TARTALOMJEGYZÉK 1. RÉSZ: AZ SPSS ALAPJAI A

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "TARTALOMJEGYZÉK 1. RÉSZ: AZ SPSS ALAPJAI... 14 1.1. A"

Átírás

1 TARTALOMJEGYZÉK 1. RÉSZ: AZ SPSS ALAPJAI A programrendszer elemei Az interakciós eszközök Az adatmátrix Az SPSS-ben használt ablakok Az adat-editor menüsor parancsainak rövid leírása File menü Edit menü Az Edit menü szokásos szerkesztési parancsai Az Edit menü Options menüpontja A többi ablak Edit menüjének fontosabb parancsai View menü Data menü Transform menü A Compute menüpont Aritmetikai függvények Konverziós függvények Valószínűségi eloszlásfüggvények Inverz valószínűségi eloszlásfüggvények Logikai függvények A hiányzó értékeket kezelő függvények Véletlenszám-generáló függvények Statisztikai függvények Szöveg-manipuláló (string) függvények Dátum- és időfüggvények Egyéb függvények (Miscellaneous) A Transform menü egyéb menüpontjai Analyze menü Reports Descriptive Statistics Tables Compare Means General Linear Model Generalized Linear Models Mixed Models Correlate Regressions Loglinear Neural Networks Classify Dimension Reduction Scale Nonparametric Tests Forecasting Az Analyze menü további részei Direct Marketing menü Graphs menü Chart Builder Graphboard Template Chooser Legacy Dialogs Bar D Bar Line Area Pie High-Low Boxplot Error Bar Population Pyramid... 69

2 Scatter/Dot Histogram A Utilities menü Add-ons menü Window menü Help menü Az output-szerkesztő (Viewer) Az output-szerkesztő főbb általános jellemzői A kereső fa felépítése és átszerkesztése A táblázatok átformázása Címek, szövegek szerkesztése (Text Output) Grafikonok szerkesztése Általános grafikonbeállítások Grafikus szerkesztési funkciók a Chart Editor ablakban Output listaelemek automatikus formázása, SPSS Script Szkriptek futtatása Szkriptfájlok létrehozása és átszerkesztése SPSS outputok közlekedtetése más alkalmazásokkal Az SPSS output listaelemek exportálása Listaelemek importálása az SPSS output listába A pivot táblázatok kezelése A Szintax ablak kezelése A szintaktika üzemmódról általában A szintaktika üzemmód bemutatása néhány gyakran használt parancs alkalmazásával A szintax ablakra vonatkozó alapvető tények, szabályok és szokások A szintax ablak részeinek és menüinek leírása Az SPSS parancs szintaktika metanyelvi meghatározása Gyakran használt SPSS parancs szintaktikák leggyakoribb realizációi Néhány példa szintax, jellegzetesen szintax üzemmódot igénylő helyzetben Feltételes és ciklikus vezérlést is tartalmazó, vektor szerepét is kihasználó szintaktika Példa két egyszerű makróra saját szimbólumok és parancsok definiálása RÉSZ: MATEMATIKAI STATISZTIKAI ALAPOK Példák statisztikai problémákra Leíró statisztikák, grafikonok, táblázatok A lényeg rövid összefoglalása A matematikai részletek Az adatok centrális helyzetét leíró statisztikák A szóródás mértékei További eloszlásjellemzők A változók összefüggésének mérése A kontingencia- táblázat és a belőle számított statisztikák Ordinális mértékek a függetlenség mérésére Számváltozók közötti lineáris kapcsolat erősségét mérő statisztikák SPSS gyakorlatok Adatok bevitele, elmentése Grafikus kiértékelések Alapstatisztikák kérése Összetett kereszttáblázatok készítése a Custom Tables eljárással Az Analyze/Tables/Custom Tables párbeszédablak kezelése A Categories and Totals ablak A Summary Statistics: ablak Szignifikanciatesztek a táblázatokban További ablakok, lehetőségek Hipotéziselmélet A lényeg rövid összefoglalása A matematikai részletek A hipotéziselmélet alapjai Paraméteres próbák Egymintás u-próba A kétmintás u-próba Az egymintás t-próba...139

3 A két párosított (összetartozó) mintás t-próba A két független mintás t-próba Az F-próba Bartlett-próba A Welch-próba (d-próba) Nemparaméteres próbák próbák Az egymintás Kolmogorov-Szmirnov-próba illeszkedésvizsgálatra A homogenitás problémájának matematikai megfogalmazása Két független minta homogenitásának ellenőrzése Több független minta homogenitásának vizsgálata Két párosított minta homogenitásának vizsgálata Több összetartozó minta homogenitásának vizsgálata Klaszteranalízis alkalmazása a minták homogenitásának ellenőrzésére Nemparaméteres próbák a minták homogenitásának ellenőrzésére SPSS gyakorlatok Normalitásvizsgálat Két független minta összehasonlítása Mann-Whitney próbával Két összetartozó minta összehasonlítása Wilcoxon próbával Két független minta összehasonlítása t-próbával Két összetartozó minta összehasonlítása t-próbával Két független minta homogenitás-vizsgálata Kolmogorov-Szmirnov Z-próbával Három független minta összehasonlítása Kruskal-Wallis próbával Szórásanalízis A lényeg rövid összefoglalása A matematikai részletek A szórásanalízis alapfogalmai Kísérleti elrendezések A szórásanalízis módszerei Egyszeres osztályozás Kétszeres osztályozás az interakció figyelembevétele nélkül Kétszeres osztályozás az interakció figyelembevételével Nemparaméteres alternatívák Független minták összehasonlítása Összetartozó minták összehasonlítása SPSS gyakorlatok Egyszempontos (egyfaktoros) szórásanalízis Kétszempontos (kétfaktoros) szórásanalízis Regresszió-analízis A lényeg rövid összefoglalása A matematikai részletek Az alapprobléma Definíciók, jelölések Példák regressziós problémára Lineáris regresszió két változó között Az alapmodell Próbák és konfidencia-intervallumok a lineáris regresszió elméleti együtthatóira Lineáris regresszió dichotóm vagy kategoriális független változóval Lineáris regresszió dichotóm vagy kategoriális függő változóval Logisztikus regresszió Polinomiális regresszió Lineárisra visszavezethető kétparaméteres regressziós összefüggések keresése Nemlineáris regresszió Többváltozós lineáris regresszió Az alapmodell Szórásanalízis a modell érvényességének eldöntésére A független változók minősítése a lineáris kapcsolat szempontjából Modellépítés, a parciális F-próba Automatikus eljárások a lineáris regressziós modell összeállítására...199

4 SPSS gyakorlatok Lineáris regresszió (A fizetések függése a kortól és a gyakorlati időtől) Lineáris regresszió kategoriális független változóval (A fizetések függése a kortól és a beosztástól) Nemlineáris regresszió (Kapcsolat a gépkocsik fogyasztása és teljesítménye között) A fogyasztás kifejezése a többi változó lineáris regressziójával Banki hitelképesség előrejelzése ügyféladatok alapján Reggeli ételek kedveltségének vizsgálata multinomiális logisztikus regresszióval Az általános és az általánosított lineáris modell A lényeg rövid összefoglalása A matematikai részletek Elvi alapok Az egyváltozós GLM modellek Többváltozós lineáris regresszió Egyszeres osztályozás (One-Way ANOVA) Kétszeres osztályozás interakció nélkül Többváltozós GLM modellek A megismételt mérések esete (repeated measures) Az általánosított lineáris lineáris modellek (GZLM) SPSS gyakorlatok Egyszeres osztályozás elvégzése a GLM-mel Kétszeres osztályozás elvégzése a GLM-mel Ismételt mérések (gyermekek növekedésének vizsgálata) Ismételt mérések (tanulók egyenlet megoldási teljesítményének vizsgálata) Munkaügyi intézkedés fogadtatásának vizsgálata loglineáris analízissel és bináris logisztikus regresszióval A faktoranalízis és a főkomponens-analízis A lényeg rövid összefoglalása A matematikai részletek A faktoranalízis A főfaktor analízis Nemsúlyozott és súlyozott legkisebb négyzetek módszere Maximum-likelihood faktoranalízis Egyéb módszerek A főkomponens-analízis SPSS gyakorlatok Gépkocsi-jellemzők vizsgálata faktoranalízissel (A modell felépítése) Gépkocsi jellemzők vizsgálata faktoranalízissel (Az eredmények értelmezése) Osztályozási módszerek A lényeg rövid összefoglalása A matematikai részletek Osztályozási módszerek Az alakfelismerés matematikai modellje Tanulóalgoritmusok Osztályozás másodrendű felületekkel A legközelebbi társ módszer Diszkriminancia-analízis ROC görbéken alapuló diszkrimináció Klaszteranalízis A középpont módszer (K-means clusters) Hierarchikus klaszterezési módszer Kétlépéses klaszterezés (TwoStep Cluster Analysis) Számítógépes gyakorlatok Diszkriminancia analízis hat kategóriával és nagy számú prediktor változóval (Országok diszkriminálása gazdasági régiók alapján) Rögzített számú klaszter előállítása (Országok klaszterezése gazdasági régiók alapján) ROC-görbék (Radar-operátorok diszkriminációs teljesítményének vizsgálata) Diszkriminancia analízis négy kategóriával és négy prediktor változóval (Munkavállalók várható beválásának előrejelzése pszichológiai adatok alapján)...273

5 Példa kétlépéses klaszterezésre A legközelebbi társ módszer alkalmazása Skálázás A lényeg rövid összefoglalása Skálák megbízhatósága A többdimenziós skálázás A conjoint analízis A matematikai részletek Skálák megbízhatósága A klasszikus tesztelmélet alapjai Skálák megbízhatósági és érvényességi modelljei Több bíráló skálázott ítéleteire épülő mérési eljárások megbízhatósága A többdimenziós skálázás A többdimenziós skálázás alapproblémái A klasszikus MDS Nemmetrikus módszerek, a Shepard-Kruskal-algoritmus Több kísérleti személy eredményének együttes kiértékelése Az SPSS-ben használt néhány definíció A conjoint analízis A conjoint analízis alapelvei A conjoint analízis modellje A conjoint analízis néhány általános vonása az SPSS-ben SPSS gyakorlatok Skálák megbízhatóságának elemzése I. (Egyszerű egy- és háromskálás tesztek skáláinak megbízhatósági elemzése) Skálák megbízhatóságának elemzése II. (Az MBTI első magyar nyelvű számítógépes verziójának a megbízhatósági elemzése) Elemzés az osztályon belüli korrelációs együttható (ICC) segítségével (Tornászok produkcióját értékelő NOB pontozói zsűri teljesítményének megbízhatóságvizsgálata) Egy távolságmátrixon alapuló kétdimenziós paraméteres és nemparaméteres MDS (Térkép konstruálása városok egymástól való távolságai alapján) Preferencia-pontszámokon alapuló háromdimenziós WMDS (Vállalati döntéshozók gondolkodásmódjának elemzése) Több távolságmátrixon alapuló kétdimenziós paraméteres MDS és WMDS (Politikusok országokkal kapcsolatos nézeteinek elemzése) Szubjektív pontszámokon alapuló kétdimenziós MDS (Matematikai feladatok érthetőségét meghatározó tényezők vizsgálata) Conjoint analízis Új edzőcipő legkedvezőbb várható fogyasztói fogadtatását kiváltó jellemző-kombinációjának meghatározása Szőnyegtisztító készülék legkedvezőbb várható fogyasztói fogadtatását kiváltó jellemző-kombinációjának meghatározása Szórakoztató elektronikai termék legkedvezőbb várható fogyasztói fogadtatását kiváltó jellemző-kombinációjának meghatározása Idősorok elemzése A lényeg rövid összefoglalása A matematikai részletek Bevezetés, alapfogalmak Nem változó idősorok detektálására vonatkozó próbák Az exponenciális szűrés Box-Jenkins-féle idősor modellek (ARIMA) Lassú ciklusok feltárása, a periodogram Trendelemzés SPSS gyakorlatok Exponenciális szűrés (Nyomtatók napi energia-felvételét tartalmazó idősor elemzése) Előrejelzés hagyományos regressziós módszerekkel és indikátor-változó segítségével (Részvények jegyzéseinek alakulását jellemző idősor elemzése) Előrejelzés hagyományos regressziós módszerekkel és exponenciális simítással (Magyarország népességi adatainak alakulása) Előrejelzés egy ARIMA(1,0,0) modell alapján (Magyarország közötti villamosenergia termelését jellemző idősor elemzése)...355

6 Trendet és szezonalitást tartalmazó idősor felbontása additív komponensekre (Vasúti áruszállítás alakulását mutató idősor elemzése) Szezonalitást és hosszú távú ciklust tartalmazó idősor felbontása multiplikatív komponensekre (A DEM/USD árfolyam idősorának elemzése) Kereskedő cég forgalmának előrejelzése szezonális dekompozícióval és ARIMA modellel Szabályozó grafikonok A lényeg rövid összefoglalása A matematikai részletek Elméleti alapok Méréses szabályozás Alapfogalmak Méréses jellemzők szabályozó és kiegészítő grafikonjainak alaptípusai Példák a méréses jellemzők SPSS Statistics 19 által előállítható szabályozó és kiegészítő grafikonjaira Minősítéses szabályozás Alapfogalmak Minősítéses jellemzők szabályozó grafikonjainak alaptípusai Példák a minősítéses jellemzők SPSS Statistics 19 által előállítható szabályozó és kiegészítő grafikonjaira Összefoglaló áttekintés SPSS gyakorlatok Gyógyszergyári tablettázógépről levett kisminták vizsgálata Zárógyűrű-átmérők változásának vizsgálata Műanyag gyermekjátékok által előidézett mérgezések okainak vizsgálata Egy kórház járóbetegellátási kapacitását meghatározó tényezők vizsgálata Selejtes áramköri panelek gyártásához vezető okok azonostítása Robbanásveszélyes pezsgős palackok gyártásához vezető okok azonosítása Mesterséges neurális hálózatok (ANN) A lényeg rövid összefoglalása A matematikai részletek A biológiai és a mesterséges neurális hálózatok A neurális hálózatok matematikai modellje és működése Az ANN modellek felépítése és ellenőrzése Többrétegű perceptronon alapuló hálózat (Multi-Layer Perceptron) Radiális bázisfüggvényen alapuló hálózat (Radial Basis Function) SPSS gyakorlatok Egy egyszerű bevezető példa: kutyák és macskák megkülönböztetése három jellemzőjük alapján A párhuzamos megosztott feldolgozás tulajdonságainak szemléltetése: személyek jellemzői közötti kapcsolatok megtanulása Banki hitelképesség előrejelzése ügyféladatok alapján Várható kórházi kezelési költségek és ápolási napok előrejelzése Egy direkt marketing klasszifikációs probléma megoldása Aláírások valódiságának ellenőrzése az aláírásokat jellemző idősorok vizsgálatával RÉSZ: GYAKORLATI ÚTMUTATÓK ÉS FELADATOK Gyakorlati útmutatók a statisztikai elemzésekkel kapcsolatban A gyakrabban használt statisztikai eljárások alkalmazási feltétele A minimálisan szükséges mintaelemszám meghatározása Segédtáblázatok a megfelelő statisztikai eljárások kiválasztásához az SPSS-ben Gyakorló feladatok A feladatokban használt állományok rövid leírása Az állományok felsorolása Az állományok rövid leírása Ezek az állományok összetartoznak: Látássérült és ép CC (call center) dolgozók munkahellyel kapcsolatos attitűdjének Q-módszertannal történő vizsgálata során gyűjtött adatokat tartalmaznak Feladatok lépésről lépésre vezetett megoldásokkal Adatmanipulálás: adatok aggregálása és konvertálása A Transform menü funkcióinak gyakorlása Normalitásvizsgálat...455

7 Nemlineáris regressziós összefüggés keresése Osztályozás, klaszteranalízis Faktoranalízis, főkomponensanalízis Emberi erőforrásokat jellemző adatok elemzése Megbízhatósági függvény és meghibásodási ráta Túlélési adatok analízise Vélemények egyezésének vizsgálata Korrespondencia-analízis Ember-számítógép interakció: menürendszerek Ember-számítógép interakciót jellemző adatok elemzése: két rendszer használhatóságának összehasonlítása Internetes honlap látogatóinak viselkedését jellemző adatok elemzése Internet-használati szokások elemzése A Q-módszertan alkalmazásai Politikai pszichológiai esettanulmány A termékélmény dimenzióival kapcsolatos esettanulmány A fogyatékosság megítélésével kapcsolatos elemzés: Látássérült és ép CC (call center) dolgozók munkahellyel kapcsolatos attitűdjének vizsgálata a Q- módszertannal Orvosi rehabilitációs adatelemzések Orvosi rehabilitáció sikerességének vizsgálata loglineáris analízissel és bináris logisztikus regresszióval Gerinc- és törzsizomzat-rehabilitáció előrehaladásának követése nyomáseloszlás-méréssel és idősorelemzéssel Támogató technológiák fejlesztésével, tesztelésével és használatával kapcsolatos adatelemzések Három különböző típusú hallókészülék használhatóságának összehasonlító vizsgálata Egy speciális alternatív számítógépes adatbeviteli eszköz különböző verziói használhatóságának vizsgálata Íróeszközök megfogását és használatát segítő egyszerű segédeszközök használhatóságának vizsgálata Foglalkoztatási rehabilitációs adatelemzések A munkába való visszatérés előrejelzése logisztikus regresszióval alkalmas személyi adatok alapján A munkába való visszatérés előrejelzése neurális hálózattal alkalmas személyi adatok alapján Konkrét munkatevékenységben való beválás előrejelzése alkalmas képességvizsgálati adatok alapján Feladatok rövid útmutatásokkal Sorszám-változó létrehozása Adott eloszlású véletlenszámok generálása Kockadobás-sorozat szimulálása Hisztogram-készítés Empirikus eloszlásfüggvény (gyakorisági eloszlás) kirajzoltatása A 2 -eloszlás kvantilistáblázata Alapstatisztikák kiszámítása Boxplot-grafikon elkészítése Pontdiagram készítése Egymintás és összetartozó kétmintás t-próba Független kétmintás t-próba Egyszempontos varianciaanalízis (One-Way ANOVA) Homogenitásvizsgálat Grafikus regresszióelemzés Egyszerű lineáris regresszióelemzés Többváltozós lineáris regresszióelemzés Lineáris regresszió dichotóm függő változóval Szakaszonkénti lineáris regresszióelemzés Nemlineáris regressziós illesztés idősorra Nemlineáris regresszióelemzés Főkomponensanalízis Faktoranalízis Klaszteranalízis...542

8 Diszkriminanciaanalízis Többdimenziós skálázás Lineáris trendfüggvény keresése Nemlineáris trendfüggvény keresése Exponenciális trendfüggvény keresése A szezonális komponens figyelembevétele Dekompozíciós modell mozgó átlagolással Dekompozíció nemlineáris trenddel és szezonális hatással Önállóan megoldandó feladatok Az SPSS-sel együtt adott adatmátrixok leírása Irodalom 577

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102 Tárgy- és névmutató A a priori kontraszt 174 175 a priori kritérium 259, 264, 276 adatbevitel 43, 47, 49 52 adatbeviteli nézet (data view) 45 adat-elôkészítés 12, 37, 62 adatgyûjtés 12, 15, 19, 20, 23,

Részletesebben

Typotex Kiadó. Tartalomjegyzék

Typotex Kiadó. Tartalomjegyzék Tartalomjegyzék Bevezetés... 11 A hasznos véletlen hiba... 13 I. Adatredukciós módszerek... 17 1. Fıkomponens-elemzés... 18 1.1. A fıkomponens jelentése... 25 1.2. Mikor használjunk fıkomponens-elemzést?...

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

A statisztika oktatásáról konkrétan

A statisztika oktatásáról konkrétan A világ statisztikája a statisztika világa ünnepi konferencia Esztergom, 2010.október 15. A statisztika oktatásáról konkrétan Dr. Varga Beatrix PhD. egyetemi docens MISKOLCI EGYETEM Üzleti Statisztika

Részletesebben

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz 2. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Alkalmazott számítástechnika tanulmányokhoz TÁVOKTATÁS Tanév (2014/2015) 1. félév A KURZUS ALAPADATAI Tárgy megnevezése: Alkalmazott Számítástechnika Tanszék:

Részletesebben

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31. Regresszió Csorba János Nagyméretű adathalmazok kezelése 2010. március 31. A feladat X magyarázó attribútumok halmaza Y magyarázandó attribútumok) Kérdés: f : X -> Y a kapcsolat pár tanítópontban ismert

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19.

Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19. Ismételt méréses multifaktoriális varianciaanaĺızis (repeated measures MANOVA) 2012. szeptember 19. Varianciaanaĺızis Adott egy parametrikus függő változó és egy vagy több kategoriális független változó.

Részletesebben

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I.

Intelligens Rendszerek Gyakorlata. Neurális hálózatok I. : Intelligens Rendszerek Gyakorlata Neurális hálózatok I. dr. Kutor László http://mobil.nik.bmf.hu/tantargyak/ir2.html IRG 3/1 Trend osztályozás Pnndemo.exe IRG 3/2 Hangulat azonosítás Happy.exe IRG 3/3

Részletesebben

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni

Részletesebben

V. Gyakorisági táblázatok elemzése

V. Gyakorisági táblázatok elemzése V. Gyakorisági táblázatok elemzése Tartalom Diszkrét változók és eloszlásuk Gyakorisági táblázatok Populációk összehasonlítása diszkrét változók segítségével Diszkrét változók kapcsolatvizsgálata Példák

Részletesebben

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data.

The nontrivial extraction of implicit, previously unknown, and potentially useful information from data. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató

TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

I. Fejezetek a klasszikus analízisből 3

I. Fejezetek a klasszikus analízisből 3 Tartalomjegyzék Előszó 1 I. Fejezetek a klasszikus analízisből 3 1. Topológia R n -ben 5 2. Lebesgue-integrál, L p - terek, paraméteres integrál 9 2.1. Lebesgue-integrál, L p terek................... 9

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

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

TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített)

TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített) TÁMOP-4.2.2/B-10/1-2010-0002 Tantárgyi program (rövidített) Szakkollégiumi műhely megnevezése: Meghirdetés féléve: Tantárgy/kurzus megnevezése: BGF GKZ Szakkollégiuma 2011/2012. tanév II. félév SZAKKOLLÉGIUM

Részletesebben

Klaszterelemzés az SPSS-ben

Klaszterelemzés az SPSS-ben Klaszterelemzés az SPSS-ben Petrovics Petra Doktorandusz Klaszteranalízis Olyan dimenziócsökkentő eljárás, amellyel adattömböket megfigyelési egységeket tudunk viszonylag homogén csoportokba sorolni, klasszifikálni.

Részletesebben

Alkalmazott statisztika Feladatok

Alkalmazott statisztika Feladatok Alkalmazott statisztika Feladatok A feladatokhoz használt adatokat megtaláljátok itt: www.math.u-szeged.hu/ szakacs/oktatas/alkstat.html 1. óra (szept. 9.) Az óra anyaga: Követelmények ismertetése, az

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

Statisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

Méréselmélet MI BSc 1

Méréselmélet MI BSc 1 Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok

Részletesebben

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató

TANTÁRGYI PROGRAM Matematikai alapok II. útmutató BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeş-Bolyai Tudományegyetem 1.2 Kar Közgazdaság- és Gazdálkodástudományi Kar 1.3 Intézet Közgazdaság- és Gazdálkodástudományi

Részletesebben

Haladó irodai számítógépes képzés tematika

Haladó irodai számítógépes képzés tematika Haladó irodai számítógépes képzés tematika Word haladó Haladó szövegszerkesztés Szöveg effektusok alkalmazása Az automatikus javítási beállítások használata Szöveg körbefuttatása, szövegtörés A szövegirány

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

EuroOffice Modeller felhasználói útmutató

EuroOffice Modeller felhasználói útmutató EuroOffice Modeller felhasználói útmutató 1 Bevezetés...5 EuroOffice Modeller: ANOVA felhasználói útmutató...5 Előkészítés...5 Egyutas ANOVA...5 Kétutas ANOVA...8 EuroOffice Modeller: Egymintás Z-próba

Részletesebben

13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem

13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem 13. előadás Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Statisztikai alapfogalmak Populáció, hisztogram, átlag, medián, szórás,

Részletesebben

A VIZSGA LEÍRÁSA KÖZÉPSZINTEN. Középszint. Szöveges adatok tárolására és megjelenítésére nem alkalmas zsebszámológép KÖZÉPSZINTŰ VIZSGA

A VIZSGA LEÍRÁSA KÖZÉPSZINTEN. Középszint. Szöveges adatok tárolására és megjelenítésére nem alkalmas zsebszámológép KÖZÉPSZINTŰ VIZSGA VENDÉGLÁTÓIPARi ISMERETEK ÁGAZATI SZAKMAI ÉRETTSÉGI VIZSGA A VIZSGA LEÍRÁSA KÖZÉPSZINTEN A vizsga részei Középszint 120 perc 100 pont 15 perc A vizsgán használható segédeszközök Középszint Szöveges adatok

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

Minitab 17 újdonságai. Lakat Károly L.K.Quality Bt. 2014.szept. 23. www.lkq.hu/szigma

Minitab 17 újdonságai. Lakat Károly L.K.Quality Bt. 2014.szept. 23. www.lkq.hu/szigma Minitab 17 újdonságai Lakat Károly L.K.Quality Bt. 2014.szept. 23. www.lkq.hu/szigma Minitab 17! Minitab 17 számos újdonságot és fejlesztést nyújt beleértve a következőket: Regression DOE Assistant Példák

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH Idősorok Idősor Statisztikai szempontból: az egyes időpontokhoz rendelt valószínűségi változók összessége. Speciális sztochasztikus kapcsolat; a magyarázóváltozó az idő Determinisztikus idősorelemzés esetén

Részletesebben

Túlélés analízis. Probléma:

Túlélés analízis. Probléma: 1 Probléma: Túlélés analízis - Túlélési idő vizsgálata speciális vizsgálati módszereket igényel (pl. két csoport között az idők átlagait nem lehet direkt módon összehasonlítani) - A túlélési idő nem normális

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeş-Bolyai Tudományegyetem 1.2 Kar Közgazdaság- és Gazdálkodástudományi Kar 1.3 Intézet Közgazdaság- és Gazdálkodástudományi

Részletesebben

Sztochasztikus kapcsolatok

Sztochasztikus kapcsolatok Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeş-Bolyai Tudományegyetem 1.2 Kar Közgazdasági- és Gazdálkodástudományi Kar 1.3 Intézet Közgazdaság- és Gazdálkodástudományi

Részletesebben

Centura Szövegértés Teszt

Centura Szövegértés Teszt Centura Szövegértés Teszt Megbízhatósági vizsgálata Tesztfejlesztők: Megbízhatósági vizsgálatot végezte: Copyright tulajdonos: Bóka Ferenc, Németh Bernadett, Selmeci Gábor Bodor Andrea Centura Kft. Dátum:

Részletesebben

Az értékelés során következtetést fogalmazhatunk meg a

Az értékelés során következtetést fogalmazhatunk meg a Az értékelés során következtetést fogalmazhatunk meg a a tanuló teljesítményére, a tanulási folyamatra, a célokra és követelményekre a szülők teljesítményére, a tanulási folyamatra, a célokra és követelményekre

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

Gyakorló feladatok statisztikai programcsomagokhoz

Gyakorló feladatok statisztikai programcsomagokhoz Gyakorló feladatok statisztikai programcsomagokhoz Az elvégzett tesztek eredményeit és azok magyarázatait mentsük el egy valasz.txt, ha ábra is van, a valasz.xls nev fájlba! 1. Nyissuk meg a kolcson.txt-t!

Részletesebben

Hogyan lesz adatbányából aranybánya?

Hogyan lesz adatbányából aranybánya? Hogyan lesz adatbányából aranybánya? Szolgáltatások kapacitástervezése a Budapest Banknál Németh Balázs Budapest Bank Fehér Péter - Corvinno Visontai Balázs - KFKI Tartalom 1. Szolgáltatás életciklus 2.

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Khi-négyzet eloszlás. Statisztika II., 3. alkalom Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként

Részletesebben

Mérés és modellezés Méréstechnika VM, GM, MM 1

Mérés és modellezés Méréstechnika VM, GM, MM 1 Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

Táblázatkezelés (Excel)

Táblázatkezelés (Excel) Táblázatkezelés (Excel) Tartalom felépítés kezelés egyéb lehetőségek hasznos kiegészítések Készítette: Bori Tamás 2 Felépítés I.: A program felépítése hagyományos MS GUI: menü eszköztár szabjuk testre!

Részletesebben

Minitab 17 eszköztára

Minitab 17 eszköztára Minitab 17 eszköztára * Új vagy fejlesztett eszköz (New or Improved Tool) Asszisztens (Assistant) Menü, mely könnyen vezeti a felhasználót az elemzésen keresztül ( Menu that easily leads you through your

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

kritikus érték(ek) (critical value).

kritikus érték(ek) (critical value). Hipotézisvizsgálatok (hypothesis testing) A statisztikának egyik célja lehet a populáció tulajdonságainak, ismeretlen paramétereinek a becslése. A másik tipikus cél: valamely elmélet, hipotézis empirikus

Részletesebben

INFORMATIKA TANMENET SZAKKÖZÉPISKOLA 9.NY OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA

INFORMATIKA TANMENET SZAKKÖZÉPISKOLA 9.NY OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS MELLÉKLET Tanmenetborító Azonosító: ME-III.1./1 Változatszám: 2 Érvényesség kezdete: 2013. 09. 01. Oldal/összes: 1/6 Fájlnév: ME- III.1.1.Tanmenetborító SZK- DC-2013 INFORMATIKA

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

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban

Intelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses

Részletesebben

2 Access 2016 zsebkönyv

2 Access 2016 zsebkönyv 2 Access 2016 zsebkönyv BBS-INFO Kiadó, 2016. 4 Access 2016 zsebkönyv Bártfai Barnabás, 2016. Minden jog fenntartva! A könyv vagy annak oldalainak másolása, sokszorosítása csak a szerző írásbeli hozzájárulásával

Részletesebben

2013/2014.tanév TANMENET

2013/2014.tanév TANMENET 2013/2014.tanév TANMENET a. osztály.. tantárgyának tanításához. Összeállította: Ellenőrizte: Jóváhagyta:... tanár munkaközösség vezető igazgató Sopron, 2013. szeptember 01. Informatika tanmenet a 12G.

Részletesebben

Területi elemzések. Budapest, 2015. április

Területi elemzések. Budapest, 2015. április TeIR Területi elemzések Felhasználói útmutató Budapest, 2015. április Tartalomjegyzék 1. BEVEZETŐ... 3 2. AZ ELEMZÉSBEN SZEREPLŐ MUTATÓ KIVÁLASZTÁSA... 4 3. AZ ELEMZÉSI FELTÉTELEK DEFINIÁLÁSA... 5 3.1.

Részletesebben

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016 Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait

Részletesebben

TANMENET. Matematika

TANMENET. Matematika Bethlen Gábor Református Gimnázium és Szathmáry Kollégium 6800 Hódmezővásárhely, Szőnyi utca 2. Telefon: +36-62-241-703 www.bgrg.hu OM: 029736 TANMENET Matematika 2016/2017 9. B tagozat Összeállította:

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Klaszteranalízis Hasonló dolgok csoportosítását jelenti, gyakorlatilag az osztályozás szinonimájaként értelmezhetjük. A klaszteranalízis célja A klaszteranalízis alapvető célja, hogy a megfigyelési egységeket

Részletesebben

Faktoranalízis az SPSS-ben

Faktoranalízis az SPSS-ben Faktoranalízis az SPSS-ben = Adatredukciós módszer Petrovics Petra Doktorandusz Feladat Megnyitás: faktoradat_msc.sav Forrás: Sajtos-Mitev 250.oldal Fogyasztók materialista vonásai (Richins-skála) Faktoranalízis

Részletesebben

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések

Részletesebben

Tantárgy: BEVEZETÉS A TUDOMÁNYOS KUTATÁS MÓD- SZERTANÁBA

Tantárgy: BEVEZETÉS A TUDOMÁNYOS KUTATÁS MÓD- SZERTANÁBA Tantárgy: BEVEZETÉS A TUDOMÁNYOS KUTATÁS MÓD- SZERTANÁBA Szak: BSc Testnevelő-Edző, Rekreáció-szervezés, Sportszervezés, Humánkineziológia Tagozat: nappali Tantárgyfelelős neve: DR. ZSIDEGH MIKLÓS Tanszék:

Részletesebben

Szezonális kiigazítás munkaügyi idősorokra

Szezonális kiigazítás munkaügyi idősorokra Szezonális kiigazítás munkaügyi idősorokra Készítette: Szente László és Láz József (MultiRáció Kft.) Szezonalitás a munkaügyi idősorokban Éven belüli, évről évre ismétlődő ingadozás, hullámzás figyelhető

Részletesebben

PIACKUTATÁS (MARKETINGKUTATÁS)

PIACKUTATÁS (MARKETINGKUTATÁS) PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel

Részletesebben

Heckman modell. Szelekciós modellek alkalmazásai.

Heckman modell. Szelekciós modellek alkalmazásai. Heckman modell. Szelekciós modellek alkalmazásai. Mikroökonometria, 12. hét Bíró Anikó A tananyag a Gazdasági Versenyhivatal Versenykultúra Központja és a Tudás-Ökonómia Alapítvány támogatásával készült

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeş-Bolyai Tudományegyetem 1.2 Kar Közgazdaság- és Gazdálkodástudományi Kar 1.3 Intézet Közgazdaság- és Gazdálkodástudományi

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 7 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Gondolkodási

Részletesebben

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás A feladatok megoldásához használandó adatállományok: potzh és potolando (weboldalon találhatók) Az állományok kiterjesztése sas7bdat,

Részletesebben

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám

Részletesebben

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z

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

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában

A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában A Markovi forgalomanalízis legújabb eredményei és ezek alkalmazása a távközlő hálózatok teljesítményvizsgálatában Horváth Gábor ghorvath@hit.bme.hu (Horváth András, Telek Miklós) - p. 1 Motiváció, problémafelvetés

Részletesebben

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam

Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam Osztályozóvizsga és javítóvizsga témakörei Matematika 9. évfolyam 1. félév Gondolkozás, számolás - halmazok, műveletek halmazokkal, intervallumok - racionális számok, műveletek racionális számokkal, zárójel

Részletesebben

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése

Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése Kétértékű függő változók: alkalmazások Mikroökonometria, 8. hét Bíró Anikó Probit, logit modellek együtthatók értelmezése Pˆr( y = 1 x) ( g( ˆ β + x ˆ β ) ˆ 0 β j ) x j Marginális hatás egy megválasztott

Részletesebben

Intelligens beágyazott rendszer üvegházak irányításában

Intelligens beágyazott rendszer üvegházak irányításában P5-T6: Algoritmustervezési környezet kidolgozása intelligens autonóm rendszerekhez Intelligens beágyazott rendszer üvegházak irányításában Eredics Péter, Dobrowiecki P. Tadeusz, BME-MIT 1 Üvegházak Az

Részletesebben

Nemparametrikus tesztek. 2014. december 3.

Nemparametrikus tesztek. 2014. december 3. Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha

Részletesebben

Logisztikus regresszió

Logisztikus regresszió Logisztikus regresszió Bekövetkezés esélye Valószínűség (P): 0 és 1 közötti valós szám, az esemény bekövetkezésének esélyét fejezi ki. Fej dobásának esélye: 1:2 = 1 2 = 0,5. Odds/esélyérték (O): a tét

Részletesebben

Intelligens adatelemzés

Intelligens adatelemzés Antal Péter, Antos András, Horváth Gábor, Hullám Gábor, Kocsis Imre, Marx Péter, Millinghoffer András, Pataricza András, Salánki Ágnes Intelligens adatelemzés Szerkesztette: Antal Péter A jegyzetben az

Részletesebben

Kistérségi gazdasági aktivitási adatok

Kistérségi gazdasági aktivitási adatok Kistérségi gazdasági aktivitási adatok 1. A KMSR rendszerben alkalmazott statisztikai módszerek Előadó: Dr. Banai Miklós 2. A KMSR rendszer által szolgáltatott adatok, jelentések Előadó: Kovács Attila

Részletesebben

Gépi tanulás a gyakorlatban. Bevezetés

Gépi tanulás a gyakorlatban. Bevezetés Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis

Részletesebben

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

III. Kvantitatív változók kapcsolata (korreláció, regresszió) III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással

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

Informatika tanterv nyelvi előkészítő osztály heti 2 óra

Informatika tanterv nyelvi előkészítő osztály heti 2 óra Informatika tanterv nyelvi előkészítő osztály heti Számítógép feladata és felépítése Az informatikai eszközök használata Operációs rendszer Bemeneti egységek Kijelző egységek Háttértárak Feldolgozás végző

Részletesebben

IV. Változók és csoportok összehasonlítása

IV. Változók és csoportok összehasonlítása IV. Változók és csoportok összehasonlítása Tartalom Összetartozó és független minták Csoportosító változók Két összetartozó minta összehasonlítása Két független minta összehasonlítása Több független minta

Részletesebben

Sz. Sz. Sz. R. Kiadási jegyzék. Szilágyi Attila. Verzió: 40. Kézirat lezárva: 2015-07-12

Sz. Sz. Sz. R. Kiadási jegyzék. Szilágyi Attila. Verzió: 40. Kézirat lezárva: 2015-07-12 Sz. Sz. Sz. R. Kiadási jegyzék Szilágyi Attila Verzió: 40 Kézirat lezárva: 2015-07-12 Tartalomjegyzék Tartalomjegyzék...3 8.0.1.5 (2015.07.12.)...5 8.0.0.7 (2015.06.29.)...7 8.0.0.0 (2015.06.29.)...9

Részletesebben

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév Matematika gyógyszerészhallgatók számára A kollokvium főtételei 2015-2016 tanév A1. Függvénytani alapfogalmak. Kölcsönösen egyértelmű függvények és inverzei. Alkalmazások. Alapfogalmak: függvény, kölcsönösen

Részletesebben

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban

Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Varga Domonkos (I.évf. PhD hallgató) 2014 május A prezentáció felépítése 1) Alapfogalmak 2) A gépi tanulás, mintafelismerés alkalmazási

Részletesebben

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység KÖZPONTI STATISZTIKAI HIVATAL A vizsgarészhez rendelt követelménymodul azonosító száma, megnevezése: 2144-06 Statisztikai szervezői és elemzési feladatok A vizsgarészhez rendelt vizsgafeladat megnevezése:

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

I. LABOR -Mesterséges neuron

I. LABOR -Mesterséges neuron I. LABOR -Mesterséges neuron A GYAKORLAT CÉLJA: A mesterséges neuron struktúrájának az ismertetése, neuronhálókkal kapcsolatos elemek, alapfogalmak bemutatása, aktivációs függvénytípusok szemléltetése,

Részletesebben

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai

Részletesebben

KÓDOLÁSTECHNIKA PZH. 2006. december 18.

KÓDOLÁSTECHNIKA PZH. 2006. december 18. KÓDOLÁSTECHNIKA PZH 2006. december 18. 1. Hibajavító kódolást tekintünk. Egy lineáris bináris blokk kód generátormátrixa G 10110 01101 a.) Adja meg a kód kódszavait és paramétereit (n, k,d). (3 p) b.)

Részletesebben