? közgazdasági statisztika

Hasonló dokumentumok
? közgazdasági statisztika

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

Matematikai statisztika

Statisztika 1. zárthelyi dolgozat március 21.

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

Feladatok és megoldások a 11. heti gyakorlathoz

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

STATISZTIKA II. kötet

Azonos névleges értékű, hitelesített súlyokból alkotott csoportok együttes mérési bizonytalansága

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)

1. előadás: Bevezetés. Irodalom. Számonkérés. A valószínűségszámítás és a statisztika tárgya. Cél

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Ismérvek közötti kapcsolatok szorosságának vizsgálata. 1. Egy kis ismétlés: mérési skálák (Hunyadi-Vita: Statisztika I o)

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Hipotéziselmélet. Statisztikai próbák I. Statisztikai próbák II. Informatikai Tudományok Doktori Iskola

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

Statisztika. Eloszlásjellemzők

BIOMATEMATIKA ELŐADÁS

Változók függőségi viszonyainak vizsgálata

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

A biostatisztika alapfogalmai, konfidenciaintervallum. Dr. Boda Krisztina PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

2. METROLÓGIA ÉS HIBASZÁMíTÁS

A MATEMATIKAI STATISZTIKA ELEMEI

24. tétel A valószínűségszámítás elemei. A valószínűség kiszámításának kombinatorikus modellje.

Valószínűségszámítás. Ketskeméty László

Statisztika II. előadás és gyakorlat 2. rész

Pályázat címe: Pályázati azonosító: Kedvezményezett: Szegedi Tudományegyetem Cím: 6720 Szeged, Dugonics tér

Biomatematika 2 Orvosi biometria

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

Mérési adatok feldolgozása Méréselmélet PE_MIK MI_BSc, VI_BSc 1

Izsák János. ELTE TTK Állatrendszertani és Ökológiai Tanszék. Kézirat

Ha n darab standard normális eloszlású változót négyzetesen összegzünk, akkor kapjuk a χ 2 - eloszlást: N

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

A matematikai statisztika elemei

Tapasztalati eloszlás. Kumulált gyakorisági sorok. Példa. Értékösszegsor. Grafikus ábrázolás

MINTAVÉTEL A MARKETINGKUTATÁSBAN, KÜLÖNÖS TEKINTETTEL A DIVIZÍV ÉS AZ AGGLOMERATÍV RÉTEGZÉSRE

Példák 2. Teljes eseményrendszer. Tulajdonságok. Példák diszkrét valószínőségi változókra

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

MÉRÉSTECHNIKA. DR. HUBA ANTAL c. egy. tanár BME Mechatronika, Optika és Gépészeti Informatika Tanszék 2011

Dr. Tóth Zsuzsanna Eszter Dr. Jónás Tamás Erdei János. Gazdaságstatisztika. II. rész A matematikai statisztika alapjai

Tulajdonságok. Teljes eseményrendszer. Valószínőségi változók függetlensége. Példák, szimulációk

Információs rendszerek elméleti alapjai. Információelmélet

[Biomatematika 2] Orvosi biometria

Ökonometria. /Elméleti jegyzet/

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

1. A radioaktivitás statisztikus jellege

Miért pont úgy kombinálja kétfokozatú legkisebb négyzetek módszere (2SLS) az instrumentumokat, ahogy?

? közgazdasági statisztika

BIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika

4 2 lapultsági együttható =

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

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

KÖVETKEZTETŐ STATISZTIKA

Adatfeldolgozás, adatértékelés. Dr. Szűcs Péter, Dr. Madarász Tamás Miskolci Egyetem, Hidrogeológiai Mérnökgeológiai Tanszék

Valószínűségszámítás és matematikai statisztika. Ketskeméty László

Regresszió és korreláció

A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab

Információs rendszerek elméleti alapjai. Információelmélet

A peremeloszlások. Valószínőségszámítás elıadás III. alk. matematikus szak. Példa. Valószínőségi vektorváltozók eloszlásfüggvénye.

Méréselmélet PE_MIK MI_BSc, VI_BSc 1

Regresszió. Fő cél: jóslás Történhet:

Wilcoxon-féle előjel-próba. A rangok. Ismert eloszlás. A nullhipotézis megfogalmazása H 1 : m 0 0. A medián 0! Az eltérés csak véletlen!

Bevezetés a hipotézis vizsgálatba. Hipotézisvizsgálatok. Próbák leírása. Kétoldali és egyoldali hipotézisek. Illeszkedésvizsgálatok

Regresszió és korreláció

A pályázat címe: Rugalmas-képlékeny tartószerkezetek topológiai optimalizálásának néhány különleges feladata

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.

I. Valószínűségelméleti és matematikai statisztikai alapok

KOMBINATORIKA ELŐADÁS osztatlan matematikatanár hallgatók számára. Szita formula J = S \R,

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

Függvénygörbe alatti terület a határozott integrál

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

GEOFIZIKA / 4. GRAVITÁCIÓS ANOMÁLIÁK PREDIKCIÓJA, ANALITIKAI FOLYTATÁSOK MÓDSZERE, GRAVITÁCIÓS ANOMÁLIATEREK SZŰRÉSE

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Statisztikai. Statisztika Sportszervező BSc képzés NBG GI866G4. Statisztika fogalma. Statisztikai alapfogalmak. Statisztika fogalma

I. Függelék. A valószínűségszámítás alapjai. I.1. Alapfogalamak: A valószínűség fogalma: I.2. Valószínűségi változó.

Valószínőségszámítás helye a tudományok között. Véletlen tömegjelenségek. Történeti áttekintés 1. Modellezés. Történeti áttekintés 3.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Arrhenius-paraméterek becslése közvetett és közvetlen mérések alapján

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

f (M (ξ)) M (f (ξ)) Bizonyítás: Megjegyezzük, hogy konvex függvényekre mindig létezik a ± ben

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Statisztika I. 4. előadás. Előadó: Dr. Ertsey Imre

Matematikai statisztika

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

Statisztika 1. zárthelyi dolgozat március 18.

A valószínűségszámítás elemei

A heteroszkedaszticitásról egyszerûbben

VII. A határozatlan esetek kiküszöbölése

specific (assignable) cause: azonosítható, tettenérhető (veszélyes) hiba megváltozott a folyamat

Eseme nyalgebra e s kombinatorika feladatok, megolda sok

[Biomatematika 2] Orvosi biometria

A sokaság/minta eloszlásának jellemzése

Átírás:

... Valószíűségszámítás és a statsztka Valószíűség számítás Matematka statsztka Alkalmazott statsztka? közgazdaság statsztka épesség statsztka orvos statsztka Stb. Példa: vércsoportok Az eloszlás A AB P( A) P( B) P( AB) P() B Elem eseméy: A, B, AB, Teles eseméyhalmaz. Valószíűségek: P(A), P(B), P(AB), P() Egymást kzáró eseméyek, tehát: Összetett eseméy pl.: megtalálható az A atgé: valószíűsége = P(A)+P(AB) Egy és csak egy atgé található: valószíűsége = P(A)+P(B) P(B) P(AB) P() P(A) Be va feezve a agy mű, ge. A gép forog, az alkotó phe.? 45% 4% 35% 3% 5% % 5% % 5% % Vércsoportok eloszlása Magyarországo A B AB Elmélet úto (agyo rtka) (pl. kocka feldobás: mde elem eseméy valószíűsége: /6.) Hogya uthatuk lye formácóhoz? Meyre megbízható? Tapasztalat úto (kísérletet végzük. Kísérlet: mérés, megfgyelés, kkérdezés stb.)

,6,5,4,3,, F N,8,7,6,5,4,3,, F N,6,5,4,3,,,4,35,3,5,,5,,5,35,3,5,,5,,5 F FN N 4F 3FN FN F3N 4N 6F 5FN 4FN 3F3N F4N F5N 6N,6,5,4,3,,,45,4,35,3,5,,5,,5,4,35,3,5,,5,,5 F FN N 4F 3FN FN F3N 4N 6F 5FN 4FN 3F3N F4N F5N 6N... Kérem a következőt! Kísérlet P(N) =,5 P(F) =,5 P(N) =,75 P(F) =,5 Példa: a férfak és ők aráya. Az eseméytér két elemű: férf, ő Valószíűségek: P(F) és P(N). Igaz, hogy: P(F)+P(N) = A mta elemszáma: ő férf ő férf Mlye emű a belépő páces? P(N) =,5 P(F) =,5 P(N) =,75 P(F) =,5 A mta elemszáma: 4 ő férf ő férf Kmeetel: F(érf) vagy N(ő) A mta elemszáma: (azaz kísérlet) ő férf ő férf A mta elemszáma: 6 ő férf ő férf Mtavétel alapelve Populácó és mta Következtetés agyobb elemszámú mta ksebb eltérések, megbízhatóbb eredméy. Ideáls, ha mde lehetséges esetet megvzsgáluk. Populácó (alapsokaság) Alapsokaság, olya vzsgál kívát egyedek, vagy más tetszőleges elemek véges vagy végtele összessége, amelyekek közös megfgyelhető ellemző vaak. Elmélet összesség s lehet, potecálsa megfgyelhető elemekkel. Lehetőleg mél agyobb elemszám. (Az ésszerűség határa belül.) Véletle mtavétel. Orvos kegészítés. Ha cs semm kzáró ok, akkor legye véletle. Mta A populácó relatíve ks méretű kragadott része valamlye előírás szert válogatva.

... Mtavétel hba Nem mtavétel hba Abból adódk, hogy em az alapsokaságot, haem csak egy részét (mta) vzsgáluk. Adatfelvétel hba pl.: válaszadás hba, feldolgozás hba stb. A statsztka módszerevel elemezhető, számba vehető! (de em elkerülhető) Nőgyógyászat Egy szélsőséges példa: Nem véletleszerű mtavétel! (ha az előző példába alkalmazzuk) Kérem a következőt! A becslés A becslés típusa Mlye magas a fa? Potbecslés Egyetle értékkel törtéő közelítés. Itervallumbecslés Egy tervallummal (ambe agy megbízhatósággal megtalálható) törtéő közelítés. Kb. 7 m magas. Körözés kb. 75 cm magas Körözés 7-75 cm magas A becslés olya elárás, amely háyos, többyre tapasztalat adatok alapá, egy adott esetre, adott változóhoz egy becsült értéket redel. 3

... A ó becslés tuladosága Kategoráls változó Kísérlet: kválasztuk egy embert és elvégezzük a vzsgálatot. Torzítatla: Hatásos: A becslés várható értéke mde mta-elemszám eseté éppe a keresett paraméter. (Körülötte gadozak) A becslések a paramétertől való közepes égyzetes eltérése mmáls. ( azaz a szórása kcs) Két egyarát torzítatla becslés közül az a hatásosabb, amelyre a közepes égyzetes eltérés a ksebb.) Kozsztes: becsléssorozat, amelybe a becslések torzítatlaok és közepes égyzetes eltérésük a zérushoz közeledk, (sztochasztkusa) kovergál a paraméter valód értékéhez. Igadozása övekedtével csökke. Elégséges: Olya becslés, amely az összes formácót tartalmazza a paraméterre, amt a mtából kaphatuk. (Pl. a ormáls eloszlásra középérték és a szórás elégséges statsztka). Kmeetel: A vagy B vagy AB vagy. Kválasztuk elegedő számú embert. : elemszám. Mta: a kválasztott számú ember a sokaságból. vércsoport A B AB gyakorság k A k B k AB k Egy valószíűség becslése A relatív gyakorság hbáa P(A) az A vércsoport előfordulásáak valószíűsége. Az A vércsoport előfordulásáak a várható értéke. P(A). Az. P(A) becslése a mta alapá: k A Bomáls eloszlás. várható érték: p varaca: p(-p) (o lám! Valószíűségszámítás?) elemű mta: k elem A vércsoportú, (-k) em. A P(A) potbecslése: k A /. A k A érték szórásáak becslése: s k/ érték a k/ szórása, vagy stadard hbáa. s k P( A) P( A) Redbe va, de egy másk mtából más érték származk. Meyre megbízható ez az érték? A k A / érték szórásáak becslése: P( A) P( A) P( A) P( A ) s k / P(A) helyett a k A /-t haszáluk. 4

... Kofdeca tervallum Folytoos változó Eek segítségével megadhatuk egy tervallumot. (tervallumbecslés) Példa: testmagasság Helyes keletés? Az eseméytér végtele agy! k s k / 68%-os kofdeca (megbízhatóság) tervallum, amhez 68%-os kofdeca szt tartozk. Jeletése: Ha agyo sok mtá megsmételük a megfgyelést, akkor a kofdeca tervallumok 68%-a tartalmazza a P(A)-t. Vagys az tervallumbecslés megbízhatósága 68% testmagasság: 7 cm. Nem! Véges elemszámú mta. Ncs két azoos elem. (gyakorság értékek: vagy ) Hams következtetés, gyakorlatba em kvtelezhető. Potos mérés em lehetséges, végtele potosságú eszköz kellee. Mtavétel folytoos változó esetébe A m és a s Helyes keletés: A testmagasság (x): 7,5 x 7,5 cm Egy meghatározott érték helyébe, egy tervallum (osztály) lép. (Továbbakba a dszkrét eloszláshoz hasolóa haszálhatuk) A s az adatok szóródását ellemz a m körül. Az adatokak kb. 68%-a a m körül s széles tervallumba va. m s 68% m s 95% p aak a valószíűsége, hogy: x az adott osztályba tartozzo. m? 5

... A mták eloszlása Az átlag várható értéke és varacáa Mdegyk x -edk elem eltér egymástól. Egy eloszlás redelhető hozzá. Ez egy egyszerű összeadás. x x Az x -k eloszlása megegyezk az alapsokaság eloszlásával. M ( x) M ( x ) ( m) m D ( x) s D ( x ) ( s ) M ( x ) m és D ( x ) s Az átlag várható értéke azoos az alapsokaságéval, varacáa aak -ed része. Becslés folytoos változó esetébe A várható érték becslése Várható érték: Az eloszlás ellemző: várható érték és az elmélet szórás. Defícók: M ( x) xf ( x) dx p x Elmélet szórás: D ( x) x M ( x) f ( x) dx p ( x m) M ( x) p x p -t közelítsük a k / relatív gyakorsággal! k x k x x A várható érték becslése az átlag. Torzítatla becslés, mert: M (x) m 6

... Az elmélet szórás becslése p ( x m) m=? k p ( x m) ( x m) k ( x m) ( x m) p -t közelítsük a k / relatív gyakorsággal! Általába em smert, csak közelítő értéke, az átlag. Előzőleg láttuk, hogy: ( x Jó becslés? m) ( x x) > Átlagoluk agyo sok -elemű mtára! (várható érték) s > M ( x x) Ez egy torzított becslés! ( x x)? Korrgált tapasztalat szórás Az eltérés az átlag és a várható érték külöbségéből fakad. M x m x m s M s s s M s * s s ( x x) * s Az átlag varacáa: s Az átlag szórása: s De általába a s sem smert. A stadard hba s a ó becslése a s-ek. s x s Ez tehát az átlag szórása, vagy stadard hbáa. s A mták között eltérések varacáa. A továbbakba s-el elölük a korrgált tapasztalat szórást. 7

... A várható érték kofdeca tervalluma Az tervallum becslés saátossága Hasolóa a P becsléséhez, a stadard hba smeretébe megadhatuk a várható érték kofdeca tervallumát. x s x 68%? Nem kevés egy kcst? x Hát övelhetük, pl.: a következő esetébe kb. 95% a kofdeca szt, de az formácó kevesebb. s x Ez az tervallum kb. 68% megbízhatósággal tartalmazza m- t. tervallum megbízhatóság formácó A potos összefüggés: x t p s x ahol t p : az (-)-ed fokú t-eloszlás esetébe a p valószíűséghez tartozó érték. (a megbízhatóság szt (-p)) Kapcsolat a paraméterek között Normál értékek Mt eleteek? férfak ők kálum 3,5-5 mmol/l 3,5-5 mmol/l mta populácó WBC 4-. 9 /l 4-. 9 /l átlag várható érték HCT 4-54 % 38-5 % szórás elmélet szórás stadard hba De ha em smerem a valód értékeket?... Ezért va szükség a statsztkára! Normáls eloszlású változó esetébe lásd az ábrát! (A m és s helyett általába agy elemszámú mtából becsült értékeket haszálak). Egyébkét pedg az az tervallum, amelyek mdkét oldalá keső rész együttese 5%. Egyéb elevezések: ormál tartomáy, refereca tartomáy. 8

kísérletek... Kérdések (példa) Hatásos-e a gyógyszer? Hpotézs vzsgálatok? Hogya adhatuk választ? rodalomból téyeke alapuló tudomáy Hpotézs = feltevés? Ncs elletmodás? feltevés kísérletekből Robert Koch esete a lépfeével lépfee baktérum Hpotézs Téyek, adatok A. cs kapcsolat B. A baktérum okozza Egymást kzáró állítások, elég az egyket megvzsgál. Robert Koch A. állítás gaz, tehát B hams Kérdés: Lehet-e a betegség okozóa a baktérum? Dötés: A. állítás hams, tehát B gaz 9

... Orvos tevékeység Dötés Doktorő! Itt fá, ott szúr! Hpotézsek: A vagy B betegség? Ö az A betegségbe szeved. Helyes dötés? Mekkora az esélye a tévedések? tovább vzsgálatok