Ugrás a tartalomhoz
Refine results
18 hits

A statisztika alapfogalmai

Pannon Egyetem, Kovács Előd

A tananyag először a leíró statisztika alapfogalmait tekinti át. Példákon és feladatokon keresztül ismerteti meg a hallgatót a legfontosabb fogalmakkal. A valószínűség-számítás egyes fejezeteinek és a legfontosabb eloszlásoknak ismertetése után bepillantást nyújt a matematikai statisztikába.

Bevezetés a sportstatisztikába

Pécsi Tudományegyetem, Szegedi Tudományegyetem, Nyugat-Magyarországi Egyetem, Eszterházy Károly Főiskola, Dialóg Campus Kiadó-Nordex Kft., Ács Pongrác, Pintér József

A könnyv a (sport)statisztikai módszertan néhány alapvető területéről ad tájékoztatást. Célja azoknak a módszereknek, eljárásoknak a bemutatása, amelyek segítenek az adatbázisokban történő eligazodásban, és lehetőséget adnak az adatokban rejlő legfőbb információk számszerű megfogalmazására.

Demográfia

Pólay Elemér Alapítvány, Gyémánt Richárd, Katona Tamás, Pólay Elemér Alapítvány

Tankönyv a népesség és a népesedés kérdéseinek tanulmányozásához.

ECONOMIC STATISTICS

ELTE Közgazdaságtudományi Tanszék, MTA Közgazdaságtudományi Intézet, Balassi Kiadó , Anikó Bíró

1. week: Introduction – course requirements, connections to other subjects. About economic data – examples for economic questions, data sources on the internet. Basic computer knowledge (Excel, Power Point, Word) – Excel worksheets, computations in Excel.Textbook chapter 22. week: Data types: cross sectional, time series, panel. Descriptive statistics – graphical methods, histogram, point diagram. Indicators: mean, mode, percentiles, variation, skewness. Descriptive statistics with Excel, Analysis ToolPak.Textbook chapter 23. week: Correlation – definition, interpretation of square of correlation. Properties of correlation. Correlation and causality? Correlation and regression – different approach. Introduction to simple regression – writing up the model, estimation. Calculation of correlation, OLS estimation with Excel. Textbook chapter 34. week: Simple regression – goodness of fit, definition and interpretation of R-squared. Nonlinearity, logarithmic form (elasticity). Influencing factors of estimation precision, confidence interval. Practicing.Textbook chapter 45. week: Hypothesis testing: null and alternative hypothesis, procedure of hypothesis testing, t-test, p-value. Connection between hypothesis testing and confidence interval. F-test (intuitively). Examples. Summary. 1st exam.Textbook chapter 56. week: Discussion of 1st exam. Multivariate regression – more explanatory variables. Estimation, interpretation of coefficients, confidence interval, hypothesis testing. Practicing examples: model of GDP growth, regression of production costs of electricity firms. Simple simulation with Excel. Textbook chapter 67. week: Bias due to omitted variables. Problems of “too many” and “too few” regressors. Multicollinearity: definition, symptoms, possible solutions. Binary variables, introduction: different intercept, different means of subgroups. Textbook chapters 6, 78. week: Binary variables – interactions: different intercept and different slope across groups. Examples: housing price regression (properties of the real estate as binary regressors), wage regression (gender discrimination). Binary dependent variable: limitations of OLS. Summary. 2nd exam. Textbook chapter 79. week: Discussion of 2nd exam. Basics of time series analysis – comparison with cross sectional analysis. Distributed lag model – model specification, interpretation of coefficients and their sum. Lag length selection. Introduction to EViews.Textbook chapter 810. week: Univariate time series analysis – graphical analysis with examples. Trend. Autocorrelation, autocorrelation function, and its interpretation. AR(1) model. Stacionarity based on the estimated coefficient in the AR(1) model. Practicing examples: time series of export and public debt.Textbook chapter 911. week: AR(p) models – basic and modified forms. Unit root, based on the modified form. Seasonality: definition and methods of seasonal adjustment. Unit root test: Dickey-Fuller test. Lag length selection in AR(p) models. Textbook chapter 912. week: Time series regression – basic and modified forms of ADL(p,q) models, interpretation of coefficients (temporary effect, long run multiplicator). First differencing of unit root processes. Definition and testing of cointegration (Engle-Granger test). Error correction model: specification, interpretation of coefficients.Textbook chapter 1013. week: Summary, outlook. Further topics: Volatility analysis of asset prices – why important, examples. Granger-causality: definition and testing. VAR model – advantages and disadvantages. Macroeconoic example for VAR models (RMPY).Textbook chapter 11

GAZDASÁGSTATISZTIKA

ELTE Közgazdaságtudományi Tanszék, MTA Közgazdaságtudományi Intézet, Balassi Kiadó , Bíró Anikó

Tematika:1. hét: Tantárgy bemutatása – követelmények, tantárgyi kapcsolatok. A közgazdasági adatokról – példák közgazdasági kérdésekre, adatforrások az interneten. Alapvető számítógépes ismeretek (Excel, Power Point, Word) – Excel munkalapok, számítási műveletek. Tk. 2. fejezet2. hét: Adattípusok áttekintése: idősoros, keresztmetszeti, panel. Leíró statisztikák – grafikus módszerek – idősorok, hisztogram, pontdiagram. Indikátorok: átlag, módusz, percentilisek, szóródás mérőszámai, ferdeség. Indexek. Leíró statisztikák Excel használatával, Analysis ToolPak bővítmény. Tk. 2. fejezet3. hét: Korreláció – definíció, korreláció négyzetének értelmezése. Korreláció tulajdonságai. Korreláció és oksági összefüggés? Korreláció és regresszió – eltérő megközelítés Egyváltozós regresszió bevezetése – modell felírása, becslés. Korreláció számítása, OLS becslés Excelben. Tk. 3. fejezet4. hét: Egyváltozós regresszió – illeszkedés jósága, R-négyzet definíciója és értelmezése. Nemlinearitás, logaritmikus forma (rugalmasság). Becslés pontosságát befolyásoló tényezők, konfidenciaintervallum. Gyakorlás. Tk. 4. fejezet 5. hét: Hipotézisvizsgálat: nullhipotézis és alternatív hipotézis, hipotézisvizsgálat menete, t-próba, p-érték. Hipotézisvizsgálat és konfidenciaintervallum közti összefüggés. F-próba (intuitíven). Példák. Összefoglalás. 1. zh. Tk. 5. fejezet6. hét: Zh. megbeszélése. Többváltozós regresszió – több magyarázó változó. Becslés, együtthatók értelmezése, konfidenciaintervallum, hipotézisvizsgálat. Gyakorló feladatok: GDP növekedés modellje, villamosenergiai cégek termelési költségének regressziója. Egyszerű szimuláció Excelben. Tk. 6. fejezet7. hét: Kihagyott változók miatt fellépő torzítás. „Túl sok” és „túl kevés” magyarázó változó problémája. Multikollinearitás: definíció, tünetek, lehetséges megoldások. Kétértékű változók bevezetése: eltérő tengelymetszet, eltérő csoportátlagok. Tk. 6., 7. fejezet8. hét: Kétértékű változók – interakciók: eltérő tengelymetszet és eltérő meredekség csoportonként. Példák: házárak regressziója (ingatlan jellemzői kétértékű változókként), bérregresszió (nemek közti diszkrimináció). Kétértékű függő változó: OLS becslés korlátai. Összefoglalás. 2. zh. Tk. 7. fejezet9. hét: Zh. megbeszélése. Idősorelemzés alapjai – keresztmetszeti elemzéssel összehasonlítás. Osztott késleltetésű modell – modell felírása, együtthatók és azok összegének értelmezése. Késleltetés hosszának megválasztása. EViews használatának alapjai. Tk. 8. fejezet10. hét: Egyváltozós idősorelemzés – grafikus ábrázolás példákon keresztül. Trend. Autokorreláció, autokorrelációs függvény, és annak értelmezése. AR(1) modell. Stacionaritás az AR(1) modell együtthatójának alapján. Gyakorló példák: export és államadósság idősora. Tk. 9. fejezet 11. hét: AR(p) modellek – alapforma és átalakított forma. Egységgyök az átalakított forma alapján. Szezonalitás definíciója és kezelésének lehetőségei. Egységgyök tesztelése: Dickey-Fuller próba. Késleltetés hosszának megválasztása AR(p) modellben. Tk. 9. fejezet12. hét: Idősoros regresszió – ADL(p,q) modellek alapformája és átalakított formája, együtthatók értelmezése (rövid távú hatás, hosszú távú multiplikátor). Differenciálás egységgyök folyamat esetén. Kointegráció definíciója és tesztelése (Engle-Granger próba). Hibakorrekciós modell felírása legegyszerűbb formában, együtthatók értelmezése. Tk. 10. fejezet13. hét: Összefoglalás, kitekintés. További témák: Eszközárak volatilitásának elemzése – miért van jelentősége, példák. Granger-okság definíciója és tesztelése. VAR modell – érvek mellette és ellene. Makroökonómiai példa VAR modellre (RMPY). Tk. 11. fejezet

Kvantitatív információképzési technikák

Nemzeti Tankönyvkiadó, Dr. Varga Beatrix, Szilágyi Roland

Az üzleti világ modern, globalizálódó korszakában nagymértékben növekszik a piacgazdaság szereplőinek információigénye. Az üzleti világ döntéshozóinak az adatok bőségével kell szembenézniük. A rendelkezésre álló adatok nagy mennyisége növeli ezek elemzésének összetettségét és az adatelemzőkkel szemben támasztott elvárásokat. Tananyagunk a társadalmi-gazdasági folyamatok megismeréséhez szükséges legfontosabb, leggyakrabban használt statisztikai és ökonometriai módszereket tartalmazza. Arra törekedtünk, hogy útmutatást adjunk ezek alkalmazásához a kapott eredmények értelmezéséhez és felhasználásához. Fontossága miatt felhívjuk a figyelmet arra, hogy a kvantitatív elemzéseknél általában az adatok információvá, illetve ismeretté alakítása a cél. Ezért nem elég pusztán a matematikai műveleteket elvégezni, hanem a kapott eredményeket megfelelően elemezni, értelmezni is kell.

MACROECONOMIC STATISTICS

ELTE Közgazdaságtudományi Tanszék, MTA Közgazdaságtudományi Intézet, Balassi Kiadó , Gábor Oblath

The aims of the course are twofold. On the one hand, it intends to provide general information on the sources, content, uses and handling of macroeconomic statistics. It also seeks to frame and translate macroeconomic relationships to the language (concepts and definitions) used by macroeconomic statistics (SNA, ESA), and vice versa: to demonstrate the relevance of statistical concepts and sources for macroeconomic analysis. On the other hand, it wishes to demonstrate the uses of macroeconomic statistics by drawing on three practical examples. These include: international competitiveness; macroeconomic sustainability (interrelations between debt, deficits and economic growth) and economic convergence/catching up (involving issues related to both real and nominal/price) convergence

MAKROSTATISZTIKA

ELTE Közgazdaságtudományi Tanszék, MTA Közgazdaságtudományi Intézet, Balassi Kiadó , Oblath Gábor

A kurzus jellege:A makroökonómiai elmélet, a gazdaságstatisztika és az alkalmazott makrogazdasági elemzés határterületén helyezhető el, mindegyikhez kötődik. Feltételezi a makroökonómiai alapok ismeretét, de kevés formális modellel operál, és mérsékelten támaszkodik az ökonometriára (az OLS-regresszió ismerete szükséges). Mindamellett, viszonylag jelentős, jobbára angol nyelvű irodalom egyéni, ill. kollektív feldolgozását igényli, amely a kurzus alapanyagának részét alkotja (Az alapanyag további részei: az egyes órákhoz készített ppt prezentációk, ill. egyes órákhoz tartozó tematikai összefoglalók.) A kurzus motivációja A makroökonómiai alapismeretek birtokában okkal merül fel a kérdés: „mennyi?” Holott előbb a „mi mennyi” kérdését célszerű tisztázni – a kurzus első része ehhez kíván támpontokat adni. Abból indul ki, hogy a gyakorlati/számszerű makroökonómiai elemzés alapja a makrogazdasági statisztikai rendszer fogalmainak és tartalmának megismerése, továbbá felépítésének, logikájának megértése. Ezért a makroökonómiai stúdiumoktól eltérően – amelyek keretében egyes elméleti összefüggéseket gyakorlati-statisztikai példák illusztráltak –, a kurzus a makrostatisztika rendszeréből és fogalmaiból indul ki, és ezek alkalmazási lehetőségeit szemlélteti a későbbiekben gyakorlati gazdasági/gazdaságpolitikai problémákon. A kurzus célja A cél kettős. Egyrészt általános ismerteket igyekszik nyújtani a gyakorlati makrogazdasági elemzésekhez szükséges legfontosabb statisztikai adatforrásokról, azok tartalmáról és kezeléséről, továbbá keretbe foglalja azokat az alapvető makrogazdasági ismereteket/összefüggéseket, amelyek nélkülözhetetlenek a statisztikai adatok értelmezéséhez, illetve gyakorlati elemzések elvégzéséhez. A kurzus másik célja, hogy – háromféle, kellően széles konkrét makrogazdasági/gazdaságpolitikai kérdéskör példáján – „működés közben” mutassa be az elemzéshez szükséges fogalmakat, összefüggéseket (alternatív értelmezéseket), statisztikai forrásokat, az összefüggések gyakorlati számszerűsítésének lehetőségeit, a számítások eredményeit és azok lehetséges interpretációit. A három gyakorlati kérdéskör: a nemzetgazdasági versenyképesség, a makrogazdasági egyensúlyhiányok fenntarthatósága és a gazdasági felzárkózás. A kurzus végén időszerű globális, regionális és hazai gazdasági problémák kerülnek áttekintésre, különös figyelemmel azok statisztikai-mérési összefüggéseire.

Mérési adatok kezelése és értékelése

Typotex Kiadó, Havancsák Károly

Ebben a tankönyvben a véletlen jelenségek kezelésének alapjaival ismerkedhet meg az olvasó. A tankönyv fő részei: a mérési adatok leíró jellemzése a leíró statisztika módszereivel, a valószínűség-számítás eredményeinek alkalmazása a mérési adatok tulajdonságainak mélyebb megértése érdekében, a matematikai statisztika módszereinek segítségével, nagyszámú sokaság jellemzése kisebb számú mérési adat felhasználásával. Az anyag feldolgozása során a halmazelmélet és a kombinatorika fogalmaira és összefüggéseire is szükség van, ezért a függelékben e két témakör legfontosabb ismeretei is megtalálhatók. A tananyag feldolgozása során mindig az alkalmazhatóság a fő szempont, hiszen a tankönyv környezettudomány szakos hallgatóknak készült, akik a statisztikának nem művelői, hanem felhasználói lesznek. Ugyanakkor a matematika egy ágáról lévén szó, a szerző felhasználja a matematika jól bevált jelölésrendszerét, törekszik a szabatos fogalmazásra, és az esetek többségében az állítások (tételek) bizonyítását is megadja

Quantitative Information Forming Methods

Nemzeti Tankönyvkiadó, Dr. Varga Beatrix, Szilágyi Roland

In the era of the modern, globalized business world, the need for information has an increasing tendency. The decision-makers in the business life should face with an abundance of data. The large quantity of data increases the complexity of inductions and the expectations for analyzers. This tutorial contains the most important and most frequently used statistical and econometric methods for the social and economic processes. We would like to give a guideline for the application of its interpretation and usage. We draw attention to the fact that in case of quantitative data analysis the aim is to transform data into information and knowledge. Therefore it is not enough merely to carry out mathematical operations, but the results should be right analyzed and interpreted.

 1   2 
Elektronikus tartalomfejlesztés és szolgáltatás a kutatásban és felsőoktatásban
Elektronikus tartalomfejlesztés és szolgáltatás a kutatásban és felsőoktatásban
TÁMOP 4.2.5.B Tudományos és felsőoktatási tartalmak központi elektronikus közzétételének biztosítása