2013 ŐSZ. 1. Ismertesse a mérési skálák tulajdonságait és a közöttük lévő összefüggéseket.
|
|
- Gyöngyi Bodnárné
- 7 évvel ezelőtt
- Látták:
Átírás
1 GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK AZ 1. ZH-HOZ 2013 ŐSZ (Jelen kérdések az első zh összes elméleti témakörét összegzik, melyeket egymásra épülő sorrendben, illetve tematika szerinti bontásban rendeztem - Sőreg Ádám) Kérdések összegzése részletes kidolgozás lejjebb 1. Ismertesse a mérési skálák tulajdonságait és a közöttük lévő összefüggéseket. 2. Sokaság fogalma, lehetséges jellemzők. Mintavétel, mintavételi hiba. 3. Mutassa be az ismérvek közötti kapcsolatok fajtáit. 4. Milyen középértékmutatókat ismerünk? Röviden foglalja össze főbb jellemzőiket! 5. Szóródási- és aszimmetria mutatók. 6. Heterogén sokaság jellemzése (szórások, eltérés-négyzetösszegek) 7. Hogyan hasonlítunk össze összetett viszonyszámokat? (standardizálás) 8. Mi a Laspreyes és Paasche-féle volumenindexek közötti különbség oka? 9. Ismertesse a termelői (ipari, mezőgazdasági, építőipari) árindexek jellemzőit! 10. Mutassa be a fogyasztói árindex jelentőségét és számításának módját! 11. Reálbér, reáljövedelem fogalma. 12. Területi indexek, vásárlóerő paritás. Leíró statisztika (5 kérdés) 1. Ismertesse a mérési skálák tulajdonságait és a közöttük lévő összefüggéseket. Nominális (névleges) skála: célja az adatsokaság egy-egy egyedének megjelölése valamilyen azonosítóval, pl. vizsgált személy neve, Neptun-kódja, neme, stb. Matematikai művelet nem végezhető ilyen adatokkal. Ordinális (sorrendi) skála: a sokaság elemeit egy tetszőleges ismérv szerint rangsorolással csoportosítjuk. Például tanulmányi eredmények, kérdőíves elégedettségi pontszám, stb. Relációanalízis (<, >, =) végezhető.
2 Intervallumskála: méréseket végzünk, amely egy előzetesen kijelölt nullponthoz viszonyít. Pozitív és negatív értékek is lehetségesek, pl. Celsius-fokban mért hőmérséklet. Műveletek: relációanalízis, összeadás, kivonás. Arányskála: az arányskálán vett megfigyeléseknek valódi nullpontja van, ebből adódóan a sokaság elemeit ekkor csak pozitív valós számokkal jellemezhetjük. Ilyen skálán mérünk rengeteg változót: pl. árak, havi jövedelmek, testsúly, testmagasság, stb. Minden művelet, így szorzás/osztás is végezhető. 2. Sokaság fogalma, lehetséges jellemzők. Mintavétel, mintavételi hiba. A vizsgálat tárgyát képező egyedek összességét, halmazát statisztikai sokaságnak nevezzük. Egy sokaság állhat véges vagy végtelen számú egyedből, lehet álló vagy mozgó aszerint, hogy összetétele egy adott időpontra, vagy pedig időintervallumra vonatkozik. (Álló sokaság például a BME hallgatói létszáma szeptember 24-én, míg mozgó sokaság lenne a hallgatói létszám a teljes 2013-as évre nézve.) Egy nagy, vagy végtelen elemszámú sokaság egészének megismerésére nincs lehetőségünk, így ennek tulajdonságait mintavétellel közelítjük. A mintavételi hiba a minta és a sokaság egészének jellemzői közötti eltérésből adódik, mértéke a mintaelemszám növelésével exponenciálisan csökkenthető. 3. Mutassa be az ismérvek közötti kapcsolatok fajtáit. Asszociációs kapcsolat: ebben az esetben mindkét ismérv nominális (névleges mérési szintű). Ilyen például a egy-egy munkakör megnevezése és az ott foglalkoztatott nők aránya közötti összefüggés. Rangkorrelációs kapcsolat: két olyan ismérv közötti kapcsolat, melyek ordinális (sorrendi) skálán mérhetőek. Például: van-e a kapcsolat a mikroökonómiából (1-5) és makroökonómiából (1-5) elért eredmények között... Vegyes kapcsolat: egy mennyiségi (intervallum- vagy arányskála) és egy nem mennyiségi (nominális vagy ordinális skálán vett) ismérv közötti kapcsolat. Például frissdiplomás közgazdászok havi jövedelme és neme közötti összefüggés. Korrelációs kapcsolat: két mennyiségi ismérv között tapasztalható összefüggés, mind a kettő intervallum- vagy pedig arányskálán mért. Pl. ha a véralkohol szint nő, a reakcióidő is növekszik...
3 4. Milyen középértékmutatókat ismerünk? Röviden foglalja össze főbb jellemzőiket! Medián: amennyiben adatainkat nagyság szerinti sorrendbe rendezzük, akkor a medián páratlan elemszámú minta esetében a középső értékként, páros elemszámnál pedig a két középső érték átlagaként adódik. Medián mindig létezik, egyszerűen meghatározható és érzéketlen a szélsőértékekre. Módusz: a vizsgált mintában leggyakrabban előforduló érték. Habár szintén nem érzékeny a szélsőségekre, meghatározása különösen folytonos adatok esetében korántsem mindig egyértelmű. Egy minta akár többmóduszú is lehet. Számtani átlag: a mintába került összes adat figyelembe vételével számított középérték. Meghatározható egyedi úton vagy osztályközös becsléssel is. Előnye, hogy a minta valamennyi elemét figyelembe veszi, hátránya, hogy a szélsőséges értékek erősen torzíthatják. Egyéb átlagfajták: harmonikus átlag, mértani átlag, négyzetes átlag. Összefüggés átlagfajták között: harmonikus me rtani számtani ne gyzetes 5. Szóródási- és aszimmetria mutatók. Legegyszerűbb ilyen mutató a terjedelem, amely a vizsgált minta legmagasabb és legalacsonyabb értékű elemeinek különbsége. Az átlagos abszolút eltérés a minta egyedei és a számtani átlag közötti eltérések abszolútértékeit átlagolja (számtani átlaggal). Szórás: a legfontosabb szóródási mutató, egyenlő az átlagtól vett eltérések négyzetes átlagával. Fontos mutató ennek négyzete is, melyet varianciának nevezünk. A matematikai statisztika különbséget tesz elméleti és tapasztalati szórás között. Arányskálán vett adatok esetében meghatározható a relatív szórás is, amely a szórás és a számtani átlag hányadosa. Az eloszlás ferdesége kifejezhető a Pearson-féle mutatóval, a csúcsosságot pedig a kvantilisek alapján számított K értékkel mérjük.
4 Standardizálás (2 kérdés) 6. Heterogén sokaság jellemzése (szórások, eltérés-négyzetösszegek) A vizsgált ismérv szempontjából több, egymástól jelentősen eltérő részre bontható sokaságokat heterogén sokaságoknak nevezük. A részekre bontást egy csoportképző ismérv segítségével végezzük el. Mennyiségi ismérvnek tekinthető az a szám, amely a kialakított részsokaságokba tartozó egyedek számosságát fejezi ki. Az eretileg vizsgált ismérve vonatkozóan részsokaságonként részátlagokat és részszórásokat, a teljes sokaságra pedig főátlagot és teljes szórást számíthatunk. Heterogén sokaságnál szórásnégyzet-felbontás segítségével elemezhetjük, hogy a vizsgált ismérv alakulását milyen mértékben magyaráza a csoportbeli hovatartozás. Például: a BME-n végzettek keresetében lévő különbségeket magyarázza-e, hogy melyik karon végeztek. A vizsgálat elvégzésekor kiszámítjuk a külső és belső szórást, ezek négyzete a külső (SSK) és belső (SSB) variancia. A részsokaságok képzése annál hasznosabbnak tekinthető, minél magasabb a külső szórásnégyzet és a teljes szórás négyzetének (SSK/SST) hányadosa. 7. Hogyan hasonlítunk össze összetett viszonyszámokat? (standardizálás) Amennyiben két részekre bontott sokaságra vonatkozó, összetett viszonyszámot hasonlítunk össze, akkor területi vagy kategóriák közötti összehasonlítás esetében különbségfelbontást, míg időben eltérő adathalmazok körében hányadosfelbontást alkalmazunk. Mindkét esetben az összehasonlításra kerülő két sokaság összetétele közül az egyiket standard -nek kell tekintenünk. Ennek alapján egy ún. fiktív intenzitási viszonyszámot számolunk. A fiktív intenzitási viszonyszám segítségével a két részekre bontott sokaság közötti eltérést részviszonyszám-különbözőség hatásra és összetételhatásra osztjuk szét. Indexszámítás (5 kérdés) 8. Mi a Laspreyes és Paasche-féle volumenindexek közötti különbség oka? Az összetett volumenindexek egy-egy piacon forgalomba kerülő sok-sok árufajta együttes mennyiségében bekövetkező változásokat szemléletik. A vizsgált két időszak
5 közül az elsőt bázisidőszaknak, míg a másodikat tárgyidőszaknak tekintjük. Minden egyes árufajta esetében ismerjük a két időszakra eső egységárat (pl. Ft/kg) és mennyiséget. Összetett volumenindex kétféle módon számítható: a Laspreyes-féle index bázisidőszaki, míg a Paasche-féle tárgyidőszaki súlyozású. Ez azt jelenti, hogy előbbi a bázisidőszaki egységárakat változatlannak tekintve számol, míg utóbbi a tárgyidőszaki árakkal teszi ugyanezt. Mivel a két időszak között bekövetkező időben nem csak az árufajtánkénti mennyiségek, hanem az egységárak is változtak, ezért akár a bázisévre, akár a tárgyévre jellemző egységárral való súlyozás torzításokat okoz, ebből adódóan a két összetett indextípus értéke az esetek döntő többségében nem lehet egyenlő. 9. Ismertesse a termelői (ipari, mezőgazdasági, építőipari) árindexek jellemzőit! A termelői árindexek feladata annak megfigyelése, hogy a gazdasági szereplők által előállított termékek és szolgáltatások ára két időszak között, például évről-évre hogyan változik. Ezek az indexek aggregált indexszámítás segítségével, mintavétellel, a gyakorlatban több száz fontosnak tekintett termék árváltozásának átlagolásával készülnek. Az ipari termelői árindex azt fejezi ki, hogy az iparba sorolt vállalatok termékeinek átlagos ára az előző, vagy egy tetszőleges korábbi évhez képest hány százalékkal emelkedett. A mezőgazdasági termelői árindex az agrártermékek átlagos felvásárlási áraiban bekövetkező változásokat összegzi. Az építőipari termelői árindex az építéssel, kivitelezéssel foglalkozó cégek kínálati áraiban megfigyelt változásokat jeleníti meg. 10. Mutassa be a fogyasztói árindex jelentőségét és számításának módját! A fogyasztói árindex a gazdaságpolitikai és makrogazdasági mutatók között az egyik legfontosabb. Az egyes országok statisztikai hivatalai folyamatosan számítják annak érdekében, hogy a fogyasztói javak (ezek a végső felhasználásra szánt termékek) árában bekövetkező változások nyomon követhetőek legyenek.
6 Kiszámítása aggregált indexszámítás útján, mintavétellel, egy ideálisnak vélt fogyasztói kosárba tartozó több száz termék és szolgáltatás árának megfigyelésével történik. Felhasználásával nyomon követhetjük az infláció alakulását, hiszen megmutatja, hogy a leggyakrabban fogyasztott javak pénzben kifejezett ára hogyan változott a vizsgált időszakokban. 11. Reálbér, reáljövedelem fogalma. A reálbér egy összetett mutató, amely az átlagos munkabérek vásárlóerejében bekövetkező változásokat jeleníti meg. Ennek alakulása két tényezőtől függ: egyrészt a havi átlagos nettó munkabér pénzbeli összegének időbeli változásától, másrészről pedig a fogyasztói árak változásától (melyet a fogyasztói árindexszel mérünk). Ha például a fogyasztói árak évente öt százalékkal növekednek, de a munkabérek ugyanebben az évben csak 3%-kal lettek magasabbak, akkor a reálbér csökken, hiszen az áremelkedés következtében kevéssel több pénzért a magasabb árak miatt kevesebbet lehet vásárolni. A reáljövedelem indexét az egy főre jutó munkajövedelem indexének és a fogyasztói árindexnek hányadosaként számítják. Ez a mutató figyelembe veszi azt is, hogy az idő előrehaladtával a lakosság körében változhat az aktív keresők és az eltartottak egymáshoz viszonyított aránya. Így például az egy főre jutó reáljövedelem akkor is javul, ha a munkavállalók száma növekszik, de a nettó reálbér változatlan. 12. Területi indexek, vásárlóerő paritás. Területi indexek esetében az időtényező szerepét a területi különbségek veszik át. Területi indexekről beszélünk, amennyiben egyes változókat, például az egy főre eső Bruttó Hazai Termék (GDP) dollárban vett értékét százalékokban kifejezve hasonítjuk össze a vizsgált országok körében. Területi index képződik például akkor, ha megállapítjuk, hogy Magyarország egy főre eső GDP-je Ausztria egy főre eső GDP-jének mindössze 45 százalékát teszi ki. Nemzetközi indexek közül az egyik legösszetettebb mutató a vásárlóerő-paritás (angol rövidítése: PPP). Ennek számítása során azt vizsgáljuk meg, hogy egy-egy termékből egységnyi mennyiség megvásárlása egyik, illetve másik ország valutájában kifejezve mennyibe kerül. Ha ezt a vizsgálatot egyszerre több száz termékre elvégezzük, megállapítható két ország fizetőeszköze közötti értékarány, amit vásárlóerő-paritásnak nevezünk. Utóbbi általában nem egyezik meg a devizapiacon kialakuló árfolyamokkal.
Statisztikai alapfogalmak
Statisztika I. KÉPLETEK 2011-2012-es tanév I. félév Statisztikai alapfogalmak Adatok pontossága Mért adat Abszolút hibakorlát Relatív hibakorlát Statisztikai elemzések viszonyszámokkal : a legutolsó kiírt
RészletesebbenKÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység
KÖZPONTI STATISZTIKAI HIVATAL A vizsgarészhez rendelt követelménymodul azonosító száma, megnevezése: 2144-06 Statisztikai szervezői és elemzési feladatok A vizsgarészhez rendelt vizsgafeladat megnevezése:
RészletesebbenBevezető 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
RészletesebbenStatisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus
Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú
RészletesebbenSTATISZTIKA I. A változók mérési szintjei. Nominális változók. Alacsony és magas mérési szint. Nominális változó ábrázolása
A változók mérési szintjei STATISZTIKA I. 3. Előadás Az adatok mérési szintjei, Viszonyszámok A változók az alábbi típusba tartozhatnak: Nominális (kategorikus és diszkrét) Ordinális Intervallum skála
RészletesebbenSTATISZTIKA I. 3. rész. T.Nagy Judit
STATSZTKA. 3. rész T.Nagy Judit tnagy.judit@hjf.hu Standardizálás és standardizáláson alauló indexszámítás nhomogén (heterogén) sokaságokra vonatkozó átlagok; intenzitási viszonyszámok (átlagbérek, átlagos
RészletesebbenA mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015
A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel
Részletesebben[GVMGS11MNC] Gazdaságstatisztika
[GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)
RészletesebbenStatisztika I. 7. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 7. előadás Előadó: Dr. Ertsey Imre STATISZTIKAI INDEXEK STATISZTIKAI INDEXEK Index: latin eredetű szó, egyszerűen mutatót jelent A statisztikai indexszám: - komplexebb tartalmú, - többet
RészletesebbenMatematikai 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
Részletesebben1. Egy Kft dolgozóit a havi bruttó kereseteik alapján csoportosítottuk: Havi bruttó bér, ezer Ft/fő
Figyelem! A példasor nem tartalmazza valamennyi típuspéldát. A dolgozatban az órán leadott feladatok közül bármely típusú előfordulhat. A példasor már a második dolgozat anyagát gyakorló feladatokat is
RészletesebbenBevezető Adatok rendezése Adatok jellemzése Időbeli elemzés
Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
RészletesebbenKorrelációs kapcsolatok elemzése
Korrelációs kapcsolatok elemzése 1. előadás Kvantitatív statisztikai módszerek Két változó közötti kapcsolat Független: Az X ismérv szerinti hovatartozás ismerete nem ad semmilyen többletinformációt az
RészletesebbenBevezető 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
Részletesebben2. előadás. Viszonyszámok típusai
2. előadás Viszonyszámok típusai Mérési skálák Nominális /névleges skála: kötetlen hozzárendelése a számoknak Sorrendi / Ordinális skála: sokaság egyedeinek egy közös tulajdonság szerinti sorbarendezése
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
RészletesebbenA sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos
Középérték Középérték A középérték a statisztikai adatok tömör számszerű jellemzése. helyzeti középérték: módusz medián számított középérték: számtani átlag kronológikus átlag harmonikus átlag mértani
RészletesebbenSta t ti t s i zt z i t k i a 3. előadás
Statisztika 3. előadás Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan A statisztika, mint gyakorlati tevékenység a tömegesen előforduló jelenségek egyedeire vonatkozó információk
RészletesebbenSTATISZTIKA. Gyakorló feladatok az első zh-ra
STATISZTIKA Gyakorló feladatok az első zh-ra A változás átlagos üteme év Kenyér Ft/ kg bázisindex % 2002 151 100,0 2003 156 103,3 2004 178 117,9 2005 173 114,6 2006 179 118,5 2007 215 142,4 I = n 1 l i
RészletesebbenViszonyszám A B. Viszonyszám: két, egymással kapcsolatban álló statisztikai adat hányadosa, ahol A: a. viszonyítadóadat
Viszonyszámok Viszonyszám Viszonyszám: két, egymással kapcsolatban álló statisztikai adat hányadosa, ahol A: a viszonyítandó adat Viszonyítás tárgya (viszonyítandó adat) B: a viszonyítás alapja V viszonyítadóadat
RészletesebbenMakroökonómia. 2. szeminárium
Makroökonómia 2. szeminárium Óra előtt Előadásdiák, órai feladatok, gyakorlók, tavalyi ZH, házi feladat stb. https://makrogyakorlatok.wordpress.com/ Következő órán ZH!! 12 pont 20 perc GDP, közbülső termék,
RészletesebbenStatisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
RészletesebbenFEGYVERNEKI 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
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
Részletesebben[GVMGS11MNC] Gazdaságstatisztika
[GVMGS11MNC] Gazdaságstatisztika 5. előadás Érték-, ár-, és volumenindexek http://uni-obuda.hu/users/koczyl/gazdasagstatisztika.htm Kóczy Á. László KGK-VMI Az indexszám fogalma Gazdasági elemzésben fontos
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
RészletesebbenMegoldások. Az ismérv megnevezése közös megkülönböztető 2007. szeptember 10-én Cégbejegyzés időpontja
Megoldások 1. feladat A sokaság: 2007. szeptember 12-én a Miskolci Egyetem GT-204-es tankör statisztika óráján lévő tagjai az A 1 épület III. em. 53-as teremben 8-10-ig. Közös ismérv Megkülönböztető ismérv
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenA sokaság/minta eloszlásának jellemzése
3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenMakroökonómia. 2. szeminárium
Makroökonómia 2. szeminárium Óra előtt Előadásdiák, órai feladatok, gyakorlók, tavalyi ZH, házi feladat stb. https://makrogyakorlatok.wordpress.com/ Következő órán ZH!! 12 pont 20 perc GDP, közbülső termék,
Részletesebbeny 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.
RészletesebbenStatisztika I. 2. előadás: Statisztikai táblák elemzése. Kóczy Á. László. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem
Statisztika I 2 előadás: Statisztikai táblák elemzése Kóczy Á László koczylaszlo@kgkuni-obudahu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Eddig statisztikai alapfogalmak
RészletesebbenSTATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.
Centrális mutatók STATISZTIKA I. 4. Előadás Centrális mutatók 1/51 2/51 Középértékek Helyzeti középértékek A meghatározása gyakoriság vagy sorszám alapján Számítás nélkül Az elemek nagyság szerint rendezett
RészletesebbenDr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.
Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért 2018. november 15. PÉNZ a boldogság bitorlója? A jövedelemegyenlőtlenség természetes határa A boldog ember gondolata a
RészletesebbenStatisztika - 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
RészletesebbenStatisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék
Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. április 17. Outline 1 Leíró statisztikák 2 Középértékek Példa 3 Szóródási mutatók Példa 4 Néhány megjegyzés a grafikonokról 5 Számítások
Részletesebben55 345 01 0010 55 01 Európai Uniós üzleti
A 10/2007 (II. 27.) SzMM rendelettel módosított 1/2006 (II. 17.) OM rendelet Országos Képzési Jegyzékről és az Országos Képzési Jegyzékbe történő felvétel és törlés eljárási rendjéről alapján. Szakképesítés,
RészletesebbenKutatásmódszertan 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
RészletesebbenSTATISZTIKA. 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
RészletesebbenQ1 = 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
RészletesebbenMatematikai statisztikai elemzések 2.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 2. MSTE2 modul Helyzetmutatók, átlagok, kvantilisek. A szórás és szóródás egyéb mérőszámai.
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenSTATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
RészletesebbenTANTÁRGYI ÚTMUTATÓ. Statisztika 1.
I. évfolyam BA TANTÁRGYI ÚTMUTATÓ Statisztika 1. TÁVOKTATÁS Tanév 2014/2015 II. félév A KURZUS ALAPADATAI Tárgy megnevezése: Statisztika 1. Tanszék: Módszertani Tantárgyfelelős neve: Sándorné Dr. Kriszt
RészletesebbenStatisztika 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
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
RészletesebbenMódszertani Intézeti Tanszéki Osztály
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012. Név:... Kód:...... Eredmény:..... STATISZTIKA I. VIZSGA; NG KM ÉS KG TQM SZAKOKON MINTAVIZSGA Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
RészletesebbenSta t ti t s i zt z i t k i a 1. előadás
Statisztika 1 előadás Témakörök Statisztikai alapfogalmak Statisztikai sorok Mennyiségi sorok csoportosítása Statisztikai táblák Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan
RészletesebbenMakroökonómia. 1. szeminárium Szemináriumvezető: Tóth Gábor 1
Makroökonómia 1. szeminárium 2018. 02. 06. Szemináriumvezető: Tóth Gábor 1 Adminisztratív I. G15 - Kedd 8:00-9:30, E.3.334 Átjárási lehetőség: korlátozottan, dolgozatoknál nincs! Tóth Gábor: tgabor91@gmail.com
RészletesebbenStatisztika összefoglalás
Statisztika összefoglalás 1 / 18. oldal 1. Alapfogalmak Statisztika: a tömegesen előforduló jelenségek vizsgálatával foglalkozik, ezekre vonatkozóan adatokat gyűjt, feldolgoz, elemez és közzé tesz. o a
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenOrvosi 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
RészletesebbenA GDP hasonlóképpen nem tükrözi a háztartások közötti munka- és termékcseréket.
FŐBB MUTATÓK A regionális GDP adatok minősége alapvetően 3 tényezőtől függ: az alkalmazott számítási módszertől a felhasznált adatok minőségétől a vizsgált területi egység nagyságától. A TERÜLETI EGYENLŐTLENSÉGEK
RészletesebbenEGÉSZSÉG-GAZDASÁGTAN
EGÉSZSÉG-GAZDASÁGTAN EGÉSZSÉG-GAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
Részletesebben1. óra: Területi statisztikai alapok viszonyszámok, középértékek
1. óra: Területi statisztikai alapok viszonyszámok, középértékek Tér és társadalom (TGME0405-GY) gyakorlat 2018-2019. tanév Viszonyszámok Viszonyszá m Viszonyítandó adat (A) Viszonyítási alap (B) 1. Megoszlási
RészletesebbenStatisztikai 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
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenA 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:
RészletesebbenStatisztika 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,
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus
Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze. Célja: - a sokaságot
RészletesebbenStatisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot
RészletesebbenA gazdasági növekedés mérése
A gazdasági növekedés mérése Érték-, volumen- és árindexek 25.) Az alábbi táblázat két egymást követő év termelési mennyiségeit és egységárait mutatja egy olyan gazdaságban, ahol csupán három terméket
Részletesebben7. A létszám- és bérgazdálkodás
636. Egy áruház február havi létszáma: 7. A létszám- és bérgazdálkodás Nap Felvétel Kilépés Állományi tétszám Szabadság Betegállomány Dolgozói létszám 1 - - 342 2 3 337 2 1-343 2 3 338 3-2 341 4 2 335
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenNappali tagozat. Statisztika és Valószínűségszámítási alapok Tantárgyi útmutató
Módszetani Intézet Alkalmazott Kvantitatív Módszertan Tanszék Nappali tagozat Statisztika és Valószínűségszámítási alapok Tantárgyi útmutató 2018/19. tanév I. félév 1 Tantárgy megnevezése: Statisztika
Részletesebben[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)
RészletesebbenHogyan mérjük a gazdaság összteljesítményét?
8/C lecke Hogyan mérjük a gazdaság összteljesítményét? A makrogazdasági teljesítmény mutatószámai, a bruttó hazai termék. GDPmegközelítések és GDP-azonosságok. Termelési érték és gazdasági növekedés. Nemzetközi
RészletesebbenStatisztika 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,
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
RészletesebbenGRADUÁLIS BIOSTATISZTIKAI KURZUS február hó 22. Dr. Dinya Elek egyetemi docens
GRADUÁLIS BIOSTATISZTIKAI KURZUS 2012. február hó 22. Dr. Dinya Elek egyetemi docens Biometria fogalma The active pursuit of biological knowledge by quantitative methods Sir R. A. Fisher, 1948 BIOMETRIA
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Részletesebbenmódszertana Miben más és mivel foglalkozik a Mit tanultunk mikroökonómiából? és mivel foglalkozik a makroökonómia? Miért
A makroökonómia tárgya és módszertana Mit tanultunk mikroökonómiából? Miben más és mivel foglalkozik a makroökonómia? Miért van külön makroökonómia? A makroökonómia módszertana. Miért fontos a makroökonómia
RészletesebbenMatematikai 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
RészletesebbenNem Fő (f) % (g) -160 100 161-180 150 181-200 50 Z 300. Férfi 180 60% Nő 120 40% Z 300 100%
IX. 08. előadás Statisztikai sokaság: amire a megfigyelés irányul. Statisztikai ismérv: vizsgálati szempont, tulajdonság. Van közös (körülhatárolja a sokaságot) és megkülönböztető: területi {pl: születési
RészletesebbenIndexszámítási módszerek; Simpson-paradoxon
Indexszámítási módszerek; Simpson-paradoxon Vida Balázs 2018. március 7. Vida Balázs Indexszám; SP 2018. március 7. 1 / 22 Bevezetés Mir l lesz szó? 1 Index(szám) fogalma, példák 2 Érték-, ár- és volumenindexek
RészletesebbenVargha András Károli Gáspár Református Egyetem Budapest
Vargha András Károli Gáspár Református Egyetem Budapest Kötelező irodalom a kurzushoz Vargha András: Matematikai statisztika pszichológiai, nyelvészeti és biológiai alkalmazásokkal (2. kiadás). Pólya Kiadó,
RészletesebbenStatisztikai alapfogalmak
i alapfogalmak statisztikai sokaság: a megfigyelés tárgyát képező egyedek összessége 2 csoportja van: álló sokaság: mindig vmiféle állapotot, állományt fejez ki, adatai egy adott időpontban értelmezhetők
RészletesebbenSegítség 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
RészletesebbenBiometria 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
RészletesebbenHatározza meg és jellemezze az ár-, érték- és volumenváltozást %-ban és forintban!
1. Egy fúvós hangszereket forgalmazó cégről a következő adatok ismertek: Termékcsoportok Forgalom 2003-ban A volumen változása Fafúvós 50 +50 Rézfúvós 30 +30 Egyéb +10 Összesen: Továbbá ismert, hogy a
RészletesebbenKvantitatív statisztikai módszerek
Kvantitatív statisztikai módszerek 1. konzultáció tárgyjegyző Dr. Szilágyi Roland Mérési skálák Számok meghatározott szabályok szerinti hozzárendelése jelenségekhez, bizonyos tulajdonságokhoz. 4 féle szabály
RészletesebbenNEMZETKÖZI KÖZGAZDASÁGTAN Árfolyam - Gyakorlás
NEMZETKÖZI KÖZGAZDASÁGTAN Árfolyam - Gyakorlás Kiss Olivér Budapesti Corvinus Egyetem Makroökonómia Tanszék Van tankönyv, amit már a szeminárium előtt érdemes elolvasni! Érdemes előadásra járni, mivel
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
RészletesebbenElemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
RészletesebbenMatematikai statisztika
Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika
RészletesebbenStatisztika. Dr Gősi Zsuzsanna. Egyetemi adjunktus. Sportmenedzsment Tanszék
Statisztika Dr Gősi Zsuzsanna Egyetemi adjunktus Sportmenedzsment Tanszék Kötelező irodalom - Számonkérés Pintér József Ács Pongrác Bevezetés a sportstatisztikába Dialóg Campus Kiadó 2007 Honlap: www.dialog-kiado.hu
RészletesebbenMatematikai 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
Részletesebbena beruházások hatása Makroökonómia Gazdasági folyamatok időbeli alakulás. Az infláció, a kibocsátási rés és a munkanélküliség
Makroökonómia Gazdasági folyamatok időbeli alakulás. Az infláció, a kibocsátási rés és a munkanélküliség 8. előadás 2010. 04.15. Az elemzés kiterjesztése több időszakra az eddigi keynesi modell és a neoklasszikus
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
Részletesebben6. A kereskedelmi készletek elszámoltatása, az értékesítés elszámoltatása 46. Összefoglaló feladatok 48.
Tartalomjegyzék 1. Alapvető gazdasági számítások 4. 1.1. A gazdasági számítások jelentősége egy vállalkozás életében 4. 1.2. A gazdasági számításokkal szemben támasztott követelmények 4. 1.3. Milyen feladatokat
RészletesebbenStatisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában
Statisztikai alapok Leíró statisztika Lineáris módszerek a statisztikában Tudományosan és statisztikailag tesztelhető állítások? A keserűcsokoládé finomabb, mint a tejcsoki. A patkány a legrondább állat,
RészletesebbenÁruforgalom tervezése. 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok
Áruforgalom tervezése 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok Alapvető gazdasági számítások 1. Egy vállalkozás tevékenysége nagyon összetett. Szükség van arra, hogy ismerjük
RészletesebbenNagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem
agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel
RészletesebbenVizsgáljuk elôször, hogy egy embernek mekkora esélye van, hogy a saját
376 Statisztika, valószínûség-számítás 1500. Az elsô kérdésre egyszerû válaszolni, elég egy ellenpélda, és biztosan nem lehet akkor így kiszámolni. Pl. legyen a három szám a 3; 5;. A két kisebb szám átlaga
RészletesebbenVALÓSZÍNŰSÉG, 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
RészletesebbenKözéptávú előrejelzés a makrogazdaság és az államháztartás folyamatairól
Középtávú előrejelzés a makrogazdaság és az államháztartás folyamatairól Budapest Corvinus Egyetem Gazdaság- és Társadalomstatisztikai Elemző és Kutató Központ Budapest, 2016. október 20. Célkitűzések
RészletesebbenStatisztika 1. Tantárgyi útmutató
Módszertani Intézeti Tanszék Nappali tagozat Statisztika 1. Tantárgyi útmutató 2015/16 tanév II. félév 1/6 Tantárgy megnevezése: Statisztika 1. Tantárgy kódja: STAT1KAMEMM Tanterv szerinti óraszám: 2+2
Részletesebben