1. BEVEZETÉS A TÁRSADALOMSTATSZTIKÁBA

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "1. BEVEZETÉS A TÁRSADALOMSTATSZTIKÁBA"

Átírás

1 Tartalomjegyzék. BEVEZETÉS A TÁRSADALOMSTATSZTIKÁBA..... Mi a statisztika?..... Alapfogalmak Mérési szintek Adatbázisok létrehozása, címkézés Az SPSS által kezelt adatállományok, adatbázisok összekapcsolása, esetek leválogatása Változók átalakítása EGYVÁLTOZÓS ELEMZÉSEK Statisztikai alapmveletek, egyszer elemzések: gyakorisági eloszlások, rangsorok Gyakorisági eloszlások A centrális tendenciák mutatói: átlag, medián, módusz Szórás és szóródás Momentumok, ferdeség és csúcsosság MINTAVÉTEL Elemi valószínségelmélet. Várható érték Elemi mintavételi elmélet. Standard hiba KÉTVÁLTOZÓS ELEMZÉSEK Változók közötti kapcsolatok Minségi változók közötti kapcsolat Vegyes kapcsolat Két mennyiségi változó közötti kapcsolat: korreláció TÖBBVÁLTOZÓS ELEMZÉSEK A többváltozós elemzések fajtái A faktorelemzés A klaszterelemzés MELLÉKLETEK A χ -eloszlás táblázata (p0.05, P0,0 és p0,00) A t -eloszlás táblázata (p0.05, P0,0 és p0,00) Az SPSS 9.0 program menüsor parancsainak rövid leírása BIBLIOGRÁFIA... 58

2 . BEVEZETÉS A TÁRSADALOMSTATSZTIKÁBA.. Mi a statisztika? A statisztika (általános statisztika, matematikai statisztika) a valóság számszer információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati tevékenység és tudomány. A statisztika tömegjelenségekkel foglalkozik. Tehát módszeresen megfigyeli a tömegjelenségek tulajdonságait, begyjti a jellemz információkat és feldolgozza, értékeli, elemzi. A statisztika legfbb érdeme, hogy: - információt szolgáltat a megfigyelt jelenségekrl - lehetséget ad a tudományos elemzésekhez - tájékoztat a fontosabb társadalmi-gazdasági folyamatokról (legfontosabb az állami vagy hivatalos statisztika). A statisztika fogalmán az általános és az alkalmazási területhez kötd módszertannak, valamint a gyakorlati tevékenységnek a szorosan összefügg egységét értjük. A statisztika arra szolgál, hogy a valóság tényeinek valamely adott körét tömören, a számok nyelvén jellemezze. A statisztika történeti kialakulása és fejldése A statisztika elször mint gyakorlati, számbavételi tevékenység jelent meg az ókorban. A legkorábbi statisztikai adatok az ókori államokban végrehajtott népszámlálásból származnak. A középkorban a hbérurak földbirtokával összefügg leltározó jelleg összeírásokat végeztek, késbb, a polgári társadalmak kialakulásával pedig egyre ntt az érdekldés a különböz országok földrajzi, politikai és gazdasági viszonyai iránt. Mindezek az úgynevezett német leíró iskola kifejldéséhez vezettek. Maga a statisztika szó is ebbl az idbl származik, a státus (állam) szóból ered. A polgári társadalmak fejldésével a leíró jelleg információk köre bvült, a közöttük lév számszer összefüggések ismeretének igénye pedig kikényszerítette az elemzések módszertani fejlesztését is. Ebben az idben az államszámtant átnevezték politikai aritmetikának ez lett a tudományos elemz statisztika alapja. A legnagyobb elrelépést az a tény képezte, hogy a XVIII-XIX. században meghatározták a valószínség számítás tételeit és ezen tudományág fejldésének hatására alakult ki a mai matematikai statisztika.

3 A statisztika ágazatai és kapcsolata más tudományokkal Miként ez köztudott, a statisztikának a matematikához való kötdése a legersebb, hiszen a matematika elmélete (fként a valószínség számítás elmélete, lásd III. Fejezet) a szakmai összefüggések leírására megfelel módszertani tárházat nyújt. A statisztika a matematika eredményeit (amelyek alkalmasak a tömegjelenségekben rejl törvényszerségek feltárására) és a szakmai jelenség természetét ismerve alakítja ki módszereit. A statisztikai tevékenység sok irányba ágazik szét, így alakulnak ki a szakstatisztikák. A szakstatisztikák egy-egy terület szakmai összetevit ismerve olyan matematikai módszert választanak, amely az ott elforduló jelenségeket szakmai szempontból is helyesen írja le. A szakstatisztika nem más, mint a társadalmi-gazdasági élet egy-egy területének statisztikai módszerekkel való vizsgálata (pl. gazdaságstatisztika, népességstatisztika stb.). A szakstatisztikán belül is további differenciálódás következik be, de egy szakterületen belül egységes alapelvek érvényesülnek. A társadalomstatisztika A társadalomstatisztika az általános statisztika egy sajátos változata. A társadalomstatisztika is az általános statisztikán alapul, de a vizsgált változók, mutatók és eljárások a társadalmi viszonyok sajátos mérési módjához vannak igazítva, így egyes számítások matematikai értelemben vett pontossága magyarázatra szorul (Mezei-Veres, 00). A mérési szint meghatározása, a mérési hibák befolyása sajátos jelleggel bír a társadalomtudományokban. Megtörténik, hogy egy módszert olyan adatokra is alkalmaznak, amelyek nincsenek kell pontossággal mérve (pl. faktorelemzést alkalmaznak ordinális mérési szint változókon). A társadalomstatisztika ezekkel a problémákkal is meg kell birkózzon. A társadalomtudományi kutatás lépései: Kutatási kérdés Hipotézis készítés ELMÉLET Hipotézis tesztelés Adatelemzés Adatgyjtés A statisztikai elemzés leginkább az Adatelemzés lépcsjéhez köthet. De a kutatás minden lépését a mögöttes elmélet határozza meg, és fordítva, minden lépés eredménye hatással lehet az elméletre. 3

4 Ebbl következnek a társadalomstatisztika legfontosabb korlátai: - az elemzések eredménye ersen függ a vizsgálatba bevont szempontoktól, változóktól (elméleti kerettl) - a bevont szempontok kiválasztásának mindig szakmai döntésre kell támaszkodnia minden szakmailag releváns szempontot be kell vonni az elemzésbe - a matematikai eszközök mechanikusan nem alkalmazhatók, szükség van szaktudásra (társadalomtudományi ismeretekre). Tehát a statisztikai módszerekkel kapott eredményeket csak megfelel szakmai ismerettel lehet hatékonyan felhasználni, ugyanakkor a korszer társadalomtudományi szakismeret elképzelhetetlen a mennyiségi összefüggések ismerete nélkül. Az eddigi átfogó értékelés helyett a különböz szakterületek igénye az értékelés mélysége fele mutat, amely a módszertani apparátus ismeretén túl igényesebbek a vizsgált szakterület ismeretét (elméleti vonatkozásait) illeten. A statisztikai ismeretek megértésének talán legjelentsebb összetevje a módszerek alkalmazásának gyakorlása. Az elméleti ismeretek segítik a gyakorlást, ám a készségek effektív munka során alakíthatók ki (ez utóbbi jelentsen visszahat az elméleti ismeretek elmélyítésére is), amelyben nagy segítséget nyújtanak a számítógépes programcsomagok. A statisztikai programcsomagok közül a szociológusok által leginkább használt SPSS (Statistical Package for the Social Sciences) Windows alatt futó programjának 9.00-ás alkalmazását ismertetem... Alapfogalmak A szociológiában a társadalmi valóság tömör, számszer jellemzéséhez az operacionalizálás révén jutunk el. Mindezt megelzi a vizsgált területre vonatkozó szakismeret áttekintése, a kutatási kérdések és hipotézisek megfogalmazása és konceptualizálása (lásd Társadalomtudományi kutatási módszerek és technikák tárgy). Ezeket a fázisokat követi maga az operacionalizálás, ami nem más, mint a vizsgált kutatási probléma különböz jellemzinek megadása (kérdíves adatfelvételek esetén a kérdív kérdéseinek megfogalmazása képezi ezt a tevékenységet). Az operacionalizálás elképzelhetetlen a megfigyelési egységek definiálása (a vizsgált sokaság beazonosítása), valamint a mérési eljárások kialakítása (az ismérvek vagy változók megfogalmazása) nélkül. 4

5 A vizsgálat tárgyát képez egységek összességét, halmazát statisztikai sokaságnak, vagy rövidebben sokaságnak esetleg populációnak nevezzük. A statisztikai sokaság egyedei a statisztikai egységek. Ezek az egységek lehetnek éllények: emberek, pl. a népszámlálás esetén; állatok, a mezgazdasági összeírásoknál; tárgyak, pl. a személygépkocsi állomány állapotának felmérésénél; szervezetek, pl. a vállalkozások IT felszereltségének felmérésekor, események, pl. a kulturális rendezvények vizsgálata esetén, de lehetnek képzett egységek is, pl. a GDP alakulásának vizsgálatakor. Azt, hogy mit tekintünk a statisztikai vizsgálatnál a sokaságnak, mindig a vizsgálat célja dönti el. Ha pl. a Sapientia egyetem hallgatóinak tévénézési szokásait szeretnénk vizsgálni, akkor az alapsokaság nem más, mint az abban az idpontban hallgatói jogviszonnyal rendelkez diákok sokasága. Mivel a valóságban legtöbbször nem áll módunkban a populáció egészérl adatfelvételt készíteni, ezért mintát veszünk és az ilyen módon begyjtött adatokon végzünk statisztikai elemzéseket. A sokaság egységei különböz tulajdonságaik megadásával jellemezhetek. Ezen tulajdonságok egy része a sokaság minden egyes egységére nézve közös, más részük azonban nem. A sokaság tagjai, egységei a vizsgálat tárgyának ismeretében legtöbbször elég egyértelmen adódnak, de vannak olyan esetek is, amikor a sokaság egységei nem különülnek jól el egymástól, hanem csak önkényesen definiálhatóak (vagy a valóságban nem is léteznek). Amikor a valóság jól elkülönül egységekbl áll (számolásnál), diszkrét sokaságról beszélünk, ilyen pl. egy adott településen él lakósok száma. Amikor valóságos, de csak önkényesen elkülöníthet egységekbl áll (két adott érték között elméletileg az összes értéket felveheti), akkor folytonos sokaságról beszélünk, mint pl. a Sapientia egyetem diákjai által egy nap elfogyasztott ásványvíz mennyisége. Ha a sokaság elképzelt egységekbl áll, fiktív sokaságról beszélünk (pl. Románia 009. dec. -i lakósainak száma). Amikor a sokaság csak egy adott idpontra vonatkozóan értelmezhet, álló sokaságnak nevezzük (pl. a lakosság száma 006. március 8-án), amikor csak valamely adott idtartamra vonatkoztatva értelmezhet, mozgó sokaságnak nevezzük (pl. a Hargita megyei munkanélküliek száma a 00-es év folyamán). 5

6 Ismérv vagy változó Az ismérvek olyan vizsgálati szempontok, amelyek alapján egy sokaság egymást át nem fed részekre bontható. A sokaság egyes egységeinek e felbontásban való elhelyezkedését az egységek adott szempont szerinti tulajdonságai határozzák meg. A valamely szempont szerint lehetséges tulajdonságokat ismérv-változatoknak (attribútumnak) nevezzük. Ha az ismérv változatai számszerek, akkor azokat ismérvértékeknek, magát az ismérvet pedig változónak (a logikailag egymáshoz tartozó attribútumok halmazának) nevezzük. A mindössze két változattal rendelkez ismérveket alternatív ismérveknek (dumy vagy dichotóm változónak) nevezzük. Nézzük az alábbi példát. Kérdíves kutatást készítettünk a Sapientia Egyetem diákjai körében. Ebben az esetben: Sokaság: a 007/008-az tanévben az egyetemmel hallgatói jogviszonyban álló diákok Ismérvek: Ismérvváltozatok: Nem férfi, n Életkor (év) 988, 989, stb. Állandó lakóhely (település neve) Csíkszentgyörgy, Sepsiszentgyörgy, stb. C típusú nyelvvizsga nincs, alapfokú, középfokú, felsfokú Internethasználat igen, nem Magasság (cm) 7, 68, stb. Testsúly (kg) 48, 66, stb. Fizikai állapotával való elégedettség elégedetlen, igen is meg nem is, elégedett Látható, hogy a fenti példában alkalmazott ismérvek nem ugyanolyan jelleg információt hordoznak. Az életkor, magasság és testsúly ismérvek ismérvváltozatai konkrét számértékek, amelyekkel akár mveleteket is végezhetünk (például annak megállapítására, hogy a diák hány éves lesz négy év múlva, vagy átlagosan milyen magasak a diákok). Ezzel szemben a nyelvvizsga foka, valamint a fizikai állapotával való elégedettség olyan ismérvek, amelyek ismérvváltozatai nem számértékek, de mégis fennáll valamiféle hierarchia az ismérvváltozatok között, hiszen tudjuk, hogy a középfokú nyelvtudás magasabb szint, mint az alapfokú, stb. A nem, az internethasználat, illetve az állandó lakóhely esetében azonban az ismérvváltozatok egyrészt nem számértékek, másrészt nem áll fenn semmiféle hierarchia sem az egyes ismérvváltozatok között, hiszen nem dönthet el, hogy Csíkszentgyörgyön lakni jobb, vagy rosszabb, mint Sepsiszentgyörgyön, és az sem egyértelmen eldönthet, hogy nnek, vagy férfinek lenni jobb, stb. Ezenkívül a nem és az internethasználat ismérveknek csak két ismérvváltozata lehet, míg a lakóhelynek jóval több. Összefoglalva tehát azt mondhatjuk, hogy mivel a statisztikai egységek tulajdonságainak észlelése és rögzítése adat formájában valamiféle mérésnek 6

7 tekinthet, a különböz ismérveknek más-más mérhetségi tulajdonságaik vannak. Mindez jelentsen befolyásolhatja a statisztikai vizsgálatot. Az ismérvek mérhetségi tulajdonságainak egyik jellemzje a hozzájuk tartozó mérési szint, vagy mérési skála. Bizonyos szabályok betartása mellett egy eredetileg nem mennyiségi ismérv (valamilyen számlálás vagy mérés számszer eredményeit rendeli hozzá a sokaság egységeihez) lehetséges változatai számértékké alakíthatóak, kódolhatók. Ilyen módon bármely észlelt tulajdonság szám formájában történ rögzítése az egységek számokkal való jellemzésének, azaz mérésnek tekinthet. De miként a fenti példából is kitnik, egyáltalán nem mindegy, hogy a sokaság egységeihez ilyen módon hozzárendelt számértékek mely tulajdonságai érvényesek a sokaság egységeinek a számértékekkel jellemezni kívánt tulajdonságaira is. Errl szólnak a mérési skálák vagy mérési szintek..3. Mérési szintek A szociológiában négy mérési skálát szokás használni:. nominális, megnevezéses vagy névleges mérési szint. ordinális, rendezési vagy sorrendi mérési szint 3. intervallum vagy különbségi mérési szint 4. arány-skála. Ebbl az els két skálát szokás még minségi, a második kettt pedig mennyiségi mérési skáláknak nevezni. A nominális skála a legegyszerbb és legkevésbé informatív mérési fokozat. Csak az egységekhez rendelt számértékek egyez vagy különböz voltát engedi meg az egységeket ténylegesen is jellemz tulajdonságként elfogadni. Az egységekhez hozzátartozó számértékeknek nincs mértékegysége, tulajdonképpen csupán egy megkülönböztet címkérl beszélhetünk. A kódszámok közti különbségeknek, azok hányadosának vagy a nagyságrendjének nincsen semmi értelme, viszont az egységek csoportosítására kiválóan alkalmas. A fenti példánkban ilyen mérési szint változó a nem, az állandó lakhely és az internethasználat. Az ordinális skála esetében nemcsak a skálaértékek azonos vagy nem azonos volta, hanem azok sorrendisége is az egységek között fennálló valós viszonyokat írja le. Az egységekhez hozzárendelt számértékek sorrendje az adott egységek valamilyen szempontból vett sorrendjét mutatja (az egyes attribútumok a vizsgált tulajdonsággal 7

8 relatíve kisebb vagy nagyobb mértékben rendelkeznek). A skálaértékek bármilyen, az egységek adott sorrendjét megtartó számértékek lehetnek, hiszen maguk a számértékek nem hordoznak információt, csakis azoknak sorrendje. Akár csak a nominális mérési szint változók esetében, ezeknek a számértékeknek sincs mértékegysége, valamint a skálaértékek különbsége sem informatív, továbbá nincs értelme a skálaértékekkel végzett más mveleteknek sem. A fenti példánkban ilyen mérési szint változó a nyelvvizsga, valamint a fizikai állapottal való elégedettség. Az intervallum skála a szó szoros értelmében is mérést jelent, mivel a mennyivel nagyobb kérdésre is választ tudunk adni. A skálaértékek különbségei is valós információt nyújtanak a sokaság egységeirl, valamint e skálának már valamilyen mértékegység is a szerves tartozékát képezi. A skála kezdpontja a 0-pont, azonban ez önkényes, illetve valamilyen konvención alapszik - ez lehetetlenné teszi a skálaértékek egymás közötti arányának meghatározását. A szociológiai adatfelvételekkor ritkán találkozunk intervallum skálával, a fenti példánk sem tartalmaz ilyen változót. A klasszikus példa intervallum mérési szint változóra a hmérséklet, hiszen nincs abszolút 0 pont, a víz fagyáspontjának választása esetleges, függ az alapul vett hmérsékleti skálától. Példa. A 0 0 C és 0 0 C hmérséklet közötti különbség Fahrenheit skálán mérve is ugyanannyi, mint a 5 0 C és 5 0 C közötti különbség (a különbségnek valós értelme van). F 9*C/5 + 3 a. 0 0 C 9*0/ F b. 0 0 C 9*0/ F c C 9*(-5)/ F d. 5 0 C 9*5/ F 0 0 C 0 0 C 0 0 C 68 0 F 50 0 F 8 0 F 5 0 C (-5) 0 C 0 0 C 4 0 F 3 0 F 8 0 F. A 0 0 C és az 5 0 C hmérséklet egymáshoz viszonyított aránya nem független az alapul vett hmérsékleti skálától (az arányoknak nincs értelme). 0 0 C 68 0 F (b.) 5 0 C 4 0 F (c.) 68 0 F/4 0 F, C/5 0 C 4 8

9 Az arány-skála a legtöbb információt nyújtó mérési szint. Már a kezdpont is egyértelmen adott és rögzített, bármely két skála-érték egymáshoz viszonyított aránya is egyértelmen meghatározható, azaz információt hordoz. A fenti példánkban ilyen mérési szint változó az életkor, magasság és testsúly változók. A mérési szintek egymáshoz való viszonya A mérési szintek bemutatott sorrendje a mérés egymást követ olyan fokozatainak tekinthetk, amelyek a mérés eredményeit kifejez számértékek egyre több tulajdonságának kihasználását teszi lehetvé. Ilyen értelemben a nominális mérési szint a legalacsonyabb, az arány-skála pedig a legmagasabb mérési szint, ugyanakkor egy adott mérési szint változó alacsonyabb szintként is kezelhet. Az ismérvfajták és mérési skálák egymástól való megkülönböztetése azért lényeges, mert más-más fajta elemzést tesznek lehetvé. Az ismérvek fajtája, illetve a mérés adott szintje mindig behatárolja az elemzés egy-egy adott esetben szóba jöv eszközeit, tehát különböz mérési szint változók más-más típusú statisztikai elemzéseket tesznek vagy nem tesznek lehetvé. A mérés adott szintje azonban kétféle értelemben is relatív:. sohasem függetleníthet el teljesen a vizsgálat célkitzéseitl a magas mérési szintek alacsonyabbakká válhatnak. bizonyos elemzési technikák a megkívántnál alacsonyabb mérési szint adatok elemzésére is jól használhatók (pl. faktorelemzés)..4. Adatbázisok létrehozása, címkézés Az adatbázis (adatmátrix) nem más, mint a kutatás során a sokaság (vagy minta) elemeirl begyjtött adatok halmaza. Az adatokat kódolt és rendszerezett formában szokás elektronikus formában rögzíteni, úgy, hogy minden egyes egységünk (esetünk, amely lehet egy megkérdezett személy, szervezet, stb.) külön sorba, minden egyes változónk (ismérvünk, mért tulajdonságuk) pedig külön oszlopba kerüljön. Az adatbázisban minden egyes cellában egyetlen érték szerepelhet. Az operacionalizálás során nyert fogalmak, tulajdonságok a mérés eredményeként elvileg megfeleli lesznek a statisztikai adatbázist alkotó változóknak, de ez a megfelelés nem teljes. Vannak olyan tulajdonságok, amelyeknél a megfeleltetett kérdésbl nem egy, hanem 9

10 több változó is készül, pontosan azért, hogy a statisztikai feldolgozhatóság kedvéért egy cellában csak egyetlen adat szerepeljen. Adatbázist több programban is létre lehet hozni, Excel-ben, dbase-ben, SPSS-ben, stb. A továbbiakban csak a szociológusok által leggyakrabban használt SPSS programcsomagra (ennek is a 9.0-ás verziójára) fogok kitérni. A példákban és ábrákban használt adatbázis a MOZAIK00 Magyar fiatalok a Kárpát-medencében cím szociológiai kutatás székelyföldi adatbázisa. Az adatbázis formája az SPSS-ben az alábbi ábra szerint néz ki: Változó Változó Változó 6 Eset Eset Eset 7 Adatbázis létrehozása SPSS-el Indítsuk el az SPSS programot! Válasszuk a TYPE IN DATA opciót és kattintsunk az OK gombra. Ha már fut a program, akkor a File fmenüpontban a New pontban válasszuk a Data-t.. Miként a fenti ábrából is kitnik, az SPSS táblázata hasonlít az Excel-ére. Számozott sorok vannak, ahova az egyes esetek/megkérdezettek (cases) adatai fognak kerülni, az oszlopokba (variables) pedig a változók szerepelnek. Els lépésben el kell neveznünk (definiálnunk) az egyes változókat és azok tulajdonságait. Ezt úgy kezdjük, hogy a DATA fmenüpont Define Variable menüpontjára megyünk, vagy duplán klikkelünk az els oszlop var (az els változó) mezjére (a 0.0-s vagy ennél késbbi SPSS-ek ekkor átváltanak a Variable View nézetre). Itt a Variable Name pontnál nevet adunk a változónak (max. 8 karakter hosszúságú lehet, nem kezddhet számmal), amely meg fog jelenni az adatbázis fejlécében (érdemes olyan nevet adni, amivel könnyen beazonosítható, hogy melyik kérdésrl is van szó). A Type pontnál beállítjuk a változó formátumát. Legtöbb esetben numerikus adataink vannak, mivel a kódokat (számokat) sokkal könnyebb 0

11 bevezetni, mint a szöveget, így az SPSS is alapértelmezésben numerikus adatbevitelre van beállítva. Sokszor azonban elfordul, hogy pl. egy nyílt kérdést nem sikerült kódolni és a szöveget szeretnénk bevezetni ilyenkor a Define Variable Type-nél a string gombra kattintunk. A Labels pontnál felcímkézzük a változónkat, vagyis a Variable Label-nél megadjuk az ismérvünk bármilyen hosszú nevét, a Value Labelnél pedig megadjuk a változóhoz tartozó egyes attribútumokat (minden egyes bevezetett címke után Add -et nyomunk): pl. Variable Label: A megkérdezett neme, Value:, Value Lable: n, majd Add, Value:, Value Lable: férfi (a Remove gombbal törölhetjük, a Change gombbal módosíthatjuk a korábban beírtakat), majd Add és Continue. Visszatérve a Define Variable almenübe, a Missing Values pontnál megadhatjuk, hogy milyen kóddal szerepl eseteket kezeljen az SPSS hiányzó adatként: pl. ha a 0 azt jelentette, hogy valaki nem tud válaszolni és nem szeretnénk a számításainkba bevonni ezt az értéket, a Define Missing Values-nál a 0-t beírjuk a Discrete missing values pontnál, majd Continue-t nyomunk. A Define Variable almenüben még beállítható az oszlopszélességet (Column Format) és az ismérvünk mérési szintje (nominális, ordinális vagy skála, azaz mennyiségi). Amikor több változónk ugyanazokkal az attribútumokkal rendelkezik (pl. megkérdeztük a háztartásban él összes személy foglalkozását, vagy több olyan kérdésünk van, amelyekre igen/nem válaszokat lehet adni), a DATA fmenübl a Templates almenüt választjuk. Ezen belül a Define menü segítségével beállíthatjuk a változó típusát, felcímkézhetjük, megadhatjuk a hiányzó adatok kezelésére vonatkozó

12 utasításokat (az elzek szerint), majd a Name-re kattintva nevet adunk a változónak (pl. IGENNEM) és Add-et klikkelünk. A következ ilyen típusú változónknál nincs más dolgunk, mint a Templates almenübl kiválasztani a megfelel változót (pl. IGENNEM), az Apply funkcióval bejelöljük, hogy milyen beállításokat szeretnénk az új változónkra alkalmazni, majd Ok-t klikkelünk. Ilyen módon tudunk létrehozni változókat, el tudjuk ket nevezni. Miután megvan a keretfájlunk, nem marad más dolgunk, mint bevezetni az adatokat a kódutasítás (az UTILITIES fmenü File Info pontja segítségével könnyen elkészíthet) szerint. Adatbázisunkat a többi Windows alatt futó programokhoz hasonlóan a FILE fmenü Save vagy Save As menüpontjai segítségével menthetjük meg.

13 .5. Az SPSS által kezelt adatállományok, adatbázisok összekapcsolása, esetek leválogatása Az SPSS által kezelt adatállományok Az Excel programmal szemben egy SPSS sajátosság, hogy egyszerre csak egy adatbázist lehet megnyitni. Ezért nagyon fontos arra figyelni, hogy amikor több adatbázissal dolgozunk, mindig a megfelel változatot mentsük el. Miként a többi ismert programban is, a megnyitás a FILE fmenü Open almenüjébl történik. Az SPSS több más, nem SPSS (.sav) formátumú adatbázist is be tud olvasni. Ez nyilvánvalóan akkor igen hasznos, amikor nem saját adatbázisból szeretnénk dolgozni, ismerjük az SPSS programcsomagot, viszont a feldolgozandó adatfájlunk nem SPSS-ben készült. A legvalószínbb eset, amikor az adatokat egy Excel file-ba vitték be. Ebben az esetben úgy járunk el, hogy az Excel fájlt 4.0-ás verzióba elmentjük (mivel a magasabb verziók egyszerre több adatbázist is tudnak kezelni, az SPSS pedig csak egyet), bezárjuk, majd SPSS-ben az Open menüpontból (a Files of Type meznél az *.xls kiterjesztés fájlokat jelöljük meg) megnyitjuk az Excel állományt. Amennyiben az Excel fájlunk fejléccel rendelkezik, az opcióknál beállítjuk, hogy az SPSS adatbázisban is maradjon meg a fejléc (Read Variable Names), majd elmentjük SPSS adatbázisként. Adatfájlok összekapcsolása az SPSS-ben A program lehetséget ad különböz SPSS adatbázisok összekapcsolására. Adatmátrixról lévén szó, két lehetségünk van:. olyan adatbázisokat ragasztunk össze, amelyek ugyanazokat a változókat tartalmazzák, de más-más esetekre vonatkoznak (pl. egy kérdíves felmérés kitöltött kérdíveit több személy vezette be számítógépbe úgy, hogy X az A településen lekérdezetteket, Y pedig a B településen lekérdezetteket). olyan adatbázisokat ragasztunk össze, amelyeknél ugyanazok a megfigyelési egységek/esetek, de különböz változók szerepelnek (pl. egy kérdíves felmérés 3

14 kitöltött kérdíveit több személy vezette be számítógépbe úgy, hogy X minden kérdív els 0 kérdését, Y pedig minden kérdív utolsó 0 kérdését). Az els esetben a DATA fmenü Merge Files, Add Cases menüpontjával, a második esetben a Merge Files, Add Variables menüponttal dolgozunk. Mindkét esetben a megnyíló ablakban kiválasztjuk a megnyitott adatbázishoz kapcsolni kívánt fájlt, majd az Open gombra kattintunk. Mindkét esetben az SPSS lehetséget ad arra, hogy ellenrizzük az új, összeragasztott adatbázis változóit és módosítsunk rajta (a megnyitott adatbázisunk változóit (*)-al, az importált adatbázis változóit pedig (+)-al jelöli). Amikor új változókat szeretnénk hozzáadni az adatbázisunkhoz, mindig figyeljünk arra, hogy az eseteink ugyanabban a sorrendben legyenek mindkét adatbázisban (a DATA, Sort Cases segítségével lehet ugyanazon változó szerint sorba rendezni adatbázisainkat), tehát legalább egy közös változónk kell legyen mindkét adatmátrixban. Megfigyelések leválogatása az SPSS-ben A megfigyelések/esetek szelektálása SPSS sajátosság. Miként a neve is jelzi, olyankor használjuk, amikor nem a teljes adatbázissal, hanem csak annak egy részével kívánunk dolgozni. A leválogatásra több lehetségünk is van a DATA fmenü Select Cases almenüjében. A Select, If condition is satisfied, If meznél egy vagy több változó értékei szerinti feltételes leválogatást hajthatunk végre numerikus és logikai mveletek segítségével. 4

15 Mint a legtöbb SPSS fablakban, ebben is (baloldalon) megtalálható az összes változó, amivel jelenleg dolgozunk. Jobboldalon helyezkednek el (egy számológépre emlékeztet rész formájában) a különböz mveleti és numerikus gombok. Az ismers mveleti jeleken kívül (+,-, *, /) vannak olyanok is, amelyek az egyszer számológépeken nem találhatók meg. Ilyen pl. az &, a ~ stb., ezek logikai mveletek elvégzését teszik lehetvé, amelyekrl az alábbi táblázat nyújt összefoglalót: Jel Jelentése < Kisebb, mint > Nagyobb, mint < Kisebb vagy egyenl, mint > Nagyobb vagy egyenl, mint Egyenl ~ Egyenltlenség & És Vagy ~ Nem A numerikus gombok mellett található még egy ablak, a Functions, amely elre elkészített utasításokat, függvényeket tartalmaz, egyszerbbeket és kicsit bonyolultabbakat is. Példa Munkaadatbázisunkban (AdatbazisifjusSap.sav) 4-30 éves fiatalokon felvett adatok szerepelnek. Feltételezzük, hogy a továbbiakban csak a 0 évnél idsebb fiatalokról szeretnénk elemzést készíteni, ezért a 4-0 éves fiatalokat kiszrjük. Ekkor a 5

16 következképpen járunk el: a DATA fmenü Select Cases almenüjében a Select, If condition is satisfied, If mezre kattintva átvisszük a k. (születési év) változót, majd megadjuk a leválogatás feltételét, vagyis, hogy a válotzó értékei legyenek kisebbek, mint 98. Aki 98-ben született, az 00-ben, vagyis az adatfelvétel évében pontosan 0 éves volt (minket az k adataik sem érdekelnek, hiszen csak a -30 évesekrl szeretnénk valamit mondani, ezért a Kisebb, mint, nem pedig a Kisebb vagy egyenl, mint feltételt adjuk meg), aki ennél korábban született, az 0 évnél idsebb. Miután megadtuk a leválogatás feltételét, tehát k. < 98, Continue-t klikkelünk, majd visszaérve a Select Cases almenübe az Ok gombra kattintunk. Az SPSS választási lehetséget kínál, hogy hogyan kezelje a leválogatott eseteket (a példánkban a 4-0 éveseket). Alapértelmezésben a Filtered, vagyis a (meg)szrt eset szerepel, ami azt jelenti, hogy bár a számításainkban nem jelennek meg, fizikailag továbbra is minden adatunk az adatbázisban van. A második lehetség, hogy kitöröltetünk minden olyan esetet, amelyikkel nem dolgozunk ebben az esetben nagyon kell figyelni arra, hogy a teljes adatbázisunk még valahol meglegyen, mivel mint tudjuk, ennek létrehozása rendkívül idigényes munka. Miként már korábban említésre került, több változó szerint is lehet feltételes leválogatási parancsot adni. Ha tovább szeretnénk szkíteni a kört, és csak pl. Hargita megyei -30 éves fiatalokat szeretnénk vizsgálni, akkor a következképpen adjuk meg a parancsot: k. < 98 & megye. A megye nem más, mint a megkérdezett lakóhelyének megyék szerinti besorolására vonatkozó változó, az -es kód pedig Hargita megyét jelöli. A logikai feltételek közül az és logikai feltételt alkalmazzuk, mivel azt szeretnénk, hogy feltételeink közül mindkett teljesüljön. 6

17 Természetesen ugyanazt a leválogatási feltételt többféleképpen meg lehet adni, pl. az elzvel azonos értelm a k. < 98 & (megye ~ & megye ~ 3 ), stb. Minden esetleválogatáskor nagyon figyeljünk arra (erre az SPSS Data Editor ablak jobb alsó sarkában lev Filter on jelzés is figyelmeztet), hogy amikor befejeztük a részsokaságunk elemzését és újra a teljes adatbázissal szeretnénk dolgozni, mindig vegyük vissza a leválogatási feltételeinket (DATA, Select Cases, All cases). Mintavétel az SPSS-ben A mintavétel is tulajdonképpen esetleválogatást jelent, hiszen akkor használjuk, amikor nem a teljes adatainkból, hanem azoknak csak egy véletlen halmazából kívánunk dolgozni ( a mintavételrl lásd bvebben a III. fejezetet). Az SPSS-ben két lehetségünk van a mintavételre: vagy arra utasítjuk a programot, hogy az összesetek bizonyos százalékának megfelelen alkosson véletlen mintát, vagy megadjuk a kívánt mintánk pontos esetszámát. Mindezt szintén a DATA fmenü Select Cases almenüjében, a Random sample of cases segítségével lehet megvalósítani. Ha például adatbázisunkból egy 400 fs véletlen mintát szeretnénk venni, a DATA fmenü Select Cases almenüjében a Random sample os cases Sample mezjére kattintunk, és utasítjuk az SPSS-t, hogy pontosan egy 400 fs véletlen mintát válasszon az els 750 (az összes) eset közül, majd Continue-t és végül Ok-t kattintunk. 7

18 .6. Változók átalakítása Adatok transzformációja vagy változók átalakítása SPSS-ben Ahhoz, hogy az adatbázisunkban szerepl változóinkkal dolgozni tudjunk, legtöbb esetben módosítanunk, alakítanunk kell rajtuk. Elég, ha csak arra gondolunk, hogy minden elemzés eltt meg kell tisztítanunk adatainkat a nem releváns válaszoktól, össze kell vonnunk, csoportosítanunk kell adatainkat. Az SPSS-ben minden, a meglév adatsokaságunk változtatásához (transzformációjához), új változók létrehozásához szükséges alkalmazás a TRANSFORM fmenüben található. A TRANSFORM- on belül megjelen menüsor elemei közül a leggyakrabban használt négyet, vagyis a különböz számítások, matematikai mveletek elvégzésére használatos Compute, az egyes változóértékek többszöri elfordulása összegzésére használatos Count, az átkódolásra használt Recode, valamint a szöveges adataink kezelésére használható Automatic Recode alkalmazásokat ismertetem. A Compute menü Mint a legtöbb SPSS fablakban, ebben is (baloldalon) megtalálható az összes változó, amivel jelenleg dolgozunk. Az adatok különféle transzformációinál (pl. a Recode -ban) lehetség van választani, hogy a változtatásokat ugyanabba a változóba vagy egy új, általunk létrehozott változóba kérjük. Jelen esetben azonban erre nincs lehetség. A program alapértelmezettnek veszi, hogy a változón/változókon a különböz algebrai mveleteket úgy akarjuk végrehajtani, hogy az eredeti változó/változók sértetlenek maradjanak, vagyis nevet kell adnunk az új változónak, 8

19 mely a már transzformált adatokat fogja tartalmazni. Ezt az új nevet adhatjuk meg a TARGET VARIABLE mezben, közvetlenül a változók neveit tartalmazó ablak fölött. A NUMERIC EXPRESSION elnevezés ablakban fognak megjelenni a kért változtatások algebrai alakjai, ahogyan ezt már az esetek leválogatásánál (Select Cases, If..) megismertük. A mveleti jelek alatt található egy If feliratú gomb. Amennyiben szkíteni akarjuk a változtatni kívánt adatok körét, ezt az If -re kattintva megjelen ablak segítségével megtehetjük (ahogyan a Select Casese-nél). Példa Adatbázisunkban szerepel a megkérdezettek születési éve, de mivel ez intervallum mérési szint változó, nagyon könnyen arányskálává tudjuk alakítani olyan módon, hogy életkorrá alakítjuk. Mivel adataink 00-bl származnak, minket az érdekel, hogy a kérdezés idpontjában a megkérdezettek hány évesek voltak, így 00-bl kivonjuk minden egyes megkérdezettünk (esetünk) születési évét. Ekkor a TRANSFORM fmenü Compute almenüjében nevet adunk a létrehozni kívánt új változónknak (eletkor), a Numeric Expression mezbe beírjuk az algebrai mveletet: 00 -, majd átvisszük a születési év (k.) változót és az Ok-ra kattintunk. Ekkor adatbázisunk végén meg fog jelenni az új eletkor nev változónk, amelynek a korább elmondottak szerint megadjuk a paramétereit. Az új változónkban olyan értékek fognak szerepelni, mint 4, 5, 30, tehát a megkérdezettek életkora a kérdezés idpontjában. 9

20 A Count menü A Count menüt akkor használjuk, amikor olyan új változót kívánunk létrehozni, amelyben a kijelölt változók együttes elfordulásait szeretnénk regisztrálni. Itt is a Target Variable meznél nevet adunk az új változónknak, a Target Lable meznél az új értékünk nevét adjuk meg, a Variables mezbe átvisszük azokat a változókat, amelyeknek az együttes elfordulásait vizsgáljuk, majd a Define Values-nál megadjuk a vizsgált értéket/értékeket, amelyek érdekelnek. Az If segítségével itt is szkíthet a vizsgált esetek köre. Példa Adatbázisunkban a k58.-k58.7 változók a háztartások infrastrukturális felszereltségére vonatkoznak, az alábbiak szerint: k58. Van-e ebben a lakásban.. VAN NINCS. vezetékes víz?. vízöblítéses WC? 3. vezetékes gáz? 4. villany? 5. szennyvízelvezet csatorna? 6. központi ftés? 7. állandó melegvízellátás? Az ebben a formában szerepl adatok esetében egy egyszer gyakoriság segítségével rögtön megtudhatjuk, hogy a háztartások hány százaléka rendelkezik állandó melegvízellátással, stb., viszont a különböz szolgáltatások együttes elfordulásáról nincs információnk. Amennyiben pl. azt szeretnénk megtudni, hogy az adatbázisunkban szerepl háztartásoknak hány százaléka rendelkezik a felsorolt infrastrukturális szolgáltatások közül legtöbb 3-al, a Count menühöz folyamodunk. A Target Variable meznél az infrastr (max. 8 karakter) nevet adjuk az új változónak, a Target Lable meznél A háztartások infrastrukturális ellátottsága nevet adjuk, a Variables mezbe átvisszük a k58., k58., k58.3, k58.7 változókat, majd a Define Values-nál megadjuk az (a van kódja) értéket, mivel az érdekel, hogy az egyes háztartások a maximális 7 szolgáltatásból hánnyal rendelkeznek. Ezt követen Add-et és Continue-t, majd visszatérve a fablakba Ok-t klikkelünk. 0

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás A feladatok megoldásához használandó adatállományok: potzh és potolando (weboldalon találhatók) Az állományok kiterjesztése sas7bdat,

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

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

Részletesebben

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

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

[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

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

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

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

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

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

Statisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák

Statisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák Statisztikai hipotézisvizsgálatok Paraméteres statisztikai próbák 1. Magyarországon a lakosság élelmiszerre fordított kiadásainak 2000-ben átlagosan 140 ezer Ft/fő volt. Egy kérdőíves felmérés során Veszprém

Részletesebben

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció

Részletesebben

Adatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com

Adatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com Adatelemzés SAS Enterprise Guide használatával Soltész Gábor solteszgabee[at]gmail.com Tartalom SAS Enterprise Guide bemutatása Kezelőfelület Adatbeolvasás Szűrés, rendezés Új változó létrehozása Elemzések

Részletesebben

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak Matematika feladatbank I. Statisztika Elméleti összefoglaló és feladatgyűjtemény középiskolásoknak ÍRTA ÉS ÖSSZEÁLLÍTOTTA: Dugasz János 2011 Fapadoskonyv.hu Kft. Dugasz János Tartalom Bevezető 7 Adatok

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

Az első lépések SPSS-ben.

Az első lépések SPSS-ben. Az első lépések SPSS-ben. Statistical Package for Social Science (SPSS) egy olyan Windows operációs rendszerben működő program, amely statisztikai adatok osztályozására, feldolgozására és elemzésére szakosodott.

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

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Bevezetés A magas mérési szintű változók adataiból számolhatunk átlagot, szórást. Fontos módszerek alapulnak ezeknek a származtatott paramétereknek

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

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

SPSS ALAPISMERETEK. T. Parázsó Lenke

SPSS ALAPISMERETEK. T. Parázsó Lenke SPSS ALAPISMERETEK T. Parázsó Lenke 2 Statistical Package for Social Scienses Statisztikai programcsomag a szociológiai tudományok számára 1968-ban Norman H. Nie, C.Handlai Hull és Dale H. Bent alkották

Részletesebben

matematikai statisztika

matematikai statisztika Az újságokban, plakátokon, reklámkiadványokban sokszor találkozunk ilyen grafikonokkal, ezért szükséges, hogy megértsük, és jól tudjuk értelmezni őket. A második grafikon ismerős lehet, hiszen a függvények

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

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

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

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

Excel. Nem összefügg tartomány kijelölése: miután a tartomány els részét kijelöltük, lenyomjuk és nyomva tartjuk a CTRL gombot.

Excel. Nem összefügg tartomány kijelölése: miután a tartomány els részét kijelöltük, lenyomjuk és nyomva tartjuk a CTRL gombot. Excel A tartomány és kijelölése Munkánk során gyakran elfordul, hogy nem egy, hanem több cellából álló területtel kell dolgoznunk. Ezt a területet tartománynak vagy blokknak nevezzük. Cella jelölése: például

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

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

Keresés a MarketLine Advantage adatbázisban

Keresés a MarketLine Advantage adatbázisban Keresés a MarketLine Advantage adatbázisban A keresőfelület nyelve angol és a keresőkérdést is angolul kell megadni. Megnyitás után a képernyő közepén lévő párbeszéd ablakban adhatjuk meg a keresőkérdést

Részletesebben

Tantárgyfelosztás. I. Ellenőrzés. Mielőtt hozzákezd a tantárgyfelosztás tervezéséhez, ellenőrizze le, illetve állítsa be a következőket:

Tantárgyfelosztás. I. Ellenőrzés. Mielőtt hozzákezd a tantárgyfelosztás tervezéséhez, ellenőrizze le, illetve állítsa be a következőket: Tantárgyfelosztás I. Ellenőrzés Mielőtt hozzákezd a tantárgyfelosztás tervezéséhez, ellenőrizze le, illetve állítsa be a következőket: Alkalmazott képes menü > alkalmazottak alapadatai - Alkalmazottak

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

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102 Tárgy- és névmutató A a priori kontraszt 174 175 a priori kritérium 259, 264, 276 adatbevitel 43, 47, 49 52 adatbeviteli nézet (data view) 45 adat-elôkészítés 12, 37, 62 adatgyûjtés 12, 15, 19, 20, 23,

Részletesebben

Statisztikai táblázatok, kimutatások (Pivot) készítése

Statisztikai táblázatok, kimutatások (Pivot) készítése Statisztikai táblázatok, kimutatások (Pivot) készítése Elméleti összefoglaló Az adatok egy, vagy több szempontú rendezése céljából célszerű azokat táblázatokba foglalni. Tehát az elemi adatokat alapján

Részletesebben

TÍPUSDOKUMENTUMOK KÉSZÍTÉSE

TÍPUSDOKUMENTUMOK KÉSZÍTÉSE TÍPUSDOKUMENTUMOK KÉSZÍTÉSE A Word sok előre elkészített típus dokumentummal rendelkezik. Ezek használatához válasszuk a Fájl menü Új dokumentum menüpontját. Itt több különböző kategóriába rendezve találhatjuk

Részletesebben

Áruforgalom tervezése. 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok

Áruforgalom tervezése. 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok Áruforgalom tervezése 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok Alapvető gazdasági számítások 1. Egy vállalkozás tevékenysége nagyon összetett. Szükség van arra, hogy ismerjük

Részletesebben

Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával.

Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával. Tisztelt Felhasználó! Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával. A program céljai: A programot azért fejlesztettük ki, hogy segítséget adjunk a nagytömegű

Részletesebben

Microsoft Excel 2010

Microsoft Excel 2010 Microsoft Excel 2010 Milyen feladatok végrehajtására használatosak a táblázatkezelők? Táblázatok létrehozására, és azok formai kialakítására A táblázat adatainak kiértékelésére Diagramok készítésére Adatbázisok,

Részletesebben

VRV Xpressz Használati Útmutató

VRV Xpressz Használati Útmutató VRV Xpressz Használati Útmutató A programmal néhány perc alatt nem csak 5-6 beltéri egységes munkákat, hanem komplett, 3-400 beltéri egységgel rendelkez irodaházakat, szállodákat is meg lehet tervezni.

Részletesebben

Órarendkészítő szoftver

Órarendkészítő szoftver SchoolTime Órarendkészítő szoftver 2.0 verzió Tartalomjegyzék: 1., Belépés a programba...3 2., Órarend főtábla...3 3., Tanátok...4 3.1., Új tanár felvitele, módosítása...4 3.2., Tanár törlése...4 3.3.,

Részletesebben

Táblázatkezelés 5. - Függvények

Táblázatkezelés 5. - Függvények Táblázatkezelés 5. - Függvények Eddig mi magunk készítettünk képleteket (számolási utasításokat). A bonyolultabb, programozók által készített, Excelbe beépített képleteket függvényeknek nevezik. Táblázatkezelőnk

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

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

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

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő

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

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

QGIS gyakorló. --tulajdonságok--stílus fül--széthúzás a terjedelemre).

QGIS gyakorló. --tulajdonságok--stílus fül--széthúzás a terjedelemre). QGIS gyakorló Cím: A Contour-, a Point sampling tool és a Terrain profile pluginek használata. DEM letöltése: http://www.box.net/shared/1v7zq33leymq1ye64yro A következő gyakorlatban szintvonalakat fogunk

Részletesebben

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

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

Részletesebben

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

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

Statisztikai alapfogalmak

Statisztikai alapfogalmak Statisztika I. KÉPLETEK 2011-2012-es tanév I. félév Statisztikai alapfogalmak Adatok pontossága Mért adat Abszolút hibakorlát Relatív hibakorlát Statisztikai elemzések viszonyszámokkal : a legutolsó kiírt

Részletesebben

Az MS Excel táblázatkezelés modul részletes tematika listája

Az MS Excel táblázatkezelés modul részletes tematika listája Az MS Excel táblázatkezelés modul részletes tematika listája A táblázatkezelés alapjai A táblázat szerkesztése A táblázat formázása A táblázat formázása Számítások a táblázatban Oldalbeállítás és nyomtatás

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

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

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú

Részletesebben

3. Ezután a jobb oldali képernyő részen megjelenik az adatbázistábla, melynek először a rövid nevét adjuk meg, pl.: demo_tabla

3. Ezután a jobb oldali képernyő részen megjelenik az adatbázistábla, melynek először a rövid nevét adjuk meg, pl.: demo_tabla 1. Az adatbázistábla létrehozása a, Ha még nem hoztunk létre egy adatbázistáblát sem, akkor a jobb egérrel a DDIC-objekt. könyvtárra kattintva, majd a Létrehozás és az Adatbázistábla menüpontokat választva

Részletesebben

5. Előadás. Grafikus ábrázolás Koncentráció elemzése

5. Előadás. Grafikus ábrázolás Koncentráció elemzése 5. Előadás Grafikus ábrázolás Koncentráció elemzése Grafikus ábrázolás fontossága Grafikus ábrázolás során elkövethető hibák: Mondanivaló szempontjából nem megfelelő ábratípus kiválasztása Tárgynak megfelelő

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

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA SZDT-03 p. 1/24 Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás

Részletesebben

Táblázatkezelés 2. - Adatbevitel, szerkesztés, formázás ADATBEVITEL. a., Begépelés

Táblázatkezelés 2. - Adatbevitel, szerkesztés, formázás ADATBEVITEL. a., Begépelés Táblázatkezelés 2. - Adatbevitel, szerkesztés, formázás ADATBEVITEL a., Begépelés Az adatok bevitelének legegyszerűbb módja, ha a táblázat kijelölt cellájába beírjuk őket. - számok (numerikus adatok) -

Részletesebben

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi

Részletesebben

Területi elemzések. Budapest, 2015. április

Területi elemzések. Budapest, 2015. április TeIR Területi elemzések Felhasználói útmutató Budapest, 2015. április Tartalomjegyzék 1. BEVEZETŐ... 3 2. AZ ELEMZÉSBEN SZEREPLŐ MUTATÓ KIVÁLASZTÁSA... 4 3. AZ ELEMZÉSI FELTÉTELEK DEFINIÁLÁSA... 5 3.1.

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

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

Választó lekérdezés létrehozása

Választó lekérdezés létrehozása Választó lekérdezés létrehozása A választó lekérdezés egy vagy több rekordforrásból származó adatokat jelenít meg. A választó lekérdezések a táblák, illetve az adatbázis tartalmát nem változtatják meg,

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

Csoport(Cluster) analízis SPSS-el: K-alapú csoport Analízis

Csoport(Cluster) analízis SPSS-el: K-alapú csoport Analízis Csoport(Cluster) analízis SPSS-el: K-alapú csoport Analízis A Cluster(csoport) analízis egy adat osztályozási eljárás amivel adatokat csoportokba lehet elkülöníteni. A cluster analízis célja hogy n számú

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

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

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

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

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Változás SPSS állomány neve: Budapest, 2002.

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Változás SPSS állomány neve: Budapest, 2002. TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Változás 2002 SPSS állomány neve: F54 Budapest, 2002. Változás 2002 2 Tartalomjegyzék BEVEZETÉS... 3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI ELOSZLÁSOKKAL...

Részletesebben

SZÁMÍTÁSOK A TÁBLÁZATBAN

SZÁMÍTÁSOK A TÁBLÁZATBAN SZÁMÍTÁSOK A TÁBLÁZATBAN Az Excelben az egyszerű adatok bevitelén kívül számításokat is végezhetünk. Ezeket a cellákba beírt képletek segítségével oldjuk meg. A képlet: olyan egyenlet, amely a munkalapon

Részletesebben

Mveletek a relációs modellben. A felhasználónak szinte állandó jelleggel szüksége van az adatbázisban eltárolt adatok egy részére.

Mveletek a relációs modellben. A felhasználónak szinte állandó jelleggel szüksége van az adatbázisban eltárolt adatok egy részére. Mveletek a relációs modellben A felhasználónak szinte állandó jelleggel szüksége van az adatbázisban eltárolt adatok egy részére. Megfogalmaz egy kérést, amelyben leírja, milyen adatokra van szüksége,

Részletesebben

Statisztikai szoftverek esszé

Statisztikai szoftverek esszé Statisztikai szoftverek esszé Csillag Renáta 2011. Helyzetfelmérés Egy internetszolgáltató egy havi adatforgalmát vizsgáltam. A táblázatok az előfizetők letöltési forgalmát tartalmazzák, napi bontásban,

Részletesebben

Táblázatok. Táblázatok beszúrása. Cellák kijelölése

Táblázatok. Táblázatok beszúrása. Cellák kijelölése Táblázatok Táblázatok beszúrása A táblázatok sorokba és oszlopokba rendezett téglalap alakú cellákból épülnek fel. A cellák tartalmazhatnak képet vagy szöveget. A táblázatok használhatók adatok megjelenítésére,

Részletesebben

Pszichometria Szemináriumi dolgozat

Pszichometria Szemináriumi dolgozat Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának

Részletesebben

Lakóház tervezés ADT 3.3-al. Segédlet

Lakóház tervezés ADT 3.3-al. Segédlet Lakóház tervezés ADT 3.3-al Segédlet A lakóház tervezési gyakorlathoz főleg a Tervezés és a Dokumentáció menüket fogjuk használni az AutoDesk Architectural Desktop programból. A program centiméterben dolgozik!!!

Részletesebben

Adatbáziskezelés alapjai. jegyzet

Adatbáziskezelés alapjai. jegyzet Juhász Adrienn Adatbáziskezelés alapja 1 Adatbáziskezelés alapjai jegyzet Készítette: Juhász Adrienn Juhász Adrienn Adatbáziskezelés alapja 2 Fogalmak: Adatbázis: logikailag összefüggı információ vagy

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

Általános statisztika II. Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László

Általános statisztika II. Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Általános statisztika II Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Általános statisztika II Kriszt, Éva Varga, Edit Kenyeres, Erika Korpás, Attiláné Csernyák, László Publication

Részletesebben

M-Fájlok létrehozása MATLAB-ban

M-Fájlok létrehozása MATLAB-ban M-Fájlok létrehozása MATLAB-ban 1 Mi az M-fájl Annak ellenére, hogy a MATLAB rendkívül kifinomult és fejlett számológépként használható, igazi nagysága mégis abban rejlik, hogy be tud olvasni és végrehajtani

Részletesebben

Az OECD PISA adatbázis elemzése

Az OECD PISA adatbázis elemzése Az OECD PISA adatbázis elemzése A program Emlékeztető a múlt hétről A PISA val kapcsolatos honlapok tartalma és az online elérhető dokumentáció A PISA adatbázisának felépítése A PISA makróinak használata,

Részletesebben

Táblázatkezelés Excel XP-vel. Tanmenet

Táblázatkezelés Excel XP-vel. Tanmenet Táblázatkezelés Excel XP-vel Tanmenet Táblázatkezelés Excel XP-vel TANMENET- Táblázatkezelés Excel XP-vel Témakörök Javasolt óraszám 1. Bevezetés az Excel XP használatába 4 tanóra (180 perc) 2. Munkafüzetek

Részletesebben

Excel Hivatkozások, függvények használata

Excel Hivatkozások, függvények használata Excel Hivatkozások, függvények használata 1. Fejezet Adatok, képletek, függvények Adatok táblázat celláiba írjuk, egy cellába egy adat kerül lehet szám, vagy szöveg * szám esetén a tizedes jegyek elválasztásához

Részletesebben

1.1.1 Dátum és idő függvények

1.1.1 Dátum és idő függvények 1.1.1 Dátum és idő függvények Azt már tudjuk, hogy két dátum különbsége az eltelt napok számát adja meg, köszönhetően a dátum tárolási módjának az Excel-ben. Azt is tudjuk a korábbiakból, hogy a MA() függvény

Részletesebben

Közfoglalkoztatás támogatás megállapítását segítő segédtábla használati útmutatója

Közfoglalkoztatás támogatás megállapítását segítő segédtábla használati útmutatója Közfoglalkoztatás támogatás megállapítását segítő segédtábla használati útmutatója 1.) Általános tudnivalók: A segédtábla két méretben készül, 10, és 50 sort lehet kitölteni. A tábla megnevezéséből amit

Részletesebben

Az értékelés során következtetést fogalmazhatunk meg a

Az értékelés során következtetést fogalmazhatunk meg a Az értékelés során következtetést fogalmazhatunk meg a a tanuló teljesítményére, a tanulási folyamatra, a célokra és követelményekre a szülők teljesítményére, a tanulási folyamatra, a célokra és követelményekre

Részletesebben

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI. Omnibusz 2003/08. A kutatás dokumentációja. Teljes kötet

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI. Omnibusz 2003/08. A kutatás dokumentációja. Teljes kötet A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI Omnibusz 2003/08 A kutatás dokumentációja Teljes kötet 2003 Tartalom BEVEZETÉS... 4 A MINTA... 6 AZ ADATFELVÉTEL FŐBB ADATAI... 8 TÁBLÁK A SÚLYVÁLTOZÓ KÉSZÍTÉSÉHEZ...

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

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

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

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

Adatbázisok. 9. gyakorlat SQL: SELECT október október 26. Adatbázisok 1 / 14

Adatbázisok. 9. gyakorlat SQL: SELECT október október 26. Adatbázisok 1 / 14 Adatbázisok 9. gyakorlat SQL: SELECT 2015. október 26. 2015. október 26. Adatbázisok 1 / 14 SQL SELECT Lekérdezésre a SELECT utasítás szolgál, mely egy vagy több adattáblából egy eredménytáblát állít el

Részletesebben

ÍRÁSBELI VIZSGA május 5. 8:00 II. Idtartam: 135 perc. ÉRETTSÉGI VIZSGA május 5. dátum javító tanár. II. rész 70

ÍRÁSBELI VIZSGA május 5. 8:00 II. Idtartam: 135 perc. ÉRETTSÉGI VIZSGA május 5. dátum javító tanár. II. rész 70 a feladat sorszáma maximális elért összesen II./A rész 13. 1 14. 1 15. 1 II./B rész 17 17 m nem választott feladat ÖSSZESEN 70 maximális elért I. rész 30 II. rész 70 Az írásbeli vizsgarész a 100 dátum

Részletesebben

Módszertani Intézeti Tanszéki Osztály

Módszertani Intézeti Tanszéki Osztály BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012. Név:... Kód:...... Eredmény:..... STATISZTIKA I. VIZSGA; NG KM ÉS KG TQM SZAKOKON MINTAVIZSGA Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető

Részletesebben

Az Éves adóbevallás 2005 modul ismertetése

Az Éves adóbevallás 2005 modul ismertetése Az Éves adóbevallás 2005 modul ismertetése A program a setup lefutása után -ha bejelöltük-, magától elindul. A következkben az indítás a startmenübl, vagy a telepít által létrehozott asztal ikonról indítható:

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

Közgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 3. hét A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK

Közgazdaságtan 1. ELTE TáTK Közgazdaságtudományi Tanszék. 3. hét A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK KÖZGAZDASÁGTAN I. ELTE TáTK Közgazdaságtudományi Tanszék Közgazdaságtan 1. A KERESLETELMÉLET ALAPJAI. HASZNOSSÁG, PREFERENCIÁK Bíró Anikó, K hegyi Gergely, Major Klára Szakmai felel s: K hegyi Gergely

Részletesebben