Barion Pixel Statisztika | mateking
 
9 témakör, 157 rövid és szuper érthető epizód
Ezt a nagyon laza Statisztika kurzust úgy terveztük meg, hogy egy csapásra megértsd a lényeget. Tudásszinttől függetlenül, teljesen az alapoktól magyarázzuk el a tananyagot, a saját ritmusodban lépésről lépésre. Így tudjuk a legbonyolultabb dolgokat is elképesztően egyszerűen elmagyarázni.
4 320 Ft fél évre

Tartalomjegyzék: 

A kurzus 9 szekcióból áll: Alapfogalmak, Egy ismérv szerinti elemzés, Két ismérv szerinti elemzés, Standardizálás, Indexszámítás, Idősorok, Becslések, Hipotézisvizsgálat, Regressziószámítás

ALAPFOGALMAK - Ismérvek típusai, viszonyszámok, dinamikus viszonyszám, intenzitási viszonyszám, számtani átlag, harmónikus átlag, mértani átlag, medián, módusz, kvartilisek, szórás, gyakoriság, relatív gyakoriság, kumulált gyakoriság.

EGY ISMÉRV SZERINTI ELEMZÉS - Medián, módusz, kvartilisek, szórás, relatív szórás, gyakoriság, relatív gyakoriság, gyakorisági sor, értékösszeg sor, koncentráció, Lorenz-görbe, doboz-ábra, alakmutatók, Pearson-mutató, F-mutató.

KÉT ISMÉRV SZERINTI ELEMZÉS - Asszociációs kapcsolat, vegyes kapcsolat, korrelációs kapcsolat, ismérvek függetlensége, khi-négyzet, Cramer-mutató, Csuprov-mutató, Yule-mutató, külső szórás, belső szórás, teljes szórás, külső eltérés-négyzetösszeg, belső eltérés-négyzetösszeg, teljes eltérés-négyzetösszeg, H-mutató, PRE, szórásnégyzet hányados, lineáris korrelációs együttható.

STANDARDIZÁLÁS - Különbségfelbontás, hányadosfelbontás, főátlagok különbsége, részhatás különbség, összetételhatás különbség, főátlagindex, részhatás index, összetételhatás index.

INDEXSZÁMÍTÁS - Árindex, volumenindex, értékindex, Laspeyres-féle, Paasche-féle, Fischer-index, átlagformák, vásárlóerőparitás, infláció, indexsorok, lánc-indexsor, bázis-indexsor, árindexsor, volumenindexsor, értékindexsor.

IDŐSOROK - Állapot idősor, tartam idősor, változás üteme és mértéke, kronologikus átlag, mozgóátlagok, mozgóátlagolású trend, simítás, szűrés, dekompozíciós idősormodellek, lineáris trend, exponenciális trend, trendegyenlet, normálegyenletek, szezonalitás, szezonális eltérés, szezonindex, szezonalitással kiigazított trend, szezonalitástól megtisztított trend.

Alapfogalmak

  • -

    Az időpontra vonatkozó sokaságokat álló sokaságnak nevezzük.

  • -

    Az arány-skála a sokaság elemeit szintén valamilyen mérés szerint rendezi sorba, de abban különbözik az intervallum-skálától, hogy ennek van valódi nullpontja.

  • -

    Hogyha egy sokaság elemei egymástól jól elkülöníthető egységek, akkor a sokaság diszkrét.

  • -

    Hogyha egy sokaság nem diszkrét, akkor az folytonos.

  • -

    Az intervallum-skála a sokaság elemeit valamilyen mérés szerint rendezi sorba.

  • -

    Az ismérvek olyan vizsgálati szempontok, amelyek alapján a sokaság részekre osztható.

  • -

    Az időtartamra vonatkozó sokaságokat mozgó sokaságnak nevezzük.

  • -

    A nominális (névleges) mérési skála a sokaság elemeit valamilyen tulajdonság szerint csoportokba sorolja, de a csoportok között nincsen semmilyen sorrendiség.

  • -

    Az ordinális (sorrendi) mérési skála a sokaság elemeit valamilyen tulajdonság szerint csoportokba sorolja, és a csoportok között van sorrendiség.

  • -

    Ha több viszonyszámunk van, fölmerülhet az igény ezek átlagolására.

  • -

    Ha több viszonyszámunk van, fölmerülhet az igény ezek átlagolására.

  • -

    A viszonyszámok kiszámolásának módja meglehetősen semmitmondó.

  • -

    A dinamikus viszonyszámok idősorok adataiból számított hányadosok.

  • -

    Az intenzitási viszonyszám két, egymással valamilyen kapcsolatban álló sokaság mennyiségeinek hányadosa.

  • -

    A megoszlási viszonyszám egy sokaság valamely részének az egészhez viszonított arányát írja le.

  • -

    A bázisviszonyszámok mindig a bázishoz viszonyítanak.

  • -

    Azokat az adatsorokat nevezzük idősornak, melyek egy vagy több ismérv időben történő megoszlását írják le.

  • -

    A láncviszonyszámok mindig az előző évhez viszonyítanak.

  • -

    Összeadogatjuk a változásokat, aztán elosztjuk...

  • -

    A változás üteme azt adja meg, hogy hány százalékos volt a változás.

  • -

    Az állapotidősorok egy vizsgált időtartam egy adott pillanatára vonatkozó megfigyeléseket tartalmazzák.

  • -

    Egy speciális átlag, például ha négy hónap adataiból számoljuk ki az átlagot, viszont csak három hónapos időtartamra.

  • -

    A tartamidősorok egy vizsgált időtartamra vonatkozó megfigyeléseket tartalmaznak.

  • -

    Lényege, hogy az adatokat valamelyik ismérv szerint tudjuk összesíteni.

  • -

    Ezek tulajdonképpen egymás mellett szerepeltetett valamilyen adatok.

  • -

    Mindegyik ismérv szerint tudjuk az adatokat összesíteni.

Egy ismérv szerinti elemzés

  • -

    A medián a növekvő sorba rendezett adatsor középső értéke.

  • -

    A módusz a leggyakoribb érték.

  • -

    Az átlag az összes elem összege osztva az elemszámmal.

  • -

    Az átlagtól való átlagos eltérést szórásnak nevezzük és egy szigma nevű görög betűvel jelöljük.

  • -

    Az adatsor első felének a felezőpontja az alsó kvartilis.

  • -

    A kvartilisek és a medián azt szemlélteti, hogyan oszlanak el az adatsorban szereplő adatok.

  • -

    Az adatsor második felének a felezőpontja a felső kvartilis.

  • -

    A relatív szórás azt mondja meg, hogy a szórás az átlagnak hány százaléka:

  • -

    A kvartiliseket gyakorisági sorok esetében máshogy kell kiszámolni, mint azt középiskolában tettük.

  • -

    Gyakorisági sorok esetében a medián kiszámítása másképp zajlik, mint azt középiskolában megszoktuk.

  • -

    A módusz gyakorisági sorok esetében már másképp számolható ki, mint ahogy középiskolában megszoktuk.

  • -

    Az értékösszeget úgy kapjuk meg, hogy az osztályközepeket megszorozzuk a gyakorisággal.

  • -

    A relatív gyakoriságot úgy kell kiszámolni, hogy a gyakoriságot osztjuk az összes elemszámmal.

  • -

    A Herfindahl-index egy eszköz a koncentráció vizsgálatára.

  • -

    A Lorenz-görbe egy eszköz a koncentráció vizsgálatára.

  • -

    A csúcsosság azt jelenti, hogy az eloszlás görbéje mennyire csúcsosodik ki.

  • -

    Az egyik legegyszerűbb és leggyakrabban használt alakmutatók, az úgynevezett Pearson-féle mérőszámok mellett az F-mutatók.

  • -

    Az egyik legegyszerűbb és leggyakrabban használt alakmutatók, az úgynevezett Pearson-féle mérőszámok:

Két ismérv szerinti elemzés

Standardizálás

Indexszámítás

  • -

    Az árindex a szektort érintő árváltozást méri.

  • -

    A volumenindex a forgalom változásának mértéke.

  • -

    Képletek az értékindex kiszámításához.

  • -

    A Fischer-féle árindex és volumenindex kiszámítása.

  • -

    A legtöbb feladatban nincs külön megadva $p_0$ és $p_1$ valamint $q_0$ és $q_1$ pontos értéke, ezért különböző bűvészmutatványokra lesz szükség.

  • -

    A vásárlóerő mérésére van forgalomban az úgynevezett vásárlóerő-paritás.

Idősorok

  • -

    A dekompozíciós modellek lényege, hogy az idősorok négy, egymástól elkülöníthető komponensből tevődnek össze.

  • -

    A lineáris trend egyenlete Excellel és kézzel is kiszámolható.

  • -

    Korrigált szezonális eltérés akkor lesz, ha a nyers szezonális eltérések összege nem nulla.

  • -

    A szezonalitást úgy kell elképzelni, hogy az minden nyári szezonban ugyanannyit hozzáad, minden téliben pedig ugyanannyit elvesz a trendvonal által meghatározott értékből.

  • -

    A mozgóátlagok abban segítenek nekünk, hogy megmutatják az árfolyam mozgásának nagyobb léptékű tendenciáját, és kiszűrik a sokszor zavaró naponkénti ingadozásokat.

  • -

    Ezzel a trükkel jelentősen csökkenthetjük a normálegyenletek által okozott szenvedéseket.

Becslések

Hipotézisvizsgálat

  • -

    Az elfogadási tartomány az a tartomány, ahová ha a próba értéke kerül, akkor a nullhipotézist elfogadjuk.

  • -

    A kritikus tartomány az a tartomány, ahová ha a próba értéke kerül, akkor a nullhipotézist elvetjük.

  • -

    A szignifikanciaszint a hibás döntés valószínűsége.

  • -

    A hipotézis megfogalmazása. A próbafüggvény kiválasztása. Szignifikanciaszint és kritikus tartomány. Mintavétel és döntés.

  • -

    A sokaság normális eloszlású, szórása $\sigma$, $H_0$ a sokaság átlagára vonatkozik, a minta elemszáma $n$.

  • -

    A sokaság normális eloszlású, szórása nem ismert, $H_0$ a sokaság átlagára vonatkozik, a minta elemszáma $n$

  • -

    A sokaság tetszőleges eloszlású, szórása nem ismert, $H_0$ a sokaság átlagára vonatkozik, a minta $n$ elemű, elemszáma nagy.

  • -

    A sokaság tetszőleges eloszlású, $H_0$ a sokasági arányra vonatkozik, a minta $n$ elemű, elemszáma nagy

  • -

    A sokaság normális eloszlású, $H_0$ a sokasági szórásra vonatkozik, a minta $n$ elemű.

  • -

    A sokaság eloszlására irányuló vizsgálat.

  • -

    A sokaságon belül két ismérv függetlenségére irányuló vizsgálat. $H_0$: a két ismérv független, az ellenhipotézis pedig, $H_1$: a két ismérv közti kapcsolat sztochasztikus vagy függvényszerű.

  • -

    Két sokaságban valamely változó eloszlásának egyezőségére irányuló vizsgálat. $H_0$: a két sokaságban az eloszlás egyező, az ellenhipotézis pedig, $H_1$: a két eloszlás nem egyező.

  • -

    Mindkét sokaság normális eloszlású, szórásaik $\sigma_X$ és $\sigma_Y$.

  • -

    A két sokaság normális eloszlású és szórásaik egyformák.

  • -

    A két sokaság eloszlása és szórása nem ismert, mindkettő szórása véges, és mindkét minta elemszáma elég nagy.

  • -

    Két sokaság szórásának összehasonlítására irányuló próba, ha mindkét sokaság normális eloszlású. A nullhipotézis $H_0$: $\sigma_1^2 = \sigma_2^2$

  • -

    Több sokaság várható értékének összehasonlítására vonatkozó próba, ha mindegyik sokaság normális eloszlású és azonos szórású.

  • -

    A Bartlett-próba több sokaság szórásának összehasonlítására vonatkozó próba, ha mindegyik sokaság normális eloszlású.

Regressziószámítás

  • -

    A regressziószámítás lényege annak vizsgálata, hogy egy bizonyos változó, amit eredményváltozónak hívunk, hogyan függ más változók, az úgynevezett magyarázó változók alakulásától.

  • -

    A magyarázóerőt méri az úgynevezett determinációs együttható.

  • -

    A lineáris korrelációs együttható azt méri, hogy x és y között milyen szoros lineáris kapcsolat van.

  • -

    Ha az SSE értékeit elosztjuk a megfigyelt pontok számával és a kapott eredménynek vesszük a gyökét, akkor kapjuk a reziduális szórást.

  • -

    A regressziós egyenes egy lineáris függvény, ami mindegyik x-hez hozzárendel valamilyen y-t. Ezek általánan eltérnek a valódi y-októl. Ezeket az eltéréseket reziduumoknak nevezzük.

  • -

    A reziduumokból képzett mutató az úgynevezett SSE, jelentése sum of squares of the errors vagyis eltérés-négyzetösszeg.

  • -

    Az exponenciális modellben y helyett lg y van, az x viszont marad x, $\hat{b}_1$ helyett pedig $\lg{ \hat{b}_1}$ van.

  • -

    A hatványkitevős modellben y helyett lg y, x helyett lg x van, $\hat{b}_1$ viszont marad $\hat{b}_1$

  • -

    Az elaszticitás két összefüggő jelenség közti kapcsolat.

  • -

    A paraméterek és a regresszió becslése standard lineáris modellben.

  • -

    5 feltétel standard lineáris modellhez.

  • -

    A többváltozós regressziós modelleket olyankor alkalmazzuk, amikor az eredményváltozó alakulását több magyarázó változó tükrében vizsgáljuk.

  • -

    A kétváltozós esethez hasonlóan a korreláció itt is a változók közti kapcsolat szorosságát írja le, csakhogy itt egy fokkal rosszabb a helyzet, ugyanis most bármely két változó korrelációját vizsgálhatjuk. Ezt tartalmazza a korrelációmátrix.

  • -

    A tesztelés úgy zajlik, hogy nullhipotézisnek tekintjük a $H_0 :  b_i = 0$ feltevést, ellenhipotézisnek pedig azt, hogy $H_1  :  b_i \neq 0$.

  • -

    Négyzetösszeg, szabadságfok, átlagos négyzetösszeg, F.

  • -

    Az autokorreláció a regresszió maradéktagjának a saját későbbi értékeivel való korrelációját jelenti, vagyis egyfajta szabályszerűséget a maradékváltozóban.

  • -

    A Durbin-Wattson-teszt lényegében egy hipotizésvizsgálat.

  • -

    A multikollinearitás röviden összefoglalva azt jelenti, hogy két vagy több magyarázó változó között túl szoros korrelációs kapcsolat van, és ez zavarja a becslést.