I. SUBJECT DESCRIPTION
II. SUBJECT REQUIREMENTS
III. COURSE CURRICULUM
SUBJECT DATA
OBJECTIVES AND LEARNING OUTCOMES
TESTING AND ASSESSMENT OF LEARNING PERFORMANCE
THEMATIC UNITS AND FURTHER DETAILS
Subject name
QUANTITATIVE METHODS
ID (subject code)
BMEGT20M008
Type of subject
contact lessons
Course types and lessons
Type
Lessons
Lecture
2
Practice
0
Laboratory
0
Type of assessment
Number of credits
5
Subject Coordinator
Name
Erdei János
Position
senior lecturer
Contact details
erdei.janos@gtk.bme.hu
Educational organisational unit for the subject
Department of Management and Business Economics
Subject website
Language of the subject
magyar - HU
Curricular role of the subject, recommended number of terms

Programme: Marketing MSc from 2017/18/Term 1

Subject Role: Compulsory

Recommended semester: 1

Programme: Marketing MSc from 2019/20/Term 1

Subject Role: Compulsory

Recommended semester: 1

Programme: Accounting Master’s Programme from 2019/20/Term 1

Subject Role: Compulsory

Recommended semester: 1

Programme: Master of Business Administration MSc from 2017/18 Term 1

Subject Role: Compulsory

Recommended semester: 1

Programme: Master of Business Administration MSc from 2018/19 Term 1

Subject Role: Compulsory

Recommended semester: 1

Programme: Master of Business Administration MSc from 2019/20 Term 1

Subject Role: Compulsory

Recommended semester: 1

Direct prerequisites
Strong
None
Weak
None
Parallel
None
Exclusion
None
Validity of the Subject Description
Approved by the Faculty Board of Economic and Social Science (29.01.2020) with the 13th decision on the 580/059/2/2020 registration number that is valid from 29.01.2020.

Objectives

The aim of the subject is to introduce the most important decision theoritical, statistical and analysing methods that support the problem-solving processes of management. Quantitative Methods is a core subject following a unified approach in the international master programs related to business sciences, in which the emphasis is not on mathematical proofs but on practical applications.

Academic results

Knowledge
  1. Know the commonly used conceptual system of probability theory and mathematical statistics.
  2. Are familiar with the axiom system of probability calculations, its basic theorems, operations with events.
  3. Know the most important theoretical distributions, their probability determination.
  4. Are familiar with the process of mathematical statistical data analysis, methods of statistical conclusion.
  5. Know the essence and indicators of descriptive statistics, the method and meaning of determining the confidence interval, the general process of statistical hypothesis testing, the practical application of tests.
  6. Know the principles and indicators of correlation and regression analysis, the process of analysis.
  7. Know the basic concepts of decision theory, decision classes, criteria.
Skills
  1. Are able to use the learned theories and methods to solve tasks related to business process management, to prepare analyzes, reports, surveys, to perform independent and group work.
  2. Are able to identify business problems and prepare decisions to solve them, to obtain and analyze the necessary information.
  3. Are able to define performance indicators for marketing, commercial and logistical processes and to analyze financial and non-financial performance indicators.
  4. Are able to do in-depth analysis of market phenomena
Attitude
  1. Have independent problem recognition and solving skills.
  2. Are constructive, cooperative, proactive in the case of teamwork.
  3. Have critical analytical and suggestive skills.
Independence and responsibility
  1. Are suitable for independent work (selection of methodology, technique; organization, planning, management of work; data collection, systematization, analysis, evaluation; general and professional development).
  2. Use a systems approach in their thinking.
  3. Take responsibility for their analyzes, conclusions and decisions.

Teaching methodology

Lectures, computational exercises, written and oral communication, use of IT tools and techniques, optional independent and group work.

Materials supporting learning

  • Kövesi J. – Erdei J..: Kvantitatív módszerek, oktatási segédanyag, BME GTK, Budapest, 2019.
  • Egyéb, az oktatók által kiadott oktatási segédletek (képletgyűjtemény, gyakorló feladatok, stb.)
  • Felhasználható irodalom:
  • Hunyadi L. - Vita L.: Statisztika közgazdászoknak, KSH, Budapest, 2002
  • Kerékgyártóné, Gy. - Sugár, A. - Mundruczó Gy: Statisztikai módszerek és alkalmazásuk a gazdasági, üzleti elemzésekben, KSH, 1996

General Rules

A 2.2. pontban megfogalmazott tanulási eredmények értékelése írásbeli vizsgával és fakultatív részteljesítmény-értékelés (aktív részvétel) formájában történik.

Performance assessment methods

A. Szorgalmi időszakban végzett teljesítményértékelések részletes leírása: Az előadásokon feladott kisebb méretű házi feladatok közül 5 feladat sikeres megoldásával további 5 pont szerezhető, amely az eredményes vizsga (minimum 50 pont) pontszámához hozzáadódik. Ugyancsak 5 pont szerezhető egy átfogó jellegű évközi feladat elkészítésével, amelyet legkésőbb a vizsga megkezdése előtt kell beadni. A házi feladatokkal elért pontszám, vagy az évközi feladat pontszáma közül a jobbik számít be a vizsga eredményébe. B. Vizsgaidőszakban végzett teljesítményértékelések részletes leírása: Írásbeli vizsga, amely 4 elméleti kérdésből, 3 feladatból és egy „gondolkodtató” jellegű elméleti és/vagy gyakorlati feladat megoldását is igénylő kérdésből áll. A vizsgán összesen 100 pontot lehet gyűjteni, melyből a négy elméleti kérdés egyenként 10 pontos, az első két gyakorlati feladat 15-15 pontos, a 3. feladat 20 pontos, és az utolsó elméleti kérdés és/vagy feladat 10 pontos. A vizsgadolgozat megírása során – tudományos kalkulátor szintjét nem meghaladó számológépen kívül – segédeszközök nem használhatók. A feladatok megoldásához képletgyűjteményt és táblázatokat biztosítunk. A rendelkezésre álló idő 100 perc.

Percentage of performance assessments, conducted during the study period, within the rating

Percentage of exam elements within the rating

  • írásbeli vizsga: 100%
  • összesen: 100%

Issuing grades

%
Excellent 95-100
Very good 91–95
Good 80–91
Satisfactory 66–80
Pass 50–66
Fail 50

Retake and late completion

1) Az elégtelen vizsgát a TVSZ szerinti pótvizsga lehetőségek alkalmával lehet pótolni. 2) Az aktív részvétel – jellegéből adódóan – nem pótolható, nem javítható, továbbá más módon nem kiválható vagy helyettesíthető.

Coursework required for the completion of the subject

Nature of work Number of sessions per term
részvétel a kontakt tanórákon 12×2=24
félévközi készülés az órákra 12×2=24
felkészülés a teljesítményértékelésre 52
kijelölt írásos tananyag önálló elsajátítása 50
összesen 150

Approval and validity of subject requirements

Topics covered during the term

A 2.2. pontban megfogalmazott tanulási eredmények eléréséhez a tantárgy a következő tematikai blokkokból áll. Az egyes félévekben meghirdetett kurzusok sillabuszaiban e témaelemeket ütemezzük a naptári és egyéb adottságok szerint.

Lecture topics
1. Bevezetés. - Valószínűségszámítási alapok: valószínűségszámítás tárgya, sztochasztikus események, eseményalgebra alapjai, valószínűség fogalma, axiómarendszer.
2. Valószínűség meghatározásának módszerei, feltételes valószínűség fogalma, valószínűségszámítási tételek.
3. Valószínűségi változók: eloszlásfüggvény, diszkrét és folytonos valószínűségi változók, várható érték, szórás, valószínűségi változó további jellemzői
4. Nevezetes valószínűségeloszlások: binomiális, Poisson, folytonos egyenletes, exponenciális, normális.
5. Mintavétel, Leíró statisztika
6. Döntéselmélet, statisztikai döntések alapelvei.
7. Becslés: paraméterek becslése, a becslés tulajdonságai, pontbecslés módszerei, intervallumbecslés
8. Hipotézisvizsgálatok lényege, statisztikai próbák menete, csoportosítása
9. Nemparaméteres próbák: chi-négyzet próba alkalmazása
10. Paraméteres próbák: szórások összehasonlítása
11. Paraméteres próbák: középértékre vonatkozó próbák.
12. Kétváltozós korreláció- és regressziószámítási modell

Additional lecturers

Name Position Contact details
Árva Gábor egyetemi tanársegéd arva.gabor@gtk.bme.hu
Dr. Kövesi János prof.emeritus kovesi.janos@gtk.bme.hu

Approval and validity of subject requirements