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

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

Statisztikai adatok elemzése

1. előadás: Bevezetés. Irodalom. Számonkérés. Cél. Matematikai statisztika előadás survey statisztika MA szakosoknak. A matematikai statisztika tárgya

Populáció. Történet. Adatok. Minta. A matematikai statisztika tárgya. Valószínűségszámítás és statisztika előadás info. BSC/B-C szakosoknak

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

? közgazdasági statisztika

Statisztika. Eloszlásjellemzők

Statisztika október 27.

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

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

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

? közgazdasági statisztika

Matematikai statisztika

Tuzson Zoltán A Sturm-módszer és alkalmazása

Matematikai statisztika

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

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

Statisztika 1. zárthelyi dolgozat március 21.

) ( 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.

Matematika B4 I. gyakorlat

A Sturm-módszer és alkalmazása

A sokaság/minta eloszlásának jellemzése

V. GYAKORLATOK ÉS FELADATOK ALGEBRÁBÓL

Feladatok és megoldások a 11. heti gyakorlathoz

Megjegyzések. További tételek. Valódi határeloszlások. Tulajdonságok. Gyenge (eloszlásbeli) konvergencia

Mérési adatok feldolgozása Méréselmélet PE_MIK MI_BSc, VI_BSc 1

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

Méréselmélet PE_MIK MI_BSc, VI_BSc 1

5. SZABAD PONTRENDSZEREK MECHANIKAI ALAPELVEI, N-TESTPROBLÉMA, GALILEI-

BIOSTATISZTIKA ÉS INFORMATIKA. Leíró statisztika

A Secretary problem. Optimális választás megtalálása.

STATISZTIKA. ltozók. szintjei, tartozhatnak: 2. Előad. Intervallum skála. Az adatok mérési m. Az alacsony mérési m. Megszáml Gyakoriság módusz

Dr. Balogh Albert: A statisztikai adatfeldolgozás néhány érdekessége

4 2 lapultsági együttható =

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

Változók függőségi viszonyainak vizsgálata

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

9. tétel: Elsı- és másodfokú egyenlıtlenségek, pozitív számok nevezetes közepei, és ezek felhasználása szélsıérték-feladatok megoldásában

Regresszió és korreláció

Statisztika 2. Dr Gősi Zsuzsanna Egyetemi adjunktus

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Függvénygörbe alatti terület a határozott integrál

A sokaság elemei közül a leggyakrabban előforduló érték. diszkrét folytonos

MÉRÉSI ADATOK KEZELÉSE ÉS ÉRTÉKELÉSE

Kutatásmódszertan és prezentációkészítés

n akkor az n elem összes ismétléses ... k l k 3 k 1! k 2!... k l!

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

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés

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

A MATEMATIKAI STATISZTIKA ELEMEI

STATISZTIKA II. kötet

Mőbiusz Nemzetközi Meghívásos Matematika Verseny Makó, március 26. MEGOLDÁSOK

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) FELADATOK Taylor- (Maclaurin-) sorok, hibabecslés

Radiális szivattyú járókerék fő méreteinek meghatározása előírt Q-H üzemi ponthoz

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.

AZ OPTIMÁLIS MINTANAGYSÁG A KAPCSOLÓDÓ KÖLTSÉGEK ÉS BEVÉTELEK RELÁCIÓJÁBAN

KEZELÉSE ÉS ÉRTÉKELÉSE

A valószínűségszámítás elemei

Regresszió és korreláció

A Statisztika alapjai

Az anyagáramlás intenzitása

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

BEVEZETÉS AZ SPSS ALAPJAIBA. (Belső használatra)

VEKTORGEOMETRIA. Mit nevezünk null vektornak? Olyan vektort, amelynek a nagysága (abszolút értéke) 0 és az iránya tetszőleges.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

FELADATOK MÉRÉSELMÉLET tárgykörben. 1. Egy műszer osztálypontossága 2.5, a végkitérése 300 V. Mekkora a mérés abszolút hibája?

BIOMATEMATIKA ELŐADÁS

Sztochasztikus tartalékolás és a tartalék függése a kifutási háromszög időperiódusától

Biomatematika 2 Orvosi biometria

Tartalom. Kezdeti szimulációs technikák. Tipikus kérdések. A bootstrap módszer. Bevezetés A független, azonos eloszlású eset:

Bevezető Adatok rendezése Adatok jellemzése Időbeli elemzés. Gazdaságstatisztika KGK VMI

Áringadozások elıadás Kvantitatív pénzügyek szakirány 2012/13 2. félév

Adatsorok jellegadó értékei

ÁR kulcsrakész ÁR lapraszerelt

Geostatisztika I. Dr. Szabó Norbert Péter. BSc geográfus alapszak hallgatóinak

Statisztika 1. zárthelyi dolgozat március 18.

Orosz Gyula: Markov-láncok. 2. Sorsolások visszatevéssel

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

Elemi statisztika fizikusoknak

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

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Statisztika

Megoldás a, A sebességből és a hullámhosszból számított periódusidőket T a táblázat

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

Geostatisztika c. tárgy a BSc földrajz alapszak hallgatóinak

Segítség az outputok értelmezéséhez

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

VII. FEJEZET A STATISZTIKA ÉS A VALÓSZÍNŰSÉGSZÁMÍTÁS ELEMEI. VII.1. Statisztikai adatok és jellemzőik

A primitív függvény létezése. Kitűzött feladatok. határérték, és F az f egy olyan primitívje, amelyre F(0) = 0. Bizonyítsd be,

Valószínőségszámítás

Tartalomjegyzék. 4.3 Alkalmazás: sorozatgyártású tűgörgő átmérőjének jellemzése

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

(arcsin x) (arccos x) ( x

Eddig megismert eloszlások Jelölése Eloszlása EX D 2 X P(X = 1) = p Ind(p) P(X = 0) = 1 p. Leíró és matematikai statisztika

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

8. tétel: Adatsokaságok jellemzıi, a valószínőségszámítás elemei

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

Távközlő hálózatok és szolgáltatások Kapcsolástechnika

Átírás:

Matemata statszta elıadás III. éves elemzı szaosoa 009/00. élév. elıadás Tapasztalat eloszlás Mde meggyeléshez (,,, ) / súlyt redel. Valószíőségeloszlás! Mtaátlag éppe ee az eloszlása a várható értée. Tapasztalat eloszlás eloszlásüggvéye: tapasztalat eloszlásüggvéy: F (lépcsısüggvéy). F (z)=/, ( ) ( ) ha () 0 =-, () = < z Ha a mta X,X,,X valószíőség változó-sorozat, F (z) s valószíőség változó. Példa Kumulált gyaorság soro a/ 0.0 0. 0.4 0.6 0.8.0 ormáls eloszlás özelítése, =0 30 40 50 60 70 z a/ 0.0 0. 0.4 0.6 0.8.0 ormáls eloszlás özelítése, =00 30 40 50 60 70 z Táblázatos megelelıje a tapasztalat eloszlásüggvéye: megadja, hogy az adott osztályöz elsı határáa megelelı és aál sebb értée háyszor (ll. mlye aráyba) ordula elı. Lehet leele s umulál: az adott osztályöz alsó határáa megelelı és aál agyobb értée háyszor (ll. mlye aráyba) ordula elı. Értéösszegsor Az osztályohoz az azoba tartozó meggyelése smérvértéee az összegét redel Ha a gyaorság sor osztályözöel va megadva és csa a megoszlás smert, aor becsüljü (osztályözép és gyaorság szorzata). Lehet relatív értéösszegsort s épez (a teljes értéösszeggel elosztva az osztályo értéösszegét) Graus ábrázolás Oszlopdagram: a gyaorságoal aráyos az oszlopo magassága Meység smérvere: Gyaorság polgo Hsztogram Megoszlás szemléltetése lehetséges ördagrammal s.

Hsztogram (meység smérvere) Adataat osztályoba sorolju (mdegyet potosa egybe, pl. az -ed osztály: a <a ), a csoporto relatív gyaorsága megegyeze az osztály ölé rajzolt téglalap területével. Összterület: (hasoló a sőrőségüggvéyhez) Példá Túl so osztály Frequecy 0 0 0 30 40 Potszámo graus ábrázolása 0 30 40 50 60 70 80 potszám Példá Túl evés osztály Frequecy 0 50 00 50 00 50 300 350 Potszámo graus ábrázolása Példá Jó osztályszám Frequecy 0 50 00 50 00 Potszámo graus ábrázolása 0 30 40 50 60 70 80 90 potszám 0 30 40 50 60 70 80 potszám Középértée: átlag Mtaátlag:... : = ha az egyes értée (l ) gyaorsága ( ) adotta: = Ha csa az osztályözöbe esı értée gyaorságát smerjü, az egyes értéeet becsüljü az osztályözéppel és alalmazzu az elızı épletet. l... l : Medá A sorbaredezett mta özépsı eleme (ha páros so eleme va: a ét özépsı átlaga). Közelítés osztályözös gyaorságora: ' me Me= l h : l a medát magába oglaló osztály alsó határa me : umulált gyaorság a medát megelızı osztályg bezárólag me : a medát magába oglaló osztály gyaorsága h: a medát magába oglaló osztály szélessége. : a mta elemszáma me

Módusz A leggyaorbb (tpus) érté. Az eloszlás lehet umodáls, bmodáls vagy polmodáls(egy-, ét- vagy többmóduszú). Meghatározása: A gyaorság polgo mamumhelye (a modáls osztályöz özépértée). Közelítése em szmmetrus esetbe Mo= mo 0 0 0 0 0 Ahol mo a móduszt tartalmazó osztály alsó határa 0 a móduszt tartalmazó osztály gyaorsága 0- a móduszt tartalmazó osztályt megelızı osztály gyaorsága 0 a móduszt tartalmazó osztályt övetı osztály gyaorsága h a móduszt tartalmazó osztály szélessége h Tapasztalat vatlse Elmélet vatls: abszolút olytoos, szgorúa mooto F eseté q z =F - (z) Általába: {:F()>z} A tapasztalat eloszlás vatlse: tapasztalat vatlse. Esetleg leárs terpolácóval lehet potosíta a becsléseet. z=/: medá. z=/4, 3/4: vartlse Alapstatsztá graus megjeleítése boplot Az egyes dobozo az alsó vartlstól Gam a elsı vartlsg tartaa. Középvoal a medá. T5 A voala a teljes terjedelmet Norm elölel, ha ez az egyes ráyoba em agyobb a U05 vartlse özött ülöbség.5- szereséél. Ha eze ívül s vaa poto, azoat ülö-ülö jeleít meg. -4-0 4 6 Graoo/: Éves mamáls vízálláso Graoo/: halálozás rátá relatív gyaorság 0.0000 0.0005 0.000 0.005 0.000 0.005 Hsztogram 00 400 600 800 000 Survval probablty mortalty 0. 0.4 0 e00 6 e04 0.0 0.6 Mortalty Rate 0 40 60 80 00 Survval probablty 0 40 60 80 00 probablty rato.0 0 000 000 3000 0.5.5.0 Rato o Mortalty Rates 0 40 60 80 00 Age at death 0 40 60 80 00 Magyar éphaladóság (000, olytoos voal) USA éphaladóság (950, szaggatott voal) Meggyelése (cm) 3

Graoo/3: Relámampáyo Kvatlse számítása Webull becslése Webull becslése Osztályözös gyaorság sorból 0 0 40 60 80 eml l 0 0 40 60 80 eml l Potdagramo pn Qp = ' h 0 00 600 000 0 00 600 000 0 0 40 60 80 = Webull becslése eml l 0 00 600 000 = 7 0 0 40 60 80 = 4 Webull becslése eml l 0 00 600 000 = 0 Ahol a vatlst tartalmazó osztály alsó határa N a mta elemszáma - umulált gyaorság a vatlst tartalmazó osztályt megelızı osztályyal bezárólag a vatlst tartalmazó osztály gyaorsága h a vatlst tartalmazó osztály szélessége Szóródás Meység smérv értéee ülöbözısége Mérıszáma: Terjedelem: ma( )-m( ) Átlagos abszolút eltérés: 3... d = Gyaorság sorra: d =... Tapasztalat szórás Tapasztalat szóráségyzet: ( ) ( ) ( 3 )... ( ο = ) Gyaorság sorora: ( ) ( )... ( ο = ) Kszámítás lehetıség: ο = Négyzetgyöe a tapasztalat szórás. Optmumtulajdoságo A mtaátlag adja az átlagos égyzetes eltérése mmumhelyét, a mmum értée a szóráségyzet: ο ( a) = m a,a megoldás : a= A medá pedg az átlagos abszolút eltérést mmalzálja: m a a,a megoldás : a= medá Redezett mta Az X,...,X mta elemet agyság szert sorbaredezve apju az X () X ()... X () redezett mtát. Mostatól: az X,...,X mta eleme üggetle, azoos eloszlásúa. Ha eltesszü, hogy a özös eloszlásu abszolút olytoos, aor elírható a redezett mta -ad elemée, X () -e a sőrőségüggvéye. 4

Redezett mta elemee sőrőségüggvéye, ( ) Spec.: mmum: mamum: F = ( ) ( )( ( )) A grao éháy esetre. F, ( ) = ( )( F ( )), ( ) = ( ) F ( ) Becsléselmélet A mta eloszlásáa smeretle paraméterét özelítjü a mta üggvéyével (elevezés: becslés, becslıüggvéy) Statszta: a mta üggvéye. A becslése magu s statsztá. Tovább példá statsztára: tapasztalat mometumo: X = Tapasztalat szóráségyzet stb. / Becslése tulajdosága Torzítatlaság. θ valós paramétert becslü a T(X) statsztával. Ez torzítatla, ha, E T (X ) mde θ paraméterértére. Példá: ( ) θ θ = Valószíőség becslése relatív gyaorsággal. Várható érté becslése mtaátlaggal Korrgált tapasztalat szóráségyzet ( X X) /( ) = 5