Statisztika GI II félév. Paraméteres Nem-paraméteres Desc Linkek Desc 1.dolgozat
|
|
- Katalin Péterné
- 5 évvel ezelőtt
- Látták:
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)
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
RészletesebbenHipotézisvizsgálat 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
RészletesebbenValószín 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
RészletesebbenNormális 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
RészletesebbenGVMST22GNC 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
Részletesebben499, 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
RészletesebbenA 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,
RészletesebbenBiometria 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
RészletesebbenPopulációbecslés 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
RészletesebbenHipotézis 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
RészletesebbenStatisztika 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
RészletesebbenKabos: 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,
RészletesebbenBevezetés 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 -
Részletesebben1. 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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenHipotézis, 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
RészletesebbenKettőnél 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
RészletesebbenNagy 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
RészletesebbenSTATISZTIKA. 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
RészletesebbenFEGYVERNEKI 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
RészletesebbenIntervallumbecsle 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 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát
Részletesebben2. 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,
RészletesebbenBiomatematika 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
RészletesebbenEloszlás-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
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenStatisztikai 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
RészletesebbenHipotéziselmélet - 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
RészletesebbenStatisztika - 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
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenStatisztika 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
RészletesebbenNemparaméteres 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
Részletesebben2. 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
RészletesebbenElemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n
Elemi statisztika >> =weiszd=
RészletesebbenEgymintás 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
RészletesebbenKettőnél 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
RészletesebbenKiválasztás. 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
RészletesebbenModern 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
RészletesebbenVéletlen 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
RészletesebbenKiváltott 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.
Részletesebben1. 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 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
RészletesebbenSTATISZTIKA 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
RészletesebbenBaran 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
RészletesebbenStatisztika 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
RészletesebbenBaran 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
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenLeíró 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,
RészletesebbenBiostatisztika 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
Részletesebbenegyetemi 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.
RészletesebbenAz 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
RészletesebbenBiomatematika 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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenBiometria 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
RészletesebbenFüggetlenségvizsgálat, 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
RészletesebbenA 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
RészletesebbenKét 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
RészletesebbenValószín 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
RészletesebbenVIZSGADOLGOZAT. 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
RészletesebbenMatematika 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,
RészletesebbenNormális 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
RészletesebbenBIOMETRIA (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
RészletesebbenFeladatok 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
RészletesebbenBiostatisztika 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
RészletesebbenÁltalánosan, 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
RészletesebbenNemparametrikus 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
RészletesebbenA 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,
RészletesebbenBiomatematika 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:
Részletesebbennem 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
RészletesebbenFolyadékszcintillációs 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
Részletesebben20 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,
RészletesebbenSTATISZTIKA. 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)
RészletesebbenSTATISZTIKA 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
RészletesebbenAdatok 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
RészletesebbenSTATISZTIKA. 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
RészletesebbenElméleti 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
RészletesebbenRugalmas 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
RészletesebbenEloszlás-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
Részletesebben2013 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
RészletesebbenTöbbváltozós 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
Részletesebbenföldtudományi 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
RészletesebbenHipotézisvizsgálat 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,
RészletesebbenMatematika 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
RészletesebbenVarianciaanalízis 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
RészletesebbenNEVEZETES 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
RészletesebbenBiostatisztika 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.
Részletesebbenbiometria 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
RészletesebbenBiostatisztika. 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
RészletesebbenMatematikai 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
Részletesebbene (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:
RészletesebbenEseményalgebra. 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.
RészletesebbenAnyagvizsgálati 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
Részletesebben4.4. 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
RészletesebbenElméleti 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
RészletesebbenEgyszempontos 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
RészletesebbenTanult 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
RészletesebbenKorreláció 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.
RészletesebbenHelyzetmutatók, 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
RészletesebbenStatisztika 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
RészletesebbenMatematikai 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