Hatások száma. Az extra információt felhasználhatjuk: Alias hatások. Részleges kétszintő tervezés. Kísérlettervezés
|
|
- Lilla Borosné
- 7 évvel ezelőtt
- Látták:
Átírás
1 Matematikai statisztika. elıadás, Kísérlettervezés A legfotosabb off-lie módszer a mőködés hatékoyabbá tételére. Cél: az otimális beállítások megtalálása. Szemotok egyértelmő eredméyek miimális költség elegedı iformatívitás lehetıleg kis méret világos cél meghatározott érvéyességi terület valós viszoyok (labor - termelés) kísérlet Hatások száma faktor - fıhatás árokéti, többszörös kölcsöhatás Az extra iformáció felhaszálása Ha vaak elhayagolható kölcsöhatások, akkor a redszer túlhatározottsága azt is jeleti, hogy mid a kísérlet lefolytatása fölösleges iformációt is szolgáltat. Az extra iformációt felhaszálhatjuk: Újabb faktorok hatásáak becslésére A szórás jobb becslésére Részleges kétszitő tervezés Ha vaak magasabb szitő elhayagolható kölcsöhatások mód va a kísérletszám csökketésére. Ha l. a háromszoros kölcsöhatás elhayagolható, akkor az az iformációszerzés is elhagyható, ami eek a hatásak a kiszámításához kell. Pl. csak olya kísérleteket folytatuk le amelybe a hármas hatás kódolása kostas = fele ayi kísérlet. Sajos így túl sokat redukáluk: Aliasokat is bevezetük. BC aliasa A-ak, AC B-ek, AB C-ek. Így csak eze hatások együttesérıl yerük iformációt. Alias hatások Ha a kísérletek számát csökketjük, akkor viszot elıfordulhat, hogy em teljese meghatározottá válik a redszer, azaz bizoyos hatások em leszek elkülöíthetıek. A em elkülöíthetı (kölcsö)hatások beállításai a kísérletekbe midig azoosak (vagy midig elletettek). Az ilye hatásokat egymás alias-aiak aiak hívjuk. A kísérletek eredméyei alajá em lehet eldötei, hogy az aliasok egyike vagy másika okozta-e a változásokat.
2 Alias hatások 4- terv eseté Az eredméyek kiértékelése A B C D AB AC AD A*B*C*D=+ BCD ACD ABD ABC CD BD BC Szóráselemzéssel: kiszőrhetıek a szigifikás hatások A fotos faktorokra újabb kísérletek: a beállítások otosítása A véglegesek szát beállítások tesztelése valós körülméyek között, kellıe robusztus-e e az eredméy? Táblázatok elemzése A számokat legjobba osztással tudjuk összehasolítai. (Figyelem: külöbség-, illetve összegkézés csak akkor értelmes, ha ez a halmazokra is értelmes). Mérıszámok tíusai (százalékba csak a hasoló ismérvekbıl számított háyadosokat értelmes kifejezi): 00*Részhalmaz/teljes halmaz (ık aráya, havi bevétel részaráya) Hasoló ismérvekre: 00*(ismérv A)/(ismérv B) Példák: társasutazáso résztvevık/ egyéi utazók, adózás utái eredméy/adó. Táblázatelemzés/ Külöbözı ismérvek háyadosa: egy fıre esı gékocsik száma, GDP/fı stb. Mérıszám-sorozatok: Bázisidex: idısor számait ugyaahhoz a bázisidıothoz hasolítjuk (egyszerő súlyozatla idex) Bi 00 = Lácidex: idısor egymás utái számait hasolítjuk egymáshoz Li = 00 0 Mérıszám-sorozatok, élda A táblázat harmadik oszloa az éves áremelkedést mutatja. Ez egy lácidex, mert a bázis midig más. A. oszlo a bázisidex, ahol midig 995 a viszoyítási ala. Év Bázisidex Lácidex Bi = 00 0 = 00 j= ( Li /00) = 00 j j= j j Egy kokrét táblázat Magyarországi adatok Adjuk éldát külöbözı aráyszámokra! Néesség (Millió) 0,35 0,70 0,37 0,7 Születésszám (ezer) Autók száma (Millió) 0,03 0,30,96
3 Egy aradoxo Megoldás: Stadardizálás vállalkozás adatai Hol keresek jobba az alkalmazottak? Adjuk meg midkét cégél az átlagkereseteket! Tehát óvatosak kell leük a kevert oulációkál. B Bak G Gyár Nık Férfiak Nık Férfiak Havi fizetés Szám A hatásokat el kell külöítei: A részhalmazok adatai közötti eltérés hatása: B s : stadardsúlya (gyakorisága) az osztályokak V: megfigyelt értéke osztályokét A részhalmazok megoszlásáak eltérésébıl adódó hatás: B: eloszlás osztályokét, V s : stadard értékek osztályokét. BsjVj V = B sj B sj j0 V=(90*50+0*350)/00- -(90*00+0*300)/00= =50 ezer Ft BjVsj Bj0Vsj V = Bj Bj0 V=(90*50+0*350)/00- -(0*50+90*350)/00= =-80 ezer Ft B V sj dexszámok dexszámok: Két hasoló ismérv adatát osztjuk el egymással. Egyszerő idexek A kacsolódó számok közvetleül a táblázatból származak, valódi meyiségekrıl szólak. (Összetett) idexszámok A hasolítadó értékek számok, amiket súlyozott átlagkét kauk meg. Összetett idexek Összetett iacok idıbei változását jellemzik (átlagos ár- és meyiségváltozás) A súlyok léyegesek, mert a termékek eltérı részt kéviselek a forgalomba. Két lehetıség:. Laseyres idex : súlyok a bázisévbıl. Paasche idex : súlyok a beszámolási idıszakból Példa a saját taasztalatukból Heti kiadás, 006: mozijegy, 4 zsemle, 3 hamburger. Összár (érték): 800+4*50+3*300=400 Ft Heti kiadás, 007: 0,5 mozijegy, 0 zsemle, 7 hamburger. Összár (érték): 0,5*00+0*60+7*300=3300 Ft, tehát egy 37,5%(=00*3300/400)-os emelkedés. Ez egy értékidex, az ár- és meyiségi változásokat em külöítettük el. Folytatás: árösszehasolítás Egy idexet keresük, emcsak egyszerő összehasolításokat akaruk (50%,0%,0% az árukéti árváltozás). A vásárlói kosár valódi összetételét kell figyelembe vei. A 006-os meyiségek alajá: 00*(*00+4*60+3*300)/ (*800+4*50+3*300)=00*940/400=,5%, tehát,5%-os áremelkedés. A 007-es meyiségek alajá: 00*(0,5*00+0*60+7*300)/ (0,5*800+0*50+7*300)=00*3300/3000=0l%, tehát 0%-os volt az áremelkedés ebbe az esetbe. Alacsoyabb, mert kevesebbet fogyasztottuk a drágábbá vált áruféleségekbıl. 3
4 Folytatás: meyiségek összehasolítása Figyelembe kell vei a fogyasztói kosár elemeiek árait. A 006-os árak alajá: 00*(0,5*800+0*50+7*300)/ (*800+4*50+3*300)=00*3000/400=0%, tehát 0%-kal ıtt a meyiség ebbe az esetbe. A 007-es árak alajá : 00*(0,5*00+0*60+7*300)/ (*00+4*60+3*300)=00*3300/940=%, tehát %-kal ıtt a meyiség ebbe az esetbe. Alacsoyabb, mert kevesebbet fogyasztottuk a megdrágult árukból. Példa Belföldi csoortos utak Külföldi csoortos utak Utazási iroda adatai 004-bıl és 005-bıl. Év Meyyiség Meyyiség i, Átlagár ( ezer Ft) Átlagár ( ezer Ft) i, Egyéi utak (meetjegyek) Laseyres-féle áridex L 0, = 00 i, =00( )/( )= =570/5768=0,3 Tehát 0,3%-os áremelkedés volt eze a iaco 005-be 004-hez kéest, ha a súlyok a bázisévbıl (004) származak. Laseyres-féle meyiségi idex M, L 0, = 00 i, =00( )/( )= =548/5768=0,3 Tehát,3%-os meyiségi övekedés volt eze a iaco 005-be 004-hez kéest, ha a súlyok a bázisévbıl (004) származak. Paasche féle áridex P 0, = 00 i, i, i, =00( )/( )= =57676/548=0,0 Paasche-féle meyiségi idex M, P 0, = 00 i, i, i, =00( )/( )= =57676/570=0,0 Tehát 0%-os áremelkedés volt eze a iaco 005-be 004-hez kéest, ha a súlyok a beszámolási évbıl (005) származak. Tehát %-os meyiségi övekedés volt eze a iaco 005-be 004-hez kéest, ha a súlyok a beszámolási évbıl (005) származak. 4
5 Tulajdoságok Midkét idex a miimális és maximális (ár, illetve meyiségi) változás-aráy között helyezkedik el. Emelkedés dex > 00% Ha mide ár/meyiség ugyaúgy változik, akkor az idex is ezt a háyadost adja. dıbei változást em tudjuk az idexek szorzatával megkai, haem csak idexsorokat tuduk kiértékeli. (egyszerőbb a Laseyres-idexre). Tulajdoságok Laseyres idex Egyszerőbb számoli Alkalmas idexsorok elıállítására Hajlamos a túlbecslésre Paasche idex Ár/meyiség-aktuális Hajlamos alulbecslésre Komromisszum: Fischer-féle ideális idex: geometriai közé a Paasche és a Laseyres idexbıl. M, F 0, = M, P M, L 0, 0, F 0, = P L 0, 0, Értékidex 0, = 00 i, i, =00( )/( )= =57676/5768=,4 Azt jeleti, hogy a iaco,4%-os övekedés volt megfigyelhetı 005-be 004-hez kéest. dısor-elemzés Adatok: X t a t idıotba megfigyelt érték; ezek tiikusa em függetleek egymástól Stacioaritást feltételezzük Erıs stacioaritás: az együttes eloszlások em függek az idıtıl Gyege stacioaritás: a kovariacia-struktúra álladó Ha em stacioárius: l. szezoalitás, tred figyelhetı meg, akkor azokat elızetese, regressziós módszerekkel eltávolítjuk. Példák Lieáris tred illesztése (géjármő-adatok) Gékocsi-értékesítés az egyes évekbe 35 y t dı (év) Személyekéti átlagjövedelem egyedévekét y 60 t Quartale yˆ t = 608,4+ 86, t dısor az illesztett lieáris treddel y t, dı (év) 5
6 Periodikus komoes a fizetési adatokál Emirikus autokorrelációs együttható Elıször leválasztjuk a tredet, majd az egyes egyedévekre kiszámoljuk a reziduálisok átlagát. Ezt kivova az eredeti idısorból, eriódusmetes adatokat kauk S j Szezoális áltagok egyedévekét Quartale A megtisztított idısor Quartale dısor (x, x,, x ). redő autokorrelációs együttható : Korreláció az alábbi - ár között (x, x ), (x 3, x ),, (x, x - ) (x t x)(x t x) r = (x x) t. redő autokorrelációs együttható : Korreláció az alábbi - ár között: (x 3, x ), (x 4, x ),, (x, x - ) (x t x)(x t x) r = 3 (x t x) k. redő autokorrelációs együttható Általába: k. redő autokorrelációs együttható : Korreláció az alábbi -k ár között (x k+, x ), (x k+, x ),, (x, x -k ) (x t x)(x t k x) r = k+ k (x t x). redő autokorrelációs együttható a reziduálisokra A korrelációt most az (u, u ), (u 3, u ),..., (u, u - ). árok között számoljuk. Az = u - u t u = u t jelölésekkel (ut u)(ut u) r = (ut u) (ut u) Nagy -re E(u t )=0 közelítıleg maga utá voja az alábbiakat: u u u u= ut 0 ut u t-. r = ut Grafikus megjeleítés: korrelogramm Továbbléés X tegely: red, y tegely: autokorrelációk ACF Függetle, azoos eloszlású változók =00, kofidecia sáv az r=0 teszteléséhez a ormális határeloszlásból: [-.96 /,.96 /] Ha em fogadható el a reziduálisok korrelálatlasága: Lehetek fel em tárt eriódusok De más kacsolat is femaradhat az egymáshoz közeli megfigyelések között (l. idıjárási adatok, eltérés a sokévi átlagtól). ACF Kacsolat va x_t és x_(t+4) között Lag Lag 6
Általánosítás. Többdimenziós normális eloszlás. Matematikai statisztika elıadás III. éves elemzı szakosoknak
Matematikai statisztika elıadás. éves elemzı szakosokak 0. elıadás Többdimeziós ormális eloszlás Kétdimeziós ormális eloszlás sőrőségfüggvéye ( ( x µ ) ρ ( y ν ) f x, y) ex + ( x µ )( y ν ) ) πσς ρ σ σς
RészletesebbenA kísérletek ismétlése. Randomizálás = Véletlenítés. A tervezés kezdeti lépései. A faktoriális tervezés. Kísérlettervezés
Matematikai statisztika elıadás. éves elemzı szakosoknak 11. elıadás Kísérlettervezés A legfontosabb off-line módszer a mőködés hatékonyabbá tételére. Cél: az otimális beállítások megtalálása. Szemontok
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
RészletesebbenKutatói pályára felkészítı modul
Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
RészletesebbenPályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér 13. www.u-szeged.hu www.palyazat.gov.
Pályázat címe: Új geerációs sorttudomáyi kézés és tartalomfejlesztés, hazai és emzetközi hálózatfejlesztés és társadalmasítás a Szegedi Tudomáyegyeteme Pályázati azoosító: TÁMOP-4...E-5//KONV-05-000 Sortstatisztika
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
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
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
RészletesebbenLOGO. Kvantum-tömörítés. Gyöngyösi László BME Villamosmérnöki és Informatikai Kar
LOGO Kvatum-tömörítés Gyögyösi László BME Villamosméröki és Iformatikai Kar Iformációelméleti alaok összefoglalása A kódolási eljárás Az iformáció átadás hűsége és gazdaságossága a kódolástól függ Az iformáció
RészletesebbenSTATISZTIKA I. x ÁR. x ÁR. x ÁR. x ÁR. Számosállat. Egységhozam. Termelési érték, árbevétel. Az ár. Hogyan lehet ezeket összehasonlítani?
Hogya lehet ezeket összehasolítai? STATSZTKA. 8. Előadás dexek, adatábrázolás 2/22 Számosállat Egységhozam Állatteyésztési, statisztikai, valamit üzemszervezési mértékegység, amely külöböző fajú, fajtájú,
RészletesebbenRudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása
Rudas Tamás: A hibahatár a becsült meyiség függvéyébe a mért ártrefereciák téves értelmezéséek egyik forrása Megjelet: Agelusz Róbert és Tardos Róbert szerk.: Mérésről mérésre. A választáskutatás módszertai
RészletesebbenMegjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
Részletesebben6. Minısítéses ellenırzı kártyák
6. Miısítéses elleırzı kártyák Sokszor elıfordul, hogy a termék-egyedek miıségét em tudjuk mérhetı meyiségekkel jellemezi, csak megfelelı/em megfelelı kategóriákba sorolhatjuk ıket, és a hibás darabokat,
Részletesebben1. Sajátérték és sajátvektor
1. Sajátérték és sajátvektor Leképezés diagoális mátrixa. Kérdés Mely bázisba lesz egy traszformáció mátrixa diagoális? A Hom(V) és b 1,...,b ilye bázis. Ha [A] b,b főátlójába λ 1,...,λ áll, akkor A(b
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS
ÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS Összefüggésvizsgálat, paraméterbecslés A kísérletek sorá a redszer állapotát ellemző paraméterek kapcsolatát vizsgáluk. A yert adatok alapá felállítuk a redszer matematikai
RészletesebbenSzámsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.
Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el
RészletesebbenReakciómechanizmusok leírása. Paraméterek. Reakciókinetikai bizonytalanságanalízis. Bizonytalanságanalízis
Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alajá uráyi amás www.turayi.eu ELE Kémiai Itézet Reakciókietikai Laboratórium Eddig dolgoztak eze a témá: (témavezetık: uráyi
RészletesebbenSZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo
SZÁMELMÉLET Vasile Beride, Filippo Spagolo A számelmélet a matematika egyik legrégibb ága, és az egyik legagyobb is egybe Eek a fejezetek az a célja, hogy egy elemi bevezetést yújtso az első szite lévő
RészletesebbenPopuláció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 16. A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezőgazdaság Szociológia
RészletesebbenIngatlanfinanszírozás és befektetés
Nyugat-Magyarországi Egyetem Geoiformatikai Kar Igatlameedzser 8000 Székesfehérvár, Pirosalma u. 1-3. Szakiráyú Továbbképzési Szak Igatlafiaszírozás és befektetés 2. Gazdasági matematikai alapok Szerzı:
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
RészletesebbenZavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.
Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet végző em tudja megkülöbözteti az egyes faktorokat. Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet
Részletesebbenf(n) n x g(n), n x π 2 6 n, σ(n) n x
Számelméleti függvéyek extremális agyságredje Dr. Tóth László 2006 Bevezetés Ha számelméleti függvéyek, l. multilikatív vagy additív függvéyek agyságredjét vizsgáljuk, akkor először általába az adott függvéy
Részletesebben18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható
8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.
RészletesebbenStatisztikai hipotézisvizsgálatok
Statisztikai hipotézisvizsgálatok. Milye problémákál haszálatos? A gyakorlatba agyo gyakra szükségük lehet arra, hogy mitákból származó iformációk alapjá hozzuk sokaságra voatkozó dötéseket. Például egy
Részletesebben1. előadás: Bevezetés. Irodalom. Számonkérés. Cél. Matematikai statisztika előadás survey statisztika MA szakosoknak. A matematikai statisztika tárgya
Matematikai statisztika előadás survey statisztika MA szakosokak 206/207 2. félév Zempléi Adrás. előadás: Bevezetés Irodalom, követelméyek A félév célja Matematikai statisztika tárgya Törtéet Alapfogalmak
RészletesebbenDiszkrét matematika II., 3. előadás. Komplex számok
1 Diszkrét matematika II., 3. előadás Komplex számok Dr. Takách Géza NyME FMK Iformatikai Itézet takach@if.yme.hu http://if.yme.hu/ takach/ 2007. február 22. Komplex számok Szereték kibővítei a valós számtestet,
RészletesebbenLineáris kódok. u esetén u oszlopvektor, u T ( n, k ) május 31. Hibajavító kódok 2. 1
Lieáris kódok Defiíció. Legye SF q. Ekkor S az F q test feletti vektortér. K lieáris kód, ha K az S k-dimeziós altere. [,k] q vagy [,k,d] q. Jelölések: F u eseté u oszlopvektor, u T (, k ) q sorvektor.
RészletesebbenMatematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)
Matematka statsztka elıadás III. éves elemzı szakosokak Zemplé Adrás 9. elıadásból részlet Y közelítése függvéyével Gyakor eset, hogy em smerjük a számukra érdekes meység Y potos értékét pl. holap részvéy-árfolyam,
RészletesebbenTartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:
Tartalom A bootstrap módszer Zempléi Adrás TTK, Valószíőségelméleti és Statisztika Taszék 2010. október 21 Bevezetés A függetle, azoos eloszlású eset: emparaméteres paraméteres eset Alkalmazások a rétegzett
RészletesebbenPÉLDATÁR A SZÁMÍTÓGÉPES TESZTHEZ. Írta Dr. Huzsvai László
PÉLDATÁR A SZÁMÍTÓGÉPES TESZTHEZ Írta Dr. Huzsvai László Debrece 2012 Tartalomjegyzék Bevezetés...1 Viszoyszámok...1 Középértékek (átlagok)...2 Szóródási mutatók...4 Idexek...7 Furfagos kérdések...8 Bevezetés
Részletesebbenbiometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat
Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke
RészletesebbenA statisztika részei. Példa:
STATISZTIKA Miért tauljuk statisztikát? Mire haszálhatjuk? Szakirodalom értő és kritikus olvasásához Mit állít egyáltalá a cikk? Korrektek-e a megállaítások? Vizsgálatok (kísérletek és felmérések) tervezéséhez,
RészletesebbenPopuláció nagyságának felmérése, becslése
http:/zeus.yf.hu/~szept/kuzusok.htm Populáció agyságáak felméése, becslése Becsült paaméteek: N- az adott populáció teljes agysága (egyed, pá, stb) D- dezitás (sűűség), egységyi felülete/téfogata számított
RészletesebbenKomplex számok (el adásvázlat, 2008. február 12.) Maróti Miklós
Komplex számok el adásvázlat, 008. február 1. Maróti Miklós Eek az el adásak a megértéséhez a következ fogalmakat kell tudi: test, test additív és multiplikatív csoportja, valós számok és tulajdoságaik.
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
Részletesebben7. el adás Becslések és minta elemszámok. 7-1. fejezet Áttekintés
7. el adás Becslések és mita elemszámok 7-1. fejezet Áttekités 7-1 Áttekités 7- A populáció aráy becslése 7-3 A populáció átlag becslése: σismert 7-4 A populáció átlag becslése: σem ismert 7-5 A populáció
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
Részletesebben2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;
Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:
RészletesebbenÁringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév
Árigadozások elıadás Kvatitatív pézügyek szakiráy 01/13. félév Heti óra elıadás + óra gyakorlat Elıadás: fıleg modellek, elemzési módszerek Gyakorlat: R programmal, alkalmazások Számokérés 50%: beadadó
Részletesebben6. feladatsor. Statisztika december 6. és 8.
6. feladatsor Statisztika 200. december 6. és 8.. Egy = 0 szervert tartalmazó kiszolgáló mide szervere mide pillaatba 0 < p < valószíűséggel foglalt, a foglaltságok szerverekét függetleek. Tehát a foglaltak
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
RészletesebbenTovábblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,
Matematikai statisztika. elıadás, 9.5.. Továbblépés Ha nem fogadható el a reziduálisok korrelálatlansága: Lehetnek fel nem tárt periódusok De más kapcsolat is fennmaradhat az egymáshoz közeli megfigyelések
Részletesebben= λ valós megoldása van.
Másodredű álladó együtthatós lieáris differeciálegyelet. Általáos alakja: y + a y + by= q Ha q = 0 Ha q 0 akkor homogé lieárisak evezzük. akkor ihomogé lieárisak evezzük. A jobb oldalo lévő q függvéyt
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
RészletesebbenTulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 26 p 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 A bomáls és a hpergeom. elo. összehasolítása 0 1 2 3 4 5 6 7 8 9 10 k Hp.geom
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
RészletesebbenVÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
RészletesebbenBIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika
BIOSTATISZTIKA ÉS INFORMATIKA Leíró statisztika Első közelítésbe a statisztikai tevékeységeket égy csoportba sorolhatjuk, de ezek között ics éles határ:. adatgyűjtés, 2. az adatok áttekithetővé tétele,
RészletesebbenKAOTIKUS VAGY CSAK ÖSSZETETT? Labdák pattogása lépcsôn
A FIZIKA TANÍTÁSA KAOTIKUS VAGY CSAK ÖSSZETETT? Labdák pattogása lépcsô Griz Márto ELTE Elméleti Fizikai Taszék Meszéa Tamás Ciszterci Red Nagy Lajos Gimázima Pécs, a Fizika taítása PhD program hallgatója
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
RészletesebbenCserjésné Sutyák Ágnes *, Szilágyiné Biró Andrea ** ismerete mellett több kísérleti és empirikus képletet fel-
ACÉLOK KÉMIAI LITY OF STEELS THROUGH Cserjésé Sutyák Áges *, Szilágyié Biró Adrea ** beig s s 1. E kutatás célja, hogy képet meghatározásáak kísérleti és számítási móiek tosságáról, és ezzel felfedjük
RészletesebbenDr. BALOGH ALBERT. A folyamatképesség és a folyamatteljesítmény statisztikái (ISO 21747)
Dr. BAOGH ABERT A folyamatkéesség és a folyamatteljesítméy statistikái ISO 747 Folyamat sabályoott, ha csak véletle okú váltoásokat hibákat tartalma. Sabályoatla, ha aoosítható okú redseres váltoásokat
RészletesebbenSorozatok A.: Sorozatok általában
200 /2002..o. Fakt. Bp. Sorozatok A.: Sorozatok általába tam_soroz_a_sorozatok_altalaba.doc Sorozatok A.: Sorozatok általába Ad I. 2) Z/IV//a-e, g-m (CD II/IV/ Próbálj meg róluk miél többet elmodai. 2/a,
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
RészletesebbenARITMETIKA ÉS ALGEBRA I. TERMÉSZETES SZÁMOK
ARITMETIKA ÉS ALGEBRA I. TERMÉSZETES SZÁMOK 1. MŐVELETEK TERMÉSZETES SZÁMOKKAL ) Összedás: + = c és - összeddók, c - összeg A feldtok yivl gyo (tö). Az összedás tuljdosági: 1) kommuttív (felcserélhetı):
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenV. Deriválható függvények
Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet
Részletesebben6. Számsorozat fogalma és tulajdonságai
6. Számsorozat fogalma és tulajdoságai Taulási cél: A számsorozat fogalmáak és elemi tulajdoságaiak megismerése. A mootoitás, korlátosság vizsgálatáak elsajátítása. Nevezetes sorozatok határértékéek megismerése.
RészletesebbenTartalomjegyzék. Pemutáció 5 Ismétléses permutáció 8 Variáció 9 Ismétléses variáció 11 Kombináció 12 Ismétléses kombináció 13
Tartalomjegyzék I Kombiatorika Pemutáció Ismétléses permutáció 8 Variáció 9 Ismétléses variáció Kombiáció Ismétléses kombiáció II Valószíségszámítás M/veletek eseméyek között 6 A valószí/ség fogalma 8
RészletesebbenMatematikai statisztika
Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),
RészletesebbenAz iparosodás és az infrastrukturális fejlődés típusai
Az iparosodás és az ifrastrukturális fejlődés típusai Az iparosodás és az ifrastrukturális fejlődés kapcsolatába törtéelmileg három fejlődési típus vázolható fel: megelőző, lácszerűe együtt haladó, utólagosa
RészletesebbenAutoregressziós folyamatok
Autoregressziós folyamatok.. Példa.. Az ε(t) folyamat függetle érték zaj, ha a várható értéke és ε(t)-k függetle, azoos eloszlású valószí ségi változók.. Az ε(t) folyamat fehér zaj, ha Eε(t) =, és ε(t)-k
RészletesebbenMatematikai játékok. Svetoslav Bilchev, Emiliya Velikova
Első rész Matematikai tréfák Matematikai játékok Svetoslav Bilchev, Emiliya Velikova A következő matematikai játékokba matematikai tréfákba a végső eredméy a játék kiidulási feltételeitől függ, és em a
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Idősorok elemzése. 5. előadás. Döntéselőkészítés módszertana
Idősorok elemzése 5. előadás Dötéselőkészítés módszertaa Az idősorok elemzéséek egyszerűbb Számtai átlag eszközei: Kroológikus átlag Diamikus viszoyszám Átlagos abszolút eltérés Átlagos relatív eltérés
Részletesebbenföldtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
RészletesebbenStatisztika Elıadások letölthetık a címrıl
Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
RészletesebbenEgy lehetséges tételsor megoldásokkal
Egy lehetséges tételsor megoldásokkal A vizsgatétel I része a IX és X osztályos ayagot öleli fel, 6 külöböző fejezetből vett feladatból áll, összese potot ér A közzétett tétel-variások és az előző évekbe
Részletesebbenképzetes t. z = a + bj valós t. a = Rez 5.2. Műveletek algebrai alakban megadott komplex számokkal
5. Komplex számok 5.1. Bevezetés Taulmáyaik sorá többször volt szükség az addig haszált számfogalom kiterjesztésére. Először csak természetes számokat ismertük, később haszáli kezdtük a törteket, illetve
Részletesebben3. MINTAFELADATSOR EMELT SZINT JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Oktatáskutató és Fejlesztő Itézet TÁMOP-3.1.1-11/1-01-0001 XXI. századi közoktatás (fejlesztés, koordiáció) II. szakasz MATEMATIKA 3. MINTAFELADATSOR EMELT SZINT 015 JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ Oktatáskutató
RészletesebbenEddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika
Leíró és matematikai statisztika Matematika alapszak, matematikai elemző szakiráy Zempléi Adrás Valószíűségelméleti és Statisztika Taszék Matematikai Itézet Természettudomáyi Kar Eötvös Lorád Tudomáyegyetem
RészletesebbenEloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok
Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok
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
RészletesebbenParaméterek. Reakciómechanizmusok leírása. Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alapján
Megbízható kémiai modellek kiejlesztése sok mérési adat egyidejő eldolgozása alajá uráyi amás www.turayi.eu ELE Kémiai Itézet Reakciókietikai Laboratórium Eddig dolgoztak eze a témá: (témavezetık: uráyi
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
RészletesebbenNAGYVADÁLLOMÁNY JELLEMZŐ ADATAINAK MEGHATÁROZÁSA KÖZVETETT ÚTON
634.0.907.13 GYARMATI LÁSZLÓ, HAVAS TIBOR NAGYVADÁLLOMÁNY JELLEMZŐ ADATAINAK MEGHATÁROZÁSA KÖZVETETT ÚTON Vadgazdálkodási terveik legsebezhetőbb potja a meglévő vadállomáy jellemzése. Fotos érdek fűződik
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
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
RészletesebbenPiacmeghatározás. Hipotetikus monopolista teszt. Hipotetikus monopolista teszt alkalmazása. Hipotetikus monopolista teszt alkalmazása
Moder iacelmélet Moder iacelmélet A iaci erő mérése ELTE TáTK Közgazdaságtudomáyi Taszék Selei Adrie ELTE TáTK Közgazdaságtudomáyi Taszék Készítette: Hidi Jáos A taayag a Gazdasági Verseyhivatal Verseykultúra
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
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.
RészletesebbenFüggvényhatárérték-számítás
Függvéyhatárérték-számítás I Függvéyek véges helye vett véges határértéke I itervallumo, ha va olya k valós szám, melyre az I itervallumo, ha va olya K valós szám, melyre I itervallumo, ha alulról és felülről
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
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
RészletesebbenA peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
RészletesebbenMatematikai játékok. Svetoslav Bilchev, Emiliya Velikova
Matematikai játékok Svetoslav Bilchev, Emiliya Velikova 1. rész Matematikai tréfák A következő matematikai játékokba matematikai tréfákba a végső eredméy a játék kiidulási feltételeitől függ, és em a játékosok
RészletesebbenKomputer statisztika
Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................
RészletesebbenTöbb valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
Részletesebben