Turisztikai kockázatok elemzése Risk analyses in tourism Vernyik Mónika, GTK., GAM. 2007,12,06.

Slides:



Advertisements
Hasonló előadás
A szenzibilis és a latens hő alakulása kukorica állományban
Advertisements

Esélyteremtés lehetőségei a közoktatásban Mayer József Oktatáskutató és Fejlesztő Intézet Salgótarján, május 27.
Sport XXI. triatlon 2010 évi közgyűlési beszámoló (2010 május 1.)
„Programok a gyermekszegénység ellen” Biztos Kezdet konferencián,
Hogyan készítsünk el egy COCO-t???
A normalizálás az adatbázis-tervezés egyik módszere
PIVOT kimutatás az időjárás előrejelzések pontosságáról Készítette: Takács Barbara GTK. II. KÖZG. 11. CS.
2010. Augusztus 16. és Augusztus 17. hajnala.
Kvantitatív Módszerek
Készítette: Magyar Dániel
INNOCSEKK 156/2006 XXX. Jubileumi OTDK Közgazdaságtudományi Szekció Gazdasági informatika és E-business Tagozat Készítette: Vrabély Balázs,
Statisztika I. VI. Dr. Szalka Éva, Ph.D..
Kezdhetek mindent elölről…
MNB Statisztika A külső finanszírozási igény/képesség változása
6) 7) 8) 9) 10) Mennyi az x, y és z értéke? 11) 12) 13) 14) 15)
Műveletek logaritmussal
A szórás típusú egyenlőtlenségi mutatók
Operációkutatás szeptember 18 –október 2.
BEVEZETÉS A KÖZGAZDASÁGTANBA II.
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
AZ ÉGHAJLATOT KIALAKÍTÓ TÉNYEZŐK IV.
Statisztika Érettségi feladatok
5.2. Próbavizsga Próbáld ki tudásod!
Volumetrikus szivattyúk
Gazdasági informatikából megkaptuk a félévi feladatot!!! Mindenki „nagy” örömére… 0. hét.
Új félév, új kihívások!! 1. hét. A Tanár Úr elmondja, hogy milyen feladatot kellene csinálnunk a félév végére. 1. hét.
Gazdasági informatikából megkaptuk a félévi feladatot!!! Mindenki nagy örömére… 0. hét.
Vége a félévnek, jöhet egy kis pihenés. Vagy mégse?!?! Megvolt az els ő gazdasági informatika óra… Mindenki fejét a nagy homály lepte el a feladat hallatán.
Hasonlóságelemzés COCO használatával a MY-X elemzőben
Gazdasági informatika II.félév
GAZDASÁGI INFORMATIKA II.
INNOCSEKK 156/2006 Hasonlóságelemzés-alapú vizsgálat a COCO módszer használatával Készítette: Péter Gábor
Online hasonlóságelemzések: Online hasonlóságelemzések: Tapasztalatok árfolyamok előrejelzésekor ad hoc kérdések és inputok alapján Pitlik László, SZIE.
Online hasonlóságelemzések: Online hasonlóságelemzések: Tapasztalatok (kukorica) hozamfüggvények levezetése kapcsán Pitlik László, SZIE Gödöllő (Forrás:
Online hasonlóságelemzések: Online hasonlóságelemzések: Totó-automata?! Pitlik László, SZIE Gödöllő (Forrás: My-X.hu Hírlevél) október INNOCSEKK.
Online hasonlóságelemzések: Online hasonlóságelemzések: Tapasztalatok elítéltek képzésének engedélyezése kapcsán Pitlik László, SZIE Gödöllő (Forrás: My-X.hu.
Pitlik László, SZIE Gödöllő (Forrás: My-X.hu Hírlevél) augusztus
Hasonlóságelemzés COCO használatával
Csoportosan elkészített önálló feladat
GTK-GVAM 11-es csoport. Bevezetés 1. Mi a vizsgált probléma? 2. Ki a célcsoport? 3. Mi a várható hasznosság?
Dr. Varga Csaba – Piskolczi Miklós
2011/2012. Iskolatípusok  Gimnázium 5 évfolyamos- nyelvi előkészítő 4 évfolyamos – hagyományos  Szakközépiskola 5 évfolyamos- nyelvi előkészítő 4 évfolyamos.
dr. Szalkai István Pannon Egyetem, Veszprém
Matematikai alapok és valószínűségszámítás
Dinamikai rendszerek kaotikus viselkedése
felmelegedés vagy jégkorszak? hazai forgatókönyvek
Az élettársi kapcsolatban élők házasságkötése - az értékek és beállítódások szerepe a párkapcsolatok (ki)alakulásában Spéder Zsolt Kapitány Balázs KSH.
TÖMBÖK Asszociatív adatszerkezetek Tömbök
Készítette: Horváth Zoltán (2012)
ÉGHAJLATVÁLTOZÁS – VÍZ – VÍZGAZDÁLKODÁS (második rész)
Matematika II. 1. előadás Geodézia szakmérnöki szak 2010/2011. tanév Kataszteri ágazat tavaszi félév.
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
Vagy inkább másról van szó?
Alapsokaság (populáció)
Két kvantitatív változó kapcsolatának vizsgálata
Tájföldrajzi megfigyelések a Szentendrei-szigeten
Bali Mihály (földrajz-környezettan)
Biztonságkutató Mérnöki Iroda
Elektronikus tananyag
Szélsőséges meteorológiai helyzetek Magyarországon: május-június Dr. Bozó László elnök Országos Meteorológiai Szolgálat.
1 Gyorsul a gazdaság növekedése. 2 Nő a beruházás.
Turisztikai kockázatok elemzése Risk analyses in tourism.
Szent István Egyetem Gazdaság-és Társadalomtudományi Kar Az EU- tagság és a gazdaság fellendülése közötti téves kapcsolat vizsgálata.
Adatbáziskezelés. Adat és információ Információ –Új ismeret Adat –Az információ formai oldala –Jelsorozat.
Okt.23-Nov.6. Pontos hőmérsékletet mértünk a nap minden fontosabb időszakában, melyből egy táblázatot, majd diagrammokat készitettünk a minimum, maximum.
Alkalmazott egészségügyi gazdaságtan
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás GY. – 02.
Hajlító igénybevétel Példa 1.
Szállításszervezés.
Nemzetközi hallgatók helyi értéke Révész Balázs – Kéri Anita SZTE GTK
Előadás másolata:

Turisztikai kockázatok elemzése Risk analyses in tourism Vernyik Mónika, GTK., GAM. 2007,12,06

Esettanulmány:  Kérdések: Hogyan lehet a turisztikai rizikófaktorokat egy minimális szintre hozni? Milyen biztonsággal lehet számolni?  Adatforrások: KSH  Modellek: COCO-direct1, COCO-OPTI, COCO-direct2, COCO kézi vezérlésű optimumokkal Ezen modellek segítségével szeretném feltárni a problémákra a választ

Probléma felvetése:  Célcsoportok: Utazóközönség Utazási irodák Állami illetve nem állami fejlesztési tevékenységek: pl. pályázatok  Feladatok, fontosság: A célcsoportok pontos előrejelzésekkel tudjanak számolni, hogy ne érjék őket váratlan tényezők. Ahhoz időben és pontos előrejelzéseket kell, hogy kapjanak.

Felhasznált adatok:  Objektumok: 2005, 2006 hónapjai  Attribútumok napfénytartam, globál-sugárzás, hőmérséklet, csapadék, légnyomás, Légnedvesség Turista???? (Y)  Adatmennyiség: 2 X 12 adatsor 6+1 oszlop  Miért ezen tényezők? Sorra vettem a véleményem szerinti legfontosabb meteorológiai tényezőket, amik a turizmust befolyásolhatják

Módszertan: Hasonlóságelemzés  Első lépésként elkészítjük: az alap adatok táblát  Második lépésként eldöntjük hogy az egyes oszlopokat miként szeretnénk rangsorolni, majd elkészítjük a rangsortáblát  A következő lépésben elkészítjük a lépcsők táblákat: direkt, indirekt, fusion Minél nagyobb annál jobb, ill. fordítva, ill. optimum.. o Ezután végső lépésként elkészítjük az értékelő táblázatot, majd értelmezzük a kapott eredményeket

Táblázatok Évek Napfénytartalom (h)Globálsugárzás (J/cm2) Hőmérsékle t Csapadé k Légnedvesség (%)Légnyomás (hPa) Turista létszám ,5351, ,2757, ,2553, ,91156, RangsorszámokNapfénytartam globálsugárzás hőmérséklet csapadék légnedvesség légnyomás Turista létsz Lépcsők (átlag) (direkt)napfénytartam globálsugárzás hőmérséklet csapadék légnedvesség légnyomás S ,51689,5 S ,5963,51689,5 S ,51787,5659,51689,5 S ,51787,5659,51682,5 Alaptáblázat: Rangsorszámok: Lépcsők(átlag) (direkt)

Lépcsők (átlag) (indirekt) S11730,50219,51860,51342,54611,5 S21730,50219,51860,5284,51235,5 S31730,50219,51616,5284,51235,5 S41493, ,5284,5975 Lépcsők (átlag) (fusion) S , ,75844,75 S ,75481,75844,75 S ,25893,75329,75844,75 S ,25951,25329,75841,25 Coco-mátrix Napfénytart..Globálsug..Hőm..Csap..Légnedv..Légnyom..becsléstényY(*)-Y ,750109,75764,5329,75841, ,25285,5652, , ,25652, , ,25 Lépcsők (átlag) (indirekt) Lépcsők (átlag) (fusion) Coco-mátrix

Magyarország „nyári” ország: napfénytartamglobálsugárzáshőmérsékletcsapadéklégnedvességlégnyomásturisták száma 2005 tél ,752135, , tavasz385,753858,5327, ,751752,758567, nyár04489, ,251384,51230, ősz1099,51930,75409, ,252527, tél2477,250219,51954,51141,252302, tavasz771,53679,25598,251339,751185,251718,259292, nyár ,25899,753799, , ősz746,752238, ,751337,252523, Verifikálási fázis: Ha lebontjuk, mely tényező mennyi turistát vonzott az adott időszakokban, akkor megkapjuk, hogy a napfénytartam, globálsugárzás és a hőmérsékletnek volt a legnagyobb szerepe. A táblázatból az is kitűnik, hogy a nyári hónapokban lényegesen több turista látogatott el országunkba, mint a többi évszakban… Bár ezt mindenki tudta: de a módszer NEM, a módszer csak számokat lát, s mégis „érti” a világot…

Ha megvizsgáljuk a téli, tavaszi, nyári ill. őszi negyedéveket 2005 és 2006-ban: Tél: 19%; 20% Tavasz:22%;23% Nyár:34%; 33% Ősz:25%; 24% Az adatokból is látszik h a nyári hónapban jönnek a legtöbben

Az egyes tényez ő k szerepe a turizmus alakulásában

Elemzés:  A legfontosabb attribútum a turistaelemzésben a globálsugárzás, napfénytartam, hőmérséklet, ezen tényezők nem választhatók el egymástól, azaz bizonyos értelemben szinonimák, vagyis együtt felelnek az Y-ért; itt az értékelő táblázat oszlopátlagainak maximuma van feltüntetve  A legkisebb szerepe pedig a légnedvességnek van. NapfénytartamGlobálsugárzásH ő mérsékletCsapadékLégnedvességLégnyomás 7740, ,56382, , ,75 10%26%8%22%11%23%100% Szum Szórás NapfénytartamGlobálsugárzásH ő mérsékletCsapadékLégnedvességLégnyomás 342, ,491335, ,288129,263374,8509

Konrad Lorenz szerint nem TUDJUK, csak érezzük, mit miért kell tenni… Így van ez a turizmusban is? Úgy tűnik: Érzékenység tekintetében az első helyen szintén a globálsugárzás van, mert a globálsugárzáshoz tartozó szórás a legnagyobb, ami azt jelenti: ha egy kicsit is változik a globálsugárzás, ez nagy változást eredményezhet a turizmusban. Az utolsó helyen itt is szintén a légnedvesség áll. Azaz ez befolyásolja legkevésbé a turizmust. Konklúziók:

Mivel a globálsugárzás fontosság és érzékenység tekintetében is az első helyen áll, feltételezhető, hogy a turizmus növekvő tendenciája alapvetően a globálsugárzás (hőmérséklet, napfénytartam) tendenciájával függ össze. A I. hótól hóig történő turizmusnövekedést főleg a globálsugárzás, napfénytartam, hőmérséklet okozza. Az attribútumok hatása heterogén,mivel az egyes tényezők a turizmus növekedését, mások a turizmus csökkenését idézik elő.

 A tényezők egyenkénti hatása változó, de ezen tényezők együttesen, csoportosan fejtették ki hatásukat