Félmennyíségi elemzési eredmények matematikai statisztikai feldolgozása a földtani kutatások területén
|
|
- Márton Mészáros
- 6 évvel ezelőtt
- Látták:
Átírás
1 WEIDIN GER ISTVÁN KOSA LÁSZLÓ Félmennyíségi elemzési eredmények matematikai statisztikai feldolgozása a földtani kutatások területén A félm ennyiségi elemzési eredm ények m atem atikai-statisztikai feldolgozását rendszerint a m ennyiségi adatok feldolgozásakor alkalm azandó m ódszerekkel végzik. V istelius szerin t a félm ennyiségi elemzések eredm ényeiből ilymódon történő statisztikai jellemzők m eghatározása (átlag, szórás stb.) m intha lépésekkel akarnánk m illim éter pontossággal távolságot m eghatározni. [6] Kivételt csupán az az eset jelenthet, ha a vizsgált elem koncentrációja spektrálelemzés tartom ányt ölel át; általában azonban ritka az olyan kőzet, am elyben a vizsgált elem koncentrációja 4 6 sp ek trál-tarto m án y n ál többet fog át. A félm ennyiségi elemzések eredm ényeinek feldolgozásakor [6] a következő eljárás sorrendet javasolja: a m atem atikai-statisztikai feldolgozásban résztvevő elemek koncentrációja értékei alapján az eloszlási függvény felépítése, a félm ennyiségi elemzés koncentrációtartom ányai ism eretében a földtani okokkal indokolható csoportosításban szereplő próbák felhasználásával jellem ző kategóriák m eghatározása geokémiai háttér geokémiai háttérhez viszonyított anom álisan alacsony, ill. m agas csökkent, ill. emelt koncentrációértékek tartom ánya. m eghatározandó a különböző kategóriákba eső próbák száma, az anomális, valam int em elt koncentrációértékek térk ép en való feltüntetése, a korrelációs analízis végrehajtása. Félmennyiségi elemzési eredm ények m atem atikai-statisztikai jellem zőinek meghatározása Az eljárás során a m ár előzőleg földtani okokból indokolható csoportosításban szereplő m intákból az alábbi koncentráció-kategóriák határozandók meg [6]: geokémiai háttér a valószínűségi sűrűségeloszlási görbe alatti te rü le t 80% -nak megfelelő koncentrációtartom ány, anom ális érték a valószínűségi sűrűségeloszlási görbe alatti te rü le t 5% -nak m egfelelő koncentráció-tartom ány, emelt, ill. csökkent érték a geokémiai h áttér és az anomális értékek közötti intervallum ok. 53
2 Félm ennyiségi elemzési eredm ények m atem a tikai-statisztikai feldolgozása során m eghatározandó koncentráció-kategóriák. 1. a geokémiai h á tté r koncentráció tartom ánya 2.3 a geokémiai háttérhez képest csökkent, ill. em elt koncentrációk 4.5 a geokémiai háttérhez képest anomálisan alacsony, illetve anomálisan koncentrációk tartom ánya A MÉV K utató-m élyfúró Üzemében a vállalatnál alkalm azott spektrál elemzési koncentráció-tartom ányok figyelembevételével у 1; у 3; 7 10; -p? 100; ^ 300; у 3000; (EMG 666 típ u sú program ozható asztali kalkulátorra kidolgozott program (Balogh A. 1976) teszi lehetővé a fen t szereplő koncentrációtartom ányok kijelölését. Az alkalmazott módszer bem utatására az 1. sz. és 2. sz. táblázaton a Fertőrákosi K ristálypala Formációt felépítő kőzetekből származó m inták félm ennyiségi elem zésekkel m eghatározott elemek koncentráció-értékeiből számolt m atem atikai-statisztikai jellemzői szerepelnek. Kőzet neve: gneisz KONCENTRÁCIÓ-TARTOMÁNYOK 1. sz. táblázat Változó Anomálisan alacsony Csökkent Geometriai háttér Megnövekedett Anomálisan Próba darab száma Ba Be 1/ XI К < / < /1 118 Со <1 1/ / 3 3< < = 100< 23 Cr <1 i / / 3 3< < / < < 116 Cu <1 к / 3 3< < < / < 122 Ga <1 1< / 3 3< < / <3000 зооох 120 Mn / < <300 = < 121 Pb <1 к / < < /1 < < 109 V / 1 к / 3 3< < /1 < / 107 Zr -/10 10< < < < = 300< 99 Kőzet neve: fillites csillámpala KONCENTRÁCIÖ-TARTOMÁNYOK 2. sz. táblázat Változó Anomálisan alacsony Csökkent Geokémiai háttér Megnövekedett Anomálisan darab Próba száma Ba / < / < < / 255 Be < 1 1 / < 3 3 / < / < / 253 Со < 1 1 / / 3 3< < / < / 243 Cr / 10 10< < / < / 253 Cu < 3 3 / < 10 10< < / < / 251 Ga / 1 К < 10 10< < / < / 252 Mn / 10 10< < / 3000/ 259 Pb / 3 3< / 10 10< < / < < 240 V / 10 10< < / < / 252 Zr /1 0 10< < / < / < < 252 A formáció két legfelső tagozatát a m vastagságú kitűnően párhuzamosítható, néha több kőzetpadra szétváló paragneisz, és fölötte település tekintetében hasonló tulajdonságokkal rendelkező fillites csillámpala alkotja. Ez utóbbi vastagsága településéből adódóan ( os meredekséggel D DK felé dől) többszáz m éter is lehet. A két eltérő minőségű kőzetösszlet konkordánsan érintkezik, kontaktusuk azonban nem m indig kifejezett. Leggyakrabban a fillites csillámpala alsó harm adának a mélység felé növekvő földpáttartalm ából (albit) következően fokozatos átm enet figyelhető meg. A vizsgálatba vont m intákat azonban m inden esetben pontosan definiálható szakaszokból gyűjtöttük, ezért ezek elem tartalm a jól reprezentálja az alkalmazott módszerrel jellem zett kőzetféleségeket. A táblázatok alapján a két képződmény (gneisz, fillites csillámpala) vizsgált elem tartalm ában értékelhető különbségek állapíthatók meg, melyek elsősorban a jellem zett m etam orfitok jelenlegi nyomelem összetételére utalnak. Meg kell azonban jegyeznünk, hogy a kiindulási kőzetek nyomelem-összetétele jelentős m értékben meghatározza a végterm ék (diaftoritok) nyom elem tartalm át. Az alkalmazott spektrálelemzés érzékenységéből adódóan a gneiszösszletben Ba csak kevés esetben volt kim utatható, ezért az értékelésnél figyelm en kívül kelle tt hagyni. U gyanakkor a fillites csillám palában g/t közötti geokémiai háttérérték a jellemző. A táblázatból kitűnik a Cr, Cu, Ga, Mn alacsonyabb háttérérték intervallum a a gneiszben. Néhány elem, m int a Co, Pb, V, Zr megegyező értékkel jelentkezett. Egyes elemek vizsgálatánál ugyancsak különbségek m utatkoznak az anom álisan alacsony, csökkent, m egnö 54
3 vekedett és anom álisan m agas koncentráció-tartom ányokban. A nyom elem tartalm ak összehasonlításából nyilvánvalónak tűnik, hogy a fillites csillám pala lényegesen heterogénebb kiindulási anyagból származik, am iben a nyom elem tartalom is változékonyabb, emelkedettebb volt, m int a gneisz anyagát szolgáltatóé. A vizsgált formáció képződményeit intenzív több fokozatú diaftorézis érte. Ezzel kapcsolatosan jelentős elem m igrációval is szükséges számolni. Ilyen folyamatoknál egyes elemek, pl. Pb, Mn, Ga, Ba stb. m ennyisége csökken, m á soké, pl. Cu, V, U stb. jelentősen ném elyiknél több tíz százalékkal növekedhet. Félmennyiségi elemzések m atem atikai-statisztikai feldolgozása Az előzőekben em lített koncentrációtartom á nyok m eghatározása m indig földtanilag m egindokolható m intán kell történjék (kőzet, területegység stb.). A vizsgálatban vont terü leten a különböző fúrásokból származó próbák azonos képződményből szárm aznak. A m intavételi h e lyek különbözősége vagy azonossága vizsgálandó az elemkoncentrációk szempontjából a területen levő mintákhoz (kőzet) képest. A mennyiségi elemzési adatok m atem atikai-statisztikai feldolgozása során alkalmazott eljárások közvetlen adaptálása (F-próba, t-próba) nem helyénvaló. Meghatározandó a m intavételi helyeken, hogy a próbák hány % -a tartozik a m intából m eghatározott egyik, illetve m ásik koncentrációkategóriába. A relatív gyakoriság u tal a vizsgált m intavételi helyhez való helyzetére az adott változót tekintve. A 3. sz. táblázaton a Fertőrákosi Kristálypala Formáció legfelső tagozatát képviselő fillites csillámpala két egymástól közel 1,6 km-re, csapásirányba telepített m élyfúrás m intái nyom elem-koncentrációjának kategóriákba sorolt relatív gyakorisága van feltüntetve. A II. sz. fúrásban harán to lt fillites csillámpalából vett m intákban a Ba, Be, V, Zr m enynyisége nem haladta meg a háttér határkoncentrációját. Az I. sz. fúrásban feltárt fillites bsillámpala nyom elem tartalm a vázlatosabb képet m utat. A 3. sz. táblázat FILLITES CSILLÁMPALA AZ I. SZ. FÚRÁSBAN MINTÁK SZÁMA A TELJES MINTA SZÁZALÉKÁBAN Anom. alacsony Csökkent Geokémiai háttér Emelt Anomálisan Adatszám Ba 0,4 99,6 231 Be 0,4 98,3 1,3 234 Со 1,7 97,5 0,8 238 Cr 0,9 99,1 232 Cu 16,0 84,0 231 Ga 22,8 77,2 232 Mn 0,8 14,1 84,7 0,4 235 Pb 20,6 78,4 1,0 228 V 1,0 98,7 0,3 231 Zr 99,6 0,4 234 Zr kivételével mely 0,4%-ban az anomálisan kategóriában is szerepel az összes többi elem jelentős százalékban képviselve van a csökkent értékek között, ezek közül is a legnagyobb a Ga 22,8%-os mennyisége. A Ba, Be, Co, Mn, Pb, V kismértékben az emelt tartom ányban is szerepel. A fentiek szerint az I. sz. mélyfúrással mely helyzetét tekintve а II. sz.-tól К ÉK-re m élyült feltárt fillites csillám palában csekély m értékben dúsulás jelentkezik a Be, Со, V esetében, míg а II. sz. fúrás azonos képződm ényében a Mn és Pb jelentkezik anomális m ennyiségben. A problém afelvetés túlbonyolításának elkerülése érdekében nem közöljük az azonos módszerrel és céllal felépített többi itt előfopiuló kőzetféleség (amfibolpala, biotitpala, földpátos csillámpala, gneisz stb.) összehasonlítás és terü leti eloszlás vizsgálatára készült táblázatát. A táblázatokban szereplő egyes elemek geokémiai viselkedésének adott kőzetfejlődésre vonatkozó célirányos tanulmányozása utalhat a származás, szállítás, lerakódás, üledékképződés és diagenezis körülményei, ill. metamorfózis és diaftorézis által okozott dúsulásokra és elkülönülésekre. Végső soron többek között esetleg olyan törvényszerűségek állapíthatók meg, m elyek kedvező esetben iparilag is hasznosítható ércfelhalm ozódások felderítésére vezetnek. I tt jegyezzük meg, hogy az alkalm azott eljárás bem utatására nem a legjobb kőzetosztályt választottuk. Sokkal inkább ajánlható üledékes és magmás kőzetek nyom elem tartalm ának geokém iai tanulm ányozására. Félmennyiségi elemzési eredmények korrelációs analízise A félm ennyiségi elemzések m atem atikai feldolgozása során nem az elemek koncentrációja abszolút értékével, hanem a geokémiai háttérhez képest emelt, csökkent, valam int a geokémiai h á tté r koncentráció-kategóriákban m egjelenő próbák szám ával kell dolgozni. A korrelációs analízis alkalmazása esetén ez a gyakoriságon alapuló korrelációs együtthatók meghatározása [4] problém aköréhez vezet. Ez FILLITES CSILLÁMPALA A II. SZ. FÚRÁSBAN MINTÁK SZÁMA A TELJES MINTA SZÁZALÉKÁBAN Anom. alacsony Csökken Geokémiai háttér Emelt Anomámálisan Adatszám Ba 100,0 19 Be 100,0 16 Со 53,3 46,7 15 Cr 9,5 90,5 21 Cu 15,0 45,0 40,0 20 Ga 100,0 10 Mn 95,0 5,0 20 Pb 50,0 50,0 12 V 100,0 21 Zr 100,
4 esetben az adatok között csupán kettős felosztást kell végezni. Adott N elemből álló minta, két ismérve veendő tekintetbe. A kontingencia táblázat [4]: 1 S2: (4) N- (Zix)j = Zi± 1,96 Se (5) Hí Ei e (2Zj*) j - 1 (2Zi*) j + 1 a b E3 c d Hí Ei geokémiai h á tté r geokémiai h á tté r értékéhez viszony íto tt emelt, csökkent koncentráció a, b, c, d azonos koncentráció-értékközbe eső adatok száma N (a + b + c + d) A négymezős korrelációs együttható R r e í C O S í b c [ a d -j- b c A négymezős korrelációs együttható a m ennyiségi elemzési eredményekből számolt korrelációs együtthatóval összevethető, és ahhoz hasonló. Ezen hasonlóságból következik, hogy az utóbbinál alkalmazható vizsgálatok az előbbieknél is végrehajthatók: a) a négymezős korrelációs együttható szignifikanciájának vizsgálata X 2 próbával [4]-ben részletes ism ertetést nyer, itt csupán a végeredm ény közlésére szorítkozunk; ha x 2=: (ad bc)n (a + b) (a + c) (b + d) (c + d) (1) Х,г2> Х ш * akkor az előre megadandó megbízhatósági szinten (ált. 95%) a négyzetmezős korrelációs együttható értéke szignifikánsan különbözik O-tól; b) a négymezős korrelációs együttható konfidencia intervallum ának m eghatározása. Az előzőekben m ár em lítést nyert, hogy a négymezős korrelációs együttható a param é teres korrelációs együtthatóhoz hasonló. Ezt a tulajdonságát felhasználva alkalmazható rá a konfidencia intervallum m eghatározására szolgáló eljárás. In 1 + Kj 1 Ki (3) ahol: Z i az i к négymezős korrelációs együttható a korrelációs analízisbe vont adatpárok száma (N 3) í d -)j az i к korrelációs együttható j к konfidencia határa j (i; 2) A 4. sz. táblázat tartalm azza a fertőrákosi te rületen vizsgálatba vont kőzetek félmennyiségi eljárással m eghatározott elemei (Co, Cr, Mn) kísérletképpen végrehajtott korrelációs analízise, valam int a korrelációs együtthatók konfidencia intervallum vizsgálatának eredm ényét. Kőzetnév: paragneisz 4. sz táblázat Vizsgált elemkapcsolatok: Co-Mn Cr-Mn Co-Cr Lin. korr. együttható: 0,667 0,902 nem szignifikáns Kritikus korr. együttható: 0,381 0,195 Korr. analízisbe vont megbízhatósági intervalluma alsó határ: felső határ: Korr. analízisbe 0,377 0,838 0,859 0,932 adatszám: Lineáris kapcsolat a változók között: szign. szign. nemszignifikáns Kőzetnév: fillites csillámpala Vizsgált elemkapcsolatok: Lin. korr. együttható: Kritikus korr. együttható: Korr. együttható megbízhatósági intervalluma alsó határ: felső határ: Korr. analízisbe vont adatszám: Lin. kapcsolat a változók között: Со-ГЛп Co-Cr Cr-Mn 0,493 0,783 0,573 0,195 0,195 0,195 0,725 0,385 0,428 0,830 0,588 0, szign. szign. szign. A 4. sz. táblázatból kitűnik, hogy a gneiszben és fillites csillámpalában is szignifikáns lineáris kapcsolat van а Со Mn, Cr M n között. É rdekes, hogy а Со Cr közötti kapcsolat m értéke a fillites csillám palában kifejezett (0,78) ugyanakkor a gneiszben nem különbözik a zérustól. Megjegyezzük, hogy a m atem atikai-statisztikai feldolgozás során te tt m egállapításaink 95%-os megbízhatósági szinten történtek és a vizsgált anyagban szereplő koncentráció-tartom ányokra érvényesek. A példa bem utatására szánt két különböző m etam orf kőzet, Со Mn és Cr Mn lineáris 56
5 kapcsolata u talh a t a prim ér üledékes kőzet eredeti nyom elem tartalm ának együttes dúsulására, mivel szediment viszonyok között а Со és M n- al társulva jelentkezik legfőképpen agyagos kőzetekben. Ugyancsak az agyagos kőzetekben, legfőképpen az illitben dúsul a Cr is. A fertőrákosi fillites csillám pala kiindulási kőzetei m inden bizonnyal agyag, növénym aradványos agyag, alárendelten homokos agyag lehetett. A növénym aradványokat tartalm azó szakaszokból a metamorfózis során grafitos, ill. az an tracit állapotot m egközelítő szenespalák keletkeztek. A nyom elem tartalom és -eloszlás további vizsgálatánál a szerves anyag szerepét kiem elten szükséges kezelni. A vizsgálatba vont paragneisz Со Cr közötti kapcsolat a csillám palától élesen eltérő viselkedése szintén az eredeti üledékes kőzet anyagi különbözőségére utalh at, esetleg a korábbiakban m ár em lített több lépcsős diaftorizis okozta nyom elem differenciálódást kell tekim tetb e venni. További lehetőséget re jt m agában a korrelációs együtthatók azonosságának, illetve különbözőségének vizsgálata. A lkalm azásával a vizsgált földtani egységek (pl. kőzetek) elem kapcsolataik szorossága szem pontjából tö rténő összehasonlításuk válik lehetővé. Az összehasonlítás Fischer-próbával tö rténik: А Со Cr közötti kapcsolat m értékének összehasonlítása egyértelm ű, m ert az a paragneiszben (95%-os m egbízhatósági szinten) nem szignifikáns, m íg a fillites csillám pala esetében határozott. Félm ennyiségi elem zések m atem atikai-statisztik a i feldolgozásának utolsó lépcsője a különböző koncentrációtartom ányok alapján kijelölhető a háttérhez képest anomális, illetve em elt és csökkent értékek térképen történő ábrázolása lenne. Esetünkben a két m intavételi hely vizsgálata nem igényelte a térk ép i ábrázolásnak ezt a módját, m ert az értelmezés enélkül is végrehajtható volt. IRODALOM / [1] Carlier A.: Contribution aux methodes d estimation des gisements d uranium. Páris [2] Denkinger G. Valószínűségszámítás. Kézirat. Tankönyvkiadó [3] Felix M. Blaha K.: Matematika statisztika a vegyiparban. Műszaki könyvkiadó Budapest, [4] Jahn W. Vahle H.: A faktoranalízis és alkalmazása Közgazdasági és Jogi Könyvkiadó [5] Obádovics Gy.: Gyakorlati számítási eljárások. Gondolat könyvkiadó [6] Szovjetunió Geológiai Minisztériuma: Rádiógeokémiai vizsgálatok, módszertani ajánlások. Moszkva [7] Szadeczky Kardoss E.: Geokémia. Akadémia kiadó Budapest, [8] Vincze I.: Matematikai statisztika. Kézirat. Tankönyvkiadó (Zi Z2 param étere: ha: 0 Zi Z2 1 + r i... ' Ni 3 N2 3 (Zi Z2) Zi Z2 t (0,05) akkor a korrelációs koefficiensek szignifikánsan nem különböznek, azaz a két m intában (kőzetben) az aktuális elem kapcsolatok egyform a erősek. Korrelációs együtthatók azonosságának, illetve különbözőségének vizsgálatára csupán két kőzetfajta gneisz és fillites csillámpala ezekben Со M n, valam int Cr M n elem kapcsolatok esetében kerülhetett sor. A vizsgálat eredm énye az, hogy a fenti kőzetek esetében 1. а Со Mn közötti kapcsolat m értéke azonos, 2. a Cr Mn közti kapcsolat m értéke különbözik. Математическо-статистическая обработка результатов полуколичественных анализов в области геологических исслеодований И. Веидингер Л. Коша В работе рассматриваются возможности математическо-статистической обработки результатов полуколичественных анализов применительно к метаморфитам сложного строения. Путем адаптации описанных в литературе методов были определены кривые распределения элементов, диапазоны концентраций фона, а также соответственно повышенных и аномальных концентраций соответствующих элементов. Кроме того, определились также и величины корреляционных коэффициентов, выражающих корреляционную связь между элементами,- Показывается способ адаптации результатов математической статистики к случаю сравнения филлитовых слюдяных сланцев двух скважин, а также парагнейсов и филлитовых слюдяных сланцев, встречающихся на рассматривамой территории. 57
6 ;' : '. )
Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
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
A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015
A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel
Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
ő ű í ő ú í í Á ű í ő ő ő ő í É í í ő Ö Ö Ö Á Í Á ő ő ő ő É ő ő ú ú ú í ő Á Ö ő ő
Á ő ő ű í ú ő ő ő ő í í í ő ő ő ő í ő ő ő ű í ő ú í í Á ű í ő ő ő ő í É í í ő Ö Ö Ö Á Í Á ő ő ő ő É ő ő ú ú ú í ő Á Ö ő ő í ő ő ű í ú í í ű í ő ő ő ő í ő ő ő ő í ő ő ő ő í É í í í í ű ő í í ő ú ű í ú í
[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
ü ű í ú ú ü ü ü ű ü ű ü ű ü ű ü í ü ű í í ü í í í í í ü í ű
ü ú É Á Á ü ű í ú ú ü ü ü ű ü ű ü ű ü ű ü í ü ű í í ü í í í í í ü í ű ü ű í ü í í ü ű í ü ű ü í ü í í í ü í ű ü í ú í ü ü ú í ü ü ű ü í í í ü ü ü í ü Ü ü ü ü ü ü í í í ü í í ü í í ü ű ü ú í ü í ü í ű í
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
A N É PSZ Á M LÁ LÁ SI AD A TO K M EG BÍZH A TÓ SÁ G Á N A K ELLENŐRZÉSE II.1 RÓ ZSA G ÁBO R
K Ö Z L EM É N Y E K A N É PSZ Á M LÁ LÁ SI AD A TO K M EG BÍZH A TÓ SÁ G Á N A K ELLENŐRZÉSE II.1 RÓ ZSA G ÁBO R L akásism érvek A lakás tu la jd on jellege Ennél az ism érvnél nincs összehasonlítási
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 -
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
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
4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
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
Statisztika Elıadások letölthetık a címrıl
Statisztika Elıadások letölthetık a http://www.cs.elte.hu/~arato/stat*.pdf címrıl Konfidencia intervallum Def.: 1-α megbízhatóságú konfidencia intervallum: Olyan intervallum, mely legalább 1-α valószínőséggel
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
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
ü ő ő ü ü ő ő ű í í ű ő ő ő ü ő ő í í ő ő ő ő ő ő ü ü í ő Ö ő ü í ő ü í í ő ü ő í ő ő í í ő ü ü í ő ü í ő í ő í ő ü í ő í ü í í ő
ő Á Á Á Ű Ö É Á Ö ő ő ő ű Ö ű ú ő ü ű ü ü ő ü ő ő ú í ü í í ü ő í ő ő í ő ő í ő ő í ü ő í ű ő ü ű ő ü í ü ü ő ü ü í ü í ü ü Ú í Ő Í ü ő ü ü í Ö í í ü ő ő ü ü ő ő ű í í ű ő ő ő ü ő ő í í ő ő ő ő ő ő ü ü
ú ű ű É ü ű ü ű ű í ü í ő í Ü ő ő ü ú Í ő ő í ú ü ü ő ü
ü ü ü ü Ó í Ó Éü í ú ű ű É ü ű ü ű ű í ü í ő í Ü ő ő ü ú Í ő ő í ú ü ü ő ü ű ű ű í ü ő ű ü ü ő ú ú ő ü ő ő ő ü ú ű ú ú ú ő ő ú ő ő í ú í Ó ú ü ő ú ú ú ű ú ú Ű ű ő ű ű ő Á ü í ü ú ü í ú ő ú ő ű ő í ő ő
ű Á ü ő ö í ö ö ő ő ő ő ö
Á É í ü í í í ü í í ö í ű í í í í í í í í í ü ő ö ö ö ű ő ö ű Á ü ő ö í ö ö ő ő ő ő ö ö ő ő ő ö ö Ű ú Á ö ú ú ö ü í ő ő ú É í í ő ö í ö ú í ő ü í í í í í ö í ű í í í í í í í í í ü ő ö ö ö ű ű ő ű ü í Ö
ő ő Ű ü ú ú Ú ü ű ő ő ő ő Á Á Í ü É ő ő ő ő ő É ő ú ú ú ő Á Ö ő
ő ő ű ú ő ü ü ü ü ü ő ő ü ü ü ü ü ü ü ü ü ő Ö ő ő ő ő ő Ű ü ú ú Ú ü ű ő ő ő ő Á Á Í ü É ő ő ő ő ő É ő ú ú ú ő Á Ö ő ő ű ő ú ü ú ő ő ő ő ő ő ő ő ő ő ő É ü ű ő ü Á ő ú ű ű ő ő ő É ü ű ő ő ő ű ú ü ú ő ő ő
Ü ű ö Á Ü ü ö ö
Í Í Ü Ú ö ú Ö Ü ű ö Á Ü ü ö ö ú ü ü ö ü ö ö ö ö Ü Ü ö ö ö ö ö ü ü ö ü Ü ö ú ü ö ü ö ű ö ű Ü ü ö É ö ü ü ö ö ö ö ö ö ö ö Ó ö Ü ü Ü ü ü ö ö ö ö ö ö ö ú ü ö ű ü ö ú ű Ü ö ö ö ü Ü Ü Ü ú ö ö ü ű ö ű ö Á Á Í
Í Ó ü ü í ü ü ü í Í í É í í Í Í ü ü ü í Í ü
É Á í É Á Á ü Ú ű í Í Í Ü ü ú ü Í ü ü ü ü Í ü Í í ü ü ü ü ü ü ü ü ü í Í Ó ü ü í ü ü ü í Í í É í í Í Í ü ü ü í Í ü Í Ó Í Ó ü ü ü Í ü ü É ü ü ü ü ü É ü ü Í ü ü ü Í Ó Í Ó í Á í É ü í Í ü í Í í í ü ü É ü ü
ü É ö É É ö ö ö ü ö ö Á ű ö ű ű ű Á Í ö ö Ó ö
Ü É ű ü ü ö Í ü ö ö ü ű Í Í ü ű ö Ö ö ö ö Í ü ü É ö É É ö ö ö ü ö ö Á ű ö ű ű ű Á Í ö ö Ó ö ü ü ü Í ü ö ö ö ö ö ö ö ü Í Í ű ö ö ö ü ü ö ü ö ö ö ü ö ö ö ö ü ü ű ü ö ö ö ü ö ü ű ö ü ö ö ű Í ü ü ű Í ö ü ö
Í Ú É ő ő ú ö Ö ú ú ú ö ö ú ö ö ű ö ő ö ö ú ö ő ő ö ö ö ő ő ú ő ú ö ö ö ú ö ö ú ő ö ú ö ű ö ő Ó ő Á ö ő ö ö
ö ú ö ö ú ö ú Ü ő ú ő ö ő ő ő ö ö Í Ú É ő ő ú ö Ö ú ú ú ö ö ú ö ö ű ö ő ö ö ú ö ő ő ö ö ö ő ő ú ő ú ö ö ö ú ö ö ú ő ö ú ö ű ö ő Ó ő Á ö ő ö ö Ú ő ö ő ő ő ö ú ú ú ő ö ő ö ő ő ő ö ö ö ö ő ő ö ő ú ő ö ú ö
í í ü í í í í í Ó ő ő í í í Ú ü Ú í í Ú ő ü Ú ü ő
É Á Á ő ü í ü ü í ü ő ü ő ü ü ü í í í í í ü í í ő í í ü í í í í í Ó ő ő í í í Ú ü Ú í í Ú ő ü Ú ü ő ő í ő í ű ű í í ü í í ő í í í í í ű í ő í í í í ü í ő í ő í ü í ű ő ű ü í ü ü í ő ő ü ő í í Ö ü í ü ü
Í ö ö ű ú ö ö Í ö ü ö ü
Í Í ö ú ö ö ö ö ű ö ö ö ö Í ű ű ö ü ú ö ú ú ű Í ö ö ű ú ö ö Í ö ü ö ü ö ú ü ü ö ú ö ű ö Í ű ú ú ö ú ú ű Á É Á ö ű ú Í ö ö ü Í ú ö ú ö ö Í ű ö Í ú ö ö ö Í ö ö ö ö ö Í ö ö ö Í ö ö ö ö Í ű ö Í ú ö Í ö ö ű
í ö Á ö ö ö Á í ö ű ü í í ű ö ú ü íí ö ű ö ü ú ü ö í ü ű í ö ö ü ü í ö ü ö ű ö í ű ü í ö í í ü í Á Á í í ü ö ö ü ű í í ö ö ü í ű ü ö í ö ű ü í í ű ö í í í ö ö í ö ö ö ö ö ö í í ű Á Á Á Á Á í í ú í ö ö
Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22
É ő ő ű ú Á ő Á ő ű ő ő ő ő ő ő ő ő ű ú ű ű ő ő ő ű
ő ő ű ú Á ő ű ő ő ő ő Ö Ö Í Á É Á ő Ö Ö Í ő ő ő ő É ő ő ú ú ú ő Á Ö É ő ő ű ú Á ő Á ő ű ő ő ő ő ő ő ő ő ű ú ű ű ő ő ő ű ő ű ő ú Á ő ű ő ő ő ő ő ő Ö ő ú ú Ö ő ő ű ú Á ő ú Ó ű Ó ú ú ú ő ő ú ú ő ő ú ő Ú ú
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
ő ő ő ő ő ő ú ő ü Á ü ü ő ő ő ő ő ő ő ő ő ő Ö Ó ő ő ő Ö ő ő ő
ő ő ő ü ő ő ő ő ő ő ő ú ő ü Á ü ü ő ő ő ő ő ő ő ő ő ő Ö Ó ő ő ő Ö ő ő ő ő ü ő ő ű ü ő ű ő ő ő ő ü ő ő ő ü ő ű ő ő ő ü ő ü ő ő ü ű ő ő ü ü Á ő Á ű ű ü Á ő ű ű ő ű ű ü ű ő ő ő ü ő ű Ó ü Í Á ő ű ő ő ő ő ü
ü ö ú ö ú ü ö ü Á Ó ö ö ö ö ú ü ú ü ü ú ú ö ö ü ü ú ü ü ö ö ű ö ü ü ü ü ö ö
Í Á Ö Ú Á Á Ó Á ö ú ú ö ú ú ö ü ü ű ü ű ö ö ü ű ö ü ö ú ö ü ú ö ö ü ü ö ü ű ö ö ü ű ö ö ú ö ö ú ú ü ö ú ö ú ü ö ü Á Ó ö ö ö ö ú ü ú ü ü ú ú ö ö ü ü ú ü ü ö ö ű ö ü ü ü ü ö ö ü ö ü ö ö ü ö ö ú ö ü ű ö ü
ú ú ü ü Á ú ú ü ű ű ú ü ü ü ü
ü ü ü ú ú ü ű ü ű ü ü ű ü ü ü Í ú ú ü ü Á ú ú ü ű ű ú ü ü ü ü ú ü ü Á ű ü ü ü ü ü ü ü ú ü ü Í ú ü É Ö Ö ú Ö Ö Ö ú ú ü ú Á Ö Á ú É ü ú ú É ú ú ú Ü ü ű ú ű É ú ű ü ü Á ú É ü ű ü ú Á É É ú ü Ö Ö Ö ú ú Á Ö
í Ó ó ó í ó ó ó ő í ó ó ó ó
í Ú Á Í í Ó ó ó í ó ó ó ő í ó ó ó ó í Ó Ó í ő ó Í í í í Ó í ó í í Ő É Ú Ű Í É Á ó Á É É ó ó í É Ü Í ő í ó í ó í Ő Ő Á Ó Ó Á É É Á Á É É Ő Á Ú É í ó Á í Á í í ő í í Ő Ő É Ú Ű Í É Á ó Á É Ö Í Í É ó ó í Ú
ő ő ő ő ú É ü ú ú ű ú ű ő ő ő ő Á Á ü ő É É É É É É Á Ú Á Á ő ő ő ő ő É Á Á Á ő ő ő Á ü ő ő ü
ő É ő ő ő ő É Ü Ö Ö Ö Í Ö Ö Ö ő Ó Ó Ö Ö Á É É É ő Á É Á Á Ú Á Ú Ö Ö Á Ú Ö Á ű Á ú ő ő ü ü Ó ő ő ő ő ú É ü ú ú ű ú ű ő ő ő ő Á Á ü ő É É É É É É Á Ú Á Á ő ő ő ő ő É Á Á Á ő ő ő Á ü ő ő ü ő ő ő ő Á ü ú ú
É Í ü ú É ü ő ő ő ő ú ő ú ü ü ő ü ú ü ű ú ú ü ü Í ü ű ő ő É ő
ő Ü É Í ü ú É ü ő ő ő ő ú ő ú ü ü ő ü ú ü ű ú ú ü ü Í ü ű ő ő É ő ő ő ú ő ő ő ú ő ü ú ű ő ű É Í ő É Ü Í ő ü ő ő ő ő ő ő ú ü ű ő ú ő ű ő ő ő ű ő ű ő É Í Ú Ö Á Á É Á Á Á Ő Á É Á Ö Á Ö É É É ü ő Á ő ú ü ő
í ü í ü ő ő ü Í ő ő ő ú í ő ő ö ö ö ű ü í ő ő í ú ö ö ú ő ő ú í ő í ő ö ö í ő ü ü í ő ö ü ü ú í í ü ő í ü Í í í í ö ő ö ü ő í ő ő ü ű ő ő í ő í í ő ő
ö Ö ő ü ü ő Á ü ö ö ő ő ű ő ü ő Ö ö ő í ő ö í ö ö ő ő ö í ú Á Á Á í Á í ü Á ő í í ő Á í ő ő ú ő ö ö ő Í í ő ő í í ö í ő Ó ő ő í ö ő ő ü ö ö ő ö í ö ő í ü í ü ő ő ü Í ő ő ő ú í ő ő ö ö ö ű ü í ő ő í ú ö
ö ö ö Ö ö ú Ö í Ö ű ö í Ö í ö ü ö í ú Ö Ö ö í ű ö ö í ö ö Ő ö í ü ö ö í Ö ö ö í ö í Ő í ű ű í Ö Ó í ö ö ö ö Ö Ö ö í ü ö ö Ö í ü Ö ö í ö ö ö ö ö Ö ö í
Á ö Á Á É Ö í ö Ö Á Ó Ű ú ű Ü ö ö ú ö ú í ö í ö ö ö í Ö ö í ö Ő ü ö ö í Á Ö Ú ű Ö í Ö ö ö Ö ü ű ö ű ö Ö ü ö Ö Ö Ö ö í ö ö Ö ö í Ö ö Ú ö ö ö ö Ö ö ú Ö í Ö ű ö í Ö í ö ü ö í ú Ö Ö ö í ű ö ö í ö ö Ő ö í ü
Í Í Í Ü Ó Ó Ö Á Ü Ü Ó Ü Ü Ó Ö Í É Ö
Ö É Ö Í Í Í Ü Ó Ó Ö Á Ü Ü Ó Ü Ü Ó Ö Í É Ö Ü Ü Á É Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ú Í É Ó Á Ü Á É Á Ü Í Í Í Í Ü Í Í Í Í Í É Ö Á Í Á Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Ü Í Í É Í Í É É Í Í Í É Í Ü Í Ü Á Ü Ü
ű í ú ü ü ü ü ü Ó í ü í í í É Á
ü ű ü ú ű í ú í ű í ú ú ú ú ű í ú ü ü ü ü ü Ó í ü í í í É Á ű í í í Á ü É í í Ö Ö Á í Á É Á ú ú ú í ű í ú ű í í í É í í É í ű í ü í ú ű í ű í É í Ú í í í ű í ú ű í í í ü í í ú í ú í Ö ű í í í ü ü Ő í í
Í Í Ó ű Ü Ó Ó Ü ü Ö Í Ü Í Í ú Ö Ó Í ú ú Ö Ó É Í ű ú
ű É Í Á Á Á Ó É Á Á Ó Í Ö Á Á Á Ö ü Í Ó Í ű ű ü ú Í Í Ó ű Ü Ó Ó Ü ü Ö Í Ü Í Í ú Ö Ó Í ú ú Ö Ó É Í ű ú ü Í ú Ü Ű Ó Ó Í ú Í ú Ö Ó ü Ü ü ű Ó ú Í ü É Í Í Á Á Ó Í Á ú Ö Í Ó ú ú ú Í ú ú ű ú Ü ü ü Í Á ü ú Í ú
I. ANALITIKAI ADATOK MEGADÁSA, KONVERZIÓK
I. ANALITIKAI ADATOK MEGADÁSA, KONVERZIÓK I.2. Konverziók Geokémiai vizsgálatok során gyakran kényszerülünk arra, hogy különböző kémiai koncentrációegységben megadott adatokat hasonlítsunk össze vagy alakítsuk
é ö é Ö é é ő í ó í é ő ö ú é ó é ő ü ü é ó ö é é ó é é ö é ő í é é ő é é ö é ű ö é í ó é é í ö í ó í ó é é ö ó í ó ó í ó é é ö ő í ó ó í ó ü é í ü
é í ü é ö é é ő ü é é é ú é ó Í é é ő Í é ó ö í é ö é Ö é é ő í ó í é ő ö ú é ó é ő ü ü é ó ö é é ó é é ö é ő í é é ő é é ö é ű ö é í ó é é í ö í ó í ó é é ö ó í ó ó í ó é é ö ő í ó ó í ó ü é í ü é ö ő
ú ü ü ú Ö ú ü ü ü ü ü ú ü ú ü ű Í ü ü ű ü ű Ó ü Ü ű ú ú Á ü ű ű ü ü Ö ü ű ü Í ü ü
ű ü ü ú ü ú ú ű ü ú ú ü ü Ó Ö Í ü ú ú ű Ö ú ú ú ü ü ú ÍÍ ú ü ü ú Ö ú ü ü ü ü ü ú ü ú ü ű Í ü ü ű ü ű Ó ü Ü ű ú ú Á ü ű ű ü ü Ö ü ű ü Í ü ü ü Ü ü ü ú ü ű ü ü ü Ü ú ú ü ü ü ü Í ü ü ú ű ü ü ü ü ü ü Í Í ü
ú ú ö ö ü ü ü ü ű ü ü
Ü ú ű ű ú ű ú ú ö ö ü ü ü ü ű ü ü ö ö ö ö ö ö ű ö ö ö ö ö ö ö ö ö ü ü ü Ú ú ü ű ü ú ű ö ű ú ö ö ö ö Á ú ú ű Á ú Á Á Á ü ö ö Á ö ö ü Á ú Á ú Á Á Ö Á Á ö ű ö ö ü ú ü ú ö ú ű ú ú ü ü ü ü ű ű Ő ú ö ű ú ú ű
í ó ő í é ö ő é í ó é é ó é í é é í é í íí é é é í é ö é ő é ó ő ő é ö é Ö ü é ó ö ü ö ö é é é ő í ő í ő ö é ő ú é ö é é é í é é í é é ü é é ö é ó í é
ű ű ö é ő ó í ö ő ü é ő é ü ő ö ő ö é é í ö ő ö ó ő é ó í ö ő ü é é é é é ő é é é é í ő ö é é ő ű ő ö í ö é é é Ö ű ú ő é é ű ő í ü ö é é ő ó ö ö ő é é é é é é é é é é ő ü í í é ú í í í Ú í é ú é ő ó ó
ű ú ü ü ü Í ü ö ü ö ü ö ü Ó ü ö ü ö ö ü ű ű ú ü ö ö ü Ó ö ű ü ö ú ö ö ü ü ű ü ü ö ö ü ü ú ö ö ü ü ú ü
ű ö ű ö ü ú ú ú ö ö Í ú ü ú ú ö Í ü ö ü ü ö ü ö ü ü ű ö ü ü ö ü ú ú ú ú ú ű ú ü ü ü Í ü ö ü ö ü ö ü Ó ü ö ü ö ö ü ű ű ú ü ö ö ü Ó ö ű ü ö ú ö ö ü ü ű ü ü ö ö ü ü ú ö ö ü ü ú ü ű Á Í ű ű ö ü ö ü ü ú ű ö
ö ö Ö ó ó ö ó ó ó ü ö í ü ú ó ó í ö ö ö ó ö ü ú ó ü ö ü ö ö Ö ü ö ö Ö ó
ü ö ö Ö ü ü ö ö Ö ö ó ö ú ó ü ö ö ö Ö í ó ü í í ü ö í í ó ó ü ö ü ö ö ü í ó ö ö Ö ó ó ö ó ó ó ü ö í ü ú ó ó í ö ö ö ó ö ü ú ó ü ö ü ö ö Ö ü ö ö Ö ó ö ö Ö ü í ö Ö ö ö ó ü í ö ó ó ü ö ó í ü ü ü ö ö ü í ü
ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü
Á Ó ö ü ü ü ú ú ü ü ö ü Ő ö ö ö ü ú ü Á ö ö ö ö ö ö ö ö ü ö ü ö ű ö ú ü ű ö ü Í ö ú ü ü ű ö ú ü Á ü ö ö ü ü ö ü ö Ó ö ö ü ü ö ü ö ú ö ú ü ö ü É É Á ü ű Ö ű ú ö ö ú ö ú ö ú ö ű ü Ö ö ű ü ú ö ü ú ű ö ű ú
ű ú ú Ö ó Ö ó ó ó Ö ű ó ű ű ü Á ó ó ó ó ü ó ü Ö ó ó ó Ö ű ű ü Ö ű Á ú ú ú ó ű í í Ő ú Á É Ö í ó ü ű í ó ű ó Ö ú Ő ú ó í ú ó
ü ű ú ü ű ú ú Ö ó Ö ó ó ó Ö ű ó ű ű ü Á ó ó ó ó ü ó ü Ö ó ó ó Ö ű ű ü Ö ű Á ú ú ú ó ű í í Ő ú Á É Ö í ó ü ű í ó ű ó Ö ú Ő ú ó í ú ó ü í í í í ó ü ó Ö ó ü Ö í ó ű ó ó ó Ö Ö ó ó í í Ö Ö ó ó í Ö ó ű í í ü
ő ö ő ű ó ö ó ű Í Ö Ö Á Í Ó Ö Ü É Ö Ö Ö Á Á Ö É Á Ö
Í Í Ő Ó Ü Ö Ő ő ö ő ű ó ö ó ű Í Ö Ö Á Í Ó Ö Ü É Ö Ö Ö Á Á Ö É Á Ö ő ö ő Í ó ö ó ú Í Ö Í ÍÍ É Ó Ü Ü Ó Ó Ö É Ö ő ö ő ű ó ö ú Í Ö Í Ö Í Ö Ó Ó Ó Ó Ü Ö Ü Ü É Ú Ö Ó Ó Í Í ő ö ő ű ó ö ó ú É Ö Í Í ÍÍ Í Í Í É Í
ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó
ö ú Á ő ű ü ő ó ö ö ú ö ú ü ó ó ű ö ú ó ó ó ő ö ö ő ú ó ö ö ő ő ő ő ö ű ü ü ü ő ü ü ő ő ü ó ő ő ö ő ú ő ö ö ő ó ő ö ü ú ö ö ó ő ö ü ó ó ó ó ő ő ő ó ó ú ő ü ő ö ö ó ü ö ö ő ű ö ö ő ú ú ó ö ő ű ö ó ó ü ű
ö ö ó ú ö ö ú ü ó ö ö Í ö ö ö ü ó ö ö ú ú ö ü ó ü ó ü ö ú ü ó ü ö ó Á Á ö ü ú ó ö ü ü ö ó ü ü Á ü ö ü ö ü ö ö ö ü ö ú ö ö ö ü ú ö ú ö ű ú ú ü ö ó ö ö
ö ö Ő Ö ü ö Ö ü ü ü ó ö ö ö ü ö ú ü ü ö ö ú ú ö ú ó ú ó ü ú ú ú ú ó ú ö ú Á ö ö ö ó ú ö ö ú ü ó ö ö Í ö ö ö ü ó ö ö ú ú ö ü ó ü ó ü ö ú ü ó ü ö ó Á Á ö ü ú ó ö ü ü ö ó ü ü Á ü ö ü ö ü ö ö ö ü ö ú ö ö ö
ö ü ü ú ó í ó ü ú ö ó ű ö ó ö í ó ö í ö ű ö ó Ú ú ö ü É ó í ö Ó Á í ó í í Ú ö ú ö ű ü ó
ö Ö ó ü Ú ú ű ó ú ü ö Ö ü ó ü ü ó ó ö ö ó ó ö Ú ö í ó ö ö ö í í ú ü ó ö ü ü ú ó í ó ü ú ö ó ű ö ó ö í ó ö í ö ű ö ó Ú ú ö ü É ó í ö Ó Á í ó í í Ú ö ú ö ű ü ó ó ó Ó Ú ö ú ó í í ú ó ö ü ü Ö ó ü ü í Ö Ö ú
ö Ó ű ö ó í ó ü ö Ó ó í ö ö ó Ö ó ö í ó í ó Á í ó Á Á Ő ú ü ó Í ü ú ü
ú Ö Ú ú ú ó Ő Ö ü Ú ú ö Ö Í ó í ü ü ó ó ó Í ö ö ö ö í ü ó ö ü ü ú í ű ö ó ó ö ö ö ű ö ó ó ö ö Ó ű ö ó í ó ü ö Ó ó í ö ö ó Ö ó ö í ó í ó Á í ó Á Á Ő ú ü ó Í ü ú ü ü ö ö ó ó Í ü ö ó ú ü ü ö ó ö ö Í í ó ó
Ü
Ó Á ú Á É Ü Ö Ö Ö É É É Ö É Ü Ö É É É É É Ó Ö Ó Í Ö Ö Ö Ö Í Ö Ö É É É Í Ö Ö É Ö Í Á Ó Í Á É É Ó É Ú Á Í É É É Ö Ö Ó Ö Ö Ö Ö Ó Ó Ó Í Ü Ö É É Ö Ó Ö Ó ö Ö Ö Ö Ö Ö Ó Ü Ö Ó É ű É É É É É É É É Í Ö Ó Ö É Ö Ö
Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő
ű É ű ű É Ö Ö Ú Ó Ö ű Ő Ő ű ű Ü Ő Ó Ő É Ó Ó É ű Ö ű Ö ű ű ű Ú Ú Ö ű ű ű Ö ű ű ű ű ű ű ű ű Ú É É É É Ö Ö Ú Ö É ű ű ű ű ű ű ű Ó ű Ö Ö ű ű ű É ű ű ű ű ű ű ű ű ű É ű ű ű ű ű ű ű ű ű ű Ö ű ű ű Ü ű ű ű ű Ö ű
é ú é é é é é é é é é é é é ú é ö é é é ö Ő é é é ú é é é é é é é é ö é é é ö é Ö é é ö é ö é é é ű é ö ö é ö é é ö ö é é ö ö é ö é Ö é ú é é é é é é
é ű ö Ö é é ö ú é é é é ö ö é ö é é é ö ö é é é ö ö é ű é é ö é é é é é é é é é é ö é ö é é é ű ö ű ö é é é Ö Ú Í é ö é é Ő ö ö ú é é é é é é é é é é ű é é é ú é é é ű ú é é é é é ö é ö é ö é é ö é é é
É Í Á Á É Ü Ó É É É É Í Ó Ó Ő Á Á É Á É É É É Á É É Á Á É É Á É Í
Í É Í Á Á É Ü Ó É É É É Í Ó Ó Ő Á Á É Á É É É É Á É É Á Á É É Á É Í É Á É Í Í É É Í Í Í Á Í Á Á ö ó ö ö ő ő ő ö ö ó ő ű ö ö ö ö ü ö ö ö ü ü ó ö Á ó ó ö ö ő ő ő ő ö ó ü ó ó ó ó ó ó ö ü ü ó ö Ó Í Í É É
ó É ó í ó ó í í ö í ó í ö ö ö ü ö ó ó ó ü ú ö ü ó ó ö ö ü ü ü ö ö ó ö í ó ű Ü ó í ú í ö í ö í Í ó ó í í ö ü ö ö í ö í ö ö ö ü ó í ö ö ó í ú ü ó ö
Á Ö É Á É Ő Ü Ü ü ö Ö ü ú ö í ü ü ó ó Á ö ó ö ö ö Ö í ü ü ü í í ü ü ö ü ü ü ü ö í ó ó Ő ó ó ö ó ö í ü í Í ó í ó ö í ó ó ö ó ó ö ó ó É ó í ó ó í í ö í ó í ö ö ö ü ö ó ó ó ü ú ö ü ó ó ö ö ü ü ü ö ö ó ö í
ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó ó ö ü ü ö ü ó ó ő ó ü ó ü ü ö ö É ú ó ó ö ú ö ü ü ó ó ó ü Á ö ö ü ó ö ó ö ö ö ö ó ó ö ó ó
Ü Ű Ö É Á Á ö É É Ö Ú Ü ö ü ő ő ö ő Á ő ó ő ü ü ö ö ú É ű ó ü ű ö ú ü ö ó ö ö ü ű ö ó ó ö ö ö ö ü ű ö ő ö ö ó ö ö ő ó ő ü ő ó ő ö ö ő ü ü ö ő ó ú ú ü ú ő ó ő ő ó ó ó ö ó ü ő ó ő ö ü ü ó ö ő É ó ö ö ö ó
í ó í ó ó ó í í ü ú í ú ó ó ü ü í ó ü ú ó ü í í ü ü ü ó í ü í ü ü í ü ü í ó ó ó í ó í ü ó í Á
Ö ü ó Ö ü ó ó ó ó ó ó ó ó ó ó í ü í í ü ü ü ü ó ü ü ú ó ü ü ü í ó í ü ü í ó í ó í ó ó ó ó í ó ó ó í í ó ü ú É Ö í í í ú ó í ü í ó í ó ó ó í í ü ú í ú ó ó ü ü í ó ü ú ó ü í í ü ü ü ó í ü í ü ü í ü ü í ó
É Ö Á Í Á Ó Ö ü
Ö ű Ö ő ü ő ő ő ű Ö Ö ü Á Á É Ö Á Í Á Ó Ö ü Ö ű ű Ö ű ű ú ű ű ú ú ő ő ü ű ű É Ö ú ű ő ű ű ú ő ü Ö ú ú ő ő ú ű ü ő ü ű ú ú ű Ü ő ő Ó ü É Ó Ö Ö ú ü ü ü ü Ű ú Ö Á ü É Ó ű Á Ö Á ű ü ú Ö ű ű ű ü ő ő ő Á ő ő
í í É í ó ó É ö í ó í ó í ó ó í ó í í ó ó ó í ö ö ö ö í í í ó ó ö ó
Á Á Ó Ö Á í í É í ó ó É ö í ó í ó í ó ó í ó í í ó ó ó í ö ö ö ö í í í ó ó ö ó ó í í ó ó ű ű ö ű ú í ö ó ó í ó ó ö ö Ü ú ó Ü ö ö í ö í ó ó ó ű í ó ö ö í í ö ö í ö Í ó ö í ö ö ó ó ö ö í ó ö ö í í ö í ú Í
ó ö í í ü Ű Ö ó ó ű ö ü Í í í ö Ö Ó ö Ű Ö ú ó ó í í ű ö ö ö ö í ó ö ö í ö ű ö ű ö ö ö ö ö í ó Ö Ö ü ú ö ó ü ö Ö ű ö Ö ü ó ö ö ó ö ö Ó í ű ö ű ö ö ű í
ö Ö ü ö Ü Ö Ö ü ú í Ó ü ü ö ó ö ö Á ó ó ó ü í ö í ö ö ó ö ö í í Ő í ó Ő ü ú ó ö ö ó ö í ü ó ó ö í ó í ó ö í í ü Ű Ö ó ó ű ö ü Í í í ö Ö Ó ö Ű Ö ú ó ó í í ű ö ö ö ö í ó ö ö í ö ű ö ű ö ö ö ö ö í ó Ö Ö ü
ű ö ú ö ö ö ö í ű ö ö ö ű ö ö ö í ü ú í ű í ö í ú ű í ü ö ö ú ö í ö ű ú ü ö ö í ö ü ö ú ű ö ö ö í Á í ü í ö ü ö í ü ö Ő ü ö í ű ü ö í í í í í
ü ö É ű ö ú ö ö ö ö í ű ö ö ö ű ö ö ö í ü ú í ű í ö í ú ű í ü ö ö ú ö í ö ű ú ü ö ö í ö ü ö ú ű ö ö ö í Á í ü í ö ü ö í ü ö Ő ü ö í ű ü ö í í í í í í í ö Á í ű í ü ö í ű ö í ú ű í ű ü ö í ű ö ű ö ö ű ö
ű ú ó ó ü í Á Á ú ó ó ó ó ó ó ó ó ó ó ó ó ó ó í ó ü É ű ü ó í ü í í í í í ó í ü í í ó ó Á
ü ű ú í í ü í ű ú ó ó ü í Á Á ú ó ó ó ó ó ó ó ó ó ó ó ó ó ó í ó ü É ű ü ó í ü í í í í í ó í ü í í ó ó Á ó ű ó í Á í ó ü í ó ó í ü ü ű ó í ü í í ü í í í ó í ó í ü ó Ó í ó ó ó í í í ü Í ó ó í í í í ó í í
ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű
É Á É É Ó Á ű Á ű ú ú ű ű ú ű ű ú Á ú ű ú ű ú ű ú ű Á ű ú ű ű Ö Ú Á ű ű Á ű ű ú Í Ó Á ú Ű ű Ő Ö Á ú Ű Ü ú ú Á ú ű ű ú ű ű ű ű ű ú ű ű ű ű ű ű Á ú ű ű ú ú ű ű ű ű ű ú ű Á ű ű ű ű ű ű ú ű ú ű ú ű Ö ú ű Ö
í í í í ó í ó ö ö í ű ü ó ó ü ú Á Á ó ó ó ó ó ó í ó ö ö ü Ó ö ü í ö ó ö í í ö í ó ó í ö í ú ó ú í ö ú ö ö ö í ó ó ó ú ó ü ó ö í ó ó í í í Á í ó ó ó
Í ö í ú ú ó ú Ö ü Ú ú Ö ü ó ü ó ö ö ó ó ö í ó í ó í Í ó í ö ö ö ó í ü ó ö ü ü ú ó ó ó ó ó ó í ó ó ó í ú ó ó ó ó ó í ü í í í í ó í ó ö ö í ű ü ó ó ü ú Á Á ó ó ó ó ó ó í ó ö ö ü Ó ö ü í ö ó ö í í ö í ó ó
ü ö ö ő ü ó ó ú ó
ö ö ő ü ü ü ő ö ü ö ö ő ü ó ó ú ó Ő Ö ü ö Ö ó ü ü ü ö ö Ö ó ó ü ö ó ő ü ó ü ő ó ő ó ü ö ö ö í í ó ő ú ü ö ö ó ü ö ő í ő ő í ő ü ó ő ü ű ö ú ó ú í ü ó ü ö ó ó ü ö Ö ó ő í ó ő ü ö ü ő ö ö ö ö Ö Ó ő ü ü ó
ó ó é é é ó ü é é Í ő ő ó ó é ö é ó é ő ü é é ó í é é é ű ő ő ő é é ő í é í é é é ú é é é ó í é ö é ő ö é é é ö ü í é é ő é é ü é é í Ú ő ó ö é ő ö ö
Á Á É é ö ö é ő ő ő é ö é é ő é é é é ő í é é é ó é é é ü ő ő ó é ő é ű ö ö ú é ü ö é é é é ó é é ü ő ö é ő é ő ü ő ő ö ö í é ő ó ó ő é ő é ó é é ő é ó é ű é é ü ö é Í ö é í é ő ó ö é ő é ú í ö é é é ö
É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű
É É É Ó Á É ú É ö ö ű ö ö ö ú ú ú ű ű ú ö ű ö ű ű ü ö ö ü ű ö ü ö ö ö ö ú ü ö ö ö ú ö ö ú ö ö ú ü ú ú ú ű ü ö ö ű ú ű ű ü ö ű ö ö ö ű ú ö ö ü ú ü ö ö ö ü ú ö ű ü ű ö ö ú ö ú ö ö ö ö ö ü ú ü ö ö ö ö ö ü
Ö ő ü Ö Ö Ő ü ő Ö Ö ü ű Á Í Ö ű ü ő ő ő Ö ü ü ő ő ő Ü ü ő ő ő ü ő ő ü ü
Ö ő ü Ö ő ü Ö Ö Ő ü ő Ö Ö ü ű Á Í Ö ű ü ő ő ő Ö ü ü ő ő ő Ü ü ő ő ő ü ő ő ü ü ü ő ő ő ú ű ő ő ú Ö ő ü ő ő Ö ő ü ő ő ő ő ő ő ü ü ő ő Ö ő Í Ö Ö Ö ü Ü Ö ő ő Ö ü Ö Ö ü Ö Ö ü Ö Ü Ö ü ü ü ő ű Ö ő Ö ü ü ü ő Ű
Microsoft Excel 2010. Gyakoriság
Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó
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
ó ó ó ö ü ő ö ó ú ő ó ö ó ó ő ü ő ó ő ü ö ő ő ó ó ő ó ö ö ú ó ő ö ó ő ő ó É ó ő ü ö ú ű ü ő ő ú ó ö ú ó ó ó ó ő ó ö ú Á ő ő ő Á ó ó ü É ö ú
ó ó ó ó É ő ó ő ö ú ó ö ú ó ő ó ő ó ó ó ö ü ő ö ó ú ő ó ö ó ó ő ü ő ó ő ü ö ő ő ó ó ő ó ö ö ú ó ő ö ó ő ő ó É ó ő ü ö ú ű ü ő ő ú ó ö ú ó ó ó ó ő ó ö ú Á ő ő ő Á ó ó ü É ö ú ő ü ó ü ő ó Á ő ő ó ő ó Íő
Mérési adatok illesztése, korreláció, regresszió
Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,
Segítség az outputok értelmezéséhez
Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
A Föld kéreg: elemek, ásványok és kőzetek
A Föld kéreg: elemek, ásványok és kőzetek A Föld szerkezete: réteges felépítés... Litoszféra: kéreg + felső köpeny legfelső része Kéreg: elemi, ásványos és kőzettani összetétel A Föld különböző elemekből
TANTÁRGYI PROGRAM Matematikai alapok II. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok II. útmutató 2013/2014. tanév II. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
SZABÁLYSÉRTÉSI IRATOK ÜGYKEZELÉSI SZABÁLYZATA
BELÜGYMINISZTÉRIUM TITKÁRSÁGA 10 2 4 9 2 / 1 9 74. BELSŐ HASZNÁLATRA! 19 Sorszám: SZABÁLYSÉRTÉSI IRATOK ÜGYKEZELÉSI SZABÁLYZATA 1975 ÁBTL - 4.2-10 - 2492/1974 /1 BELÜGYMINISZTÉRIUM TITKÁRSÁGA 10-2492/
TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató
BGF PÉNZÜGYI ÉS SZÁMVITELI KAR Módszertani Intézeti Tanszéki Osztály TANTÁRGYI PROGRAM Matematikai alapok 2. útmutató 2015/2016. tanév I. félév Tantárgyi program Tantárgy megnevezése Tantárgy jellege/típusa:
[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
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
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