei éréknek álalában a megfigel adao ekinjük, míg a G1 érékére három ajánlás léezik. iii. zochaszikus idősorelemzés em a deerminiszikus modellek, sem a simíó eljárások nem heleznek nag hangsúl a vélelenre, azaz a szochaszikus agra. Ebben a fejezeben azoka a modelleke muaom be, amelek éppen a vélelennek ulajdoníják a legnagobb szerepe. 30

7 Vélelen bolongás Eg folamao vélelen bolongásnak hívunk, amenniben 1 (13.) formában írhaó fel, ahol konsans várhaó érékű, konsans varianciájú és auokorrelálalan, azaz valódi vélelen folamao ír le 3. Auoregresszív modellek (AR) Amenniben a vizsgál idősor sem rend-, sem ciklus-, sem pedig szezonhaás nem aralmaz, akkor az adaaink jól modellezheőek az auoregresszív modellekkel ( AR ( p)) : 1 1 p p (14.) ahol iszán fehér zaj folama. Vagis a magarázo válozó kizárólag sajá korábbi érékeinek függvéne. Abban az eseben, amikor csak az előző időszaki érékkel van kapcsolaban, azaz csak eg periódussal késlelee a válozónk, akkor elsőrendű auoregresszív folamaal (AR(1)) állunk szemben: Mozgóálag modellek (MA) 1 1 (15.) Ha eg válozó fehér zaj maradék agok lineáris kombinációjából áll, akkor q -ad rendű mozgóálag folamaról beszélünk: q q (16.) ahol FAE fehér zaj. Az az összefüggés gakran kicsi módosío formában írják fel: 1 1 q q (17.) ARMA modellek Az előző ké modellek egesíése az auoregresszív mozgóálagolású (ARMA ) modell: 1 1 p p 1 1 (18.) A folama p számú auoregresszív és q számú mozgóálag ago aralmaz, ARMA ( p, q. íg ennek jelölése ) q q 3 Az ilen vélelen folamaoka fehér zajnak (whie noise) nevezi a szakirodalom. 31

8 Gazdasági idősorokkal kapcsolaos feladaok közül sok können megoldhaó ARMA modellel, íg ezekről a kövekező fejezeben részleesen számolok be. 3. ARMA modellek A ársadalmi, ermészeudomános és a gazdasági folamaoka, azok időbeli lefolásá nagban befolásolja a vélelen. Éppen ezér olan elerjed az idősorelemzés ezen módja, melben a vélelennek kiemel szerep ju. Az ARMA modellek paraméereinek meghaározására és a kapo modellek jóságának ellenőrzésére felállío három lépésből álló megközelíés lépései: 1. Idenifikáció. Becslés 3. Diagnoszikai ellenőrzés A modellek ilen formán örénő kialakíása olannira elerjed, hog az idősorelemzés ezen ípusá gakran hívják Box-Jenkins modellnek. a. acionariás Az ARMA modellek felépíése során öbbször előkerül a sacionariás fogalma. Ha eg idősor maradék agjának várhaó éréke, varianciája, auokovarianciája 4 nem függ az időől, akkor az ado idősor sacionárius. Tehá E( ) 0 és var( ) és cov(, k ) k a k -dik késleleéshez arozó auokorreláció éréke. ahol k A sacionárius folama lefuása az időben sabil, nincs rendhaás. Az ilen idősornak viszonlag nag a rövid ávú előrejelezheősége. A sacionariásnak ké válozaa van, a rendsacionárius és a differenciasacionárius idősor. Trendsacionárius idősor: 0 1 (19.) Az ilen idősorokban lévő rende regressziós összefüggés alkalmazva szabad csupán kiszűrni. (Nelson). A rendsacionárius idősorokban az adaoka ér sokk haása idővel csökken, majd elesen el is űnik, lecseng. Differenciasacionárius idősor: 0 i (0.) i1 4 Auokovariancia függelen az időől, ha ado hibaag nincs korrelációban eg előző hibaaggal. 3

9 A legöbb gazdasági idősor inkább diffrerenciasacionárius (Maddala), hiszen a vizsgál válozóka ér sokkok haása arós. Ha az ilen idősorokban rend van, akkor az csak differenciálással szabad kiszűrni. b. Idenifikáció A Box-Jenkins modellezés első lépésében az ARMA ( p, q) folama paraméerei, vagis q - és p - kell meghaározni. A fázis lénege a apaszalai idősor legjobban leíró elmélei idősor megalálása. A munkában nag segíségünkre lehe, ha a megfigel adaoka az idő függvénében ábrázoljuk. Ekkor szembesülheünk azzal a énnel, hog az idősorunkban milen rend van. Amenniben lineáris renddel van dolgunk, úg akkor elegendő az adasorunka differenciálni. A differenciál adaokból készíe ábránk már remélheőleg nem mua ovábbi rende. Ám amenniben mégis, isméel differenciálásra van szükség. Mivel a gazdasági idősorok álalában aralmaznak rende, íg igen valószínű, hog szükség lesz a differenciálásra. A apaszalaok alapján azonban készeri differenciálással a rend problémája megszűneheő. Ha az ábránkon az adaok exponenciális növekedés muanak, akkor az adasor először logarimizálni kell, majd ezuán újabb ábrá kell készíeni. A differenciálás és ezálal a rend kiszűrése azér fonos, mer az ARMA ( p, q) folama becsléséhez a vizsgál idősor sacionárius kell, hog legen. Ha az idősorunk szezonális komponens is aralmaz, akkor a sacionariás kriériuma sérül. A legegszerűbb mód ismé a differenciálás, 1-ed fokú differencia képzés az eseek nag részében elegendő (amenniben évszakok, negedévek miai szezonális haás jellemző). Ha a Box-Jenkins modell első lépésében az apaszaluk, hog az idősorunk nem sacionárius, akkor differenciálunk, hiszen különben nem lehene az előrejelzés elkészíeni. Az első lépésben nem csupán q és p paraméer kell előzeesen megbecsülnünk, hanem a differenciálások foká (d) is, amel beépül a modellünkbe, ami ezenúl ARIMA ( p, d, q) 5 -nak fogunk hívni. A vizsgál adaok időbeni ábrázolásán kívül eg másik ábra segíségével is el lehe döneni, hog szükséges-e a differenciálás. Ez a korrelogram (auokorrelációs függvén, ACF ), ami eg sor adaainak és a múlbeli érékeinek korrelációs egühaóinak, azaz az auokorrelációs egühaók ábrája. 5 AuoRegressive Inegraed Moving Average auoregresszív inegrál mozgóálag 33

10 Cov(, s ) E(, s ) r( s) Cor(, s ) Var ( ) E( ) Az ACF grafikonon s függvénében van ábrázolva (s) (1.) r. Amenniben a kapo görbe csak lassan csökken, akkor bizosan szükséges legalább eg differenciálás. A differenciálás elvégzése uán, elkészíve a kövekező korrelogrammo, ismé csak a csökkenés méréké kell vizsgálni. Az auokorrelációs függvén felrajzolása nem csak abban segí, hog az idősorunka sacionáriussá udjuk enni, hanem abban is, hog az mozgóálagolású (MA) ag q -fokára eg kezdei becslés udjunk adni. Ehhez a korrelogram alakjá kell csak megvizsgálni. Ha a korrelogram q -nál kisebb érékeknél nem mua semmilen haározo alako, míg q -ól nagobb érékekre nulla, akkor a késleleéseknek q - kell válaszani. Vagis pl. elsőrendű mozgóálag (MA(1 )) folama eseén kizárólag ez első érék nem nulla, az összes öbbi az. Az auoregresszív (AR) ag p kezdei érékének eldönésében a korrelogram hele eg másik függvén használunk, ez a parciális auokorreláció függvén (PACF ). A PACF a magasabb rendű auokorrelációk haás megiszíja az alacsonabb rendű auokorrelációk haásaiól. A parciális korrelogram éréke eg bizonos késleleés uán nulla körül fog mozogni. Ez a késleleés lesz a p kezdei éréke. Azaz eg elsőrendű auokorrelációs (AR(1)) folamanál a parciális korrelogram első eleme nem nulla, a öbbi mind nulla közelében marad. Mind a p, mind a q érékére lehe levonni kövekezeése mindké görbe alakjából. Ha egik ábra sem muaja egérelműen, hog milen rendű folamao kellene vázolni, akkor a legegszerűbb eg ARMA (1,1 ) -el indíani a számíásainka. c. Becslés A modell ezen ponján a 1 1 p p 1 1 (.) egenle paraméereinek (remélheően) végleges éréké kell megbecsülni. A becslés maximum likelihood (ML) módszerrel örénik. q q 34

11 d. Diagnoszikai ellenőrzés Ebben a fázisban ellenőriznünk kell, hog megfelelően illeszkedik-e a modellünk az adaokhoz, vagis a modellünk jóságá. Ha a felír modell heles, akkor a reziduumok fehér zaj folamao képeznek. Ehhez Box és Pierce eszjé alkalmazzuk, ahol kiszámíva a eszsaiszika éréké az eg Q n K p q K r k k 1 szabadságfokú K pq (3.) eloszlás kriikus érékével hasonlíjuk össze. ( K a számío auokorrelációs egühaók száma, rk az maradékok k -ad rendű auokorrelációs egühaója.) A nem-paraméeres próba során jobb oldali kriikus arománnal dolgozunk, ahol az alapfelevés ( H 0 ), hog a reziduumok fehér zajok 6. Íg amenniben a számío Q érék nagobb a kriikus éréknél, akkor a modellünk nem heles. A Box-Pierce eszek nag problémája hog kis mina eseén nem megbízhaó az eredméne, ezér is szokák a Ljung-Box esze is elvégezni. A esz menee megegezik a Box-Pierce eszével, az alapfelevés és a kiérékelés is azonos, csupán a eszsaiszika éréke számíódik másképpen: K rk Q n( n ) (4.) k1 n k ahol n n d, vagis a mina elemszáma mínusz a differenciálások száma. Ha az elvégze eszek az muaják, hog a felépíe modellünk nem haékon, akkor a Box-Jenkins eljárás az első lépéssel kell elölről kezdeni. A specifikáció módosíása uán újabb becslés kell készíeni, majd az is eszelni. A folamao addig kell isméelni, amíg a harmadik fázisban a eszek eredméne nem igazolja az alapfelevésünke, azaz hog a megfigel folama folama. ARMA ( p, q) vag ARIMA ( p, d, q) ˆ Ha a eszek eredméne kielégíő, akkor jöhe eg végső lépés, az előrejelzés. A felépíe modellből elkészjük a énleges előrejelzés, hiszen ez az idősorelemzés célja. 6 Az ilen alapfelevésű próbáka pormaneau esznek is szokák hívni. 35

12 4. ARCH modellek Az ARMA modellek nag problémája, hog a sacionariás szükséges hozzá. Ám a gazdasági éle és különösen a őzsde idősorainál a vélelen ag szórása nem állandó az időben. Ennek a problémának a feloldására alála ki Rober F. Engle az idősorelemzések szochaszikus családjának eg új elemé az ARCH modell. Az ARCH modellek rendkívül elerjedek a pénzügi gakorlaban. Ennek Engle szerin 3 oka van: az előrejelezheelenség, azaz a nereség méréke nehezen meghaározhaó, a vasag szélek, vagis a kiugró (oulier) érékek meglepően nag száma, a volailiás klaszereződése, ömörülése, amikor a csendes időszakoka exrém kiugró érékekkel eli időszak kövei. Ezeknek a jellemzőknek a kezelésére hozák lére az AuoRegressiv Condiional Heeroscedasici, auoregersszív feléeles heeroszkedasziciás modelleke (ARCH). A modell megnevezésében az auoregresszív arra ual, hog az elérésválozó varianciája ado időponban az az megelőző elérésválozók négzeéől függ. A feléeles jelző oka, hog a magarázó válozó, vagis a variancia éréké eg segédmodellből kapjuk, hiszen variancia az előző időszaki varianciák függvéne. Ezen ulajdonság eredménezi az uolsó jelző, azaz a heeroszkedasziciás kifejezés, hiszen a varianciák nem állandóak. Az ARCH (q) modell három egenleel írhaó le: c 1 36 m (5.) ahol ~ FAE(0,1 ) fehér zaj. Az első egenleben a vizsgál válozó várhaó éréké adjuk meg. Láhaó, hog a válozó sajá múlbeli érékeinek függvéne, ez ehá az auoregresszív ag. Amenniben eg AR (1) folamaról van szó, akkor annak várhaó éréke a kövekezőre egszerűsödik: q q c 1 (6.) Az elérésválozó ) éréké a második egenleből kapjuk, ahol a ( vélelenről már egérelműen lászik, hog függelen, ám már nem azonos eloszlású, a feléeles varianciájuk az időben válozik.

13 Az uolsó egenleből a korábbi hibaag (innováció) haásá udhajuk meg. Amenniben az előző elérés nag vol, úg az ado időszakra is nag maradék várhaó, míg kicsi hibá kicsi köve. Az egenleből szinén lászik, hog az elérés előjele nem számí, hiszen a négzees aggal az elűnik. A anulmánban bemuao csoporosíás szemléleesen összefoglalhaó az alábbi ábra segíségével. IDŐBELI ELŐREJELZÉ KVALITATÍV (ZUBJEKTÍV) ELŐREJELZÉ KVANTITATÍV (OBJEKTÍV) ELŐREJELZÉ Piackuaás Brain sorming Delphi-módszer zakérői becslés or elling módszer KAUZÁLI MÓDZER Többválozós regressziós modellek Ökonomeriai modellek Többválozós Box- Jenkins modellek PROJEKTÍV MÓDZER Dekompozíciós idősorelemzés Kiegenlíő eljárások zochaszikus idősorelemzés Vélelen bolongás AR modellek MA modellek ARMA modellek ARCH modellek 37

14 Irodalom Bollerslev, Tim (1986): Generalized Auoregressive Condiional Heeroskedasici. Journal of Economerics 31. pp Bollerslev, Tim (007): Glossar o ARCH (GARCH). an Diego: Fesschrif Conference in Honor of Rober F. Engle Box, G. E. P. - Jenkins, G. M. (1970): Time eries Analsis, Forecasing and Conrol. an Francisco: Holden Da Box, G. E. P. - Jenkins, G. M. (1970): Disribuion of Residual Auocorrelaion in Auoregressive Inegraed Moving Average Time eries Models. Journal of he American aisical Associaion 65. pp Box, G. E. P. - Ljung, G. M. (1978): On a Measure of a Lack of Fi in Time eries Models. Biomerika 65. pp Box, G. E. P. - Pierce, D. A. (1970): Disribuion of he Auocorrelaions in Auoregressive Moving Average Time eries Model. Journal of American aisical Associaion 65. pp Brown, R. G.(1963): mooing, Forecasing and Predicion. Englewood Cliffs. Prenice-Hall, N.J. Chafield, C. (1978): The Analsis of Time series: Theor and Pracice. Chapman and Hill, London Engle, Rober F.(198): Auoregressive Condiional Heeroscedasici wih Esimaes of Variance of Unied Kingdom Inflaion. Economerica 50. pp Engle, Rober F.(003): Risk and Volaili:Economeric Moleds and Financial Pracice.The American Economic Review, June 004., pp Hol, Charles C. (1957): Forecasing seasonals and rends b exponeniall weighed averages. ONR Research Memorandum 5, Carnegie Insiue of Technolog, Pisburgh Hunadi László Mundruczó Görg- Via László (001): aiszika. AULA, Budapes Köves Pál- Párniczk Gábor (1989): Álalános saiszika I-II. Nemzei Tankönvkiadó Budapes Maddala, G.. (004): Bevezeés az ökonomeriába. Nemzei Tankönvkiadó, Budapes Nelson, CharlesR. Kang, Heejoon (1983): Pifalls in he use of Time as an Explanaor Variable in Regression. Naional Bureau of Economic Research: NBER Technical Working Papers Pawlowski, Zbigniew (1970): Ökonomeria. Közgazdasági és Jogi Könvkiadó, Budapes Ralph, D. - nder, A. -Koehler, B. - Ord, J. K. (00): Forecasing for invenor conrol wih exponencial smoohing, Inrenaional Journal of Forecasing, pp Ramanahan, Ramu (003): Bevezeés az ökonomeriába alkalmazásokkal. Panem Kiadó, Budapes 38

GAZDASÁGI ÉS ÜZLETI STATISZTIKA jegyzet ÜZLETI ELŐREJELZÉSI MÓDSZEREK

GAZDASÁGI ÉS ÜZLETI STATISZTIKA jegyzet ÜZLETI ELŐREJELZÉSI MÓDSZEREK BG PzK Módszerani Inézei Tanszéki Oszály GAZDAÁGI É ÜZLETI TATIZTIKA jegyze ÜZLETI ELŐREJELZÉI MÓDZEREK A jegyzee a BG Módszerani Inézei Tanszékének okaói készíeék 00-ben. Az idősoros vizsgálaok legfonosabb

Részletesebben

STATISZTIKAI IDŐSORELEMZÉS A TŐZSDÉN. Doktori (PhD) értekezés

STATISZTIKAI IDŐSORELEMZÉS A TŐZSDÉN. Doktori (PhD) értekezés NYUGAT-MAGYARORSZÁGI EGYETEM Széchenyi Isván Gazdálkodás- és Szervezésudományok Dokori Iskola STATISZTIKAI IDŐSORELEMZÉS A TŐZSDÉN Dokori (PhD) érekezés Készíee: Hoschek Mónika A kiadvány a TÁMOP 4.. B-/--8

Részletesebben

STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN

STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN DOKTORI (PhD) ÉRTEKEZÉS Polgárné Hoschek Mónika Nyuga-magyarországi Egyeem Sopron. STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN Érekezés dokori (PhD) fokoza elnyerése érdekében

Részletesebben

STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN

STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN Nyuga-magyarországi Egyeem Közgazdaságudományi Kar Széchenyi Isván Gazdálkodás- és Szervezésudományok Dokori Iskola STATISZTIKAI IDİSORELEMZÉS A TİZSDÉN Dokori (PhD) érekezés ézisei Polgárné Hoschek Mónika

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készül a TÁMOP-4..2-08/2/A/KMR-2009-004pályázai projek kereében Taralomfejleszés az ELTE TáK Közgazdaságudományi Tanszékén az ELTE Közgazdaságudományi Tanszék, az

Részletesebben

A sztochasztikus idősorelemzés alapjai

A sztochasztikus idősorelemzés alapjai A szochaszikus idősorelemzés alapjai Ferenci Tamás BCE, Saiszika Tanszék amas.ferenci@medsa.hu 2011. december 19. Taralomjegyzék 1. Az idősorelemzés fogalma, megközelíései 2 1.1. Az idősor fogalma...................................

Részletesebben

3. Gyakorlat. A soros RLC áramkör tanulmányozása

3. Gyakorlat. A soros RLC áramkör tanulmányozása 3. Gyakorla A soros áramkör anlmányozása. A gyakorla célkiőzései Válakozó áramú áramkörökben a ekercsek és kondenzáorok frekvenciafüggı reakív ellenállással ún. reakanciával rendelkeznek. Sajáságos lajdonságaik

Részletesebben

1. feladat. 2. feladat

1. feladat. 2. feladat 1. felada Írja á az alábbi függvénee úg, hog azoban ne az eredei válozó, hanem az eredei válozó haéonsági egsére juó érée szerepeljen (azaz például az Y hele az szerepeljen, ahol = Y E L. Legen a munaerőállomán

Részletesebben

18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK

18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK 18. előadás ÁLLANDÓ KÖLTSÉGEK ÉS A KÖLTSÉGGÖRBÉK Kertesi Gábor Világi Balázs Varian 21. fejezete átdolgozva 18.1 Bevezető A vállalati technológiák sajátosságainak vizsgálatát eg igen fontos elemzési eszköz,

Részletesebben

Előszó. 1. Rendszertechnikai alapfogalmak.

Előszó. 1. Rendszertechnikai alapfogalmak. Plel Álalános áekinés, jel és rendszerechnikai alapfogalmak. Jelek feloszása (folyonos idejű, diszkré idejű és folyonos érékű, diszkré érékű, deerminiszikus és szochaszikus. Előszó Anyagi világunkban,

Részletesebben

) (11.17) 11.2 Rácsos tartók párhuzamos övekkel

) (11.17) 11.2 Rácsos tartók párhuzamos övekkel Rácsos arók párhuzamos övekkel Azér, hog a sabiliási eléelek haásá megvizsgáljuk, eg egszerű síkbeli, saikailag haározo, K- rácsozású aró vizsgálunk párhuzamos övekkel és hézagos csomóponokkal A rúdelemek

Részletesebben

Statisztika II. előadás és gyakorlat 1. rész

Statisztika II. előadás és gyakorlat 1. rész Saiszika II. Saiszika II. előadás és gyakorla 1. rész T.Nagy Judi Ajánlo irodalom: Ilyésné Molnár Emese Lovasné Avaó Judi: Saiszika II. Feladagyűjemény, Perfek, 2006. Korpás Ailáné (szerk.): Álalános Saiszika

Részletesebben

DIPLOMADOLGOZAT Varga Zoltán 2012

DIPLOMADOLGOZAT Varga Zoltán 2012 DIPLOMADOLGOZAT Varga Zolán 2012 Szen Isván Egyeem Gazdaság- és Társadalomudományi Kar Markeing Inéze Keresle-előrejelzés a vállalai logiszikában Belső konzulens neve, beoszása: Dr. Komáromi Nándor, egyeemi

Részletesebben

A közgazdasági Nobel-díjat a svéd jegybank támogatásával 1969 óta ítélik oda. 1 Az

A közgazdasági Nobel-díjat a svéd jegybank támogatásával 1969 óta ítélik oda. 1 Az ROBERT F. ENGLE ÉS CLIVE W. J. GRANGER, A 003. ÉVI KÖZGAZDASÁGI NOBEL-DÍJASOK DARVAS ZSOLT A Svéd Tudományos Akadémia a 003. évi Nobel-díjak odaíélésé ké fő alkoással indokola: Rober F. Engle eseén az

Részletesebben

Túlgerjesztés elleni védelmi funkció

Túlgerjesztés elleni védelmi funkció Túlgerjeszés elleni védelmi unkció Budapes, 2011. auguszus Túlgerjeszés elleni védelmi unkció Bevezeés A úlgerjeszés elleni védelmi unkció generáorok és egységkapcsolású ranszormáorok vasmagjainak úlzoan

Részletesebben

Közgazdasági idősorok elemzése X-11/12 ARIMA eljárással

Közgazdasági idősorok elemzése X-11/12 ARIMA eljárással Közgazdasági idősorok elemzése X-11/12 ARIMA eljárással 1. Az idősor-elemzés menee Az idősor-elemzés célja, hogy a közgazdasági aralmú idősor hosszú ávú és rövid ávú viselkedésé egyérelmű módon széválassza,

Részletesebben

Síkalapok vizsgálata - az EC-7 bevezetése

Síkalapok vizsgálata - az EC-7 bevezetése Szilvágyi László - Wolf Ákos Síkalapok vizsgálaa - az EC-7 bevezeése Síkalapozási feladaokkal a geoehnikus mérnökök szine minden nap alálkoznak annak ellenére, hogy mosanában egyre inkább a mélyépíés kerül

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elekronikai alapismereek középszin ÉETTSÉG VZSGA 0. május. ELEKTONKA ALAPSMEETEK KÖZÉPSZNTŰ ÍÁSBEL ÉETTSÉG VZSGA JAVÍTÁS-ÉTÉKELÉS ÚTMTATÓ EMBE EŐFOÁSOK MNSZTÉMA Egyszerű, rövid feladaok Maximális ponszám:

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elekronikai alapismereek középszin 3 ÉETTSÉG VZSG 04. május 0. EEKTONK PSMEETEK KÖZÉPSZNTŰ ÍÁSBE ÉETTSÉG VZSG JVÍTÁS-ÉTÉKEÉS ÚTMTTÓ EMBE EŐFOÁSOK MNSZTÉM Egyszerű, rövid feladaok Maximális ponszám: 40.)

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA ÖKONOMETRIA Készül a TÁMOP-4..2-08/2/A/KMR-2009-004pályázai projek kereében Taralomfejleszés az ELTE TáK Közgazdaságudományi Tanszékén az ELTE Közgazdaságudományi Tanszék, az MTA Közgazdaságudományi

Részletesebben

HF1. Határozza meg az f t 5 2 ugyanabban a koordinátarendszerben. Mi a lehetséges legbővebb értelmezési tartománya és

HF1. Határozza meg az f t 5 2 ugyanabban a koordinátarendszerben. Mi a lehetséges legbővebb értelmezési tartománya és Házi feladaok megoldása 0. nov. 6. HF. Haározza meg az f 5 ugyanabban a koordináarendszerben. Mi a leheséges legbővebb érelmezési arománya és érékkészlee az f és az f függvényeknek? ( ) = függvény inverzé.

Részletesebben

Az árfolyamsávok empirikus modelljei és a devizaárfolyam sávon belüli elõrejelezhetetlensége

Az árfolyamsávok empirikus modelljei és a devizaárfolyam sávon belüli elõrejelezhetetlensége Az árfolyamsávok empirikus modelljei 507 Közgazdasági Szemle, XLVI. évf., 1999. június (507 59. o.) DARVAS ZSOLT Az árfolyamsávok empirikus modelljei és a devizaárfolyam sávon belüli elõrejelezheelensége

Részletesebben

1. Előadás: Készletezési modellek, I-II.

1. Előadás: Készletezési modellek, I-II. . Előadás: Készleezési modellek, I-II. Készleeke rendszerin azér arunk hogy, valamely szükséglee, igény kielégísünk. A szóban forgó anyag, cikk iráni igény, keresle a készle fogyásá idézi elő. Gondoskodnunk

Részletesebben

3. ábra nem periodikus, változó jel 4. ábra periodikusan változó jel

3. ábra nem periodikus, változó jel 4. ábra periodikusan változó jel Válakozó (hibásan váló-) menniségeknek nevezzük azoka a jeleke, melek időbeli lefolásuk közben polariás (előjele) válanak, legalább egszer. A legalább eg nullámenei (polariásválás) kriériumnak megfelelnek

Részletesebben

Mobil robotok gépi látás alapú navigációja. Vámossy Zoltán Budapesti Műszaki Főiskola Neumann János Informatikai Kar

Mobil robotok gépi látás alapú navigációja. Vámossy Zoltán Budapesti Műszaki Főiskola Neumann János Informatikai Kar Mobil robook gépi láás alapú navigációja Vámoss Zolán Budapesi Műszaki Főiskola Neumann János nformaikai Kar Taralom Bevezeés és a kuaások előzménei Célkiűzések és alkalmazo módszerek Körbeláó szenzorok,

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készül a TÁMOP-4..2-08/2/A/KMR-2009-004pályázai projek kereében Taralomfejleszés az ELTE TáK Közgazdaságudományi Tanszékén az ELTE Közgazdaságudományi Tanszék, az

Részletesebben

PILÓTA NÉLKÜLI REPÜLŐGÉP REPÜLÉSSZABÁLYOZÓ RENDSZEREINEK MINŐSÉGI KÖVETELMÉNYEI I. BEVEZETÉS

PILÓTA NÉLKÜLI REPÜLŐGÉP REPÜLÉSSZABÁLYOZÓ RENDSZEREINEK MINŐSÉGI KÖVETELMÉNYEI I. BEVEZETÉS Dr. habil. Szabolcsi Róber 1 Mészáros Görg PILÓTA ÉLKÜLI REPÜLŐGÉP REPÜLÉSSZABÁLYOZÓ REDSZEREIEK MIŐSÉGI KÖVETELMÉYEI I. BEVEZETÉS A pilóa nélküli repülőgépek (Unmanned Aerial Vehicle UAV), vag mai modern

Részletesebben

Rövid távú elôrejelzésre használt makorökonometriai modell*

Rövid távú elôrejelzésre használt makorökonometriai modell* Tanulmányok Rövid ávú elôrejelzésre használ makorökonomeriai modell* Balaoni András, a Századvég Gazdaságkuaó Zr. kuaási igazgaója E-mail: balaoni@szazadveg-eco.hu Mellár Tamás, az MTA dokora, a Pécsi

Részletesebben

5. Differenciálegyenlet rendszerek

5. Differenciálegyenlet rendszerek 5 Differenciálegyenle rendszerek Elsőrendű explici differenciálegyenle rendszer álalános alakja: d = f (, x, x,, x n ) d = f (, x, x,, x n ) (5) n d = f n (, x, x,, x n ) ömörebben: d = f(, x) Definíció:

Részletesebben

A BIZOTTSÁG MUNKADOKUMENTUMA

A BIZOTTSÁG MUNKADOKUMENTUMA AZ EURÓPAI UNIÓ TANÁCSA Brüsszel, 2007. május 23. (25.05) (OR. en) Inézményközi dokumenum: 2006/0039 (CNS) 9851/07 ADD 2 FIN 239 RESPR 5 CADREFIN 32 FELJEGYZÉS AZ I/A NAPIRENDI PONTHOZ 2. KIEGÉSZÍTÉS Küldi:

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elekronikai alapismereek emel szin Javíási-érékelési úmuaó ÉETTSÉGI VIZSG 0. okóber. ELEKTONIKI LPISMEETEK EMELT SZINTŰ ÍÁSELI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKELÉSI ÚTMUTTÓ EMEI EŐFOÁSOK MINISZTÉIUM Elekronikai

Részletesebben

13 Wiener folyamat és az Itô lemma. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

13 Wiener folyamat és az Itô lemma. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 13 Wiener folyama és az Iô lemma Opions, Fuures, and Oher Derivaives, 8h Ediion, Copyrigh John C. Hull 01 1 Markov folyamaok Memória nélküli szochaszikus folyamaok, a kövekező lépés csak a pillananyi helyzeől

Részletesebben

Dinamikus optimalizálás és a Leontief-modell

Dinamikus optimalizálás és a Leontief-modell MÛHELY Közgazdasági Szemle, LVI. évf., 29. január (84 92. o.) DOBOS IMRE Dinamikus opimalizálás és a Leonief-modell A anulmány a variációszámíás gazdasági alkalmazásaiból ismere hárma. Mind három alkalmazás

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elekronikai alapismereek középszin Javíási-érékelési úmuaó 063 ÉETTSÉG VZSG 006. okóber 4. EEKTONK PSMEETEK KÖZÉPSZNTŰ ÍÁSE ÉETTSÉG VZSG JVÍTÁS-ÉTÉKEÉS ÚTMTTÓ OKTTÁS ÉS KTÁS MNSZTÉM Elekronikai alapismereek

Részletesebben

Módszertani megjegyzések a hitelintézetek összevont mérlegének alakulásáról szóló közleményhez

Módszertani megjegyzések a hitelintézetek összevont mérlegének alakulásáról szóló közleményhez Módszerani megjegyzések a hielinézeek összevon mérlegének alakulásáról szóló közleményhez 1. A forinosíás és az elszámolás kezelése a moneáris saiszikákban Az egyes fogyaszói kölcsönszerződések devizanemének

Részletesebben

Intraspecifikus verseny

Intraspecifikus verseny Inraspecifikus verseny Források limiálsága evolúciós (finesz) kövekezmény aszimmeria Denziás-függés Park és msai (930-as évek, Chicago) - Tribolium casaneum = denziás-függelen (D-ID) 2 = alulkompenzál

Részletesebben

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a

Részletesebben

Tiszta és kevert stratégiák

Tiszta és kevert stratégiák sza és kever sraégák sza sraéga: Az -edk áékos az sraégá és ez alkalmazza. S sraégahalmazból egyérelműen válasz k egy eknsük a kövekező áéko. Ké vállala I és II azonos erméke állí elő. Azon gondolkodnak,

Részletesebben

8. előadás Ultrarövid impulzusok mérése - autokorreláció

8. előadás Ultrarövid impulzusok mérése - autokorreláció Ágazai Á felkészíés a hazai LI projekel összefüggő ő képzési é és KF feladaokra" " 8. előadás Ulrarövid impulzusok mérése - auokorreláció TÁMOP-4.1.1.C-1/1/KONV-1-5 projek 1 Bevezeés Jelen fejezeben áekinjük,

Részletesebben

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív 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

Részletesebben

Autoregresszív és mozgóátlag folyamatok

Autoregresszív 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

Részletesebben

Erőmű-beruházások értékelése a liberalizált piacon

Erőmű-beruházások értékelése a liberalizált piacon AZ ENERGIAGAZDÁLKODÁS ALAPJAI 1.3 2.5 Erőmű-beruházások érékelése a liberalizál piacon Tárgyszavak: erőmű-beruházás; piaci ár; kockáza; üzelőanyagár; belső kama. Az elmúl évek kaliforniai apaszalaai az

Részletesebben

ÁRFOLYAMRENDSZER-HITELESSÉG ÉS KAMATLÁB-VÁLTOZÉKONYSÁG*

ÁRFOLYAMRENDSZER-HITELESSÉG ÉS KAMATLÁB-VÁLTOZÉKONYSÁG* ÁRFOLYAMRENDSZER-HITELESSÉG ÉS KAMATLÁB-VÁLTOZÉKONYSÁG* DARVAS ZSOLT E anulmányban a forin árfolyamsávjána hielességé vizsgálju olyan rezsimválós modellel, amelynél a rezsim laens válozója Marov-lánco

Részletesebben

Instrumentális változók módszerének alkalmazásai Mikroökonometria, 3. hét Bíró Anikó Kereslet becslése: folytonos választás modell

Instrumentális változók módszerének alkalmazásai Mikroökonometria, 3. hét Bíró Anikó Kereslet becslése: folytonos választás modell Insrumenális válozók módszerének alkalmazásai Mikroökonomeria, 3. hé Bíró Anikó Keresle becslése: folyonos válaszás modell Folyonos vs. diszkré válaszás: elérő modellek Felevés: homogén jószág Közelíés:

Részletesebben

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban

Részletesebben

Teljes függvényvizsgálat példafeladatok

Teljes függvényvizsgálat példafeladatok Teljes függvénvizsgálat példafeladatok Végezz teljes függvénvizsgálatot az alábbi függvéneken! Az esetenként vázlatos megoldásokat a következő oldalakon találod, de javaslom, hog először önállóan láss

Részletesebben

A T LED-ek "fehér könyve" Alapvetõ ismeretek a LED-ekrõl

A T LED-ek fehér könyve Alapvetõ ismeretek a LED-ekrõl A T LED-ek "fehér könyve" Alapveõ ismereek a LED-ekrõl Bevezeés Fényemiáló dióda A LED félvezeõ alapú fényforrás. Jelenõs mérékben különbözik a hagyományos fényforrásokól, amelyeknél a fény izzószál vagy

Részletesebben

ELEKTRONIKAI ALAPISMERETEK

ELEKTRONIKAI ALAPISMERETEK Elekronikai alapismereek középszin Javíási-érékelési úmaó 09 ÉETTSÉGI VIZSG 00. májs 4. ELEKTONIKI LPISMEETEK KÖZÉPSZINTŰ ÍÁSBELI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKELÉSI ÚTMUTTÓ OKTTÁSI ÉS KULTUÁLIS MINISZTÉIUM

Részletesebben

Elorejelzés (predikció vagy extrapoláció) Adatpótlás (interpoláció)

Elorejelzés (predikció vagy extrapoláció) Adatpótlás (interpoláció) lorjlzés (prdikció vagy xrapoláció) Adapólás (inrpoláció) kompozíciós vagy drminiszikus modllk. A rndfüggvény A ciklikus haás A szzonális haás A zaj (hibaag) 3-3 4 5 6 7 8 9 Az idõsor 3 - - - 3 4 5 6 7

Részletesebben

Kína 2015.08.01 3:00 Feldolgozóipari index július 50.1 USA 2015.08.03 16:00 Feldolgozóipari index július 53.5

Kína 2015.08.01 3:00 Feldolgozóipari index július 50.1 USA 2015.08.03 16:00 Feldolgozóipari index július 53.5 www.kh.hu 215.7.31 Nyersanyagpiaci hírlevél piaci áekinés nyersanyag megnevezés akuális 2 héel ezelői kőolaj réz LME 3hó () 5298 5565 A Bren kőolaj a folyaa a mélyrepülés az elmúl ké hében, és 9%-al kerül

Részletesebben

492 Lantos-Kiss-Harmati: Szabályozástechnika gyakorlatok. 7. Gyakorlat

492 Lantos-Kiss-Harmati: Szabályozástechnika gyakorlatok. 7. Gyakorlat 49 Lanos-Kiss-Harmai: Sabáloásechnika gakorlaok 7. Gakorla 7. anermi gakorla Idenifikációs algorimusok A korábbi gakorlaok során a sabáloási körben a sakas árvielé a legöbbsör adonak éeleük fel vag fiikai

Részletesebben

Mesterséges Intelligencia MI

Mesterséges Intelligencia MI Meserséges Inelligencia MI Valószínűségi emporális kövekezeés Dobrowiecki Tadeusz Eredics Péer, és mások BME I.E. 437, 463-28-99 dobrowiecki@mi.bme.hu, hp://www.mi.bme.hu/general/saff/ade X - a időpillanaban

Részletesebben

Elektronika 2. TFBE1302

Elektronika 2. TFBE1302 DE, Kísérlei Fizika Tanszék Elekronika 2. TFBE302 Jelparaméerek és üzemi paraméerek mérési módszerei TFBE302 Elekronika 2. DE, Kísérlei Fizika Tanszék Analóg elekronika, jelparaméerek Impulzus paraméerek

Részletesebben

Legfontosabb farmakokinetikai paraméterek definíciói és számításuk. Farmakokinetikai paraméterek Számítási mód

Legfontosabb farmakokinetikai paraméterek definíciói és számításuk. Farmakokinetikai paraméterek Számítási mód Legfonosabb farmakokineikai paraméerek definíciói és számíásuk Paraméer armakokineikai paraméerek Név Számíási mód max maximális plazma koncenráció ideje mér érékek alapján; a max () érékhez arozó érék

Részletesebben

Kidolgozott feladatok a gyökvonás témakörhöz (10.A osztály)

Kidolgozott feladatok a gyökvonás témakörhöz (10.A osztály) 1. Számítsuk ki a következő szorzatok értékét! (a) 3 3 3 (b) 7 3 7 3 1 9. Számítsuk ki a következő hánadosokat! (a) (b) 1 0 1 0 3. Döntsük el, melik szám a nagobb! (a) ( 3) vag ( ) 3 (b) Mivel tudjuk,

Részletesebben

ipari fémek USA 2015.07.22 16:30 Készletjelentés m hordó július USA 2015.07.27 14:30 Tartós cikkek rendelésállománya % június 0.5

ipari fémek USA 2015.07.22 16:30 Készletjelentés m hordó július USA 2015.07.27 14:30 Tartós cikkek rendelésállománya % június 0.5 www.kh.hu 215.7.16 Nyersanyagpiaci hírlevél piaci áekinés nyersanyag megnevezés akuális 2 héel ezelői kőolaj réz LME 3hó () 5565 5765 cink LME 3hó () 254 2 nikkel LME 3hó () 1162 1198 alumínium LME 3hó

Részletesebben

II. Egyenáramú generátorokkal kapcsolatos egyéb tudnivalók:

II. Egyenáramú generátorokkal kapcsolatos egyéb tudnivalók: Bolizsár Zolán Aila Enika -. Eyenáramú eneráorok (NEM ÉGLEGES EZÓ, TT HÁNYOS, HBÁT TATALMAZHAT!!!). Eyenáramú eneráorokkal kapcsolaos eyé univalók: a. alós eneráorok: Természeesen ieális eneráorok nem

Részletesebben

Statisztika gyakorló feladatok

Statisztika gyakorló feladatok . Konfidencia inervallum beclé Saizika gyakorló feladaok Az egyeemiák alkoholfogyazái zokáainak vizgálaára 995. avazán egy mina alapján kérdıíve felméré végezek. A vizgál egyeemek: SOTE, ELTE Jog, KözGáz.

Részletesebben

Elektronika 2. TFBE1302

Elektronika 2. TFBE1302 Elekronika. TFE30 Analóg elekronika áramköri elemei TFE30 Elekronika. Analóg elekronika Elekronika árom fő ága: Analóg elekronika A jelordozó mennyiség érékkészlee az érelmezési arományon belül folyonos.

Részletesebben

Radnai Márton. Határidős indexpiacok érési folyamata

Radnai Márton. Határidős indexpiacok érési folyamata Radnai Máron Haáridős indexpiacok érési folyamaa Budapesi Közgazdaságudományi és Államigazgaási Egyeem Pénzügy anszék émavezeő: Dr. Száz János Minden jog fennarva Budapesi Közgazdaságudományi és Államigazgaási

Részletesebben

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény Elemi függvének Tétel: Ha az = ϕ() függvén az = f () függvén inverze, akkor = ϕ() függvén grafikonja az = f () függvén képéből az = egenesre való tükrözéssel nerhető. Tétel: Minden szigorúan monoton függvénnek

Részletesebben

Negyedik gyakorlat: Szöveges feladatok, Homogén fokszámú egyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc

Negyedik gyakorlat: Szöveges feladatok, Homogén fokszámú egyenletek Dierenciálegyenletek, Földtudomány és Környezettan BSc Negyedik gyakorla: Szöveges feladaok, Homogén fokszámú egyenleek Dierenciálegyenleek, Földudomány és Környezean BSc. Szöveges feladaok A zikában el forduló folyamaok nagy része széválaszhaó egyenleekkel

Részletesebben

Ancon feszítõrúd rendszer

Ancon feszítõrúd rendszer Ancon feszíõrúd rendszer Ancon 500 feszíőrúd rendszer Az összeköő, feszíő rudazaoka egyre gyakrabban használják épíészei, lászó szerkezei elemkén is. Nagy erhelheősége melle az Ancon rendszer eljesíi a

Részletesebben

Fourier-sorok konvergenciájáról

Fourier-sorok konvergenciájáról Fourier-sorok konvergenciájáról A szereplő függvényekről mindenü felesszük, hogy szerin periodikusak. Az ilyen függvények megközelíésére (nem a polinomok, hanem) a rigonomerikus polinomok űnnek ermészees

Részletesebben

STATISZTIKAI MÓDSZERTANI FÜZETEK, 43 SZEZONÁLIS KIIGAZÍTÁS

STATISZTIKAI MÓDSZERTANI FÜZETEK, 43 SZEZONÁLIS KIIGAZÍTÁS STATISZTIKAI MÓDSZERTANI FÜZETEK, 43 SZEZONÁLIS KIIGAZÍTÁS BUDAPEST, 2005 KÖZPONTI STATISZTIKAI HIVATAL, 2005 ISSN 0324-5985 ISBN 963 215 827 X Készül: a KSH Saiszikai kuaási és okaási főoszályának Minavéeli

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

6. szemináriumi. Gyakorló feladatok. Tőkekínálat. Tőkekereslet. Várható vs váratlan esemény tőkepiaci hatása. feladatok

6. szemináriumi. Gyakorló feladatok. Tőkekínálat. Tőkekereslet. Várható vs váratlan esemény tőkepiaci hatása. feladatok 6. szemináriumi Gyakorló feladaok. Tőkekínála. Tőkekeresle. Várhaó vs váralan esemény őkepiaci haása. feladaok A feladaok megoldása során ahol lehe, írjon MATLAB scripe!!! Figyelem, a MATLAB a gondolkodás

Részletesebben

Elektromágneses hullámok

Elektromágneses hullámok KÁLMÁN P.-TÓT.: ullámok/4 5 5..5. (kibőíe óraála) lekromágneses hullámok elekromágneses elenségek árgalásánál láuk, hog áloó mágneses erőér elekromos erőere (elekromágneses inukció), áloó elekromos erőér

Részletesebben

A termelési, szolgáltatási igény előrejelzése

A termelési, szolgáltatási igény előrejelzése A ermelés, szolgálaás gény előrejelzése Termelés- és szolgálaásmenedzsmen r. alló oém egyeem docens Menedzsmen és Vállalagazdaságan Tanszék Termelés- és szolgálaásmenedzsmen Részdős üzle meserszakok r.

Részletesebben

MNB-tanulmányok 50. A magyar államadósság dinamikája: elemzés és szimulációk CZETI TAMÁS HOFFMANN MIHÁLY

MNB-tanulmányok 50. A magyar államadósság dinamikája: elemzés és szimulációk CZETI TAMÁS HOFFMANN MIHÁLY MNB-anulmányok 5. 26 CZETI TAMÁS HOFFMANN MIHÁLY A magyar államadósság dinamikája: elemzés és szimulációk Czei Tamás Hoffmann Mihály A magyar államadósság dinamikája: elemzés és szimulációk 26. január

Részletesebben

KELET-KÖZÉP EURÓPAI DEVIZAÁRFOLYAMOK ELİREJELZÉSE HATÁRIDİS ÁRFOLYAMOK SEGÍTSÉGÉVEL. Darvas Zsolt Schepp Zoltán

KELET-KÖZÉP EURÓPAI DEVIZAÁRFOLYAMOK ELİREJELZÉSE HATÁRIDİS ÁRFOLYAMOK SEGÍTSÉGÉVEL. Darvas Zsolt Schepp Zoltán Közgazdasági- és Regionális Tudományok Inézee Pécsi Tudományegyeem, Közgazdaságudományi Kar KELET-KÖZÉP EURÓPAI DEVIZAÁRFOLYAMOK ELİREJELZÉSE HATÁRIDİS ÁRFOLYAMOK SEGÍTSÉGÉVEL Darvas Zsol Schepp Zolán

Részletesebben

Másodfokú függvények

Másodfokú függvények Másodfokú függvének Definíció: Azokat a valós számok halmazán értelmezett függvéneket, amelek hozzárendelési szabála f() = a + bc + c (a, b, c R, a ) alakú, másodfokú függvéneknek nevezzük. A másodfokú

Részletesebben

Komáromi András * Orova Lászlóné ** MATEMATIKAI MODELLEK AZ INNOVÁCIÓ TERJEDÉSÉBEN

Komáromi András * Orova Lászlóné ** MATEMATIKAI MODELLEK AZ INNOVÁCIÓ TERJEDÉSÉBEN Koároi András * Orova Lászlóné ** MATEMATIKAI MODELLEK AZ INNOVÁCIÓ TERJEDÉSÉBEN BEVEZETÉS Az új erék, echnológia elerjedésének iseree nélkülözheelen a erel cégek száára, ezér külföldi és hazai kuaók ár

Részletesebben

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június GAZDASÁGSTATISZTIKA Készül a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázai projek kereében Taralomfejleszés az ELTE TáTK Közgazdaságudományi Tanszékén, az ELTE Közgazdaságudományi Tanszék, az MTA Közgazdaságudományi

Részletesebben

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola O k t a t á s i H i v a t a l A 017/018. tanévi Országos Középiskolai Tanulmáni Versen második forduló MATEMATIKA I. KATEGÓRIA (SZAKGIMNÁZIUM, SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató 1. Adja meg

Részletesebben

Összegezés az ajánlatok elbírálásáról

Összegezés az ajánlatok elbírálásáról Összegezés az ajánlaok elbírálásáról 9. mellékle a 92/211. (XII. 3.) NFM rendelehez 1. Az ajánlakérő neve és címe: Budesi Távhőszolgálaó Zárkörűen Működő Részvényársaság (FŐTÁV Zr.) 1116 Budes Kaloaszeg

Részletesebben

RÖVID TÁVÚ ELİREJELZİ MODELL MAGYARORSZÁGRA

RÖVID TÁVÚ ELİREJELZİ MODELL MAGYARORSZÁGRA Közgazdasági és Regionális Tudományok Inézee Pécsi Tudományegyeem Közgazdaságudományi Kar MŐHELYTANULMÁNYOK RÖVID TÁVÚ ELİREJELZİ MODELL MAGYARORSZÁGRA Balaoni András - Mellár Tamás 2011/3 2011. szepember

Részletesebben

2.2.45. SZUPERKRITIKUS FLUID KROMATOGRÁFIA 2.2.46. KROMATOGRÁFIÁS ELVÁLASZTÁSI TECHNIKÁK

2.2.45. SZUPERKRITIKUS FLUID KROMATOGRÁFIA 2.2.46. KROMATOGRÁFIÁS ELVÁLASZTÁSI TECHNIKÁK 2.2.45. Szuperkriikus fluid kromaográfia Ph. Hg. VIII. Ph. Eur. 4, 4.1 és 4.2 2.2.45. SZUPEKITIKUS FLUID KOATOGÁFIA A szuperkriikus fluid kromaográfia (SFC) olyan kromaográfiás elválaszási módszer, melyben

Részletesebben

ÉLETTARTAM KOCKÁZAT A nyugdíjrendszerre nehezedő egyik teher

ÉLETTARTAM KOCKÁZAT A nyugdíjrendszerre nehezedő egyik teher ÉLETTARTAM KOCKÁZAT A nyudíjrendszerre nehezedő eyik eher Májer Isván - Kovács Erzsébe i.majer@erasmusmc.nl Taralom. Várhaó élearam alakulása 2. A moraliás modellezése a Lee-Carer modell 3. Alkalmazás

Részletesebben

= és a kínálati függvény pedig p = 60

= és a kínálati függvény pedig p = 60 GYAKORLÓ FELADATOK 1: PIACI MECHANIZMUS 1. Adja meg a keresleti és a kínálati függvének pontos definícióját! Mikor beszélhetünk piaci egensúlról?. Eg piacon a keresletet és a kínálatot a p = 140 0, 1q

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

TARTÓSSÁG A KÖNNYŰ. Joined to last. www.kvt-fastening.hu 1

TARTÓSSÁG A KÖNNYŰ. Joined to last. www.kvt-fastening.hu 1 APPEX MENEBEÉEK PONOSSÁG ÉS ARÓSSÁG A KÖNNYŰ ANYAGOK ERÜLEÉN Joined o las. www.kv-fasening.hu 1 A KV-Fasening Group a kiváló minőségű köőelem- és ömíésalkalmazások nemzeközileg elismer szakérője. A KV

Részletesebben

2. gyakorlat: Z épület ferdeségmérésének mérése

2. gyakorlat: Z épület ferdeségmérésének mérése . gyakorla: Z épüle ferdeségének mérése. gyakorla: Z épüle ferdeségmérésének mérése Felada: Épíésellenőrzési feladakén egy 1 szines épüle függőleges élének érbeli helyzeé kell meghaározni, majd az 1986-ban

Részletesebben

Kamat átgyűrűzés Magyarországon

Kamat átgyűrűzés Magyarországon Kama ágyűrűzés Magyarországon Horváh Csilla, Krekó Judi, Naszódi Anna 4. február Összefoglaló Elemzésünkben hiba-korrekciós modellek segíségével vizsgáljuk a piaci hozamok és a banki forin hiel- és beéi

Részletesebben

ÁLLAPOTELLENÕRZÉS. Abstract. Bevezetés. A tönkremeneteli nyomások becslése a valós hibamodell alapján

ÁLLAPOTELLENÕRZÉS. Abstract. Bevezetés. A tönkremeneteli nyomások becslése a valós hibamodell alapján Végeselemes módszer alkalmazása csõvezeékekben lévõ korróziós hibák veszélyességének érékelésére enkeyné dr. Biró Gyöngyvér 1 Balogh Zsol 1 r. Tóh ászló 1 Harmai Isván ÁAPOTEENÕRZÉS Absrac anger analysis

Részletesebben

Adatbányászat: Rendellenesség keresés. 10. fejezet. Tan, Steinbach, Kumar Bevezetés az adatbányászatba

Adatbányászat: Rendellenesség keresés. 10. fejezet. Tan, Steinbach, Kumar Bevezetés az adatbányászatba Adabányásza: Rendellenesség keresés 10. fejeze Tan, Seinbach, Kumar Bevezeés az adabányászaba előadás-fóliák fordíoa Ispány Máron Logók és ámogaás A ananyag a TÁMOP-4.1.2-08/1/A-2009-0046 számú Kele-magyarországi

Részletesebben

5. Szerkezetek méretezése

5. Szerkezetek méretezése . Serkeeek méreeése Hajlío, ömör gerinű gerendaarók és oso selvénű nomo rúd méreeési példái..1. Tömör gerinű gerendaarók méreeése.1.1. elegen hengerel gerendaarók Sükséges ismereek: - Keresmesei ellenállások

Részletesebben

DARVAS ZSOLT SÁVOS DEVIZAÁRFOLYAM-RENDSZEREK HITELESSÉGE

DARVAS ZSOLT SÁVOS DEVIZAÁRFOLYAM-RENDSZEREK HITELESSÉGE DARVAS ZSOL SÁVOS DEVIZAÁRFOLYAM-RENDSZEREK HIELESSÉGE UDAPESI KÖZGAZDASÁGUDOMÁNYI ÉS ÁLLAMIGAZGAÁSI EGYEEM MAEMAIKAI KÖZGAZDASÁGAN ÉS ÖKONOMERIA ANSZÉK ÉMAVEZEŐ: HALPERN LÁSZLÓ, KANDIDÁUS DARVAS ZSOL

Részletesebben

Bevezetés 2. Az igény összetevői 3. Konstans jellegű igény előrejelzése 5. Lineáris trenddel rendelkező igény előrejelzése 14

Bevezetés 2. Az igény összetevői 3. Konstans jellegű igény előrejelzése 5. Lineáris trenddel rendelkező igény előrejelzése 14 Termelésmenedzsmen lőrejelzés módszerek Bevezeés Az gény összeevő 3 Konsans jellegű gény előrejelzése 5 lőrejelzés mozgó álaggal 6 Mozgó álaggal előre jelze gény 6 Gyakorló felada 8 Megoldás 9 lőrejelzés

Részletesebben

A fő - másodrendű nyomatékok meghatározása feltételes szélsőérték - feladatként

A fő - másodrendű nyomatékok meghatározása feltételes szélsőérték - feladatként A fő - másodrendű nomatékok meghatározása feltételes szélsőérték - feladatként A Keresztmetszeti jellemzők című mappa első lakója eg ritkábban látható levezetést mutat be amel talán segít helesen elrendezni

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június ÖKONOMETRIA Kézül a TÁMOP-4..2-8/2/A/KMR-29-4álázai rojek kereében Taralomfejlezé az ELTE TáTK Közgazdaágdománi Tanzékén az ELTE Közgazdaágdománi Tanzék az MTA Közgazdaágdománi Inéze é a Balai Kiadó közreműködéével

Részletesebben

A hőérzetről. A szubjektív érzés kialakulását döntően a következő hat paraméter befolyásolja:

A hőérzetről. A szubjektív érzés kialakulását döntően a következő hat paraméter befolyásolja: A hőérzeről A szubjekív érzés kialakulásá dönően a kövekező ha paraméer befolyásolja: a levegő hőmérséklee, annak érbeli, időbeli eloszlása, válozása, a környező felüleek közepes sugárzási hőmérséklee,

Részletesebben

Parametrikus nyugdíjreformok és életciklus-munkakínálat

Parametrikus nyugdíjreformok és életciklus-munkakínálat Közgazdasági Szemle, LX. évf., 213. november (1169 127. o.) Paramerikus nyugdíjreformok és éleciklus-munkakínála A ársadalombizosíási nyugdíjrendszer finanszírozása puszán a demográfiai folyamaok kövekezében

Részletesebben

Gépi tanulás. Bagging, Boosting Adaboost

Gépi tanulás. Bagging, Boosting Adaboost Gépi anulás Bagging, Boosing Adaboos Paaki Béla BME I.E. 414, 463-26-79 paaki@mi.bme.hu, hp://www.mi.bme.hu/general/saff/paaki Ponos, de különböző együműködő megoldások 1 y M d( x) y y 1 2 y M h ( x) h

Részletesebben

Aggregált termeléstervezés

Aggregált termeléstervezés Aggregál ermeléservezés Az aggregál ermeléservezés feladaa az opimális ermékszerkeze valamin a gyáráshoz felhasználhaó erőforrások opimális szinjének meghaározása. Termékek aggregálása. Erőforrások aggregálása.

Részletesebben

A tudás szerepe a gazdasági növekedésben az alapmodellek bemutatása*

A tudás szerepe a gazdasági növekedésben az alapmodellek bemutatása* A udás szerepe a gazdasági növekedésben az alapmodellek bemuaása* Jankó Balázs, az ECOSTAT közgazdásza E-mail: Balazs.Janko@ecosa.hu A anulmányban azoka a nemzeközi közgazdasági irodalomban fellelheő legfonosabb

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készül a TÁMOP-4..2-08/2/A/KMR-2009-004ályázai rojek kereében Taralomfejleszés az ELTE TáK Közgazdaságudományi Tanszékén az ELTE Közgazdaságudományi Tanszék, az

Részletesebben

8. Optikai áramlás és követés

8. Optikai áramlás és követés 8. Opikai áramlás és köeés Kaó Zolán Képfeldolgozás és Számíógépes Grafika anszék SZT (hp://www.inf.u-szeged.hu/~kao/eaching/) Mozgókép (ideo) = diszkré képsoroza Y T X 3 OPTIKAI ÁRAMLÁS 4 Opikai áramlás

Részletesebben

MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 2010.

MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 2010. MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 00.. Tetszőleges, nem negatív szám esetén, Göktelenítsük a nevezőt: (B). Menni a 0 kifejezés értéke? (D) 0 0 0 0 0000 400 0. 5 Felhasznált

Részletesebben