Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények"

Átírás

1 Korreláció és Regresszió (folytatás) 12. elıadás ( lecke) Logisztikus telítıdési függvény Több független változós regressziós függvények 23. lecke A logisztikus telítıdési függvény Több független változós regressziós felületek Lineáris eset, illesztés, többszörös korreláció és determináció Értelmezési kérdések

2 3) Logisztikus (autokatalitikus) függvény y = A/(1 + Be -cx ), (A,B,c pozitívak) x=0-nál y=a/(1+b), majd a görbe S-alakban emelkedve közeledik az A telítıdési szinthez Az A/2 szintig fokozódó ütemben nı, innen kezdve csökkenı ütemben nı (a váltás-pont neve: inflexiós pont) A kapcsolat differencia-alakja: y/y = ca(a-y) x, azaz y relatív növekedési üteme arányos A és y különbségével (innen c szakmailag értelmezhetı) Ilyenek a szaporodási dinamikák a környezet korlátozott eltartó-képessége mellett (Verhulst-modell), ilyenek az organikus növekedések is

3 Több (független) változós Regresszió Egyetlen Y változó kialakításában több X változó is részt vehet. Mint említettük, megeshet, hogy eme X változók mindegyike csak gyengén korrelál az Y változóval, de együttesen jelentıs a hatásuk Bıvebben foglalkozunk a lineáris esettel és kitérünk a nemlineáris esetre is

4 Több- (független) változós LINEÁRIS regresszió A modell a sokaságban: Y = a +b 1 x 1 + b 2 x 2 + +b p x p + e mintavétel után: y i = a +b 1 x 1i + b 2 x 2i + +b p x pi + e i tömören: y i = ŷ i + e i A b k (b k ) paraméterek a parciális regressziós együtthatók, az e (e i ) tag az eltérés (hiba), a regressziós felület p=2 esetén 3- dimenzióban ábrázolható sík, p>2 esetén hipersík A paraméterek becslése az eltérés-tagok négyzetösszegének minimálásával történik

5 Többszörös lineáris regresszió (folytatás) A becslések után SS: SS össz {=SS y } = SS regr {=SS ŷ } + SS elt {= e i2 } df: n-1 = p + n-p-1 Majd F = MS regr / MS elt., a szabadságfokok p és n-p-1 A (korrigálatlan) determinációs együttható (regr.illeszkedés): R 2 = SS regr / SS össz = 1 SS elt. / SS össz statisztikai próbája megegyezik az F statisztika szignifikancia vizsgálatával A további taglalás elıtt egy számpéldát nézzünk

6 Többszörös lineáris regresszió Extrém fiktív számpélda (n=7, p=2) y x1 x2 Elıször nézzük x1 és x2 hatását külön-külön r(y,x1) = 0,3072 r(y,x2) = -0, egyik sem szignifikáns! De ne adjuk fel!: Nézzük az együttes hatást (excel, adatelemzés,leíró statisztika, regresszió) df SS MS F P-érték Regresszió 2 20,10 10,05 11,11 0, Maradék 4 3,62 0, s 1,99 3,98 3,83 Összesen 6 23, b 2,64 2,62 R 2 = 20,10/23,72 = 0,847 = 85% (R = 0,92) A regressziós sík egyenlete: ŷ = -10,1 + 2,64x 1 + 2,62x 2

7 Többszörös lineáris regresszió A számpélda megbeszélése(1) A két X változó együttes hatása jelentıs (R 2 =84,7%, P=2,3%) következésképpen mindkét ható változónak van szerepe, amint az alábbi séma mutatja: A veszteség X1 Y r 2 = 0, = 9,4% X1-et elhagyva 84,7%-2,3% = 82,4% X2 Y r 2 = 0, = 2,3% X2-ıt elhagyva 84,7%-9,4% = 75,3% {X1,X2} Y R 2 = 84,7% mindkét veszteség jelentıs!

8 Többszörös lineáris regresszió A számpélda megbeszélése(2) A parciális korrelációs együtthatók ugyanúgy jelzik X1 és X2 hatását, mint az elıbbi eszmefuttatás. Számításukhoz szükséges X1 és X2 korrelációja is (r(x1,x2)= ) A korrelációk mátrixa {r ij } /Excel, Adatelemzés, korreláció analízis/: Y X1 X2 Y 1 0,3072-0,1532 X1 0, ,9851 X2-0,1532-0, A parciális korrelációs együtthatók r yx1.x2 = [ 0,307- (-0,153 (-0,985)]/ {(1-0,153 2 )(1-0,985 2 )} = 0,95 r yx2.x1 = [-0,153- (-0,307 (-0,985)]/ {(1-0,307 2 )(1-0,985 2 )} = 0,95 (Statisztikai próbáikat ld. fentebb, mindkettı szignifikáns)

9 Többszörös lineáris regresszió: Kiegészítések Természetes a kérdés: az egyes X változók milyen mértékben járulnak hozzá az R 2 determinációhoz, illetve melyek elhanyagolhatók? 1) Ha az X változók korrelálatlanok,azaz r(x j,x k )=0 ha j k, akkor R 2 felbontható az egyes X k változók hatására: R 2 = r 2 y,x1 + r 2 y,x2 + + r 2 y,xp (p az X változók száma), ez az eset azonban gyakorlatilag csak akkor fordul elı, ha az X k változók nem véletlenek, értékeiket a kutató célszerően beállíthatja

10 Többszörös lineáris regresszió: Kiegészítések (folytatás) 2) Az X ható-változók általában összefonódottak (egymással korrelálnak), ezért együttes hatásuk szétbontása az egyes változókra nemigen lehetséges: az egyedi r 2 determinációk összege lehet kisebb is, nagyobb is R 2 -nél Az egyes X változók hozzájárulásáról némi tájékoztatást kaphatunk a standardizált regressziós együtthatók (b k ) révén, illetve R 2 alábbi algebrai felbontása alapján R 2 = b 1 r y,x1 + b 2 r y,x2 + + b p r y,xp ahol b k = b k s xk /s y a standardizált regressziós együttható (k=1 p) Nézzük mindezt a számpéldánkban:

11 Többszörös lineáris regresszió: Kiegészítések (folytatás) Visszatérve extrém számpéldánkra, illusztráljuk az elıbb mondottakat Y X1 X2 szórás (s) 1,988 3,976 3,830 regr.együttható (b) 2,636 2,617 r y,x (r) 0,307-0,153 (négyzetük összeg 11,8%<84,7%=R 2 ) ================================ stand.regr.eh. (b ) 5,273 5,041 b *r 1,620-0,772 (Összegük 0,85 =R 2 ) A standardizált regressziós együtthatókat így számoltuk: b 1 = b 1 *s x1,y /s y = 2,636*3,976/1,988 = 5,273 b 2 = b 2 *s x2,y /s y = 2,617*3,830/1,988 = 5,041

12 KÖSZÖNÖM TÜRELMÜKET

13 24. lecke Az R 2 felbontásának értelmezése A lényeges változók kiválogatása Nem lineáris több X-változós regressziós függvények

14 Többszörös lineáris regresszió: Kiegészítések (2.folytatása) Értelmezzük az extrém számpélda utóbbi mutatóit A standardizált regressziós együtthatók (b ) az X változók közvetlen hatásait jelzik arányukban Esetünkben b 1 és b 2 közel azonos, a két X változó közvetlen hatása Y-ra azonos mértékő (amint azt a korábban felírt parciális korrelációs együtthatók is jelezték) A b r szorzat-mutatók a közvetlen hatásokon kívül beszélnek a közvetett hatásokról is, ami az X változók közötti kapcsolatok áttételes eredménye Esetünkben e két mutató: X1-re 1,620 X2-re -0,772 ami úgy értelmezhetı, hogy X1 (közvetlen+közvetett) hatása Y-ra kétszer akkora és ellentétes irányú, mint X2 hatása

15 Többszörös lineáris regresszió: Kiegészítések (folytatás) 3) Az X ható-változók szelekciója Ha sok X változónk van, a regresszió szempontjából ezek között lehetnek jelentéktelenek és olyan jelentısek, amelyek az összefonódottság miatt másokkal helyettesíthetık Az X változók közötti válogatásra több eljárás ismert, ezek elméleti hátterére itt nem térünk ki, az SPSS programcsomag ajánlható Az ajánlott eljárások listája (lényegüket tanulmányozzuk a szakirodalomban): - minden lehetséges regresszió - backward módszer - forward módszer - stepwise módszer - stagewise módszer

16 Több X-változós NEMLINEÁRIS regresszió (I) Két gyakori Linearizálható kapcsolat 1) Többváltozós hatvány- (Cobb-Douglas-)függvény ŷ = A*x 1 b1 x 2 b2...x p bp, logaritmizálva log ŷ = log A + b 1 log x 1 + b 2 log x b p log x p amely a változók logaritmusai között már lineáris 2) Többváltozós exponenciális függvény ŷ = A*B 1 x1 B 2 x2...b p xp, logaritmizálva log ŷ = log A + (logb 1 )x 1 + (logb 2 )x (logb p )x p amely log y és az x-ek között már lineáris

17 (II) A kvadratikus felület (Nem linearizálható) Gyakran a sík (hipersík) nem kielégítı, a modell bıvítésre szorul, például négyzetes és szorzatos tagokat csatolhatunk hozzá Például a kétváltozós ŷ = a+b 1 x 1 +b 2 x 2 modell bıvítése: ŷ = a+b 1 x 1 +b 2 x 2 + b 11 x 12 +b 22 x 22 +b 12 x 1 x 2 Ebben a másodrendő felületben a b 11 és a b 22 paraméterek a felület görbüléseit mérik, a b 12 együttható pedig X1 és X2 kölcsönhatásának eredménye, a felület győrıdése A modell a változóiban nem lineáris de a paramétereiben igen, ezért illesztése megoldható az Excel Regressziójával

18 Másodrendő regressziós felület (illusztráció) z = x ^ x - 2 y ^ y

19 A kvadratikus felületnek maximuma vagy minimuma van ha a D = 4b 11 b 22 - b 12 2 érték pozitív, éspedig maximumot találunk, ha b 11 és b 22 negatív, minimumot, ha ezek pozitívak A felület max/min pontját az x 10 = (b 2 b 12 2b 1 b 22 )/D, x 20 = (b 1 b 12 2b 2 b 11 )/D értékpárnál találjuk Ha D negatív, a másodrendő felület nyereg alakú

20 Számpélda kétváltozós kvadratikus hatásfelületre Adatok (y mért, x1 és x2 mért vagy beállított, a többi számított) y x1 x2 I x1 2 x2 2 x1 x2 Etessük be e táblázatot 10,8 0,5 0,5 I 0,25 0,25 0,25 az excelbe (Adatelemzés, 10,7 0,5 1 I 0,25 1 0,5 Regresszió) 9,5 0,5 2 I 0, Mindent megkapunk, 11,3 1 0,5 I 1 0,25 0,5 ami kell (ld. a következı 11,5 1 1 I dia) 11,5 1 2 I ,5 2 0,5 I 4 0,25 1 9,7 2 1 I ,1 2 2 I 4 4 4

21 Kvadratikus felület (a példa folytatása) Varianciaanalízis SS df MS F P-érték Regresszió 8, ,653 23,3 0,013 szign. Maradék 0, , Összesen 8, Determinációs együttható: R 2 =8,267/8,48=97,5% Együtthatók becslése P-érték 95%-os konfidencia határok a 8,46 0,002 5,95 10,96 szign. b 1 5,0 0,017 1,71 8,29 szign. b 2 0,6 0,60-2,69 3,89 nem szign. b 11-2,8 0,005-4,02-1,58 szign. b 22-0,76 0,14-1,98 0,47 nem szign. b 12 1,2 0,013 0,47 1,93 szign.

22 Kvadratikus felület (a példa megbeszélése) Az illesztett felület y variabilitásának szignifikáns hányadát magyarázza (P=0,013; R 2 =97,5%) Ez azonban nem jelenti azt, hogy nincs még jobban illeszkedı regressziós felület. A becsült regressziós felület egyenlete: y = 8,46 + 5,0x 1 2,8x ,6x 2-0,76x 22 +1,2 x 1 x 2 ábrája hasonló a néhány diával korábbi felülethez A felület maximum pontjának becslése: D = (4-2,8-0,76)-1,2 2 = 7,07, pozitív, tehát van szélsıérték x 10 = (b 2 b 12 2b 1 b 22 )/D =(0,6*1,2-2*5,0*(-0,76))/7,07 =1,17 x 20 = (b 1 b 12 2b 2 b 11 )/D =(5,0*1,2-2*0,6*(-2,8) )/7,07 =1,32 ŷ max =11,8

23 a példa megbeszélésének folytatása A b 2 = 0,6 és a b 22 = -0,76 regressziós együtthatók nem szignifikánsak (ez utóbbi azt jelenti, hogy az x 2 változónak nincs depresszív hatása), a lényeg azonban az, hogy ez a két tag talán kihagyható a regressziós felület formulájából: Azaz megpróbálkozhatunk az y = a + b 1 x 1 + b 11 x 12 + b 12 x 1 x 2 felület illesztésével Gyakorlásként végezzük el az illesztést és ellenırízzük az illeszkedés csökkenésének szignifikanciáját a fentebb ismertetett módon. Ha ez nem szignifikáns, maradhatunk a felírt redukált egyenletnél, különben tegyük vissza a b 22 x 2 2 tagot (mert ennek P-értéke 0,14,kisebb b 2 P-értékénél)

24 KÖSZÖNÖM TÜRELMÜKET

11. elıadás ( lecke) 21. lecke. Korreláció és Regresszió (folytatás) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények

11. elıadás ( lecke) 21. lecke. Korreláció és Regresszió (folytatás) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények Korreláció és Regresszió (folytatás) 11. elıadás (21-22. lecke) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények 21. lecke Linearitás ellenırzésének egyéb lehetıségei Konfidencia

Részletesebben

Variancia-analízis (folytatás)

Variancia-analízis (folytatás) Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)

Részletesebben

Korreláció és Regresszió

Korreláció és Regresszió Korreláció és Regresszió 9. elıadás (17-18. lecke) Korrelációs együtthatók 17. lecke Áttekintés (korreláció és regresszió) A Pearson-féle korrelációs együttható Korreláció és Regresszió (témakörök) Kapcsolat

Részletesebben

Korreláció és lineáris regresszió

Korreláció és lineáris regresszió Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.

Részletesebben

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

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

Részletesebben

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

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

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

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

Adatok statisztikai értékelésének főbb lehetőségei Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció

Részletesebben

Diszkriminancia-analízis

Diszkriminancia-analízis Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független

Részletesebben

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

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

Részletesebben

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető! BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22

Részletesebben

Matematika. 4. konzultáció: Kétváltozós függvények szélsőértéke. Parciális függvény, parciális derivált

Matematika. 4. konzultáció: Kétváltozós függvények szélsőértéke. Parciális függvény, parciális derivált Matematika 1 NYME KTK, Egyetemi kiegészítő alapképzés 2004/2005. tanév, I. évf. I.félév Budapest Előadó: Dr. Takách Géza NyME FMK Informatikai Intézet 9400 Sopron, Bajcsy Zs. u. 9. GT fszt. 3. (99) 518

Részletesebben

Matematikai statisztikai elemzések 6.

Matematikai statisztikai elemzések 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 6. MSTE6 modul Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós

Részletesebben

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM. STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek

Részletesebben

III. Kvantitatív változók kapcsolata (korreláció, regresszió)

III. Kvantitatív változók kapcsolata (korreláció, regresszió) III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

Mérési adatok illesztése, korreláció, regresszió

Mérési adatok illesztése, korreláció, regresszió Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,

Részletesebben

Variancia-analízis (VA)

Variancia-analízis (VA) Variancia-analízis (VA) 5. elıadás (9-10. lecke) VA lényege, alkalmazásának feltételei, adat-transzformációk 9. lecke Variancia-analízis lényege Szórások egyezésének ellenırzése A Variancia-Analízis (VA)

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

Typotex Kiadó. Tartalomjegyzék

Typotex Kiadó. Tartalomjegyzék Tartalomjegyzék Bevezetés... 11 A hasznos véletlen hiba... 13 I. Adatredukciós módszerek... 17 1. Fıkomponens-elemzés... 18 1.1. A fıkomponens jelentése... 25 1.2. Mikor használjunk fıkomponens-elemzést?...

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

IV. Változók és csoportok összehasonlítása

IV. Változók és csoportok összehasonlítása IV. Változók és csoportok összehasonlítása Tartalom Összetartozó és független minták Csoportosító változók Két összetartozó minta összehasonlítása Két független minta összehasonlítása Több független minta

Részletesebben

GVMST22GNC Statisztika II.

GVMST22GNC Statisztika II. GVMST22GNC Statisztika II. 4. előadás: 9. Kétváltozós korreláció- és regressziószámítás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Korrelációszámítás

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program

Regresszió 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

Részletesebben

Feladatok a logaritmus témaköréhez 11. osztály, középszint

Feladatok a logaritmus témaköréhez 11. osztály, középszint TÁMOP-4-08/-009-00 A kompetencia alapú oktatás feltételeinek megteremtése Vas megye közoktatási intézményeiben Feladatok a logaritmus témaköréhez osztály, középszint Vasvár, 00 május összeállította: Nagy

Részletesebben

Korreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Korreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés

Részletesebben

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Matematikai statisztika c. tárgy oktatásának célja és tematikája Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:

Részletesebben

Szélsőérték-számítás

Szélsőérték-számítás Szélsőérték-számítás Jelölések A következő jelölések mind az f függvény x szerinti parciális deriváltját jelentik: Ugyanígy az f függvény y szerinti parciális deriváltja: f x = xf = f x f y = yf = f y

Részletesebben

Segítség az outputok értelmezéséhez

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

Részletesebben

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Statisztika 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

Részletesebben

Maple: Deriváltak és a függvény nevezetes pontjai

Maple: Deriváltak és a függvény nevezetes pontjai Maple: Deriváltak és a függvény nevezetes pontjai Bevezető Tudjuk, hogy a Maple könnyűszerrel képes végrehajtani a szimbólikus matematikai számításokat, ezért a Maple egy ideális program differenciál-

Részletesebben

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Egyszempontos variancia analízis. Statisztika I., 5. alkalom Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek

Részletesebben

Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció.

Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció. http://statisztika.szoc.elte.hu/tarsstat Társadalomstatisztika, 003/004 I. félév. November 5. Mai tematika: Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció. Bevezetés Együttes

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról

Részletesebben

AZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT

AZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT AZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT Készítette: Vályi Réka Neptun-kód: qk266b 2011 1 Az elemzés

Részletesebben

Matematikai geodéziai számítások 5.

Matematikai geodéziai számítások 5. Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP

Részletesebben

Az állat becsült kor. teljes súly. teljes hossz orrtól. törzs hossza. pocak körkörös méret. hátsó láb hossza kör

Az állat becsült kor. teljes súly. teljes hossz orrtól. törzs hossza. pocak körkörös méret. hátsó láb hossza kör Korreláció- és regresszió-analízis Az X és Y véletlen változók között az alábbi ábrákon pozitív összefüggés nem lineáris összefüggés negatív összefüggés van Előfordulhat, hogy X és Y között van kapcsolat,

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes döntéstámogatás. Statisztikai elemzés SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre

Részletesebben

Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke)

Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke) Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke) Kétirányú osztályozás (függetlenség és homogenitás) Speciális eset: 2 2-es táblázatok Három-irányú osztályozás 29. lecke Függetlenség-

Részletesebben

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!

Megoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be! MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:

Részletesebben

A szimplex algoritmus

A szimplex algoritmus A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás

Részletesebben

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten MÁSODFOKÚ EGYENLETEK ÉS EGYENLŽTLENSÉGEK Készítette: Gábor Szakmai felel s: Gábor

Részletesebben

1. Görbe illesztés a legkissebb négyzetek módszerével

1. Görbe illesztés a legkissebb négyzetek módszerével GÖRBE ILLESZTÉS A LEGKISSEBB ÉGYZETEK MÓDSZERÉVEL. Görbe illesztés a legkissebb négyzetek módszerével Az előző gyakorlaton megismerkedtünk a korrelációs együttható fogalmával és számítási módjával. A korrelációs

Részletesebben

1. Görbe illesztés a legkisebb négyzetek módszerével

1. Görbe illesztés a legkisebb négyzetek módszerével 1 GÖRBE ILLESZTÉS A LEGKISEBB NÉGYZETEK MÓDSZERÉVEL 1. Görbe illesztés a legkisebb négyzetek módszerével Az el z gyakorlaton megismerkedtünk a korrelációs együttható fogalmával és számítási módjával. A

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 18. J J 9 Információk a 2. ZH-ról és a vizsgáról 12. hét: gyakorló óra 13. hét: teszt 14. hét: a teszt megbeszélése, vizsgajegyek megajánlása. Minden

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

1. Parciális függvény, parciális derivált (ismétlés)

1. Parciális függvény, parciális derivált (ismétlés) Operációkutatás NYME Gazdaságinformatikus mesterképzés El adó: Kalmár János (kalmar[kukac]inf.nyme.hu) Többváltozós széls érték számítás Parciális függvény, parciális derivált Széls érték korlátos zárt

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz

Részletesebben

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i

azonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában

Részletesebben

Kutatói pályára felkészítı modul

Kutatói pályára felkészítı modul Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI

Részletesebben

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit

Határozatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit Határozatlan integrál () First Prev Next Last Go Back Full Screen Close Quit 1. Az összetett függvények integrálására szolgáló egyik módszer a helyettesítéssel való integrálás. Az idevonatkozó tétel pontos

Részletesebben

A MEGÚJULÓ ENERGIAPOTENCIÁL EGER TÉRSÉGÉBEN A KLÍMAVÁLTOZÁS TÜKRÉBEN

A MEGÚJULÓ ENERGIAPOTENCIÁL EGER TÉRSÉGÉBEN A KLÍMAVÁLTOZÁS TÜKRÉBEN A MEGÚJULÓ ENERGIAPOTENCIÁL EGER TÉRSÉGÉBEN A KLÍMAVÁLTOZÁS TÜKRÉBEN Mika János 1, Wantuchné Dobi Ildikó 2, Nagy Zoltán 2, Pajtókné Tari Ilona 1 1 Eszterházy Károly Főiskola, 2 Országos Meteorológiai Szolgálat,

Részletesebben

1. Oldja meg a z 3 (5 + 3j) (8 + 2j) 2. Adottak az A(1,4,3), B(3,1, 1), C( 5,2,4) pontok a térben.

1. Oldja meg a z 3 (5 + 3j) (8 + 2j) 2. Adottak az A(1,4,3), B(3,1, 1), C( 5,2,4) pontok a térben. Szak: Műszaki menedzser I. Dátum: 006. június. MEGOLDÓKULCS Tárgy: Matematika szigorlat Idő: 0 perc Neptun kód: Előadó: Berta Gábor szig 06 06 0 Pontszám: /00p. Oldja meg a z (5 + j (8 + j + = (+5j (7

Részletesebben

Több valószínűségi változó együttes eloszlása, korreláció

Több valószínűségi változó együttes eloszlása, korreláció Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Varianciaanalízis 4/24/12

Varianciaanalízis 4/24/12 1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása

Részletesebben

Gazdasági matematika II. vizsgadolgozat, megoldással,

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

Részletesebben

1. Gauss-eloszlás, természetes szórás

1. Gauss-eloszlás, természetes szórás 1. Gauss-eloszlás, természetes szórás A Gauss-eloszlásnak megfelelő függvény: amely egy σ szélességű, µ középpontú, 1-re normált (azaz a teljes görbe alatti terület 1) görbét ír le. A természetben a centrális

Részletesebben

A statisztika oktatásáról konkrétan

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

Részletesebben

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában

Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Az Excel táblázatkezelő program használata a matematika és a statisztika tantárgyak oktatásában Hódiné Szél Margit SZTE MGK 1 A XXI. században az informatika rohamos terjedése miatt elengedhetetlen, hogy

Részletesebben

NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN

NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN NAP- ÉS SZÉLENERGIA POTENCIÁL BECSLÉS EGER TÉRSÉGÉBEN Mika János 1, Csabai Edina 1, Molnár Zsófia 2, Nagy Zoltán 3, Pajtókné Tari Ilona 1, Rázsi András 1,2, Tóth-Tarjányi Zsuzsanna 3, Wantuchné Dobi Ildikó

Részletesebben

Variancia-analízis (folytatás)

Variancia-analízis (folytatás) Variancia-analízis (folytatás) 6. elıadás (11-12. lecke) Szórás-stabilizáló transzformációk (folyt.), t-próbák 11. lecke További variancia-stabilizáló transzformációk Egy-mintás t-próba Szórás-kiegyenlítı

Részletesebben

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102 Tárgy- és névmutató A a priori kontraszt 174 175 a priori kritérium 259, 264, 276 adatbevitel 43, 47, 49 52 adatbeviteli nézet (data view) 45 adat-elôkészítés 12, 37, 62 adatgyûjtés 12, 15, 19, 20, 23,

Részletesebben

Bevezetés az ökonometriába

Bevezetés az ökonometriába Bevezetés az ökonometriába Többváltozós regresszió: nemlineáris modellek Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Hetedik előadás, 2010. november 10.

Részletesebben

A becslés tulajdonságai nagyban függnek a megfigyelésvektortól. A klasszikus esetben, amikor az

A becslés tulajdonságai nagyban függnek a megfigyelésvektortól. A klasszikus esetben, amikor az 1 6. LECKE: REGRESSZIÓ -- Elıadás 6.1. A regresszió feladata és módszerei [C4] A módszer lényege, hogy arányskálán mért magyarázó változók (x 1,,x k ) segítségével közelítjük a számunkra érdekes, ugyancsak

Részletesebben

Kétváltozós függvény szélsőértéke

Kétváltozós függvény szélsőértéke Kétváltozós függvény szélsőértéke Sütő Andrea Kétváltozós függvény szélsőértéke Legyen adott f ( xy, ) kétváltozós függvény és ez legyen folytonosan totálisan differenciálható, azaz létezzenek az elsőrendű

Részletesebben

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

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

Részletesebben

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság.

valós számot tartalmaz, mert az ilyen részhalmazon nem azonosság. 2. Közönséges differenciálegyenlet megoldása, megoldhatósága Definíció: Az y függvényt a valós számok H halmazán a közönséges differenciálegyenlet megoldásának nevezzük, ha az y = y(x) helyettesítést elvégezve

Részletesebben

Szélsőérték feladatok megoldása

Szélsőérték feladatok megoldása Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =

Részletesebben

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Idősorok 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

Részletesebben

Intergrált Intenzív Matematika Érettségi

Intergrált Intenzív Matematika Érettségi . Adott a mátri, determináns determináns, ahol,, d Számítsd ki:. b) Igazold, hogy a b c. Adott a az 6 0 egyenlet megoldásai. a). c) Számítsd ki a d determináns értékét. d c a b determináns, ahol abc,,.

Részletesebben

Biostatisztika VIII. Mátyus László. 19 October

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

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév

Matematika gyógyszerészhallgatók számára. A kollokvium főtételei tanév Matematika gyógyszerészhallgatók számára A kollokvium főtételei 2015-2016 tanév A1. Függvénytani alapfogalmak. Kölcsönösen egyértelmű függvények és inverzei. Alkalmazások. Alapfogalmak: függvény, kölcsönösen

Részletesebben

Adatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com

Adatelemzés 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

Részletesebben

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz 2. évfolyam szakirány BA TANTÁRGYI ÚTMUTATÓ Alkalmazott számítástechnika tanulmányokhoz TÁVOKTATÁS Tanév (2014/2015) 1. félév A KURZUS ALAPADATAI Tárgy megnevezése: Alkalmazott Számítástechnika Tanszék:

Részletesebben

TÖBBVÁLTOZÓS KORRELÁCIÓ- ÉS

TÖBBVÁLTOZÓS KORRELÁCIÓ- ÉS Miskolci Egyetem GAZDASÁGTUDOMÁNYI KAR Üzleti Információgazdálkodási és Módszertani Intézet TÖBBVÁLTOZÓS KORRELÁCIÓ- ÉS REGRESSZIÓSZÁMÍTÁS Oktatási segédlet Készítette: Domán Csaba egyetemi tanársegéd

Részletesebben

SCILAB programcsomag segítségével

SCILAB programcsomag segítségével Felhasználói függvények de niálása és függvények 3D ábrázolása SCILAB programcsomag segítségével 1. Felhasználói függvények de niálása A Scilab programcsomag rengeteg matematikai függvényt biztosít a számítások

Részletesebben

1. hét. 1. Teljesülnek-e az alábbi egyenl½oségek? (a) A n B = B n A. (b) A \ B \ A \ B = A \ B \ A \ B. 2. Fejezzük ki

1. hét. 1. Teljesülnek-e az alábbi egyenl½oségek? (a) A n B = B n A. (b) A \ B \ A \ B = A \ B \ A \ B. 2. Fejezzük ki . hét. Teljesülnek-e az alábbi egyenl½oségek? (a) A n B = B n A (b) A \ B \ A \ B = A \ B \. Fejezzük ki (a) A \ B -t a n és [ m½uveletével! A \ B (b) A [ B -t a \ m½uveletével és az A; B halmazra vonatkozó

Részletesebben

Likelihood, deviancia, Akaike-féle információs kritérium

Likelihood, deviancia, Akaike-féle információs kritérium Többváltozós statisztika (SZIE ÁOTK, 2011. ősz) 1 Likelihood, deviancia, Akaike-féle információs kritérium Likelihood függvény Az adatokhoz paraméteres modellt illesztünk. A likelihood függvény a megfigyelt

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

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

Részletesebben

Modern Fizika Labor. A mérés száma és címe: A mérés dátuma: Értékelés: Infravörös spektroszkópia. A beadás dátuma: A mérést végezte:

Modern Fizika Labor. A mérés száma és címe: A mérés dátuma: Értékelés: Infravörös spektroszkópia. A beadás dátuma: A mérést végezte: Modern Fizika Labor A mérés dátuma: 2005.10.26. A mérés száma és címe: 12. Infravörös spektroszkópia Értékelés: A beadás dátuma: 2005.11.09. A mérést végezte: Orosz Katalin Tóth Bence 1 A mérés során egy

Részletesebben

9. Tétel Els - és másodfokú egyenl tlenségek. Pozitív számok nevezetes közepei, ezek felhasználása széls érték-feladatok megoldásában

9. Tétel Els - és másodfokú egyenl tlenségek. Pozitív számok nevezetes közepei, ezek felhasználása széls érték-feladatok megoldásában 9. Tétel Els - és másodfokú egyenl tlenségek. Pozitív számok nevezetes közepei, ezek felhasználása széls érték-feladatok megoldásában Bevezet : A témakörben els - és másodfokú egyenl tlenségek megoldásának

Részletesebben

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi

Részletesebben

4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI 4. Fuzzy relációk Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Klasszikus relációk Halmazok Descartes-szorzata Relációk 2 Fuzzy relációk Fuzzy relációk véges alaphalmazok

Részletesebben

A mérési eredmény megadása

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

Részletesebben

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív 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

Részletesebben

Fuzzy halmazok jellemzői

Fuzzy halmazok jellemzői A Fuzzy rendszerek, számítási intelligencia gyakorló feladatok megoldása Fuzzy halmazok jellemzői A fuzzy halmaz tartója az alaphalmaz azon elemeket tartalmazó részhalmaza, melyek tagsági értéke 0-nál

Részletesebben

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?

6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? 6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.

Részletesebben

FÜGGVÉNYEK. A derékszögű koordináta-rendszer

FÜGGVÉNYEK. A derékszögű koordináta-rendszer FÜGGVÉNYEK A derékszögű koordináta-rendszer Az. jelzőszámot az x tengelyről, a 2. jelzőszámot az y tengelyről olvassuk le. Pl.: A(-3;-) B(3;2) O(0;0) II. síknegyed I. síknegyed A (0; 0) koordinátájú pontot

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

A TANTÁRGY ADATLAPJA

A TANTÁRGY ADATLAPJA A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeş-Bolyai Tudományegyetem 1.2 Kar Közgazdasági- és Gazdálkodástudományi Kar 1.3 Intézet Közgazdaság- és Gazdálkodástudományi

Részletesebben

Logisztikus regresszió

Logisztikus regresszió Logisztikus regresszió Bekövetkezés esélye Valószínűség (P): 0 és 1 közötti valós szám, az esemény bekövetkezésének esélyét fejezi ki. Fej dobásának esélye: 1:2 = 1 2 = 0,5. Odds/esélyérték (O): a tét

Részletesebben

Matematikai geodéziai számítások 10.

Matematikai geodéziai számítások 10. Matematikai geodéziai számítások 10. Hibaellipszis, talpponti görbe és közepes ponthiba Dr. Bácsatyai, László Matematikai geodéziai számítások 10.: Hibaellipszis, talpponti görbe és Dr. Bácsatyai, László

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

Numerikus matematika vizsga

Numerikus matematika vizsga 1. Az a = 2, t = 4, k = 3, k + = 2 számábrázolási jellemzők mellett hány pozitív, normalizált lebegőpontos szám ábrázolható? Adja meg a legnagyobb ábrázolható számot! Mi lesz a 0.8-hoz rendelt lebegőpontos

Részletesebben