PhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats
|
|
- Csenge Kisné
- 5 évvel ezelőtt
- Látták:
Átírás
1 PhEur... Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats catterplot of multiple variables against dose PhEur_.sta v*0c *x T *x U *x két dózis, tehát a linearitás nem vizsgálható dose T U Parallel_példák 7 00 catterplot of multiple variables against PhEur.sta 6v*0c *x T -7.67*x U 0-.7*x T U Parallel_példák 8
2 * treatment treatment Total Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization Type I decomposition; td. of Estimate: Degr. of M F p Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: Degr. of M F p párhuzamosság Univariate Results for Each DV (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition Degr. of y y y y M F p Parallel_példák 9 Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization Type I decomposition; td. of Estimate: Degr. of M F p * Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: Degr. of M F p treatment treatment Total Univariate Results for Each DV (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition Degr. of y y y y M F p csak és T Parallel_példák 0
3 Raw Residuals Predicted vs. Residual Values Dependent variable: y (Analysis sample) Predicted Values 0. Expected Normal Value Normal Prob. Plot; Raw Residuals Dependent variable: y (Analysis sample) Residual Parallel_példák Parameter Estimates (PhEur.sta) (*Zeroed predictors failed tolerance check) Level of umn Comment y y y y (B/Z/P) Param. td.err t p T Biased Zeroed* catterplot of y against PhEur.sta v*0c Function *x-6. Function *x y Include '' Include 'T' Other Parallel_példák
4 a minta a std 6. ln xminta ln xstd b xminta exp x std potency ( 0.060) Parallel_példák Konfidencia-intervallum CM [ V ] + ( C ) C( M ) T ± T C tα sr M T ln x minta ln x std V d a dózisok száma, n az ismétlések száma b dn C tα s r V b dn ( 8.97) Parallel_példák
5 M T CM ln xminta ln xstd [ + ] ( C ) C( M ) ± V T T [ ] ± ± 0.0 c c 0 minta 0std ( 0.8,.) ( 0.9, 0.) Parallel_példák PhEur... Three-dose Latin square design Antibiotic agar diffusion assay using a rectangular tray 6 Row Row Row Row 6 Row T T T T T T T T T T T T T T T 6 T T T 7 Row6 6 Row Row Row Row 6 Row 7 Row y: inhibiciós zóna (mm) *0 Parallel_példák 6
6 Row Treatment higszer 6 dilution 7 8 y T T T T T T T T T T T T T T dilution.^higszer log(/dilution) a Treatment egy szintje egy készítmény*dózis kombináció Parallel_példák 7 0 catterplot of y against PhEur.sta 8v*6c y Include '' Include 'T' Other Parallel_példák 8
7 Main effects ANOVA Row Treatment Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate:.70 Degr. of M F p A sorok közötti különbség szignifikáns, megérte! Az előnye ennek a vizsgálatnak, hogy nem az illesztett egyenesekhez képest nézi az eltéréseket, tehát azok hibája nem a reziduumba (az sorba) kerül. Parallel_példák 9.0 Normal Prob. Plot; Raw Residuals Dependent variable: y (Analysis sample) Expected Normal Value Residual Parallel_példák 60
8 General linear models> General linear models Parallel_példák 6 Row * Univariate Tests of ignificance for y (PhEur.sta) Type I decomposition; td. of Estimate:.70 Degr. of M F p Type III, részben mások az eredmények! * Row Univariate Tests of ignificance for y (PhEur.sta) Type III decomposition; td. of Estimate:.70 Degr. of M F p Type I: ebben a sorrendben építjük föl a modellt a párhuzamosság teljesül Type III: ha már az összes többi tag benne van, mennyit hoz, ha ezt is bevesszük Parallel_példák 6
9 Parallel_példák 6 a linearitás teljesül, a másodfokú tag nem szignifikáns Row * *^ Univariate Tests of ignificance for y (PhEur.sta) Type I decomposition; td. of Estimate:.70 Degr. of M F p Parallel_példák 6
10 Row Treatment Row * nonlin Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate:.70 Degr. of M F p Univariate Tests of ignificance for y (PhEur.sta) Type I decomposition; td. of Estimate:.70 Degr. of M F p treatment * másik módszer a linearitás ellenőrzésére ν--- Parallel_példák 6 Analysis of covariance, mert a párhuzamosság teljesült meredekség Row Row Row Row Row Row Parameter Estimates (PhEur.sta) (*Zeroed predictors failed tolerance check) Level of umn Comment y y (B/Z/P) Param. td.err Biased Biased Biased Biased Biased Zeroed* Biased Biased Biased Biased Biased Zeroed* Biased..687 T Zeroed* Parallel_példák 66
11 ln x minta ln x std a minta a b std xminta exp x std ( 0.0) Parallel_példák 67 Konfidencia-intervallum CM [ V ] + ( C ) C( M ) T ± T C tα sr M T ln x minta ln x std V d a dózisok száma, n az ismétlések száma b dn C tα s r V b dn 87.0 ( 6.6) Parallel_példák 68
12 M T ln x ln x minta std 0.0 CM [ + ] ( C ) C( M ) ± V T T [ + 0. ] ( 0.0) ± ( 0.0) ± c c 0 minta 0std ( 0.9,.08) ( 0.098, 0.08) a különbség oka az eltérő modell Parallel_példák 69 y Row; Weighted Means Current effect: F(, )., p.0067 Type III decomposition Vertical bars denote 0.9 confidence intervals 6 Row Parallel_példák 70
13 Kérdezhetjük, hogy a sor és oszlop hatása mint ingadozás, mekkora: Row Components of Variance (PhEur.sta) Type III decomposition y Row Univariate Tests of ignificance for y (PhEur.sta) Type III decomposition; td. of Estimate: Degr. of M Den.yn. Den.yn. F p (F/R) df M Fixed Random Random Fixed Fixed Parallel_példák 7 Ha nem törődnénk a sorokkal és oszlopokkal: Univariate Tests of ignificance for y (PhEur.sta) Type III decomposition; td. of Estimate:.698 Degr. of M F p Összehasonlításul a helyes földolgozás: Row * df nagyobb ugyan, de az M-be bekerül a sor és oszlop okozta különbség is, p nagyobb Univariate Tests of ignificance for y (PhEur.sta) Type I decomposition; td. of Estimate:.70 Degr. of M F p Parallel_példák 7
14 Parameter Estimates (PhEur.sta) (*Zeroed predictors failed tolerance check) Level of umn Comment y y (B/Z/P) Param. td.err Row Biased Parameter Estimates (PhEur.sta) Row Biased (*Zeroed predictors failed tolerance Rowcheck) Biased Row Biased Level of umn Comment Row y y 6 Biased (B/Z/P) Row Param. td.err6 7 Zeroed* Biased Biased Biased Biased T Zeroed* Biased Biased Zeroed* Biased..687 T Zeroed* a becsült paraméterek nem különböznek Parallel_példák 7 Konfidencia-intervallum CM [ V ] + ( C ) C( M ) T ± T C tα sr M T ln x minta ln x std V d a dózisok száma, n az ismétlések száma b dn C tα s r az.008 helyett V b dn 87.0 ( 6.6) Parallel_példák 7
15 ln x ln x M T minta std ( ) ( T ± C C M T ) + CM 0.0 [ ] V [ + 0. ] ( 0.0) ± ( 0.0) ( 0.098, 0.08) ± c c 0 minta 0std ( 0.0) ± ( 0.0) ( 0.898,.06) [ + 0. ] ± ( 0.07, 0.060) ( 0.9,.08) helyett Parallel_példák 7 PhEur... Four-dose randomised block design Antibiotic turbidimetric assay A csöveket vízfürdőbe teszik, nyolcasával, az egy blokk. Block 6 T 7 T 8 T 9 T Parallel_példák 76
16 Block higszer dozis_no dilution 6 Treatment 7 8 y Parallel_példák catterplot of multiple variables against PhEur.sta 8v*0c T Parallel_példák 78
17 Main effects ANOVA Block Treatment Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: 7.76 Degr. of M F p A blokk hatása szignifikáns. Parallel_példák 79 0 Predicted vs. Residual Values Dependent variable: y (Analysis sample) 0 Raw Residuals Normal Prob. Plot; Raw Residuals Dependent variable: y (Analysis sample) Predicted Values Expected Normal Value Residual Parallel_példák 80
18 General linear models> General linear models a párhuzamosság teljesül Block * Univariate Tests of ignificance for y (PhEur.sta) Type I decomposition; td. of Estimate: 7.69 Degr. of M F p Parallel_példák 8 Block Treatment Block * Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: 7.76 Degr. of M F p Univariate Tests of ignificance for y (PhEur.sta) Type I decomposition; td. of Estimate: 7.69 Degr. of M F p nonlin treatment * ν7--- Parallel_példák 8
19 Block * *^ *^ Univariate Tests of ignificance for y (PhEur.sta Type I decomposition; td. of Estimate: 7.76 Degr. of M F p a görbeség nem szignifikáns, sem másodfokú, sem harmadfokú tag nem kell Parallel_példák 8 Analysis of covariance Block Block Block Block Block Parameter Estimates (PhEur.sta) (*Zeroed predictors failed tolerance check) Level of umn Comment y y (B/Z/P) Param. td.err Biased Biased Biased Biased Zeroed* Biased T 8 Zeroed* a minta a std 7.9 ln xminta ln xstd 0.07 b. xminta exp x std ( 0.07). 07 Parallel_példák 8
20 Konfidencia-intervallum CM [ V ] + ( C ) C( M ) T ± T C tα sr M T ln x minta ln x std V d a dózisok száma, n az ismétlések száma b dn C tα s r V b dn 07.6 (.) 0. Parallel_példák 8 M T CM ln xminta ln xstd 0.07 [ + ] ( C ) C( M ) ± V T T [ ] ± ± 0.07 c c 0 minta 0std (.09,.) ( 0.088, 0.) Parallel_példák 86
21 A blokk figyelembe vétele nélkül Treatment Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: Degr. of M F p Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: Degr. of M F p Parallel_példák 87 C tα s r CM [ + ] ( C ) C( M ) ± V T T [ ] ± ± 0.00 ( 0.0, 0.) c c 0 minta 0std (.0,.0) (.09,.) helyett Parallel_példák 88
22 PhEur... Five-dose multiple assay with completely randomised design: An in-vitro assay of three hepatitis B vaccines against a standard dilution : : : : : : : : : : : : : : : T U V mindegyik készítményből független hígítási sor, abszorbanciát mérnek Föltételezzük, hogy a hígítás hibamentes! Parallel_példák 89.6 catterplot of multiple variables against PhEur.sta v*c *x T *x U *x V.8+0.9*x T U V Parallel_példák 90
23 Treatment Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate:.0 Degr. of M F p * Univariate Tests of ignificance for y (PhEur.sta Type I decomposition; td. of Estimate:.0 Degr. of M F p nem párhuzamosak, de nem is lineárisak Parallel_példák 9 ha logaritmáljuk az adatokat, párhuzamosak lesznek a vonalak 0. catterplot of multiple variables against PhEur.sta v*c ln *x lnt *x lnu *x lnv *x ln lnt lnu lnv Parallel_példák 9
24 * Univariate Tests of ignificance for lny (PhEur.sta Type I decomposition; td. of Estimate: Degr. of M F p Treatment nonlin Univariate Tests of ignificance for lny (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: Degr. of M F p treatment * ν9--- Parallel_példák 9 Tests of Homogeneity of Variances (PhEur.sta) : "Treatment" Hartley F-max Cochran C Bartlett Chi-qr. df p lny Levene's Test for Homogeneity of Variances (PhEur.sta : "Treatment" Degrees of freedom for all F's: 9, 0 M M F p lny nem megnyugtató Test of Lack of Fit (PhEur.sta) Dependent Variable Pure Err df Pure Err M Pure Err Lack of Fit df Lack of Fit M Lack of Fit F p lny Parallel_példák 9
25 ANCOVA Univariate Tests of ignificance for lny (PhEur.sta Type I decomposition; td. of Estimate: Degr. of M F p Parameter Estimates (PhEur.sta) (*Zeroed predictors failed tolerance check) Level of umn Comment lny lny (B/Z/P) Param. td.err Biased T Biased U Biased V 6 Zeroed* a T a ln xt ln x 0.77 b xt exp x Parallel_példák 9 ( 0.77). 7 xt exp x ( 0.77). 7 P-Plot: lny: log(y) : "Treatment" (Plot of within-cell residuals) All Groups Expected Normal Value Predicted vs. Residual Values Dependent variable: lny (Analysis sample) Observed Value Raw Residuals Predicted Values Parallel_példák 96
26 PhEur... A completely randomised (0,,) design An assay of factor VIII B T T T abszorbancia a jel slope ratio assay Parallel_példák 97 nem jó a lineáris függvény a blank-re Test of Lack of Fit (PhEur.sta) Dependent Variable Pure Err df Pure Err M Pure Err Lack of Fit df Lack of Fit M Lack of Fit F p y Parallel_példák 98
27 Blank nélkül Test of Lack of Fit (PhEur.sta) Exclude condition: 0 Dependent Variable Pure Err df Pure Err M Pure Err Lack of Fit df Lack of Fit M Lack of Fit F p y dose doset Treatment Univariate Tests of ignificance for y (PhEur.sta) Type III decomposition; td. of Estimate: Exclude condition: 0 Degr. of M F p Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate: Exclude condition: 0 Degr. of M F p Parallel_példák 99 dose doset Parameter Estimates (PhEur.sta) Exclude condition: 0 y y Param. td.err R Parallel_példák 00
28 PhEur... A completely randomised (0,,,) design An in vitro assay of influenza vaccines conc (ug/ml) I II TI TII 6 UI 7 UII haemagglutinin antigen content by radial immunodiffusion, zone of precipitation area mm Parallel_példák 0 Treatment Univariate Tests of ignificance for y (PhEur.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate:.000 Degr. of M F p Test of Lack of Fit (PhEur.sta) Dependent Variable Pure Err df Pure Err M Pure Err Lack of Fit df Lack of Fit M Lack of Fit F p y Parallel_példák 0
29 PhEur... Four-parameter logistic curve analysis A serological assay of tetanus sera dose Dilution P 6 P N0 A guinea-pig antiserum is assayed against a standard serum (0. IU/ml) using an enzyme-linked immunosorbent assay technique (ELIA). 0 two-fold dilutions of each serum were applied on a 96-well ELIA plate. Each dilution was applied twice. Parallel_példák 0 α δ y δ + + e α δ δ + dose + EC0 β ( x γ ) β x bx a e a > 0, b ln a y lépések: variancia konstans? normális eloszlás? jó-e a függvény illeszkedése? párhuzamosak-e a görbék? RP konf. intervallum Parallel_példák 0
30 . catterplot of multiple variables against PhEur.sta 6v*0c y yp Parallel_példák Dilution e Pe 6 y P P P P P P P P P P P P P P P P P P P P 0 0. Parallel_példák 06
31 külön P Predicted vs. Residual Values Dependent variable: y (Analysis sample) Include condition: 'P' s e s e Raw Residuals treatment Univariate Tests of ignificance for y (PhEur kulon.sta) igma-restricted parameterization ive hypothesis decomposition; td. of Estimate:.09 Include condition: 'P'.0 Degr. of M F p Tests of Homogeneity of Variances : "treatment" Include condition: 'P' Hartley F-max Cochran C Bartlett Chi-qr. df p y Expected Normal Value P-Plot: y All Groups : Predicted "treatment" Values (Plot of within-cell residuals) Include condition: 'P' Observed Value Parallel_példák 07 Model: yd+(a-d)/(+exp(-bp*pe*(-gp))) (PhEur kulon.sta Dep. var: y Loss: (OB-PRED)** Final loss: R Variance explained: 99.9% Include condition: 'P' N0 d a bp gp 0.0 Estimate td.err t(6) %CL %CL p-value s e s r F s r 0 se ( 6,0). F Residual Values Predicted versus Residual Values Include condition: 'P' Expected Normal Value Predicted Values Normal Probability Plot of Residuals Include condition: 'P' Residuals Parallel_példák 08
32 külön treatment Univariate Tests of ignificance for y (PhEur kulon.sta).0 igma-restricted parameterization. ive hypothesis decomposition; td. of Estimate:.069 Include condition: ''.0 Degr. of M F p Tests of Homogeneity of Variances : "treatment" Include condition: '' Hartley F-max Cochran C Bartlett Chi-qr. df p y Levene's Test for Homogeneity of Variances : "treatment" Degrees of freedom for all F's: 9, 0 Include condition: '' M M F p y E re nem megy! s e s e Expected Normal Value Raw Residuals P-Plot: y : "treatment" (Plot of within-cell residuals) Include condition: '' Predicted Observed vs. Residual Value Values Dependent variable: y (Analysis sample) Include condition: '' Parallel_példák 09 All Groups Predicted Values Model: yd+(a-d)/(+exp(-b*e*(-g))) (PhEur kulon.sta) Dep. var: y Loss: (OB-PRED)** Final loss: R.9998 Variance explained: 99.86% Include condition: '' N0 d a b g Estimate td.err. t(6) -9%CL +9%CL p-value Normal Probability Plot of Residuals Include condition: '' 0.08 Predicted versus Residual Values Include condition: '' 0.00 s e s r sr.79 0 F.8 s. 0 0 e ( 6,0). F 0 Expected Normal Value Residual Values Residuals Predicted Values Parallel_példák 0
33 eddig: variancia konstans? normális eloszlás? jó-e a függvény illeszkedése? következik: párhuzamosak-e a görbék (a közös meredekség és aszimptoták feltétele teljesül)? RP konf. intervallum Parallel_példák yd+((a-d)/(+exp(-b*(pe*(-gp)+e*(-g))))) α δ step: 0. y δ + β ( x γ j ) + e Model: yd+((a-d)/(+exp(-b*(pe*(-gp)+e*(-g)... (PhEur.sta) Dep. var: y Loss: (OB-PRED)** Final loss:.09 R.999 Variance explained: 99.90% N0 d a b gp g Estimate td.err. t() -9%CL +9%CL p-value közös meredekség Correlation Matrix of Parameter Estimates (PhEur.sta) Parameter d a b gp g d a b gp g Parallel_példák
34 Parallel_példák yd+((a-d)/(+exp(-(pe*bp*(-gp)+e*b*(-g))))) Model: yd+((a-d)/(+exp(-(pe*bp*(-gp)+e*b*(... (PhEur.sta) Dep. var: y Loss: (OB-PRED)** Final loss: R.999 Variance explained: 99.90% N0 d a bp gp b g Estimate td.err. t() -9%CL +9%CL p-value Correlation Matrix of Parameter Estimates (PhEur.sta) Parameter d a bp gp b g d a bp gp b g α δ y δ + β j ( x γ j ) + e külön meredekség F Parallel_példák
35 Parallel_példák eddig: variancia konstans? normális eloszlás? jó-e a függvény illeszkedése? párhuzamosak-e a görbék? következik: RP konf. intervallum ln xt ln x lnγ ln γ T x x T e Parallel_példák 6
36 Model: y(pe*dp+e*d)+(((pe*ap+e*a)-(pe*dp+e*d))/(+e... (PhEur kieg.sta) Dep. var: y Loss: (OB-PRED)** Final loss: R.999 Variance explained: % N0 dp d ap a bp gp b g Estimate td.err. t() -9%CL +9%CL p-value F Parallel_példák 7 catterplot of multiple variables against PhEur.sta v*0c ky kyp Parallel_példák 8
KISTERV2_ANOVA_
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenBIOMETRIA_ANOVA_2 1 1
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenTöbb laboratórium összehasonlítása, körmérés
Több oratórium összehasonlítása, körmérés colorative test, round robin a rendszeres hibák ellenőrzése, számszerűsítése Statistical Manual of AOAC, W. J. Youden: Statistical Techniques for Colorative Tests,
RészletesebbenLOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests
Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.
Nonparametric Tests Petra Petrovics PhD Student Hypothesis Testing Parametric Tests Mean o a population Population proportion Population Standard Deviation Nonparametric Tests Test or Independence Analysis
RészletesebbenBiológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható.
Boassa Bológa anagok hatásának értékelése, ha közvetlen fzka vag kéma analízs nem alkalmazható. Alapja standard készítménnel való összehasonlítás: a vzsgált anag mlen mennsége ad uganakkora hatást, mnt
Részletesebben4. példa: részfaktorterv+fold-over, centrumponttal
4. példa: 7-4 részfaktorterv+fold-over, centrumponttal A kísérletek célja egy speciális anyag optimális előállítási körülményeinek meghatározása volt. A célfüggvény a kihozatal %, melynek maximális értékét
RészletesebbenEsetelemzések az SPSS használatával
Esetelemzések az SPSS használatával 1. Tekintsük az spearman.sav állományt, amely egy harminc tehenet számláló állomány etetés- és fejéskori nyugtalansági sorrendjét tartalmazza. Vizsgáljuk meg, hogy van-e
RészletesebbenCorrelation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
RészletesebbenCritical mix. 15. példa. 2 égh. anyag. 1 oxigén. 3 ég-e. 2 van nincs 0 3 nincs van 0 4 van van 1. 1 nincs nincs 0
Critical mix 5. példa oxigén égh. anyag ég-e nincs nincs van nincs nincs van van van van égh. anyag nincs Effect Estimates; **(-) design DV: ég-e Factor Effect Coeff. Mean/Interc. ()oxigén ()égh. anyag
Részletesebben1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit.
1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Határozza meg az átlagos egyedszámot és a szórást. Egyedszám (x i )
RészletesebbenMinőségjavító kísérlettervezés
. példa J.J. Pignatiello, J.S. Ramberg: J. Quality Technology, 17 198-06 (1985) kézbentartható -1 1 A: high heat temperature ( 0 F) 1840 1880 B: heating time (s) 3 5 C: transfer time (s) 10 1 D: hold down
RészletesebbenEsetelemzés az SPSS használatával
Esetelemzés az SPSS használatával A gepj.sav fileban négy különböző típusú, összesen 80 db gépkocsi üzemanyag fogyasztási adatai találhatók. Vizsgálja meg, hogy befolyásolja-e az üzemanyag fogyasztás mértékét
RészletesebbenLogisztikus regresszió október 27.
Logisztikus regresszió 2017. október 27. Néhány példa Mi a valószínűsége egy adott betegségnek a páciens bizonyos megfigyelt jellemzői (pl. nem, életkor, laboreredmények, BMI stb.) alapján? Mely genetikai
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.
Correlation & Linear Regression in SPSS Petra Petrovics PhD Student Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise
RészletesebbenSTATISZTIKA PRÓBAZH 2005
STATISZTIKA PRÓBAZH 2005 1. FELADATSOR: számítógépes feladatok (még bővülni fog számítógép nélkül megoldandó feladatokkal is) Használjuk a Dislexia Excel fájlt (internet: http:// starts.ac.uk)! 1.) Hasonlítsuk
RészletesebbenStatistical Dependence
Statistical Dependence Petra Petrovics Statistical Dependence Deinition: Statistical dependence exists when the value o some variable is dependent upon or aected by the value o some other variable. Independent
RészletesebbenCorrelation & Linear Regression in SPSS
Correlation & Linear Regression in SPSS Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise 1 - Correlation File / Open
RészletesebbenANOVA. Egy faktor szerinti ANOVA. Nevével ellentétben nem szórások, hanem átlagok összehasonlítására szolgál. Több független mintánk van, elemszámuk
Egy faktor zernt NOV Nevével ellentétben nem zóráok, hanem átlagok özehaonlítáára zolgál Több független mntánk van, elemzámuk,...,,, r y,...,, y, y,..., yr;,, r H : r NOV. élda (Box-Hunter-Hunter: Stattc
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Regression
Correlation & Regression Types of dependence association between nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation describes the strength of a relationship,
RészletesebbenStatisztika II. feladatok
Statisztika II. feladatok 1. Egy női ruhákat és kiegészítőket forgalmazó üzletlánc 118 egységénél felmérést végzett arról, milyen tényezők befolyásolják a havi összbevételüket (EUR). a) Pótolja ki a táblázatok
RészletesebbenShainin-kísérlettervezés
Shainin-kísérlettervezés Sokváltozós Alkatrész- Páronkénti diagram keresés összehasonlítás Változók keresése Teljes faktoros tervek B/C összehasonlítás Kétváltozós ábrázolás Shainin 56 Krónikus gyártási
RészletesebbenWIL-ZONE TANÁCSADÓ IRODA
WIL-ZONE TANÁCSADÓ IRODA Berényi Vilmos vegyész, analitikai kémiai szakmérnök akkreditált minőségügyi rendszermenedzser regisztrált vezető felülvizsgáló Telefon és fax: 06-33-319-117 E-mail: info@wil-zone.hu
RészletesebbenGyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos
Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek Dr. Dombi Ákos (dombi@finance.bme.hu) ESETTANULMÁNY 1. Feladat: OTP részvény átlagárfolyamának (Y=AtlAr) stacionaritás
Részletesebben2 p típusú teljes faktoros kísérleti tervek. Kísérlettervezés. Mit akarunk megtudni? mátrix-terv. a változók egyenkénti változtatása. x 3 x 2.
Kísérlettervezés Mit akarunk megtudni? 8 6 4 Y = β + β x + β x +... + β p x p p típusú teljes faktoros kísérleti tervek 4. 7 5 8 x 3 x 3. 6 3. x 3 x 4 x. x a) b) a változók egyenkénti változtatása mátrix-terv
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenEsettanulmány. A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre. Tartalomjegyzék. 1. Bevezetés... 2
Esettanulmány A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre Tartalomjegyzék 1. Bevezetés... 2 2. A lineáris modell alkalmazhatóságának feltételei... 2 3. A feltételek teljesülésének
RészletesebbenIdősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7.
Idősoros elemzés Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7. A felhasznált adatbázisról Elemzésemhez a tanszéki honlapon rendelkezésre bocsátott TimeSeries.xls idősoros adatgyűjtemény egyik idősorát,
RészletesebbenIdősoros elemzés minta
Idősoros elemzés minta Ferenci Tamás, tamas.ferenci@medstat.hu A felhasznált adatbázisról Elemzésemhez a francia frank árfolyamának 1986.01.03. és 1993.12.31. közötti értékeit használtam fel, mely idősorban
RészletesebbenStatisztikai 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
RészletesebbenStatistical Inference
Petra Petrovics Statistical Inference 1 st lecture Descriptive Statistics Inferential - it is concerned only with collecting and describing data Population - it is used when tentative conclusions about
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
RészletesebbenMagyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI
Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése Rezsabek Tamás GSZDI Anyag és módszer Központi Statisztikai Hivatalának adatai
RészletesebbenAz R statisztikai programozási környezet: az adatgyűjtéstől a feldolgozáson és vizualizáción át a dinamikus jelentéskészítésig
: az adatgyűjtéstől a feldolgozáson és vizualizáción át a dinamikus jelentéskészítésig Ferenci Tamás ferenci.tamas@nik.uni-obuda.hu 2017. február 23. Tartalom Az R mint programozási nyelv A könyvtárakról
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis
Factor Analysis Factor analysis is a multiple statistical method, which analyzes the correlation relation between data, and it is for data reduction, dimension reduction and to explore the structure. Aim
RészletesebbenRegresszió számítás az SPSSben
Regresszió számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Lineáris regressziós modell X és Y közötti kapcsolatot ábrázoló egyenes. Az Y függ: x 1, x 2,, x p p db magyarázó változótól
RészletesebbenStatisztika II előadáslapok. 2003/4. tanév, II. félév
Statisztika II előadáslapok 3/4 tanév, II félév BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Logistic regression. Quantitative Statistical Methods. Dr.
Logistic regression Quantitative Statistical Methods Dr. Szilágyi Roland Dependent (y) Quantit ative Qualitative Gazdaságtudományi Kar Connection Analysis Qualitative Independent variable() Quantitative
RészletesebbenVARIANCIAANALÍZIS (ANOVA) véletlen faktorok esetén
VRINCINLÍZI (NOV) véletlen faktorok eetén Varancakomponen-elemzé BIOMETRI_NOV_3 1 Rögzített faktorok: znteket a kíérletekhez megválazthatuk é beállíthatuk. Kérdé: van-e különbég a faktor különböző znte
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.
Hypothesis Testing Petra Petrovics PhD Student Inference from the Sample to the Population Estimation Hypothesis Testing Estimation: how can we determine the value of an unknown parameter of a population
Részletesebben4. példa: részfaktorterv+fold-over, centrumponttal
4. példa: 7-4 részfaktorterv+fold-over, centrumponttal A kísérletek célja egy speciális anyag optimális előállítási körülményeinek meghatározása volt. A célfüggvény a kihozatal %, melynek maimális értékét
Részletesebben( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ANOVA ( ) 2. χ σ. α ( ) 2. y y y p p y y = + + = + + p p r. Fisher-Cochran-tétel
NOV ( ) ( ) ( ) ( ) ( ) ( ) a Y Y Y Y µ µ µ + + + ( ) ( ) ( ) ( ) + + Y µ µ µ ( ) ( ) ( ) + + µ χ e ( ) ( ) r + + Fher-Cochran-tétel mnd NOV ( ) e χ : H ( ) e S χ ( ) e r ν χ ( ) e S χ ( ) e r r ν χ F
RészletesebbenSupporting Information
Supporting Information Cell-free GFP simulations Cell-free simulations of degfp production were consistent with experimental measurements (Fig. S1). Dual emmission GFP was produced under a P70a promoter
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenMARKETINGKUTATÁS II. Oktatási segédanyag. Budapest, 2004. február
MARKETINGKUTATÁS II. Oktatási segédanyag Budapest, 2004. február Tartalomjegyzék ELŐSZÓ... 2 1 AZ SPSS-RŐL ÁLTALÁBAN... 3 1.1 DATA EDITOR... 3 1.2 VIEWER... 4 1.3 CHART EDITOR... 4 2 ADATBEVITEL... 5 2.1
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenTöbb 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...
RészletesebbenKorreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés
RészletesebbenKét 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
RészletesebbenTHE EFFECTIVENESS OF THE E-LEARNING APPLICATION: IMPACT ASSESSMENT OF THE QUALITY
THE EFFECTIVENESS OF THE E-LEARNING APPLICATION: IMPACT ASSESSMENT OF THE QUALITY P E T E R L E N G Y E L - I S T VÁ N F Ü Z E S I - J Á N O S PA N C S I R A - G E R G E LY R ÁT H O N Y I U N I V E R S
RészletesebbenSTATISZTIKA. Fogalom. A standard lineáris regressziós modell mátrixalgebrai jelölése. A standard lineáris modell. Eredménytáblázat
Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése
Részletesebben2012. április 18. Varianciaanaĺızis
2012. április 18. Varianciaanaĺızis Varianciaanaĺızis (analysis of variance, ANOVA) Ismételt méréses ANOVA Kérdések: (1) van-e különbség a csoportok között (t-próba általánosítása), (2) van-e hatása a
Részletesebbeny ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti.
Elmélet let BIOMETRIA 7. Előad adás Variancia-anal Lineáris modellek A magyarázat a függf ggő változó teljes heterogenitásának nak két k t részre r bontását t jelenti. A teljes heterogenitás s egyik része
RészletesebbenTAGUCHI ÉS SHAININ. Taguchi módszere a minőség kísérletes javítására
Minőségjavító kísérlettervezés TAGUCHI ÉS SHAININ 1 Taguchi módszere a minőség kísérletes javítására 1. példa Ina Tile: sok a selejt a kemence különböző pontjain a hőmérséklet nem azonos A kemence áttervezése
RészletesebbenTANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN
TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN Mályusz Levente ELŐZMÉNYEK 1 A tanulási görbét először egy 19 századi pszichológus Hermann Ebbinghaus írta le. Azt vizsgálta, hogy milyen gyorsan memorizál valaki különböző
RészletesebbenPDF created with FinePrint pdffactory Pro trial version Adott egy X folytonos változó, ami normális eloszlású.
Á dott egy X folytonos változó, ami normális eloszlású. X ( µ,σ ) dottak ezen kívül az Y,Y,,Y k diszkrét változók (faktorok) total H 0 : X - re nincs hatással Y Q = Q + Q +... + Q + Q + Q3 +... + Q k hiba
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
Részletesebben1. melléklet A ciklodextrin hatásának jellemzése mikroorganizmusok szaporodására Murányi Attila
1. melléklet A ciklodextrin hatásának jellemzése mikroorganizmusok szaporodására Murányi Attila Bevezetés... 1 A kutatás hipotézise... 2 A kutatás célja... 2 Az alkalmazott mikroorganizmusok... 3 Kísérleti
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenStatisztikai szoftverek esszé
Statisztikai szoftverek esszé Dávid Nikolett Szeged 2011 1 1. Helyzetfelmérés Adott egy kölcsön.txt nevű adatfájl, amely információkkal rendelkezik az ügyfelek életkoráról, családi állapotáról, munkaviszonyáról,
RészletesebbenÚJDONSÁGOK A MINITAB STATISZTIKAI SZOFTVER ÚJ KIADÁSÁNÁL (MINITAB 18)
ÚJDONSÁGOK A MINITAB STATISZTIKAI SZOFTVER ÚJ KIADÁSÁNÁL (MINITAB 18) Előadó: Lakat Károly, L.K. Quality Bt. 2017 szeptember 27 EOQ MNB Szakbizottsági ülés Minitab 18 újdonságai Session ablak megújítása
RészletesebbenLogisztikus regresszió
Logisztikus regresszió Bekövetkezés esélye Valószínűség (P): 0 és 1 közötti valós szám, az esemény bekövetkezésének esélyét fejezi ki. Fej dobásának esélye: 1:2 = 1 2 = 0,5. Odds/esélyérték (O): a tét
RészletesebbenSTATISZTIKA. 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
RészletesebbenTANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN
TANULÁSI GÖRBÉK AZ ÉPÍTŐIPARBAN Mályusz Levente ELŐZMÉNYEK 1 Tanulási görbe T.P. Wright 1936; Repülőgép alkatrészeket gyártó vállalatnál végezte kísérleteit Alapelv: Az ismétlődő munkát végző ember a betanulás
RészletesebbenMinőség-képességi index (Process capability)
Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286
RészletesebbenNormál eloszlás. Gyakori statisztikák
Normál eloszlás Átlag jól jellemzi az adott populációt folytonos eloszlás (pl. lottó minden szám egyszer fordul elő) kétkúpú eloszlás (IQ mindenki vagy zseni vagy félhülye, átlag viszont azt mutatja,
RészletesebbenGyőrBike a győri közösségi bérkerékpár rendszer első éve
GyőrBike a győri közösségi bérkerékpár rendszer első éve Magyar Urbanisztikai Társaság Győr-Moson-Sopron megyei csoportja MTA KRTK RKI Nyugat-magyarországi Tudományos Osztály Smart City rendezvénysorozat
RészletesebbenSTATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1
STATISZTIKAI ALAPOK Statisztikai alapok_eloszlások_becslések 1 Pulzus példa Egyetemista fiatalokból álló csoport minden tagjának (9 fő) megmérték a pulzusát (PULSE1), majd kisorsolták ki fusson és ki nem
RészletesebbenSztochasztikus kapcsolatok
Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.
RészletesebbenA JOHNSON NEYMAN-MÓDSZER BEMUTATÁSA ÉS ALKALMAZÁSA
MÓDSZERTANI TANULMÁNYOK A JOHNSON NEYMAN-MÓDSZER BEMUTATÁSA ÉS ALKALMAZÁSA A Johnson Neyman-módszer bemutatását és használatának elméleti és konkrét példákkal történő megismertetését elsősorban azok az
RészletesebbenMotivációs diasor Ha megéri, nem baj, hogy nehéz!
Motivációs diasor Ha megéri, nem baj, hogy nehéz! Biometria - Bevezetés 1 Sertések gyógytáppal való kezelése Csoportok: Függő változó: testtömeg (DBW) Kezelt (Trial) Kezeletlen (Control) Kísérleti elrendezés:
RészletesebbenSPSS ÉS STATISZTIKAI ALAPOK II.
SPSS ÉS STATISZTIKAI ALAPOK II. Bevezetés A második negyedéves anyag alapvetően olyan statisztikai elemzéseket tartalmaz, amelyek átlagok összehasonlítására alkalmasak. Tipikus kérdések: 1) Intelligensebbek-e
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenTovábblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,
Matematikai statisztika. elıadás, 9.5.. Továbblépés Ha nem fogadható el a reziduálisok korrelálatlansága: Lehetnek fel nem tárt periódusok De más kapcsolat is fennmaradhat az egymáshoz közeli megfigyelések
RészletesebbenEgy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban
Egy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika 2015-11-26 prohoz@kut.sote.hu
RészletesebbenFogalom STATISZTIKA. Alkalmazhatósági feltételek. A standard lineáris modell. Projekciós mátrix, P
Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése
RészletesebbenLogisztikus regresszió
Logisztikus regresszió Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó (x) Nem metrikus Metrikus Kereszttábla elemzés
RészletesebbenLogisztikus regresszió
Logisztikus regresszió 9. előadás Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó () Nem metrikus Metrikus Kereszttábla
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
RészletesebbenLineáris regresszió vizsgálata resampling eljárással
Lineáris regresszió vizsgálata resampling eljárással Dolgozatomban az European Social Survey (ESS) harmadik hullámának adatait fogom felhasználni, melyben a teljes nemzetközi lekérdezés feldolgozásra került,
Részletesebben2007- FDA Pharmaceutical Quality for the 21st Century A Risk-based Approach Progress Report
A termelés zavartalanul folyik - Halló, gépterem? - Skultéti, jelentkezem. - Mennyi, Skultéti? - Harminchárom. - Mi harminchárom? - Mi mennyi, főmérnök úr? - Az, ami harminchárom. - Nem annyinak kellett
RészletesebbenCluster Analysis. Potyó László
Cluster Analysis Potyó László What is Cluster Analysis? Cluster: a collection of data objects Similar to one another within the same cluster Dissimilar to the objects in other clusters Cluster analysis
Részletesebben11. elıadás ( lecke) 21. lecke. Korreláció és Regresszió (folytatás) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények
Korreláció és Regresszió (folytatás) 11. elıadás (21-22. lecke) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények 21. lecke Linearitás ellenırzésének egyéb lehetıségei Konfidencia
RészletesebbenAdatok 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
RészletesebbenA biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézis Állítás a populációról (vagy annak paraméteréről) Példák H1: p=0.5 (a pénzérme
RészletesebbenSupplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo
Supplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo Yuma Oka and Thomas N. Sato Supplementary Figure S1. Whole-mount smfish with and without the methanol pretreatment.
RészletesebbenA többváltozós lineáris regresszió 1.
2018. szeptember 17. Lakásár adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó változók segítségével Legegyszerűbb eset - kétváltozós
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
RészletesebbenTúlélés elemzés október 27.
Túlélés elemzés 2017. október 27. Néhány példa Egy adott betegség diagnózisától kezdve mennyi ideje van hátra a páciensnek? Tipikusan mennyi ideig élhet túl? Bizonyos ráktípus esetén mennyi idő telik el
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellszelekció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Negyedik előadás, 2010. október
RészletesebbenBiostatisztika Hipotézisvizsgálatok, egy- és kétoldalas próbák, statisztikai hibák, ANOVA
Biostatisztika Hipotézisvizsgálatok, egy- és kétoldalas próbák, statisztikai hibák, ANOVA Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Hipotézisvizsgálatok A hipotézisvizsgálat
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Faktoranalízis előadás. Kvantitatív statisztikai módszerek
Faktoranalízis 6.-7. előadás Kvantitatív statisztikai módszerek Faktoranalízis Olyan többváltozós statisztikai módszer, amely adattömörítésre, a változók számának csökkentésére, az adatstruktúra feltárására
RészletesebbenKabos Sándor. Térben autokorrelált adatrendszerek
Kabos Sándor Térben autokorrelált adatrendszerek elemzése Összefoglalás az előadás példákon szemlélteti a térben autokorrelált adatok blokkosításának és összefüggésvizsgálatának jellemző tulajdonságait.
RészletesebbenFeltesszük, hogy a mintaelemek között nincs két azonos. ha X n a rendezett mintában az R n -ik. ha n 1 n 2
Kabos: Ordinális változók Hipotézisvizsgálat-1 Minta: X 1, X 2,..., X N EVM (=egyszerű véletlen minta) X-re Feltesszük, hogy a mintaelemek között nincs két azonos. Rendezett minta: X (1), X (2),..., X
RészletesebbenFaktoranalízis az SPSS-ben
Faktoranalízis az SPSS-ben Kvantitatív statisztikai módszerek Petrovics Petra Feladat Megnyitás: faktor.sav Fogyasztók materialista vonásai (Richins-skála) Forrás: Sajtos-Mitev, 250.oldal Faktoranalízis
RészletesebbenFaktoranalízis az SPSS-ben
Faktoranalízis az SPSS-ben = Adatredukciós módszer Petrovics Petra Doktorandusz Feladat Megnyitás: faktoradat_msc.sav Forrás: Sajtos-Mitev 250.oldal Fogyasztók materialista vonásai (Richins-skála) Faktoranalízis
Részletesebben