Tantá Tantárgykó rgykódok
STATISZTIKA
AV_KMNA221 AV_PNA222
1. Elő Előadá adás Bevezeté Bevezetés, a statisztika szerepe
Oktató Oktatók
A legjobbaknak
Elő Előadó adó: Dr. Huzsvai Lá László szló tanszé tanszékvezető kvezető Gyakorlatvezető Gyakorlatvezetők: Dr. Balogh Pé Péter Dr. Csipké Csipkés Margit Dr. Nagy Lajos Pocsai Krisztina Solté Soltész Angé Angéla
http://www.agr.unideb.hu /~huzsvai huzsvai http://www.agr.unideb.hu/~
AV_KMNA221, AV_PNA222
1
Tankö Tankönyvek
Tankö Tankönyv
Churcill és a statisztika
Kötelező telező irodalom Kötelező telező irodalom: Huzsvai L. (szerk.): STATISZTIKA Gazdasá Gazdaságelemző gelemzők ré részé szére (Excel és R alkalmazá alkalmazások), SenecaSeneca-Books, Books, Debrecen, 2012. Ajá Ajánlott irodalom: Huzsvai L. (2013): VarianciaVariancia-anlalí anlalízisek az RR-ben, SenecaSeneca-Books, Books, Debrecen. Hunyadi L. – Vita L.: Statisztika I. Aula Kiadó Kiadó, Budapest, 2008. 11-348. o. Hunyadi L. – Vita L.: Statisztika II. Aula Kiadó Kiadó, Budapest, 2008. 11-300. o. Hunyadi L. – Vita L.: Statisztikai ké képletek és tá táblá blázatok (oktatá (oktatási segé segédlet), Aula Kiadó Kiadó, Budapest, 2008. 11-51. o. Szű Szűcs I.: Alkalmazott Statisztika Agroinform Kiadó Kiadó, Budapest, 2002. 11551. o. Keré Kerékgyá kgyártó rtó GyGy-né – L. Balogh I. – Sugá Sugár A. – Szarvas B.: Statisztikai módszerek és alkalmazá alkalmazásuk a gazdasá gazdasági és tá társadalmi elemzé elemzésekben AULA Kiadó Kiadó, Budapest, 2008. 11-446. o. Rappai G.: Üzleti statisztika Excellel. KSH, 2001. Reiczigel J.J.-Harnos A.A.-Solymosi N.: Biostatisztika nem statisztikusoknak. Parst Kft. Nagyková Nagykovácsi, 2007.
NEM IGAZ
“Csak abban a statisztiká statisztikában hiszek, amit én magam hamisí hamisítok” tok”
Tematika 1. 2. 3. 4. 5. 6. 7. 8.
Mintavé Mintavétel, adatá adatábrá brázolá zolás Mérési szintek, viszonyszá viszonyszámok Centrá Centrális mutató mutatók Szó Szóródási mutató mutatók Indexek Normá Normális eloszlá eloszlás t-pró próbák VarianciaVariancia-analí analízisek
2
Statisztikai programok 1. 2. 3. 4. 5. 6. 7. 8.
R Statistics
MS Excel ? LibreOffice Calc ? R Statistics SPSS SAS MATLAB MINITAB stb
Mié Miért tanuljunk statisztiká statisztikát?
Mimikri
1. Elhiggyü Elhiggyük-e amit olvasunk vagy hallunk? 2. Jobban értsü rtsük a vilá világot 3. Statisztikai bű bűvészkedé szkedések felismeré felismerése
Elhiggyü Elhiggyük?
Elhiggyü Elhiggyük?
„Egy 20022002-es tanulmá tanulmány szerint azok, akik naponta nyolc óránál tö többet alszanak alszanak,, az átlagosná tlagosnál nagyobb való valószí színűséggel halnak meg.” meg.”
„Csalá Csalás az átlagjö tlagjövedelem szá számításában? Kiderü Kiderült, hogy az emberek tö többsé bbsége kevesebbet keres, mint az átlagjö tlagjövedelem KSH által kö közölt érté rtéke!” ke!”
Forrá Forrás: Reiczigel et al.: al.: Biostatisztika Forrá Forrás: Reiczigel et al.: al.: Biostatisztika
3
Elhiggyü Elhiggyük?
Meghí Meghívná vná egy há házibuliba?
„Az emberek tú túlnyomó lnyomó többsé bbségének az átlagosná tlagosnál tö több lá lába van.” van.”
Forrá Forrás: Reiczigel et al.: al.: Biostatisztika
A statisztika fogalma 1. A statisztika a való valóság minő minőségi és mennyisé mennyiségi informá információ cióinak megfigyelé megfigyelésére, összegzé sszegzésére, elemzé elemzésére és modellezé modellezésére irá irányuló nyuló gyakorlati tevé tevékenysé kenység és tudomá tudomány. 2. Gyakran hí hívjá vják statisztiká statisztikának a statisztikai tevé tevékenysé kenység eredmé eredményeké nyeként keletkező keletkező adatokat is.
Alapfogalmak 1. Sokasá Sokaság: A megfigyelé megfigyelési egysé egységek, egyedek összessé sszessége, amire a statisztikai megfigyelé megfigyelés irá irányul.
2. Ismé Ismérv: A sokasá sokaság egyedeinek tulajdonsá tulajdonsága Mit mé mérek: Milyen? Mennyi? (mé (mérté rtékegysé kegység) Hol? Mikor? Egyé Egyéb metaadatok
3. Paramé Paraméter 4. Minta
A statisztika „nyelvezete” nyelvezete” 1. Kijelenté Kijelentéseit, egy adott intervallumra vonatkoztatva, való valószí színűségi állí llítás formá formájában fogalmazza meg. „Hatvan szá százalé zalék az esé esélye, való valószí színűsége, hogy 20 és 30 mm közötti csapadé csapadék fog esni holnap.” holnap.”
Paramé Paraméter Az alapsokasá alapsokaság jellemző jellemző érté rtékeit paramé paraméternek nevezzü nevezzük (gö (görög betű betűvel jelö jelöljü ljük)
µ
σ
4
Minta
A statisztika ré részterü szterületei
1. A minta adataibó adataiból az alapsokasá alapsokaság ismeretlen paramé paramétereire kö következtetü vetkeztetünk 2. A minta kö középérté rtékbő kből az alapsokasá alapsokaság középérté rtékére kö következtetü vetkeztetünk 3. Megbí Megbízható zhatósági intervallum
x
µ
s
σ
1. Leí Leíró statisztika, exploratí exploratív adatelemzé adatelemzés Célja egy má már rendelkezé rendelkezésre álló lló, való valóságra vonatkozó vonatkozó adathalmaz összefoglalá sszefoglalása, elemzé elemzése, informá információ ciótömörítés. Statisztikai mó módszerek alkalmazá alkalmazása, hogy megismerjü ü megismerj k a sokasá sokaság legfontosabb statisztikai jellemző jellemzőit.
2. Matematikai statisztika
Leí Leíró statisztika
Matematikai statisztika
1. Gyakorisá Gyakoriságok 2. Kvantilis érté rtékek 3. Centrá Centrális mutató mutatók (kö (középérté rtékek): kek): mediá á n, mó ó dusz, á tlag medi m 4. Szó Szóródási mutató mutatók: terjedelem, szó szórás, relatí relatív szó szórás, stb. 5. Viszonyszá Viszonyszámok 6. Indexek
1. Reprezentatí Reprezentatív mintavé mintavétel alapjá alapján a sokasá sokaság jellemző jellemző paramé paramétereinek becslé becslése. 2. Minta alapjá alapján az alapsokasá alapsokaságra vonatkozó vonatkozó felté feltételezé telezések, hipoté hipotézisek igazolá igazolása. 3. Összefü sszefüggé ggés vizsgá vizsgálatok sztochasztikus modellekkel
Összefü sszefüggé ggés-vizsgá vizsgálatok 1. Középérté rték összehasonlí sszehasonlító tesztek, ttpró próbák 2. VarianciaVariancia-analí analízisek
A statisztikai munka fázisai
5
1. Megfigyelé Megfigyelés, empí empíria „A
semmifé semmiféle elmé elmélettel sem értelmezhető rtelmezhető megfigyelé megfigyelések teljesen haszontalanok.” SELYE
A tehé tehén
6
2. A problé probléma megfogalmazá megfogalmazása Munkahipoté Munkahipotézis Nullhipoté Nullhipotézis
3. Modellalkotá Modellalkotás
Sztochasztikus modell (x
Mi a modell? A modell bonyolult termé természeti képző pződmé dmények, objektumok mű működésének megismeré megismerésére lé létrehozott „egyszerű egyszerűsített helyettesí helyettesítő”.
f ( x )=
1 e σ √2π
µ )2
2σ
2
x
1 F ( x )= ∫e σ √2π ∞
( x µ )2 2σ2
dx
Átlag
0 .4 0 0 0 .3 5 0 0 .3 0 0 0 .2 5 0
Szórás
Szórás
0 .2 0 0 0 .1 5 0 0 .1 0 0 0 .0 5 0
Nem a való valóság lekicsinyí lekicsinyítése!
4. Adatgyű Adatgyűjté jtés megtervezé megtervezése Minimá Minimális minta ill. elemszá elemszám meghatá á rozá á sa meghat roz Mintavé Mintavételi techniká technikák Kísérlettervezé rlettervezés
0 .0 0 0 -4
-2
0
2
4
5. Adatgyű Adatgyűjté jtés 1. Mintavé Mintavétel 2. Kísérlet beá beállí llítása, mé mérés
7
A kí kísérlet Megfelelő Megfelelő elmé elméleti megalapozá megalapozás utá után kialakí kialakított elgondolá elgondolás, kö következteté vetkeztetés helyes vagy helytelen voltá voltának mérésekkel tö törté rténő ellenő ellenőrzé rzése.
6. Adatbá Adatbázis ké készí szítése 1. Relá Reláció ciós adatbá adatbázisok
Foltszerű Foltszerű” bizonytalan megoldá megoldások. Mi okozza? A folyamat sztochasztikus jellege jellege
7. Elemzé Elemzés Az adatokbó adatokból a modell paramé paramétereinek meghatá meghatározá rozása
9. Becslé Becslés a modellel
8. A modell validá validálása (érvé rvényessé nyessége) 1. Az alkalmazható alkalmazhatósági felté feltételek megvizsgá megvizsgálása
10. Dö Dönté ntés
Szá Számszerű mszerűen kié kiérté rtékelhető kelhető modell, melyet alkalmazva ké é pesek vagyunk a jelensé k jelenségek mennyisé mennyiségi elő előrejelzé rejelzésére Még nem ismert jelensé jelenségek becslé becslése, elő előrejelzé rejelzése a modell segí segítsé tségével
8
KÖSZÖ SZÖNÖM A FIGYELMÜ FIGYELMÜKET KÖVETKEZŐ VETKEZŐ ELŐ ELŐADÁ ADÁS CÍ CÍME Mintavé Mintavétel, mintavé mintavételi techniká technikák
Elő Előadá adás anyagá anyagát ké készí szítette: Dr. Huzsvai Lá László szló
9
