Kis szórás Nagy szórás Kis szórás Nagy szórás

Slides:



Advertisements
Hasonló előadás
1 groupement national interprofessionnel des semences et plants Vetőmagpiac forgalom az Európai Unióban Az EU vetőmag súlya a világ vetőmag termesztésében.
Advertisements

I. előadás.
Dixon Próbadb.Valószínűségi szint (p%) n10%5%1%7.3?4321 7? ,890,940,99pH7,07,27,3 4 0,68 0,770,89n=4 r 10 = (7,3-7,3)/(7,3-7,0) = 0 r 10 =(x 1 -x.
BECSLÉS A sokasági átlag becslése
Kvantitatív Módszerek
A TAO támogatási rendszer Magyar Labdarúgás Fóruma
MATEMATIKA Év eleji felmérés 3. évfolyam
Kvantitatív módszerek
Érettségi eredmények 2011/2012. tanév május-június.
3. Két független minta összehasonlítása
Az új történelem érettségiről és eredményeiről augusztus Kaposi József.
A tételek eljuttatása az iskolákba
2010 október 2651 kp. Vizsga 2. feladata. Megoldás: „A” vállalat: Beszerzés : 100 millió Árrés: ( 12 %) = 100 x 0,12=12 millió Nettó eladási ár =
Mérési pontosság (hőmérő)
VÁLOGATÁS ISKOLÁNK ÉLETÉBŐL KÉPEKBEN.
Statisztika II. IX. Dr. Szalka Éva, Ph.D..
Közlekedésstatisztika
Statisztika II. V. Dr. Szalka Éva, Ph.D..
1. IS2PRI2 02/96 B.Könyv SIKER A KÖNYVELÉSHEZ. 2. IS2PRI2 02/96 Mi a B.Könyv KönyvelésMérlegEredményAdóAnalitikaForintDevizaKönyvelésMérlegEredményAdóAnalitikaForintDeviza.
Túl magas-e Magyarországon a jegybanki alapkamat? Készítette: Kiss Marianna.
Sárgarépa piaca hasonlóságelemzéssel Gazdaság- és Társadalomtudományi kar Gazdasági és vidékfejlesztési agrármérnök I. évfolyam Fekete AlexanderKozma Richárd.
6,24 Egy tábla 8 mintavételi parcellájából származó talajminta pH-ja
Kezelések által okozott eltérések értékelése Szórások elemzése Variancia analízis ZH március ZH tematika: március
Burgonya termés t/ha NPK kg/ha ism 1 ism 2 ism 3 ism 4 átlag 014,316,41916,516, ,727,326,125, ,528,427,128, ,729,127,532,429, ,52926,828,826,8.
100-as szög méreteinek gyakorisága (n = 100) db mm.
3 tényezős varianciaanalízis ismétlés nélkül Ólom szennyezés öntözött és nem öntözött talajokon a Nilüfer völgyében Pb mg/kg Profile 1nemönt.öntözött Ap.
Az összefüggés szemléltetése a., Az összes adat megjelenítése oszlopdiagram segítségével b., Az átlagok megjelenítése oszlopdiagram segítségével (SzD!)
Fekete László Született: Csillagjegye: Vízöntő
Alapfogalmak Alapsokaság, valamilyen véletlen tömegjelenség.
Nemparaméteres próbák Statisztika II., 5. alkalom.
szakmérnök hallgatók számára
Egytényezős variancia-analízis
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
A évi demográfiai adatok értékelése
Anyagok 3. feladat 168. oldal.
Kalkuláció 13. feladat TK 69. oldal.
Logikai szita Izsó Tímea 9.B.
A szemcsehatárok tulajdonságainak tudatos módosítása Szabó Péter János BME Anyagtudomány és Technológia Tanszék Anyagvizsgálat a gyakorlatban (AGY 4) 2008.
Készítette: Horváth Zoltán (2012)
LENDÜLETBEN AZ ORSZÁG A Magyar Köztársaság kormánya.
Standardizálás Példák.
7. Házi feladat megoldása
Gazdaságstatisztika 19. előadás Hipotézisvizsgálatok
Gazdaságstatisztika 16. előadás Hipotézisvizsgálatok Alapfogalamak
Érettségi jelentkezések és érettségi eredmények 2007 Érettségi jelentkezések - érettségi eredmények.
Érettségi jelentkezések és érettségi eredmények 2008 Tanévnyitó értekezlet Érettségi jelentkezések - érettségi eredmények augusztus 29.
Hipotézis vizsgálat (2)
Hipotézis-ellenőrzés (Folytatás)
Bontsd fel a zárójeleket, vonj össze, majd helyettesíts be!
20).7-es szint Rákóczi 2. sz. barlang előtt
Ki az aki meg van elégedve az anyagi helyzetével? Ki az aki nincs megelégedve az anyagi helyzetével? Ki az aki szeretne az anyagi helyzetén változtatni?
Kutatási eredmények és fehér foltok a migránsok munkaerő-piaci beilleszkedésének kutatásában Kováts András MTAKI.
A klinikai transzfúziós tevékenység Ápolás szakmai ellenőrzése
Forrás allokáció LHH Ft/ 1 Euro HPME katalógus III. tengely Összforrás: Euro Ft LHH forrás: Euro Ft nem LHH.
QualcoDuna interkalibráció Talaj- és levegövizsgálati körmérések évi értékelése (2007.) Dr. Biliczkiné Gaál Piroska VITUKI Kht. Minőségbiztosítási és Ellenőrzési.
I. előadás.
TÁRSADALOMSTATISZTIKA Sztochasztikus kapcsolatok II.
1. Melyik jármű haladhat tovább elsőként az ábrán látható forgalmi helyzetben? a) A "V" jelű villamos. b) Az "M" jelű munkagép. c) Az "R" jelű rendőrségi.
GAZDASÁGI ADOTTSÁGOK ÉS FEJLŐDÉSI IRÁNYOK A délkelet-európai országok Novák Tamás MTA – VKI május 16.
Kvantitatív módszerek
A szóráselemzés gondolatmenete
Kezelések által okozott eltérések értékelése Szórások elemzése Variancia analízis ZH március ZH tematika: óra végén.
Mikroökonómia gyakorlat
> aspnet_regiis -i 8 9 TIPP: Az „Alap” telepítés gyors, nem kérdez, de később korlátozhat.
Kiugró adatok szűrése Dixon Próba db. Valószínűségi szint (p%) n 10%
Budapesti Corvinus Egyetem, Számvitel tanszék
1 Az igazság ideát van? Montskó Éva, mtv. 2 Célcsoport Az alábbi célcsoportokra vonatkozóan mutatjuk be az adatokat: 4-12 évesek,1.
A kísérletek megtervezése? Hogy választ kapjunk a kérdésünkre. A kísérletek elrendezése Cél: -újabb szórástényező megmagyarázása -Szisztematikus hibából.
100-as szög méreteinek gyakorisága (n = 100) db mm Gyakoriság grafikon (adott méretű esetek db.)
I. Előadás bgk. uni-obuda
Előadás másolata:

Kis szórás Nagy szórás Kis szórás Nagy szórás Átlag ═ Várható-érték Kis szórás Átlag ═ Várható-érték Nagy szórás Szisztema-tikus hiba Átlag ≠≠ Várható-érték Kis szórás Szisztema-tikus hiba Átlag ≠≠ Várható-érték Nagy szórás 15:50

kód pH k001 5,0 k002 5,2 k003 5,4 k004 5,5 k005 7,0 k006 7,2 k007 7,3 k008 medián: 6,25 módusz: 7,30 átlag: 6,24 Várható érték ? Kell-e meszezni?

Gyakorisági diagram Gyakoriság (db) 10 20 3 30 6 40 7 50 4 60 70 80 90 10 20 3 30 6 40 7 50 4 60 70 80 90 100 Centrális határeloszlás tétel Bármilyen eloszlású sokaságból vett minták számtani középértékei normális eloszlást követnek

Normális eloszlás Sűrűség fv. Eloszlás fv.

p = 5 % hibavalószínűség

Konfidencia intervallum (Érvényesség) Várható érték ± szorzószám * szórás

n adatból számított átlag és szórás esetén Átlag ± t_érték * szórás Konfidencia intervallum n adatból számított átlag és szórás esetén Átlag ± t_érték * szórás n FG 10% 5% 1% 0,10% 1000 999 1,65 1,96 2,58 3,30 100 99 1,66 1,98 2,63 3,39 50 49 1,68 2,01 2,68 3,50 30 29 1,70 2,05 2,76 3,66 20 19 1,73 2,09 2,86 3,88 10 9 1,83 2,26 3,25 4,78 5 4 2,13 2,78 4,60 8,61 3 2 2,92 4,30 9,92 31,60 1 6,31 12,71 63,66 636,62

Adatmegadás gyakorlata p % 1% 5% 0,1% 10% n 8 4 2 FG 7 3 1 átlag 6,24 5,28 5,35 szórás 1,04 0,22 0,21 t_érték 3,50 2,36 12,92 5,84 3,18 2,35 63,66 12,71 6,31 konf.felsőh. 9,89 8,70 8,14 6,57 5,98 5,80 18,85 8,05 6,69 konf.alsóh. 2,59 3,77 2,41 3,98 4,57 4,75 -8,15 2,65 4,01 pH   5,2 5,5 7,2 5 7,3 5,4 5,3±0,7 p=5%

Kiugró adatok szűrése r10=(x1-x2)/(x1-xn) Dixon Próba db. Valószínűségi szint (p%) n 10% 5% 1% 7.3? 4 3 2 1 7? 0,89 0,94 0,99 pH 7,0 7,2 7,3 0,68 0,77 n=4 r10 = (7,3-7,3)/(7,3-7,0) = 0   r10=(x1-x2)/(x1-xn) 5 0,56 0,64 0,78 r10 = (7,0-7,2)/(7,0-7,3) = 0,67 6 0,48 0,70 7 0,43 0,51 5,5 8 0,55 n=5 r10 = (5,5-7,0)/(5,5-7,3) = 0,83 r11=(x1-x2)/(x1-xn-1) 9 0,44 10 0,41 0,60 11 0,52 0,58 r21=(x1-x3)/(x1-xn-1) 12 0,49 13 0,47 0,62

A várható értéktől számított eltérések négyzetösszege (SQvé) nagyobb v A várható értéktől számított eltérések négyzetösszege (SQvé) nagyobb v. egyenlő az átlagtól számított eltérések négyzetösszegénél (SQ)

A várható értéktől számított eltérések négyzetösszege (SQvé) nagyobb v A várható értéktől számított eltérések négyzetösszege (SQvé) nagyobb v. egyenlő az átlagtól számított eltérések négyzetösszegénél (SQ)

A várható értéktől számított eltérések négyzetösszege (SQvé) nagyobb v A várható értéktől számított eltérések négyzetösszege (SQvé) nagyobb v. egyenlő az átlagtól számított eltérések négyzetösszegénél (SQ)

e racionális szám e2 ≥ 0 n természetes szám Általában nem ismerjük a várható értéket, így csak az átlagtól számított eltérések négyzetösszegét (SQ) tudjuk kiszámítani!

MQkorrigálatlan Korrigálatlan szórásnégyzet s2 = MQ = SQ / FG Szórásnégyzet (variance) Korrigált szórásnégyzet Szórás: Átlag szórása = Adatok szórása / gyök (n)

Két szórás összehasonlítása (F-próba) INVERZ.F(P,szFG,nFG) F-arány=s12/s22 pH 5,2 5,5 7,2 7,3 5 5,4 7 minta 1 2 n 8 4 FG 7 3 szórás 1,04 0,22 s2 1,088 0,049 pH 5,2 5,5 5 5,4 F-arány=s12/s22 = 1,088/0,049 = 22,1 INVERZ.F(5%,7,3) = 8,9 F.PRÓBA 2,8% INVERZ.F(1%,7,3) = 27,7 A két szórás különbsége legfeljebb 5 % hibavalószínűséggel igazolható A két szórás különbsége 2,8 % hibavalószínűséggel igazolható

Ha nem térnek el a szórások kezelhetjük együtt a 20 adat szórását, de szét kell választanunk a kezeléssel előidézett és a véletlen szórást Ezekből adódik össze a 20 adat szórása Szórások szétválasztása, elemzése -> variancia analízis NPK kg/ha ism 1 ism 2 ism 3 ism 4 átlag 14,3 16,4 19 16,5 16,6 150 23,7 27,3 26,1 25,7 300 30 28,5 28,4 27,1 450 29,7 29,1 27,5 32,4 600 22,5 29 26,8 28,8

x = M + (Vátl-M) + e Bontsuk fel az adatokat a főátlagra (M) és - kezelés hatására létrejött eltérésre (Vátl-M) - véletlen eltérésre (e) x = M + (Vátl-M) + e ism 1 ism 2 ism 3 ism 4 Vátl Vátl-M 14,3 16,4 19 16,5 16,55 -8,89 23,7 27,3 26,1 25,7 25,70 0,26 30 28,5 28,4 27,1 28,50 3,06 29,7 29,1 27,5 32,4 29,68 4,24 22,5 29 26,8 28,8 26,78 1,34 Főátlag M= 25,44

Összes SQ = Kezelés SQ + Hiba SQ Kezelés hatás Véletlen hatás x = M + Vátl-M + e ellenörző összeg Négyzetösszegek: 13438,44 12943,87 432,72 61,85 szum x2 = r*v*M2 + Kezelés SQ + Hiba SQ SQ= szum x2 - n*xátlag2 n= 20 = r*v Összes SQ= r*v*M2 = Kezelés SQ + Hiba SQ 494,568 Összes SQ = Kezelés SQ + Hiba SQ Kezelésszám: v = 5 Ismétlésszám: r = 4

Szórások összehasonlítása - F-próba Variancia táblázat Tényezö SQ FG MQ F-arány SzD(5%) összes 494,568 19 kezelés 432,723 4 108,18 26,24 3,06 hiba 61,845 15 4,12 Szórások összehasonlítása - F-próba Nagyobb-e a kezelés által okozott szórás, mint a véletlen szórás? Szórásnégyzetek hányadosa: F-arány = Kezelés MQ / Hiba MQ F-arány = 108,18 / 4,12 = 26,24 INVERZ.F(0,1%,4,15) = 8,25 Legalább 0,1%-os hibavalószínűséggel állítható – van kezeléshatás

Kezelésátlagok összehasonlítása – SzD (szignifikáns Variancia táblázat Tényezö SQ FG MQ F-arány SzD(5%) összes 494,568 19 kezelés 432,723 4 108,18 26,24 3,06 hiba 61,845 15 4,12 Kezelésátlagok összehasonlítása – SzD (szignifikáns SzD(5%)=t(5%)*gyök(2*HMQ/r) inverz.t(p%,HFG) differencia) SzD(5%)=2,13*gyök(2*4,12/4) = 3, 06 NPK kg/ha 150 300 450 600 SzD(5%) átlag 16,6 25,7 28,5 29,7 26,8 3,06 A kontroll kezelés hatása 5% hibavalószínűséggel kisebb, mint a többi. Ezen túl a 450 kg/ha NPK kezelés hatására 5% hibavalószínűséggel igazolható módon több termés lesz mint 150 kg/ha kezelés hatására

Kezelésátlagok összehasonlítása – SzD (szignifikáns SzD(5%)=t(5%)*gyök(2*HMQ/r) inverz.t(p%,HFG) differencia) NPK kg/ha 150 300 450 600 SzD(5%) átlag 16,6 25,7 28,5 29,7 26,8 3,06 0,0 9,2 12,0 13,1 10,2 2,8 4,0 1,1 1,2 -1,7 -2,9 inverz.t(5%,15) = 2,13 inverz.t(10%,15) = 1,75 SzD(10%) = inverz.t(10%,15) * SzD(5%) / inverz.t(5%,15) = 1,75*3,06/2,13 = = 2,51 A 300 kg/ha NPK 10% hibavalószínűséggel igazolhatóan több termést eredményezett, mint a 150 kg/ha (tendencia) 600 kg/ha NPK terméscsökkenést eredményezett (p=10%)

Véletlenblokk elrendezés var Makro Alapadat táblázat blokk 1 blokk 2 blokk 3 blokk 4 átlag 0 kg/ha 14,3 16,4 19,0 16,5 16,6 150 kg/ha 23,7 27,3 26,1 25,7 300 kg/ha 30,0 28,5 28,4 27,1 450 kg/ha 29,7 29,1 27,5 32,4 600 kg/ha 22,5 29,0 26,8 28,8 blokk átlag 24,0 25,6 25,4 Tényezö SQ FG MQ F-arány F-0.1% F-1% F-5% F-10% SzD(5%) összes 494,568 19 *** ** * + ismétlés 13,972 3 4,66 1,17 10,80 5,95 3,49 2,61 kezelés 432,723 4 108,18 27,12 9,63 5,41 3,26 2,48 3,1 hiba 47,873 12 3,99 CV%= 7,9 Variancia táblázat