Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
1
MINTAVÉTEL, LEÍRÓ STATISZTIKA
Gazdaságstatisztika MINTAVÉTEL, LEÍRÓ STATISZTIKA 2016. október 11. , október 13.
2
Sokaság: a vizsgálat tárgyát képező egységek összessége
Matematikai statisztika lényege Sokaság: a vizsgálat tárgyát képező egységek összessége Következtetés A megfigyelési eredmények a minta elemei, a megfigyelések száma a minta nagysága vagy elemszáma. A minta elemei az alapsokaság eloszlásával megegyező eloszlású valószínűségi változók. Minta: valamely valószínűségi változóra vonatkozó véges számú független kísérlet vagy megfigyelés (mérés) eredménye Mintavétel Mintavétel: a statisztikai sokaságból információszerzés céljából véletlenszerűen egyedi elemeket emelünk ki
3
Statisztikai módszertan ágai
LEÍRÓ vagy DESKRIPTÍV statisztika Tömör, számszerű jellemzés: a megfigyelt adatok legjobb megértésére, bemutatására, összefoglalására törekszik. KÖVETKEZTETŐ statisztika Fő célja a mintából való következtetés, általánosítás a teljes sokaságra vonatkozóan.
4
Leíró statisztika Főbb területei: adatgyűjtés adatok ábrázolása
adatok csoportosítása, osztályozása adatokkal végzett egyszerűbb aritmetikai műveletek eredmények megjelenítése
5
Adatok csoportosítása, osztályozása
Egy mennyiségi ismérv szerinti rendezés és osztályozás X mennyiségi ismérv (változó), Xi (ismérv)érték Rangsor A rangsor a megfigyelési egységeknek és/vagy azokhoz tartozó Xi ismérvértékeknek monoton nemcsökkenő sorrendben történő felsorolása. Készítésének célja: megkönnyítse a sokaság egységeinek X változó szerinti osztályozását Osztályozás Gyakorisági sor, gyakorisági eloszlás
6
Adatok csoportosítása, osztályozása
Az X szerint képzett osztály Osztály- közép abszolút relatív alsó felső gyakoriság határa X10 X11 X1* f1 g1 X20 X21 X2* f2 g2 Xi0 Xi1 Xi* fi gi … Xk0 Xk1 Xk* fk gk Összesen N 1 Osztályközhosszúság:
7
Adatok csoportosítása, osztályozása
X ismérv szerinti osztályozás kérdései: Az X változó diszkrét, és az általa felvehető értékek száma kicsi Annyi osztályt képezünk ahány különböző X érték lehetséges az i-edik osztály esetében fennáll az alsó és felső osztályhatár egybeesése Az X változó folytonos, vagy diszkrét ugyan, de az általa felvehető különböző értékek száma nagy X lehetséges értékeinek tartományát osztályközökre bontjuk az i-edik osztályköz Xi1 felső határa nem eshet egybe az (i+1)-dik osztályköz Xi+1,0 alsó határával Hány osztályt képezzünk? Az osztályok számának és határainak egy bizonyos sávon belüli változtatása nem nagyon befolyásolja a grafikus képet. (5-15 osztály)
8
Adatok csoportosítása, osztályozása
Gyakorisági táblázat készítése Osztályba sorolás (folytonos adatok és nagyszámú diszkrét adat esetében) Gyakoriságok (fi) megállapítása Relatív gyakoriságok (gi) megállapítása Összegzett (kumulált) gyakoriságok (fi’) és kumulált relatív gyakoriságok (gi’) meghatározása: 𝑓 𝑟 ′ = 𝑖=1 𝑟 𝑓 𝑖 Gyakorisági táblázat készítése az fi, gi, fi’, gi’ adatokból Gyakorisági (relatív gyakorisági), illetve összegzett relatív gyakorisági hisztogramok felvétele, azaz a tapasztalati eloszlások elkészítése Folytonos esetben: poligon és ogiva Grafikus ábrázolás
9
Adatok csoportosítása, osztályozása
10
Példa – kevés számú diszkrét adat
A Gazdaságstatisztika c. tárgyat a 2012 őszi félévben felvett hallgatók érdemjegyeinek gyakorisági táblázata Diszkrét ismérv által felvehető értékek pálcikadiagram lépcső alakú diagram
11
Pálcikadiagram – diszkrét adat
Érdemjegy Tapasztalati gyakoriság (fi) Relatív gyakoriság (gi) 1 68 0,089 2 280 0,368 3 274 0,361 4 91 0,120 5 47 0,062 Összesen 760
12
Kumulált tapasztalati gyakoriság (fi) Kumulált relatív gyakoriság (gi)
Lépcső alakú diagram Érdemjegy Kumulált tapasztalati gyakoriság (fi) Kumulált relatív gyakoriság (gi) 1 68 0,089 2 348 0,458 3 622 0,818 4 713 0,938 5 760
13
Példa – nagy számú folytonos adat
hónap hozam 2005. március -7,188% 2007. április 8,200% 2009. május 14,878% 2011. június -2,963% 2005. április -4,360% 2007. május 4,917% 2009. június 2,533% 2011. július -4,857% 2005. május 3,185% 2007. június 7,997% 2009. július 12,038% 2011. augusztus -15,731% 2005. június 10,292% 2007. július 1,152% 2009. augusztus 11,520% 2011. szeptember -15,778% 2005. július 10,053% 2007. augusztus -6,569% 2009. szeptember 4,223% 2011. október 10,947% 2005. augusztus 4,021% 2007. szeptember 3,616% 2009. október 1,698% 2011. november 0,196% 2005. szeptember 6,182% 2007. október -3,696% 2009. november 1,132% 2011. december -3,817% 2005. október -11,159% 2007. november -6,113% 2009. december 1,999% 2012. január 10,699% 2005. november 3,112% 2007. december 1,836% 2010. január 2,808% 2012. február 2,072% 2005. december -1,857% 2008. január -11,116% 2010. február -2,616% 2012. március -3,433% 2006. január 6,599% 2008. február 0,111% 2010. március 13,104% 2012. április -2,173% 2006. február 4,480% 2008. március -7,927% 2010. április 2,119% 2012. május -12,454% 2006. március -0,669% 2008. április 3,986% 2010. május -11,369% 2012. június 7,427% 2006. április 5,447% 2008. május -0,057% 2010. június -4,881% 2012. július 0,385% 2006. május -13,671% 2008. június -10,216% 2010. július 5,612% 2012. augusztus 0,606% 2006. június 0,764% 2008. július 8,558% 2010. augusztus 1,320% 2012. szeptember 5,956% 2006. július 5,398% 2008. augusztus -5,564% 2010. szeptember 2,963% 2012. október 3,343% 2006. augusztus -2,072% 2008. szeptember -10,735% 2010. október -0,402% 2012. november -5,098% 2006. szeptember -1,713% 2008. október -33,440% 2010. november -11,464% 2012. december -0,505% 2006. október 2,883% 2008. november -6,192% 2010. december 3,276% 2013. január 6,368% 2006. november 2,161% 2008. december -3,634% 2011. január 6,280% 2013. február -2,950% 2006. december 8,234% 2009. január -6,110% 2011. február 1,946% 2013. március -5,170% 2007. január -3,210% 2009. február -12,233% 2011. március -0,414% 2013. április 2,372% 2007. február -2,902% 2009. március 8,298% 2011. április 4,667% 2013. május 5,203% 2007. március 0,222% 2009. április 15,066% 2011. május -3,304% 2013. június -1,247%
14
Példa – nagy számú folytonos adat
Rangsor -15,778% -10,216% -4,881% -2,950% -0,414% 1,152% 2,533% 4,021% 6,182% 10,053% -15,731% -7,927% -4,857% -2,902% -0,402% 1,320% 2,808% 4,223% 6,280% 10,292% -13,671% -7,188% -4,360% -2,616% -0,057% 1,698% 2,883% 4,480% 6,368% 10,699% -12,454% -6,569% -3,817% -2,173% 0,111% 1,836% 2,963% 4,667% 6,599% 10,947% -12,233% -6,192% -3,696% -2,072% 0,196% 1,946% 3,112% 4,917% 7,427% 11,520% -11,464% -6,113% -3,634% -1,857% 0,222% 1,999% 3,185% 5,203% 7,997% 12,038% -11,369% -6,110% -3,433% -1,713% 0,385% 2,072% 3,276% 5,398% 8,200% 13,104% -11,159% -5,564% -3,304% -1,247% 0,606% 2,119% 3,343% 5,447% 8,234% 14,878% -11,116% -5,170% -3,210% -0,669% 0,764% 2,161% 3,616% 5,612% 8,298% 15,066% -10,735% -5,098% -2,963% -0,505% 1,132% 2,372% 3,986% 5,956% 8,558% A teljes értékköz: 30,844 (%)
15
Példa – nagy számú folytonos adat
osztály Osztály-köz fi fi’ gi [%] gi’ [%] Alsó határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% összesen GYAKORISÁGI TÁBLÁZAT
16
Példa- a gyakorisági táblázat adatainak értelmezése
Alsó határ Felső határ fi fi’ gi gi’ -5% 0% 23 43 23,23% 43,43% fi: A BUX index hozama 23 hónapban volt -5% és 0% között fi’: A BUX index hozama 43 hónapban volt 0%-nál kisebb gi: A BUX index hozama a megfigyelt hónapok 23,23 %-ban (99-ből 23 hónapban) volt -5% és 0% között gi’: A BUX index hozama a megfigyelt hónapok 43,43%-ban volt 0%-nál kisebb
17
Gyakorisági hisztogram
alsó határ felső határ osztályközép gi [%] -20,00% -15,00% -17,5% 2,02% -10,00% -12,5% 9,09% -5,00% -7,5% 0,00% -2,5% 23,23% 5,00% 2,5% 32,32% 10,00% 7,5% 15,15% 15,00% 12,5% 8,08% 20,00% 17,5% 1,01% összesen 100,00% GYAKORISÁGI HISZTOGRAM (tapasztalati (empirikus) sűrűségfüggvény) Gyakoriság vonaldiagramja
18
Gyakorisági vonaldiagram
Gyakorisági görbe
19
Kumulált relatív gyakorisági hisztogram
alsó határ felső határ osztályközép g’i [%] -20,00% -15,00% -17,5% 2,02% -10,00% -12,5% 11,11% -5,00% -7,5% 20,20% 0,00% -2,5% 43,43% 5,00% 2,5% 75,76% 10,00% 7,5% 90,91% 15,00% 12,5% 98,99% 20,00% 17,5% 100,00% összesen Kumulált relatív gyakoriság vonaldiagramja KUMULÁLT RELATÍV GYAKORISÁGI HISZTOGRAM
20
Kumulált relatív gyakoriság vonaldiagramja
KUMULÁLT RELATÍV GYAKORISÁG VONALDIAGRAMJA (tapasztalati eloszlásfüggvény) Ogiva
21
Leíró statisztikai mutatószámok
Helyzetmutatók, középértékek: Az eloszlás helyzetét egyetlen, az adatokkal azonos mértékegységű számértékkel jellemzik Ingadozásmutatók: Az adathalmaz szóródása, változékonysága Az adatok egymás közötti különbségei Kitüntetett értéktől való eltérés, ingadozás valamilyen középérték körül
22
Helyzetmutatók (középértékek)
Csoportosításuk: Helyzeti középértékek: az adatok közötti elhelyezkedésüknél fogva jellemzik a vizsgált gyakorisági eloszlás helyzetét medián, módusz Számított középértékek: az adatokkal kapcsolatos számszerű összefüggésük révén jellemzik a vizsgált gyakorisági eloszlás helyzetét számtani átlag, mértani átlag, négyzetes átlag, harmonikus átlag Elvárások: Közepes helyzetűek Tipikusak Egyértelműen meghatározhatóak Könnyen értelmezhetőek
23
Medián me annak a legelső osztályköznek a sorszáma, amelyre igaz, hogy
helyzeti középérték mutató a változó azon számértéke, amelynél az összes előforduló számérték fele kisebb, fele pedig nagyobb, így a rangsorba állított sokasági számértékeket két egyenlő gyakoriságú osztályra bontja Becsülhető osztályközös gyakorisági sorból is: Előnye: Mindig egyértelműen meghatározható Érzéketlen a szélsőértékekre, és nem függ a többi ismérvértéktől sem. Hátránya: Nem használható, ha az adatsorban sok az egyforma ismérvérték Egyéb tulajdonsága: A mediánt tartalmazó osztály bal végpontja. A mediánt tartalmazó osztály hossza. ha
24
Példa – diszkrét eset 6, 8, 4, 9, 7, 3, 5 3, 4, 5, 6, 7, 8, 9 Me=6
4, 9, 7, 8, 11, 5 4, 5, 7, 8, 9, 11 Me=7+8/2=7,5 760 adat 380. és 381. adat számtani átlaga a medián Medián értéke: 3
25
Példa – folytonos eset 99 adat 50. adat a medián (49 ennél kisebb, 49 ennél nagyobb) Medián értéke: 1,132%
26
N/2=49,5 a mediánt tartalmazó osztály az ötödik osztály:
Példa – folytonos eset Medián becslése osztályközös gyakorisági sorból: No. osztály Osztály-köz fi fi’ gi [%] gi’ [%] Alsó határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% összesen N/2=49,5 a mediánt tartalmazó osztály az ötödik osztály: 0,00% ≤ x < 5,00%.
27
Módusz mo a legnagyobb gyakoriságú osztály(ok) sorszáma Hátránya:
helyzeti középérték, a tipikus ismérvérték diszkrét ismérv esetén a módusz a leggyakrabban előforduló ismérvérték, folytonos ismérv esetén a gyakorisági görbe maximumhelye. Előnye: érzéketlen a szélsőértékekre, nem függ sem az összes, sem a kiugró ismérvértékektől. Hátránya: nem mindig határozható meg egyértelműen, és nem is mindig létezik nagy bizonytalansággal becsülhető Egyéb tulajdonsága: nyers módusz, osztályköz megválasztása Becsülhető osztályközös gyakorisági sorból is: A móduszt tartalmazó osztály bal végpontja. A móduszt tartalmazó osztály hossza. mo a legnagyobb gyakoriságú osztály(ok) sorszáma
28
Példa – diszkrét eset Az elégséges érdemjegy gyakorisága a legnagyobb (280 db), így a módusz értéke 2.
29
Példa – folytonos eset A legnagyobb gyakoriságú osztály az 5. sorszámú: 0,00% ≤ x < 5,00%. No. osztály Osztály-köz fi fi’ gi [%] gi’ [%] Alsó határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% összesen
30
Számtani átlag számított középértékfajta
az a szám, amellyel az átlagolandó számértékeket helyettesítve azok összege változatlan marad. Számítása: Előnye: bármely alapadathalmazból egyértelműen meghatározható, minden alapadatot felhasznál Hátránya: érzékeny a szélsőértékekre nyesett átlag Tulajdonsága: 𝑿 𝒎𝒊𝒏 ≤ 𝑿 ≤ 𝑿 𝒎𝒂𝒙 !!!
31
Számtani átlag Egyéb fontos tulajdonsága: minimális, ha
32
Példa – diszkrét eset
33
Példa – folytonos eset -15,778% -10,216% -4,881% -2,950% -0,414%
1,152% 2,533% 4,021% 6,182% 10,053% -15,731% -7,927% -4,857% -2,902% -0,402% 1,320% 2,808% 4,223% 6,280% 10,292% -13,671% -7,188% -4,360% -2,616% -0,057% 1,698% 2,883% 4,480% 6,368% 10,699% -12,454% -6,569% -3,817% -2,173% 0,111% 1,836% 2,963% 4,667% 6,599% 10,947% -12,233% -6,192% -3,696% -2,072% 0,196% 1,946% 3,112% 4,917% 7,427% 11,520% -11,464% -6,113% -3,634% -1,857% 0,222% 1,999% 3,185% 5,203% 7,997% 12,038% -11,369% -6,110% -3,433% -1,713% 0,385% 2,072% 3,276% 5,398% 8,200% 13,104% -11,159% -5,564% -3,304% -1,247% 0,606% 2,119% 3,343% 5,447% 8,234% 14,878% -11,116% -5,170% -3,210% -0,669% 0,764% 2,161% 3,616% 5,612% 8,298% 15,066% -10,735% -5,098% -2,963% -0,505% 1,132% 2,372% 3,986% 5,956% 8,558%
34
Példa – folytonos példa
osztály Osztály-köz fi fi’ gi [%] gi’ [%] Alsó határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% összesen
35
Szorgalmi feladat 1 pont
Egy vasútvonalon egy hétig minden vonaton feljegyezték az utasok számát. Az eredményeket az alábbi táblázat tartalmazza: Számítsa ki a mediánt, a móduszt és az átlagos utasszámot! Utasok száma Vonatok száma 𝟎≤𝒙≤𝟑𝟎 6 𝟑𝟎<𝑿≤𝟔𝟎 12 𝟔𝟎<𝒙≤𝟗𝟎 28 𝟗𝟎<𝑿≤𝟏𝟐𝟎 30 𝟏𝟐𝟎<𝑿≤𝟏𝟓𝟎 16 𝟏𝟓𝟎<𝑿<≤𝟏𝟖𝟎 8
36
Harmonikus átlag számított középértékmutató, az a szám, amellyel az átlagolandó értékeket helyettesítve azok reciprokainak összege változatlan marad Alkalmazása: ha az értékek reciprokainak összege értelmezhető, leíró statisztikai viszonyszámok és indexszámítás
37
Mértani átlag számított középértékmutató, az a szám, amellyel az átlagolandó értékeket helyettesítve azok szorzata változatlan marad Alkalmazása: ha az értékek szorzata értelmezhető, illetve az átlagolandó értékek exponenciálisan nőnek vagy csökkennek az időbeli fejlődés átlagos ütemének vizsgálatakor Pl. populációk egyedszáma idősor-elemzés
38
Négyzetes átlag számított középérték-mutató, az a szám, amellyel az átlagolandó értékeket helyettesítve azok négyzetösszege változatlan marad Hátránya: a kiugróan magas értékekre érzékenyen reagál Alkalmazása: ha az előjeleknek nincs jelentősége szórásszámítás
39
Kvantilisek a rangsorban olyan osztópontok (osztályhatárok), amelyek egyenlő relatív gyakoriságokat fognak közre Az Xi/k i-edik k-ad rendű kvantilis az a szám, amelynél az összes előforduló ismérvértékek i/k-ad része kisebb, (1-i/k)-ad része pedig nagyobb, ahol k≥2 és i=1, 2 ,…, k-1.
40
Példa – folytonos eset -15,778% -10,216% -4,881% -2,950% -0,414%
1,152% 2,533% 4,021% 6,182% 10,053% -15,731% -7,927% -4,857% -2,902% -0,402% 1,320% 2,808% 4,223% 6,280% 10,292% -13,671% -7,188% -4,360% -2,616% -0,057% 1,698% 2,883% 4,480% 6,368% 10,699% -12,454% -6,569% -3,817% -2,173% 0,111% 1,836% 2,963% 4,667% 6,599% 10,947% -12,233% -6,192% -3,696% -2,072% 0,196% 1,946% 3,112% 4,917% 7,427% 11,520% -11,464% -6,113% -3,634% -1,857% 0,222% 1,999% 3,185% 5,203% 7,997% 12,038% -11,369% -6,110% -3,433% -1,713% 0,385% 2,072% 3,276% 5,398% 8,200% 13,104% -11,159% -5,564% -3,304% -1,247% 0,606% 2,119% 3,343% 5,447% 8,234% 14,878% -11,116% -5,170% -3,210% -0,669% 0,764% 2,161% 3,616% 5,612% 8,298% 15,066% -10,735% -5,098% -2,963% -0,505% 1,132% 2,372% 3,986% 5,956% 8,558%
41
Példa – Kvantilisek becslése
No. Osztály Osztály-köz fi fi’ gi [%] gi’ [%] Alsó Határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% Összesen
42
Ingadozásmutatók (szóródásmutatók)
Csoportosításuk: Az adathalmazban szereplő értékek változékonyságát az egyes értékek egymás közötti különbségein, vagy egyes értékeknek egy kitüntetett értéktől (középérték) való eltérésein keresztül ragadja meg. Mértékegységüket tekintve: Abszolút mutatók: mértékegysége megegyezik az alapadatokéval Relatív mutatók: mértékegység nélküli [%]
43
Terjedelem Interkvantilis terjedelem
a szóródást az adathalmazban szereplő legnagyobb és legkisebb adat különbségeként jellemzi abszolút ingadozásmutató Előnye: a könnyű számítás Hátránya: értéke csak a két legszélsőségesebb ismérvértéktől függ, amelyeket sokszor a véletlen szeszélyeinek köszönhetünk. Interkvantilis terjedelem csökkenti a véletlen szélsőértékeket (legkisebb és legnagyobb értéket) alakító szerepét az adathalmaz két szélső k-adrendű kvantilisének különbsége
44
-15,778% -10,216% -4,881% -2,950% -0,414% 1,152% 2,533% 4,021% 6,182% 10,053% -15,731% -7,927% -4,857% -2,902% -0,402% 1,320% 2,808% 4,223% 6,280% 10,292% -13,671% -7,188% -4,360% -2,616% -0,057% 1,698% 2,883% 4,480% 6,368% 10,699% -12,454% -6,569% -3,817% -2,173% 0,111% 1,836% 2,963% 4,667% 6,599% 10,947% -12,233% -6,192% -3,696% -2,072% 0,196% 1,946% 3,112% 4,917% 7,427% 11,520% -11,464% -6,113% -3,634% -1,857% 0,222% 1,999% 3,185% 5,203% 7,997% 12,038% -11,369% -6,110% -3,433% -1,713% 0,385% 2,072% 3,276% 5,398% 8,200% 13,104% -11,159% -5,564% -3,304% -1,247% 0,606% 2,119% 3,343% 5,447% 8,234% 14,878% -11,116% -5,170% -3,210% -0,669% 0,764% 2,161% 3,616% 5,612% 8,298% 15,066% -10,735% -5,098% -2,963% -0,505% 1,132% 2,372% 3,986% 5,956% 8,558%
45
Átlagos abszolút különbség (G)
A szóródást az ismérvértékek egymás közötti különbségein keresztül méri, abszolút ingadozásmutató A minden lehetséges módon párba állított ismérvértékek különbségeinek abszolút értékéből számított számtani átlag. Kényelmetlen a számítása Alkalmazási területe: koncentráció elemzés
46
Példa Véletlenszerűen kiválasztunk 5 hallgatót, és kiszámítjuk a Gazdaságstatisztika tárgy 3 zh-ján elért eredményük átlagos abszolút különbségét. Az elért pontok: 45, 52, 76, 87, 92 45 52 76 87 92 7 31 42 47 24 35 40 11 16 5 Az 5 hallgató zh-n elért pontja átlagosan 25,8 ponttal tér el egymástól
47
Átlagos abszolút eltérés (Δ)
A szóródást az értékeknek egy kitüntetett értéktől való eltéréseire támaszkodva jellemzi abszolút ingadozásmutató Az egyes ismérvértékek és a számtani átlag különbségeinek abszolút értékeiből számított számtani átlag
48
Az érdemjegyek átlagosan 0,81-gyel térnek el az átlagtól.
Példa – diszkrét eset Az érdemjegyek átlagosan 0,81-gyel térnek el az átlagtól.
49
Példa – folytonos eset Az egyes hozamadatok átlagosan 5,3776%-kal térnek el a számtani átlagtól -15,778% -10,216% -4,881% -2,950% -0,414% 1,152% 2,533% 4,021% 6,182% 10,053% -15,731% -7,927% -4,857% -2,902% -0,402% 1,320% 2,808% 4,223% 6,280% 10,292% -13,671% -7,188% -4,360% -2,616% -0,057% 1,698% 2,883% 4,480% 6,368% 10,699% -12,454% -6,569% -3,817% -2,173% 0,111% 1,836% 2,963% 4,667% 6,599% 10,947% -12,233% -6,192% -3,696% -2,072% 0,196% 1,946% 3,112% 4,917% 7,427% 11,520% -11,464% -6,113% -3,634% -1,857% 0,222% 1,999% 3,185% 5,203% 7,997% 12,038% -11,369% -6,110% -3,433% -1,713% 0,385% 2,072% 3,276% 5,398% 8,200% 13,104% -11,159% -5,564% -3,304% -1,247% 0,606% 2,119% 3,343% 5,447% 8,234% 14,878% -11,116% -5,170% -3,210% -0,669% 0,764% 2,161% 3,616% 5,612% 8,298% 15,066% -10,735% -5,098% -2,963% -0,505% 1,132% 2,372% 3,986% 5,956% 8,558%
50
Példa – folytonos eset No. osztály Osztály-köz fi fi’ gi [%] gi’ [%] Alsó határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% összesen Az egyes hozamadatok átlagosan 6,213%-kal térnek el a számtani átlagtól
51
(Korrigált) tapasztalati szórás
a szóródást az alapadatoknak egy kitüntetett értéktől (számtani átlagtól) való eltérésein keresztül méri, abszolút ingadozásmutató A szórás az egyes Xi ismérvértékek átlagtól vett di eltéréseinek négyzetes átlaga: azt mutatja, hogy az egyes értékek átlagosan mennyire térnek el a számtani átlagtól. Olyan átlagos hiba, amit akkor követünk el, ha minden alapadatot a számtani átlaggal helyettesítünk. A számtani átlag tulajdonsága szerint ez a hiba minimális.
52
Az érdemjegyek átlagosan 1-gyel térnek el az átlagos értéktől.
Példa – diszkrét eset Az érdemjegyek átlagosan 1-gyel térnek el az átlagos értéktől.
53
Példa – folytonos eset -15,778% -10,216% -4,881% -2,950% -0,414%
1,152% 2,533% 4,021% 6,182% 10,053% -15,731% -7,927% -4,857% -2,902% -0,402% 1,320% 2,808% 4,223% 6,280% 10,292% -13,671% -7,188% -4,360% -2,616% -0,057% 1,698% 2,883% 4,480% 6,368% 10,699% -12,454% -6,569% -3,817% -2,173% 0,111% 1,836% 2,963% 4,667% 6,599% 10,947% -12,233% -6,192% -3,696% -2,072% 0,196% 1,946% 3,112% 4,917% 7,427% 11,520% -11,464% -6,113% -3,634% -1,857% 0,222% 1,999% 3,185% 5,203% 7,997% 12,038% -11,369% -6,110% -3,433% -1,713% 0,385% 2,072% 3,276% 5,398% 8,200% 13,104% -11,159% -5,564% -3,304% -1,247% 0,606% 2,119% 3,343% 5,447% 8,234% 14,878% -11,116% -5,170% -3,210% -0,669% 0,764% 2,161% 3,616% 5,612% 8,298% 15,066% -10,735% -5,098% -2,963% -0,505% 1,132% 2,372% 3,986% 5,956% 8,558%
54
Példa – folytonos eset No. osztály Osztály-köz fi fi’ gi [%] gi’ [%]
Alsó határ Felső 1. -20% -15% -17,50% 2 2,02% 2. -10% -12,50% 9 11 9,09% 11,11% 3. -5% -7,50% 20 20,20% 4. 0% -2,50% 23 43 23,23% 43,43% 5. 5% 2,50% 32 75 32,32% 75,76% 6. 10% 7,50% 15 90 15,15% 90,91% 7. 15% 12,50% 8 98 8,08% 98,99% 8. 20% 17,50% 1 99 1,01% 100,00% összesen
55
Relatív szórás relatív ingadozásmutató
az ismérvértékek átlagtól vett átlagos eltérése százalékos formában kifejezve a szórás és a számtani átlag hányadosa, csak pozitív értékű alapadatok esetében számítható: minél kisebb a relatív szórás, a számtani átlag annál jobban jellemzi az alapadatokat Alkalmazása: különböző sokaságok vagy ismérvek szóródásának összehasonlítására használják
56
Köszönöm a figyelmet! Árva Gábor
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.