Statisztika I.

GZM, EE, TV szakok

(nappali tagozat)
2012-2013-as tanév I. félév

Oktató:
Dr. Csáfor Hajnalka
tanszékvezető főiskolai docens
Regionális és Környezetgazdaságtan Tsz.
E-mail: hcsafor@ektf.hu
 Té kö ök
Témakörök
„ Statisztikai alapfogalmak
„ Statisztikai elemzések viszonyszámokkal
„ Statisztikai adatok és információk grafikus
megjelenítése
„ M
Mennyiségi
i é i iismérv
é szerinti
i ti elemzés
l é ((számított
á ít tt é
és
helyzeti középértékek, szóródás mutatói,
aszimmetria))
„ Indexszámítás (érték-, ár- és volumenindexek,
területi indexek és indexsorok)
„ Sztochasztikus kapcsolatok vizsgálata (asszociáció
és vegyes kapcsolat)
(Részletesen a tantárgyi programban, ami a GTI honlapján érhető el.)
Köt l ő és
Kötelező é ajánlott
já l tt irodalmak
i d l k
Kötelező irodalom:
„ Dr. Illyésné dr. Molnár Emese: Statisztikai feladatgyűjtemény
I Perfekt Kiadó 2009
I. 2009.
„ Továbbá a zárthelyi dolgozatok anyagát képezik az
előadásokon és szemináriumokon elhangzottak.
Ajánlott irodalom:
„ Korpás Attiláné dr.: Általános statisztika I. Nemzeti
Tankönyvkiadó 2005.
„ Hunyadi László – Vita László: Statisztika I. BA tankönyv AULA
Kiadó Bp. 2009.
„ Molnár Máténé dr. – Tóth Mártonné dr.: Általános statisztika
példatár I.
I Nemzeti Tankönyvkiadó 2005 2005.
Számonkérés és értékelés
„ A gyakorlatokon való részvétel kötelező, a félév során – igazolástól függetlenül –
legfeljebb 3 alkalommal lehet a gyakorlaton való részvételt elmulasztani.

„ A félév folyamán két – egyenként 50 pontos – dolgozat megírására kerül sor. A félév
végi harmadik, gyakorlati jegy pótló dolgozat egy 100 pontos – az egész félév
anyagát felölelő – dolgozat.
A gyakorlatokon
k l t k való ló számonkérések
á ké é k soráná ttovábbi
ábbi pontok
t k szerezhetők.
h tők

„ A két zárthelyi dolgozat – vagy azok sikertelensége esetén a pótló dolgozat – és a

szemináriumokon esetlegesen szerzett pontok alapján a féléves
teljesítményértékelés a következőképpen történik:

88 100 pont
88-100 5 (jeles) 1 ZH: október 17.
1. 17
75-87 pont 4 (jó)
62-74 pont 3 (közepes) 2. ZH: december 5.
50-61 pont 2 (elégséges)
Pót ZH: december 12.
50 pont alatt 1 (elégtelen)
Statisztikai
p g
alapfogalmak
(2012. szeptember 12. 10.00-11.30)
Statisztikai alapfogalmak
„ Statisztika fogalma, tárgya és szerepe
„ St ti tik i sokaság
Statisztikai k á é és iismérv
é
„ Mérési szintek
„ Statisztikai adat és mutatószám
„ Statisztikai sorok
„ Statisztikai táblák
„ Adatfelvétel, adatszerzési módok
„ Kérdőívszerkesztés
„ A statisztikai adatok pontossága
Statisztika fogalma
Tömegesen előforduló jelenségek egyedeire
vonatkozó
tk ó (elméleti
( l él ti és
é gyakorlati)
k l ti) tevékenység:
t ék é
„ adatgyűjtés – gyakorlati tevékenység
„ adatfeldolgozás
tudományosy módszertan
„ adatok
d t k elemzése
l é
a vizsgált jelenség számszerű, tömör jellemzése.
Pl. népszámlálás, földtulajdon-összeírás (gyak.),
vizsgálati
i ál ti módszerek
ód k ki
kiválasztása
ál tá ((elm.)
l )
Statisztika fogalma
A statisztika tárgyát képező tömeges jelenségek között
találunk a hétköznapi életben előforduló és a társadalmi-
gazdasági jelenségeket is, ami alapján megkülönböztetünk:
„ Általános statisztikát és
„ Szakstatisztikákat (gazdaság-, népesség-, ágazati-,
társadalomstatisztika, stb.
A jelenségeket le lehet írni egyszerűbb eszközökkel és
bonyolultabb matematikai-statisztikai módszerekkel. Ennek
megfelelően megkülönböztetünk:
„ Leíró statisztikát és
„ Statisztikai következtetést
Statisztika fogalma
„ Egyidős az állammal…
„ Mo on a XVIII
Mo-on XVIII.sz.
sz az „első
első összeírás”
összeírás
„ XIX.sz. a statisztika komoly fejlődésnek indul:
kialakul az intézményrendszer
intézményrendszer, központi
adatszolgáltatás (Fényes Elek, Kőrösi József)
„ Központi
p Statisztikai Hivatal ((KSH,1867)
, )
„ 1993-as XLVI-os törvény a statisztikáról
„ 223/2009/EK rendelet az európai p statisztikáról
„ Regionális adatszolgáltatás prioritása
(NUTS-1. ország, NUTS-2: régió, NUTS-3: megye)
Statisztikai sokaság és ismérv
„ Statisztikai sokaság:
A megfigyelés tárgyát képező egyedek
összessége. (élőlény, tárgy, intézmény, stb.)
„ Egyedek, egységek: a sokaság legkisebb
részei
„ Sokaság fajtái:
„ diszkrét – folytonos (elkülönült egységek – önkényes elkülönítés)
„ álló – mozgó (időpont – időtartam)
„ véges – végtelen (véges sok elem – végtelen sok elem)
Statisztikai sokaság és ismérv

„ Statisztikai ismérvek:
Olyan vizsgálati szempontok, amelyek
alapján
l já a sokaság
k á egységei
é i jjellemezhetők
ll h ők
és – megkülönböztető
g ismérvek esetén –
egymást nem fedő részekre bontható. Egy
adott ismérv szerinti lehetséges
tulajdonságokat (előfordulási lehetőségeit)
az ismérv változatainak nevezzük
nevezzük.
Statisztikai sokaság és ismérv
„ Ismérvek fajtái (tulajdonság fajtája):
1) Időbeli ismérvek
2) Területi ismérvek
3) Mennyiségi ismérvek
4) Minőségi ismérvek Tárgyi ismérvek

- Alternatív ismérvek
- több változattal rendelkező ismérvek
- Közös ismérvek
- Megkülönböztető
Megkülönbö tető ismér
ismérvek
ek
Mérési szintek
Csak a mennyiségi ismérvek adatai
számadatok, de bizonyos szabályok mellett
minden ismérv lehetséges változatai
számértékké alakíthatók
alakíthatók.

Mérés:
számok meghatározott szabályok szerinti
hozzárendelése jelenségekhez (dolgok
(dolgok,
tárgyak, események), illetve azok bizonyos
tulajdonságaihoz.
tulajdonságaihoz
Mérési szintek
4 féle mérési szintet (skálát) különböztetünk
meg:
„ Névleges/nominális
Né l / i áli mérési
é é i szint
i
„ Sorrendi/ordinális mérési szint
„ Különbségi/intervallum mérési szint
„ Arányskálán történő mérés
Mérési szintek
„ Névleges/nominális mérési szint:
Számok közvetlen hozzárendelését jelenti az
egységekhez.
Ezek ún. kódszámok, amelyek csak a sokaság
egyedeinek
gy azonosítását szolgálják.
g j
(azonosság és különbözőség)
Közük semmilyen reláció nem áll fenn,
fenn és velük
számtani művelet nem végezhető.

Pl: rendszám, irányítószám, megyék száma

Mérési szintek
„ Sorrendi/ordinális mérési szint:
A sokaság egyedeihez – bizonyos közös
tulajdonság alapján – rendelt skálaérték
sorrendisége írja le azok viszonyát.
Az egységhez rendelt számérték sorrendje
pontosan tükrözi az adott egység valamilyen
szempontból vett sorrendjét
sorrendjét.
A számértékek magukban nem hordoznak
információt ((különbségeik
g nem értelmezhetők),
),
csak azoknak a rendje.
Pl: hallgatók osztályzatai,
osztályzatai áruk minőség szerinti
osztályozása, katonai rendfokozat, stb.
Mérési szintek
„ Különbségi/intervallum mérési szint:
Kezdőpontja önkényesen választott
választott.
A skálaértékek sorrendje és különbségei is
i f
információt
á iót h
hordoznak
d k a sokaság
k á egyes
egyedeiről.
A skálán az értékek aránya és összege
nem értelmezhető.
Pl: a +10 és a +20 C fokok közötti különbség
ugyanannyi, mint a -5 és a +5 C ffokok közötti
különbség.
Mérési szintek
„ Arányskálán történő mérés:
A legtöbb információt nyújtó mérés. A kezdőpont
egyértelműen rögzített, ennek köszönhetően két
skálaérték egymáshoz
gy viszonyított
y aránya
y is
meghatározhatóvá válik. Adatain minden
matematikai művelet végezhető.
Az értékek különbségei bizonyos esetekben
csak arányskálával egyetemben értelmezhetők:
800 Æ 1.000 (200 emelkedés) 10.000 Æ 10.200

Pl: életkor,, termelési érték,, jövedelem

j nagysága
gy g
(amelyeket mind 0 értékről kiindulva mérik)
Feladat/1.
Sokaság Egy Ismérv Ismérv- Ismérvfajta/
konkrét változat Mérési
egység skála
A magyar Kiss Réka Születési 1976 Időbeli/
népesség idő intervallum
2007. Lakóhely Budapest Területi/
január nominális
elsején
Nem Nő Minőségi/
nominális
Életkor 29 Mennyiségi/
y g
arány
Feladat/2.
Adottak az alábbi sokaságok:
„ Magyarország népessége 2006. jan.1-jén 10 076 581 fő.
„ A budapesti férfiak sörfogyasztása a 2006-os VB idején.
„ BCE oktatói 2006
2006. szept
szept. 4
4-én.
én
„ Jótékonysági koncertek 2006-ban a Zeneakadémián.

Feladat:
„ Állapítsa meg a sokaságok típusát és egységeit!
Feladat/3.
Döntse el az alábbi ismérvekről, hogy mennyiségi vagy
minőségi
g ismérvek-e!

… Nem (férfi, nő)

… Életkor
Él tk
… Magasság
… Testsúly
… Családi állapot
… Iskolai végzettség
g g
… Foglalkozás
… Bruttó havi fizetés
Statisztikai adat és mutatószám
„ Statisztikai adat: Statisztikai mutatószám:
Az egyedekről Valamilyen
y statisztikai
szerezhető információ. módszerrel a
(szám, vagy rendelkezésre álló
számszerű jellemző) adatokból számított
fogalmi jegy származtatott statisztikai
időbeli azonosító mérőszám.
térbeli azonosító
számérték
mértékegység
(mérés vagy számlálás) Például:

(Havi) Átlagbér Magyarországon 2008-ban bruttó 194.000 Ft/fő/hó

Statisztikai sorok
A sokaság egy ismérv szerinti tömör jellemzése.
j
Sorkészítés célja szerint:
„ Csoportosító sor Valódi statisztikai sorok
„ Összehasonlító sor (azonos fajtájú adatokból)

„ Leíró sor Nem valódi statisztikai sor

(különböző fajtájú adatokból)

Ismérvfajtáknak megfelelően:
Időbeli (tartam-állapot), területi, minőségi, mennyiségi
+ leíró sorok

Sorok készítése: ismérvváltozatok számszerű értékek

Statisztikai sorok
„ Csoportosító Ismérv- Egységek
statisztikai
t ti tik i sor: változatok
ált t k száma
C1 f1
A sokaság belső
C2 f2
összefüggéseit fejezi . .
ki, csoportosítás . .
céljából készül, adatai Ci fi
összegezhetők. . .
Ck fk
(időbeli, területi,
minőségi, mennyiségi) Összesen: N
Statisztikai sorok
„ Például: Hajszín Hallgatók
A teremben ülő hallgatók száma/fő
hajszín szerint. barna 23
szőke 12
fekete 4
minőségi csoportosító
vörös 2
statisztikai sor ősz 2
egyéb 1

Összesen: 44
Statisztikai sorok
„ Összehasonlító Ismérv- Számérték/
statisztikai
t ti tik i sor: változat mértékegység
Összehasonlító C1 adat
adatok
d t k statisztikai
t ti tik i C2 adat
sorba rendezve, . .
összehasonlítási . .
céllal, adataik nem Ci adat
összegezhetők
összegezhetők. . .
Ck adat
(idősor, területi)
Statisztikai sorok
„ Például: egy Havi átlagos
ösztöndíj
f l ő kt tá i
felsőoktatási É
Év
(Ft/hallgató)
intézmény nappali
tagozatos
2004 12.600 Ft
hallgatóinak átlagos
2005 13.200 Ft
havi ösztöndíja 2004
2006 13.800 Ft
és 2010 között 2007 14.100 Ft
2008 14 000 Ft
14.000
Összehasonlító 2009 14.200 Ft
időbeli sor 2010 15.000 Ft
Statisztikai sorok
Statisztika sorok kellékei:
„ Cím (sokaság pontos megnevezése,
megnevezése a közös
ismérvek felsorolása)
„ T l jd
Tulajdonságok,
á k iismérvváltozatok
é ált t k ffelsorolása
l lá
„ Ismérvváltozatoknak megfelelő gyakoriságok
felsorolása
„ Összesen rovat ((csak a csoportosító
p sor
estében)
„ A forrás megnevezése
Statisztikai táblák
Statisztikai sorok összefüggő
gg rendszere.
„ Egyszerű tábla (összehasonlító és/vagy leíró sorok)
Nincs csoportosító sora
sora, egy adata
adata, egy statisztikai sor
tagja.
„ Csoportosító tábla (csoportosító és/vagy összehasonlító
vagy leíró sorok)
Egyirányú csoportosítást tartalmaz, egy adata egy
statisztikai sor tagja.
„ Kombinációs tábla (csoportosító sorok)
Csak csoportosító sorokat tartalmaz, egy adata
egyidejűleg több statisztikai sor tagja.
Statisztikai táblák
„ Egyszerű statisztikai tábla

Egy
gy városban az orvosellátottság
g alakulása:
Év Orvosok száma Lakosok száma Egy orvosra jutó
(fő) (fő) lakosok száma
1990 240 80 000 333,3

1999 360 100 000 277,8

Statisztikai táblák
„ Csoportosító statisztikai tábla

Búzatermelés adatai 1991-ben:

Körzet Termés Termésátlag
(ezer tonna) (t/ha)
Dunántúl 2000 5,2
Alföld 3000 5 31
5,31
Észak 705 4,71
Összesen 5705 …
Statisztikai táblák
„ Kombinációs statisztikai tábla
Egy felsőfokú intézmény nappali tagozatos hallgatónak jegyei statisztikából
1991/1992 II. félév:

Osztályzat A B C Összesen
kar hallgatóinak megoszlása

5 19 23 19 61
4 32 49 40 121
3 24 36 56 116
2 20 36 82 138
1 1 2 18 21
Összesen 96 146 215 457
Statisztikai táblák
A statisztikai táblák részei:
„ Oszlop (a táblázat egy oszlopa)
„ Sor (a táblázat egy sora)
„ Rovat (sor és oszlop találkozása)
„ Fejrovat (a táblázat első sora, mely szövegesen
tartalmazza az egyik ismérv változatait)
„ Oszloprovat (a táblázat első oszlopa, mely szövegesen
tartalmazza a másik szerinti ismérvváltozatokat)
„ Összegrovat (a sorok és oszlopok összességét
t t l
tartalmazza))
Statisztikai táblák
Dimenziószám:
Azt mutatja, hogy a tábla egy statisztikai adata
egyidejűleg hány statisztikai sor tagja.
Tábl ké íté szabályai:
Táblakészítés bál i
„ Cím (azonosítókkal!, idő, hely, stb.)
„ Old l
Oldalrovatok
t k (f
(fejrovat
j té
és oszloprovat)
l t) megnevezése
é
„ Egy rovat sem üres (--, ●(●); … , 0,0)
„ Megjegyzés (ha valamely rovatában lévő adat eltérő
mértékegységű)
„ Forrásmegjelölés
o ás egje ö és ((!))
 Adatszerzési módok

Teljes körű Részleges felvétel

felvétel

Monográfia
g Reprezentatív
p Egyéb részleges
megfigyelések adatfelvétel

Vé et e e
Véletlenen Nem véletlen
Ne vé et e
alapuló (kontrolált)
Kérdőívszerkesztés
„ Alapos szakmai hozzáértés
„ Tömör egyértelmű,
Tömör, egyértelmű könnyen megválaszolható kérdések
„ Főleg feleletválasztós (karikázós, x-elős és kevés
kifejtendő
j választ igénylő)
g y )
„ Ne legyen túl hosszú
„ Ajánlott
j az anonim adatfelvétel
„ Kompromisszum: csak a legfontosabb dolgokat
kérdezzük
„ Vé l
Véglegesítés
í é előtt:
lő próbalekérdezés
ób l ké d é
„ Ha nyereményhez kötjük, növelhető a válaszadási arány
Adatok pontossága
â
Â
A ± aâ α̂
α =
Â
Mért adat
d Abszolút
b l hibakorlát
hib k l Relatív
l hibakorlát
hib k l
Szignifikáns
g számjegyek:
j gy a pontosnak
p tekinthető
számjegyek
10 k Például Mo. népessége (90-ben):
aˆ ≤ , ahol
h l 10.277 ezer ± 500 fő
2
10 k : a legutolsó
l l ó kiírt
kií szignifikáns
i ifiká számjegy
á j helyértéke
h l é ék
Feladatok (stat.
(stat alapfogalmak)

Perfekt
P f kt Statisztika
St ti tik I.I példatár:
éld tá
„ 57/4, 58/7, 59/9, 60/11, 60/13, 61/14,
61/15, 61/16, 63/20, 63/21, 64/23, 64/26

További gyakorló feladatok az általános

statisztika I.
I (zöld) példatárból:
„ 11/2, 12/3 (sokaság fajtája)
„ 12/4,
12/4 13/5
13/5, 13/6
13/6,13/7,
13/7 14/8
14/8, 14/9
14/9, 14/10
14/10,
15/11 (sokaság és ismérvfajták)
„ 15/13 (százalék és százalékpont)
Statisztikai
elem ések
elemzések
viszonyszámokkal
(2012. szeptember 19. 10.00-11.30)
Viszonyszámok

„ Viszonyszám
y fogalma
g
„ Viszonyszámok fajtái
„ Megoszlási
M lá i é
és kkoordinációs
di á ió
viszonyszámok
„ Dinamikus viszonyszámok
„ Viszonyszámok közötti összefüggések
„ Intenzitási viszonyszámok
y
 Viszonyszámok

Viszonyszám:
y két,, egymással
gy kapcsolatban
p álló
statisztikai adat hányadosa (V)

A , ahol
V= h lAA: a viszonyítás
i ítá tá
tárgya
B (viszonyítandó adat)
B: a viszonyítás alapja

Azonos adatokból (% v. együtthatós) – Különböző fajta adatokból (int.)

Viszonyszámok fajtái
„ Csoportosító sorokból:
… Megoszlási viszonyszámok (Vm)
… Koordinációs viszonyszámok (Vk)

„ Összehasonlító sorokból:
… Dinamikus viszonyszámok (Vd: Vdl és Vdb)
… F l d t és
Feladat- é tteljesítménymutató
lj ít é t tó (Vf és
é Vt)
… Területi összehasonlító (Vö)

„ Leíró sorokból:
… Intenzitási viszonyszámok (Vi)
Viszonyszámok fajtái
„ Megoszlási viszonyszám: rész és egész egymáshoz
viszonyított
y arányát
y fejezi
j ki
„ Koordinációs viszonyszám: a sokaság két részadatát
viszonyítja
„ Dinamikus viszonyszám: idősor adataiból számított
hányados
A (a
( tárgyidősz
á idő ak k adata)
d )
V=
B (a bázis időszak adata)

„ Intenzitási viszonyszám: különböző fajta, különböző

mértékegységű-
gy g de egymással
gy kapcsolatban
p lévő-
sokaság adataiból számított viszonyszám
Viszonyszámok fajtái
„ Megoszlási viszonyszám:

A (a sokaság egy részadata)

Vm =
B (a sokaság egészére vonatkozó adat)

Pl. 26 fiú és 32 lány jár a csoportba, összesen 58 hallgató (100%).

26
Vm = = 0,45 45 % a fiúk aránya
58
Összesen: 100%
32
Vm = = 0,55 55% a lányok arány
58
Viszonyszámok fajtái
„ Koordinációs viszonyszám:
A (viszonyított részadat)
Vk =
B (a viszonyítás alapjául szolg.
szolg részadat)

Pl. mozilátogató
g nők: 1942 fő,, mozilátogató
g férfiak: 1876

1942
Vk = = 1,035 1000 mozilátogató ffi-ra 1035 mozilátogató nő jut
1876
1876
Vk = = 0,966 1000 mozilátogató nőre 966 mozilátogató ffi jut
1942
Viszonyszámok fajtái
„ Koordinációs viszonyszámokból az eredeti
adatok
d t k ismerete
i t nélkül
élkül iis számíthatók
á íth tók
megoszlási viszonyszámok.
A férfiak aránya:

1000 966
Vm = = 49,14 Vm = = 49,14
1000 + 1035 1000 + 966
A nők aránya:
1035 1000
Vm = = 50,85
1000 + 1035 Vm = = 50,86
1000 + 966
Dinamikus viszonyszámok

… Bázisviszonyszám:
Bá i i á y
db / b = t
Vdb
yb

yi
… Láncviszonyszám:
Lá i á Vdl / l =
y i −1
Feladat/1.
Az alábbi táblázatban 2000-2005 közötti
idegenforgalommal kapcsolatos adatok láthatók:

Magyarországra Külföldre utazó „ Elemezze bázis- és

Év érkező külföldiek magyarok
láncviszonyszámokkal a
ezer fő ezer fő Magyarországra érkező
külföldiek és a külföldre
2000 31 141 11 065 utazó magyarok számának
2001 30 679 11 167 alakulását!
2002 31 739 12 966

2003 31 412 14 283

2004 36 635 17 558

2005 38 555 18 622
Megoldás
Megoldás
Di
Dinamikus
ik viszonyszámok
i á k
Viszonyszámok közötti összefüggések:
1. Az első (azaz nulladik) időszakra nem tudunk láncviszonyszámot
számolni
2. Az állandó bázisul választott időszakban a bázisviszonyszám értéke 1,
azaz 100%
3. Az állandó és a bázisul választott időszak után következő időszakban
a bázis és a láncviszonyszám megegyezik
4. Láncból bázis: adott időszak bázisviszonyszáma kiszámolható az
adott időszak és az azt megelőző időszakok láncviszonyszámainak
k
l 2 ⋅ l3 ... ⋅ l k = bk → ∏ l i = bi
szorzataként:

i 2
i=2
5. Bázisból lánc: adott időszak láncviszonyszáma kiszámítható az adott
időszak és az azt megelőző időszak bázisviszonyszámának
há
hányadosaként:
d ké t b i
= li
bi −1
Viszonyszámok közötti összefüggések
Magyarországra érkező külföldiek esetén:

Pl :
Pl.: b 2002 1,, 0192
l2002 = = = 1,
1 0345
b 2001 0,9852

Külföldre utazó magyarok esetén:

Pl.: b 2003 = l2001 ⋅ l2002 ⋅ l2003 = 1, 0092 ⋅1,1611⋅1,1016 = 1, 2908

Viszonyszámok fajtái
Pl. bázisévben (tavaly) 100 autót szereltem össze, erre az évre 120-at
terveztem, de csak 110 lett belőle

„ Feladatmutató viszonyszám:

Tárgyid. tervezett adata 120

Vf = Vf = = 1,2
Bá i id adata
Bázisid. d 100
„ Teljesítménymutató viszonyszám:

Tárgyid. tényleges adata

Tárgyid 110
Vt = Vt = = 91,66
Tárgyid. tervezett teljesítménye 120
Viszonyszámok fajtái
„ Területi összehasonlító viszonyszám:
Viszonyítandó terület adata
Vö =
Viszonyítá
y s alapjául
pj szolg. g terület adata

Pl. Heves megye és BAZ megye népességének

Pl
összehasonlítása:

Heves megye népessége 328000

Vö = = = 0, 4437
gy népessége
BAZ megye p g 739143
 Intenzitási viszonyszám
Vi = A/B
A/B, megmutatja,
megmutatja hogy a vizsgált jelenség milyen
intenzitással fordul elő valamely más jelenség
környezetében.
környezetében
ƒ Sűrűségmutatók:
Pl: népsűrűség, 1 négyzetkilométerre jutó lakos szám
ƒ Ellátottságot kifejező mutatók:
Pl orvossall való
Pl: ló ellátottság
llát tt á
ƒ Színvonalmutatók:
Pl: 1 főre jutó átlagkereset,
átlagkereset 1 dolgozóra jutó
termelési érték, 1 főre jutó GDP
ƒ Arányszámok:
Pl: 100 főre jutó születések száma, halálozási arányszám
Intenzitási viszonyszám
„ Egyenes intenzitási viszonyszám:
A mutató színvonalának alakulása egybeesik az int.
y
viszonyszám növekedésével.
Pl: orvosok száma / lakosok száma (ezer fő)
((1000 lakosra jjutó orvosok száma))
„ Fordított intenzitási viszonyszám:
Amikor a jelenség színvonala javul, akkor a fordított int.
viszonyszám értéke csökken.
Pl: lakosok száma (e fő) / orvosok száma
(1 orvosra jutó lakosok száma)
Intenzitási viszonyszám
„ Nyers intenzitási viszonyszám:
(a teljes sokasághoz viszonyítunk)
Pl: tejhozam / tehenek száma
dolgozók / hallgatók

„ Tisztított intenzitási viszonyszám:

(csak a jelenséggel szorosan kapcsolatban álló részhez
viszonyítunk)
Pl: tejhozam / tejelő tehenek száma
oktatók / hallgatók
 Viszonyszámok gyakorlása
A következő adatok az 1998. évi statisztikai évkönyvből származnak:
ƒ Az egy fő
A főre jjutó
tó GDP 1998
1998-banb 4694 USD volt, lt amii az előző
lő ő évinél
é i él
5,1%-kal volt több.
ƒ Az építőiparban a 100 fizikaira jutó szellemi foglalkozásúak száma
29 fő, a fizikaiak aránya pedig 77, 4% volt 1998-ban.
ƒ 1998-ban az 1000 lakosra jutó születések száma 9,6 volt.
ƒ A felsőoktatásban egy oktatóra 12,1 hallgató jutott 1998-ban.
ƒ A PSZF-en 1998-ban oklevelet szerzett hallgatók 61,9%-a nő volt.
ƒ Budapest népessége 1990-ről 1999-re (január 1-jei adatok alapján
8,8%-kal csökkent.
ƒ 1998 b az egy fő
1998-ban főre jjutó
tó é
évii átl
átlagos gyümölcsfogyasztás
ü öl f tá 62
62,66 kkg
volt.

Feladat: Nevezze meg a felsorolt viszonyszámok fajtáit és jelölje meg

kiszámításuk módját! (Zöld példatár 19/22)
Feladatok (viszonyszámok)
Perfekt Statisztika II. példatár:
„ 72/39, 73/41, 73/43, 76/48
„ 66/28, 67/30, 68/32, 69/33, 75/47, 78/52,
78/53 , 79/54, 80/56
További gygyakorló feladatok az általános
statisztika (zöld) példatárból:
„ 16/15, 17/18, 18/20, 19/23
„ 15/13 (százalék és százalékpont),
„ 43/81,
43/81 43/82,
43/82 41/77,
41/77 41/78,
41/78 42/79,
42/79 42/80
(viszonyszámok és összefüggéseik)
Népességstatisztikai
p g
definíciók
Definíciók
„ Lakónépesség: az adott területen
lakóhellyel rendelkező
rendelkező, és másutt
tartózkodási hellyel nem rendelkező
személyek valamint az ugyanezen
személyek,
területen tartózkodási hellyel rendelkező
személyek
y együttes
gy száma.

„ Természetes szaporodás (fogyás): az

élveszületések és a halálozások
különbözete.
Definíciók
„ Tényleges szaporodás (fogyás): a
természetes szaporodás (fogyás) és a
vándorlási
á d lá i (b
(belföldi
lföldi é
és nemzetközi)
tkö i) külö
különbözet
bö t
(+,–) összege.
„ Gyermeknépesség eltartottsági rátája: a
gyermeknépesség (0–14 éves) a 15–64 éves
népesség g százalékában.
„ Idős népesség eltartottsági rátája: az idős
népesség (65–X éves) a 15–64 éves népesség
százalékában.
százalékában
„ Eltartott népesség rátája: a gyermeknépesség
(0–14 éves) és az idős népesség (65–X éves) a
15–64 éves népesség százalékában.
Definíciók
„ Öregedési index: az idős népesség (65–
X éves) a gyermeknépesség (0–14 (0 14 éves)
százalékában.
„ Házasságkötés: a hivatalosan eljáró
anyakönyvvezető előtt – két tanú
jjelenlétében – kötött házasság.g
„ Válás: a jogerőre emelkedett bírói ítélettel
felbontott vagy
gy érvénytelenített
y házasság.
g
Jogerőre az a házasságot felbontó vagy
érvénytelenítő ítélet emelkedett, amely
ellen
ll további
ábbi jjogorvoslatnak
l khhelye
l nincs.
i
Definíciók
„ Élveszületés: (az ENSZ ajánlása szerint)
É
olyan magzat világrajövetele, aki az
él t k valamilyen
életnek l il jjelét
lét ((mint
i t lé
légzés
é vagy
szívműködés, illetőleg köldökzsinór-
pulzáció) adja
adja, tekintet nélkül arra
arra, hogy
mennyi ideig volt az anya méhében és
mennyi ideig éltélt.
„ Teljes termékenységi arányszám: azt
fejezi ki
ki, hogy az adott év kor szerinti
születési gyakorisága mellett egy nő élete
folyamán hány gyermeknek adna életet életet.
Definíciók

„ Halálozás: az élet minden jjelének végleges

g g
elmúlása az élveszületés megtörténte után
bármikor, azaz az életműködésnek a születés
utáni megszűnése
megszűnése, a feléledés képessége nélkül
nélkül.

„ Halálok: mindazon betegség

betegség, kóros állapot vagy
sérülés, amely vagy eredményezte, vagy
hozzájárult
j a halálhoz ((halálozáshoz),
) valamint
olyan baleset vagy erőszak körülménye, amely
halálos sérülést okozott.
Definíciók
„ Várható átlagos élettartam: azt fejezi ki, hogy
a különböző életkorúak az adott év halandósági
viszonyai mellett még hány évi élettartamra
számíthatnak.
„ Csecsemőhalálozás: az élveszületést követően
az egyéves
gy kor betöltése előtt bekövetkezett
halálozás. A halvaszülött és a születésének
évfordulóján
j meghalt
g gy
gyermek nem
csecsemőhalott.
„ Csecsemőhalálozási arányszám: ezer
élveszülöttre jutó egy éven aluli meghalt.
G fik ábrázolás
Grafikus áb á lá
Grafikus ábrázolás
Az adatok megjelenítésének, szemléltetésének
fontos eszköze. Információ megjelenítése képi
formában (megérteni és készíteni is fontos)
formában.

Alapelvei:
„ Áttekinthetőség (csak azt mutassa, amire szolgál)
„ Célorientáltság és homogenitás
„ Egyszerűség
„ Rekonstruálhatóság
„ Optikailag semleges méretezés
„ Cím,
Cím egyértelmű jelmagyarázatok
jelmagyarázatok,
mértékegységek, forrásra való hivatkozás szüks.
G fik ábrázolás
Grafikus áb á lá
„ Bizonyos elemzési
Bi l é i eszközökhöz
kö ökhö bi bizonyos
ábrázolási módok tartoznak.
„ Általában
Ált láb szoftverekkel
ft kk l ((speciális
iáli rajzoló
j ló
szoftverekkel) készülnek.

A grafikus ábrák fajtái:

1. Koordináta-rendszeren alapuló ábrák
2. Nem koordináta-rendszeren alapuló
ábrák
Grafikus ábrázolás
Koordináta-rendszeren alapuló ábrák:
„ Pontdiagram
„ Bot-ábra
Bot ábra
„ Vonaldiagram
„ Oszlopdiagram (hisztogram)
„ Szalagdiagram
„ Sugárdiagram
g g
 Grafikus ábrázolás
„ Pontdiagram: két egymással összefüggésben lévő
mennyiségi ismérv értékeinek ábrázolása
koordinátarendszerben. (idő és menny. sorok)
Grafikus ábrázolás
„ Bot ábra: gyakorisági soroknál, ha kevés
és diszkrét a mennyiségi ismérv
Grafikus ábrázolás
„ Vonaldiagram:
o a d ag a idősorok
dőso o ada
adatainak
a a
koordinátarendszerben való ábrázolása.
G akorisági soroknál poligonnak ne
Gyakorisági nevezzük.
e ük
Grafikus ábrázolás
„ Oszlopdiagram: összehasonlítás az oszlopok
magasságával.
á á l (ö
(összehasonlítás)
h lítá )
Grafikus ábrázolás
Osztott
O t tt oszlopdiagram:
l di a csoportosító
t ító sorokk
ábrázolásának eszköze, az összehasonlítandó
oszlopon
l b
belül
lül a megoszlás
lá tterületarányos
ül t á
ábrázolása.
Grafikus ábrázolás
Hisztogram:
Mennyiségi sor
esetén az
oszlopok között
nincs hézag
Grafikus ábrázolás
„ Szalagdiagram:
Az
oszlopdiagram
az X és Y
tengelyeinek
felcserélésével
kapjuk.
kapjuk
Grafikus ábrázolás
Korfa:
A szalagdiagram
speciális
alkalmazása a korfa,
amely egy összetett
szalagdiagram.
Grafikus ábrázolás
„ Sugárdiagram: poláris
koordináta rendszeren
alapul, önmagában
ss até ő cciklikus
visszatérő us
folyamatok esetében
célszerű alkalmazni,
vagy ha szerkezeti
változásokat
szeretnénk kiemelni.
kiemelni

A magyar népesség
korösszetételének változása
G fik ábrázolás
Grafikus áb á lá
Néhány nem koordináta-rendszeren
Néhá k di át d
alapuló ábra:
„ Kördiagram
„ Kartogram
K t
„ Kartodiagram
g
„ Ponttérkép
„ Piktogram
Pikt (fi
(figurális
áli áb
ábrázolás)
á lá )
„ Box
o & whiskers
s e s áb
ábra a ((kvartilis
a se eloszlás)
os ás)
Grafikus ábrázolás
„ Kördiagram: megoszlás ábrázolása körcikkek
segítségével. Mind szerkezetet, mind pedig
abszolút nagyságot
gy g tud jjellemezni ((megoszlások,
g ,
összehasonlítás)
Grafikus ábrázolás
„ Kartogram: területi sorok ábrázolása térképen,
az egyes régiók
é iók eltérő
lté ő színeivel
í i lé érzékelteti
ék lt ti a
köztük lévő különbséget.
Grafikus ábrázolás
„ Kartodiagram:
t ül ti sorok
területi k
esetén
alkalmazható,
lk l h tó az
egyes földrajzi
egységek
é k adatait
d t it a
térképen
elhelyezett
lh l tt
diagrammal
áb á lj
ábrázolja.
Grafikus ábrázolás
„ Ponttérkép: a
t ül ti sorok
területi k
szemléltetésére
h
használható,
álh tó a
pontok
sűrűsége
ű ű é az
adott területhez
t t ó adat
tartozó d t
nagyságára
utal.
t l
Grafikus ábrázolás
„ Piktogram:
figurális
ábrázolás, mely
a jelenséget
megtestesítő
különböző
nagyságú
figurák alapján
fejezi ki a
nagyságrendi
relációt.
Grafikus ábrázolás

x mini Q1 Me Q3 x max

„ Box & whiskers ábra: a kvartilis eloszlás (az

(
adatok nevezetes osztópontjainak, jelen
esetben negyedelő
gy p
pontjainak
j a helyzetét)
y )
szemlélteti.
Mennyiségi ismérv
szerinti elemzés (1)
( )
(2012. szeptember 26. 10.00-11.30)
LEÍRÓ statisztika
A leíró statisztika: olyan módszerek és mutatószámok,
amelyek segítségével akár egy nagyobb sokaságot, akár
egy mintát viszonylag könnyen és jól lehet valamilyen
mennyiségi ismérv szerint tömören,
tömören egy mutatószámmal
jellemezni.
A sokaság (vagy minta) tömör jellemzése alapvetően 3
szempont szerint történhet:
1. Kö é é ték k a sokaság/minta
Középértékek: k á / i t jjellemző
ll őéértékének
téké k éés
értékeinek meghatározása
2
2. Szóródás: adatok különbözőségének vizsgálata
3. Alakmutatók: a gyakorisági görbe alakjának a vizsgálata
4
4. További elemzési módszerek: koncentráció,
koncentráció idősorok
elemzése átlagokkal
G k i á i sorok
Gyakorisági k
A mennyiségi ismérv szerint csoportosító sorokat
gyakorisági soroknak nevezzük.
A gyakorisági sorok fajtái:
„ Rangsor: ha kevés számú diszkrét mennyiségi
ismérv szerint csoportosítjuk a sokaságot.
(amikor az összes ismérvváltozat felsorolható a
gyakoriságokkal.)
„ Osztályközös gyakorisági sor: folytonos,
folytonos
illetve sok változattal rendelkező diszkrét ismérv
szerinti csoportosításkor
csoportosításkor, a csoportokat
osztályközökkel (intervallumokkal) adjuk meg.
 Ha egyedi értékek
vannak,k pl.
l 3bbarátnő
á ő
Gyakorisági sorok statisztika dolgozatának
átlaga:
E d é
Eredményeik: ik 1
1, 5
5, 3
Példa rangsorra: Átlag=9:3= 3

Egy 20 fős szemináriumi csoport érdemjegyei statisztikából

Érdemjegy Hallgatók száma/fő

(x) (f)
x: átlagolandó
5 3 érték
4 8 f gyakoriság
f: k i á
3 6
2 2
1 1
Összesen 20
G k i á i sorok
Gyakorisági k
Példa osztályközös gyakorisági sorra:
Egy Heves megyei település lakásállományának vizsgálata a lakások
értéke szerint millió Ft-ban (1998-ban):

Lakások értéke (millió Ft) Lakások száma (db)

(x) (f)
3 0 – 4,
3,0 4 5 12
4,5 – 6,0 20
6,0 – 7,5 30
7,5 – 10,0 27
10, 0 – 13,0 11
Összesen 100
G k i á i sorok
Gyakorisági k
Példa osztályközös gyakorisági sorra:
Egy Heves megyei település lakásállományának vizsgálata a lakások
értéke szerint millió Ft-ban (1998-ban):

Osztályközepek Lakások értéke (millió Ft) Lakások száma (db)

(x)! (x) (f)
3,75
, 3,0
, – 4,, 5 12
5,25 4,5 – 6,0 20
6,75 6,0 – 7,5 30
8,75 7,5 – 10,0 27
11,50 10, 0 – 13,0 11
Öss esen
Összesen 100
 Gyakorisági sorok
Oszt. Lakásár Lakások f’ f” g g’ g” s s’ s’’ z z’ z”
közép (m Ft) száma ((f%)) (s%)
(db)
(fx)
(x)! (x)
(f)

3,75 3,0 – 4,5 12 12 120 10,0 10,0 100,0 45,00 45,00 945,25 4,8 4,8 100.0

5,25 4,5 – 6,0 20 32 108 16,5 26,5 90,0 105,00 150,00 900,25 11,1 15,9 95,2

6 75
6,75 6 0 – 7,5
6,0 75 30 62 88 25 0
25,0 51 5
51,5 73 5
73,5 202 50
202,50 352 5
352,5 795 25
795,25 21 4
21,4 37 3
37,3 84 1
84,1

8,75 7,5 – 10,0 27 89 58 22,5 74,0 48,5 236,25 588,75 592,75 25,0 62,3 62,7

11,50 10,0 – 13,0 31 120 31 26,0 100,0 26,0 356,50 945,25 356,50 37,7 100.0 37,7

Összesen 120 - - 100,0 - - 945,25 - - 100.0 - -

 1) Középértékek

Számított Helyzeti
középértékek középértékek:
(átlagok) ƒ módusz
ƒ számtani átlag ƒ medián
ƒ harmonikus átlag ƒ kvartilisek
ƒ mértani átlag
ƒ négyzetes átlag
 Középértékekkel szembeni
követelmények
x mini < K < x max

1. közepes helyet foglaljon el az értékek között

2. tipikus érték legyen: álljon közel az előforduló
értékek zöméhez
3. legyen pontosan definiálva
4. könnyen értelmezhető legyen
5. számítása egyszerűen elvégezhető legyen
 Átlagok

„ Súlyozatlan/egyszerű átlagot számítunk:

ha az értékek csak egyszer fordulnak elő
(
(egyedi
di é
értékek)
ték k) vagy ugyanannyiszor
i

„ Súlyozott átlagot számítunk:

ha az értékek többször fordulnak elő és
nem ugyanannyiszor)
gy y )
 Egyszerű átlag
Az értékek többször, de
Az értékek egyszer fordulnak elő:
gy y
ugyanannyiszor fordulnak elő:
Érdemjegy Hallgatók Érdemjegy Hallgatók
(x) száma/fő (x) száma/fő
(f) (f)
5 1 5 2
4 1 4 2
3 1 3 2
2 1 2 2
1 1 1 2
Összesen 5 Összesen 10
Súlyozott átlag
Az értékek többször, de nem
ugyanannyiszor fordulnak elő:

Érdemjegy Hallgatók száma/fő

((x)) ((f))
5 3
4 8
3 6
2 2
1 1
Összesen 20
 Átl
Átlagok
k

Súlyozatlan Súlyozott
Számtani
x=
∑ x i
x=
∑ fx i i
x n n
Harmonikus x=
n
x =
∑ fi
1
x h
∑x ∑
fi
xi
i

Mértani
x = ∏ xi x = ∏ xi
n n fi
xg

∑x ∑
2 2
Négyzetes x=
i
x=
f i xi
xq n ∑f i
Ugyanazon pozitív értékekből számított
átlagok nagyságrendje

x min ≤ x h ≤ x g ≤ x ≤ x q ≤ x max

x h
és
xg érzékeny a kiugróan alacsony értékekre

x és xq érzékeny a kiugróan magas értékekre

Példa/1: ((egyszerű/súlyozatlan
gy y átlagok
g – az értékek
csak egyszer fordulnak elő (egyedi értékek) vagy
ugyanannyiszor)
Az átlagolandó értékek: 3, 4, 5, 8 – az értékek egyszer
fordulnak elő
(vagy: 3, 3, 4 ,4, 5, 5, 8, 8 – az értékek többször, de
ugyanannyiszor fordulnak elő)
Feladat
a) Számítsa ki a számtani, a harmonikus, a mértani és a
égy etes át
négyzetes átlagot!
agot
b) Hasonlítsa össze a kapott eredményeket!
c) Állapítsa meg ugyanazon pozitív számokból számolt átlagok
j
sorrendjét!
d) Amennyiben az átlagolandó értékek között szerepelne még
egy kiugróan alacsony érték (pl. 1), akkor mely átlagok
reagálnának rá érzékenyen?
e) Mely átlagok értékét befolyásolja jobban, ha az átlagolandó
értékek között még egy kiugróan magas érték (pl. 32) is
található?
Megoldás

Számtani átlag: Mértani átlag:

3+ 4+5+8 x g = 4 3 ⋅ 4 ⋅ 5 ⋅ 8 = 4.681
x= =5
4
Harmonikus átlag: Négyzetes átlag:

4
xh = = 4.404 32 + 42 + 52 +82 114
1 1 1 1 xq = = = 28,5 = 5.339
+ + + 4 4
3 4 5 8
Példa/2 (súlyozott
Példa/2: ( úl tt átlag
átl – az értékek
é ték k több
többször
ö
fordulnak elő és nem ugyanannyiszor)

Az átlagolandó értékek és a hozzájuk tartozó

súlyok:
( xi ) adatok: 3, 4, 5, 8
( f i ) gyakoriság: 4, 4, 1, 1

Feladat:
a)) Számítsa
S á í ki a számtani,
á i ahharmonikus,
ik a
mértani és a négyzetes átlagot!
 Megoldás

Számtani átlag
g Mértani átlag:

4 ⋅ 3 + 4 ⋅ 4 + 1⋅ 5 + 1⋅ 8
x= = 4.1 x g = 10 34 ⋅ 4 4 ⋅ 51 ⋅ 81 = 3.907
10

Harmonikus átlag: Négyzetes átlag:

10 10
= 3.762 x = 4 ⋅ 3 + 4 ⋅ 4 + 1⋅ 5 + 1⋅ 8 = 4.347
2 2 2 2
xh = =
4 4 1 1 2.658
+ + +
q
10
3 4 5 8
A számtani átlag néhány tulajdonsága
1
1. ∑ (x i )
− x = 0 Æ az átlagtól vett eltérések
(előjeles hibák) összege nulla
2. négyzetes minimum tulajdonság:
∑ (x i − A ) = minimum , ha A= x
2

3. az átlagolandó értékek additív transzformációjával (ha

minden átlagolandó értékhez hozzáadunk egy konstans
értéket) az átlag is a transzformációnak megfelelően nő
vagy csökken
4. az átlagolandó értékek multiplikatív transzformációjával
(ha minden átlagolandó értéket megszorzunk egy
k
konstans
t elemmel)
l l) az átl
átlag iis a ttranszformációnak
f á ió k
megfelelően változik
Számtani átlag előnyei
„ Számítása egyszerű, tömör, világos
„ Minden adathalmazból kiszámítható, és csak
egy van belőle
„ Ugyanazon típusú számszerű jellemzők
összehasonlítását teszi lehetővé sokaság
g vagy
gy
minta esetén
„ Kiszámításához nem szükséges az egyedi
értékek számszerű ismerete, elegendő azok
összegét tudni
tudni.
Számtani átlag hátrányai
„ Kiugróan magas, vagy kiugróan alacsony egyedi
értékek (outlier-ek) esetén az átlag „torz” lehet, és
nem jellemzi
j ll i jól a sokaságot
k á t , ugyanis i az adatok
d t k
többségétől eltér
„ O ál kö ö gyakori
Osztályközös k i sornál
ál nem tudunk
d k pontos
átlagot számolni, az így kiszámított (osztályközepek
felhasználásával) érték csak becslés/közelítés
becslés/közelítés.
„ Nyitott osztályközök esetén (amikor az osztályköz
h
hosszúságát
ú á át akkorának
kk á k ttekintjük,
ki tjük mint
i t az alsó
l ó vagy
a felső szomszédos osztályköz) az általunk
meghatározott alsó vagy felső határnál kisebb vagy
nagyobb értékeket figyelmen kívül hagyjuk.
 Medián
az az ismérvérték, amelyiknél az összes előforduló ismérvérték
fele kisebb, fele nagyobb. (rangsorba rendezett adatok közül a
középső elemhez tartozó ismérvérték)
a) meghatározása egyedi értékekből (amiket először
rangsorolni kell): páratlan tagszám esetén az n 2+ 1 -edik edik
érték, páros tagszám esetén (amikor a sorszám két érték
közé esik), akkor az érintett 2 érték ( n -dik és az n + 1 -dik
2 2
tagok) számtani átlaga.
b) Meghatározása diszkrét mennyiségi ismérvek gyakorisági
rangsorából: az n 2+ 1 -dik taghoz tartozó ismérvérték
(páratlan tagszám esetén), páros tagszám esetén a két
középső taghoz tartozó ismérvértékek számtani átlaga.
c) becslése osztályközös gyakorisági sorból:
osztópont: n n
− f me' − 1
2 Me = x me 0 + 2 ⋅ h me , ahol
f me : a medián osztályközének a gyakorisága,
fme

f 'me−1 : a medián osztályközét megelőző osztályköz kumulált gyakorisága

Medián előnyei
„ Egyértelműen meghatározható, minden
adathalmaznak
d th l k lét
létezik
ik mediánja,
diá j éés csakk egy
van belőle.
„ A medián rangsorba rendezett minőségi
ismérvekből is megállapítható
„ A medián értéke független a szélső értékektől.
Kiugróan
g magas
g vagy gy alacsonyy értékek esetén
(amelyekre nem érzékeny) jobban jellemzi a
sokaságot
g mint a számtani átlag.g
Medián hátrányai
„ Csak rangsorba rendezett értékekből állapítható
meg
„ Ha egy minta alapján akarunk következtetni a
teljes sokaságra, akkor a számtani átlag
matematikai-statisztikai szempontból
alkalmasabb mutatószám.
Módusz
„ rangsor (diszkrét ismérv) esetén:
a leggyakrabban előforduló érték
„ f l t
folytonos ismérv
i é esetén:té
a gyakorisági görbe maximumához tartozó
érték
A módusz
„ a kiugró, extrém értékekre érzéketlen
„ nem mindig g létezik (p
(például,, ha minden érték
egyforma valószínűséggel fordul elő)
„ Ha több különböző érték azonos gyakorisággal
fordul elő, akkor több módusz is lehet.
 Módusz becslése
osztályközös gyakorisági sorból

k1
Mo = xmo0 + ⋅ hmo , ahol
k1 + k2
x mo 0: a móduszt tartalmazó osztályköz alsó határa
k1 = f mo − f mo −1
k 2 = f mo − f mo +1
hmo : a móduszt tartalmazó osztályköz hossza

Nem egyenlő osztályközök esetén a módusz becslése f* átszámított

gyakoriságok
k i á k alapján
l já történik.
tö té ik
Módusz előnyei és hátrányai

Előnyök:
„ Mennyiségi jellemzők esetén is használható
„ Hasonlóan a mediánhoz, nem érzékeny a szélső,
kiugró értékekre

Hátrányok:
„ Sok esetben nem alkalmas a sokaságg
jellemzésére, mert nem minden esetben létezik,
és van hogy
gy több is van belőle.
Példa/1 (egyedi
Példa/1. ( di é
értékek)
ték k)

Egy bp.-i lakóparkban télen megkérdezték a 3 szobás

l ká k ttulajdonosait,
lakások l jd it h
hogy mennyii volt
lt az előző
lő ő havi
h i
rezsiköltségük. Az alábbi adatokat kapták ezer Ft-ban:

75, 64, 69, 80, 76, 77, 86, 79, 65, 72, 73, 75, 75, 70

Feladat:
Jellemezzük a 3 szobás lakástulajdonosok előző havi
rezsiköltségét az adott esetben felhasználható
középértékekkel!
ö épé té e e (át (átlag,
ag, módusz,
ódus , medián)
ed á )
Megoldás
Számtani átlag: A lakástulajdonosok előző havi
75 + ... + 70 átlagos rezsiköltsége 74 ezer Ft.
X= = 74
14
Rangsor készítése:
64 65
64, 65, 69
69, 70
70, 72
72, 73
73, 75,
75 75
75, 75
75, 76,
76 77
77, 79
79, 80
80, 86

Medián: Me=75 ezer Ft ÆA lakástulajdonosok

n + 1 15 felének 75 ezer Ft-nál kevesebb (a
= = 7,5
2 2 lakástulajdonosok másik felének pedig
75 ezer Ft-nál nagyobb) volt az előző
havi rezsiköltsége.

Módusz: A legtöbb lakástulajdonos előző havi

Mo=75 ezer Ft rezsije 75 ezer Ft.
Példa/2. (egyenlő osztályközök)
Egy benzinkútnál a napi eladott mennyiség szerint
a személygépkocsik megoszlása a következő volt:
Értékesített benzin mennyisége (liter) Gépkocsik száma
10 – 19 10
20 – 29 28
30 – 39 42
40 – 49 15
50 – 59 5
Összesen 100

Feladat:
Számítsa ki és értelmezze az átlagot!
Becsülje meg a mediánt és a móduszt, és írja le jelentésüket!
Megoldás
Értékesített benzin Gépkocsik Osztály- Kumulált
mennyisége (liter) száma közép gyakoriság
10 – 19 10 15 10
20 – 29 28 25 38
30 – 39 42 35 80
40 – 49 15 45 95
50 –59
59 5 55 100
Összesen 100 --- ---

x=
∑ fxi i
=
10 ⋅15 + 28 ⋅ 25 + ... + 5 ⋅ 55
= 32,7
∑f i 100 liter

A gépkocsik átlagosan 32,7

32 7 litert tankoltak a benzinkútnál
az adott napon.
Megoldás
Medián:
sme= n = 100 = 50 és f ≥ 50 → Me a 3
'
3. osztályközben van
2 2
n
− f ' me−1 50 − 38
Me = xme,0 + 2 hme = 30 + ⋅ 10 = 32,86
, liter
f me 42

A gépkocsik fele 32,86 liter benzinnél kevesebbet tankolt,

a gépkocsik másik fele pedig ennél többet az adott napon.
Módusz: 3. osztályközben van
k1 (42− 28)
Mo= xmo,0 + ⋅ hmo = 30+ ⋅10= 33,41 liter
k1 + k2 (42− 28) + (42−15)
A legtöbb kocsi 33,41 liter benzin körüli mennyiséget
tankolt az adott napon.
Példa/3. (nem egyenlő osztályközök)
1999 b az átl
1999-ben átlagkeresetek
k t k alakulása
l k lá egy vállalatnál
áll l t ál
Keresetek (ezer Ft) Létszám
40 – 50 12
50 – 60 20
60 – 80 34
80 – 100 32
100 – 150 14
150 – 200 3
Összesen 115

Feladat:
S á ít ki és
Számítsa é éértelmezze
t l az átl
átlagot!
t!
Becsülje meg a mediánt, a móduszt és a kvartiliseket és írja le jelentésüket!
 Csak a
MÓDUSZHOZ!
Megoldás
g
Keresetek Létszám Osztály- Kumulált f* (új oszt.köz=
(ezer Ft) (f) közép gyakoriság 20e Ft)
(x) (x) (f’)
40 – 50 12 45 12 24
50 – 60 (Q1),(Mo) 20 55 32 40
60 – 80 (Me) 34 70 66 34
80 – 100 (Q3) 32 90 98 32
100 – 150 14 125 112 5,6
150 – 200 3 175 115 12
1,2
Összesen 115 --- --- ---

x=
∑ fx i i
=
45⋅12 + 55⋅ 20 + ... + 175⋅ 3
= 75,1eFt
f *=
gyakoriság
eredeti oszt. köz h.
⋅ új oszt. köz h.
∑f i 115
A vállalatnál a dolgozók átlagosan 75,1 ezer Ft-ot keresnek.
Megoldás
Medián:
sme= n = 115 = 57,5 ((A Me 3. osztályközben
y van.))
2 2
n
− f ' me−1 57 ,5 − 32
Me = xme,0 + 2 =
hme 60 + ⋅ 20 = 75 ezer Ft
f me 34

A dolgozók fele 75 ezer Ft-nál kevesebbet keresett,

(a másik fele pedig ennél többet) az adott évben.
n 115
Alsó kvartilis: = = 28,75 (A Q1 a 2. osztályközben van.)
4 4
n
− f 'q1−1 28,75−12
Q1 = xq1,0 + 4 ⋅ hq1 = 50+ ⋅10= 58,375 ezer Ft
20
fq1
A dolgozók negyede 58,4 ezer Ft-nál kevesebbet keresett,
(három negyede pedig ennél többet) az adott évben.
Megoldás
Felső kvartilis:
sq3= 3n = 3 ⋅115 = 86,25 ((A Q3 4. osztályközben
y van.))
4 4
3⋅ n
− f ' q3−1 86,25 − 66
Q3 = xq3,0 + 4 hq3 = 80 + ⋅ 20 = 92,65eFt
f q3 32
A dolgozók negyede 92,65 ezer Ft-nál többet keresett,
(a három negyede pedig ennél kevesebbet) az adott évben.
évben

Módusz: (A Mo a 2. osztályközben van.)

k1 (40−24)
Mo= xmo,0 + ⋅ hmo = 50+ ⋅10= 57,27eFt
k1 + k2 (40−24) +(40−34)

A dolgozók legtöbbje 57,27 ezer Ft-ot keresett az adott évben.

Mennyiségi ismérv
szerinti elemzés (2)
( )
(2012. október 3. 10.00-11.30)
2) S
Szóródás
ó ódá
Az értékek különbözőségét, változékonyságát nevezzük
szóródásnak.
Az értékek különbözősége egyrészt az értékek egymástól való
külö bö ő é é másrészt
különbözőségén, á é t valamely
l l kö
középértéktől
é é téktől való
ló
eltérésében fejezhető ki.
 Szóródási mérőszámok

A legfontosabb szóródási mérőszámok:

1. Terjedelem, R (vagy IQR)
2 Átlagos eltérés
2. eltérés, δ
3. Szórás, б (vagy s – minta esetén)
4. Relatív szórás, V
5 (Átlagos különbség
5. különbség, G)
Szóródási mérőszámok

1) Terjedelem:
annak az intervallumnak a hossza, amelyen belül
az ismérvértékek elhelyezkednek.
y

R = xmax − xmin
Interkvartilis terjedelem:
annakk az intervallumnak
i t ll kah
hosszát
át ffejez
j kiki, amelyben
l b az
ismérvértékek középső 50%-át találjuk.

IQR = Q 3 − Q1
Szóródási mérőszámok
2) Átlagos eltérés: az átlagtól vett eltérések
számtani átlaga.
Azt mutatja, hogy az ismérvértékek átlagosan
mennyivel térnek el a számtani átlagtól.
Mértékegysége megegyezik az alapadatok
mértékegységével, számítása:
Egyszerű: Súlyozott:
k

∑f ⋅d
n

∑ di δ= i =1
i i

δ= i =1 k

n ∑fi =1
i

di = xi − x
Szóródási mérőszámok
3) Szórás: az átlagtól vett eltérések négyzetes
átlaga
Azt mutatja, hogy az ismérvértékek átlagosan
mennyivel térnek el a számtani átlagtól.
Mértékegysége megegyezik az alapadatok
mértékegységével.
Egyszerű: Súlyozott:

σ= ∑ ( x − x)
i
2
σ= ∑ f i ( xi − x) 2
n ∑f i

di = xi − x
Szóródási mérőszámok
Szórás minta esetén (s): jelentése szintén az
átlagtól vett eltérések négyzetes átlaga, de ezt a
f
formulát
lát a mintából
i tából tö
történő
té ő – az egész
é sokaságra
k á
vonatkozó – következtetés esetén használjuk.
(Bővebben a mintából történő következtetések
témakörben kerül rá sor a Statisztika II. kurzus
során )
során.)
Egyszerű: Súlyozott:

s=
∑ ( x − x)
i
2
s=
∑f i ( xi − x) 2
n −1 ∑f i −1
1
di = xi − x
A szórás néhány tulajdonsága

„ A szórás akkor és csak akkor nulla, ha

minden ismérvérték egyenlő.
egyenlő
„ Az xi ismérvértékek additív transzformációja
után a szórás nem változik
változik.
„ Az xi ismérvértékek multiplikatív
transzformációja után a szórás a
transzformációnak megfelelően változik.
Szóródási mérőszámok

4)) Relatív szórás

különböző alapadatok vagy ismérvértékek
szóródásának összehasonlítására szolgál.
g
Mértékegység nélküli szám, általában
százalékos formában adják meg.
σ
V = 0 ≤ V ≤ n −1
x
Szóródási mérőszámok

5) Átlagos különbség, G (Gini-féle mutató)

az ismérvértékek egymástól mért abszolút
eltéréseinek a számtani átlaga. (Leginkább a
koncentráció vizsgálatánál alkalmazható
alkalmazható.))

1 n n
G = 2 .∑∑ xi − x j
n j =1 i =1
1 k k
G = 2 .∑∑ f i ⋅ f j ⋅ xi − x j
n j =1 i =1
 Empirikus
p
eloszlások típusai

Egy móduszú Több módoszú

eloszlás eloszlás

Szimmetrikus Aszimmetrikus
i ik

Mérsékelten Erősen

Bal oldali Jobb oldali J alakú Fordított J alakú

S i
Szimmetrikus
t ik eloszlás
l lá
Aszimmetrikus eloszlások

Bal oldali aszimmetria Jobb oldali aszimmetria

Mo < Me < x x < M e < M o

Erősen aszimmetrikus eloszlások
J alakú Fordított J alakú
A i
Aszimmetrikus
t ik eloszlások
l lá k
3) Alakmutatók

arra szolgálnak, hogy tömör számszerű

formában jellemezzék, hogy milyen tekintetben
és milyen mértékben tér el az adott eloszlás a
normális eloszlás gyakorisági görbéjéből.

Mértékegység nélküli mutatók.

Aszimmetria mutatók
A-mutató F- mutató
((kvartiliseken alapul)
p )
Pearson-féle
Pearson féle
mutatószám:
(Q3 − Me) − (Me − Q1 )
A=
x − Mo
M F0,25 =
σ (Q3 − Me) + (Me − Q1 )
A abszolút értékének nincs
korlátja, de ritkán vesz fel 1-nél -1≤ F ≤1
nagyobb értéket.

Ha +, bal oldali aszimmetria

- , jobb oldali aszimmetria
0 , szimmetrikus az eloszlás
4) További elemzési módszerek
„ Koncentráció
„ Idősorok elemzése átlagokkal
Koncentráció
„ Gazdasági életben: erőforrások tömörülése,
összpontosulása
p

„ Statisztikailag: egy sokaság mennyiségi

ismérv szerinti vizsgálata

„ Koncentráció: az értékösszeg
jelentős része a sokaság
kevés egységére
összpontosul
Koncentráció
A koncentráció a relatív gyakoriságok (g i)
és a relatív értékösszegek (z i )
összehasonlításával elemezhető. Ha az
egyes osztályközökhöz tartozó g i és z i
értékek azonosak
azonosak, az a koncentráció
hiányaként értelmezhető, eltérésük viszont
a koncentrációt jelzi
jelzi.
 Lorenz görbe
Lorenz-görbe
Egységoldalú
négyzetben
elhelyezett ábra,
amely a kumulált
relatív
értékösszegeket
értékeket
a kumulált relatív
gyakoriságok
é té e e
értékeinek
függvényében
ábrázolja.
Lorenz-görbe
ƒ Koncentráció hiánya esetén a görbe egybeesik az
átlóval.
ƒ Minél távolabb esik a görbe az átlótól, annál
nagyobb fokú a koncentráció.

Felhasználása:
ƒ relatív koncentráció szemléltetése
ƒ interpoláció
ƒ több ismérv koncentrációjának egybevetése
ƒ adott ismérv koncentrációjának időbeli vagy térbeli
egybevetése
Koncentrációs együttható

A Lorenz-görbe és az átló által bezárt területet

koncentrációs területnek nevezzük.
Ha koncentrációs területet a háromszög területéhez
viszonyítjuk, akkor e hányados alapján következtetni
tudunk a koncentráció mértékére. A koncentrációs
terület arányát a koncentrációs együtthatóval mérjük.
(ahol G: az átlagos különbség (Gini-féle mérőszám))
G
K= K értéke [0,1] intervallumban mozoghat, koncentráció
2x hiány esetén K=0
K 0, és a K minél közelebb van 1-hez
1 hez,
annál erősebb a koncentráció.
Koncentráció

„ Abszolút koncentráció: az értékösszeg kevés

egységére összpontosul (pl.: energiaiparban,
gépkocsigyártásban)

„ Relatív koncentráció: az értékösszeg relatív

értelemben kevés egységnél összpontosul
(pl : személyi jövedelemben)
(pl.:
Koncentráció
É É Ö
ÉRTÉKÖSSZEG (s) SOKASÁG
Á (n)
tőke,, vagyon,
gy , termelés,, gazdasági
g g szervezetek
forgalom, eredmény
export,
p , import
p országok,
g ,
termékek,
gazdasági szervezetek
mezőgazdasági földterület, gazdasági szervezetek,
eszközállomány, tulajdonosok
áll táll á
állatállomány
lakossági jövedelem, lakosság,
vagyon háztartások
Idősorok elemzése átlagokkal

Tapasztalati idősor:

„ időtényező:
t1 , t 2 , ..., t i , ..., t n

„ megfigyelt érték:
y1, y2 , ..., yi , ..., yn
Idősorok elemzése átlagokkal

Idősorelemzés egyszerű eszközei:

„ dinamikus viszonyszámok
((bázis-,, és láncviszonyszámok):
y )
idősor adataiból számított hányadosok
„ grafikus ábrázolás
„ átlagok
Idősorok elemzése átlagokkal

Időegységre számított
átlagok

Stock típusú idősor esetén: Flow típusú idősor esetén:

(s ámtani átlag)
(számtani (kronologikus átlag)
y=
∑ yi y1 y
+ y 2 + ... + y n − 1 + n
y = 2 2
n n −1
(tartam-idősor) (állapot-idősor)
Idősorok elemzése átlagokkal

Változások átlaga

Átlagos abszolút változás Átlagos relatív változás

d =
∑d i
=
y n − y1
, ahol yn y
n −1 n −1 l = n−1 ∏li = n−1 , ahol li = i
d i = y i − y i −1 y1 yi−1
i 1
Feladatok (mennyiségi ismérv szerinti elemzés)
Perfekt Statisztika I. példatár:
„ 128/1, 128/2, 130/5, 131/8, 134/12, 134/13, 137/17,
138/19, 138/20, 139/23, 141/25, 145/32,
148/36,149/38
További gy gyakorló feladatok az általános statisztika
I. (zöld) példatár:
„ 24/38,, 24/39 (egyedi
( gy értékekből – súlyozatlan)
y )
„ 25/42 (rangsorból – súlyozott)
„ 26/45, 27/46, 29/51 (osztályközös gyakorisági sorok –
egyenlő osztályköz esetén)
„ 26/44,, 27/47, 28/48, 28/49, 29/50, 29/52, 32/56 ((nem
egyenlő osztályközök)
„ 35/65 (koncentráció)
Mennyiségi ismérv
szerinti elemzés (3)
( )
(2012. október 10. 10.00-11.30)
K
Komplex
l gyakorló
k ló feladatok
f l d t k megoldása
ldá

Középértékek, szóródási mutatók és

alakmutatók számítása:
„ Egyedi értékekből
„ Rangsorból
„ Osztályközös gyakorisági sorból (egyenlő
osztályközök
tál kö ök esetén)
té )
„ Osztályközös gyakorisági sorból (nem egyenlő
osztályközök esetén)
„ Koncentráció mértékének meghatározása
g
(grafikusan)
Zárthelyi dolgozat
(
(ZH1))
(2012. október 17. 10.00-11.30)
I d
Indexszámítás
á ítá (1)
((2012.
0 o
október
tóbe 24. 10.00–11.30)
0 00 30)
 Időbeli összehasonlítás
viszonyszámokkal

Bauxittermelés adatai (ezer tonna)

Bauxittermelés (ezer tonna)
Hónap Vd
1991 1992

Január 150 100 66,7

Február 200 150 75,0

Március 250 230 92,0

,

Összesen 600 480 80,0

 Indexszámítás
de s á tás
Az indexszámok valamilyen szempontból összetartozó, de
különnemű (különböző mértékegységű), közvetlenül nem
összesíthető javak összességére (aggregált sokaság)
vonatkozóan a mennyiségek (q - quantity), az árak (p - price) és
az értékadatok (v - value) időbeli vagy térbeli összehasonlítására
szolgálnak.
Egy jószág(csoport) értékét a mennyisége és az egységára
határozza meg: v = q ⋅ p
A nem összegezhető (különböző mértékegységű) termékek az
értékösszegük alapján elemezhetők. Az összetartozó de
különnemű termékekből álló (heterogén) termékcsoport
n n
összértékét aggregátumnak (A) nevezzük:
A = ∑ qi pi = ∑ vi
i =1 i =1
Indexek: termékek azonos körére vonatkozó két időben (vagy
térben Æ területi indexek) különböző aggregátum hányadosai.
 Aggregát értékadatok

Az indexszámításban négyféle aggregátumot*

használunk fel:

1. ∑q0 p0 valós
aggregátum 3. ∑ q0 p1 fiktív
aggregátum

2. ∑q1 p0 fiktív
aggregátum ∑ q1 p1 valós
aggregátum

*Aggregálás: egy heterogén jószágcsoport értékben való összegzése.

A tárgyidőszaki aggregát értéket (aggregátumot) folyóáras értékadatnak nevezzük.
 Indexszámítás
Háztartások egy főre jutó élelmiszerfogyasztása
Fogy.
gy menny.
y Egységár/Ft
gy g
Megnev. Mérték-
egység 1980 1988 1980 1988

S té hú
Sertéshús k
kg 20 21 75 50
75,50 144 40
144,40

Tojás db 230 234 2,20 3,30

Tej l 89 105 6,00 10,50

Étolaj l 3 5 28,50 38,40

.
Egyedi indexek (egy jószágcsoportra – egyfajta
termékre – vonatkozó indexek, tkp. viszonyszámok)
ahol:
Egyedi árindex:
p1: tárgyidőszak egységára
p1 p0: bázisidőszak egységára
ip =
p0
ip
Egyedi volumenindex: ahol:
q1 q1: tárgyidőszaki
gy mennyiség
y g
iq = q0: bázisidőszak mennyiség
q0
ahol:
iv = i q ⋅ i p
Egyedi értékindex:
v1: tárgyidőszaki termékérték
v1 q1 p1 v0: bázisidőszaki termékérték
iv = =
v0 q0 p0
 Indexszámítás
Mért. Fogy. menny. Egységár Egyedi indexek
Megnev. egys.
1980 1988 1980 1988 iq ip iv
Sertéshús kg 20 21 75,50 144,40 105,0 191,3 200,86

Tojás db 230 234 2,20 3,30 101,7 150,0 152,55

Tej l 89 105 6,00 10,50 118,0 175,0 206,50

Étolaj l 3 5 28,50 38,40 166,7 134,7 224,54

.
Többféle termékre – heterogén g
jószágcsoportra – vonatkozó indexek
- együttes indexek aggregát formái 0
∑v1 ∑ q1 p1 Iv = Iq ⋅ I 1
p
Értékindex: Iv = =
∑v0 ∑ q0 p0 I v = I q1 ⋅ I p0

Árindex: ∑ qs p1 0 ∑q0 p1 I 1 = ∑q1 p1

Ip = Ip =
(a mennyiségek
q adatok
d t k állandók)
áll dók) ∑ q s p0 ∑00
q p
p
∑q1 p0
∑ q1 ps 0 ∑ q p 1 ∑ q p
Volumenindex: Iq =
∑ q0 p s I q = ∑ q p I q = ∑ q p
1 0 1 1
(az árak, p adatok
állandók) 0 0 0 1
 I d
Indexszámítás
á ítá
Mért. Fogy.
gy menny.
y Egységár
gy g Egyedi
gy indexek
Megnev. egys.
1980 1988 1980 1988 iq ip iv
Sertéshús kg 20 21 75 50
75,50 144 40
144,40 105 0
105,0 191 3
191,3 200 86
200,86

Tojás db 230 234 2,20 3,30 101,7 150,0 152,55

T j
Tej l 89 105 6 00
6,00 10 50
10,50 118 0
118,0 175 0
175,0 206 50
206,50

Étolaj l 3 5 28,50 38,40 166,7 134,7 224,54

.
.

I 0
=
∑q 0 p1 ∑ q1 p 0
I q0 =
∑q
p
∑ q1 p1 0 p0 ∑ q0 p0 F
Iv = ∑ q p I F
p = I 0
p ⋅ I 1
p I q = I q0 ⋅ I q1
∑ q0 p0 I p =
1 1 1 ∑ q1 p1
∑ q1 p 0 Iq =
1

∑ q 0 p1
I d
Indexszámítás
á ítá (2)
((2012.
0 november
o e be 7. 10.00–11.30)
0 00 30)
Értékindex-számítás
Az értékindex a termékek bizonyos körére nézve
az érték változását mutatja meg. (pl. árbevétel
változás)
∑ v1 ∑ q1 p1
Iv = =
∑ v0 ∑ q 0 p 0

Az értékindex átlagformái:
ahol a súlyok a valós aggregátumok/értékadatok és az egyedi értékindexek
az átlagolandó értékek:

∑ q 0 p 0 ⋅ iv ∑ v 0 ⋅ iv ∑ q1 p1 ∑ v1
Iv = = Iv = =
∑ q0 p0 ∑ v0 q1 p1 v1
∑ ∑
iv iv
Árindex-számítás
Az árindex az árszínvonal változásának mértékét mutatja
a vizsgált termékek összességére vonatkozóan.

Súlyozott, alapformulájú ∑ qs p1
Ip =
árindexek: ∑ qs p0

Laspeyres árindex
I 0
=
∑ q p
0 1

((bázisidőszaki súlyozású)
y ): ∑q p
p
0 0

Paashe árindex ∑q1 p1

(tárgyidőszaki súlyozású) :
I = 1

∑q1 p0
p

Fisher árindex: I pF = I p0 ⋅ I1p

Az á
A árindex
i d átlagformái
ál f ái (á
(árindex-
i d
számítás egyedi árindexekből)
ahol a súlyok az értékadatok, az átlagolandó értékek az
egyedi árindexek:

∑q0 p0 ⋅ip ∑v0 ⋅ip ∑ q0 p1

I =
0
Ip =
0
= p
q0 p1
∑q0 p0 ∑v0 ∑
ip

∑ q1 p1 ∑ v1 ∑ q1 p0 .i p
I =
1
p = I =
1
q1 p1 v1 p
∑ q1 p0
∑ ∑
ip ip
Volumenindex-számítás
A volumenindex a termékek bizonyos körére vonatkozóan
a mennyiségek változását méri.

Súlyozott alapformájú ∑ q1 ps
Iq =
volumenindex: ∑ q0 p s

Laspeyres volumenindex ∑ q1 p 0
I q0 =
(bázisidőszaki súlyozású) : ∑ q0 p0

Paashe volumenindex ∑ q1 p1
I q1 =
( á idő
(tárgyidőszaki
ki súlyozású)
úl á ú) : ∑ q0 p1

Fisher volumenindex: IqF = Iq0 ⋅ Iq1

A volumenindex átlagformái (volumenindex-
(volumenindex
számítás egyedi volumenindexekből)
ahol a súlyok az értékadatok, az átlagolandó értékek az
egyedi volumenindexek:

∑ q0 p0 ⋅ iq ∑v0 ⋅ iq ∑q1 p0
I =
0
Iq0 = = q
q1 p0
∑q0 p0 ∑v0 ∑
iq

∑ q1 p1 ∑ v1 ∑ q0 p1 ⋅ iq
I =
1
q = I =
1
q1 p1 v1 ∑ q0 p1
q
∑ ∑
iq iq
Feladat:

Egy bolt három termékének forgalmára vonatkozó adatok

láthatók az alábbi táblázatban:

Értékesítés
Egységár (Ft)
mennyisége
Termék Mértékegység
2004 2005 2004 2005

I. vaj db 4500 5400 220 235

II. kenyér kg 2875 3335 90 90

III. tejj l 2125 1870 140 175

Feladat:

„ Számítsa ki az egyedi volumen-, ár-, és

értékindexeket!
„ Hogyan változott a bolt összbevétele? (Iv)
„ Hogyan változott az értékesített termékek
á í
árszínvonala?
l ? (I
(Ip))
„ Számítsa ki az együttes volumenváltozást!
(Iq)
E
Egyedi
di indexek
i d k
A
Aggregátumok
át k
 Értékindex

ƒ a megfelelő aggregátumok hányadosaként

∑ q1 p1 1896400
Iv = = = 1, 226 → 122 , 6 %
∑ q0 p0 1546250

ƒ az egyedi értékindexek súlyozott számtani átlagaként:

∑ v0 ⋅ iv 990000⋅1,282 + 258750⋅1,16 + 297500⋅1,1
Iv = = = 1,226 → 122,6%
∑ v0 1546250
ƒ az egyedi értékindexek súlyozott harmonikus átlagaként:
∑ v1 1896400
Iv = = = 1,226 → 122 ,6%
v1 1269000 300150 327250
∑ iv 1,282
+
1,16
+
1,1
 Laspeyres-féle árindex

∑ q0 p1 1688125
I =
0
= = 1,097 → 109,7%
∑ q0 p0 1546250
p

∑ v0 ⋅ i p 990000 ⋅1,0682 + 258750 ⋅1 + 297500 ⋅1,25

I 0p = = = 1,097 → 109,7%
∑ v0 1546250
Paashe-féle árindex

∑ q1 p1 1896400
I =
1
= = 1,083→108,3%
∑ q1 p0 1749950
p

∑ q1 p1 1896400
I =
1
= = 1,083 → 108,3%
p
q1 p1 1269000 300150 327250
∑ i 1,0682
+
1
+
1,25
p
Fisher-féle árindex

A Laspeyres-és a Paashe index súlyozatlan mértani

átlaga
I pF = I p0 ⋅ I 1p = 1,09715 ⋅1,0837 = 1,0904 → 109,04%
Volumenindexek

∑ q1 p0 1749950
I =
0
= = 1,132 → 113,2%
∑ q0 p0 1546250
q

∑ q1 p1 1896400
I =
1
= = 1,123 → 112 ,3 %
∑ q 0 p1 1688125
q

I = I ⋅ I = 1,1317 ⋅1,1234 = 1,1274 → 112,74%

F
q
0
q
1
q
Az érték-,
érték volumen-
volumen és árindex
közötti összefüggés

iv = i q ⋅ i p

Iv = I ⋅ I0
q
1
p

I v = I q1 ⋅ I p0

I v = I qF ⋅ I pF
Különbségfelbontás

K v = ∑ q1 p1 − ∑ q 0 p 0 K v = ∑ q1 p1 − ∑ q 0 p 0

K q0 = ∑ q1 p 0 − ∑ q 0 p 0 K q1 = ∑ q1 p1 − ∑ q 0 p1

K 1p = ∑ q1 p1 − ∑ q1 p0 K p0 = ∑ q 0 p1 − ∑ q 0 p 0

Összefüggések:

Kv = Kq0 + K1p = Kq1 + K p0

Feladatok (indexszámítás)

Perfekt Statisztika I. példatár:

„ 207/1(x), 217/1, 218/3, 219/5, 219/6, 220/7,
220/8, 221/10, 222/12, 223/14, 224/17

További gygyakorló feladatok az általános

statisztika (zöld) példatárból:
„ 88/201,
88/201 88/202
88/202, 89/203
89/203, 89/204
89/204, 89/205
89/205,
90/207, 91/210, 91/211, 92/213
I d
Indexszámítás
á ítá (3)
((2012.
0 november
o e be 14. 10.00–11.30)
0 00 30)
Indexszámok gyakorlati alkalmazása

Cserearány-mutatók:
a gazdálkodó szervezetek által eladott termékek
árindexét viszonyítjuk a vásárolt termékek
árindexéhez.
árindexéhez

Cserearány-index
y ((terms of trade):
)
az adott ország által exportált és az általa importált
termékek árindexeinek a hányadosa.
y Egységnyi
gy g y
exportért, hányszor többet, vagy kevesebbet
tudunk importálni a tárgyidőszakban a
bázisidőszakhoz képest.
I d
Indexszámok
á k gyakorlati
k l ti alkalmazása
lk l á

Árolló:
azt mutatja meg, hogy valamilyen bevételt biztosító
termékek bázisidőszakival azonos volumenéért a
tárgyidőszakban mennyivel nagyobb vagy kisebb
volumenű másféle termék kapható cserébe.

Agrárolló:
a mezőgazdasági
ő d á i termelőiár-indexet
lőiá i d osztjuk
j ka
mezőgazdasági ráfordítások árindexével.
A fogyasztói árindex (CPI)

„ A fogyasztói árszínvonal változását méri.

„ Azt mutatja meg, hogy a lakosság által

f
fogyasztási
tá i célra
él vásárolt
á á lt ttermékek
ék k é
és
szolgáltatások árai átlagosan hogyan változtak
az egyik
ik idő
időszakról
k ól a másikra.
á ik

„ Az infláció mérőeszközeként is használják, de

ez nem jelent fogalmi azonosítást.
A hazai fogyasztói árindex
árindex-számítás
számítás fő
jellemzői (Consumer Price Index – CPI)
„ a teljes lakosságra vonatkozik
„ a vásárolt fogyasztás
gy ((fogyasztói
gy kosár)) árváltozását
tükrözi
„ mintavételes módszerrel készül
„ kínálati árakra épül (reprezentáns árak)
„ havonta készül
„ Laspeyres-típusú (bázisidőszaki súlyozású)
„ a globális árindex mellett különböző termék-
csoportokra és lakossági rétegekre is készül index
„ a közzététel meghatározott
g szabályozás
y szerint
történik
Az indexszámítás adatforrásai

Két alappillér:

1. 900 reprezentánsra vonatkozó ármegfigyelés

2. az indexszámításhoz tartozó súlyok

meghatározása
A 160 árucsoporthoz, az ún. alapsorokhoz
tartozó súlyarányok a fogyasztás szerkezetét
képviselik.
A fogyasztói árindex
árindex-számítás
számítás
harmonizációja az EU országokban
A harmonizálás célja:
„ Az egyes országok fogyasztói árindexeinek
összehasonlítása
„ A térségekre,
g , országcsoportokra
g p számított
globális indexhez olyan alapadatok biztosítása,
melyek egységesen kezelhetők
„ Az egyes országok fogyasztói árindex
árindex-
számításának módszertani javítása
„ A CPI gy
gyakorlatias és alacsony
y költségigényű
gg y
meghatározása

HICP:Harmonizált Fogyasztói Árindex

Á
Indexsorok
Kettőnél több időszakra vonatkozó indexek sorozata

Indexsorok
de so o fajtái:
ajtá
a) Tartalma szerint
- értékindexsor
- árindexsor
ái d
- volumenindexsor
b) Viszonyítás rendje szerint
- bázisindexsor
- láncindexsor
c) Súlyozás módja szerint
- állandó súlyozású indexsor
- változó súlyozású indexsor (B
(B,T)
T)
 Indexsorok „ Értékindexsorok:
„ Bázis
„ Lánc

„ Volumenindexsorok: „ Árindexsorok:
„ Bázis „ Bázis
… Állandó súlyozású … Állandó súlyozású
… Változó
Vált ó súlyozású
úl á ú (B,T)
(B T) … Változó
Vált ó súlyozású
úl á ú (B,T)
(B T)
„ Lánc „ Lánc
… Állandó
Áll dó súlyozású
úl á ú … Állandó
Áll dó súlyozású
úl á ú
… Változó súlyozású (B,T) … Változó súlyozású (B,T)
I d
Indexsorok
k
É
Értékindexsorok:
„ Bázis-értékindexsor (0
(0. év a bázis)

∑q 0 p0
,
∑q p 1 1
,
∑q 2 p2
, ... ,
∑q n pn
∑q 0 p0 ∑q p 0 0 ∑q 0 p0 ∑q 0 p0
(100%)

„ Lánc-értékindexsor

−,
∑q 1 p1
,
∑q p 2 2
, ... ,
∑q n pn
∑q 0 p0 ∑q p 1 1 ∑q
n -1 p n -1
 Indexsorok
Bázis volumenindexsorok:
„ Állandó súlyozású bázis-volumenindexsor:
(bázis: a 0. időszak mennyisége, állandó súly: a 0. időszak ára)

100%,
∑q p
1 0
,
∑q p
2 0
, ... ,
∑q p n 0

∑q p
0 0 ∑q p
0 0 ∑q p 0 0

„ Változó súlyozású bázis-volumenindexsor (bázis: 0. év) - (B)

100 %,
∑q p 1 0
,
∑q p 2 1
, ... ,
∑q p n n -1

∑q p 0 0 ∑q p 0 1 ∑q p 0 n -1

„ Vált ó súlyozású
Változó úl á ú bá
bázis-volumenindexsor
i l i d (bá
(bázis:
i 0 0. é
év)) - (T)

100 %,
%
∑q p 1 1
,
∑q p 2 2
, ... ,
∑q p n n

∑q p 0 1 ∑q p 0 2 ∑q p 0 n
 Indexsorok
Lánc volumenindexsorok:
„ Állandó súlyozású lánc-volumenindexsor:
(állandó súly: a 0. időszak ára)

−,
∑q p
1 0
,
∑q p
2 0
, ... ,
∑q n p0
∑q p
0 0 ∑q p
1 0 ∑q
n -1 p0

„ Változó súlyozású lánc-volumenindexsor - (B)

−,
∑q p
1 0
,
∑q p 2 1
, ... ,
∑q n p n -1
∑q p
0 0 ∑q p 1 1 ∑q
n -1 p n -1

„ Vált ó súlyozású
Változó úl á ú lá
lánc-volumenindexsor
l i d - (T)

−,
∑q p 1 1
,
∑q p 2 2
, ... ,
∑q n pn
∑q p 0 1 ∑q p 1 2 ∑q n -1 pn
 Indexsorok
Bázis árindexsorok:
„ Állandó súlyozású bázis-árindexsor:
(bázis: a 0. időszak mennyisége, állandó súly: a 0. időszak menny.)

100 %,
∑q p
0 1
,
∑q p
0 2
, ... ,
∑q p 0 n

∑q p
0 0 ∑q p
0 0 ∑q p 0 0

„ Változó súlyozású bázis-árindexsor (bázis: 0. év) - (B)

100 %,
∑q p
0 1
,
∑q p 1 2
, ... ,
∑q n -1 pn
∑q p
0 0 ∑q p 1 0 ∑q n -1 0 p

„ Vált ó súlyozású
Változó úl á ú bá
bázis-árindexsor
i ái d (bá
(bázis:
i 0 0. é
év)) - (T)

100 %,
%
∑q p 1 1
,
∑q p 2 2
, ... ,
∑q n pn
∑q p 1 0 ∑q p 2 0 ∑q n p0
 Indexsorok
Lánc árindexindexsorok:
„ Állandó súlyozású lánc-árindexsor:
(állandó súly: a 0. időszak ára)

−,
∑q 0 p1
,
∑q p
0 2
, ... ,
∑q p 0 n

∑q 0 p0 ∑q p
0 1 ∑q p
0 n -1

„ Változó súlyozású lánc-árindexsor - (B)

−,
∑q 0 p1
,
∑q p 1 2
, ... ,
∑q n -1 pn
∑q 0 p0 ∑q p 1 1 ∑qn -1 p n -1

„ Vált ó súlyozású
Változó úl á ú lá
lánc-árindexsor
ái d - (T)

−,
∑q p 1 1
,
∑q p 2 2
, ... ,
∑q p n n

∑q p 1 0 ∑q p 2 1 ∑q p n n -1
 T ül ti indexek
Területi i d k
„ Forgalom-,
g , vagy
gy termelésadatok térbeli összehasonlításának
eredményeként jönnek létre
„ Az eddig alkalmazott 0 (bázisidőszak) és 1 (tárgyidőszak) jelölések A-ra és
B re módosulnak (A és B a két terület jelölik)
B-re
„ Az értékindexet területi összehasonlítás esetén nem értelmezzük!
„ Az összehasonlításnak nincs egyértelmű sorrendje: felcserélhető a
viszonyítandó és a viszonyítás alapjául szolgáló terület: A/B és B/A
relációjú (területi) ár- és volumenindexeket is számolhatunk
„ Eltérő
Elté ő valutájú
l tájú országok
á k esetén té az á
árindex
i d számlálója
á lálój é és a nevezője
őj
nem azonos mértékegységű, ezért nem %-os értékként értelmezzük Æ
A/B relációjú index esetén jelentése: B ország 1 valutaegysége A ország
há valutaegységével
hány l t é é l egyenértékű.
é tékű B/A relációjú
lá iójú iindex
d esetén
té A ország
á
egy valutaegysége B ország hány valutaegységével egyenértékű.
„ A területi összehasonlításnál ((eltérő valuták)) a különböző súlyozású
y
indexek közötti eltérés jóval nagyobb lehet, mint az időbeli
összehasonlításnál, ezért a Fisher-formula használata kötelező.
 T ül ti volumenindex
Területi l i d
Legfontosabb alkalmazási területe a nemzetközi
összehasonlítás

Területi
T ül ti volumenindex
l i d aztt ffejezi
j i ki
ki, h
hogy az ö összehasonlítandó
h lít dó
területen a termelés (értékesítés) mennyisége hányszorosa az
összehasonlítás alapjául
pj szolgáló
g terület termelésének
(értékesítésének).
∑qA pB ∑qA pA
∑ q A pB ∑ q A p A I =
A
Fisher I =
Iq B
IqA/ B
= ⋅ ∑qB pA
A/ B
Iq A / B ∑qB pB
∑ qB pB ∑ qB p A
∑ qB pB ∑ qB pA
I =
B ∑qB pB ∑qB pA
Fisher
Iqq
B/ A = ⋅
Iq
B/ A
∑qA pB
Iq =
A
B/ A
∑qA pA
∑ qA pB ∑ qA pA
 Területi
ü árindex
á
Azonos valutájú országok esetén a területi árindex
árszínvonal összehasonlítást jelent.
Eltérő valutájú országok esetén a területi árindex a vásárlóerő
paritást fejezi ki.
Vásárlóerő paritás (PPP): azt mutatja meg
meg, hogy egy adott ország
egységnyi valutája a másik ország hány egységnyi valutájával
egyenértékű a vizsgált termékek körében.

∑ qB pA ∑ qA pA A ország egységnyi valutája B ország

IpA/ B =
Fisher
⋅ y egységnyi
ennyi gy g y valutájával
j egyenértékű.
gy
∑ qB pB ∑ qA pB
∑ qB pB ∑ qA pB
Fisher
Ip
B/ A = ⋅
B ország egységnyi valutája A ország
ennyi egységnyi valutájával egyenértékű. ∑ qB pA ∑ qA pA
Feladatok ((területi indexek,,
indexsorok)

Perfekt Statisztika I. példatár:

„ 212/2, 217/2 (területi indexek)
„ 230/28,
230/28 230/29 (indexsorok)

További gyakorló feladatok az általános

statisztika (zöld) példatárból:
„ 101/239, 102/240 (területi indexek)
„ 97/230, 98/231, 98/232, 99/234 (indexsorok)
 Stochasztikus
p
kapcsolatok (1)
( )
(2012. november 21. 10.00–11.30)
Ismérvek közötti kapcsolatok
S i ik i iismérvek:
Statisztikai é k
„ Minőségi ismérvek
„ Mennyiségi ismérvek
„ Időbeli ismérvek
„ Területi ismérvek

Eddigg a sokaságokat
g egy
gy ismérv szerint elemeztük,, most a
sokaságokat egyszerre két – egymással valamilyen
kapcsolatban álló – megkülönböztető ismérv szerinti
csoportosításban,
t ítá b azaz kkombinációs
bi á ió tábláb
táblába rendezve
d
vizsgáljuk. A vizsgálat célja pedig az, hogy van-e és ha van,
akkor milyen erősségű/jellegű a kapcsolat a vizsgált két
ismérv között.
 I é k kö
Ismérvek közötti
ötti kapcsolatok
k l t k
ƒ a két ismérv (x és y) független egymástól,
egymástól ha x ismérv
szerinti hovatartozás nem ad semmiféle többletinformációt az
y szerinti hovatartozásról. (ezekkel nem kell foglalkoznunk)

ƒ a két ismérv között sztochasztikus összefüggés van, ha

az egyik ismérvváltozathoz való tartozásból tendenciaszerűen
tendenciaszerűen,
valószínűségi jelleggel következtethetünk a másik ismérv
szerinti hovatartozásra. Æ Statisztika

ƒ a két ismérv függvényszerű kapcsolatban áll egymással,

ha a vizsgált egységek x szerinti hovatartozásának
ismeretében teljesen egyértelműen megmondható azok y
szerinti hovatartozása is.
is (ezt a matematika vizsgálja)
Sztochasztikus kapcsolatok

Különböző okozati jellege lehet az egyes

ismérveknek:
x ismérv: ok (magyarázó változó)
y ismérv:
é okozat (eredményváltozó)
( )
(pl. jövedelemnagyság és húsfogyasztás)

Vannak olyan
y esetek, amikor az ismérvek
kölcsönösen hatnak egymásra, vagyis az ok-
okozati viszonyy nem egyértelmű,
gy az okság
g
kölcsönös. (pl. ár és kereslet)
Ismérvek közötti kapcsolatok
A két ismérv jellege szerint a következő
sztochasztikus kapcsolatokat különböztethetjük meg:
ƒ asszociációs kapcsolat: az egymással kapcsolatban
álló ismérvek minőségi vagy területi ismérvek (pl.: nem
(férfi,nő) – dohányzás)
ƒ vegyes kapcsolat:
k l t az egyikik vizsgált
i ált iismérv
é tterületi
ül ti vagy
minőségi ismérv, a másik mennyiségi (pl.: iskolai
végzettség -1 főre jutó bruttó havi jövedelem)
ƒ korrelációs kapcsolat: mindkét vizsgált ismérv
mennyiségi ismérv (pl.: 1 főre jutó bruttó havi
jövedelem-1
jövedelem 1 főre jutó élelmiszerfogyasztás) Æ
egyszerre több ismérv között vizsgálható a
sztochasztikus kapcsolat (II. félév anyaga)
ƒ rangkorreláció: mindkét ismérv ordinális mérési szintűszintű,
vagyis sorrendi skálán mérhető.
Ismérvek közötti kapcsolatok

Az asszociáció és a vegyes kapcsolat esetén egyszerre

csak két ismérv közötti kapcsolatot vizsgálhatjuk.
Arra keressük a választ, hogy a két ismérv között:
ƒ van-e kapcsolat?
ƒ ha
h van kkapcsolat,
l t akkor
kk az milyen
il erős?
ő ?

A korrelációs kapcsolat (mennyiségi ismérvek

kapcsolatának a vizsgálata) több elemzési lehetőséget
biztosít hiszen itt azt is meg tudjuk vizsgálni
biztosít, vizsgálni, hogy az egyik
ismérv milyen számszerű hatással van a másik (vagy több)
ismérv alakulására.
Kontingencia tábla
X/Y
Kontingencia tábla

f ij = együttes gyakoriságok, tényleges gyakoriság a kontingencia

tábla i sorában és j oszlopában
p

fi. = peremgyakoriságok, az összesen rovat gyakoriságai

A x ismérvváltozattal
Az ismér álto attal rendelkező
rendelke ő elemek száma
s áma

f. j = p
peremgyakoriságok,
gy g , az összesen rovat gy
gyakoriságai
az y ismérvváltozattal rendelkező elemek száma
g

n= a sokaság elemeinek a száma

Asszociációs kapcsolat szorosságának mérése
1) Alternatív ismérvek esetén:
2 x 2 kontingencia tábla:

X/Y
/ y1 y2 Összesen
Ö
x1 f11 f12 f1.
x2 f21 f22 f2.
Összesen f.1 f.2 n
f11 f12
A két ismérv függetlensége esetén
=
f 21 f 22
f11 f 22 − f 21 f12
Y=
f11 f 22 + f 21 f12 − 1 ≤ Y ≤ 1
Yule –együttható (Y):
Asszociációs kapcsolat szorosságának mérése

A Yule-mutató tulajdonságai:

0 ≤ Y ≤1

Y =0 Teljes függetlenség, a kapcsolat teljes hiánya

0 < Y <1 Sztochasztikus kapcsolat

Y =1 Függvényszerű kapcsolat
 Asszociációs kapcsolat szorosságának mérése

2)) Általánosan alkalmazható mutatószám (alternatív

és két ismérvváltozatnál több változattal rendelkező ismérvek esetén
egyaránt): (ahol s az egyik ismérv változatainak, míg t a másik ismérv
változatainak a számát jelenti):

Csuprov-mutató (T):

T =
χ2
χ 2
= ∑∑
( f ij − f *
ij )
2

,ahol
n ⋅ ( s − 1) ⋅ ( t − 1) i j f * ij

f i. ⋅ f. j
,ahol f *
ij =
n
függetlenség esetén feltételezett gyakoriság a
f =
*
ij kontingencia tábla i sorában és j oszlopában
 s −1
0〈T 〈 4
t −1

Asszociációs kapcsolat szorosságának mérése

A Csuprov-mutató tulajdonságai:
0 ≤ T ≤1 ha s=t

s<t esetén a Cramer-mutatót (C) használjuk:

T s −1
C = , ahol T max =
0 ≤ C ≤1
4
T max t −1

s=t =2 Esetén Y és T mutatók is alkalmazhatók, a T

mutató alakja ebben az esetben:
f 11 ⋅ f 22 − f 12 ⋅ f 21
T =
f ⋅1 ⋅ f ⋅ 2 ⋅ f 1 ⋅ ⋅ f 2 ⋅
Feladatok (asszociáció)
Perfekt
P f kt Statisztika
St ti tik I.I példatár:
éld tá
„ 240/2, 241/3, 248/1, 248/2, 249/3, 250/5,
250/6 , 252/10, 254/13
„ 255/14,
255/14 255/15
255/15, 257/17
257/17, 257/18
257/18, (ezeknél csak a
kapcsolat szorosságát jelző mutatókat kell kiszámolni)

További gyakorló feladatok az általános

statisztika (zöld) példatárból:
„ 60/127, 60/128, 60/130, 60/132
 Stochasztikus
p
kapcsolatok (2)
( )
(2012. november 28. 10.00–11.30)
 Vegyes kapcsolat
Vegyes kapcsolat: az egyik vizsgált ismérv területi
vagy minőségi
i ő é i iismérv
é ((azaz nem mennyiségi
i é i iismérv),
é )
a másik mennyiségi ismérv (pl.: iskolai végzettség - 1
fő jutó
főre j tó b
bruttó
ttó h
havii jö
jövedelem)
d l )

A vegyes kapcsolat elemzése során azt vizsgáljuk

vizsgáljuk,
hogy a mennyiségi ismérv szóródását mennyiben
befolyásolja a minőségi vagy a területi ismérv szerinti
csoportosítás.
Heterogén sokaságok
összetett, minőségileg különböző részekből állnak.
Heterogén sokaság átlaga a részsokaságokra
számított átlagok súlyozott átlaga.

Jelölések:
x j : j-edik csoport átlaga m
nj : j-edik csoport tagszáma ∑n j xj m
v
j = 1, . . . , m : a csoportok száma = ∑ wj x j
j =1
x= m
nj
= w j : súlyarány ∑nj
j =1
j =1

n
x : a teljes sokaságra számított átlag
Heterogén sokaságok

Jelölések:
n = a sokaság tagszáma
m = a csoportok száma
n j = a j-edik sokaság tagszáma
x j = a j-edik csoport átlaga
x = a sokaságg átlagag ((főátlag)
g)
xij = a j-edik sokaság i-edik eleme
Csoportok Elemszám Csoportátlag Csoportonkénti
nj xj szórás σ j

C1 n1 x1 σ1
C2 n2 x2 σ2
… … … …

Ck nk xk σk
… … … …

Cm nm xj σm
Összesen
n x σ
Például:
Egy vidéki nagyváros ingatlanügynökségén
értékesítésre váró ingatlanok:
g
Eladási ár Panellakások Nem panelből készült Összes lakás
(m Ft) száma lakások száma (db)
6,1 – 8,0 8 2 10

8,1 – 10,0 15 5 20

10,0 – 15,0 34 12 46

15,0 – 20,0 24 14 38

20,1 – 25,0 7 19 26

25,1 – 30,0 2 8 10

Összesen 90 60 150
A könnyebb áttekinthetőség kedvéért a
számításokat táblázatba foglalhatjuk:

Építőanyag
p y g Ingatlanok
g Csoportátlag
p g Csoportonkénti
p
száma n j (eladási ár m Ft) xj szórás σ
j

Panel 90 13,872 4,72

Nem panel 60 18,358 5,93

Összesen 150 15,670 5,68

n x σ
Jelölések

x ij − x j eltérés ( d ij )
= teljes
( xij − x j ) = belső eltérés ( Bij )
(x j − x) = külső eltérés ( K j )

σ 2 = teljes szórásnégyzet
σB2
= belső szórásnégyzet

σ 2
K
= külső szórásnégyzet
gy
Szórásnégyzetek kiszámítása
nj m

∑∑
i =1 j =1
( x ijj − x ) 2

S S tteljes
S: lj eltérés-
lté é
σ = 2
= négyzetösszeg
n n

σ =
2 ∑∑ ij j
( x − x )2

=
∑j j
n σ 2

=
SB
SB: belső eltérés-
B
n n n négyzetösszeg

σ 2
=
∑n j (x j − x) 2

=
SK
SK: külső eltérés-
K
n n négyzetösszeg
Összefüggések
d = B ijj + K j
ijj
x ij − x = ( xij − x j ) + ( x j − x )

Teljes eltérés Belső eltérés Külső eltérés

σ 2
= σ 2
B + σ 2
K

Teljes szórásnégyzet Belső szórásnégyzet Külső szórásnégyzet

S = S B + S K
Teljes eltérés Belső eltérés Külső eltérés
négyzet összeg négyzet összeg négyzet összeg
 Feladat:
Egy főiskolán 4 szakon folyik bachelor képzés. Az alábbi
táblázatban a hallgatók napi tanulásra fordított idejére
vonatkozó
tk ó adatok
d t k ttalálhatók:
lálh tók
Szak Napi tanulásra fordított idő (óra) Hallgatók
átlaga szórása % os
%-os
megoszlása
Emberi erőforrás 1,5 1,2 24
Gazdálkodás menedzsment 2,25 0,8 26
Nemzetközi gazdálkodás 1,75 1,5 20
Pénzügy-számvitel 2,75 1,3 30

Számítsa ki aσ B , σ K ,σ mérőszámokat és értelmezze azokat!

Megoldás

x = 0,24 ⋅ 1,5 + 0,26 ⋅ 2,25 + 0,2 ⋅ 1,75 + 0,3 ⋅ 2,75 = 2,12

σ = 0,24 ⋅ (1,5 − 2,12) + ... + 0,3 ⋅ (2,75 − 2,12) = 0,2431
2
K
2 2

σ k = 0,49

σ B2 = 0,24⋅1,22 + 0,26⋅ 0,82 + 0,2 ⋅1,52 + 0,3 ⋅1,32 = 1,469

σ B = 1,212

σ 2 = σ B2 + σ K2
σ 2 = 1,469 + 0,2431 = 1,7121 → σ = 1,308
A vegyes k
kapcsolat
l t mutatószámai
t tó á i

Szórásnégyzet-hányados: megmutatja, hogy a minőségi vagy területi

ismérv szerinti csoportosítás hány %-ban befolyásolja a mennyiségi
ismérv szóródását
szóródását.

σ σ SK
2
SB 2
H =2
=1− = =1−
K B
σ σ 2
S S 2

Szóráshányados: a szórásnégyzet-hányados négyzetgyöke, amely

megmutatja, hogy milyen szoros a kapcsolat a nem mennyiségi
(csoportosító) és a mennyiségi ismérv között
között.

σ 2
σ σ 2
SK SB
H= H =
2 K
= K
= 1− 2 =
B
= 1−
σ 2
σ σ S S
A vegyes kapcsolat mutatóinak értelmezése

0 < H <1
0 < H <1
2 Sztochasztikus kapcsolat

H =H =02
Teljes függetlenség, a kapcsolat teljes hiánya

H = H =1
2 Függvényszerű, determinisztikus kapcsolat
Feladatok (vegyes kapcsolat)
Perfekt
P f kt Statisztika
St ti tik I. I példatár:
éld tá
„ 264/1, 267/2, 273/1, 273/2, 274/3, 274/5,
275/6, 275/7, 279/14, 280/15, 280/16,
281/18 (a 18
18-as
as feladat b) részének a megoldása hátul
nem jó!)

További gyakorló feladatok az általános

statisztika (zöld) példatárból:
„ 63/137, 65/140, 66/141, 66/143, 67/144
Zárthelyi dolgozat
(
(ZH2))
(2012. december 5. 10.00–11.30)
Zárthelyi dolgozat
((Pót ZH))
(2012. december 12. 10.00–11.30)