1 / 181

TÁRSADALOMSTATISZTIKA

Wesley János Lelkészképző Főiskola. Pedagógia alapszak, I. évfolyam. TÁRSADALOMSTATISZTIKA. Előadó: Csákó Mihály egyetemi docens 30 kontaktóra + 60 egyéni munkaóra = 3 kredit (Levelező: 12 kontakt + 78 egyéni munkaóra) A jegyzet-rovatot is érdemes figyelni!!!. Az előadások beosztása:.

halia
Download Presentation

TÁRSADALOMSTATISZTIKA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Wesley János Lelkészképző Főiskola Pedagógia alapszak, I. évfolyam TÁRSADALOMSTATISZTIKA Előadó: Csákó Mihály egyetemi docens 30 kontaktóra + 60 egyéni munkaóra = 3 kredit (Levelező: 12 kontakt + 78 egyéni munkaóra) A jegyzet-rovatot is érdemes figyelni!!!

  2. Az előadások beosztása: 1.Mi a statisztika és mire jó? A kurzus célja 2. Adatgyűjtés és ábrázolás: a hisztogram 3. Csoportok jellemzése: középértékek 4. Csoportok szóródása: a szórás 5. A normálgörbe 6. A normális közelítés módszere 7. Két változó kapcsolata: varianciaelemzés 8. Két változó kapcsolata: korreláció 9. Két változó kapcsolata: regresszió 10. Statisztikai következtetés: mintavétel 11. Valószínűségszámítás 12. Megbízhatósági próbák, szignifikancia Csákó M.: Társadalomstatisztika

  3. Számolási gyakorlat • Ránézésre becsüljék meg a következő számokat %-ban! (Kb. 1%,10%, 50% …?) • 99 a 407-ből? • 57 a 209-ből? • 99 a 197-ből? • 39 a 398-ból? Ezek kb. a legnehezebb számolási feladatok amelyek előfordulhatnak a félév során. Csákó M.: Társadalomstatisztika

  4. Az igazság keresése:a kenyérfogyasztás példája 1. A büntetés-végrehajtási intézetekben fogva tartott elítéltek több mint 98 %-a  kenyérfogyasztó. 2. A kenyérfogyasztó családokban felnövekedő gyermekek 50 %-a a standardizált teszteket átlag alatti eredménnyel teljesíti. 3. A XVIII. században, amikor gyakorlatilag minden kenyér otthon, a háztartásban készült, az átlag-életkor nem érte el az 50 évet, a csecsemőhalandó-ság elfogadhatatlanul magas volt, sok nő belehalt a szülésbe, és a lakosságot olyan járványok tizedel-ték, mint a tífusz, a sárgaláz és az influenza. Csákó M.: Társadalomstatisztika

  5. Az igazság keresése:a kenyérfogyasztás példája 4. Az erőszakos bűncselekmények több mint 90 %-át kenyérfogyasztás után 24  órán belül követik el.  5. A kenyér alapanyaga a tésztának nevezett szub-sztancia. Kísérletek során bebizonyosodott: ebből az anyagból néhány dekagramm elég, hogy egy egér megfulladjon tőle. Az átlag magyar ennek sokszorosát fogyasztja el egy hónap alatt!  6. A primitív törzsi társadalmakban, ahol a kenyér-fogyasztás ismeretlen, évszázadok óta feltűnően kevés rákos megbetegedést, Alzheimer-és  Par-kinson-kóros, csontritkulásos esetet jegyeztek fel. Csákó M.: Társadalomstatisztika

  6. Az igazság keresése:a kenyérfogyasztás példája 7. A kenyér bizonyítottan addiktív. Kísérleti alanyok, akiktől egy időre  megvonták, és csak vízzel táplálták őket, alig 2 nap elteltével már  kenyérért könyörögtek.  8. A kenyérfogyasztás sok esetben csak előkészítője a "keményebb"  élelmiszerek, mint például a vaj, lekvár, méz fogyasztásának. 9. A kenyérről bebizonyosodott, hogy magába szívja a vizet. Mivel az emberi testet több mint 90%-ban víz alkotja, a huzamos kenyérfogyasztás beláthatatlan következményekkel járhat a szervezet molekuláris összetételében. Csákó M.: Társadalomstatisztika

  7. Az igazság keresése:a kenyérfogyasztás példája 10. Az újszülöttek köhögnek a kenyértől. 11. A kenyeret 200 Celsius-fok körüli hőmérsékleten sütik. Ez a hőmérséklet nem egészen egy perc alatt elpusztít egy felnőtt embert. 12. A legtöbb kenyérfogyasztó képtelen megkülönböztetni a tudományos  tényeket a statisztika álruhájába burkolt, értelmetlen locsogástól. Csákó M.: Társadalomstatisztika

  8. Találkozásaink a statisztikával: hétköznapi tapasztalatok • Népszámlálás • Az európai népesség öregedése • A magyar népesség fogyása • A cigány gyerekek iskolázottsága • Éves iskolai statisztikai jelentés • A levegő hőmérsékletének sokévi átlaga • Foglalkozási kategóriák átlagkeresete • Munkanélküliség mértéke • Stb. Csákó M.: Társadalomstatisztika

  9. Példa az alkalmazásra • Freedman: májműtétes példája Veszélyes bypass műtét, de életmentőnek tartják. Kérdés: „megéri-e”? Hogyan lehet megtudni? Számoljuk meg az eredményt! Csákó M.: Társadalomstatisztika

  10. Mit értünk statisztikán? • Összeszámlálás, • Jelzőszámok • Kapcsolatkeresés, • Feltételezett kapcsolat ellenőrzése, • magyarázat-keresés • minőség-ellenőrzés • Kutatási módszer (- pl. survey) Csákó M.: Társadalomstatisztika

  11. ÖSSZEFOGLALÁS • Mivel kezdődik a statisztikai tevékenység? Nem az adatgyűjtéssel, hanem a kategóriák megtervezésével. • Mi mindenről kell dönteni az adatgyűjtéssel kapcsolatban? Kiktől? – miféle válaszok lehetségesek? Mit, milyen adatot gyűjtünk? Hogyan gyűjtjük? Csákó M.: Társadalomstatisztika

  12. ÖSSZEFOGLALÁS: Célok • Milyen célok érdekében gyűjtünk adatot? Leggyakrabban egy népesség/csoport leírására. • Szélsőséges pl.: a népszámlálás – mi baj? Több mint 20 kötet adat – áttekinthetetlen A „demográfiai adatok” 1 kötet (vagy 19)… • „Magyarországon az átlagéletkor: év” • vagy: „Magyarországon az átlagkereset…” Csákó M.: Társadalomstatisztika

  13. Változók • Miért vizsgáljuk a dolgokat vagy személyeket? • mert nem egyformák, sokfélék, • és ráadásul változnak. • Dolgoknak vagy személyeknek azt a tulajdonságát, jellemzőjét, amelyet vizsgálunk, változónak nevezzük. • Pl.: életkor; fizetés; gyerekszám; munkahelyváltoztatások száma. • Nem biztos, hogy megszámlálható (pl. lakóhely). Csákó M.: Társadalomstatisztika

  14. A tankönyv példája: jövedelem az USÁ-ban Csákó M.: Társadalomstatisztika

  15. A tankönyv példája: jövedelem az USÁ-ban A függőleges tengely = = sűrűségskála (%/egység) Csákó M.: Társadalomstatisztika

  16. A tankönyv gyakorló feladata 1. Csákó M.: Társadalomstatisztika

  17. A tankönyv gyakorló feladata 2-3. Csákó M.: Társadalomstatisztika

  18. A tankönyv gyakorló feladata 4. Csákó M.: Társadalomstatisztika

  19. A 18 évesek apjának és anyjának életkora (2010-2011) Csákó M.: Társadalomstatisztika

  20. Az apák életkora: grafikon Csoportosított adatok. Ez a grafikon csak szemléltető eszköz - csak egy dolgot mutat. Csákó M.: Társadalomstatisztika

  21. Az apák életkor szerint: hisztogram A hisztogram pontosan megfelel az adatoknak, nemcsak szemléltet. Csákó M.: Társadalomstatisztika

  22. Feladat: Rajzolják meg a hisztogramot! IDE Csákó M.: Társadalomstatisztika

  23. KÖZÉPÉRTÉKEK • A középértékekkel (átlag) egy csoport gyors áttekintését kívánjuk nyújtani. • Alkalmazásuk feltételei: 1. legyen értelmezhető csoport, amelyet jellemez (pl. 7.osztály; bérből élők…) 2. a célnak megfelelőt válasszuk a középértékek közül Csákó M.: Társadalomstatisztika

  24. KÖZÉPÉRTÉKEK • A középértékek fajtái: - számtani átlag - medián - módusz - négyzetes átlag - harmonikus átlag - mértani átlag Csákó M.: Társadalomstatisztika

  25. KÖZÉPÉRTÉKEK • A számtani átlag a legismertebb. Képlete: a1+a2+…+anΣa ā = = n n Csákó M.: Társadalomstatisztika

  26. KÖZÉPÉRTÉKEK • Mikor jó és mikor problémás a számtani közép: pl. testvérszám; testmagasság. • A módusz a középtendenciát jobban kiemeli (ha van) = leggyakoribb érték • A medián jó jelzőszám, de előnytelen matematikailag további számításokhoz Csákó M.: Társadalomstatisztika

  27. KÖZÉPÉRTÉKEK • A hetedikesek kérésünkre megjelölték egy [0; 100] egyenes szakaszon, hány % esélyük van rá, hogy érdemi választ kapjanak tanáraiktól a kérdéseikre. • Az esélyüket átlagosan 58,9%-ra becsülték. • A medián érték 59,8%, a módusz pedig 41-60% (mivel csoportosítottuk a válaszokat). • Mi a véleményük erről? Mit jelent ez? Milyenek lehetnek a vélemények részletesebben? Csákó M.: Társadalomstatisztika

  28. KÖZÉPÉRTÉKEK N= 2762 81 182  133  169 45 = 699 % 3,98,9  11,626,0  19,024,2 6,4 = 100 Átlag =  Módusz = 40–60%  Medián = 350. eset = =180. a (40-60)-ban = = 59,78  59,8  Csákó M.: Társadalomstatisztika

  29. KÖZÉPÉRTÉKEK Csákó M.: Társadalomstatisztika

  30. KÖZÉPÉRTÉKEK Példa: • Márta néni fantasztikus matektanár: minden osztályában eléri matekból a 3,2 átlagot, még az összevont osztályban is! Hogyan? • „a” osztály: 2- 6; 3- 1; 4- 2; 5- 3 (12 fő) • „b” osztály: 2- 2; 3- 6; 4- 4; 5- 0 (12 fő) Csákó M.: Társadalomstatisztika

  31. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 31

  32. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 32

  33. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 33

  34. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 34

  35. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 35

  36. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 36

  37. KÖZÉPÉRTÉKEK Hogyan lehetne kifejezni a két osztály különbségét? Miben is áll ez a különbség? Átlag „a”: 12+3+8+15=38 38/12=3,17 ≈ 3,2 Átlag: „b”: 4+18+16+0=38 38/12=3,17 ≈ 3,2 Az átlaguk azonos – mi eltérő? A szóródás WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 37

  38. A SZÓRÁS Eredmény: A két osztály átlageredménye azonos (3,2) de az egyikben nagy különbségek vannak a tanulók között (s  1,3), míg a másikban közel állnak egymáshoz (s  0,7). Vagyis a szórás segítségével tudjuk számszerűsíteni a különbséget. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 38

  39. A SZÓRÓDÁS MÉRTÉKE Mi a tanulság? A valóság a szóródásban rejlik, a középérték erős absztrakció. A mozgás mindig különbségből ered, oka tehát a különbségek okában van.  Valamiképpen fogalmilag ki kell fejezni a változatosságot:  a szórás mérőszámaival. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 39

  40. A SZÓRÓDÁS MÉRÉSE Első megközelítés: szélső értékek, vagyis az eloszlás kiterjedése. Pl. az emberi testmagasság A legmagasabb ismert férfi: Robert Pershing Wadlow (1918-1941) 272 cm A legmagasabb ismert nő: Zeng Jinlian (1964-1982) 246 cm WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 40

  41. A SZÓRÓDÁS MÉRÉSE WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 41

  42. A SZÓRÓDÁS MÉRÉSE A valaha ismert legalacsonyabb emberek: Nő: Pauline Musters (1876-1895) 59 cm. Férfi: Calvin Philips (1791-1812) 67 cm. Eleget tudunk-e így az emberi testmagas-ságról? Nem: az eloszlás még sokféle lehet a két végpont között. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 42

  43. A SZÓRÓDÁS MÉRÉSE Második megközelítés = az esetek zömének kiterjedése = interkvartilis távolság Pl. a tanári válasz esélye: N= 2762 81 182  133  169 45 = 699 % 3,98,9  11,626,0  19,024,2 6,4 = 100 kvartilis = a 175. eset (40-60%) kvartilis = medián kvartilis = az 525. eset (80-100%) WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 43

  44. A SZÓRÓDÁS MÉRÉSE • Harmadik megközelítés = az esetek átlagtól való távolságának átlaga = = szórás (s) • A kiszámítás módja: négyzetes átlag Σ(a – ā)2 s =  N Magyarázat: az összeadás tagjai előjelesek. (Lássuk Márta néni osztályainak példáján!) Csákó M.: Társadalomstatisztika

  45. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 45

  46. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 46

  47. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 47

  48. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 48

  49. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 49

  50. WJLF Pedagógia BA Csákó M.: Társadalomstatisztika 50

More Related