ξ y = (EXCEL-ben: ÁTLAG)

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "ξ y = (EXCEL-ben: ÁTLAG)"

Átírás

1 TÉMAVÁZLAT 4-7. ALKALOM Kéma Számítástechnka Gyakorlat, Kéma BSc I. évf. 07/08 I. félév (összeállította: Tóth Gergely) STATISZTIKAI ALAPOK Célja: egy halmazból, sokaságból kválasztott mnta alaján az egész halmazra vonatkozó következtetéseket vonjunk le. Az események eloszlását a véges mnta matt nem smerjük tökéletesen, mként alkalmazzuk a valószínűségszámítás fogalmat lyen esetben. Várható érték becslése várható érték elemű mntára (y elemek): E( ) y = ξ y = (EXCEL-ben: ÁTLAG) medán (y medán): közéső érték, vagy két közéső átlaga. Kevésbé érzékeny a klógó (elszúrt) adatra. MEDIÁ módusz: leggyakorbb adat (dszkrét eloszlásnál értelmes) MÓDUSZ tovább EXCEL függvények: MI, MAX, KICSI, AGY Szórás és szórásnégyzet (varanca) becslése mntából σ s = = ( y y) σ s = = ( y y) neve: becsült szórás(négyzet), korrgált taasztalat szórás(négyzet), VAR, SZÓRÁS σ becslése csak -es osztás esetén torzított lenne, (-) osztás esetén torzítatlan (Bessel-féle korrekcó). Sajnos σ becslése így s torzított, tehát az gaz statsztkus varancákkal és nem szórásokkal dolgozk! Klógó mérés adat kválasztása Háttér a Csebsev-egyenlőtlenség, Csebsev-egyenlőtlenség szemléltetése tetszőleges eloszlásra

2 Szmmetrkus ntervallumba esés valószínűségek a Csebsev-egyenlőtlenség alaján, lletve a normáls eloszlásra ntervallum tetszőleges eloszlásra P normáls eloszlásra P E±σ P=0,68 E±σ 0,75 P P=0,954 E±3σ 0,88 P P=0,997 ormáls eloszlásnál P=0,95 esetén a szorzó,96. Ha a mntában lehet hba (l. félremért klógó adat), az átlagot célszerű a medánnal becsüln, a terjedelmet az ún. kvartlsok segítségével. alsó kvartls (y /4): az elem, amnél az adatok negyede ksebb, háromnegyede nagyobb felső kvartls (y 3/4): az elem, amnél az adatok háromnegyede ksebb, negyede nagyobb nterkvartls távolság: y 3/4-y /4 gyanúsak - eldobhatóak azok a klógó adatok, amk kívül vannak a y medán±,5*(y 3/4-y /4), esetleg a y medán±,5*(y 3/4-y /4) ntervallumon KVARTILIS, PERCETILIS Várható érték szórása Vegyünk elemű mntát egy E várható értékű és σ szórású eloszlásból, számoljuk k y -t. Ismételjük ezt meg sokszor. M lesz a számolt y -k szórása (σ -nel jelölve)? Bemutatható, hogy σ = σ /. Ugyanez érvényes a becsült szórásokra s. Tehát: lm σ =0 Egy eredet sokaság és az abból kézett elemű átlagok sűrűségfüggvénye Várható érték megbízhatóság ntervalluma mérés y Mt írjunk le? y ±valamt, úgy, hogy tükrözze a várható érték ontosságát! Ugyanaz az átlaga a két mérés sornak, de ugyanazt írnánk le? a) 0,00; 0,00; 0,000; 9,999; 9,998 b) 0,000; 7,000; 3,000; 9,000;,000 Megbízhatóság (konfdenca) ntervallumokat adjunk meg a várható értékre:

3 Olyant, ahol P(( y -d)<e<( y +d)) valószínűsége nagyobb legyen, mnt mondjuk 90%, vagy 95%, vagy 99%. Többnyre kétoldal ntervallumot adunk meg, de lehet csak egyoldal s! Sokszor nem a mnmáls P-t hanem α=-p szgnfkanca szntet adják meg. kétoldal és egyoldal megbízhatóság ntervallumok szemléltetése A ma elfogadott megoldás (Gosset= Student 908, Fsher 95): t-eloszlás y E t =, ahol y és s az elemű normáls eloszlású mntából számolt várható érték és becsült s / szórás, E a sokaság (elmélet) várható értéke. t eloszlása ks -re nem standard normáls eloszlást ad, hanem ún. (-) szabadság fokú t-eloszlást (más néven student-eloszlást). Szabadság fok független adatok száma. Ha megjelenk egy az adatokat összekötő egyenlet (l. várható érték számolása matt), az csökkent a szabadság fokok számát. t-eloszlás (=-re és =4-re) és a standard normáls eloszlás Tehát várható érték megadása konfdenca ntervallumával együtt: s kétoldal konfdenca ntervallummal: y ± tnverz ( α / ; ), ahol t nverz(α/;-) azt az értéket szolgáltatja, hogy a valószínűség változó mlyen értékénél lesz az - szabadság fokú t-eloszlás eloszlás függvényének értéke -α/ egyoldal konfdenca ntervallumnál l. csak a felső érték: EXCEL-ben t nverz(α/;-) számolása: IVERZ.T(α;-) EXCEL-ben t nverz(α;-) számolása: IVERZ.T(*α;-) EXCEL-ben s számolása: SZÓRÁS(adattartomány) EXCEL-ben y számolása: ÁTLAG(adattartomány) s y + tnverz ( α ; ) (mert automatkusan felez α-t) (mert automatkusan felez α-t) 3

4 ±-t nem értelmez az EXCEL, tehát külön-külön cellába kerüljön y és a ± után rész! 30< esetén a t-eloszlás közelíthető a standard normáls eloszlással (IVERZ.ORM, MEGBÍZHATÓSÁG), tehát kétoldal 95%-os ntervallumnál t nverz(α/;-) helyett számolhatunk,96-tal. Feladatok: Egy termék esetén a következő tömegeket mértük g-ban: 7,7; 4,0; 4,; 7,8; 4,7; 9,; 9,9; 7,9; 3,; 4,6; 6,5; 6,6. Számoljuk k a 95%-os kétoldal konfdenca ntervallumot az átlagos tömegre! A következő koncentrácókat mértük mol/dm 3 egységben: 0,0; 0,30; 0,0; 0,05; 0,5; 0,6; 0,35. Számoljuk k a 95%-os kétoldal konfdenca ntervallumot az átlagos tömegre! Határozzuk meg a mnmáls lletve a mamáls értékét az átlagos tömegnek 95%-os egyoldal konfdenca sávval! EMLIEÁRIS EGYELET MEGOLDÁSA, MAXIMUM ÉS MIIMUM KERESÉSE umerkus módszerek és eljárások szeree Iteratív módszerek kezdőérték(ek) megadása konvergenca, dvergenca leállás krtérumok: k+- k <ε, vagy f( k+)-f( k) <ε, emlneárs egyenlet numerkus megoldása Feladat: y=h() függvény esetén egy adott y 0 értékhez 0 meghatározása, ha nem fejezhető k elct módon, mnt =g(y). Átrendezés f()=h()-y 0=0 (Ecellel való megoldásnál az átrendezés nem szükséges) A sok közül egy alamódszer: ewton módszer f() k+ k léés: k+= k-f( k)/f ( k) kezdőont, dvergálhat, terácós 4

5 Egy másk alamódszer: ntervallum felezése ( kezdőont, bztos megoldás) a és f ontok választása úgy, hogy f( a)*f( f)<0 k=( a+ f)/, ha f( k)*f( a)<0, új f= k, ellenkező esetben a= k; Addg smételjük, amíg [ a, f]<ε Megoldás EXCEL-lel: Eszközök / Solver (Bővítménykezelővel aktváln kell, vagy Célérték keresés) Módosuló cella ( adott kezdőértékkel), célcella (f()) ktöltése (-nél annak a cellájára mutasson) Mnmum/mamum/értékkeresés beállítása Korlátozó feltételek (Lbre Offce Calc: Eszközök/Célértékkeresés mn/ma nncs (Megoldó csak lneárs)) Feladatok: Lennard-Jones árkölcsönhatás otencál mnmumának és -tengellyel való metszésontjának a meghatározása. Kéma egyensúly számítása A metanol szntézse 5 % CO, 55 % H és 0 % nert gáz összetételű elegyből ndul k (az adatok mol %-ban értendők). A CO + H = CH 3 OH reakcó arcáls nyomásokkal kfejezett egyensúly állandója 350 o C hőmérsékleten: CH 3OH 4 K = =.4 0 Pa () CO H Feladat: Határozza meg az egyensúly összetételt! Legyen az egyensúly konverzó, és 00 mol elegyből nduljunk k. Írjuk fel a komonensek és az elegy kndulás, ll. egyensúly anyagmennységet: Komonens Kezdetben (mol) Egyensúlyban (mol) CO H CH 3 OH 0 5 nert 0 0 összesen A arcáls nyomások az egyensúlyban: 5

6 CH 3OH CO H 5 = P 5 5 = P = P ahol P az össznyomás. Határozza meg az EXCEL segítségével az egyensúly konverzót az () egyenlet alaján! A következő össznyomás értékekkel számoljon: 7 ) P = Pa 7 ) P = Pa 7 3) P =. 0 0 Pa 7 4) P =. 5 0 Pa A 0-4 -en nagyságrendtől szabaduljon meg a nyomás 0 7 -jevel való egyszerűsítésével! Dsszocácófok meghatározása A ntrogén-dod dsszocácója a O O + O egyenlet szernt megy végbe. Ha a reakcó állandó térfogaton játszódk le, akkor a komonensek egyensúly arcáls nyomását 0 fejezzük k a ntrogén-dod kezdet nyomásával ( O O O O = ( α) = α 0 O = 0. 5α 0 O 0 O ) és dsszocácófokával (α): Helyettesítsük be ezeket a kfejezéseket az egyensúly állandó arcáls nyomásokkal kfejezett alakjába: ν α o ( α o ) K a = K = 0 ( α) ( o ) ( ) ahol = 00 kpa a standard nyomás, ν edg a reakcóval járó sztöchometra szám változás, esetünkben. Az () egyenlet α -ra megoldható. Számítsa k a dsszocácófokot! 50 kpa nyomású tszta ntrogén-dodból nduljon k, a hőmérséklet 700 K. Az egyensúly állandó ezen a hőmérsékleten: K a = 0,8 6

7 STATISZTIKAI PRÓBÁK Adott néhány adat(sor), ezek alaján kell eldönten egy állításról, hogy gaz-e. Adatsor: valószínűség változóra vonatkozk a döntés valamlyen valószínűséggel lesz helyes. Állítás = hotézs (H 0), tagadása = ellenhotézs (H a): a kettő közül kell döntenünk. Általános módszer: A feltett állítás általánosan leírható egy eloszlással. Azt nézzük, hová esk az adott adat(sor)-ra számítható érték. F-róba teknthető a két mnta alaján két szórás azonosnak H 0: σ = σ H a: σ σ, ahol az elsőre a másodkra mérést végeztünk. Pl. két műszer, két hallgató, két módszer: egyformán ontosak-e? Háttér: F-eloszlás írja le két szórásnégyzet hányadosát, ha mndkét mnta külön-külön normáls eloszlásból származk. Két szabadság fok: - és -. Becsült szórások a mntából: s és s. Az F-eloszlás sűrűségfüggvénye két szabadságfok-árra kétoldal ntervallum alaján való hotézsvzsgálat s Elv megoldás: ξ = F kszámolása, majd az -, - szabadság fokú F-eloszlás alaján s megnézn, hová esk a számított érték. Feltételezünk adott α-t (l. 0.05). EXCEL hbá: F.ELOSZLÁS és IVERZ.F valójában -F(ξ)-t számol. Megoldás EXCEL-lel: F.PRÓBA(tömb, tömb) közvetlenül H 0 valószínűségét számolja: ha α F.PRÓBA, H 0-t elfogadjuk ha F.PRÓBA < α, H 0-t elutasítjuk (H a-t fogadjuk el). Egymntás t-róba a mnta sokaságának várható értéke és egy elmélet várhatóérték teknthető-e azonosnak E - mnta sokaságának várható értéke ŷ - mntából számolt átlag = becsült várható érték E 0 elmélet várható érték (l. hvatalos adat ) H 0: E=E 0 H a: E E 0 7

8 yˆ E Háttér: ξ = - szabadság fokú t-eloszlást követ s / ˆ 0 y E Elv megoldás: ξ = kszámolása és F(ξ) összevetése α-val. s / Kétoldal: ha α/ F(ξ) (-α/), H 0-t elfogadjuk ha F(ξ) < α/ vagy (-α/) < F(ξ), H 0-t elutasítjuk (H a-t fogadjuk el) Egyoldal, l. csak a felfele klógás rossz : ha F(ξ) (-α), H 0-t elfogadjuk ha (-α) < F(ξ), H 0-t elutasítjuk (H a-t fogadjuk el) Megoldás EXCEL-lel kétoldalra: ha α T.ELOSZLÁS(abs(ξ);-;), H 0-t elfogadjuk ha T.ELOSZLÁS(abs(ξ);-;) < α, H 0-t elutasítjuk (H a-t fogadjuk el) 30 <, lehet normál eloszlással dolgozn t-eloszlás helyett: ha α/ Z.PRÓBA(adattömb,E 0) (-α/), H 0-t elfogadjuk ha kívül esk, H 0-t elutasítjuk (H a-t fogadjuk el) (Lbre Offce Calc: Z.PRÓBA (T.ELOSZLÁS máshogy)) Kétmntás t-róba két mnta sokaságának várható értéke teknthető-e azonosnak E, E - két sokaság várható értéke ŷ, ŷ - mntából számolt átlagok = becsült várható értékek H 0: E =E H a: E E Általános kélet: ξ=(becsült araméter elmélet araméter)/(becsült szórása a araméternek) becsült araméter: ŷ -ŷ, elmélet araméter: E -E szórás: s s s = +, ha 30 <, helyette esetleg ooled varanca, ha, 30 s ( = ) s + ( ) s + s = s Számolás, elfogadás/elutasítás ahogy az egymntás t-róbánál, vagy ha α T.PRÓBA(adattömb ;adattömb ;; vagy 3), H 0-t elfogadjuk ha T.PRÓBA(adattömb ;adattömb ;; vagy 3) < α, H 0-t elutasítjuk (H a-t fogadjuk el) (Lbre Offce Calc: T.PRÓBA,,3 módszer) + χ -róba lleszkedés vzsgálata χ -eloszlás: ξ, ξ ξ 3, ξ 4 standard normáls eloszlású, akkor ξ = ξ + ξ ξ szabadság fokú χ -eloszlást követ. Ha több adat van és centrálunk, akkor a szabadság fok= -. 8

9 E(ξ)=szabadság fokok száma σ (ξ)= *szabadság fokok száma Kacsolat részecskék energájának eloszlásával: részecske v, v y, v z sebessége normál eloszlásúak v v + v y + = v E knetkus=mv / Mawell-Boltzmann eloszlást követ = χ -eloszlás =3 z χ -róba mre jó? Megnézn, hogy két görbe között eltérés megfelel-e annak, hogy csak a ontok között statsztkus ngadozás matt különbözk. χ -róba arra, hogy valam az elmélet gyakorságnak megfelelően történt-e: H 0: elmélet kísérlet =, elmélet kísérlet =, H a: legalább egy egyenlőtlenség H 0-ban Elv megoldás: = ( y e ) = elmélet kísérlet ξ =, ahol y = az -dk fajta eredmény megvalósulásanak száma, e =k, k = e ha ξ χ (α, -), H 0-t elfogadjuk ha χ (α, -) < ξ, H 0-t elutasítjuk (H a-t fogadjuk el) A fent séma bárm dszkrét függvénnyé tehetőre jó, arra s, ha két függvényt akarunk összehasonlítan: g() g( ) és f() f( ) Megoldás EXCEL-lel: ha α KHI.PRÓBA(adattömb tényleges;adattömb várható), H 0-t elfogadjuk ha KHI.PRÓBA(adattömb tényleges;adattömb várható) < α, H 0-t elutasítjuk (H a-t fogadjuk el) y = Feladatok ) Állítson fel a várható értékekre és a szórásokra hotézseket és vzsgálja meg azokat statsztka róbákkal a következő adatsorokra! Végezzen egymntás t-róbát s E 0=,6 és E 0=,8 értékekkel!,,6,,,3,4,9,,,8 3,,3 ) Az alább értékeket mérték ajka skolákban a beéített éítőanyagok sugárzására (a dózsok dmenzómentesen vannak megadva). Modellezhető-e a mérés Posson eloszlással? dózs gyakorság

10 3) AgO 3 oldat vezetőkéességére három hallgató az alábbakat mérte (T=98 K, c=0,05 mol/dm 3 ). Elemezze statsztka alaon a méréseket (várható értékek, szórások, konfdenca ntervallumok, t- és F-róbák, egymntás t-róba, ha az elmélet érték E 0=5, cm Ω - dm -3 )! A konfdenca ntervallumhoz az nverz t-eloszlás értékét az IVERZ.T(α,-) függvénnyel kaja meg. vezetőkéesség cm Ω - dm -3 egységben.hallgató.hallgató 3.hallgató 5,8 4,4 5,36 5,5 5,8 6,6 4,76 5,58 5,68 5,80 4,90 5,50 VARIACIAAALÍZIS - EGY TÉYEZŐ SZERITI OSZTÁLYOZÁS Cél: A mért adatok különböző részekre oszthatóak: l. más laborban mérték azokat, egy részük férfakra/nőkre vonatkozk... Vajon van-e szgnfkáns-e az eltérés a csoortok között? Háttér: SS T = ( j ) = SScsobelül + SScsoközött = ( j. j ) + n(. j.. ) j.., ahol "." a megfelelő ndere való átlagolást jelent. A teljes varancát két részre osztjuk: egy a csoortokon belülre és egy a csoortok átlaga közöttre. A megfelelő varancák, ahol n az egy csoortban levő adatok száma, q a csoortok száma: SS T/(nq-), SS csobelül/q(n-), SS csoközött/(q-). Hotézs a csoortok várható értékere: H 0: μ =μ = μ...= μ q H a: legalább egy egyenlőtlenség H 0-ban Elfogadjuk, ha ksebb, mnt a megfelelő krtkus érték: SS F = SS csoközött csobelül /( q ) = < F / q( n ) α 0,05 q, q( n ) Megoldás EXCEL-lel: Adatelemzés/Egytényezős varancaelemzés Feladatok (Lbre Offce Calc: Adatok/Statsztka/Varanca analízs) Tej aflaton tartalmának mérése több laborban (betű = laborok jele) a b c d e f g,6 4,6,,5 6 6, 3,3,9,8,9,7 3,9 3,8 3,8 3,5 3,9 3,4 4,3 5,5 5,5,8 4,5, 5,8 4, 4,9, 3,,9 3,4 4 5,3 4,5 j j 0

11 Műszerek statsztka ellenőrzése A hallgató laboratórum 5 H-mérőjét a félév kezdete előtt ellenőrzték. A standard oldatból készülékenként 7-7 alquot mntával mértek. Végezze el az adatok statsztka analízsét (átlag, varanca, szórás, AOVA, t- és F-róbák ). Az eredmények smeretében tegyen javaslatot, melyk készüléke(ke)t kell újra beállítan (eltolódás a skálán) és melyk készüléke(ke)t kell javításra elkülden (nagy véletlen hbával mér). Mért adatok: A B C D E 7,37 7,0 7,087 7,37 7,09 7,3 7,5 7,0 7,86 7,08 7,03 7,04 7,098 7,35 7,080 7,7 7,47 7,075 7,83 7,7 7,00 7,44 7,09 7,98 7,09 7,095 7,08 7,7 7,85 7,6 7,04 7,33 7,03 7,7 7,4 MÁTRIXMŰVELETEK Mátr: érték és hely s számít: összeadás C=A+B, c k=a k+b k szorzás konstanssal: const A const a k mátrok szorzása (sor-oszlo szorzás): C ln=a lmb mn c j = m k = a k b kj 0 egység mátr: I =... 0 nverz mátr: AA - =A - A=I nn-es mátr determnánsa: = ( I det ) ak a k A... a nkn , az összes lehetséges olyan szorzat összege, ahol mnden sorból veszünk egy elemet, de az elemek más-más oszloban vannak, ezeket összeszorozzuk és megszorozzuk +-gyel van --gyel, attól függően, hogy áros, vagy áratlan oszlocserével hozható ez létre. det A = 0, ha A egyk sorának az összes eleme = 0, ha A egyk sora egy másk sor konstans szorosa ha A egyk sora más sorok lneárs kombnácójával előállítható ugyanez az oszlookra s vonatkozk

12 mátrműveletek az EXCEL-ben: MDETERM, MSZORZAT, IVERZ.MÁTRIX (tömbfüggvény bevtele ctrl/shft/enter, lásd még a GYAKORISÁG függvénynél). LIEÁRIS REGRESSZIÓ Egyenes llesztése legksebb négyzetek módszerével n darab,y számár esetén y=f()=a+b egyenes llesztésének egyenlete: mnmalzálandó célfüggvény (szélsőérték): ( f ( ) y ) a = ( y y) ( ), a és b mnt változók függvényében és b = y a, ahol a felülvonás az és y értékek átlagát jelent rezduáls (maradék): r =y -f( ), ezeknek összege zérus Orgón átmenő egyenes esetén: y=f()=a és a = Legksebb négyzetek módszerének grafkus szemléltetése Illesztés grafkonon mérés ontok esetében, ha az y=f() függvény analtkus alakja vagy aramétere nem smertek, azok esetleges llesztése, valamnt egy adott 0 értékhez y 0 meghatározása grafkon segítségével: grafkon készítése az llesztendő görbe kjelölése Trendvonal beszúrása llesztendő görbe kválasztása llesztett görbe egyenletének kíratása, eseteleges átmásolása, és a keresett 0 értéknél való kszámítása y Feladatok: Molekulatömeg meghatározása a tökéletes gáztörvényből: (Grffths-Thomas: Fzka kéma számítások, 3.6. élda) Mnden gáz tökéletes gázként vselkedk végtelen ks nyomáson és kellően magas hőmérsékleten. Ha a nyomás függvényében a sűrűség/nyomás értékét ábrázoljuk, és 0 nyomásra etraolálunk, a kaott tengelymetszet kacsolatba hozható a gáz molekulatömegével. Elmélet: V=nRT R molárs gázállandó n=m/m m a bemért tömeg, M a móltömeg

13 M=(mRT)/(V) m=ρv M=(ρ/)RT ρ a sűrűség Ismeretlen AH 3 összetételű gázról az alább értékeket mértük. Melyk az A elem? Adatok: M H=,008 T=73K M A=(tengelymetszet*8,34*73)-3*,008 (Pa) ρ/ (g/m 3 Pa) , , , ,0500 Feladat: a fent feladat megoldása máshogy s (TRED, METSZ, MEREDEKSÉG, LI.ILL függvényekkel) Hűlés sebesség számítása I.: 0 másodercenként lett leolvasva a rendszer hőmérséklete. t/s T/K M lehet a hűlés sebesség dmenzója? M a függő és m a független változó? Az llesztett egyenes alaján menny volt a rendszer hőmérséklete 33 s-kor? 0 másoderckor? A mérés megkezdése előtt erccel!? Hűlés sebesség számítása II., 0 fokonként lett rögzítve az eltelt dő. t/s T/K M a függő és m a független változó? Hogyan lleszthető rá egyenes? Átmenjen-e az orgón az llesztett egyenes? Műszeres mérés analógák, kalbrácó. Lehetőségek: a) =t, y=t, v=a b) =T, y=t, v=/a Számítsuk k az összes (jó és rossz) meredekséget! M az eredmény, ha egyre több közéső ontot khagyunk az llesztésből? Illeszthetjük-e az egyenest a t +-t változásokra =0 K értékekkel? Inhomogén lneárs egyenletrendszer egyértelmű megoldása Matematka smétlés: Lneárs egyenletrendszer általános alakja: ahol AЄR nn, ЄR n, bєr n, azaz a a... a n + a + a + a n a n a a n nn n n n = b = b = b n A=b, 3

14 a a A =... an a a a... n... a n b... an b, = és b =... a nn n b n Inhomogén a lneárs egyenletrendszer, ha legalább egy b 0. Ha az összes b =0, akkor homogénnek nevezzük, ezzel m most nem foglalkozunk. Az nhomogén lneárs egyenletrendszer akkor oldható meg egyértelműen, ha det A 0. Ha det A=0, akkor szngulársnak nevezk a mátrot. (hasonló fogalmak ugyanerre: rang, vektorok függetlensége) Feladat: ac vásárlás éldája (3 fajta gyümölcs-3 vásárló; 3 fajta gyümölcs+ zacskó-4 vásárló) EXCEL-lel: LI.ILL függvény Túlhatározott lneárs egyenletrendszer megoldása Matematka smétlés: Több egymástól független sor (n darab), mnt ahány smeretlen (m darab). Az előzőhöz kéest szerecsere: a j gazábol a j-dk független változó -dk mérésben való értéke, amt korábban j-vel jelöltük, az most a meredekség, lletve az együttható értékekhez tartozó érték a konstans tag. Több dmenzós egyenes llesztése: cél a meredekségek és a konstans tag meghatározása. Cél, hogy a számolt és mért eredményvektor négyzetösszege mnmáls legyen. Vagys n mért számolt ( b b ) = mnmumát keressük. Levezethető megoldás: =(A T A) - A T b Megoldás EXCEL-lel: LI.ILL függvénnyel, Eszközök/Adatelemzés/Regresszó (Bővítménykezelővel aktváln kell) (Lbre Offce Calc: csak LI.ILL-lel) Eredmények értelmezése! lleszkedés jó, ha R érték közel van -hez Feladatok: Pac vásárlás éldája (3 fajta gyümölcs, esetleg zacskó-5 vásárló) Koncentrácó meghatározása sektroszkóa adatokból I f Egy oldat különböző szerves anyagokat tartalmaz. A lg = εcl összefüggés alaján az A, I0 B, C, D és E anyagok koncentrácó öt különböző hullámhossznál történt mérés alaján meghatározhatóak. Az oldószer az adott hullámhosszoknál nem abszorbeál. 4

15 Az smert molárs abszorcós együtthatók: ε A /(dm 3 *mol - *cm - ) ε B / (dm 3 *mol - *cm - ) ε C / (dm 3 *mol - *cm - ) ε D / (dm 3 *mol - *cm - ) λ=300 nm 4,3 0,,0 6,7 56,3 λ=400 nm 3,0 89, 4,, 9,8 λ=500 nm 0,0 9,7 60, 30,,0 λ=600 nm 64,5 5,6 0, 30,4,4 λ=700 nm 9,4 4,5 8,7 0,8 3,3 A mért abszorbancák: A küvetta vastagsága cm. -lg(i f/i 0) λ=300 nm 0,69 λ=400 nm 0,97 λ=500 nm 0,33 λ=600 nm 0,97 λ=700 nm 0,3 (megoldás: 0,0038; 0,0063; 0,0075; 0,00065; 0,003) ε E / (dm 3 *mol - *cm - ) Reakcósebesség állandó (k) meghatározása Az alább bruttó egyenlettel leírható kéma reakcó sebesség állandóját keressük. A + B + C + D > E + F + G Mvel a reakcó több léésben megy végbe, ezért nem smerjük a rendűségét sem. A mérést úgy végezzük, hogy bzonyos dőközönként mntát veszünk az oldatból, és meghatározzuk az egyes komonensek koncentrácóját. Ebből kszámítjuk a koncentrácó változásának a sebességét. A számítás eredményeket az alább táblázat tartalmazza: Reakcósebesség c A, (mol/dm 3 ) c B, (mol/dm 3 ) c C, (mol/dm 3 ) c D, (mol/dm 3 ) 7,74E-04,3 0,9,9, 5,90E-04,7 0,8,7, 3,87E-04,4 0,7,4,8,60E-04 0,7 0,6,3,3,5E-04 0,3 0,5,0, Írja fel a lneárs egyenletrendszert a v=k[a] a [B] b [C] c [D] d egyenlet logartmzálásával és oldja meg! Mekkora k értéke? (megoldás:,84e-4) Reakcósebesség állandó (k) meghatározása többdmenzós egyenes llesztésével Az alább bruttó egyenlettel leírható kéma reakcó sebesség állandóját keressük. A + B + C > E + F 5

16 Mvel a reakcó több léésben megy végbe, ezért nem smerjük a rendűségét sem. A mérést úgy végezzük, hogy bzonyos dőközönként mntát veszünk az oldatból, és meghatározzuk az egyes komonensek koncentrácóját. Ebből kszámítjuk a koncentrácó változásának a sebességét. A számítás eredményeket az alább táblázat tartalmazza: Reakcósebesség c A, (mol/dm 3 ) c B, (mol/dm 3 ) c C, (mol/dm 3 ) 7,74E-04 0,7 0,5 0,36 5,90E-04 0,4 0,3 0,3 3,87E-04 0,0 0,0 0,8,8E-04 0,7 0,07 0,4,40E-04 0,6 0,07 0,3,0E-04 0,5 0,06 0,,8E-04 0,4 0,06 0,0,5E-04 0, 0,05 0,9 Írja fel a túlhatározott lneárs egyenletrendszert a v=k[a] a [B] b [C] c egyenlet logartmzálásával és oldja meg! Mekkora k értéke? (megoldás:0,007) Lneárs regresszó, araméterek és megbízhatóság ntervallumak Az y mennység lneársan függ az A, B, C anyagok koncentrácótól. Határozza meg lneárs regresszóval a három anyagra vonatkozó állandót (m j-t, meredekséget) az alább adatsor alaján. Az llesztett egyenesnél a b konstans tag értéke eltérhet 0-tól. Adja meg a araméterek megbízhatóság ntervallumát s 95 %-os kétoldal konfdenca ntervallummal az alább kélet alaján: m j±t (n-,α)*s j: A araméterek szórása (s j-k) a négyzetgyöke az ( ) s n mért llesztett ( y y ) s X T X mátr dagonáls elemenek, ahol r = = a rezduáls szórásnégyzet, n a mérések száma, a araméterek száma. X a r n független változók mátra a konstans taghoz tartozó -eseket tartalmazó oszloal együtt. A t- eloszlás értékét közelíthet a normáleloszlás 95%-os kétoldal megbízhatóság értékének,96-os szorzójával. Mért adatok: c A c B c C y 0,050 0,030 0,00 0,74 0,00 0,04 0,03 0,05 0,0 0,04 0,03 0,050 0,0 0,05 0,0 0,07 0,00 0,034 0,034 0,097 0,005 0,005 0,005 0,04 0,067 0,00 0,00 0,50 6

17 PARAMÉTERBECSLÉS (Lbre Offce Calc: nem megy, nncs benne mnmalzáló és tetszőleges véletlenszámgeneráló) Tetszőlegesen generált, majd hbával torzított függvény araméterenek becslése A-B oszlo: ktöltés 0-0 tetszőleges számmal (l. egész számok) C oszlo: C=,*cos(A)-/B D oszlo: standard normáls eloszlású véletlen számok generálása Adatelemzés/Vélsz.generálás E oszlo: E=C+0.05*D (hbát generáltunk az adatokhoz) F;F és araméterek kezdőértéke G oszlo: C oszlo kélete, de, helyett $F$ és helyett $F$ F3=SZUMXBŐLY(C:C0;G:G0) F3 mnmumának megkeresése és függvényében Solverrel Ugyanez E és G oszlora Konszekutív kéma reakcó sebesség állandónak meghatározása Az A k k B C konszekutív kéma reakcó dfferencálegyenlete megoldható analtkus módon. A (t=0)=mól/m 3, B(t=0)=0 mól/m 3, és C(t=0)=0 mól/m 3 feltételek esetén: k ( ) = k k e k + k k k t kt C t e Paraméterbecsléssel határozza meg a következő szmulált adatokra a k és k sebesség állandókat. Az llesztést végezze el mnd a ontos, mnd a hbával terhelt adatokra. Kezdőértékként k =4-et és k =5-öt használjon. t(s) C(t) (mól/m 3 ) (ontos) C(t) (mól/m 3 ) (hbával terhelt) 0,5 0,08 0,04 0,473 0,405 0,798 0, ,954 0, ,975 0, ,9898 0, ,996 0, ,9986 0, ,9995, ,9999,0370 Ammóna van der Waals állandónak becslése Elmélet háttér: Reáls gázok leírását szolgálja a van der Waals egyenlet, melynek alakja: an + = V ( V nb) nrt (). 7

18 Ebből a nyomást kfejezve: nrt an = (). V nb V A van der Waals egyenlet alaján kacsolat található az adott gáz krtkus hőmérséklete és nyomása, valamnt az a és b állandók között. A számítások részletezése nélkül: = a kr 7b (3) és Feladatok: 8a T kr = (4) 7bR ) A krtkus értékek és a 3-4. egyenletek alaján határozza meg az ammóna a és b van der Waals állandóját. A számolások megoldhatóak számológéel vagy EXCEL-lel s. Az ammóna gáz kísérlet krtkus adata: T kr = 405 K, kr =,98*0 6 Pa. ) A mérés adatok alaján nemlneárs araméterllesztéssel s határozza meg a van der Waals egyenlet a és b araméteret ammónára (. egyenlet felhasználásával; a krtkus értékből korábban számoltak alaján becsülje a araméterek kezdőértékét). Adja meg az llesztett egyenlet alaján számolt nyomásokat s. Ammóna gáz kísérlet móltérfogata különböző nyomásokon 33,5 K hőmérsékleten: V m (m 3 /mol) (Pa),3E-3,0E5 5,0E-3 5,046E5,550E-3 9,697E5,456E-3,594E6 3) Számolja k, hogy az első módon meghatározott állandókkal mekkora nyomásértékeket ka. Grafkonon és táblázatban ábrázolja a kétféle araméterkészlettel kaott eredményeket, valamnt a kísérlet eredményeket! Értékelje a van der Waals egyenlet megbízhatóságát! 8

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

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

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

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

Regresszió. Fő cél: jóslás Történhet:

Regresszió. Fő cél: jóslás Történhet: Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján

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

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

Részletesebben

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat? Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs

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

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

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

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

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

Az entrópia statisztikus értelmezése

Az entrópia statisztikus értelmezése Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: 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,

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

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

Matematikai statisztika

Matematikai statisztika Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),

Részletesebben

Adatsorok jellegadó értékei

Adatsorok jellegadó értékei Adatsorok jellegadó értéke Varga Ágnes egyetem tanársegéd varga.ag14@gmal.com Terület és térnformatka kvanttatív elemzés módszerek BCE Geo Intézet Terület elemzés forgatókönyve vacsora hasonlat Terület

Részletesebben

Intelligens elosztott rendszerek

Intelligens elosztott rendszerek Intellgens elosztott rendszerek VIMIAC2 Adatelőkészítés: hhetőségvzsgálat normálás stb. Patak Béla BME I.E. 414, 463-26-79 atak@mt.bme.hu, htt://www.mt.bme.hu/general/staff/atak Valamlyen dőben állandó,

Részletesebben

VÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZTÉVFOLYAM 2006

VÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZTÉVFOLYAM 2006 ÁLASZOK A FIZKÉM I ALAPKÉRDÉSEKRE, KERESZÉFOLYAM 6. Az elszgetelt rendszer határfelületén át nem áramlk sem energa, sem anyag. A zárt rendszer határfelületén energa léhet át, anyag nem. A nytott rendszer

Részletesebben

Biostatisztika e-book Dr. Dinya Elek

Biostatisztika e-book Dr. Dinya Elek TÁMOP-4../A/-/-0-005 Egészségügy Ügyvtelszervező Szakrány: Tartalomfejlesztés és Elektronkus Tananyagfejlesztés a BSc képzés keretében Bostatsztka e-book Dr. Dnya Elek Tartalomjegyzék. Bevezetés a mátrok

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 Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet

Részletesebben

Statisztikai. Statisztika Sportszervező BSc képzés (levelező tagozat) Témakörök. Statisztikai alapfogalmak. Statisztika fogalma. Statisztika fogalma

Statisztikai. Statisztika Sportszervező BSc képzés (levelező tagozat) Témakörök. Statisztikai alapfogalmak. Statisztika fogalma. Statisztika fogalma Témakörök Statsztka Sortszerező BSc kézés (leelező tagozat) 2-2-es tané félé Oktató: Dr Csáfor Hajnalka főskola docens Vállalkozás-gazdaságtan Tsz E-mal: hcsafor@ektfhu Statsztka fogalmak Statsztka elemzések

Részletesebben

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist. 1. Az X valószínőség változó 1 várható értékő és 9 szórásnégyzető. Y tıle független várható értékkel és 1 szórásnégyzettel. a) Menny X + Y várható értéke? 13 1 b) Menny X -Y szórásnégyzete? 13 1 összesen

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége [GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell

Részletesebben

METROLÓGIA ÉS HIBASZÁMíTÁS

METROLÓGIA ÉS HIBASZÁMíTÁS METROLÓGIA ÉS HIBASZÁMíTÁS Metrológa alapfogalmak A metrológa a mérések tudománya, a mérésekkel kapcsolatos smereteket fogja össze. Méréssel egy objektum valamlyen tulajdonságáról számszerű értéket kapunk.

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

SZÁMOLÁSI FELADATOK. 2. Mekkora egy klíma teljesítménytényező maximális értéke, ha a szobában 20 C-ot akarunk elérni és kint 35 C van?

SZÁMOLÁSI FELADATOK. 2. Mekkora egy klíma teljesítménytényező maximális értéke, ha a szobában 20 C-ot akarunk elérni és kint 35 C van? SZÁMOLÁSI FELADATOK 1. Egy fehérje kcsapásához tartozó standard reakcóentalpa 512 kj/mol és standard reakcóentrópa 1,60 kj/k/mol. Határozza meg, hogy mlyen hőmérséklettartományban játszódk le önként a

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. 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

Részletesebben

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap

MATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap Közlekedésmérnök Kar Jármőtervezés és vzsgálat alapja I. Feladatlap NÉV:..tk.:. Feladat sorsz.:.. Feladat: Egy jármő futómő alkatrész terhelésvzsgálatakor felvett, az alkatrészre ható terhelı erı csúcsértékek

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

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC 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

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

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

A mérési eredmény megadása

A mérési eredmény megadása A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk meg: a determinisztikus és a véletlenszerű

Részletesebben

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

VARIANCIAANALÍZIS (szóráselemzés, ANOVA) VARIANCIAANAÍZIS (szóráselemzés, ANOVA) Varancaanalízs. Varancaanalízs (szóráselemzés, ANOVA) Adott: egy vagy több tetszőleges skálájú független változó és egy legalább ntervallum skálájú függő változó.

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

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy 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

Részletesebben

A valószínűségszámítás elemei

A 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:

Részletesebben

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula

KOMBINATORIKA ELŐADÁS osztatlan matematika tanár hallgatók számára. Szita formula KOMBINATORIKA ELŐADÁS osztatlan matematka tanár hallgatók számára Szta formula Előadó: Hajnal Péter 2015. 1. Bevezető példák 1. Feladat. Hány olyan sorbaállítása van a a, b, c, d, e} halmaznak, amelyben

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

Az α értékének változtatásakor tanulmányozzuk az y-x görbe alakját. 2 ahol K=10

Az α értékének változtatásakor tanulmányozzuk az y-x görbe alakját. 2 ahol K=10 9.4. Táblázatkezelés.. Folyadék gőz egyensúly kétkomponensű rendszerben Az illékonyabb komponens koncentrációja (móltörtje) nagyobb a gőzfázisban, mint a folyadékfázisban. Móltört a folyadékfázisban x;

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 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

Részletesebben

Gyakorló feladatok I.

Gyakorló feladatok I. Gyakorló feladatok I. a Matematika Aa Vektorüggvények tárgyhoz (D D5 kurzusok) Összeállította: Szili László Ajánlott irodalmak:. G.B. Thomas, M.D. Weir, J. Hass, F.R. Giordano: Thomas-féle KALKULUS I.,

Részletesebben

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

Szárítás során kialakuló hővezetés számítása Excel VBA makróval

Szárítás során kialakuló hővezetés számítása Excel VBA makróval Szárítás során kalakuló hővezetés számítása Excel VBA makróval Rajkó Róbert 1 Eszes Ferenc 2 Szabó Gábor 1 1 Szeged Tudományegyetem, Szeged Élelmszerpar Főskola Kar Élelmszerpar Műveletek és Környezettechnka

Részletesebben

Elegyek. Fizikai kémia előadások 5. Turányi Tamás ELTE Kémiai Intézet. Elegyedés

Elegyek. Fizikai kémia előadások 5. Turányi Tamás ELTE Kémiai Intézet. Elegyedés Elegyek Fzka kéma előadások 5. Turány Tamás ELTE Kéma Intézet Elegyedés DEF elegyek: makroszkokusan homogén, többkomonensű rendszerek. Nemreaktív elegyben kéma reakcó nncs, de szerkezet változás lehet!

Részletesebben

d(f(x), f(y)) q d(x, y), ahol 0 q < 1.

d(f(x), f(y)) q d(x, y), ahol 0 q < 1. Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés

Részletesebben

2012/2013 tavaszi félév 8. óra

2012/2013 tavaszi félév 8. óra 2012/2013 tavasz félév 8. óra Híg oldatok törvénye Fagyáspontcsökkenés és forráspont-emelkedés, Ozmózsnyomás Molárs tömeg meghatározása kollgatív tulajdonságok segítségével Erős elektroltok kollgatív tulajdonsága

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

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen 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

Részletesebben

? közgazdasági statisztika

? közgazdasági statisztika Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

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

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-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék, az MTA Közgazdaságtudomány

Részletesebben

[Biomatematika 2] Orvosi biometria

[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

Részletesebben

Véletlenszám generátorok. 6. előadás

Véletlenszám generátorok. 6. előadás Véletlenszám generátorok 6. előadás Véletlenszerű változók, valószínűség véletlen, véletlen változók valószínűség fogalma egy adott esemény bekövetkezésének esélye értékét 0 és között adjuk meg az összes

Részletesebben

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola

Dr. Ratkó István. Matematikai módszerek orvosi alkalmazásai. 2010.11.08. Magyar Tudomány Napja. Gábor Dénes Főiskola Dr. Ratkó István Matematka módszerek orvos alkalmazása 200..08. Magyar Tudomány Napja Gábor Dénes Főskola A valószínűségszámítás és matematka statsztka főskola oktatásakor a hallgatók néha megkérdezk egy-egy

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás 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:

Részletesebben

Gázok. 5-7 Kinetikus gázelmélet 5-8 Reális gázok (limitációk) Fókusz Légzsák (Air-Bag Systems) kémiája

Gázok. 5-7 Kinetikus gázelmélet 5-8 Reális gázok (limitációk) Fókusz Légzsák (Air-Bag Systems) kémiája Gázok 5-1 Gáznyomás 5-2 Egyszerű gáztörvények 5-3 Gáztörvények egyesítése: Tökéletes gáz egyenlet és általánosított gáz egyenlet 5-4 A tökéletes gáz egyenlet alkalmazása 5-5 Gáz halmazállapotú reakciók

Részletesebben

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be! MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:

Részletesebben

Méréselmélet: 5. előadás,

Méréselmélet: 5. előadás, 5. Modellllesztés (folyt.) Méréselmélet: 5. előadás, 03.03.3. Út az adaptív elárásokhoz: (85) és (88) alapán: W P, ( ( P). Ez utóbb mndkét oldalát megszorozva az mátrxszal: W W ( ( n ). (9) Feltételezve,

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern 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

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

Normális eloszlás paramétereire vonatkozó próbák

Normális 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

Részletesebben

MATEMATIKA HETI 5 ÓRA

MATEMATIKA HETI 5 ÓRA EURÓPAI ÉRETTSÉGI 2008 MATEMATIKA HETI 5 ÓRA IDŐPONT : 2008. június 5 (reggel) A VIZSGA IDŐTARTAMA: 4 óra (240 perc) MEGENGEDETT ESZKÖZÖK: Európai képletgyűjtemény Nem programozható, nem grafikus számológép

Részletesebben

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az

Részletesebben

Az elektromos kölcsönhatás

Az elektromos kölcsönhatás TÓTH.: lektrosztatka/ (kbővített óravázlat) z elektromos kölcsönhatás Rég tapasztalat, hogy megdörzsölt testek különös erőket tudnak kfejten. Így pl. megdörzsölt műanyagok (fésű), megdörzsölt üveg- vagy

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Nemparaméteres eljárások

Nemparaméteres eljárások Nemparaméteres eljárások Bevezetés Az ntervallum vagy a hányados skálán végzett méréseknél az adatokból számolhatunk átlagot, szórásnégyzetet, szórást Fontos módszerek alapulnak ezeknek a származtatott

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes döntéstámogatás. Statisztikai elemzés SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre

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 Etrém-érték modellezés Zemplén András Alkalmazott modl 016. febrár -9. Etrém-érték elemzés Klasszks módszerek: év mammon alaplnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízből használ

Részletesebben

Statisztika elméleti összefoglaló

Statisztika 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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

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

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke

Részletesebben

egyetemi jegyzet Meskó Balázs

egyetemi 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.

Részletesebben

5. Laboratóriumi gyakorlat

5. Laboratóriumi gyakorlat 5. Laboratóriumi gyakorlat HETEROGÉN KÉMIAI REAKCIÓ SEBESSÉGÉNEK VIZSGÁLATA A CO 2 -nak vízben történő oldódása és az azt követő egyensúlyra vezető kémiai reakció az alábbi reakcióegyenlettel írható le:

Részletesebben

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

Extrém-érték elemzés. Extrém-érték eloszlások. Megjegyzések. A normálhatóság feltétele. Extrém-érték modellezés Extrém-érték modellezés Zemplén András Val.modellek 2018. febrár 21. Extrém-érték elemzés Klasszks módszerek: év maxmmon alaplnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízből használ

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

Vektorok, mátrixok, lineáris egyenletrendszerek

Vektorok, mátrixok, lineáris egyenletrendszerek a Matematika mérnököknek I. című tárgyhoz Vektorok, mátrixok, lineáris egyenletrendszerek Vektorok A rendezett valós számpárokat kétdimenziós valós vektoroknak nevezzük. Jelölésükre latin kisbetűket használunk.

Részletesebben

[Biomatematika 2] Orvosi biometria

[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

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

STATISZTIKA. 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)

Részletesebben

Korreláció és lineáris regresszió

Korreláció 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.

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai geodéziai számítások 10. Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László

Részletesebben

A 27/2012. (VIII. 27.) NGM rendelet (29/2016. (VIII. 26.) NGM rendelet által módosított) szakmai és vizsgakövetelménye alapján.

A 27/2012. (VIII. 27.) NGM rendelet (29/2016. (VIII. 26.) NGM rendelet által módosított) szakmai és vizsgakövetelménye alapján. A 27/2012. (VIII. 27.) NGM rendelet (29/2016. (VIII. 26.) NGM rendelet által módosított) szakmai és vizsgakövetelménye alapján. Szakképesítés azonosítószáma és megnevezése 54 524 03 Vegyész technikus Tájékoztató

Részletesebben

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis 1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb

Részletesebben

7. Mágneses szuszceptibilitás mérése

7. Mágneses szuszceptibilitás mérése 7. Mágneses szuszceptbltás mérése PÁPICS PÉTER ISTVÁN csllagász, 3. évfolyam 5.9.. Beadva: 5.9.9. 1. A -ES MÉRHELYEN MÉRTEM. Elször a Hall-szondát kellett htelesítenem. Ehhez RI H -t konstans (bár a mérés

Részletesebben

Infobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében

Infobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében Infobionika ROBOTIKA X. Előadás Robot manipulátorok II. Direkt és inverz kinematika Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében Tartalom Direkt kinematikai probléma Denavit-Hartenberg konvenció

Részletesebben

A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9

A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9 A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9 Név: Pitlik László Mérés dátuma: 2014.12.04. Mérőtársak neve: Menkó Orsolya Adatsorok: M24120411 Halmy Réka M14120412 Sárosi

Részletesebben

Függvények Megoldások

Függvények Megoldások Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény

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

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben