LEÍRÓ STATISZTIKA KÉPLETTÁR

yi yi
Bázisviszonyszám: bi  , i  1, n , Láncviszonyszám: li  , i  2, n
y0 yi 1

nj
Megoszlási viszonyszám: p j  , j  1, m
N
ni
Relatív gyakoriság: pi 
N
Alulról kumulált relatív gyakoriság: ci  ci 1  pi
Alulról kumulált abszolút gyakoriság: ci  ci 1  ni
Felülről kumulált relatív gyakoriság: ci  ci 1  pi
' '

Felülről kumulált abszolút gyakoriság: ci  ci 1  ni

' '

N k

 xi n  x i i k

Egyszerű számtani átlag: X i 1

, Súlyozott számtani átlag: X i 1
k
,  ni  N
N
n
i 1
i
i 1

N
Egyszerű harmonikus átlag képlete: X h  N
1
x i 1 i
k
N
Súlyozott harmonikus átlag képlete: X h  k
ni
, n i N

i 1 xi
i 1

N
Egyszerű mértani átlag képlete: X g  N
x i 1
i

k k
Súlyozott mértani átlag képlete: X g  N
 x , n
i 1
i
ni

i 1
i N

1 N 2
Egyszerű négyzetes átlag képlete: X q   xi
N i 1
1 j 2 k
Súlyozott négyzetes átlag képlete: X q   xi  ni ,  ni  N
N i 1 i 1

XN  XN N
F
1
Medián: Me  X N 1 vagy Me  2 2
vagy Me  l  2
i
2
2 f
N
j  F
Kvartilisek: Q j  x jN , j  1,3 vagy Qj  l  4
 i, j  1,3
4
f
N
j  F
Decilisek: D j  x jN , j  1,9 vagy Dj  l  10
 i, j  1,9
10
f

1
 D1
Módusz: Mo  l  i
D1  D2
Terjedelem: T  X max  X min

Interkvartilis terjedelem: Q  Q3  Q1

Q3  Q1
Kvartilis deviáció (eltérés): Q ' 
2

Q3  Q1
Relatív kvartilis eltérés: Qr ' 
2  Me
N

x i X
Átlagos abszolút eltérés (egyszerű forma):   i 1

N
k

x i  X  ni k
Súlyozott átlagos abszolút eltérés:   i 1
k
,  ni  N
n
i 1
i
i 1

 x 
N N

x
2
i X 2
i
2
Szórásnégyzet (egyszerű forma):  x2  i 1
 X2 X , X2  i 1
N N

 x  X   n
k k

x
2
i i
2
i  ni
2
Szórásnégyzet (súlyozott forma):   2
x
i 1
 X X , 2
X 
2 i 1
N N

 x 
N
2
i X
2
Szórás (egyszerű forma):  X  i 1
 X2 X
N

 x 
k
2
i  X  ni
2
Szórás (súlyozott forma):  X  i 1
 X2 X
N
x
Relatív szórás: V X 
X

 x  X  yi  Y   X  Y  X  Y
N
Kovariancia: cov X ,Y  
1
i
N i 1

X  Mo
Az aszimmetria Pearson-féle mérőszáma:  
x

 x  X   n
k
4

M (x  X ) 4 i i
Csúcsossági mutató:   , M (x  X )  i 1
4

 x4 N
M
xi  ni k
Koncentrációs arányszám: CR  
i 1 S
, S   xi  ni
i 1
2
k
 xi 
Herfindahl-mutató: H  
i 1
  ni
S

2
 r c n  nij*  2
ni  n j
χ értéke:  
2 2

i 1 j 1
ij

nij*
, nij* 
N
Szabadságfok: df  r  1  c  1
2
Pearson-féle asszociációs együttható: P 
N  2
cov X , Y  X  Y  X  Y
Pearson-féle lineáris korrelációs együttható: rXY  
 X Y  X Y
N
6 d i2
Spearman-féle rangkorrelációs együttható:   1  i 1
, d i  xi  yi
N  N 2  1
 S2 m 2  ( N 2  1)
Rangkorrelációs együttható: k  ,  2

 S2,max S , max 12
M

1 M j
N N j Xj
Főátlag: X   x ij , X 
j 1
M

N
N j 1 i 1
j
j 1
Nj
1
j. részátlag: X j 
Nj
x
i 1
ij

N
1 M j
Teljes szórásnégyzet (variancia):    ( xij  X )  X  X
2 2 2 2
X
N j 1 i 1
N
1 j
A részsokaságok szórásnégyzetei:  X j  N  ( xij  X j )  X j  X j
2 2 2 2

j i 1
M

N
j 1
j   2j
Belső szórásnégyzet:  B 
2

N
M

( X
j 1
j  X )2  N j
A külső szórásnégyzet:  k 
2

N
X 2
  B2   K2

 K2 K  K2
Szórásnégyzethányados: H 2  , Szóráshányados: H  
 X2 X  X2
Lineáris regresszió: Y  a  bX  
a  Y  bX
 Y
 cov( X ,Y ) XY  X  Y  rXY 
b   X
  X2 X2  X2
Exponenciális regresszió: Y  a  b  
X

Hatványkitevős regresszió: Y  a  X b  
1
Hiperbolikus regresszió: Y  a  b 
X
Többváltozós lineáris regresszió: Y   0  1 X 1   2 X 2   k X k  
3
 n 2

  yi  y i 
Regressziós becslés standard hibája: s  i 1
n  k 1
A regressziós becslés relatív hibája: Vs 
s
%
y
n

y  yˆ i 
2
i
Többszörös korrelációs együttható: R  1  i 1
n

y
i 1
i  y
2

y i  yˆ i 
2

Determinációs együttható: R 2  1  i 1
n

y  y
2
i
i 1

n 1
Korrigált determinációs együttható:
R2  1
n k 1
 1 R2 

q yj
Parciális korrelációs együtthatók: r yj .12... j 1 ,  j 1... k 
q yy q jj
y1  yn n 1
y1
 y2  ...  yn 1 
yn   yi
2 2 2
Egyszerű kronologikus átlag: y   i 2
n 1 n 1

T1 T  T2 T  Tn 1 T
y 1  y2  1  ...  yn 1  n  2  y n  n 1
Súlyozott kronologikus átlag: y  2 2 2 2
iT
n

 t / t 1
y
yn  y1
Átlagos abszolút változás:  y  t 2

n 1 n 1
yn
Átlagos relatív változás: I y  n 1
y1
Átlagos növekedési ütem: R y  I y  1, R y (%)  I y  100  100
Additív modell: Yij  Yˆij  Cij  S j   ij , Multiplikatív modell: Yij  Yˆij  Cij  S j   ij
y ( k 1)  ...  yt  ...  y ( k 1)
t t
Páratlan taglétszámú mozgóátlag: yˆ t  2 2
k
1 1
 y k  y k  ...  yt  ...  y k   y k
2 t  t   1 t   1 2 t 2
Páros taglétszámú mozgóátlag: yˆ  2 2 2
k
n m

 yij*  sˆ
j 1
j

Szezonális eltérés: sˆ j  i 1
, Korrigált szezonális eltérés: sˆ j 
p m

4
 n m

y *
ij  sˆj 1
j

Szezonindex: sˆ j  i 1
, Korrigált szezonindex: sˆ j 
p m
Egyszeres exponenciális simítás: yˆ t  α  yt 1  1  α   yˆ t 1 , α  0,1

St1    yt  1   St11 

S 2    St1  1   St21 
Kétszeres exponenciális simítás: t 
at  2 St1  St2   yˆ t  m  at  bt m


bt 
1
St1  St2  


St1    yt  1   St11 

S    S  1   S
t
2 1
t
2
t 1 
Háromszoros exponenciális simítás: St3    St2  1   St31 

at  3St1  3St2  St3  1
  yˆ t  m  at  bt m  ct m
2


 
 2
bt  6  5 St1  10  8 St2  4  3 St3 
21   
2

2 
ct   S 1
 2 S 2
 S 3
 
1   2 t t t


Adaptív reagálású egyszerű exponenciális simítási módszer: yˆ t  α t -1 yt 1  1  α t -1  yˆ t 1 , α t 1 

Et
Mt
E t    et  1   Et 1 , M t    et  1   M t 1 , et  yt  yˆ t
Előrejelzési hiba: et  yˆ t  yt
n

1 n e t
Átlagos abszolút hiba: MAE   yˆ t  yt  t 1
n t 1 n
n

n e t
2

Átlagos négyzetes hiba: MSE 

1
  yˆ t  yt 2  t 1
n t 1 n
n

yˆ t  yt  PE t
Átlagos relatív abszolút hiba: PEt   100, MAPE  t 1
yt n
p
Egyedi árindex: i p  1
p0
q
Egyedi volumenindex: iq  1
q0
v q p
Egyedi értékindex: iv  1  1 1
v0 q0  p0

Laspeyres-féle árindex: I pL 
q p 0 1

 v0  i p
q p0 0  v0
 q1 p1  v1
Paasche-féle árindex: I pP  
 q1 p0  v1
ip

5
Fisher-féle árindex: I pF  I pL  I pP
 q1 p0  v0  iq
Laspeyres-féle volumenindex: I qL  
 q0 p0  v0
 q1 p1  v1
Paasche-féle volumenindex: I qP  
 q0 p1  v1
iq
Fisher-féle volumenindex: I qF  I qL  I qP
 v1  q1 p1  v0  iv  v1
Általános értékindex: I v    
 v0  q0 p0  v0 v
 1
iv
Indexösszefüggések: iv  iq  i p I qL  I pP  I v I qP  I pL  I v I qF  I pF  I v
m m m
K  x1  x0   w j1  x j1   w j 0  x j 0 , w j  1100% 
j 1 j 1 j 1

 
m m m
K '   w js x j1   w js x j 0   w js x j1  x j 0
j 1 j 1 j 1

m m
K ' '   w j1 x js   w j 0 x js
j 1 j 1

m m m m m m

 A j1  A j0  A j1  B j1  B j1 V j1 B j0 V j0
j 1 j 1 j 1 j 1 j 1 j 1
I  V1 : V 0  m
: m
 m
: m
 m
: m

B j1 B j0 A j0 B j0 B j1 B j0
j 1 j 1 j 1 j 1 j 1 j 1

m
m m m V j1 m

 B j1 V j1  B j1 V j 0  B j1 V j1  B j1 V j 0 
j 1 V j0 A j1
j 1 j 1 j 1 j 1
I' m
: m
 m
 m
 m
V j1
B
j 1
j1 B
j 1
j1 B
j 1
j1 V j0 B
j 1
j1 V j0 A j1 :
V j0
j 1

m m

B
j 1
j1 V j0 B
j 1
j0 V j0
I" m
: m

Bj 1
j1 B
j 1
j0