Valószínűségszámítás - Statisztika. P123456 1 234567 2 345678 3 456789 4 5678910 5 6789 11 6 789101112 Két kockával dobunk, összeadjuk az értékeket Mindegyik.

Slides:



Advertisements
Hasonló előadás
Nevezetes eloszlások, normál eloszlás
Advertisements

Hipotézis-ellenőrzés (Statisztikai próbák)
4. Két összetartozó minta összehasonlítása
I. előadás.
II. előadás.
Kvantitatív Módszerek
Ozsváth Károly TF Kommunikációs-Informatikai és Oktatástechnológiai Tanszék.
Kvantitatív módszerek
3. Két független minta összehasonlítása
Statisztika feladatok Informatikai Tudományok Doktori Iskola.
Két változó közötti összefüggés
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..
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Statisztika II. IV. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VII.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
III. előadás.
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Valószínűségszámítás és statisztika előadások Gépész-Villamosmérnök szak BSc MANB030, MALB030 Bevezető.
Kvantitatív módszerek 7. Becslés Dr. Kövesi János.
Hipotézisvizsgálat (1. rész) Kontingencia táblák
KÉT FÜGGETLEN, ILL. KÉT ÖSSZETARTOZÓ CSOPORT ÖSZEHASONLÍTÁSA
ÖSSZEFOGLALÓ ELŐADÁS Dr Füst György.
Statisztika II. VIII. Dr. Szalka Éva, Ph.D..
Dr. Szalka Éva, Ph.D.1 Statisztika II. VI.. Dr. Szalka Éva, Ph.D.2 Regresszióanalízis.
Kvantitatív módszerek
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.
Az F-próba szignifikáns
A normális eloszlás mint modell
STATISZTIKA II. 6. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Kvantitatív Módszerek
Kvantitatív módszerek
7. Csoportok és változók sztochasztikus összehasonlítása (összehasonlítások ordinális függő változók esetén)
Gazdaságstatisztika 19. előadás Hipotézisvizsgálatok
Gazdaságstatisztika Hipotézisvizsgálatok Nemparaméteres próbák II. 17. előadás.
Gazdaságstatisztika 18. előadás Hipotézisvizsgálatok
Gazdaságstatisztika 13. előadás.
Gazdaságstatisztika 16. előadás Hipotézisvizsgálatok Alapfogalamak
Hipotézis vizsgálat (2)
Következtető statisztika 9.
Hipotézis-ellenőrzés (Folytatás)
Alapsokaság (populáció)
Várhatóértékre vonatkozó próbák
Alapfogalmak.
Folytonos eloszlások.
t A kétoldalú statisztikai próba alapfogalmai

Diszkrét változók vizsgálata
Két kvantitatív változó kapcsolatának vizsgálata
Paleobiológiai módszerek és modellek 4. hét
I. előadás.
Vargha András KRE és ELTE, Pszichológiai Intézet
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Valószínűségszámítás II.
Korreláció-számítás.
A számítógépes elemzés alapjai
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
A számítógépes elemzés alapjai

II. előadás.
I. Előadás bgk. uni-obuda
III. zárthelyi dolgozat konzultáció
Nemparaméteres próbák
Valószínűségi változók együttes eloszlása
Statisztika segédlet a Statistica programhoz Új verzióknál érdemes a View menüsor alatt a Classic menu-s verziót választani – ehhez készült a segédlet.
2. Regresszióanalízis Korreláció analízis: milyen irányú, milyen erős összefüggés van két változó között. Regresszióanalízis: kvantitatív kapcsolat meghatározása.
Előadás másolata:

Valószínűségszámítás - Statisztika

P Két kockával dobunk, összeadjuk az értékeket Mindegyik érték előfordulási valószínűsége azonos Teljes eseménytér

Mekkorák a valószínűségek? P(2)=1/36 P(3)=2/36 P(4)=3/36 P(5)=4/36 P(6)=5/36 P(7)=6/36 P(8)=5/36 P(9)=4/36 P(10)=3/36 P(11)=2/36 P(12)=1/36

Sűrűség - eloszlásfüggvény SűrűségfüggvényEloszlásfüggvény

Mi annak a valószínűsége, hogy a kapott érték 6nál kisebb? P(ξ≤5)=? f(2)+f(3)+f(4)+f(5)F(5)

Mi annak a valószínűsége, hogy a kapott érték 3 és 5 között lesz? P(3≤ξ≤5)=? f(3)+f(4)+f(5) F(5)-F(2)

Diszkrét-folytonos valószínűségi változó Diszkrét: pl kockadobás Folytonos: pl. palackban a folyadék,testsúly

Standard normális eloszlás Standardizálás SűrűségfüggvényEloszlásfüggvény

1, 2, 3 szórás intervallumához tartozó valószínűségek

Diszkrét változó normális eloszlása (normalitásvizsgálat)

P(a≤ξ≤b)=? ab ab P(a≤ξ≤b) (a sűrűségfüggvény területe a és b között) P(a≤ξ≤b)=F(b)-F(a) Példa terület

Hipotézisvizsgálat H o – Nullhipotézis A vizsgált változó átlaga statisztikai szempontból megegyezik az előre megadott m értékkel Vagy A vizsgált minták átlagai megegyeznek Vagy A változók között nincs kapcsolat, összefüggés (korreláció) Döntés: hipotézisvizsgálattal P≥PszignifikanciaP<Pszignifikancia H o elfogadomH o elutasítom

Különbségvizsgálat Korrelációanalízis 1 változó 2 vagy több változó Kérdés: Van-e különbség az adatsorok között? Kérdés: Van-e kapcsolat- korreláció a változók között? H 0 -nullhipotézis: Nincs különbség az adatsorok között! Nincs kapcsolat-korreláció a változók között!

Két összetartozó minta összehasonlítása Két mérés, egy minta – Kísérlet Előtt-Után ElőttUtán Eltérés Páros t-próba – Egymintás t próba a különbségekre Példa

t= 2,36 t (0,05;4) =2,776 < p (t=2,36) =0,077>0,05 H 0 -t elfogadjuk 2,36 t (0,05;4) =2,776

t- (student) eloszlás SűrűségfvEloszlásfv.

Döntés a konfidenciaintervallum alapján Konfidenciaintervallum: (átlag – t SE, átlag + t SE ) 95%-os konfidenciaintervallum: t (0,05;4) =2,776 átlag=1,6 SD=1,51 SE=0,675 95%CI=(1,6-2,7760,675; 1,6+2,7760,675) 95%CI=(-0,27; 3,47) Ha H0 igaz, akkor a 0 benne van a konfidencia- intervallumban H 0 -t elfogadjuk SE a minta átlagának szórása

Két összetartozó minta összehasonlítása II. Vizsgált személy Testsúly a diéta előtt Testsúly a diéta után Különbség Átlag90,886,84 SD10,799,253,333 Páros t-próba – Egymintás t próba a különbségekre Példa

t( 0,05;4) =2,262 (two tailed) 3,795 t>t (0,05;4) H 0 -t elutasítjuk p (f=9,t=3,795) =0,00425<p 0 =0,05 H 0 -t elutasítjuk Biostatisztika Fidy Judit dr., Makara Gábor dr. (2005) InforMed 2002 Kft.

1 mintás t próba – adott értékhez viszonyított eltérés Egy gyárban egy gépnek 500 gr töltőanyagot kell a konzervekbe juttatnia minden töltéskor. A töltőanyag egyenetlenségéből adódóan a gép néha kicsit többet, néha kicsit kevesebbet tölt, mint 500 gr. Arra vagyunk kíváncsiak, hogy a gép átlagos "teljesítménye" 500 gr-nak mondható-e. Kiveszünk 10 konzervet a futószalagról és megmérjük mindben a töltőanyag súlyát. Az eredmények rendre 483, 502, 498, 496, 502, 483, 494, 491, 505, 486. Azt látjuk, hogy a töltőanyag súlya többnyire valóban nem tér el az 500 gr-tól nagyon, az átlag = 494. Példa

tp=t 0.05 =2,262 t ≈ 2,36 miatt 2,3 > 2,262 = azaz t ≥ tp teljesül. H 0 -t elutasítjuk

Két független minta összehasonlítása 2 mintás t próba Vizsgálati csoport Vizsgált személy Testsúlyv áltozás Diéta Átlag4 SD3,333 Kontroll Átlag1 SD2,145 Nem kritérium az azonos elemszám

Jelölje m és n a két minta elemszámát n+m-2 a szabadságfok A szabadságfok= =19. A táblabeli kritikus érték t (0.05,19) = 2,093. t<t 0,05 H 0 -t elfogadjuk t=2,046 p (f=19,t=2,046) =0,054>p 0 =0,05 2,046 2,093

Korreláció - regresszióanalízis Kérdés: Van-e kapcsolat két (vagy több) változó között? Milyen „erős” a kapcsolat, lehet-e számszerüsíteni? Példa: XY

r: korrelációs együttható XY

r 2 =0.839 t=3.93 t (0.05;4) =2.776 t>t (0.05;4) p=0.02 H 0 -t elutasítom Van kapcsolat, korreláció!

Regressziós egyenes XY