( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ANOVA ( ) 2. χ σ. α ( ) 2. y y y p p y y = + + = + + p p r. Fisher-Cochran-tétel

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ANOVA ( ) 2. χ σ. α ( ) 2. y y y p p y y = + + = + + p p r. Fisher-Cochran-tétel"

Átírás

1 NOV ( ) ( ) ( ) ( ) ( ) ( ) a Y Y Y Y µ µ µ ( ) ( ) ( ) ( ) + + Y µ µ µ ( ) ( ) ( ) + + µ χ e ( ) ( ) r + + Fher-Cochran-tétel mnd NOV ( ) e χ : H ( ) e S χ ( ) e r ν χ ( ) e S χ ( ) e r r ν χ F

2 Két faktor zernt NOV z faktor mnden zntét kombnáluk a B faktor mnden zntével, mnden cellában azono zámú métlé (kegenúlozott terv). terv zerkezete matt a faktorok hatáát egmáétól függetlenül vzgálhatuk. NOV. élda (Box-Hunter-Hunter: Stattc for Exermenter, J. Wle, 978,. 65) oon.ta treatment B C D I oon II III NOV 4 4

3 TETMEN NOV 5 5 Modell,,r;,,q, k,, k µ + ε k N rq métlé (k) méreg () kezelé () k µ + ε k átlag-modell H µ µ µ (mnd azono) : 4 NOV 6 6

4 k µ + + β + β + ε k az -edk méreg a -edk kezelé kölcönhatá hatáa hatáa k µ + + β + β + ε hatá-modell k H :,,..., r B H : β,,..., q B H : β,,..., r;,..., q NOV 7 7 z eltéré forráa hatáa NOV-táblázat eltéré- -négzetözeg (orok között) S q( ) B hatáa (ozlook között) B kölcönhatá Maradék (coortokon belül) Tele ( ) S r S B B ( ) + ( ) S k k ( k ) S k zabadág fok r- q- (r-) (q-) rq(-) rq- B zóránégzet B 4(4-)6 F S r SB B q S B ( r )( q ) S rq ( ) B NOV 8 8

5 SUVIVL *TETMEN; Weghted Mean Current effect: F(6, 6).874,.5 Effectve hothe decomoton Vertcal bar denote.95 confdence nterval Stattc> dvanced Lnear/Nonlnear Model> >General Lnear Model>Factoral NOV> Mean fülön: Oberved, weghted, Plot.4.. Effect Intercet TETMEN *TETMEN Error 4 TETMEN Summar fülön: ll effect Unvarate Tet of Sgnfcance for SUVIVL (Poon) Sgma-retrcted arameterzaton Effectve hothe decomoton SS Degr. of MS F Freedom NOV 9 9 Homozkedaztctá e kont? More reult>umton fülön: Homogenet of varance Tet of Homogenet of Varance (Poon) Effect: *TETMEN Hartle F-max Cochran C Bartlett Ch-Sqr. df SUVIVL Levene' Tet for Homogenet of Varance (Poon) Effect: *TETMEN Degree of freedom for all F':, 6 MS Effect MS Error F SUVIVL NOV 4 4

6 rezduumok vzgálata edual fülön: Pred. & red..5 Deendent varable: SUVIVL.4.. aw edual Predcted Value NOV 4 4 Box-Cox tranzformácó ~ Var tr tr tr d d ( ) d d tr ( ) kont d tr Var ha kont d d tr k d tr ha d ln ha NOV 4 4

7 tr ha d ln ha λ- tranzformácó - / / ln.5.5 (nnc tranzformácó) NOV 4 4 ~ ln k + ln egenet kell llezten lnd *x lnd ~ lnmean NOV 44 44

8 Box-Cox tranzformácó λ tr Fle>Oen: (Program Fle>StatSoft>Stattca8>Examle>Macro> >nal Examle>BoxCox) 6 Lambda veru SSE(lambda) Deendent varable: SUVIVL Inde.: The nterecton of the 95% C.I lne wth the SSE lne mark the 95% confdence lmt For the bet lambda 5 4 SSE(lambda) λ 95% C.I Lambda NOV Normal Probablt Plot of edual Deendent Varable: SUVIVL Inde.: Lambda (No Tranformaton) Lambda- z-value z-value edual edual NOV 46 46

9 6 Box Plot of multle varable groued b TETME Sreadheet 5v*6c Medan; Box: 5%-75%; Whker: Non-Outler ange TETMEN... NOV *TETMEN; Weghted Mean Current effect: F(6, 6).94,.867 Effectve hothe decomoton Vertcal bar denote.95 confdence nterval 6 5 recurv: /urvval 4-4 TETMEN NOV 48 48

10 Effect Intercet TETMEN *TETMEN Error Unvarate Tet of Sgnfcance for ecurv (Poon) Sgma-retrcted arameterzaton Effectve hothe decomoton SS Degr. of MS F Freedom hatáok még kfeezettebbek (F értéke nagobbak), a kölcönhatához tartozó. helett.87 lez. NOV rezduumok vzgálata aw edual Deendent varable: ecurv Predcted Value Exected Normal Value Deendent varable: ecurv edual NOV 5 5

ANOVA. Egy faktor szerinti ANOVA. Nevével ellentétben nem szórások, hanem átlagok összehasonlítására szolgál. Több független mintánk van, elemszámuk

ANOVA. Egy faktor szerinti ANOVA. Nevével ellentétben nem szórások, hanem átlagok összehasonlítására szolgál. Több független mintánk van, elemszámuk Egy faktor zernt NOV Nevével ellentétben nem zóráok, hanem átlagok özehaonlítáára zolgál Több független mntánk van, elemzámuk,...,,, r y,...,, y, y,..., yr;,, r H : r NOV. élda (Box-Hunter-Hunter: Stattc

Részletesebben

BIOMETRIA_ANOVA_2 1 1

BIOMETRIA_ANOVA_2 1 1 Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását

Részletesebben

KISTERV2_ANOVA_

KISTERV2_ANOVA_ Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását

Részletesebben

VARIANCIAANALÍZIS (ANOVA) véletlen faktorok esetén

VARIANCIAANALÍZIS (ANOVA) véletlen faktorok esetén VRINCINLÍZI (NOV) véletlen faktorok eetén Varancakomponen-elemzé BIOMETRI_NOV_3 1 Rögzített faktorok: znteket a kíérletekhez megválazthatuk é beállíthatuk. Kérdé: van-e különbég a faktor különböző znte

Részletesebben

Statisztikai alapismeretek amit feltétlenül tudni kell

Statisztikai alapismeretek amit feltétlenül tudni kell Statztka alameetek amt feltétlenül tudn kell Sokaág é mnta fogalma Statztka (mnta jellemzője) é aaméte fogalma Váható éték é vaanca jellemző Sűűégfüggvén é elozláfüggvén Standad nomál -, t- é F-elozlá

Részletesebben

Biológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható.

Biológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható. Boassa Bológa anagok hatásának értékelése, ha közvetlen fzka vag kéma analízs nem alkalmazható. Alapja standard készítménnel való összehasonlítás: a vzsgált anag mlen mennsége ad uganakkora hatást, mnt

Részletesebben

Regresszióanalízis. Lineáris regresszió

Regresszióanalízis. Lineáris regresszió Regrezóanalíz Lneár regrezó REGRESSZIÓ 1 Modell: Valamely (pl. fzka) törvényzerûég értelméen az x független változó zonyo értékénél a függõ változó értéke Y ϕ (x). Y helyett y értéket mérünk, E(y x) Y,

Részletesebben

Több laboratórium összehasonlítása, körmérés

Több laboratórium összehasonlítása, körmérés Több oratórium összehasonlítása, körmérés colorative test, round robin a rendszeres hibák ellenőrzése, számszerűsítése Statistical Manual of AOAC, W. J. Youden: Statistical Techniques for Colorative Tests,

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Review of Correlation & Regression

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Review of Correlation & Regression Mskolc Egetem Gazdaságtudomán Kar Üzlet Informácógazdálkodás és Módszertan Intézet Revew of Correlaton & Regresson Petra Petrovcs Mskolc Egetem Gazdaságtudomán Kar Üzlet Informácógazdálkodás és Módszertan

Részletesebben

ANOVA. Mekkora különbséget tudnánk kimutatni? Statistics>Power Analysis>Several Means, ANOVA 1-Way

ANOVA. Mekkora különbséget tudnánk kimutatni? Statistics>Power Analysis>Several Means, ANOVA 1-Way NOV Mkkora különbégt tudnánk kmutatn? tattc>powr naly>vral Man, NOV 1-Way 1. 1-Way NOV: Powr Calculaton 1-Way NOV (Fxd ) Powr v. ME (lpha.5, Group 4, N 6).9.8.7 Powr.6.5.4.3. ME α ( r ) σ 1.1..1..3.4.5.6.7.8.9

Részletesebben

PhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats

PhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats PhEur... Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats 00 80 60 0 0 00 80 60 0 0 catterplot of multiple variables against dose PhEur_.sta

Részletesebben

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3

Részletesebben

Motivációs diasor Ha megéri, nem baj, hogy nehéz!

Motivációs diasor Ha megéri, nem baj, hogy nehéz! Motivációs diasor Ha megéri, nem baj, hogy nehéz! Biometria - Bevezetés 1 Sertések gyógytáppal való kezelése Csoportok: Függő változó: testtömeg (DBW) Kezelt (Trial) Kezeletlen (Control) Kísérleti elrendezés:

Részletesebben

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Kísérlettervezés témakör

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Kísérlettervezés témakör Gyakorló feladatok a Kíérletek tervezée é értékelée c. tárgyól Kíérlettervezé témakör. példa Nitrálái kíérleteken a kitermelét az alái faktorok függvényéen vizgálták:. a alétromav-adagolá idee [h]. a reagáltatá

Részletesebben

Kálmán-szűrés. Korszerű matematikai módszerek a geodéziában 2014.03.10.

Kálmán-szűrés. Korszerű matematikai módszerek a geodéziában 2014.03.10. Kálmánzűré Korzerű matemata módzere a geodézában 4.3.. A Kálmánzűré defnícója Olyan algortmu, amely valamely lneár dnamu rendzerben egzat övetezetét tez lehetővé, amely a rejtett Marovmodellhez haonló

Részletesebben

Minőségjavító kísérlettervezés

Minőségjavító kísérlettervezés . példa J.J. Pignatiello, J.S. Ramberg: J. Quality Technology, 17 198-06 (1985) kézbentartható -1 1 A: high heat temperature ( 0 F) 1840 1880 B: heating time (s) 3 5 C: transfer time (s) 10 1 D: hold down

Részletesebben

ADATREDUKCIÓ I. Középértékek

ADATREDUKCIÓ I. Középértékek ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték

Részletesebben

A m becslése. A s becslése. A (tapasztalati) szórás. n m. A minta és a populáció kapcsolata. x i átlag

A m becslése. A s becslése. A (tapasztalati) szórás. n m. A minta és a populáció kapcsolata. x i átlag 016.09.09. A m beclée A beclée = Az adatok átlago eltérée a m-től. (tapaztalat zórá) = az elemek átlago eltérée az átlagtól. átlag: az elemekhez képet középen kell elhelyezkedne. x x 0 x n x Q x x x 0

Részletesebben

4. példa: részfaktorterv+fold-over, centrumponttal

4. példa: részfaktorterv+fold-over, centrumponttal 4. példa: 7-4 részfaktorterv+fold-over, centrumponttal A kísérletek célja egy speciális anyag optimális előállítási körülményeinek meghatározása volt. A célfüggvény a kihozatal %, melynek maximális értékét

Részletesebben

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)

Részletesebben

X Physique MP 2013 Énoncé 2/7

X Physique MP 2013 Énoncé 2/7 X Physique MP 2013 Énoncé 1/7 P P P P P ré r s t s t s tr s st s t r sé r tt é r s t t r r q r s t 1 rés t ts s t s ér q s q s s ts t r t t r t rô rt t s r 1 s2stè s 2s q s t q s t s q s s s s 3 é tr s

Részletesebben

Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki Kar Repülőgépek és hajók Tanszék

Budapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki Kar Repülőgépek és hajók Tanszék Budapet Műzak é Gazdaágtudomány Egyetem Közlekedémérnök Kar Repülőgépek é hajók Tanzék Hő- é áramlátan II. 2008/2009 I. félév 1 Méré Hőugárzá é a vízznte cő hőátadáának vzgálata Jegyzőkönyvet kézítette:

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

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat? Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs

Részletesebben

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal? Egymintás próbák σ s μ m Alapkérdés: A populáció egy adott megegyezik-e egy referencia paraméter értékkel/tulajdonsággal? egymintás t-próba Wilcoxon-féle előjeles

Részletesebben

specific (assignable) cause: azonosítható, tettenérhető (veszélyes) hiba megváltozott a folyamat

specific (assignable) cause: azonosítható, tettenérhető (veszélyes) hiba megváltozott a folyamat ELLENŐRZŐ KÁRTYÁK méréses mősítéses commo cause: véletle gadozás secfc (assgable) cause: azoosítható, tetteérhető (veszélyes) hba megváltozott a folyamat Mősítéses elleőrző kártyák 41 Mősítéses elleőrző

Részletesebben

Critical mix. 15. példa. 2 égh. anyag. 1 oxigén. 3 ég-e. 2 van nincs 0 3 nincs van 0 4 van van 1. 1 nincs nincs 0

Critical mix. 15. példa. 2 égh. anyag. 1 oxigén. 3 ég-e. 2 van nincs 0 3 nincs van 0 4 van van 1. 1 nincs nincs 0 Critical mix 5. példa oxigén égh. anyag ég-e nincs nincs van nincs nincs van van van van égh. anyag nincs Effect Estimates; **(-) design DV: ég-e Factor Effect Coeff. Mean/Interc. ()oxigén ()égh. anyag

Részletesebben

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti.

y ij e ij BIOMETRIA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 7. Előad Variancia-anal Lineáris modell ltozó bontását t jelenti. Elmélet let BIOMETRIA 7. Előad adás Variancia-anal Lineáris modellek A magyarázat a függf ggő változó teljes heterogenitásának nak két k t részre r bontását t jelenti. A teljes heterogenitás s egyik része

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

Páros binomiális próbák

Páros binomiális próbák áros nomáls próák Kontngena-tálázatok (rx tálázat) elemzése, ha sem a sor-, sem az oszlop-összegek nem rögzítettek sak N adott - Szmmetra-vzsgálat (összefüggés-vzsgálat) - Függetlenség-vzsgálat BIOMETRIA_NEMARAMÉTERES_3

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

Képletgyűjtemény a Gazdaságstatisztika tárgy A matematikai statisztika alapjai című részhez

Képletgyűjtemény a Gazdaságstatisztika tárgy A matematikai statisztika alapjai című részhez Buaet űzak é Gazaágtuomá Egetem Gazaág- é Táaalomtuomá Ka Üzlet Tuomáok Itézet eezmet é Vállalatgazaágta Tazék Tóth Zuzaa Ezte Jóá Tamá Kéletgűtemé a Gazaágtatztka tág A matematka tatztka alaa című ézhez

Részletesebben

TAGUCHI ÉS SHAININ. Taguchi módszere a minőség kísérletes javítására

TAGUCHI ÉS SHAININ. Taguchi módszere a minőség kísérletes javítására Minőségjavító kísérlettervezés TAGUCHI ÉS SHAININ 1 Taguchi módszere a minőség kísérletes javítására 1. példa Ina Tile: sok a selejt a kemence különböző pontjain a hőmérséklet nem azonos A kemence áttervezése

Részletesebben

Bevezetés a hipotézisvizsgálatokba

Bevezetés a hipotézisvizsgálatokba Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -

Részletesebben

Loss Distribution Approach

Loss Distribution Approach Modeling operational risk using the Loss Distribution Approach Tartalom»Szabályozói környezet»modellezési struktúra»eseményszám eloszlás»káreloszlás»aggregált veszteségek»további problémák 2 Szabályozói

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

RANGSOROLÁSON ALAPULÓ NEM-PARAMÉTERES PRÓBÁK

RANGSOROLÁSON ALAPULÓ NEM-PARAMÉTERES PRÓBÁK RANGSOROLÁSON ALAPULÓ NEM-PARAMÉTERES PRÓBÁK Sorrendbe állítjuk a vzgált értékeket (a mntaelemeket) é az aktuál érték helyett a rangzámokat haználjuk a próbatatztkák értékenek kzámítáára. Egye próbáknál

Részletesebben

STATISZTIKA. Philosophiae Naturalis Principia Mathematica (A természetfiloz. szetfilozófia fia matematikai alapelvei, 1687) Laplace ( )

STATISZTIKA. Philosophiae Naturalis Principia Mathematica (A természetfiloz. szetfilozófia fia matematikai alapelvei, 1687) Laplace ( ) STATISZTIKA 8. Előad adá Megbíhat tartomáyok (Kofidecia itervallumok) (Kofidecia itervallumok) Sir Iaac Newto, 1643-177 177 Philoohiae Naturali Priciia Mathematica (A terméetfilo etfiloófia fia matematikai

Részletesebben

2 p típusú teljes faktoros kísérleti tervek. Kísérlettervezés. Mit akarunk megtudni? mátrix-terv. a változók egyenkénti változtatása. x 3 x 2.

2 p típusú teljes faktoros kísérleti tervek. Kísérlettervezés. Mit akarunk megtudni? mátrix-terv. a változók egyenkénti változtatása. x 3 x 2. Kísérlettervezés Mit akarunk megtudni? 8 6 4 Y = β + β x + β x +... + β p x p p típusú teljes faktoros kísérleti tervek 4. 7 5 8 x 3 x 3. 6 3. x 3 x 4 x. x a) b) a változók egyenkénti változtatása mátrix-terv

Részletesebben

u u IR n n = 2 3 t 0 <t T

u u IR n n = 2 3 t 0 <t T IR n n =2 3 u() u u u u IR n n = 2 3 ξ A 0 A 0 0 0 < T F IR n F A 0 A 0 A 0 A 0 F :IR n IR n A = F A 0 A 0 A 0 0 0 A F A 0 A F (, y) =0 a = T>0 b A 0 T 1 2 A IR n A A A F A 0 A 0 ξ A 0 = F (ξ) ε>0 δ ε

Részletesebben

Logisztikus regresszió október 27.

Logisztikus regresszió október 27. Logisztikus regresszió 2017. október 27. Néhány példa Mi a valószínűsége egy adott betegségnek a páciens bizonyos megfigyelt jellemzői (pl. nem, életkor, laboreredmények, BMI stb.) alapján? Mely genetikai

Részletesebben

Excel segédlet Üzleti statisztika tantárgyhoz

Excel segédlet Üzleti statisztika tantárgyhoz Miskolci Egyetem Üzleti Statisztika és Előrejelzési Intézeti Tanszék Excel segédlet Üzleti statisztika tantárgyhoz. Z próba einek meghatározása óbafüggvény: x - m z = ; vagy σ/ n x - m z = ; vagy s/ n

Részletesebben

Sztochasztikus kapcsolatok

Sztochasztikus kapcsolatok Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics. Nonparametric Tests Petra Petrovics PhD Student Hypothesis Testing Parametric Tests Mean o a population Population proportion Population Standard Deviation Nonparametric Tests Test or Independence Analysis

Részletesebben

Statisztika elméleti összefoglaló

Statisztika elméleti összefoglaló 1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11

Részletesebben

r tr r r t s t s② t t ① t r ② tr s r

r tr r r t s t s② t t ① t r ② tr s r r tr r r t s t s② t t ① t r ② tr s r r ás③ r s r r r á s r ② s ss rt t s s tt r t r t r P s ② Pá③ á ② Pét r t rs t② t② r t ② s s ás t r s ② st s t t r t t r s t s t t t t s s s str t r r t r t ① r t r

Részletesebben

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance

Részletesebben

Fogalom STATISZTIKA. Alkalmazhatósági feltételek. A standard lineáris modell. Projekciós mátrix, P

Fogalom STATISZTIKA. Alkalmazhatósági feltételek. A standard lineáris modell. Projekciós mátrix, P Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése

Részletesebben

Fényderítő hatású-e a megélt tapasztalat a kimenetelre?

Fényderítő hatású-e a megélt tapasztalat a kimenetelre? Fényderítő hatású-e a megélt tapasztalat a kimenetelre? Szerzők: Kovács Árpád Ferenc 1, Perényi Anett Anna 1, Fülöp Zsolt Zoltán 2 Témavezető: Dr. Kovács Judit 3 1 ÁOK VI., Marosvásárhelyi Orvosi és Gyógyszerészeti

Részletesebben

r rt t é t t t r r q rs té P r s P t é r t r rs té r é

r rt t é t t t r r q rs té P r s P t é r t r rs té r é r rt t é t t t r r q rs té P r s P t é r t r rs té r é t r és é t é r é q r s rt s r è s q s t à ét r r t t t à r r s r s s t tés s P r r rté r t q s è s é ss t t îtr t 1 r s st t t tr r é t P r r rs à

Részletesebben

Standardizálás, transzformációk

Standardizálás, transzformációk Standardizálás, transzformációk A transzformációk ugynúgy mennek, mint egyváltozós esetben. Itt még fontosabbak a linearitás miatt. Standardizálás átskálázás. Centrálás: kivonjuk minden változó átlagát,

Részletesebben

Minőség-képességi index (Process capability)

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

Részletesebben

STATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK

STATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK MIKOLCI EGYETEM Gazdaágtudoá Kar Üzlt Iorácógazdálodá é Módzrta Itézt Üzlt tatzta é Előrlzé Tazé TATIZTIKAI KÉPLETGYŰJTEMÉNY É TÁLÁZATOK (Dolgozatíráál, zgá ca gé bgzé élül hazálható!). VIZONYZÁMOK, KÖZÉPÉRTÉKEK-ZÓRÓDÁ

Részletesebben

Tartóprofilok Raktári program

Tartóprofilok Raktári program Tartóproflok Raktár program ThenKrupp Ferroglou ThenKrupp Nolcadk kadá 6. áprl Ötvözetlen é alacon ötvözéú lemeztermékek Betonacélok Szerzámacélok Melegen hengerelt rúdacélok Könnú - é zínefémek Rozdamente

Részletesebben

ACÉLSZERKEZETEK I. LEHÓCZKI Bettina. Debreceni Egyetem Műszaki Kar, Építőmérnöki Tanszék. [1]

ACÉLSZERKEZETEK I. LEHÓCZKI Bettina. Debreceni Egyetem Műszaki Kar, Építőmérnöki Tanszék.   [1] ACÉLSZERKEZETEK I. LEHÓCZKI Bettina Debreceni Egyetem Műszaki Kar Építőmérnöki Tanszék E-mail: lehoczki.betti@gmail.com [1] ACÉLSZERKEZETEK I. Gyakorlati órák időpontjai: szeptember 25. október 16. november

Részletesebben

ÁLLATTENYÉSZTÉSI GENETIKA

ÁLLATTENYÉSZTÉSI GENETIKA TÁMOP-4..-08//A-009-000 project ÁLLATTENYÉSZTÉSI GENETIKA University of Debrecen University of West Hungary University of Pannonia The project is supported by the European Union and co-financed by European

Részletesebben

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

[Biomatematika 2] Orvosi biometria. Visegrády Balázs [Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés

Részletesebben

Makromolekulák fizikája

Makromolekulák fizikája Makomoekuák fizikája Bevezetés Az egyedi ánc moekuaméet, áncmode a konfomációt befoyásoó tényezők eoszások Poime odatok köcsönhatások eegyedés fázisegyensúy Moekuatömeg meghatáozás fagyáspontcsökkenés

Részletesebben

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21.

K oz ep ert ek es variancia azonoss ag anak pr ob ai: t-pr oba, F -pr oba m arcius 21. Középérték és variancia azonosságának próbái: t-próba, F -próba 2012. március 21. Hipotézis álĺıtása Feltételezés: a minta egy adott szempont alapján más populációhoz tartozik, mint b minta. Nullhipotézis

Részletesebben

Wilcoxon-féle előjel-próba. A rangok. Ismert eloszlás. A nullhipotézis megfogalmazása H 1 : m 0 0. A medián 0! Az eltérés csak véletlen!

Wilcoxon-féle előjel-próba. A rangok. Ismert eloszlás. A nullhipotézis megfogalmazása H 1 : m 0 0. A medián 0! Az eltérés csak véletlen! 0.0.4. Wlcoxo-féle előel-próba ragok Példa: Va-e hatáa egy zórakoztató flm megtektééek, a páceek együttműködé halamára? ( zámok potértékek) orzám előtte utáa külöbég 0 0 3 3-4 4 5 3 6 3 3 0 7 4 3 8 5 4

Részletesebben

Biostatisztika 2. Dr. Dinya Elek Dr. Solymosi Róbert: Biometria a klinikumban Dr. Dinya Elek: Biostatisztika c. művei alapján

Biostatisztika 2. Dr. Dinya Elek Dr. Solymosi Róbert: Biometria a klinikumban Dr. Dinya Elek: Biostatisztika c. művei alapján Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Biostatisztika 2. Dr. Dinya Elek Dr. Solymosi Róbert: Biometria a klinikumban Dr. Dinya Elek: Biostatisztika

Részletesebben

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26 ANOVA,MANOVA Márkus László 2013. március 30. Márkus László ANOVA,MANOVA 2013. március 30. 1 / 26 ANOVA / MANOVA One-Way ANOVA (Egyszeres ) Analysis of Variance (ANOVA) = szóráselemzés A szórásokat elemezzük,

Részletesebben

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html

Részletesebben

MATEMATIKA HETI 5 ÓRA

MATEMATIKA HETI 5 ÓRA EURÓPAI ÉRETTSÉGI 2008 MATEMATIKA HETI 5 ÓRA IDŐPONT : 2008. június 5 (reggel) A VIZSGA IDŐTARTAMA: 4 óra (240 perc) MEGENGEDETT ESZKÖZÖK: Európai képletgyűjtemény Nem programozható, nem grafikus számológép

Részletesebben

Várható érték:... p Módusz:...

Várható érték:... p Módusz:... NEVEZETES ELOSZLÁSOK. Bernoull-eloszlás: B(, p p ha x = Súlyfüggvény:... P( X = x; p =...ahol: q=-p q ha x = 0 ha p q Várható érték:... p Módusz:... 0 ha p q Varanca:... pq Relatív szórás:... q p. ÁBRA.

Részletesebben

PRA/282000/M. SMART - HENGER Beépített szeleppel és érzékel vel PRA/282000/M Kétoldali m ködés Ø 32... 100 mm

PRA/282000/M. SMART - HENGER Beépített szeleppel és érzékel vel PRA/282000/M Kétoldali m ködés Ø 32... 100 mm ISO 6431 és VDMA 24562 szerinti szabványos henger Összeépített, kpl. egység LED kijelz vel ASI busz vagy multipólusú csatlakozás Beépített 5/2 vagy 5/3 útszelepek (többféle m ködéssel) Fojtószelepek sebességszabályozáshoz

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

Statisztika II előadáslapok. 2003/4. tanév, II. félév

Statisztika II előadáslapok. 2003/4. tanév, II. félév Statisztika II előadáslapok 3/4 tanév, II félév BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az

Részletesebben

KF2 Kenőanyag választás egylépcsős, hengereskerekes fogaskerékhajtóműhöz

KF2 Kenőanyag választás egylépcsős, hengereskerekes fogaskerékhajtóműhöz KF Kenőanyag választás egylépcsős, hengereskerekes fogaskerékhajtóműhöz. Adatválaszték a hajtómű kenéstechnikai számításához No P [kw] n [/s] KA m z z β [fok] d m d m olajhőmérséklet [ C] 6,4 8,5 9 93

Részletesebben

STATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK

STATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK MKOLC EGYETEM Gzáguoá K Üzl oácógzáloá é Móz éz Üzl z é Előlzé éz Tzé VZONYZÁMOK, KÖZÉPÉRTÉKEK-ZÓRÓDÁ Vzozáo. V, V, V. l, b 3. l l... l l b Π 4. - b b 5. V : V : TTZTK KÉPLETGYŰJTEMÉNY É TÁLÁZTOK Nöélboá

Részletesebben

Å ÖÓ ÓÒÓÑ Ø Ð ØÝ ÌÖ Ò Ø ÓÒ ØÓÛ Ö Ø ÙÒ Ð Ø Ö Ð Ô Ö ÒØ º Ö Þ Ö ÒØ º Ö Þ Ò ºÞ ÒØ Ö ÓÖ ÓÒÓÑ Ê Ö Ò Ö Ù Ø Ù Ø ÓÒ Ó ÖÐ ÍÒ Ú Ö ØÝ Þ Æ Ø ÓÒ Ð Ò ½ ÂÙÒ ½¾ ¾¼¼ ½

Å ÖÓ ÓÒÓÑ Ø Ð ØÝ ÌÖ Ò Ø ÓÒ ØÓÛ Ö Ø ÙÒ Ð Ø Ö Ð Ô Ö ÒØ º Ö Þ Ö ÒØ º Ö Þ Ò ºÞ ÒØ Ö ÓÖ ÓÒÓÑ Ê Ö Ò Ö Ù Ø Ù Ø ÓÒ Ó ÖÐ ÍÒ Ú Ö ØÝ Þ Æ Ø ÓÒ Ð Ò ½ ÂÙÒ ½¾ ¾¼¼ ½ Å ÖÓ ÓÒÓÑ Ø Ð ØÝ ÌÖ Ò Ø ÓÒ ØÓÛ Ö Ø ÙÒ Ð Ø Ö Ð Ô Ö ÒØ º Ö Þ Ö ÒØ º Ö Þ Ò ºÞ ÒØ Ö ÓÖ ÓÒÓÑ Ê Ö Ò Ö Ù Ø Ù Ø ÓÒ Ó ÖÐ ÍÒ Ú Ö ØÝ Þ Æ Ø ÓÒ Ð Ò ½ ÂÙÒ ½¾ ¾¼¼ ½ Ì Ú Û ÜÔÖ ÓÒ Ø Ø Ö ÑÝ ÓÛÒ Ò Ó ÒÓØ Ò Ö ÐÝ Ö ÔÖ ÒØ Ø

Részletesebben

PDF created with FinePrint pdffactory Pro trial version Adott egy X folytonos változó, ami normális eloszlású.

PDF created with FinePrint pdffactory Pro trial version  Adott egy X folytonos változó, ami normális eloszlású. Á dott egy X folytonos változó, ami normális eloszlású. X ( µ,σ ) dottak ezen kívül az Y,Y,,Y k diszkrét változók (faktorok) total H 0 : X - re nincs hatással Y Q = Q + Q +... + Q + Q + Q3 +... + Q k hiba

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

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

Logisztikus regresszió

Logisztikus regresszió Logisztikus regresszió Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó (x) Nem metrikus Metrikus Kereszttábla elemzés

Részletesebben

Minőségjavító kísérlettervezés TAGUCHI ÉS SHAININ

Minőségjavító kísérlettervezés TAGUCHI ÉS SHAININ Minőségjavító kísérlettervezés TAGUCHI ÉS SHAININ 1 Taguchi módszere a minőség kísérletes javítására 1. példa Ina Tile: sok a selejt a kemence különböző pontjain a hőmérséklet nem azonos A kemence áttervezése

Részletesebben

Egy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban

Egy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Egy és többváltozós logisztikus regressziós vizsgálatok és alkalmazásaik a klinikumban Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati Klinika 2015-11-26 prohoz@kut.sote.hu

Részletesebben

4 Approximációs algoritmusok szorzatalakú hálózatok esetén

4 Approximációs algoritmusok szorzatalakú hálózatok esetén 4 Approxmácós algortmusok szorzatalakú hálózatok esetén Az MVA-n alapuló approxmácó (Bard-Schwetzer-módszer): Beérkezés tétel: T () = 1 µ [1+ ( 1) ], =1,...,N Iterácó a következő approxmácó használatával:

Részletesebben

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)

H0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) 5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van

Részletesebben

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása

A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása azdaság- és Társadalomtudományi Kar Ipari Menedzsment és Vállakozásgazdaságtan Tanszék A Termelésmenedzsment alapjai tárgy gyakorló feladatainak megoldása Készítette: dr. Koltai Tamás egyetemi tanár Budapest,.

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

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,

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

Bevezetés az ökonometriába

Bevezetés az ökonometriába Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellszelekció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Negyedik előadás, 2010. október

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

A problémamegoldás lépései

A problémamegoldás lépései A problémamegoldás lépései A cél kitűzése, a csoportmunka megkezdése egy vagy többféle mennyiség mérése, műszaki-gazdasági (például minőségi) problémák, megoldás célszerűen csoport- (team-) munkában, külső

Részletesebben

1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit.

1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Határozza meg az átlagos egyedszámot és a szórást. Egyedszám (x i )

Részletesebben

Alumínium szerkezetek tervezése 4. előadás Hegesztett alumínium szerkezetek méretezése az Eurocode 9 szerint Számpéldák.

Alumínium szerkezetek tervezése 4. előadás Hegesztett alumínium szerkezetek méretezése az Eurocode 9 szerint Számpéldák. Szakmérnöki kurzus Alumínium szerkezetek tervezése 4. előadás Hegesztett alumínium szerkezetek méretezése az Eurocode 9 szerint Számpéldák. BME Szilárdságtani és Tartószerkezeti Tanszék Dr. Vigh László

Részletesebben

Bevezetés a Korreláció &

Bevezetés a Korreláció & Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv

Részletesebben

Statistical Inference

Statistical Inference Petra Petrovics Statistical Inference 1 st lecture Descriptive Statistics Inferential - it is concerned only with collecting and describing data Population - it is used when tentative conclusions about

Részletesebben

8. A mérıeszközök képességvizsgálata 1

8. A mérıeszközök képességvizsgálata 1 8. A mérıeszközök képességvizsgálata 1 A vizsgálat célja annak megállapítása, hogy a használt mérıeszköz elég kis hibával használható-e ahhoz, hogy vele a folyamatról információt szerezzünk. Az AIAG (Automotive

Részletesebben

Teljesítménynyilatkozat R4308KPCPR

Teljesítménynyilatkozat R4308KPCPR Teljesítménynyilatkozat R4308KPCPR 1. A terméktípus egyedi azonosító kódja. MPE, FRK, FKD S, FKD S C1, FKD S C2, PTE, DF, TPS, PTP035, TPT, FKD S, FKD S C1, FKD S C2, PTP035, DP-12, TPT, BS-12 2. Típus-,

Részletesebben

Minitab 16 újdonságai május 18

Minitab 16 újdonságai május 18 Minitab 16 újdonságai 2010. május 18 Minitab 16 köszöntése! A Minitab statisztikai szoftver új verziója több mint hetven újdonságot tartalmaz beleértve az erősebb statisztikai képességet, egy új menüt

Részletesebben

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Nemparaméteres módszerek Krsztna Boda PhD SZTE ÁOK Orvos Fzka és Orvos Informatka Intézet Paraméteres próbák Paraméter: egy szám, amely a populácó eloszlását jellemz (és általában meghatározza). A normáls

Részletesebben

y ij e ij STATISZTIKA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 12. Előad Variancia-anal Lineáris modell ltozó

y ij e ij STATISZTIKA let A variancia-anal telei Alapfogalmak 2. Alapfogalmak 1. ahol: 12. Előad Variancia-anal Lineáris modell ltozó Elmélet let STATISZTIKA 12. Előad adás Vaiancia-anal analízis Lineáis modellek A magyaázat a függf ggő változó teljes heteogenitásának nak két k t észe bontását t jelenti. A teljes heteogenitás s egyik

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

A sokaság/minta eloszlásának jellemzése

A sokaság/minta eloszlásának jellemzése 3. előadás A sokaság/mnta eloszlásának jellemzése tpkus értékek meghatározása; az adatok különbözőségének vzsgálata, a sokaság/mnta eloszlásgörbéjének elemzése. Eloszlásjellemzők Középértékek helyzet (Me,

Részletesebben

Typotex Kiadó. Jelölések

Typotex Kiadó. Jelölések Jelölések a = dolgozók fogyasztása (12. fejezet és A. függelék) a i = egyéni tőkeállomány i éves korban A = társadalmi (aggregált) tőkeállomány b j = egyéni nyugdíj j éves korban b k = k-adik nyugdíjosztály

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