Statisztika GI II félév. Paraméteres Nem-paraméteres Desc Linkek Desc 1.dolgozat

Hasonló dokumentumok
Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai)

Hipotézisvizsgálat R-ben

Valószín ségszámítás és statisztika Gyakorlat (Kétmintás próbák)

Normális eloszlás paramétereire vonatkozó próbák

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

499, 525, 498, 503, 501, 497, 493, 496, 500, 495

A konfidencia intervallum képlete: x± t( α /2, df )

Biometria gyakorló feladatok BsC hallgatók számára

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

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

Statisztika elméleti összefoglaló

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

Bevezetés a hipotézisvizsgálatokba

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

Hipotézis vizsgálatok

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

Kettőnél több csoport vizsgálata. Makara B. Gábor

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

[Biomatematika 2] Orvosi biometria

2. A ξ valószín ségi változó s r ségfüggvénye a következ : c f(x) =

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

y ij = µ + α i + e ij

Statisztikai módszerek 7. gyakorlat

Hipotéziselmélet - paraméteres próbák. eloszlások. Matematikai statisztika Gazdaságinformatikus MSc szeptember 10. 1/58

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

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

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

Nemparaméteres próbák

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

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

Egymintás próbák. Alapkérdés: populáció <paramétere/tulajdonsága> megegyezik-e egy referencia paraméter értékkel/tulajdonsággal?

Kettőnél több csoport vizsgálata. Makara B. Gábor MTA Kísérleti Orvostudományi Kutatóintézet

Kiválasztás. A változó szerint. Rangok. Nem-paraméteres eljárások. Rang: Egy valamilyen szabály szerint felállított sorban elfoglalt hely.

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

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

Kiváltott agyi jelek informatikai feldolgozása Statisztika - Gyakorlat Kiss Gábor IB.157.

1. Két pályázat esetén a nyerési esélyeket vizsgálják. Mintát véve mindkét pályázat esetén az egyik. (b) Mit nevezünk másodfajú hibának?

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

STATISZTIKA PÉLDATÁR

Baran Sándor. Feladatok a hipotézisvizsgálat

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

Baran Sándor. Feladatok a hipotézisvizsgálat

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Biostatisztika Összefoglalás

egyetemi jegyzet Meskó Balázs

Az első számjegyek Benford törvénye

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

Hipotézis vizsgálatok

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Függetlenségvizsgálat, Illeszkedésvizsgálat

A biostatisztika alapfogalmai, hipotézisvizsgálatok. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Informatikai Intézet

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Valószín ségszámítás és statisztika

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont)

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Normális eloszlás tesztje

BIOMETRIA (H 0 ) 5. Előad. zisvizsgálatok. Hipotézisvizsg. Nullhipotézis

Feladatok 2. zh-ra. 1. Eseményalgebra április Feladat. Az A és B eseményekr l tudjuk, hogy P (A) = 0, 6, P (B) = 0, 7 és

Biostatisztika Összefoglalás

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

Nemparametrikus tesztek december 3.

A bergengóc lakosság szemszín szerinti megoszlása a négy tartományban azonos:

Biomatematika 13. Varianciaanaĺızis (ANOVA)

nem kezelt 1.29, 1.60, 2.27, 1.31, 1.81, 2.21 kezelt 0.96, 1.14, 1.59

Folyadékszcintillációs spektroszkópia jegyz könyv

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

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

Adatok statisztikai értékelésének főbb lehetőségei

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

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Rugalmas állandók mérése

Eloszlás-független módszerek 13. elıadás ( lecke)

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

Többváltozós lineáris regressziós modell feltételeinek

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

Hipotézisvizsgálat az Excel adatelemző eljárásaival. Dr. Nyéki Lajos 2018

Matematika III. 9. Statisztikai hipotézisek Prof. Dr. Závoti, József

Varianciaanalízis 4/24/12

NEVEZETES FOLYTONOS ELOSZLÁSOK

Biostatisztika VIII. Mátyus László. 19 October

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

Matematikai geodéziai számítások 6.

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

4.4. Egy úton hetente átlag 3 baleset történik. Mi a valószínűsége, hogy egy adott héten 2?

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Egyszempontos variancia analízis. Statisztika I., 5. alkalom

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Korreláció és lineáris regresszió

Helyzetmutatók, szóródási mutatók, alakmutatók

Statisztika példatár

Matematikai geodéziai számítások 6.

Átírás:

Statisztika GI II félév Paraméteres Nem-paraméteres Desc Linkek Desc 1.dolgozat 1

Paraméteres Egymintás Kétmintás Statisztika GI II félév 2

Egymintás Várható érték Szórásnégyzet-szórás Arány Paraméteres 3

Várható érték Z-próba t-próba Egymintás 4

Z-próba Desc képlet Fa palack Fa tea Várható érték 5

Desc képlet X N (µ, σ) σ ismert H 0 : µ = µ 0... Z = X µ 0 = X µ 0 H n 0 N (0, 1) σ n σ Z-próba 6

Fa palack Egy teherautórakománnyi félliteres üdít italból 10 palackot véletlenszer en kiválasztva és lemérve azok rtartalmát az alábbi, milliliterben kifejezett értékeket kaptuk: 499 525 498 503 501 497 493 496 500 495 Ismert, hogy a palackokba töltött üdít ital mennyisége normális eloszlású 3 ml szórással. 95 %-os döntési szintet használva vizsgálja meg a gyártó azon állítását, hogy a palackokba átlagosan fél liter üdít italt töltöttek! Mo palack Z-próba 7

Mo palack 1-mintás z-próba n = 10 X = 499.00 +... + 495.00 10 z = 500.70 500.00 0.95 = 5007.00 10 = 0.70 0.95 = 0.74 = 500.70 z 0.950 = 1.645 z 0.975 = 1.960 Fa palack Z-próba 8

Fa tea Az Ezt idd teát 200 grammos dobozokban árulják, a csomagológép szórása 4 gramm. A Fogyasztóvédelmi Felügyel ség lemérte öt véletlenszer en kiválasztott teásdoboz tömegét, melyekre az alábbi grammban kifejezett értékek adódtak: 196 202 198 197 190 Hipotéziseit pontosan megfogalmazva és feltételezve, hogy a teásdobozok tömege normális eloszlást követ, döntsön 98 %-os szinten arról, hogy az átlagos tölt tömeg tényleg 200 gramm, avagy kevesebb annál! Mo tea Z-próba 9

Mo tea 1-mintás z-próba X = z = n = 5 196.00 +... + 190.00 5 196.60 200.00 1.79 = 983.00 5 = 196.60 = 3.40 1.79 = 1.90 z 0.980 = 2.054 z 0.990 = 2.326 Fa tea Z-próba 10

t-próba Desc képlet Fa búza Fa szintid Fa kokszföld Várható érték 11

Desc képlet X N (µ, σ) σ-t nem ismerjük H 0 : µ = µ 0... t = X µ 0 s = X µ 0 H n 0 n s t (n 1) s = ( (X1 X) 2 +... + (X n X) 2 n 1 ) 1 2 t-próba 12

Fa búza Egy gabonaraktárban 60 kg-os kiszerelésben búzát csomagolnak. A havi min ségellen rzés során azt is meg akarták vizsgálni, hogy a raktárból kikerül zsákokban tényleg 60 kg búza van-e, ezért lemértek tíz darab véletlenül kiválasztott zsákot. Eredményül a következ ket kapták: 60.2 63.4 58.8 63.6 64.7 62.5 66.0 59.1 65.1 62.0 Hipotéziseit pontosan megfogalmazva döntsön 95 %-os szinten arról, hogy a zsákok átlagos tölt tömege tényleg 60 kg-e! Feltételezzük, hogy a zsákok tölt tömege normális eloszlású. Mo búza t-próba 13

Mo búza 1-mintás t-próba n = 10 s = X = 60.20 +... + 62.00 10 = 625.40 10 = 62.54 ( (60.20 62.54) 2 +... + (62.00 62.54) 2 9 )1 2 = = ( )1 56.64 2 = 2.51 9 s = 2.51 n 3.16 = 0.79 t = 62.54 60.00 0.79 = 2.54 0.79 = 3.20 t (9) 0.950 = 1.833 t(9) 0.975 = 2.262 Fa búza t-próba 14

Fa szintid Egy üzem gyártósorán az egyik szerelési feladatra megadott szintid 9 perc. Ezen feladaton dolgozó alkalmazottak már többször kérték a szintid felemelését, mivel véleményük szerint az nem elegend a feladat elvégzésére. Az üzem vezet sége egy ellen rt küldött ki, aki 12 véletlenszer en kiválasztott alkalommal megmérte a feladat elvégzéséhez szükséges id t, és a következ ket kapta: 9.4 8.8 9.3 9.1 9.4 8.9 9.3 9.2 9.6 9.3 9.3 9.1 Feltételezve, hogy a feladat elvégzéséhez szükséges id normális eloszlású, hipotéziseit pontosan megfogalmazva döntsön 99 %-os szinten, igazuk van-e a munkásoknak! Mo szintid t-próba 15

Mo szintid 1-mintás t-próba n = 12 s = X = 9.40 +... + 9.10 12 = 110.70 12 = 9.22 ( (9.40 9.22) 2 +... + (9.10 9.22) 2 11 )1 2 = = ( )1 0.54 2 = 0.22 11 s = 0.22 n 3.46 = 0.06 t = 9.22 9.00 0.06 = 0.22 0.06 = 3.51 t (11) 0.990 = 2.718 t(11) 0.995 = 3.106 Fa szintid t-próba 16

Fa kokszföld Az atlétikai világbajnokságon résztvev kokszföldi csapat néhány versenyz je arra panaszkodott, hogy a leadott doppingtesztjeiket nem megfelel en analizálták és az egyik szernek túlságosan magas koncentrációját mutatták ki, minek következtében a versenybíróság törölte az eredményeiket. A Kokszföldi Atlétikai Szövetség a laboratóriumot tesztelend nyolc mintát küldött, melyek mindegyikében a kérdéses anyag koncentrációja pontosan 0.500 g/l volt. A laboratórium az alábbi eredményeket szolgáltatta: 0.485 0.518 0.460 0.530 0.560 0.550 0.490 0.575 A labor méréseit normális eloszlásúnak tételezve fel, döntsön 95 %-os szinten, igazuk van-e az atlétáknak! Mo kokszföld t-próba 17

Mo kokszföld 1-mintás t-próba n = 8 s = X = 0.48 +... + 0.57 8 = 4.17 8 = 0.52 ( (0.48 0.52) 2 +... + (0.57 0.52) 2 7 )1 2 = = ( )1 0.01 2 = 0.04 7 s = 0.04 n 2.83 = 0.01 t = 0.52 500.00 0.01 = 499.48 0.01 = 35090.52 t (7) 0.950 = 1.895 t(7) 0.975 = 2.365 Fa kokszföld t-próba 18

Szórásnégyzet-szórás χ 2 -próba Egymintás 19

χ 2 -próba Desc képlet Fa rlapok Fa cs vágó Szórásnégyzet-szórás 20

Desc képlet X N (µ, σ) µ ismert H 0 : σ 2 = σ 2 0 χ 2 = (n 1)s2 σ 2 0 ( ) 2 s H0 = (n 1) σ 0 χ 2 df=n 1 χ 2 -próba 21

Fa rlapok rlapok kitöltésével kapcsolatos - monoton - munkát végz k bizonyos hibaszázalékkal dolgoznak. Hosszútávú meggyelések szerint egy hónapban 35 darab az elrontott rlapok várható száma. A vizsgált változó normális eloszlása feltételezhet. A szórás korábbi tapasztalatok szerint 6 darab. Egy tíz f re kiterjed mintában az elrontott rlapok száma egy hónapban az alábbi volt: 30 20 46 33 24 25 31 32 38 31 Hipotézisét pontosan megfogalmazva 95 %-os szinten döntsön arról, hogy a hibás rlapok számának szórása lehet-e 6 darab! Mo rlapok χ 2 -próba 22

Mo rlapok 1-mintás χ 2 -próba n = 10 s = ( (30.00 31.00) 2 +... + (31.00 31.00) 2 9 )1 2 = = ( )1 486.00 2 = 7.35 9 χ 2 = 9 ( ) 2 7.35 = 13.50 6.00 χ 2 0.950, df=9 = 16.919 χ 2 0.975, df=9 = 19.023 χ 2 0.050, df=9 = 3.325 χ 2 0.025, df=9 = 2.700 Fa rlapok χ 2 -próba 23

Fa cs vágó Egy cs vágó-automata gépnek 1200 mm hosszú cs darabokat kell levágnia. a gyártásközi ellen rzés feladata annak megállapítása, hogy a gép által gyártott darabok hosszmérete megfelel-e az el írásoknak. El z adatfelvételb l ismert, hogy a szóban forgó gép által gyártott darabok hossza normális eloszlású 3 mm szórással. Az ellen rzéshez kiválasztottak egy 16 elem mintát. A cs darabok hossza a mintában: 1208 1204 1202 1202 1194 1195 1205 1194 1197 1193 1205 1202 1191 1195 1194 1187 A gyár részlegvezet je azt mondja, hogy a csövek hosszának szórása nem haladja meg a 3 mm-t. Hipotézisét pontosan megfogalmazva döntsön 99 %-os szinten arról, hogy igaza van-e a részlegvezet nek! Mo cs vágó χ 2 -próba 24

Mo cs vágó 1-mintás χ 2 -próba n = 16 s = ( (1208.00 1198.00) 2 +... + (1187.00 1198.00) 2 15 )1 2 = = ( )1 544.00 2 = 6.02 15 χ 2 = 15 ( ) 2 6.02 = 60.44 3.00 χ 2 0.990, df=15 = 30.578 χ 2 0.995, df=15 = 32.801 χ 2 0.010, df=15 = 5.229 χ 2 0.005, df=15 = 4.601 Fa cs vágó χ 2 -próba 25

Arány Desc képlet Fa dalfesztivál Fa beszállító Egymintás 26

Desc képlet H 0 : p = p 0 (...) Z = k n p 0 p 0 (1 p 0 ) n = ˆp p 0 p 0 (1 p 0 ) n H 0 N (0, 1) A póbastatisztika normalitása csak közelít leg teljesül, a gyakorlatban min(np 0, n(1 p 0 )) 5 esetén elfogadhatónak tartják a közelítést. Arány 27

Fa dalfesztivál Egy négy évvel ezel tti felmérés során azt az eredményt kapták, hogy a középiskolák diákjainak 43 %-a nézte az Eurovíziós Dalfesztivál magyarországi nemzeti válogatóját. A napokban hasonló felmérést végeztek az iskolákban: 750 megkérdezett közül 550 diák nézte idén a válogatót. 90 %-os szinten döntsön arról, hogy változott-e a a dönt t néz k aránya a négy évvel ezel ttihez képest! Mo dalfesztivál Arány 28

Mo dalfesztivál 1-mintás arány-próba ( 0.43 (1 0.43) 750.0 )1 2 ( )1 0.25 2 = = 0.02 750.0 z = 0.73 0.43 0.02 = 0.30 0.02 = 16.7795 küszöb = 750.0 min(0.43, 0.57) = 322.50 z 0.900 = 1.282 z 0.950 = 1.645 z 0.100 = 1.282 z 0.050 = 1.645 Fa dalfesztivál Arány 29

Fa beszállító Egy élelmiszerbolt-hálózat üzleteibe érkez import baracknak eddig átlagosan 15 %-a sérült meg szállítás közben. Miután beszállítót váltottak, az új szállítmányból megvizsgáltak 50 barackot. Ezek között 3 sérültet találtak. 95 %-os szinten döntsön arról, hogy megérte-e lecserélni a régi beszállítót. Mo beszállító Arány 30

Mo beszállító 1-mintás arány-próba ( 0.15 (1 0.15) 50.0 )1 2 ( )1 0.13 2 = = 0.05 50.0 z = 0.06 0.15 0.05 = 0.09 0.05 = 1.7823 küszöb = 50.0 min(0.15, 0.85) = 7.50 z 0.950 = 1.645 z 0.975 = 1.960 z 0.050 = 1.645 z 0.025 = 1.960 Fa beszállító Arány 31

Kétmintás Várható érték Szórásnégyzet Arány Paraméteres 32

Várható érték Z-próba t-próba (független) páros mintás t-próba Kétmintás 33

Z-próba Desc képlet Fa vonatok Várható érték 34

Desc képlet H 0 : µ X µ Y = δ 0... Z = X Y δ 0 σ 2 X n + σ2 Y X n Y H 0 N (0, 1) Z-próba 35

Fa vonatok Egy átlagos januári napon 6 InterCity vonatot vizsgáltak, hogy mennyi id alatt (perc) teszi meg a Debrecen-Budapest utat. A menetid k: 155, 162, 158, 164, 157, 156 Két nap múlva leesett 10 cm hó. Ezen a napon 7 InterCity vonat menetidejét (perc) mérték le Debrecen és Budapest között. Akkor az alábbi id ket kapták: 177, 183, 169, 178, 166, 191, 168 A vonatok menetidejét normális eloszlásúnak tekintjük. Az utasok szerint a hóesés több mint 10 perces késést eredményezett ezen a vonalon. 95 %-os szinten döntsünk, igazuk van-e az utasoknak, ha korábbi tapasztalatokból tudjuk, hogy amikor nincs hó, akkor a menetid szórása 3 perc, míg hóeséskor 10 perc! Mo vonatok Z-próba 36

Mo vonatok 2-mintás z-próba X : jóid ben, Y : hóban X = Y = z = 155.00 +... + 156.00 6 177.00 +... + 168.00 7 = 952.00 6 = 1232.00 7 158.67 176.00 0.00 1.50 + 14.29 = 17.33 3.97 = 158.67 = 176.00 = 4.36 z 0.050 = 1.645 z 0.950 = 1.645 z 0.975 = 1.960 Tehát adott szinten a minta... Fa vonatok Z-próba 37

t-próba (független) Desc képlet Fa kávé Fa golabda Várható érték 38

Desc képlet független-mintás t-próba. normális független sokaságok, a szórások nem ismertek, de egyenl nek tételezzük fel ket. H 0 : µ X µ Y = δ 0... t = X Y δ 0 s 1 p n + 1 X n Y s p = H 0 tdf=nx +n Y 2 (n X 1)s 2 x + (n Y 1)s 2 y n X + n Y 2 t-próba (független) 39

Fa kávé Kétfajta instant kávé oldódási idejét tesztelték, melyekb l minden alkalommal azonos mennyiséget tettek 1 dl forrásban lev vízbe. A kísérletek eredményei az alábbiak voltak: Mokka Makka: 8.2, 5.0, 6.8, 6.7, 5.8, 7.3, 6.4, 7.8 Koe In: 5.1, 4.3, 3.4, 3.7, 6.1, 4.7 Az oldódási id ket normálisnak tételezve fel, 95 %-os szinten vizsgáljuk meg azt az állítást, hogy a Mokka Makka kávé lassabban oldódik, mint a Koe In! Mo kávé t-próba (független) 40

Mo kávé független sokaságok, nem ismertek a szórások, de feltesszük hogy egyenl ek. jelölés: X : Mokka, Y : Koe n X = 8, n Y = 6 α = 0.05 H 0 : µ X µ Y 0 H 1 : µ X µ Y > 0 X = 6.75, Y = 4.55 s 2 X = 1.0857, s 2 Y = 0.967 7 1.0857 + 5 0.967 s p = = 1.0180 12 t = 6.75 4.55 1 1.0180 8 + 1 6 = 4.0017 c f = t 0.95, df=12 = 1.782, t c f Tehát adott szinten a minta nem támasztja alá H 0 -at - elvetjük, vagyis elfogadható az az állítás hogy a Mokka lassabban oldódik. Fa kávé t-próba (független) 41

Fa golabda Az angliai New Dumber golabdagyárában egy újfajta golabda borítást fej- lesztettek ki. A tesztek azt mutatták, hogy ez az új borítás jóval ellenállóbb, mint a hagyományos. Felmerült azonban a kérdés hogy az új borítás nem változtatja-e meg az átlagos ütéstávolságot. Ennek eldöntésére 42 labdát próbáltak ki, 26 hagyományosat és 16 labdát az újak közül. A labdákat géppel l tték ki, elkerülve ezzel az emberi tényez okozta szóródást. A yardban mért ütéstávolságok összesít adatait, mely távolságokat mindkét esetben normális eloszlásúnak tételezzük fel, az alábbi láthatjuk: Hagyományos: n = 26, átlag = 271.4, s 2 = 35.58 Új: n = 16, átlag = 268.7, s 2 = 48.47 90 %-os szinten vizsgáljuk meg, hogy az új borítás megváltoztatja-e az átlagos ütéstávolságot! Mo golabda t-próba (független) 42

Mo golabda független sokaságok, nem ismertek a szórások, de feltesszük hogy egyenl ek. jelölés: X : Hagyományos, Y : Új n X = 26, n Y = 16 α = 0.05 H 0 : µ X µ Y = 0 H 1 : µ X µ Y 0 s p =? t =? c f = t?, df=? =?, Tehát adott szinten a minta... Fa golabda t-próba (független) 43

páros mintás t-próba Desc képlet Fa pulzus Várható érték 44

Desc képlet páros-mintás t-próba, a különbség normális, ismereteln szórás H 0 : µ d = δ 0... t = d δ 0 H 0 s d tdf=n 1 páros mintás t-próba 45

Fa pulzus Egy felmérésben 12 azonos életkorú sportoló pulzusát mérik terhelés után azonnal és egy perc múlva. Az eredmények az alábbiak voltak: 170 165 148 175 165 140 160 145 160 140 156 140 140 160 140 136 160 130 110 125 113 132 150 132 Döntsön átlagosan 90 %-os szinten arról, igaz-e hogy a terhelés után egy perccel 20 -szal kevesebb a sportolók pulzusa! Mo pulzus páros mintás t-próba 46

Mo pulzus Fa pulzus páros mintás t-próba 47

Szórásnégyzet F-próba Kétmintás 48

F-próba Desc Képlet Fa kávék Fa játék Fa mérleg Szórásnégyzet 49

Desc Képlet függetlenek X 1,..., X nx N (µ X, σ X ) Y 1,..., Y ny N (µ Y, σ Y ) H 0 : σ X = σ Y... F = s2 X s 2 Y H 0 F nx 1, ny 1 Mj.: A nagyobbikat válasszuk számlálónak. F-próba 50

Fa kávék Kétfajta instant kávé oldódási idejét tesztelték, melyekb l minden alkalommal azonos menynyiséget tettek 1 dl forrásban lév vízbe. A kísérletek eredményei az alábbiak voltak: Mokka Makka: 8.2 5.0 6.8 6.7 5.8 7.3 6.4 7.8 Koe In: 5.1 4.3 3.4 3.7 6.1 4.7 Az oldódási id ket normálisnak tételezve fel, 95 %-os szinten igazoljuk, hogy nincs különbség az oldódási id k szórása között! Mo kávék F-próba 51

Mo kávék X = 8.20 +... + 7.80 8 = 54.00 8 = 6.75 s 2 X = (8.20 6.75)2 +... + (7.80 6.75) 2 7 Y = 5.10 +... + 4.70 6 = 27.30 6 = 7.60 7 = 4.55 = 1.09 s 2 Y = (5.10 4.55)2 +... + (4.70 4.55) 2 5 = 4.83 5 = 0.97 F 0.025, dfnum =5, df den=7 = 0.146 F 0.025, dfnum =7, df den=5 = 0.189 F 0.975, dfnum =5, df den=7 = 5.285 F 0.975, dfnum =7, df den=5 = 6.853 Fa kávék F-próba 52

Fa játék Egy bevásárlóközpontban lév 3-6 éves gyerekek részére kialakított játékházban egy új készségfejleszt játék fogadtatását tesztelik az ott megfordulók közül véletleszer en kiválasztott úk és lányok segítségével. Az eredmények a következ k: nem n átlag tap. szórás ú 21 30 10 lány 25 25 9 A játékkal töltött id t normális eloszlásúnak tekintjük. Döntsön 95 %-os szinten, hogy azonosnak tekinthet -e a úk és a lányok adott játékkal töltött idejének szórása! Mo játék F-próba 53

Mo játék F 0.025, dfnum =20, df den=24 = 0.415 F 0.025, dfnum =24, df den=20 = 0.430 F 0.975, dfnum =20, df den=24 = 2.327 F 0.975, dfnum =24, df den=20 = 2.408 Fa játék F-próba 54

Fa mérleg Két különböz típusú mérleg összehasonlítására kísérleteket végeztek oly módon, hogy ugyanazt a tárgyat többször megmérték mindkét mérlegen. Az egyiken 30, a másikon 41 mérést végeztek, az eredmények (tapasztalati) szórása 72 és 98 mg volt. A mérési eredmények eloszlása mindkét esetben normálisnak tekinthet. 95 %-os szinten ellen rizze, hogy a második mérleg nagyobb szórással mér-e! Mo mérleg F-próba 55

Mo mérleg F 0.025, dfnum =29, df den=40 = 0.493 F 0.025, dfnum =40, df den=29 = 0.512 F 0.975, dfnum =29, df den=40 = 1.952 F 0.975, dfnum =40, df den=29 = 2.028 Fa mérleg F-próba 56

Arány Desc Képlet Fa Vásárlás Fa Szappan Kétmintás 57

Desc Képlet nagy mintás, közelít próba P X, P Y : elméleti arányok p X = k X n X, p Y = k Y n Y : meggyelt (mintabeli) arányok q X = 1 p X q Y = 1 p Y H 0 : p X p Y = δ 0... Z = p X p Y px q X n X + p Y q Y n Y H 0 N (0, 1) Ha δ 0 = 0 akkor a következ pontosabb: p = n Xp X + n Y p Y n X + n Y = k X + k Y n X + n Y q = 1 p H 0 : p X p Y = 0... Z = p X p Y ( p q 1 n X + 1 n Y ) H 0 N (0, 1) Arány 58

Fa Vásárlás Egy áruházból kifelé menet 500 f t, köztük 350 n t és 150 fért kérdeztek meg véletleszer en arról, hogy vásárolt-e. A n k közül 210 -en, a férak közül 60 -an válaszoltak igennel. 95 %-os szinten ellen rizze, hogy igaz-e az a feltevés, hogy a n k általában több mint 10 Mo Vásárlás Arány 59

Mo Vásárlás p X = 210.0 350.0 = 0.60 p Y = 60.0 150.0 = 0.40 Z = 0.10 0.05 = 2.09 z 0.050 = 1.645 z 0.025 = 1.960 z 0.975 = 1.960 z 0.950 = 1.645 Fa Vásárlás Arány 60

Fa Szappan Egy kozmetikumokat árusító üzletben tíz nap alatt 460 db szappant adtak el, melyb l 138 db volt Kék-Vörös márkájú. Miután a Kék-Vörös szappan csomagolását megváltoztatták, újabb tíznapos meggyelés szerint 400 eladott szappan közül 160 db volt a Kék- Vörös márkájú. Állítható-e 99 %-os szinten, hogy az új csomagolás növeli a Kék-Vörös piaci részesedését? Mo Szappan Arány 61

Mo Szappan p X = 138.0 460.0 = 0.30 p Y = 160.0 400.0 = 0.40 Z = 0.10 0.03 = 3.08 z 0.050 = 1.645 z 0.025 = 1.960 z 0.975 = 1.960 z 0.950 = 1.645 Fa Szappan Arány 62

Nem-paraméteres Illeszkedés Függetlenség Homogenitás Statisztika GI II félév 63

Illeszkedés Desc Képlet Nem-paraméteres 64

Desc Képlet χ 2 = k i=1 H 0 : P (C i ) = P i... ( (f i np i ) 2 k ) gi 2 = n np i P i i=1 H 0 χ 2 df=k 1 jobboldali-jelleg, fels kritikus értékkel számolunk. Illeszkedés 65

Függetlenség Desc Képlet Nem-paraméteres 66

Desc Képlet χ 2 = i,j H 0 : P i,j = P i. P.j ( nij nij) 2 n = n n 2 ij 1 H 0 χ 2 df=(r 1)(c 1) ij n i,j i. n.j jobboldali. Függetlenség 67

Homogenitás Desc Képlet Nem-paraméteres 68

Desc Képlet H 0 : XésY azonos eloszlású jobboldali χ 2 = n X n Y k i=1 1 n Xi + n Yi ( nxi n ) 2 Y i H0 χ 2 n X n df=k 1 Y Homogenitás 69

Desc Linkek jelenléti képletek feladatsor táblázatok sav hipotézis általában 1 mintás 2 mintás nemparaméteres regresszió id sorok Statisztika GI II félév 70

Desc 1.dolgozat Papíros feladat: Az "Ezt idd" teát 20 grammos dobozokban árulják. A Fogyasztóvédelmi Felügyel ség lemérte 9 véletlenszer en kiválasztott teásdoboz tölt -tömegét, melyekre az alábbi grammban kifejezett értékek adódtak: 19.500 20.100 19.600 19.100 19.000 21.000 20.000 20.200 20.400 Hipotéziseit pontosan megfogalmazva és feltételezve, hogy a teásdobozok tölt -tömege normális eloszlást követ, döntsön 98 %-os szinten arról, hogy az átlagos tölt tömeg tényleg 20 gramm, avagy kevesebb annál! Gépes feladat: Két cégnél vizsgálták a kereseteket. Az adatokat ITT találjuk. Döntsünk 90 %-os szinten arról, hogy különböznek-e az átlagkeresetek a cégeknél. t 0.98, df=8 = 2.4490 t 0.99, df=8 = 2.8965, t 0.95, df=8 = 1.8595 t 0.95, df=20 = 1.7247 t 0.99, df=20 = 2.5280 t 0.90, df=20 = 1.3253 Statisztika GI II félév 71