Becsléselmélet - Konzultáció

Slides:



Advertisements
Hasonló előadás
Gazdaságstatisztika Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák november 6. és november 13.
Advertisements

ISKOLAKÉSZÜLTSÉG – AZ ADAPTÍV VISELKEDÉS FEJLETTSÉGE dr. Torda Ágnes gyógypedagógus, klinikai gyermek-szakpszichológus Vizsgálóeljárás az iskolába lépéshez.
Gazdaságstatisztika, 2015 RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA Gazdaságstatisztika október 20.
A magyarországi vállalatok információszerzési szokásai - üzleti körben végzett online piackutatás fő eredményei - Készítette: Nagy Péter Támogatóink H-1024.
Becsléselmélet - gyakorlat október 14.. Példa 1 - Feladatgyűjtemény Egy nagyvállalat személyzeti osztályvezetője azt gyanítja, hogy különbség van.
A vállalatok marketingtevékenysége és a Magyar Marketing Szövetség megítélése Kutatási eredmények az MMSZ részére (2008. július)
Kvantitatív módszerek Becsléselmélet október 7. és 9.
Paraméteres próbák- konzultáció október 21..
TEROTECHNOLÓGIA Az állóeszközök újratermelési folyamata.
Steierlein István ÁHO-hálózatfejlesztési szakreferens
Kockázat és megbízhatóság
Palotás József elnök Felnőttképzési Szakértők Országos Egyesülete
tananyag =előadások és gyakorlatok anyaga (írott és elmondott is)
A szerkezetátalakítási programban bekövetkezett változások
Valószínűségi kísérletek
Bevezetés Biometria I. Molnár Péter Állattani Tanszék
Muraközy Balázs: Mely vállalatok válnak gazellává?
Leíró statisztika Becslés
Becslés gyakorlat november 3.
Mintavétel és becslés október 25. és 27.
Kvantitatív módszerek
A szórás típusú egyenlőtlenségi mutatók
Egy üzemben sok gyártósoron gyártanak egy bizonyos elektronikai alkatrészt. Az alkatrészek ellenállását időnként ellenőrzik úgy, hogy egy munkás odamegy.
Kockázat és megbízhatóság
Mintavétel és becslés október 27. és 29.
Kockázat és megbízhatóság
Kockázat és megbízhatóság
Mintavételes eljárások
13. Gyakorlat Dr. Pauler Gábor, Egyetemi Docens
Kvantitatív módszerek
Hipotézisvizsgálat.
Kvantitatív módszerek
Mintavételes eljárások
Piaci kockázat tőkekövetelménye
Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák
Becsléselmélet - Konzultáció
V. Optimális portfóliók
Gazdaságstatisztika Korreláció- és regressziószámítás II.
IV.2. Hozam számtani és mértani átlaga
MINTAVÉTEL, LEÍRÓ STATISZTIKAI MUTATÓSZÁMOK
Varianciaanalízis- ANOVA (Analyze Of VAriance)
Kvantitatív módszerek
Kvantitatív módszerek
Közigazgatási alapvizsga a Probono rendszerben
Kvantitatív módszerek
Standardizálás.
Regressziós modellek Regressziószámítás.
STRUKTURÁLT SERVEZETEK: funkció, teljesítmény és megbízhatóság
Sztochasztikus kapcsolatok I. Asszociáció
Statisztika a gyakorlatban
Tilk Bence Konzulens: Dr. Horváth Gábor
Számítógépes szimulációval segített tervezés
3, u-próba, t-próba Kemometria 2016/2017 3, u-próba, t-próba
Munkagazdaságtani feladatok
Készletek - Rendelési tételnagyság számítása -1
Dr. Varga Beatrix egy. docens
Környezeti Kontrolling
Statisztika Érettségi feladatok
Lapkiadó, rendezvényszervező vállalatirányítási rendszer SQL alapon
SZAKKÉPZÉSI ÖNÉRTÉKELÉSI MODELL I. HELYZETFELMÉRŐ SZINT FOLYAMATA 8
I. HELYZETFELMÉRÉSI SZINT FOLYAMATA 3. FEJLESZTÉSI FÁZIS 10. előadás
Dr. Varga Beatrix egyetemi docens
Matematika 11.évf. 1-2.alkalom
Foglalkoztatási és Szociális Hivatal
Paraméteres próbák Adatelemzés.
Kísérlettervezés 2018/19.
Munkagazdaságtani feladatok
Hagyományos megjelenítés
Hipotéziselmélet Adatelemzés.
REGIONÁLIS KÉPZÉS REGIONÁLIS KÉPZÉS.
Előadás másolata:

Becsléselmélet - Konzultáció 2015. október 21.

Példa 1 - Feladatgyűjtemény Egy nagyvállalat személyzeti osztályvezetője azt gyanítja, hogy különbség van a szellemi és a fizikai dolgozók betegség miatti hiányzása között. A gyanú kivizsgálására véletlenszerűen kiválasztott 45 fizikai és 38 szellemi foglalkozású dolgozót és megvizsgálta az elmúlt egy évben mennyit hiányoztak betegség miatt. A kapott eredményeket az alábbi táblázat mutatja. 90%-os megbízhatósági szinten becsüljük meg a betegség miatti hiányzás várható értékei közötti eltérést! Megoldás: két várható érték különbségének becslése ismeretlen elméleti szórás esetén, de mivel a mintaelemszám mindkét mintában elég nagy (n>30), így a standard normális eloszlás táblázatot használjuk (Student eloszlás jól közelíti a standard normálist).   Fizikai Szellemi Mintaszám 45 38 Átlag 10,4 7,8 Szórás 12,8 5,5 Kvantitatív módszerek

Kvantitatív módszerek Példa 1 - Megoldás A konfidencia-intervallum:  = 10 %  z/2 = z0,95=1,65 (=Ф(z)) (standard normális eloszlás táblázatból) Behelyettesítve:   Fizikai Szellemi Mintaszám 45 38 Átlag 10,4 7,8 Szórás 12,8 5,5 -0,876 < d < 6,076 A hiányzások várható értékei közötti eltérés 90%-os valószínűséggel -0,876 nap és 6,076 nap között van. Kvantitatív módszerek

Kvantitatív módszerek Példa 1 - Extra kérdés Ugyanezen a szignifikancia szinten (10%) mekkora elemszámú mintára lenne szükségünk, hogy 2 nap eltéréssel mutassuk ki a fizikai és szellemi dolgozók hiányzásának várható értéke közötti különbséget! Ugyanezen a szignifikancia szinten (10%) mekkora elemszámú mintára lenne szükségünk, hogy felére csökkentsük a becslés hibáját! Kvantitatív módszerek

Példa 2 - Feladatgyűjtemény Egy új fogászati érzéstelenítő kipróbálására egy rendelőben véletlenszerűen kiválasztottak 10 pácienst. 5 páciens a hagyományos, 5 pedig az újfajta érzéstelenítőt kapta. Kezelés közben megkérték a pácienseket, hogy egy 0-tól 100-ig terjedő skálán értékeljék, hogy mennyire érzik kellemetlennek a kezelést. (A magasabb érték nagyobb kellemetlenséget mutat.) Az eredményeket az alábbi táblázat tartalmazza. Becsüljük meg a páciensek két csoportja közötti kellemetlenségi szint várható értékei közötti különbséget 99%-os megbízhatósági szinten! (A kellemetlenségi szint normális eloszlással írható le, mindkét csoportban.)   Hagyományos Új Mintaszám 5 Átlag 60,33 32,21 Szórás 15,82 12,77 Kvantitatív módszerek

Kvantitatív módszerek Példa 2 - Megoldás Megoldás: két várható érték különbségének becslése ismeretlen elméleti szórás esetén (és kicsi a minta…) Feltétel: az alapsokaság normalitása és a szórások egyezősége Végezzük el az F-próbát!   Hagyományos Új Mintaszám 5 Átlag 60,33 32,21 Szórás 15,82 12,77 Fkrit (DF1=4; DF2=4; 1%) = 16 Az alapsokasági szórások egyezőségét elfogadjuk 1%-os szignifikancia szinten. Kvantitatív módszerek

Kvantitatív módszerek Példa 2- Megoldás   Hagyományos Új Mintaszám 5 Átlag 60,33 32,21 Szórás 15,82 12,77 A konfidencia-intervallum:  = 1 %, DF = n1+n2-2 = 8  t0,995 = 3,355 (a Student eloszlás táblázatából) Az ismeretlen sokasági szórásnégyzet torzítatlan becslőfüggvénye A két érzéstelenítő hatása közötti különbség várható értéke 99%-os valószínűséggel -2,38 és 58,62 pont között van. Kvantitatív módszerek

Kvantitatív módszerek Példa 2 - Extra kérdés Ugyanezen a szignifikancia szinten (1%) mekkora elemszámú mintára lenne szükségünk, hogy 10 pont eltéréssel mutassuk ki a kellemetlenségi szint várható értékei közötti különbséget! Ugyanezen a szignifikancia szinten (1%) mekkora elemszámú mintára lenne szükségünk, hogy harmadára csökkentsük a becslés hibáját! Kvantitatív módszerek

Példa 3 - Feladatgyűjtemény Egy közvélemény-kutató 1000 elemű, állítása szerint az ország teljes felnőtt lakosságát reprezentáló FAE mintákkal dolgozik. Két – időben egymást két hónappal követő – közvélemény-kutatás eredménye szerint az egyik politikust a lakosság 62, illetve 68%-a tartotta rokonszenvesnek. 99%-os megbízhatósággal készítsünk becslést a rokonszenvüket kifejezők arányának különbségére! Ha felére kívánjuk csökkenteni a becslés hibáját, akkor mekkora mintát kellene vennünk? Megoldás: két sokasági arány különbségének a becslése, mintaelemszám meghatározása Kvantitatív módszerek

Kvantitatív módszerek Példa 3 - Megoldás A mintákat akkor tekinthetjük kellően nagynak, ha az alábbi konfidencia-intervallumok nem tartalmazzák sem a 0-t, sem az 1-et. α=1%, α/2=0,5%=0,005 Kvantitatív módszerek

Kvantitatív módszerek Példa 3 - Megoldás A keresett intervallum: Vagyis a két sokasági arány (rokonszenv mértéke) közötti különbség 99%-os megbízhatósággal 0,5% és 11,5% között van. Kvantitatív módszerek

Kvantitatív módszerek Példa 3 - Megoldás Mintaelemszám meghatározása: A Δ értéke 0,055, ha ezt felére kívánjuk csökkenteni, akkor az 0,0275. Így 3989 elemű mintát kellene vennünk mindkét időszakban. Kvantitatív módszerek

Példa 4 - Feladatgyűjtemény Egy élelmiszergyárban – többek között – 1kg-os darabos gyümölcskonzerveket csomagolnak automata töltőgéppel. Korábbi felmérések szerint a töltősúly normális eloszlása feltételezhető. A napi termelés ellenőrzésére az első műszakban vettek egy 100 elemű FAE mintát, amelynek töltősúly szerinti megoszlása: Egy másik műszakban vettek egy 200 elemű mintát, ahol az átlagos töltősúly 1002,5 grammra adódott, a minta alapján számolt szórás 7,6 grammra adódott. Doboz töltősúlya (g) Darab 980-990 6 990-1000 23 1000-1010 47 1010-1020 22 1020-1030 2 Összesen 100 Kvantitatív módszerek

Kvantitatív módszerek Példa 4 95%-os megbízhatósággal készítsünk becslést a két műszak várható töltősúlyainak különbségére! Mekkora mintára van szükség, ha az előző becslés pontosságát 99%-os megbízhatósági szinten kívánjuk garantálni? A második műszakban az 1000 gramm feletti töltések aránya 52%-os. Készítsünk 95%-os megbízhatósággal becslést a két műszak 1000 gramm feletti töltései arányának különbségére! Mekkora mintára van szükségünk ha az előző becslésnél a hibát harmadára kívánjuk csökkenteni? Kvantitatív módszerek

Kvantitatív módszerek Példa 4 - Megoldás 95%-os megbízhatósággal készítsünk becslést a két műszak várható töltősúlyainak különbségére! A sokasági szórások nem ismertek, de mindkét műszakban a minta elemszáma > 30, így használhatjuk az alábbi képletet: Doboz töltősúlya (g) Darab 980-990 6 990-1000 23 1000-1010 47 1010-1020 22 1020-1030 2 Összesen 100 Kvantitatív módszerek

Kvantitatív módszerek Példa 4 - Megoldás A két műszakban töltött konzervek várható töltősúlya között különbség -0,409gramm és 3,609 gramm között van 95%-os megbízhatósággal a minták alapján. Mekkora mintára van szükség, ha az előző becslés pontosságát 99%-os megbízhatósági szinten kívánjuk garantálni? 221 elemű mintára lenne szükség mindkét műszakból. Kvantitatív módszerek

Kvantitatív módszerek Példa 4 - Megoldás A második műszakban az 1000 gramm feletti töltések aránya 52%-os. Készítsünk 95%-os megbízhatósággal becslést a két műszak 1000 gramm feletti töltései arányának különbségére! Doboz töltősúlya (g) Darab 980-990 6 990-1000 23 1000-1010 47 1010-1020 22 1020-1030 2 Összesen 100 Kvantitatív módszerek

Kvantitatív módszerek Példa 4 - Megoldás α=5%, α/2=2,5%=0,025 A minták alapján a két műszakban az 1000 gramm felett töltött konzervek arányának különbsége 7,73% és 30,27% között van. Mekkora mintára van szükségünk, ha az előző becslésnél a hibát harmadára kívánjuk csökkenteni? Δúj=0,037567 Közel 1240 elemű mintára lenne szükség mindkét műszakból. Kvantitatív módszerek

Példa 5 - Feladatgyűjtemény 7 alkalmazás indításának időszükségletét hasonlították össze egy felső és egy középkategóriás okostelefonon. Az eredmények az alábbi táblázatban láthatóak: Adjon 95%-os konfidencia-intervallumot a két okostelefonon az alkalmazások megnyitásához szükséges idők közötti különbségre! (Tegye fel, hogy az eloszlások normálisak!) Megoldás: két várható érték különbségének becslése – páros minta   Az alkalmazás indításához szükséges idő [s] Alkalmazás Középkategóriás telefon Felsőkategóriás telefon 1. 5,6 4,5 2. 12,3 10,4 3. 20,6 23,4 4. 11,4 10 5. 13,4 12 6. 24,3 27,5 7. 4,2 3 Kvantitatív módszerek

Kvantitatív módszerek Példa 5 - Megoldás   Az alkalmazás indításához szükséges idő [s] di Alkalmazás Középkategóriás telefon Felsőkategóriás telefon 1. 5,6 4,5 1,1 2. 12,3 10,4 1,9 3. 20,6 23,4 -2,8 4. 11,4 10 1,4 5. 13,4 12 6. 24,3 27,5 -3,2 7. 4,2 3 1,2 Átlag 13,114 12,971 Kvantitatív módszerek

Kvantitatív módszerek Példa 5 - Megoldás DF=6 t0,975=2,447 95%-os megbízhatósággal a két típusú okostelefonon az alkalmazások megnyitásához szükséges várható idők közötti különbség -1,495 és 1,781 sec között van. Kvantitatív módszerek