Ha X és Y változó között a korrelációs együttható 0, akkor a közöttük lévő parciális

korrelációs együttható lehet -0,2. igaz

Ha a Pearson-féle korrelációs együttható értéke 0,2 és szignifikáns, akkor azt mondjuk,

hogy a két változó között gyenge, pozitív lineáris összefüggés van. igaz

Ha a Pearson-féle korrelációs együttható értéke -0,8 és szignifikáns, akkor azt

mondjuk, hogy a két változó között erős, negatív lineáris összefüggés van. igaz

A Pearson-féle korrelációs együttható az egyik változó által a másik változó

varianciájából megmagyarázott arány (röviden magyarázott varianciaarány). hamis

A Pearson-féle korrelációs együttható legalább 3 változó közötti lineáris

kapcsolatot jellemez. hamis

Kvantitatív változók esetében a Kendall-tau, Kendall-féle tau-b és Kendall-gamma

mutatók különbözhetnek.igza

Ha X és Y változó között a korrelációs együttható -0,8, akkor a közöttük lévő

parciális korrelációs együttható nem lehet -0,2. hamis

A Pearson-féle korrelációs együttható minimuma 0. hamis

A Pearson-féle korrelációs együttható megadja a két változó közötti lineáris

kapcsolat erősségét.igza

A Pearson-féle korrelációs együttható megadja a két változó közötti lineáris

kapcsolat erősségét és irányát. igaz

Ha a Pearson-féle korrelációs együttható abszolút értéke 0,8 és szignifikáns, akkor

azt mondjuk, hogy a két változó között erős lineáris összefüggés van.igza

A Pearson-féle korrelációs együttható nem adja meg a két változó közötti lineáris
kapcsolat erősségét és irányát. hamis

A Pearson-féle korrelációs együttható szignifikanciáját normális eloszlású változók

esetén Fisher-egzakt-próba segítségével vizsgáljuk. hamis

Ha a Pearson-féle korrelációs együttható abszolút értéke 0,4 és szignifikáns, akkor azt

mondjuk, hogy a két változó között erős lineáris összefüggés van. hamis

A Pearson-féle korrelációs együttható bármilyen nagy értéket felvehet. hamis

A Kendall-tau korrelációs együttható a két változó közötti exponenciális
kapcsolatot méri. hamis

A parciális korrelációs együttható előjele sohasem ellentétes a két változó közötti

Pearson-féle korrelációs együttható előjelével. Hamis

A parciális korrelációs együttható előjele mindig ellentétes a két változó közötti

Pearson-féle korrelációs együttható előjelével. hamis

A Spearman-féle korrelációs együttható a két változó közötti lineáris kapcsolatot

méri. hamis

Ha X és Y változó között a korrelációs együttható -0,6, akkor a közöttük lévő

parciális korrelációs együttható lehet -0,4. igaz

A parciális korrelációs együttható előjele megegyezhet a két változó közötti

Pearson-féle korrelációs együttható előjelével. igza

A parciális korreláció számításakor a kiparciálandó változó lehet intervallum

skálájú. igaz

Ha X és Y változó között a korrelációs együttható -0,2, akkor a közöttük lévő

parciális korrelációs együttható lehet 0. igaz

Arányskálájú változók között a lineáris regresszió nem feltétlenül a legjobb

kapcsolati modell. igaz

Ha a vizsgált változók normális eloszlásúak és az elméleti korrelációs együttható 0,

akkor a két változó független egymástól. igaz

Két normális együttes eloszlású változó közötti 0 korreláció esetén nem lehet a
változók között például logaritmikus összefüggés. igaz

A Kendall-féle tau-b korrelációs együttható jellemzően diszkrét változók közötti

kapcsolatok mérésére használjuk. igaz

A lineáris regresszió matematikai modellje nem feltételez oksági viszonyt a változók

között. igaz

Folytonos változók esetén a Kendall-tau, Kendall-féle tau-b és a Kendall-gamma mutatók

megegyeznek. igaz
Kvalitatív változók esetében a Kendall-tau, Kendall-féle tau-b és Kendall-gamma mutatók
különbözhetnek. igaz

A parciális korreláció számításakor a kiparciálandó változó lehet arányskálájú. igaz

A két változó közötti 0 korreláció ellenére lehet a változók között például logaritmikus
összefüggés. igaz

Ha X és Y változó között a korrelációs együttható dall

, akkor a közöttük lévő parciális korrelációs együttható lehet 0,4. igaz

A Pearson-korreláció szintjét független minták esetén Fisher-féle Z-transzformáció

segítségével hasonlítunk össze. igaz

Ha X és Y változó között a korrelációs együttható -0,8, akkor a közöttük lévő parciális

korrelációs együttható lehet -0,2. igaz

Pearson-féle korrelációs együttható négyzete a determinációs együttható. igaz

Két normális együttes eloszlású változó közötti 0 korreláció esetén nem lehet a változók
között például másodfokú összefüggés. igaz

Spearman-féle korrelációs együttható a rangsorokon végrehajtott Pearson-féle

korrelációs együttható. igaz

A korrelációs együttható lehet pozitív. igaz

Ha X és Y változó között a korrelációs együttható 0, akkor a közöttük lévő parciális

korrelációs együttható lehet -0,2. igaz

Ha X és Y változó között a korrelációs együttható 0,8, akkor a közöttük lévő parciális

korrelációs együttható lehet -0,2. igaz

Ha X és Y változó között a korrelációs együttható 0,2, akkor a közöttük lévő parciális

korrelációs együttható lehet 0. igaz

Ha a Pearson-féle korrelációs együttható abszolút értéke 0,2 és szignifikáns, akkor azt

mondjuk, hogy a két változó között gyenge lineáris összefüggés van. igaz

Ha X és Y változó között a korrelációs együttható 0,8, akkor a közöttük lévő parciális

korrelációs együttható lehet 0. igaz

Intervallum skálájú változók között a lineáris regresszió nem feltétlenül a legjobb

kapcsolati modell. igaz

A determinációs együttható maximuma 1. igaz

A korrelációs együttható lehet 0. igaz

Ha a két változó független egymástól, akkor az elméleti korrelációs együttható 0. igaz

Ha a Pearson-féle korrelációs együttható értéke 0,4 és szignifikáns, akkor azt mondjuk,

hogy a két változó között közepesen erős, pozitív lineáris összefüggés van. igaz

A Gayen-próba mind a ferdeséget, mind a csúcsosságot korrigálja. IAGZ

Wilxocon-próba nullhipotézise az elméleti mediánra vonatkozik.IGAZ

A Johnson-próba nullhipotézise megegyezik a t-próba nullhipotézisével.IGAZ

Az egymintás t-próba feltételének ellenőrzéséhez nem elegendő csak a ferdeséget

tesztelni. IGZA

z egymintás t-próba feltételének tesztelésére a ROPstatban legalább 3 eljárást

találhatunk. IGZA

A Wilcoxon-próba a t-próba robusztus változata. igaz

A Gayen-próba nullhipotézise eltér a Johnson-próba nullhipotézisétől. hamis

Az egymintás t-próba feltételének ellenőrzéséhez elegendő csak a ferdeséget tesztelni.

hamis

A Wilxocon-próba nullhipotézise a tapasztalati csúcsosságra vonatkozik. hamis

Az előjelpróba feltétele, hogy a változó kvantitatív skálájú legyen. hamis

Szignifikánsan pozitív csúcsosság esetén alkalmazható a Wilxocon-próba. igza

A Gayen-próba nullhipotézise az elméleti mediánra vonatkozik. hamis

A Gayen-próba nullhipotézise az elméleti móduszra vonatkozik. hamis

Kizárólag szignifikánsan pozitív ferdeség esetén alkalmazható a Wilxocon-próba. hamis

A Wilxocon-próba feltétele a szimmetria. igaz

Az egymintás t-próba robusztus változata például a Johnson- és a Gayen-próba. igaz

A Wilxocon-próba nullhipotézise eltér a t-próba nullhipotézisétől. igaz

Szignifikánsan negatív csúcsosság esetén alkalmazható a Wilxocon-próba. igaz

Az egymintás t-próbának 10 fős mintánál elengedhető feltétele a normalitás. hamis

A Gayen-próba nullhipotézise a tapasztalati mediánra vonatkozik. hamis

A Wilxocon-próba nullhipotézise eltér a Gayen-próba nullhipotézisétől.igaz

A Wilxocon-próba nullhipotézise eltér a Johnson-próba nullhipotézisétől. igZ

A Johnson-próba alkalmazható az átlag tesztelésére, ha a változó nem normális eloszlású

és a ferdesége szignifikánsan eltér 0-tól, azonban a csúcsossága szignifikánsan nem
különbözik 0-tól. IGAZ

A Johnson-próba alkalmazható az átlag tesztelésére, ha a változó nem normális eloszlású

és a ferdesége szignifikánsan eltér 0-tól, azonban a csúcsossága szignifikánsan nem
különbözik 0-tól. IGAZ

A Johnson-próba csak a ferdeséget korrigálja, a csúcsosságot nem. IGAZ

Az intervallum skálájú változóknál általában nem értelmezhető a medián. hamis

Az ordinális skálájú változók értékei között tudjuk értelmezni a nagyságrendi viszonyokat.

igaz

A kvantitatív változók nem lehetnek folytonosak. hamis

A szórás standard értéke 0. hamis

A variációs együttható (vagy relatív szórás) minden folytonos változóra értelmezhető.

hamis

Az arányskálájú változók sosem kvantitatívak. hamis

Az arányskálájú változók nem mindig kvalitatívak. igaz

Az átlag tapasztalati standard hibája (a szokásos jelölések mellett) a tapasztalati szórás és

az esetszám gyökének hányadosa. igaz

Az intervallum skálájú változók ferdesége és csúcsossága mindig 0. hamis

A kumulált gyakoriság becslés a folytonos változók eloszlására. hamis

Szimmetrikus eloszlás esetén az átlag sosem egyezik meg a mediánnal. hamis

A kvalitatív változók mindig folytonosak. hamis

A medián nem feltétlenül a legjobb középérték, ami meghatározható. igaz

A módusz sosem nagyobb, mint az átlag. hamis

Normalitást csak a ferdeség és csúcsosság segítségével vizsgálhatunk. hamis

A variációs együttható segítségével az ordinális skálájú, de különböző mértékegységű

változók szórásai hasonlíthatók össze. hamis

Az átlag ±2 standard-hibányi intervallumában van az elméleti átlag nagyjából 95%-os

valószínűséggel. igaz

A medián elméleti standard hibája (a szokásos jelölések mellett) az elméleti szórás és az

esetszám gyökének hányadosa. hamis

A kvantitatív változók mindig diszkrétek. hamis

Egy 2 értékű nominális változónál értelmezhető lehet a módusz.

Az arányskálájú változók nem lehetnek kvalitatívak. Igaz

Az ordinális változóknál értelmezhető lehet a módusz. igaz

A tapasztalati szórás az elméleti szórás torzítatlan becslése. hamis

Nominális változóknál nem mindig kell mediánt kiszámítani. Igaz

A standardizált érték csak pozitív lehet. Hamis

A kvalitatív változók lehetnek folytonosak. Hamis

Az intervallum skálájú változók sosem kvalitatívak. igaz

Az arányskálájú változók értékei között tudjuk értelmezni az egyezéseket. Igaz

Az arányskálájú változók ferdesége és csúcsossága általában 0. hamis

Az arányskálájú változók általában folytonosak. igaz

módusz tapasztalati standard hibája (a szokásos jelölések mellett) a tapasztalati szórás és az esetszám
gyökének hányadosa. Hamis

az intervallum skálájú változók értékei között tudjuk értelmezni a különbségképzést. igaz

Az intervallum skálájú változóknál általában nem értelmezhető az átlag. hamis

Az ordinális változók ferdesége és csúcsossága sosem 0.hamis

Az ordinális skálájú változók általában folytonosak. hamis

A variancia a szórás négyzete. igaz

kumulált relatív gyakoriság becslés a folytonos változók eloszlására. igaz

A variációs együttható (vagy relatív szórás) minden arányskálájú változóra értelmezhető. igaz
A módusz mindig a legjobb középérték, ami meghatározható. hamis

A módusz konfidencia-intervallumának segítségével normalitást nem vizsgálunk. igaz

A medián mindig nagyobb, mint az átlag. hamis

A standardizálás általában értelmezhető az intervallum skálájú változók esetén. igaz

Az átlag elméleti standard hibája (a szokásos jelölések mellett) az elméleti szórás és az esetszám
gyökének hányadosa. igaz

Diszkrét változókra mindig értelmezhető a módusz (ha létezik). igaz

Egy 3 értékű nominális változónál értelmezhető lehet a medián. hamis

Egy 2 értékű nominális változónál sosem értelmezhető a módusz. hamis

A szórás standard értéke -1. hamis

A variációs együttható segítségével a bármilyen skálájú, különböző mértékegységű változók szórásai

hasonlíthatók össze. hamis

Ha a változó eloszlásának ferdesége negatív, akkor a módusz általában kisebb, mint az átlag. hamis

Egy paraméter adott megbízhatósági szintű konfidencia-intervalluma mindig tartalmazza a becsléshez

használt tapasztalati paramétert. igaz

Minden arány skálájú változó rendelkezik az intervallum skálájú változók tulajdonságával is. igaz

A kvantitatív változók nem lehetnek folytonosak. H

Az arányskálájú változók nem lehetnek kvantitatívak. H

Ha a változó eloszlásának csúcsossága pozitív, akkor a módusz mindig nagyobb, mint az

átlag. H

Nominális változóknál nem mindig kell mediánt kiszámítani. I

Folytonos változókra mindig értelmezhető a medián. I

A szórás konfidencia-intervallumának segítségével normalitást vizsgálhatunk. I

A standardizált érték megmutatja, hogy az adott érték hány szórásnyi távolságra van a
módusztól. H

A szórás általában olyan helyzetekben értelmezhető jól, amikor a mediánt is helyesen tudjuk
értelmezni, interpretálni. H

A csúcsosság konfidencia-intervallumának segítségével normalitást vizsgálhatunk. I

A gyakoriság becslés a diszkrét változók eloszlására. H

Az intervallum skálájú változóknál általában értelmezhető az átlag. I

Az iskolai végzettség általában nominális változó. H

A nominális változók mindig diszkrétek. I

Minden arány skálájú változó rendelkezik a nominális skálájú változók tulajdonságával is. I

Egy 95%-os konfidencia-intervallum azt jelenti, hogy a nullhipotézis 5%-os valószínűséggel

hamis. H

Normális eloszlású változó esetén a ferdeség és csúcsosság konfidencia-intervallumában

mindkét paraméter esetén, nagy valószínűséggel benne van az 1. H

A nominális skálájú változók értékei között tudjuk értelmezni a különbségképzést. H

A szórás standard értéke 0. H

Nominális változóknál ajánlott móduszt számolni. I

Normális eloszlás esetén a ferdeség és csúcsosság konfidencia-intervallumában egyik

paraméter esetén sincs benne az 1. H

A módusz konfidencia-intervallumának segítségével normalitást nem vizsgálunk. I

A relatív gyakoriság becslés a diszkrét változók eloszlására. I

A korrigált tapasztalati szórás az elméleti szórás konzisztens, torzítatlan becslése. H

A variancia konfidencia-intervallumának segítségével normalitást nem vizsgálunk. I

Egy 3 értékű nominális változónál nem értelmezhető az átlag. I

A kumulált gyakoriság becslés a folytonos változók eloszlására. H

Egy 95%-os konfidencia-intervallum azt jelenti, hogy a nullhipotézis 95%-os valószínűséggel

igaz. H

Az ordinális változóknál értelmezhető lehet a módusz. I

Minden változó esetén az átlag ±2 szórásnyi övezetében van az esetek nagyjából 95%-a. H

Az előjelpróba nullhipotézise az elméleti szórásra/varianciára vonatkozik. H

Az egymintás t-próbának 100 fős mintánál elengedhető feltétele a normalitás. I

A Wilxocon-próba nullhipotézise az elméleti csúcsosságra vonatkozik. H

Szignifikánsan negatív ferdeség esetén alkalmazható a Wilxocon-próba. H

A Johnson-próba alkalmazható az átlag tesztelésére, ha a változó nem normális eloszlású és a
ferdesége szignifikánsan nem tér el 0-tól, azonban a csúcsossága szignifikánsan különbözik
0-tól. H

Az előjelpróba feltétele, hogy a változó legalább intervallum skálájú legyen. H

Az előjelpróba a t-próba robusztus változata. H

z előjelpróba nullhipotézise a tapasztalati ferdeségre vonatkozik. H

A Gayen-próba nullhipotézise az elméleti mediánra vonatkozik. H

A Wilxocon-próba nullhipotézise az elméleti móduszra vonatkozik. H

z előjelpróba nullhipotézise az elméleti mediánra vonatkozik. H

A Wilxocon-próba nullhipotézise megegyezik a Gayen-próba nullhipotézisével. H

Az előjelpróba feltétele, hogy a változó kvantitatív skálájú legyen. H

Szignifikánsan pozitív ferdeség esetén alkalmazható a Wilxocon-próba. H

A parciális korrelációs együttható előjele általában megegyezik a két változó közötti Pearson-
féle korrelációs együttható előjelével. H

Ha X és Y változó között a korrelációs együttható 0,6, akkor a közöttük lévő parciális

korrelációs együttható nem lehet -0,4. H

A Pearson-féle korrelációs együttható más néven a determinációs együttható. H

Ha a Kendall-tau korrelációs együttható szignifikáns, akkor a két változó kapcsolatát

legjobban jellemző regresszió a lineáris regresszió. H

A Kruskal-Wallis-próba utóelemzése például a hagyományos BM-próba. H

A Brunner-Munzel-próba a Mann-Whitney-próba robusztus változata. I

Minél inkább szignifikáns az O’Brien-próba, annál valószínűbb, hogy a hagyományos VA-ban

szignifikáns eltéréseket tapasztalunk. H

Games-Howell eljárást akkor használjuk, ha pl. a James-féle VA nem szignifikáns H

A Welch-féle d-próbát akkor használjuk, ha a ferdeség szignifikánsan eltér 1-től. H

A Games-Howell eljárást akkor használjuk, ha pl. a BF-féle VA szignifikáns. I

A Welch-féle próbát akkor használjuk, ha a ferdeség és csúcsosság szignifikánsan eltér 0-tól.

H
A khi-négyzet statisztika nem mindig pozitív. I

A khi-négyzet próbával kvalitatív változók eloszlását is tesztelhetjük. I

A homogenitásvizsgálatban az egyik változó átlagát teszteljük a másik változó különböző

kategóriái esetén. H

A khi-négyzet próbák előtt általában teszteljük az átlagok egyenlőségét. H

A khi-négyzet próbák alkalmazása előtt értelmetlen tesztelni az eloszlás normalitását. I

A standardizálás akkor értelmezhető, ha az átlag és a szórás értelmezhető. igaz

Ha a változó eloszlásának csúcsossága pozitív, akkor a módusz mindig nagyobb, mint az

átlag. hamis

Az intervallumbecslések segítségével hipotézisvizsgálati eljárások nem alkothatók. hamis

Minden konzisztens becslés torzítatlan. hamis

Ha a változó eloszlásának ferdesége pozitív, akkor a módusz mindig nagyobb, mint az átlag. hamis

Az intervallum skálájú változók értékei között tudjuk értelmezni az egyezéseket. igaz

Egy paraméter adott megbízhatósági szintű konfidencia-intervalluma mindig tartalmazza az elméleti

paramétert. hamis

A szórás az egyetlen szóródási mutató. hamis

A szórás az egyetlen szóródási mutató. hamis

Az ordinális skálájú változók mindig diszkrétek. hamis

A Wilcoxon-próba a t-próba robusztus változata. igaz

A Gayen-próba nullhipotézise eltér a Johnson-próba nullhipotézisétől. hamis

z egymintás t-próba feltételének ellenőrzéséhez elegendő csak a ferdeséget tesztelni. hamis

A Wilxocon-próba nullhipotézise a tapasztalati csúcsosságra vonatkozik. hamis

Az előjelpróba feltétele, hogy a változó kvantitatív skálájú legyen. hamis

Szignifikánsan pozitív csúcsosság esetén alkalmazható a Wilxocon-próba. igaz

A Gayen-próba nullhipotézise az elméleti mediánra vonatkozik. hamis

A Gayen-próba nullhipotézise az elméleti móduszra vonatkozik. hamis

Kizárólag szignifikánsan pozitív ferdeség esetén alkalmazható a Wilxocon-próba. hamis

A Wilxocon-próba feltétele a szimmetria. igaz