véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
|
|
- Viktória Bodnárné
- 5 évvel ezelőtt
- Látták:
Átírás
1 BEVEZEÉS statsztka telese lakusokak: ag mukával gűtött adatok vzsgálata, abból következtetések levoása ( statstcal feece ) (Eg kcst sok hűhó semmét azaz Much ado about othg.) M s a statsztka? Eg populácóból veszük mtát. ( szavakat a KSH találta k.) mta alapá akauk valamt moda, de az egész populácóól. 3 Állítsuk megbízhatóságáól s latkozuk. NÉPSZVZÁS 4 mtavétel em akámle. káhászo elvégezzük, más és más eedmét kapuk. Ez a mtavétel lesz a dolog kulcsa.. VENEREL DISESE Ezét kell éte a valószíűségszámításhoz. Nevezzük a mtavételt kíséletek. Kísélet : detemsztkus : előe meghatáozható eedméhez vezet véletle : statsztka tövéekek egedelmeskedk (M az am közös a épszavazásba, a betegségek gógulásába és a fz. kém. laboba?) M kell a statsztka taulásához? MEMIK: halmazelmélet algeba métékelmélet (dffeecál- és tegálszámítás) aalízs Példa: NÉPSZVZÁS (Belépe-e az Egesült Kálság az Euópa Uóba?) YES NO SUM Scotlad Nothe Ielad Kédés: Va-e külöbség Scotlad és Nothe Ielad vélemée között? Válasz: ak a valószíűsége, hog cs, 0 8.
2 MIK VÉLELEN ÖRVÉNYEI? Defícó: Esemété: a véletle kísélet összes lehetséges kmeeteléek halmaza. Eleme: az eges kíséletek kmeetele. z esemété lehet: kolátos foltoos: pl. testmagasság végtele dszkét: pl. adoaktív bomlás véges dszkét: pl. látósetek száma a etá, kockadobás, ua (MI BJ KLSSZIKUS ELMÉLEEL?? (Kombatoka)) végtele foltoos: ha íg defáluk! egváltozós többváltozós Defícó: Esemé: z esemété tetszőleges észhalmaza. Elevezés: Bekövetkezk eg esemé, ha a kísélet ola kmeetele fodul elő, amelek valód észe az esemé. HF. Há lehetséges esemé va eg kocka dobásáál (és kettőél)? Eg kocka: ába Ø: az ües halmaz (hog az esemété zát lege, e vezesse k belőle semmle művelet.) Defícó: Dszukt (egmást kzáó) eseméek: Ha (tetszőleges páa) cse páokét közös észük. ( metszetük ües.) Példák: Páatla / páos kocka vag ksebb / -él agobb VLÓSZÍNŰSÉGSZÁMÍÁS XIÓMÁI Lege: és B eg esemété két (dszukt) esemée (azaz B 0). Jelölés: P() az, P(B) a B esemé valószíűséget elölő számok, ha telesül 3 aóma.. 0 P() P(B)-e temészetese ugaez gaz. P( B) P() + P(B) 3. P(S) S: teles esemété
3 Mle esemé B??? E aóma elég. P U Szokás még: P ( ) vag 0 P() de ezek má az előzőek következmée! Néhá fotos következmé: valószíűség számítás tételek 0. P(Ø) 0. P(). P( ) P() Há esemét specfkál eg kísélet kmeetele? ( az komplemetee.) P U kteesztés több (páokét függetle) esemée 3. P ( ) 4.. aóma következmée: eseméek külöbségéek valószíűsége P ( / B) P ( ) P ( V) (Ha B P ( / B) P ( ) P ( B) Mle esemé az / B? 5. Ha két esemé em dszukt, felbotható háom dszukt esemée. Lege D E Ø Felbotás: D E, D / (D E), E / (D E) uóuk: D E P (D E) P (D / (D E)) + P (E / (D E) P (D) + P (E) P (D E) Vegük észe: ha D és E dszuktak, vsszakapuk a. aómát. Kteeszthetük több esemée POINCRÉ tétele. Mt elet B? (Ha B, akko s.) Ekko: P () P (B) P (B / ) P (B) P () Hog álluk P ( / B)-vel? FELÉELES VLÓSZÍNŰSÉG Jelölés: B :, feltéve, hog B bekövetkezett. Defícó: P ( B) ( B) P( B) P az esemé B-e voatkoztatott feltételes valószíűsége. 3
4 étel: és B eseméek függetleek, ha P ( B) P () P (B) Bzoítás: P ( B) P( ) P ( B) ( B ) P ( B) P (a B esemé valószíűsége függetle -tól.) Szmmeta okokból ( B) P ( ) P valószíűség gakolat ételmezése: apasztalat gakoság Klasszkus valószíűség (egeletes, dszkét) Geometa valószíűség Defícó: Függetleek egmástól azok a kíséletek, amelek kmeeteleek valószíűségét em befolásolák a több kíséletek kmeetele. Elevezés: Ismétlés: ha az úabb kíséletek függetleek a koábbaktól. Beoull tétele (sztochasztkus kovegeca): h, tapasztalat gakoság p ( P ( ) p < ε ) lm P, tetszőleges ε -a (z aómák gazolhatók a h, tapasztalat gakoságokból p em kell hozzá az egeletes valószíűség.) VLÓSZÍNŰSÉGI VÁLOZÓK ehéz fogalom! Elevezés: Egszeű (elem) eseméek: dszkét esemété eleme. Foltoos esemétébe: X ( + ) MÉRÉSKOR NINCS FOLYONOS ESEMÉNYÉR! Madem lehetetle esemé Madem bztos esemé 0 lehetetlesége: két embe két molekula } távolsága 4
5 Defícó: valószíűség változó az esemétée ételmezett függvé. kísélet mde eges kmeeteléek megfelelőe felvesz eg étéket, ez az ő ealzácóa. Étékkészlete alkota a valószíűség változó eseméteét. Más eve: statsztka. Változó: NGY lat betű, Mt elet P (X )? ealzácó: ks lat betű Hog va ez eg kocka dobásáál?? M a foltoos megfelelőe a P (X ) -ek?? P ( < X + ) vag, ha elvégezhető a 0 átmeet: P ( < X + d ) M a 0 feltétele??? N. B. Valószíűség változók bámel függvée s valószíűség változó! (Mét?) Bámel függvé, amel évées valószíűség változók között, évées ugaúg a ealzácók között s. (Mét?) VLÓSZÍNŰSÉGI SŰRŰSÉGFÜGGVÉNY Lege X eg valószíűség változó, S az ő esemétee. Kédés: Hoga oszlaak el S fölött a valószíűségek? Defícó: Ha X foltoos valószíűség változó, akko valószíűség sűűségfüggvée az az f () függvé, amelek az tevallumo vett tegála megada aak a valószíűségét, hog X ealzácó az tevallumo belül leszek, azaz: el. P ( X ) P ( ) f d. z X (X, + d ) elem esemé valószíűsége f () d, és f () d 0, d 3. f ( ) S (, )-bel defícó eseté: d f Hog lehet ezt íg kteeszte? 5
6 Defícó: Ha X dszkét valószíűség változó, akko mde eges étéke (ealzácóa) elem esemé, p() valószíűséggel. Ekko a p() P (X ) az X valószíűség sűűségfüggvée. Ee gaz elölés. P ( ) P ( ) p. 0 p () 3. p alóga: ömegpotok / kotuum mechakáa test test m ρ dv test ( m ) f f ρ dv ρ : tömegsűűség test (Steltes tegál) Mostaa épült fel telese a haszálható matematka appaátus: Véletle kísélet kmeetelek S halmaz esemété S X 0 esemé valószíűsége P() valószíűség változó X R 0 X f p d a ealzácó valószíűsége ( matematkus em az S halmazt tekt alapkét, haem aak összes észhalmazából álló H halmazt!) 6
7 Defícó: z Y valószíűség változó eloszlásfüggvée: F() P ( ) p( ) F dszkét < F f foltoos ( ) d Fogalmak áttektése \ eloszlás típusa foltoos dszkét sűűségfüggvé f () p() elem esemé valószíűsége f () d p() adott esemé valószíűsége f d p eloszlásfüggvé F() F() P (X ) F() F() P ( X ) F( ) F( ) F( ) F( ) f ( d) X X p Vegük észe! lm P( a < X b) 0 a b foltoos X-e P( b) 0 b madem lehetetle esemé p ( b) 0 madem bztos esemé VÁRHÓ ÉRÉK Defícó: X valószíűség változó bámel g() függvééek váható étéke: M ( g ) g S f g d p foltoos dszkét 7
8 (Steltes tegállal: ( g ) g df Feltételek: Ha a g p M ) so koveges. vag a g f Specáls váható étékek: 0 d tegál létezk és véges. X váható étéke (X átlaga, X eloszlásáak középétéke) µ µ M Jeletése: ezt szóák köül a kísélet eedmée. M: mea (más elölés: E: epectato) X (eloszlásáak) -edk cetáls mometuma µ M µ 8 S f p d [( ) ] M ( M ) [ ] N.B.: Ha az eloszlás szmmetkus, mde páatla cetáls mometuma zéus. ába. cetáls mometum: X (eloszlásáak) szóáségzete / vaacáa D V µ M ( µ ) Elevezés: Stadad devácó (hba): D D: devato : scatte Két valószíűség változó eseté: KOVRINCI [ ] M [( M ) ] ( X, Y ) M [( µ )( Y )] C µ Vegük észe a hatáesetet: C (X, X) D (X) V(X) (szóáségzet, vaaca) Kovaaca mát: eleme: C(X, X ) főátló: V(X ) ( vaaca) Belőle számazk a koelácós egüttható: ( X, Y ) D ( Y ) C ρ ( X, Y ) omált kovaaca D
9 étel: Ha X és Y függetleek M(XY) M(X) M(Y) ekko C(X, Y) 0 és ρ (X, Y) 0 MEGFORDÍV CSK KKOR IGZ, ha X és Y egüttes eloszlása omáls. étel: Mde emegatív f (), ha tegálható a (, ) tevallumo, és f d Ha g d N g, valószíűség sűűségfüggvé lehet., de véges, akko s lehet sűűségfüggvé, ahol N g d N : NORM ELOSZLÁSFÜGGVÉNY ÍPUSOK Bomáls eloszlás Lege: tetszőlegese smételhető kísélet két kmeetellel: és P() p P( ) q p Bomáls mtavétel Lege smétlésből K az eseméek száma { 0,,, } S K k S Defícó: P K k p k k k q ( ) ez a sűűségfüggvé Jelölés: K ~ B(p, ) év eedete: P (K k) kfeezés a (p + q) bomáls soból való. µ p p q p ( p) Más év: Beoull-eloszlás smételt alteatívák eloszlása lakalmazás: Népszavazás, feleletválasztás, stb... 9
10 Posso eloszlás Dszkét Gaka haszálható. Időbe: egeletes valószíűséggel bekövetkező eseméek száma adott dőtevallumba. ébe: egeletes valószíűséggel bekövetkező eseméek (véletle elhelezkedése) száma adott felülete. (Esőcsepp, adoaktív bomlás, gépelés hba, LÓRÚGÁS, fogalom, gólok focmeccse, telefohívások, setszapoodás, születések száma) Esemété: N Jelölés: K ~ P(m) Defícó P (K k) P(b) m k m e k! k N µ m m m étel: c-szees tevallum: K ~ P(c m) ha K ~ P(m ) és K ~ P(m ) függetleek, akko K + K ~ P (m + m ) Hatáeloszlás-tételek: B, ha p << ( p ) P( p) B ( p ) P( p), ha lm p m (azaz, ha ő, p csökke) Epoecáls eloszlás Foltoos Időbe: (egeletes eloszlású) véletle eseméek bekövetkezéséek deég eltelt dő ÉLERM-eloszlás ébe: (egeletes eloszlású)véletle eseméek heléek távolsága eg adott (tetszőleges) heltől Váakozás!, ütközések távolsága /dee, élettatam. REKCIÓKINEIK! f a e 0, a, ha a > 0 ha 0 < 0 F e e µ a átlagos élettatam, ütközés gakoság, szabad úthossz, elaácós dő 0
11 a a Posso okoa! POISSON-folamat Nomáls eloszlás Felfedezőe: baham de Move ezét hívák még Gauss-eloszlásak. Pétevá áték: ddg dobuk, míg fe em ö k. Ha -edke dobuk feet, ubelt kapuk. Met kell befzet a bakak, hog e mee töke? Dobások: B(0.5, ) de Move: lm P ( h, fe h, íás < ) Defícó ( µ ) f e < < π π e d Jelölés: X ~ N (µ, ) Defícó µ a Z X SNDRD NORMÁLIS eloszlású Z ~ N (0, ) f ( z) e π Hatáeloszlások z + µ táblázatok, belső függvéek (matematkusok-fzkusok) Közpot hatáeloszlás tétele Legeek,,... azoos eloszlású valószíűség változók, µ és (véges) paaméteekkel, akko eseté a ~ N (, ) : Méések!! µ, továbbá ~ lm N, µ, amből (, ) χ eloszlás ν e f 0 <, ν > 0 ν ν Γ
12 ~ χ ν ν a szabadság fokok száma Mét fotos? Ha,, 3,... függetleek és N (µ, ) eloszlásúak: Váható étéke: µ ν W µ W ~ χ Méések! Elevezés: W m ~ χ edukált χ - eloszlás: µ Studet-féle t-eloszlás (Studet: agol ú áleve, eze a éve íta matematka ckket) Kvételes: t ks betű, de valószíűség változó!! lm ν ν f < t <, ν > 0 ( t) t N ν + ν, t ν β + ν ν Γ Γ ν β, ν Γ + ába ( 0, ) Jeletőség: mtavétel ld. később ν 30 fölött az eltéés ksebb mt 0 % Z Ha Z ~ N (0, ) és U ~ χ ν függetleek, akko ~ tν U ν F-eloszlás (Fshe-féle F-eloszlás) ~ ν ~ ν f () ge boolult Ha U χ és V χ függetleek, akko edukált háadosak eloszlása le: µ ν ν ν ~ ν ν F és, F ν, ν F ν ν, Számolás: χ ν ν, ν F
13 SISZIKI MÓDSZEREK Mtavétel: (,, 3,... ) elemek kválasztása a sokaságból mta Becslés: f statsztkák számítása mtastatsztka függ a mtától!! Statsztka aalízs: kofdeca szgfkaca hpotézs modell lleszkedés vzsgálatok Szükség va eloszlásáak smeetée!! (z eloszlás smeetée em mdg: NEMPRMÉERES ROBUSZUS módszeek) feladat leggakabba ( t) ( t) ( ) P P P t t típusú valószíűségek számítása Mtavétel külö tudomá (pl. kísélettevezés) Idealzált: smétlés: méések,,... azoos eloszlású kmetelek el ( ), K a megfgelések valamel függvée: mtastatsztka () eloszlása a mta eloszlása, amel az -k eloszlásától függ. Kokét példák mta középétéke : Jelölés: eloszlása általába em smet! ~ N µ,, akko ~ N µ, M M µ tozítatla becslése ha D µ N.B. övelésével csak ezét a mta középétéke -szeesée csökke a szóás! 3
14 mta szóáségzete Defícó: ( ) S S Ha ~ N (, ), µ, µ akko ~ t S Számolás : ( S ) S számláló: Z-szeű, evező: edukált χ -szeű ( ) M tozítatla becslése S a mta szóáségzete mta kovaacáa: BECSLÉS Cˆ ( )( ) X, Y ( C( X, Y )) C( X Y ) M ˆ, a kovaaca tozítatla becslése mta statsztkáát úg választuk meg (o meg a mtát!), hog az eloszlás θ paaméteéhez közel lege. (Szovet modás: hazugságak háom fokozata va: maga elv sem kuta: z eláás: becslés (estmato) valószíűség változó: becslés (estmato) eg ˆ ealzácóa: becslés (estmate). hazugság. acátla hazugság 3. statsztka ) becslés eláás becslő függvé becsült éték N. B. eg valószíűség változó. Realzácóa a kokét mtától függ. Általába eloszlása, váható étéke, szóása. Eg ó becslő. tozítatla M() θ. hatásos ( mmum vaaca ) 3. elégséges ha a () mde szükséges fomácót tatalmaz θ-ól. ( hatásos becslés elégséges!!) 4. kozsztes ha lm P( < ε ) Feltétel: ha tozítatla, és lm D ( ) 0 5. kogues M ( f ( t) ) f ( M ( t) ) ozítatla hatásos becslés: Mmum Vaace Ubased MVU 4
15 Módszeek Mamum lkelhood (ML) MVU, elégséges, kozsztes Legksebb égzetes azoos omáls eloszlású mtaelemek eseté mamum lkelhood Mometumok módszee em foglalkozuk vele Mma ezzel sem µˆ ML becslés (MVU) ( ) ˆ S ML becslés (MVU) ( ) ˆ aszmptotkusa hatásos, kozsztes. D a becsült váható éték elatív hbáa: (eg ealzácó stadad hbáához vszoítva) HIBERJEDÉS Lege θ, θ,...θ fzka meségek φ függvée a becsüledő Becsülük az eged θ -ket és szóásukat Ebből becsülük φ (θ)-t és D (φ (θ))-t Lege a becslő függvé: φ (,,... ) Fetsük soba θ köül! (alo-so) φ φ (,, K ) φ(, K ) + ( ) + K, (magasabb edű tagok) Ha D (θ ) kcs θ -hez képest, akko θ s kcs. Íg elegedő a ( θ ) elsőfokú tagok fgelembevétele, a ( θ ) má elhaagolható. (Közelítés!) egük fel: tozítatla becslő M( θ ) 0 M(φ (,,... )) φ (θ, θ,...θ ) íg φ becslése s tozítatla. Ez em mdg közelítés! becslő statsztka szóáségzete: D { } [ φ (, K ) ] M [ φ (,, K ) φ (,, K )], alo-soból a obb oldalo [ ]-be lévő külöbség éppe ( ) D φ φ [ φ(,, K ) ] M ( ) obb oldal eg tagú összeg égzete, amel kfetve: : 5
16 6 < + C D φ φ φ Függvéek váható étékéek és szóásáak becslése: t * a statsztkák ealzácóa φ (θ, θ,...θ ) becslése φ(t, t,...t ) 3 D ( ) becslése S ( ) C (, ) becslése Ĉ (, ) 4 D (φ) becslése: [ ] < + t t t C S S, ˆ, φ φ φ φ K ha -k páokét függetleek, ez a tag zéus!. 5 S (φ) szabadság fokaak száma közelítőleg: S s ν φ φ ν ν KONFIDENCI INERVLLUMOK becslő függvé (mt valószíűség változó) θ -hoz való közelségéek météke: [ ] +, P Ba va! θ -t em smeük! (Ha smeék, em becsülék!) Ekvvales megfogalmazás: [ ] [ ] + + P P,, valószíűség változó kostas tevallum kostas az tevallum a valószíűség változó! Kofdeca tevallum: a +, tevallum RELIZÁCIÓJ Kofdeca valószíűség: [ ] ± P [ ] α + P α : megbízhatóság szt α : szgfkaca szt
17 Ha ( l, l ) a kofdecatevallum, mekkoa a P[ ] l,l valószíűség?? Válasz: 0 vag! Ezét MEGBÍZHÓSÁG kofdeca-tevallum számítása f (t ) P α µ µ µ + t vá l Példák smet, µˆ ~ N ( µ, ) ~ N µ,, de µ em smet f (t) P α µ µ µ ez az tevallum ealzácóa tvá l Lege: Y µ Y ~ N 0, még obb: Z µ ~ N( 0,) Z ezt a legköebb számíta s. 7
18 f (z ) P α 0 + z vá l Kokét számítás: P µ + ( µ µ + ) f d F( µ + ) F( µ ) α µ Haszáluk k a stadad omáls taszfomácót (vegük észe: ekko eltűk a µ ez volt a cél): α f ( z) d z F F Mét obb N(0,)?. Egszeűbb. Kövtá szubutok ezt számolák 3. áblázatokba ez szeepel (Maapság má cs eletősége; a számítógép N(0, / )-t s tuda számol.) Eláás:. θ becslése ˆ t. eloszlásáak meghatáozása 3. célszeű taszfomácóa 4. α P( + ) valószíűség kszámítható megfogalmazása (a kszámítható azt elet, e szeepele bee az smeetle θ ) ez eddg általába kész ecept 5. meghatáozása az adott mtáa ez a feladat (a matematkusok má megcsálták) HIPOÉZIS VIZSGÁLOK (VIZSGÁL ESZ) Nullhpotézs alteatív hpotézs H 0 H Léeg: Rögzítsük eg α szgfkacasztet, am eg gaz H 0 elvetése valószíűségéek felső hatáa. 8
19 Példák: H : 0 kétoldal ' H 0 : 0 H : < 0 egoldal alteatív hpotézs '' H : > 0 egoldal Lehet: H 0 : θ θ 0 vag θ θ 0 s. H 0 -t megvédük vag elvetük α szgfkacaszte (α : 0,; 0,05; 0,0) dötés alapa az α P( c ) vag α P( c ) H 0 Elvetük H 0 -t, ha t c vag t 0 c : ktkus éték Hoa tuduk. c étékét?. z α valószíűséget? Válasz: Ismeük (vag azt hsszük, hog smeük!!) eloszlását, és abból kszámíthatuk f α-hoz a c-t. Ezt a c-t hasolítuk a mtából számított t ealzácóhoz. z α szgfkaca-szt étéke a mta elemeek számától (s) függ. Ha t c vag t 0, édemes ú mtát (több adatot) vzsgál. Ha t << c vag t << 0, lehet ksebb az α. Kszámítható közvetleül az P ( c ) H 0 H 0 α szgfkaca-valószíűség s! Ekvvaleca a kofdeca-tevallummal (kétoldal alteatív hpotézs eseté): ELFOGDJUK H 0 -t, ha ( l ), elvetük, ha ( l ) 0,l. 0,l N. B.. Ola statsztka teszt cs, amel mdg elvet H 0 -t, ha hams, és mdg elfogada, ha gaz. (Bécs elvflozófusok.). Mekkoa lege α?? Ha α 0, akko soha em ítélük el átatlat, de mdg felmetük a tettest, ha gaúsított. Ha α >> 0, akko a bűöst elítélük, ha a gaúsítottak között va, de ha a gaúsított átatla, akko s kételeek vaguk elítél, a bűös pedg a makába evet. KOCKÁZI FÜGGVÉNYEK. faú hba: z gaz H 0 elvetése / (a csalfa H elfogadása). faú hba: hams H 0 elfogadása / (az gaz H elvetése) VENEREL DISESES példába: haszál a gógsze: 5-5 % szgfkaca Σ em haszál: 5 % szgfkaca 9
20 Lege K a avult esetek száma egük fel: K B(p, ) H 0 : p kezelt > p em kezelt H : p kezelt p em kezelt 0 pˆ ( pˆ ) pˆ ( pˆ ) pˆ pˆ + HX : t z ( α ) VRINCI-NLÍZIS (NOV) s hpotézs-teszt H 0 : µ + ν + ε (NOV alss Of Vace) H : µ + µ + ν + ε µ: alaphatás µ : z -edk kezelés hatása (pl. adag mesége) ν : -edk blokk hatása (pl. életko, emek) ε : méés hba. ( M(ε ) 0, D (ε ) ) MIRE HSZNÁLJUK MI BECSLÉSEKE ÁLLÁBN pl. REKCIÓKINEIKÁBN Függ-vag-em-függ-tőle kédések eldötésée (hpotézsvzsgálatok) z összefüggés módáak eldötésée (függvéllesztések) dott eltéések oka lehet-e a véletle gadozás, vag szsztematkus függésől va-e szó?? Mekkoa a valószíűsége eg adott eltéések?? (szgfkaca valószíűség) Kszó-e eg pot, vag szabad ek akkoát gadoz?? (Utóbbak csúa, boolult, megbízhatatla tesztek.) HOGYN DJUNK MEG EGY BECSÜL EREDMÉNY? daab méés átlagolása eseté, s a µ paaméte becsült étéke, s () a paaméte becsült étéke s s a becsült szóása µ köül. (Ie maad bee az.) 0
21 M az s fomácótatalma? Lege µ ; t ( szabadság fokú Studet-eloszlás) s / Ekko: P [ t ( α ) t ( α / ) ] α / z α megbízhatóság sztű kofdeca-tevallum: t α ± s, átedezve: t ± s α 0 méésszám, 0 potosság t α 9,0,5,5 0,70 0,47 0,37 0,3 0,6 0,8 0,06 00 méésszám, 0 potosság α 0,05 95 %-os kofdeca-tevallumok (Feltételezett!!) függvé ( modell) paaméteeek becslése eseté (Maga az eedmé megadása a 4. oldal végé található.) Statsztka modell: + ε Y f pl. REKCIÓMECHNIZMUS f ε ) (ealzácók: ( ) + Y: valószíűség változó f (): detemsztkus függvé ε : valószíűség változó: M(ε) 0 D ε ha (Hatáeset, amt szeetük feltételez:, ) Csak VÉLELEN hba eseté haszálható!! (Egébkét pl. NOV!) Cél: em ε eloszlásáak ellemzése, azok paaméteevel, haem az f () modellfüggvé paaméteeek becslése, lehetőleg MVU!
22 Vegük észe: ez eg feltételes valószíűség! P ( ) ez ada a fet modellt. leggakabba haszált becslő módsze: legksebb égzetes Q ( Y f ( )) lege mmáls súlok számítása hog az f () paaméteee MVU-becslést kapuk. feltétel: M ( ) és ( ˆ ) ˆ D mmáls Példa: Lege Y α modellfüggvé Statsztka modell: Y α + ε D ( ε ) Mta: {,, K,,,,, } K α + ε D ( ε ) Lege az α becslő függvée: + ε (: mtastatsztka) Q Q Feladat I. mmalzála a Q-t: 0 Q ( ) ( ) 0 ( ) 0 Feladat II. láthatóa em csak az {, } mtától. haem a súloktól s függ. Eedet feltételük: lege () mmáls ( ) ( ) + ( ) egük fel: C (X, Y ) 0 egük fel: (M a feltétele???) >>, (KÖVEKEZMÉNY!!!)
23 3 Nem mdeg, mt llesztük mek a függvéébe!! mmumfeltétel:, 0 edezzük: ez a ó súl 0 Q egelet elosztható -tel: k k ehát elegedő a választás. feladat megoldása: MVU becslés egszeűbb íásmóddal: S S Megegzések:. S becsülhető az adatokból.
24 . Ha akko íható Ile esetbe: ( súlozatla becslés :), azaz ( ).,, és S ( ) S ( ) M a helzet, ha em gaz ( ) >>? Ekko ( ) + ( ) Mvel f f függvée -ak! Következmé: z becsült étéke függ -ktől, a -k pedg -tól! Ileko csak teatív módszeek haszálhatók! ( Implct legksebb égzetes becslés ) Eg elevezés tötéete: Regesszós aalízs (egesszó!) lat: egesso vsszafelődés, vsszatéés az egszeűbb/ég fomához uladoság átlag szülõk geekek 0 Eltéés (S Facs Galto) Regesszószámítás tt alkalmazták (publkálva) előszö függvé (egees) paaméteeek becslésée a legksebb égzetes módszet. (Galto ú ó statsztkus volt.) zét é a legksebb égzetes becslés evet obba szeetem. z evé evez az eláást. (Nevezett Galto úak ag szeepe volt a statsztka módszeek szélesköű elteedésébe.) Most téhetük á az eedmé megadásáak poblémááa: HOGYN DJUK MEG BECSÜL PRMÉEREKE?? db méés paamétee:, M az s ( ) fomácótatalma?? s 4
25 Lege: ˆ S ( ) ; t úfet: P [ t ( α ) t ( α ) ] α Eek alapá az / ~ (a szabadság fokú Studet eloszlású.) α megbízhatóság sztű kofdeca-tevallum: ( α ) S( ) ˆ ± t t ( α / ),7 4,3 3,,6,3,09,0,98,96 α 0,05 95 %-os kofdeca-tevallumok M a helzet a súlozással? Mle a mét -ek és f ()-ek hbáa?. Ha a kettő eletőse elté, lege a ksebb, a agobb hbáú.. Ha egk hbáa a máskhoz képest em elhaagolható, akko mplct LSQ becslés kell. SÚLYRUIN 3. Ha a hbák azoosak:, SÚLYOZLN 5. Ha a hbák azoosak, de taszfomáluk: a hbák a mét éték függvée leszek (ld. hbateedés) pl. elatív hba Posso-eloszlású mta, stb Ha a hbák em azoosak: az MVU becsléshez meg kell ad a hbákat s: 7. Ha külöböző súlozású becslés eedméeket hasolítuk össze, célszeű a -e ( ) -e omálás. Ez meg tt a vége 5
Változók közötti kapcsolatok vizsgálata
) Eseméek függetlesége: p(ab) p(a) p(b) ) Koelácó: vö. az tutív tatalommal Változók között kapcsolatok vzsgálata Akko poztív, ha és átlagosa ugaaa az áa té el a saját váható étékétől, egatív ha elletétes
Részletesebbenvéletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
BEVEZETÉS A statisztika teljese laikusokak: agy mukával gyűjtött adatok vizsgálata, abból következtetések levoása ( statistical iferece ) (Egy kicsit sok hűhó semmiért azaz Much ado about othig.) Mi is
RészletesebbenRegresszió és korreláció
Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 01.11.1 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés
Részletesebben? közgazdasági statisztika
Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem
RészletesebbenRegresszió és korreláció
Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 016.11.10 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés
Részletesebben? közgazdasági statisztika
... Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet
RészletesebbenMegállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat
Megállapítható változók elemzése Függetleségvzsgálat, lleszkedésvzsgálat, homogetásvzsgálat Ordáls, omáls esetre s alkalmazhatóak a következő χ próbá alapuló vzsgálatok: 1) Függetleségvzsgálat: két valószíűség
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
Részletesebben13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai
Tárcsák számítása A felületszerkezetek A felületszerkezetek típusa A tartószerkezeteket geometra méretek alapjá osztálozzuk Az eddg taulmáakba szereplı rúdszerkezetek rúdjara az a jellemzı hog a hosszuk
RészletesebbenBoros Daniella Nappali tagozat Kereskedelem és marketing 2. évfolyam Gödöllő Neptun kód: OIPGB9
Szent István Egetem Gazdaság- és Tásadalomtudomán Ka -------------------------------------------------------------------------------------------- Koelácó- és egesszó analízs ----------------------------------------------------------------------------------------------------------------------
RészletesebbenSztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától
Sztochasztkus tartalékolás és a tartalék függése a kfutás háromszög dőperódusától Faluköz Tamás Vtéz Ildkó Ibola Kozules: r. Arató Mklós ELTETTK Budapest IBNR kfutás háromszög IBNR: curred but ot reported
RészletesebbenMatematikai statisztika
Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),
RészletesebbenNEMPARAMÉTERES ELJÁRÁSOK
Kály Zoltá: Statsztka II. NEMPARAMÉTERES ELJÁRÁSOK Az eddgek soá találkoztuk má olya eláásokkal, melyek a változók középétékét vzsgálták: egymtás-, páos-, függetle mtás t-póba, egy- és többszempotos vaaca
RészletesebbenKépletgyűjtemény a Gazdaságstatisztika tárgy A matematikai statisztika alapjai című részhez
Buaet űzak é Gazaágtuomá Egetem Gazaág- é Táaalomtuomá Ka Üzlet Tuomáok Itézet eezmet é Vállalatgazaágta Tazék Tóth Zuzaa Ezte Jóá Tamá Kéletgűtemé a Gazaágtatztka tág A matematka tatztka alaa című ézhez
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
RészletesebbenNÉMETH LÁSZLÓ VÁROSI MATEMATIKA VERSENY 2013 HÓDMEZŐVÁSÁRHELY OSZTÁLY ÁPRILIS 8.
. feladat: Eg 5 fős osztálba va fiú és 4 lá. z iskolai bálo (fiú-lá) pár fog tácoli. Háféleképpe tehetik ezt meg? párok sorredje em számít, viszot az, hog ki kivel tácol, az már ige. (0 pot) Válasszuk
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
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
Részletesebben) ( s 2 2. ^t = (n x 1)s n (s x+s y ) x +(n y 1)s y n x+n y. +n y 2 n x. n y df = n x + n y 2. n x. s x. + s 2. df = d kritikus.
Kétmtás t-próba ^t ȳ ( s +( s + + df + vag ha, aor ^t ȳ (s +s Welch-próba ^d ȳ s + s ( s + s df ( s ( s + d rtus t s (α, +t s (α, s + s Kofdecatervallum ét mta átlagáa ülöbségére SE s ( + s ( ±t (α,df
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenI. Valószínűségelméleti és matematikai statisztikai alapok
I. Valószíűségelmélet és matematka statsztka alapok. A szükséges valószíűségelmélet és matematka statsztka alapsmeretek összefoglalása Az alkalmazott statsztka módszerek tárgalása, amel e kötet célja,
RészletesebbenTartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése
3 4 Tartalomegyzék. BEVEZETÉS 5. A MÉRÉS 8. A mérés mt folyamat, fogalmak 8. Fotosabb mérés- és műszertechka fogalmak 4.3 Mérés hbák 8.3. Mérés hbák csoportosítása eredetük szert 8.3. A hbák megeleítés
Részletesebben1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél
Valószíűségszámítás 1 előadás mat. BSc alk. mat. szakráyosokak 2016/2017 1. félév Zemplé Adrás zemple@ludes.elte.hu http://zemple.elte.hu/ 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás
RészletesebbenMérési adatok feldolgozása. 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc 1
Mérés adatok feldolgozása 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel
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
RészletesebbenHatárérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és
2015.09.28. és 2015.09.30. 2015.09.28. és 2015.09.30. 1 / Tartalom 1 A valós függvén fogalma 2 A határérték fogalma a végtelenben véges pontban Végtelen határértékek 3 A határértékek kiszámítása A rend
RészletesebbenValószínűségi 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 :
RészletesebbenEUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei
Eukldes tér, metrkus tér, ormált tér, magasabb dmeós terek vektoraak söge, eek követkemée Metrkus tér Defícó. A H halmat metrkus térek eveük, ha va ola, metrkáak eveett m: H H R {0} függvé, amelre a követkeők
Részletesebbens n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
RészletesebbenTuzson Zoltán A Sturm-módszer és alkalmazása
Tuzso Zoltá A turm-módszer és alalmazása zámtala szélsérté probléma megoldása, vag egeltleség bzoítása ago gara, már a matemata aalízs eszözere szorítoz, mt például a Jese-, Hölder-féle egeltleség, derválta
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
Részletesebbenforgási hiperboloid (két köpenyű) Határérték: Definíció (1): Az f ( x, y) függvénynek az ( x, y ) pontban a határértéke, ha minden
Kétváltozós függvéek Defiíció: f: R R vag z f(,) Szeléltetés:,,z koordiátaredszerbe felülettel Pl z + forgási paraboloid z R ( + ) félgöb z + + forgási iperboloid (két köpeű) z + forgási iperboloid (eg
RészletesebbenMatematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)
Matematka statsztka elıadás III. éves elemzı szakosokak Zemplé Adrás 9. elıadásból részlet Y közelítése függvéyével Gyakor eset, hogy em smerjük a számukra érdekes meység Y potos értékét pl. holap részvéy-árfolyam,
RészletesebbenA peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
Részletesebbenbiometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat
Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke
RészletesebbenÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETIA Készült a TÁMOP-4.1.-08//A/KM-009-0041pályázat projet eretébe Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomáy Taszéé az ELTE Közgazdaságtudomáy Taszé az MTA Közgazdaságtudomáy Itézet és a
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
Részletesebben1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél
Valószíűségszámítás és statsztka előadás fo. BSC/B-C szakosokak 1. előadás szeptember 13. 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás tárgya Törtéet Alapfogalmak Valószíűségek
RészletesebbenSTATISZTIKAI MÓDSZEREK
HAJTMAN BÉLA STATISZTIKAI MÓDSZEREK Egetem egzet Pázmá Péter Katolkus Egetem, Bölcsészettudomá Kar Plscsaba, 0. Bevezetés Az első félévbe (Bostatsztka) a statsztka alapat smertük meg. Természetese ez
RészletesebbenAlkalmazás: hatásvizsgálatok
Kétértékű függő vátozók mamum kehood becsés Mkroökoometra 7. hét Bíró Akó Kétértékű magarázó vátozók ásd: Bevezetés az ökoometrába Kvatatív formácók OS becsés haszáható Értemezés más: Etérő csoportátagok
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.
Korrelácó-számítás 1. előadás Döntéselőkészítés módszertana Dr. Varga Beatr Két változó között kapcsolat Függetlenség: Az X smérv szernt hovatartozás smerete nem ad semmlen többletnformácót az Y szernt
RészletesebbenGyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések
Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3
Részletesebben2.4. Vektor és mátrixnormák
4 Vektor és mátrormák következõkbe összefoglluk témkörhöz felhszálásr kerülõ már tult smeretgot s Defícó : IK IR, ( IN, I K vlós vg komle számok hlmzát elöl) többváltozós függvét vektorormák evezzük, h
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenBiomatematika 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[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.
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 -
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenIsmérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o)
Ismérvek között kapcsolatok szorosságáak vzsgálata 1. Egy ks smétlés: mérés skálák (Huyad-Vta: Statsztka I. 5-6. o) A külöböző smérveket, eltérő mérés sztekkel (skálákkal) ellemezhetük. a. évleges (omáls)
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
RészletesebbenValószínűségszámítás. Ketskeméty László
Valószíűségszámítás Ketskeméty László Budapest, 996 Tartalomjegyzék I. fejezet VALÓSZÍNŰSÉGSZÁMÍTÁS 3. Kombatorka alapfogalmak 4 Elleőrző kérdések és gyakorló feladatok 6. A valószíűségszámítás alapfogalma
RészletesebbenMinősítéses mérőrendszerek képességvizsgálata
Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek
RészletesebbenStatisztika. Eloszlásjellemzők
Statsztka Eloszlásjellemzők Statsztka adatok elemzése A sokaság jellemzése középértékekkel A sokaság jellemzéséek szempotja A sokaság jellemzéséek szempotja: A sokaság tpkus értékéek meghatározása. Az
Részletesebben2012.03.01. Méréselmélet PE_MIK MI_BSc, VI_BSc 1
Mérés adatok feldolgozása 202.03.0. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel
RészletesebbenMÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011
MÉRÉSTECHNIKA DR. HUBA ANTAL c. eg. taár BME Mechatroka, Optka és Gépészet Iformatka Taszék 0 Rövde a tárgprogramról Előadások tematkája: Metrológa és műszertechka alapok Mérés adatok kértékelése Időbe
RészletesebbenPopuláció nagyságának felmérése, becslése
http:/zeus.yf.hu/~szept/kuzusok.htm Populáció agyságáak felméése, becslése Becsült paaméteek: N- az adott populáció teljes agysága (egyed, pá, stb) D- dezitás (sűűség), egységyi felülete/téfogata számított
RészletesebbenFeladatok és megoldások a 11. heti gyakorlathoz
Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
Részletesebben3. Egy ξ valószínűségi változó eloszlásfüggvénye melyik képlettel van definiálva?
. z és események függetlensége melyik összefüggéssel van definiálva? P () + P () = P ( ) = P ()P () = P ( ) = P () P () 2. z alábbi összefüggések közül melyek igazak, melyek nem igazak tetszőleges és eseményeke?
RészletesebbenHipotéziselmélet. Statisztikai próbák I. Statisztikai próbák II. Informatikai Tudományok Doktori Iskola
Hpotézselmélet Iformatka Tudomáyok Doktor Iskola Statsztka próbák I. 0.0.. Dr Ketskeméty László előadása Statsztka próbák II. Dötés eljárást dolgozuk k aak eldötésére, hogy a ullhpotézs gaz-e. Ha úgy kell
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
RészletesebbenEseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.
Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.
RészletesebbenKétváltozós függvények
Kétváltozós függvéek Tartalomjegzék Többváltozós függvéek... Kétváltozós függvéek... Nevezetes felületek... 3 Forgásfelületek... 3 Kétváltozós függvé határértéke... 4 Foltoos kétváltozós függvéek... 6
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,
RészletesebbenLineáris regresszió. Statisztika I., 4. alkalom
Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
RészletesebbenÓ ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü
ú ú ú ú Ö ú ű ú Á ú ú ű ű ú ű ú ú Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü Ó Á Á Á ú ú Ő Ö Ü ú Ü Á ú ú Á Ú ú ú ú É ú Ó Ö É Á ű ú É Ó ű ú ú ű ű ú ű ú ű ű ú ű ű
RészletesebbenVariancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?
Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs
RészletesebbenSTATISZTIKA II. kötet
Szeged Tudomáyegyetem Gazdaságtudomáy Kar Petres Tbor Tóth László STATISZTIKA II. kötet Szerzők: Dr. Petres Tbor, PhD egyetem doces Statsztka és Demográfa Taszék Tóth László PhD-hallgató Gazdaságtudomáy
RészletesebbenA valószínűségszámítás elemei
Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet
Részletesebben9. ábra. A 25B-7 feladathoz
. gyakolat.1. Feladat: (HN 5B-7) Egy d vastagságú lemezben egyenletes ρ téfogatmenti töltés van. A lemez a ±y és ±z iányokban gyakolatilag végtelen (9. ába); az x tengely zéuspontját úgy választottuk meg,
Részletesebben(1) Milyen esetben beszélünk tartós nyugalomról? Abban az esetben, ha a (vizsgált) test a helyzetét hosszabb időn át nem változtatja meg.
SZÉCHENYI ISTVÁN EGYETEM MECHNIK - STTIK LKLMZTT MECHNIK TNSZÉK Elmélet kérdések és válaszok egetem alapképzésbe (Sc képzésbe) résztvevő mérökhallgatók számára () Mle esetbe beszélük tartós ugalomról?
RészletesebbenEGY FÁZISÚ TÖBBKOMPONENS RENDSZEREK: AZ ELEGYEK KÉPZDÉSE
EG FÁZISÚ ÖBBOMPONENS RENDSZERE: AZ ELEGE ÉPZDÉSE AZ ELEGÉPZDÉS ERMODINAMIÁJA: GÁZO Általáos megfotolások ülöböz kéma mség komoesek keveredésekor változás törték a molekulárs kölcsöhatásokba és a molekulák
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
RészletesebbenA paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab
öbbváltozós regresszók Paraméterbecslés-. A paraméterbecslés.. A probléma megfogalmazása A paramétereket kísérletleg meghatározott y értékekre támaszkodva becsülk. Ha darab ksérletet (megfgyelést, mérést
RészletesebbenMegjegyzés: Amint már előbb is említettük, a komplex számok
1 Komplex sámok 1 A komplex sámok algeba alakja 11 Defícó: A komplex sám algeba alakja: em más, mt x y, ahol x, y R és 1 A x -et soktuk a komplex sám valós éséek eve, míg y -t a komplex sám képetes (vagy
RészletesebbenStatisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
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
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
RészletesebbenTanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.
8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
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
RészletesebbenBevezetés a hipotézis vizsgálatba. Hipotézisvizsgálatok. Próbák leírása. Kétoldali és egyoldali hipotézisek. Illeszkedésvizsgálatok
Bevezetés a hpotézs vzsgálatba Lásd előadás ayagát. Kétoldal és egyoldal hpotézsek Hpotézsvzsgálatok Ebbe a ejezetbe egyajta határozókulcsot szereték ad a hpotézsvzsgálatba haszált próbákhoz. Először dötsük
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenICH Harmonised Tripartite Guideline. Stability Testing of New Drug Substances and Products (Q1A(R2)), 2003
Gyógyszekészítméyek szítm stabltásvzsgálatáak statsztka étékelése IH Hamosed Tpatte Gudele. Stablty Testg of New ug Substaces ad Poducts (QA(R)), 003 IH Hamosed Tpatte Gudele. Evaluato fo Stablty ata (QE),
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pálázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomán Tanszékén az ELTE Közgazdaságtudomán Tanszék, az MTA Közgazdaságtudomán
Részletesebben1. MECHANIKA-STATIKA GYAKORLAT (kidolgozta: Triesz Péter, egy. ts.; Tarnai Gábor, mérnök tanár) Trigonometria, vektoralgebra
SZÉCHENYI ISTVÁN EGYETEM LKLMZOTT MECHNIK TNSZÉK. MECHNIK-STTIK GYKORLT (kidolgozta: Tiesz Péte eg. ts.; Tanai Gábo ménök taná) Tigonometia vektoalgeba Tigonometiai összefoglaló c a b b a sin = cos = c
RészletesebbenWilcoxon-féle előjel-próba. A rangok. Ismert eloszlás. A nullhipotézis megfogalmazása H 1 : m 0 0. A medián 0! Az eltérés csak véletlen!
0.0.4. Wlcoxo-féle előel-próba ragok Példa: Va-e hatáa egy zórakoztató flm megtektééek, a páceek együttműködé halamára? ( zámok potértékek) orzám előtte utáa külöbég 0 0 3 3-4 4 5 3 6 3 3 0 7 4 3 8 5 4
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
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
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
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenVáltozók függőségi viszonyainak vizsgálata
Változók függőség vszoyaak vzsgálata Ismétlés: változók, mérés skálák típusa kategoráls változók Asszocácós kapcsolat számszerű változók Korrelácós kapcsolat testsúly (kg) szemüveges em ő 1 3 férf 5 3
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
Részletesebben[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
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
Részletesebben