HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I

Save this PDF as:

Koko: px
Aloita esitys sivulta:

Download "HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I"

Transkriptio

1 HY / Matematiikan ja tilatotieteen laito Tilatollinen päättely II, kevät 207 Harjoitu 4 Ratkaiuehdotukia Tehtäväarja I. (Kvantiili-kvantiili kuvion [engl. q q plot] idea.) Olkoon atunnaimuuttujalla X ellainen jakauma, että en kvantiilifunktio q X aadaan en kertymäfunktion F X käänteifunktiona (eli jakon 2.9 alua mainitut oletuket ovat voimaa). Olkoon > 0 ja c R, ja määritellään Y = X + c a) Miten F Y (y) aadaan ilmaitua m:n X kf:n F X avulla? b) Miten m:n Y kvantiilifunktio q Y (u) aadaan ilmaitua kvantiilifunktion q X avulla? Huomaa, että piteet (q X (u), q Y (u)) attuvat tietylle uoralle, kun 0 < u <. Mikä on kyeien uoran kulmakerroin ja mikä on en ja y-akelin leikkaupite? Ratkaiu: a) Y :n kertymäfunktioki aadaan F Y (y) = P(Y y) = P(X + c y) = P ( X y c Koka > 0, epäyhtälön uunta äilyy :llä jaettaea. ) ( ) y c = F X. b) F Y on yhditetty funktio F Y = F X h, miä h(y) = y c, joten en käänteifunktio on (F X h) = h FX, eli q Y (u) = FY (u) = FX (u) + c = q X (u) + c. Suoran kulmakerroin on ii ja e leikkaa y-akelin piteeä c. 2. Logitinen jakauma parametreilla µ R ja > 0 voidaan määritellä iten, että e on atunnaimuuttujan Y jakauma, kun Y = µ + ln X X, ja X U(0, ). Johda logitien jakauman tiheyfunktio. Ratkaiu: Määritellään funktio g : (0, ) R, joa g(x) = µ + ln X. Tällöin Y = g(x). X Funktio on aidoti kavava välillä (0, ) ja logaritmifunktio ln() on aidoti kavava kaikilla > 0, joten g on aidoti kavava koko määrittelyjoukoaan. Tällöin (ja koka g on urjektio) on olemaa käänteifunktio h : R (0, ). Nyt

2 voidaan elvittää käänteifunktion konkreettinen laueke yhtälötä: y = µ + ln y µ = ln ep( y µ ) = ( ) ep( y µ = ) = ep( ) + ep( ) ep( ) +ep( Määrittelemällä = h(y), aadaan h(y) =. Funktiot g ja h ovat jatkuvien ) funktioiden yhditeinä jatkuvia. Liäki kaikilla (0, ) pätee g () = D( ) = ( ) = 2 ( ) joten g on jatkuvati derivoituva. Liäki tiedetään, että D(ep( )) = Merkitään ξ(y) = ep( ), jolloin ξ (y) = ξ(y). h (y) = D ( ) ξ(y) = + ξ(y) ξ(y)( + ξ(y)) ξ(y) ξ(y) = ( + ξ(y)) 2 ep( ). ξ(y) ( + ξ(y)) = ep( ) 2 ( + ep( = ))2 ( + ep( µ y )( + ep( )) Sii h on jatkuvati derivoituva. Nyt käyttämällä määritelmää 2.0, voidaan todeta h:n olevan diffeomorfimi. Kun y R, laueen 2.2 nojalla Y:llä on jatkuva jakauma ja f Y (y) = f X (h(y)) h (y) Koka X U(0, ), niin f X (h(y)) = kaikilla h(y) (0, ), ja liäki h(y) (0, ) kaikilla y R. Koka h (y) > 0 tiheyfunktioki aadaan f Y (y) = h (y) = ( + ep( )( + ep( µ y y R. )), 3. Heitetään 6-ivuita noppaa kaki kertaa. V on enimmäien heiton ilmäluku ja V 2 toien heiton ilmäluku. Määritellään atunnaimuuttujat X = min(v, V 2 ) ja Y = ma(v, V 2 ). Perutele, miki atunnaimuuttujien X ja Y yptnf on /, kun = y 6, f (X,Y ) (, y) = 2/, kun < y 6, 0, muuten. Tarkita myö, että f (X,Y ) todella on yptnf. Johda reuna-ptnf:t f X ja f Y yptnf:n reunaummina. Ratkaiu: Oletetaan tavallieen tapaan, että V ja V 2 ovat riippumattomia. Koka X = min(v, V 2 ) ja Y = ma(v, V 2 ), pätee X Y, jolloin f X,Y (, y) = 0 kun > y. Liäki elväti f X,Y = 0, kun (, y) / {,..., 6} {,..., 6}. Seuraavaki

3 huomataan, että X =, Y = = V =, V 2 =. Nyt riippumattomuuden nojalla aadaan P(V =, V 2 = ) = P(V = )P(V 2 = ). Kun vielä tiedämme, että, {,..., 6} 6 P(V = ) = P(V 2 = ) = 0, / {,..., 6} voidaan todeta, että = y = f X,Y (, y) = P(X = Y ) = ( 6 )2 =. Tutkitaan vielä tapau < y ja (, y) {,..., 6} {,..., 6}. Tällöin {X =, Y = y} = {V =, V 2 = y} {V = y, V 2 = }. Nämä kaki joukkoa ovat erilliet, joten tn-mitan additiiviuuden nojalla P(X =, Y = y) = P(V =, V 2 = y) + P(V = y, V 2 = ) = P(V = )P(V 2 = y) + P(V = y)p(v 2 = ) = ( 6 )2 + ( 6 )2 = 2. Tarkitetaan vielä, että kyeeä on yptnf. Merkitään S = {,..., 6} {,..., 6}, jolloin f X,Y : S R on ei-negatiivinen funktio ja pitetodennäköiyykien umma on (taulukota apua): Reunajakaumien arvot aadaan taulukota ummaamalla toinen muuttuja poi, ii toiin ilmaituna funktiot voidaan määritellä euraavati: 2y, y {,..., 6} f Y (y) = 0, y / {,..., 6} ja 3 2, {,..., 6} f X = 0, / {,..., 6} 4. Jatkoa tehtävään 3. a) Ovatko tehtävän 3 atunnaimuuttujat X ja Y riippumattomia? b) Eitä tapahtuma {X > } muodoa {V > v, V 2 > v 2 } kekimällä opivat v ja v 2. c) Päättele ilmälukujen V ja V 2 riippumattomuuden ja kohdan b) avulla m:n X kf F X. d) johda kohdan c) kertymäfunktiota F X vataava reuna-ptnf f X (toivottavati ait aman kuin edellieä tehtävää) Ratkaiu:

4 a) Ooitetaan vataeimerkillä, että eivät ole: P(X >, Y = ) = 0 25 P(X > )P(Y = ) = b) Tapahtuma {X > } vaatii, että molemmat nopanheitot ovat ilmäluvultaan uurempia kuin. Voimme ii muotoilla tapahtuman uudelleen: {X > } = {V >, V 2 > }. c) Oletetaan, että {, 2, 3, 4, 5, 6}. Suoralla lakulla aadaan F X (X ) = P(X ) = P(X > ) = P(V >, V 2 > ) = P(V > )P(V 2 > ) = ( 6 ) 2 = 6 2 2, Koka X on dikreetti ja en arvojoukko on [; 6] N, aamme F X :tä kertymäfunktion täydentämällä en paloittain vakioki oikealta jatkuvaki porrafunktioki, jonka epäjatkuvuukohdat ovat X :n arvojoukoa. Liäki kun <, F X = 0 ja kun > 6, F X =. d) Kyeeä on dikreetti atunnaimuuttuja, joten kun {,..., 6}, aadaan ptnf lakemalla f X () = F X () F X ( ) = 2 2 2( ) ( )2 = Heitetään tavallita lanttia neljä kertaa (ja oletetaan, että heitot ovat riippumattomia). Määritellään atunnaimuuttujat X j = { j. heitto kruuna }, kun j =, 2, 3, 4. Määritellään näiden avulla atunnaimuuttujat W = 4X 2 +2X 3 +X 4 + ja V = 8X ekä Y = W + V. a) Selitä perutellen, miki W V. b) Määrää ptnf f Y ja tunnita atunnaimuuttujan Y jakauma. Ratkaiu: a) Määritellään funktiot h ja h 2 euraavati: h : R 3 R, h (, y, z) = 4 + 2y + z +, h 2 : R R, h 2 () = 8. Määritellään atunnaivektori Z = (X 2, X 3, X 4 ). Nyt W = h (Z) ja V = h 2 (X ). Koka atunnaimuuttujat X j ovat riippumattomia, myö atunnaivektorit Z ja X ovat riippumattomia ja tällöin myö niiden muunnoket h (Z) = W ja h 2 (X ) = V ovat riippumattomia. b) Määritellään atunnaivektori X = (X, X 2, X 3, X 4 ) ja funktio g : R 4 R, g(x) = 8X + 4X 2 + 2X 3 + X 4 +. Nyt Y = g(x). Merkitään X :n arvojoukkua S :llä, ii S = {(, 2, 3, 4 ) i {0, }} Tällöin P (X = ) =, illä jokainen 6:ta neljän kolikon kombinaatiota on 6 yhtä todennäköinen. f Y (y) = P(Y = y) = P (g(x) = y) = P(g(X) = y, X S) = S P(g(X) = y, X = ) = {g() = y}p(x = ) = {y {, 2,..., 5, 6}} S 6 Y noudattaa ii dikreettiä taajakaumaa arvojoukkona luonnolliet luvut yhdetä kuuteentoita.

5 6. Jatkoa tehtävään 3. Kuten tehtävää 3, määritellään X = min(v, V 2 ) ja Y = ma(v, V 2 ) kun V ja V 2 ovat 6-ivuien nopan heittoja. Lake EX ja EY käyttämällä määritelmää 4.. Ratkaiu: X ja Y ovat dikreettejä atunnaimuuttujia, joilla on äärelliet arvojoukot. Odotuarvot ovat ii olemaa, ja ne voidaan lakea uoraan määritelmätä käyttämällä tehtävää kolme aatuja tiheyfunktioita. X Y E(X) = f X () = f X () = R = = = = 9. E(Y ) = 6 2 yf Y (y) = yf X (Y ) = y 2y y R y= y= = + +6 = 9 = 6

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7, HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä niistä

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Mitkä seuraavista funktioista F, F, F ja F 4 ovat kertymäfunktioita? Mitkä

Lisätiedot

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14) Tilatotietee jatkokuri 8. lakuharjoitute ratkaiuehdotuket (viikot 13 ja 14) 1) Perujoukko o aluee A aukkaat ja tutkittavaa omiaiuutea ovat tulot, Tiedämme, että perujouko tulot oudattaa ormaalijakaumaa,

Lisätiedot

12. laskuharjoituskierros, vko 16, ratkaisut

12. laskuharjoituskierros, vko 16, ratkaisut 1. lakuharjoitukierro, vko 16, ratkaiut D1. Muuttujien x ja Y havaitut arvot ovat: x 1 3 4 6 8 9 11 14 Y 1 4 4 5 7 8 9 a) Määrää regreiomallin Y i = α +βx i +ǫ i regreiokertoimien PNS-etimaatit ja piirrä

Lisätiedot

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4. HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 206 Kurssikoe 28.0.206 Ratkaisuehdotuksia. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden

Lisätiedot

k S P[ X µ kσ] 1 k 2.

k S P[ X µ kσ] 1 k 2. HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 28 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Tehtävä 1 on klassikko. 1. Tässä tehtävässä tapahtumat A ja B eivät välttämättä

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan

Lisätiedot

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset 1. Olkoon X satunnaismuuttuja, ja olkoot a R \ {0}, b R ja Y = ax + b. (a) Olkoon X diskreetti ja f sen pistetodennäköisyysfunktio.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 4. lokakuuta 2007 Antti Rasila () TodB 4. lokakuuta 2007 1 / 17 1 Moniulotteiset todennäköisyysjakaumat Johdanto Kaksiulotteiset satunnaismuuttujat Kaksiulotteisen

Lisätiedot

Luku 16 Markkinatasapaino

Luku 16 Markkinatasapaino 68 Luku 16 Markkinataaaino 16.1 Markkinataaainon määrity Tarkatelemme kilailulliia markkinoita kaikki talouenitäjät hinnanottajia kaikki määrittävät arhaat ratkaiuna uhteea makimihintoihin talouenitäjien

Lisätiedot

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio. Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.

Lisätiedot

X 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k

X 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k Aalto-yliopiton Perutieteiden korkeakoulu Matematiikan ja yteemianalyyin laito Mat-49 Syteemien Identifiointi 0 harjoituken ratkaiut äytetään enin iirtofunktiomalli Tehdään Laplace-muunno: ẋ k 0 k x +

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/5

TKK @ Ilkka Mellin (2008) 1/5 Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 3, 6, 7 Pistetehtävät: 2, 4, 5, 9 Ylimääräiset tehtävät: 8, 10, 11 Aiheet: Moniulotteiset jakaumat Avainsanat: Diskreetti jakauma,

Lisätiedot

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma 3 Yhteisjakauma Kappaleessa 2 tarkastelimme aina yhtä satunnaismuuttujaa kerrallaan. Tässä kappaleessa näemme, miten aikaisemmat käsitteet yleistyvät siihen tilanteeseen, jossa samalla perusjoukolla on

Lisätiedot

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1) HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen

Lisätiedot

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista 6 Epäyhtälöitä Epäyhtälöt ovat yksi matemaatikon voimakkaimmista työvälineistä. Yhtälö a = b kertoo sen, että kaksi ehkä näennäisesti erilaista asiaa ovat samoja. Epäyhtälö a b saattaa antaa keinon analysoida

Lisätiedot

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1 Todennäköisyyslaskun kertaus Vilkkumaa / Kuusinen 1 Satunnaismuuttujat ja todennäköisyysjakaumat Vilkkumaa / Kuusinen 2 Motivointi Kokeellisessa tutkimuksessa tutkittaviin ilmiöihin liittyvien havaintojen

Lisätiedot

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: 8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)

Lisätiedot

RATKAISUT: 17. Tasavirtapiirit

RATKAISUT: 17. Tasavirtapiirit Phyica 9. paino 1(6) ATKAST 17. Taavirtapiirit ATKAST: 17. Taavirtapiirit 17.1 a) Napajännite on laitteen navoita mitattu jännite. b) Lähdejännite on kuormittamattoman pariton napajännite. c) Jännitehäviö

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M)

MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M) MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus 7. 2. 2009 alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M) Luennoilla on nyt menossa vaihe, missä Hurri-Syrjäsen monistetta käyttäen tutustutaan

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat TKK (c) Ilkka Mellin (2006) 1 Moniulotteiset satunnaismuuttujat ja

Lisätiedot

RATKAISUT: 8. Momentti ja tasapaino

RATKAISUT: 8. Momentti ja tasapaino Phyica 9. paino (7) : 8. Voian vari r on voian vaikutuuoran etäiyy pyöriiakelita. Pyöriiakeli on todellinen tai kuviteltu akeli, jonka ypäri kappale pyörii. Voian oentti M kuvaa voian vääntövaikututa tietyn

Lisätiedot

4.3 Liikemäärän säilyminen

4.3 Liikemäärän säilyminen Tämän kappaleen aihe liikemäärän äilyminen törmäykiä. Törmäy on uora ja kekeinen, jo törmäävät kappaleet liikkuvat maakekipiteitten kautta kulkevaa uoraa pitkin ja jo törmäykohta on tällä amalla uoralla.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle / MS-A008 Differentiaali- ja integraalilaskenta, V/207 Differentiaali- ja integraalilaskenta Ratkaisut 2. viikolle / 8. 2.4. Jatkuvuus ja raja-arvo Tehtävä : Määritä raja-arvot a) 3 + x, x Vihje: c)-kohdassa

Lisätiedot

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

Tilastollinen päättely II, kevät 2017 Harjoitus 1A Tilastollinen päättely II, kevät 207 Harjoitus A Heikki Korpela 23. tammikuuta 207 Tehtävä. Kertausta todennäköisyyslaskennasta. Ilmoita satunnaismuuttujan Y jakauman nimi ja pistetodennäköisyys- tai tiheysfunktio

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi

Lisätiedot

PD-säädin PID PID-säädin

PD-säädin PID PID-säädin -äädin - äätö on ykinkertainen äätömuoto, jota voidaan kutua myö uhteuttavaki äädöki. Sinä lähtöignaali on uoraa uhteea tuloignaalin. -äätimen uhdealue kertoo kuinka paljon mittauuure aa muuttua ennen

Lisätiedot

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 017 Harjoitus 5 Ratkaisuehdotuksia Tehtäväsarja I 1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X

Lisätiedot

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoki, proeori Lappeenrannan teknillinen yliopito Näin uuden vuoden alkaea ueat meitä miettivät ijoitualkkuna kootumuta. Yki kekeiitä kyymykitä on päätö eri

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Intensiteettitaso ja Doplerin ilmiö

Intensiteettitaso ja Doplerin ilmiö Inteniteettitao ja Doplerin ilmiö Tehtävä Erkki työkentelee airaalaa. Sairaalalta 6,0 km päää on tapahtunut tieliikenneonnettomuu ja onnettomuupaikalta lähteneen ambulanin ireenin ääni kuuluu Erkille 60,0

Lisätiedot

Satunnaismuuttujan odotusarvo ja laskusäännöt

Satunnaismuuttujan odotusarvo ja laskusäännöt Luku 3 Satunnaismuuttujan odotusarvo ja laskusäännöt Lasse Leskelä Aalto-yliopisto 16. syyskuuta 2017 3.1 Odotusarvon käsite ja suurten lukujen laki Lukuarvoisen satunnaismuuttujan X odotusarvo määritellään

Lisätiedot

POSITIIVISEN LINSSIN POLTTOVÄLI

POSITIIVISEN LINSSIN POLTTOVÄLI S-108110 OPTIIKKA 1/6 POSITIIVISEN LINSSIN POLTTOVÄLI Laboratoriotyö S-108110 OPTIIKKA /6 SISÄLLYSLUETTELO 1 Poitiivien linin polttoväli 3 11 Teoria 3 1 Mittauken uoritu 5 LIITE 1 6 Mittaupöytäkirja 6

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Aiheet: Satunnaisvektorit ja moniulotteiset jakaumat Tilastollinen riippuvuus ja lineaarinen korrelaatio Satunnaisvektorit ja moniulotteiset

Lisätiedot

Maatalous-metsätieteellisen tiedekunnan valintakoe Ympäristö-ja luonnonvaraekonomia Matematiikan kysymysten oikeat vastaukset

Maatalous-metsätieteellisen tiedekunnan valintakoe Ympäristö-ja luonnonvaraekonomia Matematiikan kysymysten oikeat vastaukset Maatalous-metsätieteellisen tiedekunnan valintakoe 18.5.2015 Ympäristö-ja luonnonvaraekonomia Matematiikan kysymysten oikeat vastaukset 7. a) Matti ja Maija lähtevät kävelemään samasta pisteestä vastakkaisiin

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat: Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva

Lisätiedot

Todennäköisyyslaskun kertaus. Heliövaara 1

Todennäköisyyslaskun kertaus. Heliövaara 1 Todennäköisyyslaskun kertaus Heliövaara 1 Satunnaismuuttujat ja todennäköisyysjakaumat Heliövaara 2 Stunnaismuuttujat ja todennäköisyysjakaumat Jos satunnaisilmiötä halutaan mallintaa matemaattisesti,

Lisätiedot

Johdatus tn-laskentaan torstai 16.2.2012

Johdatus tn-laskentaan torstai 16.2.2012 Johdatus tn-laskentaan torstai 16.2.2012 Muunnoksen jakauma (ei pelkkä odotusarvo ja hajonta) Satunnaismuuttujien summa; Tas ja N Vakiokerroin (ax) ja vakiolisäys (X+b) Yleinen muunnos: neulanheittoesimerkki

Lisätiedot

8.1 Ehdolliset jakaumat

8.1 Ehdolliset jakaumat 8 Ehdollinen jakauma Tämän kappaleen tärkeitä käsitteitä: Ehdollinen jakauma; ehdollinen ptnf/tf. Kertolaskusääntö eli ketjusääntö yhteisjakauman esittämiseksi. Ehdollinen odotusarvo ja ehdollinen varianssi.

Lisätiedot

Satunnaismuuttujan odotusarvo ja laskusäännöt

Satunnaismuuttujan odotusarvo ja laskusäännöt Luku 3 Satunnaismuuttujan odotusarvo ja laskusäännöt Lasse Leskelä Aalto-yliopisto 17. marraskuuta 2017 3.1 Odotusarvon käsite ja suurten lukujen laki Lukuarvoisen satunnaismuuttujan X odotusarvo määritellään

Lisätiedot

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma

3.1 Kaksiulotteinen satunnaisvektori ja sen jakauma 3 Yhteisjakauma Kappaleessa 2 tarkastelimme aina yhtä satunnaismuuttujaa kerrallaan. Tässä kappaleessa näemme, miten aikaisemmat käsitteet yleistyvät siihen tilanteeseen, jossa samalla perusjoukolla on

Lisätiedot

6. laskuharjoitusten vastaukset (viikot 10 11)

6. laskuharjoitusten vastaukset (viikot 10 11) 6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287

Lisätiedot

Kahdeksansolmuinen levyelementti

Kahdeksansolmuinen levyelementti Levy8 ja RS hm.. Kahdekanolminen levyelementti akatellaan kvan kahdekanolmita levyelementtiä. q 6 y (,y q 8 ( 8,y 8 8 q 7 q 6 (,y q 5 q q q 7 q q ( 7,y 7 v ( 6,y 6 P 5 ( 5,y 5 q 9 6 q 5 (,y q (,y q q q

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.4 Tilatollie aali peruteet, kevät 7 6. lueto: Johdatu regreioaalii Regreioaali idea Tavoitteea elittää elitettävä tekiä/muuttua havaittue arvoe vaihtelu elittävie tekiöide/muuttuie havaittue arvoe

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3A Satunnaismuuttujien summa ja keskihajonta Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2

Derivaatat lasketaan komponenteittain, esimerkiksi E 1 E 2 MS-C50 Osittaisdifferentiaaliyhtälöt Harjoitukset syksy 07. Oletetaan että vektorikenttä E E E E : R R on kaksi kertaa jatkuvasti derivoituva E C R. Näytä että E E. Derivaatat lasketaan komponenteittain

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (2005) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat Kaksiulotteiset todennäköisyysjakaumat

Lisätiedot

12. ARKISIA SOVELLUKSIA

12. ARKISIA SOVELLUKSIA MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina

Lisätiedot

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai

MATP153 Approbatur 1B Ohjaus 2 Keskiviikko torstai MATP15 Approbatur 1B Ohjaus Keskiviikko 4.11. torstai 5.11.015 1. (Opiskeluteht. 6 s. 0.) Määritä sellainen vakio a, että polynomilla x + (a 1)x 4x a on juurena luku x = 1. Mitkä ovat tällöin muut juuret?.

Lisätiedot

3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4

3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4 Ü µ ½ ¾Ü¾µ Ü¾Ê 3.11.2006 1. Satunnaismuuttujan tiheysfunktio on ¼ ļ ܽ ܾ ÜÒµ Ä Ü½ ÜÒµ Ò Ä Ü½ ܾ ÜÒµ ܽ µ ܾ µ ÜÒ µ Ò missä tietenkin vaaditaan, että ¼. Muodosta :n ¾Ä ܽ ÜÒµ Ò ½¾ ܾ Ò ½ ¾Ü¾½µ ½ ¾Ü¾Òµ

Lisätiedot

Valintahetket ja pysäytetyt martingaalit

Valintahetket ja pysäytetyt martingaalit 4B Valintahetket ja pysäytetyt martingaalit Tämän harjoituksen tavoitteena on oppia tunnistamaan, mitkä satunnaishetket ovat valintahetkiä ja oppia laskemaan lukuarvoja ja estimaatteja satunnaisprosessien

Lisätiedot

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U

Oletetaan ensin, että tangenttitaso on olemassa. Nyt pinnalla S on koordinaattiesitys ψ, jolle pätee että kaikilla x V U HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 018 Harjoitus 4 Ratkaisuehdotukset Tehtävä 1. Olkoon U R avoin joukko ja ϕ = (ϕ 1, ϕ, ϕ 3 ) : U R 3 kaksiulotteisen C 1 -alkeispinnan

Lisätiedot

Tilastomatematiikka Kevät 2008

Tilastomatematiikka Kevät 2008 Tilastomatematiikka Kevät 2008 Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastomatematiikka p.1/19 4.3 Varianssi Satunnaismuuttuja on neliöintegroituva, jos odotusarvo

Lisätiedot

sin(x2 + y 2 ) x 2 + y 2

sin(x2 + y 2 ) x 2 + y 2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 2017 Harjoitus 2 Ratkaisuedotukset 2.1. Tutki funktion g : R 2 R, g(0, 0) = 0, jatkuvuutta. g(x, y) = sin(x2 + y 2 ) x 2 + y 2, kun (x,

Lisätiedot

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ 4.9.09 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 8 Väliarvolause Oletetaan, että funktio f on jatkuva jollain reaalilukuvälillä [a, b] ja derivoituva avoimella välillä (a, b). Funktion muutos tällä välillä on luonnollisesti

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

Lisätiedot

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin.

Ratkaisu: (i) Joukko A X on avoin jos kaikilla x A on olemassa r > 0 siten että B(x, r) A. Joukko B X on suljettu jos komplementti B c on avoin. Matematiikan ja tilastotieteen laitos Topologia I 1. kurssikoe 26.2.2013 Malliratkaisut ja tehtävien tarkastamiset Tehtävät 1 ja 2 Henrik Wirzenius Tehtävät 3 ja 4 Teemu Saksala Jos sinulla on kysyttävää

Lisätiedot

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset Todennäköisyyslaskenta IIa, syyslokakuu 019 / Hytönen. laskuharjoitus, ratkaisuehdotukset 1. Kurssilla on 0 opiskelijaa, näiden joukossa Jutta, Jyrki, Ilkka ja Alex. Opettaja aikoo valita umpimähkään opiskelijan

Lisätiedot

2.1 Satunnaismuuttuja ja sen jakauma

2.1 Satunnaismuuttuja ja sen jakauma 2.1 Satunnaismuuttuja ja sen jakauma Satunnaismuuttuja (lyhenne sm, engl. random variable, rv (joskus myös variate), sv. stokastisk variabel (joskus myös slumpvariabel)) on satunnaiskokeeseen liittyvä

Lisätiedot

Johdatus tn-laskentaan perjantai 17.2.2012

Johdatus tn-laskentaan perjantai 17.2.2012 Johdatus tn-laskentaan perjantai 17.2.2012 Kahden diskreetin muuttujan yhteisjakauma On olemassa myös monen muuttujan yhteisjakauma, ja jatkuvien muuttujien yhteisjakauma (jota ei käsitellä tällä kurssilla;

Lisätiedot

3. laskuharjoituskierros, vko 6, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,

Lisätiedot

3.6 Su-estimaattorien asymptotiikka

3.6 Su-estimaattorien asymptotiikka 3.6 Su-estimaattorien asymptotiikka su-estimaattorit ovat usein olleet puutteellisia : ne ovat usein harhaisia ja eikä ne välttämättä ole täystehokkaita asymptoottisilta ominaisuuksiltaan ne ovat yleensä

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3A Normaaliapproksimaatio Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-25 Todennäköisyyslaskenta Tentti 12.4.216 / Kimmo Vattulainen Funktiolaskin sallittu. Palauta kaavakokoelma 1. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi

Lisätiedot

Kahdeksansolmuinen levyelementti

Kahdeksansolmuinen levyelementti Levy8 ja RS hm 7.. Kahdekanolminen levyelementti akatellaan kvan kahdekanolmita levyelementtiä. q 6 y (,y q 8 ( 8,y 8 8 q 7 q 6 (,y q 5 q q q 7 q q ( 7,y 7 v ( 6,y 6 P 5 ( 5,y 5 q 9 6 q 5 (,y q (,y q q

Lisätiedot

Reaalifunktioista 1 / 17. Reaalifunktioista

Reaalifunktioista 1 / 17. Reaalifunktioista säilyy 1 / 17 säilyy Jos A, B R, niin funktiota f : A B sanotaan (yhden muuttujan) reaalifunktioksi. Tällöin karteesinen tulo A B on (aiempia esimerkkejä luonnollisemmalla tavalla) xy-tason osajoukko,

Lisätiedot

10 Suoran vektorimuotoinen yhtälö

10 Suoran vektorimuotoinen yhtälö 10 Suran vektrimutinen htälö J aluki tarkatellaan -tan kuuluvaa, rign kautta kulkevaa uraa, niin ura n täin määrätt, mikäli tunnetaan en uunta. Tavallieti tämä annetaan uuntakulman tangentin = kulmakertimen

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011 Kopulafunktiot Joonas Ollila 12. lokakuuta 2011 Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään. Kopula-sanan alkuperä Kopula tarkoittaa

Lisätiedot

Laplacemuunnosten perusteet kurssilla S1; v.1.0

Laplacemuunnosten perusteet kurssilla S1; v.1.0 Laplacemuunnoten peruteet kurilla S; v.. Jarmo Malinen. joulukuuta 29 Siältö Alkuanat 2 2 Määritelmiä 2 3 Laplace-muunnoken ominaiuukia 6 4 Sovellutu vakiokertoimiiin lineaariiin differentiaaliyhtälöihin

Lisätiedot

Viikkotehtävät IV, ratkaisut

Viikkotehtävät IV, ratkaisut Viikkotehtävät IV, ratkaiut. 7,40 V (pariton napajännite) I 7 ma (lampun A ähkövirta rinnankytkennää) I 5 ma (lampun B ähkövirta rinnankytkennää) a) eitani on, joten lamppujen reitanit voidaan lakea tehtävää

Lisätiedot

Moniulotteiset satunnaismuuttujat ja jakaumat

Moniulotteiset satunnaismuuttujat ja jakaumat Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat KE (2014) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat >> Kaksiulotteiset

Lisätiedot

k-kantaisen eksponenttifunktion ominaisuuksia

k-kantaisen eksponenttifunktion ominaisuuksia 3.1.1. k-kantaisen eksponenttifunktion ominaisuuksia f() = k (k > 0, k 1) Määrittely- ja arvojoukko M f = R, A f = R + Jatkuvuus Funktio f on jatkuva Monotonisuus Funktio f aidosti kasvava, kun k > 1 Funktio

Lisätiedot

JOHDATUS TEKOÄLYYN LUENTO 4.

JOHDATUS TEKOÄLYYN LUENTO 4. 2009 CBS INTERACTIVE JOHDATUS TEKOÄLYYN LUENTO 4. TODENNÄKÖISYYSMALLINNUS II: BAYESIN KAAVA TEEMU ROOS Marvin Minsky Father of Artificial Intelligence, 1927 2016 PINGVIINI(tweety) :- true. Wulffmorgenthaler

Lisätiedot

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,...

Ratkaisu: Ensimmäinen suunta. Olkoon f : R n R m jatkuva eli kaikilla ε > 0 on olemassa sellainen δ > 0, että. kun x a < δ. Nyt kaikilla j = 1,... HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi II, syksy 2017 Harjoitus 1 Ratkaisuehdotukset 11 Osoita, että vektorifunktio f = (f 1,, f m ): R n R m, on jatkuva, jos ja vain jos jokainen komponenttifunktio

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2018 Insinöörivalinnan matematiikan koe, 2952018, Ratkaisut (Sarja A) 1 Anna kaikissa kohdissa vastaukset tarkkoina arvoina Kohdassa d), anna kulmat

Lisätiedot

2.1 Satunnaismuuttuja ja sen jakauma

2.1 Satunnaismuuttuja ja sen jakauma 2.1 Satunnaismuuttuja ja sen jakauma Satunnaismuuttuja (lyhenne sm, engl. random variable, rv (joskus myös variate), sv. stokastisk variabel (joskus myös slumpvariabel)) on satunnaiskokeeseen liittyvä

Lisätiedot

Y56 Laskuharjoitukset 3 palautus ma klo 16 mennessä

Y56 Laskuharjoitukset 3 palautus ma klo 16 mennessä 1 Y6 Lakuharjoituket 3 alautu ma 3.. klo 16 menneä Harjoitu 1. Lue enin Vihmo, Jouni (006) Alkoholijuomien hintajoutot uomea vuoina 199 00, Yhteikuntaolitiikka 71, 006/1 ivut 9 ja vataa itten kyymykiin.

Lisätiedot

Laplace-muunnoksesta ja differentiaaliyhtälöiden ratkaisemisesta sen avulla

Laplace-muunnoksesta ja differentiaaliyhtälöiden ratkaisemisesta sen avulla TAMPEREEN YLIOPISTO Pro gradu -tutkielma Jui Talja Laplace-muunnoketa ja differentiaaliyhtälöiden ratkaiemieta en avulla Informaatiotieteiden ykikkö Matematiikka Huhtikuu 2 Tampereen yliopito Informaatiotieteiden

Lisätiedot

Mat-2.090 Sovellettu todennäköisyyslasku A

Mat-2.090 Sovellettu todennäköisyyslasku A Mat-.090 Sovellettu todeäköiyylaku A Mat-.090 Sovellettu todeäköiyylaku A / Ratkaiut Aiheet: Avaiaat: Tilatollite aieito keräämie ja mittaamie Tilatollite aieitoje kuvaamie Oto ja otojakaumat Aritmeettie

Lisätiedot

Väliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme?

Väliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme? TKK (c) Ilkka Melli (004) Välietimoiti Todeäköiyyjakaumie parametrie etimoiti Normaalijakauma variai luottamuväli Beroulli-jakauma odotuarvo luottamuväli Johdatu tilatotieteeee Välietimoiti TKK (c) Ilkka

Lisätiedot

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61 3.3. Satunnaismuuttujien ominaisuuksia 61 Odotusarvo Määritelmä 3.5 (Odotusarvo) Olkoon X diskreetti satunnaismuuttuja, jonka arvojoukko on S ja todennäköisyysfunktio f X (x). Silloin X:n odotusarvo on

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)

Lisätiedot

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (4) todennäköisyysjakaumat Johdatus todennäköisyyslaskentaan todennäköisyysjakaumat TKK (c) Ilkka Mellin (4) todennäköisyysjakaumat: Mitä opimme? /5 hden satunnaismuuttujan todennäköisyysjakaumat

Lisätiedot

031021P Tilastomatematiikka (5 op) viikko 2

031021P Tilastomatematiikka (5 op) viikko 2 031021P Tilastomatematiikka (5 op) viikko 2 Jukka Kemppainen Mathematics Division Satunnaismuuttuja Useissa luonnon- tai teknistieteellisissä sovellutuksissa satunnaiskokeen lopputulos on numeerinen lukuarvo.

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13 Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 2 x 2 3 2 3 x 1 4, (b) (x + 1)(x 2)

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

Mat Koesuunnittelu ja tilastolliset mallit Mat-.03 Koeuuittelu ja tilatolliet mallit Mat-.03 Koeuuittelu ja tilatolliet mallit / Ratkaiut Aiheet: Avaiaat: Tilatolliet tetit Tetit uhdeateikolliille muuttujille Tetit laatueroateikolliille muuttujille

Lisätiedot

D ( ) E( ) E( ) 2.917

D ( ) E( ) E( ) 2.917 Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot