Gazdaságelemzési és Statisztikai Tanszék

Slides:



Advertisements
Hasonló előadás
2. előadás.
Advertisements

Petrovics Petra Doktorandusz
Idegenforgalmi statisztika
Gazdaságelemzési és Statisztikai Tanszék
STATISZTIKA II. 1. Előadás
A szórás típusú egyenlőtlenségi mutatók
Főkomponensanalízis Többváltozós elemzések esetében gyakran jelent problémát a vizsgált változók korreláltsága. A főkomponenselemzés segítségével a változók.
Mérési pontosság (hőmérő)
Gazdaságelemzési és Statisztikai Tanszék
Gazdaságelemzési és Statisztikai Tanszék
Gazdaságelemzési és Statisztikai Tanszék
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Microsoft Excel 2010 Gyakoriság.
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
Közlekedésstatisztika
Adatfeldolgozás.
Előadó: Prof. Dr. Besenyei Lajos
4. előadás.
5. előadás.
3. előadás.
3. előadás.
A középérték mérőszámai
SPSS leíró statisztika és kereszttábla elemzés (1-2. fejezet)
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
STATISZTIKA II. 2. Előadás
STATISZTIKA II. 3. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
STATISZTIKA II. 7. Előadás
3. előadás Heterogén sokaságok Szórásnégyzet-felbontás
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
Matematikai statisztika Készítették: Miskoltzy Judit Sántha Szabina Szabó Brigitta Tóth Szabolcs Török Tamás Marketing Msc I. évf., I. félév, levelező.
Statisztika.
Kvantitatív módszerek
Leíró statisztika III..
Valószínűségszámítás
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
A sztochasztikus kapcsolatok (Folyt). Korreláció, regresszió
Alapfogalmak.
Adatleírás.
A kombinációs táblák (sztochasztikus kapcsolatok) elemzése
Osztóértékek, eloszlások
Valószínűségszámítás II.
A gyakorisági sorok grafikus ábrázolása
4. előadás.
A számítógépes elemzés alapjai
Konzultáció – Leíró statisztika október 22. Gazdaságstatisztika.
2. előadás Gyakorisági sorok
A számítógépes elemzés alapjai
Leíró statisztika gyakorló feladatok október 15.
MINTAVÉTEL, LEÍRÓ STATISZTIKA
Kvantitatív módszerek
Szóródási mérőszámok, alakmutatók, helyzetmutatók
Kvantitatív módszerek MBA és Számvitel mesterszak
Dr. Varga Beatrix egyetemi docens
Speciális szóródás: Koncentráció
Statisztikai alapfogalmak Eloszlásjellemzők
2. előadás Gyakorisági sorok, Grafikus ábrázolás
dr. Jeney László egyetemi adjunktus Regionális elemzések módszerei
Adatsorok típusai, jellegadó értékei
5. előadás.
A szórás típusú egyenlőtlenségi mutatók
A leíró statisztikák alapelemei
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Területi egyenlőtlenségek grafikus ábrázolása: Lorenz-görbe
4. előadás.
Mérési skálák, adatsorok típusai
Előadás másolata:

Gazdaságelemzési és Statisztikai Tanszék STATISZTIKA I. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék

A SOKASÁG MENNYISÉGI ISMÉRV SZERINTI ELEMZÉSE II. Az információsűrítés eszközei: A SOKASÁG MENNYISÉGI ISMÉRV SZERINTI ELEMZÉSE II.

SZÓRÓDÁSI MUTATÓK Szóródás: a megfigyelt Y értékek különbözősége Mérése: Szélső értékek eltérése Mérőszámok: Egymástól való eltérések bonyolult mutatók Átlagtól való eltérések Mérőszámok: σ, V

A szóródás mérőszámai

A szóródás mérőszámai 2. Szórás (átlagos négyzetes eltérés) súlyozatlan: súlyozott: σ 2 -et varianciának is nevezzük

A szóródás mérőszámai 3. relatív szórás fontos tulajdonságok: • dimenzió (mértékegység) nélküli • különböző sokaságok szóródásának összehasonlítására alkalmas

A szórás tulajdonságai értéke 0, ha Y konstans viselkedése lineáris transzformáció esetén:

MOMENTUMOK A eltérések r-edik hatványaiból számított számtani átlag. Az r-edik momentum (A=0): súlyozatlan: súlyozott: vegyük észre, hogy:

Centrális momentumok vegyük észre, hogy: Ha , az r-edik centrális momentum: súlyozatlan: súlyozott: vegyük észre, hogy:

A koncentráció fogalma gazdasági életben: erőforrások tömörülése, összpontosulása statisztikailag: az értékösszeg jelentős része, vagy egésze a sokaság kevés egységére összpontosul

A koncentráció formái 1. Abszolút koncentráció: az értékösszeg kevés egységre összpontosul (pl. energiaipar, gépkocsigyártás), az N abszolute kevés számú. legfontosabb mérőszáma: N átlagos nagyság: teljes koncentráció: N=1 koncentráció hiánya: határozatlan

A koncentráció formái 2. Relatív koncentráció: az értékösszeg egyenlőtlenül oszlik meg (relatív értelemben összpontosul kevés számú egységnél) • felső határa: egy sokasági egyed rendelkezik a teljes értékösszeggel • alsó határa: minden sokasági egyedhez az értékösszeg 1/N-ed része tartozik

A koncentráció általános mérőszámai Koncentrációs arányszám (CR): a sokaság néhány nagyobb egységének részesedése az értékösszegből (3-(5)-20 egység) Herfindahl mutató határai: a HI mérőszámban a relatív koncentrációt a V (relatív szórás) képviseli, az abszolút koncentrációt pedig az N.

A relatív koncentráció elemzési eszközei 1. Kvantilis eloszlás (pl. decilis eloszlás: Az Y szerint sorbarendezett sokaság azonos tizedeihez tartozó értékösszeg hányadokat fejezi ki)

A relatív koncentráció elemzési eszközei 2. Lorenz-görbe Egységoldalú négyzetben elhelyezett ábra, amely a kumulált relatív értékösszegeket (z’) a kumulált relatív gyakoriságok (g’) függvényében ábrázolja Átlagpont: az átlagnál kisebb egységek hány %-át teszik ki a sokaságnak és ezen egységekhez az értékösszegnek hány %-a tartozik. (átlóval párhuzamos érintő mutatja)

A relatív koncentráció elemzési eszközei tc: koncentrációs terület Lc: koncentrációs együttható

A szimmetrikus és aszimmetrikus eloszlások néhány jellegzetessége

Aszimmetria mutatók Az előző ábra tulajdonságaira építenek: negatív érték: balra elnyúló eloszlás 0: szimmetrikus eloszlás pozitív érték: jobbra elnyúló eloszlás jövedelmek, vagyon nagysága

Aszimmetria mutatók Pearson-féle mutató: Momentumokra épülő aszimmetria mutató

Aszimmetria mutatók Deciliseken alapuló mérőszám Kvartilisek alapján is lehet képezni

Csúcsossági mutató Momentumokra épülő mutató

Mennyiségi sorok grafikus ábrázolása leveles ág (stem-and-leaf) ábra doboz (box-and-whiskers) ábra pálcika ábra – gyakoriságnak megfelelő hosszúságú „pálcikák” hisztogram gyakorisági poligon – hisztogram vonaldiagram változata ogiva – kumulált gyakorisági sor vonaldiagramja

Leveles ág (stem-and-leaf) ábra 1 899 2 0011234566689 3 12566666688 4 256879 5 122245899 6 0222356 7 11

Doboz (box-and-whiskers) ábra 5 jellemző alapján

Hisztogram egymással érintkező oszlopok az oszlop területe arányos a gyakorisággal nem egyenlő hosszúságú osztályközök esetén arányosítással

Budapesti társasházi lakások kínálati árai 2007-ben Stem-and-Leaf Plot Frequency Stem & Leaf 8,00 1 . 23334444 19,00 1 . 5666777888899999999 14,00 2 . 00111122333444 9,00 2 . 667788999 7,00 3 . 0111344 2,00 3 . 89 1,00 Extremes (>=46) Stem width: 10,0 Each leaf: 1 case(s)