Statisztikai hipotézisvizsgálatok
|
|
- Etelka Gulyás
- 8 évvel ezelőtt
- Látták:
Átírás
1 Statisztikai hipotézisvizsgálatok. Milye problémákál haszálatos? A gyakorlatba agyo gyakra szükségük lehet arra, hogy mitákból származó iformációk alapjá hozzuk sokaságra voatkozó dötéseket. Például egy töltőgép megfelelőe va-e beállítva; a cigarettába levő kátráy alatta marad-e az előírt értékekek. Ezekbe az esetekbe azt vizsgáltuk, hogy az adott mita származhat-e egy adott paraméterű sokaságból, illetve, hogy a mita egyik paramétere azoos-e egy elméleti értékkel. A sokaság adott tulajdoságát em mérhetjük le közvetleül, haem csak a sokaságból vett mita alapjá becsülhetjük. A becslés azoba véletle hibákkal terhelt, ezért számszerű eltérés a mitából számított érték (pl. átlag) és az adott érték között em szükségszerűe jeleti azt, hogy a sokaságra jellemző érték is eltér az adott értéktől. Más esetekbe két sokaság valamely paraméterét hasolítjuk össze: két populáció jövedelmi viszoyai azoosak tekithető-e; tovább élek-e a ők, mit a férfiak. Amikor dötést akaruk hozi, feltételezéseket fogalmazuk meg, melyek lehetek igazak vagy hamisak, ezeket hívjuk statisztikai hipotézisekek. Dötésüket a mita alapjá kalkulált érték segítségével tudjuk meghozi. Mivel a mitavételt a véletle befolyásolja, ezek a számolt statisztikai mutatók valószíűségi változók leszek. A statisztikai próbáak evezzük azt az eljárást, amiek a segítségével eldöthetjük, hogy az adott hipotézis elfogadható-e vagy sem. A módszer alkalmazása sorá összehasolítuk két számot: a számított próbastatisztika értékét és egy táblázatbeli (kritikus) értéket. A ullhipotézis a feltételezésük matematikai megfogalmazása. Alakja egyelőség, két érték azoosságát állítja. (Nevét oa kapta, hogy e két érték külöbsége ulla.) Például: a sokaság várható értéke (µ) megegyezik egy előre rögzített értékkel (m 0 ). H 0 : µ m 0. Ezzel szembe álló másik állítás az alteratív hipotézis. Az alteratív hipotézis lehet kétoldali alteratív hipotézis vagy egyoldali alteratív hipotézis. Az előző példáál maradva: Kétoldali alteratív hipotézis: H : µ m 0. Egyoldali alteratív hipotézis: H : µ < m 0 (baloldali) H : µ > m 0 (jobboldali). Megbízhatósági szit (kofidecia szit) (-α) a ullhipotézis elfogadására voatkozó dötés helyességéek valószíűségét fejezi ki, ameyibe a ullhipotézis igaz. A szigifikacia szit (α) a hibás dötés valószíűsége ugyacsak igaz ullhipotézis eseté. Empirikus szigifikacia szit (P érték) aak a valószíűsége, hogy a próbastatisztika a mitából kiszámított értéket veszi fel. Az empirikus szigifikaciával a statisztikai szoftverek alkalmazásáál találkozhatuk. Miél kisebb a P érték, aál agyobb a valószíűsége hogy a H 0 hipotézis hamis. A próbastatisztika értéke a ullhipotézis érvéyességétől, a kritikus érték agysága a megbízhatósági szittől függ. Mivel a mita a véletletől függ, ezért soha em lehetük biztosak abba, hogy a hipotézis igaz vagy sem. A statisztikai dötés sorá kétféle hibát követhetük el. Első fajú hiba (α) eseté a ullhipotézist elutasítjuk, pedig igaz. Az első fajú hiba elkövetéséek valószíűsége a szigifikacia szittel megegyezik. A hiba agysága a szigifikacia szit csökketésével csökkethető. Másodfajú hiba (β) eseté a ullhipotézist elfogadjuk, pedig em igaz. A hiba agysága csökke, ha öveljük a szigifikacia szitet. Ha öveljük a kritikus értéket, akkor az esetek többségébe csökketjük α-t, és egyúttal öveljük β-t. Ha
2 csökketjük a kritikus értéket, akkor β_ csökke, de α ő. Az α-t általába 5%-ak szokás megadi. Eze hibák együttes csökketése csak a mita elemszám övelésével érhető el. H 0 hipotézis Igaz Hamis Elfogadás Helyes következtetés Másodfajú hiba (β) Elvetés Első fajú hiba (α) Helyes következtetés Elfogadási : az az itervallum ahová ha a próbastatisztika értéke kerül, a ullhipotézist elfogadjuk. Kritikus : az az itervallum ahová ha a próbastatisztika értéke kerül, a ullhipotézist elvetjük. Kritikus érték: az a szám, amivel a próbastatisztika értékét összehasolíthatjuk, és döthetük, hogy az elfogadási vagy a kritikus ba esik. Kritikus és elfogadási egyoldali alteratív hipotézis eseté: kritikus elfogadási kritikus α/ -α α/ Kritikus és elfogadási baloldali alteratív hipotézis eseté: kritikus elfogadási α -α Kritikus és elfogadási jobboldali alteratív hipotézis eseté: elfogadási kritikus -α α A statisztikai próba algoritmusa:
3 A kérdés megfogalmazása, a próbastatisztika kiválasztása. A ullhipotézis és az alteratív hipotézis felállítása. A szigifikacia szit (α) megválasztása. A próbastatisztika értékéek kiszámítása. A (táblázatbeli) kritikus érték meghatározása. A dötés meghozatala a ullhipotézis elfogadásáról vagy elvetéséről. A következtetések levoása. Paraméteres statisztikai próbák Ha az eloszlás jellege ismert, és a ullhipotézisük az eloszlás valamely paraméterére voatkozik, paraméteres próbáról, ellekező esetbe emparaméteres próbáról beszélük. A paraméteres próbák alkalmazása omiális és ordiális változóko em ajálott. Középértékekre voatkozó próbák (z-próba; t-próba) Egy mitás próbák: A ullhipotézis a következő lehet: származhatott-e a mita egy adott középértékű sokaságból? z-próba (vagy u próba): Akkor haszáljuk, ha a sokaság ormális eloszlású, az alapsokaság szórása ismert vagy tetszőleges eloszlású sokaság, de a mita elemszám kellőe agy. A próbastatisztika kiszámítása: x µ z, ahol x a mita átlaga, µ a sokaság átlaga, a sokaság szórása, a mita elemszáma. Elfogadási : z < z emp krit t-próba: ormális eloszlású sokasá g eseté haszálható, amikor a szórás em ismert valamit a mita elemszám kicsi ( < 30). x µ t, a szabadsági fok száma: -, ahol s x a mita átlaga, µ a sokasági átlag, s a sokaság becsült szórása, a mita elemszáma. Elfogadási : t < t emp krit Példa: Egy kísérletbe egy új gyógyszer testtömegre gyakorolt hatását szereték leelleőrizi. Egereke tesztelik az új vegyületet. A laboratóriumi populációba geerációról geerációra az
4 egerek adott idős korukra 0 grammosak voltak, tömegük szórása,5 g volt. Feltételezhetjük, hogy az egerek tömege ormális eloszlású µ 0 g átlaggal és,5 g szórással. A vizsgálathoz kiválasztaak egy véletle mitát 0 egeret, és megézik, hogy mekkora lesz az adott korba a tömegük. Azt tapasztalják, hogy a 0 egér átlagosa grammosok lettek. Véletleek vagy a vegyületek köszöhető-e a változás? Felmerül a kérdés, hogy a mitavételezési hibát figyelembe véve a 0 egér tömegéek legalább mekkoráak kell leie ahhoz, hogy az új vegyületet hatásosak lehesse yilváítai. Nullhipotézis: a vegyület em okozott változást. Alteratív hipotézis: a vegyület hatással va a testtömegre. Vagyis: H 0 : µ 0; H : µ 0. Ez egy kétoldali alteratív hipotézis. A hipotézis elfogadásáról vagy elvetéséről egy ismert eloszlású ú. próbastatisztika segítségével dötük. 0 x µ zemp,6,5 0 A dötési szabályuk az, hogy H 0 -t elfogadjuk, ha a z emp kisebb, mit a,5%-hoz tartozó kritikus érték (azaz,96), elutasítjuk, ha z emp meghaladja ezt az értéket. Ez 5%-os szigifikacia szitet jelet, hisze kétoldali alteratív hipotézisük va, hisze,5% esélyt aduk aak, hogy helyteleül dötsük a pozitív effektusról, és,5%-ot aak, hogy helyteleül dötsük a egatív effektusról. Esetükbe z emp < z krit, tehát elfogadhatjuk a ullhipotézist, miszerit a vegyület em okozott változást. Megjegyzés: Mi va akkor, ha em ismerjük a szórást? Nyilvá becslést kell aduk rá. Ha agy mitából becsüljük, akkor feltételezhetjük, hogy a becslés elegedőe potos, és alkalmazhatjuk az eddig leírtakat. Ha a populáció eloszlása ormális, akkor kis mita eseté a t-eloszlás haszálatával korrigálhatjuk a módszert. Eek az lesz a hatása, hogy a kritikus értékek távolabb fogak esi a H 0 -ba feltételezett µ 0 átlagértéktől. Például, ha az egértömegek eseté em ismerjük a szórást, csak becsültük a 0 elemű mitából, és az,5-ek adódott, akkor egyoldali próba eseté a kritikus érték: 0 x µ t emp,6 s,5 0 A t krit. értéket a t-táblázat alapjá határozzuk meg. A szabadsági fok - 9, a szigifikacia szit 0,05. A kritikus értéket a táblázat α/ 0,05 részéél kell keresi a kétoldali alteratív hipotézis miatt. Így t krit.,6. Kétmitás próbák: Előző példákba azt vizsgáltuk, hogy egy új vegyület hatására változak-e az egértömegek az előző geerációk adatai alapjá megállapított, elméleti értékhez képest. Nagyo gyakra azoba em áll redelkezésükre ilye elméleti érték. Ilye esetekbe célszerű egy másik (kotroll) csoporthoz viszoyítauk az eredméyeiket. Szite midig ez az eljárás gyógyszer-hatás vizsgálatál. Gyakra előfordul az is, hogy egyszerűe csak két csoportot (populációt) szereték összehasolítai. Például, szereték megtudi, hogy vajo a doháyosok rövidebb ideig élek-e, mit a em doháyosok, a Holstei-Frízek tejtermelése agyobb-e Németországba, mit áluk A két összehasolítadó csoportak em tudjuk a populáció átlagait, csak a belőlük kiválasztott
5 miták átlagait tudjuk összehasolítai, és azt vizsgáljuk, hogy a kettő szigifikása külöbözik-e. A ullhipotézis a következő lehet: két mita középértéke azoosak tekithető-e? H 0 : x x z-próba: Akkor haszáljuk, ha mid a két sokaság ormális eloszlású, az alapsokaságok szórásai ismertek vagy a miták elemszámai kellőe agyok. x x z + t-próba: Normális eloszlású sokaságok eseté, amikor a szórások em ismertek, de közel azoosak. x x t, a szabadsági fok száma: + - Sp + S p ( ) s + ( ) + Példa: Két halastóból származó halak zsírtartalmát szereték összehasolítai. Az egyik tóból elemű miták va, a mita átlaga 7%, szórása 4%. A másik esetbe 5 elemű mita alapjá az átlagos zsírtartalom 4%, szórása 3%. A számok alapjá úgy tűik, hogy az első tó eseté agyobb a zsírtartalom. Kérdés, hogy ez a külöbség szigifikás-e, vagy csak a mitavételi hiba okozta a külöbséget? Nullhipotézis: ics külöbség a két zsírtartalom között H 0 : µ µ. Alteratív hipotézis: va külöbség a két zsír-tartalom között H : µ µ. Ha a mitáik elég agyok, akkor a mitaátlagok ormális eloszlásúak leszek. (Nem túl agy miták eseté, az egymitás esethez hasolóa, itt is a t-eloszlást kell haszáli a ormális eloszlás helyett.) Mitaátlag Várható értéke Szórása x µ s x µ Ha a miták függetleek, akkor a mitaátlagok külöbsége is ormális eloszlású. Ha a szórásukat ismerjük, akkor x - x várható értéke µ -µ, szórása x eloszlása N(0, (.04) ). +. Példákba x -
6 z emp x x + 0,7 0,4 0, , ,03,886 0,00008 z krit,96 a t eloszlás táblázatáak szabadsági fok sora és α/ 0,05 oszlopából, mivel kétoldali alteratív hipotézisük va. (Ez 5%-os szigifikacia szitet jelet. Esetükbe z emp > z krit, tehát elutasítjuk a ullhipotézist, az eltérés em a véletleek köszöhető. Példa: Egy vizsgálatba arra kerestek választ, hogy vajo a városi vagy a falvakba lakó kismamák maradak-e tovább ottho gyermekeikkel. Egy agyvárosba véletleszerűe 0 kismamát kérdeztek meg, a köryéke levő kisebb településeke pedig 40-et. A városiak átlagosa 6 hóapig, 3 hóap szórással, a falvakba pedig átlagosa 30 hóapig 4 hóap szórással. Szigifikás-e a külöbség a tapasztalt értékek között? Nullhipotézis: H 0 : µ falusi µ városi ; H : µ falusi > µ városi. x x A megoldáshoz a t-próbát alkalmazhatjuk: t, ahol Sp + ( ) s + ( ) s S p és a szabadsági fok száma: S p ( ) s + ( ) t emp + s x x 30 6 Sp + 3, ,945 3,70 A szabadsági fok száma 58, és a 95%-os megbízhatósági szithez t krit,67 érték tartozik. Mivel t emp > t krit, tehát elutasítjuk a ullhipotézist, a kisebb településeke tovább maradtak ottho a kismamák. Páros t-próba Tegyük fel, hogy egy mitá vizsgáljuk valamilye kezelések a hatását. Ilye esetekbe em a mitaátlagokat hasolítjuk össze, haem a kezelés előtti és utái érték külöbségéről állapítjuk meg, hogy szigifikása külöbözik-e ullától. Példa. Egy lázcsillapító gyógyszer hatásosságát vizsgáljuk. A betegek hőmérsékletét kétszer, a lázcsillapító bevétele előtt illetve utá mérjük meg. A mért értékeket és a változást a következő táblázat tartalmazza. Lázcsillapítás Külöbség előtt utá 39, 38,6 0,6 38,7 37,,5 37,9 36,8, 38,8 37,9 0,9
7 39,4 38,, 38, 38,0 0, 38,6 36,9,7 38,8 37,8,0 39,0 37,9, 38,5 37,6 0,9 A hipotéziseket formálisa felírva: H 0 : µ d 0, H : µ d 0. A külöbségek átlaga: d, 0, szórása s d 0,4. Vagyis a ullhipotézis szerit a gyógyszer hatástala. Ettől kezdve midet úgy kell csiáluk, mit az egymitás próba eseté. Ezek szerit az x d mitaátlag eloszlása ormális, várható értéke 0. A szabadsági fok esetükbe - 9, az ehhez és a 95%-os valószíűséghez tartozó t érték,6. Ha igaz a ullhipotézis, akkor t emp < t krit. x µ,0 0 t emp 7,68 s 0,4 0 Ez em teljesül, ezért elutasítjuk a ullhipotézist. Tehát azt modhatjuk, hogy a lázcsillapító gyógyszer hatásos. Szórásokra, variaciákra voatkozó próbák (F-próba.) A t-próba tárgyalásáál már volt arról szó, hogy a próbát másképp kell elvégezi, ha a két sokaság szórása (szóráségyzete) megegyezik, és másképp akkor, ha em. Felmerül a kérdés, hogy hogya lehet eldötei, hogy a szóráségyzetek megegyezek-e. Legye az első, a második populáció variaciája (szóráségyzete). Ekkor a ull- és az alteratív hipotézisek a következők leszek: H 0 :, H :. Ha H 0 igaz, akkor a két populáció szóráségyzetéek háyadosa. Két mita alapjá s becsüljük ezt a háyadost. A becslést F-statisztikáak evezzük, ahol F, és s az első, s s a második mita korrigált tapasztalati szóráségyzete, ahol s > s. Ha ez az F érték elég közel va -hez, akkor azt modhatjuk, hogy az eltérést csupá a véletle mitavételből származó hiba okozta, így elfogadhatjuk a H 0 -t, egyébkét pedig elutasítjuk. Miél agyobbak a mitáik, aál jobba megközelíti a miták szóráségyzete a sokaság szóráségyzetét. Ilye esetekbe az -től csak kis eltérést egedük meg. Ha a mitáik viszoylag kicsik, akkor pedig még agyobb eltérés eseté is elfogadjuk a ullhipotézist. Az is előfordulhat, hogy az egyik mita kicsi, a másik pedig agy. Ebből is kitűik, hogy mid a két mita elemszámától függ, hogy az körüli mekkora itervallumba fogadjuk el a H 0 hipotézist. Az F-statisztika eloszlása külöböző mita elemszámok eseté más és más lesz. Hasolóa a t-statisztikához, itt is a szabadsági fok mutatja meg, hogy melyik F-eloszlást kell választauk. A két mita szabadsági foka ( -, - ), ahol az első mita, pedig a második mita elemszáma. A táblázatokat általába 5%-os szigifikacia szitre közlik a külöböző statisztika köyvek. Példa:
8 A jövedelmek differeciálódásával kapcsolatos felmérés alapjá azt találták hogy egy adott régióba az 000 egyéi vállalkozó adóbevallása alapjá a jövedelmek szórása Ft volt. A következő évbe ugyaitt, egy 5 elemű véletle mita alapjá már 9 00 Ft volt. Igazolható-e statisztikailag a jövedelmek differeciálódásáról szóló elmélet? H 0 :, vagyis a szórások (szóráségyzetek) megegyezek. H :, külöbözőek a szóráségyzetek. s 900 F emp,538, a számláló szabadsági foka 4, a evezőé pedig 999. F s krit, Mivel F emp > F krit így a ullhipotézist elvethetjük, a jövedelmek valóba differeciálódtak. Megállapításukat 95%-os megbízhatósági szite tettük. Felhaszált irodalom Baráth Cs. Ittzés A. Ugrósdy Gy.: Biometria. Mezőgazda Kiadó 996 Kiss A. Maczel J. Pitér L. Varga K.: Statisztikai módszerek alkalmazása a mezőgazdaságba. Mezőgazdasági Kiadó 983 Kovács Istvá: Statisztika. Szet Istvá Egyetem Gazdálkodási és Mezőgazdasági Főiskolai Kar jegyzete. Gyögyös 000 Kriszt Varga Keyeres: Általáos statisztika II. Nemzeti taköyvkiadó 997. Fodor Jáos: Biomatematika Meszéa György Zierma Margit: Valószíűségelmélet és matematikai statisztika Közgazdasági és Jogi Köyvkiadó 98 Murray R. Spiegel: Statisztika. Elmélet és gyakorlat. Paem McGraw Hill 995 Szűcs Istvá: Alkalmazott statisztika. Agroiform Kiadó 00
Az 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
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:
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
Részletesebben1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása
HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat
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 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................................
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
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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 -
Részletesebbenkritikus érték(ek) (critical value).
Hipotézisvizsgálatok (hypothesis testig) A statisztikáak egyik célja lehet a populáció tulajdoságaiak, ismeretle paramétereiek a becslése. A másik tipikus cél: valamely elmélet, hipotézis empirikus bizoyítása
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
RészletesebbenHipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok
STATISZTIKA 1. Előadás Hipotézisvizsgálatok Tematika 1. Hipotézis vizsgálatok 2. t-próbák 3. Variancia-analízis 4. A variancia-analízis validálása, erőfüggvény 5. Korreláció számítás 6. Kétváltozós lineáris
RészletesebbenStatisztika 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
RészletesebbenBiomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
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
RészletesebbenHipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás
STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H
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,
Részletesebbenezek alapján kívánunk dönteni. Ez formálisan azt jelenti, hogy ellenőrizni akarjuk,
A deceber -i gyakorlat téája A hipotézisvizsgálat fotos probléája a következő két kérdés vizsgálata. a) Egy véletle eyiség várható értékéek agyságáról va bízoyos feltevésük. Elleőrizi akarjuk e feltevés
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
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:
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
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
Részletesebbenbiometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenValószín ségszámítás és statisztika
Valószí ségszámítás és statisztika oktatási segédayag Kupá Pál Tartalomjegyzék fejezet Valószí ségszámítási alapfogalmak 5 Eseméyek 5 M veletek eseméyekkel 5 2 A valószí ség fogalma 7 3 Valószí ségi változók
RészletesebbenBiomatematika 13. Varianciaanaĺızis (ANOVA)
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 13. Varianciaanaĺızis (ANOVA) Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date:
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
RészletesebbenBIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis
Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai
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:
RészletesebbenKidolgozott feladatok a nemparaméteres statisztika témaköréből
Kidolgozott feladatok a emparaméteres statisztika témaköréből A tájékozódást mideféle szíkódok segítik. A feladatok eredeti szövege zöld, a megoldások fekete, a figyelmeztető, magyarázó elemek piros szíűek.
RészletesebbenHipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
RészletesebbenSTATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
RészletesebbenStatisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
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
RészletesebbenMÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI
MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk
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
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,
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
RészletesebbenHipotézis-ellenırzés (Statisztikai próbák)
Következtetı statisztika 5. Hipotézis-elleırzés (Statisztikai próbák) 1 Egymitás próbák Átlagra, aráyra, Szórásra Hipotézis-vizsgálat Áttekités Egymitás em paraméteres próbák Függetleségvizsgálat Illeszkedésvizsgálat
RészletesebbenTARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23
TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések
RészletesebbenGVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
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
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.
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,
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
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
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
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
RészletesebbenKétoldali hibás Monte Carlo algoritmus: mindkét válasz esetén hibázhat az algoritmus, de adott alsó korlát a hibázás valószínűségére.
Véletleített algoritmusok Tegyük fel, hogy va két doboz (A,B), amely egyike 1000 Ft-ot tartalmaz, a másik üres. 500 Ft-ért választhatuk egy dobozt, amelyek a tartalmát megkapjuk. A feladat megoldására
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
Részletesebben[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
RészletesebbenNevezetes sorozat-határértékek
Nevezetes sorozat-határértékek. Mide pozitív racioális r szám eseté! / r 0 és! r +. Bizoyítás. Jelöljük p-vel, illetve q-val egy-egy olya pozitív egészt, melyekre p/q r, továbbá legye ε tetszőleges pozitív
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,
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
Részletesebben1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?
Statisztika 2015. május 08. D csoport Név Neptun kód 1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik pályázatnál 320 pályázóból 42 nyert, a másik pályázatnál
RészletesebbenNUMERIKUS SOROK II. Ebben a részben kizárólag a konvergencia vizsgálatával foglalkozunk.
NUMERIKUS SOROK II. Ebbe a részbe kizárólag a kovergecia vizsgálatával foglalkozuk. SZÜKSÉGES FELTÉTEL Ha pozitív (vagy em egatív) tagú umerikus sor, akkor a kovergecia szükséges feltétele, hogy lim a
Részletesebben? közgazdasági statisztika
Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB B Elem
RészletesebbenRudas Tamás: A hibahatár a becsült mennyiség függvényében a mért pártpreferenciák téves értelmezésének egyik forrása
Rudas Tamás: A hibahatár a becsült meyiség függvéyébe a mért ártrefereciák téves értelmezéséek egyik forrása Megjelet: Agelusz Róbert és Tardos Róbert szerk.: Mérésről mérésre. A választáskutatás módszertai
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
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
RészletesebbenKÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN
KÍSÉRLETTERVEZÉS ÉS ÉRTÉKELÉS A MIKROBIOLÓGIAI GYAKORLATBAN DR. REICHART OLIVÉR 005. Budapest Lektorálta: Zukál Edre Tartalom BEVEZETÉS 3. VALÓSZÍNŰSÉGSZÁMÍTÁSI ALAPOK 5.. Kombiatorikai alapösszefüggések
Részletesebben3.1. A Poisson-eloszlás
Harmadik fejezet Nevezetes valószíűségi változók Valamely valószíűségi változóhoz kapcsolódó kérdésekre akkor tuduk potos választ adi, ha a változó eloszlása ismert, vagy megközelítőleg ismert. Ebbe a
Részletesebben1. 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
Részletesebben1. Írd fel hatványalakban a következõ szorzatokat!
Számok és mûveletek Hatváyozás aaaa a a darab téyezõ a a 0 0 a,ha a 0. Írd fel hatváyalakba a következõ szorzatokat! a) b),,,, c) (0,6) (0,6) d) () () () e) f) g) b b b b b b b b h) (y) (y) (y) (y) (y)
RészletesebbenKiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.
Kiváltott agyi jelek informatikai feldolgozása 2018 Statisztika - Gyakorlat Kiss Gábor IB.157. kiss.gabor@tmit.bme.hu Példa I (Vonat probléma) Aladár 25 éves és mindkét nagymamája él még: Borbála és Cecília.
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
RészletesebbenStatisztika. Eloszlásjellemzők
Statsztka Eloszlásjellemzők Statsztka adatok elemzése A sokaság jellemzése középértékekkel A sokaság jellemzéséek szempotja A sokaság jellemzéséek szempotja: A sokaság tpkus értékéek meghatározása. Az
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.
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
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
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.
Részletesebben7. el adás Becslések és minta elemszámok. 7-1. fejezet Áttekintés
7. el adás Becslések és mita elemszámok 7-1. fejezet Áttekités 7-1 Áttekités 7- A populáció aráy becslése 7-3 A populáció átlag becslése: σismert 7-4 A populáció átlag becslése: σem ismert 7-5 A populáció
RészletesebbenStatisztikai módszerek 7. gyakorlat
Statisztikai módszerek 7. gyakorlat A tanult nem paraméteres próbák: PRÓBA NEVE Illeszkedés-vizsgálat Χ 2 próbával Homogenitás-vizsgálat Χ 2 próbával Normalitás-vizsgálataΧ 2 próbával MIRE SZOLGÁL? A val.-i
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
RészletesebbenKettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
RészletesebbenH0 hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik)
5.4: 3 különböző talpat hasonlítunk egymáshoz Varianciaanalízis. hipotézis: μ1 = μ2 = μ3 = μ (a különböző talpú cipők eladási ára megegyezik) hipotézis: Létezik olyan μi, amely nem egyenlő a többivel (Van
Részletesebben(A TÁMOP /2/A/KMR számú projekt keretében írt egyetemi jegyzetrészlet):
A umerikus sorozatok fogalma, határértéke (A TÁMOP-4-8//A/KMR-9-8 számú projekt keretébe írt egyetemi jegyzetrészlet): Koverges és diverges sorozatok Defiíció: A természetes számoko értelmezett N R sorozatokak
RészletesebbenPopulációbecslés és monitoring. Eloszlások és alapstatisztikák
Populációbecslés és monitoring Eloszlások és alapstatisztikák Eloszlások Az eloszlás megadja, hogy milyen valószínűséggel kapunk egy adott intervallumba tartozó értéket, ha egy olyan populációból veszünk
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,
Részletesebben( a b)( c d) 2 ab2 cd 2 abcd 2 Egyenlőség akkor és csak akkor áll fenn
Feladatok közepek közötti egyelőtleségekre (megoldások, megoldási ötletek) A továbbiakba szmk=számtai-mértai közép közötti egyelőtleség, szhk=számtaiharmoikus közép közötti egyelőtleség, míg szk= számtai-égyzetes
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
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),
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
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
Részletesebben1 k < n(1 + log n) C 1n log n, d n. (1 1 r k + 1 ) = 1. = 0 és lim. lim n. f(n) < C 3
Dr. Tóth László, Fejezetek az elemi számelméletből és az algebrából (PTE TTK, 200) Számelméleti függvéyek Számelméleti függvéyek értékeire voatkozó becslések A τ() = d, σ() = d d és φ() (Euler-függvéy)
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 25. J J 9 Korrelációanalízis Regresszióanalízis: hogyan változik egy vizsgált változó értéke egy másik változó változásának függvényében. Korrelációs
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.
RészletesebbenBrósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Statisztika
Statisztika A statisztika adatok gyűjtésével, redszerezésével, illetve adatsorok elemzésével, szemléltetésével foglalkozik. Adatok redszerezése DEFINÍCIÓ: (Populáció) Populációak (statisztikai sokaságak)
RészletesebbenCserjésné Sutyák Ágnes *, Szilágyiné Biró Andrea ** ismerete mellett több kísérleti és empirikus képletet fel-
ACÉLOK KÉMIAI LITY OF STEELS THROUGH Cserjésé Sutyák Áges *, Szilágyié Biró Adrea ** beig s s 1. E kutatás célja, hogy képet meghatározásáak kísérleti és számítási móiek tosságáról, és ezzel felfedjük
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
RészletesebbenSTATISZTIKA I. Mintavétel fogalmai. Mintavételi hiba. Statisztikai adatgyűjtés Nem véletlenen alapuló kiválasztás
Mintavétel fogalmai STATISZTIKA I.. Előadás Mintavétel, mintavételi technikák, adatbázis A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x n, mindig
RészletesebbenKabos: Statisztika II. ROC elemzések 10.1. Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.
Kabos: Statisztika II. ROC elemzések 10.1 ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás szóhasználatával A riasztóberendezés érzékeli, ha támadás jön, és ilyenkor riaszt. Máskor nem. TruePositiveAlarm:
RészletesebbenMintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás
STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x
RészletesebbenÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS
ÖSSZEFÜGGÉSVIZSGÁLAT, PARAMÉTERBECSLÉS Összefüggésvizsgálat, paraméterbecslés A kísérletek sorá a redszer állapotát ellemző paraméterek kapcsolatát vizsgáluk. A yert adatok alapá felállítuk a redszer matematikai
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
RészletesebbenBiostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
RészletesebbenMegállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat
Megállapítható változók elemzése Függetleségvzsgálat, lleszkedésvzsgálat, homogetásvzsgálat Ordáls, omáls esetre s alkalmazhatóak a következő χ próbá alapuló vzsgálatok: 1) Függetleségvzsgálat: két valószíűség
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............................
RészletesebbenNormális eloszlás tesztje
Valószínűség, pontbecslés, konfidenciaintervallum Normális eloszlás tesztje Kolmogorov-Szmirnov vagy Wilk-Shapiro próba. R-funkció: shapiro.test(vektor) balra ferde eloszlás jobbra ferde eloszlás balra
Részletesebben