Professional Documents
Culture Documents
KORSZERŰ ELEMZŐ
MÓDSZEREK
A SZAKKÉPZÉSBEN
Írta
KATA JÁNOS
Írta
BOKOR LÁSZLÓ, DOMBI ÁKOS,
GYÖRGY LÁSZLÓ, KISS LILLA VERONIKA
Írta
ANDOR GYÖRGY, PÁZMÁNDI KINGA
és SÁRKÖZY TAMÁS
TYPOTEX
www.nka.hu
Kedves Olvasó!
Köszönjük, hogy kínálatunkból választott olvasnivalót!
Újabb kiadványainkról, akcióinkról
a www.typotex.hu és a facebook.com/typotexkiado
oldalakon értesülhet.
TARTALOM
ELŐSZÓ 9
BEVEZETÉS
A számok tulajdonságai – a számkörök 13
A számok statisztikai alkalmazása – a skálázás 14
Az adatok osztályozása a változó értékkészlete szerint 15
A mért mennyiségek tartalma – a mérési hibák 17
A mérési hibák figyelembe vétele – a statisztika 19
Mérések a pedagógiában 21
5
© Typotex Kiadó
6 TARTALOM
BEFEJEZÉS 171
6
© Typotex Kiadó
TARTALOM 7
7
© Typotex Kiadó
8 TARTALOM
8
© Typotex Kiadó
ELŐSZÓ
9
© Typotex Kiadó
10 ELŐSZÓ
10
© Typotex Kiadó
ELŐSZÓ 11
11
© Typotex Kiadó
12 ELŐSZÓ
A jegyzet anyagát olyan részek egészítik ki, amelyek korábbi kutatások, felmé-
rések és publikációk egyes elemeit tartalmazzák. Mivel ezek különböző idő-
pontokban (lényegében az elmúlt tíz évben), különböző célokból (kutatási jelen-
tésként, hallgatói segédletként stb.), különböző szakterületeken (oktatásra, ku-
tatásra, egészségügyi, műszaki alkalmazásra) készültek, ezért szándékosan
csak nagy vonalakban hangoltuk össze őket. Azt is ki akartuk fejezni ezzel,
hogy meglehetősen széles e módszerek lehetséges felhasználási területe, ezért e
tanulmányok egymástól függetlenül is olvashatók, amit megtört volna egy eset-
leges erőltetett összeszerkesztés.
12
© Typotex Kiadó
BEVEZETÉS
13
© Typotex Kiadó
14 BEVEZETÉS
radt a törzsnek élő tagja (a mohikánok száma 0). Osztani azonban ebben a szám-
körben sem mindig egyszerű, hiszen az eredmény sokszor kívül esik azon a
halmazon, amelyen magukat az egész számokat értelmezzük.
Kialakultak hát a racionális számok, amelyeket két egész szám hányadosaként
értelmezünk. Segítségükkel ki tudjuk fejezni azt, hogy egy Aureus 12-ed részé-
ért vásároltunk egy rabszolgát, vagy 1279-ben Magyarországon 1 dénárért 1/40
veder sört ihattunk.
A hétköznapi mennyiségek leírásához lényegében ezek a számok elegendők.
A számkör későbbi bővítése során kialakult számfajták (például az irracionális és
a komplex számok) már csak a matematikusok és a műszaki vagy természettudo-
mányos felkészültségű szakemberek sokszor speciális elméleti problémáinak
megoldására alkalmasak, ezért számunkra most a gyakorlati méréselmélet és a
rendszermodellezés szempontjából nem érdemelnek további figyelmet.
14
© Typotex Kiadó
előző skálához képest csupán annyi többletet tudhatunk meg belőle A-ról és
B-ről, hogy az xA > xB reláció fennáll-e vagy sem.
Az időjárás-jelentésből naponta megtudjuk, hogy milyen meleg lesz aznap.
Télen enyhe időben +5 Celsius fok van, a nyári forróságban +35 Celsius fok is le-
het. Mégsem mondjuk, hogy nyáron hétszer olyan meleg van, mint télen. Ennek
az az oka, hogy az ilyen intervallumskálán nincsen egyértelmű kezdőpont (illetve
az nem felel meg a mért mennyiség abszolút nulla értékének), hanem az egy ál-
talában önkényesen meghatározott értékhez tartozik. Segítségével az előző in-
formációkon túl a különbségek mértékét is értelmezzük, így azt is mondhatjuk,
hogy A a B-től xA – xB értékkel különbözik.
Azok a számok, amelyekkel minden műveletet szabadon elvégezhetünk, az
arányskálán helyezkednek el. Ezen a skálán nemcsak a beosztások egyenletesek,
hanem a kezdőpont is egyértelműen az abszolút nulla ponthoz tartozik. Az ese-
tek jelentős részében szerencsénk van: a távolság, a tömeg, az erő, a térfogat és
számos hétköznapi, illetve tudományos mennyiség ilyen abszolút nulla érték-
kel rendelkezik. Azt is mondhatjuk tehát az ilyen skálán elhelyezkedő objektu-
mokról, hogy A xA/xB-szer nagyobb B-nél.
A skálák felépítése hierarchikus, mivel mindegyikük rendelkezik az őt meg-
előző összes skála tulajdonságaival. A nominális és a rangsorskálán mért válto-
zókat gyakran nevezik kategorikus vagy kvalitatív (minőségi) változóknak, az
intervallum- és arányskálán értelmezett változókat pedig kvantitatív (mennyi-
ségi) változóknak hívják.
A többváltozós modellezések során feltételezzük, hogy a változók azonos
skálatulajdonságúak. Elméleti megfontolások alapján levezethető, hogy általá-
ban elég, ha intervallumskálán helyezkednek el, ugyanis az arányskála abszolút
nullapontjából eredő tulajdonságokat ritkán használjuk ki. Az adatoknak ez a
homogenitása a gyakorlatban sokszor nem biztosítható (gondoljunk arra, hogy
statisztikai elemzéseinkben milyen gyakran találkozunk a tanulók osztályzatai-
nak elemzésével például a lakóhely, a nem, az életkor és a szülők foglalkozásá-
nak egyidejű hatásait keresve). Ilyenkor különböző eljárásokkal transzformál-
juk őket azonos jellegűvé. Ha a változó tulajdonságait magasabb szintű skálára
transzformáljuk, akkor felértékeljük (tehát pótlólagos információkat adunk ró-
luk), fordított esetben pedig leértékeljük a tulajdonságaikat (vagyis információ-
kat hagyunk el belőlük). Ilyen műveleteket végzünk például akkor, ha a tanuló
jeles osztályzata mellé szöveges értékelést is adunk, vagy ha a pontszámból ki-
alakítjuk az írásbeli dolgozat érdemjegyét.
A változók között aszerint is különbséget lehet tenni, hogy hány különböző ér-
téket vehetnek fel, vagyis hány elem tartozik az értékkészletükbe. Az értékkész-
letek korszerű osztályozása a halmazelmélet fogalmait hívja segítségül, melyek
közül az egyik első definíció szerint:
15
© Typotex Kiadó
16 BEVEZETÉS
16
© Typotex Kiadó
17
© Typotex Kiadó
18 BEVEZETÉS
x = t + s + e,
18
© Typotex Kiadó
rxy £ rtx2
19
© Typotex Kiadó
20 BEVEZETÉS
20
© Typotex Kiadó
MÉRÉSEK A PEDAGÓGIÁBAN 21
MÉRÉSEK A PEDAGÓGIÁBAN
21
© Typotex Kiadó
22 BEVEZETÉS
22
© Typotex Kiadó
MÉRÉSEK A PEDAGÓGIÁBAN 23
23
© Typotex Kiadó
24
© Typotex Kiadó
1. FEJEZET
A pedagógiai kutatásokban alkalmazható
kvantitatív módszerek rendszerelméleti alapjai
25
© Typotex Kiadó
26
© Typotex Kiadó
27
© Typotex Kiadó
Az elemzési lehetőségek egy jelentős területe azt aknázza ki, hogy szinte min-
den, a pedagógus által elemezhető információ egyben mérési eredmény is.
Ilyenkor a statisztikai módszerek kerülnek előtérbe. A legegyszerűbb esetek-
ben az osztályzatok különböző szempontú csoportosításait végezzük el azok
megoszlási viszonyszámainak elemzése során. Meghatározható így az egyes ta-
nulócsoportok (fiúk–lányok, fővárosiak–vidékiek stb.), tanulási eredményessé-
ge, vagy a továbbtanulási arányok összehasonlítása (különböző iskolatípusok,
képzési formák stb. között), és más, hasonlóan egyszerű jellemzőket is kiszá-
molhatunk ily módon.
Sok esetben merül fel annak az igénye, hogy egyes folyamatok hatását, köve-
telményeit meghatározzuk az „átlagos” tanulóra, illetve a tanulók többségére.
Ilyenkor számoljuk ki az adatok középértékeit és az adatszóródás különböző
mérőszámait. Ezzel írhatjuk le, hogy milyen átlagos, illetve minimális tanulmá-
nyi eredménnyel lehet bejutni egy felsőoktatási intézménybe, és így oldhatók
meg más, hasonló feladatok is.
Az indexszámítással különböző időszakok eredményei hasonlíthatók össze,
így elemezhető például a kötelező óraszámok emelésének hatása a tanulmányi
versenyek eredményeire és további ehhez hasonló problémák is.
A pedagógiai következtetések leginkább érzékeny területét képezi az általános
törvényszerűségek elemzése. Ilyenkor nagyon fontos, hogy a megfogalmazott té-
telek minél több (lehetőleg az összes) esetre és személyre érvényesüljenek. E bizo-
nyításokra használhatók fel a nagy számok törvényei és a segítségükkel elvégzett
reprezentatív megfigyelések. Ezek által legtöbbször tudományos igényű elemzé-
sek végezhetők az öröklött és a tanult képességek arányának meghatározására, a
nyelvérzék és a matematikai tehetség összefüggéseinek feltárására és más, általá-
nos pedagógiai kérdések elemzésére.
A felhalmozott adatokból különféle próbákat végezhetünk mérések függet-
lenségének elemzése céljából, ellenőrizhetjük különböző hipotéziseinket a fo-
lyamatra, illetve a rendszerre vonatkozóan, és feltárhatunk bizonyos egyszerű
összefüggéseket az egyes tényezők között. Elemezhetjük így például a latinta-
nulás hatását más idegen nyelvek tanulásának hatékonyságára, a gimnáziumot
végzettek beválását a mérnöki tanulmányok során, és szinte minden tanulási
elem és tanulási eredményesség közötti kapcsolatot.
Ezen összefüggések erősségének számszerűsítésére is lehetőség van a kor-
reláció- és a regressziószámítás segítségével. Meghatározható így az intelli-
genciahányados és a tanulmányi eredmények közötti összefüggés szorossága,
a nyelvtanulási eredmények és az anyanyelvi kompetencia közötti kapcsola-
tok erőssége is.
Az egyes folyamatjellemzők időbeli alakulása az idősorok vizsgálata és a
trendszámítás segítségével vizsgálható. Így lehet meghatározni egy iskola to-
28
© Typotex Kiadó
29
© Typotex Kiadó
30
© Typotex Kiadó
31
© Typotex Kiadó
Ski,max = n * (n – 1) / 2
Ski,min = n – 1
k = Ski / n
32
© Typotex Kiadó
vezetési folyamat
alapfolyamat
33
© Typotex Kiadó
Döntés-
Adattárolás Beavatkozás
előkészítés
34
© Typotex Kiadó
A vezetési folyamatban hat fázis különíthető el. Ezek közül az első három
végrehajtására a külső és a belső körülményektől függetlenül folyamatosan (il-
letve szabályos vagy szabálytalan időközönként) szükség van. Mivel e felada-
tok függetlenek az irányítást végző személytől (szervezettől), objektív irányítási
feladatoknak nevezzük őket.
35
© Typotex Kiadó
36
© Typotex Kiadó
A probléma megfogalmazása során arra kell törekedni, hogy minél precízebben ha-
tározzuk meg a megoldandó feladatot, az eredményesség feltételeit, azokat a
körülményeket, amelyek befolyásolják az optimum elérését. Ebben a fázisban
természetesen még mindez szövegesen történik, hiszen ekkor még nem is tud-
juk, milyen modellt kívánunk választani a megoldás érdekében. Ekkor kere-
sünk már ismert modelleket, eljárásokat, végzünk irodalomkutatást ezek össze-
gyűjtésére, hiszen amennyiben már léteznek ilyenek (hála más, hasonló felada-
tok korábban elvégzett általánosításainak), akkor elegendő ezt felhasználni
saját feladatunkhoz.
37
© Typotex Kiadó
38
© Typotex Kiadó
° a statikus modell azt fejezi ki, hogy a rendszer működését adott időpont-
ban milyen paraméterek jellemzik;
° a dinamikus modell a rendszer időbeli viselkedéséről ad tájékoztatást (az
egyik független változója az idő).
39
© Typotex Kiadó
Az elsőre példa az osztály adott évi naplója, a másodikra pedig a teljes kép-
zési idő összes évfolyamának osztálynaplója lehet.
szimbolikus;
funkcionális;
predikatív;
algoritmikus és
dinamikus jellegű.
40
© Typotex Kiadó
41
© Typotex Kiadó
42
© Typotex Kiadó
43
© Typotex Kiadó
1.5 ALKALMAZÁSOK
44
© Typotex Kiadó
2. FEJEZET
A determinisztikus modellek jellemzői
és pedagógiai alkalmazásuk
A két vizsgált eljáráscsoport eltérő gyakorlati feladatokat old meg, ennek kap-
csán elméleti alapjaik és matematikai algoritmusaik is jelentősen eltérnek.
A hálótervezési, illetve gráf-mátrix módszerek a rendszerelemek közötti kap-
csolatok elemzését teszik lehetővé. Elnevezésük is tükrözi, hogy a gráfelmélet
alapján felépített mátrixmodelljüket matematikai műveletekkel vizsgálják.
Azokat a speciális eseteket, amikor a kapcsolatok időbeli eseményeket kötnek
össze, hálótervezésnek nevezzük.
45
© Typotex Kiadó
46
© Typotex Kiadó
47
© Typotex Kiadó
48
© Typotex Kiadó
M(N) = L(N)
M(N – 1) = M(N) – T(N – 1, N)
M(N – 2) = min <M(N) – T(N – 2, N); M(N – 1) – T(N – 2, N – 1)>
M(N – 3) = min <M(N) – T(N – 3, N); M(N – 1) – T(N – 3, N – 1); M(N – 2) –
– T(N – 3, N – 1)> stb.
49
© Typotex Kiadó
50
© Typotex Kiadó
51
© Typotex Kiadó
52
© Typotex Kiadó
53
© Typotex Kiadó
54
© Typotex Kiadó
1. Mit jelent az, hogy egy algoritmus determinisztikus modellre épül? Milyen
jellemzői vannak az ilyen modellnek? Milyen jellegű feladatok megoldására
lehet alkalmas? (2.1)
2. Milyen feladatokat lehet megoldani hálós módszerekkel? (2.1.1)
3. Milyen lépései vannak a hálótervezés kritikus út módszerének? (2.1.1)
4. Mit jelent az, hogy egy művelet a kritikus úton fekszik? Milyen szerepük
van a tartalékidőknek? (2.1.1)
5. Milyen lépésekből áll a tananyag szerkezetének elemzése és tervezése?
(2.1.1)
6. Mire szolgálnak a döntési modellek? (2.1.2)
7. Milyen módszereket ismer a komplex döntések megalapozására? (2.1.2)
8. Milyen lépésekből áll a COMBI-módszer? (2.1.2)
9. Milyen típusú alkalmazási lehetőségei vannak az értékelemzés döntési eljá-
rásainak? (2.2)
10. Milyen sajátosságai vannak az oktatási folyamatokkal kapcsolatos dönté-
seknek? (2.2)
11. Milyen alaptörvényei vannak a tananyagstruktúrák elemzésének? (2.2)
12. Hogyan hatnak a determinisztikus modellek a tanár gondolkodásmódjára?
(2.2)
55
© Typotex Kiadó
2.5 ALKALMAZÁSOK
56
© Typotex Kiadó
3. FEJEZET
A sztochasztikus modellek jellemzői
és pedagógiai alkalmazásuk
57
© Typotex Kiadó
A statisztikai módszereket e jegyzet két nagy csoportba sorolja. Ezek közös tu-
lajdonsága, hogy rendszermodellezési célból használjuk fel őket.
Az egyik csoportba tartoznak azok az általában egyszerűbb eljárások, ame-
lyeket a klasszikus statisztika egyes fejezeteiből már jól ismerhetünk. Ezek egy-
változós adathalmazok elemzésére szolgálnak, illetve néhány (általában kettő)
változó közötti összefüggéseket kezelnek. E műveletek egyik részeredménye a
változó(k) által leírt rendszer egyszerű modellezése. A másik csoport olyan, leg-
többször elméleti és számítástechnikai szempontból összetett módszereket tar-
talmaz, amelyeket nagyon bonyolult rendszerek megbízható modellezésére
dolgoztak ki. A pontos leképezés érdekében nagyon sok adatot kezelnek, így
rendszerint sokváltozós függvények elemzésére épülnek. Ennek során rutinsze-
rűen alkalmaznak olyan, az első csoportba tartozó algoritmusokat, amelyek
maguk is képesek az összetett rendszerek részbeni modellezésére.
A statisztikai eljárások e két, eltérő jellegű területének azonban vannak közös
tulajdonságai is, hiszen szoros kapcsolat van közöttük.
A sztochasztikus modellezés alapjául szolgáló modern statisztikai módsze-
rek a legegyszerűbb matematikai alapokra épülnek, de az idők során magukba
integrálták a felsőbb matematika számos fejezetének elemeit. Önálló fejlődésü-
ket a kombinatorika és a valószínűségszámítás kialakulása tette lehetővé, de
mai fejlettségi szintjükön a matematika olyan részeit is igénybe veszik, mint a
függvényanalízis, a lineáris algebra, az integrál- és a differenciálszámítás.
Először azonban tekintsük át egy, a statisztika kérdéseit is bőven érintő poli-
tikai elemzés alapján, hogyan látja az „átlagember” a statisztika szerepét az éle-
tünkben.
58
© Typotex Kiadó
59
© Typotex Kiadó
60
© Typotex Kiadó
61
© Typotex Kiadó
A kutatás előkészítése
Minden kutatás azzal kezdődik, hogy olyan probléma vetődik fel, amely
megoldást igényel. Ennek oka az, hogy a döntési folyamat első, érzékelő
eleme hiányosságot, elégtelenséget, új helyzetet, új körülményt jelez. Ha
ez alapján a normális üzemeltetési adatokkal összevetve az a döntés szüle-
tik, hogy be kell avatkozni, akkor indul el a döntés előkészítése. Kutatási
tevékenységre akkor van szükség, ha probléma csak behatóbb vizsgálattal
oldható meg.
Ezt követi a probléma megfogalmazása. Ez meghatározza az egész kutatás
menetét, hiszen a pontos leírás utalhat a kutatási módszerre éppúgy, mint
annak korlátaira. A megfogalmazás persze nem végleges érvényű. A kuta-
tás folyamán, annak eredményei alapján felmerülhetnek olyan szempon-
tok, amelyek módosítják a probléma leírását is.
A kutatási cél megfogalmazása azért fontos, mert a problémák általában
62
© Typotex Kiadó
63
© Typotex Kiadó
A kutatás végrehajtása
A kutatás befejezése
A mérések során gyakran felmerül az a probléma, hány mérés, hány adat előál-
lítása elegendő az adott kérdés megnyugtató megválaszolására.
A mérési hibák tulajdonságainak ismeretében mindenki tudja, hogy kevés
adat esetén fennáll annak a veszélye, hogy az éppen rendelkezésre álló adatok
között találhatók hibásak is. Ekkor a belőlük levonható következtetéseket a hi-
bák eltorzítják, és azokat is valamilyen folyamatjellemző hatásaként értékeljük.
Az így nyert információ szükségszerűen hibás lesz. Növelni kell tehát a méré-
sek számát, hiszen így a hibás adatok aránya kisebb lesz (helyesebben, egy ha-
tár felé közelít), és annak a veszélye is csökken, hogy miattuk rossz eredménye-
ket kapnánk a kiértékelés során.
De meddig célszerű növelni a mérések számát, így a rendelkezésre álló adat-
mennyiséget? Néhány méréssorozat önálló elvégzése után bárki észreveheti,
hogy például az adatok átlaga (de a szórásukról és néhány további jellemzőjük-
ről ugyanez elmondható) egyre kisebb mértékben változik, és bizonyos mérési
szám után e változás olyan kis mértékűre csökken, hogy már csak a sokadik
tizedesjegyben érzékelhető. Ezt a határt átlépve már biztosan állítható, hogy a
mérések számának növelése nem javítja az adatokból kinyerhető információ
pontosságát, illetve megbízhatóságát.
A méréselmélet, illetve a statisztikai eljárások e határra a konkrét gyakorlati
esetek igényei alapján fogalmaznak meg követelményeket, és így nagyon pon-
tos becsléseket tudnak tenni az elfogadható mértékükre. A számítások alapja a
nagy számok törvénye. E törvénynek a matematika többféle megfogalmazást
adott. Számunkra azonban elég annyi, hogy a folyományaként megfelelő
64
© Typotex Kiadó
65
© Typotex Kiadó
66
© Typotex Kiadó
67
© Typotex Kiadó
Az egy oszlopba került adatok első látásra is érzékeltetik, hogy a gyerekek érté-
kei magasabbak az emberszabású állatok hasonló értékeinél, és összességükben
jelentősen eltérnek azoktól. Azt is látjuk emellett, hogy a kisfiúk és a kislányok kö-
zött nincs számottevő eltérés. (Ez egy ténylegesen elvégzett kutatás. Megbízható-
ságát jelentősen csökkentik bizonyos elemek, például a minták feltűnően kis mé-
rete. A kutatók számításai egyébként egzakt módszerekkel – például kétmintás
t-próbával – is alátámasztják fenti következtetésünket, melyet például az átlagér-
tékek [2,9; 2,6; 1,6] kiszámolásával magunk is megerősíthetünk.)
A megfelelő csoportosítás tehát sokszor már önmagában lehetővé teszi, hogy el-
jussunk a célként kitűzött információhoz, arról következtetéseket tegyünk. A
megfelelő táblázatos összefoglalás nagyon sok összetettebb módszer alkalmazá-
sának is fontos előfeltétele. Az eljárás hátránya, hogy nem eléggé szemléletes, és a
tudomány igényeinek megfelelő egzakt bizonyítási lehetőségeket nélkülözi.
68
© Typotex Kiadó
G: Félsz a dolgozattól?
H: A tanítás végén már izegsz-mozogsz?
I: Ha valamit elrontasz, megpróbálod még egyszer?
J: Érdekesnek találod az iskolai munkát?
Kérdések
A B C D E F G H I J
Tanulók
1 2 5 2 4 5 5 3 5 5 4
2 3 3 1 4 1 3 3 3 4 2
3 1 4 2 4 1 3 2 1 4 5
4 1 3 2 2 3 3 3 4 4 3
5 2 1 2 3 5 4 2 2 5 4
6 3 5 2 4 4 4 2 4 5 4
7 2 3 2 4 2 3 2 3 3 2
8 2 4 1 5 2 3 1 1 3 4
9 3 5 1 1 4 3 4 2 3 2
10 4 2 3 1 2 1 3 4 2 2
11 4 3 2 3 2 3 2 4 4 2
12 3 4 2 2 1 5 2 2 5 2
13 3 4 2 1 3 5 5 3 3 1
14 2 2 1 3 1 3 3 1 2 3
15 3 3 2 3 3 3 3 4 4 3
16 3 3 2 3 2 3 2 3 4 3
17 3 4 1 3 1 2 5 3 3 3
18 3 2 2 2 2 3 3 4 4 3
19 5 3 4 1 1 5 3 4 4 2
20 2 3 2 3 1 3 4 4 3 3
21 3 2 2 4 3 3 2 2 3 3
22 4 3 3 2 3 3 3 4 2 3
23 3 4 2 3 2 3 4 3 3 3
24 2 3 1 4 2 2 2 2 3 3
25 3 2 2 2 1 4 5 5 3 1
26 3 5 1 1 3 3 4 2 3 2
27 3 2 3 1 1 4 4 4 3 2
28 3 2 5 1 1 5 3 4 3 2
29 3 2 2 3 4 5 1 2 5 3
30 2 4 2 4 4 4 2 5 5 3
69
© Typotex Kiadó
A mért adatok által leírt jellemzők nagysága és egymás közötti arányuk grafi-
kus módszerekkel történő szemléltetése sok esetben önmagában elegendő az
információ előállítására, a folyamat elemi modelljének kidolgozására.
Egy, az 1980-as években végzett szociológiai kutatás esetében azt vizsgálták,
hogy megfigyelhetők-e különbségek az egyes foglalkozástípusok (osztályok) sza-
badidő-eltöltési módjai között. A következő eredményeket kapták (3.3 táblázat):
70
© Typotex Kiadó
71
© Typotex Kiadó
72
© Typotex Kiadó
73
© Typotex Kiadó
Tanuló
74
© Typotex Kiadó
75
© Typotex Kiadó
76
© Typotex Kiadó
77
© Typotex Kiadó
78
© Typotex Kiadó
79
© Typotex Kiadó
80
© Typotex Kiadó
(xátlag = S xi / n helyett)
81
© Typotex Kiadó
82
© Typotex Kiadó
83
© Typotex Kiadó
Ez a fajta hisztogram láthatóan túl keskeny osztályközöket használ fel, így be-
lőle nem sokkal könnyebben olvashatók ki az információk, mint az előző ábrából.
Az osztályközök szélességét tehát célszerű nagyobbra venni például a 3.17
ábra szerint:
Ha azonban az osztályköz túl széles, akkor a túl pontatlan felbontás miatt akár
minden információ elveszhet az elemzés számára. A statisztikai tankönyvek ke-
vés segítséget nyújtanak az osztályköz szélességének megválasztásához. Az
egyik például azt javasolja, hogy határozzunk meg összesen 8–10 osztályt, ezek
általában megfelelő pontosságot biztosítanak. Mivel ugyanakkor a számítások-
ból levonható következtetések megbízhatóságát az adatok száma és a nagyságuk
közötti eltérés befolyásolja, sokszor az is elképzelhető, hogy 20–30 is kevés, más-
kor viszont 4–5 is elég lehet e könyv szerint. E bizonytalanság miatt a műszaki
méréstechnikában elterjedtek bizonyos tapasztalati képletek. Matematikai szem-
pontból ezek sem túl egzaktak, de kifejezik az osztályközök függését az adatok
terjedelmétől és számuktól is, emellett használható javaslatot tesznek az interval-
lumok számára, szélességére vonatkozóan például a következő képlet alapján:
84
© Typotex Kiadó
A hisztogram jól érzékelteti, hogy a hallgatók többsége 50% és 60% közé eső
teljesítményt mutatott, további jelentős részük 40% és 50%, illetve 60% és 70% kö-
zött teljesített. (A pontszámok érdemjegyre történő átváltásának egyik lehetséges
módszere éppen a hisztogramra épít. Ennek pedagógiai minősítése nem tárgya
fejezetünknek, ettől függetlenül kijelenthetjük, hogy ez alapján durva közelítés-
ként 40 pontig elégtelen, 40 és 50 pont között elégséges, 50 és 60 pont között köze-
pes, 60 és 70 pont között jó, 70 pont felett jeles osztályzattal értékelhetnénk.)
A hisztogramok egyik speciális fajtája a Pareto-diagramnak is nevezett ábrázo-
lás. Ilyenkor az osztályközöket az általuk tartalmazott adatok száma szerint
csökkenő sorrendbe állítjuk, és a függőleges (ordináta-) tengelyen ennek az
adatszámnak az értékét ábrázoljuk a 3.19 ábrának megfelelően:
85
© Typotex Kiadó
86
© Typotex Kiadó
Ha az adatok száma páros, akkor középre két adat kerül. Ekkor ezek számtani átla-
ga lesz a medián.
87
© Typotex Kiadó
88
© Typotex Kiadó
89
© Typotex Kiadó
90
© Typotex Kiadó
kancia értéke 5%. Azt mondják ugyanis, hogy az ilyen hiba megengedése leg-
többször elégséges pontosságú információt szolgáltat.
A statisztika sok esetben csak annak megítélésére kíváncsi, hogy két vagy
több minta azonos átlagú alapsokaságból származik-e. Ilyenkor úgynevezett
egytényezős varianciaanalízist végeznek.
Vizsgáljuk meg például, hogy a 3.4 táblázat négy oszlopában szereplő hallga-
tók eredményei (oszloponként) egy alapsokaságból származnak-e.
A kérdés nem erőltetett. Elképzelhető lenne ugyanis, hogy a négy oszlop négy kü-
lönböző csoportot takar. Ezek például eltérő gyakorlatvezetővel vehettek részt szá-
mítási gyakorlataikon, eltérő időpontban, eltérő feladatsor alapján vizsgázhattak,
és még számos tényező okozhatott közöttük ilyen eltérést. Elemzésünk arra szol-
gál, hogy voltak-e ilyen hatások a végső tanulmányi eredmény kialakulása során.
Egytényezős varianciaanalízis
ÖSSZESÍTÉS
Csoportok Darabszám Összeg Átlag Variancia
Oszlop 1 17 803 47,23529 101,8162
Oszlop 2 17 838 49,29412 380,0956
Oszlop 3 17 772 45,41176 141,0074
Oszlop 4 17 863 50,76471 93,56618
VARIANCIAANALÍZIS
Tényezők SS Df MS F p-érték Fkrit.
Csoportok között 280,1176 3 93,37255 0,521281 0,669176 2,748191
Csoporton belül 11463,76 64 179,1213
Összesen 11743,88 67
91
© Typotex Kiadó
Feltételezésünk szerint ekkor két gyakorlatvezető volt a táblázat első kettő, illetve
második kettő oszlopa szerinti hallgatókkal. Az első és a harmadik oszlop hallgatói
egy időben, a második és a negyedik oszlop hallgatói szintén egy időben, de másik
alkalommal vizsgáztak. Arra vagyunk kíváncsiak ilyenkor, hogy voltak-e eltérések
a gyakorlatvezetők (első tényező) és a vizsgaidőpontok (második tényező) tekin-
tetében.
92
© Typotex Kiadó
2. mérés
Darabszám 17 17 34
Összeg 838 863 1701
Átlag 49,29412 50,76471 50,02941
Variancia 380,0956 93,56618 230,2112
Összesen
Darabszám 34 34
Összeg 1641 1635
Átlag 48,26471 48,08824
Variancia 234,746 121,1132
VARIANCIAANALÍZIS
Tényezők SS Df MS F p-érték Fkrit.
Minta 233,4706 1 233,4706 1,303422 0,257843 3,990924
Oszlopok 0,529412 1 0,529412 0,002956 0,956813 3,990924
Kölcsönhatás 46,11765 1 46,11765 0,257466 0,613611 3,990924
Belül 11463,76 64 179,1213
Összesen 11743,88 67
Nem irreális ennek a vizsgálata sem. Lehet például, hogy az osztályzatokat a hall-
gatók matematika-vizsgaeredményei szerinti sorrendben csoportosítottuk. Ekkor
arra keresnénk a választ, van-e összefüggés a matematika és a szakmai ismeretek
tantárgyak eredményessége között.
93
© Typotex Kiadó
Oszlop 1 Oszlop 2
Oszlop 1 1
Oszlop 2 0,065678 1
Itt persze most még kevésbé várhatunk összefüggést, hiszen a csoportokon belül to-
vábbra is névsor szerint helyezkednek el a hallgatók. Egy tényleges vizsgálatnál
azonban a csoporton belüli rendezés történhetne például az elért eredmények csök-
kenő sorrendjében, így mindjárt több értelme lenne az összehasonlításnak.
94
© Typotex Kiadó
95
© Typotex Kiadó
Oszlop 1
96
© Typotex Kiadó
Változó 1 Változó 2
Várható érték 48,26471 48,08824
Variancia 234,746 121,1132
Megfigyelések 34 34
Df 33 33
F 1,938236
P(F<=f) egyszélű 0,030756
F kritikus egyszélű 1,787822
a varianciák egyenlők,
a varianciák különbözők, illetve
a két minta az ugyanazokon az egyedeken végzett kísérlet előtti és utáni
vizsgálatokat tartalmazza.
97
© Typotex Kiadó
oszlás táblázatában szereplő tkrit értéknél, akkor a minták várható értékei egyen-
lőknek tekinthetők.
Vizsgáljuk meg t-próbával a két gyakorlatvezető csoportjainak egyenlő átla-
gos teljesítményére vonatkozó hipotézis helyességét (3.11 táblázat).
Változó 1 Változó 2
Várható érték 48,264706 48,0882353
Variancia 234,74599 121,113191
Megfigyelések 34 34
Pearson-féle korreláció –0,1494883
Feltételezett átlagos eltérés 0,18
Df 33
t-érték –0,001021
P(T<=t) egyszélű 0,4995957
t kritikus egyszélű 1,6923603
P(T<=t) kétszélű 0,9991915
t kritikus kétszélű 2,0345153
98
© Typotex Kiadó
Változó 1 Változó 2
Várható érték 48,26471 48,08824
Ismert variancia 235 121
Megfigyelések 34 34
Feltételezett átlagos eltérés 0,2
Z –0,00727
P(Z<=z) egyszélű 0,497099
z kritikus egyszélű 1,644854
P(Z<=z) kétszélű 0,994198
z kritikus kétszélű 1,959964
99
© Typotex Kiadó
ÖSSZESÍTŐ TÁBLA
Regressziós statisztika
R értéke 0,028944
r-négyzet 0,000838
Korrigált r-négyzet –0,0143
Standard hiba 1,084506
Megfigyelések 68
VARIANCIAANALÍZIS
df SS MS F F szignifikanciája
Regresszió 1 0,065086 0,065086 0,055338 0,814751
Maradék 66 77,62609 1,176153
Összesen 67 77,69118
100
© Typotex Kiadó
Y = –0,3559 X + 49,32
101
© Typotex Kiadó
102
© Typotex Kiadó
103
© Typotex Kiadó
ÖSSZESÍTŐ TÁBLA
Regressziós statisztika
r értéke 0,1412
r-négyzet 0,0199
2
Korr. r -0,0260
Standard hiba 13,4104
Megfigyelések 68,0000
VARIANCIAANALÍZIS
Df SS MS F F-szignifikancia
Regresszió 3,0000 234,2775 78,0925 0,4342 0,7292
Maradék 64,0000 11509,6048 179,846
Összesen 67,0000 11743,8824
(1)
104
© Typotex Kiadó
(2)
105
© Typotex Kiadó
(3)
(4)
(6)
(7)
106
© Typotex Kiadó
Gondoljunk itt arra, hogy a 19. századi Londonban komoly becsléseket tettek a
technikai fejlődésre vonatkozóan. Kiszámították, hogy ha az aktuális fejlődési nö-
vekedés nem csökken, néhány évtized múlva térdig járnak a város lakói a lótrágyá-
ban, mert a közlekedés egyre több lovat fog igényelni.
107
© Typotex Kiadó
108
© Typotex Kiadó
F N Össz.
0–50 26 19 45
50–60 10 3 13
60–100 9 1 10
Össz. 45 23 68
Ezt az első sor első eleménél a 45*45/68 képlettel számolhatjuk ki, értéke 29,78.
Azt jelenti ez, hogy ha teljesen független lenne a két tényező egymástól, akkor
ennyi (férfi) hallgató kerülne az adott (0–50 pontos) kategóriába. Hasonlóan kiszá-
molva a következő (elméleti) kontingenciatáblázatot kapnánk (3.20 táblázat):
F N
0–50 29,78 15,22
50–60 8,6 4,4
60–100 6,62 3,38
109
© Typotex Kiadó
Ha ez az érték nem túl nagy, akkor nincs összefüggés a két tényező között.
A kérdés azonban az, hogy milyen szám minősül kicsinek és milyen szám minő-
sül nagynak. Ennek megítélésére szolgál a khi-négyzet-táblázat, amely a feladat
szabadságfokának függvényében tartalmazza a különböző szignifikanciaszin-
tekhez tartozó határértékeket. A feladat szabadságfoka mindig egyenlő a sorok
és az oszlopok eggyel csökkentett számának a szorzatával – esetünkben (3–1)*
*(2–1) = 2. A szokásos 5%-os szignifikanciaszinthez 5,991 érték tartozik, ezért
kijelenthetjük, hogy az eltérés nem túl nagy, magyarázható pusztán a mérési
adatok véletlenszerűségével.
110
© Typotex Kiadó
Egy (fiktív) vidéki középiskola vezetősége például azt szeretné felmérni, hogy mi-
lyen vonzáskörzetben ismerik és preferálják a szülők és gyermekeik az iskolájukat.
Ennek érdekében összegyűjtötték az egyes tanulók lakóhelye és az iskola közötti tá-
volságokat (figyelem: az intervallumoknak nem kell egyenlőknek lenniük!). Az
adatokat a 3.21 táblázat tartalmazza.
2
Elméleti khi
66,30873 0,080385
42,75294 169,9781
85,28662 3,275276
129,8536 37,57717
39,79471 22,30761
111
© Typotex Kiadó
y = 104,9205 – 2,6226 x
112
© Typotex Kiadó
2
Elméleti khi
64 0
132,5655 0,157235
93,40219 0,79144
57,78413 0,084973
14,24488 1,264948
113
© Typotex Kiadó
3.2.1.10 FELADATOK
114
© Typotex Kiadó
115
© Typotex Kiadó
3. A következő táblázat egyes ipari termékek egy főre jutó termelésének adata-
it tartalmazza az 1980-as évben.
116
© Typotex Kiadó
3.2.1.12 ALKALMAZÁSOK
117
© Typotex Kiadó
118
© Typotex Kiadó
119
© Typotex Kiadó
Jó példát nyújtanak erre a szociológiai kutatások. Egy vizsgálat során például arra
voltak kíváncsiak a kutatók, hogy milyen tulajdonságokra célszerű nevelni a gye-
rekeket. A közel 1500 válaszadónak 17 belső tulajdonságból kellett a megítélése
szerint legfontosabb 5-öt kiválasztania. Az elemzés végén nyert 7 faktor (osztály)
azt mutatta meg, hogy melyek azok az értékválasztási különbségek, amelyek a leg-
erősebben osztják meg a társadalmat. Lényegében e 7 tulajdonságcsoportot kell az
iskolában fejleszteni azoknak a tényezőknek a kialakításával, amelyek legjobban il-
leszkednek a 7 csoporthoz.
Pont x y
1 2 2,1
2 3 2,9
3 –1 –1,2
4 –3 –3,2
5 –2 2,1
6 –4 3,8
7 3 –2,8
8 4 –4,1
120
© Typotex Kiadó
121
© Typotex Kiadó
A 3.25 ábrán jól érzékelhető, hogy a ponthalmaz összes pontja a korábbinál job-
ban illeszkedik az általuk meghatározott sajátvektorok irányába mutató, azok se-
gítségével definiált új tengelyekhez. Bár a bemutatott példa a szemléletesség ked-
véért szándékosan a lehető legegyszerűbb, síkbeli esetet mutatja be, könnyen el-
képzelhető, hogy a mechanikai rendszerek szokásos térbeli elhelyezkedésére is
alkalmazható. Matematikai eszközökkel (például a vektorok, illetve a mátrixok se-
gítségével) az általánosítás tetszőleges dimenziószámmal leírható adatbázisokra is
elvégezhető.
det (A – lE) = 0
122
© Typotex Kiadó
Avi = livi
egyenlet megoldásai.
123
© Typotex Kiadó
124
© Typotex Kiadó
125
© Typotex Kiadó
126
© Typotex Kiadó
127
© Typotex Kiadó
128
© Typotex Kiadó
129
© Typotex Kiadó
n
da,b = (S(xai – xbi)2)0,5
i=1
Egy elem és egy, illetve két klaszter távolságának meghatározására több értel-
mezés is bevezethető. Az egyszerű lánc (vagy legközelebbi szomszéd) módszere
például két klaszter távolságát nem a klaszterek átlagos vektorainak, hanem a
klaszterek legközelebbi tagjainak távolságával számolja. A teljes lánc módszere
viszont két klaszter távolságát a legtávolabbi tagok alapján értelmezi. A centroid
módszer pedig kiszámolja a klaszterek „súlypontjának” koordinátáit, majd ezek-
kel határozza meg azok távolságát.
130
© Typotex Kiadó
131
© Typotex Kiadó
A B C D E F G H
A 0 1 2 3 3 3 3 2
B 1 0 2 3 3 3 3 2
C 2 2 0 2 2 2 2 1
D 3 3 2 0 1 3 3 2
E 3 3 2 1 0 3 3 2
F 3 3 2 3 3 0 1 2
G 3 3 2 3 3 1 0 2
H 2 2 1 2 2 2 2 0
132
© Typotex Kiadó
Clustering Strategy
Cluster 1st Item 2nd Item Distance
1 Row 10 Row 4 25,000
2 Row 9 Row 6 26,000
3 Row 3 Row 1 42,000
4 Cluster 3 Row 8 49,500
5 Cluster 4 Row 7 41,667
6 Cluster 2 Row 2 51,500
7 Cluster 6 Cluster 5 43,493
8 Cluster 7 Cluster 1 48,087
9 Cluster 8 Row 5 53,617
133
© Typotex Kiadó
134
© Typotex Kiadó
Clustering Strategy
Cluster 1st Item 2nd Item Distance
1 Row 10 Row 4 25,000
2 Row 9 Row 6 26,000
3 Row 3 Row 1 42,000
4 Row 8 Row 7 53,000
5 Cluster 2 Row 2 62,000
6 Cluster 1 Row 5 79,000
7 Cluster 4 Cluster 3 80,000
8 Cluster 6 Cluster 5 100,000
9 Cluster 8 Cluster 7 122,000
135
© Typotex Kiadó
9. kérdés
6. kérdés
4. kérdés
3. kérdés
1. kérdés
136
© Typotex Kiadó
9. kérdés
6. kérdés
3. kérdés
négyzetes távolság alapján
7. kérdés
10. kérdés
4. kérdés
10. kérdés
4. kérdés
9. kérdés
6. kérdés
négyzetes távolság alapján
7. kérdés
3. kérdés
1. kérdés
137
© Typotex Kiadó
138
© Typotex Kiadó
Veszprém
Debrecen
Budapest
Miskolc
Kalocsa
Szeged
Cegléd
Komló
Eger
vár
Budapest 0
Cegléd 72 0
Debrecen 224 158 0
Eger 130 116 132 0
Kalocsa 119 120 278 244 0
Komló 204 212 370 334 141 0
Miskolc 165 248 97 79 286 377 0
Szeged 170 115 224 239 142 201 280 0
Székesfehérvár 65 137 289 195 111 156 246 207 0
Veszprém 109 181 333 239 146 153 290 242 44 0
139
© Typotex Kiadó
1. Budapest 6. Komló
2. Cegléd 7. Miskolc
3. Debrecen 8. Szeged
4. Eger 9. Székesfehérvár
5. Kalocsa 10. Veszprém
140
© Typotex Kiadó
141
© Typotex Kiadó
142
© Typotex Kiadó
143
© Typotex Kiadó
144
© Typotex Kiadó
145
© Typotex Kiadó
Az autó nem indul. Lehet, hogy a gyújtási rendszere rossz, de az is, hogy
nincs üzemanyaga vagy egyszerűen lemerült az akkumulátora.
A tanuló osztályzatai hirtelen leromlottak. Lehet, hogy túlhajszolt, vagy
már nem eléggé motivált, de az is, hogy a szülei válnak.
Egy betegnek magas a vérnyomása. Ennek oka lehet a szív betegsége, de
szintúgy a hibás veseműködés vagy a stressz, miközben akár öröklött haj-
lamra is visszavezethető.
146
© Typotex Kiadó
147
© Typotex Kiadó
3.2.2.6 FELADATOK
HALLGATÓK HALLGATÓK
INTÉZMÉNYEK OKTATÓK ÖSSZES
ÉV SZÁMA SZÁMA
SZÁMA SZÁMA HALLGATÓ
(NAPPALI) (ESTI–LEV.)
148
© Typotex Kiadó
3. A következő táblázat egyes ipari termékek egy főre jutó termelésének ada-
tait tartalmazza az 1980-as évben.
149
© Typotex Kiadó
150
© Typotex Kiadó
3.2.2.8 ALKALMAZÁSOK
151
© Typotex Kiadó
ző ugyanis sosem lehet biztos benne, hogy amit mérni tudunk, az valóban a
közvetlen oka-e a jelenségnek, vagy pedig maga is csak valamilyen indikátora a
tényleges, elméleti oknak.
Sok esetben igazából azt sem tudjuk, hogy a mért adat bemeneti (input) vagy kime-
neti (output) adat-e. Ennek megfelelően az sem mindig világos, hogy így az adat
okként vagy következményként értelmezendő-e. Bizonyos fenntartásokkal ilyen
például az infláció jelensége is, amely a közgazdasági elemzése szemléletétől füg-
gően akár input, akár output jellemzőként is felfogható.
152
© Typotex Kiadó
x1 x2 x3
d1 d2 d3
x1 = l 1 * x + d 1
x2 = l 2 * x + d 2
x3 = l 3 * x + d 3
153
© Typotex Kiadó
154
© Typotex Kiadó
155
© Typotex Kiadó
156
© Typotex Kiadó
A modellt minősítő khi-négyzet 41,6-es értéke kisebb, mint a határt jelentő kb.
46-os érték. Azt jelenti ez, hogy a szokásos statisztikai valószínűségek mellett a
fenti három látens változós modell helyesen írja le a valóságot.
A modellezésnek csak az első, közvetlen eredményét jelenti a látens változók
számának meghatározása. A 3.41 ábra láthatóan további, a rendszerelemzőt ér-
deklő információkat is tartalmaz. Ilyen például az, hogy a látens változók és a meg-
figyelt jellemzők közötti kapcsolatokat számszerűsíteni is lehet. A kapcsolatokat
szemléltető nyilak melletti számok ugyanis a többváltozós regressziós egyenlet
együtthatóit képviselik, vagyis az adott megfigyelt jellemző változásának hatását a
látens változóra. (A program grafikus szolgáltatásai úgy is beállíthatók, hogy he-
lyettük az adott kapcsolat korrelációs együtthatóját tartalmazza az eredmény. Így
közvetlen becsléseket tehetünk a kapcsolatok szorosságára is.)
Minden megfigyelt változóra elemezhetők a látens változók hatásainak hibái,
amelyek a mérési hibák sztochasztikus jellegének erősségével állnak összefüggés-
ben. Ha e hibák egy része közös okokra vezethető vissza, akkor a két hibatag bizo-
nyos mértékben egymással magyarázható. Ezt a program szintén képes figyelembe
venni, illetve modellezni. Az ilyen kapcsolat jelzi a megfigyelt változók közötti
összefüggéseket akkor is, ha esetleg eltérő látens változóhoz tartoznak.
157
© Typotex Kiadó
158
© Typotex Kiadó
Egy feltételezett felmérés során azt vizsgálták, hogy milyen kapcsolat van a mű-
szaki szakoktató hallgatók középiskolai és főiskolai teljesítménye között. Ennek
során összegyűjtötték legfontosabb tantárgyaik (matematika, fizika, magyar
nyelv és irodalom, szakmai ismeretek) év végi osztályzatainak átlagát (MATKO-
ZEP, FIZKOZEP, MAGYKOZEP és SZAKKOZEP). Meghatározták emellett a főisko-
lai tanulmányi eredményeik legfontosabb mutatóit is. Szakmai alapozó tantár-
gyaik (matematika, fizika stb.) átlagát a SZAKALAP, pedagógiai tantárgyaik (di-
daktika, pszichológia, neveléstan stb.) átlagát a PEDAG, szakmai ismereteket
tárgyaló tantárgyaik átlagát a SZAKMAI, végül egyéb tárgyaik (munkavédelem,
iskolaegészségtan stb.) a KOZISM mérhető változókkal foglalták össze.
A modell a középiskolai eredményeket bemeneti jellemzőként, a főiskolai
osztályzatokat kimeneti paraméterként kezeli. Az input változókat a középis-
kolai tudást tükröző látens változóhoz (BIZONY), az output jellemzőket pedig
az ERETTSEG és a FELVETEL nevű látens változóhoz rendelték annak a feltétele-
zésnek megfelelően, hogy azokat a korábbi érettségi és az azt évekkel később
követő (ezért attól elkülönülő) felvételi vizsga eredményei határozzák meg.
A látens változók egymás közötti kapcsolatait az jellemzi, hogy a középiskolai
eredmények meghatározzák az érettségi és a felvételi eredményét is. A model-
lezést végzők feltételezése volt továbbá az is, hogy a felvételi eredményei az
érettséginél nagyobb mértékben hatnak a főiskolai tanulmányok eredményes-
ségére (a pedagógiai tantárgyaknál kétszeres, a szakmai tárgyaknál háromszo-
ros, illetve a közismereti tárgyaknál négyszeres súllyal).
A modellezés speciális programja a következő:
159
© Typotex Kiadó
160
© Typotex Kiadó
Egy másik (fiktív adatokra épülő) felmérésben arra voltak kíváncsiak, hogy a
gimnáziumi tanulók eredményeit milyen mértékben befolyásolják a családi kö-
rülmények. E célból közel 170 tanuló adatai alapján modellezték az ezzel kap-
csolatos paramétereket.
Az elemzők feltételezései szerint a tanulmányi eredményeket egyaránt befo-
lyásolják a tanulók genetikai örökségéből és társadalmi helyzetéből eredő hatá-
sok. Az előbbieket a szülők által elért iskolai végzettséggel, az utóbbiakat a jö-
vedelmükkel képezték le. E tényezőket a családi (csalad) látens bementi válto-
zóhoz rendelték. Az elméleti tantárgyakat az elméleti (elmelet), a készségtár-
gyakat a gyakorlati (gyakorla) látens változókkal foglalták össze. A kutatók
feltételezése szerint a családi jellemzők látens változó befolyásolja a két tanul-
mányi látens változót, illetve ezeken keresztül az osztályzatokat is.
Mindezek a 3.43 ábrán bemutatott modellt eredményezik (162. o.).
Eredményeink szerint a családi hatásokat alapvetően az apa végzettsége és
az anya jövedelme határozza meg (együtthatók: 1,23 és 1,17). Ennek az lehet az
oka, hogy az apa végzettsége összefüggésben áll házastársának végzettségével
(orvos felesége ritkán takarítónő, és utcaseprő felesége ritkán tanárnő), a család
anyagi helyzetét pedig éppen az mutatja legjobban, hogy a feleség mennyit ke-
res (a család a feleség „háztartásbeli” státuszát könnyebben elfogadja, mint a
férjét). A családi jellemzők az elméleti tárgyakat erősebben befolyásolják, mint a
gyakorlati tárgyakét. Ez valószínűsíti azt, hogy a családok a gyenge matemati-
kaosztályzatot nagyobb bajnak látják, mint a gyenge testnevelési eredményt.
Ugyanezt mutatják a látens változók és a tantárgyak közötti együtthatók nagy-
sága közötti különbségek is.
A modellezés jóságát a khi-négyzet értéke mutatja. Ez (113,51) lényegesen
magasabb, mint az 5%-os szignifikanciához tartozó 69-es érték. Arra utal ez,
hogy a modell esetünkben nem túlzottan pontos. (Érdekességként megemlí-
tendő, hogy a program szöveges leírása abban az esetben, ha a modell számot-
tevően javítható, maga is tesz erre javaslatokat. Esetünkben például javasolja,
hogy az ének tantárgyat helyezzük át az elméleti ismeretek csoportjába – gim-
náziumi képzés esetében ennek van is alapja! –, és egyes tantárgyakat – pél-
dául a fizikát és a matematikát – kapcsoljuk össze közös hibatagokkal – ez is
logikus észrevétel.)
Ez a modell végeredményében erősen hasonlít az előzőhöz. A különbség ab-
ban mutatkozik meg, hogy rangskálát is képes kezelni. A másik eltérés a kezelői
felületen jelentkezik, itt ugyanis kinyíló ablakokon keresztül párbeszédesen, il-
161
© Typotex Kiadó
Egy másik (fiktív) esetben a kutatók arra voltak kíváncsiak, hogy a levelező tago-
zaton tanuló szakoktatóhallgatók vezetési típusának jellemzői milyen összefüg-
gésben állnak személyi-környezeti adottságaikkal. Ebből a célból 476 fős felmé-
rést készítettek, mely során a válaszadók egyes kijelentésekkel való egyetértésü-
ket minősítették ötfokozatú skálán. Ezek alapján öt csoportba sorolták őket:
klasszikus demokratikus, modern felfogású demokratikus, klasszikus autokrata,
modern autokrata, illetve laissez-faire. A kutatók ezeket két látens változóhoz
(„jó”, illetve „rossz”) kötötték aszerint, hogy az adott jellemzőkkel rendelkező
pedagógus módszerei jellemzően hogyan minősíthetők. A kutatás arra irányult,
hogy meghatározzák, a hallgató neme (férfi–nő), munkahelye (jelenleg tanárként
dolgozik-e), lakóhelye (Budapest, vidéki város, falu), illetve kora milyen hatással
van e jellemzőire. Ezekből érzékelhető, hogy a modell arányskálán, intervallum-
skálán és rangskálán elhelyezkedő adatokat egyaránt képes kezelni.
Az adatbevitel ebben az esetben is egy kis program formájában történik:
162
© Typotex Kiadó
163
© Typotex Kiadó
A következő (fiktív) felmérésbe egy iskola 708 tanulóját vonták be. Azt kívánták
meghatározni, hogy a szülők milyen hatással vannak gyermekük tanulmányi
eredményeire és magatartására. Ennek érdekében összegyűjtötték az egyes ta-
nulók apjának jövedelmét és iskolai végzettségét, anyjának jövedelmét, végzett-
ségét és életkorát. Ezek a rangskálán, intervallumskálán és arányskálán elhe-
lyezkedő mutatók alkották a modell bemenő adatait. A modell (arányskálán
szereplő) eredményadatait a tanulók elmúlt tanévben kapott elégtelen osztály-
zatainak, valamint intőinek számából alkották.
A kutatók szerint az apai mintából eredő tanulmányi és viselkedési jellemző-
ket a jövedelem és a végzettség határozta meg, míg az anyai hatásokat ezeken
kívül az anya kora is. E két bemeneti látens változó egyaránt hat a tudásbeli és a
magatartásbeli hiányosságokra, melyek egymást is befolyásolják. Emellett egy-
értelmű összefüggésben állnak az elégtelenek és az intők kimeneti értékével,
mérhető mennyiségével.
Ezzel a feltételezéssel a 3.45 ábra szerinti modell alakul ki:
164
© Typotex Kiadó
Egy iskolában minden kezdő és végzős diákkal elvégeztetnek egy, az adott kor-
osztály jellemzőihez standardizált kompetenciavizsgálatot. Fiktív adatokra épü-
lő példánkban ez a mérés a matematikai, a magyar nyelvi és irodalmi, az ének-ze-
nei, a rajzi és a testnevelési ismereteket, képességeket öleli fel. Az egyes tanulókat
(összesen 689-et) az iskolai osztályzatoknak megfelelően 1 és 5 közötti „osztály-
zatokkal” értékelik. A kutatók az első két tantárgyat az „elméleti ismeretek” lá-
tens változóhoz, az utolsó kettőt a „gyakorlati ismeretek” látens változóhoz ren-
delték, míg az ének-zenei képességet és tudást mindkettőhöz hozzákötötték.
Elméleti okokból a matematikai és a testnevelési felmérés eredményeinek ha-
tását egységnek tekintették (ez utóbbit csak a végzés évében).
A két kompetenciavizsgálat eredményét összehasonlítva képet nyerünk az
iskola által a tanulóknak a kezdés és a végzés időpontja között végzett munkájá-
nak, a „hozzáadott pedagógiai értéknek” a nagyságáról.
Az adatbevitel speciális, az előzőekhez hasonló felépítésű és tartalmú prog-
ram segítségével történik:
165
© Typotex Kiadó
gyak2 = gyak1
matem1 magyar1 enek1 rajz1 testnev1 = CONST
matem2 magyar2 enek2 rajz2 testnev2 = CONST
elm2 gyak2 = CONST
Let the Errors of matem1 and matem2 correlat
Let the Errors of magyar1 and magyar2 correlat
Let the Errors of enek1 and enek2 correlat
Let the Errors of rajz1 and rajz2 correlat
Let the Errors of testnev1 and testnev2 correlat
Let the Errors of elm2 and gyak2 correlat
Set elm1 -> magyar1 = elm2 -> magyar2
Set elm1 -> enek1 = elm2 -> enek2
Set gyak1 -> enek1 = gyak2 -> enek2
Set gyak1 -> rajz1 = gyak2 -> rajz2
Set CONST -> matem1 = CONST -> matem2
Set CONST -> magyar1 = CONST -> magyar2
Set CONST -> enek1 = CONST -> enek2
Set CONST -> rajz1 = CONST -> rajz2
Set CONST -> testnev1 = CONST -> testnev2
Path Diagram
End of Problem
166
© Typotex Kiadó
167
© Typotex Kiadó
3.2.4.2 FELADATOK
168
© Typotex Kiadó
3. A következő táblázat egyes ipari termékek egy főre jutó termelésének adata-
it tartalmazza az 1980-as évben.
169
© Typotex Kiadó
ALKALMAZÁSOK
170
© Typotex Kiadó
BEFEJEZÉS
171
© Typotex Kiadó
172 BEFEJEZÉS
ahol xátl a minta átlaga, s az adatok szórása, n az adatok száma, t értéke pe-
dig a konfidenciaintervallumnak a valószínségi szinttől függő szélességét
fejezi ki.
172
© Typotex Kiadó
BEFEJEZÉS 173
173
© Typotex Kiadó
174 BEFEJEZÉS
174
© Typotex Kiadó
BEFEJEZÉS 175
ALKALMAZÁSOK
175
© Typotex Kiadó
176
© Typotex Kiadó
4. FEJEZET
Függelék
Példák a módszerek gyakorlati alkalmazására
177
© Typotex Kiadó
178
© Typotex Kiadó
179
© Typotex Kiadó
F1 F2 . . Fj . . Fn Kapi
T1 x11 x12 . . x1j . . x1n K1
T2 x21 x22 . . x2j . . x2n K2
. . . . . . . . . .
. . . . . . . . . .
Ti xi1 xi2 . . xij . . xin Kj
. . . . . . . . . .
. . . . . . . . . .
Tm xm1 xm2 . . xmj . . xmn Km
Igj I1 I2 . . Ij . . In
rövidebben:
S S qij * xij = min!
(i) (j)
qij ³ 0
180
© Typotex Kiadó
.
qm1 + qm2 + … + qmj + … + qmn = Km
181
© Typotex Kiadó
Olyan módszereket kell tehát kitalálni, amelyek egy lépésben több isme-
retlent is képesek meghatározni (mintha egy egyenlettel több ismeretlent is
megkaphatnánk). Ilyen algoritmusokat mélyebb matematikai ismeretek
nélkül is ki lehet találni, ahogyan az kezdetekben ténylegesen is megtörtént.
A matematika lineáris algebrai témakörének fejlődése később lehetővé
tette, hogy mélyebb vektoralgebrai, mátrixaritmetikai és gráfelméleti ösz-
szefüggéseket is felhasználjanak a megoldás során. Ezek a módszerek már
nem elégednek meg azzal, hogy viszonylag jó megoldást adjanak, hanem a
matematikai szempontból jól megfogható szélsőértékeket (mint optimu-
mokat) keresik.
Heurisztikus eljárások
182
© Typotex Kiadó
183
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
T1 5 3 8 3 500
T2 10 4 4 3 300
T3 8 6 4 10 400
Igény 400 200 300 300
F1 F2 F3 F4 Kapacitás
400
T1 5 3 8 3 100
T2 X 4 4 3 300
T3 X 6 4 10 400
Igény 0 200 300 300
184
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
400 100
T1 5 3 8 3 500
100 200
T2 10 4 4 3 300
100 300
T3 8 6 4 10 400
Igény 400 200 300 300
A progresszív eljárás
185
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
T1 5 3 8 3 500
T2 10 4 4 3 300
T3 8 6 4 10 400
Igény 400 200 300 300
Így az első választható elem a 3 egység értékű T1–F2, erre 200 egység
nagyságú forgalom programozható. A kapacitás- és igényvektorok kor-
rekciója, valamint az elfogyó igény miatt törlendő F2-oszlopbeli elemek el-
távolítása után a T1–F4 elemre, majd a T2–F3, végül a T3–F1 elemre prog-
ramozunk. Így a következő végeredményt kapjuk:
F1 F2 F3 F4 Kapacitás
200 300
T1 5 3 8 3 500
300
T2 10 4 4 3 300
400
T3 8 6 4 10 400
Igény 400 200 300 300
A Vogel–Korda-eljárás
186
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás Delta
T1 5 3 8 3 500 0
T2 10 4 4 3 300 1
T3 8 6 4 10 400 2
Igény 400 200 300 300
Delta 3 1 0 0
A két legkisebb elem különbségét deltával jelöljük, majd ezek közül ki-
választjuk a legnagyobbat, ami esetünkben az F1 oszlopában lévő 3 (8 és 5
különbsége). (Sokszor előfordul olyan eset, hogy több egyformán maximá-
lis delta is van. Ilyenkor lényegében mindegy, melyiket választjuk. Egyes
alváltozatok azt javasolják, hogy ekkor válasszuk azt a sort vagy oszlopot,
amelyikre a legnagyobb forgalmat lehet programozni. Mi a továbbiakban
a reprodukálhatóság érdekében azt az elvet követjük, hogy először a so-
ronkénti [termelőnkénti] deltákat [fentről lefelé], majd az oszloponkénti
[fogyasztónkénti] deltákat vizsgáljuk [balról jobbra]. Az elsőként megta-
lált maximális deltánál választjuk az első beavatkozás helyét.)
Az első programozási lépés után a következő táblázatot kapjuk, feltüntet-
ve egyben az új delták értékét is (hiszen lehetséges, hogy a programozás és
az azt követő törlések miatt történnek változások delta értékeiben, sőt, az is
lehet, hogy egyes delták eltűnnek, mivel további forgalom már nem tervez-
hető az adott viszonylatokban – azaz a kapacitás vagy az igény elfogyott):
F1 F2 F3 F4 Kapacitás Delta
T1 5400 3 8 3 100 0
T2 10 4 4 3 300 1
T3 8 6 4 10 400 2
Igény 0 200 300 300
Delta Nincs 1 0 0
F1 F2 F3 F4 Kapacitás Delta
T1 5400 3 8 3 100 0
T2 10 4 4 3 300 1
300
T3 8 6 4 10 100 2
Igény 0 200 0 300
Delta Nincs 1 Nincs 0
187
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás Delta
T1 5400 3 8 3 100 0
T2 10 4 4 3 300 1
100 300
T3 8 6 4 10 0 Nincs
Igény 0 100 0 300
Delta Nincs 1 Nincs 0
F1 F2 F3 F4 Kapacitás Delta
T1 5400 3 8 3 100 0
300
T2 10 4 4 3 0 Nincs
100 300
T3 8 6 4 10 0 Nincs
Igény 0 100 0 0
Delta Nincs 1 Nincs 0
F1 F2 F3 F4 Kapacitás
400 100
T1 5 3 8 3 500
300
T2 10 4 4 3 300
100 300
T3 8 6 4 10 400
Igény 400 200 300 300
További heurisztikus módszerek sora létezik még, sok logikus alapelvet lehet
még algoritmizálni. Nem érdemes azonban folytatni az ismertetésüket, mivel
pontosságában egyik sem múlja felül a Vogel–Korda-eljárást, egyik sem lénye-
gesen egyszerűbb, mint a progresszív módszer, és egyik sem ad többször javít-
ható megoldást, mint a stepping stone módszer.
188
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
T1 5 3 8 3 500
T2 10 4 4 3 300
T3 8 6 4 10 400
Igény 400 200 300 300
Nullaelemek képzése
F1 F2 F3 F4 Kapacitás
T1 0 0 4 0 500
T2 5 1 0 0 300
T3 3 3 0 7 400
Igény 400 200 300 300
189
© Typotex Kiadó
Láthatóan már az első lépésben elértük azt, hogy minden sorban és osz-
lopban lett nullaelem.
F1 F2 F3 F4 Kapacitás
400
T1 0 0 4 0 100
T2 5 1 0 0 300
T3 3 3 0 7 400
Igény 0 200 300 300
F1 F2 F3 F4 Kapacitás
400 100
T1 0 0 4 X 0
T2 5 1 0 0 300
T3 3 3 0 7 400
Igény 0 100 300 300
F1 F2 F3 F4 Kapacitás
400 100
T1 0 0 4 X 0
300
T2 5 1 X 0 0
T3 3 3 0 7 400
Igény 0 100 300 0
190
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
400 100
T1 0 0 4 X 0
300
T2 5 1 X 0 0
300
T3 3 3 0 7 100
Igény 0 100 0 0
F1 F2 F3 F4 Kapacitás
T1 0 0 4 0 0
T2 5 1 0 0 0
T3 3 3 0 7 100 xxxxxxx
Igény 0 100 0 0
x
x
x
191
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
T1 0 0 4 0 0
T2 5 1 0 0 0
T3 3 3 0 7 100
Igény 0 100 0 0
F1 F2 F3 F4 Kapacitás
T1 0 0 7 0 500
T2 5 1 3 0 300
T3 0 0 0 4 400
Igény 400 200 300 300
F1 F2 F3 F4 Kapacitás
T1 0 0 7 X 500
300
T2 5 1 3 0 0
300
T3 0 0 0 4 100
Igény 400 200 0 0
192
© Typotex Kiadó
300 0 0 100
–––––––––––––––––––––––––––
0 0 0 0
400 200
193
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
400 100
T1 5 3 8 3 500
300
T2 10 4 4 3 300
100 300
T3 8 6 4 10 400
Igény 400 200 300 300
F1 F2 F3 F4 Kapacitás
300 200
T1 5 3 8 3 500
300
T2 10 4 4 3 300
100 300
T3 8 6 4 10 400
Igény 400 200 300 300
194
© Typotex Kiadó
A mátrix átalakítása
Ha az eredeti mátrixban aij < akl, akkor a transzformált mátrixban bij > bkl,
ha pedig aij = akl, akkor bij =bkl.
195
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
T1 5 3 8 3 500
T2 10 4 4 3 300
T3 8 6 4 10 400
Igény 400 200 300 300
F1 F2 F3 F4 Kapacitás
T1 –5 –3 –8 –3 500
T2 –10 –4 –4 –3 300
T3 -8 –6 –4 –10 400
Igény 400 200 300 300
F1 F2 F3 F4 Kapacitás
T1 0,2 0,3333 0,125 0,3333 500
T2 0,1 0,25 0,25 0,3333 300
T3 0,125 0,1667 0,25 0,1 400
Igény 400 200 300 300
196
© Typotex Kiadó
F1 F2 F3 F4 Kapacitás
T1 5 7 2 7 500
T2 0 6 6 7 300
T3 2 4 6 0 400
Igény 400 200 300 300
Mint már arról szó volt, elvileg mindegy, hogy melyik átalakítást végez-
zük el, gyakorlatilag azonban manuális számításoknál a komplementer-
képzés a legkényelmesebb (látható, hogy itt vannak a „legnormálisabb”
számok). Mi is ezt választjuk tehát. A Magyar-módszerrel történő optima-
lizálás eredménye a következő:
F1 F2 F3 F4 Kapacitás
100 100 300
T1 5 7 2 7 500
300
T2 0 6 6 7 300
100 300
T3 2 4 6 0 400
Igény 400 200 300 300
A megoldás értelmezése
F1 F2 F3 F4 Kapacitás
100 100 300
T1 5 3 8 3 500
300
T2 10 4 4 3 300
100 300
T3 8 6 4 10 400
Igény 400 200 300 300
197
© Typotex Kiadó
198
© Typotex Kiadó
A modell felépítése
F1 F2 F3 F4
T1 4 6 1 7
T2 2 7 5 9
T3 1 1 5 6
199
© Typotex Kiadó
8–10 óra:
F1 F2 F3 F4
T1 4 M 1 7
T2 2 M 5 9
T3 M M M M
10–12 óra:
F1 F2 F3 F4
T1 M 6 1 7
T2 M 7 5 9
T3 M 1 5 6
12–14 óra:
F1 F2 F3 F4
T1 M 6 1 7
T2 M 7 5 9
T3 M 1 5 6
14–16 óra:
F1 F2 F3 F4
T1 M M M 7
T2 M M M M
T3 M M M 6
A feladat megoldása
200
© Typotex Kiadó
201
© Typotex Kiadó
A modell kiterjesztése
Alkalmazási lehetőségek
202
© Typotex Kiadó
F1 F2 F3 F4 Kap.
T1 6 2 4 3 100 300
T2 1 4 1 5 200
T3 2 1 3 3 100
T1 1 4 2 9 100
T2 3 3 6 8
T3 1 5 4 2
Igény 100 100 100 100
203
© Typotex Kiadó
F1 F2 F3 F4 Kap.
T1 5 1 3 1 100 300
T2 0 3 0 3 200
T3 1 0 2 1 100
T1 0 3 1 7 100
T2 2 2 5 6
T3 0 4 3 0
Igény 100 100 100 100
F1 F2 F3 F4 Kap.
T1 5 1 3 1 100 300
T2 0 3 0 3 200
T3 1 0 2 1 100
T1 0 3 1 7 100
T2 2 2 5 6
T3 0 4 3 0
Igény 100 100 100 100
F1 F2 F3 F4 Kap.
T1 5 1 3 1 100 0
100 100
T2 0 3 0 3 0
100
T3 1 0 2 1 0
T1 0 3 1 7 100
T2 2 2 5 6
T3 0 4 3 0
Igény 0 0 0 100
A fenti lépések után már nem marad olyan szabad nullaelem, amelyre
programozni lehetne, ezért új nullaelemeket képezünk. Ehhez fedővonal-
204
© Typotex Kiadó
F1 F2 F3 F4 Kap.
T1 5 1 3 1 100 100
100 100
T2 0 3 0 3 0
100
T3 1(1) 0 2 1 0
T1 0(1) 3 1 7 100
T2 2(1) 2 5 6
T3 0(3) 4(1) 3(1) 0(1)
Igény 0 0 0 100
205
© Typotex Kiadó
F1 F2 F3 F4 Kap.
T1 5 (1) 1 (1) 3 (1) 1 (1) 100 100
100 100
T2 0 (2) 3 (2) 0 (2) 3 (2) 0
100
T3 1 (2) 0 (2) 2 (2) 1 (2) 0
F1 F2 F3 F4 Kap.
T1 4 0 2 0 100 300
T2 0 3 0 3 200
T3 1 0 2 1 100
T1 0 2 0 7 100
T2 2 1 4 6
T3 1 3 2 0
Igény 100 100 100 100
F1 F2 F3 F4 Kap.
100
T1 4 0 2 00 0 0
100 100
T2 0 3 0 3 0
T3 1 00 2 1 0
T1 00 2 00 7 0
T2 2 1 4 6
100
T3 1 3 2 0
Igény 0 0 0 0
206
© Typotex Kiadó
207
© Typotex Kiadó
hazánk erdőtársulásait;
a különböző erdőfajtákat;
az ott élő bokorszint alatti kisebb növényeket;
a gombákat;
a talajban élő állatokat;
az erdők állatait;
az erdei élőlények szimbiózisát;
végül az erdészet és a környezetvédelem kapcsolatát tárgyalva.
1. Hazánk erdőiről
2. Hazánk természetes erdőtársulásai
3. A tölgy és a bükk
4. Az erdeifenyő
5. Cserjék az erdőben
6. Virágtalan növények az erdőben: zuzmók, mohák
7. Virágtalan növények az erdőben: az erdei pajzsika
8. Gombák az erdőben
9. Az erdő aljnövényzetében élő virágos növények
208
© Typotex Kiadó
1 2 3 4 5 6 7 8 9
1 M 1 1 1 1 1 1 1 1
2 0 M 1 1 1 1 1 1 1
3 0 0 M 0 1 1 1 1 1
4 0 0 0 M 1 1 1 1 1
5 0 0 0 0 M 0 0 0 0
6 0 0 0 0 0 M 0 0 0
7 0 0 0 0 0 0 M 0 0
8 0 0 0 0 0 0 0 M 0
9 0 0 0 0 0 0 0 0 M
209
© Typotex Kiadó
1 2 3 4 5 6 7 8 9 S
1 M 1 1 1 1 1 1 1 1 8
2 0 M 1 1 1 1 1 1 1 7
3 0 0 M 0 1 1 1 1 1 5
4 0 0 0 M 1 1 1 1 1 5
5 0 0 0 0 M 0 0 0 0 0
6 0 0 0 0 0 M 0 0 0 0
7 0 0 0 0 0 0 M 0 0 0
8 0 0 0 0 0 0 0 M 0 0
9 0 0 0 0 0 0 0 0 M 0
1 2 3 4 5 6 7 8 9 S1 S2
1 M 1 1 1 1 1 1 1 1 8 7
2 0 M 1 1 1 1 1 1 1 7 6
3 0 0 M 0 1 1 1 1 1 5 4
4 0 0 0 M 1 1 1 1 1 5 4
5 0 0 0 0 M 0 0 0 0 0 M
6 0 0 0 0 0 M 0 0 0 0 0
7 0 0 0 0 0 0 M 0 0 0 0
8 0 0 0 0 0 0 0 M 0 0 0
9 0 0 0 0 0 0 0 0 M 0 0
210
© Typotex Kiadó
1 2 3 4 5 6 7 8 9 S1 S2 S3 S4 S5 S6 S7 S8 S9
1 M 1 1 1 1 1 1 1 1 8 7 6 5 4 3 2 1 0
2 0 M 1 1 1 1 1 1 1 7 6 5 4 3 2 1 0 M
3 0 0 M 0 1 1 1 1 1 5 4 3 2 1 0 M M M
4 0 0 0 M 1 1 1 1 1 5 4 3 2 1 0 0 M M
5 0 0 0 0 M 0 0 0 0 0 M M M M M M M M
6 0 0 0 0 0 M 0 0 0 0 0 M M M M M M M
7 0 0 0 0 0 0 M 0 0 0 0 0 M M M M M M
8 0 0 0 0 0 0 0 M 0 0 0 0 0 M M M M M
9 0 0 0 0 0 0 0 0 M 0 0 0 0 0 M M M M
1–2–4–3–9–8–7–6–5
211
© Typotex Kiadó
212
© Typotex Kiadó
213
© Typotex Kiadó
Szorgalom (E)
Minden tanára szerint kimagasló.
Precizitás (F)
Az elméleti munkákban jó, a gyakorlati tevékenységekben felszínes.
Kreativitás (G)
Átlagos.
Másokkal való együttdolgozási képesség (H)
Megfelelő (beosztotti munkákat rosszul végez).
kritérium A B C D E F G H össz. %
A – 6 5 5 6 6 6 6 40 14,2
B 4 – 4 5 6 6 6 6 37 13,2
C 5 6 – 5 6 6 6 6 40 14,2
D 5 5 5 – 6 6 6 6 39 14,2
E 4 4 4 4 – 5 5 6 32 11,4
F 4 4 4 4 5 – 5 6 32 11,4
G 4 4 4 4 5 5 – 6 32 11,4
H 4 4 4 4 4 4 4 – 28 10,0
214
© Typotex Kiadó
Tényező A B C D E F G H
I. 4 3 5 4 5 5 3 4
II. 4 5 4 5 5 5 3 4
III. 3 2 4 4 5 2 3 2
IV. 4 3 5 5 5 2 3 2
215
© Typotex Kiadó
A tanulók önállóan oszthatták szét maguk között a feladat részeit, volt, aki
könyvtári kutatómunkát végzett, más az adatgyűjtésben, és volt, aki a számítá-
sok elvégzésében vállalt vezető szerepet. Heti egy alkalommal kötelező tanári
konzultáción számoltak be munkájuk aktuális állásáról. További heti egy fakul-
tatív konzultációt szerveztek számukra, ahol problémáikkal, kérdéseikkel for-
dulhattak tanárukhoz.
A tanév végén a következő módszert választották az értékelésre. A feladattal
elérhető összpontszám 400 (tanulónként 100). Egy részfeladattal tehát maximá-
lisan 80 pontot lehetett szerezni. A tanári értékelés szerint (melybe bevontak a
szakmában dolgozó külső szakembereket, illetve egy egyetemi oktatót is) az
egyes alfeladatokat a következő pontszámokkal értékelték (kritériumsúlyozás):
I. 80 pont I V. 40 pont
II. 55 pont V. 70 pont
II. 75 pont Összesen: 320 pont
216
© Typotex Kiadó
217
© Typotex Kiadó
218
© Typotex Kiadó
környezeti adottságok;
követelményhordozó elemek;
információhordozó elemek.
a tanterem hőmérséklete;
a tanterem világítása;
a tanterembe beszűrődő zajok;
a tanterembe beszűrődő rezgések;
a tanterem szellőztetése;
a kiszolgáló szociális helyiségek;
a tanterem méretei;
a tanterem belső kialakítása;
a tanterem bútorzata;
a tanterem felszereltsége stb.
219
© Typotex Kiadó
220
© Typotex Kiadó
A tanítási-tanulási folyamat informatikai szempontból nem más, mint egy adó (a ta-
nár) és egy vevő (a tanuló) közötti információáramlás. Ezt az információáram-
lást az adó egy kódolással segíti elő (szóban megfogalmaz, képletet felír, mű-
szaki rajzot kivetít). Ennek során bizonyos hibákat követhet el (rosszul fogal-
maz, téved, olyan dologra hivatkozik, amit a tanuló még nem érthet stb.).
221
© Typotex Kiadó
222
© Typotex Kiadó
223
© Typotex Kiadó
224
© Typotex Kiadó
ráfordításoldali tényezők,
értékoldali tényezők.
Az első alcsoportba tartozó tényezők azt írják le, milyen mértékben érhetők el a
szemléltetési technikával a kitűzött nevelési és oktatási célok, a második csoport-
ba tartozó tényezők pedig azt, hogy ezek a célok milyen gyorsan érhetők el.
A fenti csoportosítás lehetővé teszi, hogy a szemléltetési technikákat (tehát a
módszert és a hozzá szükséges eszközt) olyan rendszerrel minősítsük, amelyik
lehetővé teszi egyébként teljesen eltérő megoldások összehasonlítását is. Példa-
ként töltsük fel a legfontosabbnak tűnő konkrét tényezőkkel az egyes paramé-
tercsoportokat (természetesen ezek nem általánosan felhasználható megoldást
alkotnak, a paraméterek figyelembe vétele mindig a konkrét helyzettől és fel-
adattól függ):
1. Ráfordításoldali tényezők
1.1 Műszaki paraméterek
– méretek;
– tömeg;
– anyag;
– szabványosság;
– működési módok;
225
© Typotex Kiadó
– univerzalitás;
– kezelhetőség stb.
1.2 Gazdasági paraméterek
– ár;
– folyamatos költségek (anyagárak, fogyasztás, üzemeltetési költ-
ségek);
– beszerzési lehetőségek;
– várható élettartam (többszöri felhasználhatóság, amortizáció, mű-
szaki élettartam, meghibásodási lehetőségek) stb.
2. Értékoldali tényezők
2.1 A pedagógiai célszerűség paraméterei
– szakmai tartalmasság;
– a kivitel minősége;
– nevelő hatás stb.
2.2 A pedagógiai hatás paraméterei
– didaktikai értékek;
– alkalmazhatóság, mobilitás;
– eredményesség;
– szükséges tanítási idő stb.
226
© Typotex Kiadó
tok súlyszámait bontjuk tovább az egyes alcsoportokra a már közölt elv szerint.
Így például az 1. főcsoport 1. csoportjának alcsoportjaira az a111, a112 … a11p súly-
számokat kapjuk, melyek összege a11-gyel lesz egyenlő.
Elképzelhető, hogy még így sem jutunk el a tényezők szintjére, ekkor tovább
kell folytatnunk a súlyszámok leosztását a már leírt elvek szerint (elvileg tetsző-
leges lépésszámban). Esetünkben feltételezve, hogy ez a lépés már a tényezők
szintjéig vezet, az 1. alcsoport tényezőire az a1111, a1112 … a111q súlyszámok kapha-
tók, melyek összege a111.
A tényezőkre kapott súlyszámok összege így mindig 1-gyel lesz egyenlő, és
egymás közti arányaik kifejezik fontosságuk megítélését.
A gyakorlatban persze a számítások általában lényegesen egyszerűbbek,
mint az elméleti alapmodell, és erre törekednünk is kell, mivel egy-egy lépés-
ben (fázisban) egzakt módon csak néhány részösszegre tudjuk felbontani az
alapsúlyszámot. Célszerű tehát 2–5 fázisba, fázisonként 2–5 alcsoportba sorolni
a tényezőket (ez minimum 4, maximum 3125 tényező figyelembe vételét teszi
lehetővé, ami a legbonyolultabb gyakorlati feladatok megoldásához is elég).
E követelményeknek lényegében eleget tesz a szemléltetési technikák minő-
sítésére a korábbiakban összeállított tényezőrendszer, mely szerint a tényezők
két főcsoportba sorolhatók:
Az eddigiek alapján itt is fennállnak az a11 + a12 = a1, a21 + a22 = a2, a11 + a12 + a21 +
+ a22 = 1 egyenlőségek.
227
© Typotex Kiadó
228
© Typotex Kiadó
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Σ súly
1.1.1 = 1 0 5 7 2 3 2 3 3 3 3 3 3 3 3 3 4 3 3 56 0,04
1.1.2 = 2 5 0 7 2 3 2 3 3 3 3 3 3 3 3 3 4 3 3 56 0,04
1.1.3 = 3 3 3 0 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 34 0,02
1.1.4 = 4 8 8 8 0 5 5 4 4 4 4 4 4 3 5 4 4 3 4 81 0,05
1.1.5 = 5 7 7 8 5 0 5 5 4 5 5 5 4 5 5 4 4 4 5 87 0,06
1.1.6 = 6 8 8 8 5 5 0 5 5 5 6 5 4 5 4 4 5 5 5 92 0,06
1.1.7 = 7 7 7 8 6 5 5 0 4 5 5 5 5 6 5 5 5 5 5 93 0,06
1.2.1 = 8 7 7 9 6 6 5 6 0 5 6 5 4 6 4 4 6 5 5 96 0,06
1.2.2 = 9 7 7 9 6 5 5 5 5 0 6 6 5 6 5 5 7 5 5 99 0,06
1.2.3 = 10 7 7 8 6 5 4 5 4 4 0 4 3 5 3 3 5 4 4 81 0,05
1.2.4 = 11 7 7 8 6 5 5 5 5 4 6 0 3 6 4 4 5 5 5 90 0,06
2.1.1 = 12 7 7 8 6 6 6 5 6 5 7 7 0 7 5 5 6 5 5 103 0,07
2.1.2 = 13 7 7 8 7 5 5 4 4 4 5 4 3 0 3 3 4 4 4 81 0,05
2.1.3 = 14 7 7 8 5 5 6 5 6 5 7 6 5 7 0 5 5 5 6 100 0,07
2.2.1 = 15 7 7 8 6 6 6 5 6 5 7 6 5 7 5 0 5 5 6 102 0,07
2.2.2 = 16 6 6 8 6 6 5 5 4 3 5 5 4 6 5 5 0 5 5 89 0,06
2.2.3 = 17 7 7 8 7 6 5 5 5 5 6 5 5 6 5 5 5 0 6 98 0,06
2.2.4 = 18 7 7 8 6 5 5 5 5 5 6 5 5 6 4 4 5 4 0 92 0,06
229
© Typotex Kiadó
230
© Typotex Kiadó
4.6.1 Bevezetés
231
© Typotex Kiadó
232
© Typotex Kiadó
Megoldás:
Egy személygépkocsi átlagos fogyasztása 7,3 l / 100 km, 0,8 l / 100 km szórással.
A porlasztó kicserélése után 32 mérés alapján 7,1 l / 100 km nagyságú átlagfo-
gyasztás adódik. Állapítsuk meg 80%-os valószínűséggel, hogy a fogyasztás válto-
zását okozhatta-e a jelzett javítási művelet!
233
© Typotex Kiadó
Megoldás:
Egy tömegközlekedési jármű fordulóidejének átlaga 42,6 perc, szórása 3,8 perc. Új
típusú – középső korlát nélküli ajtómegoldású – járművekkel a fordulóidő átlaga
39,9 percre adódott 45 próbamérés alapján. Állapítsuk meg 90%-os valószínűség-
gel, hogy 40 perc alá csökkent-e a fordulóidő, mert ekkor a járat összes járművét át
kell alakítani!
234
© Typotex Kiadó
Az agyvérzést kapott betegek átlagos túlélési ideje 12,4 év, 3,5 éves szórással. Ön-
ként vállalkozó 48 betegen akupunktúrás kezelést folytatva 14,3 éves átlagos túl-
élési időt regisztráltak. Állapítsuk meg 90%-os valószínűséggel, hogy eléri-e a túl-
élési idő a 14 évet, mert akkor érdemes az összes betegen alkalmazni a kezelést!
Megoldás:
235
© Typotex Kiadó
Vizsgáljuk meg 95%-os valószínűséggel, hogy van-e a két szak között kü-
lönbség továbbtanulás szempontjából!
Megoldás:
Mindkét irányú eltérésnek szerepe van, ezért kétoldali kritikus értéket kere-
sünk. A Student-eloszlás táblázatából: tkrit = 2,31 (DF = n1 + n2 – 2).
Ez nagyobb, mint t, tehát 95%-os valószínűséggel állítható, hogy a két szak
továbbtanulási esélyei között nincs különbség.
Egy kérdezéses felmérés során azt az eredményt kapták, hogy a saját gépkocsival
munkába járó 12 válaszadó a Blaha Lujza tér és az Örs vezér tere közötti útsza-
kaszt 6, 9, 12, 5, 8, 3, 9, 8, 6, 10, 9, 11 perc alatt teszi meg átlagosan. Ezzel szem-
ben a metróval közlekedő 5 válaszadó 12, 9, 6, 8, 10 perc alatt teszi meg ezt az utat.
Van-e a két utazási mód között különbség 90%-os valószínűségi szinten?
Egy felmérés szerint a Skodával közlekedők évente 5500, 12800, 42300, 8900,
22000 km-t közlekednek autójukkal. A Suzuki-tulajdonosok évi 32000, 45000,
10000, 15000 km-t futnak. Van-e a két autóscsoport utazási szokásai között
95%-os valószínűséggel különbség?
236
© Typotex Kiadó
Megoldás:
237
© Typotex Kiadó
2
xi xik di u = di/s fr(1) fr(2) fti fi (fi–fti) /fi
2,01–2,50 2,25 –1,00 –1,43 0,0764 0,0764 21,54 33 3,980
2,51–3,00 2,75 –0,50 –0,71 0,2389 0,1625 45,83 54 1,236
3,01–3,50 3,25 0 0 0,5000 0,2611 73,63 76 0,074
3,51–4,00 3,75 +0,50 +0,71 0,7611 0,2611 73,63 65 1,146
4,01–4,50 4,25 +1,00 +1,43 0,9236 0,1625 45,83 32 5,977
4,51–5,00 4,75 +1,50 +2,14 0,9838 0,0602 16,98 22 1,145
Összesen: 282 13,558
238
© Typotex Kiadó
Megoldás:
239
© Typotex Kiadó
4.6.9 Mellékletek
240
© Typotex Kiadó
241
© Typotex Kiadó
4.7.1 Bevezetés
242
© Typotex Kiadó
243
© Typotex Kiadó
Megoldás:
Név Xi Yi dx dy dxdy
A. 2,5 4,2 – + –
B. 0,5 3,8 – – +
C. 3,5 2,6 + – –
D. 1,5 3,5 – – +
E. 3,0 4,8 + + +
F. 3,0 2,8 + – –
G. 3,0 4,2 + + +
H. 1,0 3,7 – – +
I. 4,0 5,0 + + +
J. 1,5 4,1 – + –
K. 5,0 4,8 + + +
L. 2,5 3,5 – – +
u=8 v=4
re = (u – v) / (u + v) = (8 – 4) / (8 + 4) = 4/12 = 0,3333
244
© Typotex Kiadó
Egy felmérés során azt kívánták meghatározni, hogy milyen összefüggés van a jo-
gosítvány megszerzésétől eltelt idő és a személyi sérüléssel járó balesetek okozása
között. A következő adatokat kapták:
2
A lakás nagysága (m ) Az együtt élők átlagos száma (fő)
38 2,3
42 3,6
46 3,4
50 3,5
54 4,3
58 4,2
62 5,1
66 5,4
70 5,7
74 5,5
245
© Typotex Kiadó
Megoldás:
Tanuló Xi Yi di di2
A. 7,5 4,5 +3,0 9
B. 12 7 +5,0 25
C. 3 12 –9,0 81
D. 9,5 9,5 0 0
E. 5 2,5 +2,5 6,25
F. 5 11 –6,0 36
G. 5 4,5 +0,5 0,25
H. 11 8 +3,0 9
I. 2 1 +1,0 1
J. 9,5 6 +3,5 12,25
K. 1 2,5 –1,5 2,25
L. 7,5 9,5 –2,0 4
Összesen 186
246
© Typotex Kiadó
Megoldás:
2 2
Tanuló Xi Yi dxí dyí dxídyí dxí dyí
A. 2,5 4,2 –0,08 +0,28 –0,0224 0,0064 0,0784
B. 0,5 3,8 –2,08 –0,12 +0,2496 4,3264 0,0144
C. 3,5 2,6 +0,92 –1,32 –1,2144 0,8464 1,7424
D. 1,5 3,5 –1,08 –0,42 +0,4536 1,1664 0,1764
E. 3,0 4,8 +0,42 +0,88 +0,3696 0,1764 0,7744
F. 3,0 2,8 +0,42 –1,12 –0,4704 0,1764 1,2544
G. 3,0 4,2 +0,42 +0,28 +0,1176 0,1764 0,0784
H. 1,0 3,7 –1,58 –0,22 +0,3476 2,4964 0,0484
I. 4,0 5,0 +1,42 +1,08 +1,5336 2,0164 1,1664
J. 1,5 4,1 –1,08 +0,18 –0,1944 1,1664 0,0324
K. 5,0 4,8 +2,42 +0,88 +2,1296 5,8564 0,7744
L. 2,5 3,5 –0,08 –0,42 +0,0336 0,0064 0,1764
Összesen 31 47 +3,3332 18,4168 6,3168
247
© Typotex Kiadó
Megoldás:
rassz = (a × d – b × c) / (a × d + b × c),
Esetünkben a = 5, b = 6,
c = 9, d = 9.
Ennek megfelelően:
Egy kereskedelmi raktárban azt kívánták meghatározni, hogy van-e kapcsolat a be-
szállítási és a kiszállítási forgalom között. Ennek érdekében meghatározták az átla-
gos napi forgalmakat, majd megvizsgálták, hogy mely napokon volt mindkét forga-
lom kisebb, illetve nagyobb az átlagosnál, illetve mikor fordult elő, hogy a két forga-
lom az átlagnak különböző oldalain foglalt helyet. Így a következő táblázatot kapták:
248
© Typotex Kiadó
Megoldás:
249
© Typotex Kiadó
y = 0,1810 x + 3,4530
Yi Yri zi zi 2
4,2 3,9 +0,3 0,09
3,8 3,5 +0,3 0,09
2,6 4,1 –1,5 2,25
3,5 3,7 –0,2 0,04
4,8 4,0 +0,8 0,64
2,8 4,0 –1,2 1,44
4,2 4,0 +0,2 0,04
3,7 3,6 +0,1 0,01
5,0 4,2 +0,8 0,64
4,1 3,7 +0,4 0,16
4,8 4,4 +0,4 0,16
3,5 3,9 –0,4 0,16
Összesen 5,72
250
© Typotex Kiadó
Megoldás:
lg Y = lg a + b × lg X.
251
© Typotex Kiadó
a = 3,71
Yr = 3,71 × X0,0456
Xi 2,5 0,5 3,5 1,5 3,0 3,0 3,0 1,0 4,0 1,5 5,0 2,5
Yi 4,2 3,8 2,6 3,5 4,8 2,8 4,2 3,7 5,0 4,1 4,8 3,5
Yri 3,9 3,6 3,9 3,8 3,9 3,9 3,9 3,7 4,0 3,8 4,0 3,9
Zi 0,3 0,2 1,3 0,3 0,9 1,1 0,3 0,0 1,0 0,3 0,8 0,4
Zi2 0,09 0,04 1,69 0,09 0,81 1,21 0,09 0,00 1,00 0,09 0,64 0,16
252
© Typotex Kiadó
Megoldás:
Xi 2,5 0,5 3,5 1,5 3,0 3,0 3,0 1,0 4,0 1,5 5,0 2,5
Yi 4,2 3,8 2,6 3,5 4,8 2,8 4,2 3,7 5,0 4,1 4,8 3,5
Yri 3,9 3,5 4,0 3,8 4,0 4,0 4,0 3,7 4,1 3,8 4,1 3,9
z 0,3 0,3 1,4 0,3 0,8 1,2 0,2 0,0 0,9 0,3 0,7 0,4
2
z 0,09 0,09 1,96 0,09 0,64 1,44 0,04 0,00 0,81 0,09 0,49 0,16
253
© Typotex Kiadó
Megoldás:
Xi 2,5 0,5 3,5 1,5 3,0 3,0 3,0 1,0 4,0 1,5 5,0 2,5
Yi 4,2 3,8 2,6 3,5 4,8 2,8 4,2 3,7 5,0 4,1 4,8 3,5
Yri 4,0 3,6 4,0 3,9 4,0 4,0 4,0 3,8 4,0 3,9 4,0 4,0
z 0,2 0,2 1,4 0,4 0,8 1,2 0,2 0,1 1,0 0,2 0,8 0,5
2
z 0,04 0,04 1,96 0,16 0,64 1,44 0,04 0,01 1,00 0,04 0,64 0,25
A rugalmassági együttható:
254
© Typotex Kiadó
Megoldás:
y = m × f(x) + b,
g(y) = m × x + b,
g(y) = m × f(x) + b.
255
© Typotex Kiadó
256
© Typotex Kiadó
y = a0 + a1 x + a2 x2 + … + an xn
y = 3,5916 + 0,6826 sin x + 0,5771 sin2 x – 1,5233 sin3 x + 0,3939 sin4 x (Hr = 15,65%)
Sok esetben előfordul, hogy az elemzések során kiderül, a két ismert tényező
között a kapcsolat nem olyan erős, mint ahogyan azt vártuk (ez történt lényegé-
ben az eddig bemutatott példában). Ilyenkor nem építhetünk semmilyen meg-
alapozott hipotézist a két tényező kapcsolatára, ezért legtöbbször elvetjük a
kapcsolat lehetőségét.
Előfordulhat azonban, hogy ennek ellenére tudjuk, valamilyen oksági kap-
csolat mégiscsak van a két paraméter között (biztosan tudjuk például, hogy a ta-
nulásra fordított időtől függ a tanulmányi eredmény, annak ellenére, hogy ezt
nem tudtuk kimutatni). Ebben az esetben feltételezhetjük, hogy az eredményt
valamilyen más tényező is befolyásolja. Tételezzük fel, hogy az 1. példában em-
lített osztályfőnök szerint a tanulók eredménye a tanulók munkaráfordításán
túl a szellemi kapacitásuktól is függ. E célból intelligenciatesztet írat diákjaival,
melynek eredménye a következő:
257
© Typotex Kiadó
Tanuló IQ Tanuló IQ
A. 105 G. 100
B. 130 H. 110
C. 85 I. 125
D. 95 J. 135
E. 115 K. 135
F. 90 L. 90
Y = a X1b1 × X2b2
alakban keressük.
258
© Typotex Kiadó
a = 0,0259
259
© Typotex Kiadó
A regressziós együttható:
r = ((0,0961 × 0,0403 + 1,0497 × 0,0553) / 0,0867)0,5 = 0,8451
Sy = 0,3862
Hr = 9,86%
alakban adta. Ez 0,4463 nagyságú abszolút hiba mellett 11,39%-os relatív hibá-
val közelíti a tényleges adatsort.
260
© Typotex Kiadó
Elemi statisztikai módszerek alkalmazása lehetővé teszi, hogy egy képzési szak-
macsoport egyes tagjainak kapcsolatrendszerét vizsgálat tárgyává tegyük. En-
nek eredményeként minősíteni lehet az egy csoportba sorolás sikerességét is.
4.8.1 Bevezetés
261
© Typotex Kiadó
262
© Typotex Kiadó
263
© Typotex Kiadó
264
© Typotex Kiadó
265
© Typotex Kiadó
266
© Typotex Kiadó
VARIANCIAANALÍZIS
Tényezők SS df MS F p-érték F krit.
Sorok 10,7 21 0,508 2,487331819 0 1,594742033
Oszlopok 10 13 0,772 3,783155688 0 1,756133708
Hiba 55,7 273 0,204
Egytényezős varianciaanalízis
ÖSSZESÍTÉS
Csoportok Darabszám Összeg Átlag Variancia
Reklamációs ügyintézés 22 11 0,5 0,261905
Leltár 22 6 0,272727 0,207792
Adminisztráció 22 14 0,636364 0,242424
VARIANCIAANALÍZIS
Tényezők SS df MS F p-érték F krit.
Csoportok között 1,484848 2 0,742424 3,12766 0,050694 3,142809
Csoporton belül 14,95455 63 0,237374
Összesen 16,43939 65
267
© Typotex Kiadó
Egytényezős varianciaanalízis
ÖSSZESÍTÉS
Csoportok Darabszám Összeg Átlag Variancia
Vállalkozás-marketing 22 16 0,727273 0,207792
Jogi ismeretek 22 16 0,727273 0,207792
Áruismeret 22 14 0,636364 0,242424
VARIANCIAANALÍZIS
Tényezők SS Df MS F p-érték F krit.
Csoportok között 0,121212 2 0,060606 0,276316 0,759488 3,142809
Csoporton belül 13,81818 63 0,219336
Összesen 13,93939 65
Egytényezős varianciaanalízis
ÖSSZESÍTÉS
Csoportok Darabszám Összeg Átlag Variancia
Számítógép 22 11 0,5 0,261905
Statisztika 22 8 0,363636 0,242424
Nyelv 22 7 0,318182 0,227273
Szervezetism. 22 5 0,227273 0,183983
Munkavédelem 22 6 0,272727 0,207792
Környezetv. 22 8 0,363636 0,242424
VARIANCIAANALÍZIS
Tényezők SS df MS F p-érték F krit.
Csoportok között 0,977273 5 0,195455 0,858637 0,511017 2,286184
Csoporton belül 28,68182 126 0,227633
268
© Typotex Kiadó
269
© Typotex Kiadó
270
© Typotex Kiadó
271
© Typotex Kiadó
272
© Typotex Kiadó
273
© Typotex Kiadó
274
© Typotex Kiadó
ÖSSZESÍTŐ
TÁBLA
Regressziós
statisztika
r értéke 0,331
r-négyzet 0,110
Korrigált
0,026
r-négyzet
Standard
16,520
hiba
Megfigyelések 36,000
VARIANCIA-
ANALÍZIS
df SS MS F F szignifikanciája
Regresszió 3,000 1075,502 358,501 1,314 0,287
Maradék 32,000 8733,167 272,911
Összesen 35,000 9808,669
MARADÉK VALÓSZÍNŰSÉGI
TÁBLA TÁBLA
275
© Typotex Kiadó
276
© Typotex Kiadó
277
© Typotex Kiadó
278
© Typotex Kiadó
279
© Typotex Kiadó
280
© Typotex Kiadó
viszont azt lehet megvizsgálni, hogy ez milyen mértékben sikerül nekik (meny-
nyire fogadják el a többiek az adott tanulót).
A két eredmény összehasonlításával további információkat szerezhetünk a
tanulói közösségről. Ha például a két ábrán közel azonos helyen van egy tanu-
ló, az azt jelenti, hogy a közösségben elfoglalt helye megegyezik azzal, amit ő
maga is szeretne (függetlenül attól, hogy a hagyományos szociometriai elemzés
centrális, perifériális vagy kívülálló személynek tekinti-e). A két ábrán elfoglalt
helyük közötti különbségek azonban az ilyen irányú vágyak és a tényleges
helyzet közötti eltérések miatti feszültségekre utalnak, függetlenül a tényleges
helyzettől. (Mindenki számára ismert az a tanuló, aki valamilyen – általában
külső – ok miatt központi – például osztálybizalmi – szerepre kényszerül, ám
ezt a feladatát nem szívesen végzi. Ennek ellentéte az, aki szeretne a közösség
fontos emberévé válni, de ilyen megbízást soha nem kap.)
A fentiekben leírt elemzési módszerek a csoport tagjainak egy-egy szempont-
ból történő vizsgálatára szolgálnak, nem adnak választ azonban arra a kérdésre,
hogy ténylegesen milyen távolságok (milyen erős kapcsolatok) alakulnak ki az
egyes gyerekek között. Ha erre vagyunk kíváncsiak, akkor a két előző bemeneti
mátrixot összeadjuk. Az így kapott szimmetrikus mátrix az eddigi információkat
már nem tartalmazza (tehát nem mutatja például a szimpátia irányát), viszont le-
hetővé teszi a gyakorlatban ténylegesen kialakult viszonylatok elemzését.
281
© Typotex Kiadó
282
© Typotex Kiadó
283
© Typotex Kiadó
4.12.4 Összefoglalás
284
© Typotex Kiadó
285
© Typotex Kiadó
4.13.1 Faktorelemzés
286
© Typotex Kiadó
287
© Typotex Kiadó
4.13.2 Klaszterelemzés
A sokdimenziós skálázás rövid múltra tekinthet vissza. Lényege az, hogy a vál-
tozók n-dimenziós terében elhelyezkedő mérési adatokat kisebb (2–4) dimen-
ziószámú térbe transzformálja úgy, hogy közben az egyes pontok közötti térbeli
288
© Typotex Kiadó
289
© Typotex Kiadó
4.13.4 Összegzés
290
© Typotex Kiadó
291
© Typotex Kiadó
292
© Typotex Kiadó
293
© Typotex Kiadó
Ezek ugyanis kimondják azt a tételt, hogy az osztályokba sorolás akkor konzek-
vens, ha a részhalmazok teljes rendszert alkotnak, vagyis a csoportok diszjunktak
(egymást kizárók), együttesen pedig kiadják a teljes halmazt. Ez azt jelenti, hogy
egy elem egy és csak egy csoporthoz tartozik, és annak elemeihez hasonló, míg a
többi csoport elemeitől különbözik. Ezt olyan módszerekkel lehet konzekvensen
megoldani, amelyek nem definiálnak típusokat az osztályokba sorolás előtt, utána
viszont egyértelműen megadják a halmazok típusjegyeit (szemben a klasszikus lo-
gikával, amely először típusokat definiál, majd ezekbe sorolja az elemeket). Ezek a
feltételek nem teljesülnek esetünkben, illetve az OKJ egészében sem.
294
© Typotex Kiadó
b. személyiségkompetenciák
megbízhatóság;
pontosság;
tisztaság;
295
© Typotex Kiadó
rendszeretet;
udvariasság;
empátia.
nyelvtudás;
számítógépes adminisztráció;
vállalkozási-marketing ismeretek;
jogi ismeretek;
munkavédelmi ismeretek;
környezetvédelmi ismeretek;
statisztikai ismeretek;
levelezési ismeretek;
prezentációkészítési ismeretek.
b. személyiségkompetenciák
tárgyalókészség;
kompromisszumkészség;
kommunikációs képesség;
konfliktuskezelő képesség.
egészségi ismeretek;
veszélyes áruk ismerete;
anyagmozgató gépek ismerete;
művészettörténeti ismeretek;
munkaszervezési ismeretek;
vállalatszervezési ismeretek;
irodalmi ismeretek.
b. személyiségkompetenciák
monotonitástűrő képesség;
interperszonális kapcsolatteremtő képesség;
teammunkára való alkalmasság;
irányítókészség;
beosztotti munkára való alkalmasság.
296
© Typotex Kiadó
b. személyiségkompetenciák
megbízhatóság;
pontosság;
tisztaság;
rendszeretet;
udvariasság;
empátia.
nyelvtudás;
számítógépes adminisztráció;
vállalkozási-marketing ismeretek;
jogi ismeretek;
297
© Typotex Kiadó
munkavédelmi ismeretek;
környezetvédelmi ismeretek;
statisztikai ismeretek;
levelezési ismeretek;
prezentációkészítési ismeretek;
egészségi ismeretek;
veszélyes áruk ismerete;
anyagmozgató gépek ismerete;
művészettörténeti ismeretek;
munkaszervezési ismeretek;
vállalatszervezési ismeretek;
irodalmi ismeretek.
b. személyiségkompetenciák
tárgyalókészség;
kompromisszumkészség;
kommunikációs képesség;
konfliktuskezelő képesség;
monotonitástűrő képesség;
interperszonális kapcsolatteremtő képesség;
teammunkára való alkalmasság;
irányítókészség;
beosztotti munkára való alkalmasság.
298
© Typotex Kiadó
299
© Typotex Kiadó
300
© Typotex Kiadó
301
© Typotex Kiadó
302
© Typotex Kiadó
A modellek között az első ránézésre több a közös, mint az eltérő vonás. Há-
rom esetben egy, három esetben pedig két látens változó szerepel az eredmé-
nyekben. A közgazdasági iskola mindkét, a gimnázium egyik osztályában a
tantárgyak egy látens változót reprezentálnak, ami az előzmények ismeretében
303
© Typotex Kiadó
304
© Typotex Kiadó
4.15.4 Következtetések
4.15.5 Befejezés
305
© Typotex Kiadó
306
© Typotex Kiadó
Kérdések
1. Elkalandozik a figyelmed az órák alatt?
2. Zavar, ha rosszul végzed az elvállalt munkát?
3. Szoktál rendetlenkedni órán?
4. Szeretsz iskolába járni?
5. Megpróbálsz osztályelső lenni a tanulásban?
6. Szeretsz új dolgokat kipróbálni, még ha nehezek is?
7. Félsz a dolgozattól?
8. A tanítás végén már izegsz-mozogsz?
9. Ha valamit elrontasz, megpróbálod még egyszer?
10. Érdekesnek találod az iskolai munkát?
11. Mindent elkövetsz, hogy jól végezd a munkád?
12. Szeretsz az új tennivalókra gondolni?
13. Nehezen tudsz koncentrálni a munkádra?
14. Szoktál munka helyett nézelődni az osztályban?
15. Ha a tanárodnak segítségre van szüksége, előbb jelentkezel, mint a többiek?
16. Félsz, hogy a tanárnak esetleg rossz véleménye van rólad?
17. Nagyon fontos neked, hogy jó jegyet kapjál?
18. Szeretsz feladatokat végezni?
19. Ha befejezel egy munkát, hamar megfeledkezel róla?
20. Jól csinálod az iskolai tennivalókat?
21. Rosszul esik, ha a többi gyerek mérges rád?
22. Sok barátod van?
23. Ha megszidnak, később rágódsz még rajta?
24. Előfordult már, hogy elfelejtettél valamit, amit tényleg tudtál?
25. Zavar, ha a tanár feladataiddal kapcsolatban kérdez valamit?
26. Beszélgetsz a melletted ülővel óra alatt?
27. Szeretnéd, ha nem kellene iskolába járnod?
28. Szándékosan megszeged az iskolai szabályokat?
29. Félsz attól, hogy az egész osztály butának gondol?
30. Unalmasnak találod az iskolai órákat?
307
© Typotex Kiadó
Kérdés Válasz
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
1 2 3 1 1 2 3 2 2 3 4 4 3 3 2 3 3 3 3 5 2 3 4 3 2 3 3 3 3 3 2
2 5 3 4 3 1 5 3 4 5 2 3 4 4 2 3 3 4 2 3 3 2 3 4 3 2 5 2 2 2 4
3 2 1 2 2 2 2 2 1 1 3 2 2 2 1 2 2 1 2 4 2 2 3 2 1 2 1 3 5 2 2
4 4 4 4 2 3 4 4 5 1 1 3 2 1 3 3 3 3 2 1 3 4 2 3 4 2 1 1 1 3 4
5 5 1 1 3 5 4 2 2 4 2 2 1 3 1 3 2 1 2 1 1 3 3 2 2 1 3 1 1 4 4
6 5 3 3 3 4 4 3 3 3 1 3 5 5 3 3 3 2 3 5 3 3 3 3 2 4 3 4 5 5 4
7 3 3 2 3 2 2 2 1 4 3 2 2 5 3 3 2 5 3 3 4 2 3 4 2 5 4 4 3 1 2
8 5 3 1 4 2 4 3 1 2 4 4 2 3 1 4 3 3 4 4 4 2 4 3 2 5 2 4 4 2 5
9 5 4 4 4 5 5 3 3 3 2 4 5 3 2 4 4 3 4 4 3 3 2 3 3 3 3 3 3 5 5
10 4 2 5 3 4 4 2 4 2 2 2 2 1 3 3 3 3 3 2 3 3 3 3 3 1 2 2 2 3 3
11 5 4 4 4 5 4 3 4 4 3 3 3 3 3 3 4 4 4 2 2 3 3 4 5 3 5 3 5 5 5
12 5 3 5 1 5 4 3 3 5 1 3 4 5 2 4 3 4 3 1 4 3 2 2 3 4 4 4 5 5 4
13 2 2 2 3 1 1 2 2 2 1 2 2 2 2 2 2 3 3 3 2 2 3 2 2 4 4 2 3 1 2
14 2 2 2 2 1 2 2 2 1 2 4 1 3 1 3 3 4 3 4 4 2 4 3 2 4 1 3 3 2 2
15 4 3 3 1 3 4 3 2 2 1 3 3 2 4 3 3 3 3 3 3 3 2 3 3 2 2 2 2 3 3
16 4 4 2 3 2 2 1 1 1 1 3 2 5 4 2 2 5 2 1 2 3 2 4 3 1 4 3 4 2 5
17 5 5 4 4 5 5 3 5 5 3 4 4 4 3 4 4 4 3 3 4 4 3 5 5 4 5 4 5 5 5
18 5 4 3 1 4 4 2 4 1 2 3 3 5 3 2 3 2 3 3 3 3 2 3 3 1 4 3 3 4 5
19 2 2 2 3 2 3 3 1 3 2 4 2 4 1 2 2 3 2 2 2 1 2 2 4 4 3 2 3 3 2
20 4 4 5 4 5 5 3 4 5 4 4 3 4 3 3 4 4 4 3 3 4 3 4 4 2 4 4 3 4 4
21 4 4 4 1 1 3 2 3 3 3 3 2 1 3 2 3 2 3 2 2 4 3 5 3 2 4 2 3 2 5
22 5 5 5 4 5 5 4 5 5 5 4 5 3 5 4 4 5 5 2 5 4 4 4 5 5 3 5 5 5 5
23 5 3 2 3 2 2 1 1 4 2 2 2 1 3 3 2 3 2 2 2 2 2 3 3 3 4 2 3 2 3
24 4 2 2 3 2 2 1 2 2 3 5 3 5 2 2 3 5 2 3 3 2 4 5 3 4 5 2 1 3 4
25 2 2 3 1 1 1 1 1 4 5 4 3 1 4 2 2 3 1 3 2 3 2 3 2 4 3 3 2 1 2
26 4 4 2 3 2 3 3 2 2 3 4 4 3 1 3 3 3 3 5 4 3 3 2 2 3 2 4 4 3 2
27 3 2 3 4 1 1 3 2 5 3 3 5 5 3 3 3 5 4 5 3 3 4 4 4 3 4 5 5 2 4
28 1 1 1 1 1 1 1 1 3 1 1 2 1 1 3 2 1 1 4 2 1 2 1 1 1 1 1 2 1 1
29 2 1 2 1 1 1 1 1 1 1 1 1 1 1 3 2 2 2 1 2 1 2 2 3 1 4 1 1 1 4
30 3 3 1 3 2 3 3 2 3 4 4 4 4 3 3 3 3 3 5 3 3 4 3 2 2 3 5 5 3 5
308
© Typotex Kiadó
309
© Typotex Kiadó
1. 2. 3. 4. 5. 6. 7. 8. 9.
Kérdés
tengely tengely tengely tengely tengely tengely tengely tengely tengely
1 –0,2404 –0,0312 0,1204 0,1709 –0,1741 –0,1980 0,0605 –0,1816 0,2737
2 0,0956 –0,2765 –0,0496 0,1046 –0,1066 –0,2449 –0,2825 0,1209 0,1617
3 –0,2034 0,0417 0,2934 0,0470 –0,1390 0,2073 0,1223 –0,1495 –0,2277
4 0,2689 0,1215 –0,0149 0,2520 0,2949 0,0351 –0,0823 0,0147 0,0578
5 0,1946 –0,1275 0,1590 –0,1057 –0,1560 –0,2298 –0,0951 –0,3474 –0,0882
6 –0,0120 –0,1271 0,4319 –0,1008 –0,0325 0,0678 –0,0279 0,3124 –0,0003
7 –0,2004 –0,2434 –0,1741 –0,1496 0,1143 0,0648 –0,0173 0,0939 0,1499
8 –0,1635 –0,1595 0,1916 0,1069 0,2164 0,2136 –0,0641 –0,4609 –0,0315
9 0,1779 –0,0718 0,3616 0,0120 0,0262 0,0019 –0,2007 –0,0655 0,0688
10 0,2715 0,1142 0,0036 0,1982 0,0211 0,0519 –0,1729 –0,0742 –0,1597
11 0,2523 –0,2209 0,0201 –0,1486 –0,0971 0,1415 0,0783 –0,1637 --0,2299
12 0,1501 –0,1737 0,1713 –0,2905 0,0223 0,1798 –0,0862 0,2278 0,2034
13 –0,1869 –0,2053 –0,1637 –0,0167 0,1374 0,1275 –0,2289 0,1430 –0,3048
14 –0,2320 –0,0343 0,0674 0,1551 0,4105 0,0242 –0,0971 –0,1546 0,0438
15 0,1686 0,0067 0,1419 0,3353 0,1491 0,0826 –0,1437 0,2580 0,2965
16 0,0569 –0,3442 –0,0301 0,1036 0,1479 0,0605 0,3922 0,1988 –0,0695
17 0,2304 –0,2392 0,0856 –0,1490 –0,0902 0,0865 –0,0065 –0,0541 0,0974
18 0,1874 –0,1571 0,2558 0,1809 0,0540 –0,1510 0,3135 0,1944 –0,0057
19 –0,0745 –0,2090 0,0145 –0,3867 0,2493 –0,1414 –0,0753 –0,1660 0,1599
20 0,2371 –0,0419 –0,0027 –0,1012 –0,2256 –0,2480 0,1134 –0,2040 0,1140
21 0,1277 –0,1597 –0,1402 0,4304 –0,1764 0,1493 0,1234 –0,0981 0,0459
22 0,1743 0,0935 –0,0632 –0,1386 0,0470 0,5281 0,1191 –0,1178 0,2222
23 0,0545 –0,3264 –0,1284 0,0349 –0,1943 0,3380 –0,2220 –0,1173 0,0776
24 –0,0683 –0,3344 –0,0993 0,0967 0,2264 –0,3203 0,0628 –0,1144 0,1534
25 –0,1496 –0,0314 –0,2630 0,1186 –0,2672 0,1441 0,0768 –0,0598 0,4543
26 –0,2010 –0,0061 0,3334 0,0838 0,0968 0,1134 –0,0605 –0,0501 0,1739
27 –0,2250 –0,2270 –0,0639 –0,0416 –0,1817 0,0444 0,0324 0,2596 –0,1517
28 –0,1774 0,0254 0,1415 0,1058 –0,3466 –0,0232 –0,4724 0,1120 –0,0106
29 0,0850 –0,2818 –0,1399 0,2444 0,0375 –0,0044 –0,1712 –0,0601 –0,3256
30 –0,2148 –0,1315 0,2408 0,1487 –0,2058 0,0333 0,3130 –0,0382 –0,0744
310
© Typotex Kiadó
Tényező 1. 2. 3. 4. 5. 6. 7. 8. 9.
tengely tengely tengely tengely tengely tengely tengely tengely tengely
1 –0,6362 –0,0610 0,2189 0,2452 –0,2249 –0,2412 0,0725 –0,2062 0,3027
2 0,2530 –0,5406 –0,0902 0,1501 –0,1377 –0,2983 –0,3382 0,1373 0,1789
3 –0,5384 0,0815 0,5331 0,0674 –0,1795 0,2525 0,1463 –0,1697 –0,2518
4 0,7116 0,2376 –0,0272 0,3616 0,3810 0,0428 –0,0985 0,0167 0,0640
5 0,5151 –0,2494 0,2889 –0,1517 –0,2015 –0,2800 –0,1139 –0,3945 –0,0975
6 –0,0318 –0,2485 0,7848 –0,1446 –0,0420 0,0825 –0,0334 0,3548 –0,0004
7 –0,5303 –0,4759 –0,3164 –0,2147 0,1476 0,0790 –0,0207 0,1066 0,1658
8 –0,4328 –0,3118 0,3482 0,1534 0,2795 0,2602 –0,0768 –0,5234 –0,0349
9 0,4707 –0,1404 0,6571 0,0172 0,0338 0,0023 –0,2402 –0,0744 0,0761
10 0,7184 0,2232 0,0066 0,2844 0,0272 0,0632 –0,2070 –0,0843 –0,1767
11 0,6675 –0,4319 0,0365 –0,2132 –0,1255 0,1724 0,0937 –0,1859 –0,2543
12 0,3973 –0,3395 0,3113 –0,4169 0,0288 0,2190 –0,1032 0,2587 0,2250
13 –0,4946 –0,4014 –0,2974 –0,0239 0,1775 0,1553 –0,2740 0,1624 –0,3372
14 –0,6140 –0,0671 0,1224 0,2225 0,5303 0,0295 –0,1163 –0,1756 0,0484
15 0,4462 0,0131 0,2578 0,4811 0,1926 0,1006 –0,1721 0,2930 0,3280
16 0,1504 –0,6730 –0,0547 0,1487 0,1910 0,0738 0,4695 0,2257 –0,0769
17 0,6096 –0,4676 0,1556 –0,2138 –0,1164 0,1053 –0,0078 –0,0614 0,1078
18 0,4959 –0,3072 0,4647 0,2596 0,0697 –0,1839 0,3753 0,2208 –0,0063
19 –0,1971 –0,4087 0,0264 –0,5549 0,3220 --0,1723 –0,0901 –0,1885 0,1769
20 0,6274 –0,0819 –0,0048 –0,1452 –0,2914 –0,3021 0,1357 –0,2317 0,1261
21 0,3379 –0,3122 –0,2548 0,6176 –0,2279 0,1819 0,1477 –0,1114 0,0508
22 0,4611 0,1828 –0,1149 –0,1989 0,0606 0,6434 0,1426 –0,1338 0,2458
23 0,1443 –0,6382 –0,2334 0,0501 –0,2510 0,4118 –0,2658 –0,1331 0,0858
24 –0,1808 –0,6539 –0,1805 0,1387 0,2924 –0,3903 0,0752 –0,1300 0,1696
25 –0,3959 –0,0614 –0,4780 0,1702 –0,3451 0,1756 0,0920 –0,0679 0,5025
26 –0,5318 –0,0120 0,6058 0,1202 0,1250 0,1381 –0,0725 –0,0569 0,1923
27 –0,5955 –0,4439 –0,1161 –0,0596 –0,2347 0,0540 0,0388 0,2948 –0,1677
28 –0,4695 0,0497 0,2571 0,1518 –0,4477 –0,0283 –0,5655 0,1272 –0,0117
29 0,2250 –0,5510 –0,2541 0,3507 0,0484 –0,0054 –0,2049 –0,0683 –0,3602
30 –0,5685 –0,2571 0,4375 0,2134 –0,2658 0,0406 0,3747 –0,0434 –0,0823
311
© Typotex Kiadó
––––––––––––––––––––––––––––––
Szidás esetén rágódik rajta: –0,64
Felelésnél elfelejti, amit tud: –0,65
Fél a tanár rossz véleményétől: –0,67
3. faktor: (kreativitás)
8. faktor: (figyelemterjedelem)
––––––––––––––––––––––––––––––
A tanítás végén már izeg-mozog: –0,52
312
© Typotex Kiadó
313
© Typotex Kiadó
Clustering Strategy
Cluster 1st Item 2nd Item Distance
1 Row 17 Row 11 4,243
2 Cluster 1 Row 20 4,472
3 Row 15 Row 10 4,796
4 Row 26 Row 1 4,899
5 Cluster 3 Row 4 5,000
6 Row 9 Row 6 5,099
7 Cluster 4 Row 30 5,099
8 Cluster 2 Row 22 5,196
9 Cluster 8 Cluster 6 5,385
10 Row 23 Row 13 5,477
11 Cluster 7 Row 8 5,568
12 Cluster 11 Row 14 5,568
13 Cluster 10 Row 19 5,568
14 Cluster 13 Cluster 12 5,657
15 Cluster 14 Row 27 5,745
16 Cluster 5 Row 18 5,831
17 Cluster 15 Row 3 6,083
18 Cluster 16 Row 21 6,083
19 Cluster 17 Row 28 6,083
20 Cluster 19 Cluster 18 6,083
21 Cluster 20 Cluster 9 6,164
22 Cluster 21 Row 29 6,325
23 Cluster 22 Row 7 6,403
24 Cluster 23 Row 12 6,403
25 Cluster 24 Row 25 6,481
26 Cluster 25 Row 24 6,633
27 Cluster 26 Row 2 6,856
28 Cluster 27 Row 16 6,928
29 Cluster 28 Row 5 7,348
314
© Typotex Kiadó
315
© Typotex Kiadó
316
© Typotex Kiadó
317
© Typotex Kiadó
23. kérdés
13. kérdés
26. kérdés
1. kérdés
15. kérdés
10. kérdés
17. kérdés
11. kérdés
9. kérdés
6. kérdés
318
© Typotex Kiadó
Az első három pár a továbbiakban egy nagyobb csoportot alkot, míg az utol-
só két pár elkülönül ettől. (A részletesebb vizsgálatból további információk is
kiolvashatók, ezektől most eltekintünk.)
A tanulást segítő motivációk rendszerében tehát jól megkülönböztethető a
lelkiismeretesség, a figyelem és az óra alatti fegyelem, a tanár személye, az isko-
lai tevékenységek érdekessége, a sikerélmény és a kreativitás. Ezek a tényezők
jól illeszkednek a faktoranalízissel meghatározott paraméterekhez, bár jól érzé-
kelhetően más kérdések alapján kaptuk a módszer következtetéseit.
319
© Typotex Kiadó
320
© Typotex Kiadó
321
© Typotex Kiadó
Két látens változó feltételezése esetén a 4.11 ábra szerinti modellt kapjuk:
322
© Typotex Kiadó
323
© Typotex Kiadó
324
© Typotex Kiadó
325
© Typotex Kiadó
326
© Typotex Kiadó
VIZELET-
PARAMÉTER THR-SZÁM MPV FOSZFOR VIZELET-GLÜKÓZ LDH PROTEIN
NORM:
ÉRTÉK 140–440 5,0–10,0 0,9–1,6 0–2,8 230–461 0–0,35
1995.01.12 190 8,6 0,8 3 402 0,46
1996.02.02 226 9,2 0,8 3 402 0,46
1996.10.07 218 9,3 0,8 3 402 0,46
1997.05.27 208 9,3 0,8 3 402 0,46
1997.10.06 181 9,0 0,8 3 402 0,46
1998.03.17 177 8,9 0,8 3 402 0,46
1999.03.31 197 8,6 0,8 3 402 0,46
1999.05.04 201 9,6 0,8 3 402 0,46
1999.09.09 173 9,6 0,8 3 402 0,46
2000.05.23 174 8,7 0,8 3 415 0,46
2000.10.30 133 10,1 0,8 3 473 0,46
2000.12.08 173 9,6 0,8 3 402 0,46
2001.05.28 145 10,5 0,8 0 356 0,25
2002.05.03 142 9,9 0,7 0 392 0,25
2002.06.14 173 9,6 0,8 0 402 0,00
2003.04.15 138 10,2 0,8 0 421 0,25
2004.05.25 149 9,9 0,9 18 391 0,25
2005.05.10 147 10,0 0,8 0 402 0,75
2006.05.16 145 11,0 0,8 0 367 1,50
327
© Typotex Kiadó
328
© Typotex Kiadó
329
© Typotex Kiadó
330
© Typotex Kiadó
331
© Typotex Kiadó
332
© Typotex Kiadó
333
© Typotex Kiadó
334
© Typotex Kiadó
E modell sem elég pontos, mert a khi-négyzet értéke a 67,5-es határ felett van.
Ezért elkészült a három látens változós modell is, amely már a kétváltozósnál is
durvábban (nagyobb khi-négyzettel) írja le a valóságot (4.18 ábra):
335
© Typotex Kiadó
336