Rózsacserjék (Rosa spp.) térbeli mintázatának hatása a Diplolepis rosae általi parazitáltságra
|
|
- Gréta Nemesné
- 9 évvel ezelőtt
- Látták:
Átírás
1 Természetvédelmi Közlemények 13, pp , 2007 Rózsacserjék (Rosa spp.) térbeli mintázatának hatása a Diplolepis rosae általi parazitáltságra László Zoltán és Tóthmérész Béla Debreceni Egyetem, Ökológia Tanszék Cím: Debreceni Egyetem, Ökológia Tanszék, 4010 Debrecen, Pf. 71 Felelős szerző: László Zoltán; Cím: Ökológia Tanszék, Debreceni Egyetem, 4010 Debrecen, Pf. 71; fax: ; feherlofia@puma.unideb.hu; tel.: /2616. Összefoglaló: Az aggregáltság a paraziták eloszlásának biológiai szempontból lényeges tulajdonsága, mivel a parazita egyedek eloszlása szoros összefüggésben áll a gazda populáció térbeli mintázatával, amely kapcsolat a majdani gazda-parazita viszonyt alakíthatja. A gazdaegyedek térbeli mintázatának és egyedszámának a parazitáltságra gyakorolt hatását tanulmányoztuk rózsacserjéken (Rosa spp.) élősködő rózsagubacsdarázs (Diplolepis rosae Linnaeus, 1758) esetében. Vizsgálatunkat két éven keresztül végeztük nyolc legeltetett száraz gyepen. Eredményeink azt mutatják, hogy a rózsacserjék nagy egyedszámnál egyenletes térbeli mintázatot mutatnak, viszont kis egyedszámnál foltokban jelennek meg. A cserjék aggregáltsága pozitívan hat a gubacsok számára és negatívan a gubacsok aggregáltságára. A cserjék aggregáltsága és parazitáltsága pozitív összefüggést mutat. A D. rosae általi parazitáltság alacsonyabb a rózsacserjék egyenletes térbeli mintázata esetén. Kulcsszavak: aggregáltság, diszkrepancia, foltosság, prevalencia, fitnesz, términtázat Bevezetés Táplálékláncok szerkezeti mintázatait meghatározó tényezők közül a táplálékláncokat alkotó fajok között levő kapcsolatok ismertebbek (Memmott et al. 2000), mint az egyedek denzitásának és eloszlásának tér-időbeli változásai (Williams & Liebhold 2000). Táplálékláncok jellegzetes szintjeit képezik a paraziták. A gazda térbeli mintázatának parazitáltságra gyakorolt hatásai egyaránt mutatnak pozitív denzitásfüggést, negatív denzitásfüggést és denzitásfüggetlenséget is (Altizer et al. 2003, Hails & Crawley 1992, Rózsa et al. 1996). A parazita térbeli mintázatát meghatározza a prevalenciája (a fertőzött egyedek aránya a mintában) és intenzitása (az egyedi fertőzöttségi szint a mintában), valamint a gazda denzitása és térbeli mintázata (Stiling & Strong 1982, Rékási et al. 1997, Sandin & Pacala 2005, Cronin & Strong 1999). Mivel egy táplálékláncot alkotó fajok egyedeinek tér-időbeli mintázata skálafüggő (Ray & Hastings 1996) vizsgálatuk esetén fontos a megfelelő lépték használata (Heads & Lawton 1983, Walde & Murdoch 1988). Vizsgálatunkban Rosa spp. egyedek térbeli mintázatát és a Diplolepis rosae (Linnaeus, 1758) gubacsok gazdanövényen való előfordulásának mintázatát hasonlítottuk össze és kerestük a köztük levő kapcsolatokat. Cronin & Strong (1999) szerint a gazdanövény térbeli mintázatával párhuzamosan változik a parazita gazdanövényen való előfordulásának mintázata is, ami a parazita gazdakeresési erőfeszítésével arányos. Ha a gazdanövények egyenlő távolságra vannak egymástól (egyenletes térbeli mintázat), több erőfeszítést igé- Magyar Biológiai Társaság, Budapest
2 234 László Zoltán, Tóthmérész Béla nyel a legközelebbit felkeresni, mint amikor egyenlőtlen távolságokra vannak egymástól (aggregáltak). Az előbbi gondolatmenet alapján: aggregált gazdanövényeken egyenletesen oszlanak el a gubacsok, mivel nagyobb annak az esélye, hogy a gubacsdarazsak megtalálják a következő gazda-egyedet (így kevesebb petét raknak le) és a keresési távolság kisebb (így minden gazdára kevesebb petét raknak le a paraziták). Gubacsok esetén a parazitáltság térbeli denzitásfüggését annak ellenére kevesen kutatták, hogy a gazdaszervezetek és a paraziták denzitása nagy pontossággal megbecsülhető. Az eddigi eredmények vagy negatív denzitásfüggést vagy denzitásfüggetlenséget mutattak (Hails & Crawley 1992, Schönrogge et al. 1995). Módszerek A vizsgálatot nyolc mintavételi területen végeztük két éven ( ) keresztül. A mintavételi területek legeltetett száraz gyepek voltak, valamint a gyepek fás szegélyei. Mintavételi területeink: (a) Marosvásárhely (Târgu-Mureş), Mureş megye, Romania, tengerszint feletti magasság 452 m, egy terület 4 (2004), illetve 3 (2005) kvadráttal 46,5126N / 24,5771E; (b) Kolozsvár (Cluj-Napoca), Cluj megye, Romania, tengerszint feletti magasság 472 m, 4 terület, területenként 3 (2004), illetve 3 (2005) kvadráttal 46,8018N / 23,6131E; 46,8317N / 23,6315E; 46,7328N / 23,5780E; 46,7672N / 23,4937E; (c) Berettyóújfalu, Hajdú- Bihar megye, Magyarország, tengerszint feletti magasság 105 m, egy terület 1 (2004), illetve 3 (2005) kvadráttal 47,2476N / 21,5377E; (d) Tépe, Hajdú-Bihar megye, Magyarország, tengerszint feletti magasság 95 m, egy terület 3 (2004), illetve 3 (2005) kvadráttal 47,3301N / 21,5605E; (e) Emőd, Borsod-Abaúj-Zemplén megye, Magyarország, tengerszint feletti magasság 125 m, egy terület 2 (2005) kvadráttal 47,9522N / 20,8047E. Az első öt területen gyakoriak voltak a legelőkön a Rubus spp., Hippophae rhamnoides, Prunus spinosa, és a szegélyek gyertyános-tölgyesek szegélyei voltak. A hatodik és hetedik területeken a Rosa spp. cserjésekben Prunus spinosa, és a mélyebb, vizesebb részeken Phragmites australis is előfordult, és két kvadrát fiatal kocsánytalan tölgy ültetvényben volt felvéve. Az utolsó területen kökény fordult elő a rózsacserjéken kívül. Random módon kiválasztott méteres kvadrátokon belül helymeghatározó készülék (GPS) segítségével feljegyeztük minden cserje koordinátáját, mértük a cserjék magasságát és átmérőjét és összeszámoltuk az egyes cserjéken előforduló Diplolepis rosae gubacsokat. A cserjék térbeli mintázatának becsléséhez az méteres kvadrátokat méteres kisebb kvadrátokra osztottuk. A helymeghatározó készülék pontossága átlagosan 3 méter. A térbeli mintázatot jellemző statisztikákat a QP 3.0 (Rózsa et al. 2000) programmal számoltuk. A rózsacserjék és D. rosae gubacsok aggregáltságának megállapítására a diszkrepancia-indexet (D) (Poulin 1993) és a foltossági-indexet (IP) (Lloyd 1967) használtuk. A D és IP értékek véletlenszerű eloszlástól való eltérésének kimutatására Poisson eloszlású pontmintázatokat szimuláltunk különböző denzitási értékekre (n = 10 x; x = 1,, 20). Az ilyen módon szimulált pontmintázat a teljes térbeli randomitásnak (CSR: Complete Spatial Randomness) felel meg (Cressie 1993). Mindegyik denzitási értékre öt ismétlést végez-
3 Térbeli mintázat hatása a parazitáltságra 235 tünk és a denzitási értékek intervallumát a terepi adatok (10 m-es léptékű denzitás értékek) alapján határoztuk meg. A szimulációt a spatstat (Baddeley & Turner 2005) csomag segítségével végeztük az R statisztikai környezetben (R Development Core Team 2005). Az egyes cserje denzitásokhoz tartozó ismétlések eloszlását dobozdiagrammal szemléltettük. A gubacsok denzitásfüggésének megállapítására négyzetes és lineáris regressziót használtunk. A csoportok összehasonlítására (Mann-Whitney és Kruskal-Wallis teszt) és a korrelációk kiszámítására (Spearman rang-korreláció rho) nem-paraméteres teszteket használtunk, mivel az eloszlások aggregált, negatív binomiális jellegű eloszlások voltak. Eredmények A megmintázott 44 kvadrátból az elemzéseket N = 36 kvadrátra végeztük el, mivel nyolc esetben a cserjék vagy gubacsok egyedszáma egységnyi volt (kvadrátok eloszlása területenként lásd. Módszerek). A különböző denzitási értékekre szimulált Poisson eloszlású pontmintázatok a D esetén erős denzitásfüggést mutattak (négyzetes regresszió; r 2 = 0,98; p < 0,001) (1.a ábra), míg az IP értékek denzitásfüggetlenek voltak (lineáris regresszió; r 2 = 0,009; p = 0,86) (1.b ábra). A terepi adatokra kiszámolt D (Mann-Whitney U-teszt; U = 182,5; p < 0,001) és IP (Mann-Whitney U-teszt; U = 569,5; p < 0,001) értékek szignifikánsan magasabbak voltak, mint a szimulált, Poisson eloszlású ponthalmazokra kiszámolt értékeik. A megfigyelt adatokra (N = 36) a D mediánja 0,66 és az IP mediánja 1,57. A szimulált adatokra (N = 100) a D mediánja 0,25 és az IP mediánja 1,01. A cserjék száma erősen változó volt (minimum = 3; medián = 23,0; maximum = 103), ami a mintavételi területektől függött (Kruskal-Wallis teszt; χ 2 = 15,31; df = 7; p = 0,03). A cserjék térbeli mintázata az IP alapján saját denzitásuktól független volt, míg a D alapján erősen denzitásfüggő (1. táblázat). A gubacsok száma a mintavételi területektől független volt (Kruskal-Wallis teszt; χ 2 = 9,16; df = 7; p = 0,24). A gubacsok száma negatív cserje denzitásfüggőséget mutatott (1. táblázat). A gubacsok térbeli mintázata az IP alapján saját denzitásuktól független volt, míg a D alapján erősen denzitásfüggő (1. táblázat). A gubacsok térbeli mintázata az IP és D alapján is pozitív cserje denzitásfüggőséget mutatott (2.a ábra), amely szerint a gubacsok aggregációja nő a cserjék denzitásával (1. táblázat). A gubacsok térbeli mintázatát a cserjék térbeli mintázata csak a D esetén befolyásolja (2.b ábra). A D. rosae általi parazitáltság a cserjék térbeli mintázatával (D) pozitív és a cserjék denzitásával negatív korrelációt mutat (1. táblázat).
4 236 László Zoltán, Tóthmérész Béla 1. táblázat. A gubacsok és cserjék denzitásainak korrelációi (Spearman rho) térbeli mintázatukkal és a cserjék méretével; a térbeli mintázatot a diszkrepancia-index (D) és a foltossági-index (IP) becsüli (* p<0,05; ** p<0,01; *** p<0,001; N.S. nem szignifikáns, N=36). rho p cserje denzitás cserje IP 0,01 N.S. cserje D 0,85 *** cserje méret 0,45 ** cserje denzitás gubacs IP 0,65 *** gubacs D 0,76 *** gubacs denzitás 0,53 *** parazitáltság 0,63 *** cserje IP gubacs IP 0,16 N.S. gubacs D 0,09 N.S. gubacs denzitás 0,00 N.S. parazitáltság 0,12 N.S. cserje D gubacs IP 0,68 *** gubacs D 0,73 *** gubacs denzitás 0,48 ** parazitáltság 0,61 *** cserje méret gubacs IP 0,22 N.S. gubacs D 0,37 * gubacs denzitás 0,28 N.S. parazitáltság 0,23 N.S. gubacs denzitás gubacs IP 0,29 N.S. gubacs D 0,64 *** A parazitált cserjék mérete a növekvő cserjedenzitással negatív korrelációt mutatott (1. táblázat). A gubacsok denzitása és IP értékeik függetlenek voltak a cserjék méretétől, míg a D értékeik negatív cserjeméret függőséget mutattak (1. táblázat). Értékelés A cserjék térbeli mintázata hozzájárul a paraziták gazdanövényen való eloszlásának és parazitáltságának meghatározásához, de csak közvetetten, mert a cserjék denzitása összefüggést mutat a parazitált cserjék relatív méretével (fitnesz-mutató), ami a gubacsokozók gyengébb fitnesszű gazda-preferenciájáját feltételezi.
5 Térbeli mintázat hatása a parazitáltságra 237 A gubacsok cserjéken való eloszlásának és számának a cserjék eloszlásától és számától való függőségének magyarázatára eredményeink alapján egy modellt dolgoztunk ki, amely a gubacsdarazsak gazda választásának magyarázatát kibővíti a gazda fitnesz hatásával, amihez még hozzájárulnak az élőhely jellemzői is. Ez a kapcsolat elsősorban akkor áll fenn, ha a cserjék számával nő a cserjék átlagos fitnesze, de néhány cserje az átlagosnál gyengébb fitneszű lesz. Az átlagosnál gyengébb fitneszű cserjék jelenlétét a cserjék aggregáltsága határozhatja meg. Kis léptékben a csoportos előfordulás a csoport alkotóinak néhány egyede számára előnytelen és ezeket fogják parazitálni a gubacsokozók. E hipotézis másik összetevője a kis cserje denzitás esete, amikor a cserjék fitnesze a nagy cserje denzitású terület cserje fitneszének minimuma és maximuma között helyezkedik el, és a gubacsokozóknak nincs válogatási lehetőségük. Ilyenkor a gubacsok eloszlása egyenletessé válik. Ha sok a cserje a gubacsdarazsak válogathatnak a különböző fitneszű cserjék között, és a leggyengébbiket használják ki a legelőnyösebben. Ha kevés cserje van jelen, akkor nincs válogatási lehetőség, és minden bokrot kihasználnak, még abban az esetben is, ha ez kisebb sikert eredményez. Másodsorban, ha az élőhely optimális jellemzőkkel rendelkezik, akkor nagy lesz a cserjék abundanciája és egyenletes az eloszlásuk. Az egyenletes eloszlás annak a következménye, hogy cserje-cserje közti távolság általánosan egy optimumra áll be. Az egyenletes térbeli mintázat alóli kivételek alkotják a vesztes szigeteket a gubacsokozók elleni harcban. A gubacsokozók magas gazda denzitású élőhelyen aktív gazda szelekciót mutatnak, míg kevés gazda egyed esetén nem válogatnak (Abrahamson & Weis, 1997). Ezért lehetséges, hogy alacsony gazda abundanciánál a gubacsok eloszlása egyenletes. Ha az élőhely szuboptimális jellemzőkkel rendelkezik a cserjék átlagos abundanciája kicsi és eloszlása aggregált, így fitneszük alacsony (de nem kisebb, mint az egyenletes eloszlású cserjék közötti aggregált cserjéké) és a gubacsok eloszlása egyenletes. Eredményeink alapján a parazita eloszlás negatív denzitásfüggésének magyarázatára egy modellt dolgoztunk ki, amelyik a távolság függvényében lerakott peték számának hipotézise (Cronin & Strong, 1999) mellett szintén tesztelhető. A cserjék parazitáltsága aggregáltságuk által is meghatározott, a kis cserje-aggregációjú területek gyengébb fitneszű egyedei jobban parazitáltak, mint a nagy cserje-aggregációjú területek egyedei. Hipotézisünk a fitnesz komponens hatását adja a parazitáltság mértékének meghatározásához. A nagyobb aggregációjú cserjék fitnesze a kisebb aggregációt mutató cserjék fitneszénél kisebb. Valamint a kis aggregációt mutató cserjék parazitált egyedei szignifikánssan kisebb fitneszűek mint a nem parazitáltak. Eredményeink természetvédelmi szempontból a veszélyeztetett, kis egyedszámban és aggregáltan előforduló növényfajokat érinthetik. Ezeken a herbivórok eloszlása egyenletes és magasabb herbivór támadási veszélynek vannak kitéve, mint nagyobb egyedszámban előforduló kompetitoraik. Egy adott méretű területen minél kevesebb egyed fordul elő egy fajból annál inkább aggregáltak, aminek következtében, még ha fitneszük nagyobb is, mint egyenletes eloszlású, de megtámadott fajtársaikké, a herbivór egyedszám magasabb lesz és egyenletes lesz eloszlásuk, így potenciálisan minden egyed fertőzötté válik. Túlélési esélyeik, valamint szaporodóképességük csökkenésével további egyedszám esés várható.
6 238 László Zoltán, Tóthmérész Béla 1. ábra. A cserjék kvadrátonkénti (50 50m) denzitásának és a) a diszkrepancia-indexnek (D); b) a foltossági-indexnek (IP) a kapcsolata Poisson eloszlású szimulációs pontmintázatok esetén. Az egyes cserje denzitásokhoz tartozó ismétlések eloszlását dobozdiagrammal szemléltettük. 2. ábra. a) a diszkrepancia index (D) és a foltossági index logaritmusa (logip) a cserjék denzitásának függvényében ( D, logip); b) a gubacsok aggregációja (D) a cserjék aggregációjának (D) függvényében
7 Térbeli mintázat hatása a parazitáltságra 239 Irodalomjegyzék Abrahamson, W. G. & Weis, A. E. (1997): Evolutionary ecology across three trophic levels: goldenrods, gallmakers and natural enemies. Princeton University Press, Princeton, New Jersey, USA. 456 pp. Altizer, S., Harvell, D. & Friedle, E. (2003): Rapid evolutionary dynamics and disease threats to biodiversity. Trends Ecol. Evol., 18: Baddeley, A. & Turner, R. (2005): Spatstat: an R package for analyzing spatial point patterns. J. Stat. Soft., 12: Cressie, N. (1993): Statistics for Spatial Data. John Wiley & Sons Inc., New York, 900 pp. Cronin, J. T. & Strong, D. R. (1999): Dispersal-dependent oviposition and population dynamics of a host and parasitoid. Am. Nat., 154: Hails, R. S. & Crawley, M. J. (1992): Spatial density dependence in populations of a cynipid gall-former Andricus quercuscalicis. J. Anim. Ecol., 61: Heads, P. A. & Lawton, J. H. (1983): Studies on the natural enemy complex of the holly leafminer: the effects of scale on the detection of aggregative processes and the implications for biological control. Oikos, 40: Lloyd, M. (1967): Mean crowding. J. Anim. Ecol., 36: Memmott, J., Martinez, N. D. & Cohen, J. E. (2000): Predators, parasitoids and pathogens: species richness, trophic generality and body sizes in a natural food web. J. Anim. Ecol., 69: Poulin, R. (1993): The disparity between observed and uniform distributions: a new look at parasite aggregation. Int. J. Parasitol., 23: R Development Core Team (2005): R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. (URL R-project.org). Ray, C. & Hastings, A. (1996): Density dependence: are we searching at the wrong spatial scale? J. Anim. Ecol., 65: Rékási, J., Rózsa, L. & Kiss J. B. (1997): Patterns in the distribution of avian lice (Phthiraptera: Amblycera, Ischnocera). J. Avian Biol., 28: Rózsa, L., Reiczigel, J. & Majoros, G. (2000): Quantifying parasites in samples of hosts. J. Parasitol., 86: Rózsa, L., Rékási, J. & Reiczigel, J. (1996): Relationship of host coloniality to the population ecology of avian lice (Insecta: Phthiraptera). J. Anim. Ecol., 65: Sandin, S. A. & Pacala, S. W. (2005): Fish aggregation results in inversely density-dependent predation on continuous coral reefs. Ecology, 86: Schönrogge, K., Stone, G. N. & Crawley, M. J. (1995): Spatial and temporal variation in guild structure parasitoids and inquilines of Andricus quercuscalicis (Hymenoptera, Cynipidae) in its native and alien ranges. Oikos, 72: Stiling, P. D. & Strong, D. R. (1982): Egg density and the intensity of parasitism in Prokelisia marginata (Homoptera, Delphacidae). Ecology, 63:
8 240 László Zoltán, Tóthmérész Béla Walde, S. J. & Murdoch, W. W. (1988): Spatial density dependence in parasitoids. Annu. Rev. Entomol., 33: Williams, D. W. & Liebhold, A. M. (2000): Spatial scale and the detection of density dependence in spruce budworm outbreaks in eastern North America. Oecologia, 124: Spatial pattern and parasitisation of rose shrubs (Rosa spp.) by Diplolepis rosae Zoltán László and Béla Tóthmérész Department of Ecology, University of Debrecen, P. O. Box 71, H 4010, Debrecen, Hungary Abstract: Aggregation is a biologically significant property of parasites, because distribution of parasites between hosts is usually aggregated: on a few hosts there are many parasites, while on the majority of hosts there are just a few. We studied the effect of changes in spatial pattern and density of rose shrubs on its parasitisation by D. rosae cynipid wasps. The study was made during two years on eight sample sites. Our results show that rose shrubs on high densities show uniform distribution, while on low densities they appear aggregated using discrepancy and patchiness indices. Aggregated pattern of rose shrubs has a negative correlation with aggregation of galls on shrubs. Spatial distribution of rose shrubs has an effect on parasitisation too, with growing aggregation increases the prevalence of D. rosae. Key-words: aggregation, discrepancy, patchiness, prevalence, fitness, spatial pattern
A rózsagubacsdarázs (Diplolepis rosae Linnaeus, 1758) gubacsainak madárpredációja
Természetvédelmi Közlemények 21, pp. 271 280, 2015 A rózsagubacsdarázs (Diplolepis rosae Linnaeus, 1758) gubacsainak madárpredációja Sólyom Katalin Debreceni Egyetem, Ökológiai Tanszék, 4010 Debrecen,
Szent István Egyetem. Állatorvos-tudományi Doktori Iskola
Szent István Egyetem Állatorvos-tudományi Doktori Iskola Madarak (Aves) és tolltetveik (Phthiraptera) gazda-parazita kapcsolatának evolúciós, ökológiai és faunisztikai vizsgálata PhD értekezés tézisei
Correlation & 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
Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART ))
Döntési fák (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART )) Rekurzív osztályozó módszer, Klasszifikációs és regressziós fák folytonos, kategóriás, illetve túlélés adatok
Adatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
Correlation & 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
Molekuláris biológiai módszerek alkalmazása a maláriát okozó paraziták elterjedésének és prevalenciájának vizsgálatában
TÉMA ÉRTÉKELÉS TÁMOP-4.2.1/B-09/1/KMR-2010-0003 (minden téma külön lapra) 2010. június 1. 2012. május 31. 1. Az elemi téma megnevezése Molekuláris biológiai módszerek alkalmazása a maláriát okozó paraziták
Populáció A populációk szerkezete
Populáció A populációk szerkezete Az azonos fajhoz tartozó élőlények egyedei, amelyek adott helyen és időben együtt élnek és egymás között szaporodnak, a faj folytonosságát fenntartó szaporodásközösséget,
Miskolci 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
Populációbecslés 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
Biomatematika 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
A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon
A rosszindulatú daganatos halálozás változása és között Eredeti közlemény Gaudi István 1,2, Kásler Miklós 2 1 MTA Számítástechnikai és Automatizálási Kutató Intézete, Budapest 2 Országos Onkológiai Intézet,
A MINTAVÉTELI ERŐFESZÍTÉS HATÁSA A MINTAREPREZENTATIVITÁSRA EFFECT OF SAMPLING EFFORT ON THE SAMPLE REPRESENTATIVENESS
209 Acta Biol. Debr. Oecol. Hung 18: 209 213, 2008 A MINTAVÉTELI ERŐFESZÍTÉS HATÁSA A MINTAREPREZENTATIVITÁSRA SCHMERA DÉNES 1 ERŐS TIBOR 2 1 Nyíregyházi Főiskola, Biológia Intézet, 4400 Nyíregyháza, Sóstói
Biomatematika 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
Biostatisztika 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.
STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
Hosszú távú vizsgálat jobban kimutatja a társulási szabályok változásait a másodlagos szukcesszió során, mint a tér-idő helyettesítés módszere
Hosszú távú vizsgálat jobban kimutatja a társulási szabályok változásait a másodlagos szukcesszió során, mint a tér-idő helyettesítés módszere Anikó Csecserits, Melinda Halassy, Barbara Lhotsky, Tamás
Az SPC (statisztikai folyamatszabályozás) ingadozásai
A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.
TEGZESEGYÜTTESEK (TRICHOPTERA) DIVERZITÁSA A KEMENCE-PATAK VÍZGYŰJTŐJÉNEK (BÖRZSÖNY) GÁZLÓ ÉS MEDENCE ÉLŐHELYTÍPUSAIBAN
207 Acta Biol. Debr. Oecol. Hung 13: 207 211, 2005 TEGZESEGYÜTTESEK (TRICHOPTERA) DIVERZITÁSA A KEMENCE-PATAK VÍZGYŰJTŐJÉNEK (BÖRZSÖNY) GÁZLÓ ÉS MEDENCE ÉLŐHELYTÍPUSAIBAN SCHMERA DÉNES 1 ERŐS TIBOR 2 1
Matematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
A vegetáció felmérésében. 1. előadás
A vegetáció felmérésében használt mintavételi módszerek Növényökológiai módszerek 1. előadás Mintavételezés é célja A mintavételezési módszerek kifejlesztésének é k mozgatórugója ój a lustaság A cél az
Változó földrajzi elterjedésű gazdafajok, változó parazitafaunák. Rózsa Lajos és Vas Zoltán 2015, Budapest MPT 50
Változó földrajzi elterjedésű gazdafajok, változó parazitafaunák Rózsa Lajos és Vas Zoltán 2015, Budapest MPT 50 Klímaváltozás Klímaváltozás area-eltolódások (6,1 km/évtized) Parmesan C, Yohe G 2003. A
Bihari Zoltán 1, Balogh Péter 2 és Pető Noémi 1
Természetvédelmi Közlemények 15, pp. 46-56, 2009 A nyugati földikutya (Spalax leucodon Nordmann, 1840) hazai állománynagysága és a faj térhasználata a legeltetés függvényében a Hajdúbagosi élőhely példáján
A BÜKKI KARSZTVÍZSZINT ÉSZLELŐ RENDSZER KERETÉBEN GYŰJTÖTT HIDROMETEOROLÓGIAI ADATOK ELEMZÉSE
KARSZTFEJLŐDÉS XIX. Szombathely, 2014. pp. 137-146. A BÜKKI KARSZTVÍZSZINT ÉSZLELŐ RENDSZER KERETÉBEN GYŰJTÖTT HIDROMETEOROLÓGIAI ADATOK ELEMZÉSE ANALYSIS OF HYDROMETEOROLIGYCAL DATA OF BÜKK WATER LEVEL
Hibridspecifikus tápanyag-és vízhasznosítás kukoricánál csernozjom talajon
Hibridspecifikus tápanyag-és vízhasznosítás kukoricánál csernozjom talajon Karancsi Lajos Gábor Debreceni Egyetem Agrár és Gazdálkodástudományok Centruma Mezőgazdaság-, Élelmiszertudományi és Környezetgazdálkodási
AZ ERDÕ NÖVEKEDÉSÉNEK VIZSGÁLATA TÉRINFORMATIKAI ÉS FOTOGRAMMETRIAI MÓDSZEREKKEL KARSZTOS MINTATERÜLETEN
Tájökológiai Lapok 5 (2): 287 293. (2007) 287 AZ ERDÕ NÖVEKEDÉSÉNEK VIZSGÁLATA TÉRINFORMATIKAI ÉS FOTOGRAMMETRIAI MÓDSZEREKKEL KARSZTOS MINTATERÜLETEN ZBORAY Zoltán Honvédelmi Minisztérium Térképészeti
Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis
SZDT-09 p. 1/36 Biometria az orvosi gyakorlatban Regresszió Túlélésanalízis Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Logisztikus regresszió
Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka
Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com ALAPFOGALMAK:
A magbank szerepe szikes gyepek fajgazdagságának fenntartásában
A magbank szerepe szikes gyepek fajgazdagságának fenntartásában Tóth Katalin, Tóthmérész Béla, Török Péter, Kelemen András, Miglécz Tamás, Deák Balázs, Radócz Szilvia, Simon Edina, Lukács Balázs, Valkó
Good-Turing lefedés. Lang Zsolt
Good-Turing lefedés Lang Zsolt 2017.03.24. Bevezetés Fajok közösségét vizsgáljuk. Sok faj van, az egyedek száma gyakorlatilag végtelen. Az egyedekből véletlen mintát veszünk. Kérdés, a mintában van-e,
Regional Expert Meeting Livestock based Geographical Indication chains as an entry point to maintain agro-biodiversity
How Code of Practice can address the question of biodiversity (indigenous breeds, peculiarities of feeding, rearing traditional or marginalized systems)? Rendek Olga, Kerekegyháza 2009 október 20. 1 2
A madarak általi predáció kísérletes vizsgálata a rózsagubacsdarázs (Diplolepis rosae) esetében
XIII. Erdélyi Tudományos Diákköri Konferencia Kolozsvár, 2010. május 14 16 A madarak általi predáció kísérletes vizsgálata a rózsagubacsdarázs (Diplolepis rosae) esetében Témavezetı: László Zoltán, PhD
Expansion of Red Deer and afforestation in Hungary
Expansion of Red Deer and afforestation in Hungary László Szemethy, Róbert Lehoczki, Krisztián Katona, Norbert Bleier, Sándor Csányi www.vmi.szie.hu Background and importance large herbivores are overpopulated
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem
Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem Előadások-gyakorlatok 2018-ban (13 alkalom) IX.12, 19, 26, X. 3, 10, 17, 24, XI. 7, 14,
Korreláció 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.
STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
Biomatematika 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:
Kabos Sándor. Térben autokorrelált adatrendszerek
Kabos Sándor Térben autokorrelált adatrendszerek elemzése Összefoglalás az előadás példákon szemlélteti a térben autokorrelált adatok blokkosításának és összefüggésvizsgálatának jellemző tulajdonságait.
Összefoglalás. Summary
Parlagoltatásos, zöld- és istállótrágyázásos vetésforgók összehasonlítása a talajtömörödöttség tükrében Szőllősi István Antal Tamás Nyíregyházi Főiskola, Műszaki és Mezőgazdasági Főiskolai Kar Jármű és
Biometria 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
A JUHTARTÁS HELYE ÉS SZEREPE A KÖRNYEZETBARÁT ÁLLATTARTÁSBAN ÉSZAK-MAGYARORSZÁGON
Bevezetés A JUHTARTÁS HELYE ÉS SZEREPE A KÖRNYEZETBARÁT ÁLLATTARTÁSBAN ÉSZAK-MAGYARORSZÁGON Abayné Hamar Enikő Marselek Sándor GATE Mezőgazdasági Főiskolai Kar, Gyöngyös A Magyarországon zajló társadalmi-gazdasági
DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS
Műszaki Földtudományi Közlemények, 83. kötet, 1. szám (2012), pp. 271 276. HULLADÉKOK TEHERBÍRÁSÁNAK MEGHATÁROZÁSA CPT-EREDMÉNYEK ALAPJÁN DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST
A GYÖNGYTYÚKTOJÁS FIZIKAI TULAJDONSÁGAI ÉS A PERZISZTENCIA KÖZÖTTI ÖSSZEFÜGGÉSEK VIZSGÁLATA EGY MAGYAR PARLAGI TÍPUSÚ ÁLLOMÁNYBAN
A GYÖNGYTYÚKTOJÁS FIZIKAI TULAJDONSÁGAI ÉS A PERZISZTENCIA KÖZÖTTI ÖSSZEFÜGGÉSEK VIZSGÁLATA EGY MAGYAR PARLAGI TÍPUSÚ ÁLLOMÁNYBAN Ferencz Tímea Róza, Lencsés György, Szalay István Kisállattenyésztési és
c adatpontok és az ismeretlen pont közötti kovariancia vektora
1. MELLÉKLET: Alkalmazott jelölések A mintaterület kiterjedése, területe c adatpontok és az ismeretlen pont közötti kovariancia vektora C(0) reziduális komponens varianciája C R (h) C R Cov{} d( u, X )
Inváziós növényfajok irtása a Csengődi-síkon
Természetvédelmi Közlemények 18, pp. 77-81, 2012 Inváziós növényfajok irtása a Csengődi-síkon Bolla Bence Kiskunsági Nemzeti Park Igazgatóság, Erdészeti és Tervezési Osztály 6000 Kecskemét, Liszt Ferenc
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
A konfidencia intervallum képlete: x± t( α /2, df )
1. feladat. Egy erdőben az egy fészekben levő tojásszámokat vizsgáltuk egy madárfajnál. A következő tojásszámokat találtuk: 1, 1, 1,,,,,,, 3, 3, 3, 3, 3, 4, 4, 5, 6, 7. Mi a mintának a minimuma, maximuma,
Logisztikus regresszió
Logisztikus regresszió 9. előadás Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó () Nem metrikus Metrikus Kereszttábla
A Pogány-völgyi rétek Natura 2000 terület kisemlős közösségeinek vizsgálata, különös tekintettel az északi pocok (Microtus oeconomus) előfordulására
Natura Somogyiensis 27 107-114 Ka pos vár, 2015 A Pogány-völgyi rétek Natura 2000 terület kisemlős közösségeinek vizsgálata, különös tekintettel az északi pocok (Microtus oeconomus) előfordulására Lanszki
Védősisak viselés és a kerékpáros fejsérülések összefüggése gyermekkorban
A Pécsi Tudományegyetem Gyermekklinika, Sebészeti Osztály, Pécs 1 és az LKH Gyermekklinika, Sebészeti Osztály, Graz 2 közleménye Védősisak viselés és a kerékpáros fejsérülések összefüggése gyermekkorban
A BSc-képzés szakdolgozati témái
A BSc-képzés szakdolgozati témái ELTE TTK, Matematikai Intézet 2010/2011 Valószín ségelméleti és Statisztika Tanszék 1. Szabadon választható téma. Témavezet : A tanszék bármelyik oktatója, vagy (a tanszékvezet
IBM SPSS Modeler 18.2 Újdonságok
IBM SPSS Modeler 18.2 Újdonságok 1 2 Új, modern megjelenés Vizualizáció fejlesztése Újabb algoritmusok (Python, Spark alapú) View Data, t-sne, e-plot GMM, HDBSCAN, KDE, Isotonic-Regression 3 Új, modern
Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
Centura Szövegértés Teszt
Centura Szövegértés Teszt Megbízhatósági vizsgálata Tesztfejlesztők: Megbízhatósági vizsgálatot végezte: Copyright tulajdonos: Bóka Ferenc, Németh Bernadett, Selmeci Gábor Bodor Andrea Centura Kft. Dátum:
POPULÁCIÓDINAMIKAI VIZSGÁLATOK A BARKÓSCINEGE (PANURUS BIARMICUS) EGY DÉL-MAGYARORSZÁGI POPULÁCIÓJÁN
Aquila (1 998), Vol. 103-104, p. 67-72 KöM Természetvédelmi Hivatal POPULÁCIÓDINAMIKAI VIZSGÁLATOK A BARKÓSCINEGE (PANURUS BIARMICUS) EGY DÉL-MAGYARORSZÁGI POPULÁCIÓJÁN Gyurácz József- Bank László - Orbán
STATISZTIKUS TÖRVÉNYSZERŰSÉGEK EGYSZERŰ DEMONSTRÁLÁSA GALTON-DESZKÁVAL SIMPLE DEMONSTRATION OF STATISTICAL LAWS WITH GALTON-BOARD
STATISZTIKUS TÖRVÉNYSZERŰSÉGEK EGYSZERŰ DEMONSTRÁLÁSA GALTON-DESZKÁVAL SIMPLE DEMONSTRATION OF STATISTICAL LAWS WITH GALTON-BOARD Gyertyán Attila 1, Dr. Juhász András 2 1 ELTE Apáczai Csere János Gyakorlóiskola,
Biomatematika 2 Orvosi biometria
Biomatematika 2 Orvosi biometria 2017.02.13. Populáció és minta jellemző adatai Hibaszámítás Valószínűség 1 Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza)
COOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN. Keywords: cooperation, competitiveness, cereal sector, region, market.
COOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN Keywords: cooperation, competitiveness, cereal sector, region, market. Using a questionnaire, we determined the nature and strength
Statisztikai becslés
Kabos: Statisztika II. Becslés 1.1 Statisztikai becslés Freedman, D. - Pisani, R. - Purves, R.: Statisztika. Typotex, 2005. Reimann J. - Tóth J.: Valószínűségszámítás és matematikai statisztika. Tankönyvkiadó,
Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet
Elemszám becslés Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet Miért fontos? Gazdasági okok: Túl kevés elem esetén nem tudjuk kimutatni a kívánt hatást Túl kevés elem esetén olyan eredmény
[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
STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.
Centrális mutatók STATISZTIKA I. 4. Előadás Centrális mutatók 1/51 2/51 Középértékek Helyzeti középértékek A meghatározása gyakoriság vagy sorszám alapján Számítás nélkül Az elemek nagyság szerint rendezett
Khi-négyzet eloszlás. Statisztika II., 3. alkalom
Khi-négyzet eloszlás Statisztika II., 3. alkalom A khi négyzet eloszlást (Pearson) leggyakrabban kategorikus adatok elemzésére használjuk. N darab standard normális eloszlású változó négyzetes összegeként
FAMILY STRUCTURES THROUGH THE LIFE CYCLE
FAMILY STRUCTURES THROUGH THE LIFE CYCLE István Harcsa Judit Monostori A magyar társadalom 2012-ben: trendek és perspektívák EU összehasonlításban Budapest, 2012 november 22-23 Introduction Factors which
Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok
Eloszlás-független módszerek (folytatás) 14. elıadás (7-8. lecke) Illeszkedés-vizsgálat 7. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok elemzésére Illeszkedés-vizsgálat Gyakorisági sorok
Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 8. előadás Előadó: Dr. Ertsey Imre Minták alapján történő értékelések A statisztika foglalkozik. a tömegjelenségek vizsgálatával Bizonyos esetekben lehetetlen illetve célszerűtlen a teljes
Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz
Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz Kvantumkapuk, áramkörök 2016. március 3. A kvantummechanika posztulátumai (1-2) 1. Állapotleírás Zárt fizikai rendszer aktuális állapota
[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria 2016.02.15. Esemény Egy kísérlet vagy megfigyelés (vagy mérés) lehetséges eredményeinek összessége (halmaza) alkotja az eseményteret. Esemény: az eseménytér részhalmazai.
FORGÁCS ANNA 1 LISÁNYI ENDRÉNÉ BEKE JUDIT 2
FORGÁCS ANNA 1 LISÁNYI ENDRÉNÉ BEKE JUDIT 2 Hátrányos-e az új tagállamok számára a KAP támogatások disztribúciója? Can the CAP fund distribution system be considered unfair to the new Member States? A
LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK
LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK 2004 november 29. 1.) Lisztbogarak súlyvesztése 9 lisztbogár-csapat súlyát megmérték, (mindegyik 25 bogárból állt, mert egyenként túl kis súlyúak
Dr. Tóth László. Önéletrajz SZEMÉLYI ADATOK. Dr. Tóth László (CSc)
SZEMÉLYI ADATOK Dr. Tóth László Dr. Tóth László (CSc). +36-37-518-256 +36. toth.laszlo@uni-eszterhazy.hu Neme férfi Születési dátum.24/11/1959 Állampolgárság magyar POZÍCIÓ / BEOSZTÁS főiskolai tanár SZAKMAI
Diszkriminancia-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
Quadkopter szimulációja LabVIEW környezetben Simulation of a Quadcopter with LabVIEW
Quadkopter szimulációja LabVIEW környezetben Simulation of a Quadcopter with LabVIEW T. KISS 1 P. T. SZEMES 2 1University of Debrecen, kiss.tamas93@gmail.com 2University of Debrecen, szemespeter@eng.unideb.hu
Kabos: 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:
Tetőtípusok azonosítása hiperspektrális felvételek alapján
Tetőtípusok azonosítása hiperspektrális felvételek alapján Kovács Zoltán 1 Szabó Szilárd 2 Burai Péter 3 Szabó Gergely 4 1 PhD hallgató, Debreceni Egyetem, Természetföldrajzi és Geoinformatikai Tanszék,
LOGIT-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)
Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
STATISZTIKA PRÓBAZH 2005
STATISZTIKA PRÓBAZH 2005 1. FELADATSOR: számítógépes feladatok (még bővülni fog számítógép nélkül megoldandó feladatokkal is) Használjuk a Dislexia Excel fájlt (internet: http:// starts.ac.uk)! 1.) Hasonlítsuk
STATISZTIKA. 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
Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán
Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán MTA KFKI Részecske és Magfizikai Intézet, Biofizikai osztály Az egy adatsorra (idősorra) is alkalmazható módszerek Példa: Az epileptikus
Csóka (1992) Gyula környékén kocsányos tölgyön találta meg. Szentkúton Quercus pubescens-en
FOLIA HISTORICO NATURALIA MUSEI 1995 MATRAENSIS 20: 145-152 Adatok a Meszes-tető (Mátraverebély, Szentkút) tölgyeken előforduló Cynipida-gubacsainak ismeretéhez (Hymenoptera) CSÓKA GYÖRGY - ID. KOVÁCS
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév
Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,
Kettőnél 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
KÉPI INFORMÁCIÓK KEZELHETŐSÉGE. Forczek Erzsébet SZTE ÁOK Orvosi Informatikai Intézet. Összefoglaló
KÉPI INFORMÁCIÓK KEZELHETŐSÉGE Forczek Erzsébet SZTE ÁOK Orvosi Informatikai Intézet Összefoglaló Tanórákon és az önálló tanulás részeként is, az informatika világában a rendelkezésünkre álló óriási mennyiségű
STATISZTIKA 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
Segítség az outputok értelmezéséhez
Tanulni: 10.1-10.3, 10.5, 11.10. Hf: A honlapra feltett falco_exp.zip-ben lévő exploratív elemzések áttanulmányozása, érdekességek, észrevételek kigyűjtése. Segítség az outputok értelmezéséhez Leiro: Leíró
KOMPETENCIA MÉRÉS ÉVFOLYAM
KOMPETENCIA MÉRÉS 2015. 6. ÉVFOLYAM MATEMATIKA A tanulók átlageredménye: Telephely: 1464 Országos: 1497 Városi ált. isk.: 1480 Megyeszékh. ált. isk.: 1530 Iskolánk átlageredménye rosszabb, mint az országos,
Negyedidõszaki éghajlati ciklusok a Mecsek környéki löszök puhatestû faunájának változása alapján
MALAKOLÓGIAI TÁJÉKOZTATÓ 2000 MALACOLOGICAL NEWSLETTER 18: 59 67 Negyedidõszaki éghajlati ciklusok a Mecsek környéki löszök puhatestû faunájának változása alapján Tóth Árpád Abstract: Qaternary Climatic
A TÓGAZDASÁGI HALTERMELÉS SZERKEZETÉNEK ELEMZÉSE. SZATHMÁRI LÁSZLÓ d r.- TENK ANTAL dr. ÖSSZEFOGLALÁS
A TÓGAZDASÁGI HALTERMELÉS SZERKEZETÉNEK ELEMZÉSE SZATHMÁRI LÁSZLÓ d r.- TENK ANTAL dr. ÖSSZEFOGLALÁS A hazai tógazdasági haltermelés a 90-es évek közepén tapasztalt mélypontról elmozdult és az utóbbi három
Curriculum vitae. DE, Mezőgazdaság-, Élelmiszertudomány és Környezetgazdálkodási. Kar, Természetvédelmi mérnöki Msc, I.
Curriculum vitae Név: Radócz Szilvia Születési hely, idő: Debrecen, 1988.08.15. Elérhetőség: Egyetem: radoczszilvia88@gmail.com DE, Mezőgazdaság-, Élelmiszertudomány és Környezetgazdálkodási Kar, Természetvédelmi
Számítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
Pisces Hungarici 7 (2013) 113 118
Pisces Hungarici 7 (2013) 113 118 A haltenyésztés termelési biztonságát veszélyeztető kárókatona (Phalacrocorax carbo) állományának alakulása a Hortobágyi Halgazdáság területén The population of the Great
OROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA ÁGH TAMÁS DR., MÉSZÁROS ÁGNES DR.
ALL RIGHTS RESERVED SOKSZOROSÍTÁSI CSAK A MTT ÉS A KIADÓ ENGEDÉLYÉVEL Az asthmás és COPD-s betegek életminõségét befolyásoló tényezõk OROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA Semmelweis Egyetem
Termékenységi mutatók alakulása kötött és kötetlen tartástechnológia alkalmazása esetén 1 (5)
Termékenységi mutatók alakulása kötött és kötetlen tartástechnológia alkalmazása esetén 1 (5) Termékenységi mutatók alakulása kötött és kötetlen tartástechnológia alkalmazása esetén Kertész Tamás Báder
Átlageredmények a 2011. évi Országos Kompetenciamérésen. matematikából és szövegértésből
Átlageredmények a 2011. évi Országos Kompetenciamérésen Általános iskola 8. osztály matematikából és szövegértésből Matematika Szövegértés Iskolánkban Ált. iskolákban Budapesti ált. iskolákban Iskolánkban
Supplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo
Supplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo Yuma Oka and Thomas N. Sato Supplementary Figure S1. Whole-mount smfish with and without the methanol pretreatment.
Statisztikai 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,
Individuális viselkedés versus. szociális rovaroknál. Markó Bálint Taxonómiai és Ökológiai Tanszék
Individuális viselkedés versus kollektív mintázatok a szociális rovaroknál Markó Bálint Taxonómiai és Ökológiai Tanszék BBTE Szociális rovarok: hangyák, bizonyos méh- és darázscsoportok, termeszek, néhány
A KUKORICA STRESSZREZISZTENCIA KUTATÁSOK EREDMÉNYEIBŐL
A martonvásári agrárkutatások hatodik évtizede A KUKORICA STRESSZREZISZTENCIA KUTATÁSOK EREDMÉNYEIBŐL MARTON L. CSABA, SZŐKE CSABA ÉS PINTÉR JÁNOS Kukoricanemesítési Osztály Bevezetés Hazai éghajlati viszonyaink