A konfidencia intervallum képlete: x± t( α /2, df )

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A konfidencia intervallum képlete: x± t( α /2, df )"

Átírás

1 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, terjedelme, mediánja, módusza, alsó- és felső kvartilise, átlaga? Rajzold fel a minta alapján szerkeszthető hisztogrammot. A minta minimuma 1, maximuma 7, terjedelme 6. Módusza (ebből van a legtöbb). A 19 mintának a mediánja (10. elem): 3. Alsó kvartilise a 4-5. elem átlaga azaz. Felső kvartilise a elem átlaga, azaz 3,5. Átlaga,94. Hisztogrammot mindenkinek a fantáziájára bízom.. feladat. Eloszlásról a következőt tudom. Elemszáma 11, minimuma 3, terjedelme 4, módusza és mediánja 5, alsó kvartilise 3,5, felső kvartilise 5. Rajzold fel vázlatosan az eloszlás hisztogrammját. Tegyük fel, hogy a minták növekvő sorba vannak rendezve (a mediánhoz úgyis kell). Az eloszlás legkisebb eleme 3, ez legyen az 1. elem. A legnagyobb (utolsó) elem 7. A mediánja a 6. elem, ami 5. Az alsó kvartilise a 3-4 elemek átlaga, így a 3. elem 3, a 4. elem 4. A felső kvartilis a 8-9 elemek átlaga, mindkettő 5. Ezek után biztos, hogy a. elem 3-as, a 7. elem meg 5-ös. Legtöbb 5-ösből van. Ez már teljesül. Az 5. elem 4 vagy 5, a 10. elem 5-7, leginkább feladat. Egy tenyésztett, 34 egyedből álló kutyapopulációban a kutyák átlagos hossza 64.5 cm, szórásuk. cm. Milyen kétoldali 75%-os konfidencia intervallumba esik a kutyák hossza? s A konfidencia intervallum képlete: x± t( α /, df ). A t eloszlásnál ne feledjük, hogy 75% n konfidenciaintervallumnál nézzük, azaz a 1,5%-os valószínűségnél kell az inverzét megnézni (szabadsági fok 33). Ez 1,57. Így a 75%-os kétoldali konfidencia intervallum 64.5 ± 0.6 cm.

2 4. feladat: Egy tanulócsoporttal egy tesztet elvégeztettek a félév elején, s a félév végén, hogy lássák mennyit fejlődött a csoport. Feltételezzük, hogy a pontszámok normális eloszlásúak. 5%- os szignifikanciaszint mellett eredményesnek mondható-e az okítás? Mindenekelőtt ki kell számolnunk a tesztek eredményeinek változását. Ezt követően a különbségekre kell tesztelni, hogy azok várhatóértéke 0-e. Ez lényegében egy párosított mintájú t próba H0: Az okításnak nincs hatása, a pontszám különbség = 0. H1: Az okításnak van hatása, a pontszámkülönbség 0. α=0,05 d 3.08 Próbastatisztika t = = = s d Kritikus érték t =,59 Mivel a érték nagyobb, mint a próbastatisztika, így a nullhipotézist α=0,05 szignifikanciaszint mellett elfogadjuk. Azaz az okításnak nincs szignifikáns hatása.

3 6. feladat: M&M cukorkák szín szerinti megoszlását vizsgáltuk. Felbontottunk egy dobozt, s egybeöntve megszámoltuk, hogy hány kék, narancs, sárga, zöld, piros és barna cukorka van bennük. Egyenlő arányban van bennük minden színből? Kék Narancs Sárga Zöld Barna Piros H0: A cukorkák szín szerinti eloszlása egyenletes eloszlást követ. H1: A cukorkák szín szerint nem egyenletesen oszlanak el. α=0,05 Összesen 104 cukorka volt a dobozban. Ha egyenletesen lennének elosztva, akkor minden színből 17.3 darab lenne a dobozban. χ ( f F ) i i = = F i ( ) ( ) ( ) ( ) ( ) ( ) = = 5,93 Kritikus érték χ = 11,07 Mivel a érték kisebb, mint a próbastatisztika, így a nullhipotézist α=0,05 szignifikanciaszint mellett elvetjük. Azaz a M&M cukorkák szín szerinti eloszlása nem egyenletes (nem azonos mennyiségű van minden dobozban minden szinből). =

4 7. feladat: Félév végén a biometria gyakorlat vezetők összesítik a hallgatóik jegyeit. Feltételezve, hogy az egyes csoportokba véletlenül lettek beosztva a hallgatók, van-e különbség az egyes tanárok osztályzása között (azaz hasonlóan osztályoznak, vagy van aki szigorúbb/megengedőbb)? H0: Az egyes tanulócsoportok között különbség nincs. H1: Legalább egy tanulócsport jegyei eltérnek a többitől. α=0,05 A legkisebb rangot a -es jegy kapja. A 3 darab 3-as átlagos rangja 3. A 8 darab 4-es átlagos rangja 8,5; míg az 5-ösöké 16,5. Az egyes csoportokban a rangok a következőképpen alakulnak: Rangösszeg k R + 1 i= 1 ni ( t i ti) i H = 3( N + 1) = = 6.8 N N ( ) C = 1 = 1 = 0.87 N N 0 0 H 6.8 Hkorrigált = = = 71.9 C 0.87 χ = ( α k ) /, Mivel a tesztstatisztika nagyobb a értéknél, így a nullhipotézist 1-α szignifikanciaszinten elvetjük, azaz van különbség az osztályzásban. Gyakorló feladatok 1. feladat. Mi a mintának a minimuma, maximuma, terjedelme, mediánja, módusza, alsó- és felső kvartilise, átlaga? Rajzold fel a minta alapján szerkeszthető hisztogrammot. Minta 1: 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 5, 5 Minta :, 3, 3, 3, 3, 5, 5, 6, 6, 6, 7, 7 Minta 3:,, 3, 3, 3, 3, 4, 4, 5, 6, 6, 7. feladat. Eloszlásról a következőt tudom. Elemszáma 14, minimuma 3, terjedelme 5, módusza és mediánja 5, alsó kvartilise 4, felső kvartilise 6. Rajzold fel vázlatosan az eloszlás hisztogrammját.

5 3. feladat. Mi a kétoldali 90%-os konfidencia intervalluma a 56 elemből álló, 33,5 átlagú és 5,9 szórású eloszlásnak. 4. feladat. Mi a kétoldali 99%-os konfidencia intervalluma a 100 elemből álló, 50 átlagú és 1 szórású eloszlásnak. 5. feladat. Egy sportosztály tanulóinak pulzusát megmérték 00 méter futás előtt, s után. A 1 tanulónak átlagosan -vel lett magasabb a pulzusa, a különbség szórása 3. Változott-e a tanulók pulzusa a futástól? 6. feladat. Egy növénypopulációban a magok tömegét megmértük. Átlaguk 3,456 g, szórásuk 1,749 g (összesen 100 magot megmérve). Tudjuk, hogy a 3 grammnál nehezebb magokat a szél nem szállítja, elképzelhető-e, hogy ezen faj magjainak szállításában a szél fontos szerepet játszik? 7. feladat. Egy igen nagy rágcsálópopulációban az egyedek 0%-ának a szőrzete világos, a többié sötét. 5 egyedet csapdázva kísérletenként 647 mintát vettek és feljegyezték, hogy hány világos szőrű egyed volt a mintában. Független-e a csapdázás a bőrszíntől? világos szőrzetű egyedek a mintában megfigyelt gyakoriság

6 Megoldások 1. Minta 1 Minta Minta 3 Átlag 3,69 4,67 4,00 Minimum 3 Maximum Terjedelem Módusz Medián 4 5 3,5 Alsó kvartilis Felső kvartilis 4 6 5,5. feladat. Egy lehetséges kitöltés például feladat: 33,5 ± 1,58 4. feladat: 50 ± 3,4 d 5. feladat: A próbstatisztika t = = = 3.05 és a t =, 4, tehát a nullhipotézist sd 3 1 elvetjük, a pulzus változott (növekedett). 6. feladat: A kérdés az, hogy átlagosan 3 grammnál nehezebbek-e a magok. Ez egy egyoldali x μ 3,456 3,000 egymintás t teszt. Próbastatisztika t = n = 10 =, 60. A t érték s 1,749 (egyoldali tesztnél ugye α-nál nézve a t táblázatot, s nem α/-nél!) 1,98. A nullhipotézist el kell vetnünk, a magok átlagosan nehezebbe 3 grammnál, így a szél nem a fő terjedési módjuk. 7. feladat Binomiális eloszlásból vesszük a várt értéket szőrszíntől független csapdázás esetén. S a két eloszlást χ próbával összehasonlítom. Próbastatisztika χ =1.9. A érték χ = 11,07. A H0-t elfogadjuk. A feladatnál az 5 világost csapdázó esetben a várt egyedszám 0,84. Ezt össze kéne vonni az előző (4 világos 1 sötét) esettel.

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

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

Részletesebben

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

Biometria gyakorló feladatok BsC hallgatók számára

Biometria 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

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

Biostatisztika Összefoglalás

Biostatisztika 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

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Biomatematika 13. Varianciaanaĺızis (ANOVA) Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

STATISZTIKA. 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. 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

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

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

Részletesebben

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 biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézisvizsgálatok A hipotézisvizsgálat során a rendelkezésre álló adatok (statisztikai

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

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21. Középérték és variancia azonosságának próbái: t-próba, F -próba 2012. március 21. Hipotézis álĺıtása Feltételezés: a minta egy adott szempont alapján más populációhoz tartozik, mint b minta. Nullhipotézis

Részletesebben

egyetemi jegyzet Meskó Balázs

egyetemi jegyzet Meskó Balázs egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.

Részletesebben

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai

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

Segítség az outputok értelmezéséhez

Segítség az outputok értelmezéséhez Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok 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

Részletesebben

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!

ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:

Részletesebben

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

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

Részletesebben

Korreláció és lineáris regresszió

Korreláció 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.

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

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Feladatok Gazdaságstatisztika 7. Statisztikai becslések (folyt.); 8. Hipotézisvizsgálat

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 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

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

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

Részletesebben

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

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

Részletesebben

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) 5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van

Részletesebben

A valószínűségszámítás elemei

A 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:

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

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

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

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

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 4 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon. osztály matematika 1 Standardizált átlagos képességek matematikából

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós 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

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

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

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 4 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 18 Budapest, Horváth Mihály tér 8. Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon 6. osztály szövegértés 1 18

Részletesebben

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

Gyakorlat 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

Részletesebben

Statisztika a hétköznapokban

Statisztika a hétköznapokban Boronkay György Műszaki Középiskola és Gimnázium 2600 Vác, Németh László u. 4-6. (: 27-317 - 077 (/fax: 27-315 - 093 WEB: http://boronkay.vac.hu e-mail: boronkay@vac.hu Levelező Matematika Szakkör Statisztika

Részletesebben

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Kabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem. Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:

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

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

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

11. Matematikai statisztika

11. Matematikai statisztika 11. Matematikai statisztika 11.1. Alapfogalmak A statisztikai minta valamely valószínűségi változóra vonatkozó véges számú független kisérlet eredménye. Ez véges sok, azonos eloszlású valószínűségi változó

Részletesebben

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia

Részletesebben

Dr. Karácsony Zsolt. Miskolci Egyetem november

Dr. Karácsony Zsolt. Miskolci Egyetem november Valószínűségszámítás és Matematikai statisztika Dr. Karácsony Zsolt Miskolci Egyetem, Alkalmazott Matematikai Tanszék 2013-2014 tanév 1. félév Miskolci Egyetem 2013. november 11-18 - 25. Dr. Karácsony

Részletesebben

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztikai 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

Részletesebben

Nemparametrikus tesztek. 2014. december 3.

Nemparametrikus 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

Részletesebben

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán Kiss Gábor BMF, Mechatronikai és Autótechnikai Intézet kiss.gabor@bgk.bmf.hu

Részletesebben

FIT-jelentés :: Bajza József Általános Iskola 1046 Budapest, Bajza u. 2. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-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

Részletesebben

4. A méréses ellenırzı kártyák szerkesztése

4. A méréses ellenırzı kártyák szerkesztése 4. A méréses ellenırzı kártyák szerkesztése A kártyákat háromféle módon alkalmazhatjuk. Az elızetes adatfelvétel során a fı feladat az eloszlás paramétereinek (µ és σ ) becslése a további ellenırzésekhez.

Részletesebben

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola

FIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Nyugat-Magyarországi Egyetem Öveges Kálmán Gyakorló Általános Iskola 9022 Győr, Gárdonyi u. 2-4. Matematika Országos kompetenciamérés 1 1 Átlageredmények

Részletesebben

Ady Endre Általános Iskola

Ady Endre Általános Iskola Ady Endre Általános Iskola 36 Gyál, Ady E. u.. Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon 6. osztály szövegértés 1 36 Gyál, Ady E. u.. Standardizált átlagos képességek szövegértésből

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

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont)

1. tétel. 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója 7 cm. Mekkora a háromszög átfogója? (4 pont) 1. tétel 1. Egy derékszögű háromszög egyik szöge 50, a szög melletti befogója cm. Mekkora a háromszög átfogója? (4 pont). Adott az ábrán két vektor. Rajzolja meg a b, a b és az a b vektorokat! (6 pont)

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

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

Részletesebben

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események

Részletesebben

1/8. Iskolai jelentés. 10.évfolyam matematika

1/8. 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,

Részletesebben

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2? HIPERGEO. BINOM. POISSON 4.1. Egy üzletben 100-an vásárolnak, közülük 80-an rendelkeznek bankkártyával. A pénztárnál 10-en állnak sorba, mi a valószínűsége, hogy 7-nek lesz bankkártyája? 4.2. Egy üzletben

Részletesebben

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft

Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az

Részletesebben

FIT-jelentés :: Hild József Általános Iskola 1051 Budapest, Nádor u. 12. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: Hild József Általános Iskola 1051 Budapest, Nádor u. 12. OM azonosító: Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Hild József Általános Iskola 1051 Budapest, Nádor u. 12. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek összehasonlítása

Részletesebben

A mérési eredmény megadása

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

Részletesebben

Centura Szövegértés Teszt

Centura Szövegértés Teszt Centura Szövegértés Teszt Megbízhatósági vizsgálata Tesztfejlesztők: Megbízhatósági vizsgálatot végezte: Copyright tulajdonos: Bóka Ferenc, Németh Bernadett, Selmeci Gábor Bodor Andrea Centura Kft. Dátum:

Részletesebben

Hunyadi János Általános Iskola

Hunyadi János Általános Iskola 4 Hunyadi János Általános Iskola Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon. osztály szövegértés 1 Standardizált átlagos képességek szövegértésből Az Önök iskolájának átlagos

Részletesebben

FIT-jelentés :: Ölbey Irén Általános Iskola 4495 Döge, Osváth tér 6. OM azonosító: Telephely kódja: 004. Telephelyi jelentés

FIT-jelentés :: Ölbey Irén Általános Iskola 4495 Döge, Osváth tér 6. OM azonosító: Telephely kódja: 004. Telephelyi jelentés FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Ölbey Irén Általános Iskola 4495 Döge, Osváth tér 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek összehasonlítása

Részletesebben

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)

Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok) Poisson-eloszlás Exponenciális és normális eloszlás (házi feladatok)./ Egy televízió készülék meghibásodásainak átlagos száma óra alatt. A meghibásodások száma a vizsgált időtartam hosszától függ. Határozzuk

Részletesebben

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.

STATISZTIKA 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

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

kritikus érték(ek) (critical value).

kritikus érték(ek) (critical value). Hipotézisvizsgálatok (hypothesis testing) A statisztikának egyik célja lehet a populáció tulajdonságainak, ismeretlen paramétereinek a becslése. A másik tipikus cél: valamely elmélet, hipotézis empirikus

Részletesebben

Németh Imre Általános Iskola

Németh Imre Általános Iskola 4 Németh Imre Általános Iskola Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon. osztály szövegértés Standardizált átlagos képességek szövegértésből Az Önök iskolájának átlagos

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

Ady Endre Általános Iskola

Ady Endre Általános Iskola 4 Ady Endre Általános Iskola 3 Gyál, Ady E. u.. Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon. osztály matematika 1 3 Gyál, Ady E. u.. Standardizált átlagos képességek matematikából

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

Gyakorló feladatok a 2. dolgozathoz

Gyakorló feladatok a 2. dolgozathoz Gyakorló feladatok a. dolgozathoz. Tíz darab tízforintost feldobunk. Mennyi annak a valószínűsége hogy vagy mindegyiken írást vagy mindegyiken fejet kapunk? 9. Egy kör alakú asztal mellett tízen ebédelnek:

Részletesebben

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

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

Részletesebben

STATISZTIKA. Gyakorló feladatok az első zh-ra

STATISZTIKA. Gyakorló feladatok az első zh-ra STATISZTIKA Gyakorló feladatok az első zh-ra A változás átlagos üteme év Kenyér Ft/ kg bázisindex % 2002 151 100,0 2003 156 103,3 2004 178 117,9 2005 173 114,6 2006 179 118,5 2007 215 142,4 I = n 1 l i

Részletesebben

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT Mi a véletlen? Determinisztikus vs. Véletlen esemény? Véletlenszám: számok sorozata, ahol véletlenszerűen követik egymást az elemek Pszeudo-véletlenszám

Részletesebben

Hunyadi János Általános Iskola

Hunyadi János Általános Iskola 4 Hunyadi János Általános Iskola Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon 6. osztály matematika 1 Standardizált átlagos képességek matematikából Az Önök iskolájának átlagos

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

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. : Statisztikai hipotézisek Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027

Részletesebben

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

Khi-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

Részletesebben

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:

MINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 100% 90% 80% 70% 60% 50% 2010 2011 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% a) Nevezze

Részletesebben

FIT-jelentés :: Gábor Áron Általános Iskola 1196 Budapest, Nádasdy utca 98. OM azonosító: Intézményi jelentés. 8.

FIT-jelentés :: Gábor Áron Általános Iskola 1196 Budapest, Nádasdy utca 98. OM azonosító: Intézményi jelentés. 8. FIT-jelentés :: 2008 Gábor Áron Általános Iskola 1196 Budapest, Nádasdy utca 98. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan

Részletesebben

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 27 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium Az Önök telephelyére vonatkozó egyedi adatok táblázatokban és grafikonokon 1. évfolyam gimnázium szövegértés Előállítás ideje: 28.3.6.

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

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

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,

Részletesebben

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola

FIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Dr. Török Béla Óvoda, Általános Iskola, Speciális Szakiskola, Egységes Gyógypedagógiai Módszertani Intézmény, Diákotthon és Gyermekotthon 1142 Budapest,

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

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium

Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 4 Fazekas Mihály Fővárosi Gyakorló Általános Iskola és Gimnázium 8 Budapest, Horváth Mihály tér 8. Az Önök iskolájára vontakozó egyedi adatok táblázatokban és grafikonokon 8. osztály szövegértés 8 Budapest,

Részletesebben

FIT-jelentés :: Olcsai-Kiss Zoltán Általános Iskola 9900 Körmend, Thököly u. 31. OM azonosító: Telephely kódja: 001. Telephelyi jelentés

FIT-jelentés :: Olcsai-Kiss Zoltán Általános Iskola 9900 Körmend, Thököly u. 31. OM azonosító: Telephely kódja: 001. Telephelyi jelentés FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Olcsai-Kiss Zoltán Általános Iskola 9900 Körmend, Thököly u. 31. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek átlageredményeinek

Részletesebben

Iskolai jelentés. 10. évfolyam szövegértés

Iskolai 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

Részletesebben

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések

Részletesebben

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE 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

Részletesebben