STATISZTIKA PRÓBAZH 2005
|
|
- Sarolta Balázsné
- 8 évvel ezelőtt
- Látták:
Átírás
1 STATISZTIKA PRÓBAZH FELADATSOR: számítógépes feladatok (még bővülni fog számítógép nélkül megoldandó feladatokkal is) Használjuk a Dislexia Excel fájlt (internet: starts.ac.uk)! 1.) Hasonlítsuk össze a 4 éves gyerekek Pegboard set4, illetve Pegboard set5 teszten elért eredményeit! Állíthatjuk-e, hogy valamelyik teszten szignifikánsan nagyobb pontszámot értek el, mint a másikon? Mego: H 0 : a két teszten elért eredmény nem tér el szignifikánsan. Párosított t-próbát végzünk, mert a két mérést egy mintaelemen (gyereken) végezték. Az egyes minták kb. normáleloszlásúak (3.o), de ezt ellenőrizni kell a különbségekre is az eredmény-lapon (5.o.), ez is rendben, tehát választhatunk t-tesztet (ellenkező esetben nem-paraméteres teszt lenne megfelelő, a Wilcoxon matched-pairs signed-ranks test). Kétoldali próbát választunk, mert bármelyik teszten érhettek el jobb eredményt (Csak abban a nagyon ritka esetben választunk egyoldalú próbát, ha a biológiai előismeretek kizárják, hogy a kezelés csökkenti a mért változót, csakis növelheti, vagy éppen fordítva. Óvatosságból inkább a kétoldalit kell választani.) 3.o.: Az egyes mintákra külön-külön normalitás-teszt OK 4.o.: Perform paired test / Assume values are sampled from Gaussian distributions? Yes. Perform paired t-test / Two tail P-value 5.o.: P = 0,0018, Assumption test: Was the pairing effective? OK. (Ez általában teljesül, ha az adataink tényleg olyanok, hogy két mérés egy objektumon.) / Assumption test: Are the differences sampled from Gaussian distribution? OK. 6. o.: Megnézzük a box-plotot, alul SEM-re átállítva informatívabb (standard error of mean, előfordul, hogy ehhez kétszer is meg kell nyomni a gombokat oda-vissza, hogy tényleg átálljon SD-ről SEM-re), látszik, hogy a két átlag eléggé eltér, de itt ez még nem ad nekünk bizonyosságot, mert a párosított t-próbánál a különbségek átlagának 0-tól való eltérését vizsgáljuk, sajnos a különbségek átlagát és standard errorját nem mutatja a GraphPad. A párosított t-próba feltételei teljesülnek, a próba eredménye, hogy nagyon szignifikánsan (**) eltérnek a 4 éves gyerekek által a két teszten elért eredmények, vagyis a két teszten elért eredmények különbségeinek átlaga nagyon szignifikánsan eltér a 0-tól. A Pegboard set5 teszten lényegesen több pontot értek el. H 0 -t elvetjük. Annak a valószínűsége, hogy ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, csupán 0,0018, tehát nem valószínű, hogy a két Pegboard teszt eredményének ilyen nagy eltérése csak a véletlen ingadozásnak tudható be. 2.) Állapítsuk meg, hogy a fiúk(m) és a lányok(f) RAD pontszáma (7 éves korban mért olvasási képesség) lényegesen eltér-e?
2 Mego: H 0 : a fiúk és a lányok RAD pontszámainak mediánja nem tér el szignifikánsan. Párosítatlan kétmintás próbát végzünk, mert két független mintán végezték a mérést. Mivel a fiúk pontszámai eltérnek a normáleloszlástól (3.o), Man-Whitney tesztet választunk (kétoldali). (A Man-Whitney próba nem az átlagokat, hanem a mediánokat hasonlítja össze, pontosabban az összes adat rangszámainak helyzetét vizsgálja egy összesített rangsorban.) Excelben szűréssel szét kell választani a fiúkat és a lányokat: kijelöljük a sex oszlopot, majd Adatok/Szűrő/Autoszűrőt kipipáljuk, erre megjelenik egy kis legördülő lista az oszlop fejlécében ott kijelöljük a lányokat (f), ekkor csak a lányok sorai látszanak az összes oszlopban, átmásoljuk a csak lányokat tartalmazó RAD oszlopot a GraphPad 2. o.-ra egyik mintának, majd a szűrőt átállítva a fiúkra nyerjük a második mintát. (Ha már nincs szükségünk a szűrőre, sőt zavaró, akkor újra Adatok/Szűrő/Autoszűrő helyen kattintva eltüntetjük a kipipálást.) 3.o.: Az egyik mintára a normalitás-teszt nem OK 4.o.: Perform unpaired test / Assume values are sampled from Gaussian distributions? No. Perform nonparametric test / Two tail P-value 5.o.: P = 0, o.: Megnézzük a box-plotot, de nem érdemes, a negatív értékek úgy tűnik megzavarták szegény GraphPad-ot, informatívabb a 3.o. adatait tanulmányozni: átlagok valamelyest eltérnek, szórások alig, konfidencia intervallumok kissé átfednek, de ez itt nem igazán informatív, mert a konf. intervallumot normáleloszlást feltételezve számította. Ránézésre van különbség, de nem túl nagy. A párosított t-próba feltételei nem teljesülnek, ezért Man-Whitney-t választottunk. A próba eredménye, hogy szignifikánsan (*) eltérnek a fiúk és a lányok RAD pontszámai, a fiúk rosszabb eredményt értek el. H 0 -t elvetjük. Annak a valószínűsége, hogy ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, csupán 0,0114, tehát nem valószínű, hogy a fiúk és lányok RAD teszt eredményeinek ilyen nagy eltérése csak a véletlen ingadozásnak tudható be. Ebben a véleményben nem lehetünk nagyon biztosak, mivel P relative nagy (>1%), nagyobb bizonyossághoz nagyobb minta szükséges. 3.) Állapítsuk meg, hogy a 7 éves korban normal, ill. poor olvasási képességűnek kategorizált gyerekek 4 éves kori átlagos Pegboard-teszt eredményei ( Pegboard Mean oszlop) szignifikánsan eltérnek-e? Mego: H 0 : a normal, ill. poor olvasási képességűek Pegboard Mean pontszámainak átlaga nem tér el szignifikánsan. Párosítatlan kétmintás t-próbát végzünk, mert két független mintán végezték a mérést. A t-próba feltételei teljesülnek, (normalitás 3.o. és varianciák azonossága 5.o.) tehát azt választjuk (kétoldali). Excelben szűréssel szét kell választani a normal, ill. poor olvasási képességűeket. 3.o.: Mindkét mintára a normalitás-teszt OK
3 4.o.: Perform unpaired test / Assume values are sampled from Gaussian distributions? Yes. Also assume the populations have equal SDs / Two tail P-value 5.o.: P = 0,7568. Assumption test-ek (normalitás, varianciák azonossága) rendben 6. o.: Megnézzük a box-plotot, alig van eltérés, ugyanerre utal, hogy konfidenciaintervallumok teljesen átfednek (3.o.). A párosított t-próba feltételei teljesülnek. A próba eredménye, hogy nincs szignifikánsan eltérés a normal, ill. poor olvasási képességűnek kategorizált gyerekek átlagos Pegboard-teszt eredményei között. H 0 -t megtartjuk. Annak a valószínűsége, hogy ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, 0,7568, ez egy nagyon nagy valószínűség, tehát igen valószínű, hogy a normal, ill. poor olvasási képességűnek kategorizált gyerekek átlagos Pegboard-teszt eredményeinek kis eltérését csak a véletlen ingadozás okozta. A Pegboard-teszt nem alkalmas az olvasási képességek vizsgálatára. 4.) Vizsgáljuk meg azt is, hogy a 7 éves korban normal, ill. poor olvasási képességűnek kategorizált gyerekek 4 éves kori BPVT std -teszt eredményei szignifikánsan eltérnek-e? Mego: H 0 : a normal, ill. poor olvasási képességűek BPVT std -pontszámainak átlaga nem tér el szignifikánsan. Párosítatlan kétmintás t-próbát végzünk, mert két független mintán végezték a mérést. A t-próba feltételei teljesülnek, (normalitás 3.o. és varianciák azonossága 5.o.) tehát azt választjuk (kétoldali). Excelben szűréssel szét kell választani a normal, ill. poor olvasási képességűeket. 3.o.: Mindkét mintára a normalitás-teszt OK 4.o.: Perform unpaired test / Assume values are sampled from Gaussian distributions? Yes. Also assume the populations have equal SDs / Two tail P-value 5.o.: P = 0,0133. Assumption test-ek (normalitás, varianciák azonossága) rendben. 6. o.: Megnézzük a box-plotot, van eltérés, az eltéréshez képest kicsi a standard error, ugyanerre utal, hogy konfidencia-intervallumok alig fednek át(3.o.). A párosított t-próba feltételei teljesülnek. A próba eredménye, hogy szignifikáns (*) az eltérés a normal, ill. poor olvasási képességűnek kategorizált gyerekek BPVT std teszt eredményei között. H 0 -t elvetjük. Annak a valószínűsége, hogy ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, 0,0133, ez aránylag kicsi valószínűség, tehát nem valószínű, hogy a normal, ill. poor olvasási képességűnek BPVT std eredményeinek eltérését csak a véletlen ingadozás okozta. Ebben a véleményben nem lehetünk nagyon biztosak, mivel P relative nagy (>1%), nagyobb bizonyossághoz nagyobb minta szükséges. A BPVT std eredmény talán alkalmas az olvasási képességek vizsgálatára.
4 5.) Vizsgáljuk meg, hogy a 4 éves kori BPVT std eredmény alkalmas-e a 7 éves kori RAD olvasási teszt eredmény jóslására. Vizsgáljuk a változók közötti lineáris kapcsolatot (mindkét változó normál elo és a RAD normál elo BPVT minden értéke mellett uo. szórással)! Milyen BPVT std értékhatár alatt jósolnánk, hogy a RAD eredmény 0 alatt lesz, vagyis olvasási képesség lemaradás várható? Mego: H 0 : a BPVT és a RAD pontszámok között nincs lineáris kapcsolat. Mivel célunk a predikció, lineáris regressziót végzünk, RAD regresszióját a BPVT-n. (A két változó nincs oksági kapcsolat és mindkettő normál elo, tehát ha nem a jóslás lenne a cél, kapcsolatuk vizsgálatára a korreláció lenne az alkalmasabb.) A feltételek teljesülnek, (mindkét változó normál elo és a RAD normál elo BPVT minden értéke mellett uo. szórással). 1.o.: Regression and correlation 2.o.: Az x oszlop a BPVT az y a RAD. Mivel jóslásra is van szükség a RAD oszlop alatti első üres helyre beírjuk a 0-t, hogy a Graphpad kiszámítsa, hogy a ehhez milyen BPVT értéket jósol az egyenlet. 3.o.: Linear regression (általában ne válasszuk a force through -t!) / Runs test / Interpolate unknowns 4.o.: slope = 0,5194, y intercept = , r squared = 0,2620. Is the slope significantly different from zero : P = 0,002. Runs test: there is not a significant departure from linearity. Standard curve calculations: x=89,887, y=0 5.o.: A szórás-diagrammon látszik, hogy van lineáris trend, de nem túl szoros a két változó kapcsolata, erre utal az aránylag alacsony r squared érték is. Az egyenes egyenlete: RAD = 0,52*BPVT 47. Az egyenes meredeksége szignifikánsan eltér a 0-tól, a véletlen csak 0,002 valószínűséggel okozna ilyen nagy eltérést a 0 meredekségtől. H 0 -t elvetjük. Tehát van lineáris kapcsolat a két változó között, runs test is erre utal. A BPVT alkalmas a RAD jóslására. A RAD varianciájának 26%-át magyarázza a BPVT. Predikció: kb BPVT = 90 alatt várható olvasási lemaradás, tehát 0-nál kisebb RAD eredmény.
5 6.) Négyféle fogkrém hatását vizsgálták a fogszuvasodás kialakulásának megakadályozására. Minden fogkrém esetében 10-10, az adott fogkrémet használó embernél vizsgálták, hogy hány szuvas foga keletkezett 3 év alatt. Elfogadhatjuk-e 5%-os szignifikanciaszinten, hogy a fogkrémek hatása nem különbözik? Mely fogkrémek között találunk szignifikáns különbséget? A fogkrém B fogkrém C fogkrém D fogkrém Mego: H 0 : a minták azonos mediánú alapsokaságból származnak, nem különböznek szignifikánsan, nincs különbség a fogkrémek között. Párosítatlan próbát végzünk, mert négy független mintán végezték a mérést. Mivel a minták között van nem normál eloszlású ANOVA helyett (3.o), Kruskal-Wallis tesztet választunk. (A Kruskal-Wallis próba nem az átlagokat, hanem a mediánokat hasonlítja össze, pontosabban az összes adat rangszámainak helyzetét vizsgálja egy összesített rangsorban.) 3.o.: Több mintára a normalitás-teszt nem OK 4.o.: Select all columns / Perform ordinary ANOVA / Assume values are sampled from Gaussian distributions? No. Use nonparametric methods. 5.o.: P = 0, o.: Megnézzük a box-plotot, elsőre az oszlopok eltérni látszanak, de a SEM-et is figyelembe véve látszik, hogy a nagy variancia miatt a konfidencia intervallumok átfednek, tehát nincs nagy különbség. A párosított t-próba feltételei nem teljesülnek, ezért Kruskal-Wallis-t választottunk. A próba eredménye, hogy nincs szignifikánsan eltérés a különböző fogkrémet használó csoportok között (a keletkezett szuvas fogak számainak mediánjaiban). H 0 -t megtartjuk. Annak a valószínűsége, hogy ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, 0,8164, ez egy nagyon nagy valószínűség, tehát igen valószínű, hogy a fogkrémek között talált kis eltérést csak a véletlen ingadozás okozta, igazából nincs különbség közöttük. 7.) Cserebogárlárvák koreloszlása különbözik-e a két talajmintában? A minta B minta 1 éves éves éves 6 4
6 Mego: H 0 : a minták azonos eloszlású alapsokaságból származnak, a korcsoportok arányai nem különböznek szignifikánsan, a koreloszlás független attól, hogy honnan vettük a mintát. χ 2 -próbát végzünk homogenitásvizsgálatra. 1.o.: Analyze a contingency table / Larger contingency table 3.o.: P < 0,0001 The row and column variables are significantly associated A két változó assziciáltsága azt jelenti, hogy a koreloszlás nem független a mintavétel helyétől, tehát a két mintában a koreloszlás szignifikánsan különbözik. H 0 -t elvetjük. Annak a valószínűsége, hogy az eloszlásokban ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, kisebb mint 0,0001 ez egy nagyon kis valószínűség, tehát igen valószínűtlen, hogy a koreloszlások között talált eltérést csak a véletlen ingadozás okozta. 8.) Elfogadhatjuk-e, hogy a következő tapasztalati eloszlás megfelel a 9:3:4-es mendeli dihibrid F2 arányoknak (recesszív episztázis)? A_B_ 103 A_bb 31 aa 39 Mego: H 0 : a minta eloszlása egyezik egy elméleti eloszlással. χ 2 -próbát végzünk tiszta illeszkedésvizsgálatra. Azért tiszta, mert az elméleti eloszlás teljesen ismert, nem kell paramétert becsülni. Először is elkészítjük az elméleti eloszlást: genotípus tapasztalati elméleti A_B_ ,3125 A_bb 31 32,4375 aa 39 43,25 összesen Statistica: Nyitunk egy Spreadsheet-et 2 változóval és 3 esettel Átmásoljuk a fenti táblázatból CSAK az eloszlást (tehát az összesen sort már nem!) Statistics / Nonparametrics / Observed vs expected χ 2, OK gomb Variables: Observed legyen a tapasztalati (nem lehetnek törtszámok!), Expected az elméleti, Summary gomb 3.o.: χ 2 = 0,81, P < 0,67 EZ A P ÉRTÉK MEGFELELŐ SZABADSÁGI FOKBÓL SZÁMÍTÓDOTT, MERT NEM CSÖKKENTETTE PARAMÉTERBECSLÉS A SZABADSÁGI FOKOK SZÁMÁT. Statistica értelmezése: Mivel P>>0,05 H 0 -t megtartjuk. Annak a valószínűsége, hogy az tapasztalati eloszlás ekkora mértékben vagy még jobban eltér az elméletitől 0,67. Ez egy nagyon nagy valószínűség, tehát igen valószínű, hogy az eloszlások között talált eltérést csak a véletlen ingadozás okozta. A tapasztalati eloszlás megfelel a 9:3:4-es mendeli arányoknak.
7 9.) Floridában kategorizálták az autós baleseteket súlyosságuk szerint és aszerint, hogy viseltek-e az érintettek biztonsági övet. A következő eredményeket kapták: Elfogadhatjuk-e 5%-os szignifikanciaszinten, hogy a baleset kimenetele független a biztonsági öv viselésétől? nem-halálos halálos bizt öv bizt öv nélkül Mego: H 0 : a balesetek kimenetele független attól, hogy használtak-e biztonsági övet. χ 2 - próbát végzünk függetlenségvizsgálatra. 1.o.: Analyze a contingency table / Larger contingency table (mert a Two columns, two rows -ba nehezebb bemásolni az adatokat, a Larger contingency table mindig jó, a GraphPad észreveszi úgyis, hogy 2x2) 3.o.: P < 0,0001 The row and column variables are significantly associated A két változó assziciáltsága azt jelenti, hogy a balesetek kimenetele nem független a mintavétel helyétől. H 0 -t elvetjük. Annak a valószínűsége, hogy az eloszlásokban ekkora vagy nagyobb eltérést csak a mvh (mintavételi hiba) okozzon, kisebb mint 0,0001 ez egy nagyon kis valószínűség, tehát igen valószínűtlen, hogy a balesetek súlyossági arányai között talált eltérést csak a véletlen ingadozás okozta. 10.) Student 1907-ben élesztő-sejtek eloszlását vizsgálta egy hematocitométer segítségével. 400 cellában számolta meg az élesztő sejteket: i: sejtek sz azon cellák sz., amelyekben éppen i db élesztősejt volt Elfogadhatjuk-e, hogy a cellánkénti sejtszám Poisson eloszlású? Döntsünk α=5% mellett! Mego: H 0 : a minta eloszlása egyezik egy elméleti Poisson eloszlással. χ 2 -próbát végzünk becsléses illeszkedésvizsgálatra. Azért becsléses, mert a elméleti Poisson eloszlás átlagát a mintából kell becsülni. λ=össz élesztősejt/össz cellaszám =(0*75+1*103+2*121+3*54+4*30+5*13+6*2+7*1+8*0+9*1)/400=720/400=1,8
8 Először is elkészítjük az elméleti eloszlást: i: sejtek sz. tap. elo elm. elo 0 75,0 66, ,0 119, ,0 107,1 3 54,0 64,3 4 30,0 28,9 5 13,0 10,4 6 2,0 3,1 7 1,0 0,8 8 0,0 0,2 9 1,0 0,0 >10 0,0 0,1 össz 400,0 400,0 Összevonjuk annyira, hogy legfeljebb 1 elméleti gyakoriság legyen 5 alatt: i: sejtek sz. tap. elo elm. elo 0 75,0 66, ,0 119, ,0 107,1 3 54,0 64,3 4 30,0 28,9 5 13,0 10,4 >6 4,0 4,2 össz 400,0 400,0 Statistica: Nyitunk egy Spreadsheet-et 2 változóval és 7 esettel Átmásoljuk a fenti táblázatból CSAK az eloszlást (tehát az összesen sort már nem!) Statistics / Nonparametrics / Observed vs expected χ 2, OK gomb Variables: Observed legyen a tapasztalati (nem lehetnek törtszámok!), Expected az elméleti, Summary gomb 3.o.: χ 2 = 7,5, (P < 0,28) EZ A P ÉRTÉK NEM MEGFELELŐ SZABADSÁGI FOKBÓL SZÁMÍTÓDOTT, MERT A PARAMÉTERBECSLÉS CSÖKKENTETTE A SZABADSÁGI FOKOK SZÁMÁT!!! Tehát 1 paramétert becsültünk, df=5, Táblázatot kell használni!!! Statistica értelmezése: Tehát 1 paramétert becsültünk, df=5, χ 2 kritikus, 5, 0,05=11,07 > χ 2 kalap =7,5, sőt χ 2 kritikus, 5, 0,1=9,236 > χ 2 kalap =7,5 tehát P>0,1. Mivel P>0,05 H 0 -t megtartjuk. Annak a valószínűsége, hogy az tapasztalati eloszlás ekkora mértékben vagy még jobban eltér az elméletitől 0,67. Ez egy nagyon nagy valószínűség, tehát igen valószínű, hogy az eloszlások között talált eltérést csak a véletlen ingadozás okozta. A tapasztalati eloszlás megfelel a Poisson-nak.
Statisztikai hipotézisvizsgálatok. Paraméteres statisztikai próbák
Statisztikai hipotézisvizsgálatok Paraméteres statisztikai próbák 1. Magyarországon a lakosság élelmiszerre fordított kiadásainak 2000-ben átlagosan 140 ezer Ft/fő volt. Egy kérdőíves felmérés során Veszprém
RészletesebbenDr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások
Dr. Szőke Szilvia Dr. Balogh Péter: Nemparaméteres eljárások Bevezetés A magas mérési szintű változók adataiból számolhatunk átlagot, szórást. Fontos módszerek alapulnak ezeknek a származtatott paramétereknek
RészletesebbenEsetelemzések az SPSS használatával
Esetelemzések az SPSS használatával 1. Tekintsük az spearman.sav állományt, amely egy harminc tehenet számláló állomány etetés- és fejéskori nyugtalansági sorrendjét tartalmazza. Vizsgáljuk meg, hogy van-e
RészletesebbenStatisztika, próbák Mérési hiba
Statisztika, próbák Mérési hiba ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián:
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Nonparametric Tests
Nonparametric Tests Petra Petrovics Hypothesis Testing Parametric Tests Mean of a population Population proportion Population Standard Deviation Nonparametric Tests Test for Independence Analysis of Variance
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Nonparametric Tests. Petra Petrovics.
Nonparametric Tests Petra Petrovics PhD Student Hypothesis Testing Parametric Tests Mean o a population Population proportion Population Standard Deviation Nonparametric Tests Test or Independence Analysis
Részletesebben1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit.
1., Egy területen véletlenszerűen kihelyezet kvadrátokban megszámlálták az Eringium maritimum (tengerparti ördögszekér) egyedeit. 1., Határozza meg az átlagos egyedszámot és a szórást. Egyedszám (x i )
RészletesebbenNormál eloszlás. Gyakori statisztikák
Normál eloszlás Átlag jól jellemzi az adott populációt folytonos eloszlás (pl. lottó minden szám egyszer fordul elő) kétkúpú eloszlás (IQ mindenki vagy zseni vagy félhülye, átlag viszont azt mutatja,
RészletesebbenStatisztikai módszerek alkalmazása az orvostudományban. Szentesi Péter
Statisztikai módszerek alkalmazása az orvostudományban Szentesi Péter Az orvosi munkahipotézis ellenőrzése statisztikai módszerekkel munkahipotézis mérlegelés differenciáldiagnosztika mi lehet ez a más
RészletesebbenEsetelemzés az SPSS használatával
Esetelemzés az SPSS használatával A gepj.sav fileban négy különböző típusú, összesen 80 db gépkocsi üzemanyag fogyasztási adatai találhatók. Vizsgálja meg, hogy befolyásolja-e az üzemanyag fogyasztás mértékét
RészletesebbenWIL-ZONE TANÁCSADÓ IRODA
WIL-ZONE TANÁCSADÓ IRODA Berényi Vilmos vegyész, analitikai kémiai szakmérnök akkreditált minőségügyi rendszermenedzser regisztrált vezető felülvizsgáló Telefon és fax: 06-33-319-117 E-mail: info@wil-zone.hu
RészletesebbenBevezetés az ökonometriába
Bevezetés az ökonometriába Többváltozós lineáris regresszió: modellszelekció Ferenci Tamás MSc 1 tamas.ferenci@medstat.hu 1 Statisztika Tanszék Budapesti Corvinus Egyetem Negyedik előadás, 2010. október
RészletesebbenCorrelation & Linear Regression in SPSS
Correlation & Linear Regression in SPSS Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise 1 - Correlation File / Open
RészletesebbenMARKETINGKUTATÁS II. Oktatási segédanyag. Budapest, 2004. február
MARKETINGKUTATÁS II. Oktatási segédanyag Budapest, 2004. február Tartalomjegyzék ELŐSZÓ... 2 1 AZ SPSS-RŐL ÁLTALÁBAN... 3 1.1 DATA EDITOR... 3 1.2 VIEWER... 4 1.3 CHART EDITOR... 4 2 ADATBEVITEL... 5 2.1
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.
Correlation & Linear Regression in SPSS Petra Petrovics PhD Student Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Exercise
RészletesebbenCorrelation & Linear Regression in SPSS
Petra Petrovics Correlation & Linear Regression in SPSS 4 th seminar Types of dependence association between two nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation
RészletesebbenElméleti összefoglalók dr. Kovács Péter
Elméleti összefoglalók dr. Kovács Péter 1. Adatállományok létrehozása, kezelése... 2 2. Leíró statisztikai eljárások... 3 3. Várható értékek (átlagok) vizsgálatára irányuló próbák... 5 4. Eloszlások vizsgálata...
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 6. elıadás (11-12. lecke) Szórás-stabilizáló transzformációk (folyt.), t-próbák 11. lecke További variancia-stabilizáló transzformációk Egy-mintás t-próba Szórás-kiegyenlítı
Részletesebben11. Matematikai statisztika
11. Matematikai statisztika 11.1. Alapfogalmak A statisztikai minta valamely valószínűségi változóra vonatkozó véges számú független kisérlet eredménye. Ez véges sok, azonos eloszlású valószínűségi változó
RészletesebbenAdatok statisztikai feldolgozása
Adatok statisztikai feldolgozása Kaszaki József Ph.D Szegedi Tudományegyetem Sebészeti Műtéttani Intézet Szeged A mérési adatok kiértékelése, statisztikai analízis A mért adatok konvertálása adatbázis
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
RészletesebbenBIOMETRIA_ANOVA_2 1 1
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenKISTERV2_ANOVA_
Két faktor szerinti ANOVA Az A faktor minden szintjét kombináljuk a B faktor minden szintjével, minden cellában azonos számú ismétlés (kiegyensúlyozott terv). A terv szerkezete miatt a faktorok hatását
RészletesebbenStatistical Dependence
Statistical Dependence Petra Petrovics Statistical Dependence Deinition: Statistical dependence exists when the value o some variable is dependent upon or aected by the value o some other variable. Independent
RészletesebbenStatisztika II. feladatok
Statisztika II. feladatok 1. Egy női ruhákat és kiegészítőket forgalmazó üzletlánc 118 egységénél felmérést végzett arról, milyen tényezők befolyásolják a havi összbevételüket (EUR). a) Pótolja ki a táblázatok
RészletesebbenTöbb laboratórium összehasonlítása, körmérés
Több oratórium összehasonlítása, körmérés colorative test, round robin a rendszeres hibák ellenőrzése, számszerűsítése Statistical Manual of AOAC, W. J. Youden: Statistical Techniques for Colorative Tests,
RészletesebbenInformatikai ismeretek vizsgálata a 8. osztály végén. Kiss Gábor Óbudai Egyetem kiss.gabor@bgk.uni-obuda.hu
Informatikai ismeretek vizsgálata a 8. osztály végén Kiss Gábor Óbudai Egyetem kiss.gabor@bgk.uni-obuda.hu A vizsgálat célja A diákok informatikai ismereteinek vizsgálata a 8. osztály befejezésekor arra
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ
Szolnoki Főiskola Üzleti Fakultás, 5000 Szolnok, Tiszaligeti sétány ÚTMUTATÓ A MÓDSZERTANI SZIGORLAT LETÉTELÉHEZ A 4/1996. (I. 18.) Korm. rendelet a közgazdasági felsőoktatás alapképzési szakjainak képesítési
RészletesebbenMagyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése. Rezsabek Tamás GSZDI
Magyarországon személysérüléses közúti közlekedési balesetek okozóik és abból alkoholos állapotban lévők szerinti elemzése Rezsabek Tamás GSZDI Anyag és módszer Központi Statisztikai Hivatalának adatai
RészletesebbenAz R statisztikai programozási környezet: az adatgyűjtéstől a feldolgozáson és vizualizáción át a dinamikus jelentéskészítésig
: az adatgyűjtéstől a feldolgozáson és vizualizáción át a dinamikus jelentéskészítésig Ferenci Tamás ferenci.tamas@nik.uni-obuda.hu 2017. február 23. Tartalom Az R mint programozási nyelv A könyvtárakról
RészletesebbenStatisztikai módszerek
Statisztikai módszerek A hibaelemzı módszereknél azt néztük, vannak-e kiugró, kritikus hibák, amelyek a szabályozás kivételei. Ezekkel foglalkozni kell; minıségavító szabályozásra van szükség. A statisztikai
RészletesebbenMódszertani eljárások az időtényező vezetési, szervezeti folyamatokban betöltött szerepének vizsgálatához
Módszertani eljárások az időtényező vezetési, szervezeti folyamatokban betöltött szerepének vizsgálatához Bácsné Bába Éva Debreceni Egyetem Agrártudományi Centrum, Agrárgazdasági és Vidékfejlesztési Kar,
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Factor Analysis
Factor Analysis Factor analysis is a multiple statistical method, which analyzes the correlation relation between data, and it is for data reduction, dimension reduction and to explore the structure. Aim
RészletesebbenStandardizálás, transzformációk
Standardizálás, transzformációk A transzformációk ugynúgy mennek, mint egyváltozós esetben. Itt még fontosabbak a linearitás miatt. Standardizálás átskálázás. Centrálás: kivonjuk minden változó átlagát,
RészletesebbenKVANTITATÍV MÓDSZEREK
KVANTITATÍV MÓDSZEREK Dr. Kövesi János Tóth Zsuzsanna Eszter 6 Tartalomjegyzék Kvantitatív módszerek. Valószínűségszámítási tételek. eltételes valószínűség. Események függetlensége.... 3.. eltételes valószínűség...
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
RészletesebbenA rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon
A rosszindulatú daganatos halálozás változása és között Eredeti közlemény Gaudi István 1,2, Kásler Miklós 2 1 MTA Számítástechnikai és Automatizálási Kutató Intézete, Budapest 2 Országos Onkológiai Intézet,
RészletesebbenII. A következtetési statisztika alapfogalmai
II. A következtetési statisztika alapfogalmai Tartalom Statisztikai következtetések A véletlen minta fogalma Pontbecslés és hibája Intervallumbecslés A hipotézisvizsgálat alapfogalmai A legegyszerűbb statisztikai
RészletesebbenLOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)
RészletesebbenGyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek. Dr. Dombi Ákos
Gyakorlat: Sztochasztikus idősor-elemzés alapfogalmai II. Egységgyök-folyamatok és tesztek Dr. Dombi Ákos (dombi@finance.bme.hu) ESETTANULMÁNY 1. Feladat: OTP részvény átlagárfolyamának (Y=AtlAr) stacionaritás
RészletesebbenPopulációbecslések és monitoring 2. előadás tananyaga
Populációbecslések és monitoring 2. előadás tananyaga 1. A becslések szerepe az ökológiában. (Demeter és Kovács 1991) A szabadon élő állatok egyedszámának kérdése csak bizonyos esetekben merül fel. De
RészletesebbenA KUTATÁSMÓDSZERTAN MATEMATIKAI ALAPJAI MA. T.P.Lenke
A KUTATÁSMÓDSZERTAN MATEMATIKAI ALAPJAI MA T.P.Lenke 2013.10.25. 2 Szignifikáns különbség Annak bizonyítása, hogy a vizsgálat során megfigyelt különbség egy általunk meghatározott valószínűségi szinten
RészletesebbenÚj eljárás bevezetése a neglect rehabilitációjába. Előtanulmány
Új eljárás bevezetése a neglect rehabilitációjába. Előtanulmány Pollák Ildikó, Szabó Borbála, Mező Róbert Jahn Ferenc Dél-pesti Kórház, Központi Rehabilitációs sztály Noradrenerg-agonista 2006 Space remapping
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
RészletesebbenStatistical Inference
Petra Petrovics Statistical Inference 1 st lecture Descriptive Statistics Inferential - it is concerned only with collecting and describing data Population - it is used when tentative conclusions about
RészletesebbenMINİSÉGSZABÁLYOZÁS. Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia
MINİSÉGSZABÁLYOZÁS A GÉPIPARBAN Dr. Drégelyi-Kiss Ágota e-mail: dregelyi.agota@bgk.uni-obuda.hu http://uni-obuda.hu/users/dregelyia ISO 9000:2008 A STATISZTIKAI MÓDSZEREK HASZNÁLATÁRÓL A statisztikai módszerek
RészletesebbenGAZDASÁGI STATISZTIKA
GAZDASÁGI STATISZTIKA Dr. Kun István GÁBOR DÉNES FŐISKOLA Tantárgy: Gazdasági statisztika Kódszám: 224 Lapszám: 1 TÉMAKÖRÖK A STATISZTIKA ALAPFOGALMAI STATISZTIKAI SOROK STATISZTIKAI TÁBLÁK ÖSSZETETT VISZONYSZÁMOK
Részletesebbenkonfidencia-intervallum Logikai vektorok az R-ben 2012. március 14.
Valószínűség, pontbecslés, konfidencia-intervallum Logikai vektorok az R-ben 2012. március 14. Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra
RészletesebbenMinőség-képességi index (Process capability)
Minőség-képességi index (Process capability) Folyamatképesség 68 12. példa Egy gyártási folyamatban a minőségi jellemző becsült várható értéke µ250.727 egység, a variancia négyzetgyökének becslése σ 1.286
RészletesebbenModern Fizika Laboratórium Fizika BSc 18. Granuláris anyagok
Modern Fizika Laboratórium Fizika BSc 18. Granuláris anyagok Mérést végezték: Márkus Bence Gábor Kálmán Dávid Kedd délelőtti csoport Mérés ideje: 05/08/2012 Beadás ideje: 05/11/2012 Érdemjegy: 1 1. A mérés
RészletesebbenKÍSÉRLET A STATISZTIKA II. TANTÁRGY SZÁMÍTÓGÉPPEL TÁMOGATOTT TÖMEGOKTATÁSÁRA BALOGH IRÉN VITA LÁSZLÓ
KÍSÉRLET A STATISZTIKA II. TANTÁRGY SZÁMÍTÓGÉPPEL TÁMOGATOTT TÖMEGOKTATÁSÁRA A szerzők rövid cikkükben amellett érvelnek, hogy a bevezető jellegű statisztikai kurzusokban célszerűbb az Excelt használni,
RészletesebbenPhEur Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats
PhEur... Two-dose multiple assay with completely randomised design An assay of corticotrophin by subcutaneous injection in rats 00 80 60 0 0 00 80 60 0 0 catterplot of multiple variables against dose PhEur_.sta
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenStatisztika. Politológus képzés. Daróczi Gergely. 2012. február 28. Politológia Tanszék
Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. február 28. Outline 1 Változók és mérési szintek Mérési szintek Példák 2 A változók közötti kapcsolatról Grafikus példák A relációk
RészletesebbenMindentudás Egyeteme TV nézettségi adatok elemzése. 2005. december 15
Mindentudás Egyeteme TV nézettségi adatok elemzése december 5 A műsor közönségarányának alakulása a kezdetektől A -os évad összehasonlítása a korábbiakkal A különböző tudományterületek teljesítményének
RészletesebbenSztochasztikus kapcsolatok
Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.
RészletesebbenStatisztikai módszerek gyakorlat - paraméteres próbák
Statisztikai módszerek gyakorlat - paraméteres próbák A tanult paraméteres próbák: PRÓBA NEVE Egymintás U próba Kétmintás U próba Egymintás T próba Welch próba (Kétmintás T próba) F próba Grubbs próba
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
RészletesebbenDescriptive Statistics
Descriptive Statistics Petra Petrovics DESCRIPTIVE STATISTICS Definition: Descriptive statistics is concerned only with collecting and describing data Methods: - statistical tables and graphs - descriptive
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
RészletesebbenBiostatisztika Bevezetés. Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Biostatisztika Bevezetés Boda Krisztina előadása alapján ma Bari Ferenc SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Az orvosi, biológiai kutatások egyik jellemzője, hogy a vizsgálatok eredményeként
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Hypothesis Testing. Petra Petrovics.
Hypothesis Testing Petra Petrovics PhD Student Inference from the Sample to the Population Estimation Hypothesis Testing Estimation: how can we determine the value of an unknown parameter of a population
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
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
Részletesebben1. A korrelációs együttható
1 A KORRELÁCIÓS EGYÜTTHATÓ 1. A korrelációs együttható A tapasztalati korrelációs együttható képlete: (X i X)(Y i Y ) R(X, Y ) = (X i X) 2. (Y i Y ) 2 Az együttható tulajdonságai: LINEÁRIS kapcsolat szorossága.
RészletesebbenA statisztika részei. Példa:
STATISZTIKA Miért tauljuk statisztikát? Mire haszálhatjuk? Szakirodalom értő és kritikus olvasásához Mit állít egyáltalá a cikk? Korrektek-e a megállaítások? Vizsgálatok (kísérletek és felmérések) tervezéséhez,
RészletesebbenT 038407 1. Zárójelentés
T 038407 1 Zárójelentés OTKA támogatással 1996-ban indítottuk az MTA Pszichológiai Intézetében a Budapesti Családvizsgálatot (BCsV), amelynek fő célja a szülő-gyermek kapcsolat és a gyermekek érzelmi-szociális
RészletesebbenMatematikai statisztikai elemzések 6.
Matematikai statisztikai elemzések 6. Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós regresszió Prof. Dr. Závoti, József Matematikai statisztikai elemzések 6.: Regressziószámítás:
RészletesebbenStatisztika I. 6. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 6. előadás Előadó: Dr. Ertsey Imre GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE GYAKORISÁGI SOROK ELOSZLÁSA KONCENTRÁCIÓ ELEMZÉSE szorosan kapcsolódik a szóródás elemzéshez, elméleti
RészletesebbenMonte Carlo módszerek
25 KULLANCSLÁRVA vizsgálata: Erős hideg hatására nézzük a túlélést. Eredmény: 6 elpusztult, 9 élve maradt Hipotézis: a pajzs hosszának variabilitása egy általános genetikai variabilitást tükröz, míg az
RészletesebbenFeltesszük, hogy a mintaelemek között nincs két azonos. ha X n a rendezett mintában az R n -ik. ha n 1 n 2
Kabos: Ordinális változók Hipotézisvizsgálat-1 Minta: X 1, X 2,..., X N EVM (=egyszerű véletlen minta) X-re Feltesszük, hogy a mintaelemek között nincs két azonos. Rendezett minta: X (1), X (2),..., X
Részletesebben2.3.2.2.1.2.1 Visszatérítő nyomaték és visszatérítő kar
2.3.2.2.1.2 Keresztirányú stabilitás nagy dőlésszögeknél A keresztirányú stabilitás számszerűsítésénél, amint korábban láttuk, korlátozott a metacentrikus magasságra való támaszkodás lehetősége. Csak olyankor
RészletesebbenA.11. Nyomott rudak. A.11.1. Bevezetés
A.. Nyomott rudak A... Bevezetés A nyomott szerkezeti elem fogalmat általában olyan szerkezeti elemek jelölésére használjuk, amelyekre csak tengelyirányú nyomóerő hat. Ez lehet speciális terhelésű oszlop,
RészletesebbenIttfoglalomösszea legfontosabbtudnivalókat, részleteka honlapon, illetvea gyakorlatvezetőtől is kaptok információkat.
1 Ittfoglalomösszea legfontosabbtudnivalókat, részleteka honlapon, illetvea gyakorlatvezetőtől is kaptok információkat. A statisztika tanulásához a legtöbb infomrációkat az előadásokon és számítógépes
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
RészletesebbenELTÉRŐ TARTÁSMÓDOK ÉS TÁPOK ÖSSZEHASONLÍTÓ VIZSGÁLATA NÖVENDÉK CSINCSILLÁKON (Chinchilla lanigera) Lanszki J. és Horváth P.
1 ELTÉRŐ TARTÁSÓDOK ÉS TÁPOK ÖSSZEHASONLÍTÓ VIZSGÁLATA NÖVENDÉK CSINCSILLÁKON (Chinchilla lanigera) Lanszki J. és Horváth P. Pannon Agrártudományi Egyetem Állattenyésztési Kar, Kaposvár Bevezetés Az utóbbi
RészletesebbenIdősoros elemzés minta
Idősoros elemzés minta Ferenci Tamás, tamas.ferenci@medstat.hu A felhasznált adatbázisról Elemzésemhez a francia frank árfolyamának 1986.01.03. és 1993.12.31. közötti értékeit használtam fel, mely idősorban
RészletesebbenMinitab 17 eszköztára
Minitab 17 eszköztára * Új vagy fejlesztett eszköz (New or Improved Tool) Asszisztens (Assistant) Menü, mely könnyen vezeti a felhasználót az elemzésen keresztül ( Menu that easily leads you through your
RészletesebbenA fajok közötti kommunikáció vizsgálata
A fajok közötti kommunikáció vizsgálata Interspecifikus kommunikáció más faj vészjelzésének megértése?? mézkalauz méhészborz növények kártevő rovarok ellen predátorokat invitálnak kémiai jelekkel Emberközpontú
RészletesebbenA Hat Szigma bevezetésének tapasztalatai a Siemens Erőműtechnika Kft-nél
A Hat Szigma bevezetésének tapasztalatai a Siemens Erőműtechnika Kft-nél Sebestyén László 2004. november 16. Rekord nyereséget jelentett a Siemens 2004. november 11. csütörtök, 16:10 Szeptemberben végződött
RészletesebbenGeokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Regression
Correlation & Regression Types of dependence association between nominal data mixed between a nominal and a ratio data correlation among ratio data Correlation describes the strength of a relationship,
RészletesebbenOTKA Zárójelentés. I. Ösztrogén receptor α génpolimorfizmusok vizsgálata ischaemiás stroke-ban
OTKA Zárójelentés A téma megnevezése: Az ösztrogén receptor gén polimorfizmus és a lipoproteinek, valamint egyes alvadási tényezők kapcsolata. Az ösztrogén receptor gén polimorfizmus szerepe a cardiovascularis
RészletesebbenStatisztikai szoftverek esszé
Statisztikai szoftverek esszé Dávid Nikolett Szeged 2011 1 1. Helyzetfelmérés Adott egy kölcsön.txt nevű adatfájl, amely információkkal rendelkezik az ügyfelek életkoráról, családi állapotáról, munkaviszonyáról,
RészletesebbenWESSLING Közhasznú Nonprofit Kft. QualcoDuna jártassági vizsgálatok Általános feltételek 2016.
QualcoDuna jártassági vizsgálatok Általános feltételek 2016. 1. kiadás, 1. változat Kiadás dátuma: 2015.12.11. Készítette: Szegény Zsigmond és dr. Bélavári Csilla, Átvizsgálta: Rikker Tamás Tudományos
RészletesebbenA biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, hipotézisvizsgálatok Dr. Boda Krisztina Boda PhD SZTE ÁOK Orvosi Informatikai Intézet Hipotézisvizsgálatok A hipotézisvizsgálat során a rendelkezésre álló adatok (statisztikai
RészletesebbenAdatbázis használat I. 5. gyakorlat
Adatbázis használat I. 5. gyakorlat Tudnivalók Jövő hétre a normalizálást hozni vagy e- mailben beküldeni! 7. héten (= két hét múlva!) nagyzh + FF checkpoint: adattáblák feltöltése, megszorítások 2010.
RészletesebbenEsettanulmány. A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre. Tartalomjegyzék. 1. Bevezetés... 2
Esettanulmány A homoszkedaszticitás megsértésének hatása a regressziós paraméterekre Tartalomjegyzék 1. Bevezetés... 2 2. A lineáris modell alkalmazhatóságának feltételei... 2 3. A feltételek teljesülésének
RészletesebbenBEVEZETÉS Az objektum fogalma
BEVEZETÉS Az objektum fogalma Program (1) Adat (2) Objektum Kiadványszerkesztés Word Táblázatkezelés Excel CAD AutoCad Adatbáziskezelés Access 1 Program (1) Adat (2) Objektum Adatmodell (2) A valós világ
RészletesebbenSupplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo
Supplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo Yuma Oka and Thomas N. Sato Supplementary Figure S1. Whole-mount smfish with and without the methanol pretreatment.
Részletesebben1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba?
Matematikai statisztika példák Matematikai statisztika példák Normális eloszlás 1. A skót bakák mellkas körmérete N(88, 10). A skót bakák mekkora hányada fér bele egy 84-es zubbonyba? 2. Majmok ébredését
RészletesebbenIdősoros elemzés. Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7.
Idősoros elemzés Ferenci Tamás, ft604@hszk.bme.hu 2009. január 7. A felhasznált adatbázisról Elemzésemhez a tanszéki honlapon rendelkezésre bocsátott TimeSeries.xls idősoros adatgyűjtemény egyik idősorát,
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
RészletesebbenKapcsolat vizsgálat II: kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. ROC analízis.
Kapcsolat vizsgálat II: kontingencia táblák jelentősége és használata az epidemiológiában, diagnosztikában: RR, OR. ROC analízis. Dr. Prohászka Zoltán Az MTA doktora Semmelweis Egyetem III. Sz. Belgyógyászati
RészletesebbenFELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE
FELTÉTELES VALÓSZÍNŰSÉG, TELJES VALÓSZÍNŰSÉG TÉTELE, BAYES TÉTELE 1. Egy alkalmassági vizsgálat adatai szerint a vizsgált személyeken 0,05 valószínűséggel mozgásszervi és 0,03 valószínűséggel érzékszervi
Részletesebben4. Gyakorlat ellenőrzött osztályozás
4. Gyakorlat ellenőrzött osztályozás Hozzávalók: MultiSpec program (d: meghajtó, MultiSpecWin32 könyvtár, MultiSpecWin32.exe); ag020522_dpac_cd.lan állomány Ebben a gyakorlatban az ellenőrzött osztályozás
RészletesebbenAdatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com
Adatelemzés SAS Enterprise Guide használatával Soltész Gábor solteszgabee[at]gmail.com Tartalom SAS Enterprise Guide bemutatása Kezelőfelület Adatbeolvasás Szűrés, rendezés Új változó létrehozása Elemzések
RészletesebbenSTATISZTIKA I. Tantárgykódok. Oktatók. Időbeosztás. Tematika. http://www.agr.unideb.hu/~huzsvai. 1. Előadás Bevezetés, a statisztika szerepe
Tantárgykódok STATISZTIKA I. GT_APSN018 GT_AKMN021 GT_ATVN020 1. Előadás Bevezetés, a statisztika szerepe Oktatók Előadó: Dr. habil. Huzsvai László tanszékvezető Gyakorlatvezetők: Dr. Balogh Péter Dr.
RészletesebbenFIT-jelentés :: 2012. Csokonai Vitéz Mihály Gimnázium, Liceo Csokonai Vitéz Mihály 4032 Debrecen, Békessy Béla u. 12. OM azonosító: 031197
FIT-jelentés :: 2012 Csokonai Vitéz Mihály Gimnázium, Liceo Csokonai Vitéz Mihály 4032 Debrecen, Békessy Béla u. 12. Létszámadatok A telephelyek kódtáblázata A 003 - Csokonai Vitéz Mihály Gimnázium (4
Részletesebben