PEDAGÓGIAI KUTATÁS KVANTITATÍV MÓDSZEREI. T. Parázsó Lenke
|
|
- Enikő Fodorné
- 9 évvel ezelőtt
- Látták:
Átírás
1 PEDAGÓGIAI KUTATÁS KVANTITATÍV MÓDSZEREI T. Parázsó Lenke
2 Kutatás fogalma A kutatás alatt értendő valamilyen tudatosult igény, probléma megoldására irányuló megoldási folyamat, melynek során a jelenséget komplex módon előre átgondolt hipotézis alapján kell tanulmányozni. Kutatási stratégiák Deduktív (analitikus) kutatási stratégia: a forrásokat, dokumentumokat és eddigi tapasztalatokat elemezve fogalmazza meg az elveket, törvényszerűségeket. Induktív (empirikus) kutatási stratégia: a következtetéseket a tapasztalati mérésekre és azok elemzésére alapozva kell levonni. 2
3 Kutatási terv 3
4 Mérés A mérés - megadott szabályok szerinti hozzárendelést jelent adott dolgokhoz, tulajdonságokhoz. A megadott szabályok alapján kell a mérési skálákat definiálni. A statisztikai mérések során a váltózókat a valós számok jellemzőihez viszonyítva osztályozzuk A mérési skálák típusai: Nominális skála Ordinális skála Intervallumskála Arányskála 4
5 A minta és populáció Populáció (alapsokaság): azon személyek összessége, akikre a kutatás eredményeit vonatkoztatni szándékozunk. Reprezentatív populáció: pontosan körülhatárolt, a reprezentatív egységeket képviselő, megfelelő nagyságú minta. A minta nagyságát meghatározó tényezők: az eredmények megbízhatósága, a vizsgált tényezők erőssége, populáció sajátossága homogén, heterogén, - elemzett változók száma (növeli), kutatási módszerek (gazdasági szempontok). 5
6 A változó Az egyed vagy a rendszer mérhető tulajdonságai, jellemzői. A változók logikai kapcsolatban álló attribútumokból (kategóriák, értékek) épülnek fel. Megkülönböztetünk függő és független változókat. A függő változót minden esetben a független változó határozza meg, ok és okozat kapcsolat áll fenn közöttük. 6
7 A változók típusai_1 Nominális skála: olyan szimbólumok, számok, melyek csak az azonosítást szolgálják. A valós számok egy tulajdonsága sem jellemzi, vagyis még sorba sem rendezhetőek (pl. nemek, beosztás, lakóhely, vallás ) Szabály a számozások során, hogy nem kaphatnak azonos számot különböző objektumok, de különböző számot azonos objektumok sem. A statisztikai eljárás során számítható: Az objektum darabszáma Az osztályokban lévő dolgok száma (gyakoriságok) Rangsorban való állítás (médián, kvantilisek, rangkorrelációs együttható). Pl. a tanulók teljesítményéhez pontszám rendelhető. 7
8 A változók típusai_2 Ordinális skála: olyan szimbólumok, számok, amelyek alkalmassá teszik a vizsgált egyedek közötti sorrendiség felállítását, mely lehet az egynemű adatok rendezésének alapja is. A változó értékeinek különbsége nem értelmezhető. (pl. iskolai végzettség, attitűd skála értéke, a termékek minősítés értékei, osztályzatok ) 8
9 A változók típusai_3 Intervallumskála: az objektum kvantitatív mérése során a mérhető adatokat vizsgálva az egyedeket jellemző un. méréssel kapott adaitaikat kapjunk. Az intervallum nagyságát a két adat közötti eltérés adja, definiált mértékegységgel rendelkezik, tehát különbségük értelmezhető (születési dátum, életkor ). Jellemzői: Bármelyik két skálaérték különbsége független a skála nullpontjától. A skálaérték különbségek hányadosa független a mértékegységtől. A hányadosuk objektív összehasonlításra alkalmas, mivel nem tartalmazzák a mértékegység választás és nullpontválasztás önkényét. 9
10 A változók típusai_4 Arányskála: az egyedek ismérveit numerikusan kifejező számérték. A változó értékei sorba rendezhetőek, különbségük és arányuk is értelmezhető (pl. testmagasság, súly ) A felsorolt skálatípusok növekvő mennyiségű információt hordoznak az alábbi sorrendben: Nominális ordinális intervallum arány Megjegyzés: A különböző skálatípusok feldolgozása más statisztikai módszerrel történik. A magasabb szintű skálatípusok adatai alacsonyabb szintűbe konvertálható, de adatveszteséggel 10
11 Változó típusok Típus Változó Attribútumok Mennyiségi Településnagyság (fő) (egyedi) Mennyiségi (összevont) Településnagyság (kategória) között között Minőségi Település jogállása 1-község 2-város 3-megyei jogú város Eloszlás Régió 1- NyD 2-KD 3-KM Attitűd Mennyire ért egyet az alábbi állítással...? Eldöntendő Van-e autója? 1-van 2-nincs 1-teljes mértékben 2-bizonyos mértékben 3-inkább nem 4-egyáltalán nem 11
12 Skálák Mérési szint Jellemzők Példák Nominális Ordinális Teljesség Kölcsönös kizárás Teljesség Kölcsönös kizárás Rangsorolhatóság Nem Területi elhelyezkedés (megye, régió) Attitűdkérdések (elégedettség, önbesorolás) Arányskála Teljesség Kölcsönös kizárás Rangsorolhatóság Azonos távolságok az attribútumok között Létező nullpont (intervallumskálánál nem) Jövedelem Fogyasztás (érték és mennyiség) 12
13 Kutatási hipotézisek 1. A kísérlet, felmérés, vagyis a kutatómunka megkezdése előtt a kutató kialakít egy feltételezést arról, hogy mit vár el a kutatástól. Nélküle a kutatás ösztönös, próbálkozás jellegűvé válhat. A hipotézisben a vizsgálat eredményével kapcsolatos következtetések elfogadhatóságát illetve tarthatatlanságát fogalmazzuk meg. Hipotézis - a kutatási problémára adott feltételezett válasz, azaz a kutató feltételezéseit kifejező kijelentés, a problémában szereplő változókra, azok kapcsolatára vonatkozóan. (A jól megfogalmazott hipotézisek a kutatás vezérfonalát alkotják). 13
14 Hipotézisek csoportosítása a megfogalmazásuk alapján Null-hipotézis: - azt feltételezzük, hogy nincs összefüggés a változók között. (pl. a családi, szakmai kapcsolatok nem hatnak a frissdiplomás elhelyezkedésére). Alternatív irány nélküli hipotézis: az összefüggést feltételezzük, de annak irányát nem adjuk meg. Alternatív irányt is kifejező hipotézis: megjelöljük a változók feltételezett kapcsolatának irányát. (pl. a családi, szakmai kapcsolatok döntő módon befolyásolják a frissdiplomás elhelyezkedését). 14
15 A hipotézissel szembeni követelmények Rendelkezzen magyarázó erővel, legyen világos, egyértelmű. A változók kapcsolatát pontosan írja le. A hipotézis legyen igazolható vagy elvethető. Igényeljen megvalósítható módszereket eljárásokat. Támaszkodjon a már meglévő ismeretekre. Adjon választ a kiinduló problémára 15
16 A kutatás tudományosságának feltételei, etikai kérdései 1. a. A kutatás résztvevőivel szembe: A résztvevők minimális kockázata. résztvevő személyeket érintő előnyök haladják meg a hátrányokat. A résztvevő személyek biztonságának óvása (anonimitás, személyiség óvása, rejtett kamera kérdése ). Előzetesen egyeztetett egyetértés alapján történhet a felmérés. A résztvevő személyekkel való jó kapcsolat kialakítása és a felmérés idejének optimalizálása. 16
17 A kutatás tudományosságának feltételei, etikai kérdései 2. b) A tudóstársadalommal szembe: Szellemi termékek eltulajdonítása pl. idézet hivatkozás nélkül. Kutatási adatok torzítása szándékosan vagy nem megfelelő szakmai ismeret miatt. Hipotézisek utólagos megfogalmazása. Káros adatok elhallgatása. (az egyén negatív befolyásolása). A felmérési adatok tudatos félremagyarázása előre megfontolt céllal. 17
18 Kutatási stratégiák 1.) Deduktív (analitikus) kutatási stratégia 2.) Induktív (empirizmus) kutatási stratégia 18
19 Kutatási stratégiák _deduktív 1.) Deduktív (analitikus) kutatási stratégia: A tudományos eredményekre támaszkodva oldjuk meg a problémát. Ezáltal a következtetéseinket az általános elv, törvényszerűség stb. alapján fogalmazzuk meg. A következtetések forrása: a) Forráskutatás b) Dokumentumelemzés c) Tartalomelemzés 19 19
20 Kutatási stratégiák_induktív a. Induktív: az empirizmusból kiindulva fogalmazzuk meg a tapasztalatokat. Típusai: Leíró kutatási stratégia ( meglévő helyzet leírása milyen tanulási nehézséget tapasztalunk ) Feltáró kutatási stratégia ( különböző változók egymáshoz való viszonyának elemzése, az eltérő típusú információhordozók hogyan hatnak az a pályaorientációra ) Kísérleti kutatási stratégia: a független változókat a kísérlet céljának megfelelően tudatosan változtatják.uk
21 Vizsgálati módszerek A vizsgálat többféle kutatási módszert jelent, melyek közös vonása, hogy valakiknek a megkérdezésével kíván ismereteket szerezni. Fajtái: A kérdőív (összegyűjthető információk rendszere, a kérdőív készítésének folyamata, adatok feldolgozása) Az interjú (fajtái, alkalmazott kérdéstípusok. Az interjú előkészítése, lebonyolítása) Attitűdvizsgálat ( szerepe, attitűdök feltárásának módszerei, érdeklődésvizsgálat) Szociometria (közvetlen megfigyelés, szociometriai kérdőívek, szociometriai tesztek) 21 21
22 Kérdőív Az összegyűjthető információk rendszere, a kérdőív készítésének folyamata, adatok feldolgozása. 1. A kutatás különböző szakaszaiban használható, de fő területe az adatgyűjtés 2. Használható önállóan vagy más kutatási módszerrel együtt 3. Segítségével nagy számú populációt vizsgálhatunk 4. A kitöltés önkéntes, tehát előfordul, hogy nem mindenki fogja visszaküldeni, vagy nem válaszolnak minden kérdésre (50 %)
23 Kérdéstípusok 1. Nyílt kérdések Projektív kérdések 2. Zárt kérdések Anekdotikus kérdések 3. Félig zárt kérdések 4. Skálába sorolt válaszokat tartalmazó kérdések 23 23
24 Tudás tesztelése A tesztek az oktatás különböző szakaszaiban jelennek meg. Teszt: egy sajátos dolgozat, amely célszerűen válogatott feladatokat tartalmaz. A feladatokat gyorsan, egyszerűen, megbízhatóan lehet értékelni. Jellemzői: 1. Nagy létszám 2. Térben és időben távol eső teljesítmény mérése 3. Oktatási eljárások hatékonyság vizsgálata 24
25 Tesztek osztályozása -1 Teljesítménytesztek, írásos és szóbeli tesztek Objektív és szubjektív tesztek Objektív, javítókulcsot vagy válaszmodelleket ad. Szubjektív, tág lehetőséget ad az érdeklődőnek (pl. személyiségvizsgáló teszt) Standardizált: a teszt anyaga és a kérdések nehézsége is szigorúan ellenőrzött. Az eredmények értékelését az elővizsgálatok során kialakított normákhoz viszonyítottak (reprezentatív populáció). Nem standardizált : a teszteket a kutató állítja össze anélkül, hogy statisztikai kontrollt végezne el (csak tág értelemben)
26 Tesztek osztályozása_2 Egyéni és kollektív tesztek Egyéni: egyszerre csak egy ember vehet részt a vizsgálaton (a vezető általában a választandó viselkedését is feljegyzi). Kollektív: időtakarékosabb és azonos feltételeket ad a kitöltőnek. Normatív és kritérium alapú tesztek: Normatív teszt: megmutatja az egyén teljesítményét egy előzetesen megadott külső cél elérésében. Kritérium teszt: elhelyezi az egyén teljesítményét mások teljesítményéhez képest. Tesztek tárgya szerinti osztályozás Intelligencia szerinti teszt Ismeretteszt személyiségteszt 26 26
27 A teszt jóságmutatói Objektivitás: a teszt tárgyilagos, nem szubjektív. Független attól ki végzi a teszttel a mérést. Validitás: érvényesség, a teszttel valóban azt mérjük, amire készítettük Reliabilitás: megbízhatóság. Mérése a reliabilitás mutatókkal. 27
28 A kutatás eredményeinek összefoglalása tanulmányban A kutatás célja és rövid áttekintése A szakirodalom áttekintése Ne plagizáljunk! Ha nyomtatásban megjelent műre hivatkozunk: A szövegben valamely hivatkozási módszer használata (Harvard vagy számozásos) Bibliográfiában a részletesen az adatok 28 28
29 A tanulmány felépítése A kutatás terve és végrehajtása Ha pl. kérdőíves felvételt alkalmaztunk, szerepeltessük a következőket: A vizsgált populáció A mintavételi módszer A minta nagysága Az adatgyűjtés módszere A válaszolási arány Az adatfeldolgozás és az adatelemzés módszerei Bármely kutatási módszert is hasonló részletességgel kell leírni
30 A tanulmány felépítése Elemzés és értelmezés Legyen logikus és áttekinthető Utalás az adott elemzés értelmére céljaira. Az adatok ismertetése. Tekintsük át a legfontosabb eredményeket.. Mutassunk rá ezek jelentőségére Az eredmények értelmezése. Kitekintés, gondolatok a jövő feladataira, kutatási irányaira
31 Az adatelemzés leírása oa szövegesen elemezni kell az összefüggéseket, adatokkal alátámasztva. (részletes adatok a függelékben) o Biztosítani kell, hogy a tanulmányt elemző kutatók az eredményeket kontrollálhassák. o A vizsgálat, kísérlet során alkalmazott módszer ismertetése, mely a megismételhetőség biztosítéka. o A táblázatok elhelyezése (szövegben vagy függelékben) Általános szabály: 1. Megmondjuk mi célból mutatjuk be a táblázatot 2. Közöljük a táblázatot 3. Bemutatjuk és értelmezzük oaz olvasó tisztelete, ne vezessük félre kozmetikázott magyarázattal! minden befolyásolt körülmény bemutatása kutató rámutat a levont következtetések hiányosságaira és bizonytalanságaira ofontos a stílus, de a legfontosabb a logika, tisztaság és őszinteség
32 Függelék A függelék, olyan adatokat tartalmaz, melyek: o Konkrét információkkal támasztják alá a szövegben leírtakat. o Adatokat közlő, vagy az összegyűjtött adatok elemzését összefoglaló, nyomtatásban meg nem jelent dokumentumok. Bibliográfia Hivatkozások jegyzéke: (közvetlen kapcsolat a szövegben idézett gondolat és a mű bibliográfiai adatai között) o név-év (Harvard) módszer esetén a hivatkozás jegyzék a dolgozat végén, és a bibliográfia tételei szerzői betűrendben o Számozásos módszer esetén a hivatkozások jegyzéke a lábjegyzetbe vagy a végjegyzetbe kerül, a tételek növekvő számsorrendben
33 Bibliográfia_2 Felhasznált irodalom bibliográfiája (nincs közvetlen kapcsolat) lehet: o Felhasznált irodalom jegyzéke: Olvasott művek adatai o Irodalomjegyzék vagy bibliográfia Vagy a téma teljes szakirodalmát mutatja be Vagy csak az olvasott művekről tájékoztat o Ajánlott irodalom Azon irodalmak adatai, melyek a téma bővebb tanulmányozásához szükségesek
34 A statisztikai módszerek típusai A kutatásokban alkalmazott tipikus módszerek: 1. Leíró statisztika: Ez a módszer a numerikus (számszerű) információk összegyűjtését, az információk összegzését, jellemzését szolgáló módszereket szolgálja. Területei: Adatgyűjtés Adatok ábrázolása Adatok csoportosítása, osztályozása Az adatokkal végett egyszerűbb aritmetikai műveletek Eredmények megjelenítése 34 34
35 A statisztikai módszerek típusai_2 2. A következtetéses statisztika: a jelenségekre, folyamatokra levont következtetések nem csak a közvetlen vizsgálatokon alapulnak. Ezeket a következtetéseket a matematikai statisztika és a valószínűség számítás alapján kapjuk. A következtetéseket a reprezentatív mintán végzett vizsgálatok alapján a populációra vonjuk le
36 Elemzés 36
37 Statisztikai adatok A statisztikai adat, mérés vagy számlálás útján keletkező tapasztalati, vagy empirikus szám. Típusai: Alapadatok: közvetlenül számlálás vagy mérés eredményeként kapjuk. Leszármaztatott adatok: számolás eredményeként kapjuk (viszonyszámok, átlagok, mutatószámok) Viszonyszámok: két tényező elemeinek egymáshoz viszonyított aránya (fő és részsokaságok; részsokaságok) Átlagok Mutatószámok: statisztikai adatkategóriák, melyekkel rendszeresen ismétlődő jelenségeket jellemezhetünk; pl. demográfiai mutatók
38 A kérdések két nagy csoportja Becslések A populáció (sokaság) tulajdonságai iránt érdeklődünk Mintavétel után a mintából megbecsüljük a populáció tulajdonságait (eloszlás, elhelyezkedés, szórás) Meghatározzuk becslésünk megbízhatóságát. Hipotézis vizsgálatok Mintát hasonlítunk egy elméleti értékhez Mintákat hasonlítunk egymáshoz Hipotéziseket állítunk fel (H0, H1, azaz 2 vagy több hipotézis) Meghatározzuk, mekkora kockázattal vállalunk hibás döntést Döntünk, hogy melyik hipotézist támasztják alá az adatok
39 Becslések Átlag, medián (elhelyezkedés, ) Szórás, átlag hibája, terjedelem (szóródás, ) Konfidencia intervallum: A konfidencia intervallum értelmezése: Ismételt mintavétel esetén az esetek átlagosan (1 ) 100 százalékában igaz az, hogy az így számított intervallum lefedi a keresett sokasági jellemzőt. Példa: az átlag és annak 95% konfidencia intervalluma a. eset: ha ismert a populáció szórása b. eset: a szórást is becsüljük
40 Hipotézis vizsgálat (statisztikai) Módszer arra, hogy meghatározzuk, hogy adatok mennyiben konzisztensek egy adott, vizsgált statisztikai hipotézissel Szakmai vita tárgya a statisztikát kutatók körében, hogyan érdemes vizsgálni a véletlen szerepét, hatását Több iskola van: klasszikus hipotézis vizsgálatok Bayesianus vizsgálatok, feltételes valószínűségeken alapulnak
41 A módszer választáshoz útmutatás Függ: A kutatási kérdéstől Kísérleti elrendezéstől A mérés skálájától (nominális, intervallum stb.) Az elemszámtól Van-e különbség? 1 csoport 2 csoport 3, vagy több csoport Van-e összefüggés? Mennyi a független változók száma
42 Kiinduló feltételezések A változó mérhető nominális skálán ordinális skálán Intevallum skálán numerikus skálákon A null hipotézis vonatkozhat az eloszlások azonosságára a mediánok azonosságára a szóródás azonosságára A minták száma Lehet 1, 2, >
43 Döntési szabályok Döntési hiba valószínűsége α, és általában α=0,05 1. Az alternatív hipotézis mellett döntve, elvetjük a nullhipotézist, a különbség szignifikáns (1- α)x100%-os szinten 2. Ha a nullhipotézis mellett döntünk, vagyis nem tudjuk elvetni a nullhipotézist, a különbség nem szignifikáns (1- α)x100%-os szinten
44 Megállapítás Annak bizonyítása, hogy a vizsgálat során megfigyelt különbség egy általunk meghatározott valószínűségi szinten is kimutatható-e. Amennyiben ez a különbség igazolhatóan nem a véletlen műve, lényeges szignifikáns különbségnek nevezzük
45 Statisztikai hibák_1 Első fajta hiba - α : ha szignifikáns különbséget állapítunk meg, de valójában nincs különbség. Az első fajta hiba valószínűsége annak esélye, hogy a tapasztalt különbséget a véletlen okozta, ezért a szignifikancia-szinttel egyenlő az α értéke
46 Statisztikai hibák_2 Második fajta hiba - β : ha szignifikáns különbséget nem állapítunk meg, de valójában van különbség. Értéke függ a szignifikancia-szittől, az elemszámtól, a populáció szórásától, stb. a megközelítő értékének kiszámításához a minták átlagai alapján becsült különbséget alkalmazzák A meghatározása nehezebb oka, hogy sok (esetleg végtelen sok) alternatív hipotézis létezhet Ha az alternatív hipotézis igaz, akkor annak a null hipotézistől való távolságától függ a teszt ereje, és a nagysága
47 A hipotézisvizsgálat kimenetele Döntés H 0 igaz H 1 igaz H 0 -t elvetjük, és H 1 -et elfogadjuk Nem vetjük el H 0 -t, (azaz elfogadjuk H 0 -t) és nem fogadjuk el H1-et Elsőfajú hiba ( ) Helyes döntés Helyes döntés Másodfajú hiba ( )
48 Valószínűségi változók Az adatok eloszlásáról statisztika kiszámításával kapunk pontos képet: Számtani közép vagy átlag Médián Módusz Variancia Szórás ( a variancia négyzetgyöke) (Ezt nem csupán a grafikon alapján szemlélhetjük, hanem ellenőrizhető az egymintás Kolmogorov-Smirnov teszt vagy a Shapiro-Wilk (n 50) teszt alapján) 48
49 Középérték számítások Számtani átlag Az átlag egy adott diszkrét adatsor jellemző adata, mely az adathalmaz közepén helyezkedik el. Minta átlaga: a számhalmaz átlaga, más szóval - számtani közepe, az a szám, amelytől az adatok eltéréseinek összege zérus. Az n elemű minta - x1, x2, xn átlaga: x1 x2... x n x n n n 1 n x n 49
50 Középérték számítások_2 Módusz: Az adatsorok osztályokba való sorolása esetén a legnagyobb gyakoriságú osztály közepét értjük alatta. Alkalmazása: az ordinális és a nominális változókból álló minta esetén is lehetséges. Jellemzői: leíró, jósló szerepe van, mivel a tipikus értékre (tipikus eredmény, vélemény) mutat rá. alkalmas az eloszlás gyors jellemzésére is, abban az esetben, ha a mintának egy módusza van 50
51 Középérték számítások_3 Médián Médián: a nagyság szerint rendezett, vagyis rangsorba állított számhalmaz középső értéke. páratlan számsorok esetén, vagy a két középső érték számtani adatokra nem értelmezhető, de az ordinális adatok esetén igen átlaga, páros számsorok esetén (a nominális ) A vizsgált mintát két azonos részre bontja, rámutat a minta közepére. A szimmetrikus görbék esetén az átlag és a módusz egybeesnek, míg a balra illetve jobbra ferdülő görbék esetén a médián, az átlag és a módusz között veszi fel az értéket. Alkalmazása a nominális skála kivételével minden esetben lehetséges. A vizsgált minta középmezőnyének jellemzésére alkalmas. 51
52 Középérték számítások_4 skála átlag médián módusz Nominális nem nem igen ordinális nem igen igen intervallum nem igen igen arányskála igen igen igen 52
53 Gyakorisági sorok Az adatok értéktartományát intervallumokra osztva, az adatokat be kell sorolni. Ügyelni kell arra, hogy az intervallumok alsó és felső határa ne fedje egymást. Az intervallum: a minta legnagyobb és legkisebb eleme által határolt tartománya. A gyakorisági eloszlást az adott csoportok és a hozzájuk rendelhető gyakoriságok alkotják 53
54 Gyakorisági sorok_2 Az eljárás menete: 1. Első lépésként az értéktartományt egyenlő intervallumú csoportokra kell osztani. 2. A csoportok száma a minta nagyságától függően min10 és max.20 legyen (az adatok maximális és minimális értékeinek intervalluma határozza meg). Ha túl nagy intervallum számot választunk, pontatlan értékmeghatározást okozhat. 3. A csoport intervallumok általában, a minta függvényében 2, 3, 5,
55 Gyakorisági sorok_3 Gyakoriság A gyakoriság egy olyan mutató, amely jellemzi, hogy egy-egy csoportba hány adat tartozik. A gyakorisági eloszlás egy olyan statisztikai mutató, mely arra mutat, hogy a minta elemei hogyan oszlanak meg a különböző csoportok között. A mintára vonatkozóeredményt abszolút gyakorisági elosztásnak nevezzük. Jele: f a 55
56 Gyakorisági sorok_4 Relatív gyakoriság A relatív gyakoriság a csoport abszolút gyakoriság értékének a minta elemszámához százalékosan viszonyított értéke. f 100 f a % n A relatív gyakoriság alapján válik lehetővé, hogy különböző, akár eltérő elemszámú mintát vessünk össze. 56
57 Gyakorisági poligon Intervallum vagy arányváltozók esetén használjuk. Az osztályközepek függvényében kapott pontokat vonalakkal összekötve kapjuk a gyakorisági poligont. Jellemzői: Szimmetrikus: ezen belül megkülönböztetünk o lapított (platykurtic) az eloszlás értékei viszonylag gyakoriak o csúcsos (leptokurtic) - az eloszlás közepe túlzottan kiemelkedik Aszimetrikus (skewed), amely esetében lehet az adatok eloszlása jobb vagy bal irányba eltolódott. 57
58 Kumulatív gyakorisági eloszlás A kumulatív gyakoriság egy olyan statisztikai mutató, mely arra mutat, hogy a mintából mennyi azon elemek száma, amely egy előre meghatározott szintet ér el. Jele: c f Alkalmazására arra keressünk választ, hogy. egy adott mintában mennyi azon tanulók száma, akik egy adott teljesítményt elértek, és mennyi azon tanulók száma akik ezt a határt túlteljesítették. 58
59 Szóródás mértékei Terjedelem Egy számhalmaz terjedelme alatt értjük a legnagyobb és a legkisebb szám közötti különbséget. Jele: R i Felmerül a kérdés: mi értelme van e paraméter meghatározásának? Abban az esetben, ha a szélső értékek fontosak a mérés szempontjából. 59
60 Szóródás mértékei_4 Átlagos eltérés A minta számtani átlagától (közepétől) való távolsága n AE j 1 x x i n 60
61 Változók közötti kapcsolat - kereszttáblák Kereszttábla két nominális vagy ordinális változó együttes eloszlásának ábrázolása egy közös táblán. Kérdések: Van-e kapcsolat? Milyen erős? Milyen irányú Pl. Anyagi helyzet és mentális problémák kapcsolata. 61
62 Kereszttáblák- Chi-négyzet A kereszttáblákat két változó összefüggésének vizsgálatához használjuk. Alkalmazása során azt a hipotézist ellenőrizzük, hogy a sor és oszlopváltozók függetlenek-e. Nem jól használható, ha bármelyik cellában a peremeloszlások alapján várható érték (expected value) kisebb 1-nél, vagy a cellák több mint 20%-ban ez az érték kisebb mint
63 Kovarancia Két adathalmaz adatpárjai közötti eltérések szorzatának átlagát számolja megadja két egymástól különböző változó együttmozgását. n számú x, y értékpár esetében a minta kovarianciája az alábbi képlettel határozható meg: n ( x i i x) ( yi y) n 63 63
64 Korrelációs együttható A korrelációszámítást többdimenziós minták vizsgálatakor, a minta elemeihez rendelt adatok közötti összefüggés feltárását szolgálja. A korrelációs együttes szignifikancia vizsgálata megmutatja, hogy egy adott, többdimenziós minta esetén a változók között talált összefüggés mekkora valószínűséggel valódi és nem a véletlen műve. r xy r táblázat r xy r táblázat a két minta korrelációs összefüggése az oszlopnak megfelelő valószínűséggel nem a véletlen műve, vagyis általánosítható a korrelációs összefüggés mértékét nem lehet általánosítani, vagyis a mintában észlelt kapcsolat a véletlen műve 64 64
65 A korrelációs együttható jellemzői Független változók esetében a korrelációs együttható értéke 0, A függvénykapcsolatban lévő (nem sztochasztikus) változók esetében a korrelációs együttható értéke 1. 65
66 Korrelációs együttható Korrelációs együttható értéke és a változók közötti kapcsolat 0,9 1 rendkívül szoros 0,75 0,9 szoros 0,5 0,75 érzékelhető 0,25 0,5 laza 0,0 0,25 nincs kapcsolat 66
67 Megállapítás Annak bizonyítása, hogy a vizsgálat során megfigyelt különbség egy általunk meghatározott valószínűségi szinten is kimutatható-e. Amennyiben ez a különbség igazolhatóan nem a véletlen műve, lényeges szignifikáns különbségnek nevezzük
68 Egymintás T-próba Az egymintás t-próbát akkor kell alkalmazni, ha a mérési eredmények ugyanazon személyek különböző felméréséből származnak, vagyis önkontrolos felmérések során. Ahol: z t ' - számtani középértékét z s s - különbségértékek szórása n
69 Egymintás T-próba_2 A vizsgálat során a számított t-értéket össze kell hasonlítani a t táblázat értékével: Ha t > t táblázat a különbség nem a véletlen műve, Ha t < t táblázat a különbség a véletlen műve
70 T-próba értelmezése A szoftverek többsége tartalmazza a t értékét, azonban nem a t kritikus értéket adja, hanem a mintából számolt t értéktől jobbra eső, t-eloszlás alatti területet, melyet p-nek nevezünk. p - elnevezései lehetnek: Prob-value, Signif of t, Sig.Level, stb. p - annak valószínűsége, hogy egy másik kiszámolt t legalább olyan messze van 0-tól, mint a most megfigyelt t, ha H0 igaz
71 Döntés a p alapján Döntés a p és az α összehasonlítása alapján: Ha p < α, akkor H 0 -t elvetjük és azt mondjuk, hogy a különbség szignifikáns (1- α)x100%-os szinten Ha p > α, akkor H 0 -t elfogadjuk
72 Döntés a p alapján_2 p < 0,01 nagyon erős a Ho elleni bizonyíték 0,01 p < 0,05 mérsékelt a Ho elleni bizonyíték 0,05 p < 0,10 szuggesztív a Ho elleni bizonyíték 0,10 p kicsi, vagy nem reális a Ho elleni bizonyíték
73 A kétmintás t-próba A kétmintás t-próbát akkor alkalmazzuk, ha arra keresünk választ, hogy a két egymástól függetlenül vett minta származhat-e azonos átlagú populációból. A kétmintás t-próba azonban csak akkor végezhető el, ha a két csoport variancia értékei között nincs nagy különbség, melyre az F- próba vizsgálat ad választ a variancianégyzetek hányadosának elemzésével. Ha F számolt <F táblázat akkor a vizsgálatban résztvevő minták varianciája nem különbözik egymástól lényegesen és a vizsgálatot a kétmintás t-próbával kell folytatni
74 A kétmintás t-próba A kétmintás t-próba számolás menetének számszerűsítése a következő összefüggés alapján történik: t i n 1 ( x x i ) 2 x n m i m 1 2 y ( y y) 2 n n m m A szignifikanciavizsgálat szabadságfoka sz f = n+m-2. A kapott eredmény alapján értékelhetjük a vizsgált minták által elért teljesítményt
75 A kétmintás t-próba_2 A kétmintás t-próba azonban csak akkor végezhető el, ha a két csoport variancia értékei között nincs nagy különbség Erre az F-próba vizsgálat ad választ a variancianégyzetek hányadosának elemzésével
76 Az F-próba Az F-próba a variancia négyzetek hányadosa. Képlete: F s s A fenti képlettel kontrollcsoportos vizsgálat során egy n 1 és n 2 elemű minta esetében alkalmazható a hipotézis igazolására, melynek szórásértékei s 1 és s 2 ahol, s 1 > s
77 Az F-próba_2 A számított F értéket a táblázat értékeivel összevetve, a következő lehetőségekkel kell számolnunk: Ha F számolt >F táblázat, akkor a vizsgálatban résztvevő minták varianciája lényegesen különbözik egymástól, a kétmintás t- próba elvégzésére nincs lehetőség. Ebben az esetben más módszert kell keresni, pl. a Welch-próbát. (hasonló mint a kétmintás t-próba, de nem követeli meg a varianciák egyenlőségét) Ha F számolt <F táblázat, akkor a vizsgálatban résztvevő minták varianciája nem különbözik egymástól lényegesen és a vizsgálatot a kétmintás t-próbával kell folytatni
78 Az eredmény általánosíthatósága a populációra A feltételezett összefüggés általánosításához az szükséges, hogy a korrelációs együttható abszolút értéke nagyobb legyen, mint a 95%-os valószínűségi szinthez (adott szabadságfokon) tartozó érték. Abban az estben, ha 99% vagy 99,9%-os értéken végezzük az összevetést, a elemzett kapcsolat még nagyobb valószínűséggel általánosítható. 78
79 Jellemző esetek Két változó között minél szorosabb az összefüggés, annál inkább megközelíti a korrelációs együttható értéke az 1-t. Ha a minta két változója azonos irányban változik, abban az esetben pozitív, ha ellentétes irányban, akkor negatív a korrelációs összefüggés. Lineáris függvénykapcsolatban lévő (nem sztochasztikus) változók esetében a korrelációs együttható értéke 1. 79
80 Jellemző esetek_2 Minél lazább az összefüggés két változó között, annál közelebb van a korrelációs együttható értéke a 0-hoz. Független változók esetében a korrelációs együttható értéke = 0 A két változó látszólag egymástól függetlenül változik, ebben az esetben korrelálatlanságról beszélünk A korrelációs együttható az egyszerű, közel lineáris stochasztikus kapcsolat esetében használható statisztika Egy bonyolultabb függvénygörbe mentén elhelyezkedő értékek kapcsolatának leírására nem alkalmas. 80
81 Varianciaalízis A kétmintás t-próba általánosításának tekinthető. Variancia-analízisnek nevezzük azt a statisztikai eljárást, mely több egydimenziós minta ugyanazon változója közötti különbség szignifikancia szintjének összehasonlítását teszi lehetővé
82 Többváltozós populációk statisztikai elemzései A fejezet a többváltozós populációk statisztikai elemzési módszerével ismerteti meg három alfejezetben az olvasót, az alábbiakban felsoroltak alapján: faktoranalízis diszkiminancia analízis főkomponens analízis klaszteranalízis 82 82
83 Különbözőségvizsgálat Jelentős-e a különbség Adatfajták, minták száma Intervallum skála Ordinális skála Nominális skála Egy Egymintás t-próba Wilcoxon-próba Kereszttábla elemzés ϰ2 - próba Kettő Kétmintás t próba F próba Mann-Whitney próba Kereszttábla elemzés ϰ2 - próba több Variaanalízis (ANOVA) Kruskal-Wallispróba Kereszttábla elemzés ϰ2 - próba 83
84 Frequency Frequency Az eredmények ábrázolása Histogram REL Egyéni eredmény Missing REL Mean = 12,9 Std. Dev. = 5,515 N = REL Mean = 12,9 Std. Dev. = 5,515 N = 20 Cél: az eredmények áttekinthetőbbé és szemléletesebbé tétele 84
85 Gyakorisági poligon (görbe) A gyakorisági sor osztályközepek alapján szerkesztett vonaldiagramja 85
86 Hisztogram_1 A hisztogram a rendezett minta intervallumaiba eső elemek számát ábrázolja. a hasábok szélessége a változó tartománya A hasábok magassága gyakoriság Az oszlopok száma, ha: Túl sok túlrészletezett Túl kevés elnagyolt 86
87 Hisztogram_2 Szimmetrikus, normál Szimmetrikus, csúcsos 87
88 Hisztogram_3 bimodális 88
89 Hisztogram_4 Balra ferdülő hisztogram 89
90 Hisztogram_5 Jobbra ferdülő hisztogram 90
91 Boxplot grafikon A boxplot: mennyiségi ismérv szerinti eloszlást a kvartiliseken keresztül érzékelteti. A x min és x max értéket összekötő szakaszra épül az alsó és a felső kvartilisek által közbezárt doboz. A középső vonal a medián. A boxplot rámutat: mennyire sűrűsödnek a megfigyelések a középső 50%-os intervellumban Mennyire ferde az eloszlás 91
92 A középértékek elhelyezkedése a különböző gyakorisági eloszlásokban Az eloszlás szimmetriájának mérésére szolgál az un. ferdeség vagy eltoltság skewness, értékei: egy mérőszám, mely arra ad választ, hogy a szóródás a centrumtól jobbra vagy balra lapul-e, ill. sűrűségfüggvényt jelez. A ferdeség - Skewness o Ha (-), balra ferdül a kiugrás o (+), jobbra o (0), szimetrikus Lapultság - Kurtois o csúcsos, leptokurtic o lapos, platykurtic
93 Középértékek elhelyezkedése a különböző eloszlási gyakoriságokban_1 Szimmetrikus eloszlás Skewness = 0 93
94 Középértékek elhelyezkedése a különböző eloszlási gyakoriságokban_2 Szimmetrikus kétpúpú eloszlás Bimodális eloszlás (két módusza van) 94
95 Középértékek elhelyezkedése a különböző eloszlási gyakoriságokban_3 Balra ferde (negatív irányban eltolt eloszlás) Skewness = (-) 95
96 Középértékek elhelyezkedése a különböző eloszlási gyakoriságokban_4 Jobbra ferde pozitív irányban eltolt eloszlás Skewness = (+) 96
97 Különböző csúcsossági értéket - kurtois - mutató normális eloszlások Mezokurtikus eloszlás Skewness = 0 97
98 Csúcsossági értékek A csúcsossági értékek arra mutatnak, hogy az eloszlás közepe mennyire emelkedik ki. Platikurtikus lapos : 0 Leptokurtikus eloszlás csúcsos: > 0 98
99 Különböző szórású normális eloszlások (szórások átlaga = 0) Csúcsosság: az értékek milyen mértékben tömörülnek az átlag körül 99
100 Klaszteranalízis A klaszteranalízis a megfigyelések (vagy a változók) osztályozásának dimenziócsökkentő módszere. A diszkriminancia analízissel szemben itt nincsenek előre megadott osztályok, a feladatunk éppen ezeknek a létrehozása. A klasztertendencia vizsgálat célja annak eldöntése, hogy az adatok mutatnak-e hajlamosságot a természetes csoportosulásra. Ha az adataink hasonlóságot mérő mátrix elemei ordinális skálán mért értékek, akkor a véletlen gráfelmélet nyújt matematikai eszközt a csoportosulási tendenciák megállapítására. A klaszterezés az objektumok osztályba sorolását jelenti, vagyis az objektumok halmazának (X) részhalmazokra való felbontását. 100
101 Irodalom 1. Varga Lajos (2002): Kvantitatív módszerek a pedagógiai kutatásban. BMF BGK kari jegyzet. 2. Varga Lajos (szerk., 2006): Kutatás-módszertan I. Bevezetés a pedagógiai induktív kutatás módszereibe és útmutató a szakdolgozat elkészítéséhez. BME, Bp. 3. Schmercz István - Varga Lajos (2008): Kutatás-módszertan II. Bevezetés a pedagógiai deduktív és szociálpszichológiai kutatás módszereibe. BME, Bp. 4. Falus Iván - Ollé János (2000): Statisztikai módszerek pedagógusok számára. Okker K., Bp. 5. Falus Iván - Ollé János (2008): Az empirikus kutatások gyakorlata. Nemzeti Tankönyvkiadó, Budapest 6. Falus Iván (szerk., 2002): Bevezetés a pedagógiai kutatás módszereibe. Műszaki K., Bp. 7. Fercsik János (1982): Pedagometria. OOK, Veszprém 8. Horváth György (2004): A kérdőíves módszer. Műszaki K. Bp. 9. Babbie, Earl (2003; 6. átd. kiad.): A társadalomtudományi kutatás gyakorlata. Balassi K., Bp Lengyelné Molnár Tünde, Tóvári Judit: Kutatásmódszertan. Eger: Líceum kiadó,
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
PEDAGÓGIAI KUTATÁS KVANTITATÍV MÓDSZEREI. T. Parázsó Lenke
PEDAGÓGIAI KUTATÁS KVANTITATÍV MÓDSZEREI T. Parázsó Lenke Tartalom A felmérés céljának megfelelő elemzési mód kiválasztása és elvégzése A tudásszint-mérés folyamata A teszt jóságmutatói Empirikus vizsgálatok
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
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)
STATISZTIKA. 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
[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)
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
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
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
[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
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
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
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
STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba
Egymintás u-próba STATISZTIKA 2. Előadás Középérték-összehasonlító tesztek Tesztelhetjük, hogy a valószínűségi változónk értéke megegyezik-e egy konkrét értékkel. Megválaszthatjuk a konfidencia intervallum
A 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
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
Hipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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
Statisztika 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
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
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
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
Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016
Gyakorlat 8 1xANOVA Dr. Nyéki Lajos 2016 A probléma leírása Azt vizsgáljuk, hogy milyen hatása van a család jövedelmének a tanulók szövegértés teszten elért tanulmányi eredményeire. A minta 59 iskola adatait
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
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
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
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
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
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
Biostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás
Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani
TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23
TARTALOMJEGYZÉK 1. téma Átlagbecslés (Barna Katalin).... 7 2. téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23 3. téma Összefüggések vizsgálata, korrelációanalízis (Dr. Molnár Tamás)... 73 4. téma Összefüggések
Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés
Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció
GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet
GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő
[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
Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI
Gazdaságstatisztika 2. előadás Egy ismérv szerinti rendezés Kóczy Á. László KGK VMI Áttekintés Gyakorisági sorok Grafikus ábrázolásuk Helyzetmutatók Szóródási mutatók Az aszimmetria mérőszámai Koncentráció
A KUTATÁSMÓDSZERTAN MATEMATIKAI ALAPJAI MA. T.P.Lenke
A KUTATÁSMÓDSZERTAN MATEMATIKAI ALAPJAI MA T.P.Lenke 2013.10.25. 2 Szignifikáns különbség Annak bizonyítása, hogy a vizsgálat során megfigyelt különbség egy általunk meghatározott valószínűségi szinten
SZÁMÍTÓGÉPES ADATFELDOLGOZÁS
SZÁMÍTÓGÉPES ADATFELDOLGOZÁS A TÁBLÁZATKEZELŐK Irodai munka megkönnyítése Hatékony a nyilvántartások, gazdasági, pénzügyi elemzések, mérési kiértékelések, beszámolók stb. készítésében. Alkalmazható továbbá
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
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
Varianciaanalízis 4/24/12
1. Feladat Egy póker kártya keverő gép a kártyákat random módon választja ki. A vizsgálatban 1600 választott kártya színei az alábbi gyakorisággal fordultak elő. Vizsgáljuk meg, hogy a kártyák kiválasztása
Kettőnél több csoport vizsgálata. Makara B. Gábor
Kettőnél több csoport vizsgálata Makara B. Gábor Három gyógytápszer elemzéséből az alábbi energia tartalom adatok származtak (kilokalória/adag egységben) Három gyógytápszer elemzésébô A B C 30 5 00 10
Elemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1
Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában
Bevezetés a 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 -
Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
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,
[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)
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
Matematikai statisztika c. tárgy oktatásának célja és tematikája
Matematikai statisztika c. tárgy oktatásának célja és tematikája 2015 Tematika Matematikai statisztika 1. Időkeret: 12 héten keresztül heti 3x50 perc (előadás és szeminárium) 2. Szükséges előismeretek:
y 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.
Hipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
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)
Biostatisztika VIII. Mátyus László. 19 October
Biostatisztika VIII Mátyus László 19 October 2010 1 Ha σ nem ismert A gyakorlatban ritkán ismerjük σ-t. Ha kiszámítjuk s-t a minta alapján, akkor becsülhetjük σ-t. Ez további bizonytalanságot okoz a becslésben.
18. modul: STATISZTIKA
MATEMATIK A 9. évfolyam 18. modul: STATISZTIKA KÉSZÍTETTE: LÖVEY ÉVA, GIDÓFALVI ZSUZSA MODULJÁNAK FELHASZNÁLÁSÁVAL Matematika A 9. évfolyam. 18. modul: STATISZTIKA Tanári útmutató 2 A modul célja Időkeret
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
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
KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység
KÖZPONTI STATISZTIKAI HIVATAL A vizsgarészhez rendelt követelménymodul azonosító száma, megnevezése: 2144-06 Statisztikai szervezői és elemzési feladatok A vizsgarészhez rendelt vizsgafeladat megnevezése:
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
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
Nemparametrikus tesztek. 2014. december 3.
Nemparametrikus tesztek 2014. december 3. Nemparametrikus módszerek Alkalmazásuk: nominális adatok (gyakoriságok) esetén, ordinális adatok esetén, metrikus adatok esetén (intervallum és arányskála), ha
Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 9. előadás Előadó: Dr. Ertsey Imre Statisztikai hipotézis vizsgálatok elsősorban a biometriában alkalmazzák, újabban reprezentatív jellegű ökonómiai vizsgálatoknál, üzemi szinten élelmiszeripari
Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet
Kettőnél több csoport vizsgálata Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet Gyógytápszerek (kilokalória/adag) Három gyógytápszer A B C 30 5 00 10 05 08 40 45 03 50 35 190 Kérdések: 1. Van-e
[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.
Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
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:
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
Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus
Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus Gyakorisági sorok Mennyiségi ismérv jellemző rangsor készítünk. (pl. napi jegyeladások száma) A gyakorisági sor képzése igazából tömörítést jelent Nagyszámú
Statisztikai 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
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
Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58
u- t- Matematikai statisztika Gazdaságinformatikus MSc 2. előadás 2018. szeptember 10. 1/58 u- t- 2/58 eloszlás eloszlás m várható értékkel, σ szórással N(m, σ) Sűrűségfüggvénye: f (x) = 1 e (x m)2 2σ
Pedagógiai értékelés tervezése. T. Parázsó Lenke Eszterházy Károly Főiskola
Pedagógiai értékelés tervezése T. Parázsó Lenke Eszterházy Károly Főiskola http://okt.ektf.hu/ lenke@ektf.hu Tartalom 1. Értékelés az iskolák rendszerében 2. Ellenőrzés, értékelés, mérés 3. Értékelés és
STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
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
BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis
Hipotézis BIOMETRIA 5. Előad adás Hipotézisvizsg zisvizsgálatok Tudományos hipotézis Nullhipotézis feláll llítása (H ): Kétmintás s hipotézisek Munkahipotézis (H a ) Nullhipotézis (H ) > = 1 Statisztikai
Többváltozós 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
Biostatisztika Összefoglalás
Biostatisztika Összefoglalás A biostatisztika vizsga A biostatisztika vizsga az Orvosi fizika és statisztika I. fizika vizsgájával egy napon történik. A vizsga keretében 30 perc alatt 0 kérdésre kell válaszolni
Többváltozós 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
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
Statisztika 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
STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel
SPSS ALAPISMERETEK. T. Parázsó Lenke
SPSS ALAPISMERETEK T. Parázsó Lenke 2 Statistical Package for Social Scienses Statisztikai programcsomag a szociológiai tudományok számára 1968-ban Norman H. Nie, C.Handlai Hull és Dale H. Bent alkották
Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 15. Nemparaméteres próbák Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision Date: November
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
2013 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
A valószínűségszámítás elemei
A valószínűségszámítás elemei Kísérletsorozatban az esemény relatív gyakorisága: k/n, ahol k az esemény bekövetkezésének abszolút gyakorisága, n a kísérletek száma. Pl. Jelenség: kockadobás Megfigyelés:
Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.
Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért 2018. november 15. PÉNZ a boldogság bitorlója? A jövedelemegyenlőtlenség természetes határa A boldog ember gondolata a
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,
Tartalomjegyzék 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
Statisztika 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
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
1/8. Iskolai jelentés. 10.évfolyam matematika
1/8 2009 Iskolai jelentés 10.évfolyam matematika 2/8 Matematikai kompetenciaterület A fejlesztés célja A kidolgozásra kerülő programcsomagok az alább felsorolt készségek, képességek közül a számlálás,
Leíró 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,
Populációbecslések és monitoring
Populációbecslések és monitoring A becslés szerepe az ökológiában és a vadgazdálkodásban. A becslési módszerek csoportosítása. Teljes számlálás. Statisztikai alapfogalmak. Fontos lehet tudnunk, hogy hány
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
[Biomatematika 2] Orvosi biometria. Visegrády Balázs
[Biomatematika 2] Orvosi biometria Visegrády Balázs 2016. 03. 27. Probléma: Klinikai vizsgálatban három különböző antiaritmiás gyógyszert (ß-blokkoló) alkalmaznak, hogy kipróbálják hatásukat a szívműködés
Több valószínűségi változó együttes eloszlása, korreláció
Tartalomjegzék Előszó... 6 I. Valószínűségelméleti és matematikai statisztikai alapok... 8 1. A szükséges valószínűségelméleti és matematikai statisztikai alapismeretek összefoglalása... 8 1.1. Alapfogalmak...
A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos
Középérték Középérték A középérték a statisztikai adatok tömör számszerű jellemzése. helyzeti középérték: módusz medián számított középérték: számtani átlag kronológikus átlag harmonikus átlag mértani
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