Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!
|
|
- Mária Barnané
- 8 évvel ezelőtt
- Látták:
Átírás
1 BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok Összesen Szerezhető pontszám Elért pontszám A megoldás részletes mellékszámítások hiányában nem értékelhető! 1. feladat (21 pont) A háztartások havi egy főre jutó élelmiszer kiadásait rétegzett kiválasztás alapján vizsgálták az észak-magyarországi régióban. A felmérés során az alábbi adatokat kapták: Háztartás Átlagos kiadás Szórás Háztartások száma a (Ft/fő) (Ft) régióban (ezer) a mintában Városi Községi Összesen Ismert továbbá, hogy a mintába került 1500 háztartás fele volt városi (ez utóbbi háztartások egy főre jutó kiadásainak tapasztalati szórása 6000 Ft/fő), illetve hogy a községi háztartások egy főre jutó kiadási adatai a községi átlagtól átlagosan 29,167%-kal térnek el. A mintába került községi háztartások 43%-ában volt magasabb az egy főre jutó átlagos kiadás a községi átlagtól, ugyanez az adat a városi háztartások esetében 52%. a. Becsülje meg a városi háztartások évi átlagos egy főre jutó húsfogyasztási kiadásainak alsó és felső határát 99,7 %-os megbízhatósági szinten! b. Adjon konfidencia intervallumot 95%-os megbízhatósággal azoknak a községi háztartásoknak a számára a régióban, ahol az egy főre jutó átlagos kiadás meghaladja a községi átlagot! (4 pont) c. Mekkora mintát kell venni a városi háztartások rétegéből, ha az a. pontban végzett becslés maximális hibáját a felére kívánjuk csökkenteni 95,5%-os megbízhatóság mellett? (4 pont) d. Becsülje meg rétegzett mintavétel alapján 96 %-os megbízhatósággal a régió háztartásainak egy főre jutó átlagos élelmiszerkiadási összegét! (5 pont) e. Elfogadja-e azt az állítást, hogy a háztartások településtípus szerinti fekvése szignifikánsan meghatározza az egy főre jutó átlagos kiadás nagyságát? ( =5%) (5 pont) - 1 -
2 2. feladat (20 pont) Egy termelő vállalkozásnál novemberében 1 200, decemberében pedig 850 termékösszeszerelést végző fizikai dolgozót foglalkoztattak novemberében megfigyelték véletlenszerűen kiválasztott 90 dolgozó termelékenységét és az alábbi táblát állították össze. Az elemzésből ismert még, hogy a dolgozók 87,78%-a állított össze legfeljebb 57 munkadarabot a hónap során: termelékenység (db/fő) dolgozók (fő) ,236 1, ,120 0,548 0, ,864 0,316 0, Összesen: Ismert továbbá, hogy decemberében a termelékenység ellenőrzésére ismét vettek egy a novemberinél 10 fővel nagyobb mintát. Ez alapján azt találták, hogy decemberben a mintába került munkások összesen db-ot szereltek össze, valamint az átlagtól az egyes munkások termelékenységi adatai átlagosan 8%-kal térnek el. a. Töltse ki a táblázat hiányzó rovatait és a részletes mellékszámításokat is írja le! Ellenőrizze le 5%-os szignifikancia szinten, hogy a munkások novemberi termelékenysége normális eloszlást követ-e? (6 pont) b. Elfogadná-e 2,5%-os szignifikancia szinten azt az állítást, hogy a munkások termelékenységének szórása decemberében meghaladta a 4 db/fő-t? (4 pont) c. Tesztelje le 5%-os szignifikancia szinten azt a hipotézist, miszerint novemberben a munkások legalább 15%-a legfeljebb 50 db-ot szerelt össze! d. Milyen szignifikancia szinten fogadná el azt az állítást, hogy az átlagos termelékenység novemberről decemberre több, mint 1,5 db/fő-vel növekedett? (7 pont) - 2 -
3 3. feladat (7 pont) Egy mezőgazdasági vállalkozás hosszú évek óta figyeli a termésátlag (t/ha) és az éves csapadékmennyiség (mm) alakulását, melyek között az alábbi összefüggést találták: 0,0589 yˆ 5,2 x a. Értelmezze a regresszió függvény paramétereit! (6 pont) b. Becsülje meg, hogy egy olyan évben, amikor 500 mm csapadék esik, várhatóan mennyi lesz a termésátlag! (1 pont) - 3 -
4 4. feladat (22 pont) Egy strand büféjében a nyári időszakban megfigyelték 25 véletlenszerűen kiválasztott napon a napi középhőmérsékletet és a vendégek által elfogyasztott sör mennyiségét: Nap Középhőmérséklet ( o C) Elfogyasztott sör (l) További számítási eredmények: x = 525 d x d y = y = d 2 x = 170 s y = 410 a. Jellemezze a középhőmérséklet és az elfogyasztott sör mennyiségének kapcsolatát a megfelelő mutatókkal és határozza meg a két ismérv kapcsolatát leíró lineáris regressziófüggvényt! Értelmezze a mutatókat és a függvény paramétereit! (4+8 pont) b. Számítsa ki és értelmezze a 22 ºC-hoz tartozó rugalmasságot! c. Határozza meg az a. pontban illesztett függvény relatív hibáját és értelmezze azt! (4 pont) d. Becsülje meg 98 %-os megbízhatósági szinten az átlagos fogyasztás várható alakulását azokon a napokon, amikor a napi középhőmérséklet 25 ºC! - 4 -
5 5. feladat (17 pont) Egy orvosi vizsgálaton véletlenszerűen kiválasztott betegek vérnyomásának alakulását vizsgálták meg az életkor (év x 1 ), a testsúly (kg x 2 ) és a nem (1, ha férfi; 0, ha nő x 3 ) függvényében. A vizsgálat nyomán az alábbi számítási eredmények ismertek: (X * X) -1 = C= R -1 = b=(87,3; 0,609; -0,097; 9,13) a. Írja fel a regressziófüggvényt és értelmezze az X 1 változó regressziós együtthatóját! (4 pont) b. Határozza meg és értelmezze a vérnyomás és a testsúly közötti parciális korrelációs együtthatót! c. Számítsa ki és értelmezze a többszörös korrelációs együtthatót! Csak ezt a mutatót! d. Tesztelje le a függvény megfelelőségét 10%-os szignifikancia szinten! e. Becsülje meg a lineáris regressziófüggvény alapján 90%-os megbízhatósággal a 34 éves, 75 kg testsúlyú férfiak átlagos vérnyomását! [x 0 (X * X) -1 x 0 = 2,1483] (4 pont) - 5 -
6 6. feladat (13 pont) Egy wellness hotelben 2008 és 2011 között negyedéves bontásban vizsgálták a látogatók számának (fő) alakulását t = 0 módszerrel és a következő eredményeket kapták: y = ty = t 2 = A látogatók száma néhány kiemelt negyedévben a következő volt: időszak II II II II látogatók száma (fő) a. Írja fel a lineáris trend egyenletét, értelmezze a paramétereket! (6 pont) b. Készítsen előrejelzést, hogy az idei második negyedévben várhatóan mekkora lesz a hotelbe érkező vendégek száma, ha multiplikatív szezonalitást feltételezünk! (7 pont) - 6 -
Vizsgafeladatok. 1. feladat (3+8+6=17 pont) (2014. január 7.)
Vizsgafeladatok 1. feladat (3+8+6=17 pont) (2014. január 7.) Az elmúlt négy év a 2010. I. és a 2013. IV. negyedéve között csapadék mennyiségének alakulásáról az alábbiakat ismerjük: Időszak Csapadék mennyiéség
RészletesebbenVIZSGADOLGOZAT. I. PÉLDÁK (60 pont)
VIZSGADOLGOZAT (100 pont) A megoldások csak szöveges válaszokkal teljes értékűek! I. PÉLDÁK (60 pont) 1. példa (13 pont) Az egyik budapesti könyvtárban az olvasókból vett 400 elemű minta alapján a következőket
RészletesebbenMódszertani Intézeti Tanszéki Osztály
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012. Név:... Kód:...... Eredmény:..... STATISZTIKA I. VIZSGA; NG KM ÉS KG TQM SZAKOKON MINTAVIZSGA Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető
RészletesebbenStatisztika 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
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
Részletesebben7, 6, 0, 4, 0, 1, 5, 2, 2, 16, 1, 0, 2, 3, 9, 2, 4, 10, 3, 1, 2, 12, 4, 1
52. feladat Stat Jenő egyetemi hallgató autóbusszal jár az egyetemre. Néhány napon át megmérte, hogy mennyit kell várnia az első egyetem felé közlekedő autóbuszra. A következő időket tapasztalta (percben):
RészletesebbenBiometria gyakorló feladatok BsC hallgatók számára
Biometria gyakorló feladatok BsC hallgatók számára 1. Egy üzem alkalmazottainak megoszlása az elért teljesítmény %-a szerint a következı: Norma teljesítmény % Dolgozók száma 60-80 30 81-90 70 91-100 90
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
RészletesebbenGYAKORLÓ FELADATOK KORRELÁCIÓ- ÉS REGRESSZIÓ-SZÁMÍTÁS
GYAKORLÓ FELADATOK KORRELÁCIÓ- ÉS REGRESSZIÓ-SZÁMÍTÁS 44. feladat Egy strandbüfében úgy találták, hogy összefüggés van az üdítőital fogyasztás mennyisége és az átlagos napi hőmérséklet között. Ezért 20
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenMINTAFELADATOK. 1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti:
1. Az alábbi diagram egy kiskereskedelmi lánc boltjainak forgalomkoncentrációját szemlélteti: 100% 90% 80% 70% 60% 50% 2010 2011 40% 30% 20% 10% 0% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% a) Nevezze
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
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
RészletesebbenGyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László
Gyakorló feladatok Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László I/. A vizsgaidőszak második napján a hallgatók %-ának az E épületben, %-ának a D épületben,
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
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.
RészletesebbenGyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió
Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió 1. A fizetés (Y, órabér dollárban) és iskolázottság (X, elvégzett iskolai év) közti kapcsolatot vizsgáljuk az Y t α + β X 2 t +
RészletesebbenStatisztika I. 11. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 11. előadás Előadó: Dr. Ertsey Imre Összefüggés vizsgálatok A társadalmi gazdasági élet jelenségei kölcsönhatásban állnak, összefüggnek egymással. Statisztika alapvető feladata: - tényszerűségek
Részletesebben1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták.
1.1: Egy felmérés során a BGF-ről frissen kikerült diplomások jövedelmét vizsgálták. a) Hozzon létre osztályközös gyakoriságot az alábbi osztályközökkel: - 100.000 100.000-150.000 150.000-200.000 200.000-250.000
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
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.
RészletesebbenStatisztika 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
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
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
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
RészletesebbenDr. Kalló Noémi. Termelés- és szolgáltatásmenedzsment. egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék. Dr.
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Ismertesse a legfontosabb előrejelzési módszereket és azok gyakorlati
RészletesebbenStatisztika példatár
Statisztika példatár v0.02 A példatár folyamatosan b vül, keresd a frissebb verziót a http://matstat.fw.hu honlapon a letölthet példatárak közt. Országh Tamás Budapest, 2006 Mottó: Ki kéne vágni minden
RészletesebbenMelléklet 1. A knn-módszerhez használt változólista
Melléklet 1. A knn-módszerhez használt változólista 1. Régiók (1. Budapest, Pest megye, Dunántúl; 2. Dél-Magyarország; 3. Észak-Magyarország.) 2. Főállású-e az egyéni vállalkozó dummy (1 heti legalább
Részletesebben1. Egy Kft dolgozóit a havi bruttó kereseteik alapján csoportosítottuk: Havi bruttó bér, ezer Ft/fő
Figyelem! A példasor nem tartalmazza valamennyi típuspéldát. A dolgozatban az órán leadott feladatok közül bármely típusú előfordulhat. A példasor már a második dolgozat anyagát gyakorló feladatokat is
RészletesebbenMatematikai geodéziai számítások 6.
Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre
RészletesebbenAlkalmazott statisztika feladatok
Alkalmazott statisztika feladatok 1. Leíró statisztikák és grakonok 1.1. a. Olvassuk be a Davis adatsort a car vagy a cardata csomagból! Ábrázoljuk a weight változó boxplotját, majd értelmezzük az outlier
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
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
RészletesebbenMatematikai geodéziai számítások 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi
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
RészletesebbenQ1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft
Gyak1: b) Mo = 1857,143 eft A kocsma tipikus (leggyakoribb) havi bevétele 1.857.143 Ft. c) Q1 = 1575 eft Me = 2027,7778 eft Q3 = 2526,3158 eft Gyak2: b) X átlag = 35 Mo = 33,33 σ = 11,2909 A = 0,16 Az
RészletesebbenSTATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
RészletesebbenEgyszempontos variancia analízis. Statisztika I., 5. alkalom
Statisztika I., 5. alkalom Számos t-próba versus variancia analízis Kreativitás vizsgálata -nık -férfiak ->kétmintás t-próba I. Fajú hiba=α Kreativitás vizsgálata -informatikusok -építészek -színészek
RészletesebbenSTATISZTIKA 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
RészletesebbenAZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT
AZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT Készítette: Vályi Réka Neptun-kód: qk266b 2011 1 Az elemzés
RészletesebbenFüggetlenségvizsgálat, Illeszkedésvizsgálat
Varga Beatrix, Horváthné Csolák Erika Függetlenségvizsgálat, Illeszkedésvizsgálat 4. előadás Üzleti statisztika A sokaság/minta több ismérv szerinti vizsgálata A statisztikai elemzés egyik ontos eladata
RészletesebbenSTATISZTIKA. 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
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 -
RészletesebbenMatematikai statisztikai elemzések 6.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Prof. Dr. Závoti József Matematikai statisztikai elemzések 6. MSTE6 modul Regressziószámítás: kétváltozós lineáris és nemlineáris regresszió, többváltozós
RészletesebbenSTATISZTIKA PÉLDATÁR
STATISZTIKA PÉLDATÁR www.matektanitas.hu www.matektanitas.hu info@matektanitas.hu 1 Minden feladat csak szöveges válasszal együtt ad teljes értékű megoldást! Becslés 1. feladat Az alábbi táblázat megadja
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
RészletesebbenHipotézisvizsgálat R-ben
Hipotézisvizsgálat R-ben 1-mintás u-próba Az elmúlt évben egy, az Antarktiszon talált királypingvinkolónia esetén a pingvinek átlagos testtömege 15.4 kg volt. Idén ugyanebből a kolóniából megmérték 35
Részletesebben6. Előadás. Vereb György, DE OEC BSI, október 12.
6. Előadás Visszatekintés: a normális eloszlás Becslés, mintavételezés Reprezentatív minta A statisztika, mint változó Paraméter és Statisztika Torzítatlan becslés A mintaközép eloszlása - centrális határeloszlás
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenMérési adatok illesztése, korreláció, regresszió
Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,
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
RészletesebbenA MIDAS_HU modell elemei és eredményei
A MIDAS_HU modell elemei és eredményei Tóth Krisztián Országos Nyugdíjbiztosítási Főigazgatóság A MIDAS_HU mikroszimulációs nyugdíjmodell eredményei további tervek Workshop ONYF, 2015. május 28. MIDAS_HU
RészletesebbenStatisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában
Statisztikai alapok Leíró statisztika Lineáris módszerek a statisztikában Tudományosan és statisztikailag tesztelhető állítások? A keserűcsokoládé finomabb, mint a tejcsoki. A patkány a legrondább állat,
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
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
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
RészletesebbenAz R adatelemzési nyelv alapjai I.
Gyakorlati feladat megoldása Az R adatelemzési nyelv alapjai I. September 14, 2018 A feladat megoldása során egy olyan adattáblával fogunk dolgozni, amely hipotetikus személyek testmagasság és testsúly
RészletesebbenStatisztika I. 10. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk
RészletesebbenBAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.
BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011. 1 Mérési hibák súlya és szerepe a mérési eredményben A mérési hibák csoportosítása A hiba rendűsége Mérési bizonytalanság Standard és kiterjesztett
RészletesebbenFIT-jelentés :: Százhalombattai Arany János Általános Iskola és Gimnázium 2440 Százhalombatta, Szent István tér 1. OM azonosító:
FIT-jelentés :: 2014 Százhalombattai Arany János Általános Iskola és Gimnázium 2440 Százhalombatta, Szent István tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - (általános iskola) (2440 Százhalombatta,
RészletesebbenIII. Kvantitatív változók kapcsolata (korreláció, regresszió)
III. Kvantitatív változók kapcsolata (korreláció, regresszió) Tartalom Változók kapcsolata Kétdimenziós minta (pontdiagram) Regressziós előrejelzés (predikció) Korreláció Tanuló Kétdimenziós minta Tanulással
RészletesebbenNULLADIK MATEMATIKA ZÁRTHELYI
A NULLADIK MATEMATIKA ZÁRTHELYI 20-09-2 Terem: Munkaidő: 0 perc. A dolgozat megírásához íróeszközön kívül semmilyen segédeszköz nem használható! Csak és kizárólag tollal tölthető ki a feladatlap, a ceruzával
RészletesebbenFIT-jelentés :: Tereskei Általános Iskola 2652 Tereske, Kossuth utca 84. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2015 Tereskei Általános Iskola 2652 Tereske, Kossuth utca 84. Létszámadatok A telephelyek kódtáblázata A 001 - Tereskei Általános Iskola (általános iskola) (2652 Tereske, Kossuth utca 84.)
RészletesebbenGVMST22GNC Statisztika II.
GVMST22GNC Statisztika II. 4. előadás: 9. Kétváltozós korreláció- és regressziószámítás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Korrelációszámítás
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,
RészletesebbenFIT-jelentés :: 2012. Hétvezér Általános Iskola 8000 Székesfehérvár, Hétvezér tér 1. OM azonosító: 030062. Intézményi jelentés. 8.
FIT-jelentés :: 2012 Hétvezér Általános Iskola 8000 Székesfehérvár, Hétvezér tér 1. Létszámadatok A telephelyek kódtáblázata A 001 - Hétvezér Általános Iskola (általános iskola) (8000 Székesfehérvár, Hétvezér
RészletesebbenFIT-jelentés :: Petőfi Sándor Általános Iskola és Benedek Elek Tagiskola 2163 Vácrátót, Petőfi tér 6. OM azonosító: Telephely kódja: 001
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Petőfi Sándor Általános Iskola és Benedek Elek Tagiskola 2163 Vácrátót, Petőfi tér 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények A telephelyek
RészletesebbenFIT-jelentés :: Mátyás Király Általános Iskola 2013 Pomáz, Mátyás Király u. 2. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2011 Mátyás Király Általános Iskola 2013 Pomáz, Mátyás Király u. 2. Létszámadatok A telephelyek kódtáblázata A 001 - Mátyás Király Általános Iskola (általános iskola) (2013 Pomáz, Mátyás
RészletesebbenFIT-jelentés :: Bocskai István Általános Iskola és Alapfokú Művészeti Iskola 4080 Hajdúnánás, Óvoda utca OM azonosító:
FIT-jelentés :: 2015 Bocskai István Általános Iskola és Alapfokú Művészeti Iskola 4080 Hajdúnánás, Óvoda utca 2-10. Létszámadatok A telephelyek kódtáblázata A 005 - Bocskai István Általános Iskola és Alapfokú
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK EMELT SZINT Statisztika A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenFIT-jelentés :: Pomázi Mátyás Király Általános Iskola 2013 Pomáz, Mátyás király utca 2. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2015 Pomázi Mátyás Király Általános Iskola 2013 Pomáz, Mátyás király utca 2. Létszámadatok A telephelyek kódtáblázata A 001 - Pomázi Mátyás Király Általános Iskola (általános iskola) (2013
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,
RészletesebbenFIT-jelentés :: Bocskai István Magyar-Német Két Tanítási Nyelvű Általános Iskola 2071 Páty, Bocskai utca 9. OM azonosító:
FIT-jelentés :: 2014 Bocskai István Magyar-Német Két Tanítási Nyelvű Általános Iskola 2071 Páty, Bocskai utca 9. Létszámadatok A telephelyek kódtáblázata A 001 - (általános iskola) (2071 Páty, Bocskai
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 6. évfolyam :: Általános iskola
FIT-jelentés :: 2008 6. évfolyam :: Általános iskola Dr. Török Béla Óvoda, Általános Iskola, Speciális Szakiskola, Egységes Gyógypedagógiai Módszertani Intézmény, Diákotthon és Gyermekotthon 1142 Budapest,
RészletesebbenFIT-jelentés :: Dunabogdányi Általános Iskola és Alapfokú Művészeti Iskola 2023 Dunabogdány, Hegyalja utca OM azonosító:
FIT-jelentés :: 2014 Dunabogdányi Általános Iskola és Alapfokú Művészeti Iskola 2023 Dunabogdány, Hegyalja utca 9-11. Létszámadatok A telephelyek kódtáblázata A 001 - Dunabogdányi Általános Iskola és Alapfokú
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
RészletesebbenFIT-jelentés :: Damjanich János Általános Iskola 2100 Gödöllő, Batthyány u. 32. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2013 Damjanich János Általános Iskola 2100 Gödöllő, Batthyány u. 32. Létszámadatok A telephelyek kódtáblázata A 001 - Damjanich János Általános Iskola (általános iskola) (2100 Gödöllő,
RészletesebbenFIT-jelentés :: Bocskai István Általános Iskola és Alapfokú Művészeti Iskola 4080 Hajdúnánás, Óvoda utca OM azonosító:
FIT-jelentés :: 2014 Bocskai István Általános Iskola és Alapfokú Művészeti Iskola 4080 Hajdúnánás, Óvoda utca 2-10. Létszámadatok A telephelyek kódtáblázata A 005 - Bocskai István Általános Iskola és Alapfokú
RészletesebbenFIT-jelentés :: II. Rákóczi Ferenc Általános Iskola és Gimnázium 2000 Szentendre, Rákóczi u. 6. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2008 II. Rákóczi Ferenc Általános Iskola és Gimnázium 2000 Szentendre, Rákóczi u. 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása
RészletesebbenALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN!
A1 A2 A3 (8) A4 (12) A (40) B1 B2 B3 (15) B4 (11) B5 (14) Bónusz (100+10) Jegy NÉV (nyomtatott nagybetűvel) CSOPORT: ALÁÍRÁS: ALÁÍRÁS NÉLKÜL A TESZT ÉRVÉNYTELEN! 2011. december 29. Általános tudnivalók:
RészletesebbenFIT-jelentés :: Kölcsey Ferenc Gimnázium 8900 Zalaegerszeg, Rákóczi út OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2011 Kölcsey Ferenc Gimnázium 8900 Zalaegerszeg, Rákóczi út 49-53. Létszámadatok A telephelyek kódtáblázata A 001 - Kölcsey Ferenc Gimnázium (6 évfolyamos gimnázium) (8900 Zalaegerszeg,
RészletesebbenFIT-jelentés :: Szent Imre Általános Iskola, Gimnázium és Szakközépiskola, Esztergom 2500 Esztergom, Főapát u. 1. OM azonosító:
FIT-jelentés :: 2012 Szent Imre Általános Iskola, Gimnázium és Szakközépiskola, Esztergom 2500 Esztergom, Főapát u. 1. Létszámadatok A telephelyek kódtáblázata A 001 - Szent Imre Általános Iskola, Gimnázium
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Fazekas - Istvánffy Általános Iskola és Alapfokú Művészetoktatási Intézmény 3525 Miskolc, Fazekas u. 6. Matematika Országos kompetenciamérés 1 1 Átlageredmények
RészletesebbenFIT-jelentés :: Telephelyi jelentés. 8. évfolyam :: Általános iskola
FIT-jelentés :: 2008 8. évfolyam :: Általános iskola Würtz Ádám Társult Általános Iskola és Egységes Pedagógiai Szakszolgálat Fő Utcai Tagiskola 7090 Tamási, Fő u. 1. Matematika Országos kompetenciamérés
RészletesebbenFIT-jelentés :: Kazinczy Ferenc Református Általános Iskola 3580 Tiszaújváros, Munkácsy Mihály út 18. OM azonosító: Intézményi jelentés
FIT-jelentés :: 2013 Kazinczy Ferenc Református Általános Iskola 3580 Tiszaújváros, Munkácsy Mihály út 18. Létszámadatok A telephelyek kódtáblázata A 001 - Kazinczy Ferenc Református Általános Iskola (általános
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése II.
Többváltozós lineáris regressziós modell feltételeinek tesztelése II. - A magyarázó változóra vonatkozó feltételek tesztelése - Optimális regressziós modell kialakítása - Kvantitatív statisztikai módszerek
RészletesebbenMatematika. Xántus János Két Tanítási Nyelvű Gimnázium és Szakgimnázium OM azonosító: Telephelyi jelentés Telephely kódja: 001
Országos kompetenciamérés 2017 3 1a Átlageredmények A telephelyek átlageredményeinek összehasonlítása Az Önök eredményei a 4 évfolyamos gimnáziumi telephelyek eredményeihez viszonyítva A szignifikánsan
RészletesebbenSTATISZTIKA. Gyakorló feladatok az első zh-ra
STATISZTIKA Gyakorló feladatok az első zh-ra A változás átlagos üteme év Kenyér Ft/ kg bázisindex % 2002 151 100,0 2003 156 103,3 2004 178 117,9 2005 173 114,6 2006 179 118,5 2007 215 142,4 I = n 1 l i
RészletesebbenFIT-jelentés :: Lackner Kristóf Általános Iskola 9400 Sopron, Révai Miklós u. 2. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2012 9400 Sopron, Révai Miklós u. 2. Létszámadatok A telephelyek kódtáblázata A 001 - (általános iskola) (9400 Sopron, Révai Miklós u. 2.) B 003 - Tagiskolája (általános iskola) (9400 Sopron,
RészletesebbenGyakorló feladatok Anyagmérnök hallgatók számára
Gyakorló feladatok Anyagmérnök hallgatók számára. feladat Egy külkereskedelmi vállalat 7 ezer üvegből álló gyümölcskonzerv szállítmányt exportál. A nettó töltősúly ellenőrzése céljából egy 9 elemű véletlen
RészletesebbenFIT-jelentés :: KÉTEGYHÁZAI MEZŐGAZDASÁGI SZAKKÉPZŐ ISKOLA ÉS KOLLÉGIUM 5741 Kétegyháza, Gyulai út 6 OM azonosító: Intézményi jelentés
FIT-jelentés :: 2015 KÉTEGYHÁZAI MEZŐGAZDASÁGI SZAKKÉPZŐ ISKOLA ÉS KOLLÉGIUM 5741 Kétegyháza, Gyulai út 6 Létszámadatok A telephelyek kódtáblázata A 001 - KÉTEGYHÁZAI MEZŐGAZDASÁGI SZAKKÉPZŐ ISKOLA ÉS
RészletesebbenFIT-jelentés :: Fabriczius József Általános Iskola 2112 Veresegyház, Fő út OM azonosító: Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2011 8. évfolyam :: Általános iskola Fabriczius József Általános Iskola 2112 Veresegyház, Fő út 77-79. Létszámadatok A telephely létszámadatai az általános iskolai képzéstípusban a 8. évfolyamon
RészletesebbenFIT-jelentés :: Intézményi jelentés. 8. évfolyam
FIT-jelentés :: 2015 Etyeki Nyelvoktató Német Nemzetiségi Általános Iskola és Alapfokú Művészeti Iskola 2091 Etyek, Magyar utca 2. Létszámadatok A telephelyek kódtáblázata A 001 - Etyeki Nyelvoktató Német
RészletesebbenFIT-jelentés :: 2011. Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. OM azonosító: 029264 Telephely kódja: 001. Telephelyi jelentés
FIT-jelentés :: 2011 8. évfolyam :: 6 évfolyamos gimnázium Avasi Gimnázium 3524 Miskolc, Klapka Gy. u. 2. Létszámadatok A telephely létszámadatai a 6 évfolyamos gimnáziumi képzéstípusban a 8. évfolyamon
RészletesebbenFIT-jelentés :: Orosháza Város Általános Iskolája 5900 Orosháza, Előd u. 17. OM azonosító: Intézményi jelentés. 8.
FIT-jelentés :: 2008 Orosháza Város Általános Iskolája 5900 Orosháza, Előd u. 17. Matematika Országos kompetenciamérés 1 1 Átlageredmények Az iskolák átlageredményeinek összehasonlítása Matematika A szignifikánsan
RészletesebbenA gazdasági növekedés mérése
A gazdasági növekedés mérése Érték-, volumen- és árindexek 25.) Az alábbi táblázat két egymást követő év termelési mennyiségeit és egységárait mutatja egy olyan gazdaságban, ahol csupán három terméket
Részletesebben