Statisztikai alapok Egy kis matematika nem csak fizikához…

Slides:



Advertisements
Hasonló előadás
Összetett kísérleti tervek és kiértékelésük:
Advertisements

A bizonytalanság és a kockázat
Hipotézis-ellenőrzés (Statisztikai próbák)
4. Két összetartozó minta összehasonlítása
I. előadás.

„Esélyteremtés és értékalakulás” Konferencia Megyeháza Kaposvár, 2009
BECSLÉS A sokasági átlag becslése
A beiskolázási életkor hatása az iskolai teljesítményre Magyarországon Hámori Szilvia, MTA KTI 1.
VERES PÉTER GIMNÁZIUM Tanulmányi eredmények 2006.
Kvantitatív Módszerek
Erőállóképesség mérése Találjanak teszteket az irodalomban
MATEMATIKA Év eleji felmérés 3. évfolyam
Egy faktor szerinti ANOVA
Összetett kísérleti tervek és kiértékelésük
Humánkineziológia szak
3. Két független minta összehasonlítása
Kompetencia- mérés Somogyi József Általános Iskola
Az öntözés hazai szerepe, jelentősége
A ÉVI ORSZÁGOS KOMPETENCIAMÉRÉS ISKOLAI EREDMÉNYEI.
Koordináta transzformációk
2012. április 12., Budapest Statisztikai kérdések jelterjedés modellezésében Smart metering Milánkovich Ákos Híradástechnikai Tanszék.
Kereszttáblák Babbie, E.: A társadalomtudományi kutatás gyakorlata
Mérés és adatgyűjtés laboratóriumi gyakorlat Karakterisztikák mérése 1 Makan Gergely, Mingesz Róbert, Nagy Tamás V
A diákat jészítette: Matthew Will
DÖNTÉSELMÉLET A DÖNTÉS = VÁLASZTÁS A döntéshozatal feltételei:
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
5.2. Próbavizsga Próbáld ki tudásod!
E L E M Z É S. 1., adatgyűjtés 2., mintavétel (a teljes sokaságot ritkán tudjuk vizsgálni) 3., mintavételi információk alapján megállapítások, következtetések.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Az ipari növekedés mai területi folyamatai
Túl magasak-e Magyarországon az adóterhek? Készített: Fekete Zsófia júniusa.
Statisztikai alapok Egy kis matematika nem csak fizikához… Ezeket a lapokat hamarosan átdolgozzuk. A benne foglalt ismeretek szükségesek a fizikai mérési.
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Fekete László Született: Csillagjegye: Vízöntő
Budapesti Műszaki és Gazdaságtudományi Egyetem
szakmérnök hallgatók számára
2. A KVANTUMMECHANIKA AXIÓMÁI 1. Erwin Schrödinger: Quantisierung als Eigenwertproblem (1926) 2.
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Egytényezős variancia-analízis
Kerékpártároló átadás
A évi demográfiai adatok értékelése
Biostatisztika, MS Excel
Készítette: Horváth Zoltán (2012)
Kvantitatív módszerek
7. Csoportok és változók sztochasztikus összehasonlítása (összehasonlítások ordinális függő változók esetén)
Érettségi jelentkezések és érettségi eredmények 2008 Tanévnyitó értekezlet Érettségi jelentkezések - érettségi eredmények augusztus 29.
Statisztikai módszerek áttekintése módszerválasztási tanácsok Makara Gábor.
Alapfogalmak.

Két kvantitatív változó kapcsolatának vizsgálata
Tájföldrajzi megfigyelések a Szentendrei-szigeten
A kérdőív minden kérdésére 1-től 7-ig számozott tartományban válaszolhattak a résztvevők. Az összehasonlító kiértékeléskor a válaszok átlagos értékeit.
A klinikai transzfúziós tevékenység Ápolás szakmai ellenőrzése
Kemény Sándor Doktoráns Konferencia 2007.
QualcoDuna interkalibráció Talaj- és levegövizsgálati körmérések évi értékelése (2007.) Dr. Biliczkiné Gaál Piroska VITUKI Kht. Minőségbiztosítási és Ellenőrzési.
1 Gyarapodó Köztársaság Növekvő gazdaság – csökkenő adók február 2.
A tanulói jelentés.
I. előadás.
Statisztikai alapfogalmak
Mikroökonómia gyakorlat
Valószínűségszámítás II.
Pedagógiai hozzáadott érték „Őrült beszéd, de van benne rendszer” Nahalka István
Kiváltott agyi jelek informatikai feldolgozása 2016
Haladó Pénzügyek Vezetés szervezés MSC I. évfolyam I
Hipotézisvizsgálatok általános kérdései Nemparaméteres próbák
Haladó Pénzügyek Vezetés szervezés MSC I. évfolyam I
Szani Ferenc, Pitlik László, Balogh Anikó
Kompetenciamérés eredményei évfolyam 2013
1.
Előadás másolata:

Statisztikai alapok Egy kis matematika nem csak fizikához…

Buda a “nyerő ” Pest a “nyerő ” Hétfő Budai fodrászat Pesti fodrászat 100 vendég: 33 szőke 100 vendég: 36 Mérések statisztikai kiértékelése: Avagy hol több a szőke lány? Pesten vagy Budán? De mi a helyzet kedden? Kedd Budai fodrászat Pesti fodrászat 100 vendég: 40 szőke 100 vendég: 31 szőke

Ki hát a nyerő? A pontosabb döntéshez több mérés kell ! (az átlag és mérési bizonytalanság „definiciója”) N Buda n i ( %) Pest n i (%) Átlag (várható érték) = (  n i )/N A szőkék átlagos aránya tehát Budán : 30.2 % Pesten : 32.1 % Látható viszont, hogy igen nagy a napi ingadozás (a mérési bizonytalanság) Vajon a két átlag közötti eltérés jelentős vagy csupán véletlen ingadozás? Jellemezzük számszerűen az ingadozást:  = sqrt[  (n i - ) 2 /N] (  = az átlagtól való eltérések négyzeteinek átlagából vont négyzetgyök. Húú, ez nehéz volt !)  (Buda)=4.8 és  (Pest)=5.1

Ki hát a nyerő? Buda: 30.2 ± 4.8 (%) Pest: 32.1 ± 5.1 (%) Hát, nehéz a választás…. Nincs jelentős (szignifikáns) különbség Pest és Buda között És mi újság Stockholmban? BudaPest: 31.9 ± 5 (%) Stockholm: 48.3 ± 3 (%) Látható, hogy a szőkék átlagos aránya „szignifikánsan” magasabb Stockholmban. Stockholmba kell annak menni aki biztosabban (nagyobb valószínűséggel !) szőkére akar lelni…

Nincs szignifikáns különbség! A mérések összhangban vannak az elmélettel! (valószínűsítik annak helyességét) „Beszéljünk most a tudományról…” Elméleti “jóslat” és a mérések Elmélet: 30.2 Mérés: 32.1 ± 5.1 És mi újság egy másik elméleti „jóslattal” ? Elmélet: 46 Mérés: 32.1 ± 5.1 Méréseink nagy valószínűséggel kizárják ennek az elméletnek a helyességét (nagyon távol esik az elmélet és a mérési eredmény !)

Elnézést kérek a szőkéktől: itt a tudomány oldalán említettem szőkeségüket.