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

Hasonló dokumentumok
Matematikai statisztika c. tárgy oktatásának célja és tematikája

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztika elméleti összefoglaló

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

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

egyetemi jegyzet Meskó Balázs

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

Matematikai statisztika szorgalmi feladatok

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

A Statisztika alapjai

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

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

Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 2016/2017 tavaszi félév

Valószín ségszámítás és statisztika

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

Statisztikai alapfogalmak

Több valószínűségi változó együttes eloszlása, korreláció

Normális eloszlás paramétereire vonatkozó próbák

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

Biostatisztika Összefoglalás

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Leíró és matematikai statisztika gyakorlat Matematikai elemz szakirány 2015/2016 tavaszi félév

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Dr. Karácsony Zsolt. Miskolci Egyetem november

Statisztika Elıadások letölthetık a címrıl

A leíró statisztikák

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

Biostatisztika Összefoglalás

Matematikai statisztika Tómács Tibor

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

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.

Statisztikai alapismeretek (folytatás) 4. elıadás (7-8. lecke) Becslések, Hipotézis vizsgálat

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

A maximum likelihood becslésről

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

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

Hipotézis vizsgálatok

[Biomatematika 2] Orvosi biometria

STATISZTIKAI ALAPOK. Statisztikai alapok_eloszlások_becslések 1

Tárgy- és névmutató. C Cox & Snell R négyzet 357 Cramer-V 139, , 151, 155, 159 csoportok közötti korrelációs mátrix 342 csúcsosság 93 95, 102

Bevezetés a hipotézisvizsgálatokba

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz

y ij = µ + α i + e ij

Többváltozós lineáris regressziós modell feltételeinek

KÖVETKEZTETŐ STATISZTIKA

A valószínűségszámítás elemei

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

0,1 P(X=1) = p p p(1-p) Egy p vszgő esemény bekövetkezik-e.

Leíró és matematikai statisztika

Matematikai statisztika gyakorlat Programtervez informatikus alapszak, A szakirány 2018/2019 tavaszi félév

1. Példa. A gamma függvény és a Fubini-tétel.

Két diszkrét változó függetlenségének vizsgálata, illeszkedésvizsgálat

Hipotézis vizsgálatok

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

Függetlenségvizsgálat, Illeszkedésvizsgálat

Matematikai statisztika feladatsor

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Korreláció és lineáris regresszió

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

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Kutatásmódszertan és prezentációkészítés

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

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

Alkalmazott statisztika feladatok

Diagnosztika és előrejelzés

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Matematikai statisztika

Illeszkedésvizsgálati módszerek összehasonlítása

Lineáris regressziószámítás 1. - kétváltozós eset

Gazdasági matematika II. tanmenet

Továbblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,

Leíró és matematikai statisztika

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

Valószín ségszámítás 2.

Matematikai statisztika

Statisztikai becslés

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

Valószín ségszámítás és statisztika Gyakorlat (Statisztika alapjai)

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

Abszolút folytonos valószín ségi változó (4. el adás)

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

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

ANOVA,MANOVA. Márkus László március 30. Márkus László ANOVA,MANOVA március / 26

VIZSGADOLGOZAT. I. PÉLDÁK (60 pont)

Regresszió és ANOVA. Freedman: fejezet. Freedman: fejezet. Freedman: fejezet

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

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

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

A statisztika oktatásáról konkrétan

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

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

Matematikai statisztikai elemzések 4.

Matematikai statisztikai elemzések 4.

5. előadás - Regressziószámítás

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Átírás:

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, kiegészít ismeretként szolgálnak más témákhoz. 1. hét, II.14. Leíró statisztikai alapfogalmak Statisztikai sokaság, fajtái Statisztikai adat, fajtái E1.) feladat Statisztikai ismérv, fajtái Mérési skálák, kapcsolat az ismérvek fajtáival E2.) feladat Statisztikai sor, fajtái Statisztikai tábla, fajtái E3.) feladat Viszonyszám, fajtái E4.) feladat A statisztikai elemzés lépései Összetett viszonyszámok kiszámítása E5.) feladat 2. hét, II.21. Id sorok elemzése: lánc- és bázisviszonyszámok; id sor átlagos értéke; változás üteme és mértéke E6.) feladat Mennyiségi sorok elemzése, osztályközös gyakorisági sor Koncentráció, mér számai, Lorenz-görbe Állítás a Herndahl-index alsó és fels korlátjáról; bizonyítás E7.) feladat Deníció: l-edik centrális momentum Deníció: l-edik standardizált momentum Deníció: ferdeség Deníció: csúcsosság Deníció: kvantilisfüggvény Deníció: medián, kvartilisek 3. hét, II.28. Deníció: módusz E8.) feladat, E9.) feladat Deníció: Euler-féle gamma-függvény Állítás: az Euler-féle gamma-függvény néhány tulajdonsága Deníció: Euler-féle béta-függvény Állítás: az Euler-féle béta-függvény néhány tulajdonsága Deníció: vastag szél eloszlások Nevezetes vastag szél eloszlások 1

E10.) feladat Tétel: s r ségfüggvény-transzformáció magasabb dimenzióban E11.) feladat Deníció: minta, mintatér Deníció: i.i.d. minta Deníció: statisztika Mintavétel a gyakorlatban, az adatgy jtés fajtái Az adatelemzés elemei, lépései Tapasztalati eloszlás, tapasztalati eloszlásfüggvény 4. hét, III.7. Középértékek (mintaátlag, módusz, medián) számítása tapasztalati mintából Tapasztalati kvantilisek számítása Nevezetes tapasztalati kvantilisek Szóródási mutatók számítása tapasztalati mintából, kvartilisek Alakmutatók számítása tapasztalati mintából E12.) feladat E13.) feladat Deníció: statisztikai mez E14.) feladat 5. hét, III.14. Deníció: likelihood függvény Deníció: loglikelihood függvény Maximum likelihood módszer Momentum módszer E15.)a.)b.)c.) feladat E17.)a.)b.)c.) feladat E19.)a.)b.)c.) feladat Deníció: torzítatlan becslés Deníció: aszimptotikusan torzítatlan becslés Deníció: er sen konzisztens becslés Deníció: gyengén konzisztens becslés Deníció: L 2 -ben konzisztens becslés Deníció: MSE (mean squared error = legkisebb négyzetes hiba) Állítás a várható értékre, szórásnégyzetre, eloszlásfüggvényre torzítatlan/konzisztens becslésekr l; bizonyítás 6. hét, III.21. Glivenko-Cantelli tétel (a statisztika alaptétele) Állítás: az MSE felbontása a torzítás négyzetének és a statisztika szórásnégyzetének összegére; bizonyítás Állítás: elégséges feltétel gyenge konzisztenciára E15.)d.)e.) feladat Deníció: hatásosabb becslés (egy másikhoz torzítatlanhoz képest) Deníció: hatásos becslés Állítás: a lineáris becslések osztályán belül a várható érték hatásos becslése a mintaátlag; bizonyítás Tétel: a hatásos becslés 1 valószín séggel egyértelm ; bizonyítás E18.) feladat a rendezett minta eloszlásfüggvénye és s r ségfüggvénye; a rendezett minta i ele- 2

mének eloszlása, E(0;1) eloszlású mintaelemek esetén E17.)d.)e.)f.) feladat, f.)-ben azt, hogy nem konzisztens, nem számoltuk végig A s r ségfüggvény becslései: hisztogram és magfüggvényes módszer. A magfüggvényes módszer (Parzen-Rosenblatt becslés) mögötti intuíció. A leggyakoribb magfüggvények. 7. hét, III.28. Deníció: n elem mintában lév Fisher-információ Deníció: statisztikában lév Fisher-információ "Bederiválhatósági" feltételek: (B1), (B2), (B1T) Állítás: ekvivalens feltétel (B1)-re; bizonyítás Állítás: a Fisher-információ kiszámítása "bederiválhatósági" feltételek esetén; bizonyítás Tétel: Cramér-Rao egyenl tlenség; bizonyítás Állítás: a relatív gyakoriság hatásos becslése a valószín ségnek; bizonyítás (E20.) feladat) Állítás: i.i.d. Exp(λ) eloszlású minta esetén a mintaátlag hatásos becslése 1 -nak; bizonyítás (E21.) λ feladat) Tétel (Cramér): a likelihood becslés tulajdonságai Deníció: χ 2 -eloszlás Deníció: Student-féle t-eloszlás Deníció: F -eloszlás Állítás: a χ 2 -eloszlás, t-eloszlás és az F -eloszlás tulajdonságai Deníció: 1 α megbízhatóságú kondenciaintervallum Deníció: 1 α megbízhatóságú aszimptotikus kondenciaintervallum 8. hét, IV.4. Deníció: intervallumbecslés lefedési valószín sége Fisher-Bartlett tétel Intervallumbecslés a normális eloszlás várható értékére ismert szórás esetén Intervallumbecslés a normális eloszlás várható értékére ismeretlen szórás esetén Intervallumbecslés a normális eloszlás szórására Intervallumbecslés az ML-becslésre a Fisher-információ segítségével E22.) feladat E23.) feladat Hipotézisvizsgálati alapfogalmak Nullhipotézis, ellenhipotézis, statisztikai próba, paraméteres statisztikai próba, kritikus tartomány, elfogadási tartomány Deníció: els fajú hiba Deníció: másodfajú hiba Deníció: próba terjedelme Deníció: er függvény Deníció: egyszer hipotézis, összetett hipotézis Próbastatisztika, kritikus érték E24.) feladat 9. hét, IV.11. E25.) feladat A hipotézisvizsgálati feladatok megoldásának általános menete Deníció: p-érték Egymintás próbák normális eloszlás várható értékére: u-próba és t-próba 3

Kétmintás próbák normális eloszlás várható értékére: kétmintás u-próba, kétmintás t-próba, Welchpróba Próbák normális eloszlás szórására: χ 2 -próba, F -próba Állítás: az egymintás u-próba próbastatisztikája H 0 esetén N(0, 1) eloszlást követ; bizonyítás Állítás: az egymintás t-próba próbastatisztikája H 0 esetén t n 1 eloszlást követ; bizonyítás Állítás: a kétmintás u-próba próbastatisztikája H 0 esetén N(0, 1) eloszlást követ; bizonyítás Állítás: a normális eloszlás szórására vonatkozó egymintás χ 2 -próba próbastatisztikája H 0 esetén χ 2 n 1 eloszlást követ; bizonyítás E26.) feladat E27.) feladat 10. hét, IV.25. E28.) feladat χ 2 -próba Tétel: a χ 2 -próba próbastatisztikájának eloszlása χ 2 1-eloszláshoz tart; bizonyítás 2 elem teljes eseményrendszer esetén Q-Q plot P-P plot Diszkrét illeszkedésvizsgálat χ 2 -próbával Folytonos illeszkedésvizsgálat χ 2 -próbával diszkretizálás Becsléses illeszkedésvizsgálat Folytonos illeszkedésvizsgálat Kolmogorov-Szmirnov próbával E29.) feladat E30.) feladat Homogenitásvizsgálat χ 2 -próbával Függetlenségvizsgálat χ 2 -próbával E31.) feladat 11. hét, V.2. Steiner-tétel: valószín ségi változó legkisebb négyzetes közelítése konstanssal; bizonyítás Tétel: a valószín ségi változó legkisebb négyzetes közelítése p darab valószín ségi változóval (113. fólia, e.) rész); bizonyítás Lineáris modell, azzal kapcsolatos alapfogalmak, jelölések, a modell felírása mátrixos alakban Tétel az y = Xb + ε lineáris modell b együtthatói legkisebb négyzetes becslésér l; bizonyítás Tétel az y = Xb + ε lineáris modell b együtthatói legkisebb négyzetes becslésének torzítatlanságáról és kovarianciamátrixáról; bizonyítás Tétel az y = Xb + ε lineáris modellben a hibák szórásnégyzetének torzítatlan becslésér l; bizonyítás Modelldiagnosztika lineáris modellben determinációs együttható, t-próba az együtthatókra, F - próba a modell általános jóságáról Lineáris hipotézis lineáris modellben Modellszelekciós módszerek, kritériumok korrigált R 2, AIC, legjobb regressziós modell felépítésének stratégiái Regressziós modell számítógépes outputjának elemzése és értelmezése (például E38.) a.) feladat) 12. hét, V.9. E38.) feladat E37.) feladat a lineáris modell alkalmazása egyszer regresszióra és speciális nemlineáris, de linearizálható regressziós feladatok megoldására Érték-, ár- és volumenindexek 4

E41.) feladat Ismérvek közti kapcsolat vizsgálata, a kapcsolat fajtái különféle szempontok szerint Asszociáció, mér számai: Cramér- és Yule-együttható, értelmezéseik E39.) feladat 13. hét, V.16. Vegyes kapcsolat, variancia-analízis (szóráselemzés, ANOVA) modellje Az ANOVA modell felírása, mint egy speciális lineáris modell Állítás az ANOVA modell paramétereinek becslésér l; bizonyítás Állítás a szórásfelbontásról egyfaktoros ANOVA esetén; bizonyítás Állítás: F -próba arról, hogy a faktor nincs hatással a magyarázóváltozóra, a képlet levezetése a regressziónál látott lineáris hipotézis F-próbájából ANOVA táblázat Intervallumbecslés a paraméterekre és azok különbségeire E40. feladat Mese a próbák általános elméletér l. 5