Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 2016/2017 tavaszi félév

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 2016/2017 tavaszi félév"

Átírás

1 Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 06/07 tavaszi félév Játékszabályok A gyakorlatokról maximum 3-szor lehet hiányozni. Aki többször hiányzik, nem kap gyakjegyet x pontot lehet szerezni a félév során: 30 pont:. ZH: III.. 30 pont:. ZH: V pont: két, 0 pontos beadandó feladat x pont: szorgalmi feladatok Mindkét ZH-n minimálisan teljesíteni kell 30 %-ot. Ha egy ZH sikertelen, nem írod meg, vagy javítani szeretnél, akkor vizsgaid szak els hetén lesz lehet ség a pótzh megírására vagy a javításra. Csak az egyik ZH anyagából javíthatsz, és a jobbik eredményt veszem gyelembe, azaz nem lehet rontani. Két sikertelen vagy meg nem írt ZH esetén gyakuv-t kell írnod a teljes féléves anyagból (60 pontért, a beadandókért kapott pontok megmaradnak). A ZH-kon használható: számológép és egy legfeljebb A4-es méret lapra KÉZZEL írott "puska". elégtelen () 0 34,99 elégséges () 35 49,99 Osztályozás: közepes (3) 50 64,99 jó (4) 65 79,99 jeles (5) Infók a gyakvezet r l Név Varga László Tanszék Valószín ségelméleti és Statisztika Tanszék (ELTE TTK) Szoba D vargal4@cs.elte.hu Honlap vargal4.elte.hu Ajánlott irodalom Molnárné-Tóthné: Általános statisztika példatár I. Móri-Szeidl-Zempléni: Matematikai statisztikai feladatok.) Legyenek X i N(0, 5 ) (i =,..., 9) függetlenek. Számítsuk ki az alábbi mennyiségeket, majd közelítsük ket számítógépes szimuláció segítségével: a.) P (X 8 > 3), b.) P (X < 9), c.) EX..) Egy termel vállalatnál a zikai munkát végz k összesen 8000 db alkatrészt állítottak el, amib l a n k teljesítménye 8500 db volt. A vállalatnak 950 fér zikai dolgozója van. A n knél a termelékenység, azaz az egy f re jutó termelt mennyiség 7 db/f. a.) Milyen viszonyszám található a feladat szövegében? Add meg precíz kiszámítási módját (mit osztunk mivel, mértékegységek)! b.) Szerkessz statisztikai táblát a megadott adatokból és töltsd ki a hiányzó adatokat! Milyen típusú a tábla és milyen típusú sorokat tartalmaz? 3.) Néhány információ az ELTE matematika alapszakjára 06-ban jelentkez kr l: az állami nanszírozásos képzésre 348-an jelentkeztek, 36,494%-uk els helyen jelentkezett, végül 0-et vettek fel. A költségtérítéses képzési formára jelentkez k 0,7%-át, 9 f t vették fel. Összesen 4 ember jelölte be az ELTE matematika szakát els helyen. a.) Milyen viszonyszám(ok) található(k) a feladat szövegében? Add meg precíz kiszámítási módjukat (mit osztunk mivel, mértékegységek)! b.) Szerkessz statisztikai táblát a megadott adatokból és töltsd ki a hiányzó adatokat! Milyen típusú a tábla és milyen típusú sorokat tartalmaz? 4.) Egy vállalat négy részleggel rendelkezik, az ott dolgozók bruttó zetésér l az alábbi adatok állnak rendelkezésünkre: Részleg Átlagkereset (e Ft/f ) Dolgozók létszáma (f ) Raktár 00 0 Összeszerel 50 6 Tampóm hely 50 8 Irodaház Összesen a.) Milyen viszonyszám található a táblázatban? Add meg precíz kiszámítási módját (mit osztunk mivel, mértékegységek)! b.) Milyen típusú a tábla és milyen típusú sorokat tartalmaz? c.) Számítsd ki a hiányzó pontozott értékeket! 5.) Magyarország népességér l az alábbiakat ismerjük: Település jellege Népesség megoszlása Népesség változása 0-ben (%) 990-r l 0-re (%) Budapest 7,4-4,4 Többi város 5,9 -,4 Községek 30,7-0,8 Összesen 00,0... a.) 990 és 0 között évente átlagosan mennyivel változott a budapesti lakosság? b.) Hány százalékkal változott a népesség száma 990-r l 0-re? c.) Melyik településen él k részaránya csökkent? 6.) Egy vállalatnál az alkalmazottak számára vonatkozóan tartalmaz január -jei adatokat a következ táblázat:

2 Alkalmazottak száma Változás Év január -jén (f ) 0-höz képest (%) az el z évhez képest (%) az el z évhez képest (f ) a.) Milyen típusú a tábla és milyen típusú sorokat tartalmaz? b.) Töltsd ki a táblázatot! Értelmezzünk a táblázatban néhány értéket! c.) Határozd meg az alkalmazottak átlagos számát a 0-es évben, valamint 00. január. és 03. január. között! d.) Jellemezd az alkalmazottak számának évi átlagos változását 00. január. és 04. január. között! e.) Ábrázold az alkalmazottak számának alakulását megfelel diagrammal! 7.) Az egyetem büféjében egy adott napon az összes vendég fogyasztását megvizsgálták, és ez alapján az elköltött összegekr l az alábbi táblázatot készítették el: Fogyasztás összege (Ft) Vendégek száma (f ) asd 0 6 Összesen 00 a.) Átlagosan mennyit költöttek a büfében? Készítsünk hisztogramot! b.) Vizsgáld az elköltött összegek koncentrációját Lorenz-görbével, koncentrációs együtthatóval és Herndahl-indexszel! 8.) Van két piac, az els n 0 azonos méret vállalat tevékenykedik, a másodikon pedig 5 azonos méret vállalat van. Hasonlítsuk össze a két piac koncentrációját! SZ.) Tulajdonosa vagy egy vállalkozásnak, év végén a könyvel d jelentést készít, amiben a következ ket írja: "Remek évet zártál, a tervezetthez képest magasabb lett az árbevétel, bár a költségek csak stagnáltak. A árbevétel tervezett 0%-os növelését 0%-kal túlteljesítetted, így 0%-os növekedést hoztál össze. Az el z évhez képest 0%-os költségcsökkenést terveztél, azonban a tervezetthez képest 0%-kal magasabbak lettek a költségek, így összességében a költségek összege nem változott." Értékeld a könyvel d érvelését! Van-e benne valami, ami sántít; és ha igen, miért? (p) SZ.) Egy vállalat alkalmazottainak száma 00-r l 04-re évente átlagosan 5,737 %-kal, azaz 3 f vel n tt. A kizetett összes éves bér 04-ben 6 millió Ft volt, míg a 00-es havi átlagbér 50 ezer Ft volt. A rendelkezésre álló adatokból készíts táblát és töltsd ki az üres rubrikákat! Átlagosan mennyivel változott az átlagbér? (p) 9.) Legyenek X,..., X 00 független, standard normális eloszlású valószín ségi változók. Szimulációval becsüljük meg a maximum s r ségfüggvényét (készítsünk hisztogramot)! 0.) Legyen X Exp(λ). Határozd meg X móduszát és tetsz leges kvantilisét! Hasonlítsd össze a mediánt és a várható értéket!.) Legyen X Ind(p). Határozd meg X móduszát, kvantilisfüggvényét, ferdeségét és csúcsosságát!.) Legyen X N(m, σ ). Határozd meg X móduszát, mediánját, ferdeségét és csúcsosságát! 3.) Egy csoportban a hallgatók magassága (cm): a.) Nézzük át nagy vonalakban az adatokat, reálisak-e! Próbáljuk javítani az esetleges adathibákat! b.) Rajzold fel a tapasztalati eloszlásfüggvényt! Mennyi a tapasztalati eloszlásfüggvény értéke a 80 helyen? Értelmezd szövegesen! c.) Elemezd a hallgatók testmagasságát alapstatisztikák: átlag, korrigált tapasztalati szórás, szórási együttható, kvartilisek, terjedelem, interkvartilis terjedelem, tapasztalati ferdeség, tapasztalati csúcsosság segítségével! Értelmezd szövegesen az eredményeket! d.) Készíts boxplot ábrát! e.) Készíts alkalmas osztályközös gyakorisági sort, majd abból hisztogramot! 4.) A honlapomon található Nyarhom.Rdata nev fájl a 04. nyári napi maximumh mérsékleteket tartalmazza egy településen ( C). Elemezd az adatokat az el z feladat elemzési szempontjai alapján! 5.) 04-ben egy bútorboltban eladott konyhabútorok értékér l az alábbi adatok ismerjük: Konyhabútor ára (e Ft) Eladott bútorok száma (db) asdf 50 7 Összesen 00 Jellemezd (szövegesen is) az értékesített konyhabútorok árának eloszlását alapstatisztikák (módusz, kvartilisek, átlag, szórás) segítségével! Milyen az eloszlás ferdesége? Készíts hisztogramot! SZ3.) Vezesd le az n és p paraméter binomiális eloszlás móduszát! (p) SZ4.) Legyen X,..., X 00 i.i.d. minta egy NegBin(3; 4 ) eloszlásból. Becsüld meg R-es szimuláció segítségével a szórási együttható várható értékét és szórását! Küldd el -ben a forráskódot! (p) SZ5.) Vezesd le az Exp(λ) eloszlás ferdeségét és csúcsosságát! (p)

3 6.) Tegyük fel, hogy a minta kétparaméteres eloszláscsaládból származik, a paraméterek a és b. { Ea,b X = m Ekkor mutassuk meg, hogy az E a,b X egyenletrendszer megoldása = m { Ea,b X = m megegyezik az Da,b X = egyenletrendszer megoldásával. s n 7.) Határozzuk meg az ismeretlen paraméter(ek) maximum likelihood és momentum becslését, ha a minta i.i.d. a.) Poi(λ) eloszlású; b.) Exp(λ) eloszlású; c.) E(a; b) eloszlású, ahol a < b, mindkett paraméter; d.) E( a; a) eloszlású; e.) f ϑ (x) = x ϑ I(0 x ϑ) s r ségfüggvénnyel, ϑ paraméter; f.) f ϑ (x) = ϑx ϑ I(0 x ) s r ségfüggvénnyel, ϑ paraméter. 8.) Legyenek X..., X n és Y,..., Y m egymástól független λ illetve λ paraméter exponenciális eloszlású minták. Határozzuk meg az ismeretlen paraméter (együttes) ML becslését! 9.) Legyen X..., X n i.i.d. minta Poi(λ = ) eloszlásból. Vizsgáljuk meg szimulációval n = 0, 40, 00 és 500 nagyságú minták esetén a λ paraméter ML-becslésének eloszlását (készítsünk hisztogramokat)! Mire következtethetünk az ábrák alapján? Aszimptotikusan torzítatlan a becslés? Szimulációk segítségével adjunk 95%-os megbízhatóságú kondenciaintervallumot az ML-becslésre! 0.) Legyen a Z,..., Z 5 minta I.) N(m, ) II.) N(m + 5, ) eloszlású. A meggyelt értékek a következ k: 6; 4,5;,5; ;. a.) Határozzunk meg 95%-os (99%-os) megbízhatóságú kondenciaintervallumot m-re! b.) Hány elem mintára van szükségünk, ha azt szeretnénk, hogy a kondenciaintervallum legfeljebb 0,0 hosszúságú legyen? c.) Mi változik az a.) esetben, ha a szórást nem ismerjük? d.) Adjunk a szórásra 98%-os megbízhatóságú kondenciaintervallumot. 5 5 z i = 6 (z i z) = 6, 3 i= i= χ 4;0,0 = 0, 3 χ 4;0,99 = 3, 8.) Az el z évben gyelemmel kísértük a sárkányföldi t zsdeindex, a SÜSÜX változását. Az alapstatisztikák: átlag: 3,8; szórás: 95,3. A t zsde 00 napon keresztül volt nyitva. Adjunk ezek alapján 95%-os megbízhatóságú kondenciaintervallumot az index adott évre vonatkozó várható értékére! SZ6.) Öt véletlen számot jegyeztünk fel: 00,3,76,5,7. Ha tudjuk, hogy ezek az {,,..., N} halmazból vett véletlen minta elemei, akkor határozzuk meg az ismeretlen N paraméter ML-becslését és momentum becslését! (p) SZ7.) Egy CASCO biztosítás kárai 03-ban 00, 00, 800, 5, 485 ezer Ft voltak. A káreloszlásról feltételezzük, hogy (α, β) paraméter Pareto-eloszlású, azaz az { eloszlásfüggvény ( α β F (x) = β+x) ha x > 0 0 különben Számítsd ki a Pareto-eloszlás várható értékét és szórásnégyzetét, majd határozd meg az ismeretlen paraméterek momentum módszeres becslését a minta alapján! (p) SZ8.) Tegyük fel, hogy az n elem mintánk lognormális eloszlású, azaz a mintaelemek logaritmusa N(m, σ ) eloszlású. Határozd meg az ismeretlen paraméterek maximum likelihood és momentum becslését! Segítség: használhatod a Wikipédiáról a s r ségfüggvény képletét és a kiszámított várható értéket/szórásnégyzetet. (p).) Legyen X,..., X n i.i.d. minta N(m, ) eloszlásból. Célunk az ismeretlen m paraméter becslése. Tekintsük az alábbi statisztikákat: T (X) = X 8 T (X) = X3+X7 T 3 (X) = X9+X9 8 T 4 (X) = X a.) A fenti statisztikák közül melyek torzítatlanok, illetve konzisztensek? Amelyik nem torzítatlan, hogyan tudnánk torzítatlanná tenni? b.) Vizsgáljuk meg a fenti statisztikák közül a torzítatlanokat hatásosság szempontjából! 3.) X,..., X n Exp(λ) i.i.d. minta esetén adj torzítatlan becslést e 3λ -ra és λ -ra! 4.) Legyen X,..., X n Pascal-eloszlású (geometriai) minta p paraméterrel. a.) Adjunk meg X 3 függvényeként torzítatlan becslést p( p) 4 -re! b.) Adjunk maximum likelihood becslést p( p)-re! 5.) X,..., X n Poi(λ) i.i.d. minta esetén adj torzítatlan becslést e λ -ra és λ -re! 6.) Legyen X,..., X n független, azonos abszolút folytonos eloszlású valószín ségi változók sorozata. Adjuk meg X = min(x,..., X n ) és Xn = max(x,..., X n ) eloszlás- és s r ségfüggvényét! A minimumnál külön is vizsgáljuk meg azt az esetet, ha az X i változók exponenciális eloszlásúak! 7.) Adj torzítatlan becslést az i.i.d. E[0; ϑ] eloszlású minta ϑ paraméterére a a.) mintaátlag b.) maximum segítségével. Melyik a hatásosabb? Melyik konzisztens? 8.) Mutassuk meg, hogy exponenciális eloszlású minta esetén T (X) = n X statisztika torzítatlan, de nem konzisztens becslése a várható értéknek! 9.) Február 7-én Budapesten az elmúlt 0 évben az alábbi középh mérsékleteket mérték: ;,5;,6; -4,5; 5,3; 7,9;,5; -,6; -,;,6. a.) Számítsuk ki és ábrázoljuk a középh mérséklet s r ségfüggvényének { Parzen- Rosenblatt becslését, ha h = 0, 5 és a magfüggvény k(x) = ha x < 0 különben 3

4 b.) Készítsük el a Parzen-Rosenblatt-féle s r ségfüggvénybecslést Gaussmagfüggvény esetén különböz sávszélességekre (R segítségével)! SZ9.) Adjunk torzítatlan becslést a [0,ϑ] intervallumon egyenletes eloszlás paraméterére n elem i.i.d. mintából a minimum segítségével. Hatásosabb a becslés, mint a 7. feladat a.) részében kapott torzítatlan becslés? Konzisztens a becslés? (p) SZ0.) Legyen X,..., X n i.i.d. minta az E(a, b) eloszlásból, a és b paraméterek. Mutassuk meg, hogy b ML-becslése nem torzítatlan, de aszimptotikusan torzítatlan becslése b-nek! (p) SZ.) Legyen X,..., X n i.i.d. minta Bin(k,p)-b l, Y,..., Y n i.i.d. minta Bin(l,p)- b l, és tegyük fel, hogy a két minta egymástól is független. Milyen (a, b) számpárokra lesz ax + by a p paraméter torzítatlan becslése? Ezen számpárok közül melyikre lesz a becslés szórása minimális? (p) 30.) Valaki azt állítja, hogy a klíma változik, és ezt azzal véli bizonyítottnak, hogy az elmúlt 0 évben -szer is volt jéges, pedig korábban az egyes évekre a jéges valószín sége a hivatalos adatok alapján csupán p=0. volt. Írjuk fel a hipotéziseket, a próbát és állapítsuk meg az els fajú hiba valószín ségét, valamint az er függvényt a p=0. pontban! 3.) Az X valószín ségi változó egyenletes eloszlású a (-b; +b) intervallumon. A H 0 : b=0 hipotézist szeretnénk ellen rizni a H : b>0 hipotézis ellenében, e célból a következ próbát alkalmazzuk: egy meggyelést végzünk és ha ez a (0,; 0,85) intervallumba esik, elfogadjuk H 0 -t, különben elvetjük. Írjuk fel a próba er függvényét! Mekkora a próba terjedelme? { x a 3.) Legyen X,..., X n minta az f(x) = ha 0 x a 0 különben s r ségfüggvény eloszlásból. a.) Tekintsük a következ hipotéziseket: H 0 : a= H : 0<a< Adjunk meg X n függvényében 5 %-os terjedelm próbát, keressük a kritikus tartományt X k = {X : T (X) < c} alakban! Mi lesz az er függvény? b.) Tekintsük a következ hipotéziseket: H 0 : a= H : a = Adjunk meg α terjedelemhez egyenletesen leger sebb próbát! 33.) Legyen két meggyelésünk a (3; p) paraméter binomiális eloszlásból. Adjuk meg a legjobb olyan próbát az alábbi hipotézisekre, melynek els fajú hiba valószín sége 0, 04: H 0 : p = H : p = 4 34.) Az alábbi minta 4 év október 8-án Budapesten mért napi középh mérséklet adatait tartalmazza. Ellen rizzük a H 0 : m =5 hipotézist α =0.05 els fajú hibavalószín ség mellett értelmes alternatív hipotézissel szemben. Középh m. (C fok) adatok: 4,8, 6,8, a.) A korábbi tapasztalatok alapján tekintsük az értékek szórását -nek. Adjuk meg a p-értéket is. b.) Ne használjunk a szórásra vonatkozóan el zetes információt. 35.) Tegyük fel, hogy az emberi magasság normális eloszlású. a.) Végezzünk statisztikai próbát arra vonatkozóan, hogy a gyakorlaton lév lányok átlagmagassága 70 cm! b.) Végezzünk statisztikai próbát arra vonatkozóan, hogy a gyakorlaton lév úk átlagmagassága 80 cm! 36.) A Természettudományi Kar II. évfolyamán az egyik gyakorlati csoportban 0-en írtak statisztika zárthelyit. Két feladatsor volt, mindkett ben 30 pontot lehetett elérni. Tegyük fel, hogy az elért pontszámok normális eloszlásúak. A pontszámokat tartalmazza az alábbi táblázat:. feladatsor feladatsor a.) Vajon az els feladatsor nehezebb volt? b.) Mennyiben változik a helyzet, ha nem 0 diákról, hanem csak 5-r l van szó, és a. feladatsor a pótzh eredménye? 37.) Az alábbi két minta 0 egyforma képesség nek feltételezett sportoló súlylökésben elért eredményeit tartalmazza. A sportolók két ötf s csoportban készültek az edz táborban. Edzéstervük ugyanaz volt, de az els csoportban készül k minden reggel fejenként 0 tojást és 5 túró rudit ettek meg. A második csoportban készül knek reggel és este - kg szalonnát és - kg madártejet kellett megenni. hét felkészülés után értékelték az eredményeket. Tételezzük fel, hogy normális eloszlásból származnak a minták és a terjedelem 5%.. csoport 5,8 5, 6,3 7, 6,. csoport 9,0, 7, 4,7,0 a.) Melyik diéta volt jobb, ha a dobások szórását -nek tekintjük? b.) Állíthatjuk-e, hogy a második csoportban nagyobb változékonyságot mutat a sportolók teljesítménye? c.) Ha nem ismerjük a szórást, akkor tekinthetjük-e valamelyik diétát jobbnak? F 0,95 4,4 = 4, 4 F 0,95 5,5 = 5, 05 F 0,975 4,4 = 9, 6 F 0,975 5,5 = 7, 5 38.) Tegyük fel, hogy az emberi magasság normális eloszlású. Végezzünk alkalmas statisztikai próbát arra vonatkozóan, hogy a gyakorlaton lév lányok átlagmagassága megegyezik a úk átlagmagasságával! SZ.) Oldd meg a 3.) feladatot abban az esetben, ha baloldali kritikus tartományt választunk: X k = {X : T (X) > c}. (p) SZ3.) Egy érme szabályosságát (a H : p>0,5 ellenhipotézissel szemben; p a fejdobás valószín sége) az alábbi módszerrel teszteljük: n-szer feldobjuk az érmét, és ha legalább írást dobtunk, akkor elfogadjuk H 0 -t. a.) Mekkora legyen n, hogy az els fajú hiba kisebb legyen, mint 0,05? b.) Adjuk meg a próba er függvényét! (+= p) SZ4.) A Politikatudományi Kar HÖK elnöke nagyon fontosnak tartja népszer - ségét. Amennyiben a hallgatók legfeljebb 70%-a utálja, az számára elfogadható (H 0 hipotézis). Az ennél nagyobb arány esetén (H hipotézis) lemond. Minden 4

5 negyedév végén 0 hallgatót kérdez meg (közvélemény-kutatást tart). Az elnök akkor mond le, ha a tízb l legalább 8 diák utálja. a.) Mekkora a próba terjedelme? b.) Várhatóan hány negyedévet fog tevékenykedni az elnök, ha stabilan a diákok 65%-a utálja? (+= 4p) SZ5.) Legyen X minta az f(x) s r ségfüggvény eloszlásból. Tekintsük a következ hipotéziseket: H 0 : f(x) = f 0 (x) = ( x) I(0 < x < ) H : f(x) = f (x) = x I(0 < x < ) Adjunk meg α terjedelemhez egyenletesen leger sebb próbát! (p) 39.) Az alábbi táblázatban adatok találhatók azon személyek számáról, akik lórúgás következtében haltak meg 0 porosz hadtestben 0 év alatt (875894) (összesen 0 0 = 00 adat): halálesetek száma gyakoriság Ellen rizzük azt a hipotézist, hogy a halálesetek száma egy hadtestben egy év alatt Poisson-eloszlású! 40.) Rendelkezésünkre áll a következ minta: 0,55; 0,59; 0,34; 0,69; 0,95; 0,34; 0,53; 0,54; 0,03; 0,; 0,5; 0,67; 0,48; 0,09; 0,55; 0,0; 0,37; 0,76; 0,83; 0,9. A megoldás során alkalmazzunk diszkretizálást, azaz képezzünk alkalmas gyakorisági sort az adatokból. a.) Elfogadhatjuk-e azt a hipotézist, hogy a minta (0,) intervallumon egyenletes eloszlású? Vizsgáljuk meg Q-Q plot-tal is! b.) Elfogadhatjuk-e azt a hipotézist, hogy a minta egyenletes eloszlású? Vizsgáljuk meg Q-Q plot-tal is! c.) Elfogadhatjuk-e azt a hipotézist, hogy a minta exponenciális eloszlású? Vizsgáljuk meg Q-Q plot-tal is! 4.) Az Informatikai Kar III. évfolyamán 300-an tanulnak. Megszámolták, hogy a legutóbbi vizsgaid szakban hányszor buktak az egyes hallgatók. Az eredményeket tartalmazza az alábbi táblázat. Bukások száma Hallgatók száma a.) Elfogadhatjuk-e azt a hipotézist, hogy egy hallgató bukásszáma Bin(4; 0,5) eloszlású? b.) és azt, hogy Bin(4;p) eloszlású? 4.) Az alábbi táblázat CASCO biztosítással rendelkez k éves kárszámát tartalmazza 0-ben és 03-ban: Kárszám >5 Vezet k száma Vezet k száma a.) Vajon tekinthet -e a 0-es kárszám Poisson-eloszlásúnak? b.) Vajon tekinthet -e a kárszám azonos eloszlásúnak a két évben? 43.) Az alábbi kontingencia-táblázat mutatja, hogy 00 évben a csapadék mennyisége és az átlagh mérséklet hogyan alakult. H mérséklet \ Csapadék Kevés Átlagos Sok H vös Átlagos Meleg (A cellákban az egyes esetek gyakoriságai találhatóak.) Tekinthet -e a csapadékmennyiség és a h mérséklet függetlennek? 00 napon keresztül feljegyezték egy város energiafogyasztását. Az alábbi táblázat azt tartalmazza, hogy az egyes intervallumokba hány meggyelés esett, valamint azt is, hogy az adott intervallumba es értékeknek mennyi az átlaga. Az energiafogyasztást normális eloszlásúnak tekinthetjük? SZ6.) Intervallumok < > 7000 Gyakoriságok Átlagok ) Legyenek adottak a következ (x,y) párok: x i y i a.) Határozzuk meg és ábrázoljuk is az ax + b alakú regessziós egyenest. b.) Számoljuk ki a reziduálisokat és becsüljük meg a hiba-szórásnégyzetet. c.) Adjunk el rejelzést x=0-re a regressziós egyenes alapján. 45.) A január 8-án tartott Statisztika II. vizsgát 8 hallgató írta meg, akikt l megkérdeztük, mennyi órát készültek a vizsgára, hány pontot szereztek a tantárgy el feltételének számító Statisztika I. tantárgyból a vizsgán és milyen magasok: Statisztika II. pontszám Hány órát készült (ó) Statisztika I. pontszám Testmagasság (cm) a.) Vizsgáljuk meg lineáris regresszióval a tanulási id hatását a Statisztika II. pontszámra! Ábrázoljuk a regressziós egyenest! b.) Illesszünk négyzetes regressziós függvényt a Statisztika II. pontszámra, ha a magyarázó változó a tanulási id! Ábrázoljuk a regressziós egyenest! c.) Illesszünk lineáris regressziót a Statisztika II. pontszámára, ha a magyarázó változók a tanulási id és a Statisztika I. pontszám! d.) Illesszünk lineáris regressziót a Statisztika II. pontszámára, ha a magyarázó változók a tanulási id, a Statisztika I. pontszám és a testmagasság! e.) Vessük össze a modelleket! f.) A Statisztika II. vizsga sikeres, ha a hallgató legalább 50 pontot elér. Juli 75 cm magas, a Statisztika I.-b l 60 pontot szerzett és a Statisztika II.-re 8 órát tervez tanulni. Várhatóan át fog menni a Statisztika II. vizsgán? (p) 5

6 46.) Egy kereskedelmi egység három fajta paprikás chips-et árul, a következ táblázat a 04/05-ös értékesítésr l tartalmaz adatokat: Márka Értékesített Egységár Értékesített Egységár mennyiség (db) (Ft/db) mennyiség (db) (Ft/db) Chio Lays Cheetos Összesen a.) Jellemezd az értékesítésben bekövetkezett mennyiségi, ár- és értékváltozásokat egyedi és összetett indexekkel! Értelmezd szövegesen az egyes indexeket! b.) Számítsd ki az árváltozás miatti többletbevételt! 47.) Egy vállalat termelési értékének (árbevételének) a 35,4%-át 04-ben az I. számú üzem, a többit pedig a II. számú üzem adta. Az I. számú üzem termékeinek egységára 04-r l 05-re átlagosan 5%-kal, a II. számú üzemé pedig átlagosan 3%-kal csökkent. Számítsuk ki a vállalati termelés volumenének változását, ha ismert, hogy a vállalati termelési érték 3%-kal emelkedett! Értelmezd szövegesen a kapott volumenváltozást! 48.) Egy kisvállalkozás kétféle terméket gyárt. Termelési adatai: Termék Termelési érték 05-ben (M Ft) Volumenváltozás fajtája folyó áron 04-es áron (04=00%) A B Összesen a.) Határozd meg a termelés értékindexét! b.) Határozd meg mindkét súlyozással az ár- és volumenindexeket! c.) Számítsd ki az volumenváltozás miatti többletbevételt 04-es árakon! 49.) Mari néni kávézójában 3 féle kávét szolgál fel, a családi könyvelésb l az alábbi adatok ismertek: Kávéfajta A forgalom értéke Az árak A forgalom értékének 05-ben (e Ft) alakulása, 05/00 (%) Cappuccino Cafe Latte Espresso a.) Számíts érték-, ár- és volumenindexet a kávézó forgalmára vonatkozóan! b.) A forgalom értékének növekedéséb l hány forint volt az ár- és a volumenváltozás hatása? SZ7.) János gazda kétféle almát termel: jonatánt és starking-ot. A két almafajtából származó bevétel egyaránt 5-5%-kal növekedett 05-r l 06-ra. 06-ban az összes árbevétel 60%-a a jonatán almák eladásából származott. A jonatán almák ára 05-r l 06-ra 5%-kal, a starkingoké pedig 8%-kal n tt. Számítsd ki a Fisher-féle volumenindexet! (p) SZ8.) Egy boltban háromféle cigarettát árusítanak. A cigaretták összes forgalma (árbevétele) 03-r l 05-re 0%-kal emelkedett. A cigarettákra vonatkozóan az alábbi adatokat ismerjük: Márka Árbevétel megoszlása (%) Árak alakulása Árak alakulása Árbevétel alakulása /03 (%) 05/04 (%) 05/04 (%) Marlboro Helikon Sopianae Számítsd ki a Fisher-féle volumenindexet, ha a bázisid szak 03, a tárgyid szak pedig 05! (p) 6

Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 2015/2016 tavaszi félév

Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 2015/2016 tavaszi félév Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 205/206 tavaszi félév Játékszabályok A gyakorlatokról maximum 3-szor lehet hiányozni. Aki többször hiányzik, nem kap gyakjegyet. 00

Részletesebben

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,

Részletesebben

Valószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés

Valószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés Valószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés Játékszabályok 0 + x pontot lehet szerezni a félév során: 50 pont:. ZH a félév közepén 50 pont:. ZH a félév végén

Részletesebben

Matematikai statisztika gyakorlat Programtervez informatikus alapszak, A szakirány 2018/2019 tavaszi félév

Matematikai statisztika gyakorlat Programtervez informatikus alapszak, A szakirány 2018/2019 tavaszi félév Matematikai statisztika gyakorlat Programtervez informatikus alapszak, A szakirány 208/209 tavaszi félév Játékszabályok Az el adás és a gyakorlat számonkérése közös. Az el adásról és a hozzá tartozó konzultációról

Részletesebben

Valószín ségszámítás és statisztika gyakorlat programtervez informatikus szak

Valószín ségszámítás és statisztika gyakorlat programtervez informatikus szak Valószín ségszámítás és statisztika gyakorlat programtervez informatikus szak Játékszabályok Az órákon részt kell venni, maximum 3-szor lehet hiányozni. Aki többször hiányzik, nem kap gyakjegyet. 00 +

Részletesebben

Matematikai statisztika szorgalmi feladatok

Matematikai statisztika szorgalmi feladatok Matematikai statisztika szorgalmi feladatok 1. Feltételes várható érték és konvolúció 1. Legyen X és Y független és azonos eloszlású valószín ségi változó véges második momentummal. Mutassuk meg, hogy

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben 1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy

Részletesebben

Normális eloszlás paramétereire vonatkozó próbák

Normális eloszlás paramétereire vonatkozó próbák Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású

Részletesebben

Biometria gyakorló feladatok BsC hallgatók számára

Biometria gyakorló feladatok BsC hallgatók számára Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90

Részletesebben

1. Egy Kft dolgozóit a havi bruttó kereseteik alapján csoportosítottuk: Havi bruttó bér, ezer Ft/fő

1. Egy Kft dolgozóit a havi bruttó kereseteik alapján csoportosítottuk: Havi bruttó bér, ezer Ft/fő Figyelem! A példasor nem tartalmazza valamennyi típuspéldát. A dolgozatban az órán leadott feladatok közül bármely típusú előfordulhat. A példasor már a második dolgozat anyagát gyakorló feladatokat is

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

egyetemi jegyzet Meskó Balázs

egyetemi jegyzet Meskó Balázs egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább

Részletesebben

Alkalmazott statisztika feladatok

Alkalmazott statisztika feladatok Alkalmazott statisztika feladatok 1. Leíró statisztikák és grakonok 1.1. a. Olvassuk be a Davis adatsort a car vagy a cardata csomagból! Ábrázoljuk a weight változó boxplotját, majd értelmezzük az outlier

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

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

Részletesebben

Statisztika Elıadások letölthetık a címrıl

Statisztika Elıadások letölthetık a címrıl Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes 2016/2017. tavaszi félév Valószín ségi vektorváltozó Deníció Az X = (X 1,..., X n ) : Ω R n függvény valószín ségi vektorváltozó,

Részletesebben

A konfidencia intervallum képlete: x± t( α /2, df )

A konfidencia intervallum képlete: x± t( α /2, df ) 1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,

Részletesebben

Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai)

Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai) Gyakorlat (Statisztika alapjai) 2018. december 2. Statisztika alapjai 1 A mérnökinformatikus hallgatók zárthelyi dolgozatot írtak, ahol a maximális pontszám 50 pont volt. Véletlenszer en megnéztük 5 hallgató

Részletesebben

Matematikai statisztika

Matematikai statisztika Matematikai statisztika Survey statisztika mesterszak + földtudomány alapszak Backhausz Ágnes agnes@math.elte.hu Fogadóóra: szerda 10 11 és 13 14, D 3-415 2018/2019. tavaszi félév Bevezetés A statisztika

Részletesebben

Indexszámítási módszerek; Simpson-paradoxon

Indexszámítási módszerek; Simpson-paradoxon Indexszámítási módszerek; Simpson-paradoxon Vida Balázs 2018. március 7. Vida Balázs Indexszám; SP 2018. március 7. 1 / 22 Bevezetés Mir l lesz szó? 1 Index(szám) fogalma, példák 2 Érték-, ár- és volumenindexek

Részletesebben

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 100% 90% 80% 70% 60% 50% 2010 2011 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% a) Nevezze

Részletesebben

STATISZTIKA. Gyakorló feladatok az első zh-ra

STATISZTIKA. Gyakorló feladatok az első zh-ra STATISZTIKA Gyakorló feladatok az első zh-ra A változás átlagos üteme év Kenyér Ft/ kg bázisindex % 2002 151 100,0 2003 156 103,3 2004 178 117,9 2005 173 114,6 2006 179 118,5 2007 215 142,4 I = n 1 l i

Részletesebben

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet

Részletesebben

Statisztika példatár

Statisztika példatár Statisztika példatár v0.02 A példatár folyamatosan b vül, keresd a frissebb verziót a http://matstat.fw.hu honlapon a letölthet példatárak közt. Országh Tamás Budapest, 2006 Mottó: Ki kéne vágni minden

Részletesebben

MINDEN FELADATOT A FELADATOT TARTALMAZÓ LAPON OLD- JONMEG!

MINDEN FELADATOT A FELADATOT TARTALMAZÓ LAPON OLD- JONMEG! NÉV: ERA kód: évf.: gyak. vez.: MINDEN FELADATOT A FELADATOT TARTALMAZÓ LAPON OLD- JONMEG! Al. (a) Definiálja a mo ment um és a centrális momentum fogalmát (általában) (4 pont)! Egy megyében egy vizsgált

Részletesebben

A lánc viszonyszám: A lánc viszonyszám számítási képlete:

A lánc viszonyszám: A lánc viszonyszám számítási képlete: A lánc viszonyszám: Az idősor minden egyes tagját a közvetlenül megelőzővel osztjuk, vagyis az idősor első évének, vagy időszakának láncviszonyszáma nem számítható. A lánc viszonyszám számítási képlete:

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

Dr. Karácsony Zsolt. Miskolci Egyetem november

Dr. Karácsony Zsolt. Miskolci Egyetem november Valószínűségszámítás és Matematikai statisztika Dr. Karácsony Zsolt Miskolci Egyetem, Alkalmazott Matematikai Tanszék 2013-2014 tanév 1. félév Miskolci Egyetem 2013. november 11-18 - 25. Dr. Karácsony

Részletesebben

Módszertani Intézeti Tanszéki Osztály

Módszertani Intézeti Tanszéki Osztály BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012. Név:... Kód:...... Eredmény:..... STATISZTIKA I. VIZSGA; NG KM ÉS KG TQM SZAKOKON MINTAVIZSGA Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58 u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés a hipotézisvizsgálatokba Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -

Részletesebben

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos: A. Matematikai Statisztika 2.MINTA ZH. 2003 december Név (olvasható) :... A feladatmegoldásnak az alkalmazott matematikai modell valószínűségszámítási ill. statisztikai szóhasználat szerinti megfogalmazását,

Részletesebben

Idősorok elemzése [leíró statisztikai eszközök] I

Idősorok elemzése [leíró statisztikai eszközök] I Leíró és matematikai statisztika Matematika alapszak, matematikai elemző szakirány Zempléni András Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@cs.elte.hu 2016/2017. tavaszi félév Bevezetés Célok: véletlen folyamatok modellezése; kísérletekb l, felmérésekb

Részletesebben

Matematikai statisztika feladatsor

Matematikai statisztika feladatsor Matematikai statisztika feladatsor Nagy-György Judit A feladatsor Bolla Marianna és Krámli András Statisztikai következtetések elmélete cím könyvének [1] elméletére épül, a fejezetek számozása és a jelölések

Részletesebben

7, 6, 0, 4, 0, 1, 5, 2, 2, 16, 1, 0, 2, 3, 9, 2, 4, 10, 3, 1, 2, 12, 4, 1

7, 6, 0, 4, 0, 1, 5, 2, 2, 16, 1, 0, 2, 3, 9, 2, 4, 10, 3, 1, 2, 12, 4, 1 52. feladat Stat Jenő egyetemi hallgató autóbusszal jár az egyetemre. Néhány napon át megmérte, hogy mennyit kell várnia az első egyetem felé közlekedő autóbuszra. A következő időket tapasztalta (percben):

Részletesebben

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy

3. Egy szabályos dobókockával háromszor dobunk egymás után. Legyen A az az esemény, hogy Valószínűségszámítás. zárthelyi dolgozat 009. október 5.. Egy osztályba 3-an járnak. Minden fizikaórán a a többi órától függetlenül a tanár kisorsol egy felelőt, véletlenszerűen, egyenletesen, azaz mindig

Részletesebben

Érettségi feladatok: Statisztika

Érettségi feladatok: Statisztika Érettségi feladatok: Statisztika 2003. Próba 14. Bergengóciában az elmúlt 3 évben a kormány jelentése szerint kiemelt beruházás volt a bérlakások építése. Ezt az állítást az alábbi statisztikával támasztották

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes döntéstámogatás. Statisztikai elemzés SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre

Részletesebben

Helyzetmutatók, szóródási mutatók, alakmutatók

Helyzetmutatók, szóródási mutatók, alakmutatók Helyzetmutatók, szóródási mutatók, alakmutatók 1. A következ táblázat 48 darab 70 nm körüli budapesti lakás áráról 1995-ben összegy jtött információkat foglalja össze. Egészítse ki a táblázatot az alábbi

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt 1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

Elemi statisztika fizikusoknak

Elemi statisztika fizikusoknak 1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok

Részletesebben

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák) Gyakorlat (Kétmintás próbák) 2018. december 4. Kétmintás u-próba 1 Adott két független minta 0.0012 szórású normális eloszlásból. Az egyik, 9 elem minta realizációjának átlaga 0.1672, a másik 16 elem é

Részletesebben

Határozza meg és jellemezze az ár-, érték- és volumenváltozást %-ban és forintban!

Határozza meg és jellemezze az ár-, érték- és volumenváltozást %-ban és forintban! 1. Egy fúvós hangszereket forgalmazó cégről a következő adatok ismertek: Termékcsoportok Forgalom 2003-ban A volumen változása Fafúvós 50 +50 Rézfúvós 30 +30 Egyéb +10 Összesen: Továbbá ismert, hogy a

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

A leíró statisztikák

A leíró statisztikák A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az

Részletesebben

Statisztika elméleti összefoglaló

Statisztika elméleti összefoglaló 1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

Valószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019.

Valószín ségszámítás. Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes 2018/2019. Valószín ségszámítás Survey statisztika mesterszak és földtudomány alapszak Backhausz Ágnes agnes@cs.elte.hu 2018/2019. szi félév A valószín ségszámítás kurzus céljai a statisztika megalapozása: a véletlen

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő

Részletesebben

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Statisztika 1.

TANTÁRGYI ÚTMUTATÓ. Statisztika 1. I. évfolyam BA TANTÁRGYI ÚTMUTATÓ Statisztika 1. TÁVOKTATÁS Tanév 2014/2015 II. félév A KURZUS ALAPADATAI Tárgy megnevezése: Statisztika 1. Tanszék: Módszertani Tantárgyfelelős neve: Sándorné Dr. Kriszt

Részletesebben

KERESKEDELMI ISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA MINTAFELADATOK FELADATLAP

KERESKEDELMI ISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA MINTAFELADATOK FELADATLAP KERESKEDELMI ISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI VIZSGA MINTAFELADATOK FELADATLAP Jövedelmezőség 1. Jövedelmezőség tervezése 19 pont Egy papír-írószerbolt 2018. évi árbevétele 85 000 ezer Ft. Az üzlet 24%-os

Részletesebben

Vizsgafeladatok. 1. feladat (3+8+6=17 pont) (2014. január 7.)

Vizsgafeladatok. 1. feladat (3+8+6=17 pont) (2014. január 7.) Vizsgafeladatok 1. feladat (3+8+6=17 pont) (2014. január 7.) Az elmúlt négy év a 2010. I. és a 2013. IV. negyedéve között csapadék mennyiségének alakulásáról az alábbiakat ismerjük: Időszak Csapadék mennyiéség

Részletesebben

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

Nemparaméteres próbák

Nemparaméteres próbák Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Többváltozós lineáris regressziós modell feltételeinek tesztelése I. Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós

Részletesebben

1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták.

1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták. 1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták. a) Hozzon létre osztályközös gyakoriságot az alábbi osztályközökkel: - 100.000 100.000-150.000 150.000-200.000 200.000-250.000

Részletesebben

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,

Részletesebben

Valószínűségszámítás és statisztika

Valószínűségszámítás és statisztika Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem

Részletesebben

Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika

Bevezetés. 1. előadás, 2015. február 11. Módszerek. Tematika Bevezetés 1. előadás, 2015. február 11. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Heti 2 óra előadás + 2 óra

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Biomatematika 13. Varianciaanaĺızis (ANOVA) Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket! 1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló

Részletesebben

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok

Részletesebben

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) = 1 Egy dobozban hat fehér golyó van Egy szabályos dobókockával dobunk, majd annyi piros golyót teszünk a dobozba, amennyit dobtunk Ezután véletlenszer en húzunk egy golyót a dobozból (a) Mi a valószín sége,

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység KÖZPONTI STATISZTIKAI HIVATAL A vizsgarészhez rendelt követelménymodul azonosító száma, megnevezése: 2144-06 Statisztikai szervezői és elemzési feladatok A vizsgarészhez rendelt vizsgafeladat megnevezése:

Részletesebben