1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

Koko: px
Aloita esitys sivulta:

Download "1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit"

Transkriptio

1 Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos, Tlastolle mall, Todeäkösyysjakauma, Tuusluku, Yhtesjakauma.. Artmeettse keskarvo ja otosvarass otosjakaumat: Odotusarvot ja varasst Artmeette keskarvo, Havato, Havatoarvo, Keskvrhe, Odotusarvo, Otos, Otosjakauma, Otoskeskhajota, Otostuusluku, Otosvarass, Rppumattomuus, Satuasmuuttuja, Satuasotos, Stadardot, Todeäkösyysjakauma, Tuusluku, Varass.3. Artmeettse keskarvo ja otosvarass otosjakaumat: Otos ormaaljakaumasta Artmeette keskarvo, Havato, Havatoarvo, -jakauma, Momettemäfukto, Normaaljakauma, Odotusarvo, Otos, Otosjakauma, Otostuusluku, Otosvarass, Rppumattomuus, Satuasmuuttuja, Satuasmuuttuje muuokset, Satuasotos, Stadardot, t-jakauma, Todeäkösyysjakauma, Tuusluku, Varass.4. Artmeettse keskarvo otosjakauma: Suurte otoste tuloksa Approksmatve jakauma, Artmeette keskarvo, Asymptootte jakauma, Havato, Havatoarvo, Jakaumakovergess, Keskee raja-arvolause, Momettemäfukto, Normaaljakauma, Odotusarvo, Otos, Otosjakauma, Otostuusluku, Otosvarass, Rppumattomuus, Satuasmuuttuja, Satuasmuuttuje summa, Satuasotos, Stadardot, Stokaste kovergess, Suurte lukuje lak, Taylor sarja, Todeäkösyysjakauma, Tuusluku, Varass.5. Suhteellse frekvess otosjakauma Approksmatve jakauma, Artmeette keskarvo, Asymptootte jakauma, Beroulljakauma, Bomjakauma, Havato, Havatoarvo, Jakaumakovergess, Keskee raja-arvolause, Normaaljakauma, Odotusarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos, Stadardot, Stokaste kovergess, Suurte lukuje lak, Todeäkösyysjakauma, Tuusluku, Varass.6. Järjestystuusluvut Bomjakauma, Dskreett jakauma, Havato, Havatoarvo, Jatkuva jakauma, Järjestetty otos, Järjestystuusluku, Kertymäfukto, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos, Theysfukto, Todeäkösyysjakauma, Tuusluku, Varass.7. Delta-meetelmä Approksmatve jakauma, Asymptootte jakauma, Delta-meetelmä, Havato, Havatoarvo, Jakaumakovergess, Keskee raja-arvolause, Muuos, Normaaljakauma, Odotusarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos, Slutsky lause, Stokaste kovergess, Suurte lukuje lak, Taylor sarja, Todeäkösyysjakauma, Tuusluku, Ilkka Mell (00) /36

2 Tlastolle päättely. Ilkka Mell (00) /36

3 Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Satuasotos Olkoot,,, rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o ss sama pstetodeäkösyys- ta theysfukto f(x) Tällö saomme, että satuasmuuttujat,,, muodostavat (ykskertase) satuasotokse jakaumasta f(x) ja kutsumme satuasmuuttuja,,, havaoks. Oletetaa, että satuasmuuttujat,,, saavat otaa tuloksea havatuks arvoksee havatoarvot x, x,, x Merktää tätä seuraavalla tavalla: Huomautuksa: () Jos satuasmuuttujat = x, = x,, = x,,, muodostavat satuasotokse jakaumasta f(x), de havatut arvot () () (v) x, x,, x o saatu tostamalla tosstaa rppumattoma arvotoja kertaa samo, jakaumasta f(x) saatav todeäkösyyks. Satuasmuuttuje,,, havatut arvot x, x,, x ovat ktetä el esatuasa, mutta e vahtelevat tosstaa rppumatta ja satuasest otoksesta tosee. Satuasuus otoksessa lttyy ss she, mte havatoarvot vahtelevat otoksesta tosee. Satuasuus e ss lty otaa tuloksea saatuh havatoarvoh (jotka ovat ktetä lukuja!), vaa otokse Ilkka Mell (00) 3/36

4 Tlastolle päättely. Otosjakaumat Ykskertase satuasotokse tlastolle mall Olkoo,,, satuasotos satuasmuuttuja jakaumasta, joka pstetodeäkösyys- ta theysfukto o f(x). Tällö satuasmuuttuje,,, yhtesjakauma muodostaa tlastollse mall havatoarvoje satuaselle vahtelulle otoksesta tosee. Koska satuasmuuttujat,,, o tässä oletettu rppumattomks, satuasmuuttuje,,, yhtesjakauma saadaa satuasmuuttuje,,, reuajakaume tuloa: jossa f ( x, x,, x ) f ( x ) f ( x ) f ( x ) f ( x ),,,, Otostuusluvut Olkoo,,, satuasotos satuasmuuttuja jakaumasta, joka pstetodeäkösyys- ta theysfukto o f(x). Tällö havaot,,, ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x): Olkoo,,, f ( x),,,, T = g(,,, ) jok satuasmuuttuje,,, (mtalle) fukto. Tällö satuasmuuttujaa T kutsutaa (otos-) tuusluvuks. Oletetaa, että satuasmuuttujat,,, saavat otaa tuloksea havatuks arvoksee havatoarvot x, x,, x : Tällö tuusluku = x, = x,, = x T = g(,,, ) saa havatuks arvoksee t fukto g arvo psteessä (x, x,, x ): t = g(x, x,, x ) Tuusluku T o satuasmuuttuje,,, fuktoa satuasmuuttuja. Tuusluvu T jakaumaa kutsutaa tuusluvu T otosjakaumaks. Tuusluvu T otosjakauma muodostaa tlastollse mall tuusluvu T havattuje arvoje satuaselle vahtelulle otoksesta Ilkka Mell (00) 4/36

5 Tlastolle päättely. Otosjakaumat.. Artmeettse keskarvo ja otosvarass otosjakaumat: Odotusarvot ja varasst Satuasotos Olkoo,,, satuasotos jakaumasta, joka odotusarvo o ja varass o. Tällö havaot,,, ovat rppumattoma satuasmuuttuja, jode odotusarvo o ja varass o :,,, E( ),,,, Var( ),,,, Artmeette keskarvo Määrtellää havatoje,,, artmeette keskarvo kaavalla Artmeette keskarvo kuvaa havatoarvoje keskmäärästä arvoa. Artmeette keskarvo o satuasmuuttuje,,, fuktoa satuasmuuttuja, joka arvo vahtelee satuasest otoksesta tosee. Otosvarass Määrtellää havatoje,,, otosvarass kaavalla jossa s ( ) o havatoje,,, artmeette keskarvo. Otosvarass kuvaa havatoarvoje vahtelua de artmeettse keskarvo ympärllä. Otosvarass o satuasmuuttuje,,, fuktoa satuasmuuttuja, joka arvo vahtelee satuasest otoksesta tosee. Otosvarass kaava vodaa krjottaa myös muotoh Ilkka Mell (00) 5/36

6 Tlastolle päättely. Otosjakaumat Perustelu: s ( ) ( ) Otoskeskhajota Määrtellää havatoje,,, (otos-) keskhajota kaavalla s ( ) Otoskeskhajota kuvaa havatoarvoje vahtelua de artmeettse keskarvo ympärllä. Otoskeskhajota o satuasmuuttuje,,, fuktoa satuasmuuttuja, joka arvo vahtelee satuasest otoksesta tosee. Huomaa, että havatoarvoje otoskeskhajota o mtattu samossa ykskössä ku de artmeette keskarvo tos ku havatoarvoje otosvarass, joka mttaykskköä o havatoarvoje mttaykskö elö. Artmeettse keskarvo odotusarvo ja varass Olkoo,,, satuasotos jakaumasta, joka odotusarvo o ja varass o. Tällö havatoje,,, artmeettse keskarvo odotusarvo o ja varass o E( ) Var( ) D ( Ilkka Mell (00) 6/36

7 Tlastolle päättely. Otosjakaumat Perustelu: Olkoot,,, rppumattoma satuasmuuttuja, jolle Tällö ja Huomautuksa: () () Yhtälö E( ),,,, Var( ),,,, E( ) E E( ) Var( ) Var Var( ) Havatoje rppumattomuus E( ) pätee, vakka havaot,,, evät ols rppumattoma, koska summa odotusarvo o aa summa tekjöde odotusarvoje summa. Se sjaa yhtälö Var( ) todstamsessa joudutaa vetoamaa she, että rppumattomlle satuasmuuttujlle pätee se, että summa varass o summa tekjöde varasse summa. Artmeettse keskarvo stadardpokkeamaa D( Ilkka Mell (00) 7/36

8 Tlastolle päättely. Otosjakaumat kutsutaa use keskarvo keskvrheeks ja se kuvaa artmeettse keskarvo otosvahtelua oma odotusarvosa ympärllä. Stadardodu artmeettse keskarvo odotusarvo ja varass Olkoo,,, satuasotos jakaumasta, joka odotusarvo o ja varass o, jollo havatoje,,, artmeettse keskarvo odotusarvo o ja varass o E( ) Var( ) D ( ) Tällö stadardodu satuasmuuttuja Z odotusarvo ja varass ovat E( ) D( ) E( Z) 0 Var( Z) Otosvarass odotusarvo ja varass Olkoo,,, satuasotos jakaumasta, joka odotusarvo o, varass o ja 4. keskusmomett o 4. Tällö havatoje,,, otosvarass odotusarvo o ja varass o s ( ) E( s ) 3 4 Var( s ) 4 Suurlle pätee approksmatvsest 4 Var( s ) a ( 4 Ilkka Mell (00) 8/36

9 Tlastolle päättely. Otosjakaumat Jos lsäks vodaa olettaa, että havaot,,, ovat ormaaljakautueta, 4 Var( s ) Perustelu: Todstamme tässä va otosvarass odotusarvoa koskeva tulokse. Olkoot,,, rppumattoma satuasmuuttuja, jolle Todetaa es, että E( ),,,, Var( ),,,, koska ja Ste ( ) [( ) ( )] s ( ) ( ) ( )( ) ( ) ( ) s ( ) ( ) 0 E( s ) E ( ) E ( ) E ( ) ( ) E( ) E( ) ( Ilkka Mell (00) 9/36

10 Tlastolle päättely. Otosjakaumat koska ja E( ) Var( ),,,, E( ) Var( ).3. Artmeettse keskarvo ja otosvarass otosjakaumat: Otos ormaaljakaumasta Artmeettse keskarvo otosjakauma, ku otos o ormaaljakautuut Olkoo,,, satuasotos ormaaljakaumasta N(, ). Tällö havatoje,,, artmeette keskarvo oudattaa ormaaljakaumaa N(, /): Perustelu: N, Olkoot,,, rppumattoma ja samaa ormaaljakaumaa oudattava satuasmuuttuja, jolle E( ),,,, Var( ),,,, Edellä o todettu, että lma ormaalsuusoletustak pätee E( ) Var( ) D ( ) Lausee todstamseks ptää ss äyttää, että satuasmuuttuje,,, artmeettse keskarvo jakauma o ormaaljakauma. Käytämme todstamsessa hyväks ormaaljakauma momettemäfuktota. Jos N(, ) satuasmuuttuja momettemäfukto o m t e t t t ( ) E( ) exp( Ilkka Mell (00) 0/36

11 Tlastolle päättely. Otosjakaumat Momettemäfukto ylesstä omasuukssta seuraa, että rppumattome ja samo jakautuede satuasmuuttuje,,, artmeettse keskarvo momettemäfukto o muotoa m ( t) [ m( t / )] jossa m(t) o satuasmuuttuje,,, momettemäfukto. Ste rppumattome samaa ormaaljakaumaa N(, ) oudattave satuasmuuttuje momettemäfuktoks saadaa m ( t) [ m( t / )] [exp( ( t / ) ( t / ) )] [exp( ( t / ( t / ) ))] [exp( t ( / ) t )] mkä o ormaaljakauma N(, /) momettemäfukto. Ste N, Stadardodu artmeettse keskarvo otosjakauma, ku otos o ormaaljakautuut Olkoo,,, satuasotos ormaaljakaumasta N(, ), jollo havatoje,,, artmeette keskarvo oudattaa ormaaljakaumaa N(, /): N, Tällö stadardotu satuasmuuttuja Z E( ) D( ) oudattaa stadardotua ormaaljakaumaa N(0,): Z N(0,) Otosvarass otosjakauma, ku otos o ormaaljakautuut Olkoo,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttuja Ilkka Mell (00) /36

12 Tlastolle päättely. Otosjakaumat oudattaa -jakaumaa vapausaste : Perustelu: Y ( ) Olkoot,,, rppumattoma ja samaa ormaaljakaumaa oudattava satuasmuuttuja, jolle E( ),,,, Var( ),,,, Määrtellää satuasmuuttuja Y kaavalla Y Koska havaot,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(, ), stadardodut satuasmuuttujat Y,,,, ovat rppumattoma ja oudattavat stadardotua ormaaljakaumaa N(0,): Y N(0,), 0,,,, Ste satuasmuuttuja Y o rppumattome, stadardotua ormaaljakaumaa N(0,) oudattave satuasmuuttuje Y, =,,, elösumma: Y Y Suoraa -jakauma määrtelmästä seuraa, että satuasmuuttuja Y oudattaa -jakaumaa vapausaste : Y ( ) Olkoo,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttuja V ( ) s oudattaa -jakaumaa vapausaste ( ): Perustelu: V ( ) Olkoot,,, rppumattoma ja samaa ormaaljakaumaa oudattava satuasmuuttuja, jolle E( ),,,, Var( Ilkka Mell (00) /36

13 Tlastolle päättely. Otosjakaumat Määrtellää satuasmuuttuja V kaavalla V Satuasmuuttujat ( ) s U,,,, evät ole rppumattoma, koska U 0 Vodaa kutek osottaa, että satuasmuuttuja V vodaa esttää rppumattome, stadardotua ormaaljakaumaa N(0,) oudattave satuasmuuttuje V, =,,, elösummaa (ks. alla estettyä perustelua ormaaljakautuee otokse artmeettse keskarvo ja otosvarass rppumattomuudelle): V V Suoraa -jakauma määrtelmästä seuraa, että satuasmuuttuja V oudattaa -jakaumaa vapausaste ( ): Huomautuksa: () Satuasmuuttuja Y ( ) () () Y oudattaa -jakaumaa, joka vapausastede lukumäärä o sama ku havatoje lukumäärä. Ku satuasmuuttujasta Y srrytää satuasmuuttujaa V meetetää yks vapausaste. ( ) s Yhde vapausastee meetys o seurausta stä, että ku rppumattomsta satuasmuuttujsta Y,,,, srrytää Ilkka Mell (00) 3/36

14 Tlastolle päättely. Otosjakaumat U,,,, korvaamalla odotusarvoparametr estmaattorllaa, sytyy yks (leaare) sde-ehto (v) U 0 Oletukset havatoje rppumattomuudesta ja samasta jakaumasta ovat välttämättömä otosvarass eksakta el tarkkaa otosjakaumaa koskevalle tulokselle. Artmeettse keskarvo ja otosvarass rppumattomuus Olkoo,,, satuasotos ormaaljakaumasta N(, ) ja olkoo havatoje,,, artmeette keskarvo ja otosvarass Tällö s ( ) N, V Lsäks ja s ovat rppumattoma ja Perustelu: t ( ) s t( ) s / ( ) Olkoot,,, rppumattoma ja samaa ormaaljakaumaa oudattava satuasmuuttuja, jolle E( ),,,, Var( ),,,, Olkoot havatoje,,, artmeette keskarvo ja otosvarass s ( Ilkka Mell (00) 4/36

15 Tlastolle päättely. Otosjakaumat Otokse,,, yhtesjakauma theysfukto vodaa krjottaa havatoje rppumattomuude ja ormaalsuude taka seuraavaa muotoo: f ( x, x,, x ) ( ) exp ( x ) Määrtellää leaarmuuos Y 3 Y Y Y ( ) ( ) ( ) 3 ( ) Muuos vodaa esttää matrse muodossa jossa ja -matrs Y B Y ( Y, Y,, Y ) (,,, ) B o ortogoaale: ( ) ( ) ( ) ( ) B B = BB = I Matrs B ähdää helpost ortogoaalseks seuraavalla päättelyllä: Määrtellää -matrs C ( ) 0 ( ) O helppo ähdä, että matrs C rvt ovat selväst kohtsuorassa tosaa vastaa. Matrs B saadaa matrssta C ormeeraamalla se rvt, että de ptuudeks Ilkka Mell (00) 5/36

16 Tlastolle päättely. Otosjakaumat Koska muuos Y B o ortogoaale, muuosta vastaava Jacob determat tsesarvo =. Koska ja Koska Y ( ) Y Y Y YY BB ( ) ( ) ( ) Y Y s ( ) ( ) ( ) ( ) ( ) Y Y ( Y ) satuasmuuttuje Y, Y,, Y yhtesjakauma theysfuktoks saadaa f ( y, y,, y ) e ( ) Edellä estetystä seuraa, että satuasmuuttujat Y, Y,, Y ovat rppumattoma ja ormaaljakautueta: Lsäks Y, Y,, Y Y ( Y ) Y Y ( Y ) Y Y e e e N(, ) Y N(0, ),,, jossa Y ( Y ) s Y Ilkka Mell (00) 6/36

17 Tlastolle päättely. Otosjakaumat Y N(0,),,, Ste olemme todstaeet, että s N, ( ) s Todstetaa velä, että t ( ) t( ) s / Edellä todstetusta artmeettsta keskarvoa koskevasta jakaumatuloksesta seuraa, että Lsäks ja N(0,) / ( ) s s ( ) Suoraa Studet t-jakauma määrtelmästä seuraa, että t / t( ) s / ( ) s.4. Artmeettse keskarvo otosjakauma: Suurte otoste tuloksa Suurte lukuje lak Olkoo,,, satuasotos jakaumasta, joka odotusarvo o ja varass o. Määrtellää havatoje,,, artmeette keskarvo kaavalla Heko suurte lukuje la mukaa satuasmuuttuje,,, artmeettste keskarvoje muodostama joo kovergo havatoje lukumäärä kasvaessa rajatta stokastsest koht satuasmuuttuje yhtestä odotusarvoa Ilkka Mell (00) 7/36

18 Tlastolle päättely. Otosjakaumat Perustelu: P Olkoo, =,, 3, joo rppumattoma satuasmuuttuja, jolla o sama odotusarvo ja varass o : Olkoo,,, 3 E( ),,,3, Var( ),,,3, satuasmuuttuje, =,,, artmeette keskarvo. Tshebyshev epäyhtälö mukaa Pr Koska epäyhtälö okea puol 0, ku, Huomautuksa: () () () P Hekko suurte lukuje lak vodaa lmasta sao seuraavast: Samo jakautuede satuasmuuttuje artmeette keskarvo lähestyy muuttuje lukumäärä kasvaessa muuttuje yhtestä odotusarvoa sellasella tavalla, että (suurte) pokkeame todeäkösyys satuasmuuttuje yhtesestä odotusarvosta tulee yhä peemmäks el (suuret) pokkeamat tulevat yhä harvasemmks. Suurte lukuje lakeja vodaa ptää matemaattsea formulota emprse todeäkösyyde kästteesee lttyvälle tlastollse stablteet kästteelle. Suurte lukuje laesta o olemassa ylesempä muotoja, jossa vodaa levetää samojakautuesuus- ja rppumattomuusoletuksa. Keskee raja-arvolause Olkoo,,, satuasotos jakaumasta, joka odotusarvo o ja varass o. Olkoo Y havatoje,,, summa. Summa Y odotusarvo ja varass ovat E( Y ) D ( Y Ilkka Mell (00) 8/36

19 Tlastolle päättely. Otosjakaumat Stadardodaa summa Y : Z Y E( Y ) Y D( Y ) Aetaa havatoje lukumäärä kasvaa rajatta. Tällö satuasmuuttuja Z jakauma kovergo (jakaumakovergess melessä) koht stadardotua ormaaljakaumaa N(0,): Y lm Pr z ( z) jossa o stadardodu ormaaljakauma N(0,) kertymäfukto. Merktsemme tätä Z Y a N(0,) ja saomme: Stadardotu satuasmuuttuja Z oudattaa asymptoottsest stadardotua ormaaljakaumaa N(0,). Perustelu: Olkoo,, 3, joo rppumattoma, samo jakautueta satuasmuuttuja, jode odotusarvo o ja varass o :,,, 3 E( ),,,3, Var( ),,,3, Oletetaa, että satuasmuuttuje, =,, 3, momettemäfukto t m( t) E( e ),,,3, o olemassa jossak orgo ympärstössä. Olkoo Y satuasmuuttuje, =,,, summa. Summamuuttuja Y odotusarvo ja varass ovat E( Y ) D ( Y ) Stadardodaa summa Y : Z Y E( Y ) Y D( Y ) Stadardodu satuasmuuttuja Z odotusarvo ja varass ovat E( Z ) 0 Var( Z Ilkka Mell (00) 9/36

20 Tlastolle päättely. Otosjakaumat Srrytää tarkastelemaa keskstettyjä satuasmuuttuja T,,,3 Satuasmuuttuje T odotusarvo ja varass ovat E( T ) 0,,,3, D ( T ),,,3, Keskstettyje muuttuje T avulla stadardotu muuttuja Z vodaa krjottaa muotoo Y Z ( T T T ) Koska satuasmuuttuje, =,, 3, momettemäfukto o olemassa jossak orgo ympärstössä myös kesktettyje muuttuje T,,,3 momettemäfukto o olemassa jossak orgo ympärstössä. Olkoo m( t) E( e tt ) satuasmuuttuje T, =,, 3, momettemäfukto. Koska rppumattome satuasmuuttuje summa momettemäfukto o summa tekjöde momettemäfuktode tulo, satuasmuuttuja Y Z ( T T T ) momettemäfukto m (t) vodaa esttää muodossa t m ( t) m jossa m(t) o satuasmuuttuje T, =,, 3, momettemäfukto. Satuasmuuttuje T, =,, 3, momettemäfukto m(t) vodaa kehttää jossak pstee t = 0 ympärstössä Taylor sarjaks jossa m t t t t t ( ) ( ) k E( T ), k,,3, k o satuasmuuttuje T, =,, 3, k. orgomomett ja (t) 0, ku t Ilkka Mell (00) 0/36

21 Tlastolle päättely. Otosjakaumat Koska E( T ) 0,,,3, E( T ) D ( T ),,,3, m t t t t t t t t ( ) ( ) ( ) Sjotetaa satuasmuuttuje T, =,, 3, momettemäfukto m(t) sarjakehtelmä m t t t t ( ) ( ) satuasmuuttuja Y Z ( T T T ) momettemäfukto lausekkeesee t m ( t) m Saamme sjotukse tuloksea lausekkee t t t m ( t) t t t jossa t lm 0 jokaselle kteälle t. Ekspoettfukto omasuukse perusteella Koska t t t m ( t) e t / t / e o stadardodu ormaaljakauma N(0,) momettemäfukto, äemme, että satuasmuuttuje Y Ilkka Mell (00) /36

22 Tlastolle päättely. Otosjakaumat muodostama joo kovergo jakaumaltaa el hekost koht stadardotua ormaaljakaumaa N(0,): Z Z L N(0,) Huomautuksa: () () () Keskese raja-arvolausee mukaa usea samo jakautuee satuasmuuttuja summa o (tety ehdo) approksmatvsest ormaale (lähes) rppumatta yhteelaskettave jakaumasta. Yhteelaskettave e tarvtse olla edes jatkuva, vaa e vovat olla jopa dskreettejä. Approksmaato hyvyys rppuu yhteelaskettave satuasmuuttuje lukumäärästä, de jakaumasta ja ertysest de jakauma voudesta: Approksmaato hyvyys paraee, ku yhteelaskettave satuasmuuttuje lukumäärä kasvaa. Jos yhteelaskettave satuasmuuttuje jakauma o symmetre (ta lähellä symmetrstä) approksmaato o suhteellse hyvä jo melko pellä yhteelaskettave lukumäärllä. Jos yhteelaskettave satuasmuuttuje jakauma o epäsymmetre, hyvä approksmaato vaat selväst eemmä yhteelaskettava. Keskesestä raja-arvolauseesta o olemassa ylesempä muotoja, jossa vodaa levetää samojakautuesuus- ja rppumattomuusoletuksa. Stadardodu artmeettse keskarvo asymptootte jakauma Olkoo,,, satuasotos jakaumasta, joka odotusarvo o ja varass o. Olkoo Y havatoje,,, summa, jollo havatoje,,, artmeette keskarvo saadaa kaavalla Y Stadardodaa satuasmuuttuja Koska Z Z : E( ) D( ) / Y / keskese raja-arvolausee tulos lmastaa use seuraavassa muodossa: Stadardodu artmeettse keskarvo jakauma kovergo havatoje lukumäärä kasvaessa rajatta koht stadardotua ormaaljakaumaa Ilkka Mell (00) /36

23 Tlastolle päättely. Otosjakaumat Artmeettse keskarvo approksmatve jakauma Keskese raja-arvolauseesta seuraa, että rppumattome, samo jakautuede satuasmuuttuje, =,,, artmeette keskarvo o suurlle (mutta äärellslle) havatoje lukumäärlle approksmatvsest ormaale parametre ja /: a N, Huomaa, että tarkast ottae emme sas saoa (kute use tehdää), että artmeette keskarvo o asymptoottsest ormaale parametre ja /, koska artmeettse keskarvo otosjakauma N, lähestyy havatoje lukumäärä kasvaessa rajatta yhde pstee jakaumaa Pr( ).5. Suhteellse frekvess otosjakauma Frekvess ja suhteelle frekvess Olkoo P jok otosavaruude S alkode omasuus. Jos otosavaruude S alkolla x o omasuus P, merktää Olkoo P(x) A x S P( x) de otosavaruude S alkode osajoukko, jolla o omasuus P. Oletetaa, että tapahtuma A todeäkösyys o Pr(A) = p Pomtaa otosavaruudesta S satuasotos, joka koko o ja olkoo f de havatoyksköde frekvess, jolla o omasuus P. Tällö f pˆ o vastaava suhteelle frekvess. Frekvess f kuvaa A-tyyppste alkode lukumäärää otoksessa ja vastaava suhteelle frekvess pˆ f / kuvaa A-tyyppste alkode suhteellsta osuutta otoksessa. Sekä frekvess f että vastaava suhteelle frekvess pˆ f / ovat satuasmuuttuja, jode saamat arvot vahtelevat satuasest otoksesta Ilkka Mell (00) 3/36

24 Tlastolle päättely. Otosjakaumat Frekvess jakauma Olkoo A jok otosavaruude S tapahtuma: ja olkoo A S Pr(A) = p Pomtaa otosavaruudesta S satuasotos, joka koko o ja olkoo f A-tyyppste alkode lukumäärä el frekvess otoksessa. Tällö tapahtuma A frekvess f oudattaa bomjakaumaa parametre ja p: f B(, p) Bomjakauma omasuukse perusteella satuasmuuttuja f odotusarvo ja varass ovat jossa q = p. Perustelu: E( f ) p Var( ) D ( ) f f pq Olkoo A jok otosavaruude S tapahtuma ja olkoo Pr(A) = p Tällö tapahtuma A komplemetttapahtuma A c (tapahtuma A e satu) todeäkösyys o Pr(A c ) = Pr(A) = p = q Määrtellää dskreett satuasmuuttuja :, jos tapahtuma A sattuu 0, jos tapahtuma A e satu Tällö satuasmuuttuja jakauma o Pr( ) p Pr( 0) p q Määrtelmä mukaa satuasmuuttuja oudattaa Beroull-jakaumaa parametraa p: Beroull( p) O helppo ähdä, että E( ) p Var( ) D ( ) pq Tostetaa samaa Beroull-koetta kertaa, jossa o kteä, etukätee päätetty luku. Oletetaa, että koetostot ovat rppumattoma ja tarkkallaa tapahtuma A sattumsta koetostoje Ilkka Mell (00) 4/36

25 Tlastolle päättely. Otosjakaumat Oletetaa, että Pr(A) = p Pr(A c ) = p = q Määrtellää dskreett satuasmuuttujat, =,,, : Tällö, jos tapahtuma A sattuu kokeessa 0, jos tapahtuma A e satu kokeessa Beroull( p),,,, Lsäks satuasmuuttujat, =,,, ovat rppumattoma:,,, Määrtellää dskreett satuasmuuttuja f : f = Tapahtuma A frekvess -kertasessa Beroull-kokeessa Suoraa bomjakauma määrtelmä mukaa frekvess f oudattaa bomjakaumaa parametre ja p: Selväst f B(, p) f koska luku estyy summassa f = täsmällee yhtä mota kertaa ku tapahtuma A sattuu koetostoje akaa. Tämä merktsee stä, että bomjakautuut satuasmuuttuja vodaa aa esttää rppumattome Beroull-jakautuede satuasmuuttuje summaa. Koska satuasmuuttuje summa odotusarvo o aa satuasmuuttuje odotusarvoje summa, frekvess f = odotusarvo o E( f ) E E( ) p p Koska rppumattome satuasmuuttuje summa varass o satuasmuuttuje varasse summa, frekvess f = varass o pq pq D ( ) D D ( ) Suhteellse frekvess odotusarvo ja varass Olkoo A jok otosavaruude S tapahtuma: A Ilkka Mell (00) 5/36

26 Tlastolle päättely. Otosjakaumat ja olkoo Pr(A) = p Pomtaa otosavaruudesta S satuasotos, joka koko o ja olkoo f A-tyyppste alkode lukumäärä el frekvess otoksessa. Tällö tapahtuma A suhteellse frekvess pˆ f / odotusarvo ja varass ovat jossa q = p. Perustelu: E( pˆ ) p ˆ Var( p) D ( p) ˆ pq Suhteellse frekvess pˆ f / odotusarvo ja varass saadaa suoraa frekvess f odotusarvoa ja varassa koskevsta tulokssta satuasmuuttuja odotusarvo ja varass yleste omasuukse perusteella: Suhteellse frekvess pˆ f / f E( pˆ ) E E( f ) p p f pq Var( pˆ ) Var Var( f ) pq D( pˆ ) pq stadardpokkeamaa kutsutaa tavallsest suhteellse frekvess keskvrheeks ja se kuvaa suhteellse frekvess otosvahtelua oma odotusarvosa p ympärllä. Koska suhteellse frekvess pˆ f / ja varass o E( pˆ ) p pq Var( pˆ ) odotusarvo suhteellse frekvess otosjakauma keskttyy yhä vomakkaamm tapahtuma A todeäkösyyde p ympärlle, ku otoskoko kasvaa. Suhteelle frekvess ja suurte lukuje lak Olkoo A jok otosavaruude S tapahtuma: ja olkoo A Ilkka Mell (00) 6/36

27 Tlastolle päättely. Otosjakaumat Pr(A) = p Pomtaa otosavaruudesta S satuasotos, joka koko o ja olkoo pˆ f / A-tyyppste alkode suhteelle lukumäärä el suhteelle frekvess otoksessa. Heko suurte lukuje la mukaa suhteellste frekvesse pˆ f / muodostama joo kovergo havatoje lukumäärä kasvaessa rajatta stokastsest koht tapahtuma A todeäkösyyttä p: Perustelu: pˆ p P Suhteellse frekvess asymptoottsta raja-arvoa koskeva tulos seuraa artmeettse keskarvo asymptoottsta käyttäytymstä koskevasta hekosta suurte lukuje lasta, ku huomataa, että jossa jollo pˆ f,,, Beroull( p) E( ) p,,,, Var( ) D ( ),,,, pq Suhteellse frekvess asymptootte jakauma Olkoo A jok otosavaruude S tapahtuma: ja olkoo A S Pr(A) = p Pomtaa otosavaruudesta S satuasotos, joka koko o ja olkoo pˆ f / A-tyyppste alkode suhteelle lukumäärä el suhteelle frekvess otoksessa. Suhteelle frekvess pˆ f / oudattaa suurssa otoksssa approksmatvsest ormaaljakaumaa: f pq pˆ ~ a N Ilkka Mell (00) 7/36

28 Tlastolle päättely. Otosjakaumat Ste stadardotu satuasmuuttuja Z ˆp p pq oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa: Perustelu: Z ~ a N(0,) Suhteellse frekvess otosjakaumaa koskeva asymptootte tulos seuraa keskesestä rajaarvolauseesta, ku huomataa, että jossa jollo f pˆ,,, Beroull( p) E( ) p,,,,.6. Järjestystuusluvut Var( ) D ( ),,,, pq Järjestystuusluvut: määrtelmä Olkoo,,, satuasotos. Tällö havaot,,, ovat rppumattoma, samaa jakaumaa oudattava satuasmuuttuja. Jos satuasmuuttuje,,, havatut arvot järjestetää suuruusjärjestyksee pemmästä suurmpaa, saamme järjestystuusluvut ja saomme, että (), (),, () (j), j =,,, o j. järjetystuusluku. Järjestystuusluvut (), (),, () toteuttavat ehdot Ertysest () () () () = mm () = Ilkka Mell (00) 8/36

29 Tlastolle päättely. Otosjakaumat ( (), () ) = vahteluväl () () = vahteluväl ptuus Järjestystuuslukuje jakaumat: Otos dskreetstä jakaumasta Olkoo,,, satuasotos dskreetstä jakaumasta, joka pstetodeäkösyysfukto o f ( x ) p jossa x x x 3 ovat satuasmuuttuja mahdollset arvot kasvavassa järjestyksessä. Olkoot P 0 = 0 P = p P = p + p Olkoot P = p + p + + p (), (),, () otosta,,, vastaavat järjestystuusluvut. Tällö k Pr( ( j) x ) P ( P ) k j k ja k k k k Pr( ( j) x ) P ( P ) P ( P ) k j k Perustelu: Ktetää ja määrtellää satuasmuuttuja Y seuraavalla tavalla: Y = de havatoje,,, lukumäärä, jotka ovat peempä ku x Kutsutaa jokaselle,,, tapahtumaa { j x }, j =,,, ostumseks ja tapahtumaa { j > x } = { j x } c, j =,,, Ilkka Mell (00) 9/36

30 Tlastolle päättely. Otosjakaumat epäostumseks. Ste satuasmuuttuja Y kuvaa ostumste lukumäärää otoksessa,,,. Ostumse todeäkösyys P = Pr( j x ) o sama kaklle j, koska satuasmuuttujat,,, ovat samo jakautueta. Lsäks ostumset (ja epäostumset) ovat tapahtuma rppumattoma jokaselle j, koska satuasmuuttujat,,, ovat rppumattoma. Ste jollo Tapahtumat ja Y B(, P ) Pr( Y j) P ( P ) j { (j) x } {Y j} j j ovat ekvvaletteja, koska tällö aak j havaosta,,, o peempä ta yhtä suura ku x. Ste satuasmuuttuja (j) kertymäfukto o muotoa k Pr( ( j) x ) Pr( Y j) P ( P ) k j k ja satuasmuuttuja (j) pstetodeäkösyysfukto o muotoa k Pr( x ) Pr( x ) Pr( x ) ( j) ( j) ( j) k k k k P ( P ) P ( P ) k j k mkä pätee myös, ku =, koska P 0 = 0. Järjestystuuslukuje jakaumat: Otos jatkuvasta jakaumasta Olkoo,,, satuasotos jatkuvasta jakaumasta, joka kertymäfukto o F (x) ja theysfukto o f Ilkka Mell (00) 30/36

31 Tlastolle päättely. Otosjakaumat Tällö j. järjestystuusluvu (j) theysfukto o Perustelu:! f ( x) [ F ( x)] f ( x)[ F ( x)] ( j )!( j)! j j ( j ) Olkoo x. Määrtellää satuasmuuttuja Y seuraavalla tavalla: Y = de havatoje,,, lukumäärä, jotka ovat peempä ku x Kutsutaa jokaselle,,, tapahtumaa { j x}, j =,,, ostumseks ja tapahtumaa { j > x} = { j x} c, j =,,, epäostumseks. Ste satuasmuuttuja Y kuvaa ostumste lukumäärää otoksessa,,,. Ostumse todeäkösyys Pr( j x) = F (x) o sama kaklle j, koska satuasmuuttujat,,, ovat samo jakautueta. Lsäks ostumset (ja epäostumset) ovat tapahtuma rppumattoma jokaselle j, koska satuasmuuttujat,,, ovat rppumattoma. Ste jollo Tapahtumat ja Y B(, F ( x)) Pr( Y j) [ F ( x)] [ F ( x)] j { (j) x} {Y j} j j ovat ekvvaletteja, koska tällö aak j havaosta,,, o peempä ta yhtä suura ku x. Ste satuasmuuttuja (j) kertymäfukto o muotoa k F ( x) Pr( ( ) ( ) ) Pr( ) [ ( )] [ ( )] j j x Y j F x F x k j k Ilkka Mell (00) 3/36

32 Tlastolle päättely. Otosjakaumat Satuasmuuttuja (j) theysfuktoks saadaa d f ( x) F ( ) ( j ) x ( j ) dx k F k j k x f x F x k k [ ( )] ( )[ ( )] k ( k)[ F ( x)] f ( x)][ F ( x)] k j [ F j j ( x )] f ( x )[ F ( x )] j k k k [ F ( x )] f ( x )[ F ( x )] k j k k ( k )[ F ( x )] f ( x)][ F ( x)] k j k! j j [ F ( x)] f ( x)[ F ( x)] ( j )!( j)! k k ( k )[ F ( x)] f ( x)[ F ( x)] k j k k ( k )[ F ( x )] f ( x )][ F ( x )] k j k! j [ F ( x)] f ( x)[ ( )] F j x ( j )!( j)! k k Vmee yhtälö perustuu she, että! ( k ) ( k) k k!( k )! k.7. Delta-meetelmä Taylor sarjakehtelmä Oletetaa, että fuktolla g(x) o r. dervaatta r ( r d g ) ( x) g( x) r dx psteessä x = a. Tällö r ( ) g ( a) Tr ( x) ( x a), a! 0 o fukto g(x) Taylor polyom astetta Ilkka Mell (00) 3/36

33 Tlastolle päättely. Otosjakaumat Lauseketta g( x) T ( x) R ( x) r r saotaa Taylor polyom jääöstermks. Vodaa osottaa, että jääöstermllä R r (x) o seuraava omasuus: Jos x lähestyy rajatta pstettä a, jääösterm R r (x) lähestyy rajatta ollaa opeamm ku Taylor polyom korkemma astee term: g( x) Tr ( x) lm 0 xa r ( x a) Jos fukto g(x) (r+). dervaatta g (r+) (x) o olemassa psteessä a, jääösterm o muotoa ( r g ) ( x) r Rr ( x) g( x) Tr ( x) ( x t) dt r! Ste saamme fukto g(x) Taylor sarjakehtelmäks pstee a ympärstössä jossa R 0, ku x a. r ( ) g ( a) g( x) ( x a) R! 0 Tarvtsemme jatkossa lähä va. ta. astee Taylor polyomeja. Tuusluvu fukto odotusarvo ja varass Olkoot T, =,,, k satuasmuuttuja, jode odotusarvot ovat Määrtellää vektort ja E(T ) =, =,,, k T = (T, T,, T k ) = (,,, k ) x a Olkoo g(t) satuasmuuttuja T dervotuva fukto. Haluamme määrätä approksmatvse varass satuasmuuttujalle g(t). Olkoo g ( θ) g( t) t t,, tk k fukto g(t). dervaatta muuttuja t suhtee psteessä t =,, t k = k. Fukto g Taylor sarjakehtelmä pstee ympärstössä o muotoa k g( t) g( θ) g( θ)( t ) R jossa R 0, ku t,, t k Ilkka Mell (00) 33/36

34 Tlastolle päättely. Otosjakaumat Ste (approksmatvsest) g( t) g( θ) g( θ)( t ) k Ottamalla tästä odotusarvo saadaa k E( g( T)) E( g( θ)) g( θ) E( T ) g( θ) koska E(T ) =, =,,, k Vomme ste approksmoda fukto g(t) varassa lausekkeella Var( g( T)) E [ g( T) g( θ)] k E g ( θ)( T ) k [ g ( θ)] Var( T ) g ( θ) gj ( θ)cov( T, Tj ) j Ertysest, jos satuasmuuttujat T, =,,, k ovat korrelomattoma, k Var( g( T)) [ g ( θ)] Var( T ) Delta-meetelmä Käyttämällä edellä johdettuja approksmaatota fukto g(t) odotusarvolla ja varasslle, saamme seuraava ylestykse keskeselle raja-arvolauseelle: Olkoo Y, Y, Y 3, satuasmuuttuje joo, jolle Y ( ) N(0, ) jakaumakovergess melessä. Olkoo g fukto, jolle g () 0 jokaselle kteälle. Tällö jakaumakovergess melessä. Perustelu: g Y g g ( ( ) ( )) N(0, [ ( )] ) Fukto g(y ) Taylor sarjakehtelmä pstee Y = ympärstössä o muotoa g( Y ) g( ) g( )( Y ) Ilkka Mell (00) 34/36

35 Tlastolle päättely. Otosjakaumat jossa jääösterm R 0, ku Y. Vodaa osottaa, että Y stokastsest, koska Y jakaumakovergess melessä. Ste R 0 stokastsest. Soveltamalla s. Slutsky lausetta (ks. alla) todetaa, että g Y g g Y g ( ( ) ( )) ( ) ( ) N(0, [ ( )] ) Tose kertaluvu delta-meetelmä Jos delta-meetelmässä g () = 0 ottamalla fukto g Taylor sarjakehtelmää mukaa myös. astee term, saadaa kehtelmä g( ) g( Y ) g( ) g ( )( Y ) ( Y ) R jossa jääösterm R 0, ku Y. Ste koska oletukse mukaa g () = 0. g( ) g( Y ) g( ) ( Y ) R Koska stadardotua ormaaljakaumaa N(0,) oudattava satuasmuuttuja elö oudattaa ()-jakaumaa -jakauma määrtelmä mukaa, ( Y ) jakaumakovergess melessä. () Soveltamalla s. Slutsky lausetta (ks. alla) saadaa tästä seuraava tulos: Olkoo Y, Y, Y 3, satuasmuuttuje joo, jolle Y ( ) N(0, ) jakaumakovergess melessä. Olkoo g fukto, jolle mutta g () = 0 g () 0 jokaselle kteälle. Tällö g Y jakaumakovergess melessä. g ( ) ( ( ) g( )) Ilkka Mell (00) 35/36

36 Tlastolle päättely. Otosjakaumat Slutsky lause Oletetaa, että jakaumakovergess melessä ja Y a stokastsest. Tällö () Y a () Y + a + jakaumakovergess Ilkka Mell (00) 36/36

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat: Mat-1.60 Sovellettu todeäkösyyslasketa Mat-1.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Otos ja otosjakaumat Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, χ -jakauma, Frekvess, Frekvessjakauma,

Lisätiedot

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme?

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme? TKK (c) Ilkka Mell (004) Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Johdatus todeäkösyyslasketaa Kovergesskästteet

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat-1.361 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.1. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys,

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7. Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot Ilkka Mell 5 Tlastollset

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat.36 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys, Otos,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4 MS-A Todeäkösyyslaskea ja tlastotetee peruskurss Vkko Tlastollste aestoje kerääme ja mttaame; tlastollste aestoje kuvaame; Otokset ja otosjakaumat; Estmot; Estmotmeetelmät; Vällestmot Mtä tlastotede o?

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ

Lisätiedot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot Mat-.09 Sovellettu todeäkösyyslasku Systeemaalyys laboratoro Teklle korkeakoulu SYKSY 00 Ilkka Mell Sovellettu todeäkösyyslasku: Kaavat ja taulukot f XY x X x X y Y ( x, y) exp XY ( XY ) XY XY X X Y Tomttaut

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma Aheet: Satuasmuuttujat ja todeäkösyysjakaumat Kertymäfukto Jakaume tuusluvut Dskreettejä jakauma Jatkuva jakauma Avasaat: Bomjakauma Desl Dskreett

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat: MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Aheet: Tlastollset testt Avasaat: Artmeette keskarvo Beroull-jakauma

Lisätiedot

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat-1.361 Tlastolle päättely 3. Pste-estmot Tlastolle päättely 3. Pste-estmot 3.1. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste-estmot, Pstetodeäkösyysfukto,

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 4 Aheet: Tlastollste aestoje kerääme ja mttaame Tlastollste aestoje kuvaame Otokset

Lisätiedot

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi Mat-.6 Sovellettu todeäkösyyslasketa. harjotukset Mat-.6 Sovellettu todeäkösyyslasketa B. harjotukset / Ratkasut Aheet: Tlastollset testt Avasaat: Artmeette keskarvo, Beroull-jakauma, F-jakauma, F-test,

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat: Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Artmeette keskarvo, Estmaatt,

Lisätiedot

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat.36 Tlastolle päättely 3. Pste estmot Tlastolle päättely 3. Pste estmot 3.. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste estmot, Pstetodeäkösyysfukto,

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat: Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, Estmaatt, Estmaattor,

Lisätiedot

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2 HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske

Lisätiedot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit 68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/24

TKK @ Ilkka Mellin (2008) 1/24 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN MTTTP SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN Aesto kaavoje () (3), (9) ja () esmerkkeh Lepakot pakallstavat hyötesä lähettämällä korkeataajusta äätä Ne pystyvät pakallstamaa hyöteset

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot TKK @ Ilkka Mell (006)

Lisätiedot

Ilkka Mellin (2006) 1/1

Ilkka Mellin (2006) 1/1 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat.36 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko,

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat-1.361 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus,

Lisätiedot

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2 TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia. HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla

Lisätiedot

Todennäköisyyslaskennan kertausta

Todennäköisyyslaskennan kertausta Todeäkösyyslaskea kertausta Todeäkösyyslaskea kertausta 1. Joukko-opp Alko, Erotus, Joukko, Komplemett, Lekkaus, Perusjoukko, Psteveraus, Tyhjä joukko, Uo, Yhdste. Todeäkösyys ja se määrtteleme Alkestapahtuma,

Lisätiedot

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa : Otokset, otosjakaumat ja estimoiti Otokset ja otosjakaumat TKK (c) Ilkka Melli (007) 1 Otokset ja otosjakaumat >> Satuaisotata ja satuaisotokset Otostuusluvut

Lisätiedot

Moniulotteiset jakaumat ja havaintoaineistot

Moniulotteiset jakaumat ja havaintoaineistot Momuuttujameetelmät: Ilkka Mell. Moulotteset jakaumat.. Satuasmuuttujat ja todeäkösyysjakaumat.. Yhtesjakaumat.3. Reuajakaumat ja satuasmuuttuje rumattomuus.4. Ehdollset jakaumat.5. Yhtesjakaume tuusluvut.6.

Lisätiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka

Lisätiedot

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä Mat.36 Tlastolle päättely 7. Suurmma uskottavuude meetelmä ja asymptootte teora Tlastolle päättely 7. Suurmma uskottavuude meetelmä ja asymptootte teora 7.. Suurmma uskottavuude estmotmeetelmä Akasarja,

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio

Tilastollinen riippuvuus ja korrelaatio Tlastollset meetelmät Osa 4: Leaare regressoaalyys Tlastolle rppuvuus ja korrelaato KE (204) Tlastolle rppuvuus ja korrelaato >> Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot TKK (c) Ilkka Mell (4) Tlastolle rppuvuus ja korrelaato Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame Pearso korrelaatokertome estmot ja testaus Järjestyskorrelaatokertomet

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

Mat Koesuunnittelu ja tilastolliset mallit Mat-.03 Koeuuttelu tlatollet mallt. harjotuket Mat-.03 Koeuuttelu tlatollet mallt. harjotuket / Ratkaut Aheet: Avaaat: Tlatollte aetoje kuvaame Oto otokaumat Etmot Etmotmeetelmät Väletmot Artmeette kekarvo,

Lisätiedot

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset:

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset: Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Ylee leaare mall Artmeette keskarvo,

Lisätiedot

Muuttujien välisten riippuvuuksien analysointi

Muuttujien välisten riippuvuuksien analysointi Mat-.4 Tlastollse aalyys peusteet, kevät 7 5. lueto: Tlastolle ppuvuus ja koelaato Muuttuje välste ppuvuukse aalysot Tlastollsssa aalyysessä tutktaa use muuttuje välsä ppuvuuksa Työttömyysastee ppuvuus

Lisätiedot

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme? TKK () Ilkka Mell (2004) 1 Todeäkösyyde aksoomat Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys Johdatus todeäkösyyslasketaa Todeäkösyyde aksoomat TKK () Ilkka Mell (2004) 2 Todeäkösyyde

Lisätiedot

Raja-arvot. Osittaisderivaatat.

Raja-arvot. Osittaisderivaatat. 1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2010 Luku 3 Raja-arvot Osttasdervaatat 1 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat ovat

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (005) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo ja otosvariassi otosjakaumat

Lisätiedot

3.5 Generoivat funktiot ja momentit

3.5 Generoivat funktiot ja momentit 3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä

Lisätiedot

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0)

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0) Mat-2.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat Korrelaato ja assosaato Hypotees, Järjestyskorrelaatokertomet, χ 2 -rppumattomuustest, Korrelaatokerro, Pstedagramm, Päätössäätö, Nollahypotees,

Lisätiedot

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet Ilkka Melli Todeäköisyyslasketa Osa 2: Satuaismuuttujat ja todeäköisyysjakaumat Kovergessikäsitteet ja raja arvolauseet TKK (c) Ilkka Melli (2006) 1 Kovergessikäsitteet ja raja arvolauseet >> Kovergessikäsitteitä

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat: Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Mt-1.60 Sovellettu todeäkösyyslsket B 8. hrjotukset / Rtksut Aheet: Otos j otosjkumt Avst: Artmeette keskrvo, Beroull-jkum, Beroull-koe, χ -jkum, Frekvess,

Lisätiedot

Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1 Johdatus todeäköisyyslasketaa Kovergessikäsitteet ja raja-arvolauseet TKK (c) Ilkka Melli (2004) 1 Kovergessikäsitteet ja raja-arvolauseet Kovergessikäsitteitä Suurte lukuje lait Keskeie raja-arvolause

Lisätiedot

Varianssianalyysi. Varianssianalyysi. Varianssianalyysi. Varianssianalyysi: Mitä opimme? Varianssianalyysi: Johdanto

Varianssianalyysi. Varianssianalyysi. Varianssianalyysi. Varianssianalyysi: Mitä opimme? Varianssianalyysi: Johdanto TKK (c Ila Mell (004 Varassaalyys Varassaalyys: Johdato Johdatus tlastoteteesee Varassaalyys TKK (c Ila Mell (004 Varassaalyys: Mtä opmme? Tarastelemme tässä luvussa seuraavaa ysymystä: Mte tavaomae ahde

Lisätiedot

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi. Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet

Lisätiedot

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu

Lisätiedot

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.090 Sovellettu todeäkösyyslasku A Nordlud Harotus (vko 49/003) (Ahe: Tlastollsa testeä, regressoaalyysä Lae luvut 5.5, 6) HUOM! Laskarede palautukse takaraa o pokkeuksellsest

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Aheet: Tlastolle rppuvuus ja korrelaato Yhde selttäjä leaare regressomall Regressoaalyys

Lisätiedot

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut Harjotus, esmerkkratkasut K 1. Olkoon f : C C, f(z) z z. Tutk, mssä pstessä f on dervotuva. Ratkasu 1. Jotta funkto on dervotuva, on sen erotusosamäärän f(z + ) f(z) raja-arvon 0 oltava olemassa ja ss

Lisätiedot

8. laskuharjoituskierros, vko 11, ratkaisut

8. laskuharjoituskierros, vko 11, ratkaisut Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Lineaarinen regressioanalyysi Tlastollset meetelmät Leaare regressoaalyys Tlastollset meetelmät: Leaare regressoaalyys 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaalyys 5. Yhde selttäjä leaare regressomall 6. Ylee leaare

Lisätiedot

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4 TKK (c) lkka Melln (005) Koesuunnttelu TKK (c) lkka Melln (005) : Mtä opmme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Mten varanssanalyysssa tutktaan yhden tekän vakutusta vastemuuttujaan, kun

Lisätiedot

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat: Mat-.36 Tlastollnen päättely 7. harjotukset Mat-.36 Tlastollnen päättely 7. harjotukset / Tehtävät Aheet: Avansanat: ypoteesen testaus. lajn vrhe,. lajn vrhe, arhaton test, ylkäysalue, ylkäysvrhe, ypotees,

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.204 Tlastollsen analyysn perusteet, kevät 2007 5. luento: Tlastollnen rppuvuus ja korrelaato Ka Vrtanen Muuttujen välsten rppuvuuksen analysont Tlastollsssa analyysessä tutktaan usen muuttujen välsä

Lisätiedot

6.1 Riippumattomat satunnaismuuttujat

6.1 Riippumattomat satunnaismuuttujat Luku 6 Otatajakaumie teoria 6.1 Riippumattomat satuaismuuttujat Muistamme edellisistä luvuista, että satuaismuuttujat X 1 ja X 2 ovat riippumattomat (määritelmät 4.6 ja 5.5), jos f(x 1, x 2 ) f 1 (x 1

Lisätiedot

Testit laatueroasteikollisille muuttujille

Testit laatueroasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten

Lisätiedot

Suoran sovittaminen pistejoukkoon

Suoran sovittaminen pistejoukkoon Suora sovttame pstejoukkoo Ku halutaa tutka kahde tlastollse muuttuja rppuvuutta tosstaa, käytetää use leaarsta regressota el suora sovttamsta havatojoukkoo. Sä o aettu joukko havatopareja (x, y ), ja

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa 2: Otokset, otosjakaumat ja estimoiti Estimoitimeetelmät TKK (c) Ilkka Melli (2007) Estimoitimeetelmät >> Todeäköisyysjakaumie parametrie estimoiti Suurimma uskottavuude

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Lineaarinen regressioanalyysi Tlastollset meetelmät Leaare regressoaals Tlastollset meetelmät: Leaare regressoaals 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaals 5. Yhde selttäjä leaare regressomall 6. Ylee leaare mall

Lisätiedot

Baltian Tie 2001 ratkaisuja

Baltian Tie 2001 ratkaisuja Balta Te 001 ratkasuja 1. Olkoot tehtävät T, = 1,,..., 8. Eräs mahdollsuus jakaa tehtävät kahdeksalle opskeljalle O j, j =1,,..., 8 o ohesessa taulukossa T 1 T T T 4 T T 6 T 7 T 8 O 1 O O O 4 O O 6 O 7

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo

Lisätiedot

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle

Lisätiedot

1. PARAMETRIEN ESTIMOINTI

1. PARAMETRIEN ESTIMOINTI Mat-.04 Tlastollse aalyys perusteet Mat-.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Estmaatt, Estmaattor, Estmot, Jääöselösumma, Jääösterm, Jääösvarass,

Lisätiedot

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme? TKK (c) Ilkka Melli (4) Johdato Johdatus todeäköisyyslasketaa TKK (c) Ilkka Melli (4) : Mitä opimme? / Tutustumme tässä luvussa seuraavii ormaalijakaumasta (ks. lukua Jatkuvia jakaumia) johdettuihi jakaumii:

Lisätiedot

Johdatus tilastotieteeseen Väliestimointi. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Väliestimointi. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Väliestimointi TKK (c) Ilkka Mellin (2005) 1 Väliestimointi Todennäköisyysjakaumien parametrien estimointi Luottamusväli Normaalijakauman odotusarvon luottamusväli Normaalijakauman

Lisätiedot

HASSEN-WEILIN LAUSE. Kertausta

HASSEN-WEILIN LAUSE. Kertausta HASSEN-WEILIN LAUSE Kertausta Käytetään seuraava merkntjä F = F/F q on sukua g oleva funktokunta Z F (t = L F (t (1 t(1 qt on funktokunnan F/F q Z-funkto. α 1, α 2,..., α 2g ovat polynomn L F (t nollakohten

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.4 Tlastollse aals perusteet, evät 7 8. lueto: Usea selttää leaare regressomall Usea selttää leaare regressomall Seltettävä muuttua havattue arvoe vahtelu halutaa selttää selttäve muuttue havattue

Lisätiedot

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ). HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Estimointi. Vilkkumaa / Kuusinen 1

Estimointi. Vilkkumaa / Kuusinen 1 Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat: Mat-.090 Sovellettu todeäköisyyslasku A Mat-.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Otos- ja otosjakaumat Estimoiti Estimoitimeetelmät Väliestimoiti Aritmeettie keskiarvo, Beroulli-jakauma,

Lisätiedot

Testaa onko lämpökäsittelyllä vaikutusta tankojen keskimääräiseen vetolujuuteen.

Testaa onko lämpökäsittelyllä vaikutusta tankojen keskimääräiseen vetolujuuteen. Mat-.03 Koesuuttelu ja tlastollset mallt 6. harjotuset Mat-.03 Koesuuttelu ja tlastollset mallt 6. harjotuset / Ratasut Aheet: Avasaat: Yssuutae varassaals Artmeette esarvo, Bartlett test, Box ja Whser

Lisätiedot

Tchebycheff-menetelmä ja STEM

Tchebycheff-menetelmä ja STEM Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot

Lisätiedot

r i m i v i = L i = vakio, (2)

r i m i v i = L i = vakio, (2) 4 TÖRMÄYKSET ILMATYYNYPÖYDÄLLÄ 41 Erstetyn systeemn sälymslat Kun kaks kappaletta törmää tosnsa ne vuorovakuttavat keskenään tetyn ajan Vuorovakutuksella tarkotetaan stä että kappaleet vahtavat keskenään

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita

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

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteesee Estimoitimeetelmät TKK (c) Ilkka Melli (2005) 1 Estimoitimeetelmät Todeäköisyysjakaumie parametrie estimoiti Momettimeetelmä Normaalijakauma parametrie estimoiti Ekspoettijakauma

Lisätiedot

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste

Lisätiedot

Väliestimointi (jatkoa) Heliövaara 1

Väliestimointi (jatkoa) Heliövaara 1 Väliestimointi (jatkoa) Heliövaara 1 Bernoulli-jakauman odotusarvon luottamusväli 1/2 Olkoon havainnot X 1,..., X n yksinkertainen satunnaisotos Bernoulli-jakaumasta parametrilla p. Eli X Bernoulli(p).

Lisätiedot

Tilastollisen fysiikan luennot

Tilastollisen fysiikan luennot Tlastollsen fyskan luennot Tvstelmät luvuttan I PERUSKÄSITTEITÄ JA MÄÄRITELMIÄ Lämpö on systeemen mkroskooppsten osen satunnasta lkettä Lämpöenerga vrtaa kuumemmasta kappaleesta kylmempään Jos kaks kappaletta

Lisätiedot

Bernoullijakauma. Binomijakauma

Bernoullijakauma. Binomijakauma Beroulljaauma Beroull oe o ahde mahdollse ulostulo oe, jossa taahtumsta äytetää mtysä ostume ja eäostume. Esmerejä: rahahetto (ruua ta laava), lase sytymä (tyttö ta oa), helö verryhmä ( ta c ), oselja

Lisätiedot

Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen

Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK () Ila Mell (004) Yhteesopvuude, hoogeesuude a rppuattouude testaae Johdatus tlastoteteesee Yhteesopvuude, hoogeesuude a rppuattouude testaae TKK () Ila Mell (004) Yhteesopvuude, hoogeesuude a rppuattouude

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Turingin kone on kuin äärellinen automaatti, jolla on käytössään 4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa

Lisätiedot

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

tilastotieteen kertaus

tilastotieteen kertaus tilastotieteen kertaus Keskiviikon 24.1. harjoitukset pidetään poikkeuksellisesti klo 14-16 luokassa Y228. Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla

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

7. Menetysjärjestelmät

7. Menetysjärjestelmät lueto7.ppt S-38.45 Leeteora perusteet Kevät 25 Ssältö Kertausta: ysertae leeteoreette mall Posso-mall asaata, palvelota Sovellus vrtaava dataletee malltamsee vuotasolla Erlag-mall asaata, palvelota < Sovellus

Lisätiedot