Statisztikai módszerek 7. gyakorlat
|
|
- Csongor Kocsis
- 8 évvel ezelőtt
- Látták:
Átírás
1 Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ2próbával MIRE SZOLGÁL? Illeszkedés-vizsgálat Ryan-Joiner próbával A val.-i vált. eloszlása egy adott eloszlást követ-e? A val.-i vált. eloszlása egy adott eloszlást követ-e? Két val.-i vált. eloszlása megegyezik-e? Homogenitás-vizsgálat Χ2próbával 0.Feladat Egyszerű felvezető feladat: pszichológia szakra felvételizők a fiú-lány arány ugyan akkora-e? 1984-es felvételi adatok: 94 felvételiző -> 16 fiú és 78 lány mért gyakoriságok: -k Megoldás H0: Pffi = 0.5 és Pnő = 0.5 mondjuk 99%os valószínűséggel Ha H0 igaz lenne, 94 emberből fiúra/lányra számítanánkelméleti gyakoriságok:. Minél nagyobb az eltérés a kapott és a várt gyakoriságok, annál valószínűbb, hogy a H0 hipotézis nem igaz. Az eltérés egy lehetséges mértéke v.ö. a khi2 eloszlás definíciójával: Ha H0 igaz, akkor ez khi-négyzet eloszlást követ r = 2 szabadságfokkal. Adatok rendezve: Fiú Kapott gyakoriság Várt gyakoriság Lány Összesen N = 94 N = 94 INVERZ.KHI1-0,99; angol verzióban a right tailed kell H0 hipotézist elutasítjuk: a fiúk aránya szignifikánsan kisebb.
2 1.Feladat Egy telefonközpont telefonhívásainál azt tapasztalják, hogy a tárcsázást követő kapcsolásig terjedő időtartam 25 és 85 másodpercig terjed. Egy napon keresztül másodpercre pontosan rögzítették a hívások kapcsolási idejét, ezt mutatja a következő táblázat. Elfogadható-e 95 %-os biztonsággal, hogy a kapcsolási idő egyenletes eloszlást követ? Illeszkedésvizsgálatot végzünk Χ 2 próbával H0: A minta egyenletes eloszlásból származik p=0,95 Készítsünk egy olyan táblázatot, ahol a lehetséges kapcsolási idők, és azok gyakorisága szerepel. D9:= lehetséges kapcsolási idők E9:= gyakoriság D10:=25; D11:=26 Húzzuk végig, míg D70:=85-öt el nem érjük E10:=DARABTELIC$10:C$117;"="&D10, kattintsuk végig az egész oszlopra A Χ 2 próba aktuális értékének kiszámítása: Számoljuk meg a lehetséges kimeneteleket: I13:= r J13:=DARABE10:E70 Számoljuk ki az egyenletes eloszláshoz tartozó valószínűségeket: I14:= pi =1/r J14:=1/J13 Számoljuk meg a minta elemszámát: I15:= N J15:=DARABB10:B117 Számoljuk ki az utóbbi kettő szorzatát: I16:= N*pi J16: =J14*J15 Legyen a G oszlop a számláló négyzeteinek oszlopa: G9:=vi-N*pi^2 G10:=E10-$J$16^2, és kattintsuk végig az oszlopon Számoljuk ki a Χ 2 _akt értéket:
3 I18:=X2_akt J18:=SZUMG10:G95/J16 = Keressük meg a kritikus értéket, p-hez és r-1-hez: I19:=X2_krit J19:=INVERZ.KHI1-0,95;J13-1 = X2_akt < X2_krit, H0-t elfogadjuk 2.Feladat Egy dobókocka oldalainak számozását megváltoztattuk úgy, hogy kocka hat oldalapjára 1db 1-es, 2db 2-es és 3db 3-as számot festettünk. Az új kockával való mérési eredményeket felhasználva kijelenthető-e 95%-os biztonsággal, hogy a dobások valószínűsége 1/6, 2/6 és 3/6? Megjegyzés: A mérések imitálására egy véletlenszám generátort használtunk. A "dobások" értékei a C oszlopban találhatók, amiket a generátor által adott eredményekből számoltunk ki. A feladathoz megoldásához a dobásgenerátor működésének ismerete nem szükséges! Illeszkedésvizsgálatot végzünk Χ 2 próbával H0: A minta egy adott eloszlást követ p=0,95 Töltsük ki a táblázat lehetséges kimenetel oszlopát. Ez most egyszerűen 1,2 és3 lesz. Számoljuk ki a gyakoriságokat; E10:=DARABTELIC$11:C$559;"="E11, és kattintsuk végig az oszlopon Adjuk össze a gyakoriságokat, hogy megkapjuk a darabszámot; F14:=SZUMF11:F13 Habár a relatív gyakoriságra közvetlenül nincs szükségünk a próba elvégzéséhez, de számoljuk, hogy össze tudjuk hasonlítani az elméleti valószínűséggel; G11:=F11/$F$14 Töltsük ki az elméleti valószínűségek oszlopát; H11:=1/6, H12=2/6, H13=3/6. A Χ 2 próba aktuális értékének kiszámítása: Legyen a I oszlop a szumma belsejének oszlopa; I11:=F11-F$14*H11^2/F$14/H11 Számoljuk ki a Χ 2 _akt értéket: H17:=X2_akt I17:=SZUMI11:I13
4 Keressük meg a kritikus értéket, p-hez és r-1-hez: H18:=X2_krit I18:=INVERZ.KHI1-0,95;2 Most olyan egyszerű az intervallumok száma, hogy ne számoljuk meg a darab függvénnyel. Ha X2_akt < X2_krit akkor H0-t elfogadjuk Vizsgáljuk meg az automatikusan elkészülő diagramban a relatív gyakoriság és az elméleti valószínűség kapcsolatát. Hangsúlyozzuk, hogy a relatív gyakoriság az elméleti valószínűség közelítése. Hasonlítsuk össze a kettő közti eltérést az aktuális és kritikus értékek egymás közti eltérésével. Az F9 billentyű nyomogatásával a dobások újragenerálhatók. 3.Feladat Egy cég három különböző méretű konzervdobozba csomagolja termékét, a három csomagolástkülönböző technológiai folyamattal állítják elő. A gyártási folyamat célja természetesen jó, azonosminőségű dobozok előállítása. Egy minőségellenőrzési mérnök a következő okait azonosította annak,hogy konzervdobozok nem megfelelőek: 1. rongálódás a dobozon, 2. repedés a dobozon, 3. a nyitófül nem megfelelő helyen van, 4. a nyitófül hiányzik, 5. egyéb. Mindhárom gyártási eljárással készült, hibás termékhalmazból mintát vettek, és megállapították, hogy a minőségellenőrzésen miért nem felelt meg az adott doboz. Kijelenthető-e 95%-os valószínűséggel a mérési adatok alapján, hogy a különböző hibák százalékos előfordulása megegyezik a három gyártási eljárásnál? Homogenitás vizsgálatot végzünk Χ 2 próbával H0: A hibák százalékos előfordulása ugyanolyan eloszlást követ a különböző gyártási eljárások esetén p=0,95. Ezt vizsgáljuk meg páronként. Ehhez a vizsgálathoz érdemes egy új táblázatot készíteni valahova: rongálódás Pl.: repedés fül rossz helyen fül hiányzik egyéb X2_akt X2_krit? Döntés
5 Az argumentumban lévő hányadosokat számoljuk ki a narancsra színezett mezőkben. Pl.: =D21/$I$21-D22/$I$22^2/D21+D22 Az aktuális értékeket számoljuk ki a fenti képlettel az egyes sorokra: az első sorra: =I21*I22*SZUMC31:G31 A kritikus értékeket 1-p-hez és r-1-hez keressük a Khi-négyzet eloszlásban: az első sorra: =INVERZ.KHI1-0,95;DARABD21:H21-1 A?-es oszlopba beírhatók a döntésben segítő relációk, majd mellé, hogy H0-t elfogadjuk vagy elvetjük: X2 akt X2_krit 5,54 9,49 9,75 9,49 6,88 9,49? krit>akt krit<akt krit>akt Döntés H0-t elfogadjuk H0-t elutasítjuk H0-t elfogadjuk 4.Feladat Egy gyerekszékeket gyártó cég olyan tervezési irányelvet akar követni, amelyben feltételezi, hogy a az adott korú éves gyermekek magassága normális eloszlást követ p=95%, és b a lányok és fiúk átlagos magassága nincs lényeges eltérés p=98%. Egy kutató cég 40 fiút és 40 lányt vizsgált meg a célcsoportból, a vizsgálat eredménye a táblázatokban látható. Alátámasztják-e a vizsgálat eredményei a cég feltételezéseit? a A gyerekek testmagassága normális eloszlást követ-e? p=0,95 Kategorizált minta normalitásvizsgálata X2 próbával H0: A magasság normális eloszlást követ. p=0,95 A statisztika:
6 Számoljuk ki hány mérés volt: F18: =SZUMF9:F17 Egészítsük ki a táblázatot négy oszloppal, a fejlécek a következők legyenek: G8:= zi H8:= Φzi I8:= pi J8:= Χ2 A G oszlopba kerülnek a standard normális eloszlású változók húzzuk végig: G9: =E9-$D$19/$D$20 A H oszlopba az ezekhez tartozó eloszlásfüggvény értékek: H9:=STNORMELOSZLG9 Megj.: H17-be írhatunk 1-et Az I oszlopba az adott intervallumokba esés valószínűsége kerül: I9:=H9 I10=H10-H9 A J oszlopba jön a Khi-négyzet értéke az adott intervallumra: J9:=F9-F$18*I9^2/F$18/I9 Az aktuális érték ez utóbbiak összege: J19:=SZUMJ9:J17 = A kritikus értéket 1-p-hez és r-1-hez keressük, ahol r az intervallumok száma: M19:=INVERZ.KHI1-0,95;DARABF9:F17-1 = Mivel X2_akt < X2_krit, H0-t elfogadjuk b Megegyezik-e a lányok és fiúk magasságának várható értéke? Ez paraméteres próba:welch próbát kell végrehajtani a lányok és fiúk átlagos testmagasságának várható értékére. H0: A lányok és afiúk testmagassága megegyezik p=0,98 Csak az eredmények: -wkrit<wakt<wkrit, H0-t elfogadjuk, a lányok és fiúk átlagos testmagassága megegyezik
7 5.Feladat Egy cég beszállítói versengenek egymással. A cég arra kíváncsi, hogy a beszállított alkatrészektönkremeneteli hajlama megegyezik-e, ezért mindkét beszállítótól vett mintát, és megvizsgálta, mennyi az alkatrészek tönkremeneteli ideje. Megegyezik-e 99%-os valószínűséggel a két gyártó által gyártott alkatrész tönkremeneteli hajlama? A táblázatban az alkatrészek élettartama szerepel órában. Homogenitás vizsgálat Χ 2 próbával H0: Az alkatrészek tönkremeneteli hajlama megegyező p=0,99 A vizsgálathoz fel kell osztanunk a közös mintát intervallumokra, és megnézni, hogy melyik intervallumba, mennyi esik az adott beszállító alkatrészei közül. Készítsünk egy közös oszlopot, másoljuk egyszerűen egymás alá az értékeket pl. a G oszlopba. A közös minta elemszámát határozzuk meg. n=35 A hisztogramszerkesztésnél megtanult módon osszuk be a közös mintát gyökn, azaz r=6 db intervallumra, és határozzuk meg az intervallumhatárokat. Ehhez célszerű valami hasonló táblázatot készíteni: Int. Alsó határa Int. Felső határa gyakoriság 1. beszállító gyakoriság 2. beszállító Khinégyzet darab: Számoltassuk meg, külön-külön a két beszállítóra, hogy hány elem esik az egyes alkatrészek közül az adott intervallumba ezek kerülnek a narancsszínű mezőkbe: L15:=DARABTELIC$11:C$25;"<"&K15-DARABTELIC$11:C$25;"<"&J15 ill. M15:=DARABTELIE$11:E$30;"<"&K15-DARABTELIE$11:E$30;"<"&J15 Akkor csináltuk jól, ha ezek summája alul a darab mezőben kiadja az eredeti 15, ill. 20 adatot. Ezután számolhatjuk a statisztika aktuális értékét.
8 A Khi-négyzet oszlopban minden intervallumra kiszámoljuk a summa argumentumában található értéket. N15:=L15/L$21-M15/M$21^2/L15+M15 Számoljuk ki az aktuális értéket: N23:=L21*M21*SZUMN15:N20 A kritikus értékeket 1-p-hez és r-1-hez keressük a Khi-négyzet eloszlásban Rakjuk be J23- ba p-t: N25: =INVERZ.KHI1-J23;I20-1=15.08 Mivel X2_akt < X2_krit, H0-t elfogadjuk 6. Feladat Egy autógyártó konszern elvégeztetett egy élettartam vizsgálatot H7-es halogén fényszóróizzók 200 elemű mintáján. Az élettartam vizsgálat során az összes izzó egy nagy panelen foglalt helyet, ahol egyszerre lehetett azokat ki- és bekapcsolni. Minden 250. bekapcsolás után megszámolták és eltávolították a kiégett izzókat. A tesztet 3750 kapcsolás után befejezték, ekkor még 6 izzó működött. Az egyes ciklusokban kiégett izzók számát tartalmazza az alábbi táblázat. A khi-négyzet eloszlás segítségével döntse el 90%-os szignifikancia szint esetén, hogy az izzók élettartam-eloszlása illeszkedik-e ahhoz az exponenciális eloszláshoz, melynek eloszlásfüggvénye, ahol a bekapcsolások számát jelenti. A megoldás során vegyük figyelembe, hogy az adott elméleti eloszlás folytonos, míg a mintánk diszkrét. Ahhoz, hogy a folytonos eloszlásból ne "veszítsünk el" pozitív valószínűségű intervallumokat ne az [1;250], [251;500], [501,750], stb. intervallumokkal dolgozzunk, hanem a 0,250], 250,500], 500, 750], stb. intervallumokkal. A mintából számolt gyakoriságok ettől nem változnak meg, a folytonos exponenciális eloszlásból számolt valószínűségek viszont igen, hiszen pl. az első intervallum valószínűségét nem az kifejezéssel, hanem -val fogjuk kiszámolni. Az A oszlopban hozzuk létre a félig nyílt intervallumokhoz tartozó alsó határokat: A14: 0, A15: 250, majd folytatás számtani sorként. A14:A15 kijelölése, lehúzás A mintából származó gyakoriságok közvetlenül rendelkezésre állnak a D oszlopban. Számoljuk ki a G oszlopban a valószínűségeket a megadott eloszlásfüggvény alapján pl. = G13: valószínűség G14: =1-KITEVŐ-C14/ KITEVŐ-A14/1200, majd lehúzzuk. Az utolsó intervallum
9 felső határa + ahol bármely eloszlásfüggvény értéke 1, így G29: =1-1-KITEVŐ- B29/1200. A feladat folytatása innentől kezdve semmiben nem különbözik a korábban megoldott illeszkedés vizsgálatos feladattól. H13: Χ 2 akt részletek H14: =D14-$D$30*G14^2/$D$30*G14, majd lehúzzuk. G31: Χ 2 akt H31: =SZUMH14:H29 G32: Χ 2 krit H32: =INVERZ.KHI1-0,9;DARABH14:H29-1 Döntés: Χ 2 akt < Χ 2 krit miatt H 0 -t elfogadjuk, tehát a minta illeszkedik az adott exponenciális eloszláshoz. 7. Feladat A következő minta epoxi gyanta bomlási feszültségeinek 20 mérését mutatja. Vizsgálja meg, hogy a feszültség normális eloszlást követ-e p=0.95! Normalitásvizsgálat Ryan-Joiner próbával H0: A bomlási feszültség normális eloszlású p=0,95 Az eredeti mintaelemek, és a rendezett mintában megjelenő sorszámukból számolt változók percentilisei kvantilisei i korrelációt kell megvizsgálnunk. Egészítsük ki a táblázatot megint 4 oszloppal, a fejlécek legyenek a következők: D8:=k E8:= k-0,375/n+0,25 F8:= Zp G8:= xp Számoljuk végig az oszlopokat. Az első oszlopba a minta sorszámok kerülnek k, rendre, 1,2,..20. D9:=1 D10:=2. húzzuk végig Az E oszlopba a sorszámból számolt változók kerülnek: E9: =D9-0,375/DARABC$9:C$28+0,25 A következő az E változó normált kvantilise Zp: F9: =INVERZ.STNORME9 Az utolsó oszlopban meghatározzuk a kvantiliseknek megfelelő értékeket xp: G9: =C$30+F9*C$31
10 Ehhez persze számoljunk átlagot, szórást: C30: =ÁTLAGC9:C28 C31: =SZÓRÁSPC9:C28 A próbában ez eredeti mintaelemek, és az utóbb kiszámolt kvantilisek i korrelációt kell megállapítani. Fel is rajzolhatjuk, szép egyenes A statisztika aktuális értéke: J14: =KORRELC9:C28;G9:G28 = A kritikus értéket a megadott táblázatból 1-p-hez és n-hez kell megkeresnünk. Krit= Mivel a számolt korrelációs együttható > kritikus érték, H0-t elfogadjuk.
Statisztikai módszerek 7. gyakorlat
Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ 2 próbával Homogenitás-vizsgálat Χ 2 próbával Normalitás-vizsgálataΧ 2 próbával MIRE SZOLGÁL? A val.-i
RészletesebbenTanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.
8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
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
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
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
RészletesebbenFEGYVERNEKI 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
RészletesebbenBiometria 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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenBiomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
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
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 9. Együttes eloszlás, kovarianca, nevezetes eloszlások Debreceni Egyetem, 2015 Dr. Bérczes Attila, Bertók Csanád A diasor tartalma 1 Bevezetés, definíciók Együttes eloszlás Függetlenség
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 -
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenNEVEZETES FOLYTONOS ELOSZLÁSOK
Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó
RészletesebbenALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!
A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:
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
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
RészletesebbenFEGYVERNEKI 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,
RészletesebbenGyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016
Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait
RészletesebbenEgymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?
Egymintás próbák σ s μ m Alapkérdés: A populáció egy adott megegyezik-e egy referencia paraméter értékkel/tulajdonsággal? egymintás t-próba Wilcoxon-féle előjeles
RészletesebbenPopulációbecslés és monitoring. Eloszlások és alapstatisztikák
Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
Részletesebbenegyetemi jegyzet Meskó Balázs
egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.
RészletesebbenStatisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat
Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
RészletesebbenEloszlás-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
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
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
RészletesebbenModern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak
RészletesebbenFüggetlenségvizsgálat, Illeszkedésvizsgálat
Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata
RészletesebbenAz első számjegyek Benford törvénye
Az első számjegyek Benford törvénye Frank Benford (1883-1948) A General Electric fizikusa Simon Newcomb (1835 1909) asztronómus 1. oldal 2. oldal A híres arizonai csekk sikkasztási eset http://www.aicpa.org/pubs/jofa/may1999/nigrini.htm
RészletesebbenSTATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)
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
RészletesebbenBiostatisztika 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.
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,
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
Részletesebben36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25
Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;
RészletesebbenKhi-négyzet eloszlás. Statisztika II., 3. alkalom
Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként
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
RészletesebbenKiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.
Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak
RészletesebbenV. Gyakorisági táblázatok elemzése
V. Gyakorisági táblázatok elemzése Tartalom Diszkrét változók és eloszlásuk Gyakorisági táblázatok Populációk összehasonlítása diszkrét változók segítségével Diszkrét változók kapcsolatvizsgálata Példák
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:
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
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
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
RészletesebbenEgyszempontos variancia analízis. Statisztika I., 5. alkalom
Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek
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
RészletesebbenValószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai)
Gyakorlat (Statisztika alapjai) 2018. december 2. Statisztika alapjai 1 A mérnökinformatikus hallgatók zárthelyi dolgozatot írtak, ahol a maximális pontszám 50 pont volt. Véletlenszer en megnéztük 5 hallgató
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenMatematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József
Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. : Statisztikai hipotézisek Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027
RészletesebbenEloszlás-független módszerek 13. elıadás ( lecke)
Eloszlás-független módszerek 13. elıadás (25-26. lecke) Rangszámokon alapuló korrelációs együttható A t-próbák és a VA eloszlásmentes megfelelıi 25. lecke A Spearman-féle rangkorrelációs együttható A Kendall-féle
RészletesebbenSegítség 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
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenMatematikai 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
RészletesebbenElemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
RészletesebbenValószínűségszámítás összefoglaló
Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenMatematika A3 Valószínűségszámítás, 5. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 5. gyakorlat 013/14. tavaszi félév 1. Folytonos eloszlások Eloszlásfüggvény és sűrűségfüggvény Egy valószínűségi változó, illetve egy eloszlás eloszlásfüggvényének egy
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
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,
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
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 (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis
Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
Részletesebben2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben
1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy
RészletesebbenStatisztika 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,
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
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 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
RészletesebbenKiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.
Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Részletesebbene (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:
Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:
RészletesebbenStatisztika 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,
RészletesebbenVizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját
376 Statisztika, valószínûség-számítás 1500. Az elsô kérdésre egyszerû válaszolni, elég egy ellenpélda, és biztosan nem lehet akkor így kiszámolni. Pl. legyen a három szám a 3; 5;. A két kisebb szám átlaga
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
RészletesebbenBiostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
RészletesebbenKabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a
Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása A csoport
Gazdasági matematika II. vizsgadolgozat megoldása A csoport Definiálja az alábbi fogalmakat!. Egy eseménynek egy másik eseményre vonatkozó feltételes valószínűsége. ( pont) Az A esemény feltételes valószínűsége
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
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
RészletesebbenVéletlenszám generátorok és tesztelésük. Tossenberger Tamás
Véletlenszám generátorok és tesztelésük Tossenberger Tamás Érdekességek Pénzérme feldobó gép: $0,25-os érme 1/6000 valószínűséggel esik az élére 51% eséllyel érkezik a felfelé mutató oldalára Pörgetésnél
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
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
RészletesebbenStatisztika I. 10. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk
RészletesebbenKísérlettervezés alapfogalmak
Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján
RészletesebbenHipotézisvizsgálat R-ben
Hipotézisvizsgálat R-ben 1-mintás u-próba Az elmúlt évben egy, az Antarktiszon talált királypingvinkolónia esetén a pingvinek átlagos testtömege 15.4 kg volt. Idén ugyanebből a kolóniából megmérték 35
RészletesebbenVéletlenszám generátorok és tesztelésük HORVÁTH BÁLINT
Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám
RészletesebbenA konfidencia intervallum képlete: x± t( α /2, df )
1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =
Részletesebben