241 research outputs found
Lawn, Martin (ed.) the Rise of Data in Education Systems: Collection, Visualisation and Use. Comparative Histories of Education Series. Oxford: Symposium Books, 2013. 160p. Reviewed by Eszter Neumann
No full textInformalitás, politikai hatalom és kulturális elit az államszocialista Magyarországon - esettanulmány Leveleki Eszter magánnyaraltatásáról
No full text
„Két fő érték van, a szabadság és biztonság. Ha valamelyik hiányzik, akkor lesz belőle “bevándorló középosztály”.”
No full textA Magyar Közgazdasági Társaság Fejlődésgazdaságtani Szakosztálya beszélgetést szervezett a középosztály fogalmáról, helyzetéről fejlődési lehetőségeiről. A Műhely több könyvet dolgozott már fel ebben a témakörben, és ez, illetve a téma aktualitása inspirált bennünket a beszélgetésre. A beszélgetésen részt vett:
Balogh Attila, mesterszakos hallgató, Budapesti Corvinus Egyetem
Csontos Tamás, doktorandusz, Budapesti Corvinus Egyetem
Hőgye Adél, mesterszakos hallgató, Neumann János Egyetem
Kozák Sándor, közgazdász, Központi Statisztikai Hivatal
Raciborski Eszter, közgazdász, az MKT Fejlődésgazdaságtani Szakosztály elnökségének tagja
Szabó Csege, egyetemi hallgató, Budapesti Corvinus Egyetem
Szili Karolina, egyetemi hallgató, Nemzeti Közszolgálati Egyetem
A beszélgetés 2024. október 18-án zajlott és Trautmann László, a Szakosztály elnöke vezett
Sample approximation technique in stochastic programming
No full textTitle: Sample approximation technique in stochastic programming Author: Eszter V¨or¨os Department: Department of Probability and Mathematical Statistics Supervisor: RNDr. Martin Branda, Ph.D., Department of Probability and Mathematical Statistics Abstract: This thesis deals with the problem of stochastic programming. Sto- chastic problems are usually applied for optimalization problems involving uncer- tain parameters. The problem, which we are aimed to solve, is approximated with the so-called sample average approximation method. The sample used to estimate the true problem is generated by the Monte Carlo method. This technique allows us to use standard algorithms for the further treatment of the problem. The aim of this thesis is to discuss the convergence properites of the optimal value and the optimal solution of the approximed problem to the optimal value and the optimal solution of the real problem. The thesis ends with a practical demonstration of the theoretical results on a portfolio optimization problem. Keywords: stochastic programming, sample average approximation, Monte Carlo method, portfolio optimization
Simulační techniky ve stochastickém programování
No full textNázev práce: Simulační techniky ve stochastickém programování Autor: Eszter Vörös Katedra: Katedra pravděpodobnosti a matematické statistiky Vedoucí diplomové práce: RNDr. Martin Branda, Ph.D., Katedra pravděpo- dobnosti a matematické statistiky Abstrakt: Tato práce se zabývá úlohami stochastického programování. Sto- chastické programováni řeší optimalizační úlohy, ve kterých se vyskytují náhodné parametry. Úloha je aproximována pomocí metody výběrových průměrů. Výběr, který používáme k vytvoření aproximované úlohy vygenerujeme metodou Monte Carlo. Tato technika umožňuje získat úlohu, která je řešitelná pomocí stan- dardních algoritmů. V práci zkoumáme konvergenci optimální hodnoty a množiny optimálních řešení aproximovaného problému k optimální hodnotě a k množině optimálních řešení skutečného problému. Teoretické výsledky práce aplikujeme v úloze hledání optimálního portfolia. Klíčová slova: stochastické programování, metoda výběrového průměru, me- toda Monte Carlo, optimalizace portfolia 1Title: Sample approximation technique in stochastic programming Author: Eszter V¨or¨os Department: Department of Probability and Mathematical Statistics Supervisor: RNDr. Martin Branda, Ph.D., Department of Probability and Mathematical Statistics Abstract: This thesis deals with the problem of stochastic programming. Sto- chastic problems are usually applied for optimalization problems involving uncer- tain parameters. The problem, which we are aimed to solve, is approximated with the so-called sample average approximation method. The sample used to estimate the true problem is generated by the Monte Carlo method. This technique allows us to use standard algorithms for the further treatment of the problem. The aim of this thesis is to discuss the convergence properites of the optimal value and the optimal solution of the approximed problem to the optimal value and the optimal solution of the real problem. The thesis ends with a practical demonstration of the theoretical results on a portfolio optimization problem. Keywords: stochastic programming, sample average approximation, Monte Carlo method, portfolio optimization 1Department of Probability and Mathematical StatisticsKatedra pravděpodobnosti a matematické statistikyMatematicko-fyzikální fakultaFaculty of Mathematics and Physic
Tudományos, tapasztalati és szakértői tudás, valamint a szakpolitika és tudásgazdálkodás viszonya Kelet-Közép-Európában
No full text
- …
