
Adatpontok, gyakoriság, relatív gyakoriság, átlag.
Medián, kvartilis, box-plot ábrázolása.
Tapasztalati szórás, korrigált tapasztalati szórás definíciója.
Tapasztalati sűrűségfüggvény diszkrét és folytonos változó esetén.
A tapasztalati sűrűségfüggvény elemzése.
Tapasztalati eloszlásfüggvény. A tapasztalati sűrűség- és eloszlásfüggvények kapcsolata.
Tapasztalati kovariancia. Pearson-féle korrelációs együttható.
Spearmann-féle korreláció. Rangsorok egyhangúsága. Adatsor monotonitása.
Kendall-féle konkordancia.
A legkisebb négyzetek módszerének elméleti háttere, minimalizáló tulajdonsága.
Mintapélda a legkisebb négyzetek módszerének alkalmazására.
Determinációs együttható definíciója. Maradék szórásnégyzet.
Mintapélda a legkisebb négyzetek módszerének alkalmazására.
Mintapélda a legkisebb négyzetek módszerének alkalmazására.
Mintapélda a legkisebb négyzetek módszerének alkalmazására. Együtthatómátrix felírása.
Wald-módszer menete, felhasználási feltételei.
Mintapélda a Wald-módszer alkalmazására.
Valószínűség fogalma. Független események. Reprezentatív statisztikai minta. Valószínűségi és determinisztikus változók.
A sűrűségfüggvény bevezetése, információtartalma, tulajdonságai.
Az eloszlásfüggvény bevezetése, információtartalma, tulajdonságai. A sűrűségfüggvény és eloszlásfüggvény kapcsolata.
Mintapélda a sűrűségfüggvény tulajdonságainak kihasználására és az eloszlásfüggvény sűrűségfüggvény alapján történő felírására.
Mintapélda az eloszlásfüggvény tulajdonságainak kihasználására és a sűrűségfüggvény eloszlásfüggvény alapján történő felírására.
A várható érték definíciója, tulajdonságai.
Mintapélda a várható érték tulajdonságainak felhasználására.
Mintapélda a várható érték tulajdonságainak felhasználására.
A szórás definíciója, tulajdonságai.
Mintapélda a szórás tulajdonságainak felhasználására.
Mintapélda a várható érték és szórás definíció szerinti meghatározására.
Mintapélda a várható érték és szórás definíció szerinti meghatározására.
A torzítatlan becslés fogalma. A várható érték torzítatlan becslése. A szórás torzítatlan becslése. Mintapélda a várható érték tulajdonságainak alkalmazására.
Az átlag szórásának meghatározása. Mintapélda a szórás tulajdonságainak alkalmazására.
A standardizálás jelentése. A standardizálás végrehajtásának menete.
Nagy számok törvénye. Sztochasztikus konvergencia.
Az egyenletes eloszlás sűrűségfüggvénye, eloszlásfüggvénye, várható értéke és szórása.
Az exponenciális eloszlás sűrűségfüggvénye, eloszlásfüggvénye, várható értéke és szórása.
A binomiális eloszlás sűrűségfüggvénye, eloszlásfüggvénye, várható értéke és szórása.
A Poisson eloszlás sűrűségfüggvénye, eloszlásfüggvénye, várható értéke és szórása.
A binomiális eloszlás sűrűségfüggvénye, eloszlásfüggvénye, várható értéke és szórása. Normális eloszlás, centrális határeloszlás tétele, standard normális eloszlás.
Mérések csoportosítása.
Közvetlen mérés: rendszeres hiba, véletlen hiba.
Közvetett mérés: rendszeres hiba, véletlen hiba.
Relatív hiba definíciója. Hibaterjedés a szorzatfüggvényként felírható mennyiségek közvetett mérésekor.
Mintapélda a közvetett mérés rendszeres hibájának meghatározására.
Mintapélda a közvetett mérés rendszeres hibájának meghatározására.
Mintapélda a közvetett mérés relatív szórásának meghatározására.
Mintapélda a közvetett mérés relatív szórásának meghatározására.
Mintapélda a közvetett mérés szórásának és relatív szórásának meghatározására.
Konfidencia intervallum sugara, szignifikancia szint.
Mintapélda a konfidencia intervallum meghatározására.
Mintapélda a konfidencia intervallum meghatározására.
Gauss-Markov tétel feltételei, alkalmazhatósága.
A Wald-módszer gyakorlati alkalmazhatósága.
A statisztikai próbák típusai. A statisztikai próbák lépései. A statisztikai próbák hibái.
Az U-próba nullhipotézise, aktuális értéke, kritikus értéke.
A t-próba nullhipotézise, aktuális értéke, kritikus értéke.
A kapcsolt t-próba nullhipotézise, aktuális értéke, kritikus értéke.
A kétmintás U-próba nullhipotézise, aktuális értéke, kritikus értéke.
A kétmintás t-próba és a Welch-próba nullhipotézise, aktuális értéke, kritikus értéke.
A Fisher próba nullhipotézise, aktuális értéke, kritikus értéke.
A Grubbs próba nullhipotézise, aktuális értéke, kritikus értéke.
Az Abbe próba nullhipotézise, aktuális értéke, kritikus értéke.
A khí-négyzet próbával történő illeszkedésvizsgálat nullhipotézise, aktuális értéke. Az illeszkedésvizsgálat lépései.
Mintapélda a khí-négyzet próbával történő illeszkedésvizsgálatra.
Mintapélda a khí-négyzet próbával történő illeszkedésvizsgálatra.
A khí-négyzet próbával történő homogenitásvizsgálat nullhipotézise, aktuális értéke. A homogenitásvizsgálat lépései.
A Ryan-Joiner teszt felhasználási területe, nullhipotézise, aktuális értéke.
A szórásvizsgálat nullhipotézise, aktuális értéke, kritikus értéke.
Üdvözöllek!
Ezzel a kurzussal segíteni szeretnék neked, hogy könnyebben megértsd az egyetemen tanult adatelemzési, statisztikai és valószínűség-számítási ismereteket!
Az adatelemzés természeténél fogva sok elméleti hátteret igényel. Modelleket kell felállítani és alkalmazni. A szükséges eszközöket a levezetések minimális érintésével mutatom be neked és ahol lehet, ott igyekszem alkalmazási példákat mutatni. A példamegoldások mellett gyakorló tesztekkel segítem a zárthelyi felkészülést, hogy tényleg készen állj a számonkérésekre!
A tananyagon "hétköznapi" nyelvezettel haladunk végig, a fő cél az, hogy értsd, hogy miről van szó. A mérnöki gyakorlatban nincs szükséged a statisztikai fogalmak precíz levezetésére, arra koncentrálunk, hogy gyakorlati szempontból legyen teljes a tudásod.
A kurzusban a mért adatsorok elemzése áll a középpontban. Először bemutatom, hogy hogyan lehet statisztikai alapon elemezni az adatokat. Ezután áttekintjük az adatsorok elméleti jellemzőit valószínűségi alapon. Végül az elméleti és gyakorlatban mérhető jellemzők összekapcsolásával rátérünk a mérések kielemzésére. Megismerheted, hogy hogyan lehet hibahatárt adni a mérésekhez vagy hogy hogyan lehet vizsgálni a hibaterjedést. Ezek minden mérésen alapuló természettudományi területen értékes alapismeretnek számítanak. A kurzus végére a statisztikai próbák ismeretében egészen részletes információkat tudsz majd kinyerni az elérhető adatsorokból.
Itt a Udemy-n minden a diákokért van! Nem kell aggódnod, hogy hányszor nézel meg egy videót, mivel korlátlan hozzáférést kapsz. Ráadásul örökké hozzáférsz, nem csak a már feltöltött videókhoz, hanem a későbbi új anyagokhoz is! Ezen kívül itt vagyok, hogy mindig válaszoljak a felmerülő kérdésekre, szóval sosem maradsz magadra!
Az eddigiekben Udemy-n velem tanuló több, mint 6000 diák véleménye szerint hasznosak az anyagaim (nyugodtan nézz rá az értékelésekre). Nagyon remélem, hogy rajtad is segíteni tudok ezzel a kurzussal! Ha szeretnél többet megtudni a kurzus stílusáról, nézz bele az ingyenesen megtekinthető videókba!
Remélem együtt készülhetünk fel a számonkérésekre!
Megjegyzés: A kurzus épít a deriválás és integrálás ismeretére. Ezeket a témaköröket ebben a kurzusban nem tekintjük át nulláról, feltételezem, hogy megvannak a hozzájuk kapcsolódó alapvető ismereteid.