Kvantitatív módszerek 7. Becslés Dr. Kövesi János.

Slides:



Advertisements
Hasonló előadás
Hipotézis-ellenőrzés (Statisztikai próbák)
Advertisements

I. előadás.
II. előadás.
BECSLÉS A sokasági átlag becslése
Kvantitatív módszerek
Kvantitatív módszerek
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
Általános statisztika II.
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
Statisztika II. IX. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Mintavétel Mintavétel célja: következtetést levonni a –sokaságra vonatkozóan Mintavétel.
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. IV. Dr. Szalka Éva, Ph.D..
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Előadó: Prof. Dr. Besenyei Lajos
Az élővilág kutatásának matematikai, statisztikai eszköztára
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Valószínűségszámítás és statisztika előadások Gépész-Villamosmérnök szak BSc MANB030, MALB030 Bevezető.
Kvantitatív módszerek
Hipotézisvizsgálat (1. rész) Kontingencia táblák
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Statisztika II. III. Dr. Szalka Éva, Ph.D..
Kvantitatív módszerek 8. Hipotézisvizsgálatok I. Nemparaméteres próbák Dr. Kövesi János.
Nemparaméteres próbák Statisztika II., 5. alkalom.
A statisztikai próba 1. A munka-hipotézisek (Ha) nem igazolhatók közvetlen úton Ellenhipotézis, null hipotézis felállítása (H0): μ1= μ2, vagy μ1- μ2=0.
Nominális adat Módusz vagy sűrűsödési középpont Jele: Mo
STATISZTIKA II. 2. Előadás
Kvantitatív Módszerek
Kvantitatív módszerek
Kvantitatív módszerek
Kvantitatív módszerek 5. Valószínűségi változó Elméleti eloszlások Dr. Kövesi János.
Idősor elemzés Idősor : időben ekvidisztáns elemekből álló sorozat
Valószínűségszámítás
Gazdaságstatisztika 18. előadás Hipotézisvizsgálatok
Gazdaságstatisztika 12. előadás.
Gazdaságstatisztika 14. előadás.
Gazdaságstatisztika 13. előadás.
Gazdaságstatisztika 16. előadás Hipotézisvizsgálatok Alapfogalamak
Gazdaságstatisztika 15. előadás.
Hipotézis vizsgálat (2)
Következtető statisztika 9.
Hipotézis-ellenőrzés (Folytatás)
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Két kvantitatív változó kapcsolatának vizsgálata
I. előadás.
Valószínűségszámítás - Statisztika. P Két kockával dobunk, összeadjuk az értékeket Mindegyik.
Valószínűségszámítás III.
Bevezetés a méréskiértékelésbe (BMETE80ME19) Intervallumbecslések 2014/
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.
Kvantitatív módszerek Becsléselmélet október 15.
Konzultáció – Részekre bontott sokaság vizsgálata, Becslés November 5. Gazdaságstatisztika.
Gazdaságstatisztika Becsléselmélet október 30. és november 5.
Kiváltott agyi jelek informatikai feldolgozása 2016 Statisztika Kiss Gábor IB.157.
Kvantitatív módszerek
Statisztikai áttekintés (I.)
Kockázat és megbízhatóság
Kockázat és megbízhatóság
II. előadás.
Kvantitatív módszerek MBA és Számvitel mesterszak
Becsléselmélet - Konzultáció
Gazdaságstatisztika konzultáció
I. Előadás bgk. uni-obuda
Szabályozott és képes termékek/szolgáltatások, folyamatok, rendszerek
Kockázat és megbízhatóság
Gazdaságinformatikus MSc
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
A normális eloszlásból származó eloszlások
Előadás másolata:

Kvantitatív módszerek 7. Becslés Dr. Kövesi János

Mintavételi alapelvek Sokaság Minta Mintavétel Következtetés  E M L É K E Z T E T Ő F(x), M(  ), D(  ) …. g’(x), x, s, s*

Becslés A becslés elmélete Tulajdonságok - Konzisztens - Torzítatlan - Hatásos - Elégséges 

Torzítatlanság Példa: Határozzuk meg hatoldalú szabályos dobókockával történő dobások várható értékét és szórását!  = a dobott szám p k =1/6, k = 1, 2, 3, 4, 5, 6 M(  ) = 1/6  ( ) = 21/6 = 3,5 D 2 (  ) = 1/6  ( ) – (21/6) 2 = = 91/6 - (21/6) 2 = 546/36-441/36 = 105/36 D(  )  1,7078 Példa: Határozzuk meg hatoldalú szabályos dobókockával történő dobások várható értékét és szórását!  = a dobott szám p k =1/6, k = 1, 2, 3, 4, 5, 6 M(  ) = 1/6  ( ) = 21/6 = 3,5 D 2 (  ) = 1/6  ( ) – (21/6) 2 = = 91/6 - (21/6) 2 = 546/36-441/36 = 105/36 D(  )  1,7078  103

Konzisztens becslés  104

Hatásosság  105

Pontbecslés  Binomiális eloszlás  Poisson-eloszlás  Exponenciális eloszlás  Normális eloszlás lásd a következő oldalon  -ln[1-F(x)] x  107

Gauss-papír Pontbecslés folytatása   Normális eloszlás   4858  -   4565  

Intervallum becslés  Minta-2 Minta-1 Minta-3 mintáról mintára változik maga is valósz. változó adott elméleti eloszlással, szórással stb. jellemezhető 108

Intervallum becslés Az elméleti jellemzők ismeretében így a becslés egy adott nagyságú értékközzel, intervallummal adható meg. Ez az un. konfidencia intervallum - megbízhatóság ill. kockázat - mintanagyság - ingadozás  kétoldali egyoldali Az intervallum többnyire kétoldali, de ritkábban használjuk az egyoldali becslést is. 108

Várható érték becslése normális eloszlású Ha ismert az alapeloszlás szórása (  ), akkor Ha nem ismert az alapeloszlás szórása (  ), akkor Student(t) eloszlású DF szabadsági fok 

 becslése (  ismert) u  = a standard normális eloszlás értéke  108

Feladat Készítsünk becslést kétoldali esetben …. (EGIS) n = 59  = 16.72%  = 0,95  = 0,05 Kétoldali !  /2 = 0,025 kétoldali  (u) = 0,975 3,57 -4,27 <  < 3,57+4,27 -0,7% <  < 7,84% 3,57 -4,27 <  < 3,57+4,27 -0,7% <  < 7,84%   /2 111

Feladat folyt. n Adjunk n Adjunk egyoldali egyoldali becslést a hozam várható értékére!   111

Feladat folyt.  = 0,05  (u) = 0,95  < 3,57 + 3,58 = 7,15% Tehát a hozam 95%-os valószínűséggel legfeljebb 7,15%.  111

 becslése (  nem ismert) t  = t-eloszlás értéke, amely  -tól és DF-től függ  DF a szabadságfok, DF = n-1 111

Feladat Az előző feladat adatai alapján ….(EGIS) s* = 16,72% DF= n-1= 58 n = 59 s* = 16,72% DF= n-1= 58  = 0,95  = 0,05 3,57 -4,35 <  <3,57+4,35 -0,78% <  < 7,92% 3,57 -4,35 <  <3,57+4,35 -0,78% <  < 7,92%  t  /2 = 2,0 112

Összehasonlítás -0,7 <  < 7,84  ismert  nem ismert -0,78 <  < 7,92 8,54 % 8,7 % Tehát pontatlanabb a becslés az ismeretlen  miatt! 

Feladat Egyoldali intervallum…. s* = 16,72% n = 59 s* = 16,72%  = 0,95  = 0,05 t  = 1,671  Egyoldali 112

Feladat Készítsünk becslést kétoldali esetben …. n = 9  = 2 mm  = 0,95  = 0,05 Kétoldali !  /2 = 0,025 kétoldali  (u) = 0, ,2 -1,3 <  <101,2+1,3 99,9 <  <102,5 101,2 -1,3 <  <101,2+1,3 99,9 <  <102,5  /2 

Feladat n Tegyük fel, hogy az alsó határ (A) végleges selejtet jelent. Becsüljük meg, a  A értékét 95%-os valószínűséggel! n Egyoldali n Egyoldali !!!  

Feladat  = 0,05  (u) = 0,95 A = 101,2 - 1,1 =100,1 Tehát  95%-os valószínűséggel legalább 100,1 mm. 

Feladat Az előző feladat adatai alapján … s = 2 mm n = 9 s = 2 mm  = 0,95  = 0,05 101,2 -1,65 <  <101,2+1,65 99,5 <  < 102,85 101,2 -1,65 <  <101,2+1,65 99,5 <  < 102,85  t  /2 = 2,31

Összehasonlítás 99,9 <  < 102,5  ismert  nem ismert 99,5 <  < 102,85 2,6 mm 3,3 mm Tehát kb. 30%-kal pontatlanabb a becslés az ismeretlen  miatt! 

Feladat Egyoldali intervallum…. s = 2 mm n = 9 s = 2 mm  = 0,95  = 0,05 t  = 1,86  Egyoldali

Feladat A műanyagrudacskák n=25 elemű …. n = 25 s = 0,06 mm  = 0,05 DF = n-1= = 24 t  = 2,06 (kétoldali) 

Feladat A műanyagrudacskák n=25 elemű …. n = 25 s = 0,06 mm  = 0,01 DF = n-1= = 24 t  = 2,8 (kétoldali) 

Feladat A szárazelemek behozatalára vonatkozó … 19, 18, 22, 20 és 17 órát működtek n = 5 s = ? óra s = 1,7 óra 

Feladat s = 1,72 óra  = 0,05  = 0,01  = 0,001 t  = 2,78 t  = 4,60 t  = 8,61 16,8 <  < 21,6 15,3 <  < 23,1 11,9 <  < 26,5 Ha csökkentjük  értékét, azaz növeljük a megbízhatóságot, nő az intervallum,  de nő a  is!

Feladat Zománcedények peremezéséhez …. az intervallum félszélessége  =  2 N/mm 2  = 7 N/mm 2 Ha  = 99%   =0,01 u  /2 =2,58 

Feladat Ha  = 90%   =0,1 u  =1,64 !! db db 