véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?"

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

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

Részletesebben

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

véletlen : 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

Részletesebben

Regresszió és korreláció

Regresszió 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

? 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

Részletesebben

Regresszió és korreláció

Regresszió 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

? 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

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI 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

Részletesebben

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Megállapítható 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

Részletesebben

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

A 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:

Részletesebben

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Az 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

Részletesebben

13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai

13. 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

Részletesebben

Boros Daniella Nappali tagozat Kereskedelem és marketing 2. évfolyam Gödöllő Neptun kód: OIPGB9

Boros Daniella Nappali tagozat Kereskedelem és marketing 2. évfolyam Gödöllő Neptun kód: OIPGB9 Szent István Egetem Gazdaság- és Tásadalomtudomán Ka -------------------------------------------------------------------------------------------- Koelácó- és egesszó analízs ----------------------------------------------------------------------------------------------------------------------

Részletesebben

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

Sztochasztikus 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

Részletesebben

Matematikai statisztika

Matematikai 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),

Részletesebben

NEMPARAMÉTERES ELJÁRÁSOK

NEMPARAMÉTERES 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

Részletesebben

Képletgyűjtemény a Gazdaságstatisztika tárgy A matematikai statisztika alapjai című részhez

Képletgyűjtemény 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

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI 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

Részletesebben

NÉMETH LÁSZLÓ VÁROSI MATEMATIKA VERSENY 2013 HÓDMEZŐVÁSÁRHELY OSZTÁLY ÁPRILIS 8.

NÉMETH 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

Részletesebben

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Hipotézis 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

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

) ( 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.

) ( 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

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás 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:

Részletesebben

I. Valószínűségelméleti és matematikai statisztikai alapok

I. 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,

Részletesebben

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése

Tartalomjegyzék. 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

Részletesebben

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

1. 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

Részletesebben

Mérési adatok feldolgozása. 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc 1

Mérési 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

Részletesebben

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

A 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

Részletesebben

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

Határérték. 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

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

EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei

EUKLIDESZI 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

Részletesebben

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s 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,

Részletesebben

Tuzson Zoltán A Sturm-módszer és alkalmazása

Tuzson 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

Részletesebben

Statisztika 1. zárthelyi dolgozat március 21.

Statisztika 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

Részletesebben

forgási hiperboloid (két köpenyű) Határérték: Definíció (1): Az f ( x, y) függvénynek az ( x, y ) pontban a határértéke, ha minden

forgási 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

Részletesebben

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)

Matematikai 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,

Részletesebben

A peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.

A 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)

Részletesebben

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

biometria 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

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ÖKONOMETRIA. 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

Részletesebben

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

f (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,

Részletesebben

24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.

24. 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

Részletesebben

1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél

1. 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

Részletesebben

STATISZTIKAI MÓDSZEREK

STATISZTIKAI 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

Részletesebben

Alkalmazás: hatásvizsgálatok

Alkalmazás: 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

Részletesebben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

Gazdaságtudományi 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

Részletesebben

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

Gyakorló 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

Részletesebben

2.4. Vektor és mátrixnormák

2.4. 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

Részletesebben

BIOMATEMATIKA ELŐADÁS

BIOMATEMATIKA 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

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

[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

Bevezetés a hipotézisvizsgálatokba

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

Részletesebben

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

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

Részletesebben

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o)

Ismérvek 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)

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

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

Részletesebben

Valószínűségszámítás. Ketskeméty László

Valószínűségszámítás. Ketskeméty László Valószíűségszámítás Ketskeméty László Budapest, 996 Tartalomjegyzék I. fejezet VALÓSZÍNŰSÉGSZÁMÍTÁS 3. Kombatorka alapfogalmak 4 Elleőrző kérdések és gyakorló feladatok 6. A valószíűségszámítás alapfogalma

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses 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

Részletesebben

Statisztika. Eloszlásjellemzők

Statisztika. Eloszlásjellemzők Statsztka Eloszlásjellemzők Statsztka adatok elemzése A sokaság jellemzése középértékekkel A sokaság jellemzéséek szempotja A sokaság jellemzéséek szempotja: A sokaság tpkus értékéek meghatározása. Az

Részletesebben

2012.03.01. Méréselmélet PE_MIK MI_BSc, VI_BSc 1

2012.03.01. 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

Részletesebben

MÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011

MÉRÉSTECHNIKA. 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

Részletesebben

Populáció nagyságának felmérése, becslése

Populáció 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

Részletesebben

Feladatok és megoldások a 11. heti gyakorlathoz

Feladatok 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.

Részletesebben

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

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

Részletesebben

3. Egy ξ valószínűségi változó eloszlásfüggvénye melyik képlettel van definiálva?

3. 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?

Részletesebben

Hipotéziselmélet. Statisztikai próbák I. Statisztikai próbák II. Informatikai Tudományok Doktori Iskola

Hipotéziselmélet. 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

Részletesebben

Normális eloszlás tesztje

Normális 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

Részletesebben

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

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

Részletesebben

Kétváltozós függvények

Kétváltozós függvények Kétváltozós függvéek Tartalomjegzék Többváltozós függvéek... Kétváltozós függvéek... Nevezetes felületek... 3 Forgásfelületek... 3 Kétváltozós függvé határértéke... 4 Foltoos kétváltozós függvéek... 6

Részletesebben

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

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

Részletesebben

Lineáris regresszió. Statisztika I., 4. alkalom

Lineáris 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

Részletesebben

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

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

Részletesebben

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 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

Részletesebben

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

Variancia-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

Részletesebben

STATISZTIKA II. kötet

STATISZTIKA 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

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet

Részletesebben

9. ábra. A 25B-7 feladathoz

9. 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.

(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?

Részletesebben

EGY FÁZISÚ TÖBBKOMPONENS RENDSZEREK: AZ ELEGYEK KÉPZDÉSE

EGY 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

Részletesebben

Statisztika elméleti összefoglaló

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

Részletesebben

A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab

A 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

Részletesebben

Megjegyzés: Amint már előbb is említettük, a komplex számok

Megjegyzés: 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

Részletesebben

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai 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

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

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

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

Részletesebben

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Tanult 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

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, 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

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

Részletesebben

Bevezetés a hipotézis vizsgálatba. Hipotézisvizsgálatok. Próbák leírása. Kétoldali és egyoldali hipotézisek. Illeszkedésvizsgálatok

Bevezetés 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

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, 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.

Részletesebben

ICH Harmonised Tripartite Guideline. Stability Testing of New Drug Substances and Products (Q1A(R2)), 2003

ICH 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),

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE 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

Részletesebben

1. MECHANIKA-STATIKA GYAKORLAT (kidolgozta: Triesz Péter, egy. ts.; Tarnai Gábor, mérnök tanár) Trigonometria, vektoralgebra

1. 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

Részletesebben

Wilcoxon-féle előjel-próba. A rangok. Ismert eloszlás. A nullhipotézis megfogalmazása H 1 : m 0 0. A medián 0! Az eltérés csak véletlen!

Wilcoxon-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

Részletesebben

A valószínűségszámítás elemei

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

Részletesebben

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Virág 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

Részletesebben

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

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

Részletesebben

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

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

Részletesebben

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

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

Részletesebben

Változók függőségi viszonyainak vizsgálata

Változók 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

Részletesebben

Normális eloszlás paramétereire vonatkozó próbák

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

Részletesebben

[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

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

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

Részletesebben