Statisztika október 27.
|
|
- Jázmin Illés
- 8 évvel ezelőtt
- Látták:
Átírás
1 Statisztika október 27.
2 Külöbség valószíőségszámítás és statisztika között Kísérlet: 4-szer dobuk fel egy érmét. Megszámoljuk a fejek számát. Valszám: Ismert a fejdobás valószíősége. Milye valószíőséggel dobuk két fejet? Statisztikai feladatok: A fejdobás valószíősége em ismert. Két fejet dobtuk. Becsüljük meg a fejdobás valószíőségét! Elfogadhatjuk azt a hipotézist, hogy a fejdobás valószíősége 0,75?
3 Példa Milye valószíőséggel születik fiúgyermek? Svájcba 1871 és 1900 között a megszületett gyermekbıl fiú és láy volt. Fiúk relatív gyakorisága így 0,5141. Igaz-e, hogy a valószíőség 0,5? És 0,1? Hogya becsülék a fiúszületés valószíőségét?
4 X i 1, i.fiú = 0, i.láy ( ) P X 1 p, , i = = = = i = 1 X i EX 1 2 i = 1 i i EX = p, D X = p (1 p ), P < x ~ Φ ( x ) DX 1 P u < ( ξ p ) < u ~ 2 Φ ( u ) 1 p (1 p ) p p ( ξ ) = 0.5 = 37 p (1 p ) u = 4 2 Φ ( u ) 1 = 0, ξ X i
5 1 p (1 p ) 4 2 Φ ( u ) 1 ~ P u < ( ξ p ) < u p (1 p ) ( 2 ( ξ ) ) P u < p < u = u u u u = P < ( ξ p ) < = P ξ < p < ξ Esetükbe 0,9973 valószíőséggel 0,5132 p 0,5150
6 Irodalom Jegyzet Baróti-Bogáré-Fejes Tóth-Mogyoródi: Matematikai statisztika jegyzet programozó szakos hallgatókak Taköyv: BOLLA KRÁMLI: Statisztikai következtetések elmélete Dévéyi Gulyás: Matematikai statisztikai módszerek a meteorológiába Példatár Móri-Szeidl-Zempléi: Matematikai statisztika példatár
7 Cél Matematikai statisztika alapjaiak ismertetése Leíró statisztika (rövid bevezetı) Becsléselmélet Hipotézisvizsgálat Többdimeziós statisztika és Idısorelemzés elemei Alkalmazási készség kialakítása (elsısorba gyakorlato)
8 A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezıgazdaság Szociológia (közvéleméykutatások) Természettudomáyok Pézügyi adatok Valójába az élet szite mide területe
9 Törtéet Táblázatokat a biztosítók már többszáz éve haszálak Maga a tudomáy fiatal tudomáy, alig 100 éves a múltja Agliai mezıgazdasági alkalmazások voltak az elsık Fejlıdése felgyorsult az utóbbi évtizedekbe (számítógépek jóvoltából)
10 Matematikai statisztika helye a tudomáyok között Matematikai tudomáy. Ugyaakkor a statisztika mideapi alkalmazása em midig kellıe precíz (teljesülek-e a feltételek?) Ezért léyeges, hogy a feltételezéseiket és következtetéseiket potosa fogalmazzuk meg.
11 Példák 1. Redkívüli volt-e a évi jauári Zala megyei idıjárás? Vis maior-e az áramszolgáltató szempotjából? 2. Egy közvéleméykutatás sorá azt kaptuk, hogy 1000 emberbıl 400 választaá az adott pártot. Mások szerit a párt 50%-ot fog kapi. Elıfordulhat-e ez? Mekkora eséllyel?
12 0,14 0,12 0,1 0,08 0,06 0,04 0,02 0 Példák (folyt.) Va-e a rasszak, emzetiségek hatása a haladóságra? 1991-es USA férfi éphaladóság Fehérek Nem fehérek
13 Kárszám Vezetık száma Példák (folyt.) Mi lehet egy vezetı által okozott károk számáak eloszlása? >7 Összese
14 Ki taul jobba? jauár 5-ei vizsga Jegy Férfi Nı Összese 86 Átlag 2,1 Összese ,7 2,1
15 Ki taul jobba? (folyt.) jauár 21-ei vizsga Jegy Férfiak Nık Összese 24 Átlag 2,2 Összese ,0 2,1
16 Napfoltok száma
17 Statisztikai adatok Alapadat: közvetleül a sokaságból méréssel vagy leszámlálással kapott eredméy Származtatott adat: alapadatokból mőveletek eredméyekét kapjuk
18 Adatok potossága Általába korlátozott a potosságuk Abszolút hiba: ε= V-M, ahol V a valóságos adat és M a mért adat. Gyakorlatba em tudjuk meghatározi, csak becsüli tudjuk. Relatív hiba: az abszolút hiba és a mért érték háyadosa: ε/m
19 Statisztikai ismérvek Vizsgálatba vot csoport: sokaság. Sokaság elemei: egyedek. Egyedek jellemzıi: ismérvek. Lehetséges kimeetelei az ismérvváltozatok. Az ismérvek által adott iformációk alapjá az ismérvek lehetek: Idıbeliek Területiek Meyiségiek Miıségiek.
20 Ismérvek egy másik csoportosítása A em számmal kifejezhetı, vagy számmal jelölt, de mégsem szám jellegő ismérveket, miısítéses ismérvek evezzük. (pl. fıváros kerülete) A méréssel meghatározható, számmal jellemezhetı ismérveket méréses ismérvek evezzük. (pl. testmagasság)
21 Ismérvek újabb csoportosítása Az olya miısítéses ismérvet, amelyek adatai redezhetık redezhetı miısítéses ismérvek hívjuk.
22 Statisztikai elemzés lépései Tervezés (mit vizsgáluk, hogya győjtjük az adatokat) Adatgyőjtés Kódolás (ha szükséges) Elleırzés: leíró statisztikákkal Elemzés: matematikai statisztika módszereivel
23 Adatok Mitavétel a populációból: eredméye a (statisztikai) mita A mitavétel módja is léyeges (legegyszerőbb eset: bármelyik elem ugyaakkora valószíőséggel kerül a mitába) A mitavétel eredméye: (statisztikai) mita: x 1,x 2,,x (számsorozat) Ugyaakkor egy másik, hasoló mitavételél más mitát kapák, azaz az adott mita véletle kísérlet eredméye. Ha a mita véletle jellegét vizsgáljuk: X 1,X 2,,X valószíőségi változósorozat. Léyeges külöbség az eddigiekhez képest: az eloszlása em (vagy csak részbe) ismert
24 Leíró statisztika Nem a véletle hatását vizsgálja, haem a kokrét mita megjeleítése, jellemzıiek kiszámítása a feladata. Adatok elredezhetık táblázatba (fotos: forrás feltütetése), illetve ábrázolhatók grafikusa.
25 Táblázatok Cél: tömör, számszerő jellemzés Ehhez szükség va csoportosításra (felosztása megkülöböztetı ismérv szerit, sok ismérvváltozat eseté osztályozás kell) Eredméy: egy ismérv szeriti csoportosító táblázat Tartalmazhat gyakoriságot vagy relatív gyakoriságot
26 Statisztikai táblák Megfelelı formával ellátott statisztikai sorok összefüggı redszere Egyszerő tábla: leíró sorokból áll Csoportosító táblák: tartalmazak összesítı rovatot is (lehet beük összehasolítás is) Kombiációs vagy kotigeciatábla: két ismérv szeriti kombiációs csoportosítás. Midkét iráyba tartalmaz összesítést.
27 Tapasztalati eloszlás Mide megfigyeléshez (x 1,x 2,,x ) 1/ súlyt redel. Ez valószíőségeloszlás! Mitaátlag éppe eek az eloszlásak a várható értéke. Tapasztalati eloszlás eloszlásfüggvéye: tapasztalati eloszlásfüggvéy: F (lépcsısfüggvéy). 1 F ( z ) = χ x < z i i = 1 { } k ( ) ( ) ( ) ( ) F ( z ) =, ha x k < z x k + 1, x 0 =, x + 1 = x x... x : x, x,..., x sorbaredezése. ( ) ( ) ( ) Ha a mita X 1,X 2,,X valószíőségi változósorozat, akkor F (z) is valószíőségi változó.
28 Példa ormális eloszlás közelítése, = z ormális eloszlás közelítése, = z a/ a/
29 Grafikus ábrázolás Oszlopdiagram: a gyakoriságokkal aráyos az oszlopok magassága Meyiségi ismérvekre: Gyakorisági poligo Hisztogram Megoszlás szemléltetése lehetséges kördiagrammal is.
30 Hisztogram Adataikat osztályokba soroljuk (midegyiket potosa egybe, pl. az i- edik osztály: a i x<a i+1 ), a csoportok relatív gyakoriságai megegyezek az osztály fölé rajzolt téglalap területével. Összterület:1 (hasoló a sőrőségfüggvéyhez)
31
32
33 Példák Túl sok osztály Potszámok grafikus ábrázolása potszám Frequecy
34 Példák Potszámok grafikus ábrázolása potszám Frequecy Túl kevés osztály
35 Példák Potszámok grafikus ábrázolása potszám Frequecy Jó osztályszám
36 Középértékek Mitaátlag: x x 1 x : = ha az egyes értékek (l i ) gyakoriságai (f i ) adottak: f l k k x : = f l Mediá: a sorbaredezett mita középsı eleme (ha páros sok eleme va: a két középsı átlaga).
37 Tapasztalati kvatilisek Elméleti kvatilis: abszolút folytoos, szigorúa mooto F eseté q z =F -1 (z) Általába: if{x:f(x)>z} A tapasztalati eloszlás kvatilisei: tapasztalati kvatilisek. z=1/2: mediá. z=1/4, 3/4: kvartilisek
38 boxplot Gam2 Az egyes dobozok az alsó kvartilistól T5 a felsı kvartilisig tartaak. Középvoal a mediá. Norm A voalak a teljes terjedelmet felölelik, ha ez Ui05 em agyobb a kvartilisek közötti külöbségek 1.5- szereséél. Ha eze kívül is vaak potok, azokat külö-külö jeleíti meg
39
40 Egyéb ábrázolások
41 Statisztikai mezı ( Ω, A, P ), ϑ Θ ϑ statisztikai mezı, ha Θ paraméterhalmaz ( ) és ΩA,, P ϑ mide paraméter eseté valószíőségi mezı.
42 Egy érmedobás modellje Nem ismerjük a fejdobás valószíőségét: { } A { { } { } { } } Ω = F,I, = ; F ; I ; F,I, ( { } ) = ( { } ) = [ ] P p P p p p p F, I 1, 0,1.
43 Mita ξ 1 Def.: A ξ = : Ω X R valószíőségi vektorváltozót ξ mitáak evezzük. : mitaagyság ξ i : i. mitaelem x 1 Def.: mita realizációja: x = a kokrét megfigyelt számsorozat. x
44 Mitatér Def: X mitatér: a mita lehetséges értékeiek halmaza. Elemei a mitaértékek. -elemő valós mita eseté: X=R -elemő pozitív egész értékő mita eseté: X=N Példa: egy biztosítóál 10 apo keresztül figyelték a bejeletett károk számát, ekkor X=Z 0
45 Egy bezikútál takoló autók száma 5 apo keresztül Megfigyelések: 78, 89, 167, 90, 85 Mita realizációja: (78, 89, 167, 90, 85) T Mitaagyság: 5
46 A miták típusai Függetle mita: a mitaelemek függetleek. Függetle azoos eloszlású mita: a mitaelemek függetleek és azoos eloszlásúak. Diszkrét mita: a mitaelemek diszkrétek. Abszolút folytoos eloszlású mita: a mitaelemek abszolút folytoosak.
47 Eloszláscsaládok ( ξ ξ ) F ( s ) = P < s,..., < s ϑ ϑ 1 1 Függetle mita eseté: ϑ ϑ i = 1 ( ξ ) F ( s ) = P < s i i Függetle azoos eloszlású mita eseté: ( ξ ) ( ) F ( s ) = P < s = F s ϑ ϑ i i ϑ i i = 1 i = 1 Jelölések: E : várható érték P eseté, D : szórás P eseté, f : sőrő ϑ ϑ ϑ ϑ ϑ ségfüggvéy P eseté (absz. folyt. mita) ( ) p ( s ) = P = s (diszkrét mita) ϑ ϑ ξ i ϑ
48 Példák Egy érmedobás. Fej eseté 1-et íruk, írás eseté 0-át. p k = 1 p ( k ) = P ( ξ = k ) = = p (1 p ) p p 1 1 p k = 0 k 1 k Bezikutas példa. Azt feltételezzük, hogy megfigyeléseik függetle, azoos eloszlású Poissook. p ( k ) = P ( = k ) = e / k!, k = 0,1,2,... i λ λ ξ λ λ k
49 Statisztikák Def.: Statisztika: a mita függvéye. k T : X R Def.: Statisztika: k T ( ξ ), ha T : X R függvéy.
50 Példák Tapasztalati mometumok: X = R, x T x T ξ ξ i i mitaközép: ( x ) = = i = 1, ( ξ ) = = i = 1, x k T T k k i i tapasztalati. mometum: ( x ) = i = 1, ( ξ ) = i = 1. ξ
51 Tapasztalati szóráségyzet = X R, ( ) 2 x ( ) 2 i x ξ i ξ i = 1 2 i = 1 T ( x ) =, T ( ξ ) = s =
52 Redezett mita A ξ 1,..., ξ mita elemeit agyság szerit sorbaredezve kapjuk az ξ () 1 ξ () 2... ξ () redezett mitát. Ez -dimeziós statisztika Mostatól: a ξ 1,..., ξ mita elemei függetle, azoos eloszlásúak. Ha feltesszük, hogy a közös eloszlásuk abszolút folytoos, akkor felírható a redezett mita k-adik eleméek, ξ () k -ek a sőrőségfüggvéye. (gyakorlat) Spec.: miimum, maximum. Def.: mita terjedelme: ξ () - ξ 1 ()
53 Tapasztalati eloszlásfüggvéy Tapasztalati eloszlás eloszlásfüggvéye: tapasztalati eloszlásfüggvéy: 1 F ( z ) = χ ξ < z i i = 1 { } k F z z ( ) =, ha ξ < ξ, ξ =, ξ = ( ) ( ) ( ) ( ) k k Mitaátlag éppe eek az eloszlásak a várható értéke.
54 Gliveko-Catelli tétel ( statisztika alaptétele ) Tétel: ξ,..., ξ függetle, azoos F eloszlásfüggvéyőek. Ekkor 1 sup F ( z ) F ( z ) 0 majdem mideütt (1 vszgel). z Biz.: Csak folytoos F eloszlásfüggvéyekre látjuk be. Ebbıl következik, hogy tetszılege valós z,..., z számok, hogy 0 1 N s pozitív egész N -hez létezek olya 1 i N 1 F ( z 0 ) = 0, F ( z 1 ) =,..., F ( z i ) =,..., F ( z N 1 ) =, F ( z N ) = 1, N N N z =, z =. N
55 [ ) Ekkor, ha z z, z, akkor k k F ( z ) F ( z ) F ( z k + 1 ) F ( z k ) = F ( z k + 1 ) F ( z k + 1 ) +, N 1 F ( z ) F ( z ) F ( z k ) F ( z k + 1 ) = F ( z k ) F ( z k ). N Ebbıl következik, hogy 1 sup F ( z ) F ( z ) max F ( z k ) F ( z k ) +. z 0 k N N Tudjuk, hogy rögzített x re 1 F ( x ) = χ ξ < x, i i = 1 { < x } { } ahol χ ξ függetle, azoos eloszlású idikátor valószíőségi i változók, melyek várható értéke { } ( ) E χ ξ < x = P ξ < x = F ( x ). i i
56 Így a agy számok erıs törvéye szerit 1 F ( x ) = χ ξ < x E χ ξ < x = F ( x ) mm. { } { } i i i = 1 1 Legye A k, N = ω : χ { ξ i ( ω ) < z k } F ( z k ), ekkor i = 1 { ω } P ( A ) = 1 és B = : max F ( z ) F ( z ) 0 = A. B N k, N N k k k, N 0 k N k = 1 e 1 limsup F ( z ) F ( z ). Ebbıl következik, hogy B -e N N N = 1 limsup F ( z ) F ( z ) = 0. 1 valószíőségő eseméyek metszete is N 1 valószíőségő, így B = A is 1 valószíőségő. N k, N N = 1 N = 1 k = 1 1 N 1
1. előadás: Bevezetés. Irodalom. Számonkérés. Cél. Matematikai statisztika előadás survey statisztika MA szakosoknak. A matematikai statisztika tárgya
Matematikai statisztika előadás survey statisztika MA szakosokak 206/207 2. félév Zempléi Adrás. előadás: Bevezetés Irodalom, követelméyek A félév célja Matematikai statisztika tárgya Törtéet Alapfogalmak
RészletesebbenPopuláció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 16. A matematikai statisztika tárgya Következtetések levoása adatok alapjá Ipari termelés Mezőgazdaság Szociológia
RészletesebbenPéldák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 28 dszkrét valószíőség változókra X(ω)=c mde ω-ra. Elevezés: elfajult eloszlás. P(X=c)=1. X akkor 1, ha egy adott,
RészletesebbenMegjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia
Valószíűségszámítás és statisztika előadás ifo. BSC/B-C szakosokak 6. előadás október 5. Megjegyzések. A tétel feltételei gyegíthetőek: elég, ha a függetle, azoos eloszlású változók várható értéke véges.
RészletesebbenStatisztika 1. zárthelyi dolgozat március 21.
Statisztika 1 zárthelyi dolgozat 011 március 1 1 Legye X = X 1,, X 00 függetle mita b paraméterű Poisso-eloszlásból b > 0 Legye T 1 X = X 1+X ++X 100, T 100 X = X 1+X ++X 00 00 a Milye a számra igaz, hogy
RészletesebbenTulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk
Valószíőségszámítás és statsztka elıadás fo. BSC/B-C szakosokak 3. elıadás Szeptember 26 p 0.4 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 A bomáls és a hpergeom. elo. összehasolítása 0 1 2 3 4 5 6 7 8 9 10 k Hp.geom
RészletesebbenMatematikai statisztika
Matematikai statisztika PROGRAMTERVEZŐ INFORMATIKUS alapszak, A szakiráy Arató Miklós Valószíűségelméleti és Statisztika Taszék Természettudomáyi Kar 2019. február 18. Arató Miklós (ELTE) Matematikai statisztika
RészletesebbenMatematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/ félév Arató Miklós
Matematikai statisztika elıadás, földtudományi BSc (geológus szakirány) 2014/2015 2. félév Arató Miklós 1. elıadás: Bevezetés Irodalom, követelmények A félév célja Matematikai statisztika tárgya Történet
RészletesebbenBIOMATEMATIKA ELŐADÁS
BIOMATEMATIKA ELŐADÁS 10. A statisztika alapjai Debrecei Egyetem, 2015 Dr. Bérczes Attila, Bertók Csaád A diasor tartalma 1 Bevezetés 2 Statisztikai függvéyek Defiíció, empirikus várható érték Empirikus
RészletesebbenA statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.
Statisztikai módszerek. BMEGEVGAT01 Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudomáyi Egyetem Gépészméröki Kar Hidrodiamikai Redszerek Taszék 1111, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:
RészletesebbenTapasztalati eloszlás. Kumulált gyakorisági sorok. Példa. Értékösszegsor. Grafikus ábrázolás
Matemata statszta elıadás III. éves elemzı szaosoa 009/00. élév. elıadás Tapasztalat eloszlás Mde meggyeléshez (,,, ) / súlyt redel. Valószíőségeloszlás! Mtaátlag éppe ee az eloszlása a várható értée.
Részletesebben1. elıadás: Bevezetés. Számonkérés. Irodalom. Valószínőségszámítás helye a tudományok között. Cél
1 Valószíőségszámítás 1 elıadás alk.mat és elemzı szakosokak 2013/2014 1. félév Zempléi Adrás zemplei@ludes.elte.hu http://www.cs.elte.hu/~zemplei/ 1. elıadás: Bevezetés Irodalom, követelméyek A félév
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
RészletesebbenEddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika
Leíró és matematikai statisztika Matematika alapszak, matematikai elemző szakiráy Zempléi Adrás Valószíűségelméleti és Statisztika Taszék Matematikai Itézet Természettudomáyi Kar Eötvös Lorád Tudomáyegyetem
RészletesebbenBIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika
BIOSTATISZTIKA ÉS INFORMATIKA Leíró statisztika Első közelítésbe a statisztikai tevékeységeket égy csoportba sorolhatjuk, de ezek között ics éles határ:. adatgyűjtés, 2. az adatok áttekithetővé tétele,
RészletesebbenStatisztika 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
Részletesebben24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.
24. tétel valószíűségszámítás elemei. valószíűség kiszámításáak kombiatorikus modellje. GYORISÁG ÉS VLÓSZÍŰSÉG meyibe az egyes adatok a sokaságo belüli részaráyát adjuk meg (törtbe vagy százalékba), akkor
RészletesebbenStatisztika 1. zárthelyi dolgozat március 18.
Statisztika. zárthelyi dolgozat 009. március 8.. Ismeretle m várható értékű, szórású ormális eloszlásból a következő hatelemű mitát kaptuk:, 48 3, 3, 83 0,, 3, 97 a) Számítsuk ki a mitaközepet és a tapasztalati
Részletesebbenf (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben
Propositio 1 (Jese-egyelőtleség Ha f : kovex, akkor tetszőleges ξ változóra f (M (ξ M (f (ξ feltéve, hogy az egyelőtleségbe szereplő véges vagy végtele várható értékek létezek Bizoyítás: Megjegyezzük,
RészletesebbenSorozatok, határérték fogalma. Függvények határértéke, folytonossága
Sorozatok, határérték fogalma. Függvéyek határértéke, folytoossága 1) Végtele valós számsorozatok Fogalma, megadása Defiíció: A természetes számok halmazá értelmezett a: N R egyváltozós valós függvéyt
RészletesebbenA biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
A biostatisztika alapfogalmai, kofideciaitervallum Dr. Boda Krisztia PhD SZTE ÁOK Orvosi Fizikai és Orvosi Iformatikai Itézet Mitavétel ormális eloszlásból http://www.ruf.rice.edu/~lae/stat_sim/idex.html
RészletesebbenMatematika B4 I. gyakorlat
Matematika B4 I. gyakorlat 2006. február 16. 1. Egy-dimeziós adatredszerek Va valamilye adatredszer (számsorozat), amelyről szereték kiszámoli bizoyos dolgokat. Az egyes értékeket jelöljük z i -vel, a
RészletesebbenMatematikai statisztika
Matematka statsztka 8. elıadás http://www.math.elte.hu/~arato/matstat0.htm Kétmtás eset: függetle mták + + + = + ) ( ) ( ) ( Y Y X X Y X m m m t m Ha smert a szórás: (X elemő, σ szórású, Y m elemő, σ szórású),
RészletesebbenKutatói pályára felkészítı modul
Kutatói pályára felkészítı modul Kutatói pályára felkészítı kutatási ismeretek modul Tudomáyos kutatási alapayag feldolgozása, elemzési ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI
RészletesebbenA szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai
05..04. szórások vizsgálata z F-próba Hogya foguk hozzá? Nullhipotézis: a két szórás azoos, az eltérés véletle (mitavétel). ullhipotézishez tartozik egy ú. F-eloszlás. Szabadsági fokok: számláló: - evező:
RészletesebbenZavar (confounding): akkor lép fel egy kísérletben, ha a kísérletet végző nem tudja megkülönböztetni az egyes faktorokat.
Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet végző em tudja megkülöbözteti az egyes faktorokat. Zavar és mita Zavar (cofoudig): akkor lép fel egy kísérletbe, ha a kísérletet
RészletesebbenÁringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév
Árigadozások elıadás Kvatitatív pézügyek szakiráy 01/13. félév Heti óra elıadás + óra gyakorlat Elıadás: fıleg modellek, elemzési módszerek Gyakorlat: R programmal, alkalmazások Számokérés 50%: beadadó
RészletesebbenA matematikai statisztika elemei
A matematikai statisztika elemei Mikó Teréz, dr. Szalkai Istvá szalkai@almos.ui-pao.hu Pao Egyetem, Veszprém 2014. március 23. 2 Tartalomjegyzék Tartalomjegyzék 3 Bevezetés................................
RészletesebbenStatisztika. Földtudomány szak, geológus szakirány, 2015/2016. tanév tavaszi
Statisztika Földtudomáy szak, geológus szakiráy, 015/016. taév tavaszi félév Backhausz Áges (ELTE TTK Valószíűségelméleti és Statisztika Taszék)1 Tartalomjegyzék 1. Bevezetés 3 1.1. Példa: az adatok elemzése....................
RészletesebbenTartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:
Tartalom A bootstrap módszer Zempléi Adrás TTK, Valószíőségelméleti és Statisztika Taszék 2010. október 21 Bevezetés A függetle, azoos eloszlású eset: emparaméteres paraméteres eset Alkalmazások a rétegzett
RészletesebbenA peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.
y Valószíőségszámítás elıaás III. alk. matematkus szak 4. elıaás, szeptember 30 A peremeloszlások (X,Y) eloszlásából (elevezés: együttes eloszlás) következtethetük az egyes változók eloszlására: P(X)P(X,Y0)+P(X,Y)+P(X,Y2)
RészletesebbenAz átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)
Az átlagra voatkozó megbízhatósági itervallum (kofidecia itervallum) Határozzuk meg körül azt az itervallumot amibe előre meghatározott valószíűséggel esik a várható érték (µ). A várható értéket potosa
RészletesebbenVirág Katalin. Szegedi Tudományegyetem, Bolyai Intézet
Függetleségvizsgálat Virág Katali Szegedi Tudomáyegyetem, Bolyai Itézet Függetleség Függetleség Két változó függetle, ha az egyik változó megfigyelése a másik változóra ézve em szolgáltat iformációt; azaz
Részletesebben18. Valószín ségszámítás. (Valószín ségeloszlások, függetlenség. Valószín ségi változók várható
8. Valószí ségszámítás. (Valószí ségeloszlások, függetleség. Valószí ségi változók várható értéke, magasabb mometumok. Kovergeciafajták, kapcsolataik. Borel-Catelli lemmák. Nagy számok gyege törvéyei.
RészletesebbenMatematikai statisztika gyakorlat 2018/2019 II. félév
Matematikai statisztika gyakorlat 018/019 II. félév 1. Táblázatok Viszoyszámok: V = A, ahol A: a viszoyítás tárgya (amit viszoyítuk); B B: a viszoyítás alapja (amihez viszoyítuk) Megoszlási: a sokaság
Részletesebben6. Minısítéses ellenırzı kártyák
6. Miısítéses elleırzı kártyák Sokszor elıfordul, hogy a termék-egyedek miıségét em tudjuk mérhetı meyiségekkel jellemezi, csak megfelelı/em megfelelı kategóriákba sorolhatjuk ıket, és a hibás darabokat,
RészletesebbenFEGYVERNEKI 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
RészletesebbenMatematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
RészletesebbenVII. A határozatlan esetek kiküszöbölése
A határozatla esetek kiküszöbölése 9 VII A határozatla esetek kiküszöbölése 7 A l Hospital szabály A véges övekedések tétele alapjá egy függvéy értékét egy potba közelíthetjük az köryezetébe felvett valamely
RészletesebbenStatisztika gyakorlat Geológus szakirány
Statisztika gyakorlat Geológus szakiráy Játékszabályok Az óráko részt kell vei, maximum 3-szor lehet hiáyozi. Az aláírás megszerzéséek lehetséges módjai: vagy ZH írásával vagy egy el re kihirdetett házi
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
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése
Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık
RészletesebbenA Statisztika alapjai
A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati
RészletesebbenANALÍZIS 1. I. VIZSGA január 11. Mérnök informatikus szak α-variáns Munkaidő: 90 perc., vagyis z 2 1p = i 1p = ( cos 3π 2 2
ANALÍZIS. I. VIZSGA. jauár. Mérök iformatikus szak α-variás Mukaidő: perc. feladat pot) Adja meg az z 4 i)z i egyelet összes megoldását. i + i) + 4i + 4 i +, vagyis z p i p cos 3 + i si ) 3 vagy z p i
Részletesebbenkismintás esetekben vagy olyanokban, melyeknél a tanulóalgoritmust tesztadatokon szeretnénk
ÚJRAMINTAVÉTELEZÉSI ELJÁRÁSOK A jackkife (zsebkés) és bootstrap (cipőhúzó a saját kallatyújáál fogva) eljárások agol elevezése is arra utal, hogy itt ad hoc eljárásokról va szó, melyek azoba agyo haszosak
RészletesebbenKomputer statisztika
Eszterházy Károly Főiskola Matematikai és Iformatikai Itézet Tómács Tibor Komputer statisztika Eger, 010. október 6. Tartalomjegyzék Előszó 4 Jelölések 5 1. Valószíűségszámítás 7 1.1. Valószíűségi mező............................
RészletesebbenValószínűségi változók. Várható érték és szórás
Matematikai statisztika gyakorlat Valószínűségi változók. Várható érték és szórás Valószínűségi változók 2016. március 7-11. 1 / 13 Valószínűségi változók Legyen a (Ω, A, P) valószínűségi mező. Egy X :
RészletesebbenBootstrap (Efron, 1979)
Bootstrap (Efro, 979) 4. elıadás 204. március 3. Bootstrap módszerek, többdimeziós extrém-érték eloszlások illeszkedésvizsgálata Újramitavételezési eljárás, a becsléseik szórásáak vizsgálatára, modell-illeszkedés
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Életta Aatóma Kéma Lehet kérdés?? Statsztka! Az orvos dötéseket hoz! Mkor jó egy dötés? Meyre helyes egy dötés? Mekkora a tévedés lehetősége? Példa: test hőmérséklet
RészletesebbenA valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
Részletesebben2. Hatványsorok. A végtelen soroknál tanultuk, hogy az. végtelen sort adja: 1 + x + x x n +...
. Függvéysorok. Bevezetés és defiíciók A végtele sorokál taultuk, hogy az + x + x + + x +... végtele összeg x < eseté koverges. A feti végtele összegre úgy is godolhatuk, hogy végtele sok függvéyt aduk
RészletesebbenMatematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás
Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre
RészletesebbenKalkulus I. Első zárthelyi dolgozat 2014. szeptember 16. MINTA. és q = k 2. k 2. = k 1l 2 k 2 l 1. l 1 l 2. 5 2n 6n + 8
Név, Neptu-kód:.................................................................... 1. Legyeek p, q Q tetszőlegesek. Mutassuk meg, hogy ekkor p q Q. Tegyük fel, hogy p, q Q. Ekkor létezek olya k 1, k 2,
Részletesebben2. egy iskola tanulói, a változók: magasságuk cm-ben, súlyuk (tömegük) kilóban; 3. egy iskola tanulói, a változó: tanulmányi átlaguk;
Statisztika Tegyük fel, hogy va egy halmazuk, és tekitsük egy vagy több valószíűségi változót, amelyek a halmaz mide elemé felveszek valamilye értéket. A halmazt populációak vagy sokaságak evezzük. Példák:
RészletesebbenFeladatok és megoldások a 11. heti gyakorlathoz
Feladatok és megoldások a. het gyakorlathoz dszkrét várható érték Építőkar Matematka A. Egy verseye öt ő és öt férf verseyző dul. Tegyük fel, hogy cs két azoos eredméy, és md a 0! sorred egyformá valószíű.
RészletesebbenMatematikai statisztika
Matematikai statisztika Survey statisztika mesterszak + földtudomány alapszak Backhausz Ágnes agnes@math.elte.hu Fogadóóra: szerda 10 11 és 13 14, D 3-415 2018/2019. tavaszi félév Bevezetés A statisztika
RészletesebbenMo= argmax f(x), ha X abszolút folytonos; Mo= argmax P (X = x i ), ha X diszkrét.
Segédayag a Matematikai statisztika tatárgyhoz 09 április 0 Leíró statisztika A statisztikai elemzések egyik legfotosabb eszközei a viszoyszámok A viszoyszám két statisztikai adat háyadosa Jelölések: V
Részletesebbenvéletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?
BEVEZETÉS A statisztika teljese laikusokak: agy mukával gyűjtött adatok vizsgálata, abból következtetések levoása ( statistical iferece ) (Egy kicsit sok hűhó semmiért azaz Much ado about othig.) Mi is
RészletesebbenA brexit-szavazás és a nagy számok törvénye
Mûhely Medvegyev Péter kadidátus, a Corvius Egyetem egyetemi taára E-mail: peter.medvegyev@uicorvius.hu A brexit-szavazás és a agy számok törvéye A 016. év, de vélhetőe az egész évtized legfotosabb politikai
RészletesebbenStatisztika (jegyzet)
Statisztika (jegyzet) Csiszár Vill 009. május 6.. Statisztikai mez A statisztika egyik ága a leíró statisztika. Ekkor a meggyelt adatokat áttekithet formába ábrázoljuk, pl. hisztogrammal (oszlopdiagrammal),
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
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
RészletesebbenValószín ségszámítás és statisztika gyakorlat Programtervez informatikus szak, esti képzés
Valószí ségszámítás és statisztika gyakorlat Programtervez iformatikus szak, esti képzés.) Egy érmével dobuk. Ha az eredméy fej, akkor még egyszer dobuk, ha írás, akkor még kétszer. a.) Mik leszek a kísérletet
RészletesebbenSegédanyag a Leíró és matematikai statisztika tantárgyhoz március 1.
Segédayag a Leíró és matematikai statisztika tatárgyhoz 06 március Közgazdasági értelembe a statisztika a valóság tömör, számszer jellemzésére szolgáló tudomáyos módszerta, illetve gyakorlati tevékeység
RészletesebbenSegédanyag a Leíró és matematikai statisztika tantárgyhoz március 28.
Segédayag a Leíró és matematikai statisztika tatárgyhoz 07 március 8 Statisztikai sokaság: a meggyelés tárgyát képez egyedek összessége, halmaza Rövide sokaságak hívjuk A sokaság egysége: a sokaság egy
RészletesebbenIntervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.
Itervallum Paraméteres Hipotézisek Nemparaméteres Statisztika Hipotézisvizsgálat Székely Balázs 2010. december 2. Itervallum Paraméteres Hipotézisek Nemparaméteres Előadás vázlat 1 Itervallumbecslések
RészletesebbenI. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.
I. Függelék A valószíűségszámítás alapjai I.1. Alapfogalamak: Véletle jeleség: létrejöttét befolyásoló összes téyezőt em ismerjük. Tömegjeleség: a jeleség adott feltételek mellett akárháyszor megismételhető.
RészletesebbenBiomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)
RészletesebbenLeíró és matematikai statisztika gyakorlat 2018/2019 II. félév
Leíró és matematikai statisztika gyakorlat 08/09 II. félév Táblázatok Viszoyszámok: V = A, ahol A: a viszoyítás tárgya amit viszoyítuk; B B: a viszoyítás alapja amihez viszoyítuk Megoszlási: a sokaság
Részletesebben= dx 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0,05
Folytoos vlószíűségi változók Értékkészletük számegyees egy folytoos (véges vgy végtele) itervllum. Vlmeyi lehetséges érték vlószíűségű, pozitív vlószíűségek csk értéktrtomáyokhoz trtozk. Az eloszlás em
Részletesebben1. A radioaktivitás statisztikus jellege
A radioaktivitás időfüggése 1. A radioaktivitás statisztikus jellege Va N darab azoos radioaktív atomuk, melyekek az atommagja spotá átalakulásra képes. tegyük fel, hogy ezek em bomlaak tovább. Ekkor a
RészletesebbenELTE TTK Budapest, január
Valószíűségszámítás Arató Miklós előadásai alapjá Készítették: Martiek László Tassy Gergely ELTE TTK Budapest, 008. jauár Typeset by L A TEX . el adás 007. IX.. szerda Klasszikus (kombiatorikus valószí
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
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
RészletesebbenJátékszabályok. a keresett valószín ség:
Játékszabályok Az óráko részt kell vei, maximum -szor lehet hiáyozi. Aki többször hiáyzik, em kap gyakjegyet. + x potot lehet szerezi a félév sorá: pot:. ZH a félév közepé pot:. ZH a félév végé x pot:
RészletesebbenGyakorló feladatok II.
Gyakorló feladatok II. Valós sorozatok és sorok Közgazdász szakos hallgatókak a Matematika B című tárgyhoz 2005. október Valós sorozatok elemi tulajdoságai F. Pozitív állítás formájába fogalmazza meg azt,
RészletesebbenMatematikai statisztika gyakorlat Programtervez informatikus alapszak, A szakirány 2018/2019 tavaszi félév Megoldások, végeredmények
Matematikai statisztika gyakorlat Programtervez iformatikus alapszak, A szakiráy 8/9 tavaszi félév Megoldások, végeredméyek. A. évi épszámlálás alapjá a -4 év közötti épesség emek szeriti megoszlása Forrás:
Részletesebbenæ MATEMATIKAI STATISZTIKA Dr. Bolla Marianna, Matematika Intézet, Sztochasztika Tanszék
æ MATEMATIKAI STATISZTIKA Dr. Bolla Mariaa, Matematika Itézet, Sztochasztika Taszék Leíró statisztika Ω, A, P) statisztikai mező, ahol a P mértékcsalád olya P eloszlásokból áll, melyekkel Ω, A, P) valószíűségi
RészletesebbenStatisztikai hipotézisvizsgálatok
Statisztikai hipotézisvizsgálatok. Milye problémákál haszálatos? A gyakorlatba agyo gyakra szükségük lehet arra, hogy mitákból származó iformációk alapjá hozzuk sokaságra voatkozó dötéseket. Például egy
RészletesebbenStatisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat
Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat 7. lecke Paraméter becslés Konfidencia intervallum Hipotézis vizsgálat feladata Paraméter becslés és konfidencia
RészletesebbenVÉLETLENÍTETT ALGORITMUSOK. 1.ea.
VÉLETLENÍTETT ALGORITMUSOK 1.ea. 1. Bevezetés - (Mire jók a véletleített algoritmusok, alap techikák) 1.1. Gyorsredezés Vegyük egy ismert példát, a redezések témaköréből, méghozzá a gyorsredezés algoritmusát.
RészletesebbenPopuláció nagyságának felmérése, becslése
http:/zeus.yf.hu/~szept/kuzusok.htm Populáció agyságáak felméése, becslése Becsült paaméteek: N- az adott populáció teljes agysága (egyed, pá, stb) D- dezitás (sűűség), egységyi felülete/téfogata számított
RészletesebbenSegítség 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
RészletesebbenSzámsorozatok. 1. Alapfeladatok december 22. sorozat határértékét, ha. 1. Feladat: Határozzuk meg az a n = 3n2 + 7n 5n létezik.
Számsorozatok 2015. december 22. 1. Alapfeladatok 1. Feladat: Határozzuk meg az a 2 + 7 5 2 + 4 létezik. sorozat határértékét, ha Megoldás: Mivel egy tört határértéke a kérdés, ezért vizsgáljuk meg el
RészletesebbenKomplex számok (el adásvázlat, 2008. február 12.) Maróti Miklós
Komplex számok el adásvázlat, 008. február 1. Maróti Miklós Eek az el adásak a megértéséhez a következ fogalmakat kell tudi: test, test additív és multiplikatív csoportja, valós számok és tulajdoságaik.
RészletesebbenMatematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása
Matematikai alapok és valószínőségszámítás Statisztikai becslés Statisztikák eloszlása Mintavétel A statisztikában a cél, hogy az érdeklõdés tárgyát képezõ populáció bizonyos paramétereit a populációból
RészletesebbenIngatlanfinanszírozás és befektetés
Nyugat-Magyarországi Egyetem Geoiformatikai Kar Igatlameedzser 8000 Székesfehérvár, Pirosalma u. 1-3. Szakiráyú Továbbképzési Szak Igatlafiaszírozás és befektetés 2. Gazdasági matematikai alapok Szerzı:
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,
Részletesebben6. feladatsor. Statisztika december 6. és 8.
6. feladatsor Statisztika 200. december 6. és 8.. Egy = 0 szervert tartalmazó kiszolgáló mide szervere mide pillaatba 0 < p < valószíűséggel foglalt, a foglaltságok szerverekét függetleek. Tehát a foglaltak
RészletesebbenSTATISZTIKA. 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
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
Részletesebben3. SOROZATOK. ( n N) a n+1 < a n. Egy sorozatot (szigorúan) monotonnak mondunk, ha (szigorúan) monoton növekvő vagy csökkenő.
3. SOROZATOK 3. Sorozatok korlátossága, mootoitása, kovergeciája Defiíció. Egy f : N R függvéyt valós szám)sorozatak evezük. Ha A egy adott halmaz és f : N A, akkor f-et A-beli értékű) sorozatak evezzük.
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,
RészletesebbenKutatásmódszertan és prezentációkészítés
Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I
RészletesebbenSta t ti t s i zt z i t k i a 3. előadás
Statisztika 3. előadás Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan A statisztika, mint gyakorlati tevékenység a tömegesen előforduló jelenségek egyedeire vonatkozó információk
RészletesebbenLineáris kódok. u esetén u oszlopvektor, u T ( n, k ) május 31. Hibajavító kódok 2. 1
Lieáris kódok Defiíció. Legye SF q. Ekkor S az F q test feletti vektortér. K lieáris kód, ha K az S k-dimeziós altere. [,k] q vagy [,k,d] q. Jelölések: F u eseté u oszlopvektor, u T (, k ) q sorvektor.
RészletesebbenReakciómechanizmusok leírása. Paraméterek. Reakciókinetikai bizonytalanságanalízis. Bizonytalanságanalízis
Megbízható kémiai modellek kifejlesztése sok mérési adat egyidejő feldolgozása alajá uráyi amás www.turayi.eu ELE Kémiai Itézet Reakciókietikai Laboratórium Eddig dolgoztak eze a témá: (témavezetık: uráyi
RészletesebbenMatematika I. 9. előadás
Matematika I. 9. előadás Valós számsorozat kovergeciája +-hez ill. --hez divergáló sorozatok A határérték és a műveletek kapcsolata Valós számsorozatok mootoitása, korlátossága Komplex számsorozatok kovergeciája
RészletesebbenKopulák. 2 dimenziós példák különbözı összefüggıséggel. Példák. Elliptikus kopulák. Sőrőségfüggvények. ( u) 7. elıadás március 24.
Kopulák 7. elıaás 204. március 24. Kopulák Az összefüggıségi struktúra uiverzális megjeleítıi (többimeziós eloszlás egyeletes margiálisokkal, Hoeffig, 940 az 990-es évekbe újra felfeezték és azóta széles
RészletesebbenMatematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
Részletesebben