Statisztika, próbák Mérési hiba

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Statisztika, próbák Mérési hiba"

Átírás

1 Statisztika, próbák Mérési hiba

2 ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények

3 Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián: : a mintaintervallum közepe Módusz: : a sűrűség függvény maximumának helye Szórás (standard deviatió, SD): s= { i (y i -ŷ) 2 /(n-1) 1)} ½ = ={[ i (y i ) 2 - ( i y i ) 2 /n)]/(n-1) 1)} ½ = ={[n i (y i ) 2 - ( i y i ) 2 ]/n/(n-1) 1)} ½ Variancia: : V=s 2 = i (y i -ŷ) 2 /(n-1) Relatív szórás: : 100s/ŷ Középérték szórás (Standard Error {SE}): s ŷ =s/n ½

4 1. feladat 1., Számoljuk ki a hiányzó cellák értékét képlettel! 2., Készítsünk grafikont, amely szemlélteti az adott időszakban a kamionok számának alakulását! 3., Szemléltessük a 10 és 12 óra közötti forgalom megoszlását típusonként!

5

6 Statisztikai próbák, hipotézisvizsgálat Valószínűségi változók (mérési adatok, eredmények) eloszlására, egymással való kapcsolatára tett hipotézisek statisztikai vizsgálata. Kiindulásul vett hipotézis: nullhipotézis Ennek megtartásáról vagy elvetéséről statisztikai próbák segítségével döntünk. Statisztikai függvényre alapozzuk, amelynek eloszlása ismert.

7 Egy (kis) α val.séghez meghatározunk egy számhalmazt, amelybe a stat.. függvény értéke α valószínűséggel esik, ha a hipotézis igaz. Elsőfajú hiba: elvetjük a hipotézist, holott igaz. α Másodfajú hiba: Megtartjuk., holott nem igaz. t-eloszlást különböző szabadsági fokok esetén

8 Gyakran használt próbák Egymintás t-próbat próba: : várható értékre vonatkozó hipotézis (nem szerepel az Excel-ben ben) Páros kétmintás t-próbat egymintás t-próbat Kétmintás t-próba: t 2 valószínűségi változó várható értéke megegyezik F-próba: 2 valószínűségi változó szórása megegyezik

9 Páros t-próbat Azonos számú elemből álló minták várható értékét hasonlítja össze, és azt vizsgálja, hogy a minták várható értékei különböznek-e egymástól. Pl. amikor egy mintacsoportot kétszer vizsgálnak: a kísérlet előtt és után.

10 2. feladat Két fájdalomcsillapító (A és B) hatását vizsgáljuk 8 betegen, mérve a fájdalom szűnéséig eltelt időt. Van-e e szignifikáns különbség a két gyógyszer hatása között? Betegek A 3,2 1,6 5,7 2,8 5,5 1,2 6,1 2,9 B 3,8 1 8,4 3,6 5 3,5 7,3 4,8

11 1. Megközelítés Nullhipotézis: : A két minta várható értéke egyenlő. 0,04514 P számított <α elvetjük a hipotézist

12 2. Megközelítés Eszközök -> > Adatelemzés menüpont t számított > t α A nullhipotézist elvetjük

13 Kétmintás t-próbat Egyenlő szórásnégyzeteknél Abból indul ki, hogy mindkét adathalmaz szórásnégyzete egyenlő,, ezért homoszcedasztikus t-próbának is szokták nevezni. Ezt a módszert akkor használhatjuk, ha meg szeretnénk állapítani, hogy két minta várható értéke egyenlő-e. e.

14 s 1 =s 2 esetén H 0 : m 1 =m 2 α=0,05 x1 x2 t = n n 1 Kétmintás t-próbat 2 n 1 + n ( ) 2 n ( ) s1 + n2 1 s2 tα (n1 + n 2 2) ha t t α (n 1) akkor H 0 hamis emp Ha t emp < t α (n 1) akkor H 0 igaz 2 2

15 Kétmintás t-próbat Nem egyenlő szórásnégyzeteknél Azt feltételezi, hogy két adathalmaz szórásnégyzete nem egyenlő, ezért heteroszcedasztikus t-próbának is szokták nevezni. A t-próbákat t akkor használhatjuk, ha meg szeretnénk állapítani, hogy két minta várható értéke egyenlő-e. e. Ezt a próbát akkor alkalmazzuk, ha a vizsgált csoportok különböznek.

16 s 1 s 2 esetén H 0 : m 1 =m 2 α=0,05 x1 x2 t = 2 2 s1 s2 + n n 1 2 ( n -1) t ( n -1) + ( n 1) t ( n 1) 1 α1 1 t (n + 2) = α 1 n2 n1 + n ha t t α (n 1) akkor H 0 hamis emp Kétmintás t-próbat Ha t emp < t α (n 1) akkor H 0 igaz α 2 2

17 F-próba Az egyenlő szórásnégyzetek ellenőrzésére Két csoport teljesítménye azonos átlag esetén is különbözhet a különböző szórás miatt. Az F próba arra ad választ, hogy ez az eltérés szignifikánse. f(x) s1 s2 x

18 A vizsgálat menete: (Fisher-Snedecor eljárás) 1. H0: s1=s2 a két minta azonos szórású 2. A próbamutató meghatározása 3. Szignifikancia szint megállapítása Didaktikai vizsgálatokban szokásos α=0,05 F = emp s 2 nagyobb s 2 kisebb 4. Táblázatból Fα/2(m1;m2) kikeresése m1=n1-1 és m2=n2-1 szabadsági fokok 5. Döntés Ha F emp Fα/2(m1,m2) akkor H0: hamis Ha F emp < Fα/2(m1,m2) akkor H0: p valószínűséggel igaz

19 Feladat Egy kísérleti telepen 2 tápszert próbáltak ki. Vizsgálták az adott időintervallumbeli súlygyarapodást. 1. tápszer tápszer Vizsgáljuk meg t-próbával, hogy szignifikáns-e az eltérés a 2 szer okozta súlygyarapodás között α=0,05 szinten!

20 Eldönteni F-próbával, F hogy egyenlők-e e a szórásnégyzetek? Beszúrás -> > Függvény Statisztikai fgv-ek : F.PRÓBA P számított > α Elfogadjuk a nullipotézist

21 Másik lehetőség: Eszközök -> > Adatelemzés Kétmintás F-próba F szórásnégyzetre F számított < F α A nullhipotézist megtartjuk

22 Kétmintás T-próba egyenlő szórásnégyzeteknél t számított > t α P számított < α A nullhipotézist elvetjük

23 Feladat Egy emlősökben nem lévő steroid hormon adása patkányoknál módosítja-e e a mellékvese tömegét? 1., Határozzuk meg a kontroll és a kezelt emlősökben a mellékvese tömegének átlagát és szórását! 2., Döntsük el, hogy szignifikáns-e a szteroid hatása? (kétmintás t-próba)

24 F-próba a szórásnégyzetek ellenőrzésére Vigyázat! A nagyobb szórásnégyzetű az első változó! (ez kerül a számlálóba) Kétmintás F-próba a szórásnégyzetre Ebben az esetben a Kezelt csoport! Várható F számított érték < F α A nullhipotézist Variancia megtartjuk Változó 1 22, , Megfigyelések 24 Változó 2 17, , df F 1, P(F<=f) egyszélű F kritikus egyszélű 0, ,

25 Kétmintás T-próba Kiindulási hipotézis: A mellékvese tömege mindkét esetben azonos. P számított < α Elvetjük a nullipotézist t számított > t α A nullhipotézist elvetjük

26 Feladat Az alábbi adatok a Daphnia longispina (vízibolhafaj) két rasszát (A és B) reprezentáló 7-7 klón napokban kifejezett átlagos élettartamára vonatkoznak. A B Vizsgáljuk meg t-próbával, hogy szignifikáns-e az eltérés a 2 rassz élettartama között α=0,05 szinten! Kétmintás F-próba a szórásnégyzetre Várható érték Variancia Megfigyelések 7.2 F számított < F α A nullhipotézist megtartjuk Változó 1 7, , Változó 2 7, , df 6 6 Először T-próba a szórásnégyzetekre! F P(F<=f) egyszélű F kritikus egyszélű 1, , ,

27 Kétmintás t-próba egyenlő szórásnégyzeteknél Nullhipotézis: a két rassz átlagos élettartama megegyezik Kétmintás t-próba egyenlő szórásnégyzeteknél Várható érték Variancia Megfigyelések Súlyozott variancia Feltételezett átlagos eltérés df t érték P(T<=t) egyszélű t kritikus egyszélű P(T<=t) kétszélű t kritikus kétszélű Változó Változó t számított < t α P számított > α A nullhipotézist megtartjuk

28 Varianciaanalízis (ANOVA) Ha kettőnél több minta várható értékeit kínánjuk összehasonlítani. Nullhipotézis: az adott valószínűségi változó várható értéke mindegyik mintacsoportban egyforma.

29 Az előző feladatban egy harmadik rassz élettartamát is vizsgáljuk: A 7,2 7,1 9,1 7,2 7,3 7,2 7,5 B 8,8 7,5 7,7 7,6 7,4 6,7 7,2 C 7,3 7 8,9 Vizsgáljuk meg, hogy van-e eltérés a várható átlagos élettartamok között! Varianciaanalízist alkalmazunk. Eszközök -> Adatelemzés -> Egytényezős varianciaanalízis F < F krit. A nullhipotézist megtartjuk 7,4 7,3 7,5 7,1

30 Az előző feladatban a hímek mellett nőstényeket is vizsgáltak. hím hím A 7,2 7,1 B 8,8 7,5 C 7,3 7 Van-e eltérés bármely csoprt várható élettartama között? hím hím hím 9,1 7,2 7,3 7,7 7,6 7,4 8,9 7,4 7,3 Varianciaanalízist végzünk, de itt Kéttényezős varianciaanalízist ismétlesekkel. hím hím nőstény nőstény nőstény 7,2 7,5 7,3 7 8,9 6,7 7,2 7,2 7,1 9,1 7,5 7,1 8,8 7,5 7,7 nőstény 7,4 7,2 7,6 nőstény 7,3 7,3 7,4 nőstény 7,5 7,2 6,7 nőstény 7,1 7,5 7,2

31 Feladat Egy fiú és egy lány hajának hossznövekedését mérték egy éven keresztül. Fiú (mm) 2,5 4,4 7,8 9,5 11, ,6 19, ,1 27,5 29,6 Lány (mm) 3,1 5,7 8,5 11,3 13,5 16,2 18,9 20,6 24,5 27, ,5 1., Illesszünk egyenest a két függvényre! Adjuk meg a meredekség és az y-tengelymetszet értékét! 2., Számoljuk ki, hogy mennyi lenne a hossznövekedés 18 ill. 24 hónap múlva a két esetben!

32 Fiú Lány m 2, , b -0, ,159091

Statisztikai módszerek alkalmazása az orvostudományban. Szentesi Péter

Statisztikai módszerek alkalmazása az orvostudományban. Szentesi Péter Statisztikai módszerek alkalmazása az orvostudományban Szentesi Péter Az orvosi munkahipotézis ellenőrzése statisztikai módszerekkel munkahipotézis mérlegelés differenciáldiagnosztika mi lehet ez a más

Részletesebben

Adatok statisztikai feldolgozása

Adatok statisztikai feldolgozása Adatok statisztikai feldolgozása Kaszaki József Ph.D Szegedi Tudományegyetem Sebészeti Műtéttani Intézet Szeged A mérési adatok kiértékelése, statisztikai analízis A mért adatok konvertálása adatbázis

Részletesebben

Variancia-analízis (folytatás)

Variancia-analízis (folytatás) Variancia-analízis (folytatás) 6. elıadás (11-12. lecke) Szórás-stabilizáló transzformációk (folyt.), t-próbák 11. lecke További variancia-stabilizáló transzformációk Egy-mintás t-próba Szórás-kiegyenlítı

Részletesebben

Statisztikai módszerek

Statisztikai módszerek Statisztikai módszerek A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségavító szabályozásra van szükség. A statisztikai

Részletesebben

KVANTITATÍV MÓDSZEREK

KVANTITATÍV MÓDSZEREK KVANTITATÍV MÓDSZEREK Dr. Kövesi János Tóth Zsuzsanna Eszter 6 Tartalomjegyzék Kvantitatív módszerek. Valószínűségszámítási tételek. eltételes valószínűség. Események függetlensége.... 3.. eltételes valószínűség...

Részletesebben

II. A következtetési statisztika alapfogalmai

II. A következtetési statisztika alapfogalmai II. A következtetési statisztika alapfogalmai Tartalom Statisztikai következtetések A véletlen minta fogalma Pontbecslés és hibája Intervallumbecslés A hipotézisvizsgálat alapfogalmai A legegyszerűbb statisztikai

Részletesebben

Hipotézis-ellenırzés (Statisztikai próbák)

Hipotézis-ellenırzés (Statisztikai próbák) Következtetı statisztika 5. Hipotézis-elleırzés (Statisztikai próbák) 1 Egymitás próbák Átlagra, aráyra, Szórásra Hipotézis-vizsgálat Áttekités Egymitás em paraméteres próbák Függetleségvizsgálat Illeszkedésvizsgálat

Részletesebben

11. Matematikai statisztika

11. Matematikai statisztika 11. Matematikai statisztika 11.1. Alapfogalmak A statisztikai minta valamely valószínűségi változóra vonatkozó véges számú független kisérlet eredménye. Ez véges sok, azonos eloszlású valószínűségi változó

Részletesebben

Statisztikai módszerek gyakorlat - paraméteres próbák

Statisztikai módszerek gyakorlat - paraméteres próbák Statisztikai módszerek gyakorlat - paraméteres próbák A tanult paraméteres próbák: PRÓBA NEVE Egymintás U próba Kétmintás U próba Egymintás T próba Welch próba (Kétmintás T próba) F próba Grubbs próba

Részletesebben

Normál eloszlás. Gyakori statisztikák

Normál eloszlás. Gyakori statisztikák Normál eloszlás Átlag jól jellemzi az adott populációt folytonos eloszlás (pl. lottó minden szám egyszer fordul elő) kétkúpú eloszlás (IQ mindenki vagy zseni vagy félhülye, átlag viszont azt mutatja,

Részletesebben

Aprítás 2012.09.11. Ipari gyógyszertechnológiai laboratórium gyakorlatai I. félév. Az aprítást befolyásoló tényezők GYAKORLATOK

Aprítás 2012.09.11. Ipari gyógyszertechnológiai laboratórium gyakorlatai I. félév. Az aprítást befolyásoló tényezők GYAKORLATOK 0.09.. Ipari gyógyszertechnológiai laboratórium gyakorlatai I. félév KÖVETELMÉNYEK. A hallgató a gyakorlatra felkészülten érkezik. A művelet típusa. Eredményt befolyásoló paraméterek (általában idő, sebesség,

Részletesebben

Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI

Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése Rezsabek Tamás GSZDI Anyag és módszer Központi Statisztikai Hivatalának adatai

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

1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit.

1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Határozza meg az átlagos egyedszámot és a szórást. Egyedszám (x i )

Részletesebben

Hipotézisvizsgálat. A sokaság valamely paraméteréről állítunk valamit,

Hipotézisvizsgálat. A sokaság valamely paraméteréről állítunk valamit, II. Hipotézisvizsgálat Lényege: A sokaság valamely paraméteréről állítunk valamit, majd az állításunk helyességét vizsgáljuk. A hipotézisvizsgálat eszköze: a statisztikai próba Menete: 1.Hipotézisek matematikai

Részletesebben

Definíció. Definíció. 2. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása. 2-5. fejezet. A variabilitás mér számai 3.

Definíció. Definíció. 2. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása. 2-5. fejezet. A variabilitás mér számai 3. . El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása -1 Áttekintés - Gyakoriság eloszlások -3 Az adatok vizualizációja -4 A centrum mérıszámai -5 A szórás mérıszámai -6 A relatív elhelyezkedés

Részletesebben

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-8/2/A/KMR-29-41pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén, az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi

Részletesebben

Elméleti összefoglalók dr. Kovács Péter

Elméleti összefoglalók dr. Kovács Péter Elméleti összefoglalók dr. Kovács Péter 1. Adatállományok létrehozása, kezelése... 2 2. Leíró statisztikai eljárások... 3 3. Várható értékek (átlagok) vizsgálatára irányuló próbák... 5 4. Eloszlások vizsgálata...

Részletesebben

SZAKDOLGOZAT. Takács László

SZAKDOLGOZAT. Takács László SZAKDOLGOZAT Takács László 2012 SZEGEDI TUDOMÁNYEGYETEM Természettudományi és Informatikai Kar Geometria Tanszék Matematika Bsc_LAK SZAKDOLGOZAT Kísérlettervezés latin négyzetek felhasználásával Készítette:

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 10 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási

Részletesebben

4b 9a + + = + 9. a a. + 6a = 2. k l = 12 évfolyam javítóvizsgára. 1) Alakítsd szorzattá a következő kifejezéseket!

4b 9a + + = + 9. a a. + 6a = 2. k l = 12 évfolyam javítóvizsgára. 1) Alakítsd szorzattá a következő kifejezéseket! ) Alakítsd szorzattá a következő kifejezéseket! 4 c) d) e) f) 9k + 6k l + l = ay + 7ay + 54a = 4 k l = b 6bc + 9c 4 + 4y + y 4 4b 9a évfolyam javítóvizsgára ) Végezd el az alábbi műveleteket és hozd a

Részletesebben

Az áprilisi vizsga anyaga a fekete betűkkel írott szöveg! A zölddel írott rész az érettségi vizsgáig még megtanulandó anyag!

Az áprilisi vizsga anyaga a fekete betűkkel írott szöveg! A zölddel írott rész az érettségi vizsgáig még megtanulandó anyag! Részletes követelmények Matematika házivizsga Az áprilisi vizsga anyaga a fekete betűkkel írott szöveg! A zölddel írott rész az érettségi vizsgáig még megtanulandó anyag! A vizsga időpontja: 2015. április

Részletesebben

Matematikai statisztikai elemzések 5.

Matematikai statisztikai elemzések 5. Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések. MSTE modul Kapcsolatvizsgálat: asszociáció vegyes kapcsolat korrelációszámítás. Varianciaanalízis

Részletesebben

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia

MINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia MINİSÉGSZABÁLYOZÁS A GÉPIPARBAN Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia ISO 9000:2008 A STATISZTIKAI MÓDSZEREK HASZNÁLATÁRÓL A statisztikai módszerek

Részletesebben

A probléma alapú tanulás, mint új gyakorlati készségfejlesztő módszer, az egészségügyi felsőoktatásban

A probléma alapú tanulás, mint új gyakorlati készségfejlesztő módszer, az egészségügyi felsőoktatásban PÉCSI TUDOMÁNYEGYETEM EGÉSZSÉGTUDOMÁNYI DOKTORI ISKOLA Doktori Iskolavezető: Prof. Dr. Bódis József PhD, DSc 5. Program (P-5) Egészségtudomány határterületei Programvezető: Prof. Dr. Kovács L. Gábor PhD,

Részletesebben

Bevezetés az ökonometriába

Bevezetés az ökonometriába Bevezetés az ökonometriába Többváltozós lineáris regresszió: mintavételi vonatkozások és modelljellemzés Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Harmadik

Részletesebben

Populációbecslések és monitoring 2. előadás tananyaga

Populációbecslések és monitoring 2. előadás tananyaga Populációbecslések és monitoring 2. előadás tananyaga 1. A becslések szerepe az ökológiában. (Demeter és Kovács 1991) A szabadon élő állatok egyedszámának kérdése csak bizonyos esetekben merül fel. De

Részletesebben

Számsorozatok Sorozat fogalma, példák sorozatokra, rekurzív sorozatokra, sorozat megadása Számtani sorozat Mértani sorozat Kamatszámítás

Számsorozatok Sorozat fogalma, példák sorozatokra, rekurzív sorozatokra, sorozat megadása Számtani sorozat Mértani sorozat Kamatszámítás 12. évfolyam Osztályozó vizsga 2013. augusztus Számsorozatok Sorozat fogalma, példák sorozatokra, rekurzív sorozatokra, sorozat megadása Számtani sorozat Mértani sorozat Kamatszámítás Ismerje a számsorozat

Részletesebben

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások

Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Bevezetés A magas mérési szintű változók adataiból számolhatunk átlagot, szórást. Fontos módszerek alapulnak ezeknek a származtatott paramétereknek

Részletesebben

FELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE

FELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE FELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE 1. Egy alkalmassági vizsgálat adatai szerint a vizsgált személyeken 0,05 valószínűséggel mozgásszervi és 0,03 valószínűséggel érzékszervi

Részletesebben

Kontingencia táblák. Khi-négyzet teszt. A nullhipotézis felállítása. Kapcsolatvizsgálat kategorikus változók között.

Kontingencia táblák. Khi-négyzet teszt. A nullhipotézis felállítása. Kapcsolatvizsgálat kategorikus változók között. Kotigecia táblák. Khi-égyzet tet 1. Függetleségvizsgálat. Illekedésvizsgálat 3. Homogeitásvizsgálat Példa 1 em ő 8 75 13 Ismétlés: változók, mérési skálák típusai 48 49 97 76 14 jeles (5) jó (4) közepes

Részletesebben

Forgácsolási paraméterek meghatározása Mikó Balázs, E ép. II. 7.

Forgácsolási paraméterek meghatározása Mikó Balázs, E ép. II. 7. orgácsolási paraméterek meghatározása 1 orgácsolási paraméterek meghatározása Mikó Balázs, E ép. II. 7. a [mm] : ogásmélység [mm/ord] : elõtolás n [1/min] : ordulatszám v [m/min] : orgácsolási sebesség

Részletesebben

Alapfogalmak áttekintése. Pszichológiai statisztika, 1. alkalom

Alapfogalmak áttekintése. Pszichológiai statisztika, 1. alkalom Alapfogalmak áttekintése Pszichológiai statisztika, 1. alkalom Hipotézisek Milyen a jó null hipotézis?? H0: Léteznek kitőnı tanuló diszlexiások.? H1: Nem léteznek. Sokkal inkább: H0: Nincs diszlexiás kitőnı

Részletesebben

Bevezető Mi a statisztika? Mérés Feldolgozás Adatok rendezése Adatok jellemzése Időbeli elemzés Feladatok. Statisztika I.

Bevezető Mi a statisztika? Mérés Feldolgozás Adatok rendezése Adatok jellemzése Időbeli elemzés Feladatok. Statisztika I. Statisztika I. 1. előadás: A statisztika alapfogalmai Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem A kurzusról A kurzus célja

Részletesebben

Premium Heath Concepts testsúlycsökkentő módszer kontrollcsoportos vizsgálata 284 vizit alapján

Premium Heath Concepts testsúlycsökkentő módszer kontrollcsoportos vizsgálata 284 vizit alapján Premium Heath Concepts testsúlycsökkentő módszer kontrollcsoportos vizsgálata 284 vizit alapján Halmy László, Halmy Eszter Pláton Egészségügyi Tanácsadó és Szolgáltató Kft. Az elhízás étrendi kezelése

Részletesebben

Nevezetes függvények

Nevezetes függvények Nevezetes függvények Függvények értelmezése Legyen adott az A és B két nem üres halmaz. Az A halmaz minden egyes eleméhez rendeljük hozzá a B halmaz egy-egy elemét. Ez a hozzárendelés egyértelmű, és ezt

Részletesebben

MATEMATIKA Kiss Árpád Országos Közoktatási Szolgáltató Intézmény Vizsgafejlesztő Központ

MATEMATIKA Kiss Árpád Országos Közoktatási Szolgáltató Intézmény Vizsgafejlesztő Központ MATEMATIKA Kiss Árpád Országos Közoktatási Szolgáltató Intézmény Vizsgafejlesztő Központ I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY Az érettségi követelményeit két szinten határozzuk meg: középszinten a

Részletesebben

Statisztikai programcsomagok

Statisztikai programcsomagok Statisztikai programcsomagok Sz cs Gábor Szegedi Tudomáyegyetem, Bolyai Itézet Szeged, 2012. tavaszi félév Sz cs Gábor (SZTE, Bolyai Itézet) Statisztikai programcsomagok 2012. tavaszi félév 1 / 26 Bevezetés

Részletesebben

Reiczigel Jenő, 2006 1

Reiczigel Jenő, 2006 1 Reiczigel Jenő, 2006 1 Egytényezős (egyszempontos) varianciaelemzés k független minta (k kezelés vagy k csoport), a célváltozó minden csoportban normális eloszlású, a szórások azonosak, az átlagok vagy

Részletesebben

Biostatisztika Bevezetés. Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Biostatisztika Bevezetés. Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Biostatisztika Bevezetés Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Az orvosi, biológiai kutatások egyik jellemzője, hogy a vizsgálatok eredményeként

Részletesebben

Talajok nedvességtartalmának megtartását célzó készítmény hatásvizsgálata

Talajok nedvességtartalmának megtartását célzó készítmény hatásvizsgálata Eötvös Loránd Tudományegyetem Természettudományi Kar Környezettudomány MSc. Talajok nedvességtartalmának megtartását célzó készítmény hatásvizsgálata Készítette: Husovszky Judit Témavezető: Dr. Varga Imre

Részletesebben

Oktatáskutató és Fejlesztő Intézet TÁMOP-3.1.1-11/1-2012-0001 XXI. századi közoktatás (fejlesztés, koordináció) II. szakasz. Fejlesztőfeladatok

Oktatáskutató és Fejlesztő Intézet TÁMOP-3.1.1-11/1-2012-0001 XXI. századi közoktatás (fejlesztés, koordináció) II. szakasz. Fejlesztőfeladatok Oktatáskutató és Fejlesztő Intézet TÁMOP-3.1.1-11/1-2012-0001 XXI. századi közoktatás (fejlesztés, koordináció) II. szakasz Fejlesztőfeladatok MATEMATIKA 4. szint 2015 Oktatáskutató és Fejlesztő Intézet

Részletesebben

Komputer statisztika gyakorlatok

Komputer statisztika gyakorlatok Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Komputer statisztika gyakorlatok Eger, 2010. október 26. Tartalomjegyzék Előszó 4 Jelölések 5 1. Mintagenerálás 7 1.1. Egyenletes

Részletesebben

Matematikai statisztikai elemzések 6.

Matematikai statisztikai elemzések 6. Matematikai statisztikai elemzések 6. Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós regresszió Prof. Dr. Závoti, József Matematikai statisztikai elemzések 6.: Regressziószámítás:

Részletesebben

Statisztika I. 6. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 6. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 6. előadás Előadó: Dr. Ertsey Imre GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE szorosan kapcsolódik a szóródás elemzéshez, elméleti

Részletesebben

Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke)

Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke) Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke) Kétirányú osztályozás (függetlenség és homogenitás) Speciális eset: 2 2-es táblázatok Három-irányú osztályozás 29. lecke Függetlenség-

Részletesebben

GAZDASÁGI STATISZTIKA

GAZDASÁGI STATISZTIKA GAZDASÁGI STATISZTIKA Dr. Kun István GÁBOR DÉNES FŐISKOLA Tantárgy: Gazdasági statisztika Kódszám: 224 Lapszám: 1 TÉMAKÖRÖK A STATISZTIKA ALAPFOGALMAI STATISZTIKAI SOROK STATISZTIKAI TÁBLÁK ÖSSZETETT VISZONYSZÁMOK

Részletesebben

MATEMATIKA 9. osztály Segédanyag 4 óra/hét

MATEMATIKA 9. osztály Segédanyag 4 óra/hét MATEMATIKA 9. osztály Segédanyag 4 óra/hét - 1 - Az óraszámok az AROMOBAN követhetőek nyomon! A tananyag feldolgozása a SOKSZÍNŰ MATEMATIKA (Mozaik, 013) tankönyv és a SOKSZÍNŰ MATEMATIKA FELADATGYŰJTEMÉNY

Részletesebben

Monte Carlo módszerek

Monte Carlo módszerek 25 KULLANCSLÁRVA vizsgálata: Erős hideg hatására nézzük a túlélést. Eredmény: 6 elpusztult, 9 élve maradt Hipotézis: a pajzs hosszának variabilitása egy általános genetikai variabilitást tükröz, míg az

Részletesebben

Esetelemzés az SPSS használatával

Esetelemzés az SPSS használatával Esetelemzés az SPSS használatával A gepj.sav fileban négy különböző típusú, összesen 80 db gépkocsi üzemanyag fogyasztási adatai találhatók. Vizsgálja meg, hogy befolyásolja-e az üzemanyag fogyasztás mértékét

Részletesebben

Statisztikai alapismeretek (folytatás)

Statisztikai alapismeretek (folytatás) Statisztikai alapismeretek (folytatás) 3. elıadás (5-6. lecke) Az alapsokaság fıbb jellemzıi () 5. lecke Folytonos változó megoszlásának jellemzése A sokasági átlag és szórás Átlag és szórás tulajdonságai

Részletesebben

Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer

Lineáris programozás. Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Lineáris programozás Modellalkotás Grafikus megoldás Feladattípusok Szimplex módszer Feladat: Egy gyár kétféle terméket gyárt (A, B): /db Eladási ár 1000 800 Technológiai önköltség 400 300 Normaóraigény

Részletesebben

SZENT ISTVÁN EGYETEM, GÖDÖLLŐ Gazdálkodás- és Szervezéstudományok Doktori Iskola. DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI

SZENT ISTVÁN EGYETEM, GÖDÖLLŐ Gazdálkodás- és Szervezéstudományok Doktori Iskola. DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI SZENT ISTVÁN EGYETEM, GÖDÖLLŐ Gazdálkodás- és Szervezéstudományok Doktori Iskola DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI A TERMŐFÖLD KÖZGAZDASÁGI ÉRTÉKE ÉS PIACI ÁRA Készítette: Naárné Tóth Zsuzsanna Éva Gödöllő

Részletesebben

1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?

1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? Matematikai statisztika példák Matematikai statisztika példák Normális eloszlás 1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? 2. Majmok ébredését

Részletesebben

GAE Család MAGAS HATÁSFOKÚ TÚLNYOMÁSOS MELEGVÍZKAZÁN

GAE Család MAGAS HATÁSFOKÚ TÚLNYOMÁSOS MELEGVÍZKAZÁN GAE Család MAGAS HATÁSFOKÚ TÚLNYOMÁSOS MELEGVÍZKAZÁN A GAE típusú, túlnyomásos, magas hatásfokú lemezkazánok gáz- és olajégőkkel szállíthatók, CE certifikációval rendelkeznek. A GAE tervezésekor a jövő

Részletesebben

Analízis előadás és gyakorlat vázlat

Analízis előadás és gyakorlat vázlat Analízis előadás és gyakorlat vázlat Készült a PTE TTK GI szakos hallgatóinak Király Balázs 00-. I. Félév . fejezet Számhalmazok és tulajdonságaik.. Nevezetes számhalmazok ➀ a) jelölése: N b) elemei:

Részletesebben

MATEMATIKA. 9 10. évfolyam. Célok és feladatok. Fejlesztési követelmények

MATEMATIKA. 9 10. évfolyam. Célok és feladatok. Fejlesztési követelmények MATEMATIKA 9 10. évfolyam 1066 MATEMATIKA 9 10. évfolyam Célok és feladatok A matematikatanítás célja és ennek kapcsán feladata, hogy megalapozza a tanulók korszerű, alkalmazásra képes matematikai műveltségét,

Részletesebben

ő ő ő ő ű Ó ő ő ű ű ő ő Ó ő ő ő ő ő ő ű ő ő ű ű ő ő ű Ó ő ő ő Ó ő ű ő ő ő ű ű ű ő ő ő ő ő ő ő Ó ő ő ő ű ő ő ő ő ő ű ő ő Ó ő ő ű ő ő ő ő ő ő ő ű ű ő ő ő ű ű ő ű ő ő Ó Ó ő Ó Ó ő Ó ű ő ő ő ő ő ű ő ű ű ű ű

Részletesebben

ZÁRÓJELENTÉS 2004-2006. ÉVBEN

ZÁRÓJELENTÉS 2004-2006. ÉVBEN SZENT ISTVÁN EGYETEM, MEZÕGAZDASÁG- ÉS KÖRNYEZETTUDOMÁNYI KAR TAKARMÁNYOZÁSTANI TANSZÉK GÖDÖLLŐ ZÁRÓJELENTÉS A T 046751 SZÁMÚ TEMATIKUS OTKA PÁLYÁZAT KERETÉBEN 2004-2006. ÉVBEN VÉGZETT TEVÉKENYSÉGRŐL Egyes

Részletesebben

Elektronika 2. TFBE1302

Elektronika 2. TFBE1302 Elektronika. TFBE3 Szűrők TFBE3 Elektronika. nalóg elektronika ismétlődő feladatai, szűrők Szűrő: Olyan elektronikus rendezés, amely a menetére kapcsolt jelből csak a szűrőre jellemző frekenciasába eső

Részletesebben

MATEMATIKA I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY A) KOMPETENCIÁK

MATEMATIKA I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY A) KOMPETENCIÁK MATEMATIKA I. RÉSZLETES ÉRETTSÉGI VIZSGAKÖVETELMÉNY Az érettségi követelményeit két szinten határozzuk meg: - középszinten a mai társadalomban tájékozódni és alkotni tudó ember matematikai ismereteit kell

Részletesebben

Tanmenetjavaslat a 6. osztályos matematika kísérleti tankönyvhöz

Tanmenetjavaslat a 6. osztályos matematika kísérleti tankönyvhöz MATEMATIKA 6. Tanmenetjavaslat a 6. osztályos matematika kísérleti tankönyvhöz Témák 1. Játékos feladatok Egyszerű, matematikailag is értelmezhető hétköznapi szituációk megfogalmazása szóban és írásban.

Részletesebben

WESSLING Közhasznú Nonprofit Kft. QualcoDuna jártassági vizsgálatok Általános feltételek 2016.

WESSLING Közhasznú Nonprofit Kft. QualcoDuna jártassági vizsgálatok Általános feltételek 2016. QualcoDuna jártassági vizsgálatok Általános feltételek 2016. 1. kiadás, 1. változat Kiadás dátuma: 2015.12.11. Készítette: Szegény Zsigmond és dr. Bélavári Csilla, Átvizsgálta: Rikker Tamás Tudományos

Részletesebben

Statisztika II. BSc. Gyakorló feladatok I. 2008. február

Statisztika II. BSc. Gyakorló feladatok I. 2008. február 1) Egyik felsıoktatási intézmény oktatóitól megkérdezték, hogy milyen intézménytípust tartanának ideálisnak. A megkérdezettek megoszlása a két kérdésre (irányítás és az oktatók teljesítményének értékelése)

Részletesebben

KÉRDÉSEK_GÉPELEMEKBŐL_TKK_2016.

KÉRDÉSEK_GÉPELEMEKBŐL_TKK_2016. KÉRDÉSEK_GÉPELEMEKBŐL_TKK_2016. 1.Tűréseknek nevezzük: 2 a) az anyagkiválasztás és a megmunkálási eljárások előírásait b) a gépelemek nagyságának és alakjának előírásai c) a megengedett eltéréseket az

Részletesebben

REPÜLŐFEDÉLZETI TŰZFEGYVEREK LÖVEDÉK MOZGÁSÁNAK BALLISZTIKAI SZÁMÍTÁSA 2 BEVEZETÉS

REPÜLŐFEDÉLZETI TŰZFEGYVEREK LÖVEDÉK MOZGÁSÁNAK BALLISZTIKAI SZÁMÍTÁSA 2 BEVEZETÉS Szilvássy László 1 REPÜLŐFEDÉLZETI TŰZFEGYVEREK LÖVEDÉK MOZGÁSÁNAK BALLISZTIKAI SZÁMÍTÁSA 2 A szerző jelen tanulmányában bemutatja a repülőfedélzeti tűzfegyverek lövedékei mozgásának ballisztikai számítását.

Részletesebben

statisztikai menürendszere Dr. Vargha András 2007

statisztikai menürendszere Dr. Vargha András 2007 A statisztikai menürendszere Dr. Vargha András 2007 2 tartalomjegyzék 1. Alapok (egymintás elemzések Alapstatisztikák Részletesebb statisztikák számítása Gyakorisági eloszlás, hisztogram készítése Középértékekre

Részletesebben

KULCS_GÉPELEMEKBŐL III.

KULCS_GÉPELEMEKBŐL III. KULCS_GÉPELEMEKBŐL III. 1.Tűréseknek nevezzük: 2 a) az anyagkiválasztás és a megmunkálási eljárások előírásait b) a gépelemek nagyságának és alakjának előírásai c) a megengedett eltéréseket az adott mérettől

Részletesebben

2. Hőmérséklet érzékelők vizsgálata, hitelesítése folyadékos hőmérő felhasználásával.

2. Hőmérséklet érzékelők vizsgálata, hitelesítése folyadékos hőmérő felhasználásával. 2. Hőmérséklet érzékelők vizsgálata, hitelesítése folyadékos hőmérő felhasználásával. A MÉRÉS CÉLJA Az elterjedten alkalmazott hőmérséklet-érzékelők (ellenállás-hőmérő, termisztor, termoelem) megismerése,

Részletesebben

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) 5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van

Részletesebben

I. Gondolkodási módszerek: (6 óra) 1. Gondolkodási módszerek, a halmazelmélet elemei, a logika elemei. 1. Számfogalom, műveletek (4 óra)

I. Gondolkodási módszerek: (6 óra) 1. Gondolkodási módszerek, a halmazelmélet elemei, a logika elemei. 1. Számfogalom, műveletek (4 óra) MATEMATIKA NYEK-humán tanterv Matematika előkészítő év Óraszám: 36 óra Tanítási ciklus 1 óra / 1 hét Részletes felsorolás A tananyag felosztása: I. Gondolkodási módszerek: (6 óra) 1. Gondolkodási módszerek,

Részletesebben

Van Geel GLO-4 kábellétrák elektrogalvanizált kötôelemek. Van Geel GLO-4 kábellétrák tûzihorganyzott kötôelemek

Van Geel GLO-4 kábellétrák elektrogalvanizált kötôelemek. Van Geel GLO-4 kábellétrák tûzihorganyzott kötôelemek Van Geel GLO-4 kábellétrák elektrogalvanizált kötôelemek EG Van Geel GLO-4 kábellétrák tûzihorganyzott kötôelemek TH Csom. Kat. szám Kötôelemek Csom. Kat. szám Kötôelemek 831 00 Csúszóanya M5 csavarral

Részletesebben

Matematika 9. nyelvi előkészítő évfolyam. 1 óra/hét (37 óra) Kiselőadások tartása, interjúk készítése (matematikatörténeti

Matematika 9. nyelvi előkészítő évfolyam. 1 óra/hét (37 óra) Kiselőadások tartása, interjúk készítése (matematikatörténeti Matematika 9. nyelvi előkészítő évfolyam Témakörök Gondolkodási és megismerési módszerek Számtan, algebra Összefüggések, függvények, sorozatok Geometria, mérés Statisztika, valószínűség Év végi összefoglaló

Részletesebben

ů ą ľ ą ó ľ ľ ó ô ľ ó ź ô ę ú Ú ľ ô Ź ô ľ ô ą ó ó Ö ľ Đ ą ä ä Ú ä ę ä Ę Đ đ ř Ď ä Đ Đ ä Ý ż Ę ę Ý Ý ä ä ľ Đ ä Đ ľ ť Ä ô Ú Ś ď ś ó ó ľ ó ó ô ľ ô ô ľ ü ä ę ö ó ľ ś ď ę ď ľ ö ó ě ä ď ä Ś ľ ď ś ś ś đ ń śä

Részletesebben

Matematika Tanszék MOE (PE MIK) MMAM143VB 1 / 34

Matematika Tanszék MOE (PE MIK) MMAM143VB 1 / 34 Valószín½uségszámítás és matematikai statisztika Mihálykóné Orbán Éva Matematika Tanszék MOE (PE MIK) MMAM143VB 1 / 34 Valószín½uségi változók számérték½u jellemz½oi 1 várható érték 2 szórásnégyzet/szórás

Részletesebben

Feladatok GEFIT021B. 3 km

Feladatok GEFIT021B. 3 km Feladatok GEFT021B 1. Egy autóbusz sebessége 30 km/h. z iskolához legközelebb eső két megálló távolsága az iskola kapujától a menetirány sorrendjében 200 m, illetve 140 m. Két fiú beszélget a buszon. ndrás

Részletesebben

Munkafüzet megoldások 7. osztályos tanulók számára. Makara Ágnes Bankáné Mező Katalin Argayné Magyar Bernadette Vépy-Benyhe Judit

Munkafüzet megoldások 7. osztályos tanulók számára. Makara Ágnes Bankáné Mező Katalin Argayné Magyar Bernadette Vépy-Benyhe Judit Kalandtúra 7. unkafüzet megoldások 7. osztályos tanulók számára akara Ágnes Bankáné ező Katalin Argayné agyar Bernadette Vépy-Benyhe Judit BEELEGÍTŐ GONDOLKODÁS. SZÓRAKOZTATÓ FELADVÁNYOK. oldal. 6... 6.

Részletesebben

MATEMATIKA TAGOZAT 5-8. BEVEZETŐ. 5. évfolyam

MATEMATIKA TAGOZAT 5-8. BEVEZETŐ. 5. évfolyam BEVEZETŐ Ez a helyi tanterv a kerettanterv Emelet matematika A változata alapján készült. Az emelt oktatás során olyan tanulóknak kívánunk magasabb szintű ismerteket nyújtani, akik matematikából átlag

Részletesebben

Újrakristályosodás (Rekristallizáció)

Újrakristályosodás (Rekristallizáció) Név: Szatai Sebestyén Zalán Neptun-kód: C7283Z N I 11 A Újrakristályosodás (Rekristallizáció) Eszközök: 99,99%-os tisztaságú alumínium próbatest Fém körző Vonalzó Karcolótű Fémnyújtó C-ra hevített kemence

Részletesebben

A matematikai logika alapjai

A matematikai logika alapjai A matematikai logika alapjai A logika a gondolkodás törvényeivel foglalkozó tudomány A matematikai logika a logikának az az ága, amely a formális logika vizsgálatára matematikai módszereket alkalmaz. Tárgya

Részletesebben

E B D C C DD E E g e 112 D 0 e B A B B A e D B25 B B K H K Fejhallgató Antenna A B P C D E 123 456 789 *0# Kijelzés g B A P D C E 0 9* # # g B B 52 Y t ] [ N O S T \ T H H G ? > < p B E E D 0 e B D

Részletesebben

Tómács Tibor. Matematikai statisztika

Tómács Tibor. Matematikai statisztika Tómács Tibor Matematikai statisztika Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Matematikai statisztika Eger, 01 Szerző: Dr. Tómács Tibor főiskolai docens Eszterházy Károly

Részletesebben

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari

Részletesebben

Define Measure Analyze Improve Control. F(x), M(ξ),

Define Measure Analyze Improve Control. F(x), M(ξ), 5.5.5. Six Sigma Minőségmenedzsment Statisztikai folyamatszabályozási (SPC) rendszer Erdei János Egy fegyelmezett és erősen mennyiségi szemléletű folyamatfejlesztési megközelítés, amely a gyártási, szolgáltatási

Részletesebben

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 9. mérés: Röntgen-fluoreszcencia analízis. 2008. április 22.

Modern Fizika Labor. Fizika BSc. Értékelés: A mérés dátuma: A mérés száma és címe: 9. mérés: Röntgen-fluoreszcencia analízis. 2008. április 22. Modern Fizika Labor Fizika BSc A mérés dátuma: 28. április 22. A mérés száma és címe: 9. mérés: Röntgen-fluoreszcencia analízis Értékelés: A beadás dátuma: 28. május 5. A mérést végezte: Puszta Adrián,

Részletesebben

Standardizálás, transzformációk

Standardizálás, transzformációk Standardizálás, transzformációk A transzformációk ugynúgy mennek, mint egyváltozós esetben. Itt még fontosabbak a linearitás miatt. Standardizálás átskálázás. Centrálás: kivonjuk minden változó átlagát,

Részletesebben

STATISZTIKA I. Tantárgykódok. Oktatók. Időbeosztás. Tematika. http://www.agr.unideb.hu/~huzsvai. 1. Előadás Bevezetés, a statisztika szerepe

STATISZTIKA I. Tantárgykódok. Oktatók. Időbeosztás. Tematika. http://www.agr.unideb.hu/~huzsvai. 1. Előadás Bevezetés, a statisztika szerepe Tantárgykódok STATISZTIKA I. GT_APSN018 GT_AKMN021 GT_ATVN020 1. Előadás Bevezetés, a statisztika szerepe Oktatók Előadó: Dr. habil. Huzsvai László tanszékvezető Gyakorlatvezetők: Dr. Balogh Péter Dr.

Részletesebben

MTA Doktori értekezés

MTA Doktori értekezés MTA Doktori értekezés Összefoglaló-Tézis füzet Egyes gazdasági haszonhalaink hímivartermékeinek mélyhűtése, a technológia standardizálásának kidolgozása és gyakorlati alkalmazása Dr. Urbányi Béla Gödöllő

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

WIL-ZONE TANÁCSADÓ IRODA

WIL-ZONE TANÁCSADÓ IRODA WIL-ZONE TANÁCSADÓ IRODA Berényi Vilmos vegyész, analitikai kémiai szakmérnök akkreditált minőségügyi rendszermenedzser regisztrált vezető felülvizsgáló Telefon és fax: 06-33-319-117 E-mail: info@wil-zone.hu

Részletesebben

AZ ÁLTALÁNOS ISKOLÁSOK IDEGENNYELV-TANULÁSI ATTITŰDJEI ÉS MOTIVÁCIÓJA

AZ ÁLTALÁNOS ISKOLÁSOK IDEGENNYELV-TANULÁSI ATTITŰDJEI ÉS MOTIVÁCIÓJA MAGYAR PEDAGÓGIA 0. évf.. szám 5. (00) AZ ÁLTALÁNOS ISKOLÁSOK IDEGENNYELV-TANULÁSI ATTITŰDJEI ÉS MOTIVÁCIÓJA Csizér Kata és Dörnyei Zoltán Eötvös Loránd Tudományegyetem és Nottigham University Az általános

Részletesebben

Tantárgyi útmutató. 1. A tantárgy helye a szaki hálóban. 2. A tantárgyi program általános célja. Statisztika 1.

Tantárgyi útmutató. 1. A tantárgy helye a szaki hálóban. 2. A tantárgyi program általános célja. Statisztika 1. Tantárgyi útmutató 1. A tantárgy helye a szaki hálóban Gazdálkodási és menedzsment szakirány áttekintő tanterv Nagyításhoz kattintson a képre! Turizmus - vendéglátás szakirány áttekintő tanterv Nagyításhoz

Részletesebben

Hidraulika. 5. előadás

Hidraulika. 5. előadás Hidraulika 5. előadás Automatizálás technika alapjai Hidraulika I. előadás Farkas Zsolt BME GT3 2014 1 Hidraulikus energiaátvitel 1. Előnyök kisméretű elemek alkalmazásával nagy erők átvitele, azaz a teljesítménysűrűség

Részletesebben

Bayesi relevancia és hatáserősség mértékek. PhD tézisfüzet. Hullám Gábor. Dr. Strausz György, PhD (BME)

Bayesi relevancia és hatáserősség mértékek. PhD tézisfüzet. Hullám Gábor. Dr. Strausz György, PhD (BME) Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Bayesi relevancia és hatáserősség mértékek Hullám Gábor Témavezető: Dr. Strausz György, PhD (BME) Budapest,

Részletesebben

S a t ti a s ti z s ti z k ti a k i a i soka k s a ág Megfigyelési egység Statisztikai ismérv

S a t ti a s ti z s ti z k ti a k i a i soka k s a ág Megfigyelési egység Statisztikai ismérv Üzleti gazdaságtan Ismétlés statisztika A statisztikai alapfogalmak A statisztikaa társadalom és a gazdasági élet jelenségeinek, folyamatainak számadatok segítségével történő megismerésével, leírásával,

Részletesebben

XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában

XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus. A véletlen nyomában XIII. Bolyai Konferencia Bodnár József Eötvös József Collegium, ELTE TTK, III. matematikus A véletlen nyomában Mi is az a véletlen? 1111111111, 1010101010, 1100010111 valószínűsége egyaránt 1/1024 Melyiket

Részletesebben

Valószínűségszámítás

Valószínűségszámítás Eszterházy Károly Főiskola Matematikai és Informatikai Intézet Tómács Tibor Valószínűségszámítás programtervező informatikusok részére Eger, 010. szeptember 0. Tartalomjegyzék 1. Véletlen események...............................

Részletesebben

Véletlenszám-generátorok

Véletlenszám-generátorok Véletlenszám-generátorok 1. Lineáris kongruencia generátor megvalósítása: (a) Készítsen lineáris kongruencia generátort az paraméterekkel, rnd_lcg néven. (b) Nyomtasson ki 20 értéket. legyen. (a, c, m,

Részletesebben