Menedzsment kvantitatív módszerei
Egy futóversenyen a versenyzők által elért helyezések mérési szintje a lehető legerősebb (arányskála), hiszen bármely két helyezés különbsége értelmezhető.
Hamis
Egy gyakorisági táblázatban a relatív gyakoriságokat az összes osztályra összegezve a sokaság elemszámát kapjuk.
Hamis
Gyakorisági poligonnak nevezzük a gyakorisági sor vonaldiagramját
Hamis
Ha a determinációs együttható értéke 1, akkor sztochasztikus kapcsolat van a két kvantitatív változó között.
Hamis
Az y független vagy magyarázó változó ingadozásának SSR nagyságú része a regressziónak tulajdonítható.
Hamis
Az útlevél sorrendi skálán mérhető.
Hamis
Bármilyen eloszlásra igaz, hogy egy adathalmazban számított számtani átlag alatti és feletti számok gyakorisága megegyezik.
Hamis
Egy 0,05 alatti p-érték mindig elegendő bizonyíték a nullhipotézis elvetésére.
Hamis
Egy 0,1 feletti p-érték a nullhipotézis igazságát támasztja alá.
Hamis
Egy folytonos valószínűségi változó móduszának nevezzük az eloszlásfüggvénye maximumhelye(i)t.
Hamis
Egy futóversenyen a versenyzők által elért helyezések különbségi skálán mérhetők, hiszen bármely két helyezés különbsége értelmezhető.
Hamis
Ha a függetlenségvizsgálatnál a p-értékre 5%-nál kisebb értéket kapunk, akkor a két vizsgált ismérv 5%-os szignifikanciaszinten függetlennek tekinthető.
Hamis
Ha a korrelációs együttható értéke -0,8, akkor a determinációs együttható -0,64.
Hamis
Ha a nullhipotézis a valóságban nem helyes, de a próbafüggvény mintából számított értéke alapján mégis elfogadjuk, akkor elsőfajú hibát követünk el.
Hamis
Ha a nullhipotézis igaz, nem kaphatunk a p-értékre 0,01-nél kisebb értéket
Hamis
Ha a nullhipotézis igaz, nem kaphatunk a p-értékre 0,01-nél kisebb értéket.
Hamis
Ha a próbafüggvény értéke az elutasítási tartományba esik, akkor fennáll a másodfajú hiba elkövetésének lehetősége.
Hamis
Ha a sokasági meredekségi paraméter értéke 0, akkor az azt jelenti, hogy nem szignifikáns.
Hamis
Ha a sokasági szórás nem ismert, akkor a khínégyzet eloszlást használjuk a várható érték konfidenciaintervallumának szerkesztéséhez, mivel a minta szórás khínégyzet eloszlást követ.
Hamis
Ha a varianciahányados értéke 0, akkor az azt jelenti, hogy az asszociációs kapcsolat két változója független egymástól. X Binominális eloszlással modellezhetők a véletlen pontelhelyezkedések.
Hamis
Ha a varianciahányados értéke 1, a vegyes kapcsolatban a két ismérv független egymástól.
Hamis
Ha az ANOVA-teszt p-értéke 0,0029; akkor a nullhipotézist - mely szerint a várható értékek megegyeznek - minden szignifikanciaszinten elutasítjuk.
Hamis
Ha az ANOVA-teszt p-értéke 0,0213; akkor 1%-os szignifikanciaszinten van kapcsolat a vizsgált mennyiségi és kategorikus ismérv között, 5%-on viszont nincs.
Hamis
A korrelációs együttható és a meredekségi paraméter mértékegysége megegyezik
Igaz
A kritikus / elutasítási tartomány elhelyezkedését a nullhipotézissel szemben álló ellenhipotézisben foglalt feltevés határozza meg.
Igaz
A kritikus érték minden esetben a szignifikancia szint és a próbafüggvény tulajdonságai alapján határozható meg.
Igaz
A kritikus érték minden esetben a szignifikanciaszint és a próbafüggvény tulajdonságai alapján határozható meg.
Igaz
A kumulált relatív gyakorisági sor oszlopdiagramja folytonos ismérv esetén az empirikus eloszlásfüggvény
Igaz
A kvantilisek segítségével olyan osztópontok határozhatók meg a rangsorban, amelyek egyenlő osztályközhosszúságú osztályokat fognak közre.
Igaz
A kétmintás próbák két sokaság egymással való összehasonlítását szolgálják.
Igaz
A meredekségi paraméter mértékegysége megegyezik az y tengelyen mért változó mértékegysége és az x tengelyen mért változó mértékegysége hányadosával.
Igaz
A meredekségi paraméter értéke azt mutatja, hogy ha a magyarázó változó értéke 0, akkor mekkora az eredményváltozó értéke.
Igaz
A mintaelemszám növelésével egy hipotézisvizsgálat során csökkenthető az elsőfajú hiba
Igaz
A mintaelemszám növelésével egy hipotézisvizsgálat során csökkenthető az elsőfajú hiba.
Igaz
A mintavételi hiba abból adódik, hogy a vizsgálat során nem a teljes sokaságot figyeljük meg.
Igaz
A mintából számolt, becslésre használt mutatók értékei valószínűségi változók, értékük mintáról mintára változhat.
Igaz
A másodfajú hiba a valóságban fennálló, de a döntéshozó előtt nem ismert állapot függvénye.
Igaz
A módusz becsült értékére nincsen hatással az osztályközök megválasztása, mindig a legnagyobb gyakoriságú osztály tartalmazza.
Igaz
A módusz előnye, hogy érzéketlen a szélsőértékekre
Igaz
A nem mintavételi hiba a mintával kapcsolatos teendőkhöz kapcsolódik.
Igaz
A nominális skálától az egyedek megkülönböztethetőségét követeljük meg.
Igaz
A nullhipotézis helyességének ellenőrzése céljából a próbafüggvény lehetséges értékeinek tartományát egyelutasítási és egy elfogadási tartományra bontjuk. Ehhe mindenképpen szükségünk van a szignifikancia szintre.
Igaz
A névleges skálán a hozzárendelés az egységek vagy csoportok azonosítására szolgál.
Igaz
A p érték nem a H0(nullhipotézis) valószínűsége.
Igaz
A próba ereje(e) a hamis hipotézis felismerésének a képessége.
Igaz
A próbafüggvény eloszlásának ismerete teszi alkalmassá a nullhipotézis helyességének vizsgálatára.
Igaz
A próbafüggvényt eloszlásának ismerete teszi alkalmassá a nullhipotézis helyességének vizsgálatára.
Igaz
A sokaság egységeire vonatkozóan valamilyen kategóriát rögzítő ismérvet nem mennyiségi ismérvnek nevezzük.
Igaz
A sokasági várható értékre szerkesztett konfidenciaintervallum közepe valószínűségi változó.
Igaz
A sorrendi skála az egyenlőségi és a kisebb-nagyobb relációkat egyaránt tartalmazza.
Igaz
A sorrendi skála az egységek viszonylagos helyét is meghatározza.
Igaz
A statisztikai sokaság a mintába került elemek összessége.
Igaz
A számított középértékek az adatok közötti elhelyezkedésüknél fogva jellemzik az adott gyakorisági eloszlás helyzetét.
Igaz
A tapasztalati gyakoriságokat az összes osztályra összegezve a sokasági elemszámát kapjuk.
Igaz
A teljes szórás a külső és belső szórás összege.
Igaz
A teljes variancia a külső és belső variancia összege.
Igaz
A valódi mennyiségi ismérvek sorrendi, arány és intervallumskálán egyaránt mérhetőek lehetnek.
Igaz
A variancia és a szórásnégyzet azonos fogalmak.
Igaz
A varianciaanalízis ellenhipotézisének elfogadása esetén szignifikáns a kapcsolat a mennyiségi ismérv és a sokaságot megkülönböztető minőségi ismérv között.
Igaz
A varianciahányados mutató azt mutatja meg, hogy asszociációs kapcsolat esetén a kvalitatív változó a kvantitatív változóban lévő varianciát hány %-ban magyarázza.
Igaz
A várható érték kétoldali intervallumbecslése mindig szimmetrikus
Igaz
Adott szignifikancia szint mellett a másodfajú hiba elkövetésének valószínűsége a mintanagyság növelésével mérsékelhető.
Igaz
Akkor számolunk student eloszlást, ha nem ismert a sokasági szórás és az n kisebb mint 30.
Igaz
Az 1-α szintű konfidenciaintervallum α valószínűséggel nem tartalmazza a becsülni kívánt paramétert
Igaz
Az egymintás próbák mindig egy adott sokaság valamely jellemzőjére vonatkozó feltevések helyességének ellenőrzésére szolgálnak
Igaz
Az eloszlásfüggvényt mind diszkrét, mind folytonos valószínűségi változó esetén értelmezhetjük.
Igaz
Az elsőfajú hiba elkövetésének valószínűsége megegyezik a szignifikancia szinttel.
Igaz
Ha az elsőfajú hiba értékét 1%-kal növeljük, akkor a másodfajú hiba 1%-kal csökken.
Igaz
Ha csökken az alapsokaság szórása, akkor szűkül az intervallum.
Igaz
Ha egy regressziós paraméter 1%-os szignifikancia szinten szignifikáns, akkor 5%-on is az.
Igaz
Ha elkövetjük az elsőfajú hibát, akkor a nullhipotézist annak ellenére utasítjuk el, hogy az a valóságban helyes.
Igaz
Ha ismert az alapsokasági szórás, akkor a várható érték teszteléséhez egymintás esetben a minta elemszámától függetlenül alkalmazható egymintás z-próba.
Igaz
Ha kicsi a p értéke, azt jelenti, hogy van okunk kételkedni a H0 (nullhipotézis) igazságosságában, de nem jelenti, hogy nem igaz.
Igaz
Ha két ismérv 5%-os szignifikanciaszinten független egymástól, akkor 1%-on is biztosan az lesz.
Igaz
Ha nagy a p értéke, akkor nem hajlunk a H0(nullhipotézis) elutasítására.
Igaz
Ha nő a megbízhatósági szint, szélesedik az intervallum.
Igaz
Ha nő a mintaelemszám, akkor szűkül az intervallum.
Igaz
Ha nő az alapsokaság szórása, akkor szélesedik az intervallum.
Igaz
Ha valamilyen feltételezett, előírt állapottól való adott irányú eltérést kívánunk vizsgálni, akkor érdemes egyoldali elutasítási tartományt kijelölni.
Igaz
Az interkvartilis terjedelem az alsó és felső kvartilis átlaga.
Hamis
Az intervallumbecslés eredményeként kapott konfidenciaintervallum a becsülni kívánt mintajellemzot elore megadott, nagy valószínuséggel tartalmazza.
Hamis
Az intervallumbecslés eredményeként kapott konfidenciaintervallum a becsülni kívánt mintajellemzőt előre megadott, nagy valószínűséggel tartalmazza.
Hamis
Az intervallumskála rögzített nullponttal bíR
Hamis
Az intervallumskálának csak a mértékegysége szabadon választható
Hamis
Az intervallumskálának csak a mértékegysége szabadon választható.
Hamis
Az n-1 szabadsági fokú t-eloszlást gyakran használjuk a sokaság várható értéke konfidenciaintervallumának szerkesztésekor, ha a sokasági szórás ismert.
Hamis
Milyen elemzési eszközt választanánk, ha arra lennénk kíváncsiak, hogy a vizsgafelkészülés módja (egyénileg; szaktársakkal; magántanárral) befolyásolja-e a vizsgán elért pontszámot?
ANOVA-t, mivel a felkészülés kategorikus, a pontszám pedig kvantitatív változó, tehát a vegyes kapcsolat meglétét vizsgáljuk.
A .... mérési szinttől elvárjuk, hogy legyen értelme két érték hányadosának kiszámítására.
Arány
Ha egyidejűleg két olyan ismérvet vizsgálunk, ahol az egyik ismérv a foglalkozás, a másik pedig a közalkalmazotti fizetési kategória, akkor a két ismérv közötti kapcsolat vizsgálatára milyen vizsgálatot végezne?
Függetlenségvizsgálatot
Milyen elemzési eszközt választanánk, ha arra lennénk kíváncsiak, hogy a vizsgafelkészülés módja (egyénileg; szaktársakkal; magántanárral) befolyásolja-e a vizsga sikerességét?
Függetlenségvizsgálatot, mivel mind a felkészülés módja, mind pedig a sikeresség (siker vs kudarc) kategorikus ismérvek.
1%-os p-érték azt jelenti, hogy a nullhipotézis igazságának valószínűsége 1%.
Hamis
1%-os p-érték azt jelenti, hogy az ellenhipotézis igazságának valószínűsége 1%.
Hamis
1%-os p-érték azt jelenti, hogy az ellenhipotézis igazságának valószínűsége 99%.
Hamis
10 véletlenszerűen kiválasztott hallgató ösztöndíjának értékei (ezer Ft): 10, 12, 7, 9, 16, 25, 15, 18, 20, 6. Az adatok mediánja 20,5 ezer Ft.
Hamis
A "Canon digitális fényképezőgépek ára valószínűleg három hónap múlva alacsonyabb lesz, mint most" állítás elemzésére leíró statisztikai eszközök szolgálnak.
Hamis
A Cramer-féle asszociációs együttható -1 értéke a két minőségi ismérv függetlenségét jelzi.
Hamis
A Cramer-féle asszociációs együttható 1-hez közeli értéke a két minőségi ismérv közötti erős kapcsolatot jelent.
Hamis
A determinációs együttható a korrelációs együttható pozitív négyzetgyöke
Hamis
A determinációs együttható kétváltozós esetben megegyezik a lineáris korrelációs együtthatóval.
Hamis
A döntés megbízhatósága annak valószínűségét adja meg, hogy nem követjük el a másodfajú hibát.
Hamis
A khínégyzet eloszlás segítségével intervallumbecslést adhatunk egy normális eloszlású valószínűségi változó értékére.
Hamis
A konfidencia szintjét csökkentve szélesebb intervallumot kapunk becslésünk eredményeként.
Hamis
A konfidenciaintervallum közepe mindig a minta alapján számított pontbecslés, és annak valószínűségét mutatja, hogy a mintastatisztika értéke az intervallumon belül helyezkedik el.
Hamis
A konfidenciaintervallum szerkesztéséhez szükséges mintaelemszám egyenesen arányos a hibahatárral.
Hamis
A korrelációs együttható előjele megegyezik a tengelymetszet paraméter előjelével.
Hamis
A korrelációs együttható két kvantitatív változó közötti lineáris vagy nem lineáris kapcsolat szorosságát méri. (Ez nem biztos, hogy jó)
Hamis
A korrelációs együttható néha jelzi a két kvantitatív változó közötti ok-okozati kapcsolatot.
Hamis
A korrelációs egüyttható magas értéke a két kvantitatív változ közötti ok-okozati kapcsolatot erősíti meg.
Hamis
A korrigált tapasztalati szórás az elméleti alapsokasági szórás torzított becslése.
Hamis
A kérdőíven hibásan rögzített adatokat mintavételi hibának tekintjük.
Hamis
A kétoldali intervallumbecslés mindig szimmetrikus a pontbecslésre.
Hamis
A külső eltérés az egyes csoportokba besorolt egyedeknek az adott részsokaság átlagától vett eltérését méri.
Hamis
A különbségi skála a legmagasabb mérési szint.
Hamis
A mennyiségi ismérv típusai lehetnek a területi, időbeli és a minőségi ismérvek.
Hamis
A meredekség paraméter értéke azt mutatja, hogy ha az eredményváltozó értéke 0, mekkora a magyarázó változó értéke.
Hamis
A meredekségi paraméter mértékegysége megegyezik az x tengelyen mért kvalitatív változó mértékegységével.
Hamis
A meredekségi paraméter értéke azt mutatja, hogy ha a magyarázó változó értéke 0, akkor mekkora az eredményváltozó értéke.
Hamis
A meredekségi paraméter értéke azt mutatja, hogy ha az eredményváltozó értéke 0, mekkora a magyarázó változó értéke.
Hamis
A mintaelemszám növelésével egy hipotézisvizsgálat során csökkenthető az elsőfajú hiba.
Hamis
A mintavételi hiba kifejezetten a mintával kapcsolatos teendőkhöz kapcsolódik
Hamis
A másodfajú hiba elkövetése mindig költségesebb az elsőfajú hibáénál.
Hamis
A másodfajú hiba elkövetésének valószínűsége megegyezik a szignifikancia szinttel.
Hamis
A másodfajú hiba értéke a hipotézisvizsgálat során szabadon megválaszolható.
Hamis
A módusz csak diszkrét ismérv esetén határozható meg.
Hamis
A nagyon alacsony p-érték igazolja a nullhipotézis hamisságát
Hamis
A nem véletlen mintavételi eljárások legfőbb előnye, hogy számszerűsíthető a mintavételi hiba.
Hamis
Az időbeli ismérv a sokaság egyedeire vonatkozó időponti vagy időtartam megjelölést jelenti.
Hamis
A nominális és az ordinális mérési szintek között az a különbség, hogy az ordinális skálánál van értelme sorrendbe rendezni valamilyen közös tulajdonság mentén az egyedeket és meg tudjuk adni azt, hogy melyik egyed mennyivel jobb vagy rosszabb a másiknál.
Hamis
A p-érték nem a nullhipotézis igazságának, hanem a nullhipotézis elutasításának valószínűsége.
Hamis
A próbafüggvény számított értéke segítségével határozható meg az elutasítási és elfogadási tartomány.
Hamis
A próbafüggvény vagy tesztstatisztika a mintaelemek egy olyan függvénye, amelynek valószínűségi eloszlása a sokaság ismert tulajdonságait tekintetbe véve, és az ellenhipotézis igazságát feltételezve pontosan ismert.
Hamis
A sokaság várható értékére irányuló egymintás próbák esetén kizárólag a minta elemszáma alapján döntünk a z és t próba alkalmazása között.
Hamis
A standard normális eloszláshoz hasonlóan, minden t-eloszlás várható értéke 0 és a szórása 1.
Hamis
A statisztikai sokaság a mintába került elemek összessége.
Hamis
A szignifikancia szint a másodfajú hiba elkövetésének valószínűségét adja meg.
Hamis
A szignifikancia szint egyértelműen kijelöli a kritikus tartomány mértékét és helyzetét is.
Hamis
A szignifikancia szint egyértelműen kijelöli a kritikus tartomány mértékét és helyzetét.
Hamis
A szignifikancia szint megválasztását befolyásolja a mintaelemszám.
Hamis
A tapasztalati szórás az ingadozást az egyes ismérvértékek egymástól való eltéréseivel ragadja meg.
Hamis
A tapasztalati szórás az ingadozást az egyes ismérvértékek egymástól való eltérésével ragadja meg.
Hamis
A tengelymetszet paraméter értéke azt mutatja, hogy ha a függő változó értéke 0, mekkora a független változó értéke.
Hamis
A testmagasság arányskálán mérhető, mivel folytonos ismérvről van szó.
Hamis
A többmintás próbák során azt vizsgáljuk, hogy a sokaságokban a vizsgált paraméterek is szignifikánsan különböznek-e egymástól.
Hamis
A valószínűségi változó eloszlásfüggvénye megadja, hogy a valószínűségi változó milyen valószínűséggel vesz fel egy adott értéket.
Hamis
A varianciaanalízis belső eltérés négyzetösszege a csoportosító ismérvnek köszönhető eltérést méri, magyarázza.
Hamis
A varianciaanalízis belső eltérés-négyzetösszege a csoportosító ismérvnek köszönhető eltérést méri, magyarázza.
Hamis
Adott szignifikancia szint mellett a másodfajú hiba elkövetésének valószínűsége a mintanagyság növekedésével mérhető.
Hamis
Asszociációs kapcsolatban mindkét, egymással kapcsolatban álló ismérv intervallumskálán mérhető
Hamis
Asszociációs kapcsolatban mindkét, egymással kapcsolatban álló ismérv intervallumskálán mérhető.
Hamis
Az egymintás z-próbafüggvénye standard normális eloszlást követ n-1 szabadsági fokkal.
Hamis
Az első és másodfajú hiba elkövetésének összege 1-et ad.
Hamis
Az elővizsgán elért pontok különbségi skálán mérhetők, hiszen bármely két ismérvérték különbsége értelmezhető, a hányadosuk viszont nem.
Hamis
Ha azt vizsgáljuk, hogy a szülők legmagasabb iskolai végzettsége (alap-, közép- és felsőfokú) miként függ össze a gyermekeik legmagasabb iskolai végzettségével (szintén alap, közép és felső), akkor a próbafüggvény DF = 9 szabadsági fokú χ_^2-eloszlást követ.
Hamis
Ha egy nullhipotézist 5%-os szignifikanciaszinten elutasítottunk, akkor 1%-on is el fogjuk utasítani.
Hamis
Ha egy regressziós paraméter 1%-os szignifikanciaszinten szignifikáns, akkor 10%-on is az.
Hamis
Ha két ismérv 1%-os szignifikanciaszinten független egymástól, akkor 5%-on is biztosan az lesz.
Hamis
Ha következtető statisztika segítségével megpróbáljuk megbecsülni egy adott egyetem hallgatóinak átlagéletkorát, akkor ezzel egyúttal kapcsolatot is elemzünk.
Hamis
Ha valamilyen feltételezett, előírt állapottól való adott irányú eltérést kívánunk vizsgálni, akkor érdemes kétoldali kritikus tartományt kijelölni.
Hamis
Hipotézisvizsgálat során a mintára vonatkozó feltevésünket ellenőrizzük.
Hamis
Intervallumbecsléskor, ha a megbízhatósági szintet növeljük és minden egyéb tényezőt változatlanul hagyunk, akkor a konfidenciaintervallum szélesebb lesz.
Hamis
Ismeretes, hogy két sörtöltő gép mindegyike ml szórással tölti a palackokat. Két 20 elemű mintán vizsgálva, hogy a töltési térfogat egyenlő-e a két gépen, a kétmintás z-próba alkalmazható.
Hamis
Ismeretlen alapsokasági szórású, normális eloszlású valószínűségi változó várható értékére a Student-eloszlás segítségével szerkeszthető kofidenciaintervallum.
Hamis
Kategorikus adatok esetében a legjobb középértékmutató a módusz.
Hamis
Kevés számú diszkrét adat esetén a gyakoriságok ábrázolása oszlopdiagram segítségével történik.
Hamis
Kevés számú diszkrét adat esetén a relatív gyakoriságok ábrázolása lépcsős diagrammal történhet.
Hamis
Korrelációs kapcsolat vizsgálata merül fel a havi bruttó jövedelem és a régió szerinti lakóhely közötti kapcsolat elemzésekor
Hamis
Korrelációs kapcsolat vizsgálata merül fel a havi bruttó jövedelem és a régió szerinti lakóhely közötti kapcsolat elemzésekor.
Hamis
Kritikus értéknek nevezzük a próbafüggvény mintából számított értékét.
Hamis
Két valószínűségi változó összegének varianciája mindig megegyezik a két változó varianciájának összegével.
Hamis
Két, független minta esetén, ha mindkét minta elemszáma 30-nál kisebb, akkor kizárólag a kétmintás t-próba segítségével hasonlítható össze a két sokaság várható értéke.
Hamis
Kétmintás próbák során a két minta elemszáma minden esetben azonos.
Hamis
Minél közelebb van a mintából becsült érték a becsülni kívánt sokasági paraméterértékhez, annál kisebb mintára van szükség a becsléshez.
Hamis
Mivel az interkvartilis terjedelem értéke két értéken alapul, így ha outlierek, extrém értékek vannak az adathalmazban, az jelentősen torzíthatja az értékét.
Hamis
Normális eloszlású alapsokaság esetén, ha nem ismert az alapsokasági szórás és azt a mintából kell becsülni, akkor a várható érték konfidencia intervalluma keskenyebb lesz, mint ha ismert lenne a sokasági szórás.
Hamis
Osztályközös gyakorisági sorból becsülve a mediánt, azt mindig az az osztály tartalmazza, amelynek a gyakorisága a legnagyobb.
Hamis
Számított középértékekre példa a módusz.
Hamis
Vegyes kapcsolat esetén az egyik ismérv intervallum-, a másik arányskálán mérhető.
Hamis
Vegyes kapcsolat esetén az egyik ismérv nominális, a másik sorrendi skálán mérhető jellemző.
Hamis
Vegyes kapcsolat során a külső szórás azt mutatja, hogy a részátlagok átlagosan mennyivel térnek el egymástól.
Hamis
Vegyes kapcsolat során az SSB a kvantitatív ismérv csoportképző ismérvén kívüli egyéb hatásoknak köszönhető ingadozását ragadja meg.
Hamis
Vegyes kapcsolat vizsgálatakor a főátlag főleg a részsokaságok átlagának a részsokasági elemszámmal súlyozott számtani átlaga
Hamis
A módusz folytonos ismérv esetében a kumulált gyakorisági görbe maximumhelye.
Hamis (A gyakorisági görbe maximum helye és nem a kumulált gyakorisági görbéé.)
A medián alacsonyabb az átlagnál. Ez azt jelenti, hogy az eloszlás jobbra ferde.
Hamis (A módusz-medián-átlag hármas közül a medián MINDIG középen van, így az állítás alapján ez a helyes sorrend: módusz < medián < átlag. Ahol a módusz, arra ferde (aszimmetrikus) az eloszlás, tehát ez balra ferde eloszlás.)
Egy webshop vásárlóiról ismert, hogy 40%-uk budapesti, 30% megyeszékhelyen él, a többiek pedig városban vagy faluban. Ebben a szituációban a következtető statisztika eszköztárát tudjuk használni.
Hamis (A sokaság a webshop vásárlói és szó sincs itt mintavételről, így ezek pontos adatok, a leíró statisztika alkalmas ilyen esetekben.)
Szimmetrikus eloszlások esetén a medián és az átlag közel azonos értékű, a szórás pedig kicsi.
Hamis (A szórásról semmit nem tudunk ennyiből, de a kettő tényleg közel azonos szimmetrikus eloszlás esetén.)
Azt vizsgáljuk, hogy hányan hallgatnak éppen valamilyen rockzenét. Ez a sokaság diszkrét, mozgó és végtelen.
Hamis (Mozgó sokaság időtartam esetén értelmezhető. Ha éppen most zenehallgatókat nézzük, az egy álló sokaság - egy adott időpontra értelmezhető.)
Véletlenszerű mintavétel esetén minden elem mintába kerülésének valószínűsége azonos.
Hamis (Nem feltétlen azonos, de előre megadható. Ha egy populációban (=sokaság) 500 ezer nő és 400 ezer férfi van és én 100-100 főt szeretnék mindkét nem esetén megkérdezni, akkor a férfiak esetén nagyobb a valószínűsége, hogy valaki a mintába kerül mint a nőknél, hiszen 100/400000 > 100/500000.)
A megbízhatósági szint növelésével csökkenthető a hibahatár.
Hamis (Pont, hogy nő a hibahatár - nagyobb megbízhatósági szint nagyobb terület középen a görbe alatt és így nagyobb hibahatár is.)
A háztartásban levő eszközök száma arányskálán mérhető, mert ő diszkrét ismérv.
Hamis (Valóban arányskálán mérhető, de nem ezért. A Likert-skála értékei is diszkrétek (0-1-2-3-5), mégsem arányskálán mért (hanem ordinális (sorrendi) skálán).
A Cramer-féle asszociációs együttható 1-hez közeli értéke a két minőségi ismérv közötti erős kapcsolatot jelent.
Igaz
A Cramer-féle asszociációs együttható előjele két minőségi ismérv közötti kapcsolat irányát jelzi.
Igaz
A Cramer-féle asszociációs együttható számításának akkor van értelme, ha a khínégyzet próbával végzett függetlenségvizsgálat nullhipotézisét elutasítottuk.
Igaz
A Cramer-féle asszociációs együttható számításának akkor van értelme, ha a khínégyzet próbával végzett függetlenségvizsgálat során a nullhipotézist elutasítottuk.
Igaz
A belső eltérés az egyes részsokaságokba besorolt mennyiségi értékeknek az adott részsokaság átlagától vett eltérését méri.
Igaz
A determinációs együttható értéke megmutatja, hogy a modell az eredményváltozó szóródásának hány %-át képes megmagyarázni.
Igaz
A döntés erőssége annak a valószínűsége, hogy a valóságban helytelen nullhipotézist elutasítjuk
Igaz
A döntés erőssége annak a valószínűsége, hogy a valóságban helytelen nullhipotézist elutasítjuk.
Igaz
A döntés megbízhatósága annak valószínűségét adja meg, hogy a valóságban helyes nullhipotézist a mintaeredmények alátámasztani látszanak.
Igaz
A g_i gyakoriságok rendre azt mutatják, hogy a sokaság hány %-a tartozik a mennyiségi változó szerinti i-edik osztályba.
Igaz
A hipotézisvizsgálat annak mérlegelése, hogy az adott sokaságra vonatkozó állítás mennyire hihető a mintavétel eredményének fényében.
Igaz
A konfidenciaintervallum minden esetben tartalmazza a becsülni kívánt sokasági paramétert.
Igaz
A konfidenciaintervallum szerkesztéséhez szükséges mintaelemszám fordítottan arányos a hibahatárral.
Igaz
A korrelációs együttható szignifikanciájának tesztelésére t-próbát használunk.
Igaz
A korrelációs együttható érzékeny a kiugró értékekre.
Igaz
Az intervallum szélessége függ a megbízhatósági szinttől, és ezen keresztül a szignifikancia szinttől továbbá függ az alapsokaság szórásától és a mintaelemszámtól.
Igaz
Az átlag mintavételi eloszlása és a központi határeloszlás tétele alapján a mintaátlag jól használható a sokasági átlag becsléséhez, feltéve, hogy a minta nagysága (n) elég nagy.
Igaz
Az átlag mintavételi eloszlásának szórását standard hibának nevezzük, és ez egyúttal a mintaátlag és a sokasági várható érték közötti átlagos eltérést mutatja.
Igaz
Az átlag mintavételi eloszlásának varianciája csökken, ha a minta elemszáma nő.
Igaz
Az átlag standard hibája a mintaelemszám növekedésével csökken.
Igaz
Az átlag standard hibáját gyakran mintavételi hibának is hívjuk.
Igaz
Egy adott sokaság teljes körű, minden egyedére kiterjedő megfigyelése során nem léphet fel mintavételi hiba.
Igaz
Egy bizonyos társadalmi rétegből egy szociológiai kutatás során megkérdeztük 2000 főtől, hogy milyen gyakran jár színházba. 15% havonta vagy gyakrabban, 25% negyedévente, 50% ritkábban, mint negyedévente, 10% pedig soha. Ebben a szituációban a következtető statisztika eszköztárát tudjuk alkalmazni.
Igaz
Egy egyszerű véletlenszerű mintában minden lehetséges n méretű minta azonos valószínűséggel kerül kiválasztásra
Igaz
Egy átlag standard hibája a mintaelemszám növékedésével csökken.
Igaz
Egy üzleti szervezet esetében a követelések ellenőrzése általában a sokaság alapján történik.
Igaz
Egymintás z-, illetve t-próba esetén előfordulhat, hogy egyoldali ellenhipotézis esetén elvetjük, kétoldali ellenhipotézis esetén elfogadjuk a nullhipotézist
Igaz
Első és másodfajú hibát nem lehet ugyanabban a hipotézisvizsgálatban egyszerre elkövetni.
Igaz
Első és másodfajú hibát nem lehet, ugyanabban a hipotézisvizsgálatban egyszerre elkövetni.
Igaz
Ha 90%-os konfidenciaintervallumot szerkesztünk a várható értékre és 16 és 20 lesz a becslés alsó és felső határa ez azt jelenti, hogy például 100 esetből 90 esetben a mintából számolt átlag 16 és 20 között lesz.
Igaz
Ha a determinációs együttható értéke 0, akkor nincs lineáris kapcsolat a két kvantitatív változó között.
Igaz
Ha a determinációs együttható értéke 1, akkor determinisztikus kapcsolat van a két kvantitatív változó között.
Igaz
Ha a konfidencia szintje és a minta szórása változatlan, akkor az n=100 mintán alapuló sokasági várható érték konfidenciaintervalluma szűkebb lesz, mint az n=50 mintán alapuló konfidenciaintervallum.
Igaz
Ha a konfidenciaszintje és a minta szórása változatlan, akkor az n=100 mintán alapuló sokasági várható érték konfidenciaintervalluma szűkebb lesz, mint az n=50 mintán alapuló konfidenciaintervallum.
Igaz
Ha a nullhipotézis a valóságban helyes, de a próbafüggvény mintából számított értéke a kritikus tartományba esik, így azt elvetjük, akkor elsőfajú hibát követünk el.
Igaz
Ha a p kisebb mint az a (alfa) akkor a nullhipotézist elutasítjuk, de így elkövethetjük az elsőfajú hibát.
Igaz
Ha a p nagyobb mint az a (alfa) akkor a nullhipotézist elfogadjuk, de így másodfajú hibát követhetünk el.
Igaz
Ha a p-érték nagyobb a döntéshozó által választott szignifikancia szintnél, akkor a nullhipotézist a döntéshozó elfogadja.
Igaz
Ha a próbafüggvény értéke az elfogadási tartományba esik, akkor fennáll a másodfajú hiba elkövetésének a lehetősége.
Igaz
Ha a próbafüggvény értéke az elutasítási tartományba esik, akkor fennáll a másodfajú hiba elkövetésének lehetősége.
Igaz
Ha a próbafüggvény értéke az elutasítási tartományba esik, akkor fennáll az elsőfajú hiba elkövetésének lehetősége.
Igaz
Ha a sokasági szórás nem ismert, hanem csak egy kisméretű mintából tudjuk becsülni, akkor a konfidenciaintervallum szélesebb lesz, mintha ismert - és a mintából becsülttel megegyező - sokasági szórás mellett becsülnénk a várható értéket.
Igaz
Ha a szignifikancia szint 5%, akkor egy 0,04-es p-érték a nullhipotézis igazsága ellen szól, a mintavételi eredmények fényében nem hihető, amit a nullhipotézis állít.
Igaz
Ha a szignifikancia szintet növeljük akkor a konfidenciaintervallum sugara csökken.
Igaz
Ha a varianciahányados értéke 0, a vegyes kapcsolatban a két ismérv független egymástól.
Igaz
Ha az alapsokaság nem normális eloszlású, a számtani átlag mintavételi eloszlása közelítőleg normális eloszlású lesz, ha elég nagy minta áll rendelkezésre.
Igaz
Hipotézisvizsgálat során a sokaságra vonatkozó feltevésünket a sokaságból vett mintákra alapozva ellenőrizzük. Minél messzebb van a valós várható érték a nullhipotézisben feltételezett helyzettől, annál nagyobb a próba ereje (ha minden mást változatlanul hagyunk.)
Igaz
Hipotézisvizsgálat során valójában annak eldöntéséről van szó, hogy a mintavétel eredménye inkább alátámasztja vagy inkább cáfolja-e a sokaságra vonatkozó feltevésünket.
Igaz
Intervallumskálán bármely 2 pont közötti távolság is értelmezhető.
Igaz
Ismeretes, hogy két sörtöltő gép mindegyike ml szórással tölti a palackokat. Két 20 elemű mintán vizsgálva, hogy a töltési térfogat egyenlő-e a két gépen, a kétmintás z-próba alkalmazható.
Igaz
Ismeretlen alapsokasági szórású, normális eloszlású valószínűségi változó várható értékére a Student-eloszlás segítségével szerkeszthető konfidenciaintervallum.
Igaz
Kis minta esetén, ha nem ismert az alapsokasági szórás, a várható értékre irányuló egymintás próbák közül a t-próba használható.
Igaz
Két független, 30 elemnél kisebb minta esetén, ha az alapsokasági szórások nem ismertek, de feltehető egyezőségük akkor a két mintás t-próba segítségével hasonlíthatók össze a várható értékek.
Igaz
Kétoldali kritikus tartomány kijelölése esetén mind a bal, mind a jobb oldali kritikus tartományba esés valószínűsége a szignifikancia szint fele.
Igaz
Minden normális eloszlású változó áttranszformálható standard normális eloszlásúvá.
Igaz
Minél nagyobb a sokasági szórás, annál szélesebb a várható érték konfidenciaintervalluma.
Igaz
Minél nagyobb a sokasági szórás, annál szélesebb lesz a várható érték konfidenciaintervalluma.
Igaz
Nominális skálán meghatározhatók az egyes osztályok gyakoriságai és a módusz.
Igaz
Sokasági szórás csak akkor becsülhető, ha az alapsokaság normális eloszlású.
Igaz
Student eloszlás esetén szélesebb az intervallum, mint a standard normál esetén.
Igaz
Sztochasztikus jelenséges esetén a vizsgált jelenségnek több kimenetele lehet.
Igaz
Szélesebb lesz az intervallum, ha növeljük a megbízhatósági szintet (E -epszilon)
Igaz
Vegyes kapcsolat során a részsokaságok képzésére használt kvantitatív ismérv annál hasznosabbnak tekinthető, minél nagyobb az SSK/SST hányados.
Igaz
Vegyes kapcsolat során külső szórás azt mutatja, hogy a fősokaság egyes részeihez tartozó ismérvértékek átlagosan mennyivel térnek el a főátlagtól.
Igaz
Ha egy válaszadó tévesen adja meg életkorát és 30 helyett véletlen 300-at ír be, azt nem tekintjük mintavételi hibának.
Igaz (A mintavételi hiba az abból jön, hogy a sokaság HELYETT csak egy mintát veszünk és az alapján következtetünk. A hibás kitöltés vagy nem válaszolás semmilyen kapcsolatban nincs ezzel, így ez nem mintavételi hiba (nem a mintavétel miatt követhető el.)
A bankkártyás fizetések nagyságát (ezer Ft) vizsgáltuk. Ezeket a csoportokat hoztuk létre: 0-2, 2,1-4, 4,1-6, 6,1-8 és 8+ (ezer Ft). A megfelelő táblázat ilyen esetekre a kontingencia táblázat.
Igaz (Ha csak egy ismérv alapján csoportosítunk, akkor gyakorisági sort készítünk. Ezen belül pedig osztályközös gyakorisági sorra van most szükségünk, mert osztályközös csoportokat alakítottunk ki.)
Szórás intervallumbecslésénél elvárás, hogy az alapsokaság normális eloszlású legyen.
Igaz (Várható érték becslésénél elegendő azt tudni, hogy a mintaátlagok normális eloszlást követnek, szórás becslésénél viszont az alapsokaság normális eloszlásúnak kell lennie.)
Milyen elemzési eszközt választanánk, ha a felkészülésre fordított idő és a vizsgapontszám közti kapcsolat érdekel bennünket?
Regressziót, mivel mindkét szóban forgó ismérv kvantitatív.
Tegyük fel, hogy H0: µ=16 hipotézist kívánjuk tesztelni a H1: µ≠16 alternatív hipotézissel szemben. Továbbá tudjuk, hogy egy 25 elemű minta alapján a mintaátlag 16,5 a szórása 2,0. 95%-os megbízhatósággal konfidenciaintervallumot szerkesztve az intervallum alsó határa 15,82 felső határa pedig 17,18. Hogyan döntünk 5%-os szignifikancia szinten a kiinduló nullhipotézisről?
elutasítjuk a nullhipotézist,(mert a p-érték= 0,492, ami kisebb a szignifikancia szintnél!)
