BUDAPESTI GAZDASÁGI EGYETEM

Külkereskedelmi Kar

STATISZTIKAI KÉPLETGYŰJTEMÉNY
ÉS TÁBLÁZATOK

2018.
 STATISZTIKAI ALAPFOGALMAK, VISZONYSZÁMOK

Viszonyszámok
A A
1.) V= , A = B  V, B=
B V
k
yi yi
2.) li = , bi = 3.) l 1  l 2 ... l k =  l i = b k
y i-1 y0 i=1

Összetett viszonyszám
k
 Ai
A A B V A
V = i =k1 vagy V= V= = =
 Bi B B B 
A
i =1 V

Mennyiségi sorok
k k
1.)  fi = n
i =1
2.) fi  x i = si 3.) s
i =1
i =s

i
fi fi si
4.) f i =  f j 5.) gi = k
= 6.) zi =
n s
j=1
f
i =1
i

KÖZÉPÉRTÉKEK-SZÓRÓDÁS

Középértékek
N
 xi n
 xi
1.)  = X = i =1 2.) x = i =1
N n
k
 fi  xi k N
3.) x = i =1 =  gi  xi 4.) xh =
N
k 1
 fi i =1
x
i =1 i =1 i

-1-
 k N
5.)  fi 6.) xg = N  xi
i =1
xh = k f
i =1
 i
i =1 x i

N
 x i2
k
 fi k
7.) x g = i =1  x if i 8.) x q = i =1
i =1 N

k
 fi  x i
2
9.) i =1
xq = k
 fi
i =1

n
 -1
− f me
k1 2
10.) Mo = mo + h 11.) Me = me + h
k1 + k 2 f me
n
− f q −1
11.) Q1 = q 1 + 4 h
1

fq 1

Szóródás-számítás: 1.) R = x max − x min 2.) IQR = Q3 – Q1

N k
 d i2  f i  d i2 k
3.) σ= i =1

N
ahol d i = x i - x 4.) σ = i =1
k
=  g i  d i2
 fi i =1
i =1

n
 di
2 k
 fi  di
2
5.) s= i =1 6.)
i =1
n -1 s= k
 f i -1
i =1

σ s
7.) V= V=
x
8.) σ 2 = x q2 − x 2 d 2
= x2 − n  x2
x
k k
 f i  f j x i − x j
n n

 x i − xj
i=1 j=1 i =1 j=1
9.) G= 2
10.) G=
n n2

x - Mo ( Q 3 − Me) − ( Me - Q1 )
Aszimmetria: 1.) A= 2.) F=
 ( Q 3 − Me) + ( Me - Q1 )
-2-
 INDEXSZÁMÍTÁS

q 1i p 1i q 1i p 1i v 1i
Egyedi indexek i qi = , i pi = , i vi = = ; i vi = i qi  i pi
q 0i p 0i q 0i p 0i v 0i

Érték-, ár- és volumenindexek aggregát- és átlagformákban

1.)
 q1p1  v1  v 0  i v  v1
Iv = = = =
 q0p0  v0  v0 v
 1
iv
p1
q p1 q 0 p0 
p0 v i q p
I 0P = = = =
0 0 p 0 1
2.) (Laspeyres)
q 0 p0 q 0 p0 v 0
q p
 i 0 1

3.) I 1p =
q p 1 1
=
q p i
1 0 p
=
v 1
(Paasche)
q p 1 0 q p 1 0
v
i 1

4.) I 0q =
q p 1 0
=
v i0 q
=
q p 1 0
(Laspeyres)
q p 0 0 v 0
q p
 i 1 0

5.) I 1q =
q p 1 1
=
q p i
0 1 q
=
v 1
(Paasche)
q p 0 1 q p 0 1
v
i 1

6.) I Fp = I 0p  I1p IqF = I0q  I1q (Fisher)

Összefüggések

1.) I v = I 0q  I1p = I1q  I 0p = I qF  I Fp

2.) K v =  q1p1 −  q 0 p 0 , K1p =  q1p1 −  q1p 0 , K 0q = q1p 0 −  q 0 p 0
3.) K v = K 0q + K1p vagy K v = K1q + K 0p

-3-
 FŐÁTLAGOK ÖSSZEHASONLÍTÁSA – STANDARDIZÁLÁS

Különbségfelbontás módszere

1.) k j = x1j − x 0j , k i = V1i − V0i

2.) K = x 1 − x 0 , K = V1 − V0

3.)  BS V1  BS V0  BS (V1 − V0 )  BS  k
K ' = V1' − V0' = − = =
 BS  BS  BS  BS
4.)  B1VS  B0 VS
K '' = V1'' − V0'' = −
 B1  B0
5.) K = K + K (ha pl. BS = B1 és VS = V0 )

Indexszámítás módszere

x1 j V1 j x1 V
1.) ij = , i= 2.) I= , I= 1
x0j V0 j x0 V0

3.) I=
V1
=
A : A1 0
=
B V : B V 1 1 0 0
=
A :  B 1 1

V0 B B 1 0 B B 1 0 A B 0 0

4.) I =
V1
=
B V :B V
1 1 1 0
=
B V 1 1
=
B V i = A1 0 1

V0 B B 1 1 B V 1 0 B V A 1 0 1

5.) I  =
V1
=
B V : B V
1 0 0 0
6.) I = I   I 
V0 B B 1 0

-4-
 BECSLÉS – HIPOTÉZISVIZSGÁLAT

A. Becslés

Várható érték

1.) ( )
Pr Θ̂ a ΘΘ̂ f = π [Θ̂ a ; Θ̂ f ] = x  z1− 2  σ x

2.) ( )
Pr Θ̂ a ΘΘ̂ f = π [Θ̂ a ; Θ̂ f ] = x  t 1− 2  s x (szf = n – 1)

3.) ( )
Pr Θ̂ a ΘΘ̂ f = π [Θ̂ a ; Θ̂ f ] = x  z1− 2  s x
 s
ahol x = sx = π=1–α
n n

Valószínűség [Θ̂ a ; Θ̂ f ] = p  z1− 2  s p k pq

p= sp =
n n

Szórásnégyzet  (n - 1)  s 2 2 (n - 1)  s 2  (szf = n – 1)
Pr  2   2 =
  (1-/2 )  (/2 ) 

B. Reprezentatív megfigyelés

s n pq  n
1.) sx = 1− 2.) sp = 1 − 
n N n  N

L
Ni
3.) x = N  x s x = N  s x 4.) x= xi
i=1 N

2
N2 s2
L L
N   ni 
5.) s =  i2 i k i =   i  s 2x
2
ki = 1− 
 Ni 
x
i =1 N n i i =1  N 
i

Ni Nj j
6.) ni = n 7.) nj = n
N N j j

-5-
C. Hipotézisvizsgálat

x− m0 x− m0 x - m0
1.) H 0 :  = m0 → z= ; z= ; t= (szf = n - 1)
σ s s
n n n
a) H 1    m0 1 –  = Pr (z  z) =  (z)

b) H 1    m0 1 – /2 = Pr (– z    z) =  (z)

p- P0
2.) H 0 : P = P0 → z=
P0  Q 0
n

2 =
(n - 1)  s 2 (szf = n - 1)
3.) H 0 :  = 0 →
0
2

d- δ s12 s 2 2
4.) H 0 : 1 – 2 =  → z= ahol d = x1 − x 2 ; sd = +
sd n1 n2

d-
5.) H 0 : 1 – 2 =  → t= (szf = n 1 + n 2 - 2)
1 1
sp +
n1 n 2

(n1 - 1)  s12 + (n 2 - 1)  s 2 2
sp =
n1 + n 2 - 2

e- ε
6.) H 0 : P1 – P2 =  → z=
se

p1  q1 p 2  q 2
ahol e = p1 – p2; se = +
n1 n2
2
s1
7.) H 0 : 1 = 2 → F= 2
(szf1 = n 1 - 1; szf 2 = n 2 - 1) ; Fszf
α
1 ,szf 2
=
1
1− α
s2 Fszf 2 ,szf 1

8.) H0 : Pr (xi) = Pi (i = 1, 2, ..., r)

(fi -n⋅Pi )2
H1 :  i : Pr(xi)  Pi → χ2 = ∑ri=1       szf=r-1-b
n⋅Pi

9.) H0 : Pij = Pi.  P.j (i = 1, 2, …, s j = 1, 2, …, t)

H1 :  ij : Pij  Pi.  P.j → χ 2 = 

s t (f ij − f ij )
* 2

szf = (t − 1)  (s − 1)
*
i =1 j=1 f ij

10.) H0 : 1 = 2 = ... = m = 0
S K (m − 1)
H1 :  i : i  0 (i = 1, 2, …, m) → F= (szf1 = m − 1; szf 2 = n − m )
S B (n - m)
-6-
 KÉTVÁLTOZÓS KORRELÁCIÓ- ÉS REGRESSZIÓSZÁMÍTÁS

A. Korrelációszámítás

1.) Cov (x; y) = C =

d x dy
=
 xy - n  x  y
n -1 n -1

2.) r=
C
=
dxdy = d d x y
=
 xy - n  x  y
s x  s y (n - 1)  s x  s y
d d
x
2
y
2
(  x − n  x )(  y − n  y
2 2 2 2
)

S ( y) S ( y) 6 d i2
3.)  2
yx = K = 1− B 4.)  = 1−
S(y) S(y) n (n 2 − 1)

B. Regressziószámítás

y = b n + b x
0 1
1.)
 xy = b   x + b   x
2
0 1

2.) b1 =
d d x y
; b 0 = y- b1  x; ahol d x = x − x; d y = y− y
d
2
x

E(y, x ) = b1  E(y, x ) = b1 
x x
3.)
b 0 + b1  x y

SSR sx
4.) SST = SSR + SSE r2 = r = b1
SST sy

ahol SST =  (y − y) 2 SSR =  (ŷ − y )2 SSE =  (y − ŷ) 2

 (y- ŷ )
2
6.) SSE
SSR = b12   d 2x = r 2   d 2y se = =
n- 2 n−2

7.) s(b 0 ) = s e 
x 2

s(b1 ) =
se
n   (x - x )  (x - x )
2 2

1 (x 0 − x ) 1 (x 0 − x )
2 2

8.) s(ŷ) = s e  + s(ŷ) = se  1 + +

n  (x - x ) n  (x - x )
2 2

-7-
C. Nemlineáris regresszió

1.) Y =   X   → ŷ = a  x b → lg ŷ = lg a + b  lg x → v̂ = b 0 + b1  u

2.) Y =   X   → ŷ = a b X → lg ŷ = lg a + lg b  x → v̂ = b 0 + b1 x

TÖBBVÁLTOZÓS KORRELÁCIÓ- ÉS REGRESSZIÓSZÁMÍTÁS

A. Korrelációszámítás

1.) R = rij  2.) C = [C ij ] 3.) R

−1
 
= q ij

-q yi ry1 − ry2  r12 -q y1

4.) ryi . 12... i-1, i+1, ... k = 5.) ry1. 2 = =
q yy  q ii (1 - ry22 )(1 - r122 ) q yy  q ii

ry12 + ry22 − 2ry1  ry2  r12 1

6.) R= 7.) R = 1-
1− r 2
12 q yy

8.) I = 1−
 ( y - ŷ) 2

9.) R 2 =1−
n -1
 (1 − R 2 )
 ( y - y) 2
n - p -1

B. Többváltozós lineáris regresszió

bi xi
1.) ŷ = b 0 + b1 x 1 + b 2 x 2 +...+ b p x p 2.) E(y, x i ) =
b 0 + b 1 x 1 + ... + b p x p

3.) X* y = X*X b ( )
 y 
 
n

 x 1  x 2   x p  b 0 
 
 x 1 y   x 1  x 1  x 1 x 2   x 1 x p   b 1 
2

  =    
       
 x p y   x 2 
 p  x 1 x p  x 2 x p   x p   p 
b
 

4.) H0 : 1 = 2 = ... p = 0 H1 : i : i  0

SSR /p n- p- 1 R 2 (szf1 = p; szf2 = n – p – 1)

F= = 
SSE /(n − p− 1) p 1− R2

-8-
 SSE SSR SSE se
5.) R2 = 1− = 6.) se = Ve =
SST SST n - p -1 y

bi bi
7.) H0 : i = 0 → t= = (szf = n – p – 1)
s(b i ) s e  v ii

8.) s(b i ) = s e  v ii  
(X * X) -1 = v ij

9.)

s(ŷ) = s e  x 0 X x X ( )
−1
x0 
s(ŷ) = s e  1 + x 0 X x X ( ) −1
x0

IDŐSORELEMZÉS

A. Idősorok átlagolása

y 0 n-1 y
+  yi + n
2 i =1 2
1.) yk =
n
n -1

d i
y n − y1 n -1 yn
2.) d= i =1
= 3.)  = n −1   i = n −1
n -1 n -1 i =1 y1

B. Analitikus trendszámítás

4.) Lineáris trend: ŷ t = b 0 + b1  t

y = b 0  n + b1   t

 ty = b   t + b   t
2
0 1

5.) Exponenciális trend: ŷ = a  b t

log ŷ = log a + t  log b  b 0 + b1  t

-9-
C. Szezonalitás vizsgálata

6.) y ij = ŷ ij + s j + v ij + k vagy y ij = ŷ ij  s *j  v *ij  k

s 
m

s j =  (y ij − ŷ ij )
 1 p 
→ sj =sj −
j=1
7.)
p i =1 m

*
 p
y ij sj
sj = p  ŷ → sj =
* *
8.)
m

s
i =1 ij *
m
j
i =1

D. Interpoláció – Extrapoláció

 
9.) yk = y0 + k  D yk = y0  l k

 
y kj = ŷ kj + s j y kj = ŷ kj  s j
*
10.)

- 10 -