Alapfogalmak Alapsokaság, valamilyen véletlen tömegjelenség.

Slides:



Advertisements
Hasonló előadás
Események formális leírása, műveletek
Advertisements

2. előadás.
A pedagógiai kutatás módszertana
I. előadás.
II. előadás.
Rangszám statisztikák
Mérési pontosság (hőmérő)
Becsléselméleti ismétlés
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
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.
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Közlekedésstatisztika
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..
Dr. Szalka Éva, Ph.D.1 Statisztika II. IX.. Dr. Szalka Éva, Ph.D.2 Idősorok elemzése.
Statisztika II. II. Dr. Szalka Éva, Ph.D..
Statisztika II. V. Dr. Szalka Éva, Ph.D..
TF Informatikai és Oktatástechnológiai Tanszék
Előadó: Prof. Dr. Besenyei Lajos
A középérték mérőszámai
Microsoft Excel Függvények VI..
Nem-paraméteres eljárások, több csoport összehasonlítása
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Matematikai alapok és valószínűségszámítás
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
STATISZTIKA II. 2. Előadás
Statisztika.
Készítette: Horváth Zoltán (2012)
Kvantitatív módszerek
Valószínűségszámítás
Gazdaságstatisztika 19. előadás Hipotézisvizsgálatok
Gazdaságstatisztika 14. előadás.
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Hipotézis vizsgálat.
Alapfogalmak.
Adatleírás.
Dr Gunther Tibor PhD II/2.
I. előadás.
Számtani és mértani közép
Valószínűségszámítás III.
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Közúti és Vasúti Járművek Tanszék. A ciklusidők meghatározása az elhasználódás folyamata alapján Az elhasználódás folyamata alapján kialakított ciklusrendhez.
A gyakorisági sorok grafikus ábrázolása
A számítógépes elemzés alapjai
Bevezetés, tippek Ea-gyak kapcsolata Statisztika II -más tárgyak kapcsolata Hogyan tanulj? Interaktív órák, kérdezz, ha valami nem világos! tananyag =előadások.
Konzultáció – Leíró statisztika október 22. Gazdaságstatisztika.
Leíró statisztika, részekre bontott sokaság, becslés Árva Gábor PhD Hallgató.
A számítógépes elemzés alapjai
Kvantitatív módszerek
Nemparaméteres próbák
Leíró statisztika gyakorló feladatok október 15.
MINTAVÉTEL, LEÍRÓ STATISZTIKA
Kvantitatív módszerek
II. előadás.
Kvantitatív módszerek MBA és Számvitel mesterszak
Nemparaméteres próbák
Gazdaságstatisztika Konzultáció a korreláció- és regressziószámítás, idősorok elemzése témakörökből.
I. Előadás bgk. uni-obuda
Adatfeldolgozási ismeretek műszeres analitikus technikusok számára
Gazdaságinformatikus MSc
A leíró statisztikák alapelemei
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Adatfeldolgozási ismeretek környezetvédelmi-mérés technikusok számára
1.3. Hipotézisvizsgálat, statisztikai próbák
Előadás másolata:

Alapfogalmak Alapsokaság, valamilyen véletlen tömegjelenség. Az alapsokaság vizsgált elemeit mintának nevezzük. Ha a minta hűen tükrözi a valóságot, akkor reprezentatív mintáról beszélünk. Statisztikai mintán – matematikailag – n számú, megegyező eloszlású (valószínűségi) változók összességét értjük.

Közepek A minta (sokaság) elemeinek számtani közepét, a minta középértékének, vagy empirikus középnek nevezzük. (Átlagnak is szokták nevezni!) A minta legkisebb, és legnagyobb elemének számtani közepe a minta középpontja. Módusznak nevezzük a mintában legtöbbször előforduló adatot.

A medián Páratlan számú elem esetén: Egy rendezhető adathalmaz elemeit növekvő sorrendbe állítjuk, és kiválasztjuk a középső elemét. Páros számú elem esetén: A középső két szám átlagát nevezzük a minta mediánjának.

Várható érték Tapasztalati várható érték: „Kézi” számolás esetén az adatokat osztályokba soroljuk. Ha egy osztálybeli minta gyakorisága fj és A az alkalmasan megválasztott osztályközép B az osztályok szélessége, akkor

Szórásnégyzet - szórás Mintavétel empirikus (tapasztalati) szórásnégyzetének a mintaelemek középértéktől való eltérésnégyzeteinek átlagát értjük. Korrigált szórásnégyzet: Osztályok esetén:

Gyakoriság, relatív gyakoriság Osztályokba sorolásnál, egy osztályba eső adatok számát gyakoriságnak nevezzük. Az osztályok a hozzájuk tartozó gyakoriságokkal együtt alkotják a minta gyakorisági eloszlását. Ha az elemek száma helyett, a minta osztályának (százalékos) arányát adjuk meg, akkor relatív gyakoriságról beszélünk.

Hisztogramm

Empirikus eloszlás függvény