[Biomatematika 2] Orvosi biometria

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "[Biomatematika 2] Orvosi biometria"

Átírás

1 [Biomatematika 2] Orvosi biometria Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai. Elemi esemény: egyelemű részhalmaz. Összetett esemény: többelemű részhalmaz. 1

2 Egy kísérlet eredménye (16 dobás dobókockával). Eseménytér: Egy kísérlet lehetséges eredményeinek összessége (halmaza). 2

3 Elemi esemény: egyelemű részhalmaz. Összetett esemény: többelemű részhalmaz. 3

4 Populáció és minta Populáció (alapsokaság, sokaság): A vizsgálat tárgyát képező elemek összessége, amelynek tulajdonságaira egy részük (minta) vizsgálata alapján következtetünk. Minta: az alapsokaságból megvizsgálásra kiválasztott rész. mintavétel: a sokaságból véletlenszerűen kiválasztunk bizonyos számú elemet a kiválasztott elemek jellemzői: független kísérlet vagy megfigyelés eredményei azonos eloszlású független valószínűségi változóknak tekinthetők a minta reprezentatív minden mintának azonos valószínűsége van mintaközép (mintaátlag, számtani közép) A minta jellemzői = medián (sorba rendezett minta középső eleme) mintaterjedelem (a rendezett minta legkisebb és legnagyobb elemének különbsége (R) = szórásnégyzet (variancia, korrigált tapasztalati szórásnégyzet (n 10)) = ( ) 1 standard deviáció (A minta standard deviációja a populáció standard deviációjának torzítatlan becslése!) = ± ( ) 1 Az átlag standard hibája (a mintaeloszlás varianciája): az átlag reprodukálhatósága (az alkalmazott mérési módszer megbízhatóságáról informál) Várható érték 4

5 valószínűség Egy esemény relatív gyakorisága (a kísérlet többszöri ismétlését követően) egy bizonyos érték körül ingadozik, amit az esemény valószínűségének hívunk. A esemény valószínűsége (P(A): relatív gyakoriság): egy esemény gyakorisága (k) osztva az események teljes számával (n) (arányszám). P(A) Kombinatorika (hányféle módon lehet elrendezni objektumokat) n: elemszám minden elemet kiválasztunk k darab elemet választunk ki a sorrend fontos a sorrend nem fontos PERMUTÁCIÓ VARIÁCIÓ KOMBINÁCIÓ ismétlés nélküli =! =!! = =!!! ismétléses,, =!!!!,! =,! = + 5

6 Permutáció Sorba rendezés lehetőségeinek száma (sorrendbe írt sorozatok száma). Ismétlés nélküli permutációk száma egy n elemű halmaz esetén: =! (n*(n-1)*(n-2)*(n-3)..*1) lap szó betűinek sorrendbe állítása (3! = 6) lap, lpa, pla, pal, apl, alp számok sorrendbe állítása (4! = 24) #$ $# #$ #$ $# $#,,,,, * 4.. #. $. &. '. 32 lapos magyar kártya megkeverésének hányféle eredménye lehet? 32! = *10 35 Ismétléses permutációk száma egy n elemű, k darab azonosnak tekintett elemű komponens esetén:,,! = (n: összes elem száma; k r : r-edik fajtából való elemek száma; k 1 +k 2 +k 3 + k r = n)!!! sas szó betűinek sorrendbe állítása (3!/2! *1!= 6/2*1 = 3) sas, ssa, sas, ssa, ass, ass. baba szó betűinek sorrendbe állítása (4!/2!*2! = 24/4 = 6) (()), ()()., ())( #., ))(( $., )()(, )(() &. '.. 2 csomag magyar kártya megkeverésének hányféle eredménye lehet? (2*32)!/2! 32 = *10 79 Variáció n elem közül k darab kiválasztása. Sorrend fontos! ismétlés nélküli variáció: *! = (n: az összes eltérő elem száma, k: kiválasztott elemek (+)! száma). lap szóból kétbetűs egységek kirakása (3!/(3-2)! = 6) pl, pa, lp, la, ap, al ismétléses variáció: *, = (n: az összes eltérő elem száma (rendelkezésre álló elemek száma), k: kiválasztott elemek száma (kitöltendő elemek száma)) A magyar rendszámban lévő három betű variálhatóságának számossága (26 3 =17576) TOTÓ szelvény kitöltésének számossága 1,2,x variálása 14 sorban (3 14 = ) 6

7 kombináció Ismétlés nélküli kombináció: n különböző elemből álló halmazból képezhető k elemű részhalmazok számossága (sorrend nem fontos!), = - =! (n: az összes eltérő elem száma, k: kiválasztott elemek száma). Sorrend nem!(+)! fontos! 32 kártyalapból négyes leosztással hány kombináció lehetséges (32!/(4!(32-4)!)= kártyalapból kettes leosztással hány kombináció lehetséges (51!/(2!(51-2)!)= ös lottó 5 találatos szelvényeinek lehetséges száma (90!/(5!(90-5)!)= Ismétléses kombináció: Az n különböző elemet tartalmazó halmaz összes különböző k-ad osztályú ismétléses kombinációinak száma: A valószínűség jellemzői 0 P A 1 P Ω = 1 (a biztos esemény valószínűsége) P = 0 (a lehetetlen esemény valószínűsége) Egymást nem kizáró (együtt előfordulható) események A és B együttes bekövetkezése megtörténhet P A+B = P A +P B P A B Egymást kizáró (együtt elő nem forduló) események A és B együttes bekövetkezése nem történik meg: P(A*B)=0 P A+B = P A +P B P A4 = 1 P(A) (P A4 :komplementer esemény) 7

8 Egymást kizáró események A és B esemény együtt nem valósulhat meg: P A+B = P A +P B pl. kockadobás eredménye 2 vagy 4 egy kocka használata esetén. P(x=1): 1/6 P(x=2): 1/6 P(x=3): 1/6 P(x=4): 1/6 P(x=5): 1/6 P(x=6): 1/6 P(x=2 vagy 4) = 1/6 + 1/6 = 2/6 = 33.3% Egymást nem kizáró események A és B esemény együtt is megvalósulhat : P A+B = P A +P B P A B pl. kockadobás eredménye 2 vagy 4 két kocka használata esetén. k = 20, n = 36 P(x=2 vagy 4) = 20/36 = 55.5% P(x=2 vagy 4) = 11/ /36 2/36 = 20/36 = 55.5% 8

9 Újabb kockadobás A esemény: a dobott pontszám páratlan B esemény a dobott pontszám 4-nél nagyobb Kérdések: P(A), P(B), P(A*B), P(A+B) eseménytér: {1; 2; 3; 4; 5; 6}, az összes esetek száma: 6 A: {1; 3; 5} B: {5; 6} A*B: {5} (A és B esemény együttes (egyszerre történő) megvalósulása) A+B: {1; 3; 5; 6} (A vagy B esemény megvalósulása) P(A) = 3/6 = 0.5 P(B) = 2/6 = 0.33 P(A*B) = 1/6 = P(A+B) = 4/6 = 0.66 P(A+B) = 3/6 + 2/6 1/6 = 4/6 Valószínűségi változó Egy statisztikai mennyiség (egy kísérlet, esemény kimenetele, melyet a véletlen befolyásol) mely tetszőleges értéket vehet fel (diszkrét vagy folytonos) és nem becsülhető meg biztosan csak valószínűsíthető. Ha egy véletlen eseményhez (az eseményt befolyásoló összes tényezőt nem ismerjük) számszerű értéket rendelünk, akkor egy véletlentől függő változót, valószínűségi változót kapunk. Elemi eseményekhez rendelt számérték. Véletlentől függő számértékeket felvevő változókat valószínűségi változóknak nevezzük (jelölés: ξ, η, x). pl. vérnyomás, vércukor, magasság, kockadobás eredménye, levegő hőmérséklete. 9

10 Valószínűségi változó típusai Eloszlási függvényük alapján Diszkrét valószínűségi változó A lehetséges értékek száma véges, megszámlálható (pl. kockadobás eredménye, újszülöttek neme) Eloszlási függvényük diszkrét értékeket vehet fel (lépcsős eloszlási függgvény) Binomiális eloszlás, Poisson eloszlás, Hipergeometrikus eloszlás, Polinomiális eloszlás Folytonos valószínűségi változó A lehetséges értékek száma végtelen (bármely érték egy intervallumon belül) (pl. testhőmérséklet, vérnyomás) Eloszlási függvényük folytonos Normál eloszlás, Exponenciális eloszlás, Egyenletes eloszlás Eloszlási függvény Egy ξ valószínűségi változó eloszlásfüggvényén a következő függvényt értjük: B() = C(- < ) Ez a függvény minden x értékre megadja annak a valószínűségét, hogy a valószínűségi változó (-) x-nél kisebb értéket vesz fel. Diszkrét valószínűségi változó eloszlásfüggvénye lépcsős függvény. 10

11 Eloszlási függvény jellemzői monoton növekvő: B B,FG > lim +K B = 0 lim K B = 1 minden helyen balról folytonos: lim L +M B =B M Eloszlási függvény diszkrét valószínűségi változó esetén Két kocka dobása eredményének összege. (N) (N) OPOQRSí (N) /36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36 15/36 7 6/36 21/36 8 5/36 26/36 9 4/36 30/ /36 33/ /36 35/ /36 36/36 11

12 Diszkrét valószínűségi változó eloszlása X eloszlás: C(k = ) Diszkrét valószínűségi változó eloszlásfüggvénye B = C(- < ) B () /36 30/36 35/36 33/36 36/ / / / / /36 1/36 0/

13 Várható érték Egy valós szám mely körül egy kísérlet várható eredményeinek átlaga ingadozik (E(X), M(x), M, µ, m x, m). diszkrét valószínűségi változó várható értéke súlyozott átlaga a valószínűségi változó várható értékeinek (x). M = U x folytonos valószínűségi változó várható értéke Y M x = V+ W X Kockadobás várható értéke M x = U N! Z! 1 1/6 2 1/6 3 1/6 4 1/6 5 1/6 6 1/6 M x = 1 ' + 2 ' + 3 ' + 4 ' + 5 ' + 6 ' =

14 vége 14

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

A valószínűségszámítás elemei

A valószínűségszámítás elemei Alapfogalmak BIOSTATISZTIKA ÉS INFORMATIKA A valószínűségszámítás elemei Jelenség: minden, ami lényegében azonos feltételek mellett megismételhető, amivel kapcsolatban megfigyeléseket lehet végezni, lehet

Részletesebben

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

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

Részletesebben

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás

Biometria az orvosi gyakorlatban. Számítógépes döntéstámogatás SZDT-01 p. 1/23 Biometria az orvosi gyakorlatban Számítógépes döntéstámogatás Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Gyakorlat SZDT-01 p.

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

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

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes

Részletesebben

Környezet statisztika

Környezet statisztika Környezet statisztika Permutáció, variáció, kombináció k számú golyót n számú urnába helyezve hányféle helykitöltés lehetséges, ha a golyókat helykitöltés Minden urnába akárhány golyó kerülhet (ismétléses)

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. Előadás. Vereb György, DE OEC BSI, október 12. 6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás

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

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

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

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

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI, Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

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

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

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

Részletesebben

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 2 II. A valószínűségi VÁLTOZÓ És JELLEMZÉsE 1. Valószínűségi VÁLTOZÓ Definíció: Az leképezést valószínűségi változónak nevezzük, ha

Részletesebben

Feladatok és megoldások az 1. sorozat Építőkari Matematika A3

Feladatok és megoldások az 1. sorozat Építőkari Matematika A3 Feladatok és megoldások az 1. sorozat Építőkari Matematika A3 1. Tegyük fel, hogy A és B egymást kölcsönösen kizáró események, melyekre P{A} = 0.3 és P{B} = 0.. Mi a valószínűsége, hogy (a A vagy B bekövetkezik;

Részletesebben

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József

Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Matematika III. 4. : A valószínűségi változó és jellemzői Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul

Részletesebben

Valószínűségszámítás

Valószínűségszámítás European Virtual Laboratory of Mathematics Project No. 2006 - SK/06/B/F/PP - 177436 Európai Virtuális Matematikai Laboratórium Árvai- Homolya Szilvia Valószínűségszámítás EVML e-könyvek Miskolc 2008 Sorozat

Részletesebben

Matematika A4 I. gyakorlat megoldás

Matematika A4 I. gyakorlat megoldás Matematika A I. gyakorlat megoldás 1. Kombinatorikus módszer ismétlés nélküli ismétléses permutáció n! n! k 1!k 2!...k r! n futó beérkezésének sorrendje n golyót ennyiféleképpen állíthatunk sorba, ha k

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

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 4. MA3-4 modul. A valószínűségi változó és jellemzői Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 4. MA3-4 modul A valószínűségi változó és jellemzői SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Feladatok és megoldások a 8. hétre Építőkari Matematika A3

Feladatok és megoldások a 8. hétre Építőkari Matematika A3 Feladatok és megoldások a 8. hétre Építőkari Matematika A3 1. Oldjuk meg a következő differenciálegyenlet rendszert: x + 2y 3x + 4y = 2 sin t 2x + y + 2x y = cos t. (1 2. Oldjuk meg a következő differenciálegyenlet

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

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

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

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel

Részletesebben

Matematika III. Nagy Károly 2011

Matematika III. Nagy Károly 2011 Matematika III előadások összefoglalója (Levelezős hallgatók számára) Nagy Károly 20 . Kombinatorika.. Definíció. Adott n darab egymástól különböző elem. Ezeknek egy meghatározott sorrendjét az n elem

Részletesebben

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5

Backhausz Ágnes 1. Bevezetés A valószínűség elemi tulajdonságai... 5 Valószínűségszámítás Földtudomány BSc szak, 2016/2017. őszi félév Backhausz Ágnes agnes@cs.elte.hu Tartalomjegyzék 1. Bevezetés 2 2. A Kolmogorov-féle valószínűségi mező 3 2.1. Klasszikus valószínűségi

Részletesebben

Definíció n egymástól megkülönböztethető elem egy sorrendjét az n elem egy (ismétlés nélküli) permutációjának nevezzük.

Definíció n egymástól megkülönböztethető elem egy sorrendjét az n elem egy (ismétlés nélküli) permutációjának nevezzük. 9. Kombinatorika 9.1. Permutációk n egymástól megkülönböztethető elem egy sorrendjét az n elem egy (ismétlés nélküli) permutációjának nevezzük. n elem ismétlés nélküli permutációinak száma: P n = =1 2

Részletesebben

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 8. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 8. Valószínűség-számítás II. Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25

36 0,3. Mo.: 36 0,19. Mo.: 36 0,14. Mo.: 32 = 0,9375 32 = 0,8125 32 = 0,40625. Mo.: 32 = 0,25 Valószínűségszámítás I. Kombinatorikus valószínűségszámítás. BKSS 4... Egy szabályos dobókockát feldobva mennyi annak a valószínűsége, hogy a -ost dobunk; 0. b legalább 5-öt dobunk; 0, c nem az -est dobjuk;

Részletesebben

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44.

Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. Dr. Vincze Szilvia Az ész természetéhez tartozik, hogy a dolgokat nem mint véletleneket, hanem mint szükségszerűeket szemléli (Spinoza: Etika, II. rész, 44. tétel) Környezetünkben sok olyan jelenséget

Részletesebben

A biomatematika alapjai és a kapcsolódó feladatok megoldása számítógép segítségével Abonyi-Tóth Zsolt, 2005-2006 készült Harnos Andrea, Reiczigel Jenő zoológus előadásainak valamint Fodor János és Solymosi

Részletesebben

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok

VALÓSZÍNŰSÉGSZÁMÍTÁS. MSc. Órai Feladatok VALÓSZÍNŰSÉGSZÁMÍTÁS MSc Órai Feladatok 1. Feladat (Diszkrét eloszlás) Ketten kosárlabdáznak. Az A játékos 0,4 a B játékos 0,3 valószínűséggel dob kosarat. A dobást A kezdi és felváltva dobnak egymás után.

Részletesebben

Tartalomjegyzék Szitaformulák Példák a szitaformulára Mintavételezés Bayes-tétel... 17

Tartalomjegyzék Szitaformulák Példák a szitaformulára Mintavételezés Bayes-tétel... 17 Valószínűségszámítás Földtudomány szak, 2015/2016. tanév őszi félév Backhausz Ágnes (ELTE TTK Valószínűségelméleti és Statisztika Tanszék)1 Tartalomjegyzék 1. Valószínűségi mező 3 1.1. Példák valószínűségi

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:

Részletesebben

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat.

A következő feladat célja az, hogy egyszerű módon konstruáljunk Poisson folyamatokat. Poisson folyamatok, exponenciális eloszlások Azt mondjuk, hogy a ξ valószínűségi változó Poisson eloszlású λ, 0 < λ

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

Eseményalgebra, kombinatorika

Eseményalgebra, kombinatorika Eseméyalgebra, kombiatorika Eseméyalgebra Defiíció. Véletle kísérletek evezük mide olya megfigyelést, melyek több kimeetele lehetséges, és a véletletől függ, (azaz az általuk figyelembevett feltételek

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

Részletesebben

Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József

Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József Matematika III. 2. : Eseményalgebra Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027 Tananyagfejlesztéssel

Részletesebben

Példa a report dokumentumosztály használatára

Példa a report dokumentumosztály használatára Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............

Részletesebben

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

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

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 1. MA3-1 modul. Kombinatorika

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 1. MA3-1 modul. Kombinatorika Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematika III. 1. MA3-1 modul Kombinatorika SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999. évi LXXVI.

Részletesebben

Matematikai statisztika Tómács Tibor

Matematikai statisztika Tómács Tibor Matematikai statisztika Tómács Tibor Matematikai statisztika Tómács Tibor Publication date 2011 Szerzői jog 2011 Hallgatói Információs Központ Copyright 2011, Educatio Kht., Hallgatói Információs Központ

Részletesebben

Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS

Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS Valószínűségszámítás és Statisztika I. zh. 2014. november 10. - MEGOLDÁS 1. Kihasználva a hosszasan elhúzódó jó időt, kirándulást szeretnénk tenni az ország tíz legmagasabb csúcsa közül háromra az elkövetkezendő

Részletesebben

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

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

Részletesebben

Példák: tojások száma egy madárfészekben (egy adott madárfaj esetén), egy egyed testhőmérséklete (adott faj és ivar esetén), a következő buszon az uta

Példák: tojások száma egy madárfészekben (egy adott madárfaj esetén), egy egyed testhőmérséklete (adott faj és ivar esetén), a következő buszon az uta Valószínűségi változók (véletlen változók, random variables) Változó: Névvel ellátott érték. (Képzeljünk el egy fiókot. A fiók címkéje a változó neve, a fiók tartalma pedig a változó értéke.) Valószínűségi

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok

Matematikai alapok és valószínőségszámítás. Valószínőségszámítási alapok Matematikai alapok és valószínőségszámítás Valószínőségszámítási alapok Bevezetés A tudományos életben vizsgálódunk pontosabb megfigyelés, elırejelzés, megértés reményében. Ha egy kísérletet végzünk, annak

Részletesebben

Matematika 11. évfolyam

Matematika 11. évfolyam Matematika 11. évfolyam Tanmenet Másodfokúra visszavezethető magasabb rendű egyenletek, másodfokú egyenletrendszerek 1. Másodfokú egyenletek (ismétlés) 2. Másodfokú egyenletrendszerek (behelyettesítő módszer)

Részletesebben

Biometria gyakorló feladatok BsC hallgatók számára

Biometria gyakorló feladatok BsC hallgatók számára Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90

Részletesebben

AGRÁRMÉRNÖK SZAK Alkalmazott matematika, II. félév Összefoglaló feladatok 2. 4. A síkban 16 db általános helyzetű pont hány egyenest határoz meg?

AGRÁRMÉRNÖK SZAK Alkalmazott matematika, II. félév Összefoglaló feladatok 2. 4. A síkban 16 db általános helyzetű pont hány egyenest határoz meg? KOMBINATORIKA FELADATSOR 1 1. Hányféleképpen rendezhető egy sorba egy óvodás csoport ha 9 lány és 6 fiú van és a lányokat mindig előre akarjuk állítani? 2. Hány 6-jegyű telefonszám van ahol mind 35-tel

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

Kombinatorika gyakorló feladatok

Kombinatorika gyakorló feladatok Kombinatorika gyakorló feladatok Egyszerűbb gyakorló feladatok 1. Három tanuló reggel az iskola bejáratánál hányféle sorrendben lépheti át a küszöböt? P = 3 2 1 = 6. 3 2. Hány különböző négyjegyű számot

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

Gyakorló feladatok a 2. dolgozathoz

Gyakorló feladatok a 2. dolgozathoz Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:

Részletesebben

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / tanév 9. évfolyam I. Halmazok Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 2016 / 2017. tanév 1. Halmaz, részhalmaz fogalma, részhalmazok száma, jelölések 2. Intervallumok 3. Halmazműveletek

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő

Részletesebben

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

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

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Feladatok Gazdaságstatisztika 7. Statisztikai becslések (folyt.); 8. Hipotézisvizsgálat

Részletesebben

Matematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József

Matematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József Matematika III. 3. A valószínűségszámítás elemei Prof. Dr. Závoti, József Matematika III. 3. : A valószínűségszámítás elemei Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027

Részletesebben

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 3. MA3-3 modul. A valószínűségszámítás elemei

Nyugat-magyarországi Egyetem Geoinformatikai Kara. Prof. Dr. Závoti József. Matematika III. 3. MA3-3 modul. A valószínűségszámítás elemei Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof Dr Závoti József Matematika III 3 MA3-3 modul A valószínűségszámítás elemei SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról szóló 1999

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

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

Néhány kockadobással kapcsolatos feladat 1 P 6

Néhány kockadobással kapcsolatos feladat 1 P 6 Néhány kockadobással kapcsolatos feladat Feldobunk egy kockát. Az eseménytér: ; 2; ; ; ; Az összes esetek száma:. Feldobunk egy kockát. Mi a valószínűsége, hogy hatost dobunk? A kedvező esetek száma: (hatost

Részletesebben

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció

Részletesebben

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból

Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból Osztályozó- és javítóvizsga témakörei MATEMATIKA tantárgyból 9. évfolyam I. Halmazok 1. Alapfogalmak, jelölések 2. Halmaz, részhalmaz fogalma, részhalmazok száma, jelölések 3. Nevezetes számhalmazok (N,

Részletesebben

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

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

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

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

Matematikai statisztikai elemzések 3.

Matematikai statisztikai elemzések 3. Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzek 3. MSTE3 modul Becslelmélet: alapfogalmak, nevezetes statisztikák, intervallum-becsl SZÉKESFEHÉRVÁR

Részletesebben

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat

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

Tanmenet a Matematika 10. tankönyvhöz

Tanmenet a Matematika 10. tankönyvhöz Tanmenet a Matematika 10. tankönyvhöz (111 óra, 148 óra, 185 óra) A tanmenetben olyan órafelosztást adunk, amely alkalmazható mind a középszintû képzés (heti 3 vagy heti 4 óra), mind az emelt szintû képzés

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

Bevezető Mi a statisztika? Mérés Csoportosítás Gazdaságstatisztika 1. előadás Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.bmf.hu) Fogadóóra: szerda 11:30 11:55, TA125 Gyakorlatvezető

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

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA 1 SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA Heti óraszám: 3 Éves óraszám: 37 x 3 = 111 A tanmenet 101 óra beosztását tartalmazza. A dolgozatok írása és javítása 10 órát foglal

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

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

Diszkrét idejű felújítási paradoxon

Diszkrét idejű felújítási paradoxon Magda Gábor Szaller Dávid Tóvári Endre 2009. 11. 18. X 1, X 2,... független és X-szel azonos eloszlású, pozitív egész értékeket felvevő valószínűségi változó (felújítási idők) P(X M) = 1 valamilyen M N

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

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

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

Valószínűségszámítás

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

Részletesebben

KVANTITATÍV MÓDSZEREK

KVANTITATÍV MÓDSZEREK BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM Gazdaság- és Társadalomtudományi Kar Üzleti Tudományok Intézet Dr. Kövesi János Erdei János Dr. Tóth Zsuzsanna Eszter Dr. Jónás Tamás KVANTITATÍV MÓDSZEREK

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

Valószínűségszámítás 1. RÉSZ Valószínűségek és diszkrét valószínűségi változók

Valószínűségszámítás 1. RÉSZ Valószínűségek és diszkrét valószínűségi változók Valószínűségszámítás. RÉSZ Valószínűségek és diszkrét valószínűségi változók jegyzet Vetier András 06. október 7. Tartalomjegyzék. Esemény, valószínűség (. hét) 5.. Kimenetelek................................................

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

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