Student-féle t-eloszlás kritikus értékei különféle szignifikancia-szint mellett F Szabadság- Szignifikancia-szint 309 Ramanathan Ramu [2003]: 609. fok 0,1 0,05 0,025 0,01 0,005 1 3,078 6,314 12,706 31,821 63,656 2 1,886 2,920 4,303 6,965 9,925 3 1,638 2,353 3,182 4,541 5,841 4 1,533 2,132 2,776 3,747 4,604 5 1,476 2,015 2,571 3,365 4,032 6 1,440 1,943 2,447 3,143 3,707 7 1,415 1,895 2,365 2,998 3,499 8 1,397 1,860 2,306 2,896 3,355 9 1,383 1,833 2,262 2,821 3,250 10 1,372 1,812 2,228 2,764 3,169 11 1,363 1,796 2,201 2,718 3,106 12 1,356 1,782 2,179 2,681 3,055 13 1,350 1,771 2,160 2,650 3,012 14 1,345 1,761 2,145 2,624 2,977 15 1,341 1,753 2,131 2,602 2,947 16 1,337 1,746 2,120 2,583 2,921 17 1,333 1,740 2,110 2,567 2,898 18 1,330 1,734 2,101 2,552 2,878 19 1,328 1,729 2,093 2,539 2,861 20 1,325 1,725 2,086 2,528 2,845 21 1,323 1,721 2,080 2,518 2,831 22 1,321 1,717 2,074 2,508 2,819 23 1,319 1,714 2,069 2,500 2,807 24 1,318 1,711 2,064 2,492 2,797 25 1,316 1,708 2,060 2,485 2,787 26 1,315 1,706 2,056 2,479 2,779 27 1,314 1,703 2,052 2,473 2,771 28 1,313 1,701 2,048 2,467 2,763 29 1,311 1,699 2,045 2,462 2,756 30 1,310 1,697 2,042 2,457 2,750 40 1,303 1,684 2,021 2,423 2,704 50 1,299 1,676 2,009 2,403 2,678 60 1,296 1,671 2,000 2,390 2,660 70 1,294 1,667 1,994 2,381 2,648 80 1,292 1,664 1,990 2,374 2,639 90 1,291 1,662 1,987 2,368 2,632 100 1,290 1,660 1,984 2,364 2,626 150 1,287 1,655 1,976 2,351 2,609 200 1,286 1,653 1,972 2,345 2,601 309 236
2 n χ 310 -eloszlás kritikus értékei különféle szignifikancia-szintek mellett F Szabadságfok Szinifikancia-szint 0,9900 0,9500 0,9000 0,1000 0,0500 0,0100 1 0,000 0,004 0,016 2,706 3,841 6,635 2 0,020 0,103 0,211 4,605 5,991 9,210 3 0,115 0,352 0,584 6,251 7,815 11,345 4 0,297 0,711 1,064 7,779 9,488 13,277 5 0,554 1,145 1,610 9,236 11,070 15,086 6 0,872 1,635 2,204 10,645 12,592 16,812 7 1,239 2,167 2,833 12,017 14,067 18,475 8 1,647 2,733 3,490 13,362 15,507 20,090 9 2,088 3,325 4,168 14,684 16,919 21,666 10 2,558 3,940 4,865 15,987 18,307 23,209 11 3,053 4,575 5,578 17,275 19,675 24,725 12 3,571 5,226 6,304 18,549 21,026 26,217 13 4,107 5,892 7,041 19,812 22,362 27,688 14 4,660 6,571 7,790 21,064 23,685 29,141 15 5,229 7,261 8,547 22,307 24,996 30,578 16 5,812 7,962 9,312 23,542 26,296 32,000 17 6,408 8,672 10,085 24,769 27,587 33,409 18 7,015 9,390 10,865 25,989 28,869 34,805 19 7,633 10,117 11,651 27,204 30,144 36,191 20 8,260 10,851 12,443 28,412 31,410 37,566 21 8,897 11,591 13,240 29,615 32,671 38,932 22 9,542 12,338 14,041 30,813 33,924 40,289 23 10,196 13,091 14,848 32,007 35,172 41,638 24 10,856 13,848 15,659 33,196 36,415 42,980 25 11,524 14,611 16,473 34,382 37,652 44,314 26 12,198 15,379 17,292 35,563 38,885 45,642 27 12,878 16,151 18,114 36,741 40,113 46,963 28 13,565 16,928 18,939 37,916 41,337 48,278 29 14,256 17,708 19,768 39,087 42,557 49,588 30 14,953 18,493 20,599 40,256 43,773 50,892 31 15,655 19,281 21,434 41,422 44,985 52,191 32 16,362 20,072 22,271 42,585 46,194 53,486 33 17,073 20,867 23,110 43,745 47,400 54,775 34 17,789 21,664 23,952 44,903 48,602 56,061 35 18,509 22,465 24,797 46,059 49,802 57,342 36 19,233 23,269 25,643 47,212 50,998 58,619 37 19,960 24,075 26,492 48,363 52,192 59,893 38 20,691 24,884 27,343 49,513 53,384 61,162 39 21,426 25,695 28,196 50,660 54,572 62,428 40 22,164 26,509 29,051 51,805 55,758 63,691 50 29,707 34,764 37,689 63,167 67,505 76,154 60 37,485 43,188 46,459 74,397 79,082 88,379 70 45,442 51,739 55,329 85,527 90,531 100,425 80 53,540 60,391 64,278 96,578 101,879 112,329 90 61,754 69,126 73,291 107,565 113,145 124,116 100 70,065 77,929 82,358 118,498 124,342 135,807 150 112,668 122,692 128,275 172,581 179,581 193,207 200 156,432 168,279 174,835 226,021 233,994 249,445 250 200,939 214,392 221,806 279,050 287,882 304,939 310 Aczel A. D. [2002]: Table 4 alapján. 237
- 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 and 228: Egységmátrix (E): egy négyzetes
- Page 229 and 230: Karl Pearson időskori képe F 284
- Page 231 and 232: R. Aylmer Fisher F 294 Kvantilis. (
- Page 233 and 234: Oil Company alkalmazottja, ezután
- Page 235: Standard normális eloszlás sűrű
- 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