LEÍRÓ STATISZTIKA GYAKORLAT

Slides:



Advertisements
Hasonló előadás
A mezőgazdasági foglalkoztatás trendjei és kérdései
Advertisements

Megújulók: mekkora támogatást érdemelnek? Dr. Gács Iván egy. docens Budapesti Műszaki és Gazdaságtudományi Egyetem Energetikai Gépek és Rendszerek Tanszék.
E-Corvina Informatikai Szolgáltató Kft Budapest, Róbert Károly krt ▪ Telefon: (1) ▪ Fax: (1)
Ludvig Zsuzsa MTA Világgazdasági Kutatóintézet, projektvezető
Kötvények árfolyam és hozamszámításai
A magyar gazdaság helyzete és kilátásai ( )
Oriflame Természetes svéd kozmetikum Itt a tavasz  Ne csak az idő, hanem Ön is változzon! Rendeljen Oriflame kozmetikai termékeket. Ha nem válik be,
A TAO támogatási rendszer Magyar Labdarúgás Fóruma
Kovacsicsné Nagy Katalin: A városfejlődés statisztikája, a városok városiasságának mérése Az MTA Statisztikai Bizottságának ülésén elhangzott előadás
A MEK szolgáltatásai a mobil világ számára
Tízezren innen és túl A magyar tőzsde és a világ pénzügyi piacai 2003 őszén Jaksity György elnök Budapesti Értéktőzsde Rt.
 Veszteségmentes kódolás  Visszafejtése egyértelmű  Egyik kódszó sem lehet része semelyik másiknak  Lépések:  1.: Statisztika a kódolandó anyagról.
Boole- féle algebra Készítette: Halász Rita I. István Szakképző Iskola szeptember 19.
TÁJÉKOZTATÓ A NAV Közép-dunántúli Regionális Adó Főigazgatósága évi tevékenységéről Umenhoffer Ferenc főigazgató NAV Közép-dunántúli Regionális Adó.
Váradiné dr. Szarka Angéla
Zajok és véletlen jelenségek interdiszciplináris területeken való alkalmazásának kutatása és oktatása. TÁMOP A/2-11/ KLJN kommunikációs.
Mikrovezérlők, perifériák laboratóriumi gyakorlat Mingesz Róbert 4. óra Szeptember 24. v
Mikrovezérlők alkalmazástechnikája levelező laboratóriumi gyakorlat A/D konverter Kovács Tamás, Mingesz Róbert, Balogh Krisztián, Boros Péter, Zana Roland.
A SAT probléma különböző reprezentációinak vizsgálata oktatási szempontból (újratöltve) Az általánosítás fegyvere a kutatásban Kusper Gábor,
4. Fejezet : Az egész számok (integer) ábrázolása
Számítógépes Hálózatok GY
A hisztogram Társadalomstatisztika, 2. előadás 2012/13. tanév, 1. félév Csákó Mihály (WJLF)
Fordulat az agrárpolitikában A termelési rendszerek szerepe a magyar mezőgazdaság fejlődésében, 1960 és 1990 között Dr. Schlett András Egyetemi adjunktus.
Földhasználati konfliktusok, birtoknövelési stratégiák egy nem agrár-domináns kistérségben.
2010 évi országos kompetenciamérés elemzése Vajda Péter Ének-zenei Általános és Sportiskola „Az egyetlen dolog, ami rosszabb annál, hogy beszélünk róla,
DIT-ÚMVP III-IV. tengelyét érintő programmódosítási javaslatok
Soós László NGM Szakképzési és Felnőttképzési Főosztály
Nemzeti fejlődés és versenyképesség a mai világgazdaságban
MKT 49. közgazdász vándorgyűlés „A finanszírozás jövője - a jövő finanszírozása” szekció A deviza alapú eladósodás kérdésköre: elméleti nehézségek és gyakorlati.
Hallgatók karrierstratégiái és elhelyezkedési motivációi Fábri István vezető elemző Educatio Nonprofit Kft.- Országos Felsőoktatási Információs Központ.
Fiatalok motiválása a véleményformáló diáksajtósok bevonásával
Laki Mihály MTA KRTK Közgazdaságtudományi Intézet Piacfejlődés a szocializmus után A Hajnal István Kör 2012.évi konferenciája Piacok a társadalomban és.
Szakképzési rendszer és munkaerő-piac Az állami felsőoktatási férőhely-allokáció hatékonysága a felsőfokú végzettségűek munkaerő-piaci helyzetének tükrében.
Miért beteg a magyar gazdaság? Farkas Beáta Szegedi Tudományegyetem Gazdaságtudományi Kar.
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
„Mán az Urak is csak így élnek, vadházasságban”- jegyzetek a roma párkapcsolatokról Durst Judit, Corvinus Egyetem, UCL.
Biostatisztika, MS Excel
Foglalkoztatás szeminárium
Készítette: Horváth Zoltán (2012)
Példák I. Viszonyszám számítás.
Gazdaságstatisztika Hipotézisvizsgálatok Nemparaméteres próbák II. 17. előadás.
Gazdaságstatisztika LEÍRÓ STATISZTIKA I. 2. előadás
RÉSZEKRE BONTOTT SOKASÁG VIZSGÁLATA
Gazdaságstatisztika 15. előadás.
KÖZOKTATÁS, SZAKKÉPZÉS, A MUNKA VILÁGA MSZT HÁROMSZÉKI Tagozata Sepsiszentgyörgy szeptember 29. Dr. Szenes György elnök.
Háttértárak csoportosítása
I276 Antal János Benjamin 12. osztály Nyíregyháza, Széchenyi I. Közg. Szki. Huffman kódolás.
TÁMOP Nagyrendezvény. Magyarországi szakképzési rendszer változások I.  2011 új szakképzési törvény  2012 szeptember 01 köznevelési törvény hatályba.
EKSZ statisztika 2012 Zsámboki Mónika ELTE Egyetemi könyvtár Gyűjteménykezelői Osztály február 13. S ZAKMAI N AP AZ E GYETEMI K ÖNYVTÁRBAN 2013.
Számrendszerek.
FIFO ÉS ELSZÁMOLÓ ÁR © R-TREND Kft
FIFO MÓDSZER, RENDEZETLEN TÉTEL KEZELÉSSEL
Hányszor csodálkozunk azon, amikor halljuk, hogy mások már 100%-ot teljesítenek! Thema: 100%-os teljesítmény És hányszor halljuk, hogy több, mint 100%-ot.
FIFO MÓDSZERREL, RAKTÁRAK KÖZÖTTI MOZGÁS © R-TREND Kft Átadni raktárak között csak a nyilvántartott készlet mértékéig lehet. Többet nem.
TCP/IP alapok.
Kovács Áron PhD hallgató
Kvantitatív módszerek
Megalakult a csoki-fogyi klub Nagykállóban
Kis- és középvállalkozások finanszírozása
Munkaerő-piaci ismertek I.
Bérek, foglalkoztatás Siófok, szeptember 29. Herczog László.
Statisztikai táblák.
Gépi lélegeztetés: élettani alapok Molnár Zsolt Aneszteziológiai és Intenzív terápiás Intézet Szegedi Tudományegyetem SzINT
Mérés és adatgyűjtés laboratóriumi gyakorlat
2. előadás Gyakorisági sorok
Leíró statisztika gyakorló feladatok október 15.
2. előadás Gyakorisági sorok, Grafikus ábrázolás
A mérés jövője, az eredmények intézményi felhasználása
3. osztályban.
Szöveges feladatok Érettségi feladatok
Előadás másolata:

LEÍRÓ STATISZTIKA GYAKORLAT Gazdaságstatisztika LEÍRÓ STATISZTIKA GYAKORLAT 2013. szeptember 19.

Példatár 2. feladat A 100 g-os Omnia kávé töltési folyamatának két különböző napon mért nettó tömegértékei az alábbiak (a mérések a gyártási folyamatot követve, sorrendben történtek, kb. 1/2 óra alatt, egy négymérleges Hesser gép 2.sz. mérlegének töltését figyelve): 1. nap 101,8 100,7 101,0 101,2 100,1 100,4 100,5 100,2 103,3 101,1 102,2 101,3 100,9 102,1 101,7 100,6 101,5 102,8 101,4 102,3 99,7 101,9 102,4 100,8 2. nap 100,4 99,3 100,5 100,2 100,7 99,6 100,3 99,4 101,2 100,1 98,6 101,3 99,1 99,5 98,5 99,8 99,7 100,0 100,8 98,7 98,1 101,6 99,9 101,4 99,0 99,2 102,2

Adatok osztályba sorolása 99,7 100,4 100,6 101,0 101,2 101,3 101,4 101,5 101,8 102,2 100,1 100,5 100,7 101,7 101,9 102,3 100,8 101,1 102,1 102,4 100,2 100,9 102,8 103,3 R=103,3-99,7=3,6g 98,1 99,1 99,6 99,8 100,1 100,2 100,3 100,4 100,7 101,2 98,5 99,2 101,3 98,6 99,3 100,5 100,8 101,4 98,7 99,4 99,7 99,9 101,6 99,0 99,5 100,0 102,2 R=102,2-98,1=4,1g

Gyakorisági táblázat -1.nap R=103,3-99,7=3,6g Osztályhatárok fi fi' gi gi' 99.5≤x<100.0 1 3 0.02 100.0≤x<100.5 5 6 0.10 0.12 100.5≤x<101.0 9 15 0.18 0.30 101.0≤x<101.5 20 35 0.40 0.70 101.5≤x<102.0 7 42 0.14 0.84 102.0≤x<102.5 48 0.96 102.5≤x<103.0 49 0.98 103.0≤x<103.5 50 1.00   100,00

Gyakorisági táblázat – 2.nap R=102,2-98,1=4,1g Osztályhatárok fi fi' gi gi' 98.0≤x<98.5 1 0.02 98.5≤x<99.0 3 4 0.06 0.08 99.0≤x<99.5 5 9 0.10 0.18 99.5≤x<100.0 10 19 0.20 0.38 100.0≤x<100.5 18 37 0.36 0.74 100.5≤x<101.0 7 44 0.14 0.88 101.0≤x<101.5 48 0.96 101.5≤x<102.0 49 0.98 102.0≤x<102.5 50 1.00   100,00

Ábrázolás Alsó határ Felső határ osztályközép fi fi' gi gi' 99,5 100 99,75 1 3 0,02 100,5 100,25 5 6 0,1 0,12 101 100,75 9 15 0,18 0,3 101,5 101,25 20 35 0,4 0,7 102 101,75 7 42 0,14 0,84 102,5 102,25 48 0,96 103 102,75 49 0,98 103,5 103,25 50  

Ábrázolás Alsó határ Felső határ Osztályközép fi fi' gi gi' 98 98,5 98,25 1 0,02 99 98,75 3 4 0,06 0,08 99,5 99,25 5 9 0,1 0,18 100 99,75 10 19 0,2 0,38 100,5 100,25 18 37 0,36 0,74 101 100,75 7 44 0,14 0,88 101,5 101,25 48 0,96 102 101,75 49 0,98 102,5 102,25 50  

1. nap – középérték mutatók 99,7 100,4 100,6 101,0 101,2 101,3 101,4 101,5 101,8 102,2 100,1 100,5 100,7 101,7 101,9 102,3 100,8 101,1 102,1 102,4 100,2 100,9 102,8 103,3 Medián: (101,3+101,3)/2=101,3 Módusz: =101,4

1. nap – középérték mutatók becsléssel Alsó határ Felső határ osztályközép fi fi' gi gi' 99,5 100 99,75 1 3 0,02 100,5 100,25 5 6 0,1 0,12 101 100,75 9 15 0,18 0,3 101,5 101,25 20 35 0,4 0,7 102 101,75 7 42 0,14 0,84 102,5 102,25 48 0,96 103 102,75 49 0,98 103,5 103,25 50  

1. nap - ingadozásmutatók 99,7 100,4 100,6 101,0 101,2 101,3 101,4 101,5 101,8 102,2 100,1 100,5 100,7 101,7 101,9 102,3 100,8 101,1 102,1 102,4 100,2 100,9 102,8 103,3

1. nap – ingadozásmutatók becsléssel Alsó határ Felső határ osztályközép fi fi' gi gi' 99,5 100 99,75 1 3 0,02 100,5 100,25 5 6 0,1 0,12 101 100,75 9 15 0,18 0,3 101,5 101,25 20 35 0,4 0,7 102 101,75 7 42 0,14 0,84 102,5 102,25 48 0,96 103 102,75 49 0,98 103,5 103,25 50  

1. nap - kvantilisek 99,7 100,4 100,6 101,0 101,2 101,3 101,4 101,5 101,8 102,2 100,1 100,5 100,7 101,7 101,9 102,3 100,8 101,1 102,1 102,4 100,2 100,9 102,8 103,3

1. nap - alakmutatók Enyhe jobb oldali aszimmetria Csúcsosabb, mint a normális eloszlás átlag Me Mo

2. nap – középérték mutatók 98,1 99,1 99,6 99,8 100,1 100,2 100,3 100,4 100,7 101,2 98,5 99,2 101,3 98,6 99,3 100,5 100,8 101,4 98,7 99,4 99,7 99,9 101,6 99,0 99,5 100,0 102,2 Medián: (100,2+100,2)/2=100,2 Módusz: =100,2

2. nap – középérték mutatók becsléssel Alsó határ Felső határ Osztályközép fi fi' gi gi' 98 98,5 98,25 1 0,02 99 98,75 3 4 0,06 0,08 99,5 99,25 5 9 0,1 0,18 100 99,75 10 19 0,2 0,38 100,5 100,25 18 37 0,36 0,74 101 100,75 7 44 0,14 0,88 101,5 101,25 48 0,96 102 101,75 49 0,98 102,5 102,25 50  

2. nap - ingadozásmutatók 98,1 99,1 99,6 99,8 100,1 100,2 100,3 100,4 100,7 101,2 98,5 99,2 101,3 98,6 99,3 100,5 100,8 101,4 98,7 99,4 99,7 99,9 101,6 99,0 99,5 100,0 102,2

2. nap – ingadozásmutatók becsléssel Alsó határ Felső határ Osztályközép fi fi' gi gi' 98 98,5 98,25 1 0,02 99 98,75 3 4 0,06 0,08 99,5 99,25 5 9 0,1 0,18 100 99,75 10 19 0,2 0,38 100,5 100,25 18 37 0,36 0,74 101 100,75 7 44 0,14 0,88 101,5 101,25 48 0,96 102 101,75 49 0,98 102,5 102,25 50  

2. nap - kvantilisek 98,1 99,1 99,6 99,8 100,1 100,2 100,3 100,4 100,7 101,2 98,5 99,2 101,3 98,6 99,3 100,5 100,8 101,4 98,7 99,4 99,7 99,9 101,6 99,0 99,5 100,0 102,2

2. nap - alakmutatók Enyhe jobb oldali aszimmetria Csúcsosabb, mint a normális eloszlás átlag Me Mo

Reklamációk száma (reklamáció naponta) Példa Egy internetszolgáltató vállalkozásnál 280 napon keresztül vizsgálták az ügyfelek napi reklamációinak számát. A megfigyelések eredményiből az alábbi gyakorisági eloszlást készítették. Készítsen az adatokból gyakorisági táblázatot és értelmezze minden gyakorisági sorból az 5. osztályhoz tartozó értéket! Ábrázolja a gyakorisági sort és a kumulált relatív gyakoriságokat! Mekkora a napi reklamációk átlagos száma? Mekkora a napi reklamációk tipikus értéke? Mekkora a medián értéke? Mekkora az átlagtól vett eltérések négyzetes átlaga (szórás)? Mekkora a relatív szórás? Reklamációk száma (reklamáció naponta) Napok száma 31 1 45 2 65 3 77 4 32 5 21 6 9

Reklamációk száma (reklamáció naponta) Példa – megoldás (1) Készítsen az adatokból gyakorisági táblázatot és értelmezze minden gyakorisági sorból az 5. osztályhoz tartozó értéket! A megfigyelések során 32 napon volt a napi reklamációk száma 4. 250 napon volt a napi reklamációk száma 4, vagy annál kevesebb. Az esetek 11,4%-ban volt napi 4 reklamáció. Az esetek 89,3%-ban volt a napi reklamációk száma 4, vagy annál kevesebb. Reklamációk száma (reklamáció naponta) Napok száma   31 0.111 1 45 76 0.161 0.271 2 65 141 0.232 0.504 3 77 218 0.275 0.779 4 32 250 0.114 0.893 5 21 271 0.075 0.968 6 9 280 0.032

Reklamációk száma (reklamáció naponta) Példa – megoldás (2) Ábrázolja a gyakorisági sort és a kumulált relatív gyakoriságokat! Gyakoriság: Relatív gyakoriság: Kumulált relatív gyakoriság: Reklamációk száma (reklamáció naponta) Napok száma   31 0.111 1 45 76 0.161 0.271 2 65 141 0.232 0.504 3 77 218 0.275 0.779 4 32 250 0.114 0.893 5 21 271 0.075 0.968 6 9 280 0.032

Gyakorisági hisztogram Példa – megoldás (3) Ábrázolja a gyakorisági sort és a kumulált relatív gyakoriságokat! Gyakorisági hisztogram

Példa – megoldás (4) Ábrázolja a gyakorisági sort és a kumulált relatív gyakoriságokat! Kumulált relatív gyakoriság 1,000 0,968 0,893 0,779 0,504 0,271 0,111 1 2 3 4 5 6 Napi reklamációk száma

Példa – megoldás (5) Mekkora a napi reklamációk átlagos száma?

Reklamációk száma (reklamáció naponta) Példa – megoldás (6) Mekkora a napi reklamációk tipikus értéke? A napi reklamációk tipikus értéke a módusz. A módusz értéke 3. Azért tipikus, mert ez a leggyakoribb érték. Reklamációk száma (reklamáció naponta) Napok száma   31 0.111 1 45 76 0.161 0.271 2 65 141 0.232 0.504 3 77 218 0.275 0.779 4 32 250 0.114 0.893 5 21 271 0.075 0.968 6 9 280 0.032

Reklamációk száma (reklamáció naponta) Példa – megoldás (7) Mekkora a medián értéke? Páros számú adat esetén a sorbarendezett adatok között a két középső átlaga a medián. Esetünkben a 140. és a 141. adat a növekvő sorrendbe rendezett adatok között a két középső. E két adat értéke rendre a 2 és a 2. Ezért a medián értéke 2. Miért nem ezzel számoltunk? Reklamációk száma (reklamáció naponta) Napok száma   31 0.111 1 45 76 0.161 0.271 2 65 141 0.232 0.504 3 77 218 0.275 0.779 4 32 250 0.114 0.893 5 21 271 0.075 0.968 6 9 280 0.032

Reklamációk száma (reklamáció naponta) Példa – megoldás (8) Mekkora az átlagtól vett eltérések négyzetes átlaga (szórás)? Mekkora a relatív szórás? Reklamációk száma (reklamáció naponta) Napok száma   31 0.111 1 45 76 0.161 0.271 2 65 141 0.232 0.504 3 77 218 0.275 0.779 4 32 250 0.114 0.893 5 21 271 0.075 0.968 6 9 280 0.032

Áramkimaradás időtartama (perc) Áramkimaradások száma Példa Egy áramszolgáltatónál 650 megfigyelést végeztek a szolgáltatásban bekövetkező áramkimaradásokra vonatkozóan. A megfigyelések eredményeit az alábbi táblázatban rögzítették. Készítsen az adatokból gyakorisági táblázatot és értelmezze minden gyakorisági sorból a 4. osztályhoz tartozó értéket! Ábrázolja az áramkimaradások időtartam szerinti megoszlását és a tapasztalati eloszlásképet! Mekkora az áramkimaradások átlagos időtartama? Mekkora a tipikusnak tekinthető áramkimaradás időtartama? Becsülje meg és értelmezze a mediánt! Adjon becslést a szórásra! Mekkora a relatív szórás? Áramkimaradás időtartama (perc) Áramkimaradások száma [0;10) 40 [10;20) 190 [20;30) 350 [30;40) [40;50) 20 [50;60) 10

Példa – megoldás (1) Készítsen az adatokból gyakorisági táblázatot és értelmezze minden gyakorisági sorból a 4. osztályhoz tartotó értéket! A megfigyelések során 40 esetben volt az áramkimaradás időtartama 30 percnél hosszabb vagy azzal egyenlő és 40 percnél rövidebb. 620 esetben volt az áramkimaradás időtartama 40 percnél rövidebb. Az esetek 6,2%-ban volt az áramkimaradás időtartama 30 percnél hosszabb vagy azzal egyenlő és 40 percnél rövidebb. Az esetek 95,4%-ban volt az áramkimaradás időtartama 40 percnél rövidebb. Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 [10;20) 190 230 0.292 0.354 [20;30) 350 580 0.538 0.892 [30;40) 620 0.954 [40;50) 20 640 0.031 0.985 [50;60) 10 650 0.015 1

Példa – megoldás (2) Ábrázolja az áramkimaradások időtartam szerinti megoszlását és a tapasztalati eloszlásképet! Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 [10;20) 190 230 0.292 0.354 [20;30) 350 580 0.538 0.892 [30;40) 620 0.954 [40;50) 20 640 0.031 0.985 [50;60) 10 650 0.015 1 Időtartam szerinti megoszlás (relatív gyakorisági hisztogram ) 10 20 30 40 50 60 Áramkimaradások időtartama (perc)

Tapasztalati eloszláskép Áramkimaradások időtartama Példa – megoldás (3) Ábrázolja az áramkimaradások időtartam szerinti megoszlását és a tapasztalati eloszlásképet! Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 [10;20) 190 230 0.292 0.354 [20;30) 350 580 0.538 0.892 [30;40) 620 0.954 [40;50) 20 640 0.031 0.985 [50;60) 10 650 0.015 1 Tapasztalati eloszláskép 10 20 30 40 50 60 Áramkimaradások időtartama (perc)

Példa – megoldás (4) Mekkora az áramkimaradások átlagos időtartama? Az áramkimaradások átlagos értékének becsléséhez szükségünk van az osztályközepekre. Átlag becslése: Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 5 [10;20) 190 230 0.292 0.354 15 [20;30) 350 580 0.538 0.892 25 [30;40) 620 0.954 35 [40;50) 20 640 0.031 0.985 45 [50;60) 10 650 0.015 1 55

Példa – megoldás (5) Mekkora a tipikusnak tekinthető áramkimaradás időtartama? A leggyakrabban előforduló időtartamú áramkimaradást tekintjük tipikusnak, ez a módusz. Módusz: folytonos ismérv esetén a gyakorisága görbe maximum helye(i). Módusz becslése: tudjuk, hogy a 3. osztályközben van. Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 5 [10;20) 190 230 0.292 0.354 15 [20;30) 350 580 0.538 0.892 25 [30;40) 620 0.954 35 [40;50) 20 640 0.031 0.985 45 [50;60) 10 650 0.015 1 55 A móduszt tartalmazó osztály hossza A móduszt tartalmazó osztály bal végpontja

Példa – megoldás (6) a megfigyelések száma:650 Becsülje meg és értelmezze a mediánt! Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 5 [10;20) 190 230 0.292 0.354 15 [20;30) 350 580 0.538 0.892 25 [30;40) 620 0.954 35 [40;50) 20 640 0.031 0.985 45 [50;60) 10 650 0.015 1 55 A mediánt tartalmazó osztály hossza a megfigyelések száma:650 Az első olyan osztályköz sorszáma, amelyhez tartozó kumulált gyakoriság nagyobb vagy egyenlő, mint a megfigyelések számának fele. Most a 3. osztály. A mediánt tartalmazó osztály bal végpontja

Példa – megoldás (7) Adjon becslést a szórásra! Mekkora a relatív szórás? Áramkimaradás időtartama (perc) Áramkimaradások száma   [0;10) 40 0.062 5 [10;20) 190 230 0.292 0.354 15 [20;30) 350 580 0.538 0.892 25 [30;40) 620 0.954 35 [40;50) 20 640 0.031 0.985 45 [50;60) 10 650 0.015 1 55