Módszertani hozzájárulás a Szegénység
|
|
- Nikolett Fehér
- 5 évvel ezelőtt
- Látták:
Átírás
1 Módszertani hozzájárulás a Szegénység Többváltozós Statisztikai Méréséhez MTA doktori értekezés főbb eredményei Hajdu ottó BCE KTK Statisztika Tanszék BME GTK Pénzügyek Tanszék Hajdu Ottó 1
2 Egyváltozós egydimenziós megközelítés deprivációés szegénység vizsgálat Egy új relatív deprivációs-elv és egy annak megfelelő szegénységi index bevezetése (a Jövedelmi szegénység vonatkozásában tárgyalva) Hajdu Ottó 2
3 Egy új transzfer érzékeny relatív depriváció- index ( a regresszív transzfer esete ) : a depriváció mértéke 0 1 A relatív depriváció mértékének javasolt formulája Egyedi tekintetben: r averzió Y Q = 1 Y < Y Q r i ij i j Y j r = 0 egyébként ij Overall globálisan: ( r) Q q q = 1 r Q ij N i j ( Q> 0 = 1 = 1 ) 1 r Hajdu Ottó 3
4 A regresszív transzfer relatív deprivációs hatása Rangsortartás mellett Deprivációmátrix Jövedelem Max Címzett Donor Min által Transzfer jövedelemmel szemben érzett Max Címzett +T (-) (-) (+) 0 Donor -T (+) (+) (+) (+) (+) 0 (-) 0 Min 0 0 (+) 0 (-) 0 0 Konklúzió: az Overall eredő : ± Hajdu Ottó 4
5 Egy új relatív depriváció- érzékeny szegénységi index ahol ( ) P = H 1 ˆz ( 1 ) 1 ˆz 1 : a reprezentatív deprivált személy szegénység i rése : a küszöb alatti relatív depriváció mértéke 0 1 ˆ z : a reprezentatív szegény jövedelme: az aktuális z szegénységi küszöbbel szemben érzett globális deprivációt reprezentálja ( ) ˆz 1 : a reprezentatív deprivált jövedelme Hajdu Ottó 5
6 A deprivációs averzió rparaméterének Gamma eloszláson alapuló becslése Gamma sűrűségfüggvények r = r = 1.00 Likelihood X r = 0.95 Hatványparaméterek Nagyobb a valószínűsége a kisebb jövedelmeknek! Hajdu Ottó 6
7 A szegénységi averzió rparaméterének Lorenz görbén alapuló becslése Az aszimmetrikus Lorenz-görbe átlagpontja Átló fölötti átlagpont: 1-nél alacsonyabb meredekség az átló metszéspontjában magasabb szegénységi averzió Metszéspont meredekség : L Metszéspont du/ L 1 = 1 + d 2 U/ L d Upper/ Lower = y x U U y x L L Hajdu Ottó 7
8 A szegénységmérés többdimenziós megközelítése az Irodalomban A szeparált depriváció - dimenziók Súlyozott kombinációja, ahol Probléma: a súlyrendszer!? Egydimenziós szegénységi mérték alkalmazása a kombinált dimenzióra Területi Budapest, Nagyváros, Többiváros, Községek dezaggregáció kérdése: 1.) Átlagszámítás: Foster - típusú: Területi átlagok átlaga 2.) Szóródás szemléletű, Theil-féle külső + belső hatásra bontás Hajdu Ottó 8
9 Többváltozós Többdimenziós megközelítés az Egyenlőtlenség mérésére egy Új mérési és dekompozíciós módszertan megadása Hajdu Ottó 9
10 Egyenlőtlenség (InEquality Index: IEI mérték) A feladat: többváltozós, többdimenziós - kompozit mérés Hazai H á z t a r t á s o k Az aszimmetria kezelése: a logaritmált dimenziók bevonásával Korrelált tengelyek adottsága Hajdu Ottó 10
11 Alkalmazás: Településtípusok diszkriminálása: Bp, Nv, Tv, Kö 11.9% 27.6% Külső variancia arány? 1-Wilks Lambda =14 % of IEI BpNvTvKo: 1 BpNvTvKo: 2 Belső (átlagos) variancia arány: Wilks Lambda = 86 % of IEI 29.7% 30.8% BpNvTvKo: 3 BpNvTvKo: 4 Kategóriák % hozzájárulása a 86% belső varianciához? Hajdu Ottó 11
12 A matematikai megoldás alapja Az Entrópia fogalma: 1-dimenzió, 2-változó Az i=1,2,,n tagú társadalom Jövedelmi eloszlása ami az átlagos jövedelem viszonylatában kifejezve relatív _ jövedelem : r = Y / Y i i Y = YY,,..., Y 1 2 n ( ) ( ) ( ) log_ hozam : D = lnr = lny lny i i i amiből a Shannon entrópia, egyenlőségi mérték: n i = 1 i i 1 n = ( ) H( r ) ln n r D Hajdu Ottó 12
13 Keretbefoglalás: a GeneralizedE ntropy A formula 1 n GE( α ) = ( r ) α i 1 α 0α, 1 ( ) n α α 1 i= 1 ahol alpha az egyenlőtlenség averzió paramétere: alacsonyabb értéke nagyobb súlyt ad az eloszlás alsóbb szegmensén, mint a felső szegmensén történő transzferváltozásra. A GE(alfa) általánosított entrópia egyenlőtlenségi mérték két speciális esete, L Hospital-határértékben GE(1) = rd és GE(0) = D Hajdu Ottó 13
14 Felismerés: a Theil kovariancia és GE felbontása Tekintsük a definíciónk szerinti ún. Theil kovarianciát: CTheil = ( ) Cov r,d A Theil-kovariancia GE felbontása: 1 n C = r D r D = GE + GE Theil i i n i = 1 = 1 { ( 1) ( 0) Hajdu Ottó 14
15 Fogalmi bevezetés az 1dim. 2vált. Theil kovariancia mátrix A Jövedelemegydimenziós esete (Y=1,2,3,...,98,99,100) C = Változó T r Theil A Theil Generalized Variance egyenlőtlenség: 0 T = det C = VarVar C VarVar ( ) 2 GV T r D Theil r D C % VarVar 2 2 R = Theil = Hajdu Ottó 15 r r r Var C Theil D D D C Var D
16 Az 1dim. 2vált. Theil kovariancia mátrix jelentéstartalma C T Változó r D = r V = 2GE 2 GE 1 + GE 0 2 Y ( ) ( ) ( ) ( ) ( ) D GE 1 + GE 0 Var lny 1. : V Y : a jövedelem variációs koefficiense (relatív szórása), 2. : Var lny : a logaritmikus jövedelmek varianciája, 3. : GE(1): a Theil-redundancia-index, 4. : GE(0): a Theil-Mean-Logarithmic-Deviation index, 5. : GE(2): a Hirschman-Herfindahl-index. Hajdu Ottó 16
17 A Theil variancia csoportközifelbontása A Theil mátrix külső-belső dekompozíciója: C = C + C T Belső Külső Wilks ' = det C / det C Belső T Homogenitásvizsgálat: H : 0 C = C = C = C det Box M = C ln group det C Bp Nv Tv Kö Belső group Hajdu Ottó 17
18 A Theil mátrix belső, Wilks lambda felbontása Belső Szegény Nemszegény Változó r D C = 0, 3 C + 0, 7 C = r ahol D C Szegény Változó r D Változó r D = r , C = r Nemszegény D D Wilks lambda = = : Total ( ) VE = = Hajdu Ottó 18
19 A többdimenziós kiterjesztés 3dim. 6vált. Theil kovariancia mátrix Dimenziók: jövedelem, kiadás, vagyon: a relatív jövedelmek: j = r jövedelem, k = r kiadás, v = r vagyon, a log-hozamok: J = D jövedelem, K = D kiadás, V = D vagyon C T( 2 p,2 p) = Változó j k v J K V j C C C C C C jj jk jv jj jk jv k C C C C C C kj kk kv kj kk kv v C C C C C C vj vk vv vj vk vv J C C C C C C Jj Jk Jv JJ JK JV K C C C C C C Kj Kk Kv KJ KK KV V C C C C C C Vj Vk Vv VJ VK VV A Theil variancia: T = det C GV ( ) T( 2 p,2 p) Normálás: a főátló_szorzat bázisában Hajdu Ottó 19
20 Szegénységmérési alkalmazás Cenzorálás a küszöbnél: a Takayama elv censored ZJövedelem = min Jövedelem, Küszöb { } Z = [ 1, 2,,29, 30 30, 30,, 30 ] Az általánosított szegénység: Dimenzióbővítés: censored ZKiadás T c GV R = 10.9% 2 Pov = min Kiadás, Küszöb { } censored ZVagyon = { Vagyon Küszöb } min, Hajdu Ottó 20
Módszertani hozzájárulás
Módszertani hozzájárulás a szegénység többváltozós statisztikai méréséhez MTA doktori értekezés tézisei Hajdu Ottó Budapest, 2011. MTA Doktori értekezés tézisei Bevezetés Történelmi alkalom volt, hogy
RészletesebbenMódszertani hozzájárulás
dc_39_ Módszertani hozzájárulás a szegénység többváltozós statisztikai méréséhez MTA Doktori értekezés Hajdu Ottó Budapest, 0. Hajdu Ottó dc_39_ Tartalomjegyzék Bevezetés... 4. A szegénység statisztikai
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projet eretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszéén az ELTE Közgazdaságtudományi
RészletesebbenStatisztikai A KÖZPONTI STATISZTIKAI HIVATAL TUDOMÁNYOS FOLYÓIRATA SZERKESZTŐBIZOTTSÁG:
Statisztikai Szemle A KÖZPONTI STATISZTIKAI HIVATAL TUDOMÁNYOS FOLYÓIRATA SZERKESZTŐBIZOTTSÁG: DR. BOZSONYI KÁROLY, ÉLTETŐ ÖDÖN, DR. HARCSA ISTVÁN, DR. HUNYADI LÁSZLÓ (főszerkesztő), DR. JÓZAN PÉTER, DR.
RészletesebbenVélemény: Hajdu Ottó: Módszertani hozzájárulás a szegénység többváltozós statisztikai méréséhez Budapest, 2011. c. MTA Doktori pályázatáról.
Vélemény: Hajdu Ottó: Módszertani hozzájárulás a szegénység többváltozós statisztikai méréséhez Budapest, 2011. c. MTA Doktori pályázatáról. A statisztika tudományterületén az utolsó MTA doktori védés
RészletesebbenHajdú Ottó: Módszertani hozzájárulás a szegénység többváltozós statisztikai méréséhez című MTA Doktori értekezéséről (Budapest, 2011.
Vélemény Hajdú Ottó: Módszertani hozzájárulás a szegénység többváltozós statisztikai méréséhez című MTA Doktori értekezéséről (Budapest, 2011.) I. A tudományos teljesítmény mérésének megvannak az objektív
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
RészletesebbenA hazai jövedelmi egyenlőtlenségek főbb jellemzői az elmúlt évtizedekben (módszertani tanulságok)
A hazai jövedelmi egyenlőtlenségek főbb jellemzői az elmúlt évtizedekben (módszertani tanulságok) Éltető Ödön Havasi Éva Az 1963-88 években végrehajtott jövedelmi felvételek főbb jellemzői A minták területi
RészletesebbenANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26
ANOVA,MANOVA Márkus László 2013. március 30. Márkus László ANOVA,MANOVA 2013. március 30. 1 / 26 ANOVA / MANOVA One-Way ANOVA (Egyszeres ) Analysis of Variance (ANOVA) = szóráselemzés A szórásokat elemezzük,
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
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE
RészletesebbenStatisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Részletesebben4. óra: Egyenlőtlen tér a hazai jövedelemegyenlőtlenségi folyamatok vizsgálata
4. óra: Egyenlőtlen tér a hazai jövedelemegyenlőtlenségi folyamatok vizsgálata Tér és társadalom (TGME0405-E) elmélet 2018-2019. tanév A területi fejlődés és a területi egyenlőtlenségek kapcsolata Visszatérés
RészletesebbenDiverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet
Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
RészletesebbenVÁLTOZÁSOK A SZEGÉNYSÉG STRUKTÚRÁJÁBAN
Tematikus nap az egyenlőtlenség g vizsgálatáról, l, mérésérőlm Budapest,, 2011. január r 25. VÁLTOZÁSOK A SZEGÉNYSÉG STRUKTÚRÁJÁBAN Vastagh Zoltán Életszínvonal-statisztikai felvételek osztálya zoltan.vastagh@ksh.hu
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
RészletesebbenKutatásmódszertan 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
RészletesebbenBiometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,
RészletesebbenA maximum likelihood becslésről
A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának
RészletesebbenKoncentráció és mérése gazdasági és társadalmi területeken. Kerékgyártó Györgyné BCE Statisztika Tanszék
Koncentrácó és mérése gazdaság és társadalm területeken Kerékgyártó Györgyné BCE Statsztka Tanszék Koncentrácó Fogalmát a XVIII. sz. másodk felétől egyre gyakrabban használták. Először a termelésre értelmezték,
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenA Markowitz modell: kvadratikus programozás
A Markowitz modell: kvadratikus programozás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Debrecen, 2011/12 tanév, II. félév Losonczi László (DE) A Markowitz modell 2011/12 tanév,
RészletesebbenStatisztika 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
RészletesebbenVersenyképtelen vidék? Térségtípusok a versenyképesség aspektusából
Versenyképtelen vidék? Térségtípusok a versenyképesség aspektusából Pénzes János, PhD egyetemi adjunktus A vidékfejlesztés jelene és jövője műhelykonferencia Bács-Kiskun Megyei Katona József Könyvtár,
RészletesebbenPrincipal Component Analysis
Principal Component Analysis Principal Component Analysis Principal Component Analysis Definíció Ortogonális transzformáció, amely az adatokat egy új koordinátarendszerbe transzformálja úgy, hogy a koordináták
Részletesebbenc adatpontok és az ismeretlen pont közötti kovariancia vektora
1. MELLÉKLET: Alkalmazott jelölések A mintaterület kiterjedése, területe c adatpontok és az ismeretlen pont közötti kovariancia vektora C(0) reziduális komponens varianciája C R (h) C R Cov{} d( u, X )
RészletesebbenGazdasági matematika II. Tantárgyi útmutató
Módszertani Intézeti Tanszék Gazdálkodási és menedzsment, pénzügy és számvitel szakok távoktatás tagozat Gazdasági matematika II. Tantárgyi útmutató 2016/17 tanév II. félév 1/6 A KURZUS ALAPADATAI Tárgy
RészletesebbenA területi polarizáltság mérőszámai
A területi polarizáltság mérőszámai Duál mutató A területi polarizáltság mérőszámai: Relatív range, range arány Duál mutató Duál mutató Az adatsor 2 részcsoportja átlagainak hányadosa Egyszerű, világos
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
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenA társadalmi egyenlőtlenségek, a szegénység
A társadalmi egyenlőtlenségek, a szegénység A., Alapfogalmak I. Egyenlőség egyenlőtlenség 1. társadalmi egyenlőtlenség a., a társadalmi pozíciók közötti egyenlőtlenség b., a társadalmi pozícióba jutás
RészletesebbenA Markowitz modell: kvadratikus programozás
A Markowitz modell: kvadratikus programozás Harry Markowitz 1990-ben kapott Közgazdasági Nobel díjat a portfolió optimalizálási modelljéért. Ld. http://en.wikipedia.org/wiki/harry_markowitz Ennek a legegyszer
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenA GDP hasonlóképpen nem tükrözi a háztartások közötti munka- és termékcseréket.
FŐBB MUTATÓK A regionális GDP adatok minősége alapvetően 3 tényezőtől függ: az alkalmazott számítási módszertől a felhasznált adatok minőségétől a vizsgált területi egység nagyságától. A TERÜLETI EGYENLŐTLENSÉGEK
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
Részletesebben[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
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
RészletesebbenLine aris f uggv enyilleszt es m arcius 19.
Lineáris függvényillesztés 2018. március 19. Illesztett paraméterek hibája Eddig azt néztük, hogy a mérési hiba hogyan propagál az illesztett paraméterekbe, ha van egy konkrét függvényünk. a hibaterjedés
RészletesebbenGyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.
Gyártástechnológia alapjai Méréstechnika rész Előadások (2.) 2011. 1 Méréstechnika előadás 2. 1. Mérési hibák 2. A hiba rendszáma 3. A mérési bizonytalanság 2 Mérési folyamat A mérési folyamat négy fő
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
Részletesebbenazonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i
A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában
RészletesebbenOBJEKTÍV JÓL-LÉTI MEGKÖZELÍTÉSEK MODELLSZÁMÍTÁS, JÓL-LÉT DEFICITES TEREK MAGYARORSZÁGON
Társadalmi konfliktusok - Társadalmi jól-lét és biztonság - Versenyképesség és társadalmi fejlődés TÁMOP-4.2.2.A-11/1/KONV-2012-0069 c. kutatási projekt OBJEKTÍV JÓL-LÉTI MEGKÖZELÍTÉSEK MODELLSZÁMÍTÁS,
RészletesebbenKoós Bálint: Területi kirekesztés és gyermekszegénység Magyarországon. Magyar Tudományos Akadémia Közgazdaság és Regionális Tudományi Kutatóközpont
Koós Bálint: Területi kirekesztés és gyermekszegénység Magyarországon Magyar Tudományos Akadémia Közgazdaság és Regionális Tudományi Kutatóközpont Ostrava, 2012. Május 3-4. Szegénység és társadalmi kirekesztés
RészletesebbenTANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
RészletesebbenKockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével
Kockázatkezelés a rezgésdiagnosztikában többváltozós szabályozó kártya segítségével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése konvergencia program
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
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,
Részletesebben6. 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
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenVéleménypolarizáció és választási részvétel. Kmetty Zoltán MTA- ELTE- PERIPATO
Véleménypolarizáció és választási részvétel Kmetty Zoltán MTA- ELTE- PERIPATO Tartalom Problémafelvetés Magyarázati sémák Indikátorok, modellek Eredmények Választási verseny és részvétel összefüggése Kistelepülések
RészletesebbenStatisztikai 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
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
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
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
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
RészletesebbenELTE 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
RészletesebbenNorma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei
Indukált mátrixnorma Definíció A. M : R n n R mátrixnormát a. V : R n R vektornorma által indukált mátrixnormának nevezzük, ha A M = max { Ax V : x V = 1}. Az indukált mátrixnorma geometriai jelentése:
Részletesebbeny 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.
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenDifferenciálszámítás. 8. előadás. Farkas István. DE ATC Gazdaságelemzési és Statisztikai Tanszék. Differenciálszámítás p. 1/1
Differenciálszámítás 8. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Differenciálszámítás p. 1/1 Egyenes meredeksége Egyenes meredekségén az egyenes és az X-tengely pozitív iránya
RészletesebbenA települési szegregáció mérőszámai
A települési szegregáció mérőszámai Dusek Tamás egyetemi tanár Széchenyi István Egyetem Nagyvárad, 2016. szeptember 16. A szegregáció, mint területi jelenség Elsősorban, de nem kizárólag települési szinten
RészletesebbenMatematikai geodéziai számítások 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
Részletesebben[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)
RészletesebbenMatematikai statisztika I. témakör: Valószínűségszámítási ismétlés
Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés Elek Péter 1. Valószínűségi változók és eloszlások 1.1. Egyváltozós eset Ismétlés: valószínűség fogalma Valószínűségekre vonatkozó axiómák
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
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
RészletesebbenRegresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
RészletesebbenA hallgatói preferenciák elemzése statisztikai módszerekkel
A hallgatói preferenciák elemzése statisztikai módszerekkel Kosztyán Zsolt Tibor 1, Katona Attila Imre 1, Neumanné Virág Ildikó 2, Telcs András 1 1,2 Pannon Egyetem, 1 Kvantitatív Módszerek Intézeti Tanszék,
RészletesebbenStatisztika 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
RészletesebbenMarkov-láncok stacionárius eloszlása
Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenA politikai hovatartozás és a mobilitás
A politikai hovatartozás és a mobilitás Gerő Márton, Szabó Andrea MTA TK SZI és MTA TK PTI Mobilitás és immobilitás a magyar társadalomban 2018.06.21. MTA Társadalomtudományi Kutatóközpont Az előadás tartalma
Részletesebbenmatematikai statisztika 2006. október 24.
Valószínűségszámítás és matematikai statisztika 2006. október 24. ii Tartalomjegyzék I. Valószínűségszámítás 1 1. Véletlen jelenségek matematikai modellje 3 1.1. Valószínűségi mező..............................
RészletesebbenGeokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
RészletesebbenHÁZI FELADATOK. 1. félév. 1. konferencia A lineáris algebra alapjai
HÁZI FELADATOK. félév. konferencia A lineáris algebra alapjai Értékelés:. egység: önálló feladatmegoldás.8. Döntse el, párhuzamosak-e a következő vektorpárok: a) a( ; ; 7) b(; 5; ) b) c(; 9; 5) d(8; 6;
RészletesebbenMagyarország és a fenntartható fejlődési célok- Javaslatok a hazai megvalósításhoz
Magyarország és a fenntartható fejlődési célok- Javaslatok a hazai megvalósításhoz Jász Krisztina szociológus- Magyar Szegénységellenes Hálózat 2018. május 31. A módszertanról röviden 2000-ig jövedelemalapú
RészletesebbenÚj típusú döntési fa építés és annak alkalmazása többtényezős döntés területén
Új típusú döntési fa építés és annak alkalmazása többtényezős döntés területén Dombi József Szegedi Tudományegyetem Bevezetés - ID3 (Iterative Dichotomiser 3) Az ID algoritmusok egy elemhalmaz felhasználásával
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
RészletesebbenÁLLATTENYÉSZTÉSI GENETIKA
TÁMOP-4..2-08//A-2009-000 project ÁLLATTENYÉSZTÉSI GENETIKA University of Debrecen University of West Hungary University of Pannonia The project is supported by the European Union and co-financed by European
Részletesebben14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull
14 A Black-choles-Merton modell Copyright John C. Hull 01 1 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó:
RészletesebbenTÁRKI HÁZTARTÁS MONITOR 2003. Budapest, Gellért Szálló 2004. március 31.
TÁRKI HÁZTARTÁS MONITOR 2003 Budapest, Gellért Szálló 2004. március 31. A magyar társadalomszerkezet átalakulása Kolosi Tamás Róbert Péter A különböző mobilitási nemzedékek Elveszett nemzedék: a rendszerváltás
RészletesebbenPáros összehasonlítás mátrixok empirikus vizsgálata. Bozóki Sándor
Páros összehasonlítás mátrixok empirikus vizsgálata Bozóki Sándor MTA SZTAKI Operációkutatás és Döntési Rendszerek Kutatócsoport Budapesti Corvinus Egyetem Operációkutatás és Aktuáriustudományok Tanszék
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...
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
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenMiért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek
Az november 23-i szeminárium témája Rövid összefoglaló Miért fontos számunkra az előző gyakorlaton tárgyalt lineáris algebrai ismeretek felfrissítése? Tekintsünk ξ 1,..., ξ k valószínűségi változókat,
RészletesebbenTöbbváltozós-többdimenziós egyenlõtlenség és a szegénység
Tanulmányok Többváltozós-többdimenziós egyenlõtlenség és a szegénység Hajdu Ottó, a Budapesti Corvinus Egyetem tanszékvezető egyetemi doense E-mail: hajduotto@uni-orvinus.hu A tanulmány élja egy új, terminológiánk
RészletesebbenPontfolyamatok definíciója. 5. előadás, március 10. Példák pontfolyamatokra. Pontfolyamatok gyenge konvergenciája
Pontfolyamatok definíciója 5. előadás, 2016. március 10. Zempléni András Valószínűségelméleti és Statisztika Tanszék Természettudományi Kar Eötvös Loránd Tudományegyetem Áringadozások előadás Hasznos eszköz,
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
Részletesebben