Esetelemzések az SPSS használatával
|
|
- Nándor Rácz
- 7 évvel ezelőtt
- Látták:
Átírás
1 Esetelemzések az SPSS használatával Az idegenforgalmi statisztikai adatok közül vizsgáljuk meg, hogy a Magyarországra utazó külföldiek száma hogyan alakult között havi bontásban. Az adatok a multiplikativ.sav fileban találhatók. Állapítsa meg az idősor típusát és különítse el az idősor összetevőit. Megoldás: Ebben a feladatban első lépésben az adatokból idősort kell készíteni az SPSS programmal. Ehhez a DATA/DEFINE DATES menüpontot kell használni. Itt lehet megadni a kezdő évet és a kezdő hónapot. Ha esetleg más időszakok állnak rendelkezésünkre azoknak a definiálását is el kell végezni (negyedévek, hetek, napok, órák.). Jelen esetben a YEAR: 1998 és a MONTH: 1 lesz. 1
2 Az OK gomb megnyomása után a program idősort állít elő az adatainkból. Három új változó készült el (év, hónap, dátum) Ezután már ábrázolhatjuk az adatainkat a GRAPHS/SEQUENCE menüjével. A külföldiek létszámát kijelöljük és a nyíllal áttesszük a VARIABLES részbe. Az OK gombbal elkészül a grafikon az OUTPUT ablakban. 2
3 A vonaldiagram alapján el kell dönteni, hogy additív vagy multiplikatív a modell. Ennek ismeretében vizsgálhatjuk meg az idősor összetevőit. 1. ábra Magyarországra utazó külföldiek száma között havonta 6000 ezer fő OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Date Az ábra alapján megállapítható, hogy a Magyarországra látogató külföldiek száma szezonális ingadozást követ az egyes hónapoknak megfelelően. Megfigyelhető, hogy idővel egyre kisebbek a kitérések, ami multiplikativ modellre utal. Az éves minimum értékek január hónapban figyelhetők meg, míg a maximum augusztus hónapban volt (a nyári üdülési szezonnak köszönhetően). 3
4 Az SPSS segítségével megvizsgálható az, hogy az egyes hónapok között milyen változás következett be. Ehhez a TRANSFORM/CREATE TIME SERIES parancsot kell használni. A baloldali ablakban kiválasztjuk a kulfoldi változót és áttesszük a NEW VARIABLE(S) ablakba. Ezután meg kell adni a létrehozandó új változó nevét és a hozzá tartozó függvényt is. A NAME ablakba írjuk be a kulfol_1 megnevezést, a FUNCTION cellában az alapértelmezésként szereplő difference függvényt hagyjuk meg. Ebben a cellában lehet beállítani számos egyszerűbb idősor elemzési eljárást (szezonális különbség számítást, mozgó átlag és korrigált mozgó átlag számítást, stb.). A CHANGE gomb lenyomásával az új változó neve elé a függvény nevének rövidítése kerül. Az OK gomb lenyomásával a program előállítja az új változót. Az új adatsor vizsgálatának legjobb eszköze, ha ezt is ábrázoljuk a GRAPHS/SEQUENCE menüjével. A kulfol_1 változót kijelöljük és a nyíllal áttesszük a VARIABLES részbe. Az OK gombbal elkészül az újabb grafikon az OUTPUT ablakban. 4
5 A Magyarországra látogató külföldiek számának változása 2000 az egyes hónapok között 1000 Létszámváltozás (ezer fő) OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Date Az ábra alapján megállapítható, hogy a Magyarországra látogató külföldiek számának különbsége az egyes hónapok között szintén szezonális ingadozást követ. A legnagyobb létszámváltozás augusztusról szeptemberre következik be, mivel a nyári szezon ekkor ér véget. Dekompozíciós idősor elemzés Mielőtt részletesen megvizsgálnánk az idősor összetevőit, állítsuk elő a lineáris trendfüggvényt. Ehhez szükségünk van a megfigyelt időszakok sorszámára, ezért a DATA/DEFINE DATES menüpontban a Days beállítást választjuk, a kezdő sorszámnak 1-et adunk meg. Ezután a program az előzőekben beállított éveket és hónapokat átírja az új sorszámú napokra. 5
6 Ezután a most létrehozott days_ változót nevezzük át sorszam-ra. Ezt a VARIABLE VIEW ablakban tehetjük meg. Egyszerűen csak átírjuk a változó nevét és a LABEL-hez beírjuk a sorszám szót. 6
7 A következő lépésben az ANALYZE/REGRESSION/LINEAR menü pontban beállítjuk a regresszióhoz szükséges paramétereket. A DEPENDENT részhez a kulfold változó, az INDEPENDENT részhez az előzőekben előállított sorszam változó kerüljön. Az OK gomb lenyomásával az OUTPUT ablakban megkapjuk a regresszió számítás eredményét. Model 1 Model Summary Adjusted Std. Error of R R Square R Square the Estimate,088 a,008 -, ,63 a. Predictors: (Constant), DAY, not periodic 7
8 Az R 2 értékéből leolvasható (0,008), hogy a lineáris modell nem illeszkedik az adatsorra, mivel az adatok szezonális mozgása nagy. A regresszió számítással megkaptuk a lineáris trendfüggvény paramétereit, amelyet a következő táblázatban közöl a program. Model 1 (Constant) DAY, not periodic Coefficients a Unstandardized Coefficients Standardi zed Coefficien ts B Std. Error Beta t Sig. 2820, ,634 9,911,000-6,084 10,113 -,088 -,602,550 a. Dependent Variable: Magyarországra utazó külföldiek száma Az a paraméter értéke a B oszlopban a Constans sorban olvasható le, mely azt jelenti, hogy a kiindulási időszakot közvetlenül megelőző időszakban, azaz 1997 decemberében, a trend függvény által becsült külföldiek száma 2,82 millió fő volt. A b paraméter értéke ugyanebben az oszlopban, de az alatt levő sorban van közölve. Ennek jelentése az, hogy hónapról hónapra 6084 fővel csökken a trendfüggvény által becsült hazánkba látogató külföldiek száma. A lineáris trendfüggvény így a következő: y = 2820,987 6, 084 x Ha ismerjük a függvény két paraméterét a TRANSFORM/COMPUTE parancs segítségével könnyedén előállítható a becsült adatsor. A TARGET VARIABLE cellába írjuk be az új változó nevét jelen esetben ez a trend szó lesz. A NUMERIC EXPRESSION mezőbe a trendfügvény paramétereit és a számításhoz felhasznált változót (sorszam) írjuk. Az OK gomb lenyomásával a program létrehozza a trendváltozót. 8
9 Ezután ábrázolhatjuk az eredeti adatokat a trend adatokkal együtt a GRAPHS/SEQUENCE menüjével. A külföldiek létszámát (kulfoldi) és a trend változót a nyíllal áttesszük a VARIABLES részbe. Az OK gombbal elkészül a grafikon az OUTPUT ablakban. A Magyarországra utazó külföldiek száma 7000 és a trend értékek alakulása létszám (ezer fő) OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Magyarországra utazó külföldiek száma Trendértékek Date 9
10 Az ábra alapján is elmondható, hogy önmagában a trendfüggvénnyel nem lehet leírni a látogatók számának változását, hanem szükséges az idősor adatainak további vizsgálata is. Mielőtt ezt megtennénk, újra elő kell állítani az eredeti idősor éveit és hónapjait. Ezért ismételten elvégezzük az idősor újradefiniálását. Ehhez a DATA/DEFINE DATES menüpontot használjuk. Meg kell adni a kezdő évet és a kezdő hónapot a YEAR: 1998 és a MONTH: 1 lesz újra. Ezután már vizsgálhatjuk az idősor összetevőit. Ehhez felhasználjuk az ANALYZE/TIME SERIES/SEASONAL DECOMPOZITION menüt. A VARIABLE(S) mezőbe áttesszük a kulfold változót és a MODEL résznél beállítjuk a MULTIPLICATIVE gombot. A MOVING AVERAGE WEIGHT résznél az ENDPOINTS WEIGHTED BY.5 pontot állítjuk be. Ez azért szükséges, mert a gép így 12 tagú centírozott mozgóátlagot számít. A DISPLAY CASEWISE LISTING-et is kipipáljuk, ezzel részletes adatokat fog közölni az idősorról a gép, ha nem tennénk meg, akkor csak a szezonindexeket és az új változók neveit írná ki a program az OUTPUT ablakba. Az OK lenyomása után a gép a következő új változókat hozza létre: err_1, sas_1, saf_1, stc_1. 10
11 Ezek jelentése a következő: a véletlen hatások értéke (multiplikativ modell esetén az értékek 1 körül ingadoznak), a szezonális hullámzástól megtisztított idősor adatai, a korrigált szezonidexek és végül a csak trendet és ciklushatást tartalmazó idősor. Az output file-ban a dátum (Date_)és az eredeti idősor adatai (Kulfoldi) mellett, a 12 tagú centírozott mozgóátlagot (Moving averages), az eredeti idősor és a mozgóátlag arányát (Ratios *100), a korrigált szezonindexet (Seasonal factors *100), a szezonális hullámzástól megtisztított idősor adatait (Seasonally adjusted series), a csak trendet és ciklushatást tartalmazó idősort (Smoothed trend cycle) és végül a véletlen hatások értékeit (Irregular component) mutatja be. Season MODEL: MOD_2. _ Results of SEASON procedure for variable KULFOLDI. Multiplicative Model. Centered MA method. Period = 12. Seasonal Seasonally Smoothed Moving Ratios factors adjusted trend- Irregular DATE_ KULFOLDI averages (* 100) (* 100) series cycle component JAN ,000,, 64, , ,895,880 FEB ,000,, 60, , ,800 1,041 MAR ,000,, 75, , ,546 1,105 APR ,000,, 98, , ,165,962 MAY ,000,, 99, , ,091,967 JUN ,000,, 103, , ,718 1,030 JUL , , , , , ,987 1,072 AUG , , , , , ,547, The following new variables are being created: Name Label ERR_1 Error for KULFOLDI from SEASON, MOD_2 MUL CEN 12 SAS_1 Seas adj ser for KULFOLDI from SEASON, MOD_2 MUL CEN 12 SAF_1 Seas factors for KULFOLDI from SEASON, MOD_2 MUL CEN 12 STC_1 Trend-cycle for KULFOLDI from SEASON, MOD_2 MUL CEN 12 A következőkben ábrázoljuk az eredeti adatokkal együtt a szezonalitástól megtisztított adatokat és a csak trend- és ciklushatást tartalmazó adatokat is. A GRAPHS/SEQUENCE menüjével tehetjük ezt meg. A külföldiek létszámát (kulfoldi), az sas_1 és az stc_1 változót a nyíllal áttesszük a VARIABLES részbe. A TIME AXIS LABELS részbe a date_ változót tesszük. 11
12 Az OK gombbal elkészül a grafikon az OUTPUT ablakban OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Magyarországra utazó külföldiek száma Seas adj ser for KUL FOLDI from SEASON, M Trend-cycle for KULF OLDI from SEASON, MO Date Az ábrából leolvasható, hogy a szezonálisan kiigazított adatoknál már nincs olyan nagy szélsőséges ingadozás, mint az az eredeti adatoknál tapasztalható volt, de a véletlen hatásokat még mindig 12
13 megfigyelhetjük. A csak trend- és ciklushatást tartalmazó adatsor esetén kiszűrtük a véletlent is ezért nagy mértékű kisimítás figyelhető meg. A továbbiakban vizsgáljuk meg azt az esetet amikor tisztán a ciklushatás jelentkezik csak az adatsornál. Ehhez egy új változót készítünk a TRANSFORM/COMPUTE parancs segítségével. A TARGET VARIABLE cellába írjuk be az új változó nevét jelen esetben ez a cikl szó lesz. A NUMERIC EXPRESSION mezőbe két változó hányadosát írjuk az stc_1 / trend kifejezést. Az OK gomb lenyomásával a program létrehozza a ciklusváltozót. Ezt ábrázolva láthatjuk azt, hogy az eredeti adatsorban milyen volt a ciklus hatása. A GRAPHS/SEQUENCE menüjét használva a cikl változót a nyíllal áttesszük a VARIABLES részbe. A TIME AXIS LABELS részbe a date_ változót tesszük, majd megnyomjuk az OK gombot. 13
14 1,3 1,2 1,1 1,0,9 Ciklus hatás,8,7,6 OCT 1998 JUL 1998 APR 1998 JAN 1998 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 2001 JUL 2001 APR 2001 JAN 2001 Date Az ábrából leolvasható, hogy a kiindulási időszakban jóval az átlagos 1-es érték alatt volt a ciklusmutató, majd 1998 nyarán érte el a maximumot, 1999 áprilisában következett be az újabb mélypont azután lassú emelkedés volt tapasztalható januárjában érte el ismételten a maximális értéket, majd folyamatos csökkenés következett be. Kiszámítható még a véletlen hatás is, ehhez egy újabb változóra van szükség. A veletlen változó létrehozása a szezonalitástól mentes adatok (sas_1) és a csak trend- és ciklushatást tartalmazó adatsorok (stc_1) hányadosából képezhető. Az új változót a TRANSFORM/COMPUTE parancs segítségével készítjük el. A TARGET VARIABLE cellába írjuk be az új változó nevét jelen esetben ez a veletlen szó lesz. A NUMERIC EXPRESSION mezőbe a két változó hányadosát írjuk (sas_1/stc_1). Az OK gomb lenyomásával a program létrehozza a véletlen változót. 14
15 Ezt ábrázolva könnyen elemezhetővé válnak az adatok. A GRAPHS/SEQUENCE menüjét használva a veletlen változót a nyíllal áttesszük a VARIABLES részbe. A TIME AXIS LABELS részbe a date_ változót tesszük, majd megnyomjuk az OK gombot. 1,2 1,1 1,0 VELETLEN,9,8 OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Date 15
16 Az ábrából látszik, hogy multiplikativ modell esetén az egyes hónapokban 1 körül szabálytalanul véletlenszerűen szóródnak az adatok. Lehetséges még a szezonindexek vizsgálata, ebben az esetben is a grafikus ábrázolást célszerű alkalmazni. Mivel tudjuk, hogy a szezonindex értékek az év hónapjaira vannak megadva, ezért ekkor az oszlop diagrammot célszerű választani. A GRAPHS/BAR menüjét használva a SIMPLE és a SUMMARIES FOR GROUPS OF CASES részt választjuk ki. 16
17 Ezután az OTHER SUMMARY FUNCTION / VARIABLE mezőjébe áttesszük a saf_1 változót, ahol megjelenik a MEAN felírat is. A CATEGORY AXIS részbe a month változót tesszük, majd megnyomjuk az OK gombot. Az ábra alapján is megállapítható, hogy az augusztusi csúcsidőszakban a lineáris trenddel becsült értéknek közel 1,8-szerese a várhatóan hazánkba látogató külföldiek száma, míg februárban mintegy 60 %-a csak a trend által becsült értéknek. 17
18 A Magyarországra érkező külföldiek számának 2,0 szezonindex értékei 1,8 Szezonindex (*100) 1,6 1,4 1,2 1,0,8,6, hónapok Az SPSS-ben közvetlenül is szerkeszthetők az X tengely feliratai úgy, hogy dupla kattintás után a Chart Editorban az X tengelyre kétszer kattintva a LABEL feliratot tesszük aktívvá. Itt a LABEL TEXT-nél minden hónap jelölése külön is szerkeszthető (a példa kedvéért mi a január hónapot már átírtuk). 18
19 Ezek után próbáljunk meg előre jelzést készíteni a következő évre, azaz 12 időszakra. Ehhez a sorszam oszlopba még további számokat gépeljünk be 49-től 60-ig. A year_ oszlopot töltsük fel 2002-vel, a month_ oszlopban másoljuk át 1-től 12-ig a hónapokat és az saf_1 oszlopban is át kell másolni az utolsó 12 adatot (ez minden évben ugyan az a 12 szám). Ekkor már rendelkezésünkre áll minden ahhoz, hogy a trendértékeket újra számoljuk a jövőbeli értékekre is. Ezért a TRANSFORM/COMPUTE parancs segítségével újra előállítjuk a becsült adatsort. A TARGET VARIABLE cellába írjuk be ismét a változó nevét ez a trend szó lesz. A NUMERIC EXPRESSION mezőbe a trendfügvény paramétereit és a számításhoz felhasznált változót (sorszam) írjuk. Az OK gomb lenyomása után megkérdezi a program, hogy a már meglévő trend változó értékeit lecseréje-e. Erre megint OK-t kell választani és így a program ismét létrehozza az új értékekkel együtt a trendváltozót. 19
20 20
21 A 2002-es évre a cikl és a veletlen változókat 1-el feltöltve tudunk a következőkben a szezonális mozgást is figyelembe vevő idősor becslést végezni. Az új változó neve elorejel legyen. Ezek után már megkaptuk a 2002-es évre várható szezonális eltéréseket figyelembe vevő becsült idősort. Ábrázolva az adatokat szemléltethetjük azt, hogy várhatóan ebben az évben is az előző éveknek megfelelően a különböző időszakokban eltérő lesz a hazánkba látogató külföldiek száma (a februári minimum és az augusztusi maximum értékekkel). Magyarországra érkező külföldiek számának 7000 várható alakulása között OCT 2002 JUL 2002 APR 2002 JAN 2002 OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Magyarországra utazó külföldiek száma Trendértékek Előrejelzett értékek Date 21
22 Exponenciális simítás A fejezet következő részében áttekintjük a simító módszerek közül a Winter-féle exponenciális simítás módszerét. Ez abban az esetben használható, ha az idősorban trend és szezonális hatás is van. A VARIABLE részbe tegyük át a Magyarországra utazó külföldiek létszámát tartalmazó változót (kulfoldi), míg a szezonális mozgást jellemző szezonindexeket (saf_1) a SEASONAL FACTORS részbe. Ekkor három simító paramétert kell számítani: alfa (trend- és szezonhatás nélküli vizsgálatra), béta (trendhatás vizsgálatára), gamma (szezonhatás vizsgálatára). Mindegyik paraméternél be lehet állítani, hogy 0 és 1 között legyen. Emellett a DISPLAY ONLY 10 BEST MODELS FOR GRID SEARCH négyzetbe is bele kell kattintani, azért hogy a minimális reziduális varianciát adó eredményeket meg tudjuk tekinteni (SSE értékek) és az ezekhez tartozó simító paraméter értékeket. Lehetőség van arra, hogy bizonyos időszakra előre jelezhetünk ez alapján a módszer alapján is. Ehhez a SAVE ikonra kattintva juthatunk el. A CREATE VARIABLES részben az Add to file 22
23 legyen kijelölve, azért mert így létrehoz egy új változót. A PREDICT CASES ablakban a PREDICT THROUGH-ra kattintva a YEAR-hez írjuk be a következő évet, azaz 2002 és a MONTH-hoz a záróhónapot a 12-es számú decembert. Ezt elvégezve az OUTPUT ablakban a következő feliratok jelennek meg. MODEL: MOD_3. Results of EXSMOOTH procedure for Variable KULFOLDI MODEL= WINTERS (Linear trend, multiplicative seasonality) Period= 12 Szezonindexek Seasonal indices: 1 64, , , , , , , , , , , ,
24 Results of EXSMOOTH procedure for Variable KULFOLDI (CONTINUED) MODEL= WINTERS (Linear trend, multiplicative seasonality) Period= 12 Initial values: Series Trend 3232, ,09722 DFE = 35. A 10 legjobban illeszkedő modell, amelyekben különbözők a simító paraméterek. The 10 smallest SSE's are: Alpha Gamma Delta SSE, , , ,2246, , , ,8619, , , ,8583, , , ,7156, , , ,0494, , , ,6996, , , ,9707, , , ,3351, , , ,9911, , , ,5800 The following new variables are being created: NAME LABEL FIT_2 Fit for KULFOLDI from EXSMOOTH, MOD_3 WI A,70 G,00 D,20 A Winters-féle exponenciális simítás eredménye ERR_2 Error for KULFOLDI from EXSMOOTH, MOD_3 WI A,70 G,00 D,20 A simítás illeszkedésének hibája 12 new cases have been added. 12 új esetet azaz 12 hónap adatát becsülte előre. Az adatok összehasonlítása grafikusan a legegyszerűbb, ezért A GRAPHS/SEQUENCE menüjét használva a kulfoldi és a fit_2 változót a nyíllal áttesszük a VARIABLES részbe. A TIME AXIS LABELS részbe a date_ változót tesszük, majd megnyomjuk az OK gombot. A grafikonra kétszer kattintva a grafikon szerkesztőben ezután az ábrának megfelelően feliratozhatunk, valamint mértékegységet is feltüntethetünk az y tengelyen. Jól látszik, hogy a simított adatsor követi mind a trendhatást, mind a szezonhatást is. 24
25 A Magyarországra utazó külföldiek számának alakulása a Winters-féle simítás módszerével becsülve között 6000 létszám (ezer fő) OCT 2002 JUL 2002 APR 2002 JAN 2002 OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Magyarországra utazó külföldiek száma Fit for KULFOLDI fro m EXSMOOTH, MOD_3 WI Date Végül érdekes lehet összehasonlítani a dekompozíciós- és az exponenciális simítás módszerével becsült adatsorokat. Ezért most három változót kell egyszerre ábrázolni a GRAPHS/SEQUENCE menüjét használva a kulfoldi, a fit_2 és az előrejel változókat a nyíllal áttesszük a VARIABLES részbe. A TIME AXIS LABELS részben meghagyjuk a date_ változót, majd megnyomjuk az OK gombot. Az eredményt vizsgálva megállapítható, hogy míg a kezdeti időszakokban a kétféle becslési eljárás értékei némileg eltérnek a kiindulási adatoktól és egymástól is, addig a 2002-re történt becslés során a kétféle adatsor minimális különbséget mutat. Amiből levonható az a következtetés, hogy ebben az esetben mindkét módszer alkalmazhatónak bizonyult és jól tudta kezelni mind a trendhatást, mind a szezonális ingadozások hatását is. A Magyarországra utazó külföldiek számának becslése dekompozícióval és Winters-féle exponenciális simítással között 6000 létszám (ezer fő) OCT 2002 JUL 2002 APR 2002 JAN 2002 OCT 2001 JUL 2001 APR 2001 JAN 2001 OCT 2000 JUL 2000 APR 2000 JAN 2000 OCT 1999 JUL 1999 APR 1999 JAN 1999 OCT 1998 JUL 1998 APR 1998 JAN 1998 Magyarországra utazó külföldiek Winters-féle exponen ciális simítás Dekompozícióval Date 25
STATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenRegresszió számítás az SPSSben
Regresszió számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Lineáris regressziós modell X és Y közötti kapcsolatot ábrázoló egyenes. Az Y függ: x 1, x 2,, x p p db magyarázó változótól
RészletesebbenAz idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH
Idősorok Idősor Statisztikai szempontból: az egyes időpontokhoz rendelt valószínűségi változók összessége. Speciális sztochasztikus kapcsolat; a magyarázóváltozó az idő Determinisztikus idősorelemzés esetén
RészletesebbenEsetelemzések az SPSS használatával
Esetelemzések az SPSS használatával 1. Tekintsük az spearman.sav állományt, amely egy harminc tehenet számláló állomány etetés- és fejéskori nyugtalansági sorrendjét tartalmazza. Vizsgáljuk meg, hogy van-e
RészletesebbenStatisztika II előadáslapok. 2003/4. tanév, II. félév
Statisztika II előadáslapok 3/4 tanév, II félév BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az
RészletesebbenVizsgafeladatok. 1. feladat (3+8+6=17 pont) (2014. január 7.)
Vizsgafeladatok 1. feladat (3+8+6=17 pont) (2014. január 7.) Az elmúlt négy év a 2010. I. és a 2013. IV. negyedéve között csapadék mennyiségének alakulásáról az alábbiakat ismerjük: Időszak Csapadék mennyiéség
RészletesebbenSzezonális ingadozás. (Stacionárius idősoroknál, ahol nem beszélhetünk trendről, csak a véletlen hatást kell kiszűrni. Ezzel nem foglalkozunk)
Szezonalitás Szezonális ingadozás Rendszeresen ismétlődő, azonos hullámhosszú és szabályos amplitúdóú, többnyire rövid távú ingadozásokat tekintük. Vizsgálatukkor a dekompozíciós modellekből a trend és
RészletesebbenCorrelation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
RészletesebbenIdősorok elemzése előadás. Előadó: Dr. Balogh Péter
Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban
RészletesebbenSzezonális kiigazítás az NFSZ regisztrált álláskeresők idősorain. Készítette: Multiráció Kft.
az NFSZ regisztrált álláskeresők idősorain Készítette: Multiráció Kft. SZEZONÁLITÁS Többé kevésbe szabályos hullámzás figyelhető meg a regisztrált álláskeresők adatsoraiban. Oka: az időjárás hatásainak
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.
Correlation & Linear Regression in SPSS Petra Petrovics PhD Student Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise
RészletesebbenCorrelation & Linear Regression in SPSS
Correlation & Linear Regression in SPSS Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise 1 - Correlation File / Open
RészletesebbenLineáris regresszió vizsgálata resampling eljárással
Lineáris regresszió vizsgálata resampling eljárással Dolgozatomban az European Social Survey (ESS) harmadik hullámának adatait fogom felhasználni, melyben a teljes nemzetközi lekérdezés feldolgozásra került,
RészletesebbenStatisztika II. feladatok
Statisztika II. feladatok 1. Egy női ruhákat és kiegészítőket forgalmazó üzletlánc 118 egységénél felmérést végzett arról, milyen tényezők befolyásolják a havi összbevételüket (EUR). a) Pótolja ki a táblázatok
RészletesebbenStatisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák
Statisztikai hipotézisvizsgálatok Paraméteres statisztikai próbák 1. Magyarországon a lakosság élelmiszerre fordított kiadásainak 2000-ben átlagosan 140 ezer Ft/fő volt. Egy kérdőíves felmérés során Veszprém
RészletesebbenStatisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre
Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a
RészletesebbenEsetelemzés az SPSS használatával
Esetelemzés az SPSS használatával A gepj.sav fileban négy különböző típusú, összesen 80 db gépkocsi üzemanyag fogyasztási adatai találhatók. Vizsgálja meg, hogy befolyásolja-e az üzemanyag fogyasztás mértékét
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
RészletesebbenSzezonális kiigazítás munkaügyi idősorokra
Szezonális kiigazítás munkaügyi idősorokra Készítette: Szente László és Láz József (MultiRáció Kft.) Szezonalitás a munkaügyi idősorokban Éven belüli, évről évre ismétlődő ingadozás, hullámzás figyelhető
RészletesebbenM-Fájlok létrehozása MATLAB-ban
M-Fájlok létrehozása MATLAB-ban 1 Mi az M-fájl Annak ellenére, hogy a MATLAB rendkívül kifinomult és fejlett számológépként használható, igazi nagysága mégis abban rejlik, hogy be tud olvasni és végrehajtani
RészletesebbenExponenciális kisimítás. Üzleti tervezés statisztikai alapjai
Exponenciális kisimítás Üzleti tervezés statisztikai alapjai Múlt-Jelen-Jövő kapcsolat Egyensúlyi helyzet Teljes konfliktus Részleges konfliktus: 0 < α < 1, folytatódik a múlt, de nem változatlanul módosítás:
RészletesebbenBiometria az orvosi gyakorlatban. Regresszió Túlélésanalízis
SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió
RészletesebbenThermo1 Graph. Felhasználói segédlet
Thermo1 Graph Felhasználói segédlet A Thermo Graph program a GIPEN Thermo eszközök Windows operációs rendszeren működő grafikus monitorozó programja. A program a telepítést követően azonnal használható.
RészletesebbenAdatmanipuláció, transzformáció, szelekció SPSS-ben
Adatmanipuláció, transzformáció, szelekció SPSS-ben Statisztikai szoftver alkalmazás Géczi-Papp Renáta Számított változó A már meglévő adatokból (változókból) további adatokat származtathatunk. munkavállalók.sav
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
RészletesebbenÉpítőipar, 2009. október
Közzététel: 2009. 17. Sorszám: 203. Következik: 2009. 18. A KSH jelenti Tájékoztatjuk Felhasználóinkat, hogy a 2009. évi adatok publikálása az európai uniós szabályozásoknak megfelelően a TEÁOR'08 nómenklatúra
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
RészletesebbenPDF. Tartalomjegyzék 1/21
PDF Napjainkban a publikálás elterjedt formája a PDF dokumentumok előállítása. A weben ez szinte szabvánnyá vált hosszú dokumentumok esetén. Akkor is nagyon hasznos lehet, ha a gondosan megformázott word
RészletesebbenAdatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com
Adatelemzés SAS Enterprise Guide használatával Soltész Gábor solteszgabee[at]gmail.com Tartalom SAS Enterprise Guide bemutatása Kezelőfelület Adatbeolvasás Szűrés, rendezés Új változó létrehozása Elemzések
RészletesebbenDiagram készítése. Diagramok formázása
Diagram készítése Diagramok segítségével a táblázatban tárolt adatainkat különféle módon ábrázolhatjuk. 1. A diagram készítésének első lépése az adatok kijelölése a táblázatban, melyekhez diagramot szeretnénk
RészletesebbenONLINE SZAKÉRTŐI KERETRENDSZER
FELHASZNÁLÓI SEGÉDLET 1. ÁBRA 1.Lépés Szakértői rendszer főbb paramétereinek megadása 0. Ellenőrzés bekapcsolása (Ha első alkalommal használja a rendszert ajánlott kipipálni). A rendszer a megadott paramétereket
RészletesebbenA gravitációs modell felhasználása funkcionális távolságok becslésére
A gravitációs modell felhasználása funkcionális távolságok becslésére Dusek Tamás egyetemi tanár Széchenyi István Egyetem Eger, 2015. november 20. Gravitációs modell "A" város "B" város 100 000 lakos 100
Részletesebben1.1.1 Dátum és idő függvények
1.1.1 Dátum és idő függvények Azt már tudjuk, hogy két dátum különbsége az eltelt napok számát adja meg, köszönhetően a dátum tárolási módjának az Excel-ben. Azt is tudjuk a korábbiakból, hogy a MA() függvény
RészletesebbenÚTMUTATÓ az RVTV portálon történő ciklus beállításhoz
ÚTMUTATÓ az RVTV portálon történő ciklus beállításhoz Tartalom Felhasználói profil megnyitása... 2 Profil adatok beállítása... 3 Vezetők... 3 Nem volt előresorolása... 7 Próbaidősként került regisztrálásra...
RészletesebbenAutoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta
Autoregresszív és mozgóátlag folyamatok Géczi-Papp Renáta Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenBelépés és kezdeti lépések. Használati útmutató minden szerepkör számára
1 SEMMELWEIS EGYETEM JOGI ÉS IGAZGATÁSI FŐIGAZGATÓSÁG Belépés és kezdeti lépések Használati útmutató minden szerepkör számára I. Bejelentkezés:... 2 II. Kezdeti általános lépések:... 3 1. Jelszó megváltoztatása:...
RészletesebbenStatisztikai 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,
RészletesebbenEsettanulmány. A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre. Tartalomjegyzék. 1. Bevezetés... 2
Esettanulmány A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre Tartalomjegyzék 1. Bevezetés... 2 2. A lineáris modell alkalmazhatóságának feltételei... 2 3. A feltételek teljesülésének
RészletesebbenAutoregresszív és mozgóátlag folyamatok
Géczi-Papp Renáta Autoregresszív és mozgóátlag folyamatok Autoregresszív folyamat Az Y t diszkrét paraméterű sztochasztikus folyamatok k-ad rendű autoregresszív folyamatnak nevezzük, ha Y t = α 1 Y t 1
RészletesebbenNyolcbites számláló mintaprojekt
Nyolcbites számláló mintaprojekt 1. Bevezető A leírás egy nyolcbites számláló elkészítésének és tesztelésének lépéseit ismerteti. A számláló értéke az órajel felfutó élének hatására növekszik. A törlőgombbal
RészletesebbenEGYENES ILLESZTÉSE (OFFICE
EGYENES ILLESZTÉSE (OFFICE 2007) 1. Írjuk a mérési adatokat az x-szel és y-nal jelzett oszlopokba. Ügyeljünk arra, hogy az első oszlopba a független, a második oszlopba a függő változó kerüljön! 2. Függvény
RészletesebbenBetBulls Chartrajzoló
BetBulls Chartrajzoló Ez a modul alkalmas a részvényadatok gyertyamintás megjelenítésére, az indikátorok ábrázolására, valamint statisztika készítésére. Két fő modulból áll: Chart rajzoló modul Statisztika
Részletesebben2011 SZEPTEMBERÉBEN A SZEZONÁLISAN KIIGAZÍTOTT ADATOK SZERINT IS CSÖKKENT A NYILVÁNTARTOTT ÁLLÁSKERESŐK SZÁMA
2011 SZEPTEMBERÉBEN A SZEZONÁLISAN KIIGAZÍTOTT ADATOK SZERINT IS CSÖKKENT A NYILVÁNTARTOTT ÁLLÁSKERESŐK SZÁMA A foglalkoztatás és a munkanélküliség jellemzően szezonális jelenségek. Az időjárásnak kitett
RészletesebbenDiagram létrehozása. 1. ábra Minta a diagramkészítéshez
Bevezetés Ebben a témakörben megtanuljuk, hogyan hozzunk létre diagramokat, valamint elsajátítjuk a diagramok formázásnak, módosításának lehetőségeit. A munkalap adatainak grafikus ábrázolási formáját
RészletesebbenMagyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI
Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése Rezsabek Tamás GSZDI Anyag és módszer Központi Statisztikai Hivatalának adatai
Részletesebben2007 DECEMBERÉBEN A SZEZONÁLISAN KIIGAZÍTOTT ADATOK SZERINT IS NŐTT A MUNKANÉLKÜLIEK SZÁMA
2007 DECEMBERÉBEN A SZEZONÁLISAN KIIGAZÍTOTT ADATOK SZERINT IS NŐTT A MUNKANÉLKÜLIEK SZÁMA A foglalkoztatás és a munkanélküliség jellemzően szezonális jelenségek. Az időjárásnak kitett ágazatok miatt és
Részletesebben1) Szállítói számla kontírozásának megkezdését megelőző lépések a Tárgyi eszköz modulban
1) Szállítói számla kontírozásának megkezdését megelőző lépések a Tárgyi eszköz modulban Bizonylat pénzügyi ellenőrzése és kontírozása A Pénzügy modulban történő kontírozást megelőzően a Tárgyi eszköz
RészletesebbenGyőrBike a győri közösségi bérkerékpár rendszer első éve
GyőrBike a győri közösségi bérkerékpár rendszer első éve Magyar Urbanisztikai Társaság Győr-Moson-Sopron megyei csoportja MTA KRTK RKI Nyugat-magyarországi Tudományos Osztály Smart City rendezvénysorozat
Részletesebben2008 DECEMBERÉBEN A SZEZONÁLISAN KIIGAZÍTOTT ADATOK SZERINT IS NÖVEKEDETT A MUNKANÉLKÜLIEK SZÁMA
2008 DECEMBERÉBEN A SZEZONÁLISAN KIIGAZÍTOTT ADATOK SZERINT IS NÖVEKEDETT A MUNKANÉLKÜLIEK SZÁMA A foglalkoztatás és a munkanélküliség jellemzően szezonális jelenségek. Az időjárásnak kitett ágazatok miatt
RészletesebbenPOSZEIDON dokumentáció (1.2)
POSZEIDON dokumentáció (1.2) Bevezetés a Poszeidon rendszer használatába I. TELEPÍTÉS Poszeidon alkalmazás letölthető: www.sze.hu/poszeidon/poszeidon.exe Lépések: FUTTATÁS / (FUTTATÁS) / TOVÁBB / TOVÁBB
Részletesebben1 Energetikai számítások bemutatása, anyag- és energiamérlegek
1 Energetikai számítások bemutatása, anyag- és energiamérlegek Előzőleg a következőkkel foglalkozunk: Fizikai paraméterek o a bemutatott rendszer és modell alapján számítást készítünk az éves energiatermelésre
RészletesebbenRácsvonalak parancsot. Válasszuk az Elsődleges függőleges rácsvonalak parancs Segédrácsok parancsát!
Konduktometriás titrálás kiértékelése Excel program segítségével (Office 2007) Alapszint 1. A mérési adatokat írjuk be a táblázat egymás melletti oszlopaiba. Az első oszlopba kerül a fogyás, a másodikba
RészletesebbenFIZIKAI KÉMIA II. házi dolgozat. Reakciókinetikai adatsor kiértékelése (numerikus mechanizmusvizsgálat)
FIZIKAI KÉMIA II. házi dolgozat Reakciókinetikai adatsor kiértékelése (numerikus mechanizmusvizsgálat) Készítette: () Kémia BSc 2008 évf. 2010 1 A numerikus mechanizmusvizsgálat feladatának megfogalmazása
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenEgyszerűbb a Google keresőbe beírni a Sharepoint Designer 2007 letöltés kulcsszavakat és az első találat erre a címre mutat.
A feladat megoldásához a Sharepoint Designer 2007 programot használjuk, mely ingyenesen letölthető a Microsoft weboldaláról. Az érettségi aktuális szoftverlistája alapján az Expression Web 2, az Expression
RészletesebbenTantárgyfelosztás. I. Ellenőrzés. Mielőtt hozzákezd a tantárgyfelosztás tervezéséhez, ellenőrizze le, illetve állítsa be a következőket:
Tantárgyfelosztás I. Ellenőrzés Mielőtt hozzákezd a tantárgyfelosztás tervezéséhez, ellenőrizze le, illetve állítsa be a következőket: Alkalmazott képes menü > alkalmazottak alapadatai - Alkalmazottak
RészletesebbenQGIS gyakorló. --tulajdonságok--stílus fül--széthúzás a terjedelemre).
QGIS gyakorló Cím: A Contour-, a Point sampling tool és a Terrain profile pluginek használata. DEM letöltése: http://www.box.net/shared/1v7zq33leymq1ye64yro A következő gyakorlatban szintvonalakat fogunk
RészletesebbenTáblázatok. Táblázatok beszúrása. Cellák kijelölése
Táblázatok Táblázatok beszúrása A táblázatok sorokba és oszlopokba rendezett téglalap alakú cellákból épülnek fel. A cellák tartalmazhatnak képet vagy szöveget. A táblázatok használhatók adatok megjelenítésére,
RészletesebbenRegresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program
Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z
RészletesebbenKözönséges differenciál egyenletek megoldása numerikus módszerekkel: egylépéses numerikus eljárások
Közönséges differenciál egyenletek megoldása numerikus módszerekkel: egylépéses numerikus eljárások Bevezetés Ebben a cikkben megmutatjuk, hogyan használhatóak a Mathematica egylépéses numerikus eljárásai,
RészletesebbenA BDF website elemzése SPSS CLEMENTINE WEB MINING segítségével. Zsiros Péter
A BDF website elemzése SPSS CLEMENTINE WEB MINING segítségével Zsiros Péter 1 2 Az elemzés kiindulópontja, célok Google analízis: heti hullámzás (Grujber Zoltán) Log fájlok vizsgálata: külső és belső IP
RészletesebbenNaptárak, munkarendek
A programban megadható az erőforrások munkarendje is (pl. több műszak esetén); ez nemcsak az egész projektre vonatkozhat, hanem külön erőforrás-naptárak is megadhatók. Alapnaptár Az alapnaptár heti ötnapos
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenA PC Connect számlázó program kezelése.
A PC Connect számlázó program kezelése. A PC Connect számlázó program egy kifejezetten kis vállalatok számára kifejlesztett számlázó program. A számlázót az asztalon található PC Connect számlázó ikonnal
RészletesebbenFatömegbecslési jegyzőkönyvek
Fatömegbecslési jegyzőkönyvek ERDŐGAZDÁLKODÁS/FAHASZNÁLAT/FATÖMEGBECSLÉSI JEGYZŐKÖNYVEK A fatömegbecslési jegyzőkönyvek erdőrészlethez kapcsolódnak. Egy erdőrészlethez több jegyzőkönyv készíthető. Egy
RészletesebbenMatlab Fuzzy Logic Toolbox
Matlab Fuzzy Logic Toolbox The Future looks Fuzzy Newsweek, May, 28, 1990. A fuzzy irányítási rendszerek vizsgálatára Windows alatt futó Matlab programcsomag szimulációs eszközeit és a Matlab-ra ráépülő
RészletesebbenSzezonális kiigazításról:
Szezonális kiigazításról: Az idősorok viselkedését nagymértékben befolyásolhatják olyan tényezők, amelyek különböző évek azonos időszakaiban, közel azonos irányban és mértékben hatnak. Ilyenek például
RészletesebbenGuarding Vision Beállítása
Guarding Vision Beállítása Rögzítő beállítása: 1. Beállítások Hálózat Platform-hozzáférés. 1. Engedélyezze a platform hozzáférést 2. Ha a Server Address mezőben más cím olvasható, az Egyedi (Custom) engedélyezése
RészletesebbenBevezető. Mi is az a GeoGebra? Tények
Bevezető Mi is az a GeoGebra? dinamikus matematikai szoftver könnyen használható csomagolásban az oktatás minden szintjén alkalmazható tanításhoz és tanuláshoz egyaránt egyesíti az interaktív geometriát,
RészletesebbenDecemberben 2,2%-kal csökkent az építőipari termelés volumene
Közzététel: 2015. február 12. Következik: 2015. február 13. Bruttó hazai termék (GDP) Sorszám: 24. Decemberben 2,2%-kal csökkent az építőipari termelés volumene Építőipar, 2014. január december 2014. decemberben
RészletesebbenBIOMETRIA_ANOVA_2 1 1
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenKISTERV2_ANOVA_
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
Részletesebben3. Ezután a jobb oldali képernyő részen megjelenik az adatbázistábla, melynek először a rövid nevét adjuk meg, pl.: demo_tabla
1. Az adatbázistábla létrehozása a, Ha még nem hoztunk létre egy adatbázistáblát sem, akkor a jobb egérrel a DDIC-objekt. könyvtárra kattintva, majd a Létrehozás és az Adatbázistábla menüpontokat választva
RészletesebbenH0 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
RészletesebbenMegyei tervezést támogató alkalmazás
TeIR (Területfejlesztési és Területrendezési Információs Rendszer) Megyei tervezést támogató alkalmazás Felhasználói útmutató 2015. május Tartalomjegyzék 1. BEVEZETŐ... 3 2. AZ ALKALMAZÁS BEMUTATÁSA...
RészletesebbenOzeki Weboffice. 1. ábra
Ozeki Weboffice 1. A program indítása Először vegyük fel a szerkesztendő web oldalt az Edit your Website listába. A piros nyíllal jelölt mezőbe írjuk be a weboldal nevét, majd az OK gombbal érvényesítsük
RészletesebbenMódszertani 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
RészletesebbenA fizetési mérleg alakulása a szeptemberi adatok alapján
A fizetési mérleg alakulása a 22. szeptemberi adatok alapján A végleges számítások szerint 22. szeptemberben 366 hiánnyal zárt a folyó fizetési mérleg. Az előző évi szeptemberi egyenleg 12 hiányt mutatott.
RészletesebbenStatisztikai táblázatok, kimutatások (Pivot) készítése
Statisztikai táblázatok, kimutatások (Pivot) készítése Elméleti összefoglaló Az adatok egy, vagy több szempontú rendezése céljából célszerű azokat táblázatokba foglalni. Tehát az elemi adatokat alapján
RészletesebbenA klímamodellek alkalmazásának tapasztalatai a magyarországi gabona félék hozam előrejelzéseiben
Hatásvizsgálói konzultációs workshop Országos Meteorológiai Szolgálat A klímamodellek alkalmazásának tapasztalatai a magyarországi gabona félék hozam előrejelzéseiben Kemény Gábor, Fogarasi József, Molnár
Részletesebben2. FEJEZET. Vigh László: Táblázatok kezelése szakdolgozat-készítésnél
2. FEJEZET Vigh László: Táblázatok kezelése szakdolgozat-készítésnél A szakdolgozatokban rendszeresen kell számadatokat magába foglaló táblázatokat közölni. A Word program több formátumot is tartalmaz,
RészletesebbenA kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9
A kálium-permanganát és az oxálsav közötti reakció vizsgálata 9a. mérés B4.9 Név: Pitlik László Mérés dátuma: 2014.12.04. Mérőtársak neve: Menkó Orsolya Adatsorok: M24120411 Halmy Réka M14120412 Sárosi
RészletesebbenA fizetési mérleg alakulása a októberi adatok alapján
A fizetési mérleg alakulása a 22. októberi adatok alapján A végleges számítások szerint 22. októberben 231 hiánnyal zárt a folyó fizetési mérleg. Az előző évi októberi egyenleg 72 hiányt mutatott. A változásban
RészletesebbenAromo Szöveges értékelés normál tantárggyal
Aromo Szöveges értékelés normál tantárggyal Aromo Iskolaadminisztrációs Szoftver Felhasználói kézikönyv -- Szöveges értékelés 1 Tartalomjegyzék Aromo Szöveges értékelés normál tantárggyal 1 Bevezetés 3
RészletesebbenJohanyák Zsolt Csaba: Ugráló gomb oktatási segédlet Copyright 2008 Johanyák Zsolt Csaba
Ugráló gomb Készítsünk egy egyszerű játékprogramot, ami egy mozgó nyomógombot tartalmaz. A nyomógomb beállított ideig marad egy helyben, majd az ablakon számára elhatárolt terület (panel) egy véletlenszerűen
RészletesebbenGeoreferálás, leválogatás ArcGIS 10-ben
Georeferálás, leválogatás ArcGIS 10-ben Hol vannak azok a helyek, amelyek.? oktatási segédlet Gazdaságföldrajz, Geoökonómia és Fenntartható Fejlődés Intézet Budapesti Corvinus Egyetem Készítette: Varga
RészletesebbenPC kártya és a szoftver telepítése, indítása után ( ID, jelszó : admin, admin)
PC kártya és a szoftver telepítése, indítása után ( ID, jelszó : admin, admin) Mozgásérzékelés beállítása Jobb klikk a beállítandó videó képén (pl: Channel1),a Channel configuration (videó csatorna konfigurációs
RészletesebbenElső lépések. File/New. A mentés helyét érdemes módosítani! Pl. Dokumentumok. Fájlnév: pl. Proba
Első lépések File/New A mentés helyét érdemes módosítani! Pl. Dokumentumok Fájlnév: pl. Proba (megj. ékezetes karaktereket nem használhatunk a fájlnévben) 1 Konvejor pálya elkészítése System/New Rendszer
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
RészletesebbenA fizetési mérleg alakulása a márciusi adatok alapján
A fizetési mérleg alakulása a 23. márciusi adatok alapján 23-tól a publikáció súlypontja a havi adatokról a negyedéves adatokra helyeződik át. Havonta a T+3. munkanapon a nemzetközi tartalékokra vonatkozó
RészletesebbenGrafikonok, diagramok.
3. Előadás Grafikonok, diagramok. Salamon Júlia Előadás I. éves mérnök hallgatók számára Diagramok készítése A táblázat számai sokat kifejeznek a hozzáértők számára, de az ember alapvetően vizuális lény,
RészletesebbenA NAPTÁRI (KRONOLÓGIAI) ÉLETKOR KISZÁMÍTÁSÁNAK, A BIOLÓGIAI ÉLETKOR (MORFOLÓGIAI KOR) ÉS A VÁRHATÓ TESTMAGASSÁG MEGHATÁROZÁSÁNAK MÓDSZERE
A NAPTÁRI (KRONOLÓGIAI) ÉLETKOR KISZÁMÍTÁSÁNAK, A BIOLÓGIAI ÉLETKOR (MORFOLÓGIAI KOR) ÉS A VÁRHATÓ TESTMAGASSÁG MEGHATÁROZÁSÁNAK MÓDSZERE A NAPTÁRI ÉLETKOR KISZÁMÍTÁSA A hétköznapi értelemben is használt,
RészletesebbenKézikönyv Likviditás tervezés-naptári ciklus
Kézikönyv Likviditás tervezés-naptári ciklus Tartalomjegyzék 1 AMD:CCC-AEMCAPTURINGWINDOW... 5 2 AMD:CCC-AEMCAPTURINGWINDOW... 7 3 ABAS ERP UTASÍTÁS ÁTTEKINTÉS... 8 4 NAPTÁRI CIKLUS - ÜRES... 9 5 AMD:CCC-AEMCAPTURINGWINDOW...
RészletesebbenStatisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot
RészletesebbenA szezonális kiigazításról
Központi Statisztikai Hivatal A szezonális kiigazításról 2012. szeptember Az idősorok viselkedését nagymértékben befolyásolhatják olyan tényezők, amelyek különböző évek azonos időszakaiban, közel azonos
RészletesebbenDr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások
Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Bevezetés A magas mérési szintű változók adataiból számolhatunk átlagot, szórást. Fontos módszerek alapulnak ezeknek a származtatott paramétereknek
RészletesebbenCellák. Sorok számozás Oszlop betű Cellák jelölése C5
Táblázatkezelés Cellák Sorok számozás Oszlop betű Cellák jelölése C5 Típusok Szám Különleges számok: Tudományos: 1E2, 5E-3 Szöveg Dátum Logikai Tört: kettedes, negyedes, stb. A cella értéke nem változik
RészletesebbenTerületi elemzések. Budapest, 2015. április
TeIR Területi elemzések Felhasználói útmutató Budapest, 2015. április Tartalomjegyzék 1. BEVEZETŐ... 3 2. AZ ELEMZÉSBEN SZEREPLŐ MUTATÓ KIVÁLASZTÁSA... 4 3. AZ ELEMZÉSI FELTÉTELEK DEFINIÁLÁSA... 5 3.1.
RészletesebbenArcView 2.sz. gyakorlat
ArcView 2.sz. gyakorlat Tematikus térképek Nyissunk egy új projectet a Project ablak, File->New Project menüpontjával (ha most indítottuk az ArcViewt, akkor ez automatikusan meg is történt). Nyissunk egy
Részletesebben