Korreláció és Regresszió (folytatás) Logisztikus telítıdési függvény Több független változós regressziós függvények
|
|
- Erika Somogyi
- 9 évvel ezelőtt
- Látták:
Átírás
1 Korreláció és Regresszió (folytatás) 12. elıadás ( lecke) Logisztikus telítıdési függvény Több független változós regressziós függvények 23. lecke A logisztikus telítıdési függvény Több független változós regressziós felületek Lineáris eset, illesztés, többszörös korreláció és determináció Értelmezési kérdések
2 3) Logisztikus (autokatalitikus) függvény y = A/(1 + Be -cx ), (A,B,c pozitívak) x=0-nál y=a/(1+b), majd a görbe S-alakban emelkedve közeledik az A telítıdési szinthez Az A/2 szintig fokozódó ütemben nı, innen kezdve csökkenı ütemben nı (a váltás-pont neve: inflexiós pont) A kapcsolat differencia-alakja: y/y = ca(a-y) x, azaz y relatív növekedési üteme arányos A és y különbségével (innen c szakmailag értelmezhetı) Ilyenek a szaporodási dinamikák a környezet korlátozott eltartó-képessége mellett (Verhulst-modell), ilyenek az organikus növekedések is
3 Több (független) változós Regresszió Egyetlen Y változó kialakításában több X változó is részt vehet. Mint említettük, megeshet, hogy eme X változók mindegyike csak gyengén korrelál az Y változóval, de együttesen jelentıs a hatásuk Bıvebben foglalkozunk a lineáris esettel és kitérünk a nemlineáris esetre is
4 Több- (független) változós LINEÁRIS regresszió A modell a sokaságban: Y = a +b 1 x 1 + b 2 x 2 + +b p x p + e mintavétel után: y i = a +b 1 x 1i + b 2 x 2i + +b p x pi + e i tömören: y i = ŷ i + e i A b k (b k ) paraméterek a parciális regressziós együtthatók, az e (e i ) tag az eltérés (hiba), a regressziós felület p=2 esetén 3- dimenzióban ábrázolható sík, p>2 esetén hipersík A paraméterek becslése az eltérés-tagok négyzetösszegének minimálásával történik
5 Többszörös lineáris regresszió (folytatás) A becslések után SS: SS össz {=SS y } = SS regr {=SS ŷ } + SS elt {= e i2 } df: n-1 = p + n-p-1 Majd F = MS regr / MS elt., a szabadságfokok p és n-p-1 A (korrigálatlan) determinációs együttható (regr.illeszkedés): R 2 = SS regr / SS össz = 1 SS elt. / SS össz statisztikai próbája megegyezik az F statisztika szignifikancia vizsgálatával A további taglalás elıtt egy számpéldát nézzünk
6 Többszörös lineáris regresszió Extrém fiktív számpélda (n=7, p=2) y x1 x2 Elıször nézzük x1 és x2 hatását külön-külön r(y,x1) = 0,3072 r(y,x2) = -0, egyik sem szignifikáns! De ne adjuk fel!: Nézzük az együttes hatást (excel, adatelemzés,leíró statisztika, regresszió) df SS MS F P-érték Regresszió 2 20,10 10,05 11,11 0, Maradék 4 3,62 0, s 1,99 3,98 3,83 Összesen 6 23, b 2,64 2,62 R 2 = 20,10/23,72 = 0,847 = 85% (R = 0,92) A regressziós sík egyenlete: ŷ = -10,1 + 2,64x 1 + 2,62x 2
7 Többszörös lineáris regresszió A számpélda megbeszélése(1) A két X változó együttes hatása jelentıs (R 2 =84,7%, P=2,3%) következésképpen mindkét ható változónak van szerepe, amint az alábbi séma mutatja: A veszteség X1 Y r 2 = 0, = 9,4% X1-et elhagyva 84,7%-2,3% = 82,4% X2 Y r 2 = 0, = 2,3% X2-ıt elhagyva 84,7%-9,4% = 75,3% {X1,X2} Y R 2 = 84,7% mindkét veszteség jelentıs!
8 Többszörös lineáris regresszió A számpélda megbeszélése(2) A parciális korrelációs együtthatók ugyanúgy jelzik X1 és X2 hatását, mint az elıbbi eszmefuttatás. Számításukhoz szükséges X1 és X2 korrelációja is (r(x1,x2)= ) A korrelációk mátrixa {r ij } /Excel, Adatelemzés, korreláció analízis/: Y X1 X2 Y 1 0,3072-0,1532 X1 0, ,9851 X2-0,1532-0, A parciális korrelációs együtthatók r yx1.x2 = [ 0,307- (-0,153 (-0,985)]/ {(1-0,153 2 )(1-0,985 2 )} = 0,95 r yx2.x1 = [-0,153- (-0,307 (-0,985)]/ {(1-0,307 2 )(1-0,985 2 )} = 0,95 (Statisztikai próbáikat ld. fentebb, mindkettı szignifikáns)
9 Többszörös lineáris regresszió: Kiegészítések Természetes a kérdés: az egyes X változók milyen mértékben járulnak hozzá az R 2 determinációhoz, illetve melyek elhanyagolhatók? 1) Ha az X változók korrelálatlanok,azaz r(x j,x k )=0 ha j k, akkor R 2 felbontható az egyes X k változók hatására: R 2 = r 2 y,x1 + r 2 y,x2 + + r 2 y,xp (p az X változók száma), ez az eset azonban gyakorlatilag csak akkor fordul elı, ha az X k változók nem véletlenek, értékeiket a kutató célszerően beállíthatja
10 Többszörös lineáris regresszió: Kiegészítések (folytatás) 2) Az X ható-változók általában összefonódottak (egymással korrelálnak), ezért együttes hatásuk szétbontása az egyes változókra nemigen lehetséges: az egyedi r 2 determinációk összege lehet kisebb is, nagyobb is R 2 -nél Az egyes X változók hozzájárulásáról némi tájékoztatást kaphatunk a standardizált regressziós együtthatók (b k ) révén, illetve R 2 alábbi algebrai felbontása alapján R 2 = b 1 r y,x1 + b 2 r y,x2 + + b p r y,xp ahol b k = b k s xk /s y a standardizált regressziós együttható (k=1 p) Nézzük mindezt a számpéldánkban:
11 Többszörös lineáris regresszió: Kiegészítések (folytatás) Visszatérve extrém számpéldánkra, illusztráljuk az elıbb mondottakat Y X1 X2 szórás (s) 1,988 3,976 3,830 regr.együttható (b) 2,636 2,617 r y,x (r) 0,307-0,153 (négyzetük összeg 11,8%<84,7%=R 2 ) ================================ stand.regr.eh. (b ) 5,273 5,041 b *r 1,620-0,772 (Összegük 0,85 =R 2 ) A standardizált regressziós együtthatókat így számoltuk: b 1 = b 1 *s x1,y /s y = 2,636*3,976/1,988 = 5,273 b 2 = b 2 *s x2,y /s y = 2,617*3,830/1,988 = 5,041
12 KÖSZÖNÖM TÜRELMÜKET
13 24. lecke Az R 2 felbontásának értelmezése A lényeges változók kiválogatása Nem lineáris több X-változós regressziós függvények
14 Többszörös lineáris regresszió: Kiegészítések (2.folytatása) Értelmezzük az extrém számpélda utóbbi mutatóit A standardizált regressziós együtthatók (b ) az X változók közvetlen hatásait jelzik arányukban Esetünkben b 1 és b 2 közel azonos, a két X változó közvetlen hatása Y-ra azonos mértékő (amint azt a korábban felírt parciális korrelációs együtthatók is jelezték) A b r szorzat-mutatók a közvetlen hatásokon kívül beszélnek a közvetett hatásokról is, ami az X változók közötti kapcsolatok áttételes eredménye Esetünkben e két mutató: X1-re 1,620 X2-re -0,772 ami úgy értelmezhetı, hogy X1 (közvetlen+közvetett) hatása Y-ra kétszer akkora és ellentétes irányú, mint X2 hatása
15 Többszörös lineáris regresszió: Kiegészítések (folytatás) 3) Az X ható-változók szelekciója Ha sok X változónk van, a regresszió szempontjából ezek között lehetnek jelentéktelenek és olyan jelentısek, amelyek az összefonódottság miatt másokkal helyettesíthetık Az X változók közötti válogatásra több eljárás ismert, ezek elméleti hátterére itt nem térünk ki, az SPSS programcsomag ajánlható Az ajánlott eljárások listája (lényegüket tanulmányozzuk a szakirodalomban): - minden lehetséges regresszió - backward módszer - forward módszer - stepwise módszer - stagewise módszer
16 Több X-változós NEMLINEÁRIS regresszió (I) Két gyakori Linearizálható kapcsolat 1) Többváltozós hatvány- (Cobb-Douglas-)függvény ŷ = A*x 1 b1 x 2 b2...x p bp, logaritmizálva log ŷ = log A + b 1 log x 1 + b 2 log x b p log x p amely a változók logaritmusai között már lineáris 2) Többváltozós exponenciális függvény ŷ = A*B 1 x1 B 2 x2...b p xp, logaritmizálva log ŷ = log A + (logb 1 )x 1 + (logb 2 )x (logb p )x p amely log y és az x-ek között már lineáris
17 (II) A kvadratikus felület (Nem linearizálható) Gyakran a sík (hipersík) nem kielégítı, a modell bıvítésre szorul, például négyzetes és szorzatos tagokat csatolhatunk hozzá Például a kétváltozós ŷ = a+b 1 x 1 +b 2 x 2 modell bıvítése: ŷ = a+b 1 x 1 +b 2 x 2 + b 11 x 12 +b 22 x 22 +b 12 x 1 x 2 Ebben a másodrendő felületben a b 11 és a b 22 paraméterek a felület görbüléseit mérik, a b 12 együttható pedig X1 és X2 kölcsönhatásának eredménye, a felület győrıdése A modell a változóiban nem lineáris de a paramétereiben igen, ezért illesztése megoldható az Excel Regressziójával
18 Másodrendő regressziós felület (illusztráció) z = x ^ x - 2 y ^ y
19 A kvadratikus felületnek maximuma vagy minimuma van ha a D = 4b 11 b 22 - b 12 2 érték pozitív, éspedig maximumot találunk, ha b 11 és b 22 negatív, minimumot, ha ezek pozitívak A felület max/min pontját az x 10 = (b 2 b 12 2b 1 b 22 )/D, x 20 = (b 1 b 12 2b 2 b 11 )/D értékpárnál találjuk Ha D negatív, a másodrendő felület nyereg alakú
20 Számpélda kétváltozós kvadratikus hatásfelületre Adatok (y mért, x1 és x2 mért vagy beállított, a többi számított) y x1 x2 I x1 2 x2 2 x1 x2 Etessük be e táblázatot 10,8 0,5 0,5 I 0,25 0,25 0,25 az excelbe (Adatelemzés, 10,7 0,5 1 I 0,25 1 0,5 Regresszió) 9,5 0,5 2 I 0, Mindent megkapunk, 11,3 1 0,5 I 1 0,25 0,5 ami kell (ld. a következı 11,5 1 1 I dia) 11,5 1 2 I ,5 2 0,5 I 4 0,25 1 9,7 2 1 I ,1 2 2 I 4 4 4
21 Kvadratikus felület (a példa folytatása) Varianciaanalízis SS df MS F P-érték Regresszió 8, ,653 23,3 0,013 szign. Maradék 0, , Összesen 8, Determinációs együttható: R 2 =8,267/8,48=97,5% Együtthatók becslése P-érték 95%-os konfidencia határok a 8,46 0,002 5,95 10,96 szign. b 1 5,0 0,017 1,71 8,29 szign. b 2 0,6 0,60-2,69 3,89 nem szign. b 11-2,8 0,005-4,02-1,58 szign. b 22-0,76 0,14-1,98 0,47 nem szign. b 12 1,2 0,013 0,47 1,93 szign.
22 Kvadratikus felület (a példa megbeszélése) Az illesztett felület y variabilitásának szignifikáns hányadát magyarázza (P=0,013; R 2 =97,5%) Ez azonban nem jelenti azt, hogy nincs még jobban illeszkedı regressziós felület. A becsült regressziós felület egyenlete: y = 8,46 + 5,0x 1 2,8x ,6x 2-0,76x 22 +1,2 x 1 x 2 ábrája hasonló a néhány diával korábbi felülethez A felület maximum pontjának becslése: D = (4-2,8-0,76)-1,2 2 = 7,07, pozitív, tehát van szélsıérték x 10 = (b 2 b 12 2b 1 b 22 )/D =(0,6*1,2-2*5,0*(-0,76))/7,07 =1,17 x 20 = (b 1 b 12 2b 2 b 11 )/D =(5,0*1,2-2*0,6*(-2,8) )/7,07 =1,32 ŷ max =11,8
23 a példa megbeszélésének folytatása A b 2 = 0,6 és a b 22 = -0,76 regressziós együtthatók nem szignifikánsak (ez utóbbi azt jelenti, hogy az x 2 változónak nincs depresszív hatása), a lényeg azonban az, hogy ez a két tag talán kihagyható a regressziós felület formulájából: Azaz megpróbálkozhatunk az y = a + b 1 x 1 + b 11 x 12 + b 12 x 1 x 2 felület illesztésével Gyakorlásként végezzük el az illesztést és ellenırízzük az illeszkedés csökkenésének szignifikanciáját a fentebb ismertetett módon. Ha ez nem szignifikáns, maradhatunk a felírt redukált egyenletnél, különben tegyük vissza a b 22 x 2 2 tagot (mert ennek P-értéke 0,14,kisebb b 2 P-értékénél)
24 KÖSZÖNÖM TÜRELMÜKET
11. elıadás ( lecke) 21. lecke. Korreláció és Regresszió (folytatás) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények
Korreláció és Regresszió (folytatás) 11. elıadás (21-22. lecke) Lineáris-e a tendencia? Linearizálható nem-lineáris regressziós függvények 21. lecke Linearitás ellenırzésének egyéb lehetıségei Konfidencia
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
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)
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
RészletesebbenKorreláció és Regresszió
Korreláció és Regresszió 9. elıadás (17-18. lecke) Korrelációs együtthatók 17. lecke Áttekintés (korreláció és regresszió) A Pearson-féle korrelációs együttható Korreláció és Regresszió (témakörök) Kapcsolat
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
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.
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
RészletesebbenEloszlás-független módszerek 13. elıadás ( lecke)
Eloszlás-független módszerek 13. elıadás (25-26. lecke) Rangszámokon alapuló korrelációs együttható A t-próbák és a VA eloszlásmentes megfelelıi 25. lecke A Spearman-féle rangkorrelációs együttható A Kendall-féle
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
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
RészletesebbenEloszlás-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
RészletesebbenKorrelációs kapcsolatok elemzése
Korrelációs kapcsolatok elemzése 1. előadás Kvantitatív statisztikai módszerek Két változó közötti kapcsolat Független: Az X ismérv szerinti hovatartozás ismerete nem ad semmilyen többletinformációt az
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
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenAdatok 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
RészletesebbenDiszkriminancia-analízis
Diszkriminancia-analízis az SPSS-ben Petrovics Petra Doktorandusz Diszkriminancia-analízis folyamata Feladat Megnyitás: Employee_data.sav Milyen tényezőktől függ a dolgozók beosztása? Nem metrikus Független
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
Részletesebben5. előadás - Regressziószámítás
5. előadás - Regressziószámítás 2016. október 3. 5. előadás 1 / 18 Kétváltozós eset A modell: Y i = α + βx i + u i, i = 1,..., T, ahol X i független u i -től minden i esetén, (u i ) pedig i.i.d. sorozat
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
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
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
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
RészletesebbenMódszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!
BGF KKK Módszertani Intézeti Tanszéki Osztály Budapest, 2012.. Név:... Neptun kód:... Érdemjegy:..... STATISZTIKA II. VIZSGADOLGOZAT Feladatok 1. 2. 3. 4. 5. 6. Összesen Szerezhető pontszám 21 20 7 22
RészletesebbenLeíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév
Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév A pirossal írt anyagrészeket nem fogom közvetlenül számon kérni a vizsgán, azok háttérismeretként,
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.
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
RészletesebbenMatematika. 4. konzultáció: Kétváltozós függvények szélsőértéke. Parciális függvény, parciális derivált
Matematika 1 NYME KTK, Egyetemi kiegészítő alapképzés 2004/2005. tanév, I. évf. I.félév Budapest Előadó: Dr. Takách Géza NyME FMK Informatikai Intézet 9400 Sopron, Bajcsy Zs. u. 9. GT fszt. 3. (99) 518
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
RészletesebbenKétváltozós függvények differenciálszámítása
Kétváltozós függvények differenciálszámítása 13. előadás Farkas István DE ATC Gazdaságelemzési és Statisztikai Tanszék Kétváltozós függvények p. 1/1 Definíció, szemléltetés Definíció. Az f : R R R függvényt
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
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
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
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 +
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
RészletesebbenVariancia-analízis (VA)
Variancia-analízis (VA) 5. elıadás (9-10. lecke) VA lényege, alkalmazásának feltételei, adat-transzformációk 9. lecke Variancia-analízis lényege Szórások egyezésének ellenırzése A Variancia-Analízis (VA)
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,
RészletesebbenSTATISZTIKA. Fogalom. A standard lineáris regressziós modell mátrixalgebrai jelölése. A standard lineáris modell. Eredménytáblázat
Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése
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:
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
RészletesebbenTöbbváltozós lineáris regressziós modell feltételeinek tesztelése I.
Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós
RészletesebbenTypotex Kiadó. Tartalomjegyzék
Tartalomjegyzék Bevezetés... 11 A hasznos véletlen hiba... 13 I. Adatredukciós módszerek... 17 1. Fıkomponens-elemzés... 18 1.1. A fıkomponens jelentése... 25 1.2. Mikor használjunk fıkomponens-elemzést?...
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
RészletesebbenFeladatok a logaritmus témaköréhez 11. osztály, középszint
TÁMOP-4-08/-009-00 A kompetencia alapú oktatás feltételeinek megteremtése Vas megye közoktatási intézményeiben Feladatok a logaritmus témaköréhez osztály, középszint Vasvár, 00 május összeállította: Nagy
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
RészletesebbenGazdasági matematika II. vizsgadolgozat megoldása, június 10
Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett
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
RészletesebbenIV. Változók és csoportok összehasonlítása
IV. Változók és csoportok összehasonlítása Tartalom Összetartozó és független minták Csoportosító változók Két összetartozó minta összehasonlítása Két független minta összehasonlítása Több független minta
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
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
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
RészletesebbenSegítség 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
RészletesebbenGépi tanulás a gyakorlatban. Lineáris regresszió
Gépi tanulás a gyakorlatban Lineáris regresszió Lineáris Regresszió Legyen adott egy tanuló adatbázis: Rendelkezésünkre áll egy olyan előfeldolgozott adathalmaz, aminek sorai az egyes ingatlanokat írják
RészletesebbenMatematikai 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:
RészletesebbenMaple: Deriváltak és a függvény nevezetes pontjai
Maple: Deriváltak és a függvény nevezetes pontjai Bevezető Tudjuk, hogy a Maple könnyűszerrel képes végrehajtani a szimbólikus matematikai számításokat, ezért a Maple egy ideális program differenciál-
RészletesebbenStatisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre
Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a
RészletesebbenRegresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program
Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z
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
RészletesebbenKorreláció, regresszió. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet
Korreláció, regresszió Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet Két folytonos változó közötti kapcsolat Tegyük fel, hogy 6 hallgató a következő válaszokat adta egy felmérés
RészletesebbenFogalom STATISZTIKA. Alkalmazhatósági feltételek. A standard lineáris modell. Projekciós mátrix, P
Fogalom STATISZTIKA 8 Előadás Többszörös lineáris regresszió Egy jelenség vizsgálata során általában az adott jelenséget több tényező befolyásolja, vagyis többnyire nem elegendő a kétváltozós modell elemzése
RészletesebbenA Bodrog-folyó vízkémiai adatainak elemzése egy- és kétváltozós statisztikai
A Bodrog-folyó vízkémiai adatainak elemzése egy- és kétváltozós statisztikai Készítette: Fodor András Gergő Környezettan Bsc 2010. Belső témavezető: Kovács József Külső témavezető: Tanos Péter módszerekkel
RészletesebbenSzélsőérték-számítás
Szélsőérték-számítás Jelölések A következő jelölések mind az f függvény x szerinti parciális deriváltját jelentik: Ugyanígy az f függvény y szerinti parciális deriváltja: f x = xf = f x f y = yf = f y
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
RészletesebbenKorreláció számítás az SPSSben
Korreláció számítás az SPSSben Kvantitatív statisztikai módszerek Petrovics Petra Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi
Részletesebben4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis
1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb
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
Részletesebben(Independence, dependence, random variables)
Két valószínűségi változó együttes vizsgálata Feltételes eloszlások Két diszkrét változó együttes eloszlása a lehetséges értékpárok és a hozzájuk tartozó valószínűségek (táblázat) Példa: Egy urna 3 fehér,
RészletesebbenMatematikai geodéziai számítások 5.
Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr Bácsatyai László Matematikai geodéziai számítások 5 MGS5 modul Hibaterjedési feladatok SZÉKESFEHÉRVÁR 2010 Jelen szellemi terméket a szerzői jogról
RészletesebbenVáltozók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció.
http://statisztika.szoc.elte.hu/tarsstat Társadalomstatisztika, 003/004 I. félév. November 5. Mai tematika: Változók közötti kapcsolat III.: a folytonos eset. Regresszió és korreláció. Bevezetés Együttes
RészletesebbenFEGYVERNEKI 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,
RészletesebbenMatematikai geodéziai számítások 5.
Matematikai geodéziai számítások 5 Hibaterjedési feladatok Dr Bácsatyai László Matematikai geodéziai számítások 5: Hibaterjedési feladatok Dr Bácsatyai László Lektor: Dr Benedek Judit Ez a modul a TÁMOP
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenAz állat becsült kor. teljes súly. teljes hossz orrtól. törzs hossza. pocak körkörös méret. hátsó láb hossza kör
Korreláció- és regresszió-analízis Az X és Y véletlen változók között az alábbi ábrákon pozitív összefüggés nem lineáris összefüggés negatív összefüggés van Előfordulhat, hogy X és Y között van kapcsolat,
RészletesebbenEloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke)
Eloszlás-független módszerek (folytatás) 15. elıadás (29-30. lecke) Kétirányú osztályozás (függetlenség és homogenitás) Speciális eset: 2 2-es táblázatok Három-irányú osztályozás 29. lecke Függetlenség-
RészletesebbenÖkonometriai modellek paraméterei: számítás és értelmezés
Ökonometriai modellek paraméterei: számítás és értelmezés Írta: Werger Adrienn, Renczes Nóra, Pereszta Júlia, Vörösházi Ágota, Őzse Adrienn Javította és szerkesztette: Ferenci Tamás (tamas.ferenci@medstat.hu)
RészletesebbenMegoldások MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!
MATEMATIKA II. VIZSGA (VK) NBT. NG. NMH. SZAKOS HALLGATÓK RÉSZÉRE (Kérjük, hogy a megfelelő szakot jelölje be!) 2016. JANUÁR 21. Elérhető pontszám: 50 pont Megoldások 1. 6. 2. 7. 3. 8. 4. 9. 5. Össz.:
RészletesebbenGAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN
GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN ELTE TáTK Közgazdaságtudományi Tanszék Gazdaságmatematika középhaladó szinten MÁSODFOKÚ EGYENLETEK ÉS EGYENLŽTLENSÉGEK Készítette: Gábor Szakmai felel s: Gábor
RészletesebbenFirst Prev Next Last Go Back Full Screen Close Quit
Többváltozós függvények (2) First Prev Next Last Go Back Full Screen Close Quit 1. Egyváltozós függvények esetén a differenciálhatóságból következett a folytonosság. Fontos tudni, hogy abból, hogy egy
RészletesebbenDifferenciálegyenletek. Vajda István március 4.
Analízis előadások Vajda István 2009. március 4. Függvényegyenletek Definíció: Az olyan egyenleteket, amelyekben a meghatározandó ismeretlen függvény, függvényegyenletnek nevezzük. Függvényegyenletek Definíció:
RészletesebbenLeast Squares becslés
Least Squares becslés A négyzetes hibafüggvény: i d i ( ) φx i A négyzetes hibafüggvény mellett a minimumot biztosító megoldás W=( d LS becslés A gradiens számítása és nullává tétele eredményeképp A megoldás
RészletesebbenMatematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók
Matematikai alapok és valószínőségszámítás Középértékek és szóródási mutatók Középértékek A leíró statisztikák talán leggyakrabban használt csoportját a középértékek jelentik. Legkönnyebben mint az adathalmaz
RészletesebbenA szimplex algoritmus
A szimplex algoritmus Ismétlés: reprezentációs tétel, az optimális megoldás és az extrém pontok kapcsolata Alapfogalmak: bázisok, bázismegoldások, megengedett bázismegoldások, degenerált bázismegoldás
RészletesebbenRegressziós vizsgálatok
Regressziós vizsgálatok Regresszió (regression) Általános jelentése: visszaesés, hanyatlás, visszafelé mozgás, visszavezetés. Orvosi területen: visszafejlődés, involúció. A betegség tünetei, vagy maga
RészletesebbenLineáris regressziószámítás 1. - kétváltozós eset
Lineáris regressziószámítás 1. - kétváltozós eset Orlovits Zsanett 2019. február 6. Adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó
RészletesebbenHatározatlan integrál (2) First Prev Next Last Go Back Full Screen Close Quit
Határozatlan integrál () First Prev Next Last Go Back Full Screen Close Quit 1. Az összetett függvények integrálására szolgáló egyik módszer a helyettesítéssel való integrálás. Az idevonatkozó tétel pontos
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
Részletesebben3. Lineáris differenciálegyenletek
3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra
Részletesebben1. Oldja meg a z 3 (5 + 3j) (8 + 2j) 2. Adottak az A(1,4,3), B(3,1, 1), C( 5,2,4) pontok a térben.
Szak: Műszaki menedzser I. Dátum: 006. június. MEGOLDÓKULCS Tárgy: Matematika szigorlat Idő: 0 perc Neptun kód: Előadó: Berta Gábor szig 06 06 0 Pontszám: /00p. Oldja meg a z (5 + j (8 + j + = (+5j (7
Részletesebben1. Parciális függvény, parciális derivált (ismétlés)
Operációkutatás NYME Gazdaságinformatikus mesterképzés El adó: Kalmár János (kalmar[kukac]inf.nyme.hu) Többváltozós széls érték számítás Parciális függvény, parciális derivált Széls érték korlátos zárt
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
RészletesebbenA többváltozós lineáris regresszió 1.
2018. szeptember 17. Lakásár adatbázis - részlet eredmény- és magyarázó jellegű változók Cél: egy eredményváltozó alakulásának jellemzése a magyarázó változók segítségével Legegyszerűbb eset - kétváltozós
Részletesebbenazonosságot minden 1 i, l n, 1 j k, indexre teljesítő együtthatókkal, amelyekre érvényes a = c (j) i,l l,i
A Cochran Fisher tételről A matematikai statisztika egyik fontos eredménye a Cochran Fisher tétel, amely a variancia analízisben játszik fontos szerepet. Ugyanakkor ez a tétel lényegét tekintve valójában
RészletesebbenLogisztikus 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
RészletesebbenLine aris f uggv enyilleszt es m arcius 19.
Lineáris függvényillesztés 2018. március 19. Illesztett paraméterek hibája Eddig azt néztük, hogy a mérési hiba hogyan propagál az illesztett paraméterekbe, ha van egy konkrét függvényünk. a hibaterjedés
RészletesebbenA leíró statisztikák
A leíró statisztikák A leíró statisztikák fogalma, haszna Gyakori igény az, hogy egy adathalmazt elemei egyenkénti felsorolása helyett néhány jellemző tulajdonságának megadásával jellemezzünk. Ezeket az
Részletesebben1. Görbe illesztés a legkissebb négyzetek módszerével
GÖRBE ILLESZTÉS A LEGKISSEBB ÉGYZETEK MÓDSZERÉVEL. Görbe illesztés a legkissebb négyzetek módszerével Az előző gyakorlaton megismerkedtünk a korrelációs együttható fogalmával és számítási módjával. A korrelációs
RészletesebbenKonjugált gradiens módszer
Közelítő és szimbolikus számítások 12. gyakorlat Konjugált gradiens módszer Készítette: Gelle Kitti Csendes Tibor Vinkó Tamás Faragó István Horváth Róbert jegyzetei alapján 1 LINEÁRIS EGYENLETRENDSZEREK
Részletesebben1. Görbe illesztés a legkisebb négyzetek módszerével
1 GÖRBE ILLESZTÉS A LEGKISEBB NÉGYZETEK MÓDSZERÉVEL 1. Görbe illesztés a legkisebb négyzetek módszerével Az el z gyakorlaton megismerkedtünk a korrelációs együttható fogalmával és számítási módjával. A
RészletesebbenLogisztikus regresszió
Logisztikus regresszió Kvantitatív statisztikai módszerek Dr. Szilágyi Roland Függő változó (y) Nem metrikus Metri kus Gazdaságtudományi Kar Független változó (x) Nem metrikus Metrikus Kereszttábla elemzés
Részletesebben[Biomatematika 2] Orvosi biometria
[Biomatematika 2] Orvosi biometria Bódis Emőke 2016. 04. 18. J J 9 Információk a 2. ZH-ról és a vizsgáról 12. hét: gyakorló óra 13. hét: teszt 14. hét: a teszt megbeszélése, vizsgajegyek megajánlása. Minden
Részletesebben