statisztika

Diszkrét választási modellezés a matematikaoktatásban I.

  • Czine Péter, Figula Ágota, Silling Szintia Adriána

A Debreceni Egyetem kutatói diszkrét választási kísérlettel közelítik meg a felsőoktatás egyik valós problémáját: hogyan lehetne a sokszor nehéz, kevéssé motiváló tárgy, a matematika oktatását a hallgatói igényekhez igazítani. Az I. rész a kísérlet felépítését adja; az eredmények és a képzési területek szerinti különbségek a folytatásban lesznek igazán tanulságosak.

Szabados Tamás emlékére (1948–2026)

Nemrég érkezett a BME Matematika Intézettől a hír, hogy elhunyt Szabados Tamás, a Sztochasztika Tanszék nyugalmazott egyetemi docense. Kollégája, Bolla Marianna, az MTA doktora írt róla, nem egy teljes életművét átfogó nekrológot, inkább személyes visszaemlékezést a vele való közös munkára élete utolsó évtizedében.

Mennyit teszteljünk? 3. rész − a Bayes-becslésről

Cikkünk első két részében azzal foglalkoztunk, hogy hány tesztelést kell végeznünk, ha adott pontossággal szeretnénk megállapítani, meg­be­csül­ni egy adott betegségben szenvedők arányát. Ehhez felidéztük a normális eloszlással való közelítést (1. rész), a konfidenciaintervallum fogalmát, és bemutattuk a maximum-likelihood becslést (2. rész), ami alátámasztotta azt a természetesnek tűnő becslési módszert, hogy az ismeretlen valószínűséget a bekövetkezett kísérletek arányával becsüljük. Azonban még ennek az egyszerű módszernek is lehetnek hátrányai − állítja Backhausz Ágnes.

Mennyit teszteljünk? 2. rész

  • Backhausz Ágnes, Simon L. Péter
Backhausz Ágnes és Simon Péter a tesztelésről szóló cikkük 2. részében folytatja a betegek arányának becslésével kapcsolatos, gyakran hasz­nált valószínűségszámítási, statisztikai ismeretek összefoglalását annak a kérdésnek a kapcsán, hogy hány tesztet érdemes végezni, ha az arányt adott pontossággal szeretnénk megbecsülni egy véletlenszerűen választott minta alapján. Itt olvasható az 1. rész. Itt pedig a folytatás.

Mi is…a perkoláció?

A perkoláció a statisztikus fizika és a modern valószínűségszámítás egyik legegyszerűbben definiálható, ugyanakkor nagyon mély problémákhoz és általános tanulságokhoz vezető modellje, amiben fázisátmenet történik. A perkolációs modelleknek rendkívül sok változata létezik. Az AMS MathSciNet adatbázisában a „percolation” kifejezés a jelen pillanatban 4273 cikkre illik. Harry Kesten 2006-os Notices of the AMS-beli What is ... percolation? cikke adta a kezdőlökést Mester Péter és Pete Gábor írásának.

Mennyit teszteljünk? 1. rész

  • Backhausz Ágnes, Simon L. Péter
Napjainkban sok szó esik arról, hogy hány tesztet kellene elvégezni ahhoz, hogy kellő pontossággal ismerni lehessen a fertőzöttek vagy fertőzésen átesettek számát egy bizonyos betegség esetén. Ez számos matematikai kérdést felvet. Backhausz Ágnes és Simon Péter írása arról szól, hogy ideális feltételek mellett a fertőzésen átesettek országos arányát hány teszt elvégzésével lehet biztonságosan megállapítani.

Az új koronavírus Kínán kívüli terjedésének kockázatát modellezték szegedi matematikusok

A Szegedi Tudományegyetem Bolyai Intézetének hat matematikusa – Boldog Péter, Tekeli Tamás, Vizi Zsolt, Dénes Attila, Bartha Ferenc és Röst Gergely – azt modellezte, hogy az egyes országokban mekkora a veszélye egy Kínán kívüli járványkitörésnek. A matematikai modellek alkalmazása igen hatékony módszer lehet a járványok elleni küzdelemben. Segítségükkel pontosabb becsléseket adhatunk a COVID-19 járvány fő paramétereire – mint az inkubációs időszak és a fertőző időszak hossza, vagy a járvány reprodukciós száma –, előre jelezhetjük a járvány jövőbeli terjedését, kiértékelhetjük az eddigi intézkedések hatását, esetleg új intézkedéseket javasolhatunk.

Tényleg túl nehéz volt?

A matematika érettségi vizsga is kicsit olyan, mint a magyar foci: mindenki ért hozzá, de legalábbis véleménye van róla. Általában lesújtó. Mindenekelőtt természetesen az idei volt a legnehezebb. Minden évben. A 2019-es év ebből a szempontból különleges volt. Már a vizsga napján online petíció indult. A hírportálokat ellepték a vizsga nehézségét reklamáló visszhangokról szóló tudósítások. Csapodi Csaba és Koncz Levente azonban megnézte, mit mutatnak a statisztikák.

A puding próbája, avagy a GEOMATECH a gyakorlatban

A pedagógustársadalom egyre világosabban látja, hogy a XXI. században nem lehet XX. századi módszerekkel oktatni. A tanulók egyre kevésbé köthetők le a tanórákon, nekik már nem elegendő a hagyományos órák statikussága. A mai fiatalok számára minden régi módszer lassú és unalmas. Számukra interaktivitás, változatosság, azonnali visszacsatolás és a digitális eszközök (leginkább a mobiltelefon) hatékony bevonása teheti érdekessé a foglalkozásokat. Minda Mihály 3 tanév tapasztalait osztja meg a tanárokkal és az érdeklődőkkel.

Statisztikát  ̶  sportosan

Két matematikatanár beszélget a statisztika középiskolai oktatásáról, változásairól az utóbbi évtizedekben, kapcsolódásairól a hétköznapi élettel, a sporttal. Eközben kicsit megismerhetjük Tamásné Kollár Magdolnát és Jánvári Zsuzsát. Képünk egy kézilabdapálya méretezését mutatja. Hogy miért? Kiderül a cikkből.

Védőoltásokról a tények alapján

A védőoltásoknak köszönhetjük, hogy ma már biztonságban vagyunk a korábban brutálisan pusztító fertőzésektől. Ferenci Tamás szerint ahhoz, hogy ez a kedvező helyzet fennmaradjon, tudományos ala­po­kon és bizonyítékokon nyugvó is­me­ret­ter­jesz­tés­re, és korrekt, a kockázatokat és az előnyöket is bemutató tájékoztatásra van szükség. A védőoltásokról a tények alapján c. könyv a szerző által írt vedooltas.blog.hu oldal anyagaiból nőtt ki. A védőoltások me­cha­niz­mu­sá­ról talán mindenki hallott valamennyit, arról azonban valószínűleg kevesen, hogy milyen szerepet játszhat itt a matematika.

Megjegyzések az adatbányászatról jégkorongcsapatok összeállítása ürügyén

Nemrégiben olvastam egy izgalmas cikket Südy Barbara (BME, Analízis Tanszék) tollából az Alkalmazott Matematikai Lapok­ban, mely arról szólt, hogyan optimalizáljuk jégkorongcsapatok össze­té­te­lét adatbányászati mód­sze­rek­kel. A kor­sze­rű statisztikai – és abból kinőtt – módszerek egy ilyen, első ránézésre igen csak szokatlan alkalmazása indított arra, hogy mint statisztikus, papírra vessek pár gondolatot e területről, és persze magáról a cikkről is, megfogalmazva egyúttal néhány javaslatot és tanulságot is.

Milyen színű a valószínű?

A jövővel kapcsolatos lehetőségek elképzelése és a valószínűségük megbecslése kulcsfontosságú mindennapi életünk megszervezéséhez, illetve hosszabb távú céljaink eléréséhez. Keszthelyi Gabriella idén megjelent könyve azt mutatja be, milyen gondolkodási lépéseket végzünk ilyenkor, hogy mindennek mi a matematikai és tudománytörténeti háttere, illetve mik azok az esetek, amikor az intuíciónk nem vezet helyes eredményre. A könyvet egyaránt ajánljuk középiskolás diákoknak, tanároknak, illetve egyetemi hallgatóknak a témában való elmélyüléshez.

Hogy ne tévedjünk ‒ Wald Ábrahám és a hiányzó lövedéknyomok

Mennyivel korábban célszerű kimenni indulás előtt a repülőtérre? Valójában mit árul el a köz­vé­le­mény-kutatás? Milyen lottózási módszer vezet a legbiztosabban a meg­gaz­da­go­dás­hoz? Jordan Ellenberg könyve, a Hogy ne tévedjünk megdöbbentő felfedezésekre világít rá egyes-egyedül a matematikus módszerével, de nem a matematikusok által használt szaknyelven. A könyv egy fejezetét a Park Könyvkiadó szíves en­ge­dé­lyé­vel közöljük.

Kísérletek tervezése és értékelése

Hézagpótló művet tartok a kezemben; már az első kiadás is alapműnek számított és nem hi­á­nyoz­ha­tott senki polcáról, aki adat­fel­dol­go­zás­sal, kísérlettervezéssel foglalkozik. A korábbi, bibliaként forgatott könyv, többszöri utánnyomás dacára is elfogyott, hiánycikknek számít. A jelen mű ennek átdolgozott, javított kiadása. Kemény Sándor, Deák András, Lakné Komka Kinga, Kunovszki Péter: Kísérletek tervezése és értékelése c. kétkötetes könyvéről Héberger Károly írt recenziót.

Statisztikus tanuláselmélet I. rész

  • Tamás Ambrus, Csáji Balázs Csanád
A mesterséges intelligencia fogalmának meghatározására sokfajta megközelítés létezik, de abban szinte minden kutató egyetért, hogy a gépi tanulás a terület kulcsfontosságú módszere. Noha sok heurisztikus megoldást is használnak a gyakorlatban, a gépi tanulás elmélete mostanra gazdag múlttal rendelkezik, amelynek fontos része a statisztikus tanuláselmélet. Tamás Ambrus és Csáji Balázs Csanád a statisztikus tanuláselmélet egyik klasszikus módszerébe, a szupport vektor gépek elméletébe ad bevezetést.

Vélemény „A 6 szigma statisztikai eszközei” című könyvről

„A Six Sigma egy új minőségügyi kezdeményezés, filozófia és módszertan is egyszerre. De mi is az a Hat szigma módszertan? Mi benne az új? Ez egy strukturált, egymásra épülő fázisokból (definíció, mérés, elemzés, fejlesztés és szabályozás) álló fejlesztési folyamat, amelynek fókuszában a vevői elvárás áll. A szigma alapvetően támaszkodik a matematikai statisztikára. Itt jön a képbe az elmélkedésünk témáját jelentő könyv." Tóth Csaba László fizikus vezet be a különleges témába.
Keresés