Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

Recommendations

Info

F3 Tudománytörténeti összefoglaló F A matematikai statisztika (mathematical statistics) fogalma elsőször a következő publikációkban jelent 279 280 281 F F meg: Német nyelven 1867-ben található meg először a matematikai statisztika (mathematische statistik) kifejezés: T. Wittstein [1867]: „Mathematische Statistik und deren Anwendung auf National-Oekonomie und Versicherungs-Wissenschaft” Forrás: (David, H. A. [1995]:"First (?) Occurrence of Common Terms in Mathematical Statistics," The American Statistician 49:2, May.) Angol nyelven a matematikai statisztika (mathematical statistics) fogalma először 1918-ban fordult elő: a következő könyvben: C. J. West [1918]: „Introduction to Mathematical Statistics” Forrás: (David, H. A. [1998]: "First (?) Occurrence of Common Terms in Probability and Statistics -- A Second List, with Corrections," The American Statistician 52:1, February). Statisztikai sokaság (population) és minta (sample) először Francis Galton and W. F. R. Weldon munkájában 1877-ben jelent meg. Francis Galton and W. F. R. Weldon [1877]: "Typical laws of heredity," Nature, 15,, April 19th, p. 532. 282 Galton (1822-1911) F Maximum és minimum kifejezések, mint értékek összehasonlítása először 1743-ban találhatók meg: W. Emerson, [1743]: Doctrine of Fluxions c. munkájában. Módusz (mode) fogalmát Karl Pearson (1857-1936) angol kutató vezette be 1895-ben. Karl Pearson [1895]: "Contributions to the Mathematical Theory of Evolution. II. Skew Variation in Homogeneous Material," Philosophical Transactions of the Royal Society of London, Ser. A, 186, 343-414. Görbe illesztése (curve fitting) Karl Pearson említi először [1902]: On the Mathematical Theory of Errors of Judgment, with Special Reference to the Personal Equation. Philosophical Transactions of the Royal Society of London. Series A, 198, 235-299. Karl Pearson [1902]: On the Systematic Fitting of Curves to Observations and Measurements. Biometrika, 1, 265-303. 283 Karl Pearson fiatalkori képe F 279 Forrás: http://members.aol.com/jeff570/mathword.html (2008. február 7.) Earliest Known Uses of Some of the Words of Mathematics. Azokban az esetekben amikor más internetes forrásokat használtunk azt külön jelöljük. 280 A szoftverek (még a magyar nyelvű <strong>Excel</strong> is sok esetben) általában az angol nyelvű kifejezéseket használják. 281 http://www.maths.tcd.ie/pub/HistMath/People/RBallHist.html áttekintést ad a XVII.-ik és XVIII.-ik század neves matematikusainak a munkásságáról. (2008. február 7.) 282 Forrás: http://galton.org/ (2008. február 7.) 283 Forrás: http://en.wikipedia.org/wiki/Karl_Pearson Közli életrajzát és publikációs jegyzékét. (2008. február 7.) 228
Karl Pearson időskori képe F 284 Medián (median) fogalmát először Cournot (Antoine Augustin Cournot (1801 1877) francia közgazdász, filozófus és matematikus) említi 1843-ban. Antoine A. Cournot [1843]: „Exposition de la théorie des chances et des probabilités” (pp. 119-20). David, H. A. [1998]: "First (?) Occurrence of Common Terms in Probability and Statistics -- A Second List, with Corrections," The American Statistician 52:1, February). 285 A. Augustin Cournot F Átlag (mean) Thomas Little Heath (1861 -1940) angol matematikus 1921-ben „A History of Greek Mathematics” (Oxford: Clarendon Press, 1921, p. 85) c. művében azt írta, hogy Pythagoras görög matematikus (i. e. 580-572 – 500-490) fedezte fel számtani, a mértani és a harmonikus átlagokat. Az átlagok között a geometriai átlag (geometric mean) angol nyelven először megtalálható egy 1450 körül készült kéziratban, Mark Dunn [1450]: „The Art of Numbering”. A számtani átlag (arithmetical mean) megtalálható 1697-ben a következő publikációban: E. Halley "A Most Compendious and Facile Method for Constructing the Logarithms, Exemplified and Demonstrated from the Nature of Numbers, without any Regard to the Hyperbola, with a Speedy Method for Finding the Number from the Logarithm Given," Philosophical Transactions of the Royal Society of London, Vol. 19. (1695 - 1697), pp. 58-67. 286 Pythagoras F Az átlag hibája. (mean error) a XIX.-ik században elfogadott kifejezés volt a hiba elméletében. Johann Carl Friedrich Gauss (1777 - 1855) vezette be az átlag hibája fogalmat 1821-ben „Theoria combinationis observationum erroribus minimis obnoxiae (Theory of the combination of observations least subject to error)” (1821, p. 7), c. munkájában. Gauss fiatal korában. F 287 284 Forrás: http://www-groups.dcs.st-and.ac.uk/~history/PictDisplay/Pearson.html (2008. február 7.) 285 Forrás: http://www.spock.com/Antoine-Augustin-Cournot (2008. február 7.) 286 Forrás: http://www.google.hu/search?q=Pythagoras++picture&ie=utf-8&oe=utf-8&aq=t&rls=org. mozilla: hu: official&client=firefox-a (2008. február 7.) 287 Forrás: http://www-groups.dcs.st-and.ac.uk/~history/PictDisplay/Gauss.html (2008. február 7.) 229
Page 1 and 2:
Kehl Dániel - Dr. Sipos Béla Exce
Page 3 and 4:
3.8 AZ ARIMA MODELLEZÉS MENETE 106
Page 5 and 6:
szoftvereket nem képesek megvásá
Page 7 and 8:
Bevezetés, az Excel beállításai
Page 9 and 10:
Excel 2007 segítség a felhasznál
Page 11 and 12:
INVERZ.F Az F-eloszlás inverzének
Page 13 and 14:
Az Analysis ToolPak betöltése. Az
Page 15 and 16:
tak: pl. nem, kor, beosztás és sz
Page 17 and 18:
A legmegfelelőbb ábrázolási mó
Page 19 and 20:
4. Elemezze az egy főre jutó GDP
Page 21 and 22:
5.1. Foglalkoztatottak számának a
Page 23 and 24:
delkezésre álló adatok jelennek
Page 25 and 26:
A legegyszerűbb statisztikai műve
Page 27 and 28:
(k) ahol q j a j-edik k-ad rendű k
Page 29 and 30:
A szóródás terjedelme: T = 70 -
Page 31 and 32:
Mindkét helyzeti középértéknek
Page 33 and 34:
(Q − Me) −(Me −Q ) 3 1 F = (Q
Page 35 and 36:
( ) ( ) 2 m3 S = 3 m2 c c = 0,037 A
Page 37 and 38:
1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0
Page 39 and 40:
N ∑ y t t=1 y= N Az állapot idő
Page 41 and 42:
sj = a j-edik szezonhoz tartozó sz
Page 43 and 44:
- a függvény növekedésének ir
Page 45 and 46:
ˆy t b0 ˆy t =b 0 +b1lnt b 1>0 b
Page 47 and 48:
ˆy t b0 2 3 ˆy t =b 0 +b1t+b2t +
Page 49 and 50:
0 =a bázisérték, p = az éves n
Page 51 and 52:
ˆy t 1 1 ˆy = b +bt+b t b0 t 2 0
Page 53 and 54:
1 2 A mélypont T 3 A csúcspont 3-
Page 55 and 56:
tunk úgy is, hogy először a tren
Page 57 and 58:
tében. A tőzsdeindexek átlagolá
Page 59 and 60:
nyereséget eredményezhet, de más
Page 61 and 62:
2 ei SDE = i= 1 T−1 5. Átlagos r
Page 63 and 64:
e, utána az eredeti adatoknak a tr
Page 65 and 66:
80 lítődési pontok. F A Descarte
Page 67 and 68:
2 dyt 2 cm ( + t) ( − ) ( cm + ct
Page 69 and 70:
A telítődési szint: lim yˆ = K
Page 71 and 72:
Az 3-15 ábra mutatja be a függvé
Page 73 and 74:
ˆy0= 0, lim yˆ = K. t→∞ t Joh
Page 75 and 76:
( K−A) ˆy = A + , cm ( 1+ ve ) 0
Page 77 and 78:
Hubbert-trendfüggvény A Hubbert-f
Page 79 and 80:
den esetben adnak tökéletes javas
Page 81 and 82:
6. Grafikusan ábrázolja az Amerik
Page 83 and 84:
dosítása, vagyis a prognosztizál
Page 85 and 86:
( ) i ˆy = y × Me t+i t+− i 4
Page 87 and 88:
Ha nagy α-t választunk [pl . α =
Page 89 and 90:
stabilnak tekinthető és a módsze
Page 91 and 92:
T- 4 Szezonalitás - nincs, Trend a
Page 93 and 94:
Multiplikatív szezonalitás: D t =
Page 95 and 96:
Előrejelzés m periódusra előre:
Page 97 and 98:
S 1 =X 1 (X2-X 1)+(X4-X 3) b 1 = 2
Page 99 and 100:
hullámzás kisebb, nagyobb, illetv
Page 101 and 102:
W(-1)=B(-1/4)=[1-(-1/4) 2 ] 2 = 0,8
Page 103 and 104:
sbl, out a fájl neve, amelybe az e
Page 105 and 106:
PJ 400 300 200 100 0 -100 Energia f
Page 107 and 108:
ARMA modell Az ilyen típusú idős
Page 109 and 110:
Nem stacionárius idősorok 135 : S
Page 111 and 112:
dy ∆Y Y(t+∆t) - Y(t) =lim =lim
Page 113 and 114:
2. Az ln-transzformációt (λ=0) a
Page 115 and 116:
5. A reciprok transzformációt (λ
Page 117 and 118:
Mind az elméleti idősort alkotó
Page 119 and 120:
A determináns a diagonálisok szor
Page 121 and 122:
1 2 2 2 2 s(r k) = ⎡1 2( r1 r2 r
Page 123 and 124:
(0, d, 1) MA(1), ha d = 0 vagy IMA
Page 125 and 126:
ARIMA (0, 0, 1) vagy MA (1) modell
Page 127 and 128:
Statisztikai programcsomagok össze
Page 129 and 130:
(T−m) −k ∑ ( y −y)( y − y
Page 131 and 132:
A következő szöveg jelenik meg:
Page 133 and 134:
DW statisztika. (Durbin-Watson d-pr
Page 135 and 136:
Az illesztésre (becslésre) felhas
Page 137 and 138:
A reziduumok száma: Becslésre fel
Page 139 and 140:
4. szezonális autoregressziós mod
Page 141 and 142:
Kieső adatok száma= p+d+q+s(P+D+Q
Page 143 and 144:
3.8.6 R+ interneten elérhető: Fre
Page 145 and 146:
transzformált adatok ábráit és
Page 147 and 148:
The R code is based on : Borghers,
Page 149 and 150:
4.1 A regresszió.xls parancsfájl
Page 151 and 152:
⎡q q q q ⎤ yy y1 y2 yk ⎢ q1y
Page 153 and 154:
A bj regressziós paraméter konfid
Page 155 and 156:
yj n−2 t = 2 1−r yj Ahol: n =
Page 157 and 158:
157 magyar nyelvű összefoglalój
Page 159 and 160:
togonális, tehát nincs multikolli
Page 161 and 162:
2 R /(k−1) F= < F 2 ( 1−R ) / (
Page 163 and 164:
z 1 =a11x 1+a21x 2 +...+ak1xk z 2 =
Page 165 and 166:
A fenti autoregresszív modellben,
Page 167 and 168:
sziós együtthatók becslése torz
Page 169 and 170:
A regresszio.xls parancsfájl minde
Page 171 and 172:
Regressziós együtthatók Eható S
Page 173 and 174:
600 400 200 e t 0 -600 -400 -200 0
Page 175 and 176:
pen azt kaptuk, hogy az első háro
Page 177 and 178: Ezt az egyenletet átírhatjuk a k
Page 179 and 180: ahol a hi súlyszámokat az alábbi
Page 181 and 182: 3.1 Ha nincs konstans a lineáris r
Page 183 and 184: 5. A próbafüggvény: 2 2 F= 2 1
Page 185 and 186: A b 12 = x1 és x2 változók egysz
Page 187 and 188: ugyanis ez nem más, mint X margin
Page 189 and 190: Súly Súly 0,30 0,25 0,20 0,15 0,1
Page 191 and 192: A paraméterek közötti összefüg
Page 193 and 194: ( ) ( ) Y − λ Y =α 1−λ +β X
Page 195 and 196: 4.7 A hatványkitevős, Cobb-Dougla
Page 197 and 198: fizikaiak említett kategóriáit.
Page 199 and 200: Átlagtermelékenységek (y/x1 és
Page 201 and 202: yˆ = MPx * x 1 1+ MPx * x ˆ 2 2 /
Page 203 and 204: A termelési tényező hozadéka n
Page 205 and 206: Évek (t) y x1 x2 1 1009 1787 1008
Page 207 and 208: 1. A cipőgyár adatainak felhaszn
Page 209 and 210: ⎧ 1 -P -P ⎫ ln y = ln h + e v
Page 211 and 212: ln h h = e transzformációval az e
Page 213 and 214: A homoszkedaszticitás tesztelésé
Page 215 and 216: 4-6. tábla: Feltételes megoszlás
Page 217 and 218: A min jelöli, hogy az s és o köz
Page 219 and 220: A Yule-féle asszociációs együtt
Page 221 and 222: = 0, 267 ≈ 0,3 A függetlenség v
Page 223 and 224: Függelék F.1 Internetes ingyenes
Page 225 and 226: age and sex) és az összes évet (
Page 227: Egységmátrix (E): egy négyzetes
Page 231 and 232: R. Aylmer Fisher F 294 Kvantilis. (
Page 233 and 234: Oil Company alkalmazottja, ezután
Page 235 and 236: Standard normális eloszlás sűrű
Page 237 and 238: 2 n χ 310 -eloszlás kritikus ért
Page 239 and 240: F-eloszlás kritikus értékei 2,5%
Page 241 and 242: 5% k = 11 k = 12 k = 13 k = 14 k =
Page 243 and 244: 1% k = 11 k = 12 k = 13 k = 14 k =
Page 245 and 246: Colin P. D. Birch [1999]: A New Gen
Page 247 and 248: Kehl Dániel - Sipos Béla [2007b]:
Page 249 and 250: John C. Nash [2008] Teaching statis
show all

Excel parancsfájlok felhasználása a statisztikai elemzésekben Írta ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?