Biológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható.

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Biológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható."

Átírás

1 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 a standard egsége azonos dő alatt azonos körülmének között. Például a penclln-készítménnek mekkora adagja ad uganakkora átmérőjű baktérumnövekedés-gátló zónát a táptalajon, mnt a standard készítmén, vag mekkora adag endoton-készítmén emel meg uganannval a nulak testhőmérsékletét, mnt a standard készítmén. F T ( z) F ( ρz) = smlart ρ relatve potenc S Parallel kvanttatív és kvantált a kvanttatív kvantálttá butítható F T ( z) F ( ρz) = smlart S A statsztka hasonlóság nem bzonítja, hog nncs valóságos különbség, de nem-teljesülése azt jelz, hog valóságos különbség vag mátr-hatás van. Parallel

2 Parallel lne assa Párhuzamos egenesek a dózs logartmusa függvénében ln..0.8 Sloperato assa Eg pontban találkozó egenesek Parallel Include ='standard' Include ='sample' Other ha párhuzamosak 00 ha nem párhuzamosak lgc log 0 lgc0 = lg lg hol? = dluton log Parallel

3 Scatterplot (Wardlawp3.sta v*c) Include condton: ='standard' = * példa A.C.Wardlaw: Practcal statstcs for epermental bologsts, J.Wle, 985, p. 3 c =5NE/ml Scatterplot (Wardlawp3.s ta v*c) Include condton: ='s am ple' = * Parallel lne assa a szándék, 6 pontos, hog a lneartás vzsgálható legen dos e Parallel 5 dluton 3 log 5 rept 6 standard standard standard standard standard standard standard standard standard standard standard standard sample sample sample sample sample sample sample sample sample sample sample sample Parallel 6

4 Test of Lack (Wardlawp3.sta) Include condton: ='standard' Dependnt Lack Lack Lack Test of Lack (Wardlawp3.sta) Include condton: ='sample' Dependnt Lack Lack Lack Két külön egenes vs. dózs nem adekvátak az egenesek Parallel Scatterplot (Wardlawp3.sta v*c) Include condton: ='sample' = * 5 0 a dózs logartmusát véve (lg) Scatterplot (Wardlawp3.sta v*c) Include condton: ='standard' = * log logdos e Parallel 8

5 Test of Lack (Wardlawp3.sta) Include condton: ='sample' Dependnt Lack Lack Lack log Parameter Estmates (Wardlawp3.sta) Include condton: ='sample' Param. Std.Err t p Test of Lack (Wardlawp3.sta) Include condton: ='standard' Dependnt Lack Lack Lack log Parameter Estmates (Wardlawp3.sta) Include condton: ='standard' Param. Std.Err t p Két külön egenes vs. logdózs tt már adekvátak Parallel 9 A két egenest egütt kezelve háromféle modell: Separate slopes = α + β + ε j ( αβ ) j ε = µ + α + + Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models>Separate slopes Homogenet of slopes Analss of covarance *log Error Unvarate Tests of Sgnfcance for (Wardlawp3.sta) Over-parameterzed model Tpe III decomposton; Std. Error of Estmate:.0838 Degr. of Freedom β (H 0 : vízszntes egenesek) α (H 0 : nncs kbs. a tengelmetszetben) Test of Lack (Wardlawp3.sta) Dependent Lack Lack Lack Parallel 0

6 ( αβ ) j ε = µ + α + + *log *log Label *log *log Parameter Estmates (Wardlawp3.sta) (*Zeroed predctors faled tolerance check) Over-parameterzed model Level of Column Comment (B/Z/P) Param. Std.Err standard Based sample 5 Zeroed* uganazok a becsült paraméterek, mnt amkor külön llesztettük az egeneseket Column Labels (Wardlawp3.sta) Labels for the columns of the desgn matr X Column Level of Level of standard log 3 sample log standard 5 sample µ (αβ) (αβ) α α Parallel j ( αβ ) j ε = µ + α + β + + Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models> >Homogenet-of-slopes β a vonatkozás egenes meredeksége log *log Error Unvarate Tests of Sgnfcance for Std. Error of Estmate:.0838 Degr. of Freedom α (H 0 : nncs kbs. a tengelmetszetben) β (H 0 : a közös egenes vízszntes) αβ (H 0 : párhuzamos egenesek) Parallel

7 β a vonatkozás egenes meredeksége j ( αβ ) j ε = µ + α + β + + log *log log *log *log Parameter Estmates (Wardlawp3.sta) Level of Column Param. Std.Err standard Parameter Estmates (Wardlawp3.sta) (*Zeroed predctors faled tolerance check) Over-parameterzed model Level of Column Comment (B/Z/P) Param. Std.Err standard Based sample 3 Zeroed* Based Zeroed* µ α α β (αβ) (αβ) Parallel 3 5 Predcted vs. Resdual Values Dependent varable: (Analss sample) Raw Resduals Predcted Values.0 Epected Normal Value Norm al Prob. Plot; Raw Resduals Dependent varable: (Analss sample) Resdual Parallel

8 log Error log log Unvarate Tests of Sgnfcance for (Wardlawp3.sta) ve hpothess decomposton; Std. Error of Estmate:.3796 Degr. of Freedom Parameter Estmates (Wardlawp3.sta) Level of Column Param. Std.Err t p standard Parameter Estmates (Wardlawp3.sta) (*Zeroed predctors faled tolerance check) Over-parameterzed model Level of Column Comment (B/Z/P) Param. Std.Err standard 3 Based Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models> >Analss of Covarance sample Zeroed* Parallel 5 = µ + α + β + ε ( α α ) + βj ε = α + + α a vonatkozás egenes tengelmetszete j 0 Scatterplot of aganst log Wardlawp3.sta v*c Functon = * Functon = * log Include ='standard' Include ='sample' Parallel 6

9 A aktvtásának számítása c Yˆ = a + blnc = a + blg = a + blgc0 blgh = a + blgc0 h 0 + a dózs (a h hígítás recproka), lg a dózs logartmusa, c 0 a készítmén hígítás előtt koncentrácója blg Ismert a standard hígítás előtt c 0 koncentrácója (5NE/ml), kérdés a vzsgálandó készítmén hígítás előtt c 0 koncentrácója Az llesztett egenes: Yˆ = a + blg Y ˆ = Yˆ (különböző dózsnál) a különböző a készítménekre Mennvel nagobb log dózs kell a mntából, hog azonos hatást (abszorbancát) adjon a standarddal: Parallel 7 Y ˆ = Yˆ (különböző dózsnál) Yˆ = a + blg lg lg a = a b 5.5 = = ( lgc + lg ) = a + b( lgc ) a + b lg lgc 0 lgc0 = lg lg c c 0 0 a a 5.5 b = 0 = 0 = 0.68 c0 = 0.68c0 = = 3.NE/ml relatve potenc Parallel 8

10 Konfdenca-ntervallum CM [ V ] + ( C ) C( M ) T ± T C = S S regr regr tα sr M T = lg lg V Sregr = d a dózsok száma, n az smétlések száma b dn C = S S regr regr tα s r 3600 = = V Sregr 3600 = = b dn = Parallel 9 M T = lg lg = CM [ + ] = ( C ) C( M ) ± V T T [ + 0. ] = ( 0.670) ± ( 0.670) = ( 0.38, 0.098) = 0.68 ± = c c 0 = 0 ( 0.578, 0.797) Parallel 0

11 . példa Botechnológa készítmén tterét kívánták meghatározn az smert aktvtású nemzetköz standardhoz képest. Az analtka jel a spektrofotometrás abszorbanca volt. parall.sta Dose Preparaton 3 meas log 5 logmeas 00 standard standard standard standard standard standard Parallel Az abszorbanca-adatok génelnek-e valamlen transzformácót? Tests of Homogenet of Varances (parall : Dose*"Preparaton" Hartle F-ma Cochran C Bartlett Ch-Sqr. p meas σ = konst teljesül?,0 P-Plot: meas : Dose*"Preparaton" (Plot of wthn-cell resduals) All Groups normáls eloszlása teljesül? Epected Normal Value,5,0 0,5 0,0-0,5 -,0 -,5 -, Observed Value Parallel

12 Tests of Homogenet of Varances (parall.st : Dose*"Preparaton" Hartle F-ma Cochran C Bartlett Ch-Sqr. p logmeas P-Plot: logmeas: =log0(meas) : Dose*"Preparaton" (Plot of wthn-cell resduals) All Groups.5.0 Epected Normal Value Observed Value Parallel 3 meas Scatterplot of meas aganst Dose; categorzed b Preparaton Az abszorbancát ll. a dózst ndokolt-e transzformáln a függvén lneartása szempontjából? Preparaton: standard Dose Scatterplot of logmeas aganst log; categorzed b Preparaton Preparaton: íg lneárs? logmeas Preparaton: standard log Preparaton: Parallel

13 Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models>Separate slopes = α + β + ε j Preparaton*log Preparaton Error Unvarate Tests of Sgnfcance for logmeas (parall.sta Over-parameterzed model Tpe III decomposton; Std. Error of Estmate: Degr. of Freedom Test of Lack (parall.sta) Dependent Lack Lack Lack logmeas Parallel 5 j ( αβ ) j ε = µ + α + β + + Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models> >Homogenet-of-slopes Raw Resduals Predcted vs. Resdual Values Dependent varable: logmeas (Analss sample) Preparaton log Preparaton*log Error Epected Normal Value Unvarate Tests of Sgnfcance for logmeas Std. Error of Estmate: Degr. of Freedom Normal Prob. Plot; Raw Resduals Dependent varable: logmeas (Analss sample) Predcted Values Resdual Parallel

14 log Preparaton Error Unvarate Tests of Sgnfcance for logmeas ve hpothess decomposton; Degr. of Freedom Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models> >Analss of Covarance = µ + α + β + ε j log Preparaton Parameter Estmates (parall.sta) Level of Column logmeas logmeas logmeas logmeas Param. Std.Err t p standard µ a vonatkozás egenes tengelmetszete Test of Lack (parall.sta) Dependent Lack Lack Lack logmeas Parallel 7 = µ + α + β + ε j log Preparaton Parameter Estmates (parall.sta) Level of Column logmeas logmeas logmeas logmeas Param. Std.Err t p standard ( α α ) + βj ε = α + + log Preparaton Preparaton Parameter Estmates (parall.sta) (*Zeroed predctors faled tolerance check) Over-parameterzed model Level of Column Comment logmeas logmeas (B/Z/P) Param. Std.Err standard 3 Based Zeroed* Parallel 8

15 A aktvtásának számítása ( a dózs, a hígítás recproka) c Yˆ = a + blnc = a + blg = a + blgc0 blgh = a + blgc0 h 0 + Ismert a standard hígítás előtt c 0 koncentrácója, kérdés a vzsgálandó készítmén hígítás előtt c koncentrácója blg Mennvel nagobb log dózs kell a mntából, hog azonos hatást (abszorbancát) adjon a standarddal: Y ˆ = Yˆ (különböző dózsnál) a a ln c0 ln c0 = = = b 0.58 Az aktvtás (relatve potenc) ennek antlogartmusa: Parallel 9 3. példa A.C. Wardlaw: Practcal statstcs for epermental bologsts, J. Wle, 985, p. 38 Nkotnsav meghatározása szárított barack etraktumban, Lactobacllus plantarum, turbdmetrás eredmének Wardlawp38.sta 3 rept standard standard standard standard standard standard sample sample sample sample sample sample blank blank blank : ng ll. ml Slope rato assa a szándék 5-pontos Scatterplot of aganst Wardlawp38.sta 0v*5c Parallel 30

16 Scatterplot (Wardlawp38.sta v*5c) Include condton: <>'sample' = * külön a mntára (+ blank) Error Unvarate Tests of Sgnfcance for (Wardlawp38.sta) Over-parameterzed model Tpe III decomposton Include condton: <>'sample' Degr. of Freedom Test of Lack (Wardlawp38.sta) Include condton: <>'sample' Dependnt Lack Lack Lack Parallel Scatterplot (Wardlawp38.sta v*5c) Include condton: <>'s tandard' = * külön a standardre (+ blank) Parameter Estmates (Wardlawp38.sta) Over-parameterzed model Include condton: <>'standard' Param. Std.Err t p Test of Lack (Wardlawp38.sta) Include condton: <>'standard' Dependnt Lack Lack Lack Parallel 3

17 3 rept 5 6 sampl standard standard standard standard standard standard sample sample sample sample sample sample blank blank blank Y ˆ = a + b Y ˆ = a + b Parallel 33 StatstcsStatstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models>Multple regresson sampl Error Unvarate Tests of Sgnfcance for (Wardlawp38.sta) Over-parameterzed model Tpe III decomposton Degr. of Freedom Test of Lack (Wardlawp38.sta) Dependent Lack Lack Lack Y ˆ = a + b Y ˆ = a + b közös tengelmetszetű egenesek Parallel 3

18 Optons fülön: No ntercept sampl Parameter Estmates (Wardlawp38.sta) Over-parameterzed model Param. Std.Err t p Test of Lack (Wardlawp38.sta) Dependnt Lack Lack Lack Y ˆ = b Y ˆ = b zérus tengelmetszetű egenesek Bármelket használjuk s Y ˆ = Yˆ helen b = b Parallel 35 sampl Parameter Estmates (Wardlawp38.sta) Param. Std.Err t p maradjon meg a tengelmetszet Scatterplot of aganst Wardlawp38.sta 0v*5c Y ˆ = Yˆ helen b = b = b b = = c = = 0.7 ng µl = 7ng 5.75 ml vags a ml-e 7ng standardnek felel meg. Parallel 36

19 0.06 Predcted vs. Resdual Values Dependent varable: (Analss sample) Raw Resduals Predcted Values Epected Normal Value Normal Prob. Plot; Raw Resduals Dependent varable: (Analss sample) Resdual Parallel 37. példa 3 készítmén standardhoz vszonított tterét kívánták meghatározn. Az analtka jel a spektrofotometrás abszorbanca volt. parall.sta Prepn Dlut 3 ln 5 Absorb tt =/hígítás Parallel Slope rato assa a szándék

20 Prepn Dlut 3 ln 5 Absorb Parallel 39 Statstcs>Advanced Lnear/Nonlnear Models> >General Lnear Models>Separate slopes = α + β j + ε majd nem ezt akarjuk, csak a lneartás vzsgálata kedvéért, tt még különböző tengelmetszetet s megengedjük Prepn* Prepn* Prepn* Prepn* Prepn Prepn Prepn Prepn Parameter Estmates (parall.sta) (*Zeroed predctors faled tolerance check) Over-parameterzed model Level of Column Comment Absorb Absorb (B/Z/P) Param. Std.Err Absorb t Absorb p % Cnf.Lmt % Cnf.Lmt Based Based Based Zeroed* Test of Lack (parall.sta) Dependnt Lack Lack Lack Absorb rendben van a lneartás Parallel 0

21 Prepn Dlut 3 ln 5 Absorb 6 ve 7 ve 8 ve3 9 ve 0 ved ved ve3d 3 ved ved=ve*, különböző egenes Parallel Prepn Dlut 3 ln 5 Absorb 6 ved 7 ved 8 ve3d 9 ved Parallel

22 Statstcs>Advanced Lnear/Nonlnear Models> General Lnear Models>Multple regresson ved "ved" "ve3d" "ved" Parameter Estmates (parall_ve.sta) Absorb Absorb Absorb Absorb % % Param. Std.Err t p Cnf.Lmt Cnf.Lmt közös tengelmetszet Parallel Scatterplot of PREDICTD aganst Spreadsheet33 5v*c Functon = * Functon = * Functon = * Functon = *.5.0 PREDICTD Include Prepn= Include Prepn= Include Prepn=3 Include Prepn= Other Parallel

23 A aktvtásának számítása Y ˆ = a + b A nem hígított standard 5NE/ml koncentrácójú, az nagságú dózs jelentené uganezt a koncentrácót, a 0.-es dózs.5ne/ml koncentrácónak felelne meg. Y ˆ = a + b Vegünk a standardból és a készítménből olan dózsokat, hog az abszorbanca egenlő legen b = b b = b Parallel 5 b = b Pl. a 3. mntára ved "ved" "ve3d" "ved" Parameter Estmates (parall_ve.sta) Absorb Absorb Absorb Absorb % % Param. Std.Err t p Cnf.Lmt Cnf.Lmt b = legen b = (hígítatlan) b = 35. = = b 0.09 a hígítatlan /0.09=3.8-szoros hígítású standardnak felel meg Parallel 6

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3

Részletesebben

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ANOVA ( ) 2. χ σ. α ( ) 2. y y y p p y y = + + = + + p p r. Fisher-Cochran-tétel

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 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

Részletesebben

PhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats

PhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats PhEur... Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats 00 80 60 0 0 00 80 60 0 0 catterplot of multiple variables against dose PhEur_.sta

Részletesebben

BIOMETRIA_ANOVA_2 1 1

BIOMETRIA_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

Részletesebben

KISTERV2_ANOVA_

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

Részletesebben

ANOVA. Egy faktor szerinti ANOVA. Nevével ellentétben nem szórások, hanem átlagok összehasonlítására szolgál. Több független mintánk van, elemszámuk

ANOVA. 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

Részletesebben

Statisztika feladatok

Statisztika feladatok Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük? (Ez az együttes eloszlásfüggvényük.)

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Review of Correlation & Regression

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Review of Correlation & Regression Mskolc Egetem Gazdaságtudomán Kar Üzlet Informácógazdálkodás és Módszertan Intézet Revew of Correlaton & Regresson Petra Petrovcs Mskolc Egetem Gazdaságtudomán Kar Üzlet Informácógazdálkodás és Módszertan

Részletesebben

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

LOGIT-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)

Részletesebben

VARIANCIAANALÍZIS (ANOVA) véletlen faktorok esetén

VARIANCIAANALÍZIS (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

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pálázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomán Tanszékén az ELTE Közgazdaságtudomán Tanszék, az MTA Közgazdaságtudomán

Részletesebben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr. Korrelácó-számítás 1. előadás Döntéselőkészítés módszertana Dr. Varga Beatr Két változó között kapcsolat Függetlenség: Az X smérv szernt hovatartozás smerete nem ad semmlen többletnformácót az Y szernt

Részletesebben

OLS regresszió - ismétlés Mikroökonometria, 1. hét Bíró Anikó A tantárgy tartalma

OLS regresszió - ismétlés Mikroökonometria, 1. hét Bíró Anikó A tantárgy tartalma OLS regresszó - smétlés Mroöonometra,. hét Bíró Anó A tantárg tartalma Leggaorbb mroöonometra problémá és azo ezeléséne megsmerése Egén vag vállalat adato Keresztmetszet és panel elemzés Vállalat, pacelemzés

Részletesebben

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr. Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Regresszó-számítás. előadás Kvanttatív statsztka módszerek Dr. Varga Beatr Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Korrelácós

Részletesebben

Több laboratórium összehasonlítása, körmérés

Több 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,

Részletesebben

Nemlineáris függvények illesztésének néhány kérdése

Nemlineáris függvények illesztésének néhány kérdése Mûhel Tóth Zoltán docens, Károl Róbert Főskola E-mal: zol@karolrobert.hu Nemlneárs függvének llesztésének néhán kérdése A nemlneárs regresszós és trendfüggvének llesztésekor számos esetben alkalmazzuk

Részletesebben

Minősítéses mérőrendszerek képességvizsgálata

Minősítéses mérőrendszerek képességvizsgálata Mnősítéses mérőrendszerek képességvzsgálata Vágó Emese, Dr. Kemény Sándor Budapest Műszak és Gazdaságtudomány Egyetem Kéma és Környezet Folyamatmérnök Tanszék Az előadás vázlata 1. Mnősítéses mérőrendszerek

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test

Részletesebben

Mérnöki alapok 5. előadás

Mérnöki alapok 5. előadás Mérnök alapok 5. előadás Készítette: dr. Várad Sándor Budapest Műszak és Gazdaságtudomán Egetem Gépészmérnök Kar Hdrodnamka Rendszerek Tanszék, Budapest, Műegetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9

Részletesebben

Minőségjavító kísérlettervezés

Minőségjavító 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

Részletesebben

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június OKTATÁSGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék az MTA Közgazdaságtudomány

Részletesebben

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával

Ötvözetek mágneses tulajdonságú fázisainak vizsgálata a hiperbolikus modell alkalmazásával AGY 4, Kecskemét Ötvözetek mágneses tulajdonságú fázsanak vzsgálata a hperbolkus modell alkalmazásával Dr. Mészáros István egyetem docens Budapest Műszak és Gazdaságtudomány Egyetem Anyagtudomány és Technológa

Részletesebben

= és a kínálati függvény pedig p = 60

= és a kínálati függvény pedig p = 60 GYAKORLÓ FELADATOK 1: PIACI MECHANIZMUS 1. Adja meg a keresleti és a kínálati függvének pontos definícióját! Mikor beszélhetünk piaci egensúlról?. Eg piacon a keresletet és a kínálatot a p = 140 0, 1q

Részletesebben

Többváltozós Regresszió-számítás

Többváltozós Regresszió-számítás Töváltozós Regresszó-számítás 4.-5. előadás Kvanttatív statsztka módszerek Dr. Szlág Roland Korrelácó Célja a kacsolat szorosságának mérése. X (X, X,, X ): magarázó változó(k), független változó(k) Y:

Részletesebben

MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 2010.

MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 2010. MAGYARÁZAT A MATEMATIKA NULLADIK ZÁRTHELYI MINTAFELADATSOR FELADATAIHOZ 00.. Tetszőleges, nem negatív szám esetén, Göktelenítsük a nevezőt: (B). Menni a 0 kifejezés értéke? (D) 0 0 0 0 0000 400 0. 5 Felhasznált

Részletesebben

Az f függvénynek van határértéke az x = 2 pontban és ez a határérték 3-mal egyenl½o lim f(x) = 3.

Az f függvénynek van határértéke az x = 2 pontban és ez a határérték 3-mal egyenl½o lim f(x) = 3. 0-06, II. félév. FELADATLAP Eredmének. Van határértéke, illetve foltonos az f függvén az alábbi pontokban? (a) = Az f függvénnek van határértéke az = pontban és ez a határérték -mal egenl½o f() =.! Az

Részletesebben

Szerven belül egyenetlen dóziseloszlások és az LNT-modell

Szerven belül egyenetlen dóziseloszlások és az LNT-modell Szerven belül egyenetlen dózseloszlások és az LNT-modell Madas Balázs Gergely, Balásházy Imre MTA Energatudomány Kutatóközpont XXXVIII. Sugárvédelm Továbbképző Tanfolyam Hunguest Hotel Béke 2013. áprls

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június ÖKONOMETRIA Készült a TÁMOP-4..-08//A/KMR-009-004pálázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomán Tanszékén az ELTE Közgazdaságtudomán Tanszék az MTA Közgazdaságtudomán Intézet

Részletesebben

1) Adja meg a következő függvények legbővebb értelmezési tartományát! 2) Határozzuk meg a következő függvény értelmezési tartományát!

1) Adja meg a következő függvények legbővebb értelmezési tartományát! 2) Határozzuk meg a következő függvény értelmezési tartományát! Függvének Feladatok Értelmezési tartomán ) Adja meg a következő függvének legbővebb értelmezési tartománát! a) 5 b) + + c) d) lg tg e) ln + ln ( ) Megoldás: a) 5 b) + + = R c) és sosem teljesül. d) tg

Részletesebben

Mikro és makroökonómia BMEGT30A001 C1-es kurzus Jegyzet gyanánt 2018 ősz 3.ELŐADÁS

Mikro és makroökonómia BMEGT30A001 C1-es kurzus Jegyzet gyanánt 2018 ősz 3.ELŐADÁS Mkro és makroökonóma BMEGT30A001 C1-es kurzus Jegzet ganánt 2018 ősz Az tt közzé adott anag néhol részletesebb, néhol csak utal arra, amt órán vettünk. A számonkérés kzárólag az órán elhangzott anagból

Részletesebben

Regresszióanalízis. Lineáris regresszió

Regresszióanalízis. Lineáris regresszió Regrezóanalíz Lneár regrezó REGRESSZIÓ 1 Modell: Valamely (pl. fzka) törvényzerûég értelméen az x független változó zonyo értékénél a függõ változó értéke Y ϕ (x). Y helyett y értéket mérünk, E(y x) Y,

Részletesebben

Relációk. Vázlat. Példák direkt szorzatra

Relációk. Vázlat. Példák direkt szorzatra 8.. 7. elácók elácó matematka fogalma zükséges fogalom: drekt szorzat Halmazok Descartes drekt szorzata: Legenek D D D n adott doman halmazok. D D D n : = { d d d n d k D k k n } A drekt szorzat tehát

Részletesebben

Másodfokú függvények

Másodfokú függvények Másodfokú függvének Definíció: Azokat a valós számok halmazán értelmezett függvéneket, amelek hozzárendelési szabála f() = a + bc + c (a, b, c R, a ) alakú, másodfokú függvéneknek nevezzük. A másodfokú

Részletesebben

Vázlat. Relációk. Példák direkt szorzatra

Vázlat. Relációk. Példák direkt szorzatra 7..9. Vázlat elácók a. elácó fogalma b. Tulajdonsága: refleív szmmetrkus/antszmmetrkus tranztív c. Ekvvalenca relácók rzleges/parcáls rrendez relácók felsmere d. elácók reprezentálása elácó matematka fogalma

Részletesebben

Statisztika II előadáslapok. 2003/4. tanév, II. félév

Statisztika 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

Részletesebben

HIBAJEGYZÉK az Alapvető fizikai kémiai mérések, és a kísérleti adatok feldolgozása

HIBAJEGYZÉK az Alapvető fizikai kémiai mérések, és a kísérleti adatok feldolgozása HIBAJEGYZÉK az Alapvető fzka kéma mérések, és a kísérlet adatk feldlgzása címü jegyzethez 2008-070 Általáns hba, hgy a ktevőben lévő negatív (-) előjelek mndenhnnan eltűntek a nymtatás srán!!! 2. Fejezet

Részletesebben

4. példa: részfaktorterv+fold-over, centrumponttal

4. 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

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés 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 -

Részletesebben

Lineáris regresszió. Statisztika I., 4. alkalom

Lineáris regresszió. Statisztika I., 4. alkalom Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

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

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

STATISZTIKA 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

Részletesebben

Kísérlettervezési alapfogalmak:

Kísérlettervezési alapfogalmak: Kísérlettervezés alapfogalmak: Tényező, faktor (factor) független változó, ható tényező (kezelés, gyógyszer, takarmány, genotípus, élőhely, stb.) amnek hatását a kísérletben vzsgáln vagy összehasonlítan

Részletesebben

A végeselem programrendszer általános felépítése (ismétlés)

A végeselem programrendszer általános felépítése (ismétlés) SZÉCHENYI ISTVÁN EGYETEM ALKALMAZOTT MECHANIKA TANSZÉK 1. MECHANIKA-VÉGESELEM MÓDSZER ELŐADÁS (kdolgozta: Szüle Veronka eg. ts.) IX. előadás A végeselem rogramrendszer általános feléítése (smétlés) A végeselem

Részletesebben

Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió

Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió 1. A fizetés (Y, órabér dollárban) és iskolázottság (X, elvégzett iskolai év) közti kapcsolatot vizsgáljuk az Y t α + β X 2 t +

Részletesebben

Logisztikus regresszió október 27.

Logisztikus 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

Részletesebben

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,

Részletesebben

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Tanult 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

Részletesebben

Esetelemzések az SPSS használatával

Esetelemzések 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

Részletesebben

Atomfizika előadás 4. Elektromágneses sugárzás október 1.

Atomfizika előadás 4. Elektromágneses sugárzás október 1. Aomfka előadás 4. lekromágneses sugárás 4. okóber. Alapkísérleek Ampere-féle gerjesés örvén mágneses ér örvénessége elekromos áram elekromos ér váloása Farada ndukcós örvéne elekromos ér örvénessége mágneses

Részletesebben

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer? 01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték

Részletesebben

Statisztikai alapismeretek amit feltétlenül tudni kell

Statisztikai alapismeretek amit feltétlenül tudni kell Statztka alameetek amt feltétlenül tudn kell Sokaág é mnta fogalma Statztka (mnta jellemzője) é aaméte fogalma Váható éték é vaanca jellemző Sűűégfüggvén é elozláfüggvén Standad nomál -, t- é F-elozlá

Részletesebben

4. példa: részfaktorterv+fold-over, centrumponttal

4. 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

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás. Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan

Részletesebben

2 p típusú teljes faktoros kísérleti tervek. Kísérlettervezés. Mit akarunk megtudni? mátrix-terv. a változók egyenkénti változtatása. x 3 x 2.

2 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

Részletesebben

A statika és dinamika alapjai 11,0

A statika és dinamika alapjai 11,0 FA Házi feladatok (A. gakorlat) Adottak az alábbi vektorok: a=[ 2,0 6,0,2] [ 5,2,b= 8,5 3,9] [ 4,2,c= 0,9 4,8] [,0 ],d= 3,0 5,2 Számítsa ki az alábbi vektorokat! e=a+b+d, f =b+c d Számítsa ki az e f vektort

Részletesebben

Hogyan készüljünk fel? Az orvosi biofizika matema0kai és fizikai alapjai

Hogyan készüljünk fel? Az orvosi biofizika matema0kai és fizikai alapjai Hogan készüljünk fel? Az orvosi biofizika matemakai és fizikai alapjai. előadás A biofizikai törvének megértéséhez szükséges minimális matemaka. Fizikai menniségek és mértékegségeik 7. szeptember. AGÓCS

Részletesebben

Szabadsugár. A fenti feltételekkel a folyadék áramlását leíró mozgásegyenlet és a kontinuitási egyenlet az alábbi egyszerű alakú: (1) .

Szabadsugár. A fenti feltételekkel a folyadék áramlását leíró mozgásegyenlet és a kontinuitási egyenlet az alábbi egyszerű alakú: (1) . Szabadsugár Tekintsük az alábbi ábrán látható b magasságú résből kiáramló U sebességű sugarat. A résből kiáramló és a függőleges fal melletti térben lévő foladék azonos. A rajz síkjára merőleges iránban

Részletesebben

Regresszió számítás az SPSSben

Regresszió 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

Részletesebben

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és 2015.09.28. és 2015.09.30. 2015.09.28. és 2015.09.30. 1 / Tartalom 1 A valós függvén fogalma 2 A határérték fogalma a végtelenben véges pontban Végtelen határértékek 3 A határértékek kiszámítása A rend

Részletesebben

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola

Matematika OKTV I. kategória 2017/2018 második forduló szakgimnázium-szakközépiskola O k t a t á s i H i v a t a l A 017/018. tanévi Országos Középiskolai Tanulmáni Versen második forduló MATEMATIKA I. KATEGÓRIA (SZAKGIMNÁZIUM, SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató 1. Adja meg

Részletesebben

10. elıadás: Vállalati kínálat, iparági kínálat Piaci ár. A versenyzı vállalat kínálati döntése. A vállalat korlátai

10. elıadás: Vállalati kínálat, iparági kínálat Piaci ár. A versenyzı vállalat kínálati döntése. A vállalat korlátai (C) htt://kgt.bme.hu/ 1 /8.1. ábra. A versenzı vállalat keresleti görbéje. A iaci árnál a vállalati kereslet vízszintes. Magasabb árakon a vállalat semmit nem ad el, a iaci ár alatt edig a teljes keresleti

Részletesebben

Laboratóriumi kontrollkártya használata Tananyag. Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrinc Anna minőségirányítási előadó

Laboratóriumi kontrollkártya használata Tananyag. Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrinc Anna minőségirányítási előadó Laboratórum kontrollkártya használata Tananyag Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrnc Anna mnőségrányítás előadó Tartalom. Bevezetés... 3. A kontroll kártyák típusa... 4 3. A statsztka

Részletesebben

Eredeti Veszprémi T. (digitálisan Csonka G) jegyzet: X. és XI. fejezet

Eredeti Veszprémi T. (digitálisan Csonka G) jegyzet: X. és XI. fejezet 2012/2013 tavasz félév 11. óra Oldatok vezetőképessége Vezetőképesség, elektromos ellenállás, fajlagos mennységek, cellaállandó Erős elektroltok fajlagos ellenállása és vezetőképessége Komplexképződés

Részletesebben

Critical 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. 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

Részletesebben

1. MÁSODRENDŰ NYOMATÉK

1. MÁSODRENDŰ NYOMATÉK Gak 01 Mechanka. Szlárdságtan 016 01 Segédlet MECHNK. TNNYG SMÉTLÉSE Tartalom 1. MÁSODRENDŰ NYOMTÉK... 1. RÁCSOS TRTÓ.... GÉNYEVÉTEL ÁRÁK... 5. TÉREL TRTÓK GÉNYEVÉTEL ÁRÁ... 8 Ez a Segédlet a 015, 016

Részletesebben

Y 10. S x. 1. ábra. A rúd keresztmetszete.

Y 10. S x. 1. ábra. A rúd keresztmetszete. zilárdságtan mintafeladatok: tehetetlenségi tenzor meghatározása, a tehetetlenségi tenzor főtengelproblémájának megoldása két mintafeladaton keresztül Először is oldjuk meg a gakorlatokon is elhangzott

Részletesebben

Statika gyakorló teszt II.

Statika gyakorló teszt II. Statika gakorló teszt II. Készítette: Gönczi Dávid Témakörök: (I) Egszerű szerkezetek síkbeli statikai feladatai (II) Megoszló terhelésekkel kapcsolatos számítások (III) Összetett szerkezetek síkbeli statikai

Részletesebben

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,

Részletesebben

Gyakorló feladatok a 2. zárthelyihez. Kidolgozott feladatok

Gyakorló feladatok a 2. zárthelyihez. Kidolgozott feladatok Gakorló feladatok a. zárthelihez Kidolgozott feladatok. a) Határozzuk meg a függesztőrúd négzetkeresztmetszetének a oldalhosszát cm-re kerekítve úg, hog a függesztőrúdban ébredő normálfeszültség ne érje

Részletesebben

Gyakorlat: 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 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

Részletesebben

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző

Elektrokémia 03. Cellareakció potenciálja, elektródreakció potenciálja, Nernst-egyenlet. Láng Győző lektrokéma 03. Cellareakcó potencálja, elektródreakcó potencálja, Nernst-egyenlet Láng Győző Kéma Intézet, Fzka Kéma Tanszék ötvös Loránd Tudományegyetem Budapest Cellareakcó Közvetlenül nem mérhető (

Részletesebben

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés

Extrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés Extrém-érték modellezés Zemplén András Alkalmazott modul 03. február. Extrém-érték elemzés Klasszkus módszerek: év maxmumon alapulnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízbıl

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Regression

Miskolci 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,

Részletesebben

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény

Elemi függvények. Nevezetes függvények. 1. A hatványfüggvény Elemi függvének Tétel: Ha az = ϕ() függvén az = f () függvén inverze, akkor = ϕ() függvén grafikonja az = f () függvén képéből az = egenesre való tükrözéssel nerhető. Tétel: Minden szigorúan monoton függvénnek

Részletesebben

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

STATISZTIKAI 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

Részletesebben

4. Egyéni és piaci kereslet. 4.1 Ár-ajánlati görbe (PCC)

4. Egyéni és piaci kereslet. 4.1 Ár-ajánlati görbe (PCC) 4. Egéni és iaci kereslet z előző részben megvizsgáltuk azt, hog miként határozható meg eg fogasztó otimális fogasztási szerkezete, illetve azt is elemeztük, hog eg költségvetési egenes helzetére miként

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek 1) MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egenletek, egenletrendszerek A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Nemparaméteres módszerek Krsztna Boda PhD SZTE ÁOK Orvos Fzka és Orvos Informatka Intézet Paraméteres próbák Paraméter: egy szám, amely a populácó eloszlását jellemz (és általában meghatározza). A normáls

Részletesebben

STATISZTIKA PRÓBAZH 2005

STATISZTIKA 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

Részletesebben

Inverz függvények Inverz függvények / 26

Inverz függvények Inverz függvények / 26 Inverz függvének 2015.10.14. Inverz függvének 2015.10.14. 1 / 26 Tartalom 1 Az inverz függvén fogalma 2 Szig. monoton függvének inverze 3 Az inverz függvén tulajdonságai 4 Elemi függvének inverzei 5 Összefoglalás

Részletesebben

Líneáris függvények. Definíció: Az f(x) = mx + b alakú függvényeket, ahol m 0, m, b R elsfokú függvényeknek nevezzük.

Líneáris függvények. Definíció: Az f(x) = mx + b alakú függvényeket, ahol m 0, m, b R elsfokú függvényeknek nevezzük. Líneáris függvének Definíció: Az f() = m + b alakú függvéneket, ahol m, m, b R elsfokú függvéneknek nevezzük. Az f() = m + b képletben - a b megmutatja, hog a függvén hol metszi az tengelt, majd - az m

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, 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

Korreláció, 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 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

Részletesebben

1. gyakorlat. Oktatási segédlet hallgatók számára

1. gyakorlat. Oktatási segédlet hallgatók számára másik termék mennisége. gakorlat Transzformációs görbe, mikroökonómiai optimumfeladatok megoldásának alapmódszere Oktatási segédlet hallgatók számára Eg fontos közgazdasági alapmodell TLH, alternatív költség,

Részletesebben

9. évfolyam Javítóvizsga felkészülést segítő feladatok

9. évfolyam Javítóvizsga felkészülést segítő feladatok Halmazok: 9. évfolam Javítóvizsga felkészülést segítő feladatok. Adott két halmaz. A : a ; a : páros és B : ;;8;0;;;8;0;. Add meg a következő halmazműveleteket az elemek felsorolásával és készíts Venn

Részletesebben

TAGUCHI ÉS SHAININ. Taguchi módszere a minőség kísérletes javítására

TAGUCHI 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

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

ICH Harmonised Tripartite Guideline. Stability Testing of New Drug Substances and Products (Q1A(R2)), 2003

ICH Harmonised Tripartite Guideline. Stability Testing of New Drug Substances and Products (Q1A(R2)), 2003 Gyógyszekészítméyek szítm stabltásvzsgálatáak statsztka étékelése IH Hamosed Tpatte Gudele. Stablty Testg of New ug Substaces ad Poducts (QA(R)), 003 IH Hamosed Tpatte Gudele. Evaluato fo Stablty ata (QE),

Részletesebben

Páros binomiális próbák

Páros binomiális próbák áros nomáls próák Kontngena-tálázatok (rx tálázat) elemzése, ha sem a sor-, sem az oszlop-összegek nem rögzítettek sak N adott - Szmmetra-vzsgálat (összefüggés-vzsgálat) - Függetlenség-vzsgálat BIOMETRIA_NEMARAMÉTERES_3

Részletesebben

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

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a bometrába Dr. Dnya Elek egyetem tanár PhD kurzus. KOKI, 205.0.08. ADATREDUKCIÓ I. Középértékek Adatredukcó. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények:

Részletesebben

3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra

3. Lokális approximáció elve, végeselem diszkretizáció egydimenziós feladatra SZÉCHENYI ISÁN EGYEEM AAMAZO MECHANIA ANSZÉ 6. MECHANIA-ÉGESEEM MÓDSZER EŐADÁS (kidolgozta: Szüle eronika, eg. ts.) I. előadás. okális aroimáció elve, végeselem diszkretizáció egdimenziós feladatra.. Csomóonti

Részletesebben

Adatelemzés és adatbányászat MSc

Adatelemzés és adatbányászat MSc Adatelemzés és adatbányászat MSc. téma Adatelemzés, statsztka elemek áttekntése Adatelemzés módszertana probléma felvetés módszer, adatok meghatározása nyers adatok adatforrás meghatározása adat tsztítás

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek 1) MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egenletek, egenletrendszerek A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval

Részletesebben

Idősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7.

Idősoros 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,

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték

Részletesebben

Idősoros elemzés minta

Idősoros 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

Részletesebben

NEMPARAMÉTERES PRÓBÁK

NEMPARAMÉTERES PRÓBÁK NEMPARAMÉTERES PRÓBÁK A nemparaméteres próbák nem tételezk föl a normáls eloszlást. A leggyakrabban használt próbák (pl. a t-próbák, ANOVA) feltételezk a normáls eloszlást. Sokszor ez nem teljesül. Következmény:

Részletesebben

Továbblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,

Továbblépés. 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

Részletesebben

Diszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. (

Diszkrét Matematika. zöld könyv ): XIII. fejezet: 1583, 1587, 1588, 1590, Matematikai feladatgyűjtemény II. ( FELADATOK A LEKÉPEZÉSEK, PERMUTÁCIÓK TÉMAKÖRHÖZ Diszkrét Matematika 4. LEKÉPEZÉSEK Értelmezési tartomány és értékkészlet meghatározása : Összefoglaló feladatgyűjtemény matematikából ( zöld könyv ): XIII.

Részletesebben