Segítség az outputok értelmezéséhez
|
|
- Bertalan Balázs
- 8 évvel ezelőtt
- Látták:
Átírás
1 Tanulni: , 10.5, Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró statisztikák a numerikus változókra, a leiro.csv fájlba kiíratva. Oszlopai: Valtozo_neve : a változó neve, Elemszam: elemszám (hiányzók nélkül), Hianyzok_szama: hiányzó adatok száma, Atlag: átlag, Standard_hiba: standard hiba, Ki_also: konfidencia intervallum alsó határa, Ki_felso: konfidencia intervallum felső határa, Szoras: szórás, Median: medián, Minimum: minimum, Maximum: maximum, Also_kvartilis: alsó kvartilis (25%-os), Felso_kvartilis: felső kvartilis (75%-os), Terjedelem: az adatok terjelme (maximum-minimum), IQR: Interkvarilis terjedelem (felső kvartilis alsó kvartilis), Osszeg: összeg. Leiro_kategorias: Leíró statisztikák két kategóriás változó kategória-kombinációinak megfelelő bontásban, leiro1.csv fájlba kiíratva. Oszlopok: 1
2 Folytonos_valtozo : a folytonos változó megnevezése, Kategorias_valtozo: a kategóriás változó megnevezése, amely szerinti kategóriákban számolja a program a leíró statisztikákat, Kategoria: a kategóriás változó kategóriája, ugyanazok, mint a Leiro esetén. Leiro_2kategorias: Leíró statisztikák a kategóriás változók kategóriáinak megfelelő bontásban, leiro2.csv fájlba kiíratva. Oszlopok: Folytonos_valtozo : a folytonos változó megnevezése, Kategorias_valtozo1: az egyik kategóriás változó megnevezése, Kategoria1: a Kategorias_valtozo1 kategóriája, Kategorias_valtozo2: a másik kategóriás változó megnevezése, Kategoria2: a Kategorias_valtozo2 kategóriája, ugyanazok, mint a Leiro esetén. Leiro_3kategorias: Leíró statisztikák 3 kategóriás változó kategória-kombinációinak megfelelő bontásban, leiro3.csv fájlba kiíratva. Oszlopok: Folytonos_valtozo : a folytonos változó megnevezése, Kategorias_valtozo1: az egyik kategóriás változó megnevezése, Kategoria1: a Kategorias_valtozo1 kategóriája, Kategorias_valtozo2: a másik kategóriás változó megnevezése, Kategoria2: a Kategorias_valtozo2 kategóriája, Kategorias_valtozo3: a harmadik kategóriás változó megnevezése, Kategoria3: a Kategorias_valtozo3 kategóriája, ugyanazok, mint a Leiro esetén. 2
3 Outlier: Változónkénti kiugró értékek. Az outlier.csv táblázatba az adattábla kiugró értéket tartalmazó sorai kerülnek leszámítva az IDként megjelölt mezőt. Utolsó előtti (valtozo) oszlopába annak a folytonos változónak a megnevezése, amely szerint outlier az eset, a (sorszam) oszlopban az eset adattáblázatbeli sorszáma, az adott változó átlaga, valamint szórása.. Megjegyzés: Outliernek tekintjük az alsó, illetve felső kvartilistől 1.5 interkvartilis terjedelemnyi távolságnál messzebb eső értékeket. Gyakorisagok_kategorias: Gyakoriságok egy kategóriás változó kategóriáinként, a gyak1.csv fájlba kiíratva. Faktor: a kategóriás változó megnevezése, faktor_szint: a kategóriás változó adott szintje (kategóriája), gyakorisag: elemszám kategóriánként. Gyakorisagok_2kategorias: Gyakoriságok kategóriás változó párok kategória kombinációiként, a gyakorisag_2kategorias.csv fájlba kiíratva. faktor1, faktor2: a két kategóriás változó megnevezése, faktor1_szint, faktor2_szint: a kategóriás változók adott szintje (kategóriája), gyakorisag: elemszám az faktorszintek kombinációjában. Fisher: Fisher egzakt tesztek a kategóriás változók függetlenség vizsgálatára. Esélyhányadosok (OR) és konfidencia-intervallumok 2x2-es táblákra a fisher.csv fájlba kiíratva. 3
4 faktor1, faktor2: a két kategóriás változó megnevezése, p_ertek: a teszt eredményeként kapott P-érték. Hagyományosan, ha < 0.05, akkor a két változó között statisztikus összefüggés van a minták alapján. OR: esélyhányados, KI_also: az OR-re vonatkozó konfidencia-intervallum alsó határa, KI_felso: az OR-re vonatkozó konfidencia-intervallum alsó határa. Megyjegyzések: (1) A statisztikai függetlenség azt jelenti, hogy az egyik változó megfigyelése nem szolgál információval a másikra nézve, azaz az egyik változó bármely értéke mellett a másik változónak ugyanaz az eloszlása. (2) P-érték: a tesztstatisztika azon értékinek össz-valószínűsége, amelyek a megfigyeltnél jobban ellentmondanak a H 0 -nak a H 1 javára. Esetünkben a H 0 az hogy a két változó független, a H 1 pedig az, hogy nem független. (3) OR: Az esélyhányados két oddsz hányadosa: azt fejezi ki, hogy egy bizonyos csoportban egy eseménynek pl. megbetegedésnek, halálozásnak hányszor akkora az oddsza, mint a referenciacsoportban. Oddsz: egy esemény esetén hányszor akkora a valószínűsége annak, hogy bekövetkezik, mint annak, hogy nem. Csak olyan kategóriás változókra számolható, amelyeknek két kategóriája van. Ha a változók függetlenek, akkor az elméleti OR=1. (4) Konfidencia-intervallum: egy populációs paraméterre vonatkozó olyan értéktartomány, amelybe az adott megbízhatósággal (általában 95%) beleesik. (5) Az esélyhányados értelmezéséhez célszerű a 2 kategóriás gyakoriságokat is kiíratni! Korrelacio (korr.csv): Korrelációs együtthatók és tesztek (Pearson, Spearman, Kendall) numerikus változópárokra. valtozo1,valtozo2: a két numerikus változó, Pearson_R: Pearson-féle korrelációs együttható, Pearson_KI_also: a Pearson-féle korrelációs együtthatóra vonatkozó konfidenciaintervallum alsó határa, Pearson_KI_felso: a Pearson-féle korrelációs együtthatóra vonatkozó konfidenciaintervallum felső határa, 4
5 Pearson_p_ertek: a Pearson-féle korrelációs együttható nulla voltára vonatkozó teszt eredményeként kapott P-érték. Hagyományosan <0.05 esetén a két változó közötti korrelációs együttható szignifikánsan különbözik 0-tól, azaz a két változó korrelált a minták alapján. Spearman_R: Spearman-féle korrelációs együttható, Spearman_p_ertek: a Spearman-féle korrelációs együttható nulla voltára vonatkozó teszt eredményeként kapott P-érték. (1) A korreláció monoton kapcsolatot jelent két változó között. (2) A lineáris kapcsolat erősségét intervallumskála esetén számszerűen a Pearson-féle korrelációs együtthatóval mérhetjük. (3) Nemlineáris, de monoton kapcsolatok esetén a Spearman-féle rangkorrelációs együtthatót. (4) Mindegyik együttható értéke 1 és +1 közé eshet. A 0 körüli értékek gyenge, a 1-hez közeli értékek erős negatív, az 1-hez közeliek erős pozitív korrelációs kapcsolatokat jeleznek. Hisztogram: Hisztogramok és/vagy simított hisztogramok numerikus változókra. A simított hisztogram jobban közelíti a változó sűrűségfüggvényét, mint a hisztogram. Simított hisztogram esetén az egyedi értékek is megjelennek a vízszintes tengelyen. A parameterek táblázatban adhatjuk meg, hogy milyen típusú hisztogramot szeretnénk. 20-nál kevesebb adat esetén egy egyszerű pontábrát készít a program. (1) Hisztogram: a változó értéktartományát részekre osztjuk, és az egyes részek osztályok gyakoriságait ábrázoljuk megfelelő magasságú oszlopokkal. (2) Ha a változót sokszor megfigyeljük, akkor ott helyezkednek el sűrűbben a megfigyelések, ahol a sűrűségfüggvény értéke nagyobb. (3) Normális eloszlású változó sűrűségfüggvénye haranggörbe (Gauss-görbe) alakú. 5
6 Hisztogram_kategorias: Hisztogramok és/vagy simított hisztogramok numerikus változókra a kategóriás változók kategóriái szerinti bontásban. Boxplot: Boxplotok numerikus változókra. (1) A boxplot a (kiugró értékek elhagyása utáni) minimumot és maximumot, a kvartiliseket (doboz alja és teteje) és a mediánt (középső vastag vonal) ábrázolja. (2) A kiugró értékeket a karikák jelzik. (3) Az adatok középértéke és szóródása mellett az eloszlás szimmetrikus voltát vagy ferdeséget is jól kivehetően mutatja. (4) Több csoport összehasonlítására is alkalmas. Boxplot_kategorias: Boxplotok numerikus változókra a kategoriás változók kategóriáiként. Boxplot_2kategorias: Boxplotok numerikus változókra két kategoriás változó kategória-kombinációiban. Oszlopdiagram: Oszlopdiagramok a kategóriás változókra. Mozaikabra: Mozaikábra kategóriás változópárokra gyakoriságokkal. Megjegyzés: Az ábra úgy készül, hogy először az első változó szerint veszi az összes gyakoriságot, és ezeknek 6
7 arányában állapítja meg vízszintes irányban a téglalapok szélességét. Az egyes oszlopokon belül a másik változó értékeinek megoszlása szerint állítja be a téglalapok magasságát. Interakció: Interakciós ábrák kategóriás változók interakciójának vizsgálatára numerikus változónként. (1) Az interakció jelenléte azt jelenti, hogy az első kategóriás változó kategóriáinak (szintjeinek) hatása a 2. kategóriás változó kategóriáiban különböző. Ha nincs interakció, akkor a két változó hatása additív, együttes hatásuk a külön-külön vett hatások egyszerű összege, nincs közöttük kölcsönhatás. Ilyenkor az ábrán közel párhuzamos vonalakat látunk. (2) Az ábrán a folytonos változó átlagait láthatjuk a kategória-kombinációkban. (3) Az azonos típusú vonalak a 2. változó megfelelő szintjét jelölik. Szorasdiagram: Szórásdiagramok numerikus változópárokra simított trendvonallal. Szorasdiagram_kategorias: Szórásdiagramok numerikus változópárokra a kategoriás változók kategóriáinként simított trendvonallal. 7
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
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
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
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
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
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
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
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
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
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)
RészletesebbenSTATISZTIKA. 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
RészletesebbenAlkalmazott statisztika feladatok
Alkalmazott statisztika feladatok 1. Leíró statisztikák és grakonok 1.1. a. Olvassuk be a Davis adatsort a car vagy a cardata csomagból! Ábrázoljuk a weight változó boxplotját, majd értelmezzük az outlier
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenVarianciaanalízis 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
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
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
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)
RészletesebbenFeladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?
Feladatok: pontdiagram és dobozdiagram Hogyan csináltuk? Alakmutatók: ferdeség, csúcsosság Alakmutatók a ferdeség és csúcsosság mérésére Ez eloszlás centrumát (középérték) és az adatok centrum körüli terpeszkedését
Részletesebben[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
RészletesebbenGyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016
Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait
RészletesebbenFEGYVERNEKI 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(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenA konfidencia intervallum képlete: x± t( α /2, df )
1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenLeíró statisztika. Adatok beolvasása az R-be és ezek mentése
Leíró statisztika. Adatok beolvasása az R-be és ezek mentése Leíró statisztika Definíciója: populáció egy ismert részhalmazára vonatkozó megfigyelések leírása és összegzése. Jelentősége: nominális adatok
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenMérési adatok illesztése, korreláció, regresszió
Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,
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:
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
RészletesebbenGrafikonok az R-ben március 7.
Normális eloszlás Grafikonok az R-ben 2012. március 7. Vendégelőadás módosított és végleges időpontja 2012. április 10., 3 óra. Új könyv a tankönyvtárban! Dalgaard, Peter (2008). Introductory statistics
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenBiostatisztika 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- BESZÁMOLÓ - ALKALMAZOTT GEOMATEMATIKA, MODELLEZÉS ÉS SZIMULÁCIÓ C. TANTÁRGYHOZ. Készítette: BERTALAN LÁSZLÓ Geográfus MSc. I. évf. DEBRECEN 2011.
- BESZÁMOLÓ - ALKALMAZOTT GEOMATEMATIKA, MODELLEZÉS ÉS SZIMULÁCIÓ C. TANTÁRGYHOZ Készítette: BERTALAN LÁSZLÓ Geográfus MSc. I. évf. DEBRECEN 2011. T A R T A L O M J E G Y Z É K 1. Felhasznált adatok 2.
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
RészletesebbenFEGYVERNEKI 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,
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
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
RészletesebbenVizuális adatelemzés
Vizuális adatelemzés Rendszermodellezés 2017. Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
RészletesebbenVáltozók eloszlása, középértékek, szóródás
Változók eloszlása, középértékek, szóródás Populáció jellemzése Empirikus kutatás (statisztikai elemzés) célja: a mintából a populációra következtetni. Minta: egy adott változó a megfigyelési egységeken
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p
RészletesebbenBiometria 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
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
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
Részletesebbenx, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:
Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.
RészletesebbenBiostatisztika 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
RészletesebbenBiostatisztika 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
RészletesebbenVan-e kapcsolat a változók között? (példák: fizetés-távolság; felvételi pontszám - görgetett átlag)
, rangkorreláció Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
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 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
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenIskolai jelentés. 10. évfolyam szövegértés
2010 Iskolai jelentés 10. évfolyam szövegértés Szövegértési-szövegalkotási kompetenciaterület A fejlesztés célja Kommunikáció-központúság Tevékenység centrikusság Rendszeresség Differenciáltság Partnerség
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
RészletesebbenPopulációbecslés 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
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,
RészletesebbenFEGYVERNEKI 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:
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenSTATISZTIKA 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[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
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.
Részletesebben6. 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
RészletesebbenCentura Szövegértés Teszt
Centura Szövegértés Teszt Megbízhatósági vizsgálata Tesztfejlesztők: Megbízhatósági vizsgálatot végezte: Copyright tulajdonos: Bóka Ferenc, Németh Bernadett, Selmeci Gábor Bodor Andrea Centura Kft. Dátum:
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
RészletesebbenIskolai jelentés. 10. évfolyam szövegértés
2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói
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
RészletesebbenStatisztikai szoftverek esszé
Statisztikai szoftverek esszé Dávid Nikolett Szeged 2011 1 1. Helyzetfelmérés Adott egy kölcsön.txt nevű adatfájl, amely információkkal rendelkezik az ügyfelek életkoráról, családi állapotáról, munkaviszonyáról,
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
RészletesebbenSzövegértés. Borsos Miklós Általános Iskola OM azonosító: Telephelyi jelentés Telephely kódja: 003. Általános iskola, 6.
Országos kompetenciamérés 12 1a Átlageredmények A telephelyek átlageredményeinek összehasonlítása Az Önök eredményei a városi általános iskolai telephelyek eredményeihez viszonyítva A szignifikánsan jobban,
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
RészletesebbenAdatok 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
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
Részletesebben13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem
13. előadás Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Statisztikai alapfogalmak Populáció, hisztogram, átlag, medián, szórás,
RészletesebbenEseményalgebra. 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.
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
RészletesebbenFIT-jelentés :: Arany János Általános Iskola és Gimnázium 2440 Százhalombatta, Szent István tér 1. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2012 2440 Százhalombatta, Szent István tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - (általános iskola) (2440 Százhalombatta, Szent István tér 1.) B 001 - (8 évfolyamos gimnázium)
RészletesebbenKompetencia 2012. 6.osztály MATEMATIKA. Az intézmények átlageredményeinek összehasonlítása
Kompetencia 2012 6.osztály MATEMATIKA Átlageredmények Az intézmények átlageredményeinek összehasonlítása - a grafikonon a különböző iskolák átlag eredményei követhetők nyomon standardizált képességponthoz
RészletesebbenSzövegértés. Xántus János Két Tanítási Nyelvű Gimnázium és Szakgimnázium OM azonosító: Telephelyi jelentés Telephely kódja: 001
Országos kompetenciamérés 2017 22 1a Átlageredmények A telephelyek átlageredményeinek összehasonlítása Az Önök eredményei a 4 évfolyamos gimnáziumi telephelyek eredményeihez viszonyítva A szignifikánsan
RészletesebbenKhi-négyzet eloszlás. Statisztika II., 3. alkalom
Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként
RészletesebbenTárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102
Tárgy- és névmutató A a priori kontraszt 174 175 a priori kritérium 259, 264, 276 adatbevitel 43, 47, 49 52 adatbeviteli nézet (data view) 45 adat-elôkészítés 12, 37, 62 adatgyûjtés 12, 15, 19, 20, 23,
RészletesebbenFIT-jelentés :: Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek összehasonlítása
RészletesebbenFIT-jelentés :: Néri Szent Fülöp Katolikus Általános Iskola 1161 Budapest, Béla u. 23. OM azonosító: Telephely kódja: 001
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Néri Szent Fülöp Katolikus Általános Iskola 1161 Budapest, Béla u. 23. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek
RészletesebbenFIT-jelentés :: VÖRÖSMARTY MIHÁLY GIMNÁZIUM 2030 Érd, Széchenyi tér 1. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2013 VÖRÖSMARTY MIHÁLY GIMNÁZIUM 2030 Érd, Széchenyi tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - Vörösmarty Mihály Gimnázium (8 évfolyamos gimnázium) (2030 Érd, Széchenyi tér
RészletesebbenKét 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
RészletesebbenFIT-jelentés :: Érdi Vörösmarty Mihály Gimnázium 2030 Érd, Széchenyi tér 1. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2014 Érdi Vörösmarty Mihály Gimnázium 2030 Érd, Széchenyi tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - Érdi Vörösmarty Mihály Gimnázium (8 évfolyamos gimnázium) (2030 Érd, Széchenyi
RészletesebbenFIT-jelentés :: Tatabányai Árpád Gimnázium 2800 Tatabánya, Fő tér 1. OM azonosító: Intézményi jelentés. 10. évfolyam
FIT-jelentés :: 2014 Tatabányai Árpád Gimnázium 2800 Tatabánya, Fő tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - Tatabányai Árpád Gimnázium (6 évfolyamos gimnázium) (2800 Tatabánya, Fő tér 1.)
RészletesebbenFIT-jelentés :: Ciszterci Szent István Gimnázium 8000 Székesfehérvár, Jókai utca 20. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2015 Ciszterci Szent István Gimnázium 8000 Székesfehérvár, Jókai utca 20. Létszámadatok A telephelyek kódtáblázata A 001 - Ciszterci Szent István Gimnázium (8 évfolyamos gimnázium) (8000
RészletesebbenFIT-jelentés :: Arany János Általános Iskola és Gimnázium 2440 Százhalombatta, Szent István tér 1. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2013 2440 Százhalombatta, Szent István tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - (8 évfolyamos gimnázium) (2440 Százhalombatta, Szent István tér 1.) B 001 - (4 évfolyamos
RészletesebbenFIT-jelentés :: Stromfeld Aurél Általános Iskola 1202 Budapest, Mártirok u OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Stromfeld Aurél Általános Iskola 1202 Budapest, Mártirok u. 205. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek
RészletesebbenFIT-jelentés :: Százhalombattai Arany János Általános Iskola és Gimnázium 2440 Százhalombatta, Szent István tér 1. OM azonosító:
FIT-jelentés :: 2014 Százhalombattai Arany János Általános Iskola és Gimnázium 2440 Százhalombatta, Szent István tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - (általános iskola) (2440 Százhalombatta,
RészletesebbenFIT-jelentés :: Bolyai János Gimnázium és Kereskedelmi Szakközépiskola 2364 Ócsa, Falu Tamás u. 35. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2011 Bolyai János Gimnázium és Kereskedelmi Szakközépiskola 2364 Ócsa, Falu Tamás u. 35. Létszámadatok A telephelyek kódtáblázata A 001 - Bolyai János Gimnázium és Kereskedelmi Szakközépiskola
RészletesebbenNemparametrikus tesztek. 2014. december 3.
Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha
RészletesebbenMatematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
RészletesebbenFIT-jelentés :: Szász Ferenc Kereskedelmi Szakközépiskola és Szakiskola 1087 Budapest, Szörény utca 2-4. OM azonosító:
FIT-jelentés :: 2015 Szász Ferenc Kereskedelmi Szakközépiskola és Szakiskola 1087 Budapest, Szörény utca 2-4. Létszámadatok A telephelyek kódtáblázata A 001 - (szakközépiskola) (1087 Budapest, Szörény
RészletesebbenMatematika. Xántus János Két Tanítási Nyelvű Gimnázium és Szakgimnázium OM azonosító: Telephelyi jelentés Telephely kódja: 001
Országos kompetenciamérés 2017 3 1a Átlageredmények A telephelyek átlageredményeinek összehasonlítása Az Önök eredményei a 4 évfolyamos gimnáziumi telephelyek eredményeihez viszonyítva A szignifikánsan
RészletesebbenFIT-jelentés :: Ócsai Bolyai János Gimnázium 2364 Ócsa, Falu Tamás utca 35. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2014 Ócsai Bolyai János Gimnázium 2364 Ócsa, Falu Tamás utca 35. Létszámadatok A telephelyek kódtáblázata A 001 - Ócsai Bolyai János Gimnázium (6 évfolyamos gimnázium) (2364 Ócsa, Falu
RészletesebbenFIT-jelentés :: Corvin Mátyás Gimnázium és Műszaki Szakközépiskola 1165 Budapest, Mátyás király tér 4. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2011 Corvin Mátyás Gimnázium és Műszaki Szakközépiskola 1165 Budapest, Mátyás király tér 4. Létszámadatok A telephelyek kódtáblázata A 001 - (4 évfolyamos gimnázium) (1165 Budapest, Mátyás
RészletesebbenModern 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
Részletesebben1/8. Iskolai jelentés. 10.évfolyam matematika
1/8 2009 Iskolai jelentés 10.évfolyam matematika 2/8 Matematikai kompetenciaterület A fejlesztés célja A kidolgozásra kerülő programcsomagok az alább felsorolt készségek, képességek közül a számlálás,
RészletesebbenFIT-jelentés :: Révai Miklós Gimnázium és Kollégium 9021 Győr, Jókai út 21. OM azonosító: Intézményi jelentés. 10.
FIT-jelentés :: 2014 9021 Győr, Jókai út 21. Létszámadatok A telephelyek kódtáblázata A 001 - (6 évfolyamos gimnázium) (9021 Győr, Jókai út 21.) B 001 - (4 évfolyamos gimnázium) (9021 Győr, Jókai út 21.)
Részletesebben