Statisztika GI II félév. Paraméteres Nem-paraméteres Desc Linkek Desc 1.dolgozat

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "Statisztika GI II félév. Paraméteres Nem-paraméteres Desc Linkek Desc 1.dolgozat"

Átírás

1 Statisztika GI II félév Paraméteres Nem-paraméteres Desc Linkek Desc 1.dolgozat 1

2 Paraméteres Egymintás Kétmintás Statisztika GI II félév 2

3 Egymintás Várható érték Szórásnégyzet-szórás Arány Paraméteres 3

4 Várható érték Z-próba t-próba Egymintás 4

5 Z-próba Desc képlet Fa palack Fa tea Várható érték 5

6 Desc képlet X N (µ, σ) σ ismert H 0 : µ = µ 0... Z = X µ 0 = X µ 0 H n 0 N (0, 1) σ n σ Z-próba 6

7 Fa palack Egy teherautórakománnyi félliteres üdít italból 10 palackot véletlenszer en kiválasztva és lemérve azok rtartalmát az alábbi, milliliterben kifejezett értékeket kaptuk: Ismert, hogy a palackokba töltött üdít ital mennyisége normális eloszlású 3 ml szórással. 95 %-os döntési szintet használva vizsgálja meg a gyártó azon állítását, hogy a palackokba átlagosan fél liter üdít italt töltöttek! Mo palack Z-próba 7

8 Mo palack 1-mintás z-próba n = 10 X = z = = = = 0.74 = z = z = Fa palack Z-próba 8

9 Fa tea Az Ezt idd teát 200 grammos dobozokban árulják, a csomagológép szórása 4 gramm. A Fogyasztóvédelmi Felügyel ség lemérte öt véletlenszer en kiválasztott teásdoboz tömegét, melyekre az alábbi grammban kifejezett értékek adódtak: Hipotéziseit pontosan megfogalmazva és feltételezve, hogy a teásdobozok tömege normális eloszlást követ, döntsön 98 %-os szinten arról, hogy az átlagos tölt tömeg tényleg 200 gramm, avagy kevesebb annál! Mo tea Z-próba 9

10 Mo tea 1-mintás z-próba X = z = n = = = = = 1.90 z = z = Fa tea Z-próba 10

11 t-próba Desc képlet Fa búza Fa szintid Fa kokszföld Várható érték 11

12 Desc képlet X N (µ, σ) σ-t nem ismerjük H 0 : µ = µ 0... t = X µ 0 s = X µ 0 H n 0 n s t (n 1) s = ( (X1 X) (X n X) 2 n 1 ) 1 2 t-próba 12

13 Fa búza Egy gabonaraktárban 60 kg-os kiszerelésben búzát csomagolnak. A havi min ségellen rzés során azt is meg akarták vizsgálni, hogy a raktárból kikerül zsákokban tényleg 60 kg búza van-e, ezért lemértek tíz darab véletlenül kiválasztott zsákot. Eredményül a következ ket kapták: Hipotéziseit pontosan megfogalmazva döntsön 95 %-os szinten arról, hogy a zsákok átlagos tölt tömege tényleg 60 kg-e! Feltételezzük, hogy a zsákok tölt tömege normális eloszlású. Mo búza t-próba 13

14 Mo búza 1-mintás t-próba n = 10 s = X = = = ( ( ) ( ) 2 9 )1 2 = = ( ) = s = 2.51 n 3.16 = 0.79 t = = = 3.20 t (9) = t(9) = Fa búza t-próba 14

15 Fa szintid Egy üzem gyártósorán az egyik szerelési feladatra megadott szintid 9 perc. Ezen feladaton dolgozó alkalmazottak már többször kérték a szintid felemelését, mivel véleményük szerint az nem elegend a feladat elvégzésére. Az üzem vezet sége egy ellen rt küldött ki, aki 12 véletlenszer en kiválasztott alkalommal megmérte a feladat elvégzéséhez szükséges id t, és a következ ket kapta: Feltételezve, hogy a feladat elvégzéséhez szükséges id normális eloszlású, hipotéziseit pontosan megfogalmazva döntsön 99 %-os szinten, igazuk van-e a munkásoknak! Mo szintid t-próba 15

16 Mo szintid 1-mintás t-próba n = 12 s = X = = = 9.22 ( ( ) ( ) 2 11 )1 2 = = ( ) = s = 0.22 n 3.46 = 0.06 t = = = 3.51 t (11) = t(11) = Fa szintid t-próba 16

17 Fa kokszföld Az atlétikai világbajnokságon résztvev kokszföldi csapat néhány versenyz je arra panaszkodott, hogy a leadott doppingtesztjeiket nem megfelel en analizálták és az egyik szernek túlságosan magas koncentrációját mutatták ki, minek következtében a versenybíróság törölte az eredményeiket. A Kokszföldi Atlétikai Szövetség a laboratóriumot tesztelend nyolc mintát küldött, melyek mindegyikében a kérdéses anyag koncentrációja pontosan g/l volt. A laboratórium az alábbi eredményeket szolgáltatta: A labor méréseit normális eloszlásúnak tételezve fel, döntsön 95 %-os szinten, igazuk van-e az atlétáknak! Mo kokszföld t-próba 17

18 Mo kokszföld 1-mintás t-próba n = 8 s = X = = = 0.52 ( ( ) ( ) 2 7 )1 2 = = ( ) = s = 0.04 n 2.83 = 0.01 t = = = t (7) = t(7) = Fa kokszföld t-próba 18

19 Szórásnégyzet-szórás χ 2 -próba Egymintás 19

20 χ 2 -próba Desc képlet Fa rlapok Fa cs vágó Szórásnégyzet-szórás 20

21 Desc képlet X N (µ, σ) µ ismert H 0 : σ 2 = σ 2 0 χ 2 = (n 1)s2 σ 2 0 ( ) 2 s H0 = (n 1) σ 0 χ 2 df=n 1 χ 2 -próba 21

22 Fa rlapok rlapok kitöltésével kapcsolatos - monoton - munkát végz k bizonyos hibaszázalékkal dolgoznak. Hosszútávú meggyelések szerint egy hónapban 35 darab az elrontott rlapok várható száma. A vizsgált változó normális eloszlása feltételezhet. A szórás korábbi tapasztalatok szerint 6 darab. Egy tíz f re kiterjed mintában az elrontott rlapok száma egy hónapban az alábbi volt: Hipotézisét pontosan megfogalmazva 95 %-os szinten döntsön arról, hogy a hibás rlapok számának szórása lehet-e 6 darab! Mo rlapok χ 2 -próba 22

23 Mo rlapok 1-mintás χ 2 -próba n = 10 s = ( ( ) ( ) 2 9 )1 2 = = ( ) = χ 2 = 9 ( ) = χ , df=9 = χ , df=9 = χ , df=9 = χ , df=9 = Fa rlapok χ 2 -próba 23

24 Fa cs vágó Egy cs vágó-automata gépnek 1200 mm hosszú cs darabokat kell levágnia. a gyártásközi ellen rzés feladata annak megállapítása, hogy a gép által gyártott darabok hosszmérete megfelel-e az el írásoknak. El z adatfelvételb l ismert, hogy a szóban forgó gép által gyártott darabok hossza normális eloszlású 3 mm szórással. Az ellen rzéshez kiválasztottak egy 16 elem mintát. A cs darabok hossza a mintában: A gyár részlegvezet je azt mondja, hogy a csövek hosszának szórása nem haladja meg a 3 mm-t. Hipotézisét pontosan megfogalmazva döntsön 99 %-os szinten arról, hogy igaza van-e a részlegvezet nek! Mo cs vágó χ 2 -próba 24

25 Mo cs vágó 1-mintás χ 2 -próba n = 16 s = ( ( ) ( ) 2 15 )1 2 = = ( ) = χ 2 = 15 ( ) = χ , df=15 = χ , df=15 = χ , df=15 = χ , df=15 = Fa cs vágó χ 2 -próba 25

26 Arány Desc képlet Fa dalfesztivál Fa beszállító Egymintás 26

27 Desc képlet H 0 : p = p 0 (...) Z = k n p 0 p 0 (1 p 0 ) n = ˆp p 0 p 0 (1 p 0 ) n H 0 N (0, 1) A póbastatisztika normalitása csak közelít leg teljesül, a gyakorlatban min(np 0, n(1 p 0 )) 5 esetén elfogadhatónak tartják a közelítést. Arány 27

28 Fa dalfesztivál Egy négy évvel ezel tti felmérés során azt az eredményt kapták, hogy a középiskolák diákjainak 43 %-a nézte az Eurovíziós Dalfesztivál magyarországi nemzeti válogatóját. A napokban hasonló felmérést végeztek az iskolákban: 750 megkérdezett közül 550 diák nézte idén a válogatót. 90 %-os szinten döntsön arról, hogy változott-e a a dönt t néz k aránya a négy évvel ezel ttihez képest! Mo dalfesztivál Arány 28

29 Mo dalfesztivál 1-mintás arány-próba ( 0.43 (1 0.43) )1 2 ( ) = = z = = = küszöb = min(0.43, 0.57) = z = z = z = z = Fa dalfesztivál Arány 29

30 Fa beszállító Egy élelmiszerbolt-hálózat üzleteibe érkez import baracknak eddig átlagosan 15 %-a sérült meg szállítás közben. Miután beszállítót váltottak, az új szállítmányból megvizsgáltak 50 barackot. Ezek között 3 sérültet találtak. 95 %-os szinten döntsön arról, hogy megérte-e lecserélni a régi beszállítót. Mo beszállító Arány 30

31 Mo beszállító 1-mintás arány-próba ( 0.15 (1 0.15) 50.0 )1 2 ( ) = = z = = = küszöb = 50.0 min(0.15, 0.85) = 7.50 z = z = z = z = Fa beszállító Arány 31

32 Kétmintás Várható érték Szórásnégyzet Arány Paraméteres 32

33 Várható érték Z-próba t-próba (független) páros mintás t-próba Kétmintás 33

34 Z-próba Desc képlet Fa vonatok Várható érték 34

35 Desc képlet H 0 : µ X µ Y = δ 0... Z = X Y δ 0 σ 2 X n + σ2 Y X n Y H 0 N (0, 1) Z-próba 35

36 Fa vonatok Egy átlagos januári napon 6 InterCity vonatot vizsgáltak, hogy mennyi id alatt (perc) teszi meg a Debrecen-Budapest utat. A menetid k: 155, 162, 158, 164, 157, 156 Két nap múlva leesett 10 cm hó. Ezen a napon 7 InterCity vonat menetidejét (perc) mérték le Debrecen és Budapest között. Akkor az alábbi id ket kapták: 177, 183, 169, 178, 166, 191, 168 A vonatok menetidejét normális eloszlásúnak tekintjük. Az utasok szerint a hóesés több mint 10 perces késést eredményezett ezen a vonalon. 95 %-os szinten döntsünk, igazuk van-e az utasoknak, ha korábbi tapasztalatokból tudjuk, hogy amikor nincs hó, akkor a menetid szórása 3 perc, míg hóeséskor 10 perc! Mo vonatok Z-próba 36

37 Mo vonatok 2-mintás z-próba X : jóid ben, Y : hóban X = Y = z = = = = = = = 4.36 z = z = z = Tehát adott szinten a minta... Fa vonatok Z-próba 37

38 t-próba (független) Desc képlet Fa kávé Fa golabda Várható érték 38

39 Desc képlet független-mintás t-próba. normális független sokaságok, a szórások nem ismertek, de egyenl nek tételezzük fel ket. H 0 : µ X µ Y = δ 0... t = X Y δ 0 s 1 p n + 1 X n Y s p = H 0 tdf=nx +n Y 2 (n X 1)s 2 x + (n Y 1)s 2 y n X + n Y 2 t-próba (független) 39

40 Fa kávé Kétfajta instant kávé oldódási idejét tesztelték, melyekb l minden alkalommal azonos mennyiséget tettek 1 dl forrásban lev vízbe. A kísérletek eredményei az alábbiak voltak: Mokka Makka: 8.2, 5.0, 6.8, 6.7, 5.8, 7.3, 6.4, 7.8 Koe In: 5.1, 4.3, 3.4, 3.7, 6.1, 4.7 Az oldódási id ket normálisnak tételezve fel, 95 %-os szinten vizsgáljuk meg azt az állítást, hogy a Mokka Makka kávé lassabban oldódik, mint a Koe In! Mo kávé t-próba (független) 40

41 Mo kávé független sokaságok, nem ismertek a szórások, de feltesszük hogy egyenl ek. jelölés: X : Mokka, Y : Koe n X = 8, n Y = 6 α = 0.05 H 0 : µ X µ Y 0 H 1 : µ X µ Y > 0 X = 6.75, Y = 4.55 s 2 X = , s 2 Y = s p = = t = = c f = t 0.95, df=12 = 1.782, t c f Tehát adott szinten a minta nem támasztja alá H 0 -at - elvetjük, vagyis elfogadható az az állítás hogy a Mokka lassabban oldódik. Fa kávé t-próba (független) 41

42 Fa golabda Az angliai New Dumber golabdagyárában egy újfajta golabda borítást fej- lesztettek ki. A tesztek azt mutatták, hogy ez az új borítás jóval ellenállóbb, mint a hagyományos. Felmerült azonban a kérdés hogy az új borítás nem változtatja-e meg az átlagos ütéstávolságot. Ennek eldöntésére 42 labdát próbáltak ki, 26 hagyományosat és 16 labdát az újak közül. A labdákat géppel l tték ki, elkerülve ezzel az emberi tényez okozta szóródást. A yardban mért ütéstávolságok összesít adatait, mely távolságokat mindkét esetben normális eloszlásúnak tételezzük fel, az alábbi láthatjuk: Hagyományos: n = 26, átlag = 271.4, s 2 = Új: n = 16, átlag = 268.7, s 2 = %-os szinten vizsgáljuk meg, hogy az új borítás megváltoztatja-e az átlagos ütéstávolságot! Mo golabda t-próba (független) 42

43 Mo golabda független sokaságok, nem ismertek a szórások, de feltesszük hogy egyenl ek. jelölés: X : Hagyományos, Y : Új n X = 26, n Y = 16 α = 0.05 H 0 : µ X µ Y = 0 H 1 : µ X µ Y 0 s p =? t =? c f = t?, df=? =?, Tehát adott szinten a minta... Fa golabda t-próba (független) 43

44 páros mintás t-próba Desc képlet Fa pulzus Várható érték 44

45 Desc képlet páros-mintás t-próba, a különbség normális, ismereteln szórás H 0 : µ d = δ 0... t = d δ 0 H 0 s d tdf=n 1 páros mintás t-próba 45

46 Fa pulzus Egy felmérésben 12 azonos életkorú sportoló pulzusát mérik terhelés után azonnal és egy perc múlva. Az eredmények az alábbiak voltak: Döntsön átlagosan 90 %-os szinten arról, igaz-e hogy a terhelés után egy perccel 20 -szal kevesebb a sportolók pulzusa! Mo pulzus páros mintás t-próba 46

47 Mo pulzus Fa pulzus páros mintás t-próba 47

48 Szórásnégyzet F-próba Kétmintás 48

49 F-próba Desc Képlet Fa kávék Fa játék Fa mérleg Szórásnégyzet 49

50 Desc Képlet függetlenek X 1,..., X nx N (µ X, σ X ) Y 1,..., Y ny N (µ Y, σ Y ) H 0 : σ X = σ Y... F = s2 X s 2 Y H 0 F nx 1, ny 1 Mj.: A nagyobbikat válasszuk számlálónak. F-próba 50

51 Fa kávék Kétfajta instant kávé oldódási idejét tesztelték, melyekb l minden alkalommal azonos menynyiséget tettek 1 dl forrásban lév vízbe. A kísérletek eredményei az alábbiak voltak: Mokka Makka: Koe In: Az oldódási id ket normálisnak tételezve fel, 95 %-os szinten igazoljuk, hogy nincs különbség az oldódási id k szórása között! Mo kávék F-próba 51

52 Mo kávék X = = = 6.75 s 2 X = ( ) ( ) 2 7 Y = = = = 4.55 = 1.09 s 2 Y = ( ) ( ) 2 5 = = 0.97 F 0.025, dfnum =5, df den=7 = F 0.025, dfnum =7, df den=5 = F 0.975, dfnum =5, df den=7 = F 0.975, dfnum =7, df den=5 = Fa kávék F-próba 52

53 Fa játék Egy bevásárlóközpontban lév 3-6 éves gyerekek részére kialakított játékházban egy új készségfejleszt játék fogadtatását tesztelik az ott megfordulók közül véletleszer en kiválasztott úk és lányok segítségével. Az eredmények a következ k: nem n átlag tap. szórás ú lány A játékkal töltött id t normális eloszlásúnak tekintjük. Döntsön 95 %-os szinten, hogy azonosnak tekinthet -e a úk és a lányok adott játékkal töltött idejének szórása! Mo játék F-próba 53

54 Mo játék F 0.025, dfnum =20, df den=24 = F 0.025, dfnum =24, df den=20 = F 0.975, dfnum =20, df den=24 = F 0.975, dfnum =24, df den=20 = Fa játék F-próba 54

55 Fa mérleg Két különböz típusú mérleg összehasonlítására kísérleteket végeztek oly módon, hogy ugyanazt a tárgyat többször megmérték mindkét mérlegen. Az egyiken 30, a másikon 41 mérést végeztek, az eredmények (tapasztalati) szórása 72 és 98 mg volt. A mérési eredmények eloszlása mindkét esetben normálisnak tekinthet. 95 %-os szinten ellen rizze, hogy a második mérleg nagyobb szórással mér-e! Mo mérleg F-próba 55

56 Mo mérleg F 0.025, dfnum =29, df den=40 = F 0.025, dfnum =40, df den=29 = F 0.975, dfnum =29, df den=40 = F 0.975, dfnum =40, df den=29 = Fa mérleg F-próba 56

57 Arány Desc Képlet Fa Vásárlás Fa Szappan Kétmintás 57

58 Desc Képlet nagy mintás, közelít próba P X, P Y : elméleti arányok p X = k X n X, p Y = k Y n Y : meggyelt (mintabeli) arányok q X = 1 p X q Y = 1 p Y H 0 : p X p Y = δ 0... Z = p X p Y px q X n X + p Y q Y n Y H 0 N (0, 1) Ha δ 0 = 0 akkor a következ pontosabb: p = n Xp X + n Y p Y n X + n Y = k X + k Y n X + n Y q = 1 p H 0 : p X p Y = 0... Z = p X p Y ( p q 1 n X + 1 n Y ) H 0 N (0, 1) Arány 58

59 Fa Vásárlás Egy áruházból kifelé menet 500 f t, köztük 350 n t és 150 fért kérdeztek meg véletleszer en arról, hogy vásárolt-e. A n k közül 210 -en, a férak közül 60 -an válaszoltak igennel. 95 %-os szinten ellen rizze, hogy igaz-e az a feltevés, hogy a n k általában több mint 10 Mo Vásárlás Arány 59

60 Mo Vásárlás p X = = 0.60 p Y = = 0.40 Z = = 2.09 z = z = z = z = Fa Vásárlás Arány 60

61 Fa Szappan Egy kozmetikumokat árusító üzletben tíz nap alatt 460 db szappant adtak el, melyb l 138 db volt Kék-Vörös márkájú. Miután a Kék-Vörös szappan csomagolását megváltoztatták, újabb tíznapos meggyelés szerint 400 eladott szappan közül 160 db volt a Kék- Vörös márkájú. Állítható-e 99 %-os szinten, hogy az új csomagolás növeli a Kék-Vörös piaci részesedését? Mo Szappan Arány 61

62 Mo Szappan p X = = 0.30 p Y = = 0.40 Z = = 3.08 z = z = z = z = Fa Szappan Arány 62

63 Nem-paraméteres Illeszkedés Függetlenség Homogenitás Statisztika GI II félév 63

64 Illeszkedés Desc Képlet Nem-paraméteres 64

65 Desc Képlet χ 2 = k i=1 H 0 : P (C i ) = P i... ( (f i np i ) 2 k ) gi 2 = n np i P i i=1 H 0 χ 2 df=k 1 jobboldali-jelleg, fels kritikus értékkel számolunk. Illeszkedés 65

66 Függetlenség Desc Képlet Nem-paraméteres 66

67 Desc Képlet χ 2 = i,j H 0 : P i,j = P i. P.j ( nij nij) 2 n = n n 2 ij 1 H 0 χ 2 df=(r 1)(c 1) ij n i,j i. n.j jobboldali. Függetlenség 67

68 Homogenitás Desc Képlet Nem-paraméteres 68

69 Desc Képlet H 0 : XésY azonos eloszlású jobboldali χ 2 = n X n Y k i=1 1 n Xi + n Yi ( nxi n ) 2 Y i H0 χ 2 n X n df=k 1 Y Homogenitás 69

70 Desc Linkek jelenléti képletek feladatsor táblázatok sav hipotézis általában 1 mintás 2 mintás nemparaméteres regresszió id sorok Statisztika GI II félév 70

71 Desc 1.dolgozat Papíros feladat: Az "Ezt idd" teát 20 grammos dobozokban árulják. A Fogyasztóvédelmi Felügyel ség lemérte 9 véletlenszer en kiválasztott teásdoboz tölt -tömegét, melyekre az alábbi grammban kifejezett értékek adódtak: Hipotéziseit pontosan megfogalmazva és feltételezve, hogy a teásdobozok tölt -tömege normális eloszlást követ, döntsön 98 %-os szinten arról, hogy az átlagos tölt tömeg tényleg 20 gramm, avagy kevesebb annál! Gépes feladat: Két cégnél vizsgálták a kereseteket. Az adatokat ITT találjuk. Döntsünk 90 %-os szinten arról, hogy különböznek-e az átlagkeresetek a cégeknél. t 0.98, df=8 = t 0.99, df=8 = , t 0.95, df=8 = t 0.95, df=20 = t 0.99, df=20 = t 0.90, df=20 = Statisztika GI II félév 71

Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai)

Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai) Gyakorlat (Statisztika alapjai) 2018. december 2. Statisztika alapjai 1 A mérnökinformatikus hallgatók zárthelyi dolgozatot írtak, ahol a maximális pontszám 50 pont volt. Véletlenszer en megnéztük 5 hallgató

Részletesebben

Hipotézisvizsgálat R-ben

Hipotézisvizsgálat R-ben Hipotézisvizsgálat R-ben 1-mintás u-próba Az elmúlt évben egy, az Antarktiszon talált királypingvinkolónia esetén a pingvinek átlagos testtömege 15.4 kg volt. Idén ugyanebből a kolóniából megmérték 35

Részletesebben

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák) Gyakorlat (Kétmintás próbák) 2018. december 4. Kétmintás u-próba 1 Adott két független minta 0.0012 szórású normális eloszlásból. Az egyik, 9 elem minta realizációjának átlaga 0.1672, a másik 16 elem é

Részletesebben

Normális eloszlás paramétereire vonatkozó próbák

Normális eloszlás paramétereire vonatkozó próbák Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő

Részletesebben

499, 525, 498, 503, 501, 497, 493, 496, 500, 495

499, 525, 498, 503, 501, 497, 493, 496, 500, 495 1. Várható értékre vonatkozó próbák (1) Egy teherautórakománnyi félliteres üdítőitalból 10 palackot véletleszerűen kiválasztva és lemérve azok űrtartalmát az alábbi, milliliterben kifejezett értékeket

Részletesebben

A konfidencia intervallum képlete: x± t( α /2, df )

A konfidencia intervallum képlete: x± t( α /2, df ) 1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,

Részletesebben

Biometria gyakorló feladatok BsC hallgatók számára

Biometria gyakorló feladatok BsC hallgatók számára Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90

Részletesebben

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Populációbecslés és monitoring. Eloszlások és alapstatisztikák Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk

Részletesebben

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris

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

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

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

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

Részletesebben

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H

Részletesebben

Kettőnél több csoport vizsgálata. Makara B. Gábor

Kettőnél több csoport vizsgálata. Makara B. Gábor Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef. Feladatok Gazdaságstatisztika 7. Statisztikai becslések (folyt.); 8. Hipotézisvizsgálat

Részletesebben

[Biomatematika 2] Orvosi biometria

[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

Részletesebben

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) = 1 Egy dobozban hat fehér golyó van Egy szabályos dobókockával dobunk, majd annyi piros golyót teszünk a dobozba, amennyit dobtunk Ezután véletlenszer en húzunk egy golyót a dobozból (a) Mi a valószín sége,

Részletesebben

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November

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

y ij = µ + α i + e ij

y 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

Statisztikai módszerek 7. gyakorlat

Statisztikai módszerek 7. gyakorlat Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ 2 próbával Homogenitás-vizsgálat Χ 2 próbával Normalitás-vizsgálataΧ 2 próbával MIRE SZOLGÁL? A val.-i

Részletesebben

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58 u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ

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

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. 9. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari

Részletesebben

Nemparaméteres próbák

Nemparaméteres próbák Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu

Részletesebben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben 1 feladatsor 1 Egy dobozban 20 fehér golyó van Egy szabályos dobókockával dobunk, majd a következ t tesszük: ha a dobott szám 1,2 vagy 3, akkor tíz golyót cserélünk ki pirosra; ha a dobott szám 4 vagy

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

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e

Részletesebben

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely. Kiválasztás A változó szerint Egymintás t-próba Mann-Whitney U-test paraméteres nem-paraméteres Varianciaanalízis De melyiket válasszam? Kétmintás t-próba Fontos, hogy mindig a kérdésnek és a változónak

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak

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

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157. Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.

Részletesebben

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának? Statisztika 2015. május 08. D csoport Név Neptun kód 1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik pályázatnál 320 pályázóból 42 nyert, a másik pályázatnál

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

STATISZTIKA PÉLDATÁR

STATISZTIKA PÉLDATÁR STATISZTIKA PÉLDATÁR www.matektanitas.hu www.matektanitas.hu info@matektanitas.hu 1 Minden feladat csak szöveges válasszal együtt ad teljes értékű megoldást! Becslés 1. feladat Az alábbi táblázat megadja

Részletesebben

Baran Sándor. Feladatok a hipotézisvizsgálat

Baran Sándor. Feladatok a hipotézisvizsgálat Baran Sándor Feladatok a hipotézisvizsgálat témaköréből mobidiák könyvtár Baran Sándor Feladatok a hipotézisvizsgálat témaköréből mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas István Baran Sándor Debreceni

Részletesebben

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk

Részletesebben

Baran Sándor. Feladatok a hipotézisvizsgálat

Baran Sándor. Feladatok a hipotézisvizsgálat Baran Sándor Feladatok a hipotézisvizsgálat témaköréből mobidiák könyvtár Baran Sándor Feladatok a hipotézisvizsgálat témaköréből mobidiák könyvtár SOROZATSZERKESZTŐ Fazekas István Baran Sándor Debreceni

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria 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

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

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni

Részletesebben

egyetemi jegyzet Meskó Balázs

egyetemi jegyzet Meskó Balázs egyetemi jegyzet 2011 Előszó 2. oldal Tartalomjegyzék 1. Bevezetés 4 1.1. A matematikai statisztika céljai.............................. 4 1.2. Alapfogalmak......................................... 4 2.

Részletesebben

Az első számjegyek Benford törvénye

Az első számjegyek Benford törvénye Az első számjegyek Benford törvénye Frank Benford (1883-1948) A General Electric fizikusa Simon Newcomb (1835 1909) asztronómus 1. oldal 2. oldal A híres arizonai csekk sikkasztási eset http://www.aicpa.org/pubs/jofa/may1999/nigrini.htm

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

Részletesebben

Hipotézis vizsgálatok

Hipotézis vizsgálatok Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével

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

Függetlenségvizsgálat, Illeszkedésvizsgálat

Függetlenségvizsgálat, Illeszkedésvizsgálat Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata

Részletesebben

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézis Állítás a populációról (vagy annak paraméteréről) Példák H1: p=0.5 (a pénzérme

Részletesebben

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi fizika és statisztika I. előadás 2016.11.09 Orvosi

Részletesebben

Valószín ségszámítás és statisztika

Valószín ségszámítás és statisztika Valószín ségszámítás és statisztika Informatika BSc, esti tagozat Backhausz Ágnes agnes@math.elte.hu fogadóóra: szerda 10-11 és 13-14, D 3-415 2018/2019. tavaszi félév Bevezetés A valószín ségszámítás

Részletesebben

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont)

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont) VIZSGADOLGOZAT (100 pont) A megoldások csak szöveges válaszokkal teljes értékűek! I. PÉLDÁK (60 pont) 1. példa (13 pont) Az egyik budapesti könyvtárban az olvasókból vett 400 elemű minta alapján a következőket

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

Normális eloszlás tesztje

Normális eloszlás tesztje Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra

Részletesebben

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai

Részletesebben

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és Feladatok 2 zh-ra 205 április 3 Eseményalgebra Feladat Az A és B eseményekr l tudjuk, hogy P (A) = 0, 7, P (B) = 0, 4 és P (A B) = 0, 5 Határozza meg az A B esemény valószín ségét! P (A B) = 0, 2 2 Feladat

Részletesebben

Biostatisztika Összefoglalás

Biostatisztika Összefoglalás Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

Nemparametrikus tesztek. 2014. december 3.

Nemparametrikus tesztek. 2014. december 3. Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha

Részletesebben

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos: A. Matematikai Statisztika 2.MINTA ZH. 2003 december Név (olvasható) :... A feladatmegoldásnak az alkalmazott matematikai modell valószínűségszámítási ill. statisztikai szóhasználat szerinti megfogalmazását,

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

nem kezelt 1.29, 1.60, 2.27, 1.31, 1.81, 2.21 kezelt 0.96, 1.14, 1.59

nem kezelt 1.29, 1.60, 2.27, 1.31, 1.81, 2.21 kezelt 0.96, 1.14, 1.59 1. feladat Egy szer rákellenes hatását vizsgálták úgy, hogy 9 egér testébe rákos sejteket juttattak be. Közülük 3 véletlenszerűen kiválasztott egérnek kezelésként beadták a vizsgálandó szert, 6-nak pedig

Részletesebben

Folyadékszcintillációs spektroszkópia jegyz könyv

Folyadékszcintillációs spektroszkópia jegyz könyv Folyadékszcintillációs spektroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc I. Mérés vezet je: Horváth Ákos Mérés dátuma: 2010. október 21. Leadás dátuma: 2010. november 8. 1 1. Bevezetés A mérés

Részletesebben

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,

Részletesebben

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687) STATISZTIKA 10. Előadás Megbízhatósági tartományok (Konfidencia intervallumok) Sir Isaac Newton, 1643-1727 Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

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

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése 4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól

Részletesebben

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz Elméleti összefoglaló a Sztochasztika alapjai kurzushoz 1. dolgozat Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet

Részletesebben

Rugalmas állandók mérése

Rugalmas állandók mérése KLASSZIKUS FIZIKA LABORATÓRIUM 2. MÉRÉS Rugalmas állandók mérése Mérést végezte: Enyingi Vera Atala ENVSAAT.ELTE Mérés időpontja: 2011. november 16. Szerda délelőtti csoport 1. A mérés rövid leírása Mérésem

Részletesebben

Eloszlás-független módszerek 13. elıadás ( lecke)

Eloszlás-független módszerek 13. elıadás ( lecke) Eloszlás-független módszerek 13. elıadás (25-26. lecke) Rangszámokon alapuló korrelációs együttható A t-próbák és a VA eloszlásmentes megfelelıi 25. lecke A Spearman-féle rangkorrelációs együttható A Kendall-féle

Részletesebben

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az

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

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév 6. elıadás Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább

Részletesebben

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018 Hipotézisvizsgálat az Excel adatelemző eljárásaival Dr. Nyéki Lajos 2018 Egymintás t-próba Az egymintás T-próba azt vizsgálja, hogy különbözik-e a változó M átlaga egy megadott m konstanstól. Az a feltételezés,

Részletesebben

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József Matematika III. 9. : Statisztikai hipotézisek Prof. Dr. Závoti, József Lektor : Bischof, Annamária Ez a modul a TÁMOP - 4.1.2-08/1/A-2009-0027

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

NEVEZETES FOLYTONOS ELOSZLÁSOK

NEVEZETES FOLYTONOS ELOSZLÁSOK Bodó Beáta - MATEMATIKA II 1 NEVEZETES FOLYTONOS ELOSZLÁSOK EXPONENCIÁLIS ELOSZLÁS 1. A ξ valószínűségi változó eponenciális eloszlású 80 várható értékkel. (a) B Adja meg és ábrázolja a valószínűségi változó

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

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke

Részletesebben

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet Biostatisztika Sz cs Gábor Szegedi Tudományegyetem, Bolyai Intézet 2018/19 tavaszi félév Bevezetés Tudnivalók, követelmények Tudnivalók, követelmények Félév tematikája: Értékelés: Valószín ségszámítás

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi

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

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem. Elemi esemény: a kísérlet egyes lehetséges egyes lehetséges kimenetelei.

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus

Részletesebben

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2? HIPERGEO. BINOM. POISSON 4.1. Egy üzletben 100-an vásárolnak, közülük 80-an rendelkeznek bankkártyával. A pénztárnál 10-en állnak sorba, mi a valószínűsége, hogy 7-nek lesz bankkártyája? 4.2. Egy üzletben

Részletesebben

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Elméleti összefoglaló a Valószín ségszámítás kurzushoz Elméleti összefoglaló a Valószín ségszámítás kurzushoz Véletlen kísérletek, események valószín sége Deníció. Egy véletlen kísérlet lehetséges eredményeit kimeneteleknek nevezzük. A kísérlet kimeneteleinek

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

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak. 8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral

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

Helyzetmutatók, szóródási mutatók, alakmutatók

Helyzetmutatók, szóródási mutatók, alakmutatók Helyzetmutatók, szóródási mutatók, alakmutatók 1. A következ táblázat 48 darab 70 nm körüli budapesti lakás áráról 1995-ben összegy jtött információkat foglalja össze. Egészítse ki a táblázatot az alábbi

Részletesebben

Statisztika példatár

Statisztika példatár Statisztika példatár v0.02 A példatár folyamatosan b vül, keresd a frissebb verziót a http://matstat.fw.hu honlapon a letölthet példatárak közt. Országh Tamás Budapest, 2006 Mottó: Ki kéne vágni minden

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