Statisztika II előadáslapok. 2003/4. tanév, II. félév
|
|
- Nándor Szabó
- 5 évvel ezelőtt
- Látták:
Átírás
1 Statisztika II előadáslapok 3/4 tanév, II félév
2 BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az üvegek töltősúlyára vonatkozóan a normális eloszlása feltételezhető Két töltőgép működésének mintavétele gyártásközi ellenőrzése során nyert adatok: I gép, n 5 db Töltősúly (g): II gép, n db Töltősúly (g): A két fenti minta egyesítésével nyert minta elemeinek rangsora (az I minta elemeit aláhúzás jelöli) Egy vágóhídon 4 elemű mintából megvizsgálták a vágott sertések súlyának eloszlását A mintából becsült átlagos vágási súly 6 kg, a szórás pedig 9,5 kg A minta alapján ellenőrizni kívánják, hogy a vágósúly normális eloszlású-e Az illeszkedésvizsgálathoz az alábbi számításokat végezték el: Súly kg Sertések y 6 i száma 9, 5 Φ Z ) P ' ( i i P i np i ( fi np np , -,68 -,6 -,63 -,,4,95,47,,35,465,3,648,456,668,888,99,977,,35,33,765,48,94,66,66,4,48,8 5,4 3, 3,6 56,7 76,56 8,64 66,4 4,6 9, 9,,67,9,44,9,359,6,67,43,,493 Összesen 4 - -, 4, 9,67 3 Az alkalmazásban álló szellemi foglalkozásúak évi havi bruttó átlagkeresetének becslése céljából 6 fős rétegezett, rétegen belül egyszerű véletlen kiválasztású mintát vettek Réteg Létszám Átlagkereset Szórás a sokaságban (ezer fő) a mintában ( fő ) a mintában (ezer Ft) a mintában (ezer Ft) Versenyszféra Költségvetés Összesen: A hazai szállodákból egyik évben véletlenszerűen kiválasztott 5 vendég megoszlása: Szállodák Belföldi Külföldi Összesen besorolása vendég Luxus A B C Összesen i i )
3 Számítások a függetlenségvizsgálathoz: n ij * n ij * ( nij nij ) * n ,,35 3,88 9,59,57 9,5,66 8, ,6 5 A -ben jogerősen elitélt bűnözők életkor szerinti eloszlása két független minta alapján: Korcsoport Férfiak Nők év száma (fő) Összesen 8 5 ij 6 Egy mezőgazdasági kutatóintézetben a triticale-val (a búza és a rozs keresztezésével létrehozott növény) kapcsolatos kísérletek néhány részeredménye: Az egy m -re jutó kalászok száma fajta szerint, kísérlet-sorozatonként Fajta I II III IV V y j s j kísérlet-sorozat Bókoló ,6 634,3 Tömzsi , 3585, Szálkás , 93,5 Kedvelt ,4 987,8 A szóródás oka 59,6 + 53, + 475, + 6,4 y 53,5 4 Variancia-analízis tábla σ p -érték Eltérésnégyzet- Szabadságösszeg fok becslése F Fajta 599, ,45 8,633, Hiba 365,4 6 8,65 Σ 9564,75 9
4 STATISZTIKAI ELŐADÁSLAPOK Regresszió alapadatok és kétváltozós elemzés Egy társasházban 3 lakás van Egy negyedévben mérték az összes lakás vízfogyasztását és az arra ható lehetséges tényezőket A cél az, hogy az eredmények alapján amennyiben a vízfogyasztás mérése lakásonként nem megoldott, minél igazságosabban lehessen szétosztani a lakások között a közös költséget Y X X X 3 X 4 X 5 vízfogyasztás, köbméter (VIZ) a lakásban lakók száma, fő (FO) a lakás nagysága, nm (NM) van-e mosógép a lakásban,, ha igen, ha nem (MOS) van-e mosogatógép a lakásban,, ha igen, ha nem (MOG) hány cserép virág található a lakásban (CSER) Alapadatok Sorszám FO (X ) NM (X ) MOS (X 3 ) MOG (X 4 ) CSER (X 5 ) VIZFOGY (Y) 35 5, , , , , , , ,3 9 95, ,7 6 8, , , , , , , , , , , , , , 5 5 9, , , , ,4 3 7, ,7 Átlag,58 7,6,94,9 6,6 3,94 Szórás,5 8,69,5,45 4,5,6 3
5 Kézenfekvő a fogyasztás nagyságát (Y) a lakók számával (X) magyarázni vízfogyasztás, A lakók száma és a fogyasztás közti összefüggés köbméter y,87+ 7x r, fő Az ábra és eredmények az EXCEL programcsomagból származnak Néhány további kétváltozós regressziós számítás látható az alábbiakban Sorsz X Y d x d y d d d d x y x y ŷ e e 5 -,58-5,935 9,383,5 35,4 9,87 5,3 6,37 5, -,58-5,835 5,35,5 5,747 9,87-4,77, ,3,49 3,365 8,965,4 78,63 4,87 3,49,758 4,4 -,58-9,535 5,75,5 9,96 9,87,53,34 5, -,58-9,835 5,549,5 96,77 9,87,3, ,3,49,365,53,76,33 33,87 -,57 6, ,3,49 3,365 4,775,4,33 4,87-6,57 43, ,3 4,49 4,365 7,669 9,58 593,653 6,87-6,57 43,9 9,6 -,58-9,335 5,44,338 87,4 6,87-5,7 7,783 3,7,49-9,35-3,869,76 85,85 33,87 -,7 48,33 8,3 -,58 -,635 9,976,5 59,643 9,87 -,57, ,4,49 5,465,945,4 39,66 4,87 5,59 3, ,6,49 5,665,374,76 3,9 33,87,79 7, ,8 -,58 -,35 7,64,5 3,988 9,87 -,7,5 5 45, -,58 4,65-8,88,338 3,49 6,87 8,39 335, ,5,49-4,435 -,858,76 9,669 33,87-7,37 54,33 7 5,7 -,58-5,35 3,4,338 7,45 6,87 -,7, ,7,49,765 4,5,76 5,885 33,87 7,89 6, ,3,49 8,365 44,45 5,85 337,73 47,87,48, ,8,49 5,865,5,4 5,698 4,87 5,99 35,53 9,3 -,58 -,635,95,338,673 6,87,49 5,9 4 39,5,49 8,565,54,4 73,359 4,87 -,37, ,9,49 4,965,35,4 3,95 4,87 5,9 5, ,,49,65 48,779 5,85 46,67 47,87 3,8,4 5 9,8 -,58 -,35 7,64,5 3,988 9,87 -,7, ,58-7,935 4,6,338 6,964 6,87-3,87 4, ,58-7,935 8,355,5 3,664 9,87-6,87 47,97 8 3,6 -,58-7,335 4,6,338 53,8 6,87-3,7, ,4 -,58-4,535,98,5,66 9,87-3,47,4 3,3 -,58-8,635 3,65,5 74,563 9,87,43 5,95 3 7,7 -,58-3,35,88,338,465 6,87,89,687 Össz ,863 7,56 455, ,4 A paraméterek becslése d d x y ˆ 5,863 β 7, d 7,56 x ˆ β Y ˆ β X 3,935 7,58,868 Yˆ, X X X X fő E( X ( ) ˆ X E X X β Y ˆ X ) β ˆ β + ˆ β X Elaszticitás,58 7 3,94,58 7,87 + 7,35 4
6 Hibaszámítás e s n 999,4 5,87 9 Becsült paraméter Standard hiba 95%-os konf int t-érték ˆ β,868 X,58,868±,4,8 6, s + 5,87 +,8 8,65 7, n d 3 7,56 X ˆ β 7 s 5,87, 694 d 7,56 helyen Y ˆ, ,868 átlagbecslés helyen X Y, ,868 egyedi becslés x x 5,87 s 3 5, ( X + n (,58) + 7,56 ( X s + + n X ) d x (,58) + 7,56 X ) d x,8 5,977 7±,4,694 5,584 8,46 6,868±,4,8 4,567 9,69 6,868±,4 5,977 4,674 39,6, - - ν 9 X t,975, 4 5
7 TÖBBVÁLTOZÓS REGRESSZIÓ Vonjuk most be a lakás nagyságát (X, négyzetméter) is a modellbe! Az így nyert eredménye a következők: X ' X X ' y ,7 739, , ( X ' X ),788,679858,359,3646,4797 7,67 ( ' X ) X ' y 6,9 Y ˆ 7,67 + 6,9 X +, 5 X,5 766,549 s 7, s 5, 3 8 SSE766, X s ˆ 5,3,679858,678 t 9, 3 8 t, 4 β,975 SSR3738,855 SSE 766,549 s 5,3,4797,36 t, 9,8 SST455,44 F 3, 34 ˆ β Útelemzés: Y ˆ 7,67 + 6,9 X +, 5 X F, ,855 / 766,549 / 8 68,8 Y ˆ, X Y ˆ 4,9 +,4 X X ˆ,6 +, X X ˆ 5,88 + 7, 74 X 6,9+7,74,57 6,9+,87,5+, 6,9,4,5+,35,4 6,9 Y ε,5 X 7,74 X, Átlag és egyedi becslés 95%-os megbízhatósággal egy 3 fő által lakott, 5 nm-es lakás esetén (X 3, X 5) Y ˆ 7,67 + 6,9 3 +,5 5 9,4 köbméter ˆ var( Y ) 7,377 [,3,5] ( X ' X ) 3 7,377,63, 65 var( Y ) 7,377 ( +,63 ) 9, 8 5 Átlagbecslés: 9,4±,4,85 9,4±,6 Egyedi becslés: 9,4±,4 5,388 9,4± A backward algoritmus menete %-os szignifikancia szint mellett: Modell Változó Becsült paraméter Standard hiba t-érték p-érték Parciális korr eh Konstans,539 4,5,564,578 R-négyzet:,85 FO 6,5,75 8,48,,86 NM,9,37,45,,44 Korrigált R-négyzet:,83 MOS 7,5 4,8,79,98,35 MOG,836,7,85,47,63 CSER -,8,7 -,354,76 -,7 Konstans,87 3,946,46,649 R-négyzet:,85 FO 5,998,7 8,549,,859 NM,88,36,48,,438 Korrigált R-négyzet:,89 MOS 7,36 3,894,89,7,348 MOG,79,85,89,4,59 3 Konstans,3 3,878,593,558 R-négyzet:,848 FO 6,99,653 9,493,,877 NM,89,36,53,9,434 Korrigált R-négyzet:,83 MOS 6,89 3,86,79,85,36 6
8 KORRELÁCIÓSZÁMÍTÁS,88,569 R,73,349,3 Teljes korrelációs mátrix:,4,,6,364,,,95,9,37,3 Négyváltozós mátrix,88 R,569,4,73,,6 Háromváltozós mátrix R,88,569,4 A négyváltozós korrelációs mátrix inverze R 6,568 5,9,395,96 5,8,594,74,573,89, Háromváltozós korrelációs együtthatók R r Y Y,88 +,569,88,569,4,4,88,569,4,86,9,569,88,4 Y (,569 )(,4 ) (,88 )(,4 ) r R,83,48 Multikollinearitás ( az R struktúrája) a háromváltozós modellben X hatása:,83-,3,5 X hatása:,83-,78,5 Multikollinearitás:,7 Összesen:,83 Négyváltozós korrelációs együtthatók R r Y 3 Y3 r Y 3 r Y 3 6,568,9 R 5,9,877 6,568 5,8,395,434 6,568,573,96,36 6,568, Y 3,85 A négyváltozós modell számítógépes eredményei (SPSS for Windows) Model Summary a R R Adjusted Std Error of Square R Square the Estimate,9,848,83 5,379 a Predictors: (Constant), MOS, FO, NM ANOVA Sum of Squares df Mean Square F Sig Regression 38, ,37 5,7, 9 Residual 685,73 7 5,38 Total 455,4 3 a Predictors: (Constant), MOS, FO, NM b Dependent Variable: VIZFOGY 7
9 Variable Unstandardized coefficients Coefficients t Sig Collinearity statistics Standardized coefficients Beta B Std Error Tolerance VIF (Constant),3 3,878 -,593, FO 6,99,653,78 9,493,,83, NM,89,36,,53,9,783,77 MOS 6,89 3,86,39,79,85,93,73 Dependent Variable: VIZFOGY 3 XY ábra (scatterplot) 4 Hisztogram, Normalitásábra,75 8,5 6 stand reziduum stand becsült érték 3 gyakoriság 4 -,5 -,5 stand reziduum -,5,5,5,5,5,,,5,5,75, 8
10 IDŐSORELEMZÉS I A villamosenergia termelés alakulása Magyarországon 998- között negyedévenként (Gwh): Év I negyedév II negyedév III negyedév IV negyedév Időszak t Lineáris trend számítása: t y y t ŷ 998 I 998 II 998III IV ,56 947,4 934,7 846,84 Összesen , ˆ β + ˆ β 7544 ˆ β + 87 ˆ β 797 ˆ β 76,43 ˆ β 9569,7 yˆ 9569,7 76,43 t Az eredeti idősor és lineáris trendje: trend eredeti idősor 9
11 Az eredeti idősor és mozgóátlagolású trendje trend eredeti idősor Mozgóátlagolású trend számítása: Negyedév 998 I Eredeti idősor 975 Négytagú összegek Négytagú átlagok Középre igazítás - II ,75 III ,5 IV , ,5 999 I 4 954, , II , ,5 III 88 98, ,5 IV 4 I ,5 II ,5 III ,5 - IV Szezonális eltérések számítása a lineáris trend alapján( y yˆ ): Év I II III IV Átlag negyedév negyedév negyedév negyedév ,44-8,4-87,7 969,87 999, -94,84-855,7 63,44 59,59-886,7-59,3 5, 64,6-5,7-99,56 79,59 448,73-794,3-799,99 943,6 Átlagos eltérés 554,39-96,67-89,33 97,6, Előrejelzés pl 4 II negyedévére: yˆ (9569,7 76,43 6) 96,67 668, 3 4 II Gwh
12 Szezonális eltérések számítása a mozgóátlagolású trend alapján ( y yˆ ): Év I II III IV Átlag negyedév negyedév negyedév negyedév , 64, ,88-98,63-947,75 4, ,75-77,88-8, 86, ,88-876,88-98,5 688, ,63-849,5 Átlagos elt 579,78-739,8-745,5 349,47, Korrigált elt 468,58-85,38-856,46 38,6, A szezonálisan kiigazított idősor (a mozgóátlagolású trend alapján számolt eltérésekkel): A véletlen tényező alakulása:
13 II A kiskereskedelmi forgalom alakulása Magyarországon havi adatok, milliárd forint és az idősor mozgóátlagolású trendje: jan95 ápr95 júl95 okt95 jan96 ápr96 júl96 okt96 jan97 ápr97 júl97 okt97 jan98 ápr98 júl98 okt98 jan99 ápr99 júl99 okt99 Mrd Ft idősor trend hónap A lineáris és az exponenciális trend egyenletei: yˆ 57,4 + 3,6 t s e 43, ˆ t y 7,7,3 s e 4,5 Korrigált szezonindexek (%) a mozgóátlagolású trend alapján: Hó Jan Febr Márc Ápr Máj Jún Júl Aug Szept Okt Nov Dec Index 77,7 78,8 83,3 98, 99,3,8 7, 5,3 8, 8, 7,8 5,9
Bevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenRegresszió számítás az SPSSben
Regresszió számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Lineáris regressziós modell X és Y közötti kapcsolatot ábrázoló egyenes. Az Y függ: x 1, x 2,, x p p db magyarázó változótól
RészletesebbenVIZSGADOLGOZAT. I. PÉLDÁK (60 pont)
VIZSGADOLGOZAT (100 pont) A megoldások csak szöveges válaszokkal teljes értékűek! I. PÉLDÁK (60 pont) 1. példa (13 pont) Az egyik budapesti könyvtárban az olvasókból vett 400 elemű minta alapján a következőket
RészletesebbenStatisztika 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
RészletesebbenGyőrBike a győri közösségi bérkerékpár rendszer első éve
GyőrBike a győri közösségi bérkerékpár rendszer első éve Magyar Urbanisztikai Társaság Győr-Moson-Sopron megyei csoportja MTA KRTK RKI Nyugat-magyarországi Tudományos Osztály Smart City rendezvénysorozat
RészletesebbenTöbbváltozós 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
RészletesebbenTöbbváltozós 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
RészletesebbenStatisztika II. feladatok
Statisztika II. feladatok 1. Egy női ruhákat és kiegészítőket forgalmazó üzletlánc 118 egységénél felmérést végzett arról, milyen tényezők befolyásolják a havi összbevételüket (EUR). a) Pótolja ki a táblázatok
RészletesebbenMódszertani 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
RészletesebbenEsetelemzések az SPSS használatával
Esetelemzések az SPSS használatával 1. Tekintsük az spearman.sav állományt, amely egy harminc tehenet számláló állomány etetés- és fejéskori nyugtalansági sorrendjét tartalmazza. Vizsgáljuk meg, hogy van-e
RészletesebbenStatisztikai 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
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
RészletesebbenBiometria 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
RészletesebbenKerékpáros közösségi kölcsönző rendszer működésének szabályszerűségei
Kerékpáros közösségi kölcsönző rendszer működésének szabályszerűségei MRTT XV. Vándorgyűlés MRTT XV. Vándorgyűlés Mosonmagyaróvár 2017. okt. 19-20. Önálló kerékpárflotta - smart A közösségi kerékpárrendszerekről
Részletesebben[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
RészletesebbenKorreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenLineáris regresszió vizsgálata resampling eljárással
Lineáris regresszió vizsgálata resampling eljárással Dolgozatomban az European Social Survey (ESS) harmadik hullámának adatait fogom felhasználni, melyben a teljes nemzetközi lekérdezés feldolgozásra került,
RészletesebbenA gravitációs modell felhasználása funkcionális távolságok becslésére
A gravitációs modell felhasználása funkcionális távolságok becslésére Dusek Tamás egyetemi tanár Széchenyi István Egyetem Eger, 2015. november 20. Gravitációs modell "A" város "B" város 100 000 lakos 100
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenBiomatematika 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
RészletesebbenTöbbváltozós Regresszió-számítás
Töváltozós Regresszió-számítás 3. előadás Döntéselőkészítés módszertana Dr. Szilágyi Roland Korreláció Célja a kacsolat szorosságának mérése. Regresszió Célja a kacsolatan megfigyelhető törvényszerűség
RészletesebbenHipotézis 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
RészletesebbenÖkonometriai modellek paraméterei: számítás és értelmezés
Ökonometriai modellek paraméterei: számítás és értelmezés Írta: Werger Adrienn, Renczes Nóra, Pereszta Júlia, Vörösházi Ágota, Őzse Adrienn Javította és szerkesztette: Ferenci Tamás (tamas.ferenci@medstat.hu)
RészletesebbenGyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió
Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió 1. A fizetés (Y, órabér dollárban) és iskolázottság (X, elvégzett iskolai év) közti kapcsolatot vizsgáljuk az Y t α + β X 2 t +
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.
Correlation & Linear Regression in SPSS Petra Petrovics PhD Student Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése II.
Többváltozós lineáris regressziós modell feltételeinek tesztelése II. - A magyarázó változóra vonatkozó feltételek tesztelése - Optimális regressziós modell kialakítása - Kvantitatív statisztikai módszerek
RészletesebbenKÖVETKEZTETŐ 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
RészletesebbenGVMST22GNC Statisztika II.
GVMST22GNC Statisztika II. 4. előadás: 9. Kétváltozós korreláció- és regressziószámítás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Korrelációszámítás
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenFEGYVERNEKI 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
RészletesebbenA többváltozós lineáris regresszió 1.
2018. szeptember 17. Lakásár adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó változók segítségével Legegyszerűbb eset - kétváltozós
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenAdatok 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
RészletesebbenFogalom STATISZTIKA. Alkalmazhatósági feltételek. A standard lineáris modell. Projekciós mátrix, P
Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenAutoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta
Autoregresszív és mozgóátlag folyamatok Géczi-Papp Renáta Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenBiometria 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
RészletesebbenAutoregresszív és mozgóátlag folyamatok
Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
Részletesebben5. előadás - Regressziószámítás
5. előadás - Regressziószámítás 2016. október 3. 5. előadás 1 / 18 Kétváltozós eset A modell: Y i = α + βx i + u i, i = 1,..., T, ahol X i független u i -től minden i esetén, (u i ) pedig i.i.d. sorozat
RészletesebbenSTATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
RészletesebbenCorrelation & Linear Regression in SPSS
Correlation & Linear Regression in SPSS Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise 1 - Correlation File / Open
RészletesebbenBevezetés 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 -
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenLineáris regressziószámítás 1. - kétváltozós eset
Lineáris regressziószámítás 1. - kétváltozós eset Orlovits Zsanett 2019. február 6. Adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó
RészletesebbenEsettanulmány. A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre. Tartalomjegyzék. 1. Bevezetés... 2
Esettanulmány A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre Tartalomjegyzék 1. Bevezetés... 2 2. A lineáris modell alkalmazhatóságának feltételei... 2 3. A feltételek teljesülésének
RészletesebbenSTATISZTIKA. Fogalom. A standard lineáris regressziós modell mátrixalgebrai jelölése. A standard lineáris modell. Eredménytáblázat
Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése
RészletesebbenMagyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI
Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése Rezsabek Tamás GSZDI Anyag és módszer Központi Statisztikai Hivatalának adatai
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
RészletesebbenStatisztika - 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
RészletesebbenSzezonális ingadozás. (Stacionárius idősoroknál, ahol nem beszélhetünk trendről, csak a véletlen hatást kell kiszűrni. Ezzel nem foglalkozunk)
Szezonalitás Szezonális ingadozás Rendszeresen ismétlődő, azonos hullámhosszú és szabályos amplitúdóú, többnyire rövid távú ingadozásokat tekintük. Vizsgálatukkor a dekompozíciós modellekből a trend és
RészletesebbenCorrelation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenH0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)
5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
RészletesebbenFEGYVERNEKI 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
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenQ1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft
Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az
RészletesebbenSTATISZTIKA PÉLDATÁR
STATISZTIKA PÉLDATÁR www.matektanitas.hu www.matektanitas.hu info@matektanitas.hu 1 Minden feladat csak szöveges válasszal együtt ad teljes értékű megoldást! Becslés 1. feladat Az alábbi táblázat megadja
RészletesebbenAz idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH
Idősorok Idősor Statisztikai szempontból: az egyes időpontokhoz rendelt valószínűségi változók összessége. Speciális sztochasztikus kapcsolat; a magyarázóváltozó az idő Determinisztikus idősorelemzés esetén
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenTÖBBSZÖRÖS REGRESZIÓS ANALÍZIS I. Többszörös lineáris regresszió. Füst György
TÖBBSZÖRÖS REGRESZIÓS ANALÍZIS I. Többszörös lineáris regresszió Füst György Többszörös regresszió I. miért elengedhetetlen a többszörös regressziós számítás? a többszörös regressziós számítások fajtái
RészletesebbenSztochasztikus kapcsolatok
Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenEsetelemzés az SPSS használatával
Esetelemzés az SPSS használatával A gepj.sav fileban négy különböző típusú, összesen 80 db gépkocsi üzemanyag fogyasztási adatai találhatók. Vizsgálja meg, hogy befolyásolja-e az üzemanyag fogyasztás mértékét
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenMINDEN 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
RészletesebbenKabos: 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,
RészletesebbenSzámítógépes 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
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
RészletesebbenVizsgafeladatok. 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
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
RészletesebbenPDF created with FinePrint pdffactory Pro trial version Adott egy X folytonos változó, ami normális eloszlású.
Á dott egy X folytonos változó, ami normális eloszlású. X ( µ,σ ) dottak ezen kívül az Y,Y,,Y k diszkrét változók (faktorok) total H 0 : X - re nincs hatással Y Q = Q + Q +... + Q + Q + Q3 +... + Q k hiba
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenIntervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.
Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Feladatok Gazdaságstatisztika 7. Statisztikai becslések (folyt.); 8. Hipotézisvizsgálat
Részletesebben: az i -ik esélyhányados, i = 2, 3,..I
Kabos: Adatelemzés Ordinális logisztikus regresszió-1 Többtényezős regresszió (az adatelemzésben): Y közelítése b 1 X 1 + b 2 X 2 +... + b J X J alakban, y n = b 1 x n,1 + b 2 x n,2 +... + b J x n,j +
RészletesebbenA JAPÁN LAKOSSÁG UTAZÁSI SZOKÁSAI
A JAPÁN LAKOSSÁG UTAZÁSI SZOKÁSAI KISS KORNÉLIA MAGYAR TURIZMUS ZRT. ADATFORRÁSAINK Másodlagos adatok? UN World Tourism Organization (UNWTO)? Japan National Tourist Organization? European Travel Commission?
RészletesebbenKiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.
Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.
RészletesebbenLogisztikus regresszió
Logisztikus regresszió 9. előadás Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó () Nem metrikus Metrikus Kereszttábla
RészletesebbenMatematikai statisztikai elemzések 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 6. MSTE6 modul Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós
RészletesebbenA 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,
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenLeíró 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,
RészletesebbenIII. Kvantitatív változók kapcsolata (korreláció, regresszió)
III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással
RészletesebbenA 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
RészletesebbenAZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT
AZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT Készítette: Vályi Réka Neptun-kód: qk266b 2011 1 Az elemzés
RészletesebbenKorreláció számítás az SPSSben
Korreláció számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi
RészletesebbenNagy 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
RészletesebbenCséplő Máté PTE Egészségtudományi Doktori Iskola, hallgató
Cséplő Máté PTE Egészségtudományi Doktori Iskola, hallgató Budapesti Rendőr Főkapitányság Közlekedésrendészeti Főosztály rendőri állományának egészségi állapota és egészségmagatartása 2012-2014 követéses
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós regresszió: nemlineáris modellek Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik előadás, 2010. november 10.
RészletesebbenKét diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat
Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi
Részletesebben