Mintavétel: terv és eljárások
|
|
- Ida Kovács
- 7 évvel ezelőtt
- Látták:
Átírás
1 Mintavétel: terv és eljárások Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék
2 Az előadás felépítése Mi is az a mintavétel A mintavétel folyamata Mintavételi technikák A minta nagyságának meghatározása
3 Figyelembe vesszük a megoldandó problémát Egy új piacra lépés Geográfiai ismérvek + demográfia Új kampány tesztelése Pszichográfiai jellemzők Termék fejlesztése Termék használati szokások K O M B I N Á C I Ó
4 Alapfogalmak Sokaság azon elemek összessége, amelyek valamilyen közös jellemzővel bírnak, és megfelelnek a marketingkutatási probléma céljainak. Cenzus A sokaság elemeinek teljes körű számbavétele. Minta A sokaság elemeinek egy csoportja, amelyet azért választottak ki, hogy részt vegyen a kutatásban.
5 Mintavétel vagy teljes körű adatfelvétel? A nagyszámú fogyasztó Költségvetési korlátok Mintavétel Cenzus A sokaság kevés elemből tevődik össze Az adatok automatikusan rögzítésre kerülnek
6 Mintavétel vagy teljes körű adatfelvétel? II. Kedvező körülmények a mintának a cenzusnak 1. költségvetés kicsi magas 2. rendelkezésre álló idő kevés sok 3. a sokaság nagysága nagy kicsi 4. a jellemző szóródása kicsi nagy 5. a mintavételi hiba költsége alacsony magas 6. a nem mintavételi hiba költsége magas alacsony 7. a mérés természete romboló nem romboló 8. figyelem az egyedi esetekre igen nem
7 Alapkérdés Hogyan tudunk egy nagy esetszámú alapsokaságból (populációból) oly módon kiválasztani viszonylag kevés számú egyedet, hogy azok vizsgálata révén az egész populációról tudjunk releváns megállapításokat tenni.
8 A mintavétel folyamata 1. A sokaság meghatározása 2. A mintavételi keret meghatározása 3. A mintavételi technika kiválasztása 4. A mintanagyság meghatározása 5. A mintavétel végrehajtása
9 A sokaság meghatározása Sokféle lehet a vizsgálat tárgya és jellegének megfelelően A döntéshozatalt érintő szegmens ismert, akkor az a leendő kutatás sokaságát is jelenti Egy meghatározott sokaságból vett minta mindig csak az adott sokaságra vonatkoztatva nyújt releváns információkat
10 A sokaság meghatározása II. Célsokaság = Azon elemek összessége, amelyek rendelkeznek a kutató által keresett információval, és amelyekről a kutató következtetéseket akar levonni. Pontos definiálás Sokasági elem Mintavételi egységek
11 A sokaság meghatározása III. A sokasági elem az az egység, amelyről vagy amitől az információt keressük (általában a válaszadó). A mintavételi egység maga is egy sokasági elem vagy egy olyan egység, amely magában foglalja a sokasági elemet, és a mintavételi folyamat egy fázisában kiválasztásra alkalmas. A kutatónak kell mérlegelnie, hogy kik azok, akik rendelkeznek az információkkal megbízhatóság, hatékonyság.
12 A sokaság meghatározása IV. Akkor nehézkes, ha a vásárlási és termékhasználati folyamatban eltérnek a szereplők. Pl.1 Otthoni internetszolgáltatóval szembeni elégedettség mérése. Hogyan határozzuk meg a kutatás sokaságát? Pl.2. Gyógyszer-fejlesztés esetében a sokaság hogyan határozható meg?
13 A sokaság meghatározása V. Célszerű minél szélesebb sokaságra törekedni Mindegyik érintett szereplőtől információkat gyűjteni (akár külön kut.). Az internet-szolgáltató esetében a sokaság = mindazok, akik az otthoni internethasználatban és előfizetésben érintettek
14 A mintavételi keret meghatározása A sokasági elemek elérését lehetővé tevő lista, adatbázis vagy az egyértelműen meghatározó leírás. Alapsokaság A célcsoport elméleti meghatározása Mintavételi keret A célcsoport gyakorlati elérhetősége Lehetséges idő és hely meghatározásával is
15 A mintavételi keret meghatározása II. Gyakran azonban a listához tartozó egyes elemek kimaradhatnak vagy esetleg olyan elemek is bekerülhetnek, amelyek nem tartoznak a sokasághoz. Ezt nevezzük mintavételi keretből eredő hibának. Újradefiniáljuk a sokaságot Átsúlyozzuk az adatokat Kizárjuk a nem megfelelő sokasági elemeket
16 A mintavételi keret meghatározása III. Több mintavételi keretből is választhatunk Ne tartalmazzon a sokasághoz nem tartozó elemeket. Lefedjük a sokaságot
17 A mintavételi keret meghatározása IV. Alapsokaság Magyarország felnőtt lakossága Magyarország felnőtt lakossága A BME hallgatói Mintavételi keret Telefonkönyv Országos Választási Iroda A hallgatók mail címlistája A BME hallgatói A BME hallgatói A beiratkozott hallgatók listája A kutatás 2 hetében az egyetemről kifelé jövő emberek
18 A mintavételi technika kiválasztása Hogyan választjuk ki a mintavételi keretből a mintaelemeket. Valószínűségi Nem valószínűségi Különbség: a mintába kerülés valószínűségének az ismeretében van.
19 A mintavételi technika kiválasztása II. Fontos következménye a két technikának: A valószínűségi (véletlen) esetében elmondható, hogy számszerűsíthető a minta reprezentativitásának valószínűségét. A nem valószínűségi (nem véletlen) esetében csak tippelhetünk, és csak reménykedhetünk, hogy a minta valamennyire ténylegesen reprezentálja a sokaságot.
20 A mintavételi technika kiválasztása III. A véletlen mintavétel során a mintavételi keret tagjainak mintába kerülési valószínűségét ismerjük, nem pedig a sokasági elemek valószínűségét. A gyakorlatban véletlen minta szinte csak egyedi adatokból álló listákból, adatbázisokból készíthető. Nem véletlen esetében nem szoktak mintavételi keretet meghatározni, ami elég nagy hiba.
21 A mintavételi technika kiválasztása IV.
22 Nem véletlen mintavételi technika A kvantitatív kutatásban is elterjedtek Okai: Könnyebb a lebonyolítása Nincs szükség előzetes adatbázisra Nem kell rendelkezni információkkal a sokaságról Főleg a kvalitatív kutatásban ajánlott Bizonyos esetekben megközelítik a nem véletlen minta pontosságát is (pl. politikai közvéleménykutatások) Fenntartásokkal szabad alkalmazni.
23 Nem véletlen mintavételi technika önkényes mintavétel Legkényelmesebb Legköltségkímélőbb Reprezentativitásra legveszélyesebb 4 Szubjektív, kvalitatív esetén ajánlott 5 Sokszor csak az előírt darabszám a cél
24 Nem véletlen mintavételi technika önkényes mintavétel II. Önkiválasztós technika (pl. büfé pultján elhelyezett kérdőív) Magazin behúzásként mellékel egy kérdőívet Adott weboldalon szereplő állandó kérdőív Nem mintavételről, hanem a mintavételi keret minden tagját elérjük tehát teljes körű felmérést végzünk.
25 Nem véletlen mintavételi technika elbírálásos mintavétel Annyiban különbözik az önkényestől, hogy nem a kérdezőbiztos, hanem a kutató dönti el, hogy kik kerüljenek a mintába. Szakmai érvek mérlegelése Főleg B2B (fontosabb szereplők meghatározása) Példa: stakeholder-analízis CSR lehetséges módjainak megismerése
26 Nem véletlen mintavételi technika kvótás mintavétel Előírunk bizonyos demográfiai vagy keresleti jellemzőket, amellyel a kiválasztottnak rendelkeznie kell. Pl. kérdezzen meg 20 db, év közötti nőt, válasszon ki 10 db férfit, aki repült fapados légitársasággal A kutató ismeri a sokaság megoszlását e jellemzők tekintetében, így tudja biztosítani a sokaságban is fellelhető arányokat a mintában. A minta reprezentatív a kvóta-kategóriák tekintetében, viszont nem reprezentatív a vizsgált jellemző tekintetében
27 Nem véletlen mintavételi technika kvótás mintavétel II. A reprezentativitás javítható Olyan kvótajellemzők kiválasztásával, amelyek összefüggnek a kutatás témájával Fenntartással kell alkalmazni Fókuszcsoport tagjainak kiválasztására alkalmas
28 Nem véletlen mintavételi technika hólabda-mintavétel Nehezen elérhető sokaság Pl. kis létszámú csoportok Kiinduló pont meghatáro zása Ajánlás révén újabb tagok elérése Erős torzító hatás figyelhető meg.
29 Nem véletlen mintavételi technika hólabda-mintavétel II. Több kiinduló személy választása segít kiküszöbölni a hibákat Fő cél, hogy elérjük a zártabb csoportokat
30 Nem véletlen mintavételi technika véletlensétás mintavétel A gyakorlatban a legnépszerűbb Előnye: Közelít a véletlen minta eredményéhez Elfogadható, reprezentatív mintát Nem igényel előzetes információt a sokaságról A kérdezők véletlenül kiválasztott kiindulópontokat kapnak az adott településen, ahonnan egy előre meghatározott szabály szerint haladva minden 5. háztartásba kell bekopogniuk. Kitér minden apró részletre a szabály. Legközelebbi születésnap módszere.
31 Véletlen mintavételi technika A kvantitatív kutatásnál törekedni kell erre, főleg ha ki akarjuk vetíteni a sokaságra az eredményeinket. Az egyes módszerek közti különbségek: A reprezentativitás biztosításának eltérő valószínűsége A gyakorlati megvalósítás egyszerűsége A költségek mértéke
32 Véletlen mintavételi technika Egyszerű véletlen mintavétel Azonos valószínűség Statisztikailag jól magyarázható Visszatevéses mintavétel Lottósorsolás Hozzárendelünk számokat Nem feltétlenül reprezentatív Véletlen számokat generálunk Szélsőséges mintát kaphatunk
33 Véletlen mintavételi technika Szisztematikus mintavétel EVM-el szemben annyi előnye van, hogy bizonyos jellemző mentén javítható a minta reprezentativitása. Ugrásköz = a szükséges mintanagyságot elosztom a mintavételi keret tagjainak számával. A mintavétel keret tagjait valamilyen jellemző mentén sorrendbe rakjuk, majd minden k-dik elemet kiválasztjuk. A jellemző mentén a minta egészen biztosan reprezentatív lesz. ABC alapján sorrendbe rakható? Kor alapján sorrendbe rakható?
34 Véletlen mintavételi technika Szisztematikus mintavétel II. Megvalósításához mindenképp rendelkeznünk kell többletinformációval a kerettagokról. Ha ciklikusság kerül a sorrendbe, akkor csökkenhet a minta reprezentativitása.
35 Véletlen mintavételi technika Rétegzett mintavétel Az EVM és a szisztematikus között helyezkedik el. Csoportokat rétegeket képzünk és ezekbe soroljuk a kerettagokat. A rétegeken belül EVM segítségével kiválasztjuk a mintaelemeket. Lehet arányos és nem arányos. Arányos esetében közvetlenül kivetíthető eredményeket kapunk. Nem arányosnál súlyozni kell.
36 Véletlen mintavételi technika Rétegzett mintavétel II. Nagyobb valószínűséggel biztosítja a reprezentativitást Nem feltétlenül szerepel minden pl. korcsoport a kiválasztottak között (30-59 évesek közül csak a 30sok kerülnek be). Rétegek (korcsoport ok) A mintavételi keret nagysága Arányos minta Nem arányos minta Összesen
37 Véletlen mintavételi technika Csoportos mintavétel Némileg engedünk a reprezentativitás követelményeiből. Többlépcsős eljárás: csoportokat alkotunk, véletlenszerűen kiválasztunk egy mintát. Második lépcsőben a kiválasztott csoporton belül vagy teljes körű vagy véletlen mintát veszünk. Pl. Országos felmérés egymástól távol eső falvak lakosainak elérése.
38 A mintanagyság meghatározása Mekkora mintára van szükség ahhoz, hogy Egy jó nagy minta mindig jobb, mint egy kisebb minta. Két különböző módszerrel vett minta esetében ezt nem jelenthetjük ki. Lehet arányos és nem arányos. A lényeg a kiválasztás módjában van. Reprezentativitás = minta nagyság?
39 A mintanagyság meghatározása II. Hiedelem: a szükséges mintanagyságot a sokasági elemek száma határozza meg. Ha ez így lenne, minden kutatás esetben 30x nagyobb mintával kellene dolgozniuk pl. az USA-ban, mint itthon. Tegyük fel, hogy az egyetemen véletlenül benyitok két terembe, az ott tartózkodók átlagéletkorának megbecslése végett. 1. terem: nappali képzés, ahol 500 fő tartózkodik. Életkorban max. 1-2 év eltérés. 2. terem: levelezős képzés, ahol 40 fő tartózkodik. Életkorban jelentősebb eltérések.
40 A mintanagyság meghatározása III. Azt kell figyelembe venni, hogy milyen pontossággal akarom megkapni az eredményeket, és a minta milyen kisebb csoportjaira akarok még elemzést elvégezni. A gyakorlatban ritkán, csak célzott kísérleteknél szokásos a szükséges mintanagyság statisztikai úton történő meghatározása.
41 A mintavétel megvalósítása A kérdőív megjelenése A kérdezőbiztos megfelelő kiválasztása A válaszadók motiválása Megfelelő helyen Kérdőív hosszának kontrollálása Megfelelő időben Válaszadási hajlandóság Mintavétel precíz ellenőrzése Mintavételi utasítások betartása
42 A mintavétel megvalósítása II. A mintanagyság a kutatás számára kiválasztott sokasági elemek száma. Meghatározásához mind kvalitatív mind kvantitatív tényezőkre van szükségünk. Legfontosabb kvalitatív szempontok: 1) A döntés súlya 2) A kutatás természete 3) A változók száma 4) Az elemzés módja 5) A hasonló tanulmányokban használt mintanagyság 6) Az előfordulási arány 7) A megvalósulási arány 8) A rendelkezésre álló források.
43 A mintavételből eredő torzítások utólagos korrekciója Ritka eset, hogy a végső mintánk minden tekintetben megfelel az elvárásoknak tökéletesen reprezentálja a sokaságot. Ellenőrizzük, hogy elérjük-e a megfelelő elemszámot (ha nem, van-e idő pótlásra kik az alulreprezentáltak). Trendelemzés alkalmazása/átlagosnál erősebb motiváció a nem válaszolók elérése véget. Súlyozás Imputálás
44 Köszönöm a figyelmet!
Mintavétel: terv és eljárások
Mintavétel: terv és eljárások Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Az előadás felépítése Mi is az a mintavétel A mintavétel folyamata Mintavételi technikák A minta nagyságának meghatározása
RészletesebbenMintavétel. Kovács István BME Menedzsment és Vállalatgazdaságtan. Tanszék
Mintavétel Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Alapfogalmaink Sokaság azon elemek összessége, amelyek valamilyen közös jellemzővel bírnak, és megfelelnek a marketingkutatási probléma
RészletesebbenKUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel
KUTATÁSMÓDSZERTAN 4. ELŐADÁS A minta és mintavétel 1 1. A MINTA ÉS A POPULÁCIÓ VISZONYA Populáció: tágabb halmaz, alapsokaság a vizsgálandó csoport egésze Minta: részhalmaz, az alapsokaság azon része,
RészletesebbenMintavételi eljárások
Mintavételi eljárások Daróczi Gergely, PPKE BTK 2008. X.6. Óravázlat A mintavétel célja Alapfogalmak Alapsokaság, mintavételi keret, megfigyelési egység, mintavételi egység... Nem valószínűségi mintavételezési
RészletesebbenMatematikai 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
RészletesebbenStatisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
RészletesebbenPIACKUTATÁS (MARKETINGKUTATÁS)
PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenStatisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.
Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,
RészletesebbenA TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI. Omnibusz 2003/08. A kutatás dokumentációja. Teljes kötet
A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI Omnibusz 2003/08 A kutatás dokumentációja Teljes kötet 2003 Tartalom BEVEZETÉS... 4 A MINTA... 6 AZ ADATFELVÉTEL FŐBB ADATAI... 8 TÁBLÁK A SÚLYVÁLTOZÓ KÉSZÍTÉSÉHEZ...
RészletesebbenS atisztika 2. előadás
Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás
RészletesebbenA TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI OMNIBUSZ 2004/05. A kutatás dokumentációja
A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI OMNIBUSZ 2004/05 A kutatás dokumentációja 2004 Omnibusz 2004/05 Mellékletek Tartalom BEVEZETÉS... 3 A MINTA... 5 AZ ADATFELVÉTEL FŐBB ADATAI... 7 Bevezetés A kutatást
RészletesebbenA társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8.
A társadalomkutatás módszerei I. 13. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. december 8. Outline 1 célja 2 Alapfogalmak 3 Mintavételi eljárások 4 További fogalmak 5 Mintavételi hiba számítása
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
RészletesebbenA társadalomkutatás módszerei I.
A társadalomkutatás módszerei I. 13. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. december 8. Outline 1 A mintaválasztás célja 2 Alapfogalmak 3 Mintavételi eljárások 4 További fogalmak 5 Mintavételi
RészletesebbenStatisztika. Politológus képzés. Daróczi Gergely április 24. Politológia Tanszék
Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. április 24. Outline 1 A mintavételi hiba és konfidencia-intervallum 2 A mintaválasztás A mintaválasztás célja Alapfogalmak A mintaválasztás
RészletesebbenA mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra
A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens 2013. április 17. Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása:
RészletesebbenFİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20.
FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) 2010. október 20. A kutatási terv fogalmának, a különbözı kutatási módszerek osztályozása, a feltáró és a következtetı kutatási módszerek közötti különbségtétel
RészletesebbenTÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 98/1. SPSS állomány neve: Könyvtári dokumentum sorszáma: 287. Budapest, 1998.
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 98/1 SPSS állomány neve: d58.sav Könyvtári dokumentum sora: 287 Budapest, 1998. Omnibusz 98/1 2 Tartalomjegyzék TARTALOMJEGYZÉK 2 BEVEZETÉS 3 A MINTA ÖSSZEHASONLÍTÁSA
RészletesebbenKözösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató
Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana Domokos Tamás, módszertani igazgató A helyzetfeltárás célja A közösségi kezdeményezéshez kapcsolódó kutatások célja elsősorban felderítés,
RészletesebbenTÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Inflációs várakozás 2002/8. SPSS állomány neve: Budapest, augusztus
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Inflációs várakozás 2002/8 SPSS állomány neve: F53 Budapest, 2002. augusztus Inflációs várakozás 2002/8 2 Tartalomjegyzék BEVEZETÉS... 3 AZ INFLÁCIÓS VÁRAKOZÁS
RészletesebbenTÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2002/10. SPSS állomány neve: Budapest, október
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2002/10 SPSS állomány neve: F56 Budapest, 2002. október OMNIBUSZ 2002/10 2 Tartalomjegyzék BEVEZETÉS...3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI
RészletesebbenTÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Változás SPSS állomány neve: Budapest, 2002.
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Változás 2002 SPSS állomány neve: F54 Budapest, 2002. Változás 2002 2 Tartalomjegyzék BEVEZETÉS... 3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI ELOSZLÁSOKKAL...
RészletesebbenSzerzők: Kmetty Zoltán és Sztárayné Kézdy Éva Lektor: Fokasz Nikosz TÁMOP-4.1.2.A/1-11/1-2011-0091 INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS
Kutatásmódszertan és prezentációkészítés 9. rész: Mintavétel a gyakorlatban Szerzők: Kmetty Zoltán és Sztárayné Kézdy Éva Lektor: Fokasz Nikosz Kilencedik rész Mintavétel a gyakorlatban Tartalomjegyzék
RészletesebbenDr. Piskóti István Marketing Intézet. Marketing 2.
Kutatni kell kutatni jó! - avagy a MIR és a marketingkutatás módszerei Dr. Piskóti István Marketing Intézet Marketing 2. Marketing-menedzsment A marketing összes feladatát és aktivitásait összefoglalóan,
RészletesebbenTÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2003/2. SPSS állomány neve: Budapest, február
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA SPSS állomány neve: F63 Budapest, 2003. február 2 Tartalomjegyzék BEVEZETÉS...3 A SÚLYOZATLAN MINTA ÖSSZEHASONLÍTÁSA ISMERT DEMOGRÁFIAI ELOSZLÁSOKKAL...4 Nem szerinti
RészletesebbenSTATISZTIKA I. Mintavétel fogalmai. Mintavételi hiba. Statisztikai adatgyűjtés Nem véletlenen alapuló kiválasztás
Mintavétel fogalmai STATISZTIKA I.. Előadás Mintavétel, mintavételi technikák, adatbázis A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x n, mindig
RészletesebbenA társadalomkutatás módszerei I. Outline. 1. Zh Egyéni eredmények. Notes. Notes. Notes. 9. hét. Daróczi Gergely november 10.
A társadalomkutatás módszerei I. 9. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. november 10. Outline 1 1. Zh eredmények 2 Újra a hibatényezőkről 3 A mintavételi keret 4 Valószínűségi mintavételi
RészletesebbenOrvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN
Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás
RészletesebbenMÓDSZERTANI LEÍRÁS DIPLOMÁS KUTATÁS 2010. A vizsgálat keretei. A kutatás alapsokasága. Az adatfelvétel módszere
FÜGGELÉK FÜGGELÉK DIPLOMÁS KUTATÁS 2010 MÓDSZERTANI LEÍRÁS A vizsgálat keretei A Diplomás kutatás 2010 adatfelvétele az Országos Diplomás Pályakövetési Rendszer kutatási programjának keretében zajlott
RészletesebbenKét adatfelvétel: a szegény háztartások fogyasztási szokásai és a tulajdonosi jövedelmek szerkezete. Medgyesi Márton Tárki Zrt
Két adatfelvétel: a szegény háztartások fogyasztási szokásai és a tulajdonosi jövedelmek szerkezete Medgyesi Márton Tárki Zrt Vázlat 1.A szegény háztartások fogyasztási szokásai A kutatás célja Mintavétel
RészletesebbenAz empirikus vizsgálatok alapfogalmai
Az empirikus vizsgálatok alapfogalmai Az adatok forrása és jellege Milyen kísérleti típusok fordulnak elő a beszédtudományokban? Milyen adatok jönnek ki ezekből? Tudományosan (statisztikailag) megválaszolható
RészletesebbenA Jó Állam Véleményfelmérés tapasztalatai
KÖFOP-2.1.2-VEKOP-15-2016-00001 A jó kormányzást megalapozó közszolgálatfejlesztés A Jó Állam Véleményfelmérés tapasztalatai Demeter Endre Nemzeti Közszolgálati Egyetem A KUTATÁSOK FŐBB JELLEMZŐI: JÓ ÁLLAM
RészletesebbenMi az adat? Az adat elemi ismeret. Az adatokból információkat
Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
RészletesebbenA társadalomkutatás módszerei I.
A társadalomkutatás módszerei I. 9. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. november 10. Outline 1 1. Zh eredmények 2 Újra a hibatényezőkről 3 A mintavételi keret 4 Valószínűségi mintavételi
RészletesebbenKvantitatív kutatás mire figyeljünk? Majláth Melinda PhD Tartalom. Kutatási kérdés kérdőív kérdés. Kutatási kérdés kérdőív kérdés
Kvantitatív kutatás mire figyeljünk?. Tartalom Kutatási kérdés Mintaválasztás Kérdésfeltevés Elemzés Jánossy Ferenc Szakkollégium- TDK felkészítő előadások sorozat, 2016. február Óbudai Egyetem Mintavétel
RészletesebbenBETEGJOGI, ELLÁTOTTJOGI ÉS GYERMEKJOGI KUTATÁS
BETEGJOGI, ELLÁTOTTJOGI ÉS GYERMEKJOGI KUTATÁS Készült a Országos Betegjogi, Ellátottjogi, Gyermekjogi és Dokumentációs Központ megbízásából a Kutatópont műhelyében A kutatás elvégzésére a TÁMOP 5.5.7-08/1-2008-0001
RészletesebbenS atisztika 1. előadás
Statisztika 1. előadás A kutatás hatlépcsős folyamata 1. lépés: Problémameghatározás 2. lépés: A probléma megközelítésének kidolgozása 3. lépés: A kutatási terv meghatározása 4. lépés: Terepmunka vagy
RészletesebbenStatisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában
Statisztikai alapok Leíró statisztika Lineáris módszerek a statisztikában Tudományosan és statisztikailag tesztelhető állítások? A keserűcsokoládé finomabb, mint a tejcsoki. A patkány a legrondább állat,
Részletesebben3. A mintavételi kockázat elfogadható szintjének meghatározása (pl. 5 vagy 10%)
MINTAVÉTELEZÉSI ELJÁRÁSOK A mintavételezés célja A statisztikai és nem statisztikai mintavételi eljárások során az ellenőr megtervezi és kiválasztja az ellenőrzési mintát, valamint kiértékeli a mintavétel
RészletesebbenS atisztika 1. előadás
Statisztika 1. előadás A kutatás hatlépcsős folyamata 1. lépés: Problémameghatározás 2. lépés: A probléma megközelítésének kidolgozása 3. lépés: A kutatási terv meghatározása 4. lépés: Terepmunka vagy
RészletesebbenMintavétel a gyakorlatban
Mintavétel a gyakorlatban Tóth Gergely ELTE-TÁTK, Doktori iskola Statisztika tanszék 1 Hol találkozhatunk mintavétellel Közvéleménykutatások A XY Intézet 2011. október 17-19. között, 500 fő telefonos megkérdezésével,
RészletesebbenMIBŐL ÉLÜNK? A HÁZTARTÁSOK PÉNZÜGYEIRE ÉS FOGYASZTÁSÁRA VONATKOZÓ EURÓPAI ADATFELVÉTEL
MIBŐL ÉLÜNK? A HÁZTARTÁSOK PÉNZÜGYEIRE ÉS FOGYASZTÁSÁRA VONATKOZÓ EURÓPAI ADATFELVÉTEL Nagy-Jamalia Natalie KSH, Életminőség-statisztikai főosztály 2018. november 28. Tartalom Háttér A Miből élünk? felvétel
RészletesebbenDiplomás kutatás 2010. Módszertani leírás
Diplomás kutatás 2010 Módszertani leírás A kutatás alapsokasága Vizsgálati populáció: államilag elismert felsőoktatási intézmények alapképzésben, kiegészítő alapképzésben és diplomás képzésben (minden
RészletesebbenA populáció meghatározása
A mintavétel Mi a minta? Minden kutatásban alapvetı lépés annak eldöntése, hogy hány személyt vonjunk be a vizsgálatba, és hogyan válasszuk ki ıket ezek a mintavétellel kapcsolatos alapvetı problémák.
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet
Klaszteranalízis Hasonló dolgok csoportosítását jelenti, gyakorlatilag az osztályozás szinonimájaként értelmezhetjük. A klaszteranalízis célja A klaszteranalízis alapvető célja, hogy a megfigyelési egységeket
RészletesebbenTémaválasztás, kutatási kérdések, kutatásmódszertan
Témaválasztás, kutatási kérdések, kutatásmódszertan Dr. Dernóczy-Polyák Adrienn PhD egyetemi adjunktus, MMT dernoczy@sze.hu A projekt címe: Széchenyi István Egyetem minőségi kutatói utánpótlás nevelésének
RészletesebbenMarketing a gyakorlatban I. előadás BME Menedzsment és Vállalatgazdaságtan Tanszék
MARKETINGKUTATÁS Marketing a gyakorlatban I. előadás Kovács István BME Menedzsment és Vállalatgazdaságtan Tanszék Piac-, marketing- és közvélemény kutatás elhatárolása Kutatás: célja a problémamegoldás
RészletesebbenJelszavak 2011-ben. Milyen jelszavakat használnak a magyar internet-felhasználók?
Jelszavak 2011-ben Milyen jelszavakat használnak a magyar internet-felhasználók? Összefoglaló A legjellemzőbb jelszótípus e-mail fiókok esetében a betűk és számok (például: gabi34, ilrw12) kombinációjának
RészletesebbenTÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Reform. SPSS állomány neve: Budapest, október
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA Reform SPSS állomány neve: D09 Budapest, 2002. október Reform 2 Tartalomjegyzék 1. AZ ADATFELVÉTELRŐL...3 1. TÁBLÁZAT A REFORM KUTATÁS ELKÉSZÜLT KÉRDŐÍVEINEK SZÁMA
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
RészletesebbenAlba Radar. 20. hullám
Alba Radar Lakossági közvélemény-kutatási program Székesfehérváron 20. hullám Adományosztási hajlandóság a Fehérváriak körében - ÁROP 1.1.14-2012-2012-0009 projekt keretén belül - 2013. december 17. Készítette:
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
RészletesebbenMagyarBrands kutatás 2017
MagyarBrands kutatás 2017 A kutatási program leírása GfK, 2017. 1 A kutatás módszertana Lakossági Magyarbrands márkák mérése Módszertan: Online önkitöltős (CAWI) megkérdezés GfK Hungária online paneltagjainak
Részletesebben(Minőségirányítási utasítás) 3. sz. verzió. A kiadás dátuma: február 1. Dr. Gáti József általános rektrohelyettes
ÓBUDAI EGYETEM MU 10.01 DIPLOMÁS PÁLYAKÖVETŐ (Minőségirányítási utasítás) 3. sz. verzió A kiadás dátuma: 2017. február 1. (Érvényes visszavonásig) JÓVÁHAGYTA: Dr. Gáti József általános rektrohelyettes
RészletesebbenNÉPESSÉGTUDOMÁNYI KUTATÓ INTÉZET
NKI KÖZPONTI STATISZTIKAI HIVATAL NÉPESSÉGTUDOMÁNYI KUTATÓ INTÉZET CSALÁDI EGYÜTTÉLÉS A kutatás dokumentációja 2003 Tartalom Bevezetés 3 A minta 4 Az adatfelvétel főbb adatai..5 Az adatbázis súlyozása.8
Részletesebben1. ECHO Innovációs Műhely Obádovics Csilla Vinogradov Szergej: tavaszi on-line felmérés
1. ECHO Innovációs Műhely Obádovics Csilla Vinogradov Szergej: 2010. tavaszi on-line felmérés Módszertan Az aktív hallgatók felmérése Vizsgálati populáció: a Szent István Egyetemen alapképzésben, mesterképzésben,
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,
RészletesebbenMíg a kérdıíves felérés elsısorban kvantitatív (statisztikai) elemzésre alkalmas adatokat szolgáltat, a terepkutatásból ezzel szemben inkább
Terepkutatás Míg a kérdıíves felérés elsısorban kvantitatív (statisztikai) elemzésre alkalmas adatokat szolgáltat, a terepkutatásból ezzel szemben inkább kvalitatív adatok származnak Megfigyelések, melyek
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenA társadalomkutatás módszerei I. Outline. A mintavételi hiba és konfidencia-intervallum Elmélet. Szükséges képletek: Tehát:
A társadalomkutatás módszerei I. 10. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. november 17. Outline 1 Ismétlés Számítási feladat Egyéb példák 2 A mintavételi hiba dichotóm változók esetében
RészletesebbenHallgatók 2011. Diplomás Pályakövetési Rendszer Intézményi adatfelvétel a felsőoktatási hallgatók körében - 2011. Módszertani összefoglaló
Hallgatók 2011 Diplomás Pályakövetési Rendszer Intézményi adatfelvétel a felsőoktatási hallgatók körében - 2011 Módszertani összefoglaló Készítette: Veroszta Zsuzsanna PhD 2012. március 1. Az adatfelvétel
RészletesebbenPIACKUTATÁS VERSENYTÁRS ELEMZÉS
PIACKUTATÁS VERSENYTÁRS ELEMZÉS 1 Ügyfélismeretből kiinduló üzleti modellek Az egész a vevő megértésével kezdődik Lehetséges vevőink, a PIAC ahova az értékajánlatunkat el kell juttatnunk: Emberek és számítógépes
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus
Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze. Célja: - a sokaságot
RészletesebbenAz OECD PISA, IEA TIMSS és PIRLS adatbázisainak bemutatása
Balázsi Ildikó Az OECD PISA, IEA TIMSS és PIRLS adatbázisainak bemutatása Ebben az előadásban szeretném bemutatni az adatbázisok felépítését, valamint a méréseknek és az adatelemzési szabályoknak néhány
RészletesebbenBevezető Mi a statisztika? Mérés Csoportosítás
Gazdaságstatisztika 1. előadás Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.bmf.hu) Fogadóóra: szerda 11:30 11:55, TA125 Gyakorlatvezető
Részletesebben2010 őszi piackutatás eredményei PartyBor
2010 őszi piackutatás eredményei PartyBor A kutatás célja A felmérés kérdéskörei: Kik vettek részt a rendezvényeken? Hogyan alakulnak borfogyasztási szokásaik? Milyen gyakran fogyasztanak bort? Hol fogyasztanak
RészletesebbenA harmadik országbeli állampolgárok munkaerő-piaci helyzetére és beilleszkedésre vonatkozó II. negyedéves KSH adatgyűjtés
A harmadik országbeli állampolgárok munkaerő-piaci helyzetére és beilleszkedésre vonatkozó 2014. II. negyedéves KSH adatgyűjtés 2016. március 18. Szikráné Lindner Zsófia Központi Statisztikai Hivatal 1.
RészletesebbenMatematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenA társadalomkutatás módszerei I.
A társadalomkutatás módszerei I. 2. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. IX. 22. Outline 1 Bevezetés 2 Társadalomtudományi módszerek Beavatkozásmentes vizsgálatok Kvalitatív terepkutatás
RészletesebbenHogyan kerülnek haza a vállalati adatok?
Hogyan kerülnek haza a vállalati adatok? G Data-felmérés G Data. A biztonság németül. Munkahely és magánélet kapcsolata A 18 75 éves internetezők 56%-a rendelkezik teljes munkaidős vagy részmunkaidős állással.
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenKorrelációs kapcsolatok elemzése
Korrelációs kapcsolatok elemzése 1. előadás Kvantitatív statisztikai módszerek Két változó közötti kapcsolat Független: Az X ismérv szerinti hovatartozás ismerete nem ad semmilyen többletinformációt az
Részletesebben[GVMGS11MNC] Gazdaságstatisztika
[GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)
RészletesebbenSTATISZTIKAI TÜKÖR. Gazdaságstatisztikai KSH-adatgyűjtések. kiválasztási gyakorlatáról. Tartalom december
2016. december Gazdaságstatisztikai KSH-adatgyűjtések adatszolgáltatóinak kiválasztási gyakorlatáról STATISZTIKAI TÜKÖR Tartalom Az adatszolgáltatási kötelezettség jogi háttere...2 A gazdaságstatisztikai
RészletesebbenLAKOSSÁGI INTERNET-HASZNÁLAT 2006
LAKOSSÁGI INTERNET-HASZNÁLAT 2006 A felmérés módszertana adatfelvétel november 25-e és december 8-a között személyes interjúkkal a válaszadók lakásán Az adatfelvételt a Medián kft. kérdezőbiztosai végezték
RészletesebbenA kutatási minta és módszer
A kutatási minta és módszer KOHORSZ 18 - Nyitókonferencia 2017. November 13. Kapitány Balázs KSH Népességtudományi Kutatóintézet Egy nagymintás kérdőíves kutatás tervezési és megvalósulási folyamata Anyagi
RészletesebbenÖsszehasonlítások hibái
Összehasonlítások hibái Kiegészítő anyag BME Filozófia és Tudománytörténet Tanszék http://www.filozofia.bme.hu/ Összehasonlítások Az összehasonlítás alapkérdése: a lehetőségek közül melyik a legjobb egy
RészletesebbenFogyasztói szokások az étrendkiegészítők. élelmiszer-biztonság szempontjából
Fogyasztói szokások az étrendkiegészítők körében az élelmiszer-biztonság szempontjából Németh Nikolett Szent István Egyetem Gazdálkodás- és Szervezéstudományok Doktori Iskola Bükfürdő, 2016. április 7-8.
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,
Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus. KOKI, 2015.09.17. Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze.
RészletesebbenLakossági elégedettségmérés. Budakalász Város Önkormányzatánál
Lakossági elégedettségmérés Budakalász Város Önkormányzatánál 2017.11.14. TARTALOM A kutatás célja 3 A lakossági elégedettségmérés módszertana 4 Demográfia 5 A felmérés kérdései és a válaszlehetőségek
RészletesebbenStatisztika I. 1. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre A STATISZTIKA FOGALMA 1. Gyakorlati számbavételi tevékenység tömegjelenségek számbavétele, elemzése összefüggések feltárása következtetések levonása Célja:
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
RészletesebbenÁ ltala nos Ája nlati Felte telek (Á ÁF)
Á ltala nos Ája nlati Felte telek (Á ÁF) Kutatási/adatfelvételi módszertan Amennyiben az ajánlattétel nem részletezi, akkor a különböző kutatási/adatfelvételi módszertanok alatt az alábbiakat értjük: CAPI:
RészletesebbenB/21. számú melléklet TÁMOP 4.1.1 - Intézményi követelmények Diplomás Pályakövető Rendszer
B/21. számú melléklet TÁMOP 4.1.1 - Intézményi követelmények Diplomás Pályakövető Rendszer 1. Támogatandó szakmai követelmények - pályakövető kutatások A pályakövetési vizsgálatok főbb elemei: hallgatói
RészletesebbenA mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv
Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési
RészletesebbenA MIDAS_HU modell elemei és eredményei
A MIDAS_HU modell elemei és eredményei Tóth Krisztián Országos Nyugdíjbiztosítási Főigazgatóság A MIDAS_HU mikroszimulációs nyugdíjmodell eredményei további tervek Workshop ONYF, 2015. május 28. MIDAS_HU
RészletesebbenA magyar lakosság vitaminbevitelének. Schreiberné Molnár Erzsébet, Bakacs Márta
A magyar lakosság vitaminbevitelének vizsgálata az OTÁP2014 felmérés alapján Schreiberné Molnár Erzsébet, Bakacs Márta OTÁP felmérés A Központi Statisztikai Hivatal által szervezett Európai Lakossági Egészségfelmérés
RészletesebbenÚJPEST MÉDIA-KUTATÁS. Közvélemény-kutatás, 2007 október Újpesti Média Kht részére
ÚJPEST MÉDIA-KUTATÁS Közvélemény-kutatás, 27 október Újpesti Média Kht részére TARTALOM A kutatás paraméterei Eredmények: Tájékozódási szokások Újpest TV lakossági megítélése Újpesti Napló lakossági megítélése
RészletesebbenMIÉRT NEM VÁLASZOLUNK?
MIÉRT VÁLASZOLUNK? TENDENCIÁK ÉS TÉNYEZŐK A KSH EGYIK LAKOSSÁGI FELVÉTELÉNEK TÜKRÉBEN HORVÁTH BEÁTA KSH beata.horvath@ksh.hu ÁTTEKINTŐ ELMÉLETI MEGKÖZELÍTÉS GYAKORLATI MEGKÖZELÍTÉS MILYENEK VAGYUNK MI
RészletesebbenMintavételezés
. 3. 3. Mintavételezés Informatikai Tudományok Doktori Iskola. 3. 3. Statisztikai sokaság, populáció A halmaz egészének kevés adattal történı tömör jellemzése, és a populáció egyedeinek leírására bevezetett
RészletesebbenA 2001/2002. évi tanév. rendje
TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA A 2001/2002. évi tanév rendje SPSS állomány neve: E44 Budapest, 2001. február A 2000/2001. évi tanév rendje 2 Tartalomjegyzék TARTALOMJEGYZÉK 2 BEVEZETÉS 3 A KUTATÁS
RészletesebbenHol végződik az esélyegyenlőség, és hol kezdődik a szakadék?
Hol végződik az esélyegyenlőség, és hol kezdődik a szakadék? A digitális írástudás aktuális jellemzői A Magyar Infokommunikációs Jelentés 2012 alapján 2012. november 15. Jó döntéseket támogatunk. Tartalom
Részletesebben