Tantárgy: BEVEZETÉS A TUDOMÁNYOS KUTATÁS MÓD- SZERTANÁBA

Hasonló dokumentumok
y ij = µ + α i + e ij

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

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

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

Matematikai statisztika c. tárgy oktatásának célja és tematikája

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

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

Hipotézis vizsgálatok

[Biomatematika 2] Orvosi biometria

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

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

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

[Biomatematika 2] Orvosi biometria. Visegrády Balázs

Kettőnél több csoport vizsgálata. Makara B. Gábor

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Biomatematika 13. Varianciaanaĺızis (ANOVA)

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

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

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

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Adatok statisztikai értékelésének főbb lehetőségei

Biostatisztika Összefoglalás

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

A Statisztika alapjai

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Méréselmélet MI BSc 1

[Biomatematika 2] Orvosi biometria

6. Előadás. Vereb György, DE OEC BSI, október 12.

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Hipotézis vizsgálatok

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Többváltozós lineáris regressziós modell feltételeinek

Statisztika 1. Tantárgyi útmutató

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

Bevezetés a hipotézisvizsgálatokba

Adatelemzés az R-ben április 25.

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

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

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

Biostatisztika Összefoglalás

Több valószínűségi változó együttes eloszlása, korreláció

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet

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

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Mérési hibák

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

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

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Segítség az outputok értelmezéséhez

Statisztika elméleti összefoglaló

S atisztika 2. előadás

Matematikai alapok és valószínőségszámítás. Középértékek és szóródási mutatók

STATISZTIKAI PROBLÉMÁK A

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

Függetlenségvizsgálat, Illeszkedésvizsgálat

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

Hat Szigma Zöldöves Tanfolyam Tematikája

Az első számjegyek Benford törvénye

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Biomatematika 2 Orvosi biometria

A TANTÁRGY ADATLAPJA

KÖZPONTI STATISZTIKAI HIVATAL. Szóbeli vizsgatevékenység

18. modul: STATISZTIKA

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

Gazdasági matematika II. Tantárgyi útmutató

SZÁMVITEL INTÉZETI TANSZÉK TANTÁRGYI ÚTMUTATÓ. Komplex elemzés. Pénzügy és számvitel alapszak Nappali tagozat 2015/2016. tanév II.

A hallgató neve Minta Elemér A NEPTUN kódja αβγδεζ A tantárgy neve Fizika I. vagy Fizika II. A képzés típusa Élelmiszermérnök BSc/Szőlész-borász

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

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

Mérés és modellezés 1

Korreláció és lineáris regresszió

Számítógépes döntéstámogatás. Statisztikai elemzés

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Kísérlettervezés alapfogalmak

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

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

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A pedagógia mint tudomány. Dr. Nyéki Lajos 2015

A TANTÁRGY ADATLAPJA

TANTÁRGYI ÚTMUTATÓ. Statisztika 1.

A statisztika oktatásáról konkrétan

Varianciaanalízis 4/24/12

Mit mond a XXI. század emberének a statisztika?

Témaválasztás, kutatási kérdések, kutatásmódszertan

TANTÁRGYI ÚTMUTATÓ. Alkalmazott számítástechnika. tanulmányokhoz

Kísérlettervezés alapfogalmak

A TANTÁRGY ADATLAPJA

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

TANTÁRGYI ÚTMUTATÓ. Tanulás- és kutatásmódszertan

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

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

Hipotézisvizsgálat R-ben

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

Átírás:

Tantárgy: BEVEZETÉS A TUDOMÁNYOS KUTATÁS MÓD- SZERTANÁBA Szak: BSc Testnevelő-Edző, Rekreáció-szervezés, Sportszervezés, Humánkineziológia Tagozat: nappali Tantárgyfelelős neve: DR. ZSIDEGH MIKLÓS Tanszék: BIOMECHANIKA (TFBKA) A tantárgy oktatója: DR. Kopper Bence Dr. Mihalik Rudolf Tantárgy angol elnevezése: RESEARCH METHODS Tárgyfelvétel ideje: I. ÉVF. 2. SZEM. Kreditpont: 2 NEPTUN kód: TBTBKABTK1N, TBRBKABTK1N, TBHBKABTK1N, TBSBKABTK1N Kifutó: TB_TRSH_BKABTK1N Előtanulmányok: Kontaktórák: 26 Vizsgaforma: KOLLOKVIUM Tantárgyi kapcsolatok: NEPTUN kódja: 1. Téma: Bevezetés 1. 1. A tantárgy célja, feladata 1. 2. A tudomány és a tudományos kutatás kapcsolata 1.2.1. A tudomány összetevői 1.2.2. A kutatás, mint tevékenység 1.2.3. A probléma tudományos tudománytalan mivoltának eldöntése 1.3. A kutatás jellemzői 1.4. A kutatás típusai (analitikus, leíró, experimentális, minőségi) 1.5. A tudományos problémamegoldás lépései Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 7-9. old. 2. Téma: Statisztikai hipotézisvizsgálatok 2.1. A statisztika lényege: megszámlálás, sokaság, valószínűség 2.2. Eloszlások (gyakorisági, elméleti) 2.2.1. Gyakorisági eloszlás 2.2.2. Elméleti eloszlás

2.2.3. Normális eloszlás 2.3. A statisztikai hipotézisek megfogalmazásának alapja, 2.3.1. Lehetséges vizsgálatok (különbség, összefüggés) 2.3.2. Statisztikai paraméterek 2.4. Döntés a H 0 -ról 2.4.1. Hibák a hipotézisvizsgálatok során (elsőfajú, másodfajú) 2.4.2. Szignifikancia-szint Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 91-94. old. 3. Téma: A probléma 3.1. A probléma forrásai (Nádori, Babbie) 3.2. A problémaválasztás szempontjai 3.3. A problémamegoldás módszerei 3.3.1. Tudománytalan módszerek 3.3.2. Tudományos módszerek 3.4. A problémamegoldás útjai (indukció, dedukció) 3.5. A szakirodalom, mint problémaforrás 3.5.1. Az irodalom tanulmányozásának eredményei 3.5.2. Az irodalom tanulmányozásának stratégiája Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 13-14. old. 1. A leggyakoribb tudománytalan problémamegoldások: hit, intuició, analógia, tekintélyelv, racionalisztikus modell. 2. A hit alapján történő problémamegoldásban nem a tények, hanem egy felsőbbrendű rendező tevékenysége játszik szerepet. 3. Az intuíció csak véletlenszerűen eredményezheti a probléma megoldását. 4. Az intuíció lényeges a problémamegoldás szempontjából, de csak akkor érvényesül, ha elegendő ismerettel rendelkezünk. 5. Az analógia veszélye, hogy a problémák minimális eltérése esetén sem alkalmazható az eredeti probléma megoldási módja. 6. A tekintélyelv hasonlóan az analógiához akkor nem alkalmas a problémamegoldásra, ha a problémák eltérnek, még akkor sem, ha elismert szaktekintély alkalmazta sikerrel. 7. A racionalisztikus modell lényege: egyértelműnek tűnő állításokból hamis következteteés levonása. 8. A tudományos módszerek: megfigyelés, vizsgálat (mérés), kísérlet. 9. A megfigyelés során adatokat vagy tényeket gyűjtünk össze. 10. Az adatok lehetnek minőséget és mennyiséget kifejező értékek. 11. A tények a tudomány jellemzőiből következően csak igazolt ismeretek lehetnek. 12. A vizsgálat során tulajdonságok, képességek numerikus jellemzőihez jutunk. 13. A kísérlet olyan tudományos probléma megoldását jelenti, ahol a beavatkozás, kezelés okozta változás megismerése a cél. 14. Az irodalom tanulmányozása alapján eldönthető, hogy az általunk kiválasztott probléma létező vagy álprobléma. 15. Az álprobléma kiválasztása az ismeretek hiányából fakad. 16. Az álprobléma megoldása nem szolgáltat új eredménnyel.

17. Az irodalom tanulmányozása alapján kiválaszthatjuk és megfogalmazhatjuk saját problémánkat. 18. Az irodalom tanulmányozása alapján megfogalmazhatjuk hipotézisünket. 19. Kutatási hipotézisünk alapja az irodalomban közölt eredmények összefoglalása. 20. Az irodalom tanulmányozása alapján kiválaszthatjuk a legmegfelelőbb módszert a problémánk megoldásához. 21. Az irodalom tanulmányozását az összefoglaló munkákkal kezdjük. 22. Az összefoglaló munkák alapján választhatjuk ki a minket érdeklő írásokat. 23. Az összefoglaló munkákból a téma elismert szakértői is megismerhetők. 24. A jegyzetek készítése során rögzítésre érdemes: ki, mikor, milyen problémával foglalkozott, milyen módszert választott és milyen eredményre jutott. 25. A jegyzetek alapul szolgálnak a szakdolgozat irodalmi áttekintés fejezetéhez. 4. Téma: A hipotézisek és változók 4.1. A hipotézisek fajtái 4.2. A kutatási és statisztikai hipotézis viszonya 4.4. A változók identifikálása 4.4. A tesztelendő hipotézis megfogalmazásának menete 4.5. A statisztikai hipotézisvizsgálat menete Ismeretek, amelyeket a hallgatóknak tudni kell: 1. A feltételezés megfogalmazása a hipotézis. 2. A kutatómunkában kétféle hipotézist használunk: a kutatási és a statisztikai hipotézist. 3. A kutatási hipotézis a kutatás várható eredményének feltételezése. 4. A kutatási hipotézisben mindig állítást fogalmazunk meg. 5.A kutatási hipotézisben megfogalmazottak nem tesztelhetők. 6.A kutatási hipotézis tulajdonképpen a probléma logikai megoldása az előzetes ismereteink alapján. 7.A kutatási hipotézis deduktív és induktív úton is megfogalmazható. 8.A dedukció ebben az esetben is megkívánja a posztulálást, azaz kiindulási feltételek megfogalmazását. 9.Az indukció révén megfogalmazott kutatási hipotézis pedig megkívánja az általánosítást. 10. A kutatási hipotézis a sokaságról való feltételezés. 11. A statisztikai hipotézis a tesztelendő vagy tesztelhető hipotézis. 12. A statisztikai hipotézis, amit tesztelhetünk a null-hipotézis. 13. A null hipotézis minden esetben tagadás. 14. A statisztikai hipotézis a minta eredményeire vonatkozik. 15. A statisztikai hipotézisek változók viszonyáról megfogalmazott feltételezések. 16. A változók viszonya nemcsak egy csoporton belül vizsgálható, hanem több csoport esetében is. 17. A statisztikai hipotézis a kutatási hipotézis következménye. 18. A kutatási hipotézisben megfogalmazott állítást kell konkretizálni változókra. 19. A sokaságról véleményt alkotni csak bizonyos feltételek fennállása esetén lehetséges. 20. A feltételek teljesülése esetén a minta eredményeiből következtethetünk a sokaságra, illetve a sokaságot jellemző változók viszonyára. 20. A feltételezésünk igazságáról csak változók (adatok) alapján dönthetünk. 21. Az adatok (változók) szükségszerűsége a kutatás jellemzőiből következik. 22. A tudományos kutatás célja is indokolja az adatgyűjtést.

23. Egy adott probléma megoldásához olyan adatokra van szükség, amelyek szükségesesk a hipotézis teszteléséhez. 24. Az irodalom alapján meg kell győződnünk, hogy ilyen adat létezik. 25. Amennyiben ilyen adat létezik, akkor létezik az adatgyűjtéshez szükséges módszer is. 26. A módszer ismeretén kívül még rendelkezni kell az adatgyűjtéshez szükséges eszközzel is. 27. A vizsgálatunk során használt fogalmakat egyértelműen kell definiálni, értelmüket meghatározni. 28. Ezt a folyamatot konceptualizációnak hívjuk. 29. Azt a folyamatot, mely során meghatározzuk, hogy milyen módon jutunk az adathoz, operacionalizálásnak hívjuk. 30. A kutatások során kétfajta változót használunk. 31. A független változó valamilyen szempontok alapján megkülönböztetett csoportok megjelölésére szolgál. 32. A függő változó a mért vagy megállapított értéke az objektum valamely tulajdonságának vagy képességének. 33. A statisztikai analízisekben (hipotézisvizsgálatokban) a függő változók viszonyát vizsgáljuk. 35. A független változó a statisztikai analízisekhez szükséges ugyan, de nem vonjuk be az analízisbe. 5. Téma: Adatgyűjtés 5.1. A mérés 5.1.1. A mérés fogalma 5.1.2. A mérési folyamat elemei (objektum, eljárás, eredmény) 5.2. A mérés és megfigyelés, megállapítás viszonya 5.3. A mérési eredmények gyűjtésének lehetőségei (próba, teszt) 5.4. Az adatgyűjtés elrendezése (transzverzális, longitudinális vizsgálat) Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 37-46. old. 6. Téma: Szakdolgozat 6.1. A szakdolgozat tartalmi követelményei 6.2. A szakdolgozat formai követelményei 6.2.1. Általános követelmények 6.2.2. Módszerekkel kapcsolatos követelmények 6.2.3. Eredményekkel kapcsolatos követelmények 6.2.4. Irodalommal és hivatkozásokkal kapcsolatos követelmények Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 14-19. old. 1. Gyakorlat: Adatbázis létrehozása és kezelése 1.1. A számítógépes statisztikai programok előzményei

1.2. A jelenleg használható programok 1.3. Alapértelmezett Statistica adatfile módosítása 1.3.1. Adatformátumok 1.3.2. A változók specifikálása, bővítés, másolás, áthelyezés 1.3.3. Az esetek specifikálása, bővítés, másolás, áthelyezés 1.4. Speciális funkciók (új változó képzése, select cases, by group, subset, merge) használata Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 73-82. old. 2. Gyakorlat: Leíró statisztikák 2.1. Alapstatisztikai mutatók folytonos eloszlású valószínűségi változók esetében 2.1.1. Középértékek 2.1.2. Szóródási mutatók 2.1.3. Eloszlás 2.2. Alapstatisztikai mutatók diszkrét eloszlású valószínűségi változók esetében 2.2.1. Középértékek 2.2.2. Szóródási mutatók 2.2.3. Eloszlás 2.2.4. Gyakorisági táblák és hisztogramok Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 83-90. old. 3. Gyakorlat: Különbségek vizsgálata 3.1. A függő minták összehasonlítása 3.1.1. Az alkalmazás feltétele 3.1.2. A gyakorlati hasznosíthatósága 3.1.3. A t statisztika kiszámoltatása 3.1.4. Döntés a H 0 -ról 3. 2. A független minták összehasonlítása 3.2.1. Az alkalmazás feltétele 3.2.2. A gyakorlati hasznosíthatósága 3.2.3. A t statisztika kiszámoltatása 3.2.4. Döntés a H 0 -ról Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 100-106. old. 4. Gyakorlat: Összefüggések vizsgálata 4.1. A kétdimenziós szétoszlások 4.2. Függvényillesztés (regresszió) 4.2.1. Az illesztés módszere 4.2.2. Illeszthető függvények 4.3. A kapcsolat mérőszáma

4.3.1. A korreláció geometriája 4.3.2. Az r statisztika kiszámoltatása 4.3.3. Döntés a H 0 -ról Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 123-128. old. 5. Gyakorlat: Több független minta összehasonlítása 5.1. A páronkénti összehasonlítás korlátja 5.2. Feltételezések a sokaságról és a csoportokról 5.3. A csoportba sorolások lehetőségei (egy- és több szempont) 5.4. A varianciák előállítása 5.5. Az ANOVA F statisztikájának kiszámoltatása 5.5.1. A szabadságfokok 5.5.2. Döntés a H 0 -ról 5.5.3. Post-hoc analízis Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 106-107., 112-114. old. 6. Gyakorlat: Nemparaméteres statisztikák 6.1. A nemparaméteres statisztikák alkalmazási területe 6.2. A statisztikák számolásának alapelvei 6.3. A statisztikai paraméterek kiszámoltatása 6.3.1. Összefüggés kimutatása 6.3.2. Különbség kimutatása 6.3.3. Különbség kimutatása kettőnél több csoport esetén Ismeretek, amelyeket a hallgatóknak tudni kell: tankönyv 129-130., 142-144., 150-152., 154-155. old. 7. Gyakorlat: Ábrakészítés 7.1. Alapértelmezett ábrák módosítása 7.1.1. Módosítások a tengelyeken és szimbólumokon (szín, forma, méret) 7.1.2. Módosítások a csoportok vagy változók jelölésében 7.1.3. A szakdolgozat formai követelményének megfelelő módosítások (cím, jelmagyarázat) 7.2. Gyakran használt ábratípusok (szétoszlások, oszlopdiagram, idősor) készítése 7.2.1. Táblázatok készítése az adatfile-ból, ábrakészítés 7.2.2. Az editor funkció használata