Bevezetés az SPSS program statisztikai alapjaiba. Előadó: Dr. Balogh Péter

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Bevezetés az SPSS program statisztikai alapjaiba. Előadó: Dr. Balogh Péter"

Átírás

1 Bevezetés az SPSS program statisztikai Előadó: Dr Balogh Péter

2 A statisztika olyan tudomány, amely adatok összegyűjtésével, rendszerezésével és értelmezésével foglalkozik abból a célból, hogy valamilyen a valós életben felmerült kérdésre választ találjon Az áremelkedés hatására csökken-e a kereslet? A többféle tanítási módszer közül melyik a legjobb?

3 A banki alapkamat-csökkentés hatására megnő-e e a vállalkozói kedv a befektetésekre? Kimutatható, hogy 1 %-kal% nőtt országosan a befektetések nagysága Ez ténylegesen a kamatcsökkentés eredményének köszönhető-e? e? Mi okozhatta volna, ha csak 0,5 %-os emelkedés következik be a befektetésekben? Mi történt volna, ha nem történik kamatcsökkentés?

4 20 hízóval hagyományos tápsort, másik 20 hízóval egy új tápsort etettek A hízlalás végén megmérték a napi átlagos súlygyarapodást mindkét csoportban Az egyik esetben 550 gramm volt, a másik csoportnál ez 620 grammnak adódott Bizonyítja-e ez azt, hogy a növekedés nagyobb az új tápsor hatására?

5 A statisztikának két jól elkülöníthető része van: (1) leíró és (2) induktív statisztika A leíró statisztika olyan módszerek összefoglaló elnevezése, amely az összegyűjtött adatok leírására szolgál

6 Példa: Az Általános Mezőgazdasági Összeírás esetén minden mezőgazdasági termelőnek felveszik az adatait Ha több millió adatot elénk tesznek, azzal semmire sem megyünk Ezt az adathalmazt sűrített formában ábrázoljuk: grafikonok, átlagok és egyéb statisztikai mutatók segítségével

7 Az induktív statisztika olyan módszerek összefoglaló elnevezése, amelyeket arra használnak, hogy egy minta alapján következtessenek a populáció tulajdonságaira Példa: Minőség-ellenőrzés, választás előtti közvélemény-kutatás

8 POPULÁCIÓ: A vizsgálat tárgyát képező egyedek összessége (alapsokaság) MINTA: A populációból a vizsgálat céljára kiválasztott egyedek összessége (a populáció egy részhalmaza) A KÉRDÉS: Az átlagbérek növekedése valójában fogyasztás növekedést okoz-e? KÖVETKEZTETÉS: A megválaszolandó kérdés szempontjából mit mond számunkra a minta az egész populációra?

9 A minta Miért van szükségünk mintára? Miért nem vizsgáljuk a teljes populációt? 1) Túl költséges, és időigényes 2) Nem érhető el az összes egyed 3) A kísérlet rongálhatja, vagy megsemmisítheti az egyedeket

10 A mintával szemben elvárjuk, hogy reprezentálja a teljes populáció tulajdonságait, hiszen csak így lehet korrekt következtetéseket levonni a vizsgálat eredményeiből A minta akkor lesz a legnagyobb valószínűséggel megfelelő, ha a mintaelemeket véletlenszerűen válogatjuk ki a teljes populációból, mert így kerülhet a populáció minden tagja egyforma valószínűséggel a mintába

11 Az adatok A mintabeli egyedekről a vizsgálat során adatokat gyűjtünk Két fő adattípust különböztetünk meg: 1 Kvalitatív adatok: Ezek nem fejezhetők ki mennyiségekként, inkább kategóriák: gépjármű típusa, vallási felekezet, vállalkozás formája, szem színe, pártállás

12 1 Kvantitatív adatok: Ezek valamilyen mérés eredményei (mennyiségek) árbevétel, alapterület, hengerűrtartalom, létszám, fizetés

13 A kvantitatív adatok kétfélék lehetnek: 1) Folytonosak (a mérési skála egy intervallum) hőmérséklet lehullt csapadékmennyiség egy adott napon

14 A kvantitatív adatok kétfélék lehetnek: 2) Diszkrétek (a mérhető értékek a számegyenes izolált pontjai) a foglalkoztatottak létszáma, a vállalat gépjárműveinek száma

15 Az adatok másik csoportosítási lehetősége: 1 Forrásadat 2 Származtatott adat 3 Hiányzó adat 4 Becsült adat

16 Forrás adat Az adatgyűjtésből, felmérésből, mérésből származó adat Ezeket az adatokat a rendelkezésre álló adatokból függvénykapcsolatok segítségével nem lehet előállítani Például: név, születési dátum, stb

17 1 Az 2 Például: Származtatott adat azonos esethez tartozó több más változó komponensekből számoljuk ki valamilyen algoritmussal a kezdő és a jelenlegi fizetésből a fizetésnövekedés számolható ki

18 1 Akkor 2 Például Hiányzó adat keletkezhet, ha nem áll rendelkezésünkre forrásadat, vagy származtatott adat (például a nullával való osztás, vagy negatív számból való négyzetgyökvonás miatt nem képezhető) Az adathiányt jelöljük a következő speciális karakterrel:, a kartonról nem jól olvasható egy dolgozó születési dátuma, vagy a dolgozó egyszerűen megtagadta az adat közlését, például nemzetiség esetén

19 1 Akkor 2 Például Becsült adat keletkezik, ha a változó többi adatából valamilyen statisztikai eljárással a hiányzó adatot kipótoljuk Lehet ez a többi adat átlaga, vagy a többi adat eloszlásának megfelelő véletlenszerű generálás eredménye ha egy dolgozónál hiányzik a kezdő fizetés adata, akkor az azonos korú, azonos iskolai végzettségű és hasonló beosztású dolgozók kezdő fizetésének átlagaiból becsülhetjük

20 Adatszerzési módok Adatszerzés Teljes körű Részleges Kísérletek Repr megfigyelés Egyéb Véletlen kiválasztás Nem véletlen kiválasztás

21 Mérési skálák Nominális (kategoriális) mérési szint a legegyszerűbb és a legkevésbé informatív mérési skála Ebben az esetben az adat csupán az eset azonosítására, vagy valamilyen kategóriához tartozás azonosítására szolgál (pl növényevő ill húsevő állatok) A változók értékei kategóriákba vannak sorolva, közöttük nem feltétlenül van bármilyen viszony Például: név, törzsszám, nemzetiség, nem, családi állapot

22 Mérési skálák Ordinális (sorrendi) mérési szint esetén a skálaértékek egyezősége vagy különbözősége mellett az értékek sorrendiségét is figyelembe vehetjük Ordinális az adat, ha az adatok között erős sorrend azaz rendezettség létesíthető Azaz, ha bármely két adat közül meg tudjuk mondani, hogy ők egyenlők, vagy valamelyik nagyobb Például az iskolai végzettség, vagy skálák: nagyon nem tetszik, nem tetszik,

23 Mérési skálák Intervallum (különbségi) az adat, ha rendezett, és értékkészlet egy intervallum, de nincsen origó, vagyis az adatok viszonylagosak Például a fizetésnövekedés adat %-ban kifejezve ilyen, hiszen egy 10%-os fizetésemelés egy alacsony fizetésű dolgozónál kisebb lehet, mint egy 1%-os fizetésemelés egy kiemelt fizetéssel rendelkező dolgozónál További példa: IQ, hőmérséklet

24 Mérési skálák Arányskála (abszolút skála): a legtöbb információt adja Arány az adat, ha valós számérték és ismert az origó, a viszonyítási alap Például a kezdő- és jelenlegi fizetés, testsúly

25

26 Példa: 1 Nem 2 Név 3 Legmagasabb iskolai végzettség 4 Reggel és este mért vérnyomás 6 Tájegység 8 Földkategória Ordinális Nominális 5 Kezdő és jelenlegi fizetés Nominális A r á n y Nominális Arány Ordinális 7 Saját terület (ha) Arány 9 Erőgépek száma Intervallum

27 Mezőgazdasági vállalkozások adatai (kivonat) Gazdaság Tájegység Saját terület ha Bérelt terület ha Bérleti díj Ft/ha 0 C Föld- kategó ria Maxi- mum hőmérséklet Erőgépek száma Sertés db Hízóérté- kesítés ben t 1 Hajdúság , B-A-Z megye , Hajdúság , , ,5 7 Dél-Alföldld , ,84 8 B-A-Z megye , Szabolcs- Szatmár- Bereg megye , Szabolcs- Szatmár- Bereg megye ,

28 A mezőgazdasági vállalkozások tulajdonában lévő erőgépek én elnevezésű sokaság diszkrét, álló, véges sokaságnak tekinthető A hízósertés értékesítése a 2002 évben folytonos, mozgó és véges sokaság A mezőgazdasági vállalkozások által bérelt terület nagysága én folytonos, álló, véges sokaságot képez

29 Ismérvek és mérési szintek Ismérv Változat Ismérvfajta Mérési szint Tájegység Hajdúság Térbeli Nominális/nomi nal Saját t terület ha 0 Mennyiségi/folytonos Földkategória 4 Minőségi Erőgépek száma 18 Mennyiségi/diszkr gi/diszkrét Arány/scale Ordinális/ordina l Arány/scale Maximum hőmérséklet 0 C Hízóértékesítés 2002-ben t 28,9 Mennyiségi/folytonos 397 Mennyiségi/folytonos Intervallum/scal e Arány/scale

30 Statisztikai problémák megfogalmazása

31 Idősorelemzés: Az adatmátrix: az utóbbi 10 év (N=3650) napi villamosenergia fogyasztásának adatsora

32 A felvetődő kérdések (statisztikai módszerek): [1] Milyen ciklikusság észlelhető az adatsorban? periodicitás-elemzés [2] Volt-e növekedési, vagy csökkenési tendencia? trendanalízis [3] Vannak-e hirtelen változások, töréspontok? lineáris regresszió [4] Összevetve más országok hasonló idősorával, vannak-e azonos tendenciák? homogenitásvizsgálat [5] Mi várható a jövőbeli fogyasztási adatokban, mire kell felkészülnie az áramszolgáltatónak? extrapoláció

33 Kérdőíves felmérés: Az adatmátrix: Adva van egy N elemű címhalmaz, amihez tartozó emberek halmaza a magyarországi társadalmi, gazdasági, kulturális rétegződésnek megfelelő reprezentatív minta alkotja Ez azt jelenti, hogy a mintában a korcsoportos, nem-, iskolázottsági-, foglalkoztatási- stb közel ugyanolyanok, mint a teljes 10 milliós populációban A címekre kiküldött kérdőívekben az alábbi kérdésekre kellett válaszokat adni: 1 Milyen pártra szavazott? (válaszolnia kell 10 felsorolt párt közül); 2 Mi a véleménye a NATO csatlakozásról? (1: támogatom, 2: elutasítom, 3: nincs véleményem); 3 Mi a véleménye az EU tagságról? (1: támogatom, 2: elutasítom, 3: nincs véleményem); 4 Hogyan ítéli meg az ország gazdasági helyzetét? (1: romlott; 2: javult, 3: nem változott);

34 A felvetődő kérdések (statisztikai módszerek): [1] A különböző pártokra szavazók válaszai mennyire térnek el egymástól, illetve vannak-e olyan pártok, akiknek a szavazói hasonlóan vélekednek? Többdimenziós skálázás [2] Milyen gondolkodás jellemző az egyes pártok szavazóira? Milyen az egyes pártok társadalmi beágyazottsága? Klaszterelemzés

35 Hipotéziselmélet Az adatmátrix: Egy szemészeti klinikán a páciensektől adatokat vesznek fel A páciensek olyan személyi adatain kívül, mint pl név, nem, kor, foglalkozás rögzítünk olyan adatokat is, mint a vérnyomás, súly, testmagasság, vércukor (egészségi kondíció) A szembetegség kórisméjét is tároljuk: pl csarnokvíz, éleslátás, stb

36 A felvetődő kérdések (statisztikai módszerek): [1] Van-e különbség az egyes foglalkozási (kor-, nemi-, ) csoportban egy adott szembetegség relatív gyakoriságában? Homogenitásvizsgálat [2] Van-e kapcsolat egy adott szembetegség és az egyes egészségügyi kondíciók között? Szórásanalízis

37 Közvéleménykutatás: Az adatmátrix: Egy TV csatorna kíváncsi a műsorainak nézettségére és tetszési indexére Egy N elemet tartalmazó reprezentatív mintának a következő kérdéseket tették fel: (1) Nézte-e e az adott műsor az 1,2, 10-edik héten? (2) Osztályozza le a produkciókat 1-től 1 10-ig tetszésének megfelelően (3) Ha nem nézte, mit csinált az i-edik héten? (i) nem ért rá, de nézte volna; (ii( ii) ) nem ért rá, de úgysem nézte volna; (iii( iii) ) más TV csatornát nézett abban az időben; (iiii)) időnként oda is kapcsolt (4) A kérdéses csatornát összességében tévézésének hány %-ban% nézi? stb

38 A felvetődő kérdések (statisztikai módszerek): [1] Hogyan változott a műsor nézettsége és tetszési indexe a vizsgált terminusban? Trendanalízis [2] Nézettebb-e a vizsgált műsor, mint a csatorna általában? Hipotéziselmélet [3] Melyik héten volt a legsikeresebb a műsor? Lineáris regresszió

Bevezető Mi a statisztika? Mérés Csoportosítás

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

Részletesebben

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

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

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése

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

Részletesebben

[GVMGS11MNC] Gazdaságstatisztika

[GVMGS11MNC] Gazdaságstatisztika [GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)

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

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

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

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

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

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

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

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

Részletesebben

Bevezetés a statisztikába

Bevezetés a statisztikába Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 9. Bevezetés a statisztikába Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

[Biomatematika 2] Orvosi biometria

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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Részletesebben

Vargha András Károli Gáspár Református Egyetem Budapest

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

Részletesebben

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

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

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

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

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

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

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

Részletesebben

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

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

Részletesebben

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

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

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

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

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

Részletesebben

Területi statisztikai elemzések

Területi statisztikai elemzések Területi statisztikai elemzések KOTOSZ Balázs, SZTE, kotosz@eco.u-szeged.hu Módszertani dilemmák a statisztikában 2016. november 18. Budapest Apropó Miért különleges a területi adatok elemzése? A számításokhoz

Részletesebben

Megoldások. Az ismérv megnevezése közös megkülönböztető 2007. szeptember 10-én Cégbejegyzés időpontja

Megoldások. Az ismérv megnevezése közös megkülönböztető 2007. szeptember 10-én Cégbejegyzés időpontja Megoldások 1. feladat A sokaság: 2007. szeptember 12-én a Miskolci Egyetem GT-204-es tankör statisztika óráján lévő tagjai az A 1 épület III. em. 53-as teremben 8-10-ig. Közös ismérv Megkülönböztető ismérv

Részletesebben

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

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

Részletesebben

[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

Statisztika I. 2. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 2. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 2. előadás Előadó: Dr. Ertsey Imre Statisztikai sorok Meghatározott szempontok szerint kiválasztott két vagy több logikailag összetartozó statisztikai adat, statisztikai sort képez. általában

Részletesebben

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel KUTATÁSMÓDSZERTAN 4. ELŐADÁS A minta és mintavétel 1 1. A MINTA ÉS A POPULÁCIÓ VISZONYA Populáció: tágabb halmaz, alapsokaság a vizsgálandó csoport egésze Minta: részhalmaz, az alapsokaság azon része,

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Statisztika I. 1. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 1. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre A STATISZTIKA FOGALMA 1. Gyakorlati számbavételi tevékenység tömegjelenségek számbavétele, elemzése összefüggések feltárása következtetések levonása Célja:

Részletesebben

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

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

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

Részletesebben

18. modul: STATISZTIKA

18. modul: STATISZTIKA MATEMATIK A 9. évfolyam 18. modul: STATISZTIKA KÉSZÍTETTE: LÖVEY ÉVA, GIDÓFALVI ZSUZSA MODULJÁNAK FELHASZNÁLÁSÁVAL Matematika A 9. évfolyam. 18. modul: STATISZTIKA Tanári útmutató 2 A modul célja Időkeret

Részletesebben

Kutatásmódszertan és prezentációkészítés

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

Részletesebben

S atisztika 2. előadás

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

Részletesebben

Mérési hibák 2006.10.04. 1

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

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

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

Részletesebben

A magyar textil- és ruhaipar 2013-ban a számok tükrében Máthé Csabáné dr.

A magyar textil- és ruhaipar 2013-ban a számok tükrében Máthé Csabáné dr. A magyar textil- és ruhaipar 2013-ban a számok tükrében Máthé Csabáné dr. A termelés és az árbevétel alakulása 2013-ban 1. táblázat a termelés változásának indexe Év 2005 2008 2009 2010 2011 2012 2013

Részletesebben

A Statisztika alapjai

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

Részletesebben

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2006. II. negyedév) Budapest, 2006. augusztus

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2006. II. negyedév) Budapest, 2006. augusztus ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2006. II. negyedév) Budapest, 2006. augusztus Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló TARTALOM Módszertan

Részletesebben

Kutatói pályára felkészítı modul

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

Részletesebben

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

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

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

Statisztikai alapfogalmak

Statisztikai alapfogalmak i alapfogalmak statisztikai sokaság: a megfigyelés tárgyát képező egyedek összessége 2 csoportja van: álló sokaság: mindig vmiféle állapotot, állományt fejez ki, adatai egy adott időpontban értelmezhetők

Részletesebben

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás. Centrális mutatók STATISZTIKA I. 4. Előadás Centrális mutatók 1/51 2/51 Középértékek Helyzeti középértékek A meghatározása gyakoriság vagy sorszám alapján Számítás nélkül Az elemek nagyság szerint rendezett

Részletesebben

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

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2007. III. negyedév) Budapest, március

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2007. III. negyedév) Budapest, március ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2007. III. negyedév) Budapest, 2008. március Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló Módszertan Táblázatok:

Részletesebben

V. Gyakorisági táblázatok elemzése

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

Részletesebben

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

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

Részletesebben

Statisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot

Részletesebben

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések

Részletesebben

Modellpontok képzése és használata

Modellpontok képzése és használata Modellpontok képzése és használata Dr. Kovács Erzsébet egyetemi tanár Budapesti Corvinus Egyetem A jogosultságszerzés modellezése szekció 2015.05.28. MIDAS_HU Workshop: Modellpontok képzése 1 Szakmai kihívás

Részletesebben

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK

10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK MATEMATIK A 9. évfolyam 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK Tanári útmutató 2 MODULLEÍRÁS A modul

Részletesebben

OSAP 1626. Bér- és létszámstatisztika. szociális ágazat. Vezetõi összefoglaló

OSAP 1626. Bér- és létszámstatisztika. szociális ágazat. Vezetõi összefoglaló OSAP 1626 Bér- és létszámstatisztika szociális ágazat Vezetõi összefoglaló 2004 Egészségügyi Stratégiai Kutatóintézet Az OSAP 1626/04 nyilvántartási számú bér- és létszámstatisztika adatszolgáltatóinak

Részletesebben

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató

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

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2008. III. negyedév) Budapest, február

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2008. III. negyedév) Budapest, február ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2008. III. negyedév) Budapest, 2009. február Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló Módszertan Táblázatok:

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2010. II. negyedév) Budapest, 2010. október

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2010. II. negyedév) Budapest, 2010. október ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2010. II. negyedév) Budapest, 2010. október Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló Módszertan Táblázatok:

Részletesebben

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA 1 SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA Heti óraszám: 3 Éves óraszám: 37 x 3 = 111 A tanmenet 101 óra beosztását tartalmazza. A dolgozatok írása és javítása 10 órát foglal

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

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

Részletesebben

ÖSSZEFOGLALÓ TÁJÉKOZTATÓ az egészségügyben dolgozók létszám- és bérhelyzetéről III. negyedév

ÖSSZEFOGLALÓ TÁJÉKOZTATÓ az egészségügyben dolgozók létszám- és bérhelyzetéről III. negyedév ÖSSZEFOGLALÓ TÁJÉKOZTATÓ az egészségügyben dolgozók létszám- és bérhelyzetéről 2010. III. negyedév A feldolgozás mintája: Azon egészségügyi intézmények létszám és béradatai, amelyek bérszámfejtését 2010.

Részletesebben

Iskolai jelentés. 10. évfolyam szövegértés

Iskolai jelentés. 10. évfolyam szövegértés 2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2010. III. negyedév) Budapest, 2011. január

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2010. III. negyedév) Budapest, 2011. január ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2010. III. negyedév) Budapest, 2011. január Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló Módszertan Táblázatok:

Részletesebben

Évközi minta az egészségügyi bér- és létszámstatisztikából

Évközi minta az egészségügyi bér- és létszámstatisztikából Évközi minta az egészségügyi bér- és létszámstatisztikából 2013. I. negyedév Gyógyszerészeti és Egészségügyi Minõség- és Szervezetfejlesztési Intézet Informatikai és Rendszerelemzési Fõigazgatóság Budapest,

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

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

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

Részletesebben

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

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

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

Részletesebben

Magyarország növekedési kilátásai A magyarországi vállalatok lehetőségei és problémái MTA KRTK KTI workshop

Magyarország növekedési kilátásai A magyarországi vállalatok lehetőségei és problémái MTA KRTK KTI workshop Magyarország növekedési kilátásai A magyarországi vállalatok lehetőségei és problémái MTA KRTK KTI workshop Prof. Dr. Szerb László egyetemi tanár Pécsi Tudományegyetem Közgazdaságtudományi Kar Helyzetkép

Részletesebben

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

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

Részletesebben

OSAP Bér- és létszámstatisztika. Vezetõi összefoglaló

OSAP Bér- és létszámstatisztika. Vezetõi összefoglaló OSAP 1626 Bér- és létszámstatisztika Vezetõi összefoglaló 2003 Egészségügyi Stratégiai Kutatóintézet Vezetői összefoglaló Az OSAP 1626/02 nyilvántartási számú bérstatisztika adatszolgáltatóinak köre a

Részletesebben

Az Iránytű Intézet júniusi közvélemény-kutatásának eredményei. Iránytű Közéleti Barométer

Az Iránytű Intézet júniusi közvélemény-kutatásának eredményei. Iránytű Közéleti Barométer Az Iránytű Intézet júniusi közvélemény-kutatásának eredményei Iránytű Közéleti Barométer Kutatásunk 2000 fős reprezentatív mintára épül. A feldolgozott adatok a megyei és fővárosi nem- és korösszetétel,

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2009. III. negyedév) Budapest, 2010. január

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2009. III. negyedév) Budapest, 2010. január ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2009. III. negyedév) Budapest, 2010. január Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló Módszertan Táblázatok:

Részletesebben

OSAP 1626. Bér- és létszámstatisztika. Egészségügyi ágazat. Vezetõi összefoglaló

OSAP 1626. Bér- és létszámstatisztika. Egészségügyi ágazat. Vezetõi összefoglaló OSAP 1626 Bér- és létszámstatisztika Egészségügyi ágazat Vezetõi összefoglaló 2004 Egészségügyi Stratégiai Kutatóintézet Az OSAP 1626/04 nyilvántartási számú bér- és létszámstatisztika adatszolgáltatóinak

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

Adatmanipuláció, transzformáció, szelekció SPSS-ben

Adatmanipuláció, transzformáció, szelekció SPSS-ben Adatmanipuláció, transzformáció, szelekció SPSS-ben Statisztikai szoftver alkalmazás Géczi-Papp Renáta Számított változó A már meglévő adatokból (változókból) további adatokat származtathatunk. munkavállalók.sav

Részletesebben

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

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

Részletesebben

Rövid távú munkaerőpiaci előrejelzés és konjunktúra kutatás OKTÓBER

Rövid távú munkaerőpiaci előrejelzés és konjunktúra kutatás OKTÓBER SZOCIÁLIS ÉS MUNKAÜGYI MINISZTÉRIUM FOGLALKOZTATÁSI HIVATAL MAGYAR KERESKEDELMI ÉS IPARKAMARA GAZDASÁG- ÉS VÁLLALKOZÁSELEMZŐ INTÉZET kirendeltség kódja adatszolgáltató sorszáma Rövid távú munkaerőpiaci

Részletesebben

Microsoft Excel 2010. Gyakoriság

Microsoft Excel 2010. Gyakoriság Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó

Részletesebben

VEZETŐI ÖSSZEFOGLALÓ. Vezetői összefoglaló

VEZETŐI ÖSSZEFOGLALÓ. Vezetői összefoglaló VEZETŐI ÖSSZEFOGLALÓ AZ EGÉSZSÉGÜGYI MINISZTÉRIUM OSAP 1626/06 NYILVÁNTARTÁSI SZÁMÚ ADATGYŰJTÉSE, EGÉSZSÉGÜGYI ÁGAZAT LÉTSZÁM ÉS BÉRSTATISZTIKA, 2009. ÉV Adatszolgáltatói kör: Az egészségügyi ágazat létszám-

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2004. II. negyedév) Budapest, 2004. október

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2004. II. negyedév) Budapest, 2004. október ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2004. II. negyedév) Budapest, 2004. október Évközi minta az egészségügyi bér- és létszámstatisztikából Vezet i összefoglaló Módszertan Táblázatok:

Részletesebben

A Kecskeméti Jubileum paradicsomfajta érésdinamikájának statisztikai vizsgálata

A Kecskeméti Jubileum paradicsomfajta érésdinamikájának statisztikai vizsgálata Borsa Béla FVM Mezőgazdasági Gépesítési Intézet 2100 Gödöllő, Tessedik S.u.4. Tel.: (28) 511 611 E.posta: borsa@fvmmi.hu A Kecskeméti Jubileum paradicsomfajta érésdinamikájának statisztikai vizsgálata

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

A MIDAS_HU modell elemei és eredményei

A MIDAS_HU modell elemei és eredményei A MIDAS_HU modell elemei és eredményei Tóth Krisztián Országos Nyugdíjbiztosítási Főigazgatóság A MIDAS_HU mikroszimulációs nyugdíjmodell eredményei további tervek Workshop ONYF, 2015. május 28. MIDAS_HU

Részletesebben

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

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

Részletesebben

Foglalkoztatási modul

Foglalkoztatási modul Foglalkoztatási modul Tóth Krisztián Országos Nyugdíjbiztosítási Főigazgatóság A mikroszimulációs nyugdíjmodellek felhasználása Workshop ONYF, 2014. május 27. Bevezetés Miért is fontos ez a modul? Mert

Részletesebben

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

III. Kvantitatív változók kapcsolata (korreláció, regresszió) III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással

Részletesebben

Matematikai geodéziai számítások 6.

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

Részletesebben

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

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

Részletesebben

Varianciaanalízis 4/24/12

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

Részletesebben

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

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeş-Bolyai Tudományegyetem 1.2 Kar Közgazdaság- és Gazdálkodástudományi Kar 1.3 Intézet Közgazdaság- és Gazdálkodástudományi

Részletesebben

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

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

Részletesebben

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2008. II. negyedév) Budapest, 2008. augusztus

ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL. (2008. II. negyedév) Budapest, 2008. augusztus ÉVKÖZI MINTA AZ EGÉSZSÉGÜGYI BÉR- ÉS LÉTSZÁMSTATISZTIKÁBÓL (2008. II. negyedév) Budapest, 2008. augusztus Évközi minta az egészségügyi bér- és létszámstatisztikából Vezetői összefoglaló Módszertan Táblázatok:

Részletesebben