A heteroszkedaszticitásról egyszerûbben

Save this PDF as:
 WORD  PNG  TXT  JPG

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A heteroszkedaszticitásról egyszerûbben"

Átírás

1 Mûhely Huyad László kaddátus, egyetem taár, a Statsztka Szemle főszerkesztője A heteroszkedasztctásról egyszerûbbe E-mal: A heteroszkedasztctás az ökoometra modellezés egyk kulcsfogalma, és bár valójába meglehetőse egyszerű fogalom, talá boyolult hagzású eve s hozzájárul ahhoz, hogy megértése és gyakorlat kezelése olykor elég ehézkes. Az oktatásba szerzett tapasztalatok alapjá sokszor úgy tűt, hogy a hallgatók tt adták fel a regresszós modell megsmerését, tt jutottak el oda, hogy a továbbakba meg se próbálták megérte. E rövd írás célja, aak bemutatása, hogy a heteroszkedasztctás fogalmát, és a vele kapcsolatos fotosabb, elsősorba becslés voatkozásokat a megszokottál egyszerűbbe s lehet tárgyal, legalábbs, am az alapokat llet. A modell, amt tt haszáluk, ge egyszerű, és esetekét még ezt s csak specáls, köye kezelhető esetekre vzsgálom, hsze mdez csak arra szolgál, hogy megértsük ezt a fotos fogalmat, és a vele kapcsolatos legléyegesebb tételeket. Ezért ez a ks írás em helyettesíthet a heteroszkedasztctás részletesebb ökoometra leírásat, melyek a magyar yelvű szakrodalomba s hozzáférhetők (Kőrös et al. [990], Maddala [004], Ramaatha [003]). A heteroszkedasztctás fogalma és egy egyszerű modellje A heteroszkedasztctás általába egy modellbe a szórások külöbözőségét jelet. Sok modell eseté, főkét az egyszerűség kedvéért, a külöböző csoportok, kategórák, változóértékek mögött meghúzódó sokaságok szórása egyelőségét feltételezk. Ez rtká fed a valóságot, de kéyelmes feltételezés, többyre leegyszerűsít a modell szerkezetét, így a becslését, tesztelését stb. s. Az egyelő szórások feltételezése, azaz a homoszkedasztctás, em természetes feltevés, haem mesterséges egy- Statsztka Szemle, 84. évfolyam. szám

2 76 Huyad László szerűsítés (hasolóa az dősorelemzés stacoartás fogalmához). A heteroszkedasztctás tehát em hba (mt ahogy azt sok köyv tárgyalja), haem ytás a valóság felé. Hbáak csak abba az összefüggésbe lehet tekte, amelybe elsősorba ddaktka okokból a lehető legegyszerűbb, homoszkedasztkus modellt tektjük alapak. A heteroszkedasztctás bemutatására és egyes kérdéseek kezelésére szokásos leárs regresszós modell helyett most egy egyszerű átlagbecslést tektük, amely persze felfogható olya leárs regresszóak s, ahol csak a tegelymetszet együtthatója külöbözk 0-tól. Kduló potuk az, hogy adott egy heterogéek tekthető sokaság, amelybe azoba a külöböző, eltérő szórású csoportok közös várható értékkel redelkezek, és feladatuk eek a közös várható értékek a becslése. E feladat mögé külöféle terpretácókat képzelhetük. Egy lye feladat lehet az, hogy két vagy több ágazatba hasolók az átlagfzetések, ám az eltérő vállalatszerkezet (például agyság) matt az ágazat szórások léyegese eltérek egymástól. Egy másk lehetséges feladat lehet az, hogy valamely műszak ckk átlagárát kívájuk becsül, kombált dősoros és keresztmetszet adatokból. Ha feltételezzük az átlagár stabltását (am a gyártástechológa fejlődése, lletve az ezzel párhuzamosa zajló műszak fejlődés eredőjekét dőbe stablak tekthető), akkor az dőbe változó (bővülő) választék következtébe ugyacsak változó szórás tételezhető fel. Ezekbe az esetekbe külöböző szórású részsokaságokból veszük mtákat, amelyek agysága s változhat. Egy lye feladato már jól megmutathatók a heteroszkedasztkus köryezetbe törtéő becslések tulajdosága, de a még egyszerűbb tárgyalás érdekébe a továbbakba azt s feltételezzük, hogy mde részsokaságból egyetle elemű mtát veszük a becslés érdekébe. Ekkor tehát feladatuk a következő. Legye y, y,, y egy -elemű FAE-mta, ahol feltételezzük, hogy y ~ ( µ, σ ) és σ smert szórás. A cél a közös µ várható érték becslése. Ez a feladat em más, mt a legegyszerűbb átlagbecslés kterjesztése em egyelő szórás (varaca) esetére. Hagsúlyozzuk, hogy a külöböző mtaagyságok elvbe semmt sem változtatáak a későbbeke, csak a jelölések váláak léyegese boyolultabbá, és így félő, hogy éppe az a pot skkada el a tárgyalásból, am matt ezt a ks elemzést végezzük. Ezért maraduk eél a végletekg lecsupaszított, leegyszerűsített modellél. A továbbakba eze a modelle keresztül mutatjuk meg a becslés fő problémát, a lehetséges becslőfüggvéyeket és azok tulajdoságat. A hagyomáyos (OLS-) becslés A legegyszerűbb becslőfüggvéyt µ -re ebbe az esetbe s a közöséges legksebb égyzetek (OLS) módszerével yerhetjük a következő módo. Statsztka Szemle, 84. évfolyam. szám

3 A heteroszkedasztctásról egyszerûbbe 77 Legye egyszerű modellük y = µ + ε, ahol a modell végletese egyszerű szerkezete folytá ε várható értékétől eltektve ugyaolya tulajdoságokkal redelkezk, mt y. Ezért az OLS azt a µ ˆ -t keres, amelykre = ( y = g µ ˆ ) // mmáls. Vegyük észre, hogy // em vesz fgyelembe az eltérő varacákat, azaz a heteroszkedasztkus köryezetet. A megoldás egyszerű szélsőérték-feladat megoldásakét közsmert: y µ = = = y = µ ˆ OLS ˆ, vagy a később tárgyalással jobba összhagba lévő jelölésekkel: µ ˆ OLS = w y, ahol w =. // = Eek a becslőfüggvéyek a tulajdosága azoal adódak: Torzítatla, azaz E( ˆ ) = µ, hsze ( ) = µ Varacája: µ OLS = E és = ; y w = ( ˆ ) ( ) = σ Var µ OLS = w Var y =, /3/ am alapjá rögtö belátjuk lehet ksebb varacájú torzítatla becslőfüggvéyt készíte. A varaca becslése értelmetle, hsze cs elegedő mtaelemük a becsléshez. (Megjegyezzük, hogy ha az említett, súlyozott feladatot vzsgáltuk vola, akkor elvbe lee elegedő szabadságfokuk a varacák becslésére, de a szokásos (OLS) varacabecslés ekkor s értelmetle, hsze em egy, haem több varaca létezk. Statsztka Szemle, 84. évfolyam. szám

4 78 Huyad László Egy ad hoc becslőfüggvéy jobb tulajdoságokkal Ez az rodalomba em szokásos becslőfüggvéy a gyakorlatba sem haszálatos, tt csupá érdekességképp mutatjuk be aak demostrálására, hogy a heteroszkedasztkus köryezetbe a hagyomáyos becslőfüggvéy mlye gyegé teljesít. Ez a becslőfüggvéy azo az ötlete alapul, hogy a agyobb szórású réteghez tartozó mtaelem aráyosa ksebb súlyt képvselje a becslőfüggvéybe, és fordítva. Ezért alakja: µ ˆ AH = w y, ahol = σ w = = σ. /4/ Mvel a kostrukcójáál fogva varacája pedg w = =, a /4/ becslőfüggvéy s torzítatla, ( ) ( σ ) ˆ σ µ AH = = = ( σ ) ( ) Var. /5/ = = σ Köye belátható, hogy az /5/ varaca ksebb vagy egyelő a /3/ OLSvaracájával, azaz = σ ( σ ) =. /6/ Az egyelőtleség gazolásához szorozzuk meg mdkét oldalt -el, majd vojuk gyököt mdkét oldalo. Ekkor azt kapjuk, hogy = σ = σ, /7/ am pedg a harmokus, és a égyzetes átlagok közt közsmert agyságred relácó. Ekkor /7/ azt jelet, hogy az OLS-becslőfüggvéy lye feltételek mellett em lehet mmáls varacájú, hsze a találomra felvett becslőfüggvéy s torzítatla, de varacája ksebb. Köszöet Mhályffy Lászlóak az tt yújtott látszólag apró, de valójába agyo haszos segítségért. Statsztka Szemle, 84. évfolyam. szám

5 A heteroszkedasztctásról egyszerûbbe 79 Tovább becslőfüggvéyek Az ökoometra szakrodalom tovább becslőfüggvéyeket javasol a heteroszkedasztkus esetre. Ezek közül kemelkedk a WLS, amelyk azo az elve yugszk, hogy a varacákkal fordította súlyozott eltérés-égyzetösszegeket mmalzálja: y µ ˆ g = mµ /8/ = σ Szélsőérték-számítással azoal adódk, hogy a g y µ ˆ = µ ˆ = σ σ = 0 egyelet megoldása adja a becslőfüggvéyt: WLS µ ˆ = w y és = σ w = = σ. /9/ Ez a becslőfüggvéy természetese torzítatla és varacája: 4 ( ) ( σ ) σ WLS = = ( σ ) ( σ ) = ( σ ) Var µ ˆ =. /0/ = = σ = Úgy s becslőfüggvéyhez juthatuk, ha a torzítatla becslőfüggvéyek halmazá mmáljuk aak varacáját. Ha mdez a leárs becslőfüggvéyek teré törték, akkor jutuk el a legjobb torzítatla, leárs becslőfüggvéyhez (BLUE). Esetükbe ez azt jelet, hogy a következő korlátozott szélsőérték-feladatot kell megoldauk: w σ = m w =, feltéve, hogy w 0 és =. // w = A megoldást tt csak a legegyszerűbb ( = ) esetre mutatjuk meg, mvel tetszőleges esetére a megoldás kcst hosszadalmas (Huyad [000]). Ekkor g = w ( w ) σ m σ + w és a szélsőérték létezéséek elsőredű feltétele g w = w σ ( w ) σ = 0. Statsztka Szemle, 84. évfolyam. szám

6 80 Huyad László w Ezt átredezve σ = σ + σ -re az adódk, hogy w σ w = σ + σ, és e természetese. Tovább egyszerű átredezés utá ebből az kapható, hogy σ w =, // σ + σ am aalóg a /9/ WLS-súlyokkal. A hvatkozott taulmáy általáosságba s bzoyítja ezt, ezért azt állíthatjuk, hogy a WLS a legjobb leárs torzítatla becslőfüggvéyt (BLUE) eredméyez. Megjegyezzük, hogy a // súlyok alkalmazásáak egy gyakor példája a portfolóelmélet, ahol két (vagy több) kockázatú (varacájú) befektetés mmáls kockázatú (optmáls) portfolóját kívájuk összerak az összetétel (súlyok) alkalmas megválasztásával. Eddg a változók eloszlására semmféle feltételt em kötöttük k, ezért ezek az eredméyek eloszlástól függetleek, az eloszlásra ézve robusztusak. Ha feltételezük valamlye smert eloszlást a sokaság változóra, akkor a maxmum lkelhood alkalmazásával tovább, még erősebb eredméyeket yerhetük. Ilye esetekbe kézefekvő a ormáls eloszlás feltételezése, am ayt jelet, hogy mtaelemekre a továbbakba az y ~ N( µ, σ ) feltételezést tesszük, és a függetle mtaelemek matt a kovaracamátrx dagoaltását s feltételezzük. Ekkor a lkelhood függvéy és a log-lkelhood függvéy redre a következő lesz: y µ L = exp σ σ σ π = σ y µ log L = C, = σ ahol a C kostasba foglaltuk össze a µ -től em függő tagokat. A log-lkelhood szélsőértékhelyé jutuk el a maxmum lkelhood (ML) becslőfüggvéyhez. Az első dervált:, log L = µ = y µ σ σ, /3/ Statsztka Szemle, 84. évfolyam. szám

7 A heteroszkedasztctásról egyszerûbbe 8 és eek 0-helyé lehet szélsőérték. /3/-at megoldva az kapjuk, hogy ML µ ˆ = w y és = σ w = = σ. /4/ Mvel eze a helye a másodk dervált egatív, ez valóba ML-becslőfüggvéy, és látható, hogy potosa megegyezk a /9/ WLS-becslőfüggvéyel. Ez természetese azt s jelet, hogy ormáls eloszlás eseté redelkezk az ML agymtás tulajdoságaval (kozsztes, aszmptotkusa hatásos és határeloszlása ormáls). A lkelhood függvéy elemzése azoba még tovább következtetések levoását eged meg. A másodk dervált ugyas log L =, µ = σ és eek alapjá az formácós határ eek várható értékéek -szerese I ( µ ) =, = σ am éppe recproka a WLS-becslőfüggvéy varacájáak: I( µ ) = =. /5/ Var ( µ ) = σ ˆ WLS Ez azt jelet, hogy ha feltételezzük a sokaság változók ormáls eloszlását, akkor a közös várható értékre készített becslőfüggvéy varacája elér a Cramér Rao alsó határt, így a becslőfüggvéy véges mtá s abszolút hatásos (MVUE) (Huyad [00]). Következtetések A következtetéseket összefoglalva krajzolódk az a éháy állítás, amelyek ebbe, a legegyszerűbb esetbe jellemzk a heteroszkedasztkus köryezetbe készített becsléseket. Heteroszkedasztkus köryezetbe a µ egyszerű OLSbecslőfüggvéye torzítatla marad. Statsztka Szemle, 84. évfolyam. szám

8 8 Huyad: A heteroszkedasztctásról egyszerûbbe A varaca OLS-becslése ebbe az esetbe értelmetle. Köye lehet talál olya torzítatla becslőfüggvéyt, amelyk varacája ksebb, mt az OLS-becslőfüggvéyé, tehát az elveszt hatásosságát. A súlyozott legksebb égyzetekkel készült becslőfüggvéy (WLS) torzítatla és a legjobb leárs tulajdoságokkal redelkezk. Ha feltételezzük, hogy a változók ormáls eloszlást követek, akkor a maxmum lkelhood módszer a WLS-sel megegyező becslőfüggvéyt javasol. Ez em csupá aszmptotkusa, de véges mtákba s legjobb (mmáls varacájú) torzítatla becslőfüggvéy, és agy mták eseté örökl az ML tulajdoságat, azaz kozsztes, és határeloszlása ormáls. Mt azt korábba említettük, a vzsgált modell az y = β0 + βx + ε leárs regresszós modell specáls esete, ha β 0 = µ és β = 0. A heteroszkedasztctással kapcsolatos ökoometra elemzések legegyszerűbb esetbe egy lye regresszós modellből dulak k, de mvel a heteroszkedasztctás a maradékváltozó jellemzője, az tt bemutatott tulajdoságok aalógok az ökoometrából smertekkel, értelemszerű általáosítások mellett. Nem foglalkoztuk a heteroszkedasztctás egy sor egyéb voatkozásával, így azzal, hogy mkét lehet kmutat (grafkusa, tesztekkel), azzal, hogy mkét lehet becsül, és a becslések mlye tulajdosága vaak akkor, ha a σ -k em smertek, mlye hatással vaak a külöféle traszformácók a heteroszkedasztctás kezelésére stb. Reméljük azoba, hogy elértük azt az alapvető célt, hogy egyszerű, köye áttekthető feladato, jórészt elem eszközök segítségével megmutassuk a heteroszkedasztctás jelelétébe alkalmazott és alkalmazható becslések tulajdoságat. Irodalom HUNYADI L. [000]: A kétmtás t-próbáról. I: Fél évszázad statsztka szolgálatába. Taulmáykötet Köves Pál tszteletére. Közpot Statsztka Hvatal. Budapest. HUNYADI L. [00]: Statsztka következtetéselmélet közgazdászokak. Statsztka módszerek a társadalm és a gazdaság elemzésekbe. Közpot Statsztka Hvatal. Budapest. KŐRÖSI G. MÁTYÁS L. SZÉKELY I. [990]: Gyakorlat ökoometra. Közgazdaság és Jog Köyvkadó. Budapest. MADDALA, G. S. [004]: Bevezetés az ökoometrába. Közgazdaság taköyvek. Nemzet Taköyvkadó. Budapest. RAMANATHAN, R. [003]: Bevezetés az ökoometrába alkalmazásokkal. Paem Kadó. Budapest. Statsztka Szemle, 84. évfolyam. szám

? közgazdasági statisztika

? közgazdasági statisztika Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem

Részletesebben

Statisztika. Eloszlásjellemzők

Statisztika. Eloszlásjellemzők Statsztka Eloszlásjellemzők Statsztka adatok elemzése A sokaság jellemzése középértékekkel A sokaság jellemzéséek szempotja A sokaság jellemzéséek szempotja: A sokaság tpkus értékéek meghatározása. Az

Részletesebben

AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN

AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN Molár László Ph.D. hallgató Mskolc Egyetem, Gazdaságelmélet Itézet 1. A MINTANAGYSÁG MEGHATÁROZÁSA EGYSZERŐ VÉLETLEN (EV) MINTA

Részletesebben

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése 3 4 Tartalomegyzék. BEVEZETÉS 5. A MÉRÉS 8. A mérés mt folyamat, fogalmak 8. Fotosabb mérés- és műszertechka fogalmak 4.3 Mérés hbák 8.3. Mérés hbák csoportosítása eredetük szert 8.3. A hbák megeleítés

Részletesebben

Matematikai statisztika

Matematikai statisztika Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),

Részletesebben

Miért pont úgy kombinálja kétfokozatú legkisebb négyzetek módszere (2SLS) az instrumentumokat, ahogy?

Miért pont úgy kombinálja kétfokozatú legkisebb négyzetek módszere (2SLS) az instrumentumokat, ahogy? Mért pot úgy kombálja kétfokozatú legksebb égyzetek módszere (2SLS az strumetumokat, ahogy? Kézrat A Huyad László 60. születésapjára készülő köyvbe Kézd Gábor 2004. júlus A Budapest Corvus Egyetem rövd

Részletesebben

Azonos névleges értékű, hitelesített súlyokból alkotott csoportok együttes mérési bizonytalansága

Azonos névleges értékű, hitelesített súlyokból alkotott csoportok együttes mérési bizonytalansága Azoos évleges értékű, htelesített súlyokból alkotott csoportok együttes mérés bzoytalasága Zeleka Zoltá* Több mérés feladatál alkalmazak súlyokat. Sokszor ezek em egyekét, haem külöböző társításba kombácókba

Részletesebben

STATISZTIKA II. kötet

STATISZTIKA II. kötet Szeged Tudomáyegyetem Gazdaságtudomáy Kar Petres Tbor Tóth László STATISZTIKA II. kötet Szerzők: Dr. Petres Tbor, PhD egyetem doces Statsztka és Demográfa Taszék Tóth László PhD-hallgató Gazdaságtudomáy

Részletesebben

VII. A határozatlan esetek kiküszöbölése

VII. A határozatlan esetek kiküszöbölése A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely

Részletesebben

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn

( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn Feladatok közepek közötti egyelőtleségekre (megoldások, megoldási ötletek) A továbbiakba szmk=számtai-mértai közép közötti egyelőtleség, szhk=számtaiharmoikus közép közötti egyelőtleség, míg szk= számtai-égyzetes

Részletesebben

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o)

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I. 25-26. o) Ismérvek között kapcsolatok szorosságáak vzsgálata 1. Egy ks smétlés: mérés skálák (Huyad-Vta: Statsztka I. 5-6. o) A külöböző smérveket, eltérő mérés sztekkel (skálákkal) ellemezhetük. a. évleges (omáls)

Részletesebben

Feladatok és megoldások a 11. heti gyakorlathoz

Feladatok és megoldások a 11. heti gyakorlathoz Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.

Részletesebben

MINTAVÉTEL A MARKETINGKUTATÁSBAN, KÜLÖNÖS TEKINTETTEL A DIVIZÍV ÉS AZ AGGLOMERATÍV RÉTEGZÉSRE

MINTAVÉTEL A MARKETINGKUTATÁSBAN, KÜLÖNÖS TEKINTETTEL A DIVIZÍV ÉS AZ AGGLOMERATÍV RÉTEGZÉSRE MINTAVÉTEL A MARKETINGKUTATÁSBAN, KÜLÖNÖS TEKINTETTEL A DIVIZÍV ÉS AZ AGGLOMERATÍV RÉTEGZÉSRE Molár László egyetem taársegéd 1. BEVEZETÉS A statsztkusok a mtaagyság meghatározására számos módszert dolgoztak

Részletesebben

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések! ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet

Részletesebben

Regresszió és korreláció

Regresszió és korreláció Regresszó és korrelácó regresso: vsszatérés, hátrálás; vsszafordulás correlato: vszo, összefüggés, kölcsöösség KAD 01.11.1 1 (vsszatérés, hátrálás; vsszafordulás) Regresszó és korrelácó Gakorlat megközelítés

Részletesebben

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):

(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet): A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak

Részletesebben

Mérési adatok feldolgozása. 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc 1

Mérési adatok feldolgozása. 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc 1 Mérés adatok feldolgozása 2008.04.08. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel

Részletesebben

A MATEMATIKAI STATISZTIKA ELEMEI

A MATEMATIKAI STATISZTIKA ELEMEI A MATEMATIKAI STATISZTIKA ELEMEI Az Eötvös Lórád Tudomáyegyetem Természettudomáy Kará a Fzka Kéma Taszék évek óta kéma-szakos taárhallgatókak matematka bevezetõ elõadásokat tart. Az elõadások célja az,

Részletesebben

Adatfeldolgozás, adatértékelés. Dr. Szűcs Péter, Dr. Madarász Tamás Miskolci Egyetem, Hidrogeológiai Mérnökgeológiai Tanszék

Adatfeldolgozás, adatértékelés. Dr. Szűcs Péter, Dr. Madarász Tamás Miskolci Egyetem, Hidrogeológiai Mérnökgeológiai Tanszék Adatfeldolgozás, adatértékelés Dr. Szűcs Péter, Dr. Madarász Tamás Mskolc Egyetem, Hdrogeológa Mérökgeológa Taszék A vzsgált köryezet elemek, lletve a felszí alatt közeg megsmerése céljából számtala külöböző

Részletesebben

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó. I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.

Részletesebben

A pályázat címe: Rugalmas-képlékeny tartószerkezetek topológiai optimalizálásának néhány különleges feladata

A pályázat címe: Rugalmas-képlékeny tartószerkezetek topológiai optimalizálásának néhány különleges feladata 6. év OTKA zárójeletés: Vezető kutató:kalszky Sádor OTKA ylvátartás szám T 4993 A pályázat címe: Rugalmas-képlékey tartószerkezetek topológa optmalzálásáak éháy külöleges feladata (Részletes jeletés) Az

Részletesebben

13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai

13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai Tárcsák számítása A felületszerkezetek A felületszerkezetek típusa A tartószerkezeteket geometra méretek alapjá osztálozzuk Az eddg taulmáakba szereplı rúdszerkezetek rúdjara az a jellemzı hog a hosszuk

Részletesebben

2. fejezet. Számsorozatok, számsorok

2. fejezet. Számsorozatok, számsorok . fejezet Számsorozatok, számsorok .. Számsorozatok és számsorok... Számsorozat megadása, határértéke Írjuk fel képlettel az alábbi sorozatok -dik elemét! mooto, korlátos, illetve koverges-e! Vizsgáljuk

Részletesebben

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3

1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3 Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)

Részletesebben

MÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011

MÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011 MÉRÉSTECHNIKA DR. HUBA ANTAL c. egy. taár BME Mechatroka, Optka és Gépészet Iformatka Taszék 0 Rövde a tárgyprogramról Előadások tematkája: Metrológa és műszertechka alapok Mérés adatok kértékelése Időbe

Részletesebben

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága

Sorozatok, határérték fogalma. Függvények határértéke, folytonossága Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt

Részletesebben

2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya

2. Az együttműködő villamosenergia-rendszer teljesítmény-egyensúlya II RÉZ 2 EJEZE 2 Az együttműködő vllamoseerga-redszer teljesítméy-egyesúlya 2 A frekveca és a hatásos teljesítméy között összefüggés A fogyasztó alredszerbe a fogyasztók hatásos wattos teljesítméyt lletve

Részletesebben

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;

2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk; Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:

Részletesebben

2012.03.01. Méréselmélet PE_MIK MI_BSc, VI_BSc 1

2012.03.01. Méréselmélet PE_MIK MI_BSc, VI_BSc 1 Mérés adatok feldolgozása 202.03.0. Méréselmélet PE_MIK MI_BSc, VI_BSc Bevezetés A mérés adatok külöböző formába, általába ömlesztve jeleek meg Ezeket az adatokat külöböző szempotok szert redez kértékel

Részletesebben

A Secretary problem. Optimális választás megtalálása.

A Secretary problem. Optimális választás megtalálása. A Secretary problem. Optmáls választás megtalálása. A Szdbád problémáa va egy szté lasszusa tethető talá természetesebb vszot ehezebb változata. Ez a övetező Secretary problem -a evezett érdés: Egy állásra

Részletesebben

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA)

MATEMATIKA I. KATEGÓRIA (SZAKKÖZÉPISKOLA) O k t a t á s i H i v a t a l A 5/6 taévi Országos Középiskolai Taulmáyi Versey első forduló MATEMATIKA I KATEGÓRIA (SZAKKÖZÉPISKOLA) Javítási-értékelési útmutató A 5 olya égyjegyű szám, amelyek számjegyei

Részletesebben

A figurális számokról (IV.)

A figurális számokról (IV.) A figurális számokról (IV.) Tuzso Zoltá, Székelyudvarhely A továbbiakba külöféle számkombiációk és összefüggések reprezetálásáról, és bizoyos összegek kiszámolásáról íruk. Sajátos összefüggések Az elekbe

Részletesebben

Diszkrét matematika II., 3. előadás. Komplex számok

Diszkrét matematika II., 3. előadás. Komplex számok 1 Diszkrét matematika II., 3. előadás Komplex számok Dr. Takách Géza NyME FMK Iformatikai Itézet takach@if.yme.hu http://if.yme.hu/ takach/ 2007. február 22. Komplex számok Szereték kibővítei a valós számtestet,

Részletesebben

VASBETON ÉPÜLETEK MEREVÍTÉSE

VASBETON ÉPÜLETEK MEREVÍTÉSE BUDAPET MŰZAK É GAZDAÁGTUDOMÁY EGYETEM Építőmérök Kar Hdak és zerkezetek Taszéke VABETO ÉPÜLETEK MEREVÍTÉE Oktatás segédlet v. Összeállította: Dr. Bód stvá - Dr. Farkas György Dr. Kors Kálmá Budapest,.

Részletesebben

A Sturm-módszer és alkalmazása

A Sturm-módszer és alkalmazása A turm-módszer és alalmazása Tuzso Zoltá, zéelyudvarhely zámtala szélsőérté probléma megoldása, vagy egyelőtleség bzoyítása agyo gyara, már a matemata aalízs eszözere szorítoz, mt például a Jese-, Hölderféle

Részletesebben

f(n) n x g(n), n x π 2 6 n, σ(n) n x

f(n) n x g(n), n x π 2 6 n, σ(n) n x Számelméleti függvéyek extremális agyságredje Dr. Tóth László 2006 Bevezetés Ha számelméleti függvéyek, l. multilikatív vagy additív függvéyek agyságredjét vizsgáljuk, akkor először általába az adott függvéy

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

Lineáris regresszió. Statisztika I., 4. alkalom

Lineáris regresszió. Statisztika I., 4. alkalom Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı

Részletesebben

V. Deriválható függvények

V. Deriválható függvények Deriválható függvéyek V Deriválható függvéyek 5 A derivált fogalmához vezető feladatok A sebesség értelmezése Legye az M egy egyees voalú egyeletes mozgást végző pot Ez azt jeleti, hogy a mozgás pályája

Részletesebben

Nevezetes sorozat-határértékek

Nevezetes sorozat-határértékek Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív

Részletesebben

Széki Hírek A Magyarszékért Egyesület kiadványa

Széki Hírek A Magyarszékért Egyesület kiadványa Szék Hírek A Magyarszékért Egyesület kadáya X. éfolyam, 1. szám Karácsoy a árakozással tel szeretet üepe December 17-é fatalok adtak hagerseyt a templomba. K kegyetleül süöltött a hdeg szél, míg be melegséggel

Részletesebben

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható

18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható 8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.

Részletesebben

Valószínűségszámítás. Ketskeméty László

Valószínűségszámítás. Ketskeméty László Valószíűségszámítás Ketskeméty László Budapest, 996 Tartalomjegyzék I. fejezet VALÓSZÍNŰSÉGSZÁMÍTÁS 3. Kombatorka alapfogalmak 4 Elleőrző kérdések és gyakorló feladatok 6. A valószíűségszámítás alapfogalma

Részletesebben

Matematika I. 9. előadás

Matematika I. 9. előadás Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

Statisztikai hipotézisvizsgálatok

Statisztikai hipotézisvizsgálatok Statisztikai hipotézisvizsgálatok. Milye problémákál haszálatos? A gyakorlatba agyo gyakra szükségük lehet arra, hogy mitákból származó iformációk alapjá hozzuk sokaságra voatkozó dötéseket. Például egy

Részletesebben

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,

ezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk, A deceber -i gyakorlat téája A hipotézisvizsgálat fotos probléája a következő két kérdés vizsgálata. a) Egy véletle eyiség várható értékéek agyságáról va bízoyos feltevésük. Elleőrizi akarjuk e feltevés

Részletesebben

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai 05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:

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

NUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.

NUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk. NUMERIKUS SOROK II. Ebbe a részbe kizárólag a kovergecia vizsgálatával foglalkozuk. SZÜKSÉGES FELTÉTEL Ha pozitív (vagy em egatív) tagú umerikus sor, akkor a kovergecia szükséges feltétele, hogy lim a

Részletesebben

Numerikus sorok. Kónya Ilona. VIK, Műszaki Informatika ANALÍZIS (1) Oktatási segédanyag

Numerikus sorok. Kónya Ilona. VIK, Műszaki Informatika ANALÍZIS (1) Oktatási segédanyag VIK, Műszaki Iformatika ANALÍZIS Numerikus sorok Oktatási segédayag A Villamosméröki és Iformatikai Kar műszaki iformatikus hallgatóiak tartott előadásai alapjá összeállította: Fritz Józsefé dr. Kóya Iloa

Részletesebben

INJEKTIVITÁS ÉS EGYÉB TULAJDONSÁGOK MEGOLDOTT FELADATOK

INJEKTIVITÁS ÉS EGYÉB TULAJDONSÁGOK MEGOLDOTT FELADATOK Megoldott feladatok Ijektivitás és egyéb tulajdoságok 59 ) INJEKTIVITÁS ÉS EGYÉB TULAJDONSÁGOK MEGOLDOTT FELADATOK Határozd meg azt az f:r R függvéyt, amelyre f ( f ( ) x R és a g:r R g ( = x f ( függvéy

Részletesebben

Ha n darab standard normális eloszlású változót négyzetesen összegzünk, akkor kapjuk a χ 2 - eloszlást: N

Ha n darab standard normális eloszlású változót négyzetesen összegzünk, akkor kapjuk a χ 2 - eloszlást: N Krály Zoltá: Statsztka II. Bevezetés A paraméteres eljárások alkalmazásához, a célváltozóra ézve szgorú feltételek szükségesek (folytoosság, ormaltás, szóráshomogetás), ekkor a hpotézseket egy-egy paraméterre

Részletesebben

Statisztika feladatok

Statisztika feladatok Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük? (Ez az együttes eloszlásfüggvényük.)

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

ALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198.

ALGEBRA. egyenlet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 198. ALGEBRA MÁSODFOKÚ POLINOMOK. Határozzuk meg az + p + q = 0 egyelet megoldásait, ha tudjuk, hogy egész számok, továbbá p + q = 98.. Határozzuk meg az összes olya pozitív egész p és q számot, amelyre az

Részletesebben

Alkalmazás: hatásvizsgálatok

Alkalmazás: hatásvizsgálatok Kétértékű függő vátozók mamum kehood becsés Mkroökoometra 7. hét Bíró Akó Kétértékű magarázó vátozók ásd: Bevezetés az ökoometrába Kvatatív formácók OS becsés haszáható Értemezés más: Etérő csoportátagok

Részletesebben

1. Gyökvonás komplex számból

1. Gyökvonás komplex számból 1. Gyökvoás komplex számból Gyökvoás komplex számból. Ismétlés: Ha r, s > 0 valós, akkor rcos α + i siα) = scos β + i siβ) potosa akkor, ha r = s, és α β a 360 egész számszorosa. Moivre képlete scos β+i

Részletesebben

Arrhenius-paraméterek becslése közvetett és közvetlen mérések alapján

Arrhenius-paraméterek becslése közvetett és közvetlen mérések alapján Tudomáyos Dákkör Dolgozat SZABÓ BOTOND Arrheus-paraméterek becslése közvetett és közvetle mérések alapá Turáy Tamás. Zsély Istvá Gyula Kéma Itézet Eötvös Lorád Tudomáyegyetem Természettudomáy Kar Budapest,

Részletesebben

Szoldatics József, Dunakeszi

Szoldatics József, Dunakeszi Kstérség tehetséggodozás Rekurzív soroztok Szoldtcs József, Dukesz Npjkb egyre több verseye jelek meg rekurzív sorozt. Ezek megoldásához d ötleteket ez z elődás, A feldtok csoportosítv vk megoldás módszerek

Részletesebben

MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS SZERVEZETI EGYSÉGEKEN BELÜLI DÖNTÉSI FOLYAMATOK SZABÁLYOZÁSA

MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS SZERVEZETI EGYSÉGEKEN BELÜLI DÖNTÉSI FOLYAMATOK SZABÁLYOZÁSA MINŐSÉGIRÁNYÍTÁSI ELJÁRÁS SZERVEZETI EGYSÉGEKEN BELÜLI DÖNTÉSI FOLYAMATOK SZABÁLYOZÁSA ÁR-01 OLDAL: 1. 1. AZ ELJÁRÁS CÉLJA Szabályoz, hogy a szervezete belül kk, hol és mlye dötéseket hozak meg. Beazoosíta,

Részletesebben

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo

SZÁMELMÉLET. Vasile Berinde, Filippo Spagnolo SZÁMELMÉLET Vasile Beride, Filippo Spagolo A számelmélet a matematika egyik legrégibb ága, és az egyik legagyobb is egybe Eek a fejezetek az a célja, hogy egy elemi bevezetést yújtso az első szite lévő

Részletesebben

BEVEZETÉS AZ SPSS ALAPJAIBA. (Belső használatra)

BEVEZETÉS AZ SPSS ALAPJAIBA. (Belső használatra) BEVEZETÉS AZ SPSS ALAPJAIBA (Belső haszálatra) TARTALOMJEGYZÉK. Statsztka alapfogalmak..... Sokaság...4.2. Ismérvek és mérés skálák...6.3. Statsztka sorok...7 2. SPSS alapfogalmak...9 3. Alapvető statsztka

Részletesebben

Regresszió. Fő cél: jóslás Történhet:

Regresszió. Fő cél: jóslás Történhet: Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján

Részletesebben

Példák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra

Példák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 28 dszkrét valószíőség változókra X(ω)=c mde ω-ra. Elevezés: elfajult eloszlás. P(X=c)=1. X akkor 1, ha egy adott,

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

EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei

EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei Eukldes tér, metrkus tér, ormált tér, magasabb dmeós terek vektoraak söge, eek követkemée Metrkus tér Defícó. A H halmat metrkus térek eveük, ha va ola, metrkáak eveett m: H H R {0} függvé, amelre a követkeők

Részletesebben

2.10. Az elegyek termodinamikája

2.10. Az elegyek termodinamikája Kéma termodamka.1. z elegyek termodamkája fzka kéma több féle elegyekkel foglakozk, kezdve az deáls elegyektől a reáls elegyekg. Ha az deáls elegyek esetébe az alkotók közt kölcsöhatásokat elhayagoljuk,

Részletesebben

Ökonometria. /Elméleti jegyzet/

Ökonometria. /Elméleti jegyzet/ Ökoometra /Elmélet jegyzet/ Ökoometra /Elmélet jegyzet/ Szerző: Nagy Lajos Debrece Egyetem Gazdálkodástudomáy és Vdékfejlesztés Kar (1.,., 3., 4., 5., 6., és 9. fejezet) Balogh Péter Debrece Egyetem Gazdálkodástudomáy

Részletesebben

Tulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk

Tulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 26 p 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 A bomáls és a hpergeom. elo. összehasolítása 0 1 2 3 4 5 6 7 8 9 10 k Hp.geom

Részletesebben

Laboratóriumi mérések

Laboratóriumi mérések Laboratórum mérések. Bevezetı Bármlye mérés ayt jelet, mt meghatároz, háyszor va meg a méredı meységbe egy másk, a méredıvel egyemő, ökéyese egységek választott meység. Egy mérés eredméyét tehát két adat

Részletesebben

Dr. Tóth Zsuzsanna Eszter Dr. Jónás Tamás Erdei János. Gazdaságstatisztika. II. rész A matematikai statisztika alapjai

Dr. Tóth Zsuzsanna Eszter Dr. Jónás Tamás Erdei János. Gazdaságstatisztika. II. rész A matematikai statisztika alapjai Budapest Műszak és Gazdaságtudomáy Egyetem Gazdaság- és Társadalomtudomáy Kar Üzlet Tudomáyok Itézet Meedzsmet és Vállalatgazdaságta Taszék Dr. Tóth Zsuzsaa Eszter Dr. Jóás Tamás Erde Jáos Gazdaságstatsztka

Részletesebben

INNOVÁCIÓ. Eszközök, környezet, Fejlesztési ötletek, variációs paraméterek. Kísérletterv kidolgozás. Konstrukciós elvárások megoldási ötletek

INNOVÁCIÓ. Eszközök, környezet, Fejlesztési ötletek, variációs paraméterek. Kísérletterv kidolgozás. Konstrukciós elvárások megoldási ötletek Termékjellemzők optmalzálásáál haszálatos formácós módszerta 1 Bevezetés Koczor Zoltá, Némethé Erdőd Katal, Kertész Zoltá, Szecz Péter Óbuda Egyetem, RKK, Mőségráyítás és Techológa Szakcsoport Napjak aktuáls

Részletesebben

STATISZTIKAI MÓDSZEREK

STATISZTIKAI MÓDSZEREK HAJTMAN BÉLA STATISZTIKAI MÓDSZEREK Egetem egzet Pázmá Péter Katolkus Egetem, Bölcsészettudomá Kar Plscsaba, 0. Bevezetés Az első félévbe (Bostatsztka) a statsztka alapat smertük meg. Természetese ez

Részletesebben

Tuzson Zoltán A Sturm-módszer és alkalmazása

Tuzson Zoltán A Sturm-módszer és alkalmazása Tuzso Zoltá A turm-módszer és alalmazása zámtala szélsérté probléma megoldása, vag egeltleség bzoítása ago gara, már a matemata aalízs eszözere szorítoz, mt például a Jese-, Hölder-féle egeltleség, derválta

Részletesebben

NEMPARAMÉTERES ELJÁRÁSOK

NEMPARAMÉTERES ELJÁRÁSOK Kály Zoltá: Statsztka II. NEMPARAMÉTERES ELJÁRÁSOK Az eddgek soá találkoztuk má olya eláásokkal, melyek a változók középétékét vzsgálták: egymtás-, páos-, függetle mtás t-póba, egy- és többszempotos vaaca

Részletesebben

Tapasztalati eloszlás. Kumulált gyakorisági sorok. Példa. Értékösszegsor. Grafikus ábrázolás

Tapasztalati eloszlás. Kumulált gyakorisági sorok. Példa. Értékösszegsor. Grafikus ábrázolás Matemata statszta elıadás III. éves elemzı szaosoa 009/00. élév. elıadás Tapasztalat eloszlás Mde meggyeléshez (,,, ) / súlyt redel. Valószíőségeloszlás! Mtaátlag éppe ee az eloszlása a várható értée.

Részletesebben

I. rész. c) Az m valós paraméter értékétől függően hány megoldása van a valós számok halmazán az alábbi egyenletnek?

I. rész. c) Az m valós paraméter értékétől függően hány megoldása van a valós számok halmazán az alábbi egyenletnek? Fazakas Tüde, 05 ovember Emelt szitű érettségi feladatsorok és megoldásaik Összeállította: Fazakas Tüde; dátum: 05 ovember I rész feladat a) Egymillió forit összegű jelzálogkölcsöt veszük fel évre 5%-os

Részletesebben

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter. 2010. június ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék az MTA Közgazdaságtudomány

Részletesebben

Befektetett munka. Pontosság. Intuícióra, tapasztalatra épít. Intuitív Analóg Parametrikus Analitikus MI alapú

Befektetett munka. Pontosság. Intuícióra, tapasztalatra épít. Intuitív Analóg Parametrikus Analitikus MI alapú ..4. Óbuda Egyetem ák Doát Gépész és ztoságtechka Mérök Kar yagtudomáy és Gyártástechológa Itézet Termelés olyamatok II. Költségbecslés Dr. Mkó alázs mko.balazs@bgk.u-obuda.hu z dı- és költségbecslés eladata

Részletesebben

1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél

1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél Valószíűségszámítás és statsztka előadás fo. BSC/B-C szakosokak 1. előadás szeptember 13. 1. előadás: Bevezetés Irodalom, követelméyek A félév célja Valószíűségszámítás tárgya Törtéet Alapfogalmak Valószíűségek

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

Statisztikai. Statisztika Sportszervező BSc képzés NBG GI866G4. Statisztika fogalma. Statisztikai alapfogalmak. Statisztika fogalma

Statisztikai. Statisztika Sportszervező BSc képzés NBG GI866G4. Statisztika fogalma. Statisztikai alapfogalmak. Statisztika fogalma Statsztka Sportszervező BSc képzés NBG GI866G4 010-011-es taév II félév Statsztka alapfogalmak Oktató: Dr Csáfor Hajalka főskola doces Vállalkozás-gazdaságta Tsz E-mal: hcsafor@ektfhu Statsztka alapfogalmak

Részletesebben

A SOKASÁGI ARÁNY MEGHATÁROZÁSÁRA IRÁNYULÓ STATISZTIKAI ELJÁRÁSOK VÉGES SOKASÁG ÉS KIS MINTÁK ESETÉN LOLBERT TAMÁS 1

A SOKASÁGI ARÁNY MEGHATÁROZÁSÁRA IRÁNYULÓ STATISZTIKAI ELJÁRÁSOK VÉGES SOKASÁG ÉS KIS MINTÁK ESETÉN LOLBERT TAMÁS 1 ÓDSZERTAI TAULÁYOK A SOKASÁGI ARÁY EGHATÁROZÁSÁRA IRÁYULÓ STATISZTIKAI ELJÁRÁSOK VÉGES SOKASÁG ÉS KIS ITÁK ESETÉ LOLBERT TAÁS 1 A ckk ő célja aak vzsgálata, hogy az elleőrzés gyakorlatba széles körbe haszált

Részletesebben

Románia országimage-e a német nyelvterületeken élők szemében

Románia országimage-e a német nyelvterületeken élők szemében XI. Erdély Tudomáyos Dákkör Kofereca Romáa országmage-e a émet yelvterületeke élők szemébe Témavezető: Szerző: Bagoly-Smó Péter Boér Alíz Taársegéd, BBTE, Földrajz Kar BBTE, Földrajz Kar, Turzmusföldrajz,

Részletesebben

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,

Részletesebben

A figurális számokról (II.)

A figurális számokról (II.) A figurális számokról (II.) Tuzso Zoltá, Székelyudvarhely A figurális számok jelölése em egységes, ugyais mide yelve más-más féle képpe jelölik, legtöbb esetbe a megevez szó els betjével. A továbbiakba

Részletesebben

1. Gyökvonás komplex számból

1. Gyökvonás komplex számból 1. Gyökvoás komplex számból Gyökvoás komplex számból Ismétlés: Ha r,s > 0 valós, akkor r(cosα+isiα) = s(cosβ+isiβ) potosa akkor, ha r = s, és α β a 360 egész számszorosa. Moivre képlete: ( s(cosβ+isiβ)

Részletesebben

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától Sztochasztkus tartalékolás és a tartalék függése a kfutás háromszög dőperódusától Faluköz Tamás Vtéz Ildkó Ibola Kozules: r. Arató Mklós ELTETTK Budapest IBNR kfutás háromszög IBNR: curred but ot reported

Részletesebben

16. Az AVL-fa. (Adelszon-Velszkij és Landisz, 1962) Definíció: t kiegyensúlyozott (AVL-tulajdonságú) t minden x csúcsára: Pl.:

16. Az AVL-fa. (Adelszon-Velszkij és Landisz, 1962) Definíció: t kiegyensúlyozott (AVL-tulajdonságú) t minden x csúcsára: Pl.: 6. Az AVL-fa Adelszo-Velszkij és Ladisz, 96 Defiíció: t kiegyesúlyozott AVL-tulajdoságú t mide x csúcsára: bal x jobb x. Pl.: A majdem teljes biáris fa AVLtulajdoságú. Az AVL-fára, mit speciális alakú

Részletesebben

KTK. Dr. Herman Sándor Dr. Rédey Katalin. Statisztika I. PÉCSI TUDOMÁNYEGYETEM. Közgazdaságtudományi Kar. Alapítva: 1970

KTK. Dr. Herman Sándor Dr. Rédey Katalin. Statisztika I. PÉCSI TUDOMÁNYEGYETEM. Közgazdaságtudományi Kar. Alapítva: 1970 Dr. Herma Sádor Dr. Rédey Katal Statsztka I. PÉCSI TUDOMÁNYEGYETEM KTK Közgazdaságtudomáy Kar Alapítva: 97 Mde jog fetartva. Jele köyvet vagy aak részletet a szerző egedélye élkül bármlye formába vagy

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

Matematikai játékok. Svetoslav Bilchev, Emiliya Velikova

Matematikai játékok. Svetoslav Bilchev, Emiliya Velikova Matematikai játékok Svetoslav Bilchev, Emiliya Velikova 1. rész Matematikai tréfák A következő matematikai játékokba matematikai tréfákba a végső eredméy a játék kiidulási feltételeitől függ, és em a játékosok

Részletesebben

Általános taggal megadott sorozatok összegzési képletei

Általános taggal megadott sorozatok összegzési képletei Általáos taggal megadott sorozatok összegzési képletei Kéri Gerzso Ferec. Bevezetés A sorozatok éháy érdekes esetét tárgyaló el adást az alábbi botásba építem fel:. képletek,. alkalmazások, 3. bizoyítás

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

I. Valószínűségelméleti és matematikai statisztikai alapok

I. Valószínűségelméleti és matematikai statisztikai alapok I. Valószíűségelmélet és matematka statsztka alapok. A szükséges valószíűségelmélet és matematka statsztka alapsmeretek összefoglalása Az alkalmazott statsztka módszerek tárgalása, amel e kötet célja,

Részletesebben

Az entrópia statisztikus értelmezése

Az entrópia statisztikus értelmezése Az entrópa statsztkus értelmezése A tapasztalat azt mutatja hogy annak ellenére hogy egy gáz molekulá egyed mozgást végeznek vselkedésükben mégs szabályszerűségek vannak. Statsztka jellegű vselkedés szabályok

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

Kalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8

Kalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8 Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,

Részletesebben

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június OKTATÁSGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék az MTA Közgazdaságtudomány

Részletesebben