Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

Hasonló dokumentumok
[Biomatematika 2] Orvosi biometria

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Korreláció és lineáris regresszió

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Matematikai geodéziai számítások 6.

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Matematikai geodéziai számítások 6.

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

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

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

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.

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

Regressziós vizsgálatok

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Elemi statisztika fizikusoknak

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

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Mérési hibák

Minőség-képességi index (Process capability)

Kutatásmódszertan és prezentációkészítés

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

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Diszkriminancia-analízis

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Számítógépes döntéstámogatás. Statisztikai elemzés

y ij = µ + α i + e ij

Minőségirányítási rendszerek 9. előadás

Többváltozós lineáris regressziós modell feltételeinek

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

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

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

A mérési eredmény megadása

Mérési adatok illesztése, korreláció, regresszió

[Biomatematika 2] Orvosi biometria

Statisztikai alapfogalmak

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

[Biomatematika 2] Orvosi biometria

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

Sztochasztikus kapcsolatok

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés

Bevezetés a Korreláció &

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

Biomatematika 2 Orvosi biometria

Feladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Matematika osztályozó vizsga témakörei 9. évfolyam II. félév:

Hogyan szűrjük a röntgensugarat?

BKI13ATEX0030/1 EK-Típus Vizsgálati Tanúsítvány/ EC-Type Examination Certificate 1. kiegészítés / Amendment 1 MSZ EN :2014

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 9.A, 9.D. OSZTÁLY HETI 4 ÓRA 37 HÉT ÖSSZ: 148 ÓRA

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Dr. JUVANCZ ZOLTÁN Óbudai Egyetem Dr. FENYVESI ÉVA CycloLab Kft

Matematikai geodéziai számítások 10.

BIOMETRIA_ANOVA_2 1 1

Regresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program

A kockázat fogalma. A kockázat fogalma. Fejezetek a környezeti kockázatok menedzsmentjéből 2 Bezegh András

1. Gauss-eloszlás, természetes szórás

Correlation & Linear Regression in SPSS

KISTERV2_ANOVA_

Kísérlettervezés alapfogalmak

MATEMATIKA TANMENET SZAKKÖZÉPISKOLA 10.B OSZTÁLY HETI 4 ÓRA 37 HÉT/ ÖSSZ 148 ÓRA

Biostatisztika VIII. Mátyus László. 19 October

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

Több valószínűségi változó együttes eloszlása, korreláció

Választási modellek 3

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Adatok statisztikai értékelésének főbb lehetőségei

STATISZTIKA PRÓBAZH 2005

Gyártástechnológia alapjai Méréstechnika rész. Előadások (2.) 2011.

Matematikai statisztika c. tárgy oktatásának célja és tematikája

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos

Segítség az outputok értelmezéséhez

2 kultúra. Zétényi Tamás.

A valószínűségszámítás elemei

Kvantitatív statisztikai módszerek

Statisztika I. 9. előadás. Előadó: Dr. Ertsey Imre

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

(Independence, dependence, random variables)

13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem

A leíró statisztikák

Biometria gyakorló feladatok BsC hallgatók számára

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

Lineáris regresszió vizsgálata resampling eljárással

2. Rugalmas állandók mérése jegyzőkönyv javított. Zsigmond Anna Fizika Bsc II. Mérés dátuma: Leadás dátuma:

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Bevezetés a hipotézisvizsgálatokba

A Statisztika alapjai

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Korrelációs kapcsolatok elemzése

Matematika pótvizsga témakörök 9. V

Logisztikus regresszió október 27.

Átírás:

Geokémia gyakorlat 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek Geológus szakirány (BSc) Dr. Lukács Réka MTA-ELTE Vulkanológiai Kutatócsoport e-mail: reka.harangi@gmail.com

ALAPFOGALMAK: Metrology From the Greek word metron = measurement. The science of measurement and its application. Mérési hiba Mérési bizonytalanság Konfidencia intervallum Átlag, szórás, medián, módusz, eloszlás görbe, előfordulás-valószínűségi sűrűség diagram, kiugró érték (outlier)

ALAPFOGALMAK: Metrology From the Greek word metron = measurement. The science of measurement and its application. Mérési hiba (poisson statistics) Mérési bizonytalanság Átlag, szórás, medián, módusz, eloszlás, előfordulás-valószínűségi sűrűség diagram, kiugró érték (outlier) Adat bizonytalansága Pontosság Hitelesség, Akkurátosság Reprodukálhatóság, megismételhetőség Súlyozott átlag, MSWD Goodness of fit paraméterek Sztenderd Referencia érték Referencia anyag Kimutatási határ

ALAPFOGALMAK: Measurement standard, etalon (sztenderd) Realisation of the definition of a given quantity, with stated quantity value and associated measurement uncertainty, used as a reference. The realisation may be provided by a material measure, measuring instrument, reference material or measuring system. Reference material (RM, referencia anyag) Material, sufficiently homogeneous and stable with reference to specified properties, which has been established to be fit for its intended use in measurement or in examination of nominal properties Reference value (referencia érték) Quantity value used as a basis for comparison with values of quantities of the same kind. Repeatability (of results of measurements, megismételhetőség) Closeness of the agreement between the results of successive measurements of the same measurand carried out under the same conditions of measurement. Reproducibility (of results of measurements, reprodukálhatóság) Closeness of agreement between the results of measurements of the same measurand carried out under changed conditions of measurement.

ALAPFOGALMAK: Standard deviation, experimental (sztenderd deviáció, nem hivatalosan: szórás) Parameter s for a series of n measurements of the same measurand, characterises the dispersion of the results and is given by the formula for standard deviation. Uncertainty of measurement (mérési bizonytalanság) Non-negative parameter, associated with the result of a measurement that characterises the dispersion of the quantity values being attributed to the measurand, based on the information used. Calibration Set of operations that establish, under specified conditions, the relationship between the quantity values with measurement uncertainties provided by measurement standards or certified reference materials and corresponding indications with the associated measurement uncertainties of the measurement instrument, measuring system or reference material under test. Accuracy of measurement (Mérés hitelessége) Closeness of the agreement between measured quantity value and the true quantity value of the measurand. Kimutatási határ (Det. Lim) (not detected) Egy analitikai módszerre vonatkozó kimutatási határ az a koncentráció, amely mérése során kapott válaszjel már egyértelműen megkülönböztethető a háttértől. (DL=3*s(vak)/S ; S(vak)=vakminta szórása, S=érzékenység)

Átlag, szórás, szórásnégyzet Aritmetikai (számtani) átlag ahol xj egy adott komponens értékei, minták száma: 1 J j = n Geometriai átlag A matematikában a középértékek egyike, egyenlő a számok szorzatának négyzetgyökével Szórás Az adatok átlag körüli szórása. Normál eloszlás esetén az adatok 68,26%-a egy standard szóráson (σ), 95,46%-a pedig a két standard szóráson belül vannak Szórásnégyzet (variancia) Az adatok átlagtól való távolságának mérőszáma

Súlyozott átlag The weighted mean and the variance of the weighted mean is: The two equations above can be combined to obtain: slope 1s MK1_04c.ais 0.681377 0.0371051 MK1_01c.ais 0.7926541 0.0444073 MK1_10c.ais 0.9194138 0.047892 MK1_06c.ais 0.9384376 0.0607066 MK1_02c.ais 0.9911277 0.0523282 MSWD:

Weighted average: hibák nagyságával súlyozott átlag számolás MSWD (mean square weighted deviation): megmutatja a minta méréséből fakadó hibák és a minta geológiai szórásának egymáshoz képesti viszonyát Minél nagyobb az érték annál nagyobb geológiai értelemben a minta korbeli szórása (vagy alulbecsüljük a mérési hibát)

Korreláció - két változó lineáris összefüggése Kovariancia (1) Két komponens (x, y) átlagtól való távolságának szorzata átlagolva a minta nagyságával ahol xj egy adott komponens értékei, minták száma: 1 J j = n Ezt az egyenletet használja az Excel program is azonban számos tankönyvben a következő képletet találjuk: (2) Ebben az esetben az (n-1) a nevezőben a szabadsági fokok számát jelenti

Korreláció - két változó lineáris összefüggése Lineáris korrelációs együttható azaz a kovariancia értéke osztva a szórás szorzatával Ez az összefüggés azonban csak abban az esetben ad helyes eredményt, ha a kovariancia számolására a második egyenletet alkalmazzuk! vagy másképpen írva az egyenletet, ugyanezt az eredményt kapjuk:

Lineáris regresszió számítás legkisebb négyzetek módszerén alapuló egyenes illesztés a ponthalmazra A számolás lényege, hogy az egyes mintapontoknak az egyenestől való eltéréseinek négyzetösszegét igyekszik minimalizálni. Meredekség: (ábrán A1 jelöléssel) Tengelymetszet: (ábrán Ao jelöléssel)

Lineáris regresszió számítás grafikus megjelenítés Slope= -4.387E-01 Int= 3.163E01 n=16 t=-19.96 F=398.6 r=-.98 r'=-.96 12 10 8 Fe2O3 6 4 2 0 40 50 60 SiO2 70