véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Hasonló dokumentumok
Változók közötti kapcsolatok vizsgálata

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Regresszió és korreláció

? közgazdasági statisztika

Regresszió és korreláció

? közgazdasági statisztika

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

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

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

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

13. Tárcsák számítása. 1. A felületszerkezetek. A felületszerkezetek típusai

Boros Daniella Nappali tagozat Kereskedelem és marketing 2. évfolyam Gödöllő Neptun kód: OIPGB9

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

Matematikai statisztika

NEMPARAMÉTERES ELJÁRÁSOK

Képletgyűjtemény a Gazdaságstatisztika tárgy A matematikai statisztika alapjai című részhez

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

NÉMETH LÁSZLÓ VÁROSI MATEMATIKA VERSENY 2013 HÓDMEZŐVÁSÁRHELY OSZTÁLY ÁPRILIS 8.

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

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

) ( s 2 2. ^t = (n x 1)s n (s x+s y ) x +(n y 1)s y n x+n y. +n y 2 n x. n y df = n x + n y 2. n x. s x. + s 2. df = d kritikus.

Valószínűségszámítás összefoglaló

I. Valószínűségelméleti és matematikai statisztikai alapok

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése

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

Mérési adatok feldolgozása Méréselmélet PE_MIK MI_BSc, VI_BSc 1

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

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

Valószínűségi változók. Várható érték és szórás

EUKLIDESZI TÉR. Euklideszi tér, metrikus tér, normált tér, magasabb dimenziós terek vektorainak szöge, ezek következményei

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

Tuzson Zoltán A Sturm-módszer és alkalmazása

Statisztika 1. zárthelyi dolgozat március 21.

forgási hiperboloid (két köpenyű) Határérték: Definíció (1): Az f ( x, y) függvénynek az ( x, y ) pontban a határértéke, ha minden

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

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

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

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

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

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

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

STATISZTIKAI MÓDSZEREK

Alkalmazás: hatásvizsgálatok

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

2.4. Vektor és mátrixnormák

BIOMATEMATIKA ELŐADÁS

Biomatematika 2 Orvosi biometria

[Biomatematika 2] Orvosi biometria

Bevezetés a hipotézisvizsgálatokba

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

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

Többváltozós lineáris regressziós modell feltételeinek

Valószínűségszámítás. Ketskeméty László

Minősítéses mérőrendszerek képességvizsgálata

Statisztika. Eloszlásjellemzők

Méréselmélet PE_MIK MI_BSc, VI_BSc 1

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

Populáció nagyságának felmérése, becslése

Feladatok és megoldások a 11. heti gyakorlathoz

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

3. Egy ξ valószínűségi változó eloszlásfüggvénye melyik képlettel van definiálva?

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

Normális eloszlás tesztje

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

Kétváltozós függvények

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

Lineáris regresszió. Statisztika I., 4. alkalom

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

Ó ű ű Á ú ű ű ú ú ú ű ű É ú É Á Á ú ű Ü Á Ü Á ű Ö Ú É Ó É Á Á Á Ű Á úá Á Ö É Ö É Ü

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

STATISZTIKA II. kötet

A valószínűségszámítás elemei

9. ábra. A 25B-7 feladathoz

(1) Milyen esetben beszélünk tartós nyugalomról? Abban az esetben, ha a (vizsgált) test a helyzetét hosszabb időn át nem változtatja meg.

EGY FÁZISÚ TÖBBKOMPONENS RENDSZEREK: AZ ELEGYEK KÉPZDÉSE

Statisztika elméleti összefoglaló

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

Megjegyzés: Amint már előbb is említettük, a komplex számok

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

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

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

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

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

ICH Harmonised Tripartite Guideline. Stability Testing of New Drug Substances and Products (Q1A(R2)), 2003

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

1. MECHANIKA-STATIKA GYAKORLAT (kidolgozta: Triesz Péter, egy. ts.; Tarnai Gábor, mérnök tanár) Trigonometria, vektoralgebra

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

A valószínűségszámítás elemei

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

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

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

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

Változók függőségi viszonyainak vizsgálata

Normális eloszlás paramétereire vonatkozó próbák

[Biomatematika 2] Orvosi biometria

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Átírás:

BEVEZEÉS statsztka telese lakusokak: ag mukával gűtött adatok vzsgálata, abból következtetések levoása ( statstcal feece ) (Eg kcst sok hűhó semmét azaz Much ado about othg.) M s a statsztka? Eg populácóból veszük mtát. ( szavakat a KSH találta k.) mta alapá akauk valamt moda, de az egész populácóól. 3 Állítsuk megbízhatóságáól s latkozuk. NÉPSZVZÁS 4 mtavétel em akámle. káhászo elvégezzük, más és más eedmét kapuk. Ez a mtavétel lesz a dolog kulcsa.. VENEREL DISESE Ezét kell éte a valószíűségszámításhoz. Nevezzük a mtavételt kíséletek. Kísélet : detemsztkus : előe meghatáozható eedméhez vezet véletle : statsztka tövéekek egedelmeskedk (M az am közös a épszavazásba, a betegségek gógulásába és a fz. kém. laboba?) M kell a statsztka taulásához? MEMIK: halmazelmélet algeba métékelmélet (dffeecál- és tegálszámítás) aalízs Példa: NÉPSZVZÁS (Belépe-e az Egesült Kálság az Euópa Uóba?) YES NO SUM Scotlad 33 86 947 769 79 355 Nothe Ielad 59 5 37 3 497 6 Kédés: Va-e külöbség Scotlad és Nothe Ielad vélemée között? Válasz: ak a valószíűsége, hog cs, 0 8.

MIK VÉLELEN ÖRVÉNYEI? Defícó: Esemété: a véletle kísélet összes lehetséges kmeeteléek halmaza. Eleme: az eges kíséletek kmeetele. z esemété lehet: kolátos foltoos: pl. testmagasság végtele dszkét: pl. adoaktív bomlás véges dszkét: pl. látósetek száma a etá, kockadobás, ua (MI BJ KLSSZIKUS ELMÉLEEL?? (Kombatoka)) végtele foltoos: ha íg defáluk! egváltozós többváltozós Defícó: Esemé: z esemété tetszőleges észhalmaza. Elevezés: Bekövetkezk eg esemé, ha a kísélet ola kmeetele fodul elő, amelek valód észe az esemé. HF. Há lehetséges esemé va eg kocka dobásáál (és kettőél)? Eg kocka: ába Ø: az ües halmaz (hog az esemété zát lege, e vezesse k belőle semmle művelet.) Defícó: Dszukt (egmást kzáó) eseméek: Ha (tetszőleges páa) cse páokét közös észük. ( metszetük ües.) Példák: Páatla / páos kocka vag ksebb / -él agobb VLÓSZÍNŰSÉGSZÁMÍÁS XIÓMÁI Lege: és B eg esemété két (dszukt) esemée (azaz B 0). Jelölés: P() az, P(B) a B esemé valószíűséget elölő számok, ha telesül 3 aóma.. 0 P() P(B)-e temészetese ugaez gaz. P( B) P() + P(B) 3. P(S) S: teles esemété

Mle esemé B??? E aóma elég. P U Szokás még: P ( ) vag 0 P() de ezek má az előzőek következmée! Néhá fotos következmé: valószíűség számítás tételek 0. P(Ø) 0. P(). P( ) P() Há esemét specfkál eg kísélet kmeetele? ( az komplemetee.) P U kteesztés több (páokét függetle) esemée 3. P ( ) 4.. aóma következmée: eseméek külöbségéek valószíűsége P ( / B) P ( ) P ( V) (Ha B P ( / B) P ( ) P ( B) Mle esemé az / B? 5. Ha két esemé em dszukt, felbotható háom dszukt esemée. Lege D E Ø Felbotás: D E, D / (D E), E / (D E) uóuk: D E P (D E) P (D / (D E)) + P (E / (D E) P (D) + P (E) P (D E) Vegük észe: ha D és E dszuktak, vsszakapuk a. aómát. Kteeszthetük több esemée POINCRÉ tétele. Mt elet B? (Ha B, akko s.) Ekko: P () P (B) P (B / ) P (B) P () Hog álluk P ( / B)-vel? FELÉELES VLÓSZÍNŰSÉG Jelölés: B :, feltéve, hog B bekövetkezett. Defícó: P ( B) ( B) P( B) P az esemé B-e voatkoztatott feltételes valószíűsége. 3

étel: és B eseméek függetleek, ha P ( B) P () P (B) Bzoítás: P ( B) P( ) P ( B) ( B ) P ( B) P (a B esemé valószíűsége függetle -tól.) Szmmeta okokból ( B) P ( ) P valószíűség gakolat ételmezése: apasztalat gakoság Klasszkus valószíűség (egeletes, dszkét) Geometa valószíűség Defícó: Függetleek egmástól azok a kíséletek, amelek kmeeteleek valószíűségét em befolásolák a több kíséletek kmeetele. Elevezés: Ismétlés: ha az úabb kíséletek függetleek a koábbaktól. Beoull tétele (sztochasztkus kovegeca): h, tapasztalat gakoság p ( P ( ) p < ε ) lm P, tetszőleges ε -a (z aómák gazolhatók a h, tapasztalat gakoságokból p em kell hozzá az egeletes valószíűség.) VLÓSZÍNŰSÉGI VÁLOZÓK ehéz fogalom! Elevezés: Egszeű (elem) eseméek: dszkét esemété eleme. Foltoos esemétébe: X ( + ) MÉRÉSKOR NINCS FOLYONOS ESEMÉNYÉR! Madem lehetetle esemé Madem bztos esemé 0 lehetetlesége: két embe két molekula } távolsága 4

Defícó: valószíűség változó az esemétée ételmezett függvé. kísélet mde eges kmeeteléek megfelelőe felvesz eg étéket, ez az ő ealzácóa. Étékkészlete alkota a valószíűség változó eseméteét. Más eve: statsztka. Változó: NGY lat betű, Mt elet P (X )? ealzácó: ks lat betű Hog va ez eg kocka dobásáál?? M a foltoos megfelelőe a P (X ) -ek?? P ( < X + ) vag, ha elvégezhető a 0 átmeet: P ( < X + d ) M a 0 feltétele??? N. B. Valószíűség változók bámel függvée s valószíűség változó! (Mét?) Bámel függvé, amel évées valószíűség változók között, évées ugaúg a ealzácók között s. (Mét?) VLÓSZÍNŰSÉGI SŰRŰSÉGFÜGGVÉNY Lege X eg valószíűség változó, S az ő esemétee. Kédés: Hoga oszlaak el S fölött a valószíűségek? Defícó: Ha X foltoos valószíűség változó, akko valószíűség sűűségfüggvée az az f () függvé, amelek az tevallumo vett tegála megada aak a valószíűségét, hog X ealzácó az tevallumo belül leszek, azaz: el. P ( X ) P ( ) f d. z X (X, + d ) elem esemé valószíűsége f () d, és f () d 0, d 3. f ( ) S (, )-bel defícó eseté: d f Hog lehet ezt íg kteeszte? 5

Defícó: Ha X dszkét valószíűség változó, akko mde eges étéke (ealzácóa) elem esemé, p() valószíűséggel. Ekko a p() P (X ) az X valószíűség sűűségfüggvée. Ee gaz elölés. P ( ) P ( ) p. 0 p () 3. p alóga: ömegpotok / kotuum mechakáa test test m ρ dv test ( m ) f f ρ dv ρ : tömegsűűség test (Steltes tegál) Mostaa épült fel telese a haszálható matematka appaátus: Véletle kísélet kmeetelek S halmaz esemété S X 0 esemé valószíűsége P() valószíűség változó X R 0 X f p d a ealzácó valószíűsége ( matematkus em az S halmazt tekt alapkét, haem aak összes észhalmazából álló H halmazt!) 6

Defícó: z Y valószíűség változó eloszlásfüggvée: F() P ( ) p( ) F dszkét < F f foltoos ( ) d Fogalmak áttektése \ eloszlás típusa foltoos dszkét sűűségfüggvé f () p() elem esemé valószíűsége f () d p() adott esemé valószíűsége f d p eloszlásfüggvé F() F() P (X ) F() F() P ( X ) F( ) F( ) F( ) F( ) f ( d) X X p Vegük észe! lm P( a < X b) 0 a b foltoos X-e P( b) 0 b madem lehetetle esemé p ( b) 0 madem bztos esemé VÁRHÓ ÉRÉK Defícó: X valószíűség változó bámel g() függvééek váható étéke: M ( g ) g S f g d p foltoos dszkét 7

(Steltes tegállal: ( g ) g df Feltételek: Ha a g p M ) so koveges. vag a g f Specáls váható étékek: 0 d tegál létezk és véges. X váható étéke (X átlaga, X eloszlásáak középétéke) µ µ M Jeletése: ezt szóák köül a kísélet eedmée. M: mea (más elölés: E: epectato) X (eloszlásáak) -edk cetáls mometuma µ M µ 8 S f p d [( ) ] M ( M ) [ ] N.B.: Ha az eloszlás szmmetkus, mde páatla cetáls mometuma zéus. ába. cetáls mometum: X (eloszlásáak) szóáségzete / vaacáa D V µ M ( µ ) Elevezés: Stadad devácó (hba): D D: devato : scatte Két valószíűség változó eseté: KOVRINCI [ ] M [( M ) ] ( X, Y ) M [( µ )( Y )] C µ Vegük észe a hatáesetet: C (X, X) D (X) V(X) (szóáségzet, vaaca) Kovaaca mát: eleme: C(X, X ) főátló: V(X ) ( vaaca) Belőle számazk a koelácós egüttható: ( X, Y ) D ( Y ) C ρ ( X, Y ) omált kovaaca D

étel: Ha X és Y függetleek M(XY) M(X) M(Y) ekko C(X, Y) 0 és ρ (X, Y) 0 MEGFORDÍV CSK KKOR IGZ, ha X és Y egüttes eloszlása omáls. étel: Mde emegatív f (), ha tegálható a (, ) tevallumo, és f d Ha g d N g, valószíűség sűűségfüggvé lehet., de véges, akko s lehet sűűségfüggvé, ahol N g d N : NORM ELOSZLÁSFÜGGVÉNY ÍPUSOK Bomáls eloszlás Lege: tetszőlegese smételhető kísélet két kmeetellel: és P() p P( ) q p Bomáls mtavétel Lege smétlésből K az eseméek száma { 0,,, } S K k S Defícó: P K k p k k k q ( ) ez a sűűségfüggvé Jelölés: K ~ B(p, ) év eedete: P (K k) kfeezés a (p + q) bomáls soból való. µ p p q p ( p) Más év: Beoull-eloszlás smételt alteatívák eloszlása lakalmazás: Népszavazás, feleletválasztás, stb... 9

Posso eloszlás Dszkét Gaka haszálható. Időbe: egeletes valószíűséggel bekövetkező eseméek száma adott dőtevallumba. ébe: egeletes valószíűséggel bekövetkező eseméek (véletle elhelezkedése) száma adott felülete. (Esőcsepp, adoaktív bomlás, gépelés hba, LÓRÚGÁS, fogalom, gólok focmeccse, telefohívások, setszapoodás, születések száma) Esemété: N Jelölés: K ~ P(m) Defícó P (K k) P(b) m k m e k! k N µ m m m étel: c-szees tevallum: K ~ P(c m) ha K ~ P(m ) és K ~ P(m ) függetleek, akko K + K ~ P (m + m ) Hatáeloszlás-tételek: B, ha p << ( p ) P( p) B ( p ) P( p), ha lm p m (azaz, ha ő, p csökke) Epoecáls eloszlás Foltoos Időbe: (egeletes eloszlású) véletle eseméek bekövetkezéséek deég eltelt dő ÉLERM-eloszlás ébe: (egeletes eloszlású)véletle eseméek heléek távolsága eg adott (tetszőleges) heltől Váakozás!, ütközések távolsága /dee, élettatam. REKCIÓKINEIK! f a e 0, a, ha a > 0 ha 0 < 0 F e e µ a átlagos élettatam, ütközés gakoság, szabad úthossz, elaácós dő 0

a a Posso okoa! POISSON-folamat Nomáls eloszlás Felfedezőe: baham de Move ezét hívák még Gauss-eloszlásak. Pétevá áték: ddg dobuk, míg fe em ö k. Ha -edke dobuk feet, ubelt kapuk. Met kell befzet a bakak, hog e mee töke? Dobások: B(0.5, ) de Move: lm P ( h, fe h, íás < ) Defícó ( µ ) f e < < π π e d Jelölés: X ~ N (µ, ) Defícó µ a Z X SNDRD NORMÁLIS eloszlású Z ~ N (0, ) f ( z) e π Hatáeloszlások z + µ táblázatok, belső függvéek (matematkusok-fzkusok) Közpot hatáeloszlás tétele Legeek,,... azoos eloszlású valószíűség változók, µ és (véges) paaméteekkel, akko eseté a ~ N (, ) : Méések!! µ, továbbá ~ lm N, µ, amből (, ) χ eloszlás ν e f 0 <, ν > 0 ν ν Γ

~ χ ν ν a szabadság fokok száma Mét fotos? Ha,, 3,... függetleek és N (µ, ) eloszlásúak: Váható étéke: µ ν W µ W ~ χ Méések! Elevezés: W m ~ χ edukált χ - eloszlás: µ Studet-féle t-eloszlás (Studet: agol ú áleve, eze a éve íta matematka ckket) Kvételes: t ks betű, de valószíűség változó!! lm ν ν f < t <, ν > 0 ( t) t N ν + ν, t ν β + ν ν Γ Γ ν β, ν Γ + ába ( 0, ) Jeletőség: mtavétel ld. később ν 30 fölött az eltéés ksebb mt 0 % Z Ha Z ~ N (0, ) és U ~ χ ν függetleek, akko ~ tν U ν F-eloszlás (Fshe-féle F-eloszlás) ~ ν ~ ν f () ge boolult Ha U χ és V χ függetleek, akko edukált háadosak eloszlása le: µ ν ν ν ~ ν ν F és, F ν, ν F ν ν, Számolás: χ ν ν, ν F

SISZIKI MÓDSZEREK Mtavétel: (,, 3,... ) elemek kválasztása a sokaságból mta Becslés: f statsztkák számítása mtastatsztka függ a mtától!! Statsztka aalízs: kofdeca szgfkaca hpotézs modell lleszkedés vzsgálatok Szükség va eloszlásáak smeetée!! (z eloszlás smeetée em mdg: NEMPRMÉERES ROBUSZUS módszeek) feladat leggakabba ( t) ( t) ( ) P P P t t típusú valószíűségek számítása Mtavétel külö tudomá (pl. kísélettevezés) Idealzált: smétlés: méések,,... azoos eloszlású kmetelek el ( ), K a megfgelések valamel függvée: mtastatsztka () eloszlása a mta eloszlása, amel az -k eloszlásától függ. Kokét példák mta középétéke : Jelölés: eloszlása általába em smet! ~ N µ,, akko ~ N µ, M M µ tozítatla becslése ha D µ N.B. övelésével csak ezét a mta középétéke -szeesée csökke a szóás! 3

mta szóáségzete Defícó: ( ) S S Ha ~ N (, ), µ, µ akko ~ t S Számolás : ( S ) S számláló: Z-szeű, evező: edukált χ -szeű ( ) M tozítatla becslése S a mta szóáségzete mta kovaacáa: BECSLÉS Cˆ ( )( ) X, Y ( C( X, Y )) C( X Y ) M ˆ, a kovaaca tozítatla becslése mta statsztkáát úg választuk meg (o meg a mtát!), hog az eloszlás θ paaméteéhez közel lege. (Szovet modás: hazugságak háom fokozata va: maga elv sem kuta: z eláás: becslés (estmato) valószíűség változó: becslés (estmato) eg ˆ ealzácóa: becslés (estmate). hazugság. acátla hazugság 3. statsztka ) becslés eláás becslő függvé becsült éték N. B. eg valószíűség változó. Realzácóa a kokét mtától függ. Általába eloszlása, váható étéke, szóása. Eg ó becslő. tozítatla M() θ. hatásos ( mmum vaaca ) 3. elégséges ha a () mde szükséges fomácót tatalmaz θ-ól. ( hatásos becslés elégséges!!) 4. kozsztes ha lm P( < ε ) Feltétel: ha tozítatla, és lm D ( ) 0 5. kogues M ( f ( t) ) f ( M ( t) ) ozítatla hatásos becslés: Mmum Vaace Ubased MVU 4

Módszeek Mamum lkelhood (ML) MVU, elégséges, kozsztes Legksebb égzetes azoos omáls eloszlású mtaelemek eseté mamum lkelhood Mometumok módszee em foglalkozuk vele Mma ezzel sem µˆ ML becslés (MVU) ( ) ˆ S ML becslés (MVU) ( ) ˆ aszmptotkusa hatásos, kozsztes. D a becsült váható éték elatív hbáa: (eg ealzácó stadad hbáához vszoítva) HIBERJEDÉS Lege θ, θ,...θ fzka meségek φ függvée a becsüledő Becsülük az eged θ -ket és szóásukat Ebből becsülük φ (θ)-t és D (φ (θ))-t Lege a becslő függvé: φ (,,... ) Fetsük soba θ köül! (alo-so) φ φ (,, K ) φ(, K ) + ( ) + K, (magasabb edű tagok) Ha D (θ ) kcs θ -hez képest, akko θ s kcs. Íg elegedő a ( θ ) elsőfokú tagok fgelembevétele, a ( θ ) má elhaagolható. (Közelítés!) egük fel: tozítatla becslő M( θ ) 0 M(φ (,,... )) φ (θ, θ,...θ ) íg φ becslése s tozítatla. Ez em mdg közelítés! becslő statsztka szóáségzete: D { } [ φ (, K ) ] M [ φ (,, K ) φ (,, K )], alo-soból a obb oldalo [ ]-be lévő külöbség éppe ( ) D φ φ [ φ(,, K ) ] M ( ) obb oldal eg tagú összeg égzete, amel kfetve: : 5

6 < + C D φ φ φ Függvéek váható étékéek és szóásáak becslése: t * a statsztkák ealzácóa φ (θ, θ,...θ ) becslése φ(t, t,...t ) 3 D ( ) becslése S ( ) C (, ) becslése Ĉ (, ) 4 D (φ) becslése: [ ] < + t t t C S S, ˆ, φ φ φ φ K 44444444443 ha -k páokét függetleek, ez a tag zéus!. 5 S (φ) szabadság fokaak száma közelítőleg: S s ν φ φ ν 4 4 4 ν KONFIDENCI INERVLLUMOK becslő függvé (mt valószíűség változó) θ -hoz való közelségéek météke: [ ] +, P Ba va! θ -t em smeük! (Ha smeék, em becsülék!) Ekvvales megfogalmazás: [ ] [ ] + + P P,, 443 443 valószíűség változó kostas tevallum kostas az tevallum a valószíűség változó! Kofdeca tevallum: a +, tevallum RELIZÁCIÓJ Kofdeca valószíűség: [ ] ± P [ ] α + P α : megbízhatóság szt α : szgfkaca szt

Ha ( l, l ) a kofdecatevallum, mekkoa a P[ ] l,l valószíűség?? Válasz: 0 vag! Ezét MEGBÍZHÓSÁG kofdeca-tevallum számítása f (t ) P α µ µ µ + t vá l Példák smet, µˆ ~ N ( µ, ) ~ N µ,, de µ em smet f (t) P α µ µ µ + + 4444443 ez az tevallum ealzácóa tvá l Lege: Y µ Y ~ N 0, még obb: Z µ ~ N( 0,) Z ezt a legköebb számíta s. 7

f (z ) P α 0 + z vá l Kokét számítás: P µ + ( µ µ + ) f d F( µ + ) F( µ ) α µ Haszáluk k a stadad omáls taszfomácót (vegük észe: ekko eltűk a µ ez volt a cél): α f ( z) d z F F Mét obb N(0,)?. Egszeűbb. Kövtá szubutok ezt számolák 3. áblázatokba ez szeepel (Maapság má cs eletősége; a számítógép N(0, / )-t s tuda számol.) Eláás:. θ becslése ˆ t. eloszlásáak meghatáozása 3. célszeű taszfomácóa 4. α P( + ) valószíűség kszámítható megfogalmazása (a kszámítható azt elet, e szeepele bee az smeetle θ ) ez eddg általába kész ecept 5. meghatáozása az adott mtáa ez a feladat (a matematkusok má megcsálták) HIPOÉZIS VIZSGÁLOK (VIZSGÁL ESZ) Nullhpotézs alteatív hpotézs H 0 H Léeg: Rögzítsük eg α szgfkacasztet, am eg gaz H 0 elvetése valószíűségéek felső hatáa. 8

Példák: H : 0 kétoldal ' H 0 : 0 H : < 0 egoldal alteatív hpotézs '' H : > 0 egoldal Lehet: H 0 : θ θ 0 vag θ θ 0 s. H 0 -t megvédük vag elvetük α szgfkacaszte (α : 0,; 0,05; 0,0) dötés alapa az α P( c ) vag α P( c ) H 0 Elvetük H 0 -t, ha t c vag t 0 c : ktkus éték Hoa tuduk. c étékét?. z α valószíűséget? Válasz: Ismeük (vag azt hsszük, hog smeük!!) eloszlását, és abból kszámíthatuk f α-hoz a c-t. Ezt a c-t hasolítuk a mtából számított t ealzácóhoz. z α szgfkaca-szt étéke a mta elemeek számától (s) függ. Ha t c vag t 0, édemes ú mtát (több adatot) vzsgál. Ha t << c vag t << 0, lehet ksebb az α. Kszámítható közvetleül az P ( c ) H 0 H 0 α szgfkaca-valószíűség s! Ekvvaleca a kofdeca-tevallummal (kétoldal alteatív hpotézs eseté): ELFOGDJUK H 0 -t, ha ( l ), elvetük, ha ( l ) 0,l. 0,l N. B.. Ola statsztka teszt cs, amel mdg elvet H 0 -t, ha hams, és mdg elfogada, ha gaz. (Bécs elvflozófusok.). Mekkoa lege α?? Ha α 0, akko soha em ítélük el átatlat, de mdg felmetük a tettest, ha gaúsított. Ha α >> 0, akko a bűöst elítélük, ha a gaúsítottak között va, de ha a gaúsított átatla, akko s kételeek vaguk elítél, a bűös pedg a makába evet. KOCKÁZI FÜGGVÉNYEK. faú hba: z gaz H 0 elvetése / (a csalfa H elfogadása). faú hba: hams H 0 elfogadása / (az gaz H elvetése) VENEREL DISESES példába: haszál a gógsze: 5-5 % szgfkaca Σ em haszál: 5 % szgfkaca 9

Lege K a avult esetek száma egük fel: K B(p, ) H 0 : p kezelt > p em kezelt H : p kezelt p em kezelt 0 pˆ ( pˆ ) pˆ ( pˆ ) pˆ pˆ + HX : t z ( α ) VRINCI-NLÍZIS (NOV) s hpotézs-teszt H 0 : µ + ν + ε (NOV alss Of Vace) H : µ + µ + ν + ε µ: alaphatás µ : z -edk kezelés hatása (pl. adag mesége) ν : -edk blokk hatása (pl. életko, emek) ε : méés hba. ( M(ε ) 0, D (ε ) ) ------------------------------------------------------------------------------------------------------------- MIRE HSZNÁLJUK MI BECSLÉSEKE ÁLLÁBN pl. REKCIÓKINEIKÁBN Függ-vag-em-függ-tőle kédések eldötésée (hpotézsvzsgálatok) z összefüggés módáak eldötésée (függvéllesztések) dott eltéések oka lehet-e a véletle gadozás, vag szsztematkus függésől va-e szó?? Mekkoa a valószíűsége eg adott eltéések?? (szgfkaca valószíűség) Kszó-e eg pot, vag szabad ek akkoát gadoz?? (Utóbbak csúa, boolult, megbízhatatla tesztek.) HOGYN DJUNK MEG EGY BECSÜL EREDMÉNY? daab méés átlagolása eseté, s a µ paaméte becsült étéke, s () a paaméte becsült étéke s s a becsült szóása µ köül. (Ie maad bee az.) 0

M az s fomácótatalma? Lege µ ; t ( szabadság fokú Studet-eloszlás) s / Ekko: P [ t ( α ) t ( α / ) ] α / z α megbízhatóság sztű kofdeca-tevallum: t α ± s, átedezve: t ± s α 0 méésszám, 0 potosság 3 5 0 0 30 40 60 0 000 t α 9,0,5,5 0,70 0,47 0,37 0,3 0,6 0,8 0,06 00 méésszám, 0 potosság α 0,05 95 %-os kofdeca-tevallumok (Feltételezett!!) függvé ( modell) paaméteeek becslése eseté (Maga az eedmé megadása a 4. oldal végé található.) Statsztka modell: + ε Y f pl. REKCIÓMECHNIZMUS f ε ) (ealzácók: ( ) + Y: valószíűség változó f (): detemsztkus függvé ε : valószíűség változó: M(ε) 0 D ε ha (Hatáeset, amt szeetük feltételez:, ) Csak VÉLELEN hba eseté haszálható!! (Egébkét pl. NOV!) Cél: em ε eloszlásáak ellemzése, azok paaméteevel, haem az f () modellfüggvé paaméteeek becslése, lehetőleg MVU!

Vegük észe: ez eg feltételes valószíűség! P ( ) ez ada a fet modellt. leggakabba haszált becslő módsze: legksebb égzetes Q ( Y f ( )) lege mmáls súlok számítása hog az f () paaméteee MVU-becslést kapuk. feltétel: M ( ) és ( ˆ ) ˆ D mmáls Példa: Lege Y α modellfüggvé Statsztka modell: Y α + ε D ( ε ) Mta: {,, K,,,,, } K α + ε D ( ε ) Lege az α becslő függvée: + ε (: mtastatsztka) Q Q Feladat I. mmalzála a Q-t: 0 Q ( ) ( ) 0 ( ) 0 Feladat II. láthatóa em csak az {, } mtától. haem a súloktól s függ. Eedet feltételük: lege () mmáls ( ) ( ) + ( ) egük fel: C (X, Y ) 0 egük fel: (M a feltétele???) >>, (KÖVEKEZMÉNY!!!)

3 Nem mdeg, mt llesztük mek a függvéébe!! mmumfeltétel:, 0 edezzük: ez a ó súl 0 Q egelet elosztható -tel: k k ehát elegedő a választás. feladat megoldása: MVU becslés egszeűbb íásmóddal: S S Megegzések:. S becsülhető az adatokból.

. Ha akko íható Ile esetbe: ( súlozatla becslés :), azaz ( ).,, és S ( ) S ( ) M a helzet, ha em gaz ( ) >>? Ekko ( ) + ( ) Mvel f f függvée -ak! Következmé: z becsült étéke függ -ktől, a -k pedg -tól! Ileko csak teatív módszeek haszálhatók! ( Implct legksebb égzetes becslés ) Eg elevezés tötéete: Regesszós aalízs (egesszó!) lat: egesso vsszafelődés, vsszatéés az egszeűbb/ég fomához uladoság átlag szülõk geekek 0 Eltéés (S Facs Galto) Regesszószámítás tt alkalmazták (publkálva) előszö függvé (egees) paaméteeek becslésée a legksebb égzetes módszet. (Galto ú ó statsztkus volt.) zét é a legksebb égzetes becslés evet obba szeetem. z evé evez az eláást. (Nevezett Galto úak ag szeepe volt a statsztka módszeek szélesköű elteedésébe.) Most téhetük á az eedmé megadásáak poblémááa: HOGYN DJUK MEG BECSÜL PRMÉEREKE?? db méés paamétee:, M az s ( ) fomácótatalma?? s 4

Lege: ˆ S ( ) ; t úfet: P [ t ( α ) t ( α ) ] α Eek alapá az / ~ (a szabadság fokú Studet eloszlású.) α megbízhatóság sztű kofdeca-tevallum: ( α ) S( ) ˆ ± t 3 5 0 0 40 00 000 t ( α / ),7 4,3 3,,6,3,09,0,98,96 α 0,05 95 %-os kofdeca-tevallumok M a helzet a súlozással? Mle a mét -ek és f ()-ek hbáa?. Ha a kettő eletőse elté, lege a ksebb, a agobb hbáú.. Ha egk hbáa a máskhoz képest em elhaagolható, akko mplct LSQ becslés kell. SÚLYRUIN 3. Ha a hbák azoosak:, SÚLYOZLN 5. Ha a hbák azoosak, de taszfomáluk: a hbák a mét éték függvée leszek (ld. hbateedés) pl. elatív hba Posso-eloszlású mta, stb... 6. Ha a hbák em azoosak: az MVU becsléshez meg kell ad a hbákat s: 7. Ha külöböző súlozású becslés eedméeket hasolítuk össze, célszeű a -e ( ) -e omálás. Ez meg tt a vége 5