Statisztika feladatok
|
|
- Emma Illésné
- 7 évvel ezelőtt
- Látták:
Átírás
1 Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1
2 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük?
3 (Ez az együttes eloszlásfüggvényük.) 3
4 Igazoljuk az alább állítást! 4
5 0<= =0 5
6 6
7 Mutassuk meg, hogy az átlagstatsztka normáls esetben nem csak torzítatlan, erısen konzsztens becslés, hanem hatásos s! Feltételek: Bzonyítandó, hogy a várható értékre nncs ksebb szórású torzítatlan becslés a mntaátlagnál! 7
8 Ha akkor t bztosan hatásos statsztka! Ez teljesül, ha a Fsher-féle nformácó mennység A mnta együttes sőrőségfüggvénye, a lkelhood függvény most: Mvel teljesült a feltétel, az átlagstatsztka tényleg hatásos! Mutassuk meg, hogy az átlagstatsztka exponencáls esetben s nem csak torzítatlan, erısen konzsztens becslés, hanem hatásos s! Feltételek: Bzonyítandó, hogy a várható értékre nncs ksebb szórású torzítatlan becslés a mntaátlagnál! A bzonyítást az elızı példánál megmutatott módon végezzük. 8
9 Mutassuk meg, hogy az átlagstatsztka Posson esetben s nem csak torzítatlan, erısen konzsztens becslés, hanem hatásos s! Ebben a példában az alapsokaság eloszlása dszkrét! Feltételek: A log-lkelhood függvény most: 9
10 M lehet ennek az oka??? Tehát a Cramer-Rao-egyenlıtlenséggel nem gazolható most, hogy T 1 hatásos lenne! (Nem bztos, hogy hatásos!) Mutassuk meg, hogy az átlagstatsztka elégséges normáls esetben! 10
11 Mutassuk meg, hogy az átlagstatsztka elégséges exponencáls esetben! 11
12 Mutassuk meg, hogy az átlagstatsztka elégséges Posson esetben! 1
13 Mutassuk meg, hogy az elsı mntaelem önmagában nem elégséges! 13
14 Konfdenca ntervallum szerkesztése az smeretlen szórásra normáls eloszlás esetében. Szerkesszünk 1-ε megbízhatóság szntő konfdenca-ntervallumot az exponencáls eloszlás λ paraméterére! Használjuk fel az alább segédtételt: Az eloszlás neve: n, 1 paraméterő Gamma-eloszlás (Jelölés: Γ(n,1)) 14
15 Ezek alapján a konfdenca-ntervallum szerkesztése: 15
16 16
17 17
18 18
19 19
20 0
21 1
22
23 3
24 4
25 5
26 6
27 7
28 8
29 9
30 Bank alkalmazottak személy adatat tartalmazó állomány 474 esetbıl álló eployee data adatmátrxa. Ellenırzzük azt a feltevést, hogy az átlagfzetés $ A változók jelentése d a dolgozó kódja gender a dolgozó neme (m-férf, f-nı) bdate születés dátum educ képzés sznt (években) jobcat beosztás (1-tsztvselı, -bztonság, 3-menedzser) salary jelenleg fzetés salbegn kezdıfzetés jobtmehány hónapja alkalmazták prevexp betanítás dı (hónapokban) mnorty hátrányos helyzet (0-nncs, 1-van) 30
31 SPSS-sel Current Salary One-Sample Statstcs N Mean Std. Devaton Std. Error Mean 474 $34, $17, $ One-Sample Test Current Salary Test Value = % Confdence Interval t df Sg. (-taled) Mean Dfference of the Dfference Lower Upper 6,03 473,00 $0419 $18,87 $1,96 Ellenırzzük párostott kétmntás t-próbával, hogy a kezdıfzetés egyenlı-e a jelenlegvel! Dobozábrák a fzetésekkel 31
32 SPSS-sel Pared Samples Statstcs Par 1 Current Salary Begnnng Salary Std. Error Mean Mean N Std. Devaton $34, $17, $ $17, $7, $ Pared Samples Correlatons Par 1 Current Salary & Begnnng Salary N Correlaton Sg. 474,880,000 Pared Samples Test Par 1 Current Salary - Begnnng Salary Pared Dfferences 95% Confdence Interval of Std. Error the Dfference Mean Std. Devaton Mean Lower Upper t df Sg. (-taled) 35,036,000 $ $10, $ $16, $
33 Ellenırzzük független kétmntás t-próbával, hogy a nık és férfak fzetése egyenlı-e! Dobozábrák a fzetésekkel 33
34 SPSS-sel Group Statstcs Current Salary Gender Male Female Std. Error Mean N Mean Std. Devaton 58 $41, $19, $1, $6,031.9 $7, $ Independent Samples Test Current Salary Equal varances assumed Equal varances not assumed Levene's Test for Equalty of Varances t-test for Equalty of Means 95% Confdence Interval of the Dfference Mean Std. Error F Sg. t df Sg. (-taled) Dfference Dfference Lower Upper $1, $1,643.3 $18, ,669,000 10,945 47,000 $ , ,6,000 $ $1, $1, $18, Ellenırzzük egyszerő csoportostással, hogy a munkakörökben azonos-e a fzetés! 34
35 SPSS-sel Descrptves Current Salary Clercal Custodal Manager Total 95% Confdence Interval for Mean Lower Bound Upper Bound N Mean Std. Devaton Std. Error Mnmum Maxmum 363 $7, $7, $ $7, $8, $15,750 $80,000 7 $30, $, $ $30,10.37 $31, $4,300 $35,50 84 $63, $18, $1, $60, $67, $34,410 $135, $34, $17, $ $3, $35, $15,750 $135,000 ANOVA Current Salary Between Groups Wthn Groups Total Sum of Squares df Mean Square F Sg. 8,9E+010 4,47E ,481,000 4,8E ,5 1,4E Current Salary Robust Tests of Equalty of Means Welch Statstc a df1 df Sg. 16,00 117,31,000 a. Asymptotcally F dstrbuted. SPSS-sel Multple Comparsons Dependent Varable: Current Salary LSD Tamhane Mean 95% Confdence Interval (I) Employment Category (J) Employment Category Dfference (I-J) Std. Error Sg. Lower Bound Upper Bound Clercal Custodal -$3, $,03.760,16 -$7, $ Manager -$36,139.58* $1,8.35,000 -$38, $33,75.53 Custodal Clercal $3, $,03.760,16 -$ $7, Manager -$33, * $,44.409,000 -$37, $8,68.6 Manager Clercal $36,139.58* $1,8.35,000 $33,75.53 $38,55.99 Custodal $33, * $,44.409,000 $8,68.6 $37,449.0 Clercal Custodal -$3, * $ ,000 -$4, $1, Manager -$36,139.58* $,09.91,000 -$41, $31,00.1 Custodal Clercal $3, * $ ,000 $1, $4, Manager -$33, * $, ,000 -$37, $8, Manager Clercal $36,139.58* $,09.91,000 $31,00.1 $41, Custodal $33, * $, ,000 $8, $37,98.78 *. The mean dfference s sgnfcant at the.05 level. 35
36 Ellenırzzük a fzetés lleszkedését a normálshoz! Grafkusan, majd egymntás Kolmogorov-Szmrnov próbával! Grafkus vzsgálat alapján nem tőnk jónak az lleszkedés! 36
37 One-Sample Kolmogorov-Smrnov Test N Normal Parameters a,b Most Extreme Dfferences Kolmogorov-Smrnov Z Asymp. Sg. (-taled) a. Test dstrbuton s Normal. b. Calculated from data. Mean Std. Devaton Absolute Postve Negatve Begnnng Salary 474 $17, $7, ,5,5 -,170 5,484,000 Regresszós Vzsgáljuk meg az x független változó és az y függı változó között összefüggést! Az x független változó értéke pontosan beállítható, az y függı változó értéke azonban a Y valód érték körül ngadozk. A mérés adatok az alább táblázatban láthatók, az y értéke szernt növekvı sorrendbe rendezve. A tényleges mérés sorrendet a táblázat másodk oszlopa tartalmazza. Feltételezve, hogy y normáls eloszlású, valamnt azt hogy az y és x között függvénykapcsolat lneárs, adjunk becslést az egyenes paraméterere! No mérés sorrend x y Scatter ábra az adatokkal a 95%-os konfdenca ntervallummal és a 95%-os jóslás határral 37
38 SPSS táblázatok R s r R adj Egyváltozós lneárs regresszó smétlés nélkül mérések esetén, σ y konstans A becslés Ha x krtérum: 0 φ = ( y b0 bx ) = mn. $Y a b 0 és b becslések = b egymástól + bx = a nem + b x függetlenek x 0 ( ) b = 0 a bx A normálegyenletek: φ = [ y b0 bx ] = 0 b 0 φ = [ y b0 bx ] x = 0 b Átrendezve: 0 y = nb + b x 0 y x = b x + b x A normálegyenletek az φ a φ b Átrendezve: [ y a b( x x )] = = 0 [ y a b( x x )]( x x ) = = 0 ( ) y = na + b x x Yˆ = a + b ( x x ) ( ) = ( ) + ( ) y x x a x x b x x Az a és b becslések egymástól függetlenek, mert modell llesztésekor ( x x ) = 0 x x = n 38
39 y = na és y ( x x ) = b ( x x ) tehát az a és b becsült paraméterek egymástól függetlenül kaphatók meg a két normálegyenletbıl: a = n y ( x x) y b = ( x x) ( ) $Y = a + b x x ; ( $ ) = = α + β( ) E Y Y x x E( a) A becslések tulajdonsága y E = α n E( b ) = β Var( b) = Var( a) σ σ = = ( n) n ( x x ) ( ) σ = σ ( x x ) ( x x ) ( $ ) = [ + ( )] = ( ) + ( )( ) E Y E a b x x E a E b x x ( ) α β ( ) E Y $ = + x x = Y ( ) Var( Y$ x x ) = Var( a) + ( x x) Var( b) = 1 σ + n n x x ( ) Konfdenca határok s a = sr n s b = s r ( x x ) 1 s s Y$ = r + n ( x x ) ( x x ) = s + s ( x x ) a b s = s = s + s x b0 Y$ ( x= 0) a b A konfdencatartományok a t-eloszlás alapján számíthatók. 39
40 40 ( ) x X E Y M = = ( ) ( ) ε ε ε = ˆ 1 ˆ,, x r n x r n s n x x n s t y M s n x x n s t y P Az átlag konfdenca-ntervalluma a mntapontok kb. 1-ε %-át tartalmazza. A sáv az x átlagának a közelében a legvékonyabb. Konfdenca ntervallum az átlaghoz Jóslás ntervallum (1- α) a valószínősége annak, hogy x adott értékénél egy késıbb mérés eredménye a számított ntervallumba esk. ( ) ( ) ( ) s s n x x x x s s s x x y Y r r a b = + + = + + $ 1 1 ntervallum: ( ) $ $ Y x t s y Y ± α Jóslás ntervallum ( ) ( ) ε ε ε = ˆ 1 1 ˆ,, x r n x r n s n x x n s t y Y s n x x n s t y P Az adott x -hez tartozó Y egyed értéket tartalmazza az alább 1-ε szntő konfdenca ntervallum:
41 7 6 r = %-os jóslás sáv 5 4 Y$ = x 3 y %-os konfdenca sáv x Determnácós együttható Regresson R SSR = = SST Total R adj SST SSE SST SSE = 1 SST Resdual = 1 SSE SST ( n ) ( n 1) ( y y) = ( y Y$ ) + ( Y$ y) A képletek magyarázata SST = SSE + SSR d.f.: n-1 = n- + 1 SSE s r = s r rezduáls szórás n s a = s r n s b = s r ( x x) Az együtthatók szórása 41
42 A konfdencatartományok a t-eloszlás alapján számíthatók 1 s s Y$ = r + n ( x x ) ( x x ) = s + s ( x x ) a b s = s = s + s x b0 Y$ ( x= 0) a b ANOVA-táblázat SSR SSR F = SSE ( n 1) SSE SST A nullhpotézs az, hogy a regresszós együtthatók egyszerre zérusok Regresszós együtthatók A tapasztalat regresszós egyenes képlete: Y$ = x 4
Sztochasztikus kapcsolatok
Sztochasztikus kapcsolatok Petrovics Petra PhD Hallgató Ismérvek közötti kapcsolat (1) Függvényszerű az egyik ismérv szerinti hovatartozás egyértelműen meghatározza a másik ismérv szerinti hovatartozást.
Részletesebben20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!
SPEC 2009-2010. II. félév Statsztka II HÁZI dolgozat Név:... Neptun kód: 20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek! 1. példa Egy üzemben tejport csomagolnak zacskókba,
RészletesebbenHipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?
01.09.18. Hpotézs vzsgálatok Egy példa Kérdések (példa) Hogyan adhatunk választ? Kérdés: Hatásos a lázcsllapító gyógyszer? Hatásos-e a gyógyszer?? rodalomból kísérletekből Hpotézsek A megfgyelt változó
RészletesebbenTáblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.
1. Az X valószínőség változó 1 várható értékő és 9 szórásnégyzető. Y tıle független várható értékkel és 1 szórásnégyzettel. a) Menny X + Y várható értéke? 13 1 b) Menny X -Y szórásnégyzete? 13 1 összesen
Részletesebbens n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés
A m és az átlag Standard hba Mnta átlag 1 170 Az átlagok szntén ngadoznak a m körül. s x s n Az átlagok átlagos eltérése a m- től! 168 A m konfdenca ntervalluma. 3 166 4 173 x s x ~ 68% ~68% annak a valószínűsége,
RészletesebbenORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!
ORVOSI STATISZTIKA Az orvos statsztka helye Élettan Anatóma Kéma Lehet kérdés?? Statsztka! Az orvos döntéseket hoz! Mkor jó egy döntés? Mennyre helyes egy döntés? Mekkora a tévedés lehetősége? Példa: test
RészletesebbenLineáris regresszió. Statisztika I., 4. alkalom
Lneárs regresszó Statsztka I., 4. alkalom Lneárs regresszó Ha két folytonos változó lneárs kapcsolatban van egymással, akkor az egyk segítségével elıre jelezhetjük a másk értékét. Szükségünk van a függı
RészletesebbenVarianciaanalízis. Egytényezős kísérletek (Más néven: egyutas osztályozás, egyszempontos varianciaanalízis ANOVA)
Varancaanalízs A varancaanalízs során kettőnél több sokaság középértékenek mnta alapán történő összehasonlítása történk zért nevezk a kétmntás t-próba általánosításának A nullhpotézs eldöntéséhez használuk
RészletesebbenGyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések
Gakorló feladatok a Kísérletek tervezése és értékelése c. tárgból Lneárs regresszó, smétlés nélkül mérések 1. példa Az alább táblázat eg kalbrácós egenes felvételekor mért adatokat tartalmazza: x 1.8 3
RészletesebbenStatisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.
Statsztka próbák Paraméteres. A populácó paraméteret becsüljük, ezekkel számolunk.. Az alapsokaság eloszlására van kkötés. Nem paraméteres Nncs lyen becslés Nncs kkötés Ugyanazon problémára sokszor megvan
RészletesebbenExtrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés
Extrém-érték modellezés Zemplén András Alkalmazott modul 03. február. Extrém-érték elemzés Klasszkus módszerek: év maxmumon alapulnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízbıl
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
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Review of Correlation & Regression
Mskolc Egetem Gazdaságtudomán Kar Üzlet Informácógazdálkodás és Módszertan Intézet Revew of Correlaton & Regresson Petra Petrovcs Mskolc Egetem Gazdaságtudomán Kar Üzlet Informácógazdálkodás és Módszertan
Részletesebben4 2 lapultsági együttható =
Leíró statsztka Egy kísérlet végeztével általában tetemes mennységű adat szokott összegyűln. Állandó probléma, hogy mt s kezdjünk - lletve mt tudunk kezden az adatokkal. A statsztka ebben segít mnket.
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
RészletesebbenNEMPARAMÉTERES PRÓBÁK
NEMPARAMÉTERES PRÓBÁK A nemparaméteres próbák nem tételezk föl a normáls eloszlást. A leggyakrabban használt próbák (pl. a t-próbák, ANOVA) feltételezk a normáls eloszlást. Sokszor ez nem teljesül. Következmény:
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
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pálázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomán Tanszékén az ELTE Közgazdaságtudomán Tanszék, az MTA Közgazdaságtudomán
RészletesebbenStatisztikai 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
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
RészletesebbenStatisztika II előadáslapok. 2003/4. tanév, II. félév
Statisztika II előadáslapok 3/4 tanév, II félév BECSLÉS ÉS HIPOTÉZISVIZSGÁLAT Egyik konzervgyár vágott zöldbabot exportál A szabvány szerint az üvegek nettó töltősúlyának az átlaga 3 g, a szórása 5 g Az
RészletesebbenVariancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?
Varanca-analízs (NOV Mért nem csnálunk kétmntás t-próbákat? B Van különbség a csoportok között? Nncs, az eltérés csak véletlen! Ez a nullhpotézs. és B nncs különbség Legyen, B és C 3 csoport! B és C nncs
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,
RészletesebbenKísérlettervezési alapfogalmak:
Kísérlettervezés alapfogalmak: Tényező, faktor (factor) független változó, ható tényező (kezelés, gyógyszer, takarmány, genotípus, élőhely, stb.) amnek hatását a kísérletben vzsgáln vagy összehasonlítan
RészletesebbenBiológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható.
Boassa Bológa anagok hatásának értékelése, ha közvetlen fzka vag kéma analízs nem alkalmazható. Alapja standard készítménnel való összehasonlítás: a vzsgált anag mlen mennsége ad uganakkora hatást, mnt
RészletesebbenNemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Nemparaméteres módszerek Krsztna Boda PhD SZTE ÁOK Orvos Fzka és Orvos Informatka Intézet Paraméteres próbák Paraméter: egy szám, amely a populácó eloszlását jellemz (és általában meghatározza). A normáls
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
RészletesebbenRegresszióanalízis. Lineáris regresszió
Regrezóanalíz Lneár regrezó REGRESSZIÓ 1 Modell: Valamely (pl. fzka) törvényzerûég értelméen az x független változó zonyo értékénél a függõ változó értéke Y ϕ (x). Y helyett y értéket mérünk, E(y x) Y,
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
RészletesebbenRegresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
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
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június
ÖKONOMETRIA ÖKONOMETRIA Készült a TÁMOP-4.1.-08//A/KMR-009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék, az MTA Közgazdaságtudomány
RészletesebbenMATEMATIKAI STATISZTIKA KISFELADAT. Feladatlap
Közlekedésmérnök Kar Jármőtervezés és vzsgálat alapja I. Feladatlap NÉV:..tk.:. Feladat sorsz.:.. Feladat: Egy jármő futómő alkatrész terhelésvzsgálatakor felvett, az alkatrészre ható terhelı erı csúcsértékek
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.
Korrelácó-számítás 1. előadás Döntéselőkészítés módszertana Dr. Varga Beatr Két változó között kapcsolat Függetlenség: Az X smérv szernt hovatartozás smerete nem ad semmlen többletnformácót az Y szernt
RészletesebbenRegresszió számítás az SPSSben
Regresszió számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Lineáris regressziós modell X és Y közötti kapcsolatot ábrázoló egyenes. Az Y függ: x 1, x 2,, x p p db magyarázó változótól
RészletesebbenTanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.
8. GYAKORLAT STATISZTIKAI PRÓBÁK ISMÉTLÉS: Tanult nem paraméteres próbák, és hogy mlyen probléma megoldására szolgálnak. Név Illeszkedésvzsgálat Χ próbával Illeszkedésvzsgálat grafkus úton Gauss papírral
RészletesebbenADATREDUKCIÓ I. Középértékek
ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték
RészletesebbenADATREDUKCIÓ I. Középértékek
ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz mn középérték
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
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenOLS regresszió - ismétlés Mikroökonometria, 1. hét Bíró Anikó A tantárgy tartalma
OLS regresszó - smétlés Mroöonometra,. hét Bíró Anó A tantárg tartalma Leggaorbb mroöonometra problémá és azo ezeléséne megsmerése Egén vag vállalat adato Keresztmetszet és panel elemzés Vállalat, pacelemzés
RészletesebbenBevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,
Bevezetés a bometrába Dr. Dnya Elek egyetem tanár PhD kurzus. KOKI, 205.0.08. ADATREDUKCIÓ I. Középértékek Adatredukcó. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények:
RészletesebbenStatisztika elméleti összefoglaló
1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11
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
RészletesebbenX PMS 2007 adatgyűjtés eredményeinek bemutatása X PMS ADATGYŰJTÉS
X PMS ADATGYŰJTÉS 2007 1 Tartalom Összefoglalás...3 A kutatásba beválasztott betegek életkora... 4 A kutatásba bevont betegek nem szerinti megoszlása... 5 Az adatgyűjtés során feltárt diagnózisok megoszlása...
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
RészletesebbenStatisztikai következtetések Nemlineáris regresszió Feladatok Vége
[GVMGS11MNC] Gazdaságstatisztika 10. előadás: 9. Regressziószámítás II. Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet A standard lineáris modell
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
RészletesebbenAdatelemzés és adatbányászat MSc
Adatelemzés és adatbányászat MSc. téma Adatelemzés, statsztka elemek áttekntése Adatelemzés módszertana probléma felvetés módszer, adatok meghatározása nyers adatok adatforrás meghatározása adat tsztítás
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
RészletesebbenMax-stabilis folyamatok. 6. előadás, március 29. Smith (1990) konstrukciója. Példák
Max-stabls folyamatok 6. előadás, 2017. márcus 29. Zemplén András Valószínűségelmélet és Statsztka Tanszék Természettudomány Kar Eötvös Loránd Tudományegyetem Árngadozások előadás Legyen T R d egy Borel-halmaz.
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
RészletesebbenExtrém-érték elemzés. Extrém-érték eloszlások. Megjegyzések. A normálhatóság feltétele. Extrém-érték modellezés
Extrém-érték modellezés Zemplén András Val.modellek 2018. febrár 21. Extrém-érték elemzés Klasszks módszerek: év maxmmon alaplnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízből használ
Részletesebben2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!
GAZDASÁGSTATISZTIKA KIDOLGOZOTT ELMÉLETI KÉRDÉSEK A 3. ZH-HOZ 2013 ŐSZ Elméleti kérdések összegzése 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét! 2. Mutassa be az
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
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,
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
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
Részletesebben4. A méréses ellenırzı kártyák szerkesztése
4. A méréses ellenırzı kártyák szerkesztése A kártyákat háromféle módon alkalmazhatjuk. Az elızetes adatfelvétel során a fı feladat az eloszlás paramétereinek (µ és σ ) becslése a további ellenırzésekhez.
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
RészletesebbenANOVA. Egy faktor szerinti ANOVA. Nevével ellentétben nem szórások, hanem átlagok összehasonlítására szolgál. Több független mintánk van, elemszámuk
Egy faktor zernt NOV Nevével ellentétben nem zóráok, hanem átlagok özehaonlítáára zolgál Több független mntánk van, elemzámuk,...,,, r y,...,, y, y,..., yr;,, r H : r NOV. élda (Box-Hunter-Hunter: Stattc
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése II.
Többváltozós lineáris regressziós modell feltételeinek tesztelése II. - A magyarázó változóra vonatkozó feltételek tesztelése - Optimális regressziós modell kialakítása - Kvantitatív statisztikai módszerek
RészletesebbenExtrém-érték elemzés. Extrém-érték eloszlások. A normálhatóság feltétele. Megjegyzések. Extrém-érték modellezés
Etrém-érték modellezés Zemplén András Alkalmazott modl 016. febrár -9. Etrém-érték elemzés Klasszks módszerek: év mammon alaplnak Küszöb felett értékek elemzése: adott szntet meghaladó mnden árvízből használ
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
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,
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
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
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
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),
RészletesebbenOKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június
OKTATÁSGAZDASÁGTAN Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázat projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomány Tanszékén az ELTE Közgazdaságtudomány Tanszék az MTA Közgazdaságtudomány
RészletesebbenAlap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )
Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:
RészletesebbenNormális eloszlás paramétereire vonatkozó próbák
Normális eloszlás paramétereire vonatkozó próbák Az alábbi próbák akkor használhatók, ha a meggyelések függetlenek, és feltételezhetjük, hogy normális eloszlásúak a meggyelések függetlenek, véges szórású
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
RészletesebbenGazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.
Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Regresszó-számítás. előadás Kvanttatív statsztka módszerek Dr. Varga Beatr Gazdaságtudomán Kar Gazdaságelmélet és Módszertan Intézet Korrelácós
RészletesebbenKvantitatív statisztikai módszerek
Kvantitatív statisztikai módszerek 1. konzultáció tárgyjegyző Dr. Szilágyi Roland Mérési skálák Számok meghatározott szabályok szerinti hozzárendelése jelenségekhez, bizonyos tulajdonságokhoz. 4 féle szabály
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
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
RészletesebbenADATREDUKCIÓ I. Középértékek
ADATREDUKCIÓ I. Középértékek Adatredukcó 1. M a középérték: azonos fajta számszerű adatok közös jellemzője. 2. Követelmények: a) Számított középérték: közbenső helyet foglaljanak el, azaz x mn középérték
RészletesebbenVARIANCIAANALÍZIS (szóráselemzés, ANOVA)
VARIANCIAANAÍZIS (szóráselemzés, ANOVA) Varancaanalízs. Varancaanalízs (szóráselemzés, ANOVA) Adott: egy vagy több tetszőleges skálájú független változó és egy legalább ntervallum skálájú függő változó.
RészletesebbenLaboratóriumi kontrollkártya használata Tananyag. Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrinc Anna minőségirányítási előadó
Laboratórum kontrollkártya használata Tananyag Készítette: Muránszky Géza vegyészmérnök Oktató: Lőrnc Anna mnőségrányítás előadó Tartalom. Bevezetés... 3. A kontroll kártyák típusa... 4 3. A statsztka
RészletesebbenBevezetés a hipotézisvizsgálatokba
Bevezetés a hipotézisvizsgálatokba Nullhipotézis: pl. az átlag egy adott µ becslése : M ( x -µ ) = 0 Alternatív hipotézis: : M ( x -µ ) 0 Szignifikancia: - teljes bizonyosság csak teljes enumerációra -
RészletesebbenMegoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ
Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.
RészletesebbenPáros binomiális próbák
áros nomáls próák Kontngena-tálázatok (rx tálázat) elemzése, ha sem a sor-, sem az oszlop-összegek nem rögzítettek sak N adott - Szmmetra-vzsgálat (összefüggés-vzsgálat) - Függetlenség-vzsgálat BIOMETRIA_NEMARAMÉTERES_3
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
RészletesebbenMatematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)
Matematka statsztka elıadás III. éves elemzı szakosokak Zemplé Adrás 9. elıadásból részlet Y közelítése függvéyével Gyakor eset, hogy em smerjük a számukra érdekes meység Y potos értékét pl. holap részvéy-árfolyam,
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
RészletesebbenMatematikai alapok és valószínőségszámítás. Normál eloszlás
Matematikai alapok és valószínőségszámítás Normál eloszlás A normál eloszlás Folytonos változók esetén az eloszlás meghatározása nehezebb, mint diszkrét változók esetén. A változó értékei nem sorolhatóak
RészletesebbenKÖVETKEZTETŐ STATISZTIKA
ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak
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,
RészletesebbenBiostatisztika Hipotézisvizsgálatok, egy- és kétoldalas próbák, statisztikai hibák, ANOVA
Biostatisztika Hipotézisvizsgálatok, egy- és kétoldalas próbák, statisztikai hibák, ANOVA Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Hipotézisvizsgálatok A hipotézisvizsgálat
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
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
RészletesebbenA többváltozós lineáris regresszió 1.
2018. szeptember 17. Lakásár adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó változók segítségével Legegyszerűbb eset - kétváltozós
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 Descriptive Statistics
Mskolc Egyetem Gazdaságtudomáy Kar Üzlet Iformácógazdálkodás és Módszerta Itézet Descrptve Statstcs Petra Petrovcs Mskolc Egyetem Gazdaságtudomáy Kar Üzlet Iformácógazdálkodás és Módszerta Itézet DESCRIPTIVE
RészletesebbenNemparaméteres eljárások
Nemparaméteres eljárások Bevezetés Az ntervallum vagy a hányados skálán végzett méréseknél az adatokból számolhatunk átlagot, szórásnégyzetet, szórást Fontos módszerek alapulnak ezeknek a származtatott
Részletesebbend(f(x), f(y)) q d(x, y), ahol 0 q < 1.
Fxponttétel Már a hétköznap életben s gyakran tapasztaltuk, hogy két pont között a távolságot nem feltétlenül a " kettő között egyenes szakasz hossza" adja Pl két település között a távolságot közlekedés
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenNemparaméteres próbák
Nemparaméteres próbák Budapesti Mőszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék 1111, Budapest, Mőegyetem rkp. 3. D ép. 334. Tel: 463-16-80 Fax: 463-30-91 http://www.vizgep.bme.hu
Részletesebben