A matematikai statisztika elemei

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A matematikai statisztika elemei"

Átírás

1 A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá Pao Egyetem, Veszprém március 23.

2 2

3 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés Alapfogalmak Itervallumbecslések A valószí½uség becslése A várható érték becslése ismert szórás eseté A várható érték becslése ismeretle szórás eseté A szórás becslése Összefoglaló képletgy½ujteméy Megbízhatósági itervallumok Táblázatok ### Stat-itervC.tex, , 17:10 Bevezetés Nem elméleti vizsgálatok (fejtegetések), haem a téyleges mért értékek kiértékelése következik. Alapfogalmak 0.1. De íció. Statisztikai mita: egy meyiség ( v.v.) többszöri mérésekor kapott eredméyek. A papíro X 1 ; :::; X (1) 3

4 4 TARTALOMJEGYZÉK valós számok, elméletileg pedig X 1 ; :::; X valószí½uségi változók. A feti mita szabadsági foka s : 1. (2) 0.2. De íció. (i) Empirikus (tapasztalati, gör.) várható érték: : X 1 + ::: + X a szokásos "számtai közép". (ii) Empirikus (tapasztalati) szóráségyzet: (3) 2 : 1 X i1 X i 2 X ::: + X 2 (4) (iii) Korrigált (javított) empirikus (tapasztalati) szóráségyzet: ( ) 2 : 1 2 X ::: + X 2 1 (5) 0.3. Tétel. Az empirikus szóráségyzet egyszer½ubbe is kiszámolható: X ::: + X 2 (ld. a (3) képletet), és e feledjük: a korrigált empirikus szóráségyzet (5) alapjá ( ) 2 : 1 2. (7) 2 (6) 0.4. Példa. 12 mérést végeztük: fx 1 ; :::; X 12 g f20:0; 20:2; 20:4; 20:7; 20:7; 21:0; 21:1; 21:3; 21:4; 21:4; 21:4; 21:5g, tehát 12 és s 1. Az empirikus (tapasztalati) várható érték: 20:0 + 20:2 + 20:4 + 20:7 + 20:7 + 21:0 + 21:1 + 21:3 + 21:4 + 21:4 + 21:4 + 21: :925,

5 TARTALOMJEGYZÉK 5 a tapasztalati égyzetes várható érték: 2 20: : : : : : : : : : : : : , a tapasztalati szóráségyzet és szórás (6) szerit: :101 20: :2454, q 2 2 p 0: :4954, a korrigált (tapasztalati) szóráségyzet és szórás (5) szerit ( ) (438:101 20:9252 ) 0:2677, r p 0:2677 0:5174. Itervallumbecslések Általáos probléma: 0.5. Probléma. A kapott statisztikai mita alapjá adjuk meg a valós számok egy olya [a; b] itervallumát, amelybe a vizsgált jeleség egy bizoyos mér½oszáma (pl. valószí½uség, várható érték, szórás, stb.) egy adott valószí½uséggel beleesik: P (a < < b) 1 " (8) ahol 0 < " < 1 adott (tetsz½oleges) szám De íció. A feti [a; b] itervallumot megbízhatósági (ko decia) itervallumak evezzük, az " számot hiba- vagy t½uréshatárak, az 1 " meyiséget pedig megbízhatósági szitek Megjegyzés. Általába a mita elemszámáak () övelésével az [a; b] itervallum csökke, míg a hibahatár (") csökketésekor az [a; b] itervallum övekszik. Speciális eseteket és példákat az alábbi alfejezetekbe látuk.

6 6 TARTALOMJEGYZÉK A valószí½uség becslése 0.8. Probléma. Egy A eseméy (kísérlet) p P (A) valószí½uségére keresük adott " > 0 mellett megbízhatósági itervallumot: P (a < p < b) 1 " (9) 0.9. Tétel. Ha akkor függetle kísérletb½ol k esetbe következett be az A eseméy, és elég agy 1), akkor a keresett itervallum: k k [a; b] ; + (10) ahol u " p s k 1 és az u " szám kielégíti a " (u " ) 1 2 egyel½oséget (visszakereshet½o a táblázatból). k (11) (12) Példa. Egy mitába 30 mukadarabból 10 db volt selejtes. Adjuk meg a selejt p valószí½uségéek 95% -os megbízhatósági itervallumát! " Megoldás: Tehát " 0:05, u " -t az (u " ) 1 0:975 összefüggés 2 (ld.(12)) és a táblázat alapjá határozhatjuk meg: u " 1:96. (10) és (11) alapjá s p 1: : , 30 a 10 0: : , 30 b : : , 30 tehát a 0.9. Tétel alapjá P (0:164 < p < 0:502) 0:95, (13) vagyis 95% biztosággal modhatjuk, hogy a selejt aráya (valószí½usége, p) 0:164 és 0:502 közés esik. 1 ) legye legalább 30, de ikább > 200 a taácsos!

7 TARTALOMJEGYZÉK Megjegyzés. (i) A feti példába (a mérések száma) elég kicsi, továbbá a hibahatár (") is elég sz½uk (kicsi), ez magyarázza a kapott [a; b] [0:164 ; 0:502] itervallum aráylag agy méretét! (ii) A(z) (12) egyel½oség potosa azt jeleti, hogy az 2 N (0; 1) stadard ormális eloszlásra teljesül az P ( u " < < u " ) 1 " (14) egyel½oség. (iii) A(z) alapul Tétel a agy számokra voatkozó Moivre-Laplace tétele A várható érték becslése ismert szórás eseté Probléma. Adott " hibahatárhoz adjuk meg [a; b] ko decia itervallumot várható értékére, m re, HA -r½ol tudjuk, hogy ormális eloszlású ÉS adott szórása, vagyis P (a m b) 1 ". (15) Tétel. A keresett itervallum [a; b] u " p ; + u " p (16) ahol az u " valós szám kielégíti a(z) (12) egyel½oséget (visszakereshet½o a táblázatból) Példa. Egy vegyület 1kg meyiségébe az oxigétartalom () ormális eloszlást követ, szórását tudjuk: 3g. 12 mérést végeztük: fx 1 ; :::; X 12 g f20:0; 20:2; 20:4; 20:7; 20:7; 21:0; 21:1; 21:3; 21:4; 21:4; 21:4; 21:5g. Adjuk meg egy olya itervallumot, amelybe az oxigétartalom 95% eséllyel beleesik. Megoldás: Az ismert adatok: 12, D () 3, m M ()?, " 5% 0:05. Mivel ormális eloszlású és szórását ismerjük, ezért a(z) Tétel (16) képletét alkalmazzuk. A táblázatból (12) szerit olya u " u 0:05 valós számot kell (vissza)keresük, 0:05 amelyre (u 0:05 ) 1 0:975 ahoa u 2 0:05 1:96. Továbbá, (3) szerit

8 8 TARTALOMJEGYZÉK 20:0 + 20:2 + 20:4 + 20:7 + 20:7 + 21:0 + 21:1 + 21:3 + 21:4 + 21:4 + 21:4 + 21: :925, p p 3 0: , 12 (16) alapjá a 20:925 1:96 0: : és b 20: :96 0: : Tehát a 12 mérés és a Tétel alapjá m M () értékére kaptuk, hogy vagyis szavakba: P (19:228 < m < 22:622) > 1 " 0:95, (17) " A 12 mérés és az ismert iformációk ( ormális és D () 0:3) alapjá 95% biztosággal állíthatjuk, hogy az oxigétartalom (M ()): 19:228 és 22:622 közé esik! " A várható érték becslése ismeretle szórás eseté Probléma. Adott " hibahatárhoz adjuk meg [a; b] ko decia itervallumot várható értékére, m re, HA -r½ol tudjuk, hogy ormális eloszlású ÉS szórása ismeretle, a(z) (15) összefüggés mitájára Tétel. A keresett itervallum [a; b] t " p ; + t " p (18) ahol t " értékét az 1 -szabadságfokú Studet eloszlás (más éve: t- eloszlás) táblázatából keressük ki Példa. Egy bizoyos típusú TV készülék fogyasztása () ormális eloszlást követ, szórását em tudjuk, 12 mérést végeztük: X 1 ; :::; X 12 20:0, 20:2, 20:4, 20:7, 20:7, 21:0, 21:1, 21:3, 21:4, 21:4, 21:4, 21:5. Adjuk meg egy olya itervallumot, amelybe a fogyasztás 95% eséllyel beleesik. Megoldás: Az ismert adatok: 12, a szabadsági fok s 1 11, m M ()?, " 5% 0:05. Mivel ormális eloszlású és szórását em ismerjük, ezért a(z) Tétel (18) képletét alkalmazzuk. A táblázat szerit az " 0:05 és az s 11 értékekhez t 0:05 2:201 tartozik.

9 TARTALOMJEGYZÉK 9, 2 és értékét az 0.4. Példába már kiszámoltuk, így p 0:5174 p 12 0:1494, és végül (18) alapjá a 20:925 2:201 0: :5962, b 20: :201 0: :2538. Tehát a 12 mérés és a Tétel alapjá m M () értékére kaptuk, hogy vagyis szavakba: P (20:596 < m < 21:254) > 1 " 0:95, (19) " A 12 mérés és az ismert iformáció ( ormális) alapjá 95% biztosággal állíthatjuk, hogy a fogyasztás (M ()) 20:596 és 21:254 közé esik! " A szórás becslése Probléma. Adott " hibahatárhoz adjuk meg [a; b] ko decia itervallumot szóráségyzetére illetve szórására, HA -r½ol csak ayit tuduk, hogy ormális eloszlású, a(z) (15) összefüggés mitájára Tétel. A szóráségyzet keresett itervalluma " # a 2 ; b 2 ( ) 2 ( ) 2 ; 2 "2 2 1 "2 (20) míg a szórás itervalluma [a; b] " p "2 ; p # 1 "2 (21) ahol 2 "2 és 2 1 "2 értékeit az 1 -szabadságfokú 2 -eloszlás táblázatából keressük ki Példa. A csimpázkölykök testsúlya ormális eloszlású, legutóbbi mérésél a következ½o mitát kaptuk: X 1 ; :::; X 12 20:0, 20:2, 20:4, 20:7, 20:7, 21:0, 21:1, 21:3, 21:4, 21:4, 21:4, 21:5. Adjuk meg egy olya itervallumot, amelybe a testsúly szórása 95% eséllyel beleesik.

10 10 TARTALOMJEGYZÉK Megoldás: Az ismert adatok: 12, a szabadsági fok s 1 11, " 5% 0:05. Mivel ormális eloszlású és szórását becsüljük, ezért a(z) Tétel (20) és (21) képleteit alkalmazzuk. A 2 táblázat szerit az "2 0:025, 1 "2 0:975 és s 11 adatokhoz a 2 "2 2 0:025 21:920 és 2 1 "2 2 0:975 3:816 (22) értékek tartozak, továbbá 0:025 p 21:920 4:6819 és 0:975 p 3:816 1: (23), 2 és értékét az 0.4. Példába már kiszámoltuk, így a 2 ( ) 2 2 "2 12 0: :920 0:1466, b 2 ( ) "2 12 0:2677 3:816 0:8418, továbbá a p 0:1466 0:3829 és b p 0:8418 0:9175, tehát (20) alapjá P 0:1466 < D 2 () < 0:8418 > 1 " 0:95 (24) és (21) alapjá P (0:3829 < D () < 0:9175) > 1 " 0:95, (25) vagyis szavakba: " A 12 mérés és az ismert iformáció ( ormális) alapjá 95% biztosággal állíthatjuk, hogy a testsúlyok szóráségyzete (D 2 ()) 0:1466 és 0:8418 közé esik, míg szórása (D ()) 0:3829 és 0:9175 közé esik! "

11 TARTALOMJEGYZÉK 11 Összefoglaló képletgy½ujteméy A vizsgá kizárólag az alábbi oldalt és a táblázatokat lehet (kiyomtatva) haszáli: Megbízhatósági itervallumok Valószí½uség: k ; k + ahol u " p s k 1 k és (u " ) 1 " 2 Várható érték (szórás ismert): u " p ; + u " p Várható érték (szórás ismeretle): t " p ; + t " p ahol t " a Studet táblázatból (s 1 szabadságfokú), Szórás " p "2 ; p # 1 "2 ahol 2 "2 és 2 1 "2 a 2 -táblázatból (s 1 szabadságfokú).

12 12 TARTALOMJEGYZÉK Táblázatok

13 TARTALOMJEGYZÉK 13

14 14 TARTALOMJEGYZÉK eof

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

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

Részletesebben

Hipotézis-ellenırzés (Statisztikai próbák)

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

Részletesebben

7. el adás Becslések és minta elemszámok. 7-1. fejezet Áttekintés

7. el adás Becslések és minta elemszámok. 7-1. fejezet Áttekintés 7. el adás Becslések és mita elemszámok 7-1. fejezet Áttekités 7-1 Áttekités 7- A populáció aráy becslése 7-3 A populáció átlag becslése: σismert 7-4 A populáció átlag becslése: σem ismert 7-5 A populáció

Részletesebben

Kutatói pályára felkészítı modul

Kutatói pályára felkészítı modul Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI

Részletesebben

Statisztikai hipotézisvizsgálatok

Statisztikai hipotézisvizsgálatok Statisztikai hipotézisvizsgálatok. Milye problémákál haszálatos? A gyakorlatba agyo gyakra szükségük lehet arra, hogy mitákból származó iformációk alapjá hozzuk sokaságra voatkozó dötéseket. Például egy

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószí ségszámítás és statisztika oktatási segédayag Kupá Pál Tartalomjegyzék fejezet Valószí ségszámítási alapfogalmak 5 Eseméyek 5 M veletek eseméyekkel 5 2 A valószí ség fogalma 7 3 Valószí ségi változók

Részletesebben

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk, A deceber -i gyakorlat téája A hipotézisvizsgálat fotos probléája a következő két kérdés vizsgálata. a) Egy véletle eyiség várható értékéek agyságáról va bízoyos feltevésük. Elleőrizi akarjuk e feltevés

Részletesebben

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható 8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.

Részletesebben

Komputer statisztika

Komputer statisztika Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................

Részletesebben

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések

Részletesebben

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz

Részletesebben

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk; Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:

Részletesebben

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai 05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:

Részletesebben

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó. I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.

Részletesebben

MÉRÉSMETODIKAI ALAPISMERETEK FIZIKA. kétszintű érettségire felkészítő. tanfolyamhoz

MÉRÉSMETODIKAI ALAPISMERETEK FIZIKA. kétszintű érettségire felkészítő. tanfolyamhoz MÉRÉSMETODIKAI ALAPISMERETEK a FIZIKA kétszitű érettségire felkészítő tafolyamhoz A fizika mukaközösségi foglalkozásoko és a kétszitű érettségi való vizsgáztatásra felkészítő tafolyamoko 004-009-be elhagzottak

Részletesebben

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn Feladatok közepek közötti egyelőtleségekre (megoldások, megoldási ötletek) A továbbiakba szmk=számtai-mértai közép közötti egyelőtleség, szhk=számtaiharmoikus közép közötti egyelőtleség, míg szk= számtai-égyzetes

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

KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN

KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN DR. REICHART OLIVÉR 005. Budapest Lektorálta: Zukál Edre Tartalom BEVEZETÉS 3. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK 5.. Kombiatorikai alapösszefüggések

Részletesebben

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt

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

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

Feladatok és megoldások a 11. heti gyakorlathoz

Feladatok és megoldások a 11. heti gyakorlathoz Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.

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

Pályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.

Pályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov. Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika

Részletesebben

3.1. A Poisson-eloszlás

3.1. A Poisson-eloszlás Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a

Részletesebben

Statisztikai programcsomagok

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

Részletesebben

= dx 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05

= dx 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 Folytoos vlószíűségi változók Értékkészletük számegyees egy folytoos (véges vgy végtele) itervllum. Vlmeyi lehetséges érték vlószíűségű, pozitív vlószíűségek csk értéktrtomáyokhoz trtozk. Az eloszlás em

Részletesebben

Gyakorló feladatok II.

Gyakorló feladatok II. Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak

Részletesebben

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

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet

Részletesebben

VII.Valószínűségszámítási, statisztikai, gráfelméleti alapfogalmak

VII.Valószínűségszámítási, statisztikai, gráfelméleti alapfogalmak VII.Valószíűségszámítási, statisztikai, gráfelméleti alapfogalmak VII..A valószíűségszámítás elemei A valószíűségszámítás a véletle tömegjeleségeket taulmáyozó, kb. 300 éves tudomáy. Véletle jeleség: em

Részletesebben

VII. A határozatlan esetek kiküszöbölése

VII. A határozatlan esetek kiküszöbölése A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely

Részletesebben

A figurális számokról (IV.)

A figurális számokról (IV.) A figurális számokról (IV.) Tuzso Zoltá, Székelyudvarhely A továbbiakba külöféle számkombiációk és összefüggések reprezetálásáról, és bizoyos összegek kiszámolásáról íruk. Sajátos összefüggések Az elekbe

Részletesebben

Tartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13

Tartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13 Tartalomjegyzék I Kombiatorika Pemutáció Ismétléses permutáció 8 Variáció 9 Ismétléses variáció Kombiáció Ismétléses kombiáció II Valószíségszámítás M/veletek eseméyek között 6 A valószí/ség fogalma 8

Részletesebben

A statisztika részei. Példa:

A statisztika részei. Példa: STATISZTIKA Miért tauljuk statisztikát? Mire haszálhatjuk? Szakirodalom értő és kritikus olvasásához Mit állít egyáltalá a cikk? Korrektek-e a megállaítások? Vizsgálatok (kísérletek és felmérések) tervezéséhez,

Részletesebben

? közgazdasági statisztika

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

Részletesebben

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának? Statisztika 2015. május 08. D csoport Név Neptun kód 1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik pályázatnál 320 pályázóból 42 nyert, a másik pályázatnál

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

Kidolgozott feladatok a nemparaméteres statisztika témaköréből

Kidolgozott feladatok a nemparaméteres statisztika témaköréből Kidolgozott feladatok a emparaméteres statisztika témaköréből A tájékozódást mideféle szíkódok segítik. A feladatok eredeti szövege zöld, a megoldások fekete, a figyelmeztető, magyarázó elemek piros szíűek.

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

[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

1. A KOMPLEX SZÁMTEST A természetes, az egész, a racionális és a valós számok ismeretét feltételezzük:

1. A KOMPLEX SZÁMTEST A természetes, az egész, a racionális és a valós számok ismeretét feltételezzük: 1. A KOMPLEX SZÁMTEST A természetes, az egész, a raioális és a valós számok ismeretét feltételezzük: N = f1 ::: :::g Z = f::: 3 0 1 3 :::g p Q = j p q Z és q 6= 0 : q A valós szám értelmezése végtele tizedestörtkét

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

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

ÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS

ÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS ÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS Összefüggésvizsgálat, paraméterbecslés A kísérletek sorá a redszer állapotát ellemző paraméterek kapcsolatát vizsgáluk. A yert adatok alapá felállítuk a redszer matematikai

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

Egy lehetséges tételsor megoldásokkal

Egy lehetséges tételsor megoldásokkal Egy lehetséges tételsor megoldásokkal A vizsgatétel I része a IX és X osztályos ayagot öleli fel, 6 külöböző fejezetből vett feladatból áll, összese potot ér A közzétett tétel-variások és az előző évekbe

Részletesebben

1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény

1. Adatok közelítése. Bevezetés. 1-1 A közelítő függvény Palácz Béla - Soft Computig - 11-1. Adatok közelítése 1. Adatok közelítése Bevezetés A természettudomáyos feladatok megoldásához, a vizsgált jeleségek, folyamatok főbb jellemzői közötti összefüggések ismeretére,

Részletesebben

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o)

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o) Ismérvek között kapcsolatok szorosságáak vzsgálata 1. Egy ks smétlés: mérés skálák (Huyad-Vta: Statsztka I. 5-6. o) A külöböző smérveket, eltérő mérés sztekkel (skálákkal) ellemezhetük. a. évleges (omáls)

Részletesebben

Valószínűségszámítás

Valószínűségszámítás 8. Valószíűségszámítás ESEMÉNYEK 174 Eseméyek formális leírása, műveletek 175 Feladatok 176 A VALÓSZÍNŰSÉG FOGALMA 177 A valószíűség tulajdoságai 178 Mitapéldák 179 Feladatok 181 VALÓSZÍNŰSÉGI VÁLTOZÓK

Részletesebben

Megjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia

Megjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.

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

æ MATEMATIKAI STATISZTIKA Dr. Bolla Marianna, Matematika Intézet, Sztochasztika Tanszék

æ MATEMATIKAI STATISZTIKA Dr. Bolla Marianna, Matematika Intézet, Sztochasztika Tanszék æ MATEMATIKAI STATISZTIKA Dr. Bolla Mariaa, Matematika Itézet, Sztochasztika Taszék Leíró statisztika Ω, A, P) statisztikai mező, ahol a P mértékcsalád olya P eloszlásokból áll, melyekkel Ω, A, P) valószíűségi

Részletesebben

PÉLDATÁR A SZÁMÍTÓGÉPES TESZTHEZ. Írta Dr. Huzsvai László

PÉLDATÁR A SZÁMÍTÓGÉPES TESZTHEZ. Írta Dr. Huzsvai László PÉLDATÁR A SZÁMÍTÓGÉPES TESZTHEZ Írta Dr. Huzsvai László Debrece 2012 Tartalomjegyzék Bevezetés...1 Viszoyszámok...1 Középértékek (átlagok)...2 Szóródási mutatók...4 Idexek...7 Furfagos kérdések...8 Bevezetés

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

Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet

Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar. Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz. Halmazelmélet Debrecei Egyetem Közgazdaság- és Gazdaságtudomáyi Kar Feladatok a Gazdasági matematika I. tárgy gyakorlataihoz a megoldásra feltétleül ajálott feladatokat jelöli e feladatokat a félév végére megoldottak

Részletesebben

Innen. 2. Az. s n = 1 + q + q 2 + + q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha

Innen. 2. Az. s n = 1 + q + q 2 + + q n 1 = 1 qn. és q n 0 akkor és csak akkor, ha q < 1. a a n végtelen sor konvergenciáján nem változtat az, ha . Végtele sorok. Bevezetés és defiíciók Bevezetéskét próbáljuk meg az 4... végtele összegek értelmet adi. Mivel végtele sokszor em tuduk összeadi, emiatt csak az első tagot adjuk össze: legye s = 4 8 =,

Részletesebben

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok

Részletesebben

FELADATOK MÉRÉSELMÉLET tárgykörben. 1. Egy műszer osztálypontossága 2.5, a végkitérése 300 V. Mekkora a mérés abszolút hibája?

FELADATOK MÉRÉSELMÉLET tárgykörben. 1. Egy műszer osztálypontossága 2.5, a végkitérése 300 V. Mekkora a mérés abszolút hibája? FELADATOK MÉÉSELMÉLET tárgykörbe. Egy műszer osztálypotosság., végktérése 3 V. Mekkor mérés bszolút hbáj? H Op v / %,*3/ 7, V. A fet műszer V-ot mér. Mekkor mérés reltív hbáj? H h v % 6,% h 3. Egy mérés

Részletesebben

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo SZÁMELMÉLET Vasile Beride, Filippo Spagolo A számelmélet a matematika egyik legrégibb ága, és az egyik legagyobb is egybe Eek a fejezetek az a célja, hogy egy elemi bevezetést yújtso az első szite lévő

Részletesebben

Wiener-folyamatok definiciója. A funkcionális centrális határeloszlástétel. Norbert Wienerre, a második pedig egy Brown nevű XIX. században élt angol

Wiener-folyamatok definiciója. A funkcionális centrális határeloszlástétel. Norbert Wienerre, a második pedig egy Brown nevű XIX. században élt angol Wieer-folyamatok defiiciója. A fukcioális cetrális határeloszlástétel. A valószíűségszámítás egyik agyo fotos fogalma a Wieer-folyamat, amelyet Browmozgásak is hívak. Az első elevezés e fogalom első matematikailag

Részletesebben

3. Vírusmentes e-levelemet a kolléga számítógépe fert½ozte meg érkezéskor.

3. Vírusmentes e-levelemet a kolléga számítógépe fert½ozte meg érkezéskor. Haladvány Kiadvány 0.06.4 Számítógépes vírusok vagy ugratás valószín½uségér½ol Hujter M.. Dedikálva egy másik Hujter M. mai születésnapjára. Egy nagyon okos kollégámtól ma kaptam egy e-levelet, mert a

Részletesebben

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3 Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)

Részletesebben

Átfolyó-rendszerű gázvízmelegítő teljesítményének és hatásfokának meghatározása Gazdaságossági számításokhoz

Átfolyó-rendszerű gázvízmelegítő teljesítményének és hatásfokának meghatározása Gazdaságossági számításokhoz Átfolyó-redszerű gázvízmelegítő teljesítméyéek és hatásfokáak meghatározása Gazdaságossági számításokhoz Szuyog Istvá 005 Készült az OTKA T-0464 kutatási projekt keretébe A Gázipari oktatási laboratórium

Részletesebben

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet): A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak

Részletesebben

kritikus érték(ek) (critical value).

kritikus érték(ek) (critical value). Hipotézisvizsgálatok (hypothesis testig) A statisztikáak egyik célja lehet a populáció tulajdoságaiak, ismeretle paramétereiek a becslése. A másik tipikus cél: valamely elmélet, hipotézis empirikus bizoyítása

Részletesebben

vásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az

vásárlót átlag 2 perc alatt intéz el (blokkolás, kártyaleolvasás), de ez az 1. Név:......................... Egy ABC-ben délután (5-t½ol 9 óráig) a vásárlók száma óránként 200 várható érték½u Poisson eloszlású valószín½uségi változó. A pénztáros egy vásárlót átlag 2 perc alatt

Részletesebben

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!

( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket! 1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

Biostatisztika VIII. Mátyus László. 19 October Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.

Részletesebben

kismintás esetekben vagy olyanokban, melyeknél a tanulóalgoritmust tesztadatokon szeretnénk

kismintás esetekben vagy olyanokban, melyeknél a tanulóalgoritmust tesztadatokon szeretnénk ÚJRAMINTAVÉTELEZÉSI ELJÁRÁSOK A jackkife (zsebkés) és bootstrap (cipőhúzó a saját kallatyújáál fogva) eljárások agol elevezése is arra utal, hogy itt ad hoc eljárásokról va szó, melyek azoba agyo haszosak

Részletesebben

A mérési eredmény megadása

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

Részletesebben

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) O k t a t á s i H i v a t a l A 5/6 taévi Országos Középiskolai Taulmáyi Versey első forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató A 5 olya égyjegyű szám, amelyek számjegyei

Részletesebben

Rudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása

Rudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása Rudas Tamás: A hibahatár a becsült meyiség függvéyébe a mért ártrefereciák téves értelmezéséek egyik forrása Megjelet: Agelusz Róbert és Tardos Róbert szerk.: Mérésről mérésre. A választáskutatás módszertai

Részletesebben

Kísérletek tervezése és értékelése

Kísérletek tervezése és értékelése STATISZTIKAI ALAPOK I. STATISZTIKAI ALAPOK Adatok ábrázolása Yogi Berra: "You ca observe a lot by watchig." I. STATISZTIKAI ALAPOK Mérési adatok ábrázolása: Pot ábrázolás (Dotplot) Dotplot for Y 9 3 Y

Részletesebben

V. Deriválható függvények

V. Deriválható függvények Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája

Részletesebben

f(n) n x g(n), n x π 2 6 n, σ(n) n x

f(n) n x g(n), n x π 2 6 n, σ(n) n x Számelméleti függvéyek extremális agyságredje Dr. Tóth László 2006 Bevezetés Ha számelméleti függvéyek, l. multilikatív vagy additív függvéyek agyságredjét vizsgáljuk, akkor először általába az adott függvéy

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

Nevezetes sorozat-határértékek

Nevezetes sorozat-határértékek Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív

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

Statisztika október 27.

Statisztika október 27. Statisztika 2011. október 27. Külöbség valószíőségszámítás és statisztika között Kísérlet: 4-szer dobuk fel egy érmét. Megszámoljuk a fejek számát. Valszám: Ismert a fejdobás valószíősége. Milye valószíőséggel

Részletesebben

REOIL. növeli a transzformátorok élettartamát. www.ekofluid.sk/hu/

REOIL. növeli a transzformátorok élettartamát. www.ekofluid.sk/hu/ 5 öveli a traszformátorok öveli a traszformátorok A techológia előyei A költségek csökketéseek folyamatos kéyszere és a zavartala eergiaellátás ehézségei szükségessé teszik a traszformátorok tervezett

Részletesebben

18. Differenciálszámítás

18. Differenciálszámítás 8. Differeciálszámítás I. Elméleti összefoglaló Függvéy határértéke Defiíció: Az köryezetei az ] ε, ε[ + yílt itervallumok, ahol ε > tetszőleges. Defiíció: Az f függvéyek az véges helye vett határértéke

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

Szemmegoszlási jellemzők

Szemmegoszlási jellemzők Szemmegoszlási jellemzők Németül: Agolul: Charakteristike er Korgrößeverteilug Characteristics of particle size istributio Fraciául: Caractéristique e compositio graulométrique Kutatási, fejlesztési és

Részletesebben

Kalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8

Kalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8 Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,

Részletesebben

Matematikai geodéziai számítások 10.

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

Részletesebben

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

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

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

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

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

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt

1. Név:... Neptun Kód:... Feladat: Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt 1. Név:......................... Egy összeszerel½o üzemben 3 szalag van. Mindehárom szalagon ugyanazt a gyártmányt készítik. Egy gyártmány összeszerelési ideje normális eloszlású valószín½uségi változó

Részletesebben

Matematikai statisztika

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

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Populációbecslés és monitoring. Eloszlások és alapstatisztikák Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk

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

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv

Méréstechnika II. Mérési jegyzőkönyvek FSZ képzésben részt vevők részére. Hosszméréstechnikai és Minőségügyi Labor Mérési jegyzőkönyv Méréstechnika II. ek FSZ képzésben részt vevők részére Összeállította: Horváthné Drégelyi-Kiss Ágota Kis Ferenc Lektorálta: Galla Jánosné 009 Tartalomjegyzék. gyakorlat Mérőhasábok, mérési eredmény megadása.

Részletesebben

Általános taggal megadott sorozatok összegzési képletei

Általános taggal megadott sorozatok összegzési képletei Általáos taggal megadott sorozatok összegzési képletei Kéri Gerzso Ferec. Bevezetés A sorozatok éháy érdekes esetét tárgyaló el adást az alábbi botásba építem fel:. képletek,. alkalmazások, 3. bizoyítás

Részletesebben

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos: A. Matematikai Statisztika 2.MINTA ZH. 2003 december Név (olvasható) :... A feladatmegoldásnak az alkalmazott matematikai modell valószínűségszámítási ill. statisztikai szóhasználat szerinti megfogalmazását,

Részletesebben

Hosszmérés finomtapintóval 2.

Hosszmérés finomtapintóval 2. Mechatroika, Optika és Gépészeti Iformatika Taszék kiadva: 0.0.. Hosszmérés fiomtapitóval. A mérések helyszíe: D. épület 53-as terem. Az aktuális mérési segédletek a MOGI Taszék holapjá érhetők el, a www.mogi.bme.hu

Részletesebben

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi

Részletesebben