A szmtgpes elemzs alapjai Adatok fajti Mrhet adatok

A számítógépes elemzés alapjai

Adatok fajtái Mérhető adatok, Intervallumskála az adatok közti különbségek, intervallumok egyenlők Ordinális skálán elhelyezkedő adatok: rangsorolásból származó adatok kapcsolt rangpontszámok Nominális mérés: az adatokat számokkal helyettesítjük, melyek nem jelölnek sorrendiséget nem összeadhatók

Statisztikai eljárások Leíró statisztika Ha a tényleges személyeket elemezzük, azaz a Populáció=minta Statisztikai eljárások Gyakoriságok Középértékek Szóródások Korreláció

Statisztikai eljárások Matematikai statisztika Megadja, hogy a reprezentatív mintából vonható le következtetés az alapsokaságra. Különbözőségvizsgálatok Adatfajták intervallum Minták száma ordinális nominális egymintás tpróba Wilcoxon-próba Kereszttábla elemzés, khi-négyzet próba kettő kétmintás tpróba F-próba Mann-Whitneypróba Kereszttábla elemzés, khi-négyzet próba három varianciaanalízi s Kruskall-Wallispróba Kereszttábla elemzés, khi-négyzet próba

Statisztikai eljárások Matematikai statisztika Összefüggésvizsgálatok Adatfajták intervallum Minták száma ordinális nominális kettő korrelációszámítás Spearmann-féle rangkorreláció Keresztábla elemzés, khi-négyzet próba Kettő vagy több, mint kettő regresszióanalízis Több mint kettő Parciális korrelációszámítás Faktoranalízis klaszteranalízis

Leíró statisztika

Középértékek Átlag Módusz Medián

Gyakorisági vizsgálatok 1. 2. A kategóriák számának meghatározása 10 és 20 közötti páratlan szám de alacsony számú (50 körüli elmeszámú) minta esetén kevesebb (7 -9 kategória) is lehet. A csoportintervallumok (lépésköz) meghatározása 1, 2, 3, 5, 10 a kategóriaszám alapján Diszjunktság: A csoportok meghatározásánál ügyelni kell arra, hogy a minta minden eleme pontosan egy kategóriába legyen besorolható, ezért a csoportok nem fedhetik át egymást.

Abszolút gyakoriság Def: Az egyes kategóriákba tartozó értékeket az adott csoport gyakoriságának nevezzük, a létrejövő értékeket együttesen pedig a minta abszolút gyakorisági eloszlásának.

További gyakorisági mutatók Relatív gyakoriság az abszolút gyakorisági értékek és az elemszám hányadosát, azaz az egyes kategóriába tartozók összes kitöltőhöz viszonyított százalékos arányát. A kumulatív gyakoriság megmutatja, a minta hány eleme található a kategória felső határa alatt. Halmozott %-os gyakoriság, vagy más néven százalékos kumulált gyakoriság megmutatja a minta hány százaléka található a kategória felső határa alatt.

Szóródási mutatók Szóródási terjedelem: a minta értéktartománya: a minta legnagyobb és a legkisebb elemének a különbsége. R = Xmax - Xmin Átlagos eltérés: a minta elemeinek az átlagtól való átlagos távolsága. Négyzetes összeg: A minta elemeinek az átlagtól való eltéréseinek négyzete összegezve.

Variancia A variancia a négyzetes összeg osztva a minta szabadságfokával. Szabadságfoknak nevezzük a minta független elemeinek számát.

Szórás A szórás a variancia pozitív előjelű négyzetgyöke.

Tétel A mintától 1 szórásnyi terjedelembe tartozik az adatok több mint 2/3 -a. A mintától 2 szórásnyi terjedelembe tartozik az adatok több mint 90%-a. A mintától 3 szórásnyi terjedelembe tartozik az adatok több mint 95 %-a.

Relatív szórás A relatív szórás a szórás átlaghoz viszonyított mérőszáma: a szórás és az átlag hányadosának eredménye.

Kvartilisek A kvartilisek a minta negyedelő pontja. Interkvartilis félterjedelem a harmadik és az első kvartilis különbsége: Q 3 -Q 1

Összefüggések

Gyakorisági poligon és a középérték-mutatók Balra ferdült: Módusz > Medián > Számtani közép Jobbra ferdült: Módusz < Medián < Számtani közép Normális eloszlás (harang görbe) : Módusz = Medián = Számtani közép

Matematikai statisztika

Korreláció A korrelációs együttható két mennyiségi adatsor közti kapcsolat erősségét és irányát megadó együttható.