A kutatási terv. 1. Pontosan meg kell határoznunk, hogy mi az, amit meg akarunk tudni. 2. Meg kell határoznunk, hogyan lehet ezt legjobban kideríteni

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "A kutatási terv. 1. Pontosan meg kell határoznunk, hogy mi az, amit meg akarunk tudni. 2. Meg kell határoznunk, hogyan lehet ezt legjobban kideríteni"

Átírás

1 A kutatási terv A tudomány a dolgok kiderítésének szentelt vállalkozás. Bármit is akarunk kideríteni azt többféleképpen is megtehetjük. Mielőtt azonban megfigyeléseket végeznénk, tervre van szükségünk. El kell döntenünk, mit akarunk megfigyelni, elemezni, miért és hogyan. Erről szól a kutatási terv. Két fő szempontot kell figyelembe venni a kutatás megfigyelésekor: 1. Pontosan meg kell határoznunk, hogy mi az, amit meg akarunk tudni. 2. Meg kell határoznunk, hogyan lehet ezt legjobban kideríteni Kutatási célok: A társadalomtudományi kutatásnak sokféle célja lehet. Leggyakoribb: a felderítés leírás és magyarázat Vizsgáljuk meg őket külön-külön. Felderítés: Új érdeklődés felé fordul a kutató, vagy feltáratlan területet vizsgál. (tájékozódó jellegű) Okai lehetnek: 1. Hogy kielégítse a kutató kíváncsiságát, 2. Megállapítsa, lenne-e értelme alaposabb vizsgálatnak, 3. Segítse a későbbi vizsgálatok eljárását. Hiányossága: ritkán ad kielégítő választ, csak sejteni lehet belőlük, de segít a megfelelő módszer kiválasztásában. Például, manapság népszerűvé vált egy furcsa dolog, amelyet szellemidézésnek neveznek. Ebben egy közvetítő vagy médium transzállapotba kerül és olyasvalakinek a hangján szólal meg. aki azt állítja, hogy egy másik világból származik. Először is információkat kell gyűjteni a jelenség kapcsán. Könyveket esetleg cikkeket is olvashatunk erről. Vagy beszélhetünk olyan emberekkel, akik segítik a munkánkat például egy médium. Aztán magunk is mehetünk, ilyen rendezvényekre h megfigyeljük a médiumot és a résztvevőket is. Majd készíthetünk interjút is. Milyen ez? Miért csinálja? Hogy lett médium? És életrajzi kérdéseket is feltehetünk. 1

2 Leírás: A társadalomtudományi kutatásban a fő cél az események és helyzetek leírása. Például egy piackutatás, amely leírja, kik használnak egy meghatározott terméket. Kérdései: mi, hol, mikor és hogyan. Magyarázat: A miérteket is tudni akarjuk, nem csak leírni a tényeket. Például a templomba járás gyakoriságáról beszámolni vajon leírás vagy magyarázat? A gyakorisága az leírás viszont, hogy egyesek miért látogatják a templomot míg mások nem az már magyarázat. Összegezzük a három társadalomtudományi célt: Felderítő vizsgálatok: hozzávetőlegesen képet próbálunk kialakítani valamely jelenségről. Leíró vizsgálat: a vizsgált jelenség bizonyos jellemzőnek pontos mérése és leírása. Magyarázó vizsgálat: a tanulmányozott jelenség különféle aspektusai között kapcsolatok feltárása és bemutatása. Kérdése: miért? Elemzési egységek: (vizsgálat alapegysége) Alapvetően, akiket vagy amiket tanulmányozni akarunk. Legtipikusabb elemzési egység az egyes ember. Kutatók tanulmányozzák az egyének tulajdonságait, nemüket, életkorukat stb. Aztán ezt összesítve leírást adhatunk arról a csoportról, amelyet az egyének alkotnak. Mindig fontos tudni, mi legyen az elemzési egység, például: Politológia 110 kurzus összes diákjának nemét, korát figyeljük meg. Eredményül pedig az kapjuk, hogy 53% férfi 47% nő az átlagéletkor pedig 18,6 év. Fajtái: - Egyének: talán a leggyakoribb elemzési egység, társadalmi csoportokra és interakciókra vonatkozó megfigyelések általában egyénekre vonatkozó megfigyelések összessége. Akkor lenne a legértékesebb, ha minden emberre érvényes lenne, minden embert vizsgálna. A vizsgálatok azonban szűk körre összpontosítanak ehhez képest. - Csoportok: nem a csoport tagjait vizsgálom! Például csoport a család, és annak éves jövedelmét vizsgálom. Itt az elemzési egységek a családok. 2

3 - Szervezetek: például: cégek jellemzése, összehasonlítása gazdasági adataik alapján. - Társadalmi produktumok: emberek és viselkedésük, cselekvéseik eredményei társadalmi objektumok: pl. könyvek, gépek, házak, stb. társadalmi interakciók: házasságok száma, keresztelők, stb. Az elemzési egységekkel kapcsolatos okfejtési hibákról lesz a következőkben szó először is az ökológiai tévkövetkeztetésről majd a redukcionizmusról. Az ökológiai tévkövetkeztetés Ez a kifejezés csoportokra vagy rendszerekre utal: valamire, ami nagyobb az egyénnél. Ökológiai tévkövetkeztetés az, amikor kizárólag nagyobb egységek megfigyelése alapján tévesen- egyénekre vonatkozó következtetéseket hozunk. Például a bűnözési ráta nagyobb azokban a városokba, ahol magas a feketék aránya, mint ott ahol alacsony. Ebből még nem tudhatjuk, hogy ténylegesen a feketék követik-e el a bűncselekményeket. Redukcionizmus: Ha egy komplex jelenséget egy szűk fogalomkészlettel próbálunk megmagyarázni. Például az Amerikai függetlenségi háborút pusztán gazdasági megfontolásokkal. Vagyis egyszerű magyarázatra redukálja azt, ami a valóságban nagyon is bonyolult. Idődimenzió: Eddig arról volt szó, hogy a kutatás megtervezése folyamán el kell döntenünk, hogy kiről milyen szempontból és milyen céllal végezzünk megfigyeléseket. A megfigyeléseket végezhetjük többé-kevésbé egy időben, vagy hosszabb időszakon át. Kétféle lehetősége van: - Keresztmetszeti vizsgálatok - Longitudinális vizsgálatok 3

4 Nézzük meg mit is jelentenek ezek a vizsgálatok: - Keresztmetszeti vizsgálatok: keresztmetszetet vesznek egy adott jelenségről egy adott időben, és azt elemzik. A felderítő és leíró kutatások gyakran ilyenek például: népszámlálás az USA-ban célja: hogy leírja az Amerikai Egyesült Államok lakosságát egy adott időpontban. - Longitudinális vizsgálatok: hosszabb időn át tart a megfigyelés, a kutató a kezdetektől egészen a végéig megfigyel egy jelenséget. Három speciális fajtája van: 1. Trendvizsgálat: nagyobb populáció időben bekövetkezett változásait tanulmányozza. Például: 10 évente végzett népszámlálás, amelyből kiderülnek az ország népességének összetételében bekövetkezett elmozdulások. 2. Kohorszvizsgálat: speciális alpopulációkat (kohorsz) vizsgál, és megnézi, az hogyan változott. A kohorsz többnyire életkor szerinti csoport mint, például az ötvenes években születtek. 3. Panelvizsgálat: hasonló az előző kettőhöz, de itt mindig ugyan azokat az embereket vizsgáljuk. Pl. egy adott szurkolói csoport viszonyulása a klubjához egy adott idény során. Hogyan tervezzünk meg egy kutatást? Hol is kezdjük el és hogyan folytassuk? Kiinduló pontjaink: - Elképzelés - Elgondolás - Elméletek Kezdő lépések: Az elindulásnál érdeklődése minden bizonnyal felderítő jellegű lesz. Egy választott téma kapcsán keresünk könyveket, hogy minél jobban tájékozódjunk. Majd beszélgetünk olyan emberekkel, akik segítségünkre lehetnek. Majd nem árt tisztáznunk, hogy mi is a célunk (félévi jegyszerzés vagy diplomamunkához dolgozat) 4

5 Konceptualizáció: A vizsgálandó fogalmak és változók jelentésének pontos meghatározása, tisztázása. Elengedhetetlen a kutatás előtt. A kutatási módszer megválasztása: Lehet kísérlet - kérdőíves felvétel - terepmunka - tartalomelemzés - meglévő adatok vizsgálata stb. Operacionalizálás: azon konkrét lépések, ill. műveletek, meghatározása, melyeket egy bizonyos fogalom mérésére használni fogunk. (konkrét mérési eljárás) például, kérdőíves megkérdezésnél a kérdőív kérdései és alkérdései. Populáció és minta: az a csoport, melyről meg akarunk valamit állapítani. A teljes populációt azonban gyakorlatilag soha sem tudjuk megvizsgálni, mintát kell venni közülük. Fontos a minta reprezentativitása, az, hogy mennyire közelítik a minta jellemzői a populáció ugyanezen jellemzőit. Reprezentatívnak tekinthető az a minta, amelynek elemei azonos eséllyel kerültek a mintába az alapsokaságból. A minta elemszáma pedig tükrözi a reprezentativitás mértékét. A kutatás ezután megfigyeléssel az adatok feldolgozásával és elemzésével folytatódik, majd következik az alkalmazás tanulmányleírás. Megfigyelés: az empirikus adatok gyűjtése A kutatási tervezet: előzetes összefoglalása annak, hogy miért kerül sor a kutatásra, és az hogyan fog zajlani. Gyakran elvárják. A kutatási tervezet alapelemei: 1. Probléma vagy cél: mit vizsgálok, miért jó ez, mi a jelentősége, stb. 2. Szakirodalmi áttekintés 3. A vizsgálat alanyai (populáció, minta, hogyan választja ki, stb.) 5

6 4. Mérés (hogyan definiálja és méri a változókat, milyen mérőeszközt használ: pl. kérdőív, stb.) 5. Adatgyűjtési módszerek: kísérlet vagy kérdőívezés, terepkutatás, vagy meglévő statisztikák? 6. Elemzés: miért?, mik a magyarázó változók? 7. Határidők 8. Költségvetés (ha kell beadni) 6

7 Konceptualizálás, operacionalizálás mérés Azt a folyamatot, melynek során pontosan meghatározzuk, hogy az egyes kifejezéseken mit értünk, konceptualizálásnak nevezzük. A pontos jelentés meghatározásának folyamatába beletartozik a fogalom mérésére használandó indikátorok és dimenziók leírása is. Indikátor: a vizsgált fogalom meglétét, illetve hiányát mutatja. Dimenzió: valamely fogalom meghatározott vonatkozása, oldala, nézőpontja. Indikátorok felcserélhetőségének elve: azt jelenti, hogy a mutatók, amennyiben mind ugyan annak a fogalomnak a mutatói, akkor felcserélhetők, vagyis mind ugyanúgy viselkednek a mérés során, ahogy a vizsgált fogalom viselkedne. A társadalomtudományi kutatások megtervezéséhez ki kell tisztítani a valóság és a fogalom körüli zűrzavart. Háromféle definíciót hasznos megkülönböztetni: a normális, a valós, az operacionális. Operacionalizálás: Míg a konceptualizálás az elvont fogalmak finomítását és specifikálását jelenti, addig az operacionalizálás azoknak a konkrét kutatási eljárásoknak (műveleteknek) a kialakítását, melyek eredményeképpen ezekkel a fogalmakkal a valóságban megjelenő empirikus megfigyelésekhez jutunk, vagyis az operacionalizálás során a változók méréséhez vezető konkrét empirikus eljárásokat határozzuk meg. A konceptualizáslás és az operacionalizálás folyamatát úgy tekinthetjük, hogy ilyenkor határozzuk meg a változókat és az őket alkotó attribútumokat. Az attribútum valamely dolog tulajdonsága, jellemzője, például hogy valaki nő, hogy valaki öreg, hogy valaki egyetemi hallgató. A változó pedig nem más, mint a logikailag egymáshoz tartozó attribútumok halmaza: a nem változója például a férfi és a nő halmazából áll, másképpen fogalmazva: a nem változója a férfi és a nő értéket veheti föl. A mérés terjedelme: Jelentése az, hogy a vizsgálni kívánt értékek mely tartományát vizsgáljuk a kutatás során. Pl. bizonyos szélsőségesen magas vagy alacsony értékeket nem veszünk figyelembe, hiszen az nem befolyásolja döntően a kutatást. A lényeg: azt a tartományt mérjük, ami a 7

8 kutatás szempontjából fontos. Pl. Családok éves luxuskiadásai egy intervallumban meghatározva. Precizitás: A lényege az, hogy egy vizsgált változót jelző attribútum, tulajdonság precizitása azt jelenti, hogy mennyire finom különbséget teszünk az attribútumok között. Pl. tulajdonsága egy férfinak az, hogy egyetemista, de precízebb az, hogy másodéves egyetemista Mérési szintek: A mérési szintek az attribútumokra vonatkoznak. Különböző kapcsolat állhat fenn az attribútumok között, amit a mérési szintekkel kategorizálhatunk. A négyféle mérési szint: 1. Nominális változók: olyan változók tartoznak ebbe a csoportba, melyek attribútumaira a teljesség és kölcsönös kizárás feltételei érvényesek. Pl. bőrszín,születési hely, halyszín, férfi-nő, stb. Ez a legalacsonyabb mérési szint. 2. Ordinális (rendezési) változók csoportjába azok tartoznak, melyek attribútumait rangsorolni lehet valami alapján. Például, viszony a mozizáshoz: imádom, elmegy, nem érdekel, utálom. Fontos, hogy ennél a csoportnál nincs számszerű távolság az attribútumok között. Nincs értelme számszerűsíteni, de lehet rangsorolni. 3. Intervallum mérési szintű változók: itt az előzőhöz képest már van távolság az egyes csoportok között, a távolságok kifejezhetők mértékegységekkel, intervallumokkal. Nincs valódi nullapontjuk, ilyen például az IQ teszt is. 4. Arányskála: olyan intervallum szintű változók tartoznak ide, amelyeknek már van abszolút nulla pontjuk is, például: tengerszint feletti magasság. Ez a legmagasabb mérési szint. Mérés minősége: Megbízhatóság: lényege az, hogy ha megismételnénk a mérést, ugyan azt az eredményt kapjuk-e, vagy sem. A megbízhatóság azonban még nem biztos, hogy hitelességet is jelent, hiszen a mérésben lehet torzítás is. (Pl. hogyha megkérdeznék pár embert, hogy engem hány kilónak tippelnek?! Akkor mindenki csak egy becsült értéket tud mondani, ami eltér egymástól vagy egy gyár minőségellenőrző gépe mindig a jó, 6 cm-s darabot méri, de a mérőgép téved mindig 1 cm-t, mert valaki nekiment és elállította.) Érvényesség: a köznapi kifejezés jelentése az, hogy egy mérés mennyire tükrözi a fogalom valódi, elfogadott jelentését. Megfelel-e a vizsgált változó leírására, vagy sem. 8

9 Fajtái: - Érvényesség ránézésre (facevalidity): Például, nem érvényes már ránézésre az a felmérés, ami a futballszurkolók rajongását aszerint méri, hogy este a meccs után néznek-e Híradót. Lényege: alkalmas mérőeszköz-e amit választottunk, vagy sem? - Kritérium szerinti érvényesség: valami külső ismérven alapszik. Pl. az egyetemi felvételi vizsgája ilyen, megmutatja, hogy mennyire jól tudja megjósolni a diákok későbbi eredményeit. Vagy egy edzésen lőtt mesterhármas érvényességét jól mutatja, ha a srác meccsen is jól játszik és gólokat lő majd. (előrejelző érvényességnek is hívják) - Szerkezeti érvényesség: a változók közötti logikus kapcsolatokon alapul. A kapcsolat az elméleti összefüggéseken belül alkalmazott mérőeszköz és a többi változó között? Pl. állítás: elégedetlen szurkolók inkább verekednek, mint az elégedettek. Ha ez igaz, akkor szerkezetileg érvényes az állítás. Ha az elégedettek is ugyan úgy törnek-zúznak, akkor szerkezetileg nem érvényes! - Tartalmi érvényesség: átfogja-e rendesen a mérőeszköz a mérni kívánt fogalom jelentéstartományát, például: a jó kosárlabdázót nem csak jó dobások jellemzik, úgy nem elég mérni! Kell még: jól passzol-e, gyors-e, erős-e, magas-e, stb. 9

10 10

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN (Babbie) 1. Konceptualizáció 2. Operacionalizálás 3. Mérés 4. Adatfeldolgozás 5. Elemzés 6. Felhasználás KUTATÁS LÉPÉSEI 1. Konceptualizáció 2. Operacionalizálás

Részletesebben

Szerzők: Kmetty Zoltán Lektor: Fokasz Nikosz TÁMOP A/1-11/ INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS

Szerzők: Kmetty Zoltán Lektor: Fokasz Nikosz TÁMOP A/1-11/ INFORMÁCIÓ - TUDÁS ÉRVÉNYESÜLÉS Kutatásmódszertan és prezentációkészítés 2. rész: Kutatási terv készítése Szerzők: Kmetty Zoltán Lektor: Fokasz Nikosz Második rész Kutatási terv készítése (Babbie 2008 alapján) Tartalomjegyzék Kutatási

Részletesebben

PIACKUTATÁS (MARKETINGKUTATÁS)

PIACKUTATÁS (MARKETINGKUTATÁS) PIACKUTATÁS (MARKETINGKUTATÁS). FŐBB PONTOK A kutatási terv fogalmának meghatározása, a különböző kutatási módszerek osztályozása, a feltáró és a következtető kutatási módszerek közötti különbségtétel

Részletesebben

A társadalomkutatás módszerei I.

A társadalomkutatás módszerei I. A társadalomkutatás módszerei I. 2. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. IX. 22. Outline 1 Bevezetés 2 Társadalomtudományi módszerek Beavatkozásmentes vizsgálatok Kvalitatív terepkutatás

Részletesebben

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015

A mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015 A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel

Részletesebben

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Matematikai 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

Részletesebben

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel KUTATÁSMÓDSZERTAN 4. ELŐADÁS A minta és mintavétel 1 1. A MINTA ÉS A POPULÁCIÓ VISZONYA Populáció: tágabb halmaz, alapsokaság a vizsgálandó csoport egésze Minta: részhalmaz, az alapsokaság azon része,

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

Matematikai 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

Részletesebben

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató

Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana. Domokos Tamás, módszertani igazgató Közösségi kezdeményezéseket megalapozó szükségletfeltárás módszertana Domokos Tamás, módszertani igazgató A helyzetfeltárás célja A közösségi kezdeményezéshez kapcsolódó kutatások célja elsősorban felderítés,

Részletesebben

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás STATISZTIKA, BIOMETRIA. Előadás Mintavétel, mintavételi technikák, adatbázis Mintavétel fogalmai A mintavételt meg kell tervezni A sokaság elemei: X, X X N, lehet véges és végtelen Mintaelemek: x, x x

Részletesebben

Bevezető Mi a statisztika? Mérés Csoportosítás

Bevezető Mi a statisztika? Mérés Csoportosítás Gazdaságstatisztika 1. előadás Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.bmf.hu) Fogadóóra: szerda 11:30 11:55, TA125 Gyakorlatvezető

Részletesebben

Témaválasztás, kutatási kérdések, kutatásmódszertan

Témaválasztás, kutatási kérdések, kutatásmódszertan Témaválasztás, kutatási kérdések, kutatásmódszertan Dr. Dernóczy-Polyák Adrienn PhD egyetemi adjunktus, MMT dernoczy@sze.hu A projekt címe: Széchenyi István Egyetem minőségi kutatói utánpótlás nevelésének

Részletesebben

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

Statisztikai 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,

Részletesebben

FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20.

FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) Kutatási terv október 20. FİBB PONTOK PIACKUTATÁS (MARKETINGKUTATÁS) 2010. október 20. A kutatási terv fogalmának, a különbözı kutatási módszerek osztályozása, a feltáró és a következtetı kutatási módszerek közötti különbségtétel

Részletesebben

A társadalomkutatás módszerei I.

A társadalomkutatás módszerei I. A társadalomkutatás módszerei I. 3. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. IX. 29. Outline 1 Bevezetés 2 A fogalom 3 Konceptualizálás 4 Operacionalizálás 5 Változók és mérési szintek Daróczi

Részletesebben

[GVMGS11MNC] Gazdaságstatisztika

[GVMGS11MNC] Gazdaságstatisztika [GVMGS11MNC] Gazdaságstatisztika 1. előadás Kóczy Á. László koczy.laszlo@kgk.uni-obuda.hu Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Óbudai Egyetem Oktatók Előadó Kóczy Á. László (koczy.laszlo@kgk.uni-obuda.hu)

Részletesebben

A társadalomkutatás módszerei I. Outline. Most járunk, vagy nem járunk? Már úgy szeretném megtudnííí, hogy most já-runk-e, vagy nem já-runk?

A társadalomkutatás módszerei I. Outline. Most járunk, vagy nem járunk? Már úgy szeretném megtudnííí, hogy most já-runk-e, vagy nem já-runk? A társadalomkutatás módszerei I. 3. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. IX. 29. Outline 1 Bevezetés 2 A fogalom 3 4 Operacionalizálás 5 Változók és mérési szintek Daróczi Gergely (BCE)

Részletesebben

Sta t ti t s i zt z i t k i a 3. előadás

Sta t ti t s i zt z i t k i a 3. előadás Statisztika 3. előadás Statisztika fogalma Gyakorlati tevékenység Adatok összessége Módszertan A statisztika, mint gyakorlati tevékenység a tömegesen előforduló jelenségek egyedeire vonatkozó információk

Részletesebben

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése

Matematikai alapok és valószínőségszámítás. Statisztikai változók Adatok megtekintése Matematikai alapok és valószínőségszámítás Statisztikai változók Adatok megtekintése Statisztikai változók A statisztikai elemzések során a vizsgálati, vagy megfigyelési egységeket különbözı jellemzık

Részletesebben

6. Előadás. Vereb György, DE OEC BSI, október 12.

6. 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

Részletesebben

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8.

A társadalomkutatás módszerei I. Outline. A mintaválasztás A mintaválasztás célja. Notes. Notes. Notes. 13. hét. Daróczi Gergely. 2011. december 8. A társadalomkutatás módszerei I. 13. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. december 8. Outline 1 célja 2 Alapfogalmak 3 Mintavételi eljárások 4 További fogalmak 5 Mintavételi hiba számítása

Részletesebben

Mintavételi eljárások

Mintavételi eljárások Mintavételi eljárások Daróczi Gergely, PPKE BTK 2008. X.6. Óravázlat A mintavétel célja Alapfogalmak Alapsokaság, mintavételi keret, megfigyelési egység, mintavételi egység... Nem valószínűségi mintavételezési

Részletesebben

A társadalomkutatás módszerei I.

A társadalomkutatás módszerei I. A társadalomkutatás módszerei I. 13. hét Daróczi Gergely Budapesti Corvinus Egyetem 2011. december 8. Outline 1 A mintaválasztás célja 2 Alapfogalmak 3 Mintavételi eljárások 4 További fogalmak 5 Mintavételi

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

S atisztika 2. előadás

S atisztika 2. előadás Statisztika 2. előadás 4. lépés Terepmunka vagy adatgyűjtés Kutatási módszerek osztályozása Kutatási módszer Feltáró kutatás Következtető kutatás Leíró kutatás Ok-okozati kutatás Keresztmetszeti kutatás

Részletesebben

Ittfoglalomösszea legfontosabbtudnivalókat, részleteka honlapon, illetvea gyakorlatvezetőtől is kaptok információkat.

Ittfoglalomösszea legfontosabbtudnivalókat, részleteka honlapon, illetvea gyakorlatvezetőtől is kaptok információkat. 1 Ittfoglalomösszea legfontosabbtudnivalókat, részleteka honlapon, illetvea gyakorlatvezetőtől is kaptok információkat. A statisztika tanulásához a legtöbb infomrációkat az előadásokon és számítógépes

Részletesebben

STATISZTIKA I. A változók mérési szintjei. Nominális változók. Alacsony és magas mérési szint. Nominális változó ábrázolása

STATISZTIKA I. A változók mérési szintjei. Nominális változók. Alacsony és magas mérési szint. Nominális változó ábrázolása A változók mérési szintjei STATISZTIKA I. 3. Előadás Az adatok mérési szintjei, Viszonyszámok A változók az alábbi típusba tartozhatnak: Nominális (kategorikus és diszkrét) Ordinális Intervallum skála

Részletesebben

A Statisztika alapjai

A Statisztika alapjai A Statisztika alapjai BME A3c Magyar Róbert 2016.05.12. Mi az a Statisztika? A statisztika a valóság számszerű információinak megfigyelésére, összegzésére, elemzésére és modellezésére irányuló gyakorlati

Részletesebben

Az empirikus vizsgálatok alapfogalmai

Az empirikus vizsgálatok alapfogalmai Az empirikus vizsgálatok alapfogalmai Az adatok forrása és jellege Milyen kísérleti típusok fordulnak elő a beszédtudományokban? Milyen adatok jönnek ki ezekből? Tudományosan (statisztikailag) megválaszolható

Részletesebben

Statisztika. Politológus képzés. Daróczi Gergely április 24. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely április 24. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. április 24. Outline 1 A mintavételi hiba és konfidencia-intervallum 2 A mintaválasztás A mintaválasztás célja Alapfogalmak A mintaválasztás

Részletesebben

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár PhD kurzus Mi a statisztika? A sokaság (a sok valami) feletti áttekintés megszerzése, a sokaságról való információszerzés eszköze. Célja: - a sokaságot

Részletesebben

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

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

Részletesebben

Verbális adatszerzési technikák. interjú

Verbális adatszerzési technikák. interjú Verbális adatszerzési technikák interjú Az interjú a kérdıívekkel együtt a társadalomtudományokban nagyon gyakran használt felmérés (survey) módszer egyik fajtája. A felmérés információgyőjtı módszer leíró

Részletesebben

Adatok statisztikai értékelésének főbb lehetőségei

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

Részletesebben

Mérés és modellezés 1

Mérés és modellezés 1 Mérés és modellezés 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni kell

Részletesebben

[Biomatematika 2] Orvosi biometria

[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.

Részletesebben

Méréselmélet MI BSc 1

Méréselmélet MI BSc 1 Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok

Részletesebben

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015 A pedagógiai kutatás metodológiai alapjai Dr. Nyéki Lajos 2015 A pedagógiai kutatás jellemző sajátosságai A pedagógiai kutatás célja a személyiség fejlődése, fejlesztése során érvényesülő törvényszerűségek,

Részletesebben

Biomatematika 2 Orvosi biometria

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)

Részletesebben

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI MÉRÉSI EREDMÉYEK POTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI. A mérési eredmény megadása A mérés során kapott értékek eltérnek a mérendő fizikai mennyiség valódi értékétől. Alapvetően kétféle mérési hibát különböztetünk

Részletesebben

Centura Szövegértés Teszt

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:

Részletesebben

[Biomatematika 2] Orvosi biometria

[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

Részletesebben

Biomatematika 2 Orvosi biometria

Biomatematika 2 Orvosi biometria Biomatematika 2 Orvosi biometria 2017.02.05. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

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

Részletesebben

KUTATÁSMÓDSZERTAN. Miskolci Egyetem Gazdaságtudományi Kar Gazdaságelméleti Intézet MSc képzés (GTGKG251ML)

KUTATÁSMÓDSZERTAN. Miskolci Egyetem Gazdaságtudományi Kar Gazdaságelméleti Intézet MSc képzés (GTGKG251ML) KUTATÁSMÓDSZERTAN Miskolci Egyetem Gazdaságtudományi Kar Gazdaságelméleti Intézet MSc képzés (GTGKG251ML) Tárgyjegyző: Sáfrányné Dr. Gubik Andrea, egyetemi docens Tantárgy feladata és célja: A tárgy célja,

Részletesebben

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv Mérések, mérési eredmények, mérési bizonytalanság A mérések általános és alapvető metrológiai fogalmai és definíciói mérés Műveletek összessége, amelyek célja egy mennyiség értékének meghatározása. mérési

Részletesebben

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

Mi az adat? Az adat elemi ismeret. Az adatokból információkat Mi az adat? Az adat elemi ismeret. Tények, fogalmak olyan megjelenési formája, amely alkalmas emberi eszközökkel történő értelmezésre, feldolgozásra, továbbításra. Az adatokból gondolkodás vagy gépi feldolgozás

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.08. Orvosi biometria (orvosi biostatisztika) Statisztika: tömegjelenségeket számadatokkal leíró tudomány. A statisztika elkészítésének menete: tanulmányok (kísérletek)

Részletesebben

Dr. Kozma Gábor rektor, Gál Ferenc Főiskola. Dr. Thékes István ERASMUS koordinátor, Gál Ferenc Főiskola

Dr. Kozma Gábor rektor, Gál Ferenc Főiskola. Dr. Thékes István ERASMUS koordinátor, Gál Ferenc Főiskola Dr. Kozma Gábor rektor, Gál Ferenc Főiskola Dr. Thékes István ERASMUS koordinátor, Gál Ferenc Főiskola Az oktatói részvétel hatása az ERASMUS+ mobilitási program eredményességére, a nemzetköziesítésre

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement

Részletesebben

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely április 17. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. április 17. Outline 1 Leíró statisztikák 2 Középértékek Példa 3 Szóródási mutatók Példa 4 Néhány megjegyzés a grafikonokról 5 Számítások

Részletesebben

Microsoft Excel 2010. Gyakoriság

Microsoft Excel 2010. Gyakoriság Microsoft Excel 2010 Gyakoriság Osztályközös gyakorisági tábla Nagy számú mérési adatokat csoportokba (osztályokba) rendezése -> könnyebb áttekintés Osztályokban szereplő adatok száma: osztályokhoz tartozó

Részletesebben

Statisztika. Politológus képzés. Daróczi Gergely. 2012. március 20. Politológia Tanszék

Statisztika. Politológus képzés. Daróczi Gergely. 2012. március 20. Politológia Tanszék Statisztika Politológus képzés Daróczi Gergely Politológia Tanszék 2012. március 20. Outline 1 Megbízhatóság és érvényesség 2 Az adatgyűjtés forrásai 3 Társadalomtudományi módszerek Beavatkozásmentes vizsgálatok

Részletesebben

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás)

Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Saját vállalkozás Értékesítések (összes, geográfiai -, ügyfelenkénti-, termékenkénti megoszlás) Piaci részesedés Haszonkulcs Marketing folyamatok Marketing szervezet Értékesítési/marketing kontrol adatok

Részletesebben

Mérés és modellezés Méréstechnika VM, GM, MM 1

Mérés és modellezés Méréstechnika VM, GM, MM 1 Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ 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

Részletesebben

Az értékelés során következtetést fogalmazhatunk meg a

Az értékelés során következtetést fogalmazhatunk meg a Az értékelés során következtetést fogalmazhatunk meg a a tanuló teljesítményére, a tanulási folyamatra, a célokra és követelményekre a szülők teljesítményére, a tanulási folyamatra, a célokra és követelményekre

Részletesebben

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása HIPOTÉZIS VIZSGÁLAT A hipotézis feltételezés egy vagy több populációról. (pl. egy gyógyszer az esetek 90%-ában hatásos; egy kezelés jelentősen megnöveli a rákos betegek túlélését). A hipotézis vizsgálat

Részletesebben

Kérdőíves vizsgálatok

Kérdőíves vizsgálatok Kérdőíves vizsgálatok A kérdőíves vizsgálat fogalma, célja, fajtái Fogalma: Célja: Fajtái: A tudományos adatgyűjtés egyik módszere Kérdőív segítségével térképezik fel a megkérdezettek véleményét, tudását,

Részletesebben

Segítség az outputok értelmezéséhez

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

Részletesebben

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak

Matematika feladatbank I. Statisztika. és feladatgyűjtemény középiskolásoknak Matematika feladatbank I. Statisztika Elméleti összefoglaló és feladatgyűjtemény középiskolásoknak ÍRTA ÉS ÖSSZEÁLLÍTOTTA: Dugasz János 2011 Fapadoskonyv.hu Kft. Dugasz János Tartalom Bevezető 7 Adatok

Részletesebben

A tartalomelemzés szőkebb értelemben olyan szisztematikus kvalitatív eljárás, amely segítségével bármely szöveget értelmezni tudunk, és

A tartalomelemzés szőkebb értelemben olyan szisztematikus kvalitatív eljárás, amely segítségével bármely szöveget értelmezni tudunk, és Tartalomelemzés A tartalomelemzés szőkebb értelemben olyan szisztematikus kvalitatív eljárás, amely segítségével bármely szöveget értelmezni tudunk, és végeredményben a szöveg írójáról vonhatunk le következtetéseket.

Részletesebben

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás Matematikai alapok és valószínőségszámítás Valószínőségi eloszlások Binomiális eloszlás Bevezetés A tudományos életben megfigyeléseket teszünk, kísérleteket végzünk. Ezek többféle különbözı eredményre

Részletesebben

EPIDEMIOLÓGIA I. Alapfogalmak

EPIDEMIOLÓGIA I. Alapfogalmak EPIDEMIOLÓGIA I. Alapfogalmak TANULJON EPIDEMIOLÓGIÁT! mert része a curriculumnak mert szüksége lesz rá a bármilyen tárgyú TDK munkában, szakdolgozat és rektori pályázat írásában mert szüksége lesz rá

Részletesebben

Kutatásmódszertan. Kulturális szempont megjelenése. Modulok áttekintése. Történet Témák és megközelítések. 11. Társadalmi nézőpont

Kutatásmódszertan. Kulturális szempont megjelenése. Modulok áttekintése. Történet Témák és megközelítések. 11. Társadalmi nézőpont Kutatásmódszertan. Társadalmi nézőpont Modulok áttekintése Kulturális szempont megjelenése Kulturális összehasonlító pszichológia Kulturális pszichológia Értékelő vizsgálatok HÁZI FELADAT 2006.08.29. Kutatásmódszertan:

Részletesebben

Példa a report dokumentumosztály használatára

Példa a report dokumentumosztály használatára Példa a report dokumentumosztály használatára Szerző neve évszám Tartalomjegyzék 1. Valószínűségszámítás 5 1.1. Események matematikai modellezése.............. 5 1.2. A valószínűség matematikai modellezése............

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

AZ EGYETEMI KAROK JELLEMZŐINEK ÖSSZEFOGLALÓ ÉRTÉKELÉSE

AZ EGYETEMI KAROK JELLEMZŐINEK ÖSSZEFOGLALÓ ÉRTÉKELÉSE E G Y E T E M I K A R O K H A L L G A T Ó I É R T É K E L É S E AZ EGYETEMI KAROK JELLEMZŐINEK ÖSSZEFOGLALÓ ÉRTÉKELÉSE A korábbi fejezetekben témakörönként elemeztük a hallgatók elégedettségét egyetemük

Részletesebben

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

BAGME11NNF 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

Részletesebben

JA45 Cserkeszőlői Petőfi Sándor Általános Iskola (OM: ) 5465 Cserkeszőlő, Ady Endre utca 1.

JA45 Cserkeszőlői Petőfi Sándor Általános Iskola (OM: ) 5465 Cserkeszőlő, Ady Endre utca 1. ORSZÁGOS KOMPETENCIAMÉRÉS EREDMÉNYEINEK ÉRTÉKELÉSE LÉTSZÁMADATOK Intézményi, telephelyi jelentések elemzése SZÖVEGÉRTÉS 2016 6. a 6. b osztály 1. ÁTLAGEREDMÉNYEK A tanulók átlageredménye és az átlag megbízhatósági

Részletesebben

Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság

Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság Módszertani dilemmák a statisztikában 40 éve alakult a Jövőkutatási Bizottság SZIGNIFIKANCIA Sándorné Kriszt Éva Az MTA IX. Osztály Statisztikai és Jövőkutatási Tudományos Bizottságának tudományos ülése

Részletesebben

Fizika óra. Érdekes-e a fizika? Vagy mégsem? A fizikusok számára ez nem kérdés, ők biztosan nem unatkoznak.

Fizika óra. Érdekes-e a fizika? Vagy mégsem? A fizikusok számára ez nem kérdés, ők biztosan nem unatkoznak. Fizika óra Érdekes-e a fizika? A fizikusok számára ez nem kérdés, ők biztosan nem unatkoznak. A fizika, mint tantárgy lehet ugyan sokak számára unalmas, de a fizikusok világa a nagyközönség számára is

Részletesebben

Bevezetés az ökológiába Szerkesztette: Vizkievicz András

Bevezetés az ökológiába Szerkesztette: Vizkievicz András Vizsgakövetelmények Ismerje a(z élettelen és élő) környezet fogalmát. Elemezzen tűrőképességi görbéket: minimum, maximum, optimum, szűk és tág tűrés. Legyen képes esettanulmányok alapján a biológiai jelzések

Részletesebben

1. óra: A területi adatbázis elkészítése, területi szintek

1. óra: A területi adatbázis elkészítése, területi szintek 1. óra: A területi adatbázis elkészítése, területi szintek Az informatika alkalmazása a társadalomföldrajzban (TTGBL6520) gyakorlat 2018-2019. tanév A területi adatbázis A statisztikai jellegű információk

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai 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

Részletesebben

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Hipotézis 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

Részletesebben

y ij = µ + α i + e ij

y ij = µ + α i + e ij Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

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

Részletesebben

Kérdıívek, tesztek I. Kérdıívek

Kérdıívek, tesztek I. Kérdıívek Kérdıívek, tesztek I. Kérdıívek Kérdıíves vizsgálat céljára alkalmas témák A kérdıíves vizsgálatok alkalmasak leíró, magyarázó és felderítı célokra. Leginkább olyan kutatásban használják, amelyekben az

Részletesebben

Iskolai jelentés. 10. évfolyam szövegértés

Iskolai jelentés. 10. évfolyam szövegértés 2008 Iskolai jelentés 10. évfolyam szövegértés Az elmúlt évhez hasonlóan 2008-ban iskolánk is részt vett az országos kompetenciamérésben, diákjaink matematika és szövegértés teszteket, illetve egy tanulói

Részletesebben

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció: Biostatisztika = Biometria = Orvosi statisztika Biomatematika 2. előadás Néhány egyszerű definíció: A statisztika olyan tudomány, amely a tömegjelenségekkel kapcsolatos tapasztalati törvényeket megfigyelések

Részletesebben

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás STATISZTIKA Hipotézis, sejtés 11. Előadás Hipotézisvizsgálatok, nem paraméteres próbák Tudományos hipotézis Nullhipotézis felállítása (H 0 ): Kétmintás hipotézisek Munkahipotézis (H a ) Nullhipotézis (H

Részletesebben

1. Logikailag ekvivalens

1. Logikailag ekvivalens Informatikai logikai alapjai Mérnök informatikus 4. gyakorlat 1. Logikailag ekvivalens 1. Az alábbi formulák közül melyek logikailag ekvivalensek a ( p p) formulával? A. ((q p) q) B. (q q) C. ( p q) D.

Részletesebben

Miben fejlődne szívesen?

Miben fejlődne szívesen? Miben fejlődne szívesen? Tartalomelemzés Szegedi Eszter 2011. január A vizsgálat egy nagyobb kutatás keretében történt, melynek címe: A TANÁRI KOMEPETENCIÁK ÉS A TANÍTÁS EREDMÉNYESSÉGE A kutatás három

Részletesebben

Áruforgalom tervezése. 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok

Áruforgalom tervezése. 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok Áruforgalom tervezése 1. óra A gazdasági statisztika alapjai Alapfogalmak, viszonyszámok Alapvető gazdasági számítások 1. Egy vállalkozás tevékenysége nagyon összetett. Szükség van arra, hogy ismerjük

Részletesebben

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI SZENT ISTVÁN EGYETEM GÖDÖLLŐ MECHANIKAI ÉS GÉPTANI INTÉZET A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI Dr. M. Csizmadia Béla egyetemi tanár, az MMK Gépészeti Tagozatának elnöke Budapest 2013. október. 25. BPMK

Részletesebben

Statisztikai alapfogalmak

Statisztikai alapfogalmak i alapfogalmak statisztikai sokaság: a megfigyelés tárgyát képező egyedek összessége 2 csoportja van: álló sokaság: mindig vmiféle állapotot, állományt fejez ki, adatai egy adott időpontban értelmezhetők

Részletesebben

Korrelációs kapcsolatok elemzése

Korrelációs 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

Részletesebben

Statisztika. Dr Gősi Zsuzsanna. Egyetemi adjunktus. Sportmenedzsment Tanszék

Statisztika. Dr Gősi Zsuzsanna. Egyetemi adjunktus. Sportmenedzsment Tanszék Statisztika Dr Gősi Zsuzsanna Egyetemi adjunktus Sportmenedzsment Tanszék Kötelező irodalom - Számonkérés Pintér József Ács Pongrác Bevezetés a sportstatisztikába Dialóg Campus Kiadó 2007 Honlap: www.dialog-kiado.hu

Részletesebben

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

4/24/12. 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

Részletesebben

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán

A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán A nappali tagozatra felvett gépészmérnök és műszaki menedzser hallgatók informatikai ismeretének elemzése a Budapesti Műszaki Főiskolán Kiss Gábor BMF, Mechatronikai és Autótechnikai Intézet kiss.gabor@bgk.bmf.hu

Részletesebben

2. előadás. Viszonyszámok típusai

2. előadás. Viszonyszámok típusai 2. előadás Viszonyszámok típusai Mérési skálák Nominális /névleges skála: kötetlen hozzárendelése a számoknak Sorrendi / Ordinális skála: sokaság egyedeinek egy közös tulajdonság szerinti sorbarendezése

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI 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

Részletesebben

Kutatásmódszertan és prezentációkészítés

Kutatásmódszertan és prezentációkészítés Kutatásmódszertan és prezentációkészítés 10. rész: Az adatelemzés alapjai Szerző: Kmetty Zoltán Lektor: Fokasz Nikosz Tizedik rész Az adatelemzés alapjai Tartalomjegyzék Bevezetés Leíró statisztikák I

Részletesebben

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra Vörös Zsuzsanna NÉBIH RFI tervezési referens 2013. április 17. Egy kis felmérés nem kor Következtetések: 1. a jelenlevők nemi megoszlása:

Részletesebben

Roma fiatalok a középiskolában: Beszámoló a TÁRKI Életpálya-felmérésének 2006 és 2012 közötti hullámaiból

Roma fiatalok a középiskolában: Beszámoló a TÁRKI Életpálya-felmérésének 2006 és 2012 közötti hullámaiból Roma fiatalok a középiskolában: Beszámoló a TÁRKI Életpálya-felmérésének 2006 és 2012 közötti hullámaiból Hajdu Tamás 1 Kertesi Gábor 1 Kézdi Gábor 1,2 1 MTA KRTK KTI 2 CEU Szirák 2014.11.29. Hajdu - Kertesi

Részletesebben

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség.

1. tétel. Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. 1. tétel Valószínűségszámítás vizsga Frissült: 2013. január 19. Valószínűségi mező, véletlen tömegjelenség. A valószínűségszámítás tárgya: véletlen tömegjelenségek vizsgálata. véletlen: a kísérlet kimenetelét

Részletesebben

Biomatematika 13. Varianciaanaĺızis (ANOVA)

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:

Részletesebben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének 6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük

Részletesebben

Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.)

Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.) Mesterséges intelligencia, 7. előadás 2008. október 13. Készítette: Masa Tibor (KPM V.) Bizonytalanságkezelés: Az eddig vizsgáltakhoz képest teljesen más világ. A korábbi problémák nagy része logikai,

Részletesebben