Mintavétel. Kovács István BME Menedzsment és Vállalatgazdaságtan. Tanszék

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Mintavétel. Kovács István BME Menedzsment és Vállalatgazdaságtan. Tanszék"

Átírás

1 Mintavétel Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék

2 Alapfogalmaink Sokaság azon elemek összessége, amelyek valamilyen közös jellemzővel bírnak, és megfelelnek a marketingkutatási probléma céljainak (pl. azoknak a fogyasztóknak az aránya, akik hűek egy bizonyos fogkrémmárkához). Cenzus A sokaság elemeinek teljes körű számbavétele. Minta A sokaság elemeinek egy csoportja, amelyet azért választottak ki, hogy részt vegyen a kutatásban. A mintajellemzőket, más néven statisztikákat ezt követően arra használjuk, hogy következtetéseket vonjunk le belőlük a sokasági paraméterekre.

3 A mintavételi eljárás lépései 1. A sokaság meghatározása 2. A mintavételi keret meghatározása 3. A mintavételi technika kiválasztása 4. A mintanagyság meghatározása 5. A mintavétel végrehajtása

4 A célsokaság meghatározása I. Célsokaság azon elemek összessége, amelyek rendelkeznek a kutató által keresett információval, és amelyekről a kutató következtetéseket akar levonni. Fontos a pontos definiálás pontos állításokat határozunk meg arra, kinek kell és kinek nem szabad bekerülnie a mintába. A célsokaságot a sokasági elemek, a mintavételi egységek, a területi kiterjedés és az idő segítségével határozzuk meg.

5 A célsokaság meghatározása II. A sokasági elem az az egység, amelyről vagy amitől az információt keressük (általában a válaszadó). A mintavételi egység maga is egy sokasági elem vagy egy olyan egység, amely magában foglalja a sokasági elemet, és a mintavételi folyamat egy fázisában kiválasztásra alkalmas. Pl. Rúzzsal kapcsolatos felmérést szeretnénk végezni a 18 év feletti nők körében. Két lehetőségünk van: 1) A kiválasztást közvetlenül a 18 év feletti nők körében végezzük el (a mintavételi egység megegyezik a sokasággal) 2) A mintavételi egységek lehetnek a háztartások (az itt élő nőket kérdezzük meg).

6 A mintavételi keret meghatározása I. Definíció: az alapsokaság elemeinek megjelenítése és elérhetőségének biztosítása egy konkrét adatbázis, lista, vagy a kerethez tartozó elemek egyértelmű meghatározása által (pl. telefonkönyv, szövetségek taglistái stb.) Alapsokaság A célcsoport elméleti meghatározása Mintavételi keret A célcsoport gyakorlati elérhetősége

7 A mintavételi keret meghatározása II. Gyakran azonban a listához tartozó egyes elemek kimaradhatnak vagy esetleg olyan elemek is bekerülhetnek, amelyek nem tartoznak a sokasághoz. Ezt nevezzük mintavételi keretből eredő hibának. Mit tehetünk? 1) Újradefiniáljuk a sokaságot pl. ha telefonkönyvet használunk mintavételi keretnek, akkor a sokaságot úgy határozzuk meg újból, mint azokat a háztartásokat, amelyek szerepelnek az adott földrajzi területen.

8 A mintavételi keret meghatározása III. 2) Az adatgyűjtési szakaszban figyelembe vesszük a mintavételi keretből adódó hibát. Kizárhatjuk a nem megfelelő sokasági elemeket (pl. nem megfelelő demográfiai adatok alapján) nem tudjuk viszont figyelembe venni azokat az elemeket, amelyek abból hiányoznak. 3) Az összegyűjtött adatokat átsúlyozzuk, hogy ellensúlyozzuk a mintavételi keretből adódó hibát.

9 A mintavételi keret meghatározása IV. Alapsokaság Mintavételi keret Magyarország felnőtt lakossága Magyarország felnőtt lakossága A BME hallgatói A BME hallgatói A BME hallgatói Telefonkönyv Országos Választási Iroda adatbázisa A beiratkozott hallgatók listája A hallgatók címlistája A kutatás 2 hetében az egyetemről kifelé jövő emberek

10 A mintavételi technika kiválasztása I. A kutatónak el kell dönteni: Hogy a Bayes-féle vagy a hagyományos mintavételi megközelítést alkalmazza-e; hogy visszatevéses, vagy visszatevés nélküli mintát vesze; illetve véletlen vagy nem véletlen mintavételt használ-e. A Bayes-féle megközelítés során az elemeket egymást követően választjuk ki. Explicit módon magába foglal sokasági paraméterekkel kapcsolat mintavétel előtt ismert információkat, valamint a rossz döntéshozatallal kapcsolatos költségeket és valószínűségeket. HAGYOMÁNYOS MINTAVÉTEL!!!

11 A mintavételi technika kiválasztása II. Visszatevéses mintavétel során egy elem egynél többször is a mintába kerülhet. Ezért miután kiválasztottunk egy elemet rögzítjük annak adatait, majd visszahelyezzük a mintába. Visszatevés nélküli mintavétel során egy elem egynél többször nem kerülhet a mintába. A két eljárás megkülönböztetése csak akkor fontos, ha a mintavételi keret a mintanagysághoz viszonyítva kicsi.

12 A mintavételi technika kiválasztása III. Véletlen vagy nem véletlen mintavételt alkalmazzunk? Ha a mintavételi egység eltér a sokasági elemtől, szükséges, hogy pontosan meghatározzuk, hogy a mintavételi egységen belül hogyan választjuk ki a mintaelemeket. Az otthoni szóbeli megkérdezéseknél és a telefonos megkérdezéseknél pusztán a cím vagy a telefonszám meghatározása lehet, hogy nem elegendő.

13 A mintavételi technikák csoportosítása Mintavételi technikák Nem véletlen Véletlen Önkényes Elbírálásos Kvótás Hólabda- Egyszerű véletlen Szisztematikus Rétegzett Csoportos Egyéb

14 A mintavételi technikák csoportosítása I. Nem véletlen mintavétel inkább a kutató személyes megítélésén alapszik, mint a mintaelemek véletlenszerű kiválasztásán. Jó becslést adhatnak a sokasági jellemzőkkel kapcsolatban. A minta eredményeire vonatkozó pontosságról azonban nem tesznek lehetővé objektív értékelést. Mivel egyik sokasági elem esetén sem tudjuk meghatározni azt, milyen valószínűséggel kerülhetnek a mintába, a kapott becslések statisztikailag nem általánosíthatók a sokaságra.

15 A mintavételi technikák csoportosítása II. Véletlen mintavétel során a mintavételi egységeket véletlenszerűen választjuk ki. Ez a fajta mintavételi eljárás már lehetővé teszi pont a sokaság elemeinek a mintába való bekerülésének ismert valószínűsége miatt, hogy a kutató az adatok kiértékelése után általánosításokat tegyen a célsokaságra.

16 Nem véletlen mintavételi technikák I. Önkényes mintavétel megpróbál a kényelmesen elérhető elemekből egy mintát nyerni. A mintavételi egységek kiválasztása elsősorban a kérdezőbiztos döntése Olcsó, nem időigényes, legegyszerűbb Kiválasztásból eredő torzítás nagy, a minta nem reprezentatív, nem javasolt leíró vagy ok-okozati kutatás esetén, feltáró kutatás során alkalmazható ötletek és mélyebb betekintés nyerésére Példa: utcai, bevásárlóközpontban végzett megkérdezés, kóstoltatás során végzett megkérdezés, próba kérdőívek előtesztelése, próbakutatások stb.

17 Nem véletlen mintavételi technikák II. A B C D E

18 Nem véletlen mintavételi technikák IV. Elbírálásos mintavétel a sokaság elemeit a kutató saját megítélése alapján választja ki, mivel úgy ítéli meg, hogy azok reprezentálják a szóban forgó sokaságot. Olcsó, nem időigényes Szubjektív, még mindig nem általánosítható Példa: új termék keresletének meghatározásához tesztpiacok kiválasztása, fontosabb körzetek kiválasztása a választási magatartás vizsgálatára, áruházi vevőkörkutatás stb.

19 Nem véletlen mintavételi technikák V. A B C D E

20 Nem véletlen mintavételi technikák VI. Kvótás mintavétel kétlépcsős elbírálásos mintavétel. Az első szakaszban a kutató felállítja a sokaság kontrollkategóriáit, azaz a kvótákat (pl. kor, nem, faj stb.). A második szakaszban önkényesen vagy elbírálásos alapon választják ki. célszerű, ha nem túl sok ismérvünk szerint jelöljük ki a kvótákat A minta reprezentatív a kvóta-kategóriák tekintetében A minta nem reprezentatív a vizsgált jellemző tekintetében

21 Nem véletlen mintavételi technikák VII. A B C D E

22 Nem véletlen mintavételi technikák IX. Hólabda-mintavétel Első körben kiválasztok néhány potenciális válaszadót, majd a következő fázisban az általuk javasolt címeket keresem fel, vagy ők adják tovább a kérdőíveket. ezt a folyamatot hullámokban lehet elvégezni Többnyire olyankor alkalmazzák, amikor nehezen felderíthetők a sokaságba tartozó személyek, vagy olyan jellemzőket vizsgálnak, amelyek ritkák a sokaságon belül, például elszórt kisebbséget kívánnunk vizsgálni (pl. 35 év alatti özvegy férfiak) olcsó, időigényes és szubjektív

23 Nem véletlen mintavételi technikák X. A B C D E

24 Véletlen mintavételi technikák I. Egyszerű véletlen mintavétel a sokaság valamennyi eleme ismert, és azonos valószínűséggel kerülhet a mintába. Minden egyes elemet a többitől függetlenül egy véletlen eljárással választanak ki egy mintavételi keretből. minden egyes elemhez egyedi azonosító számot rendelünk véletlen számokat generálunk, hogy meghatározzuk, melyik elem kerüljön a mintába az eredményei kivetíthetők a célsokaságra, viszont nem mindig reprezentatívak és drága is. Példa: Lottóhúzás típusú kiválasztás

25 Véletlen mintavételi technikák II. A B C D E

26 Véletlen mintavételi technikák III. Szisztematikus mintavétel a mintát oly módon kapjuk, hogy véletlenszerűen kijelölünk egy kiindulópontot a mintavételi keretben, és ezt követően minden i-edik elemet választjuk ki. A kutató azzal a feltételezéssel él, hogy valamilyen sorrendbe vannak állítva a sokaság elemei (pl. Telefonkönyv, adott iparágban működő vállalatokat éves forgalmuk szerint állítjuk sorrendbe). Ha a sorrendbe valamilyen ciklikusság kerül, az ronthatja a reprezentativitást (áruház elmúlt 60 évben elért havi forgalma). A mintavételi intervallumot (i) úgy határozzuk meg, hogy a sokaság nagyságát (N) elosztjuk a mintanagysággal (n), és a legközelebbi egész számra kerekítjük.

27 Véletlen mintavételi technikák IV. A B C D E

28 Véletlen mintavételi technikák VI. Rétegzett mintavétel két lépcsőből álló folyamatot alkalmaznak. Először a sokaságot részsokaságokra vagy rétegekre osztják, majd minden egyes rétegből véletlen eljárással választják ki a mintaelemeket. minden elemet be lehet sorolni egy, csakis egy rétegbe, ugyanakkor egy elem sem maradhat ki abban különbözik a kvótástól, hogy a mintaelemeket véletlenszerűen és nem önkényesen választjuk ki. legfőbb célja, hogy növelje a pontosságot a költségek emelkedése nélkül legáltalánosabb rétegképző ismérvek a demográfiai jellemzők, a vásárlói típusok, a vállalat mérete, vagy az iparág típusa hatnál több réteget fölösleges képezni.

29 Véletlen mintavételi technikák VII. A B C D E

30 Véletlen mintavételi technikák IX. Csoportos mintavétel eljárás során először a célsokaságot egymást kölcsönösen kizáró, de együttesen véve a sokaságot egészében lefedő részsokaságokra, azaz csoportokra osztják. Ezt követően a csoportokból véletlen mintát vesznek, például egyszerű véletlen mintavétellel. Minden egyes kiválasztott csoport esetében vagy az összes elemet beleveszik a mintába (egylépcsős csoportos), vagy véletlenszerűen választják ki a mintaelemeket (kétlépcsős csoportos). Olcsó, könnyű megvalósítani, Csökkenti a reprezentativitást

31 Véletlen mintavételi technikák X. A B C D E

32

33 Véletlen és a nem véletlen minta közötti döntés Azok a helyzetek, amelyek mellett inkább a Nem véletlen mintavételt használjuk Tényezők Véletlen használjuk A kutatás természete Feltáró Leíró mintavételt A mintavételi és a nem A nem mintavételi A mintavételi hibák mintavételi hiba hibák nagyobbak nagyobbak nagysága egymáshoz képest A sokaság szóródása Homogén (alacsony) Heterogén (alacsony) Statisztikai szempontok Nem ajánlott Ajánlott Objektív szempontok Ajánlott Nem ajánlott

34 A mintanagyság meghatározása I. A mintanagyság a kutatás számára kiválasztott sokasági elemek száma. Meghatározásához mind kvalitatív mind kvantitatív tényezőkre van szükségünk. Legfontosabb kvalitatív szempontok: 1) A döntés súlya 2) A kutatás természete 3) A változók száma 4) Az elemzés módja 5) A hasonló tanulmányokban használt mintanagyság 6) Az előfordulási arány 7) A megvalósulási arány 8) A rendelkezésre álló források.

35 A mintanagyság meghatározása II. A tanulmány típusa Minimumnagyság Tipikus sáv Problémafeltáró kutatás (pl. piaci potenciál) Problémamegoldó kutatás (pl. árazás) Termékteszt Tesztpiaci tanulmányok TV-/rádió-/nyomtatott hirdetések (tesztelt hirdetésként) Tesztpiac vizsgálata 10 üzlet üzlet Fókuszcsoportok

36 A mintanagyság meghatározása III. Megvalósulási arány - szűrőfeltételeknek megfelelő személyek közül hány emberrel sikerült megvalósítani az interjút, megkérdezést A visszautasítás, ill. az elérhetetlenség csökkenti Előfordulási arány - Az alapsokasághoz tartozó elemek százalékos előfordulási aránya a mintavételi keretben Példa: véletlen séta esetén nem minden háztartásban élnek olyanok, akiket keresünk

37 A mintanagyság meghatározása IV. Kiinduló mintanagyság meghatározása Kiinduló mintanagyság = Végső mintanagyság Előfordulási arány x Megvalósulási arány Példa: Postai megkérdezés a felnőtt lakosság körében. A kutatás célja az internettel rendelkező háztartások körében felmérni a szolgáltatóval való elégedettséget. Az elérni kívánt mintanagyság: 1000 fő A előfordulási arány: 10% A megvalósulási arány: 8% A kiinduló mintanagyság: 1000 / (0,1 x 0,08) = fő

38 A mintavétel kivitelezése Fontos, hogy részletesen leírjuk, hogy A sokasággal A mintavételi kerettel A mintavételi egységgel A mintavételi technikával és a Mintanagysággal kapcsolatos döntéseket hogyan valósítjuk meg. Pl. ha háztartások szolgálnak a mintavétel egységeiként, akkor a háztartások operatív definiálása szükséges. Meg kell határozni a teendőket arra az esetre is, ha a kiválasztott lakásban nem laknak stb.

39 Köszönöm a figyelmet!

Mintavétel: terv és eljárások

Mintavétel: terv és eljárások Mintavétel: terv és eljárások Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Az előadás felépítése Mi is az a mintavétel A mintavétel folyamata Mintavételi technikák A minta nagyságának meghatározása

Részletesebben

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

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

Részletesebben

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

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

Részletesebben

Statisztika I. 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

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

PIACKUTATÁS (MARKETINGKUTATÁS)

PIACKUTATÁS (MARKETINGKUTATÁS) PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel

Részletesebben

Témaválasztás, kutatási kérdések, kutatásmódszertan

Témaválasztás, kutatási kérdések, kutatásmódszertan Témaválasztás, kutatási kérdések, kutatásmódszertan Dr. Dernóczy-Polyák Adrienn PhD egyetemi adjunktus, MMT dernoczy@sze.hu A projekt címe: Széchenyi István Egyetem minőségi kutatói utánpótlás nevelésének

Részletesebben

S atisztika 2. előadás

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

Részletesebben

FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20.

FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20. FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) 2010. október 20. A kutatási terv fogalmának, a különbözı kutatási módszerek osztályozása, a feltáró és a következtetı kutatási módszerek közötti különbségtétel

Részletesebben

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens 2013. április 17. Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása:

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

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

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató

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

Részletesebben

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

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

Részletesebben

Kvantitatív kutatás mire figyeljünk? Majláth Melinda PhD Tartalom. Kutatási kérdés kérdőív kérdés. Kutatási kérdés kérdőív kérdés

Kvantitatív kutatás mire figyeljünk? Majláth Melinda PhD Tartalom. Kutatási kérdés kérdőív kérdés. Kutatási kérdés kérdőív kérdés Kvantitatív kutatás mire figyeljünk?. Tartalom Kutatási kérdés Mintaválasztás Kérdésfeltevés Elemzés Jánossy Ferenc Szakkollégium- TDK felkészítő előadások sorozat, 2016. február Óbudai Egyetem Mintavétel

Részletesebben

Dr. Piskóti István Marketing Intézet. Marketing 2.

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

Részletesebben

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

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

Részletesebben

A társadalomkutatás módszerei I.

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

Részletesebben

Mintavételezés

Mintavételezés . 3. 3. Mintavételezés Informatikai Tudományok Doktori Iskola. 3. 3. Statisztikai sokaság, populáció A halmaz egészének kevés adattal történı tömör jellemzése, és a populáció egyedeinek leírására bevezetett

Részletesebben

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI. Omnibusz 2003/08. A kutatás dokumentációja. Teljes kötet

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI. Omnibusz 2003/08. A kutatás dokumentációja. Teljes kötet A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI Omnibusz 2003/08 A kutatás dokumentációja Teljes kötet 2003 Tartalom BEVEZETÉS... 4 A MINTA... 6 AZ ADATFELVÉTEL FŐBB ADATAI... 8 TÁBLÁK A SÚLYVÁLTOZÓ KÉSZÍTÉSÉHEZ...

Részletesebben

Sta t ti t s i zt z i t k i a 3. előadás

Sta 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

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

Mintavétel a gyakorlatban

Mintavétel a gyakorlatban Mintavétel a gyakorlatban Tóth Gergely ELTE-TÁTK, Doktori iskola Statisztika tanszék 1 Hol találkozhatunk mintavétellel Közvéleménykutatások A XY Intézet 2011. október 17-19. között, 500 fő telefonos megkérdezésével,

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

Marketingkutatás. II. előadás Marketing mesterszak Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék

Marketingkutatás. II. előadás Marketing mesterszak Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék Marketingkutatás II. előadás Marketing mesterszak Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék A KUTATÁSI TERV ÉS A SZEKUNDER KUTATÁS Félelmetes volt, hogy mennyi véletlen jött közbe, de

Részletesebben

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

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

Részletesebben

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 98/1. SPSS állomány neve: Könyvtári dokumentum sorszáma: 287. Budapest, 1998.

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 98/1. SPSS állomány neve: Könyvtári dokumentum sorszáma: 287. Budapest, 1998. TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 98/1 SPSS állomány neve: d58.sav Könyvtári dokumentum sora: 287 Budapest, 1998. Omnibusz 98/1 2 Tartalomjegyzék TARTALOMJEGYZÉK 2 BEVEZETÉS 3 A MINTA ÖSSZEHASONLÍTÁSA

Részletesebben

Marketing a gyakorlatban I. előadás BME Menedzsment és Vállalatgazdaságtan Tanszék

Marketing a gyakorlatban I. előadás BME Menedzsment és Vállalatgazdaságtan Tanszék MARKETINGKUTATÁS Marketing a gyakorlatban I. előadás Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Piac-, marketing- és közvélemény kutatás elhatárolása Kutatás: célja a problémamegoldás

Részletesebben

Szerzők: Kmetty Zoltán és Sztárayné Kézdy Éva Lektor: Fokasz Nikosz TÁMOP-4.1.2.A/1-11/1-2011-0091 INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS

Szerzők: Kmetty Zoltán és Sztárayné Kézdy Éva Lektor: Fokasz Nikosz TÁMOP-4.1.2.A/1-11/1-2011-0091 INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS Kutatásmódszertan és prezentációkészítés 9. rész: Mintavétel a gyakorlatban Szerzők: Kmetty Zoltán és Sztárayné Kézdy Éva Lektor: Fokasz Nikosz Kilencedik rész Mintavétel a gyakorlatban Tartalomjegyzék

Részletesebben

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Inflációs várakozás 2002/8. SPSS állomány neve: Budapest, augusztus

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Inflációs várakozás 2002/8. SPSS állomány neve: Budapest, augusztus TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Inflációs várakozás 2002/8 SPSS állomány neve: F53 Budapest, 2002. augusztus Inflációs várakozás 2002/8 2 Tartalomjegyzék BEVEZETÉS... 3 AZ INFLÁCIÓS VÁRAKOZÁS

Részletesebben

A társadalomkutatás módszerei I.

A társadalomkutatás módszerei I. A társadalomkutatás módszerei I. 2. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. IX. 22. Outline 1 Bevezetés 2 Társadalomtudományi módszerek Beavatkozásmentes vizsgálatok Kvalitatív terepkutatás

Részletesebben

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

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

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Klaszteranalízis Hasonló dolgok csoportosítását jelenti, gyakorlatilag az osztályozás szinonimájaként értelmezhetjük. A klaszteranalízis célja A klaszteranalízis alapvető célja, hogy a megfigyelési egységeket

Részletesebben

A populáció meghatározása

A populáció meghatározása A mintavétel Mi a minta? Minden kutatásban alapvetı lépés annak eldöntése, hogy hány személyt vonjunk be a vizsgálatba, és hogyan válasszuk ki ıket ezek a mintavétellel kapcsolatos alapvetı problémák.

Részletesebben

Populációbecslések és monitoring

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

Részletesebben

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI OMNIBUSZ 2004/05. A kutatás dokumentációja

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI OMNIBUSZ 2004/05. A kutatás dokumentációja A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI OMNIBUSZ 2004/05 A kutatás dokumentációja 2004 Omnibusz 2004/05 Mellékletek Tartalom BEVEZETÉS... 3 A MINTA... 5 AZ ADATFELVÉTEL FŐBB ADATAI... 7 Bevezetés A kutatást

Részletesebben

[Biomatematika 2] Orvosi biometria

[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.

Részletesebben

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2002/10. SPSS állomány neve: Budapest, október

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2002/10. SPSS állomány neve: Budapest, október TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2002/10 SPSS állomány neve: F56 Budapest, 2002. október OMNIBUSZ 2002/10 2 Tartalomjegyzék BEVEZETÉS...3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI

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

Torma Dorisz 2012. május 29. Kaposvári Egyetem, Gazdaságtudományi Kar Marketing és Kereskedelem Tanszék

Torma Dorisz 2012. május 29. Kaposvári Egyetem, Gazdaságtudományi Kar Marketing és Kereskedelem Tanszék Torma Dorisz 2012. május 29. Kaposvári Egyetem, Gazdaságtudományi Kar Marketing és Kereskedelem Tanszék Konzulens: Dr. Szente Viktória Egyetemi docens Dr. Szakály Zoltán Egyetemi docens In-store minden

Részletesebben

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

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

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Változás SPSS állomány neve: Budapest, 2002.

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Változás SPSS állomány neve: Budapest, 2002. TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Változás 2002 SPSS állomány neve: F54 Budapest, 2002. Változás 2002 2 Tartalomjegyzék BEVEZETÉS... 3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI ELOSZLÁSOKKAL...

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

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

Részletesebben

BETEGJOGI, ELLÁTOTTJOGI ÉS GYERMEKJOGI KUTATÁS

BETEGJOGI, ELLÁTOTTJOGI ÉS GYERMEKJOGI KUTATÁS BETEGJOGI, ELLÁTOTTJOGI ÉS GYERMEKJOGI KUTATÁS Készült a Országos Betegjogi, Ellátottjogi, Gyermekjogi és Dokumentációs Központ megbízásából a Kutatópont műhelyében A kutatás elvégzésére a TÁMOP 5.5.7-08/1-2008-0001

Részletesebben

MIÉRT NEM VÁLASZOLUNK?

MIÉRT NEM VÁLASZOLUNK? MIÉRT VÁLASZOLUNK? TENDENCIÁK ÉS TÉNYEZŐK A KSH EGYIK LAKOSSÁGI FELVÉTELÉNEK TÜKRÉBEN HORVÁTH BEÁTA KSH beata.horvath@ksh.hu ÁTTEKINTŐ ELMÉLETI MEGKÖZELÍTÉS GYAKORLATI MEGKÖZELÍTÉS MILYENEK VAGYUNK MI

Részletesebben

LAKOSSÁGI INTERNET-HASZNÁLAT 2006

LAKOSSÁGI INTERNET-HASZNÁLAT 2006 LAKOSSÁGI INTERNET-HASZNÁLAT 2006 A felmérés módszertana adatfelvétel november 25-e és december 8-a között személyes interjúkkal a válaszadók lakásán Az adatfelvételt a Medián kft. kérdezőbiztosai végezték

Részletesebben

A termékfejlesztés modelljei

A termékfejlesztés modelljei Marketing II. Ipari termék- és formatervező mérnök szak A termékfejlesztési folyamat modellezése és marketing információval való támogatása. Amiről ma szó lesz Tankönyv: 7. fejezet. Témakörök: 1. A termékfejlesztési

Részletesebben

Építési hálók és neonreklámok elérési adatai

Építési hálók és neonreklámok elérési adatai Építési hálók és neonreklámok elérési adatai 2008. január 3. Tartalom 1. Kutatás háttere 1. 1 Módszertan Outdoor Mapping rendszerről 1.2 Módszertan - A kutatás módszertana 1.3 Módszertan - Az elemzésben

Részletesebben

MINTAVÉTELEZÉS. Alaptípusai: sampling. véletlen érvényesítésére v. mellőzzük azt. = preferenciális mintav. = véletlen mintav.

MINTAVÉTELEZÉS. Alaptípusai: sampling. véletlen érvényesítésére v. mellőzzük azt. = preferenciális mintav. = véletlen mintav. A teljes alapsokaságot nem ismerhetjük meg. MINTAVÉTELEZÉS Fontossága: minden későbbi értékelés ezen alapszik. Alaptípusai: Szubjektív folyamat Objektív folyamat (non-probabilistic) (probabilistic) sampling

Részletesebben

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

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

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

Míg a kérdıíves felérés elsısorban kvantitatív (statisztikai) elemzésre alkalmas adatokat szolgáltat, a terepkutatásból ezzel szemben inkább

Míg a kérdıíves felérés elsısorban kvantitatív (statisztikai) elemzésre alkalmas adatokat szolgáltat, a terepkutatásból ezzel szemben inkább Terepkutatás Míg a kérdıíves felérés elsısorban kvantitatív (statisztikai) elemzésre alkalmas adatokat szolgáltat, a terepkutatásból ezzel szemben inkább kvalitatív adatok származnak Megfigyelések, melyek

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

Bevezető milyen információkkal rendelkezik a magyar lakosság ezekről a termékkategóriákról Módszertan:

Bevezető milyen információkkal rendelkezik a magyar lakosság ezekről a termékkategóriákról Módszertan: Bevezető A Szinapszis Kft. a Magyar Gyógyszerészi Kamarával együttműködve piackutatást kezdeményezett, amelynek célja annak feltárása, milyen szerepe van a gyógyszernek illetve az egyéb, gyógyhatású, étrend-kiegészítő

Részletesebben

A társadalomkutatás módszerei I. Outline. A mintavételi hiba és konfidencia-intervallum Elmélet. Szükséges képletek: Tehát:

A társadalomkutatás módszerei I. Outline. A mintavételi hiba és konfidencia-intervallum Elmélet. Szükséges képletek: Tehát: A társadalomkutatás módszerei I. 10. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. november 17. Outline 1 Ismétlés Számítási feladat Egyéb példák 2 A mintavételi hiba dichotóm változók esetében

Részletesebben

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari

Részletesebben

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

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

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

Ipsos Public Affairs new PPT template Nobody s Unpredictable

Ipsos Public Affairs new PPT template Nobody s Unpredictable Vélemények A munka törvénykönyvének módosításáról 2011. szeptember Nobody s Unpredictable Módszertani áttekintés A kutatást végezte: Ipsos Média-, Vélemény és Piackutató Zrt. Mintanagyság: 800 fő Mintavétel

Részletesebben

NÉPESSÉGTUDOMÁNYI KUTATÓ INTÉZET

NÉPESSÉGTUDOMÁNYI KUTATÓ INTÉZET NKI KÖZPONTI STATISZTIKAI HIVATAL NÉPESSÉGTUDOMÁNYI KUTATÓ INTÉZET CSALÁDI EGYÜTTÉLÉS A kutatás dokumentációja 2003 Tartalom Bevezetés 3 A minta 4 Az adatfelvétel főbb adatai..5 Az adatbázis súlyozása.8

Részletesebben

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

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

Részletesebben

[GVMGS11MNC] Gazdaságstatisztika

[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)

Részletesebben

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

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

Részletesebben

Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával.

Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával. Tisztelt Felhasználó! Kérem, ismerkedjen meg a DigitAudit program AuditTeszt moduljának Adatok tesztelése menüpontjával. A program céljai: A programot azért fejlesztettük ki, hogy segítséget adjunk a nagytömegű

Részletesebben

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék

Mérés és skálaképzés. Kovács István. BME Menedzsment és Vállalatgazdaságtan Tanszék Mérés és skálaképzés Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Miröl is lesz ma szó? Mi is az a mérés? A skálaképzés alapjai A skálaképzés technikái Összehasonlító skálák Nem összehasonlító

Részletesebben

1 A SIKERES PROJEKT KOCKÁZATMENEDZ SMENT FŐ ELEMEI ÉS KULCSTÉNYEZŐI

1 A SIKERES PROJEKT KOCKÁZATMENEDZ SMENT FŐ ELEMEI ÉS KULCSTÉNYEZŐI 1 A SIKERES PROJEKT KOCKÁZATMENEDZ SMENT FŐ ELEMEI ÉS KULCSTÉNYEZŐI 1.1 MIT JELENT ÉS MIÉRT FONTOS A KOCKÁZATMENEDZSMEN T? A Project Management Institute (PMI) definíciója szerint a projekt egy ideiglenes

Részletesebben

Verbális adatszerzési technikák. interjú

Verbális adatszerzési technikák. interjú Verbális adatszerzési technikák interjú Az interjú a kérdıívekkel együtt a társadalomtudományokban nagyon gyakran használt felmérés (survey) módszer egyik fajtája. A felmérés információgyőjtı módszer leíró

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

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

Részletesebben

A TANÁCSADÁSI MODELLEK GYAKORLATI ALKALMAZÁSÁNAK FŐBB SAJÁTOSSÁGAI

A TANÁCSADÁSI MODELLEK GYAKORLATI ALKALMAZÁSÁNAK FŐBB SAJÁTOSSÁGAI A TANÁCSADÁSI MODELLEK GYAKORLATI ALKALMAZÁSÁNAK FŐBB SAJÁTOSSÁGAI Józsa Imola Doktorjelölt Dr. Vinogradov Sergey PhD.Tanszékvezető Egyetemi docens SZENT ISTVÁN EGYETEM Gödöllő BUDAPESTI KERESKEDELMI ÉS

Részletesebben

Környezet statisztika

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

Részletesebben

Tantárgyi program. 1. A tantárgy neve, kódja: AV_KMLA216-K5 Marketing alapjai. 2. A tantárgyfelelős neve, beosztása: Dr. Szakály Zoltán egyetemi tanár

Tantárgyi program. 1. A tantárgy neve, kódja: AV_KMLA216-K5 Marketing alapjai. 2. A tantárgyfelelős neve, beosztása: Dr. Szakály Zoltán egyetemi tanár Tantárgyi program 1. A tantárgy neve, kódja: AV_KMLA216-K5 Marketing alapjai 2. A neve, beosztása: egyetemi tanár 3. Szak megnevezése: Kereskedelem és Marketing BA szak, levelező tagozat 4. A tantárgy

Részletesebben

A fókuszcsoport. A terepmunka. 2015. November 09.

A fókuszcsoport. A terepmunka. 2015. November 09. A fókuszcsoport. A terepmunka 2015. November 09. A fókuszcsoport A piackutatás kvalitatív módszere Paul Lazarsfeld és munkatársai (1941): rádióműsorok által kiváltott hallgatói reakciók értékelése Kiscsoportos

Részletesebben

Fogyasztói szokások az étrendkiegészítők. élelmiszer-biztonság szempontjából

Fogyasztói szokások az étrendkiegészítők. élelmiszer-biztonság szempontjából Fogyasztói szokások az étrendkiegészítők körében az élelmiszer-biztonság szempontjából Németh Nikolett Szent István Egyetem Gazdálkodás- és Szervezéstudományok Doktori Iskola Bükfürdő, 2016. április 7-8.

Részletesebben

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2003/2. SPSS állomány neve: Budapest, február

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2003/2. SPSS állomány neve: Budapest, február TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA SPSS állomány neve: F63 Budapest, 2003. február 2 Tartalomjegyzék BEVEZETÉS...3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI ELOSZLÁSOKKAL...4 Nem szerinti

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

Részletesebben

KÖFOP VEKOP A jó kormányzást megalapozó közszolgálat-fejlesztés

KÖFOP VEKOP A jó kormányzást megalapozó közszolgálat-fejlesztés KÖFOP-2.1.2-VEKOP-15-2016-00001 A jó kormányzást megalapozó közszolgálat-fejlesztés A Jó Állam Véleményfelmérés bemutatása Demeter Endre Nemzeti Közszolgálati Egyetem JÓ ÁLLAM VÉLEMÉNYFELMÉRÉS CÉLJAI Hiányzó

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

Polányi elosztási elmélete. Marketing 1 fejezet: A marketing szerepe az üzleti életben és a társadalomban. A marketing fogalma.

Polányi elosztási elmélete. Marketing 1 fejezet: A marketing szerepe az üzleti életben és a társadalomban. A marketing fogalma. Polányi elosztási elmélete Marketing 1 fejezet: A marketing szerepe az üzleti életben és a társadalomban Bauer András Berács József Reciprocitás Redisztribúció Piac 2 A piaci csere A piaci csere nem az

Részletesebben

MARKETINGKUTATÁS DEFINÍCIÓJA

MARKETINGKUTATÁS DEFINÍCIÓJA Gyakorlatorientált képzési programok kidolgozása a turisztikai desztináció menedzsment és a kapcsolódó ismeretanyagok oktatására TÁMOP-4.1.2-08/1/A-2009-0034 projekt Regionális turisztikai menedzsment

Részletesebben

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

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

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

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 - 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

Társkereső hirdetések tartalomelemzése

Társkereső hirdetések tartalomelemzése Projektek Tartalomelemzés Társkereső hirdetések tartalomelemzése Projektek Projekt lépései A projekt összefoglalása 3. Kitekintés Minták A projekt összefoglalása A kvalitatív stratégiához kapcsolódóan

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

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

Részletesebben

A helyi demokrácia helyzete Székesfehérváron Helyi Demokrácia Audit 3. jelentés

A helyi demokrácia helyzete Székesfehérváron Helyi Demokrácia Audit 3. jelentés A helyi demokrácia helyzete Székesfehérváron Helyi Demokrácia Audit 3. jelentés Készült a Helyi demokrácia erősítése Székesfehérváron című Phare program keretében (Phare 2003/004-02-02-0039) 2006. június

Részletesebben

NEGAJOULE2020 A magyar lakóépületekben rejlő energiamegtakarítási potenciál www.negajoule.hu

NEGAJOULE2020 A magyar lakóépületekben rejlő energiamegtakarítási potenciál www.negajoule.hu NEGAJOULE2020 A magyar lakóépületekben rejlő energiamegtakarítási potenciál www.negajoule.hu Fülöp Orsolya A NegaJoule2020 kutatási projekt A NegaJoule2020 kutatási projekt: 2000 háztartást megvizsgálva

Részletesebben

Big Map Menü. Esettanulmány a McDonald's Magyarországi Étteremhálózat Kft. Geomarketing megoldásáról

Big Map Menü. Esettanulmány a McDonald's Magyarországi Étteremhálózat Kft. Geomarketing megoldásáról Big Map Menü Esettanulmány a McDonald's Magyarországi Étteremhálózat Kft. Geomarketing megoldásáról Szélpál Melinda GIS Rendszermérnök szelpal@varinex.hu A McDonald s SZÁMOKBAN A McDonald s étteremhálózat

Részletesebben

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Reform. SPSS állomány neve: Budapest, október

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Reform. SPSS állomány neve: Budapest, október TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Reform SPSS állomány neve: D09 Budapest, 2002. október Reform 2 Tartalomjegyzék 1. AZ ADATFELVÉTELRŐL...3 1. TÁBLÁZAT A REFORM KUTATÁS ELKÉSZÜLT KÉRDŐÍVEINEK SZÁMA

Részletesebben

Oktatásmarketing Piackutatás 3. A piackutatás típusai és a folyamat főbb jellemezői

Oktatásmarketing Piackutatás 3. A piackutatás típusai és a folyamat főbb jellemezői Oktatásmarketing Piackutatás 3. A piackutatás típusai és a folyamat főbb jellemezői Dr. Benkei-Kovács Balázs egyetemi adjunktus ELTE PPK A piackutatás céljai Feltáró-kutatás Valamit nem ismerünk, információra

Részletesebben

Mérési hibák 2006.10.04. 1

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

Részletesebben

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás)

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Saját vállalkozás Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Piaci részesedés Haszonkulcs Marketing folyamatok Marketing szervezet Értékesítési/marketing kontrol adatok

Részletesebben

Önértékelési rendszer

Önértékelési rendszer Zala Megyei Kereskedelmi és Iparkamara Szakképzési és Szolgáltató Közhasznú Nonprofit Kft. 8900 Zalaegerszeg, Petőfi u. 24. Felnőttképzési engedély szám: E-000116/2014. Önértékelési rendszer Hatályba lép:

Részletesebben

Leíró kutatási módszerek

Leíró kutatási módszerek Leíró kutatási módszerek Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Az elöadás felépítése Megfigyelés A megfigyelés módszerei A megfigyelés pro és kontrái A megkérdezés módszerei A megfigyelés

Részletesebben

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Statisztika. 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

Részletesebben

Statisztika I. 1. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 1. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre A STATISZTIKA FOGALMA 1. Gyakorlati számbavételi tevékenység tömegjelenségek számbavétele, elemzése összefüggések feltárása következtetések levonása Célja:

Részletesebben

Az értékelés során következtetést fogalmazhatunk meg a

Az értékelés során következtetést fogalmazhatunk meg a Az értékelés során következtetést fogalmazhatunk meg a a tanuló teljesítményére, a tanulási folyamatra, a célokra és követelményekre a szülők teljesítményére, a tanulási folyamatra, a célokra és követelményekre

Részletesebben