A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra"

Átírás

1 A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens április 17.

2 Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása: 2. a jelenlevők átlagos életkora:

3 Milyen a statisztika? Churchill: Én csak abban a statisztikában hiszek, amit magam hamisítottam. Öreg igazság: Van kis hazugság, van nagy hazugság, és van statisztika.

4 Milyen a statisztika? George Horace Gallup : az esedékes elnökválasztáson a Literary Digest című hetilap a republikánus Alfred Landon, míg Gallup a végül győztes demokrata Franklin Delano Roosevelt sikerét jelezte előre. A Literary Digest a szokásos módszerrel tízmillió "szavazólapot" küldött szét, amelyekből kétmillió érkezett vissza. Gallup ezzel szemben egy keresztmetszetet adó lakossági mintával dolgozott: 3 ezer embert, de férfiakat és nőket arányosan "szondáztak" meg, interjúkat készítettek, valamint figyelembe vették az iskolázottságot és az anyagi körülményeket is.

5 Y Matematikai összefoglaló Emlékezzünk! Mi a mintavétel? Az alapsokaság nem mindegyik tagját vizsgáljuk, hanem véletlenszerűen kiemelünk belőle néhányat (n elemű minta), ezeket vizsgálva következtetünk az alapsokaság jellemző paramétereire (valószínűségi változó dimenziói). A reprezentatív módszer elmélete a valószínűség-számítás törvényein, más szóval a véletlen tömegjelenségek törvényein nyugszik. Ezért követelmény, hogy az alapsokaság, a szó szoros értelmében sokaság legyen, tehát nagyszámú egységet foglaljon magában. X

6 Emlékezzünk! Mekkora legyen a minta? 300 ezer élelmiszeripari vállalkozás, kb. 220 milliárd tétel évente mindez az élelmiszerláncban A minta nagysága a mintából nyerhető adatok pontosságára és megbízhatóságára van hatással, ezért a minta nagyságát mindig az szabja meg, hogy a populáció vizsgált jellemzőjét milyen pontossággal és megbízhatósággal (megbízhatósági intervallummal és szignifikancia-szinttel) akarjuk megkapni. A minta nagysága független az alapsokaság terjedelmétől táblázatokban n értéke. A minta nagysága az adatfelvétel pontosságával és megbízhatóságával van összefüggésben.

7 Az ismérvelosztás várható értékei A hiba nagysága (%) 10% vagy 90% 20% vagy 80% 30% vagy 70% 40% vagy 60% 50% 0, , , , Vissza

8 Emlékezzünk! Szignifikancia-szint: A próbafüggvény kritikus tartományba esésének valószínűsége. Megbízhatósági intervallum (konfidencia-intervallum): Valószínűségi intervallum, adott szignifikancia-szinten a becsült változó alsó és felső korlátja. A konfidencia-intervallum intervallum értékű becslést ad egy paraméterre, amely valószínűleg ezek közé a korlátok közé esik. Az α paraméter egy előzetesen megadott értékére a becsült paraméter 1-α valószínűséggel esik az intervallumba. Ezt az 1-α szintet sokszor százalékban adják meg; például 95% tipikus.

9 Y Emlékezzünk! Konfidencia-intervallum 95 %-os szignifikancia-szint mellett 99 %-os szignifikancia-szint mellett Számítása: ismeretlen szórású normál eloszlásra Student t eloszlásfüggvénnyel X

10 Konf. int. (%) Különböző mintanagyságokhoz tartozó konfidencia intervallumok ( + %) Mintanagy ság fõben

11 Emlékezzünk! Milyen legyen a minta? Reprezentatív a minta, ha a minta és az alapsokaság, amiből vettük, ugyanazt az eloszlást követi. A minta reprezentativitása nem a minta-elemszám, hanem a minta kiválasztás módszerének függvénye. Milyen statisztikai következtetéseket tudunk levonni a minta alapján? - leírást, - analízissel az alapsokaság jellemzőit írjuk le, - jóslással következtetünk további jellemzőkre.

12 Emlékezzünk! Mitől lesz jó egy következtetés? - reprezentatív a minta; - jól illeszkedő hozzárendelt empirikus eloszlásfüggvény, - az illeszkedés hibájának megadása.

13 A mintavételezés hibái általában Alapvető hibák: nem reprezentatív a minta, (túl kicsi a minta, nem random a mintavételezés), a következtetésekhez nincsenek becslések a bizonytalansági tényezőkre, hibákra; nem definiáltak előre a lehetséges mintavételi hiba nagysága, a megbízhatósági szintje és a konfidencia intervallumok. Csak random mintavétel esetében következtethetünk a populációra!

14 A mintavétel hibáinak típusai az elsőfajú hibák és bekövetkezésük valószínűsége a másodfajú hibák és bekövetkezésük valószínűsége a nullhipotézis igaz a nullhipotézis hamis a nullhipotézist elfogadjuk Helyes döntés másodfajú hiba a nullhipotézist elvetjük elsőfajú hiba Helyes döntés

15 A mintavételezés hibáinak statisztikai következményei megnő az adott szignifikancia-szinten a konfidencia-intervallum nagysága adott megbízhatósági intervallum mellett lecsökken a szignifikancia-szint nagysága megnő az első- és másodfajú hibák előfordulásának valószínűsége. A bevezető mintavétel hibája: - A teremben x átlagéletkorú férfiak ülnek: igaz, ha a megállapításhoz megadjuk, hogy - 5 elemű mintát vettünk az alapsokaságból, - és hogy az ehhez tartozó hiba - a Δ 2 = 1/n képlettel becsülve: 45%. Kapcsoló

16 A monitoring mintavétel céljai Cél: a populációt minél jobban leíró statisztikákat (statisztikai válto- zókat) meghatározni, azaz statisztikai változókkal leírni az adott populációt, illetve megadni azt, hogy az állításaink milyen biztonsággal igazak. Ezek az adatok szolgálnak később a kockázatbecslések alapjaként. A vizsgált populációból kiválasztunk bizonyos számú vizsgálati egységet, amiket ténylegesen is megvizsgálunk, ezek alkotják a mintát. Rétegezett mintavétel (egylépcsős mintavétel): - a sokaság adott ismérvek szerint csoportokba van rendezve, - majd egyszerű véletlen mintát veszünk a csoportokból. A fentiek csak a monitoring célú mintavételek kis részére igaz. Bár nincs rögzített arány, de később kb. 25% lesz az ilyen, véletlenszerű, és 75% a kockázatalapú mintavétel - önkényes kiválasztással, azaz a felvételt végző személy szakmai ismereteire támaszkodva választják ki a mintát.

17 A Hivatalok mintavételezési hibáinak okai A mintaszámok és a véletlenszerű kiválasztás - gazdasági, - logisztikai, - munkaszervezési okokból felülíródnak.

18 A hibák statisztikai következményei Mi történik, ha a tervezettnél kevesebb mintát veszünk? Mi történik, ha nem az előírt hónapban vesszük a mintát? Mi történik, ha nem az előírt élelmiszerlánc-pozícióban vesszük a mintát? Mi történik, ha előre tudja a megmintázandó, hogy mintát vesznek tőle? élelmiszer-áruházláncok problematikája

19 A hibák statisztikai következményei Mi történik, ha a tervezettnél kevesebb mintát veszünk? pozitivitás pozitivitás pozitivitás pozitivitás > a hiba megnő, a megbízhatósági intervallum szélesedik

20 A hibák statisztikai következményei Mi történik, ha nem az előírt hónapban vesszük a mintát? pozitivitás pozitivitás pozitivitás pozitivitás > a hiba megnő, a megbízhatósági intervallum szélesedik

21 A hibák statisztikai következményei Mi történik, ha nem az előírt élelmiszerlánc-pozícióban vesszük a mintát? pozitivitás tejgazdaság kiskereskedő nagykereskedő nem lesz reprezentatív a mintánk

22 A hibák statisztikai következményei Mi történik, ha előre tudja a megmintázandó, hogy mintát vesznek tőle? élelmiszer-áruházláncok problematikája nem lesz reprezentatív a mintánk

23 A monitoring mintavétel céljainak veszélyeztetése a hibák által hibás következtetések a magyar mezőgazdaság állapotáról; hibás kockázatbecslések monitoring-tervek; rosszabb pozíciók a nemzetközi piacokon; rossz stratégiai irányok kijelölése; gazdasági, politikai, társadalmi feszültségek keltése.

24 Összefoglalás Egy monitoring mintavétel akkor teljesíti az elvárásokat, ha - reprezentatív jól jellemzi az alapsokaságot, - kiszámítható (megbecsülhető) az állítások igazságtartalma azaz a hibák valószínűsége; Ezért nem szabad: - a terveket szabadon felülbírálni, - a nehézségeket a szakszerűség rovására megoldani.

25 Felhasznált irodalom Dr. Dukáti Ferenc: Termékek megfelelőségének matematikai statisztikai ellenőrzése (BME Továbbképző Intézete) Kehl Dániel dr. Rappai Gábor: Mintaelemszám tervezése Likertskálát alkalmazó lekérdezésekben (Statisztikai Szemle, 84. évfolyam 9. szám) Lehota József : Marketingkutatás az agrárgazdaságban (Mezőgazda Kiadó) Szelezsán János: Valószínűségszámítás és matematikai statisztika (LSI Oktatóközpont)

26 Köszönöm a figyelmüket!

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

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

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

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel KUTATÁSMÓDSZERTAN 4. ELŐADÁS A minta és mintavétel 1 1. A MINTA ÉS A POPULÁCIÓ VISZONYA Populáció: tágabb halmaz, alapsokaság a vizsgálandó csoport egésze Minta: részhalmaz, az alapsokaság azon része,

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8.

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8. A társadalomkutatás módszerei I. 13. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. december 8. Outline 1 célja 2 Alapfogalmak 3 Mintavételi eljárások 4 További fogalmak 5 Mintavételi hiba számítása

Részletesebben

3. A mintavételi kockázat elfogadható szintjének meghatározása (pl. 5 vagy 10%)

3. A mintavételi kockázat elfogadható szintjének meghatározása (pl. 5 vagy 10%) MINTAVÉTELEZÉSI ELJÁRÁSOK A mintavételezés célja A statisztikai és nem statisztikai mintavételi eljárások során az ellenőr megtervezi és kiválasztja az ellenőrzési mintát, valamint kiértékeli a mintavétel

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

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem. Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:

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

Mérési hibák 2006.10.04. 1

Mérési hibák 2006.10.04. 1 Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség

Részletesebben

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás

Részletesebben

Populációbecslések és monitoring

Populációbecslések és monitoring Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány

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

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana Domokos Tamás, módszertani igazgató A helyzetfeltárás célja A közösségi kezdeményezéshez kapcsolódó kutatások célja elsősorban felderítés,

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 alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia

Részletesebben

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

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

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

Dr. Király István Igazságügyi szakértő Varga Zoltán Igazságügyi szakértő Dr. Marosán Miklós Igazságügyi szakértő

Dr. Király István Igazságügyi szakértő Varga Zoltán Igazságügyi szakértő Dr. Marosán Miklós Igazságügyi szakértő Dr. Király István Igazságügyi szakértő Varga Zoltán Igazságügyi szakértő Dr. Marosán Miklós Igazságügyi szakértő Mintaterületek kijelölésének javasolt módjai kapás sortávú növényekre Miért is kell mintatér?

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 8. rész: Statisztikai eszköztár: Alapfokú statisztikai ismeretek Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Nyolcadik rész Statisztikai eszköztár: Alapfokú statisztikai

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık

Részletesebben

STATISZTIKA PÉLDATÁR

STATISZTIKA PÉLDATÁR STATISZTIKA PÉLDATÁR www.matektanitas.hu www.matektanitas.hu info@matektanitas.hu 1 Minden feladat csak szöveges válasszal együtt ad teljes értékű megoldást! Becslés 1. feladat Az alábbi táblázat megadja

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

MÓDSZERTANI LEÍRÁS DIPLOMÁS KUTATÁS 2010. A vizsgálat keretei. A kutatás alapsokasága. Az adatfelvétel módszere

MÓDSZERTANI LEÍRÁS DIPLOMÁS KUTATÁS 2010. A vizsgálat keretei. A kutatás alapsokasága. Az adatfelvétel módszere FÜGGELÉK FÜGGELÉK DIPLOMÁS KUTATÁS 2010 MÓDSZERTANI LEÍRÁS A vizsgálat keretei A Diplomás kutatás 2010 adatfelvétele az Országos Diplomás Pályakövetési Rendszer kutatási programjának keretében zajlott

Részletesebben

Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége

Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége Posztanalitikai folyamatok az orvosi laboratóriumban, az eredményközlés felelőssége Autovalidálási folyamatok Lókiné Farkas Katalin Az autovalidálás elméleti alapjai Az előző eredménnyel való összehasonlítás

Részletesebben

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69)

STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69) STATISZTIKAI MÓDSZEREK ALKALMAZÁSA SZABVÁNYOK ÁTTEKINTÉSE (ISO TC 69) 1. AZ ISO SZABVÁNYOK TÉRKÉPE 2. A SZABVÁNYOK BEMUTATÁSA 3. HASZNÁLATI TANÁCSOK 4. A STATISZTIKAI SZABVÁNYOK ÉS AZ ISO 9001 5. JAVASLATOK

Részletesebben

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak Matematika feladatbank I. Statisztika Elméleti összefoglaló és feladatgyűjtemény középiskolásoknak ÍRTA ÉS ÖSSZEÁLLÍTOTTA: Dugasz János 2011 Fapadoskonyv.hu Kft. Dugasz János Tartalom Bevezető 7 Adatok

Részletesebben

Iskolai jelentés. 10. évfolyam szövegértés

Iskolai jelentés. 10. évfolyam szövegértés 2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói

Részletesebben

Diplomás kutatás 2010. Módszertani leírás

Diplomás kutatás 2010. Módszertani leírás Diplomás kutatás 2010 Módszertani leírás A kutatás alapsokasága Vizsgálati populáció: államilag elismert felsőoktatási intézmények alapképzésben, kiegészítő alapképzésben és diplomás képzésben (minden

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

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4.

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4. EURÓPAI ÉRETTSÉGI 2010 MATEMATIKA HETI 5 ÓRA IDŐPONT: 2010. Június 4. A VIZSGA IDŐTARTAMA: 4 óra (240 perc) ENGEDÉLYEZETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor

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

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János. 2011. január

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János. 2011. január MUNKAGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi

Részletesebben

Hallgatók 2011. Diplomás Pályakövetési Rendszer Intézményi adatfelvétel a felsőoktatási hallgatók körében - 2011. Módszertani összefoglaló

Hallgatók 2011. Diplomás Pályakövetési Rendszer Intézményi adatfelvétel a felsőoktatási hallgatók körében - 2011. Módszertani összefoglaló Hallgatók 2011 Diplomás Pályakövetési Rendszer Intézményi adatfelvétel a felsőoktatási hallgatók körében - 2011 Módszertani összefoglaló Készítette: Veroszta Zsuzsanna PhD 2012. március 1. Az adatfelvétel

Részletesebben

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. 1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét

Részletesebben

Valószínűségszámítás és statisztika

Valószínűségszámítás és statisztika Valószínűségszámítás és statisztika Programtervező informatikus szak esti képzés Varga László Valószínűségelméleti és Statisztika Tanszék Matematikai Intézet Természettudományi Kar Eötvös Loránd Tudományegyetem

Részletesebben

Biometria: Statisztikai módszerek alkalmazása a biológiában

Biometria: Statisztikai módszerek alkalmazása a biológiában Biometria: Statisztikai módszerek alkalmazása a biológiában Statisztika alkalmazási területei: Adatok ellenőrzése, értelmezése, ábrázolása, Jellemző paraméterek származtatása Valószínűség hozzárendelése

Részletesebben

Volt egyszer egy cenzus, ami a népességet és a jószágokat egyaránt számba vette

Volt egyszer egy cenzus, ami a népességet és a jószágokat egyaránt számba vette Volt egyszer egy cenzus, ami a népességet és a jószágokat egyaránt számba vette Statisztikai Világnap ünnepi konferenciája Esztergom 2010. Október 14-15. Dr. Laczka Éva Miért választottam ezt a témát?

Részletesebben

Validálás és bizonytalanságok a modellekben

Validálás és bizonytalanságok a modellekben Validálás és bizonytalanságok a modellekben Hálózattervezési Dr. Berki Zsolt Tel.: 06-20-3516879, E-mail: berki@fomterv.hu Miért modellezünk? Mert előírás Nem! "It is impossible to predict the future but

Részletesebben

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek 1. Felületi érdesség használata Felületi érdesség A műszaki rajzokon a geometria méretek tűrése mellett a felületeket is jellemzik. A felületek jellemzésére leginkább a felületi érdességet használják.

Részletesebben

Kísérlettervezési alapfogalmak

Kísérlettervezési alapfogalmak Kísérlettervezési alapfogalmak Tényező, faktor factor független változó, ható tényező (kezelés, gyógyszer, hőmérséklet, stb.) aminek hatását a kísérletben vizsgálni vagy összehasonlítani kívánjuk. Megfigyelési

Részletesebben

Jelszavak 2011-ben. Milyen jelszavakat használnak a magyar internet-felhasználók?

Jelszavak 2011-ben. Milyen jelszavakat használnak a magyar internet-felhasználók? Jelszavak 2011-ben Milyen jelszavakat használnak a magyar internet-felhasználók? Összefoglaló A legjellemzőbb jelszótípus e-mail fiókok esetében a betűk és számok (például: gabi34, ilrw12) kombinációjának

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

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 26 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 1. évfolyam gimnázium matematika Előállítás ideje: 27.3.. 12:2:16

Részletesebben

Microsoft Excel 2010. Gyakoriság

Microsoft Excel 2010. Gyakoriság Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

Dr. Piskóti István Marketing Intézet. Marketing 2.

Dr. Piskóti István Marketing Intézet. Marketing 2. Kutatni kell kutatni jó! - avagy a MIR és a marketingkutatás módszerei Dr. Piskóti István Marketing Intézet Marketing 2. Marketing-menedzsment A marketing összes feladatát és aktivitásait összefoglalóan,

Részletesebben

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 26 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 8. évfolyam matematika Előállítás ideje: 27.3.5. 12:21:25 182

Részletesebben

Hanthy László Tel.: 06 20 9420052

Hanthy László Tel.: 06 20 9420052 Hanthy László Tel.: 06 20 9420052 Néhány probléma a gyártási folyamatok statisztikai szabályzásával kapcsolatban Miben kellene segíteni az SPC alkalmazóit? Hanthy László T: 06(20)9420052 Megválaszolandó

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

A mintavétel bizonytalansága

A mintavétel bizonytalansága A mintavétel bizonytalansága Farkas Zsuzsa, Prof. Dr. Ambrus Árpád FarkasZs@nebih.gov.hu, AmbrusArp@nebih.gov.hu NÉBIH ÉKI A termék megfelelőség ellenőrzése - A mintavétel és az analitikai vizsgálati eredmények

Részletesebben

A százalékarányok pontossága

A százalékarányok pontossága 21. fejezet A százalékarányok pontossága Az ilyesfajta problémák megoldásánál az a fő dolog, hogy képesek legyünk visszafelé okoskodni. Igen hasznos képesség ez, és nagyon is könnyű, csak az emberek nemigen

Részletesebben

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Hódiné Szél Margit SZTE MGK 1 A XXI. században az informatika rohamos terjedése miatt elengedhetetlen, hogy

Részletesebben

Jogszabályi környezet

Jogszabályi környezet A Magyar Energetikai és Közmű-szabályozási Hivatal tájékoztatása a villamosenergiatermeléshez, illetve fogyasztáshoz kapcsolódó kapacitás-kiesések közzétételi kötelezettségének alsó határára vonatkozóan

Részletesebben

I. Általános információk az előadásokról, szemináriumokról, szak- vagy laborgyakorlatokról

I. Általános információk az előadásokról, szemináriumokról, szak- vagy laborgyakorlatokról BABEŞ BOLYAI TUDOMÁNYEGYETEM KOLOZSVÁR KÖZGAZDASÁG- ÉS GAZDÁLKODÁSTUDOMÁNYI KAR SZAKIRÁNY: KÖZÖS TÖRZS EGYETEMI ÉV: 2009/2010 FÉLÉV: IV I. Általános információk az előadásokról, szemináriumokról, szak-

Részletesebben

FIT-jelentés :: 2010. Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. OM azonosító: 037320 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2010. Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. OM azonosító: 037320 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2010 8. évfolyam :: Általános iskola Gárdonyi Géza Általános Iskola 2030 Érd, Gárdonyi Géza u. 1/b. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a szövegértés, illetve a

Részletesebben

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1

Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő 1 Építési projektek ütemtervi bizonytalanságainak, kockázatainak figyelembe vétele a pénzügyi tervezésnél Balogh János gépészmérnök, műszaki menedzser MSc., vezető programkoordinációs szakértő, MVM Paks

Részletesebben

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás, // KURZUS: Matematika II. MODUL: Valószínűség-számítás 22. lecke: A teljes valószínűség tétele és a Bayes-tétel Tananyag: Kiss Béla - Krebsz Anna: Lineáris algebra, többváltozós függvények, valószínűségszámítás,

Részletesebben

FIT-jelentés :: 2012. Montenuovo Nándor Szakközépiskola, Szakiskola és Kollégium 7754 Bóly, Rákóczi u. 2/a OM azonosító: 027445 Telephely kódja: 001

FIT-jelentés :: 2012. Montenuovo Nándor Szakközépiskola, Szakiskola és Kollégium 7754 Bóly, Rákóczi u. 2/a OM azonosító: 027445 Telephely kódja: 001 FIT-jelentés :: 2012 10. évfolyam :: Szakiskola Montenuovo Nándor Szakközépiskola, Szakiskola és Kollégium 7754 Bóly, Rákóczi u. 2/a Létszámadatok A telephely létszámadatai a szakiskolai képzéstípusban

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

Telephelyi jelentés. Mészöly Géza Általános Iskola Tagiskola 8171 Balatonvilágos, József Attila utca 119. OM azonosító: 037158 Telephely kódja: 002

Telephelyi jelentés. Mészöly Géza Általános Iskola Tagiskola 8171 Balatonvilágos, József Attila utca 119. OM azonosító: 037158 Telephely kódja: 002 FIT-jelentés :: 2010 6. évfolyam :: Általános iskola Mészöly Géza Általános Iskola Tagiskola 8171 Balatonvilágos, József Attila utca 119. Figyelem! A 2010. évi Országos kompetenciaméréstől kezdődően a

Részletesebben

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS Műszaki Földtudományi Közlemények, 83. kötet, 1. szám (2012), pp. 271 276. HULLADÉKOK TEHERBÍRÁSÁNAK MEGHATÁROZÁSA CPT-EREDMÉNYEK ALAPJÁN DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST

Részletesebben

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 6. MA3-6 modul. A statisztika alapfogalmai

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 6. MA3-6 modul. A statisztika alapfogalmai Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 6. MA3-6 modul A statisztika alapfogalmai SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999.

Részletesebben

Laboratóriumi vizsgálatok összehasonlító elemzése 2010-2013

Laboratóriumi vizsgálatok összehasonlító elemzése 2010-2013 Laboratóriumi vizsgálatok összehasonlító elemzése 2010-2013 dr. Kramer Mihály tanácsadó Magyar Diagnosztikum Gyártók és Forgalmazók Egyesülete (HIVDA) 2014.08.30 MLDT 57 Nyíregyháza 1 Célkitűzések Négy

Részletesebben

Két adatfelvétel: a szegény háztartások fogyasztási szokásai és a tulajdonosi jövedelmek szerkezete. Medgyesi Márton Tárki Zrt

Két adatfelvétel: a szegény háztartások fogyasztási szokásai és a tulajdonosi jövedelmek szerkezete. Medgyesi Márton Tárki Zrt Két adatfelvétel: a szegény háztartások fogyasztási szokásai és a tulajdonosi jövedelmek szerkezete Medgyesi Márton Tárki Zrt Vázlat 1.A szegény háztartások fogyasztási szokásai A kutatás célja Mintavétel

Részletesebben

FIT-jelentés :: 2011. Cecei Általános Iskola 7013 Cece, Árpád u. 3. OM azonosító: 038726 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Cecei Általános Iskola 7013 Cece, Árpád u. 3. OM azonosító: 038726 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Cecei Általános Iskola 7013 Cece, Árpád u. 3. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon Tanulók száma

Részletesebben

FIT-jelentés :: 2013. Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. OM azonosító: 036611 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2013. Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. OM azonosító: 036611 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Derkovits Gyula Általános Iskola 9700 Szombathely, Bem J u. 7. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

Statisztika I. 2. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 2. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 2. előadás Előadó: Dr. Ertsey Imre Statisztikai sorok Meghatározott szempontok szerint kiválasztott két vagy több logikailag összetartozó statisztikai adat, statisztikai sort képez. általában

Részletesebben

Korreláció és Regresszió

Korreláció és Regresszió Korreláció és Regresszió 9. elıadás (17-18. lecke) Korrelációs együtthatók 17. lecke Áttekintés (korreláció és regresszió) A Pearson-féle korrelációs együttható Korreláció és Regresszió (témakörök) Kapcsolat

Részletesebben

FIT-jelentés :: 2008. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola

FIT-jelentés :: 2008. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola FIT-jelentés :: 2008 10. évfolyam :: Szakközépiskola Xántus János Idegenforgalmi Gyakorló Középiskola és Szakképző Iskola 1055 Budapest, Markó u. 18-20. Matematika Országos kompetenciamérés 1 1 Átlageredmények

Részletesebben

FIT-jelentés :: 2013. Telephelyi jelentés. 8. évfolyam :: Általános iskola

FIT-jelentés :: 2013. Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2013 8. évfolyam :: Általános iskola Bulgárföldi Általános és Magyar - Angol Két Tanítási Nyelvű Iskola 3534 Miskolc, Fazola H u. 2. Létszámadatok A telephely létszámadatai az általános

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

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 1. A populációt a számunkra érdekes egységek (személyek, csalások, iskolák stb.) alkotják,

Részletesebben

FIT-jelentés :: 2013. Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. OM azonosító: 035252 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2013. Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. OM azonosító: 035252 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2013 10. évfolyam :: 4 évfolyamos gimnázium Karinthy Frigyes Gimnázium 1183 Budapest, Thököly u. 7. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10.

Részletesebben

FIT-jelentés :: 2010. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola

FIT-jelentés :: 2010. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola FIT-jelentés :: 2010 10. évfolyam :: Szakközépiskola Szegedi Ipari, Szolgáltató Szakképző és Általános Iskola Déri Miksa Tagintézménye 6724 Szeged, Kálvária tér 7. Figyelem! A 2010. évi Országos kompetenciaméréstől

Részletesebben

FIT-jelentés :: 2011. Kispesti Deák Ferenc Gimnázium 1192 Budapest, Gutenberg krt. 6. OM azonosító: 035253 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Kispesti Deák Ferenc Gimnázium 1192 Budapest, Gutenberg krt. 6. OM azonosító: 035253 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 10. évfolyam :: 4 évfolyamos gimnázium Kispesti Deák Ferenc Gimnázium 1192 Budapest, Gutenberg krt. 6. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban

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

ÁLTALÁNOS STATISZTIKA

ÁLTALÁNOS STATISZTIKA Berzsenyi Dániel Főiskola ÁLTALÁNOS STATISZTIKA Műszaki menedzser alapszak Példatár Dr. Kövesi János Tóth Zsuzsanna Eszter 2006 1 Valószínűségszámítási tételek, feltételes valószínűség, események függetlensége

Részletesebben

1. Metrológiai alapfogalmak. 2. Egységrendszerek. 2.0 verzió

1. Metrológiai alapfogalmak. 2. Egységrendszerek. 2.0 verzió Mérés és adatgyűjtés - Kérdések 2.0 verzió Megjegyzés: ezek a kérdések a felkészülést szolgálják, nem ezek lesznek a vizsgán. Ha valaki a felkészülése alapján önállóan válaszolni tud ezekre a kérdésekre,

Részletesebben

FIT-jelentés :: 2014. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola

FIT-jelentés :: 2014. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola FIT-jelentés :: 2014 10. évfolyam :: Szakközépiskola Puskás Tivadar Távközlési Technikum Infokommunikációs Szakközépiskola 1097 Budapest, Gyáli út 22. Létszámadatok A telephely létszámadatai a szakközépiskolai

Részletesebben

FIT-jelentés :: 2014. Dabasi II. Rákóczi Ferenc Általános Iskola 2371 Dabas, Rákóczi Ferenc utca 2. OM azonosító: 037749 Telephely kódja: 001

FIT-jelentés :: 2014. Dabasi II. Rákóczi Ferenc Általános Iskola 2371 Dabas, Rákóczi Ferenc utca 2. OM azonosító: 037749 Telephely kódja: 001 FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Dabasi II. Rákóczi Ferenc Általános Iskola 2371 Dabas, Rákóczi Ferenc utca 2. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban

Részletesebben

SZÁMÍTÁSOK A TÁBLÁZATBAN

SZÁMÍTÁSOK A TÁBLÁZATBAN SZÁMÍTÁSOK A TÁBLÁZATBAN Az Excelben az egyszerű adatok bevitelén kívül számításokat is végezhetünk. Ezeket a cellákba beírt képletek segítségével oldjuk meg. A képlet: olyan egyenlet, amely a munkalapon

Részletesebben

FIT-jelentés :: 2012. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2012. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2012 10. évfolyam :: 4 évfolyamos gimnázium Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. Létszámadatok A telephely létszámadatai a 4 évfolyamos gimnáziumi képzéstípusban a 10. évfolyamon

Részletesebben

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba

1. előadás. Lineáris algebra numerikus módszerei. Hibaszámítás Számábrázolás Kerekítés, levágás Klasszikus hibaanalízis Abszolút hiba Relatív hiba Hibaforrások Hiba A feladatok megoldása során különféle hibaforrásokkal találkozunk: Modellhiba, amikor a valóságnak egy közelítését használjuk a feladat matematikai alakjának felírásához. (Pl. egy fizikai

Részletesebben

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az

Részletesebben

B/21. számú melléklet TÁMOP 4.1.1 - Intézményi követelmények Diplomás Pályakövető Rendszer

B/21. számú melléklet TÁMOP 4.1.1 - Intézményi követelmények Diplomás Pályakövető Rendszer B/21. számú melléklet TÁMOP 4.1.1 - Intézményi követelmények Diplomás Pályakövető Rendszer 1. Támogatandó szakmai követelmények - pályakövető kutatások A pályakövetési vizsgálatok főbb elemei: hallgatói

Részletesebben

\'Agy\' Tanoda Két Tanítási Nyelvű Általános Iskola

\'Agy\' Tanoda Két Tanítási Nyelvű Általános Iskola 27 \'Agy\' Tanoda Két Tanítási Nyelvű Általános Iskola Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 8. évfolyam szövegértés Előállítás ideje: 28..23. 1:38:34 1 Az Önök telephelyének

Részletesebben

FIT-jelentés :: 2011. Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. OM azonosító: 035200 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2011. Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. OM azonosító: 035200 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Rózsakerti Általános Iskola 1223 Budapest, Rákóczi u. 16. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon

Részletesebben

FIT-jelentés :: 2012. Epreskerti Általános Iskola 4030 Debrecen, Epreskert u. 80. OM azonosító: 200020 Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: 2012. Epreskerti Általános Iskola 4030 Debrecen, Epreskert u. 80. OM azonosító: 200020 Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2012 6. évfolyam :: Általános iskola Epreskerti Általános Iskola 4030 Debrecen, Epreskert u. 80. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 6. évfolyamon

Részletesebben

FIT-jelentés :: 2012. Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. OM azonosító: 201629 Telephely kódja: 001

FIT-jelentés :: 2012. Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. OM azonosító: 201629 Telephely kódja: 001 FIT-jelentés :: 2012 8. évfolyam :: Általános iskola Szent Imre Katolikus Általános Iskola 6792 Zsombó, Móra Ferenc utca 8. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a

Részletesebben

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2015 6. évfolyam :: Általános iskola Baár-Madas Református Gimnázium, Általános Iskola és Kollégium 1022 Budapest, Lorántffy Zsuzsanna utca 3. Létszámadatok A telephely létszámadatai az

Részletesebben

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: 2014. Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2014 6. évfolyam :: Általános iskola Fáy András Református Általános Iskola és Alapfokú Művészeti Iskola 2217 Gomba, Iskola utca 2. Létszámadatok A telephely létszámadatai az általános

Részletesebben

Matematika kisérettségi I. rész 45 perc NÉV:...

Matematika kisérettségi I. rész 45 perc NÉV:... Matematika kisérettségi I. rész 45 perc NÉV:... 1. Az A halmaz elemei a háromnál nagyobb egyjegyű számok, a B halmaz elemei pedig a húsznál kisebb pozitív páratlan számok. Sorolja fel az halmaz elemeit!

Részletesebben

Készítette: Fegyverneki Sándor

Készítette: Fegyverneki Sándor VALÓSZÍNŰSÉGSZÁMÍTÁS Összefoglaló segédlet Készítette: Fegyverneki Sándor Miskolci Egyetem, 2001. i JELÖLÉSEK: N a természetes számok halmaza (pozitív egészek) R a valós számok halmaza R 2 {(x, y) x, y

Részletesebben

FIT-jelentés :: 2012. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola

FIT-jelentés :: 2012. Telephelyi jelentés. 10. évfolyam :: Szakközépiskola FIT-jelentés :: 2012 10. évfolyam :: Szakközépiskola Sághy Mihály Szakképző Iskola, Középiskola és Kollégium, a Csongrádi Oktatási Központ, Gimnázium, Szakképző Iskola és Kollégium Tagintézménye 6640 Csongrád,

Részletesebben