Regresszióanalízis. Lineáris regresszió
|
|
- Adél Siposné
- 7 évvel ezelőtt
- Látták:
Átírás
1 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, vagy y Y + ε é E( ε ) Var( ε ) σ Amennyen nncen mert é gazolt fzka özefüggé, nem lehetünk elõre meggyõzõdve az lleztett függvény alkalmaágáról. REGRESSZIÓ
2 A regrezóanalíz orán feltételezzük, hogy y az x mnden értékénél normál elozláú, vagy az ε méré hák N(,σ ) normál elozláúak; Var(y) kontan, lletve y-nak vagy x-nek mert függvénye; a különözõ méré pontokan elkövetett méré hák egymától függetlenek; Y(x) f(x, α,β,γ,...) az mert vagy feltételezett függvénykapcolat alakja, ahol α, β, γ a függvény kontana (paramétere). REGRESSZIÓ 3 Egyváltozó lneár regrezó métlé nélkül méréek eetén, A eclé krtérum: φ ( y Y$ ) mn. $Y + x a + x x Y β + βx α + β x x σ y φ y x mn. kontan β α βx a x REGRESSZIÓ 4
3 A normálegyenletek: φ [ y x] φ [ ] y x x Átrendezve: y n + x y x x + x Ha x a é ecléek egymától nem függetlenek REGRESSZIÓ 5 A normálegyenletek az Y + ( x x ) φ a φ [ y a ( x x )] [ y a ( x x )]( x x ) α β modell lleztéekor Átrendezve: ( ) y na + x x ( ) ( ) + ( ) y x x a x x x x ( x x ) x x n Az a é ecléek egymától függetlenek, mert REGRESSZIÓ 6
4 y na é y ( x x ) ( x x ) tehát az a é ecült paraméterek egymától függetlenül kaphatók meg a két normálegyenletõl: a y y( x x) n x x ( ) $Y a + x x ; ( $ ) α + β( ) E Y Y x x REGRESSZIÓ 7 A ecléek tulajdonága: E( a) y E α n Var a E( ) β σ n n σ Var( ) ( x x ) ( ) σ ( x x ) ( x x ) σ REGRESSZIÓ 8
5 [ ] E Y$ E a + x x E a + E x x α β E Y $ + x x Y Var( Y$ x x ) Var( a) + ( x x) Var( ) 1 σ + n n x ( x ) REGRESSZIÓ 9 a r n r ( x x ) 1 Y$ r + n x x ( x x ) + x x a + x Y$ ( x ) a A konfdencatartományok a t-elozlá alapján zámíthatók. REGRESSZIÓ 1
6 1. példa Kíérletleg vzgálták az x független változó é az y függő változó között özefüggét. Az x független változó értéke pontoan eállítható, az y függő változó értéke azonan a Y valód érték körül ngadozk. A méré adatok a következő tálázatan láthatók, az y értéke zernt növekvő orrende rendezve. A ténylege méré orrendet a tálázat máodk ozlopa tartalmazza. Feltételezve, hogy y normál elozláú, valamnt azt hogy az y é x között függvénykapcolat lneár, adjunk eclét az egyene paraméterere! REGRESSZIÓ 11 No méré orrend x y REGRESSZIÓ 1
7 Excel eredmények SUMMARY OUTPUT Regreon Stattc Multple R R Square Adjuted R Square Standard Error Oervaton 6 R r rezduál zórá ANOVA df SS MS F Sgnfcance F Regreon Redual Total r Coeffcent Standard Error t Stat P-value Lower 95% Upper 95% Intercept x REGRESSZIÓ 13 Determnácó együttható: Regreon R SSR SST SST SSE SST Redual 1 SSE SST Total R _ adj 1 SSE SST ( n ) n 1 REGRESSZIÓ 14
8 y ( y y) ( y Y$ ) + ( Y$ y) SST SSE + SSR d.f.: n-1 n- + 1 y ( y Y$ ) ( $Y y) R SSR/SST 4 R R xx REGRESSZIÓ 15 y 1 y ( y Y $ ) ( $Y y) R R x REGRESSZIÓ 16
9 ANOVA df SS Regreon Redual Total n - r SSE n SSR SSE SST REGRESSZIÓ 17 $Y y Y $ ( $ ) y Y r RESIDUAL OUTPUT Oervaton Predcted y Redual Standard Redual n ( Redual ) 1 SSE REGRESSZIÓ 18
10 a r n r ( x x ) 1 Y$ r + n x x ( x x ) + x x a + x Y$ ( x ) a A konfdencatartományok a t-elozlá alapján zámíthatók. REGRESSZIÓ 19 Y$ ( x ) Coeffcent Standard Error t Stat-valu Lower 95% Upper 95% Intercept x %-o konfdenca ntervallum a paraméterekre REGRESSZIÓ
11 Y$ Y$ + t 5 ( 4) fölõ Y$ Y$ t 5 ( 4) aló Konfdenca áv az Y(x) valód értékre. / Y$. / Y$ x Yhat _Yhat Yhat_aló Yhat_fölõ REGRESSZIÓ 1 Jólá ntervallum 1 $ r n y Y x x ( x x ) + + x x r a ntervallum: Y$ x ± tα y Y $ (1- α) a valózínűége annak, hogy x adott értékénél egy kéő méré eredménye a zámított ntervalluma ek. REGRESSZIÓ
12 7 6 r %-o jólá áv 5 4 Y$ x 3 y %-o konfdenca áv x REGRESSZIÓ 3 A méréek orrendje e t x 1 x x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 1 dõ e t dõ x 9 x 1 x 3 x 1 x 6 x 5 x 8 x 4 x x 7 1 y rezduum x méré orrend y x méré orrend rezduum REGRESSZIÓ 4
13 Egyváltozó lneár regrezó mételt méréek eetén, σ y kontan y y k y a α Y α + β ( x x ) y Y $ Y$ Y n n n n ( x, y k ) ( x, y ) ( x, Y$ ) ( x, Y ) Y$ a + ( x x ) x x REGRESSZIÓ 5 SST SSE + SSR SST SSrepl + SSre + SSR Imétléekõl zámított négyzetözeg Rezduál négyzetözeg A zaadág fokok záma: n n p 1 e p ( ) ( p 1) SSrepl + n + 1 r SSre n REGRESSZIÓ 6
14 e Az coportokon elül error zóránégyzet a varanca torzítatlan eclée, függetlenül az Y függvény alakjától. Az r rezduál zóránégyzet cak akkor eclée σ y -nak, ha a tapaztalat regrezó függvény "megfelelõ alakú", vagy az elmélet regrezó függvény lneár. Eetünken tehát akkor, ha Y α + β( x x ). REGRESSZIÓ 7 A hpotéz vzgálatára az F-próát haználjuk: χ v r r σ / r F χ σ / ν e Ha az r e arány nem halad meg egy F α krtku értéket, mondhatjuk, hogy a méré adatok nem mondanak ellent annak a nullhpotéznek, amely zernt az elmélet é tapaztalat regrezó göre matematkalag azono alakú. e e REGRESSZIÓ 8
15 Ha elfogadjuk a nullhpotézt, egyen azt állítjuk, hogy e é r egyaránt σ torzítatlan eclée. A kettõ együtt tö nformácót nyújt, mnt ármelyk külön-külön, mvel az így egyeített zóránégyzet nagyo zaadág fokú (tehát ke varancájú) eclée σ -nak, mnt akár e, akár r. Célzerű tehát a két eclét egyeíten. σ$ ν + ν ν + ν e e r r e r ( y ) ( $ k y + p y Y ) k ( p n) + ( n ) REGRESSZIÓ 9. példa Kalrácó eljárá orán a tálázatan közölt adatokat mérték, x a koncentrácó, y a mért jel. Illezünk egyenet a méré adatokra. y k x ha k p p 3 REGRESSZIÓ 3
16 x y Az adatok a méré orrendjéen kerülnek e az nput fle-a, tehát a programok zámára általáan ugyanaz az x - y adatok zerkezete, mnt métlé nélkül méréek eetén. REGRESSZIÓ 31 SUMMARY OUTPUT Regreon Stattc Multple R R Square Adjuted R Square Standard Error.477 Oervaton 3 SSrepl + SSre p ANOVA df SS MS F Sgnfcance F Regreon E-6 Redual Total Coeffcent Standard Error t Stat P-value Lower 95% Upper 95% Intercept E x E REGRESSZIÓ 3
17 5 x a p y p 3 ( x ) ( x ) p y x p x $. +. (. ). +. Y x x REGRESSZIÓ 33 e ( yk y ) k p n Annak ellenõrzéére, hogy az alkalmazott lneár modell megfelelõ-e, F-próát végzünk. Az Excel tálázat egítégével zámítuk k a rezduál zóránégyzetet, majd végezzük el a próát! p ( p 1) + ( n ) e r r 3 r REGRESSZIÓ 34
18 F Az F-elozlá krtku értéke 95 % -o egyoldal znten ( α.5), ha a zámláló zaadág foka 3, a nevezõé 18: F.5 (3, 18) Azt mondhatjuk, hogy a zámított egyene (a tapaztalat regrezó göre) a méré pontokat megfelelõen leírja. REGRESSZIÓ 35 y ( x ) p x a y p 3 3 a REGRESSZIÓ 36
19 + x x Y$ a x Y $ ( x ) 184 Y$. ( x ) REGRESSZIÓ 37 Egyváltozó lneár regrezó mételt méréek eetén, A eclé krtérum: σ y A négyzetözeg felontható: k yk y σ y + σ k nem kontan yk Y$ y mn. σ y p σ p y Y $ mn. σ y y REGRESSZIÓ 38
20 A varanca nem kontan, hanem x-nek mert függvénye: ahol σ [ ] σ y σ ( ) Var y x h x x -tõl független kontan. A mnmalzálandó függvény: p y Y $ 1 h ( x ) σ σ [ ( )] ( Y$ ) w p y w p y Y$ w p y a x x mn ahol w az ún. úly: σ 1 w σ h y ( x ) REGRESSZIÓ 39 Ha x w p x w p az a é ecült paraméterek egymától függetlenül kaphatók meg a két normálegyenletõl: a w p y w p w p y x w p x ( x) ( x) REGRESSZIÓ 4
21 Kalrácó egyene: a regrezó egyenlet megoldáa a független változóra Az egyene egyenlete: $Y a + ( x x ) Mot y a független, de ztochaztku változó (ötzör mérve 5 különözõ azorancát kapunk), x a függõ változó, amelynek eclée y a x$ x$( y) x + várható értéke (é valód értéke) X. (Az $x eclé valózínûég változó, mvel y, a é valózínûég változók.) REGRESSZIÓ 41 $x konfdenca-ntervalluma: egédváltozó z y a ( X x ) ( ν p ) z E z t z α β( ) E z Y X x Var z Var y + Var a + X x Var Ha y n méré átlagértéke, értelemzerûen írandó y helyée, é Var( y) Var( y) n REGRESSZIÓ 4
22 Var z 1 1 σ + + wn w p X x w p x ( x ) Az z eclét úgy kapjuk, hogy Var(z) elõ kfejezééen a w úlyok helyett eírjuk a h (x) függvény recprokának ecléét, σ eclééül pedg az -tatztkát haználhatjuk. P t < t < t α / α / 1 α ; z t z y a X x z REGRESSZIÓ 43 Az X-re máodfokú kfejezé átrendezée után a konfdencantervallum y a 1 1 x + t + α α / + wn w p α / < x + α / / $ ( x x) w p x y a α t α / + wn w p α / α / ( x ) / $ < X < ( x x ) w p x ( x ) ahol α / t / α REGRESSZIÓ 44
23 Az X-re máodfokú kfejezé átrendezée után a konfdencantervallum y a y a P x + < X < x α α / α / ahol tα / h x + α / w p α / ( $ ) ( $ ) + x x w p x ( x ) é α / 1 tα / REGRESSZIÓ 45 a -val é -vel kfejezve α / ( h ( x$ ) a ) ( x$ x) tα / + + α / Ha >>,, így az elõzõ kfejezé egyzerûödk α / ahol ( $ $ ) P x < X x + 1 α t h x α / + a + x x n ( $ ) ( $ ) REGRESSZIÓ 46
24 Az özefüggéek ha >> :,, x felhaználáával, y x$ ; P( x$ < X < x$ ) 1 α ahol t h x α / + + n y ( $ ) ( x$ xx $ ) REGRESSZIÓ példa A. példáan kapott regrezó egyenet kalrácó özefüggéként haználjuk. Az meretlen koncentrácójú oldattal végzett 5 méré átlagértéke 1.5. Adjunk eclét é 95 %-o konfdenca-ntervallumot az oldat koncentrácójára (X-re ). y 15. n 5 x$ y t ; ;. /. t α / REGRESSZIÓ 48
25 α / tα /. 9864,, x felhaználáával: α / 1 h ( x ) (. 184) ( )( ) A konfdenca-ntervallum: P ( X ) < < P 1. 7 < X < REGRESSZIÓ 49 A regrezó feltételenek ellenõrzée; a rezduumok vzgálata A regrezóanalíz orán feltételeztük, hogy y az x mnden értékénél normál elozláú, vagy az ε méré hák N(,σ ) normál elozláúak; Var(y) Var(y x) kontan, lletve y-nak vagy x-nek mert függvénye; a különözõ méré pontokan elkövetett méré hák egymától függetlenek; E(y x) Y(x) f(x, α,β,γ,...) az mert vagy feltételezett függvénykapcolat alakja, ahol α, β, γ a függvény kontana (paramétere). REGRESSZIÓ 5
26 1. Rezduumok a méréek orzámának függvényéen: extrém értékek y -Y r A méré orzáma REGRESSZIÓ 51. Rezduumok a méréek orzámának függvényéen: trend y -Y r A méré orzáma REGRESSZIÓ 5
27 3. Ugrá (Szntváltozá a rezduumok vzgálatánál) y -Y r A méré orzáma REGRESSZIÓ A zórá (varanca, méré pontoág) változáa y -Y Y REGRESSZIÓ 54
28 A h ( x) függvény megfelelõen írja le változáát: y -Y h(x ) REGRESSZIÓ 55 Y 5. Normaltá y Y Az $ közelítõleg zéru várható értékû normál h( x) elozláú kell legyen az 1 4. feltételezéek zernt. A normaltát tatztka próával vzgálhatjuk (χ -próa, Kolmogorov Szmrnov próa). A normaltát úgy vzgálhatjuk, hogy ún. valózínûég papíron (Gau hálón) árázoljuk y Y $ értékét h x REGRESSZIÓ 56
29 A rezduumok elozláa nem normál, az lleztett modell nem megfelelõ: y -Y h(x ) Y REGRESSZIÓ 57 A rezduum értékek árázoláa Gau-hálón. a rezduumok nem normál elozláúak Expected Normal Value elmélet elozlá Redual REGRESSZIÓ 58
30 A rezduum értékek árázoláa Gau-hálón..5 a rezduumok normál elozláúak 1.5 Expected Normal Value Redual REGRESSZIÓ 59 Kétváltozó lneár regrezó Az elmélet regrezó függvény: Y α + β x x + β x x A eclé krtérum: ( y Y ) [ y a 1 ( x1 x1) ( x x )] φ $ mn. A ecülendõ paraméterek zernt derválva, é a derváltakat nullával egyenlõvé téve kapjuk a normálegyenleteket: REGRESSZIÓ 6
31 na + x x + x x y ( 1 1) + 1 ( 1 1) + ( 1 1)( ) ( 1 1) a x x x x x x x x y x x ( ) + 1 ( 1 1)( ) + ( ) ( ) a x x x x x x x x y x x A ecült paraméterek akkor függetlenek egymától, ha ( x x ) 1 1 ( x x )( x x ) é 1 1 ; ( x x ) ; ortogonál kíérlet terv REGRESSZIÓ 61 Szempontok a független változók értékenek megválaztáához Egymától független ecült paraméterek (ortogonaltá) x 1-1 P, kpa T, C x REGRESSZIÓ 6
32 A paraméter mnél pontoa eclée a) -1 1 σ. 43 ) -1 1 σ. 9 c) -1 1 σ. 7 REGRESSZIÓ 63 Töváltozó lneár regrezó Legyen r a független változók záma. A kíérletorozat eredményet a következő tálázato formáan zokáo írn: x x L x L x y 11 1 j1 r1 1 x x L x L x y 1 j r M M M M M x x L x L x y 1 j r r M M M M M x x L x L x y 1n n jn rn n REGRESSZIÓ 64
33 A modell Y β x + β x + β x + + β x 1 1 K r r ahol x az általáno írámód érdekéen evezetett fktív változó. Az x elemek értéke 1. A tapaztalat regrezó egyene $Y x + x + x + + x 1 1 K r r A kétváltozó regrezónál mondottakhoz haonlóan a j ecléek egymától nem függetlenek. REGRESSZIÓ 65 Az egye változók zgnfkancájának vzgálata Eldöntendõ, hogy q < r változó fgyelemevétele r változóhoz képet nem rontja-e a közelítét. A q ll. r zámú változóra a mért pontok é a ecült ík között eltéréek négyzetözege, ha mnden pontan cak egy y méré van: q S y x j q jq j r S y x j r jr j $Y q $Y r REGRESSZIÓ 66
34 Tegyük fel, hogy r változó ztoan elég (hátlan a regrezó egyenlet alakja), ekkor az [ y Y $ ( r) ] eltéréek normál elozláúak, (kontannak feltételezett) varancával; az eltéréek S r négyzetözegének zaadág foka n-(r+1) σ y [ ] Ha q változó elég (H nullhpotéz), az y Y $ ( q) σ y eltéréek normál elozláúak, varancával; az eltéréek S q négyzetözegének zaadág foka n-(q+1) REGRESSZIÓ 67 Ha a nullhpotéz gaz, az F ( 1) q Sq / n q S / n r r r ( 1) hányado F-elozláú n q 1 é n r 1 zaadág fokkal. F-próa REGRESSZIÓ 68
35 S q é S r különége zntén normál elozláú eltéréek négyzetözege, zaadág foka r q: F r q r ( Sq Sr ) ( r q) / S / n r 1 r F-próa Bármelyk módzerrel elvégezhetõ az F-próa, a máodk érzékenye (általáno regrezó próa). REGRESSZIÓ 69 Ha az arány a krtku F értéket meghaladja, el kell vetnünk a nullhpotézt, amely zernt r q változó hatáa nem zgnfkán. Termézeteen r q 1 lehet, ekkor azt vzgáljuk, hogy adott egyetlen változó hatáának (lneár) fgyelemevétele javítja-e a közelítét. Mnthogy a ecléek egymától nem függetlenek, az elõ vzgálat t-próával nem végezhetõ el. Ha a normál elozlá feltételezée nem jogo, az tt leírt vzgálat módzer ham eredményeket ad! REGRESSZIÓ 7
36 Regrezó má, a független változóan nemlneár, de a paramétereken lneár függvényekkel z Y + z + β β1 β exp + β3 log z Vezeük e a következõ jelöléeket: x z 1 z x exp x log 3 z β Ezekkel Y j x j j A eclé proléma é az eredmények tatztka elemzée teljeen azono a töváltozó lneár regrezónál leírtakkal. REGRESSZIÓ 71 Polnom lleztée Legyenek olyan méré adatank, amelyeknél az y függõ változó nem lneár, hanem polnommal leírható függvénye a z független változónak. Mvel a z független változó értéke pontoan eállítható é nem terhel méré ha, tetzõlege hatványa pontoan mert, tehát determnztku független változóként kezelhetõ. Bevezetve az x 1 z, x z,..., x k z k jelöléeket, a feladat a töváltozó lneár regrezóra vezethetõ vza. $ k Y + z + z z + x + x x 1 k 1 1 k k Mvel x j értékek nem függetlenek egymától, a ecült j együtthatók erõen korreláltak leznek. REGRESSZIÓ 7
A m becslése. A s becslése. A (tapasztalati) szórás. n m. A minta és a populáció kapcsolata. x i átlag
016.09.09. A m beclée A beclée = Az adatok átlago eltérée a m-től. (tapaztalat zórá) = az elemek átlago eltérée az átlagtól. átlag: az elemekhez képet középen kell elhelyezkedne. x x 0 x n x Q x x x 0
RészletesebbenRANGSOROLÁSON ALAPULÓ NEM-PARAMÉTERES PRÓBÁK
RANGSOROLÁSON ALAPULÓ NEM-PARAMÉTERES PRÓBÁK Sorrendbe állítjuk a vzgált értékeket (a mntaelemeket) é az aktuál érték helyett a rangzámokat haználjuk a próbatatztkák értékenek kzámítáára. Egye próbáknál
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
Részletesebben( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ANOVA ( ) 2. χ σ. α ( ) 2. y y y p p y y = + + = + + p p r. Fisher-Cochran-tétel
NOV ( ) ( ) ( ) ( ) ( ) ( ) a Y Y Y Y µ µ µ + + + ( ) ( ) ( ) ( ) + + Y µ µ µ ( ) ( ) ( ) + + µ χ e ( ) ( ) r + + Fher-Cochran-tétel mnd NOV ( ) e χ : H ( ) e S χ ( ) e r ν χ ( ) e S χ ( ) e r r ν χ F
RészletesebbenGyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Kísérlettervezés témakör
Gyakorló feladatok a Kíérletek tervezée é értékelée c. tárgyól Kíérlettervezé témakör. példa Nitrálái kíérleteken a kitermelét az alái faktorok függvényéen vizgálták:. a alétromav-adagolá idee [h]. a reagáltatá
RészletesebbenStatisztika feladatok
Statsztka ok Informatka Tudományok Doktor Iskola Bzonyítandó, hogy: azaz 1 Tekntsük az alább statsztkákat: Igazoljuk, hogy torzítatlan statsztkák! Melyk a leghatásosabb közöttük? (Ez az együttes eloszlásfüggvényük.)
RészletesebbenAz átviteli (transzfer) függvény, átviteli karakterisztika, Bode diagrammok
Elektronka. Bode dagramok, éldák /9 Az átvtel (tranzfer) függvény, átvtel karakterztka, Bode dagrammok.) Tku feladat: Számítuk k adott lezáráok mellett egy lneár hálózat (oerátor tartomány) u j T tranzfer
RészletesebbenWilcoxon-féle előjel-próba. A rangok. Ismert eloszlás. A nullhipotézis megfogalmazása H 1 : m 0 0. A medián 0! Az eltérés csak véletlen!
0.0.4. Wlcoxo-féle előel-próba ragok Példa: Va-e hatáa egy zórakoztató flm megtektééek, a páceek együttműködé halamára? ( zámok potértékek) orzám előtte utáa külöbég 0 0 3 3-4 4 5 3 6 3 3 0 7 4 3 8 5 4
RészletesebbenBudapesti Műszaki és Gazdaságtudományi Egyetem Közlekedésmérnöki Kar Repülőgépek és hajók Tanszék
Budapet Műzak é Gazdaágtudomány Egyetem Közlekedémérnök Kar Repülőgépek é hajók Tanzék Hő- é áramlátan II. 2008/2009 I. félév 1 Méré Hőugárzá é a vízznte cő hőátadáának vzgálata Jegyzőkönyvet kézítette:
RészletesebbenVARIANCIAANALÍZIS (ANOVA) véletlen faktorok esetén
VRINCINLÍZI (NOV) véletlen faktorok eetén Varancakomponen-elemzé BIOMETRI_NOV_3 1 Rögzített faktorok: znteket a kíérletekhez megválazthatuk é beállíthatuk. Kérdé: van-e különbég a faktor különböző znte
RészletesebbenMatematika M1 1. zárthelyi megoldások, 2017 tavasz
Matematika M. zárthelyi megoldáok, 07 tavaz A coport Pontozá: 0 + + 6 + 50 pont. Számíta ki az alábbi adatokhoz legkiebb négyzete értelemben legjobban illezkedő legfeljebb máodfokú polinomot! x i 3 0 y
RészletesebbenStatisztikai alapismeretek amit feltétlenül tudni kell
Statztka alameetek amt feltétlenül tudn kell Sokaág é mnta fogalma Statztka (mnta jellemzője) é aaméte fogalma Váható éték é vaanca jellemző Sűűégfüggvén é elozláfüggvén Standad nomál -, t- é F-elozlá
Részletesebbenfizikai-kémiai mérések kiértékelése (jegyzkönyv elkészítése) mérési eredmények pontossága hibaszámítás ( közvetlen elvi segítség)
BEVEZEÉS Eladá célja: fzka-kéa éréek kértékelée jegyzkönyv elkézítée éré eredények pontoága hbazáítá közvetlen elv egítég éré technkák egerée alapvet fzka ennyégek pektrozkópa éréek elektrokéa éréek Ma
RészletesebbenFelderítő statisztika
Felerítő tatztka Aatok-. Aatok.. Az aat fogalma Az aat valamely vzgált obektum mért vagy megfgyelt tulaonágát megaó, többnyre numerku érték. Az obektum (obect, obervaton, cae, nvual, Merkmalträger) é a
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.
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
RészletesebbenPortfólióelméleti modell szerinti optimális nyugdíjrendszer
MŰHELY Közgazdaág Szemle, LVIII. évf., 011. zeptember (79 805. o.) Szüle Borbála Portfólóelmélet modell zernt optmál nyugdíjrendzer Az optmál nyugdíjrendzer elmélete ránt az utóbb években folyamato érdeklődé
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
RészletesebbenA robusztos PID szabályozó tervezése
A robuzto ID zabályozó tervezée. A gyakorlat célja Robuzto ID zabályozó tervezée harmafokú folyamatra. A zabályozá vzgálata zmulácókkal.. Elmélet bevezet özmert, hogy a zabályozá renzerek tabltáát a zárt
RészletesebbenSTATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK
MKOLC EGYETEM Gzáguoá K Üzl oácógzáloá é Móz éz Üzl z é Előlzé éz Tzé VZONYZÁMOK, KÖZÉPÉRTÉKEK-ZÓRÓDÁ Vzozáo. V, V, V. l, b 3. l l... l l b Π 4. - b b 5. V : V : TTZTK KÉPLETGYŰJTEMÉNY É TÁLÁZTOK Nöélboá
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
Részletesebbenξ i = i-ik mérés valószínségi változója
EGYENESILLESZTÉS: A LEGKISEBB NÉGYZETEK MÓDSZERE Kíérleteket elvégeztük. Dolgozzuk fel az adatokat! Cél: mért változók (T, p, I, U ) között kapcolat felderítée. 1. zóródá dagram {x, y } ábra. kvattatív
RészletesebbenKépletgyűjtemény a Gazdaságstatisztika tárgy A matematikai statisztika alapjai című részhez
Buaet űzak é Gazaágtuomá Egetem Gazaág- é Táaalomtuomá Ka Üzlet Tuomáok Itézet eezmet é Vállalatgazaágta Tazék Tóth Zuzaa Ezte Jóá Tamá Kéletgűtemé a Gazaágtatztka tág A matematka tatztka alaa című ézhez
RészletesebbenII.2. A Monte Carlo számítógépes szimuláció
II.2. A Monte Calo zámítógépe zmulácó Rendezetlen anyag endzeek zmulácójának két alapvet változata meete: a molekulá dnamka MD é a Monte Calo MC módze []. A két módze között alapvet elv különbég a következ.
RészletesebbenLaplace transzformáció
Laplace tranzformáció 27. márciu 19. 1. Bevezeté Definíció: Legyen f :, R. Az F ) = f t) e t dt függvényt az f függvény Laplace-tranzformáltjának nevezzük, ha a fenti impropriu integrál valamilyen R zámokra
RészletesebbenGyengesavak disszociációs állandójának meghatározása potenciometriás titrálással
Gyengeavak izociáció állanójának meghatározáa potenciometriá titráláal 1. Bevezeté a) A titrálái görbe egyenlete Egy egybáziú A gyengeavat titrálva NaO mérőolattal a titrálá bármely pontjában teljeül az
RészletesebbenSTATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK
MIKOLCI EGYETEM Gazdaágtudoá Kar Üzlt Iorácógazdálodá é Módzrta Itézt Üzlt tatzta é Előrlzé Tazé TATIZTIKAI KÉPLETGYŰJTEMÉNY É TÁLÁZATOK (Dolgozatíráál, zgá ca gé bgzé élül hazálható!). VIZONYZÁMOK, KÖZÉPÉRTÉKEK-ZÓRÓDÁ
RészletesebbenTöbbváltozós Regresszió-számítás
Töváltozós Regresszió-számítás 3. előadás Döntéselőkészítés módszertana Dr. Szilágyi Roland Korreláció Célja a kacsolat szorosságának mérése. Regresszió Célja a kacsolatan megfigyelhető törvényszerűség
RészletesebbenSzéchenyi István Egyetem MTK Szerkezetépítési és Geotechnikai Tanszék Tartók statikája I. Dr. Papp Ferenc RÚDAK CSAVARÁSA
Széchenyi Itván Egyetem MTK Szerkezetépítéi é Geotechnikai Tanzék Tartók tatikája I. 1. Prizmatiku rúdelem cavaráa r. Papp Ferenc RÚAK CSAVARÁSA Egyene tengelyű é állandó kereztmetzetű (prizmatiku) rúdelem
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
RészletesebbenEgyedi cölöp süllyedésszámítása
14. zámú mérnöki kézikönyv Friítve: 2016. áprili Egyedi cölöp üllyedézámítáa Program: Cölöp Fájl: Demo_manual_14.gpi Ennek a mérnöki kézikönyvnek tárgya egy egyedi cölöp GEO5 cölöp programmal való üllyedézámítáának
RészletesebbenSTATISZTIKAI KÉPLETGYŰJTEMÉNY ÉS TÁBLÁZATOK
MKOLC EGYETEM Gazaáguoá Kar Gazaáglél é Mózra éz Üzl aza é Előrlzé éz Tazé TTZTK KÉPLETGYŰJTEMÉY É TÁLÁZTOK (Dolgozaíráál, zgá ca gé bgzé élül hazálhaó!) 7. VZOYZÁMOK, KÖZÉPÉRTÉKEK-ZÓRÓDÁ Vzozáo.) V, V,
RészletesebbenGÉPSZERKEZETTAN - TERVEZÉS IDŐBEN VÁLTOZÓ IGÉNYBEVÉTEL, KIFÁRADÁS
GÉPSZERKEZETTAN - TERVEZÉS IDŐBEN VÁLTOZÓ IGÉNYBEVÉTEL, KIFÁRADÁS Változó igénybevétel Állandó amplitudó, periódiku változá Gépzerkezettan, tervezé Kifáradá 2 Alapfogalmak Középfezültég: m, fezültégamplitudó:
RészletesebbenSTATISZTIKA 2. KÉPLETGYŰJTEMÉNY. idősorok statisztikai becslések hipotézisvizsgálat regressziószámítás
SAISZIKA. KÉPLEGŰJEMÉN dőoro aza beclée hpoézvzgála regrezózámíá www.maeg.hu SAISZIKA. KÉPLEGŰJEMÉN fo@maeg.hu el:675447 6. IDŐSOROK 6..Állapodőor é aramdőor ÁLLAPOIDŐSOR ARAMIDŐSOR Válozá mérée d d d
RészletesebbenMETEOROLÓGIAI INTERPOLÁCIÓS RENDSZER (MISH) ÉGHAJLATI INFORMÁCIÓK FELHASZNÁLÁSÁVAL
ETEOROLÓGIAI INTERPOLÁCIÓS RENDSZER (ISH ÉGHAJLATI INFORÁCIÓK FELHASZNÁLÁSÁVAL Szentmrey Tamá é Bhar Zta Orzágo eteorológa Szolgálat (OSZ Özefoglalá Bemutatjuk az OSZ-nál kfejleztett ISH nterpolácó rendzer
RészletesebbenGÉPSZERKEZETTAN - TERVEZÉS IDŐBEN VÁLTOZÓ IGÉNYBEVÉTEL, KIFÁRADÁS
GÉPSZERKEZETTAN - TERVEZÉS IDŐBEN VÁLTOZÓ IGÉNYBEVÉTEL, KIFÁRADÁS Változó igénybevétel Állandó amplitudó, periódiku változá Kifáradá 2 Alapfogalmak Középfezültég: m, fezültégamplitudó: a, maximáli fezültég:
Részletesebben9. GYAKORLAT STATISZTIKAI PRÓBÁK SPSS-BEN FELADATOK
9. GYAKORLAT STATISZTIKAI PRÓBÁK SPSS-BE FELADATOK A feladatokhoz mentük aját gépünkre a példa adatokat tartalmazó fájlokat a tanzéki honlapról: www.hd.bme.hu/mota/m/p1.av www.hd.bme.hu/mota/m/p2.av www.hd.bme.hu/mota/m/p3.av
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
RészletesebbenTARTÓSZERKEZETEK II.-III.
TRTÓSZERKEZETEK II.-III. VSBETOSZERKEZETEK 29.3.7. VSBETO KERESZTMETSZET YOMÁSI TEHERBÍRÁSÁK SZÁMÍTÁS kereztmetzet teherbíráa megelelı ha nyomott km. eetén: Rd hol a normálerı tervezéi értéke (mértékadó
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
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
RészletesebbenANOVA. Mekkora különbséget tudnánk kimutatni? Statistics>Power Analysis>Several Means, ANOVA 1-Way
NOV Mkkora különbégt tudnánk kmutatn? tattc>powr naly>vral Man, NOV 1-Way 1. 1-Way NOV: Powr Calculaton 1-Way NOV (Fxd ) Powr v. ME (lpha.5, Group 4, N 6).9.8.7 Powr.6.5.4.3. ME α ( r ) σ 1.1..1..3.4.5.6.7.8.9
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
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:
Részletesebbenbiometria I. foglalkozás előadó: Prof. Dr. Rajkó Róbert Alapfogalmak
Kíérlettervezé - bometra I. oglalozá előadó: Pro. Dr. Rajó Róbert Alapogalma Véletle jeleége: mde jeleéget az oo egy bzoyo redzere hoz létre. Ha az oo mdegyét gyelembe tudá ve a jeleég leolyáa azoból egyértelműe
RészletesebbenMintapélda. Szivattyúperem furatának mérése tapintós furatmérővel. Megnevezés: Szivattyúperem Anyag: alumíniumötvözet
Szivattyúperem fratának mérée tapintó fratmérővel A mnkadarab: A mérőezköz: Megnevezé: Szivattyúperem Fratmérő Anyag: almínimötvözet EV 0,5 1,5 m Spec.: 85 kj Lin 3 m (T = 35 m) Tapintó (DIN 897-1) Mérétartomány:
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,
RészletesebbenPID szabályozó tervezése frekvenciatartományban
ID zabályozó tervezée frekvencatartományban... A zabályozó erítéének hatáa a tabltára A zabályozó erítée az a paraméter, amelyet a zabályozá mköée alatt zámo eetben móoítanak, hangolnak pélául a mnél kebb
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenStatisztika, próbák Mérési hiba
Statisztika, próbák Mérési hiba ÁTLAG SZÓRÁS KICSI, NAGY MIN, MAX LIN.ILL LOG.ILL MEREDEKSÉG METSZ T.PROBA TREND NÖV Statisztikai függvények Statisztikailag fontos értékek Számtani átlag: ŷ= i y i /n Medián:
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
RészletesebbenLOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála
LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála a független változó: névleges vagy sorrendi vagy folytonos skála BIOMETRIA2_NEMPARAMÉTERES_5 1 Y: visszafizeti-e a hitelt x: fizetés (életkor)
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
RészletesebbenMINİSÉGBIZTOSÍTÁS 6. ELİADÁS Március 19. Összeállította: Dr. Kovács Zsolt egyetemi tanár
MINİSÉGBIZTOSÍTÁS Özeállította: Dr. Kovác Zolt egyetemi taár 6. ELİADÁS 011. Márciu 19. NyME FMK Terméktervezéi é Gyártátechológiai Itézet http://tgyi.fmk.yme.hu NYME FMK TGYI 006.08.8. 1. fólia Kézült
RészletesebbenMaradékos osztás nagy számokkal
Maradéko oztá nagy zámokkal Uray M. Jáno, 01 1 Bevezeté Célunk a nagy termézete zámokkal való zámolá. A nagy itt azt jelenti, hogy nagyobb, mint amivel a zámítógép közvetlenül zámolni tud. A termézete
RészletesebbenKálmán-szűrés. Korszerű matematikai módszerek a geodéziában 2014.03.10.
Kálmánzűré Korzerű matemata módzere a geodézában 4.3.. A Kálmánzűré defnícója Olyan algortmu, amely valamely lneár dnamu rendzerben egzat övetezetét tez lehetővé, amely a rejtett Marovmodellhez haonló
RészletesebbenCsaládi állapottól függõ halandósági táblák Magyarországon
Caládi állapottól függõ halandóági táblák Magyarorzágon A házaágok várható tartama, túlélée MÓDSZERTANI TANULMÁNY Központi Statiztikai Hivatal Hungarian Central Statitial Offie Központi Statiztikai Hivatal
RészletesebbenMŰSZAKI FIZIKA I. Dr. Iványi Miklósné professor emeritus. 5. Előadás
MŰSZAK FZKA Dr. vány Mklóné profeor emert 5. Előadá PTE PMMK Műzak nformatka Tanzék Műzak Fzka-/EA-V/ Hálózatzámítá Fzka valóág modell Az objektm modellje a rendzer A rendzer megvalóítáa realzácója a hálózat
RészletesebbenHARDVEREK VILLAMOSSÁGTANI ALAPJAI
HADVEEK VAMOSSÁGTAN AAPJA Dr. vány Mklóné Profeor Emert 5. Előadá PTE PMMK Műzak nformatka Tanzék Hardverek Vllamoágtan Alapja/EA-V/ Hálózatzámítá Fzka valóág modell Az objektm modellje a rendzer A rendzer
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
RészletesebbenGazdaságstatisztika példatár
Buapet Műzak é Gazaágtuomány Egyetem Gazaág- é Táraalomtuomány Kar Üzlet Tuományok Intézet Menezment é Vállalatgazaágtan Tanzék Gazaágtatztka pélatár Megoláokkal E pélatár a Gazaágtatztka című tárgyhoz
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
RészletesebbenIrányítástechnika 3. előadás
Irányítátechnika 3. előadá Dr. Kovác Levente 203. 04. 6. 203.04.6. Tartalom Laplace tranzformáció, fontoabb jelek Laplace tranzformáltja Stabilitá alaptétele Bode diagram, Bode-féle tabilitá kritérium
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
RészletesebbenN.III. Vasbeton I. T1-t Gerendák I oldal
N.III. Vabeton I. T1-t Gerendák I. 01.0. 1. oldal 1.1. Négyzögkereztmetzet ellenőrzée hajlítára: normálian vaalt gerenda Feladat Ellenőrizze az ábrán adott vabeton gerendát hajlítára! Az állandó teher
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
Részletesebben: az i -ik esélyhányados, i = 2, 3,..I
Kabos: Adatelemzés Ordinális logisztikus regresszió-1 Többtényezős regresszió (az adatelemzésben): Y közelítése b 1 X 1 + b 2 X 2 +... + b J X J alakban, y n = b 1 x n,1 + b 2 x n,2 +... + b J x n,j +
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
Részletesebbenegyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk
Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,
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
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenA kör harmadik pontjának meghatározásához egy könnyen kiszámítható pontot keressünk
7. Átviteli ellemzők fogalma é ábrázoláa! A kondenzátor kapacitív reaktanciáa: Z Tehát az áramkör ellemzői a rákapcolt zinuzo el frekvenciáától függenek, ha az áramkör energiatároló elemet, i tartalmaz.
RészletesebbenSTATISZTIKA (H 0 ) 5. Előad. lete, Nullhipotézis 2/60 1/60 3/60 4/60 5/60 6/60
Hioézi STATISZTIKA 5. Előad adá Hioéziek elmélee, lee, Közéérék-özehaolíó ezek /60 /60 Tudomáyo hioézi Nullhioézi feláll llíáa (H 0 ): Kémiá hioéziek 3/60 4/60 Mukahioézi (H a ) Nullhioézi (H 0 ) > 5/60
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
RészletesebbenIdő-ütemterv hálók - II.
Előadá:Folia1.doc Idő-ütemterv hálók - II. CPM - CPM létra : Továbbra i gond az átlaolá, a nyitott háló é a meg-nem-zakítható tevékenyég ( termeléközeli ütemtervek ) MPM time : ( METRA Potential' Method
RészletesebbenA következő angol szavak rövidítése: Advanced Product Quality Planning. Magyarul minőségtervezésnek szokás nevezni.
Mi az az APQP? Az APQP egy mozaik zó. A következő angol zavak rövidítée: Advanced Product Quality Planning. Magyarul minőégtervezének zoká nevezni. Ez egy projekt menedzment ezköz, é egyben egy trukturált
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
RészletesebbenEgy negyedrendű rekurzív sorozatcsaládról
Egy negyedrendű rekurzív sorozatcsaládról Pethő Attla Emlékül Kss Péternek, a rekurzív sorozatok fáradhatatlan kutatójának. 1. Bevezetés Legyenek a, b Z és {1, 1} olyanok, hogy a 2 4b 2) 0, b 2 és ha 1,
RészletesebbenLikelihood, deviancia, Akaike-féle információs kritérium
Többváltozós statisztika (SZIE ÁOTK, 2011. ősz) 1 Likelihood, deviancia, Akaike-féle információs kritérium Likelihood függvény Az adatokhoz paraméteres modellt illesztünk. A likelihood függvény a megfigyelt
RészletesebbenFIZIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Fizika emelt zint 08 É RETTSÉGI VIZSGA 0. október 7. FIZIKA EMELT SZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ NEMZETI ERŐFORRÁS MINISZTÉRIUM A dolgozatokat az útmutató utaítáai zerint,
RészletesebbenMegint egy keverési feladat
Megnt egy keveré feladat Az alább feladatot [ 1 ] - ben találtuk nylván egoldá nélkül Itt azért vezetjük elő ert a egoldáa orán előálló özefüggéek egybecengenek egy korább dolgozatunkéval elynek cíe: Ragaztóanyag
RészletesebbenLogisztikus regresszió október 27.
Logisztikus regresszió 2017. október 27. Néhány példa Mi a valószínűsége egy adott betegségnek a páciens bizonyos megfigyelt jellemzői (pl. nem, életkor, laboreredmények, BMI stb.) alapján? Mely genetikai
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
Részletesebben1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás)
Matematika A2c gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 2017/18 ősz 1. feladatsor: Vektorterek, lineáris kombináció, mátrixok, determináns (megoldás) 1. Valós vektorterek-e a következő
RészletesebbenIrányításelmélet és technika II.
Irányításelmélet és technika II. Legkisebb négyzetek módszere Magyar Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék amagyar@almos.vein.hu 200 november
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
RészletesebbenJeges Zoltán. The mystery of mathematical modelling
Jege Z.: A MATEMATIKAI MODELLEZÉS... ETO: 51 CONFERENCE PAPER Jege Zoltán Újvidéki Egyetem, Magyar Tannyelvű Tanítóképző Kar, Szabadka Óbudai Egyetem, Budapet zjege@live.com A matematikai modellezé rejtélyei
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
RészletesebbenA differenciálgeometria alapjai: görbeelmélet
A differenciálgeometria alapjai: görbeelmélet Előadávázlat Kovác Zoltán előadáaihoz 2003. december 4.. Differenciálá A differenciálá fogalmára több zituációban i zükégünk lez R R, R R 2, R R 3, R 2 R 2,
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.
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
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
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
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
Részletesebben1. (Sugár Szarvas fgy., 186. o. S13. feladat) Egy antikvárium könyvaukcióján árverésre került. = x = 6, y = 12. s y y = 1.8s x.
. Sugár Szarvas fgy., 86. o. S3. feladat Egy antikvárium könyvaukcióján árverésre került 9 könyv licitálási adatai alapján vizsgáljuk a könyvek kikiáltási és ún. leütési ára ezerft közötti sztochasztikus
RészletesebbenTartalomjegyzék 2. fejezet. Egykomponensű rendszerek kémiai termodinamikája FSz szint
Katay György: Fzka kéma 2. Egykmnenű anyagk kéma termdnamkája / FSz znt artalmjegyzék 2. fejezet. Egykmnenű rendzerek kéma termdnamkája 02 02 FSz znt 2.F.1. A tandard állat 04 06 2.F.2. Elemek tandard
Részletesebbendifferenciálegyenletek
Állandó együtthatójú lineáris homogén differenciálegyenletek L[y] = y (n) + a 1y (n 1) + + a ny = 0 a i R (1) a valós, állandó együtthatójú lineáris homogén n-ed rendű differenciálegyenlet Megoldását y
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
RészletesebbenFIATAL MŰSZAKIAK TUDOMÁNYOS ÜLÉSSZAKA XIX.
FIATAL ŰSZAKIAK TUDOÁNYOS ÜLÉSSZAKA XIX. Kolozvár, 4. márciu. HNGRS FOGASKRKK THRBÍRÁSÁNAK NÖVLÉSÉT ÉS HORDKÉPLOKALIZÁCIÓJÁT G- VALÓSÍTÓ ALTRNATÍV LFJTÉSI ÓDSZRK LZÉS INVSTIGATION OF ALTRNATIV CYLINDRICAL
RészletesebbenGÉPÉSZETI ALAPISMERETEK
Gépézeti alapimeretek középzint 2 ÉRETTSÉGI VIZSGA 204. máju 20. GÉPÉSZETI ALAPISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA Fonto tudnivalók
Részletesebben