Download - 2. hét
![Page 1: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/1.jpg)
2. hét
Mintavételes eljárások
![Page 2: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/2.jpg)
Adatszerzési módok
Részleges adatfelvétel Teljes körű adatfelvétel
Kontrollált kísérletekReprezentatívmegfigyelés
Egyéb részlegesadatfelvétel
Véletlenen alapulókiválasztás
Nem véletlenen alapulókiválasztás
FAE TLCSREV Szisztematikus Kvótás Hólabda Koncentrált Önkényes Stb.
Adatszerzési módok típusai
![Page 3: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/3.jpg)
Kontrollált kísérletek
A végtelen sokaságról való informálódás eszköze. Arra ad választ, hogy a kísérlet végzője által
megtervezett feltétel együttesek (kezelések) milyen eredményre vezetnek.
![Page 4: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/4.jpg)
Reprezentatív megfigyelés
A legfontosabb adatfelvételi módszer. A statisztikai következtetéselmélet kiindulópontja. A mintavételből származó minden eredményt a
sokaság egészének jellemzésére használják fel, azaz általánosítanak a teljes sokaságra.
Reprezentatív a minta, ha tükrözi az alapsokaságot, annak jellemzőit, tulajdonságait, összetételét.
Mindig megadható a mintavételi hiba, azaz, hogy a mintavétel tényéből mekkora hiba fakad.
![Page 5: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/5.jpg)
Nem reprezentatív megfigyelés (egyéb részleges megfigyelés)
Nincs benne az általánosításra való törekvés, a következtetések kizárólag megfigyelt egyedekre vonatkoznak.
![Page 6: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/6.jpg)
A statisztikai következtetéselmélet
Célja: a részleges megfigyelések eredményeiből következtetés a sokaságra.
Területei:A mintavétel módszertana és gyakorlata.A becslési eljárás.Hipotézisvizsgálat.Több változó kapcsolatának, együttmozgásának
vizsgálata.
![Page 7: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/7.jpg)
A mintavétel
Célja: a megszerzett adatok alapján megalapozott következtetéseket hozni az alapsokaságra vonatkozóan.
Lépései: A minta és a mintavétel megtervezése,
mintaelemek kijelölése. A kijelölt mintaelemek megfigyelése. A mintavételi hiba kezelésének megtervezése.
![Page 8: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/8.jpg)
A mintavételi hiba
A vizsgált mutató lehetséges mintákból számított értékeinek átlagos eltérését mutatja a megfelelő sokasági értéktől.
Típusai: Nemmintavételi hiba Mintavételi hiba
A mintavételi hiba függ: A sokaság jellegétől. Az alkalmazott mintavételi eljárástól. A vizsgált mutatószám fajtájától. A minta nagyságától.
![Page 9: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/9.jpg)
Véletlenen alapuló kiválasztás
![Page 10: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/10.jpg)
I. FAE - független, azonos eloszlású minta
Jellemzői:Homogén, végtelen sokaságból veszünk véletlen, visszatevéses vagy visszatevés nélküli mintát.Véges sokaságból azonos valószínűséggel veszünk visszatevéses mintát.Gyakorlati alkalmazása elsősorban a tömegtermelés minőségellenőrzésénél célszerű.
Hibája:A sokasági szórás gyakran ismeretlen.Sokszor több változó vizsgálata a cél – a mintaelemszám meghatározása problémás.
![Page 11: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/11.jpg)
II. EV - egyszerű véletlen minta
Homogén és véges elemszámú sokaság esetén alkalmazható.
A mintát visszatevés nélkül választjuk ki. Minden lehetséges n elemű minta kiválasztásának a
valószínűsége azonos. Hasonló a FAE mintához, de véges és kisebb
elemszámú sokaságok esetén inkább ez használatos.
![Page 12: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/12.jpg)
EV - egyszerű véletlen minta
Előnye: A visszatevés a gyakorlatban nem mindig, vagy nem
teljeskörűen hajtható végre. Azonos elem ismételt megfigyelése felesleges.
Hátránya: A megfigyelt sokaságok többnyire nem homogének.
Lépései: A komplett lista összeállítása. A mintanagyság meghatározása. A minta kiválasztása.
![Page 13: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/13.jpg)
III. R - rétegzett mintavétel
Jellemzői: Heterogén sokaság esetén alkalmazható. Előzetes információ áll rendelkezésre arra nézve, hogy a
sokaságot homogén osztályokba lehet sorolni.
Lépései: Először a fősokaságot valamilyen ismérv szerint átfedés-
mentesen homogén rétegekre osztjuk. Ezután az egyes rétegeken belül egymástól függetlenül EV
(ritkábban FAE) mintát veszünk.
Előnye: Azonos mintanagyság esetén a vizsgált jellemzőkre (, )
kisebb hibát kapunk, mint az EV mintavétellel feltéve, hogy a rétegezés jó volt.
TÍPUSAI
![Page 14: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/14.jpg)
1. Egyenletes rétegzés
Jellemző: Minden egyes rétegbe azonos számú
mintaelem kerül.
Előnye: Egyszerű. Végrehajtása kényelmes. Könnyű az egyes rétegeket
számszerűen jellemezni.
N3
N1
N2
n
N1≠N2, de n1= n2
![Page 15: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/15.jpg)
2. Arányos rétegzés
N1
N2
N3n1
n3
n2
Jellemző: A mintába a sokasági arányoknak
megfelelően választjuk meg az elemszámot.
Előnye: Ha a rétegenkénti sokasági szórást nem
ismerjük, az ebből számított mutatók mintavételi hibája minimális.
A mintából számított főátlag hibája sohasem nagyobb, mint EV mintavételnél.
.
![Page 16: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/16.jpg)
3. Neyman-féle optimális rétegzés
Jellemzői: A szórások alapján osztja a mintát.
Nagyobb rétegekből nagyobb mintát vesz. A változékonyabb, heterogénebb rétegekből szintén nagyobb mintát
vesz.
Előnye: Főátlag becslése során a mintavételi hiba minimális.
Hátránya: σj ritkán ismert.
L
iii
iii
N
Nnn
1
![Page 17: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/17.jpg)
4. Költség-optimális rétegzés
Jellemzői: Az egyes rétegek szórása mellett ismerjük és a kiválasztásnál
figyelembe vesszük az egyes rétegek megfigyelésének költségét is.
Adott költségkeret mellett minimális hibát eredményez.
Képlete:
ahol πj az egyes rétegek elemeinek megfigyelési egységköltsége.
![Page 18: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/18.jpg)
IV. CS - csoportos (egylépcsős) mintavétel
Homogén, véges sokaság esetén használható, ha nem áll rendelkezésre a sokasági elemek teljes listája, de nagyobb
csoportokra rendelkezünk listával. a csoportok a koncentráltságuk miatt könnyebben, olcsóbban
figyelhetők meg, mint az egyedek.
Lépései: Először a csoportok halmazából EV mintát veszünk. Az így kiválasztott csoportokat teljes körűen megfigyeljük.
Előnye: Egyszerűbb és olcsóbb, mint a FAE vagy az EV minta.
Hátránya: Pontossága függ a csoporton belüli homogenitástól.
![Page 19: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/19.jpg)
V. TL - többlépcsős mintavétel
Jellemzői: Hasonló esetekben használjuk, mint a csoportos mintavételt. Több lépcsőben jutunk el a végső megfigyelési egységhez. Leggyakoribb típusa a kétlépcsős mintavétel:
először EV mintavétellel kiválasztjuk a csoportokat, majd a csoporton belül is EV mintavételt végzünk.
Követelmény: A minta önsúlyozó legyen, azaz megtartsa a sokasági
arányokat.
![Page 20: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/20.jpg)
Nem véletlen mintavételi eljárások
![Page 21: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/21.jpg)
1. Szisztematikus kiválasztás
Jellemzői: ha n elemű mintát akarunk venni egy N elemű sokaságból,
akkor meghatározva a k=N/n lépésközt a k0 véletlen kezdőpontból kiindulva minden k-adik elemet figyeljük meg:
A minta gyorsan és mechanikusan kiválasztható. Egybeeshet az EV megfigyeléssel, ha az elemek
felsorolása független a megfigyelés tárgyától.
![Page 22: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/22.jpg)
2. Kvótás kiválasztás
Jellemzői: Rögzítve van, hogy milyen összetételű mintát kell
létrehozni. A „kereteket” véletlen kiválasztással kitöltik. A rétegzett mintavételhez hasonló eredmény hoz. Nem szükséges előre rögzíteni a sokasági vagy
réteglistákat.
![Page 23: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/23.jpg)
3. Koncentrált kiválasztás
Jellemzői: Erősen koncentrált sokaság esetén alkalmazzák. Kevés egyed rendelkezik nagy befolyással a sokasági
jellemzőre.
![Page 24: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/24.jpg)
4. Hólabda kiválasztás
Jellemzői: Ritka, nehezen számba vehető sokaságok esetén
alkalmazzuk. Néhány kiválasztott egyedből indulunk ki. Minden egyed a saját „ismeretségi köréből” keresi a
következő mintaelemet.
![Page 25: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/25.jpg)
5. Önkényes, szubjektív kiválasztás
Jellemzői: Szubjektív szempontok alapján történik a minta
kiválasztása. Széleskörű ismeretek esetén jó jellemzőkkel rendelkező
mintát lehet kapni.
![Page 26: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/26.jpg)
Ismételt vagy másodlagos mintavételi eljárások jellemzői
Speciális csoport a gyakorlatban alkalmazott mintavételi módok között.
Elvi alapja az a felismerés, hogy a tényleges mintavétel igen költséges, míg a számítógép használata egyre olcsóbb! → a meglévő kisebb és olcsóbb mintákat számítógépes módszerekkel megtöbbszörözik.
A meglévő mintából újabb mintákat képeznek azért, hogy a mintában lévő információkat jobban kihasználják.
![Page 27: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/27.jpg)
Ismételt vagy másodlagos mintavételi eljárások típusai
1.) Független részminták módszere
2.) Kiegyensúlyozott ismétlések
3.) Jackknife módszer
4.) Bootstrap módszer
![Page 28: 2. hét](https://reader033.vdocuments.pub/reader033/viewer/2022042822/568153ed550346895dc1edf1/html5/thumbnails/28.jpg)
KÖSZÖNÖM A FIGYELMET!