A kísérlet megtervezése

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A kísérlet megtervezése"

Átírás

1 A kísérlet megtervezése

2 Általános, gyakorlati tanács A tervezett kísérletünkhöz hasonlót, már biztosan csinált valaki Keressünk egy cikket, ami egy, a miénkhez hasonló kérdést vizsgál, és gátlástalanul másoljuk le a Kísérlet módszertanát -- de persze javítsuk ki/fel, ha tudjuk! mindig van mit korrigálni, jobban kontrollálni (kritikai olvasás!), Cikk szerkezetét. Ildomos erre a cikkre hivatkozni is, főként, ha tényleg nagyban támaszkodunk a módszereire.

3 Hogyan kezdődik a fonetikai kutatási folyamat? Ihletmerítés. Látok, hallok egy érdekes nyelvi/beszédbeli jelenséget a metrón A nők egy társalgásban több nem verbális visszajelzést adnak, mint a férfiak. Felfigyelek hétköznapi emberek (laikusok) vagy nyelvművelők egy a nyelvről/beszédről szóló megfigyelésére Egyre gyakoribb a hogy elhagyása lehet után. Olvasok egy állítást a szakirodalomban, amire közvetlenül nem látok bizonyítékot Olvasok egy állítást a szakirodalomban, amire azt cáfoló tapasztalatom/ismereteim vannak Olvasok egy állítást az elméleti szakirodalomban, amit korábban nem vizsgáltak kísérletesen Stb. bármi lehet a kutatás ötletadója!

4 Hogyan lesz egy ötletből kísérlet? 1. MEGFIGYELÉS: Az u magánhangzó szó elején (első szótagban) hosszabb. 2. Az észrevétel kérdéssé formálása vajon miért látható/hallható ez a jelenség? Ez a jelenség általános? Miért van? A szóelejiség miatt? Másért? 3. Elképzelés, kiinduló elmélet kigondolása hipotézisállítás. A jelenség valójában nem a magánhangzó minőségétől függ, hanem attól, hogy a magánhangzó melyik szótagban áll. A magyarban ugyanis mindig az első szótag potenciálisan hangsúlyos. A magánhangzók megvalósulásának időtartamára tehát hatással van a hangsúly. Vegyük észre: a hipotézis INDOKLÁST IS TARTALMAZ! 4. A hipotézis tesztelhető (cáfolható), azaz kísérlettel ellenőrizhető állításokra bontása. milyen falszifikálható állításokat tudunk megfogalmazni? Ha az elméletem helyes, akkor ugyanazon magánhangzó hosszabban realizálódik akkor, ha hangsúlyos szótagban ejti azt a beszélő. Vagyis: az időtartama (ms) hosszabb, ha hangsúlyos (vs hangsúlytalan) a pozíció. Mi a dőlttel jelölt változók neve?

5 Hogyan lesz egy ötletből kísérlet? MEGFIGYELÉS: Az u magánhangzó szó elején hosszabb. Változók: előre meghatározandó mit vizsgálok pontosan? Függő változó: a kísérlet során mért, gyűjtött adat. Ez függ az adatgyűjtés körülményeitől: kísérleti manipulációtól, azaz a független változótól! A magánhangzók időtartama. Független változó (faktor/prediktor/tényező): minek a hatását vizsgálom? Ezeket a kísérletező kontrollálja, a kísérlettől függetlenül létezik. Hangsúly megléte/hiánya. 5. Összehasonlítható adatok gyűjtése az állítás(ok) tesztelésére. Tervezett kísérlettel ellenőrzöm, hogy igaz-e a megfigyelés minden magyar magánhangzóra/egy bizonyos magyar magánhangzóra.

6 Hogyan lesz egy ötletből kísérlet? MEGFIGYELÉS: Az u magánhangzó szó elején hosszabb. 6. A kiinduló hipotézis elutasítása, finomítása, megváltoztatása. A hangsúlyos szótagban csak bizonyos (mely?) magánhangzók időtartama változik. 7. A kísérletből általánosítások levonása (ha lehet). A hangsúly hatással van a magánhangzók időtartamára. Ugyanakkor ez a jelenség függ a magánhangzó nyelvállásának fokától/nyelvi hosszúságától/stb.

7 A vizsgálat beágyazása Legkésőbb a 3. pontnál, de inkább előtte: Ellenőrizzük, hogy egy megfigyelést vagy hipotézist már mások is teszteltek-e, illetve mit tudhatunk a jelenségről a korábbi irodalomból szakirodalmi tájékozódás. Google, Google Scholar, ResearchGate, Academia.edu Online folyóiratok elérése pl: EISZ.hu: intézményi hozzáférés (ELTE gépekről) Nyelvtudományi Intézet belső honlapja (intézeti hálózaton): A cikk szerzőjének megkeresése (nyugodtan!) A korábbi szakirodalom ismerete és az eddigi kutatásokra támaszkodás és hivatkozás elengedhetetlen! lásd még később

8 Hogyan lesz egy ötletből kísérlet? Egy kutatási terv (a beadandó feladat is!) mindezeken eddigieket tartalmazza (beleértve a szakirodalmat is), továbbá: részletesen kitér a módszertani megvalósításra, a használandó nyelvi anyagra (részletekbe menően!), a kísérleti személyek pontos paramétereire, a felvétel körülményeire, a tervezett elemzés menetére (hogyan nyerem az adatokat, majd mit mivel és hogyan vetek össze), már létező eredmények híján pedig arról kell számot adni, milyen eredményeket várok, és azokból mire következtet(het)ek majd. Ezek hiánya a háziban mindenképpen pontlevonással jár!

9 Mit nem tartalmaz a kutatási terv? Olyan megjegyzéseket, mint a beszélő neme hatással van az eredményekre. (mint hipotézis) a felvételeket fonetikailag elemzem. az adatokat az SPSS-szel elemzem. az adatokon statisztikai próbát/elemzést végzek. szerintem azt feltételezem/az a kutatási kérdésem, hogy, mert Gósy Tanárnő handoutján azt olvastam hogy. Miért? Ezekért is jár a pontlevonás!

10 Kísérletek típusai Típus választása a kísérleti kérdéstől függ Szabad meghatározott: (1) szabad beszélgetés, Pl.: nyelvjárásgyűjtés vagy (2) előre meghatározott adatok (nyelvi formák, beszédhangok, stb) gyűjtése, módszerek lehetnek pl. elicitálás, rákérdezés. Kvalitatív kvantitatív: (1) megfigyelések leírása, jellemzése, pl.: konverzációelemzés, szociolingvisztikai interjú elemzése. (2) számszerű elemzés leíró vagy következtető (inferenciális) statisztikai módszerekkel. Egymást kiegészíthetőek lehetnek (pl adott jelenség funkciójának értelmezéséhez nem csak az előfordulás darabszáma, hanem az előfordulási helyek grammatikai-pragmatikai tulajdonságai is)

11 Kísérletek típusai Produkciós percepciós adatgyűjtés: (1) adat: a kísérleti személyek által produkált (pl. artikulációs vagy akusztikai természetű, nálunk ritkábban: szöveges) adatok, pl.: mennem kell vagy kell menjek használata: FERI + KELL + MENNI mondatalkotás. (2) adat: adott ingerekre/stimulusokra adott válaszok. Bináris választás, kényszerített válasz több kategóriából (pl.: beszédhangok azonosítása); grammatikalitási ítélet kérése (ötfokú skálán), kérdőív, reakcióidő mérése válaszadáskor. Saját adatok meglévő adatbázis: (1) speciális szükségletek szerinti adatgyűjtés. (2) létező adatbázis fontos feltételek: annotáció, kereshetőség, stb.

12 Adatgyűjtés Mindig készítsünk másolatot a nyers adatokról, amihez nem nyúlunk a munka során! fénymásolat (digitalizálás), mentés külső adathordozón. Kísérleti személyek elérhetősége utólagos adatpótláshoz (pl. iskolai végzettség, életkor, ami korábban nem tűnt relevánsnak). Írásos hozzájárulás gyűjtése lásd később: etika. Kísérleti személyek adatainak anonimizálása: a kísérleti adatokat máshol tároljuk, mint az azonosításra alkalmas adatokat! (lásd később: etika) Kvalitatív leírásban változtassuk meg a kísérleti személyek nevét és ne közöljünk az azonosításra alkalmas adatokat (különösen érzékeny csoport estében, pl. alvilági személyek, nyelvi zavaros gyerekek esettanulmánya.) lásd később: etika

13 Problémák az adatgyűjtésben 1 Megfigyelői paradoxon: A megfigyelt személy mindig máshogy viselkedik, mint természetes közegben. Megoldás? Próbáljunk természetesen viselkedni, Ne viselkedjünk kutatónéniként, Minden kísérletet beszélgetéssel, barátkozással kezdjünk. rejtett mikrofon/felvétel készítése az adatközlő beleegyezése nélkül? lásd később: etika erre is keressünk választ!

14 Problémák az adatgyűjtésben 2 Szociális kívánatossági torzítás: A kísérleti személy minden kísérletet feladathelyzetnek él meg, amiben jól szeretne teljesíteni A kísérleti személy mindig igyekszik azt mondani, amit szerinte a kísérletet vezető hallani akar, azaz amit társadalmilag elfogadottnak vél. Pl. helyességi ítéletek: igyekeznek leplezni a nem normatív (vagy éppen normatív) vélekedésüket, előítéleteiket, stb. Megoldás lehet: hangsúlyozzuk, hogy nincsenek jó megoldások; leplezzük a feladatot (implicit tesztek), pl. dialektussal/akcentussal szembeni attitűd tesztelése a beszélő kompetenciájának megítélésén keresztül ahelyett, hogy vélekedést kérnénk a dialektusra/akcentusra.

15 Problémák az adatgyűjtésben 3 Implicit attitűd: sokszor az okozza a problémát, hogy valaki nem akarja, vagy nem is tudja megfogalmazni, hogy hogyan vélekedik valamiről automatikusan/ösztönösen tipikus példák: akcentussal, dialektussal szembeni vélekedés/előítélet; innovatív beszélői attitűd (Lehet elmegyek boltba is.) Nem tudatos nyelvi vélekedés? Megoldás: Online vagy félig online tesztek, pl. reakcióidő mérése, IAT.

16 Problémák az adatgyűjtésben 4 Nem tudatos nyelvi viselkedés: A nyelvi vélekedés és a nyelvi viselkedés eltérhet: az ember a legtöbb esetben nem jó ismerője a saját nyelvhasználatának! Pl. a felszínen elítélt alakok használata. A rákérdezés sokszor félrevezető eredmény mutat nem a valós nyelvhasználatról, hanem inkább a beszélő számára ideális nyelvről való vélekedést. Megoldás? Ne kérdezzünk, hanem elicitáljunk.

17 Változók

18 Változók típusai A változók értéke különböző jellegű lehet ez meghatározza, mit lehet velük csinálni. Mit lehet tenni a számokkal? 1. Sorba rendezhetők, tehát ha két szám nem egyenlő, akkor az egyik feltétlenül kisebb a másiknál. 2. Kivonhatók és összeadhatók, így ha az egyik szám nagyobb a másiknál, egyértelműen meghatározható, hogy mennyivel nagyobb. 3. Megszorozhatók és eloszthatók egymással*, tehát megállapítható, hogy két tetszőleges (nem nulla) szám közül a nagyobb hányszorosa a kisebbnek. *Kivéve a nullával való osztást.

19 Értékskálák és változótípusok A számok tulajdonságai alapján négy különböző erősségű eltérő rendű értékskálát határozhatunk meg: 1. Arányskála (arányskálájú vált.) 2. Intervallum-skála (interval.skálájú vált.) 3. Ordinális skála (ordinális vált.) a számok minden tulajdonságával rendelkezik 4. Nominális skála (nominális vált.) a számok egyik tulajdonságával sem rendelkezik

20 Értékskálák és változótípusok A számok tulajdonságai alapján négy különböző erősségű eltérő rendű értékskálát határozhatunk meg: 1. Arányskála (arányskálájú vált.) 2. Intervallum-skála (interval.skálájú vált.) 3. Ordinális skála (ordinális vált.) 4. Nominális skála (nominális vált.) Metrikus skálák (mérhető, általában mértékegységük is van)

21 Arányskála Értékei sorba rendezhető (ordinális) Értékeinek különbségeinek és arányának azonos értékei (szakmailag) mindig azonosan értelmezhetők. 60 cm annyiszor hosszabb mint a 30 cm, mint ahányszor 10 cm hosszabb, mint az 5 cm; 20 C nem annyival melegebb 10 C-nál, mint a 18 C a 9 C-nál; x phon nem kétszer olyan hangos, mint 2x phon (érzeti!). Létezik az abszolút 0 érték (nem önkényesen kijelölt!), és ez a mértékegység átváltásakor nem változik. 0 cm = 0 mm ( 0 C = 32 F) Van mértkegysége (pl. cm, Hz) Példák? testmagasság, testsúly, vérnyomás, reakcióidő.

22 Intervallum-skála Értékei sorba rendezhetők (ordinális) Értékeinek azonos a számszerű (vagy fokozatbeli) különbségei mindig azonos(nak tekinthető) mértékű különbséget jeleznek. 30 C nem kétszer annyival melegebb, mint 15 C 10 C nem ugyanannyiszor melegebb 1 C-nál, mint 30 C 3 C-nál DE 10 C ugyanannyival melegebb 1 C-nál, mint 30 C 21 C-nál (különbségük 3 C) Oka: a zérus foka önkényesen választott, nem értelmezhető: pl. a 0 C nem a hőmérséklet hiánya (0 C = 32 F!) Példa? Celsius és Fahrenheit fokban mért hőmérséklet. Kelvin fok (arányskála) Időszámítás!

23 Ordinális skála Értékei sorba rendezhetők (a kisebb-nagyobb valamilyen szakmai szempont mentén értelmes), de az egyes elemek távolsága nem egyenlő vagy nem értelmezhető. Példák? Végzettség, osztályzat, magasság rangszerinti besorolása (második legmagasabb, harmadik legmagasabb).

24 Nominális skála Értékek megkülönböztethetők, de semmilyen viszonyban nem állnak egymással. Csak azonosítást szolgál. Példák? nem, hajszín, vallás, szófaj. Fontos: bár ezek csak típusok, címkeként használhatunk rájuk szavakat és számokat is (kódolás!). Pl.: 0001MA, nő = 1, férfi =2; a = 1, á = 2, stb.

25 Milyen típusú változók az alábbiak? Nem Életkor Testsúly Magasság Testhőmérséklet IQ Személyiségtípus Iskolázottsági szint Iskolai érdemjegy Reakcióidő Rangfokozat Beszédtempó Formánsfrekvencia (F1) Időtartam Tetszési index Hangosság Alapfrekvencia (f0) Magánhangzó-minőség Spektrális súlypont (CoG) Zöngésség Zöngekezdési idő

26 Milyen típusú változók az alábbiak? Nem Életkor Testsúly Magasság Testhőmérséklet IQ Személyiségtípus Iskolázottsági szint Iskolai érdemjegy Reakcióidő Rangfokozat Beszédtempó Formánsfrekvencia (F1) Időtartam Tetszési index (Likert skála; 1-től 5-ig) Tetszési index (bináris) Bináris válasz (igen-nem) Hangosság (hangnyomásszint) Hangosság (hangnyomás) Alapfrekvencia (f0) Magánhangzó-minőség Spektrális súlypont (CoG) Zöngésség Miben mérem? Pl. fonológiai: bináris; fonetikai: % Zöngekezdési idő

27 Változók további tulajdonságai Kvalitatív (kategorikus): nominális, ordinális Kvantitatív: aránysk., intervallumsk. Diszkrét: megszámolható, véges érték Folytonos: értéke egy adott intervallumban akármilyen valós számot felvehet Kategóriák vagy csoportok: változók összefoglalása (pl. 25 és 35 év közöttiek fiatal felnőttek ). Egyszerűbb kezelés, de információvesztés.

28 Skálatípus megválasztása Minél magasabb rendű a skála, annál magasabb az információtartalma lefelé skálázni lehet, de felfelé nem. Sok változó többféleképp is mérhető vagy utólag is transzformálható: pl. kategóriák vagy csoportok képzése.

29 Skálatípus megválasztása Hogyan kérdezhetek rá a dohányzási szokásokra úgy, hogy végeredményül a megadott változótípusba tartozó adatot kapjam? Vajon melyik a jobb? Miért? Nominális Cigarettázik? Igen nem Ordinális Cigarettázik? Rendszeresen keveset szív alkalmanként soha Metrikus Hány cigarettát szív el egy nap? db

30 Skálatípus megválasztása Statisztikai tesztek alkalmazhatósága: alacsonyabb skálákra érvényes tesztek mindig alkalmazhatók a magasabbakra, de információvesztéssel járhatnak. DE: a származtatott (transzformált) változó, pl. életkori csoportok képzése nem feltétlenül rosszabb! Pl. ha nem a pontos életkor a lényeges az adott kérdésben, a kategóriák képzése pontosabb eredményt adhat! Általános szabály: a releváns információ elhagyása pontatlanabbá, az irreleváns információ elhagyása pontosabbá teszi az elemzést.

31 Likert skálák dilemmái 1. melyik jobb megoldás? PÉLDA: Mennyire találja nőiesnek a beszélőt? 1) Inkább férfias Inkább nőies 2) inkább inkább férfias nőies 3) inkább inkább férfias nőies 4) inkább nem tudom/ inkább férfias nem érdekel nőies

32 Likert skálák dilemmái 2. mit kezd(het)ünk az értékekkel? PÉLDA: Mennyire találja nőiesnek a beszélőt? inkább nem tudom/ inkább férfias nem érdekel nőies A pszichológiai vizsgálatok eredménye szerint erősen eltérő válaszadási stratégiák léteznek. Pl. szélsőséges értékeket adók vs. köztes értékeket preferálók. Mit kezdhetünk ezzel? pl.: standardizálás egységesíti a skálát: az átlagos értékek középértékétől hány szórásnyira tér el egy adott válasz (az eltérés volumene egyénen belül értelmezett) lásd később adatelemzés órán.

33 Változók típusai Független változó/prediktor/faktor: A minta (a mérésünktől független) jellemzésére szolgáló mérőszám, gyakran a minta összeállításának szempontja is. Független változók: kategoriális változók (anyanyelv, nem), ordinális változók (kor: fiatal, közép, idős), metrikus változók (életkor: évek száma). Függő változó: A kísérlet hipotéziseinek tesztelésére szolgáló mérőszám: Értéke a független/prediktor változótól függ (az prediktálja = jósolja, határozza meg), legalábbis ezt a feltevést tesztelem. Függő változók: számszerű változók, statisztikai teszt alapja. Ordinális (ítéletek), metrikus (formáns, gyakoriság). De: nominális (logisztikus regresszió!)

34 Függő vagy független változók az alábbiak? Magánhangzók ejtésváltozatainak* elemzésében a formánsfrekvenciák. Magánhangzók ejtésváltozatainak* elemzésében a szocioökonómiai háttér. Magánhangzók ejtésváltozatainak* elemzésében az életkor. Magánhangzók ejtésváltozatainak* elemzésében az időtartam. Megakadásjelenségek** vizsgálatában az iskolázottság. Megakadásjelenségek** vizsgálatában a hezitációk száma. *pl. változik-e az /aː/ ejtése az időben / máshogyan ejtik-e a gyorsabb beszédűek. ** pl. többet megakadásjelenséget produkálnak-e a gyerekek, mint a felnőttek.

35 Kontrollálás és zavaró tényezők Zavaró tényező (confound): a két populáció közti különbség nem csak egy, hanem több független változóra is visszavezethető, ezért nem tudjuk, melyiknek a hatását mutattuk ki. (VAGY: nem találok különbséget a két csoport között, de kontrollált esetben lenne). Kontrollálás: a zavaró változókat figyelembe vesszük és állandóan tartjuk (hogy azok hatását szétválasszuk a vizsgált változó hatásától).

36 Példák: hogyan lenne kontrollált a kísérlet? Mi a gond? Hogyan védhetem ki? Kisiskolások olvasási teljesítményét mérem szövegértési feladatokkal. Az 1. és 2. osztályosok között nem találok különbséget. A kísérlet után kiderül, hogy a másodikosok között nagyon sok a diszlexiás. Egy kísérlet kimutatja, hogy a magánhangzók azonosítása jobb CVC kontextusban, mint izolációban. A CVC kontextusban azonban egyúttal valódi szavakat használnak a tesztben szemben az izolált ejtéssel, ami gyakorlatilag álszóban ejtést jelent.

37 Korban és nemben illesztett csoport, Kontroll csoport: kontroll csoport Egy hatás kimutatásához szinte mindig kell, hogy legyen egy baseline vagyis egy olyan feltétel/kondíció, ahol a hatás nem érvényesül (vs. ahol igen), pl. hangsúly hatásának vizsgálatánál a hangsúlytalan helyzet (vagy a pszichológiában/orvostudományban azok, akik a placebót kapják) ehhez hasonlítva várok eltérést a hatás következtében. Az összehasonlításban résztvevő csoportok esetében tipikusan kontrollálandó tényező a nem és az életkor. korban és nemben illesztett csoport : a kontroll csoportban is ugyanolyan nemű és életkorú egyének legyenek. ezt a két faktort ezzel állandóan tartom, azaz kontrollálom.

38 Szisztematikus és nem szisztematikus variancia Nem szisztematikus variancia: két adatközlő ugyanolyan körülmények között (pl. kísérlet első kondíciója: elsősök) nem teljesít ugyanúgy (pl. eltérő IQ, háttér, stb), de ha kétszer vizsgálom egyazon adatközlőt ugyanolyan körülmények között (ismétlés pl. egy héttel később), ő sem teljesít ugyanúgy mint a másik méréskor! zaj az adatokban. Szisztematikus variancia: a kísérleti manipuláció eredménye (pl. mennyi ideje tanul olvasni ), de az is befolyásolja, hogy pl. ilyen sorrendben mutatom be a stimulusokat! A cél a nem szisztematikus variancia minimalizálása. Hogyan?

39 Nem szisztematikus variancia minimalizálása 1. Ismételt méréses dizájnt használok: a két összehasonlított kondícióban lévő egyedek ugyanazok csak 2 eltérő körülményben (Pl.: az olvasós kísérlet követéses és a másodikoson ugyanazok, mint az elsősök 1 évvel később) független mintás dizájn (ahol az összevetett kondíciókban eltérő egyedek vannak). 2. Azonban itt sem mindegy a kondíciók sorrendje (pl. előbb álszókban, majd igazi szavakban kell V-t azonosítani)! megtanulják/begyakorolják a feladatot vagy elfáradnak ezek nem kizárhatók, de kezelhetők: randomizálni kell a kondíciók sorrendjét!

40 Randomizálás: példa V azonosítás izolált ejtésben melyik V-t könnyebb azonosítani? Kondíció: az egyes V-k. Egy emberrel általában minden V-t meghallgattatok ismételt méréses dizájn! Első inger: jaj, de hangos/fura! Második inger: már egészen megszoktam Utolsó inger: unom/rájöttem a trükkre. De ha minden adatközlő eltérő sorrendben hallja a V-kat, az unás/rájövés nem ugyanazokat a V-kat érinti ezek a hatások kiegyenlítődnek ingerek randomizálása. Független mintás esetben azt kell biztosítani, hogy a résztvevők a kondíciókhoz random módon sorolódjanak.

41 Gyakorlás kérdések Döntsük el az alábbi kérdéseket a következő dián szereplő kísérletleírásokkal kapcsolatosan: 1. Összetartozó/független mintás vagy ismételt méréses dizájnt használok? 2. Mi(k) a függő és mi(k) a független változó(k) az alábbi vizsgálatokban? 3. Milyen skálaszintű(ek) a függő változó(k)? 4. Milyen skálaszintű(ek) a független változó(k)? 5. Soroljuk fel azokat a főbb dolgokat, amiket minden bizonnyal kontrollálnom kell a kísérletben! 6. Mit és hogyan kell randomizálnom a kísérletben?

42 Gyakorlás kísérletek A hangsúly hatását vizsgálom a magánhangzók időtartamára a magyar 14 magánhangzójában. Minden magánhangzót 1-1 szó képvisel, ezt olvassák fel az adatközlők, így összesen 14 szót ejtetek ki minden beszélővel. A magyar /r/ és /r:/ ejtésváltozatait vizsgálom, és arra vagyok kíváncsi, hogy az időtartamuk, vagy a perdületek száma különbözteti-e meg őket. Mindkét mássalhangzót egy-egy szó képviseli. Minden beszélő csak az egyik szót tartalmazó mássalhangzót olvassa fel. A 14 magyar magánhangzó azonosítását vizsgálom izolációban (V) és mássalhangzó-környezetben (CVC). Arra vagyok kíváncsi, hogy jobb-e az azonosításuk mássalhangzó-környezetben. A hát diskurzusjelölő előfordulásának gyakoriságát vizsgálom nők és férfiak beszédében. A kérdésem az, hogy a nők valóban gyakrabban használják-e a hát-ot ellenvélemény bevezetésének jelölésére. A vizsgálatban spontán kétszemélyes társalgásokat elemzek egy fejtörő feladvány megoldása közben.

4. okt. 3.: statisztika: binomiális regresszió, saját kísérletek

4. okt. 3.: statisztika: binomiális regresszió, saját kísérletek Félév beosztása 1. szept. 12.: Általános infók, kísérletezés módszertana 2. szept. 19.: statisztika: repeated measures MANOVA, néhány kísérlet bemutatása irodalom alapján 3. szept. 26.: statisztika: mixed

Részletesebben

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában Statisztikai alapok Leíró statisztika Lineáris módszerek a statisztikában Tudományosan és statisztikailag tesztelhető állítások? A keserűcsokoládé finomabb, mint a tejcsoki. A patkány a legrondább állat,

Részletesebben

Az empirikus vizsgálatok alapfogalmai

Az empirikus vizsgálatok alapfogalmai Az empirikus vizsgálatok alapfogalmai Az adatok forrása és jellege Milyen kísérleti típusok fordulnak elő a beszédtudományokban? Milyen adatok jönnek ki ezekből? Tudományosan (statisztikailag) megválaszolható

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015 A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel

Részletesebben

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x

Részletesebben

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık

Részletesebben

Mondd meg, mit hallasz, és megmondom, ki vagy

Mondd meg, mit hallasz, és megmondom, ki vagy Mondd meg, mit hallasz, és megmondom, ki vagy Mády Katalin MTA Nyelvtudományi Intézet 2013. április 25. Mády (mady.katalin@nytud.hu) Mmmh ém kv 2013. április 25. 1 / 16 Nyelvi innova cio Lehet Nyugatina

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

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék Mérés és skálaképzés Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Miröl is lesz ma szó? Mi is az a mérés? A skálaképzés alapjai A skálaképzés technikái Összehasonlító skálák Nem összehasonlító

Részletesebben

Bevezetés az SPSS program használatába

Bevezetés az SPSS program használatába Bevezetés az SPSS program használatába Statisztikai szoftver alkalmazás Géczi-Papp Renáta SPSS alapok Statistical Package for Social Sciences SPSS nézetek: Data View Variable View Output Viewer Sintax

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

y ij = µ + α i + e ij

y 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

Részletesebben

A statisztika alapjai - Bevezetés az SPSS-be -

A statisztika alapjai - Bevezetés az SPSS-be - A statisztika alapjai - Bevezetés az SPSS-be - Kvantitatív statisztikai módszerek Petrovics Petra, Géczi-Papp Renáta SPSS alapok Statistical Package for Social Sciences SPSS nézetek: Data View Variable

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi az adat? Az adat elemi ismeret. Az adatokból információkat Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

PIACKUTATÁS (MARKETINGKUTATÁS)

PIACKUTATÁS (MARKETINGKUTATÁS) PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel

Részletesebben

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk? Feladatok: pontdiagram és dobozdiagram Hogyan csináltuk? Alakmutatók: ferdeség, csúcsosság Alakmutatók a ferdeség és csúcsosság mérésére Ez eloszlás centrumát (középérték) és az adatok centrum körüli terpeszkedését

Részletesebben

Adatelemzés az R-ben. 2014. április 25.

Adatelemzés az R-ben. 2014. április 25. Adatelemzés az R-ben 2014. április 25. Kísérleti adatok elemzése Kísérlet célja: valamilyen álĺıtás vagy megfigyelés empirikus és szisztematikus tesztelése. Pl. a nők többet beszélnek, mint a férfiak,

Részletesebben

Nemparametrikus tesztek. 2014. december 3.

Nemparametrikus tesztek. 2014. december 3. Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha

Részletesebben

Adattípusok, ábrák és grafikonok az excelben

Adattípusok, ábrák és grafikonok az excelben Adattípusok, ábrák és grafikonok az excelben Táblázatok és grafikonok Elsőként mindig érdemes táblázatokba rendezni és ábrázolni az adatokat! Miért? Ismerkedjünk az adatokkal! Milyen különbségek látszanak?

Részletesebben

Vargha András Károli Gáspár Református Egyetem Budapest

Vargha András Károli Gáspár Református Egyetem Budapest Vargha András Károli Gáspár Református Egyetem Budapest Kötelező irodalom a kurzushoz Vargha András: Matematikai statisztika pszichológiai, nyelvészeti és biológiai alkalmazásokkal (2. kiadás). Pólya Kiadó,

Részletesebben

A beszédstílus meghatározó tényezői és temporális jellemzői

A beszédstílus meghatározó tényezői és temporális jellemzői A BESZÉD ÉS AMI MÖGÖTTE VAN Magyar nyelv hete 2012. április 25. A beszédstílus meghatározó tényezői és temporális jellemzői Gráczi Tekla Etelka Beszédstílus Beszédstílus = az írás, megszólalás módja A

Részletesebben

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció: Biostatisztika = Biometria = Orvosi statisztika Biomatematika 2. előadás Néhány egyszerű definíció: A statisztika olyan tudomány, amely a tömegjelenségekkel kapcsolatos tapasztalati törvényeket megfigyelések

Részletesebben

STATISZTIKA I. A változók mérési szintjei. Nominális változók. Alacsony és magas mérési szint. Nominális változó ábrázolása

STATISZTIKA I. A változók mérési szintjei. Nominális változók. Alacsony és magas mérési szint. Nominális változó ábrázolása A változók mérési szintjei STATISZTIKA I. 3. Előadás Az adatok mérési szintjei, Viszonyszámok A változók az alábbi típusba tartozhatnak: Nominális (kategorikus és diszkrét) Ordinális Intervallum skála

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y 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.

Részletesebben

a munkaerőpiac számos szegmensében egyaránt szükségszerű a használata (Szabó

a munkaerőpiac számos szegmensében egyaránt szükségszerű a használata (Szabó Szakmai és kommunikációs kompetencia a spontán beszédben Erdős Klaudia Nyelvtudományi Doktori Iskola Alkalmazott nyelvészet program ELTE BTK Bevezetés Kompetencia = alkalmasság, hozzáértés Latin competo

Részletesebben

Szakpolitikai programok és intézményi változások hatásának elemzése

Szakpolitikai programok és intézményi változások hatásának elemzése Szakpolitikai programok és intézményi változások hatásának elemzése Kézdi Gábor Közép-európai Egyetem (CEU) és MTA KRTK A Magyar Agrárközgazdasági Egyesület konferenciája Budapest A hatás tényellentétes

Részletesebben

MINTAVÉTELEZÉS. Alaptípusai: sampling. véletlen érvényesítésére v. mellőzzük azt. = preferenciális mintav. = véletlen mintav.

MINTAVÉTELEZÉS. Alaptípusai: sampling. véletlen érvényesítésére v. mellőzzük azt. = preferenciális mintav. = véletlen mintav. A teljes alapsokaságot nem ismerhetjük meg. MINTAVÉTELEZÉS Fontossága: minden későbbi értékelés ezen alapszik. Alaptípusai: Szubjektív folyamat Objektív folyamat (non-probabilistic) (probabilistic) sampling

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

Az első számjegyek Benford törvénye

Az első számjegyek Benford törvénye Az első számjegyek Benford törvénye Frank Benford (1883-1948) A General Electric fizikusa Simon Newcomb (1835 1909) asztronómus 1. oldal 2. oldal A híres arizonai csekk sikkasztási eset http://www.aicpa.org/pubs/jofa/may1999/nigrini.htm

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

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

A deixis megjelenési formái a prozódiában

A deixis megjelenési formái a prozódiában A deixis megjelenési formái a prozódiában Erdős Klaudia ELTE BTK Nyelvtudományi Doktori Iskola Bevezetés - deixis A deixis fogalma - ógör. deiktikos mutatás - megnyilatkozás körülményeire mutat Típusok

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

[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

A statisztika alapjai - Bevezetés az SPSS-be -

A statisztika alapjai - Bevezetés az SPSS-be - A statisztika alapjai - Bevezetés az SPSS-be - Petrovics Petra PhD Hallgató SPSS (Statistical Package for the Social Sciences ) 2 file: XY.sav - Data View XY.spv - Output Ez lehet hosszabb név is Rövid

Részletesebben

Félidőben félsiker Részleges eredmények a kutatásalapú kémiatanulás terén

Félidőben félsiker Részleges eredmények a kutatásalapú kémiatanulás terén Félidőben félsiker Részleges eredmények a kutatásalapú kémiatanulás terén Szalay Luca 1, Tóth Zoltán 2, Kiss Edina 3 MTA-ELTE Kutatásalapú Kémiatanítás Kutatócsoport 1 ELTE, Kémiai Intézet, luca@caesar.elte.hu

Részletesebben

V. Gyakorisági táblázatok elemzése

V. Gyakorisági táblázatok elemzése V. Gyakorisági táblázatok elemzése Tartalom Diszkrét változók és eloszlásuk Gyakorisági táblázatok Populációk összehasonlítása diszkrét változók segítségével Diszkrét változók kapcsolatvizsgálata Példák

Részletesebben

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

Óvodás és kisiskolás gyermekek interpretált beszédének vizsgálata

Óvodás és kisiskolás gyermekek interpretált beszédének vizsgálata X. Alkalmazott Nyelvészeti Doktoranduszkonferencia 2016. február 5.. Óvodás és kisiskolás gyermekek interpretált beszédének vizsgálata Vakula Tímea ELTE BTK NyDI, III. évf. Bevezetés a beszélt nyelv feldolgozásának

Részletesebben

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H

Részletesebben

Beszédészlelés 1: Beszédpercepció. A beszédpercepció helye a beszédmegértési folyamatban

Beszédészlelés 1: Beszédpercepció. A beszédpercepció helye a beszédmegértési folyamatban Beszédészlelés 1: Beszédpercepció A beszédpercepció helye a beszédmegértési folyamatban A beszéd reprezentációja Akusztikus (obj) a frekvencia és intenzitás (változása) az időben Artikulációs (obj) artikulációs

Részletesebben

2006. szeptember 28. A BESZÉDPERCEPCI DPERCEPCIÓ. Fonetikai Osztály

2006. szeptember 28. A BESZÉDPERCEPCI DPERCEPCIÓ. Fonetikai Osztály 2006. szeptember 28. ÖNÁLLÓSULÓ FOLYAMATOK A BESZÉDPERCEPCI DPERCEPCIÓ FEJLŐDÉSÉBEN Gósy MáriaM Fonetikai Osztály AZ ANYANYELV-ELSAJ ELSAJÁTÍTÁSRÓL Fő jellemzői: univerzális, relatíve gyors, biológiai

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE 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

Részletesebben

Beszédhiba és beszédfeldolgozás

Beszédhiba és beszédfeldolgozás Beszédhiba és beszédfeldolgozás Gósy Mária MTA - ELTE Mi a beszéd? A gondolat kifejeződése, informáci ció,, verbális gesztus, artikuláci ciós s mozgássorozat, akusztikai hullámforma, mechanikus rezgés,

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze. Célja: - a sokaságot

Részletesebben

Logisztikus regresszió

Logisztikus regresszió Logisztikus regresszió Bekövetkezés esélye Valószínűség (P): 0 és 1 közötti valós szám, az esemény bekövetkezésének esélyét fejezi ki. Fej dobásának esélye: 1:2 = 1 2 = 0,5. Odds/esélyérték (O): a tét

Részletesebben

TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített)

TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített) TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített) Szakkollégiumi műhely megnevezése: Meghirdetés féléve: Tantárgy/kurzus megnevezése: BGF GKZ Szakkollégiuma 2011/2012. tanév II. félév SZAKKOLLÉGIUM

Részletesebben

A spontán beszéd kísérőjelenségei

A spontán beszéd kísérőjelenségei 2013. április 25. A spontán beszéd kísérőjelenségei Neuberger Tilda Fonetikai Osztály A beszéd antropofonikus elmélete A beszéd biológiai alapja: azonos hangképző apparátus (Laver 1994) Elsődlegesen nem

Részletesebben

Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19.

Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19. Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19. Varianciaanaĺızis Adott egy parametrikus függő változó és egy vagy több kategoriális független változó.

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016 Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait

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

Kutatói pályára felkészítı modul

Kutatói pályára felkészítı modul Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

Bevezető Mi a statisztika? Mérés Csoportosítás Gazdaságstatisztika 1. előadás Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.bmf.hu) Fogadóóra: szerda 11:30 11:55, TA125 Gyakorlatvezető

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

Magánhangzónyújtások a gyermeknyelvben

Magánhangzónyújtások a gyermeknyelvben VI. Alkalmazott Nyelvészeti Doktoranduszkonferencia Magánhangzónyújtások a gyermeknyelvben Deme Andrea ELTE Nyelvtudományi Doktori Iskola 2012. február 3. A magánhangzók időtartamát meghatározó tényezők

Részletesebben

Kvantitatív kutatás mire figyeljünk? Majláth Melinda PhD Tartalom. Kutatási kérdés kérdőív kérdés. Kutatási kérdés kérdőív kérdés

Kvantitatív kutatás mire figyeljünk? Majláth Melinda PhD Tartalom. Kutatási kérdés kérdőív kérdés. Kutatási kérdés kérdőív kérdés Kvantitatív kutatás mire figyeljünk?. Tartalom Kutatási kérdés Mintaválasztás Kérdésfeltevés Elemzés Jánossy Ferenc Szakkollégium- TDK felkészítő előadások sorozat, 2016. február Óbudai Egyetem Mintavétel

Részletesebben

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA

BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BEKE ANDRÁS, FONETIKAI OSZTÁLY BESZÉDVIZSGÁLATOK GYAKORLATI ALKALMAZÁSA BESZÉDTUDOMÁNY Az emberi kommunikáció egyik leggyakrabban használt eszköze a nyelv. A nyelv hangzó változta, a beszéd a nyelvi kommunikáció

Részletesebben

1 Hipot ezisek, sk alat ıpusok Objektumok az R-ben

1 Hipot ezisek, sk alat ıpusok Objektumok az R-ben 1 Hipotézisek, skálatípusok Objektumok az R-ben Félév beosztása 1. Hipotézisek, skálatípusok. 2. Eloszlások, szórás. 3. Korreláció (Kendall s tau, Spearman s rho, Pearson s r). 4. Normális eloszlás, standard

Részletesebben

Sta t ti t s i zt z i t k i a 3. előadás

Sta t ti t s i zt z i t k i a 3. előadás Statisztika 3. előadás Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan A statisztika, mint gyakorlati tevékenység a tömegesen előforduló jelenségek egyedeire vonatkozó információk

Részletesebben

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

III. 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

Részletesebben

2012. április 18. Varianciaanaĺızis

2012. április 18. Varianciaanaĺızis 2012. április 18. Varianciaanaĺızis Varianciaanaĺızis (analysis of variance, ANOVA) Ismételt méréses ANOVA Kérdések: (1) van-e különbség a csoportok között (t-próba általánosítása), (2) van-e hatása a

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

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana Domokos Tamás, módszertani igazgató A helyzetfeltárás célja A közösségi kezdeményezéshez kapcsolódó kutatások célja elsősorban felderítés,

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

Matematikai alapok és valószínőségszámítás. Normál eloszlás

Matematikai alapok és valószínőségszámítás. Normál eloszlás Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak

Részletesebben

Szocio- lingvisztikai alapismeretek

Szocio- lingvisztikai alapismeretek Szocio- lingvisztikai alapismeretek 10. A szociolingvisztika kialakulásának okai Hagyományos nyelvészet: A nyelv társadalmi normák strukturált halmaza (invariáns, homogén) Noam Chomsky: A nyelvelmélet

Részletesebben

A VIZUÁLIS TÖMEGMÉDIA HATÁSA SERDÜLŐ LÁNYOK ÉS FIATAL NŐK TESTKÉPÉRE ÉS TESTTEL KAPCSOLATOS ATTITŰDJÉRE

A VIZUÁLIS TÖMEGMÉDIA HATÁSA SERDÜLŐ LÁNYOK ÉS FIATAL NŐK TESTKÉPÉRE ÉS TESTTEL KAPCSOLATOS ATTITŰDJÉRE A VIZUÁLIS TÖMEGMÉDIA HATÁSA SERDÜLŐ LÁNYOK ÉS FIATAL NŐK TESTKÉPÉRE ÉS TESTTEL KAPCSOLATOS ATTITŰDJÉRE Készítette: Szabó Orsolya 2012. június 22. A témaválasztás indoklása - Saját élmény, tapasztalat

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

A tartalomelemzés szőkebb értelemben olyan szisztematikus kvalitatív eljárás, amely segítségével bármely szöveget értelmezni tudunk, és

A tartalomelemzés szőkebb értelemben olyan szisztematikus kvalitatív eljárás, amely segítségével bármely szöveget értelmezni tudunk, és Tartalomelemzés A tartalomelemzés szőkebb értelemben olyan szisztematikus kvalitatív eljárás, amely segítségével bármely szöveget értelmezni tudunk, és végeredményben a szöveg írójáról vonhatunk le következtetéseket.

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Populációbecslés és monitoring. Eloszlások és alapstatisztikák Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk

Részletesebben

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kettőnél több csoport vizsgálata. Makara B. Gábor Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10

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

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.

Részletesebben

Kutatásmódszertan. Kulturális szempont megjelenése. Modulok áttekintése. Történet Témák és megközelítések. 11. Társadalmi nézőpont

Kutatásmódszertan. Kulturális szempont megjelenése. Modulok áttekintése. Történet Témák és megközelítések. 11. Társadalmi nézőpont Kutatásmódszertan. Társadalmi nézőpont Modulok áttekintése Kulturális szempont megjelenése Kulturális összehasonlító pszichológia Kulturális pszichológia Értékelő vizsgálatok HÁZI FELADAT 2006.08.29. Kutatásmódszertan:

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

Elméleti összefoglalók dr. Kovács Péter

Elméleti összefoglalók dr. Kovács Péter Elméleti összefoglalók dr. Kovács Péter 1. Adatállományok létrehozása, kezelése... 2 2. Leíró statisztikai eljárások... 3 3. Várható értékek (átlagok) vizsgálatára irányuló próbák... 5 4. Eloszlások vizsgálata...

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több 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...

Részletesebben

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

[Biomatematika 2] Orvosi biometria. Visegrády Balázs [Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés

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

N É Z D - H A L L D - ÉREZD- M O N D D! A Z É S Z L E L É S n o v e m b e r 1 4.

N É Z D - H A L L D - ÉREZD- M O N D D! A Z É S Z L E L É S n o v e m b e r 1 4. Ó V O D Á S O K É S K I S I S K O L Á S O K S Z Ó K I N C S É N E K É S N Y E L V I T U D A T O S S Á G Á N A K V I Z S G Á L A T A É S F E J L E S Z T É S I L E H E T Ő S É G E I S Z A B Ó Á G N E S E

Részletesebben

Sta t ti t s i zt z i t k i a 1. előadás

Sta t ti t s i zt z i t k i a 1. előadás Statisztika 1 előadás Témakörök Statisztikai alapfogalmak Statisztikai sorok Mennyiségi sorok csoportosítása Statisztikai táblák Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE 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

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.

Részletesebben

2. MÉRÉSELMÉLETI ISMERETEK

2. MÉRÉSELMÉLETI ISMERETEK 2. MÉRÉSELMÉLETI ISMERETEK A fejezet célja azoknak a módszereknek a bemutatása, amelyekkel adatokat gyűjthetünk annak érdekében, hogy kérdéseinkre választ kapjunk. Megvizsgáljuk azokat a feltételeket is,

Részletesebben

Páros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor

Páros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor MTA SZTAKI Operációkutatás és Döntési Rendszerek Kutatócsoport Budapesti Corvinus Egyetem Operációkutatás és Aktuáriustudományok Tanszék

Részletesebben

Ismétlı áttekintés. Statisztika II., 1. alkalom

Ismétlı áttekintés. Statisztika II., 1. alkalom Ismétlı áttekintés Statisztika II., 1. alkalom Hipotézisek Milyen a jó null hipotézis?? H0: Léteznek kitőnı tanuló diszlexiások. Sokkal inkább: H0: Nincs diszlexiás kitőnı tanuló általános iskolában Mo-on.

Részletesebben

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

4/24/12. 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

Részletesebben

Beszédfeldolgozási zavarok és a tanulási nehézségek összefüggései. Gósy Mária MTA Nyelvtudományi Intézete

Beszédfeldolgozási zavarok és a tanulási nehézségek összefüggései. Gósy Mária MTA Nyelvtudományi Intézete Beszédfeldolgozási zavarok és a tanulási nehézségek összefüggései Gósy Mária MTA Nyelvtudományi Intézete Kutatás, alkalmazás, gyakorlat A tudományos kutatás célja: kérdések megfogalmazása és válaszok keresése

Részletesebben

Valószínűségi változók. Várható érték és szórás

Valószínűségi változók. Várható érték és szórás Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :

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

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015 A pedagógiai kutatás metodológiai alapjai Dr. Nyéki Lajos 2015 A pedagógiai kutatás jellemző sajátosságai A pedagógiai kutatás célja a személyiség fejlődése, fejlesztése során érvényesülő törvényszerűségek,

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati 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

Részletesebben

Változók eloszlása, középértékek, szóródás

Változók eloszlása, középértékek, szóródás Változók eloszlása, középértékek, szóródás Populáció jellemzése Empirikus kutatás (statisztikai elemzés) célja: a mintából a populációra következtetni. Minta: egy adott változó a megfigyelési egységeken

Részletesebben