Statisztikai alapfogalmak. Statisztikai mező, statisztikai minta, adatok áttekintése, statisztikák, rendezett minták. Glivenko -Cantelli tétel, Kolmogorov-Szmirnov tételkör. Elégségesség, teljesség, exponenciális eloszláscsalád.
Becsléselmélet. Pontbecslések tulajdonságai: torzítatlanság, efficiencia, konzisztencia. Fisher-információ, Cramer-Rao egyenlőtlenség, Rao- Blackwell-Kolmogorov tétel. Becslési módszerek: maximum likelihood elv, momentumok módszere, Bayes becslések. Intervallumbecslések. Hipotézisvizsgálat. Statisztikai próbák általános elmétlete, Neyman-Pearson alaplemma, egyenletesen legerősebb próbák konstrukciója. Nevezetes
paraméteres- és nemparaméteres próbák. Szekvenciális eljárások (Wald-féle valószínűséghányados próba).
Regressziós görbék, lineáris regresszióra visszavezethető modellek illesztése kétdimenziós statisztikai mintára. Lineáris modell beállítható mérési pontok esetén, legkisebb négyzetek módszere, Gauss-Markov tétel és a paraméterek maximum likelihood becslése.
A gyakorlatokon az elméleti tananyagot alátámasztó feladatokat oldunk meg, becslési módszereket alkalmazunk, becslő statisztikák tulajdonságait vizsgáljuk, statisztikai próbákat konstruálunk és hipotéziseket vizsgálunk.
Nagyobb méretű, valós életbeli adatrendszerek vizsgálata számítógépes laborgyakorlat keretében történik. Itt ismertetjük a statisztikai adatok főbb típusait, rögzítésüknek módjait, az Excel nyújtotta táblázatkezelési lehetőségeket, és ezek segítségével alapstatisztikákat számolunk,
tesztadatokon statisztikai törvényszerűségeket illusztrálunk. Áttekintjuk egy, a tanszéken hozzáférhető statisztikai programcsomag (jelenleg
SPSS) nyújtotta lehetőségeket. A hangsúlyt az egyes programok részletes megismerésére és a program outputjainak interpretálás ára helyezzük úgy, hogy a hallgatók gyakorlati feladatokkal szembesülve, felelősséggel nyilatkozni tudjanak arról, mit jelentenek az alkalmazó szakember konkrét problémájában a kapott eredmények.