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

Méret: px
Mutatás kezdődik a ... oldaltól:

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

Átírás

1 Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék április 17.

2 Outline 1 Leíró statisztikák 2 Középértékek Példa 3 Szóródási mutatók Példa 4 Néhány megjegyzés a grafikonokról 5 Számítások Daróczi Gergely (PPKE BTK) Statisztika / 35

3 Adatelemzés #1 Átlag: 56.9 % Medián: 52 % Módusz: 48 % és 78 % Szórás: 18,8 Daróczi Gergely (PPKE BTK) Statisztika / 35

4 Középértékek Számos különböző középérték (átlag) áll a kutató rendelkezésére - azok előnyeivel és hátrányaival együtt: 1 Számtani átlag: 1 n n i=1 x i = x 1+x 2 + +x n n 2 n Mértani átlag: n i=1 x i = n x 1 x 2 x n 3 Módusz: leggyakoribb érték 4 Medián: a statisztikai sokaságot kétfelé vágó érték 5 Midrange: maxx+minx 2 Daróczi Gergely (PPKE BTK) Statisztika / 35

5 Példák Mely középérték(ek)kel jellemezné a következőket? 1 Egy szemeszterben gyűjtött jegyek. 2 A könyvtárban lévő hallgatók száma. 3 A legjellemzőbb hajszín a Campuson. 4 A budapesti lakosok fizetése. 5 Egy sítáborban elköltött eurók száma. Daróczi Gergely (PPKE BTK) Statisztika / 35

6 Értelmezze, szükség esetén javítsa a következő állításokat! és 1948 között az átlagos heti juttatások összege 107 százalékkal emelekedett a United States Steel Corporation-ben. 2 Az átlagos fizetés $ körül mozgott 1942-ben. 3 Az autóbalesetben való elhalálozás valószínűsége kétszer nagyobb, mint repülőbalesetet szenvedni (+ statisztikus a repülőn). 4 Tamás IQ-ja 98, Lindáé pedig 101. Egy újabb példája annak, hogy a nők sokkal intelligensebbek a férfiaknál. 5 Ezen a héten feleannyit dolgoztam, mint tavaly ilyenkor. Daróczi Gergely (PPKE BTK) Statisztika / 35

7 Milyen középértékekkel jellemezné a következő, European Values Study (Hungary, 2008)-ból származó változókat: Kérem mondja meg a következő állításokról, hogy azokat mindig megengedhetőnek tartja-e (10), vagy soha meg nem engedhetőnek tartja (10, vagy valami a kettő között. 1 Állami juttatásokat jogtalanul igénybe venni 2 Abortusz 3 Válás 4 Jegy és bérlet nélkül utazni egy tömegközlekedési eszközön 5 Homoszexualitás Daróczi Gergely (PPKE BTK) Statisztika / 35

8 Kérem mondja meg a következő állításokról, hogy azokat mindig megengedhetőnek tartja-e (10), vagy soha meg nem engedhetőnek tartja (10, vagy valami a kettő között. Jegy és bérlet nélkül utazni egy tömegközlekedési eszközön Átlag: Módusz: 1 Medián: Daróczi Gergely (PPKE BTK) Statisztika / 35

9 Kérem mondja meg a következő állításokról, hogy azokat mindig megengedhetőnek tartja-e (10), vagy soha meg nem engedhetőnek tartja (10, vagy valami a kettő között. Válás Átlag: Módusz: 5 Medián: Daróczi Gergely (PPKE BTK) Statisztika / 35

10 Kérem mondja meg a következő állításokról, hogy azokat mindig megengedhetőnek tartja-e (10), vagy soha meg nem engedhetőnek tartja (10, vagy valami a kettő között. Homoszexualitás Átlag: Módusz: 1 Medián: Daróczi Gergely (PPKE BTK) Statisztika / 35

11 Hallgatók közötti intelligencia-teszt eredménye: Daróczi Gergely (PPKE BTK) Statisztika / 35

12 Hallgatók közötti intelligencia-teszt eredménye: Histogram of t Frequency Átlag: 99.6 Módusz: 89.2 Medián: t Daróczi Gergely (PPKE BTK) Statisztika / 35

13 Hallgatók közötti intelligencia-teszt eredménye: Átlag: 99.6 Módusz: 89.2 Medián: 99.8 Daróczi Gergely (PPKE BTK) Statisztika / 35

14 Magyar munkavállalók fizetése: Daróczi Gergely (PPKE BTK) Statisztika / 35

15 Magyar munkavállalók fizetése: Frequency Átlag: Módusz: Medián: Daróczi Gergely (PPKE BTK) Statisztika / 35

16 Magyar munkavállalók fizetése: Átlag: Módusz: Medián: Daróczi Gergely (PPKE BTK) Statisztika / 35

17 Mi történik, ha a mintába egy kiemelkedően gazdag alany is bekerül? Daróczi Gergely (PPKE BTK) Statisztika / 35

18 Leíró statisztikák Mi történik, ha a mintába egy kiemelkedően gazdag alany is bekerül? Átlag: Módusz: Medián: Daróczi Gergely (PPKE BTK) Statisztika / 35

19 Szóródási mutatók Számos különböző szóródási mutató áll a kutató rendelkezésére - azok előnyeivel és hátrányaival együtt. A homogenitás, variabilitás kiragadott mérőeszközei: 1 Terjedelem: max x min x 2 Empirikus szórás: σ = 3 Variancia: σ 2 N i=1 (x i x) 2 n 1 4 A kvartilisek (Q1, Q2, Q3) négy egyenlő részre osztják a rendezett mintát: Q2 felezi a mintát (tehát megegyezik a mediánnal); Q1 a minta alsó felének, Q3 a felső felének közepe. 5 Interkvartilis terjedelem (IQR): Q 3 Q 1 Daróczi Gergely (PPKE BTK) Statisztika / 35

20 Interkvartilis terjedelem Daróczi Gergely (PPKE BTK) Statisztika / 35

21 Interkvartilis terjedelem Hallgatók közötti intelligencia-teszt eredménye: Daróczi Gergely (PPKE BTK) Statisztika / 35

22 Lyotard : A posztmodern állapot (1979) vége a nagy elveszéléseknek anything goes posztmodern kor és posztmodern kultúra Vajon mi történik a normákkal? Daróczi Gergely (PPKE BTK) Statisztika / 35

23 Kérem mondja meg a következő állításokról, hogy azokat mindig megengedhetőnek tartja-e (10), vagy soha meg nem engedhetőnek tartja (10, vagy valami a kettő között. Homoszexualitás ( ) Hungary (1982) Hungary (1991) Frequency Frequency x = ;σ = x = ;σ = Daróczi Gergely (PPKE BTK) Statisztika / 35

24 Példa Mi magyarázza az átlagok alacsony különbségét? Frequency Frequency x = 0.1;σ = x = 0;σ = Mi a magyarázat arra, hogy az első példában magasabb a szórás? Daróczi Gergely (PPKE BTK) Statisztika / 35

25 Egy eddig elhallgatott leíró statisztikai mutató: szumma Milyen problémát sejtünk a fentebbi ábrához tartozó kutatás mögött? Daróczi Gergely (PPKE BTK) Statisztika / 35

26 Daróczi Gergely (PPKE BTK) Forrás: Statisztika / 35 Néhány megjegyzés a grafikonokról Palacsintás példa

27 Néhány megjegyzés a grafikonokról Palacsintás példa Forrás: Daróczi Gergely (PPKE BTK) Statisztika / 35

28 Néhány megjegyzés a grafikonokról Palacsintás példa Forrás: Daróczi Gergely (PPKE BTK) Statisztika / 35

29 Néhány megjegyzés a grafikonokról Palacsintás példa Forrás: Daróczi Gergely (PPKE BTK) Statisztika / 35

30 Számítások A várható értékről Szükséges képletek: számtani átlag: x = n i=1 x i (becslőfüggvény) n korrigált empirikus szórás: σ = n (x i x) 2 i=1 n standard/mintavételi hiba: SE = σ n konfidencia intervallum: x ± SE z ahol z = 1.96 Daróczi Gergely (PPKE BTK) Statisztika / 35

31 Számítások A várható értékről ( ) 1 x 2 σ 2π exp 2σ 2 0.1% σ 34% 34% 14% 14% 2% 2% 0.1% x 3σ 2σ σ σ 2σ 3σ standard normális eloszlás: x = 0,σ = 1 Daróczi Gergely (PPKE BTK) Statisztika / 35

32 Számítások Egy nagyon egyszerű példa Játékszabály Egy hatoldalú dobókockával gurítunk: Ha a dobás páratlan, a játékos a dobott összeget megnyeri. Amennyiben a dobás páros, úgy ő fizet két dollárt a banknak. Adatgyűjtés: előzetes számítások helyett belevetjük magunkat a játékba, és a következő értékeket dobjuk. Folytassuk a játékot? Daróczi Gergely (PPKE BTK) Statisztika / 35

33 A mintavételi hiba Egy egyszerű példa X = { 2,2,4, 2, 2,6} x = = = 1 1 = 1 ( 2 1)2 + (2 1) σ = 2 + (4 1) 2 + ( 2 1) 2 + ( 2 1) 2 + (6 1) 2 = = = 5 5 = 12.4 = SE = = = A várható érték valahol és 3.87 között (CI) található 95%-os döntési szinten. Hogyan döntenénk? Daróczi Gergely (PPKE BTK) Statisztika / 35

34 Computation Theoretical solution Felejtkezzünk el az empirikus adatokról egy időre, és vizsgáljuk meg a valódi várható értéket! Density Winnings Mi a probléma az ábrával? Daróczi Gergely (PPKE BTK) Statisztika / 35

35 Köszönöm a figyelmet! Daróczi Gergely

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

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

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

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú

Részletesebben

Statisztikai alapfogalmak

Statisztikai alapfogalmak Statisztika I. KÉPLETEK 2011-2012-es tanév I. félév Statisztikai alapfogalmak Adatok pontossága Mért adat Abszolút hibakorlát Relatív hibakorlát Statisztikai elemzések viszonyszámokkal : a legutolsó kiírt

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

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

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

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

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

[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

Definíció. Definíció. 2. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása. 2-5. fejezet. A variabilitás mér számai 3.

Definíció. Definíció. 2. El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása. 2-5. fejezet. A variabilitás mér számai 3. . El adás (folytatása) Az adatok leírása, megismerése és összehasonlítása -1 Áttekintés - Gyakoriság eloszlások -3 Az adatok vizualizációja -4 A centrum mérıszámai -5 A szórás mérıszámai -6 A relatív elhelyezkedés

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

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

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

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

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

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

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

18. modul: STATISZTIKA

18. modul: STATISZTIKA MATEMATIK A 9. évfolyam 18. modul: STATISZTIKA KÉSZÍTETTE: LÖVEY ÉVA, GIDÓFALVI ZSUZSA MODULJÁNAK FELHASZNÁLÁSÁVAL Matematika A 9. évfolyam. 18. modul: STATISZTIKA Tanári útmutató 2 A modul célja Időkeret

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Vargha András Károli Gáspár Református Egyetem Budapest

Vargha András Károli Gáspár Református Egyetem Budapest Vargha András Károli Gáspár Református Egyetem Budapest Kötelező irodalom a kurzushoz Vargha András: Matematikai statisztika pszichológiai, nyelvészeti és biológiai alkalmazásokkal (2. kiadás). Pólya Kiadó,

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel

Részletesebben

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

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

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

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

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

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

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

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

Hol terem a magyar statisztikus?

Hol terem a magyar statisztikus? Hol terem a magyar statisztikus? 90 éves az MST jubileumi konferencia Balatonőszöd, 2012. november 15-16. Rappai Gábor PTE KTK Ki a statisztikus? Értelmező Szótár Statisztikával foglalkozó szakember. Etikai

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

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

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

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

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Számelmélet A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Számelmélet

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Számelmélet MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Számelmélet A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek

Részletesebben

Magyarország 1,2360 1,4622 1,6713 1,8384 2,0186 2,2043

Magyarország 1,2360 1,4622 1,6713 1,8384 2,0186 2,2043 370 Statisztika, valószínûség-számítás 1480. a) Nagy országok: Finnország, Olaszország, Nagy-Britannia, Franciaország, Spanyolország, Svédország, Lengyelország, Görögország, Kis országok: Ciprus, Málta,

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

Matematika III. 8. A szórás és a szóródás egyéb mérőszámai Prof. Dr. Závoti, József

Matematika III. 8. A szórás és a szóródás egyéb mérőszámai Prof. Dr. Závoti, József Matematika III. 8. A szórás és a szóródás egyéb Prof. Dr. Závoti, József Matematika III. 8. : A szórás és a szóródás egyéb Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027

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

1. Egy Kft dolgozóit a havi bruttó kereseteik alapján csoportosítottuk: Havi bruttó bér, ezer Ft/fő

1. Egy Kft dolgozóit a havi bruttó kereseteik alapján csoportosítottuk: Havi bruttó bér, ezer Ft/fő Figyelem! A példasor nem tartalmazza valamennyi típuspéldát. A dolgozatban az órán leadott feladatok közül bármely típusú előfordulhat. A példasor már a második dolgozat anyagát gyakorló feladatokat is

Részletesebben

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció

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

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

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

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

[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

Matematikai statisztikai elemzések 2.

Matematikai statisztikai elemzések 2. Matematikai statisztikai elemzések 2. Helyzetmutatók, átlagok, kvantilisek. A szórás és szóródás Prof. Dr. Závoti, József Matematikai statisztikai elemzések 2.: Helyzetmutatók, átlagok, Prof. Dr. Závoti,

Részletesebben

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1

A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 A gyakorló feladatok számozása a bevezetı órát követı órán, azaz a második órán indul. Gyakorló feladatok megoldásai 1 1. A populációt a számunkra érdekes egységek (személyek, csalások, iskolák stb.) alkotják,

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

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

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

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

A konfidencia intervallum képlete: x± t( α /2, df ) 1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,

Részletesebben

Matematika kisérettségi I. rész 45 perc NÉV:...

Matematika kisérettségi I. rész 45 perc NÉV:... Matematika kisérettségi I. rész 45 perc NÉV:... 1. Az A halmaz elemei a háromnál nagyobb egyjegyű számok, a B halmaz elemei pedig a húsznál kisebb pozitív páratlan számok. Sorolja fel az halmaz elemeit!

Részletesebben

Statisztika. Politológus képzés. Daróczi Gergely március 13. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely március 13. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. március 13. Outline 1 Beavatkozásmentes vizsgálatok 2 Kérdőíves vizsgálatok 3 Önkitöltős kérdőívek Postai kérdőív Online kérdőív

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

Minőség-képességi index (Process capability)

Minőség-képességi index (Process capability) Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286

Részletesebben

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4.

MATEMATIKA HETI 5 ÓRA. IDŐPONT: 2010. Június 4. EURÓPAI ÉRETTSÉGI 2010 MATEMATIKA HETI 5 ÓRA IDŐPONT: 2010. Június 4. A VIZSGA IDŐTARTAMA: 4 óra (240 perc) ENGEDÉLYEZETT SEGÉDESZKÖZÖK : Európai képletgyűjtemény Nem programozható, nem grafikus kalkulátor

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

MATEMATIKAI STANDARDFEJLESZTÉS

MATEMATIKAI STANDARDFEJLESZTÉS XXI. Századi Közoktatás (fejlesztés, koordináció) II. szakasz TÁMOP-3.1.1-11/1-2012-0001 MATEMATIKAI STANDARDFEJLESZTÉS Csapodi Csaba Tartalom 1. Az első változat elkészítése és a tapasztalatok 2. A második

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

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

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

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA 1 SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA Heti óraszám: 3 Éves óraszám: 37 x 3 = 111 A tanmenet 101 óra beosztását tartalmazza. A dolgozatok írása és javítása 10 órát foglal

Részletesebben

Néhány kockadobással kapcsolatos feladat 1 P 6

Néhány kockadobással kapcsolatos feladat 1 P 6 Néhány kockadobással kapcsolatos feladat Feldobunk egy kockát. Az eseménytér: ; 2; ; ; ; Az összes esetek száma:. Feldobunk egy kockát. Mi a valószínűsége, hogy hatost dobunk? A kedvező esetek száma: (hatost

Részletesebben

STATISZTIKA. Oktatók. A legjobbaknak AV_KMNA221, AV_PNA222. /~huzsvai. Bevezetés, a statisztika szerepe

STATISZTIKA. Oktatók. A legjobbaknak AV_KMNA221, AV_PNA222.  /~huzsvai.  Bevezetés, a statisztika szerepe Tantárgyk rgykódok STATISZTIKA AV_KMNA221 AV_PNA222 1. Előad adás Bevezetés, a statisztika szerepe Oktatók Előad adó: Dr. Huzsvai LászlL szló tanszékvezet kvezető A legjobbaknak Gyakorlatvezetők: k: Dr.

Részletesebben

Statisztika példatár

Statisztika példatár Statisztika példatár v0.02 A példatár folyamatosan b vül, keresd a frissebb verziót a http://matstat.fw.hu honlapon a letölthet példatárak közt. Országh Tamás Budapest, 2006 Mottó: Ki kéne vágni minden

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

Középértékszámítás egy megértési teszt eredményei

Középértékszámítás egy megértési teszt eredményei Középértékszámítás egy megértési teszt eredményei Debrenti Edith Partiumi Keresztény Egyetem, Nagyvárad edit.debrenti@gmail.com Ha arra keressük a választ, hogy az iskolában megszerzett matematikatudás

Részletesebben

Bevezetés a statisztikába

Bevezetés a statisztikába Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 9. Bevezetés a statisztikába Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:

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

Statisztika. Politológus képzés. Daróczi Gergely április 27. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely április 27. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2011. április 27. Outline 1 Ismétlés 2 Példa 3 Elméleti háttér 4 Elméleti háttér 5 Feladatok 6 A korrelációs együttható korlátai 7 Repeating

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

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

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. Politológus képzés. Daróczi Gergely. 2012. március 20. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely. 2012. március 20. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. március 20. Outline 1 Megbízhatóság és érvényesség 2 Az adatgyűjtés forrásai 3 Társadalomtudományi módszerek Beavatkozásmentes vizsgálatok

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

II. A következtetési statisztika alapfogalmai

II. A következtetési statisztika alapfogalmai II. A következtetési statisztika alapfogalmai Tartalom Statisztikai következtetések A véletlen minta fogalma Pontbecslés és hibája Intervallumbecslés A hipotézisvizsgálat alapfogalmai A legegyszerűbb statisztikai

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

XY_TANULÓ FELADATSOR 8. ÉVFOLYAM MATEMATIKA

XY_TANULÓ FELADATSOR 8. ÉVFOLYAM MATEMATIKA XY_TNULÓ FELTSOR 8. ÉVFOLYM MTEMTIK 1. feladat: akkumulátor mc006 Egy mobiltelefon akkumulátorának töltöttségi állapota a következőképpen változott két nap leforgása alatt. Habekapcsoljuk,denemhasználjuk,48óraalattmerülleteljesenatelefon.Folyamatoshasználatban

Részletesebben

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás

Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás Statisztikai programcsomagok gyakorlat Pót zárthelyi dolgozat megoldás A feladatok megoldásához használandó adatállományok: potzh és potolando (weboldalon találhatók) Az állományok kiterjesztése sas7bdat,

Részletesebben

Példák: tojások száma egy madárfészekben (egy adott madárfaj esetén), egy egyed testhőmérséklete (adott faj és ivar esetén), a következő buszon az uta

Példák: tojások száma egy madárfészekben (egy adott madárfaj esetén), egy egyed testhőmérséklete (adott faj és ivar esetén), a következő buszon az uta Valószínűségi változók (véletlen változók, random variables) Változó: Névvel ellátott érték. (Képzeljünk el egy fiókot. A fiók címkéje a változó neve, a fiók tartalma pedig a változó értéke.) Valószínűségi

Részletesebben

NULLADIK MATEMATIKA ZÁRTHELYI

NULLADIK MATEMATIKA ZÁRTHELYI A NULLADIK MATEMATIKA ZÁRTHELYI 20-09-2 Terem: Munkaidő: 0 perc. A dolgozat megírásához íróeszközön kívül semmilyen segédeszköz nem használható! Csak és kizárólag tollal tölthető ki a feladatlap, a ceruzával

Részletesebben

A statisztika oktatásáról konkrétan

A statisztika oktatásáról konkrétan A világ statisztikája a statisztika világa ünnepi konferencia Esztergom, 2010.október 15. A statisztika oktatásáról konkrétan Dr. Varga Beatrix PhD. egyetemi docens MISKOLCI EGYETEM Üzleti Statisztika

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

Gazdasági matematika II. vizsgadolgozat, megoldással, Gazdasági matematika II. vizsgadolgozat, megoldással, levelező képzés Definiálja az alábbi fogalmakat! 1. Kvadratikus mátrix invertálhatósága és inverze. (4 pont) Egy A kvadratikus mátrixot invertálhatónak

Részletesebben

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat

Részletesebben

Biostatisztika Bevezetés. Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Biostatisztika Bevezetés. Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Biostatisztika Bevezetés Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Az orvosi, biológiai kutatások egyik jellemzője, hogy a vizsgálatok eredményeként

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

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

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

Matematikai statisztikai elemzések 3.

Matematikai statisztikai elemzések 3. Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzek 3. MSTE3 modul Becslelmélet: alapfogalmak, nevezetes statisztikák, intervallum-becsl SZÉKESFEHÉRVÁR

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

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

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos: A. Matematikai Statisztika 2.MINTA ZH. 2003 december Név (olvasható) :... A feladatmegoldásnak az alkalmazott matematikai modell valószínűségszámítási ill. statisztikai szóhasználat szerinti megfogalmazását,

Részletesebben

4 2 lapultsági együttható =

4 2 lapultsági együttható = Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.

Részletesebben

Vargha András PSZICHOLÓGIAI STATISZTIKA DIÓHÉJBAN 1. X.1. táblázat: Egy iskolai bizonyítvány. Magyar irodalom. Biológia Földrajz

Vargha András PSZICHOLÓGIAI STATISZTIKA DIÓHÉJBAN 1. X.1. táblázat: Egy iskolai bizonyítvány. Magyar irodalom. Biológia Földrajz Megjelent: Vargha A. (7). Pszichológiai statisztika dióhéjban. In: Czigler I. és Oláh A. (szerk.), Találkozás a pszichológiával. Osiris Kiadó, Budapest, 7-46. Mi az, hogy statisztika? Vargha András PSZICHOLÓGIAI

Részletesebben

A gyakorlat célja a fehér és a színes zaj bemutatása.

A gyakorlat célja a fehér és a színes zaj bemutatása. A gyakorlat célja a fehér és a színes zaj bemutatása. 1.@. FFT begyakorlása n = [:9]; % Harminc minta x = cos(*pi*n/1); % 1 mintát veszünk periodusonként N1 = 64; % Három módon számoljuk az FFT-t N = 18;

Részletesebben