KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA

Koko: px
Aloita esitys sivulta:

Download "KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA"

Transkriptio

1 KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA Matti Estola 4. lokakuuta 2013 Sisältö 1 Eksaktin tieteen vaatimukset 2 2 Kansantaloustieteen mittajärjestelmä Määrän mittaaminen Arvon mittaaminen Ajan mittaaminen Mielihyvän (tyytyväisyyden) eli hyödyn mittaaminen Jonkin suureen muutoksen mittaamisesta Esimerkkejä kansantaloudessa mitatuista ilmiöistä Havainnoimisesta kansantaloustieteessä Suureiden välisen riippuvuuden arviointi Indeksipisteluvut Indeksipisteluvut keskimääräisinä hintoina Nimelliset ja reaaliset suureet Teksti on lainattu kirjasta: Estola, M. Kansantaloustieteen perusteet, Jyväskylän yliopisto, Taloustieteen laitos, Julkaisuja 104/96. 1

2 1 Eksaktin tieteen vaatimukset Jotta kansantaloustiedettä voitaisiin kutsua eksaktiksi (tarkaksi) tieteeksi, seuraavien ehtojen tulisi toteutua. (1) Olisi oltava mittajärjestelmä, jolla taloudessa havaittavat ilmiöt saadaan mitattua. (2) Talouden ilmiöiden selittämisen tulisi perustua teoriaan ihmisten ja ihmisten muodostamien organisaatioiden käyttäytymisestä, jota korjataan tarvittaessa havaintojen perusteella. (3) Olisi oltava yleisesti hyväksytyt mallittamisperiaatteet eri tilanteille. Sekä dynaamiset että staattiset ilmiöt tulisi mallittaa samalla lähestymistavalla, sillä tuntuisi oudolta, jos talousyksiköiden käyttäytymisen muutosta mallitettaisiin eri periaatteella kuin normaalia käyttäytymistä. 4) Formaali teoreettinen mallittaminen tulisi tehdä vain sellaisten muuttujien avulla, jotka ovat joko suoraan tai epäsuorasti mitattavissa. (5) Jonkin tilanteen mallittamisessa tehdyt yksinkertaistukset tulisi perustella ja raportoida mallittamisen yhteydessä. (6) Makrotason ilmiöiden mallittaminen tulisi perustua joko talousyksiköiden mikrotason käyttäytymiseen tai taloudessa vallitseviin makrotaloudellisiin riippuvuuksiin (tarkemmin kirjan osassa III). (7) Makrotason suureiden mittayksiköt tulisi pystyä määrittelemään. Esimerkiksi fysiikassa kaasujen makrofysikaalisten ilmiöiden tutkimisessa yksittäisten molekyylien käyttäytymiseen perustuva mallittaminen on todettu liian monimutkaiseksi. Tästä syystä kaasujen käyttäytymistä mallitetaan molekyylien keskimääräisen käyttäytymisen perusteella, mikä tuottaa riittävän tarkkoja ennusteita. Kaasujen käyttäytymisen makroteoreettisissa yhtälöissä esiintyy myös suureita kuten lämpötila, joita mikrotasolla ei voida edes mitata. Mikrotasolla lämpötilan nousu havaitaan molekyylien lämpöliikkeen lisääntymisenä. Myös kansantaloustieteessä makrotason ilmiöitä voidaan ajatella mallitettavan eri periaatteilla kuin mikrotason käyttäytymistä. Näihin asioihin palataan kirjan osassa III, missä tarkastellaan makrotaloustiedettä. Yllä esitetyt formaalin tieteen vaatimukset pyritään tässä oppikirjassa täyttämään. Aloittakaamme talouden mittajärjestelmästä. 2 Kansantaloustieteen mittajärjestelmä Kansantaloustieteen mittajärjestelmän vertailukohteena on mekaniikan metrinen mittajärjestelmä, jonka perusdimensiot (-suureet) ovat [pituus], [massa] 2

3 ja [aika] (muuttujan dimensiota merkitään hakasuluilla), ja niiden mittayksiköt ovat metri (m), kilogramma (kg) ja sekunti (s). Kaikki mekaniikan ilmiöt voidaan mitata näiden perusdimensioiden sekä niistä muodostettujen johdettujen dimensioiden avulla. Johdetut dimensiot ovat perusdimensioiden potenssituloja, eli muodostetut niistä joko kerto- tai jakolaskun avulla. Esimerkiksi nopeus on johdettu dimensio, joka saadaan perusdimensioiden [pituus] ja [aika] potenssitulona: [nopeus] = [pituus]/[aika] = [pituus aika 1 ]. Tämä nähdään myös nopeuden mittayksiköstä (m/s) = (ms 1 ). Tilavuus puolestaan on pituus-dimensiosta potenssitulona muodostettu johdettu dimensio [tilavuus] = [pituus 3 ], jonka mittayksikkö metrisessä järjestelmässä on (m 3 ). Yksi erikoistapaus johdetuista dimensioista on dimensioton suure, joka saadaan kahden samandimensioisen suureen suhdelukuna; esim. [pituus]/[pituus] = [pituus/pituus] = [1]. Määritelmä: Dimensiollisia tai dimensiottomia lukuja kutsutaan yhdessä skalaareiksi. Suuri osa kansantaloudessa havaittavista ilmiöistä voidaan kvantifioida (mitata) seuraavia dimensioita käyttäen: määrä [R], arvo [M] ja aika [T ]. Nämä merkinnät tulevat termeistä real dimension, monetary dimension ja time dimension. Ihmisten käyttäytymiseen vaikuttaa lisäksi heidän subjektiivisesti tuntemansa mielihyvä eli tyytyväisyyden tila, jota kansantaloustieteessä on perinteisesti nimitetty hyödyksi. Tätä tyytyväisyyden astetta voidaan pitää omana perusdimensionaan, jota merkitään [S]:llä termin satisfaction dimension mukaan. Tässä esitetty merkintätapa noudattaa Frits de Jongin (1967) näille dimensioille käyttämiä symboleja. Näitä voidaan pitää kansantalouden mittajärjestelmän perus- eli primääreinä dimensioina, ja niiden muodostamat potenssitulot ovat talouden johdettuja, eli sekundaarisia, dimensioita. Myöhemmin tulemme kuitenkin havaitsemaan, että mielihyvä -dimensiota tarvitaan ainoastaan apusuureena kansantalouden ilmiöiden mittaamisessa ja mallittamisessa. Dimensioanalyysissa tarkastellaan mittayksiköllisten suureiden algebrallisia operaatioita. Sen mukaan dimensionaalisilla suureilla voidaan kertoa ja jakaa reaalilukujen tapaan siten, että suureiden numeeriset arvot kerrotaan ja jaetaan kerto- ja jakolaskusääntöjen mukaan. Olennaista tällöin on se, että kahden dimensionaalisen suureen tulon (osamäärän) dimensio (mittayksikkö) poikkeaa yleensä molempien tulon (osamäärän) tekijöiden dimensioista (mittayksiköistä). Yhteenlasku ja vähentäminen on sallittua vain kahden samandimensioisen suureen tapauksessa, ja laskun tuloksena saadaan samaa dimensiota oleva suure. Jonkin dimensionaalisen suureen kertominen dimensiottomalla (tai paljaalla) luvulla muuttaa suureen numeerista arvoa mutta ei dimensiota (katso tämän osion loppuosan esimerkit). Näitä asioita 3

4 käsitellään tarkemmin esimerkiksi de Jongin kirjassa (1967). Määritelmä: Dimensionaaliseksi vakioksi kutsutaan sellaista dimensionaalista suuretta, jolla on kiinteä numeerinen arvo. Esimerkki. Fysiikassa dimensionaalisia vakioita ovat esimerkiksi Newtonin gravitaatiovakio (m 3 kg 1 s 2 ) sekä valon nopeus (ms 1 ). Fysikaalisessa kemiassa dimensionaalisia vakioita ovat esimerkiksi Avogadron ja Faradayn vakiot: (mol 1 ) ja (Cmol 1 ). Kansantaloustieteessä dimensionaalisia vakioita ovat mm. kiinteän valuuttakurssijärjestelmän mukaiset vaihtokurssit esim. Suomen markan ja USA:n dollarin välinen vaihtokurssi 4.51 (F IM/U SD) sekä tuotantoteoriassa esiintyvät teknologiavakiot. Huomautus! Rahayksiköistä puhuttaessa merkitsemme jatkossa Suomen markkaa ja USA:n dollaria lyhenteillä (mk) ja ($), jotka ovat vakiintuneita merkintätapoja. Valuutoista ja valuuttojen vaihtokursseista puhuttaessa käytämme taas valuuttojen virallisia lyhenteitä (F IM) ja (U SD). Tunnetuimpien valuuttojen viralliset lyhenteet on taulukoitu luvun 15 lopussa olevassa liitteessä. Määritelmä Kahden valuutan tapauksessa puhutaan niiden välisestä vaihtokurssista. Myöhemmin luvussa 15 tarkastelemme Suomen markan valuuttakurssi-indeksiä, joka mittaa markan vaihtosuhdetta useista valuutoista muodostettuun valuuttakoriin. Tällöin puhutaan Suomen markan valuuttakurssista. Kansantaloustieteessä dimensionaalisia vakioita tarvitaan fysiikan tapaan dimensionaalisesti hyvin määriteltyjen yhtälöiden muodostamisessa. Yleisessä funktiomuodossa esitetyt teoriat voidaan yksinkertaistaa dimensionaalisten vakioiden avulla siten, että päästään käyttämään mahdollisimman yksinkertaisia tarkkoja funktiomuotoja (esim. polynomimuotoisia). Tarkkojen funktiomuotojen sisältämien suureiden dimensionaalisuus vaatii sellaisten dimensionaalisten vakioiden määrittämisen, jotka tekevät funktioista dimensioiden suhteen hyvin määriteltyjä. Tätä vaihetta kutsutaan mallin parametrisoinniksi, eli sellaisten dimensionaalisten vakioiden määrittämiseksi, joiden numeeriset arvot määrätään havaintojen perusteella (liite; luku 5 osio 4). Teoriatasolla yhtälöt kirjoitetaan siten, että niissä esiintyviä dimensionaalisia vakioita merkitään kirjaimin a, b, c, a 1, a 2,... Dimensionaalisten vakioiden dimensiot ja mittayksiköt määrätään teoriatasolla, kun taas niiden numeeriset arvot määrätään havaintojen perusteella. Kansantaloustieteen dimensionaalisilla vakioilla ei kuitenkaan ole fysiikan ja kemian vakioiden kaltaista universaalisuutta, sillä mikään taloudessa mitattu dimensionaalinen suure ei pitkällä aikavälillä pysy kiinteänä. Kansantaloustieteen empiirinen 4

5 analyysi ei myöskään tarkkuudeltaan vastaa fysiikan laboratorio-olosuhteita. Eri aineistoilla tehdyt analyysit tuottavat yleensä toisistaan poikkeavia numeerisia arvoja samoille vakioille. Yllä esitetystä puutteista huolimatta dimensionaalisten vakioiden huomioiminen teoriatasolla on tärkeää siitä syystä, että niiden mittayksiköt saadaan oikein määriteltyä. Mittayksiköt auttavat meitä havaintojen perusteella määrättyjen vakioiden numeeristen arvojen tulkinnassa. Tässä kirjassa esitettyjä teoreettisia yhtälöitä tutkiessaan lukija voi aina korvata dimensionaaliset vakiot joillakin numeroarvoilla, jos kokee sen helpottavan asian ymmärtämistä. Teoriat pyritään yleensä kirjoittamaan sellaisessa muodossa, että dimensionaalisten vakioiden numeeriset arvot ovat positiivisia. Esimerkkejä dimensionaalisista laskutoimituksista. 5 (kg) + 3 (kg) = 8 (kg), (mk/vrk) = 1000 (mk/vrk), 2 (mk/kg) 100 (kg/kpl) 8 (kpl/kk) = 1600 (mk/kk), 100 (mk/kk) 20 (mk/kg) = 5 (kg/kk), 100 (mk/kk) 12 (kk/v) = 1200 (mk/v), 1200 (mk/v) 4 (v) = 4800 (mk), 200 (mk) 10 (mk) = 20, 10 (mk/kk) + 5 (mk/kpl) 4 (kpl/kk) = 30 (mk/kk), x (kg/kpl) y (mk/kg) = xy (mk/kpl) Kaikki yllä esitetyt yhtälöt ovat homogeenisia dimensioiden suhteen, eli dimensiohomogeenisia. Jos esimerkiksi viimeisen yhtälön molemmat puolet kerrotaan jollakin nollasta eroavalla suureella jolla on mittayksikkö (kpl/mk), yhtälö muuttuu mittayksiköttömäksi. 2.1 Määrän mittaaminen Kansantaloustieteessä määrä -dimension mittayksikköinä voidaan pitää kaikkia niitä fysikaalisia mittayksiköitä, joita hyödykemäärien mittaamisessa käytetään. Näitä ovat kilogramma (kg), metri (m), neliömetri (m 2 ), kuutiometri (m 3 ), litra (l), lukumäärä (kpl) jne. sekä kaikki näiden kymmenpotenssit, eli gramma (g), kilometri (km) jne. Koska samandimensioisia suureita tulee voida laskea yhteen, määrää mittaavien suureiden yhteenlaskettavuus vaatii sen, että on olemassa kiinteät muunnossäännöt eri määräyksik- 5

6 köjen välillä. Hyödykemääriä voidaan laskea yhteen näiden muunnossääntöjen avulla esimerkiksi seuraavasti. Esimerkki. Oletetaan että 0.5 litran riisipaketin sisältö painaa 0.6 kiloa; 1 (l) riisiä painaa siis 1.2 (kg). Jos nyt yhden kilon riisimäärään lisätään yksi litra riisiä, saatu riisimäärä voidaan esittää joko 1 (kg) + 1 (l) 1.2 (kg/l) = 2.2 (kg) tai 1 (l) + 1 (kg) / 1.2 (kg/l) = 1.83 (l) riisiä. Edellä mainittujen muunnossääntöjen tulee toteuttaa seuraava ehto: kun jokin hyödykemäärä mitataan metri-, kilo- tai kuutiotavarana, eri mittayksiköissä mitattujen samansuuruisten hyödykemäärien hintojen tulee olla samat. Edellä esitetyn perusteella 1.2 (kg) riisiä maksaa yhtä paljon kuin 1 (l) riisiä. Olkoon riisin litrahinta 5 (mk/l). Tällöin riisin kilohinnaksi saadaan 5 (mk/l) = 5 (mk) / 1.2 (kg) = 5/1.2 (mk/kg) = 4.17 (mk/kg). Eri hyödykkeiden kilo-, metri- ja kuutiohinnat tulee määritellä siten, että niiden avulla tietty hyödykemäärä voidaan hinnoitella identtisesti mitä tahansa määräyksikköä käyttäen. 2.2 Arvon mittaaminen Arvon mittayksikkönä voidaan pitää tarkasteltavan kansantalouden rahayksikköä, eli Suomen tapauksessa Suomen markkaa (mk). Jonkin hyödykkeen arvon mittaaminen ei kuitenkaan koskaan ole objektiivista, sillä se vaihtelee eri ihmisillä heidän arvostustensa ja varallisuutensa mukaan. Näistä ongelmista huolimatta (katso esim. Estola (1995)) jokaisen hyödykkeen arvo voidaan määritellä markkinamekanismin avulla suurimman maksuhalukkuuden mukaan. Määritelmä: Jonkin hyödykkeen rahamääräinen arvo on siihen kohdistuvan maksuhalukkuusvälin suurin arvo. Maksuhalukkuusvälillä tarkoitetaan suurimman ja pienimmän ostotarjouksen rajaamaa ostotarjousten joukkoa. Jos hyödykkeen omistaja haluaa muuttaa hyödykkeensä rahaksi, hyödykkeen arvo vastaa huutokauppatilanteen korkeinta ostotarjousta. Määritelmä toimii järkevästi myös negatiivisille arvoille eli jätteiden arvoa määriteltäessä. Omistaja, joka haluaa päästä eroon jätteestään mahdollisimman halvalla, valitsee kaikkein edullisimman osto tarjouksen. Tämä vastaa jätteen ostajien maksuhalukkuusvälin suurinta arvoa, eli negatiivisella puolella lähimpänä nollaa olevaa arvoa. 2.3 Ajan mittaaminen Kansantaloustieteessä aikaa voidaan mitata usealla yksiköllä: tunti (h), vuorokausi (vrk = 24h), työpäivä; esim. (pv = 8h), viikko (vk = 7vrk), 6

7 kuukausi (kk = 4vk), vuosi (v = 52vk) jne. Koska eri kalenterikuukausien päivien lukumäärä vaihtelee, kuukaudella tarkoitetaan jatkossa neljän viikon (eli 28 vuorokauden) pituista ajanjaksoa, jotta se olisi tarkka mittayksikkö ajanjakson pituudelle. Vuodella tarkoitetaan puolestaan 52 viikon pituista ajanjaksoa, jolloin yksi vuosi ei vastaa 12 kuukautta. Syy useisiin ajan mittayksiköihin on se, että esimerkiksi työpanoksen vuosittaista käyttöä voidaan mitata vuoden aikana tehtyjen työtuntien määrällä. Työpanoksen käyttö on siis johdettu suure, jonka mittayksikkö voi esimerkiksi olla (h/v) = (hv 1 ). Jos mittayksikössä (h/v) vuosi muunnetaan tunneiksi (tai tunti vuoden murto-osaksi), työpanoksen mittasuureeksi saadaan dimensioton suure, joka mittaa työtuntien osuutta vuoden koko tuntimäärästä. Mittayksikkö (h/v) työpanokselle on kuitenkin jälkimmäistä selvempi, joten sitä käytetään jatkossa. 2.4 Mielihyvän (tyytyväisyyden) eli hyödyn mittaaminen Ihmisten kokeman tyytyväisyyden tason mittaaminen on huomattavasti vaikeampaa kuin muiden kansantaloustieteen perussuureiden, sillä se vaatisi periaatteessa ihmisen aivojen sähkökemiallisten reaktioiden kvantifioimista. Hymyn leveys ei liene riittävän tarkka mittari ko. suureelle. Ihmisten kulutuskäyttäytymistä mallitettaessa olennaista on kuitenkin se, että ihminen kokee saavansa tyydytystä eri hyödykkeiden kuluttamisesta, ja pystyy vertailemaan erilaisten hyödykekombinaatioiden (-yhdistelmien) kuluttamisesta saamaansa mielihyvää tämän subjektiivisen tuntemuksensa perusteella. Oletus eri hyödykkeiden kuluttamisen tuottaman mielihyvän vertailtavuudesta on välttämätön edellytys rationaaliselle kulutuskäyttäytymiselle. Kuluttajan valintateoriassa osoitamme myöhemmin, että tiettyjen oletusten ollessa voimassa kuluttaja pystyy järjestämään kulutettavana olevat hyödykekombinaatiot paremmuusjärjestykseen. Toisin sanoen kaikkien mahdollisten hyödykekombinaatioiden muodostama joukko on järjestysrelaatiollinen mielihyväasteikon suhteen (liite; luku 11 osio 2.2). Jotta kuluttaja voisi verrata eri hyödykkeiden kuluttamisesta saamaansa mielihyvää, kaikkien hyödykkeiden kuluttamisesta saatavan mielihyvän tulisi olla samaa lajia. Kuluttajien tarpeita voidaan kuitenkin luokitella useilla tavoilla: fysiologiset, sosiaaliset, tunne-elämän tarpeet jne. Nälän tunteen poistaminen syömällä tuottaa ihmisille varmasti erilaatuista mielihyvää kuin teatterinäytännön seuraaminen. On siis perusteltua ajatella, että on olemassa erilaisia mielihyvälajeja, joita ihminen kokee eri hyödykkeitä kuluttaessaan. Määritelmä: Jonkin epätyhjän joukon osituksella tarkoitetaan joukon 7

8 jakamista osajoukkoihin seuraavasti: 1) osajoukot eivät leikkaa toisiaan, 2) joukon jokainen alkio kuuluu johonkin osajoukkoon ja 3) joukko voidaan esittää näiden osajoukkojen yhdisteenä. Yksi ratkaisu yllä kuvattuun mielihyvän vertailtavuus -ongelmaan on seuraava: kuluttajan oletetaan osittavan kaikkien kulutettavana olevien hyödykkeiden muodostaman joukon erillisiin osajoukkoihin siten, että niiden sisältämät hyödykkeet ovat homogeenisia (samanlaisia) niiden tuottaman mielihyvälajin suhteen. Tietyn osajoukon sisältävistä hyödykkeistä saatavaa mielihyvää voidaan siten suoraan verrata toisiinsa. Tällä tavalla määriteltyjen osajoukkojen lukumäärä vaihtelee yksilökohtaisesti sen mukaan, miten tarkasti kyseinen henkilö erottelee erilaatuisia mielihyvälajeja. Erilaiset mielihyvälajit voidaan edelleen järjestää tärkeysjärjestykseen, ja päättää miten suuri osuus tarkasteltavan ajanjakson budjetista kullekin lajille annetaan. Kutakuinkin tällä tavalla ihmiset käytännössä toimivat. Fysiologisilla tarpeilla on selvä prioriteettiasema tarpeiden hierarkiassa, ja muiden tarpeiden tyydyttäminen on mielekästä vasta sen jälkeen, kun niiden tyydytys on saavuttanut tietyn minimitason. Nälkäinen ihminen ei saa tyydytettyä nälän tunnettaan seuraamalla teatterinäytäntöä, eikä kykene nauttimaan näytelmästä. Jos taas joku haluaa rentoutua työpäivän jälkeen, elokuvissakäynnin tuottama mielihyvä edustaa tällöin samaa mielihyvälajia kuin ravintolassa tai tansseissa käynti. Näitä punnitaankin usein vaihtoehtoisina ajankäyttötapoina. Jonkinlainen vaihdettavuus eri mielihyvälajien välillä on kuitenkin olemassa, sillä havaintojen perusteella ihmiset kykenevät korvaamaan esimerkiksi tunne-elämän tarpeitaan muiden henkisten tarpeiden tyydyttämisellä. Halu saada toisten ihmisten arvostusta voidaan myös (ainakin osittain) tyydyttää status-hyödykkeiden hankinnoilla, mikä lienee ainoa syy niiden olemassaoloon. Näiden esimerkkien perusteella voidaan ajatella, että jokainen ihminen luo itselleen oman subjektiivisen arvostusjärjestelmänsä, jossa hän määrittelee tietyt vaihtosuhteet erilaisten mielihyvälajien välille. Nämä vaihtosuhteet riippuvat henkilön vallitsevasta tarpeidentyydytystasosta, sillä sama ihminen nälkäisenä ja kylläisenä määrittelee varmasti erisuuren vaihtosuhteen lisäruuan syömisen ja teatterinäytännön seuraamisen välille. Tässä esitetyn analysoinnin tarkoitus oli kuvata varsin karkealla tasolla sitä prosessia, mikä ihmisen aivoissa tapahtuu hänen vertaillessaan eri hyödykkeiden kuluttamisesta saamaansa mielihyvää. Koska rahatalouksissa hyödykkeiden hinnat ilmaistaan rahamääräisinä, rationaalinen kuluttajan valintakäyttäytyminen vaatii hyödykekombinaatioiden järjestysrelaatiollisuus -ominaisuuden lisäksi sen, että kuluttaja pystyy muuntamaan sekä raha- että mielihyväasteikolliset suureet yhteismitallisik- 8

9 si. Rahamääräisinä suureina hyödykkeiden hinnat ovat jatkuvia suureita, joten kuluttajan tulee pystyä määrittelemään jatkuva yksikäsitteinen vastaavuus yksiköissä (mk) mitatuille rahamääräisille suureille sekä joissakin yksiköissä mitatuille mielihyvämäärille. Kuluttajan kokemaa mielihyvää (tyytyväisyyttä) on kansantaloustieteessä perinteisesti kutsutty hyödyksi, mitä nimitystä tässäkin kirjassa käytetään jatkossa perinteiden vuoksi. Kuluttajan valintateoriassa on kyetty osoittamaan, että silloin kun kuluttaja kykenee asettamaan erilaiset hyödykekombinaatiot paremmuusjärjestykseen, sellainen argumenttiensa suhteen jatkuva skalaariarvoinen funktio (liite; luku 5 osio 1) voidaan määritellä, joka kuvaa kuluttajan preferenssijärjestyksen ( prefer = pitää parempana) yksikäsitteisesti. Näin muodostettua funktiota kutsutaan kuluttajan hyötyfunktioksi. Yllä määritelty kuluttajan hyötyfunktio ei kuitenkaan ole yksikäsitteinen; mikä tahansa sen positiivinen muunnos esim. hyötyfunktion kertominen positiivisella luvulla tai korottaminen potenssiin kuvaa saman preferenssijärjestyksen. Jokainen saman preferenssijärjestyksen kuvaava hyötyfunktio määrittelee yhden jatkuvan yksikäsitteisen vastaavuuden hyötyfunktion arvojen ja rahamääräisten suureiden välille. Tämä vastaavuus määritellään kuluttajan valintateoriassa luvussa 4. Hyödyn mittaamisessa hyötyfunktion valinnalla ei ole muuta vaikutusta kuin se, että tietty hyötyfunktio määrittelee yhden tietyn vastaavuuden rahamääräisten suureiden ja hyötymäärien välille. Voidaan siis ajatella, että jokainen saman preferenssijärjestyksen kuvaava hyötyfunktio määrittelee kuluttajan hyödylle yhden tietyn funktion arvojen ilmaiseman mittayksikön. Kuluttajan hyötytason absoluuttisilla arvoilla ei kuitenkaan ole merkitystä kuluttajan valintaa mallitettaessa, sillä kuluttajan optimitilanteen läheisyydessä jokainen tietyn kuluttajan saman preferenssijärjestyksen ilmaisema jatkuva hyötyfunktio määrittelee eri hyödykkeille yksikäsitteiset maksuhalukkuudet. Jos kuluttaja kykenee järjestämään tarjolla olevat hyödykekombinaatiot paremmuusjärjestykseen niiden kuluttamisesta saamansa mielihyvän perusteella, ja pystyy ilmaisemaan maksuhalukkuutensa niistä, rationaalinen kuluttajan valintakäyttäytyminen voidaan pelkistää vertailuksi hyödykkeiden hintojen ja kuluttajan niihin kohdistaman maksuhalukkuuden välillä. Tämä vastaa karkealla tasolla ihmisten päivittäistä ostokäyttäytymistä. Vaikka kuluttajan subjektiivinen mielihyvä on rationaalisen valintakäyttäytymisen perusta, hyödyn tasoa ei kuitenkaan tarvitse mitata kuluttajan valintatilannetta mallitettaessa, vaan sitä mitataan epäsuorasti maksuhalukkuuden perusteella. Kuluttajan kokema hyöty on siten ainoastaan apusuure hänen maksuhalukkuutensa määrittämisessä, mistä syystä edellä esitetyillä hyödyn mittausongelmilla ei ole merkitystä kuluttajan valintakäyt- 9

10 täytymistä mallitettaessa. Näihin asioihin palataan luvussa 4. Tässä esitetyn perusteella mielihyvän (tyytyväisyyden) eli hyödyn mittaaminen ei ole objektiivista, vaan se riippuu sekä kuluttajan subjektiivisista arvostuksista että hänen preferenssejään kuvaavan hyötyfunktion valinnasta. Tämä epätäsmällisyys vastaa edellä esitettyä epätäsmällisyyttä hyödykkeiden arvojen mittaamisessa, ja se johtuu samasta syystä; kuluttajat kokevat saavansa mielihyvää erilaisista asioista. Samalla tavalla kuin ihmisten maksuhalukkuus vaihtelee tietyn hyödykkeen suhteen, vaihtelee myös yhden henkilön maksuhalukkuus eri hyödykkeistä hänen tulojensa, varallisuutensa sekä vallitsevan tarpeidentyydytystasonsa myötä. Nämä tekijät tekevät hyödyn objektiivisen mittaamisen mahdottomaksi. Tietty mittayksikkö hyödylle on kuitenkin tarpeellinen siitä syystä, että sen avulla voidaan kirjoittaa sellaisia dimensioiden suhteen hyvin määriteltyjä yhtälöitä, joissa hyödyn tasoa kuvaava funktio esiintyy. Näillä perusteluilla mielihyvän (hyödyn) mittayksikköä merkitään jatkossa (ut):llä (utility = hyöty), mikä on mittayksikkö ihmisen aivoissaan tuntemalle mielihyvän asteelle. Jatkossa kuluttajan hyötytasoa mitataan yhden sellaisen jatkuvan funktion arvoilla, joka määrittelee kuluttajan preferenssijärjestyksen yksikäsitteisesti. Hyötyfunktion arvojen mittayksikkö on siis (ut). 2.5 Jonkin suureen muutoksen mittaamisesta Suureita on periaatteessa kahdenlaisia; jatkuvia ja diskreettejä. Diskreetti suure on sillä tavalla epäjatkuva, että sen arvo muuttuu joko hyppäyksin tai tietyin arvovälein. Yksi syy näihin hyppyihin on se, että suure voi saada ainoastaan tiettyjä arvoja; esimerkiksi kokonaislukuja 1, 2, 3,... Esimerkki tällaisesta suureesta on valmistuneiden hyödykkeiden lukumäärä. Toinen yleinen epäjatkuvuuden syy on se, että suureiden arvoja mitataan ainoastaan tietyiltä ajanjaksoilta tai tietyin aikavälein. Esimerkkejä näistä ovat yrityksen päivätuotannon määrä sekä aamuisin mitattu ulkoilman lämpötila. Päivätuotannon määrän kuvaaja on porrasfunktio koordinaatistossa (x, y), missä vaaka-akselilla x mitataan aikaa ja pystyakselilla y mitataan päivätuotannon määrää. Portaan korkeus vastaa päivätuotannon määrää ja leveys vaaka-akselille valitun asteikon määrittämää yhden päivän pituutta. Aamuisin mitattu ulkoilman lämpötila kuvautuu puolestaan koordinaatistoon (aika, lämpötila) erillisten pisteiden joukoksi, jossa päivän välein saadaan yksi mittaustulos. Kuviossa 2.1 on esitettynä suureen x(t) mitattuja arvoja eri ajanhetkillä t 0, t 1, jne. Merkintä t tulee sanasta time eli aika ja alaindeksit 0 ja 1 viittaavat tiettyyn ajanhetkeen. Ensimmäinen kuvio esittää ajan suhteen jatkuvaa suuretta ja muut ovat ajan suhteen diskreettejä. Jatkuvan suureen kuvaaja 10

11 on yhtenäinen viiva, kun taas diskreetin suureen kuvaaja on joko porrasfunktio tai erillisten pisteiden muodostama joukko. Kuvio 2.1. Yksi jatkuva ja kaksi diskreettiä suuretta Esimerkki. Jatkuvia suureita ovat esimerkiksi aika, auringonpaiste (silloin kun paistaa), selluloosan tai minkä tahansa muun massan tuotanto kun tuotantoprosessi on käynnissä jne. Diskreettejä suureita ovat puolestaan arpanopan silmämäärä usean heiton sarjassa, päivän aikana valmistuneiden autojen lukumäärä esimerkiksi viikon pituisen tarkastelujakson aikana, työntekijän kuukausitulot vuoden pituisen tarkastelujakson aikana, tietyn maan vuotuinen bruttokansantuote luvulla jne. Ajan suhteen jatkuvista suureista saadaan aina muodostettua diskreetti suure siten, että aika ositetaan diskreetiksi suureeksi (tunneiksi, vuorokausiksi, viikoiksi jne.), miltä jaksoilta suureen arvot mitataan. Toinen tapa muuntaa jatkuva suure diskreetiksi on se, että suureen arvojoukko ositetaan sellaisiksi arvoväleiksi, joissa suureen arvo on vakio. Massanvalmistusta voidaan esimerkiksi mitata siten, että määriä mitataan vain täysinä kiloina. Kaikki määrät Q (kg), 1 Q < 2, vastaavat tällöin yhtä kiloa, määrät 2 Q < 3 vastaavat kahta kiloa jne. Matematiikassa ja tilastotieteessä on kehitetty useita menetelmiä, joiden avulla päinvastainen muunnos diskreetin suureen muuntaminen jatkuvaksi voidaan tehdä. Näiden menetelmien tarkka käsittely sivuutetaan tässä kirjassa, mutta niiden periaatetta tarkastellaan seuraavissa kahdessa esimerkissä. Esimerkki. Oletetaan että tietyn yrityksen tuotantoa mitataan valmistuneiden hyödykkeiden lukumäärällä: 1, 2, 3,... Olkoon päivän aikana on valmistunut kolme hyödykettä. Yrityksen tuotantonopeus voidaan tällöin ilmaista seuraavasti: 3 (kpl/vrk). Tämä diskreetti vuorokausinopeus voidaan muuntaa ajan mittayksiköiden muunnoksilla seuraavasti: 3 (kpl/vrk) = 3 (kpl/24h) = 3 24 (kpl/h) = 3 24 (kpl/60min) = (kpl/min) = (kpl/60sek) = (kpl/sek) jne. Kun ajan ositusta tihennetään riittävästi, diskreettiä tuotantonopeutta vastaava hetkellinen tuotantonopeus (tarkemmin myöhemmin) saadaan määritettyä. Käänteisillä ajan mittayksiköiden muunnoksilla hetkellinen tuotantonopeus voidaan muuntaa vuorokausinopeudeksi. On syytä huomata, että tällä tavalla johdettu hetkellinen tuotantonopeus ei vastaa jonkun tietyn hetken todellista hetkellistä nopeutta, vaan sitä keskimääräistä hetkellistä nopeutta, joka vastaa vuorokausinopeutta 3 (kpl/vrk). 11

12 Esimerkki. Oletetaan nyt, että yrityksen tietyn hyödykkeen tuotannosta aiheutuvat viikottaiset tuotantokustannukset ovat 1000 (mk/vk). Viikon aikana yrityksessä on saatu valmiiksi kaksi soutuvenettä. Yrityksen yhden veneen valmistuskustannukset ovat tällöin 1000 (mk/vk)/2 (kpl/vk) = 500 (mk/kpl). Tällä tavalla mitattuja diskreettejä yksikkökustannuksia voidaan muuntaa seuraavasti. 500 (mk/kpl) = (mk/kpl) = (mk/(1/10)kpl) = 50 (mk/0.1kpl) = (mk/0.1kpl) = 0.5 (mk/(0.1/100)kpl) 100 = 0.5 (mk/0.001kpl) jne. Soutuveneen yhden tuhannesosan valmistaminen maksaa siis 50 penniä. Tällä tavalla muuntamalla yksikkökustannuksista saadaan johdettua keskimääräisiä yksikkökustannuksia vastaavat marginaaliset yksikkökustannukset eli rajakustannukset, joita tarkastelemme luvussa 5. Käänteisesti muuntaen marginaalisista yksikkökustannuksista saadaan kokonaisen veneen valmistuskustannukset. Yllä olevissa esimerkeissä mitatut diskreetit suureet muunnettiin sellaisiksi marginaalisiksi suureiksi, jotka vastaavat mitattuja suureita. Marginaalisten suureiden käytön mielekkyys perustuu kuitenkin siihen, että ne mitataan jonkin suhteellisen lyhyen ajanjakson tai pienen funktion argumentin (esimerkiksi tuotantokustannukset ovat tuotantonopeuden funktio) perusteella. Marginaalisen mittaustuloksen perusteella voidaan sitten arvioida joko pitemmän aikavälin tai suuremman argumentin muutoksen vaikutuksia. Marginaaliset suureet poikkeavat yleensä keskimääräisistä suureista. Esimerkiksi palkansaajan keskimääräinen tulovero vuoden aikana saattaa olla 35 % samanaikaisesti kuin hänen marginaaliveronsa on 50 % progressiivisen tuloveron takia. Ylitöiden rahallista kannattavuutta ei siten tule arvioida keskimääräisen vaan marginaalisen veroasteen perusteella. Seuraavan soutuveneen valmistuskustannukset poikkevat myös erilaisista syistä (työntekijöiden oppiminen, ylityökorvaukset jne.) vallitsevan kuukauden aikana valmistuneiden veneiden keskimääräisistä valmistuskustannuksista. Seuraavan soutuveneen valmistamisen kannattavuutta tulee siten arvioida marginaalisten kustannusten eikä aiemmin toteutuneiden keskimääräisten yksikkökustannusten perusteella. Tässä esitetyistä syistä johtuen marginaaliset suureet ovat tarpeellisia käsitteitä taloustieteellisessä analyysissa. Oletetaan nyt, että aika on ositettu tasavälisiin t = t 1 t 0 :n pituisiin jaksoihin, missä t 0, t 1 ovat kaksi ajan hetkeä ja jakson t pituus voi olla yksi sekunti, tunti, vuorokausi, viikko tai mikä tahansa muu aikaväli, 12

13 kolme päivää, neljä viikkoa jne. Suureissa tapahtuvia muutoksia merkitään jatkossa :lla (delta). Yhteys jatkuvan ja diskreetin ajan välillä voidaan nyt esittää seuraavasti. Diskreetti aika muunnetaan jatkuvaksi siten, että aikavälien pituudet pienennetään nollamittaisiksi, eli asetetaan lim t 0. Tällä tavalla syntyvät nollamittaiset aikavälit vastaavat ajanhetkiä, ja jatkuva aika muodostetaan ketjuttamalla peräkkäiset ajanhetket. Merkitään nyt x:llä jotakin suuretta ja tarkastellaan sen ajassa tapahtuvan muutoksen mittaamista. Suureet x(t 0 + t) x(t 0 ) = x(t 0 +t 1 t 0 ) x(t 0 ) = x(t 1 ) x(t 0 ) ja x(t 0 + t) x(t 0 ) x(t 0 ) mittaavat x:n absoluuttista ja suhteellista muutosta jakson t aikana. Näillä suureilla on se ero, että edellisellä on sama mittayksikkö kuin x:llä kun taas jälkimmäinen on dimensioton suure eli paljas luku, sillä siinä osoittajan ja nimittäjän mittayksiköt supistuvat pois. Määritelmä: Suureen x keskimääräinen (kasvu)nopeus jakson t aikana on v x = x(t 0 + t) x(t 0 ) = x(t 1) x(t 0 ), t t 1 t 0 missä merkintä v tulee sanasta velocity eli nopeus ja viiva suureen yläpuolella viittaa keskiarvoon. Fysiikassa kappaleen nopeus ja vauhti erotellaan siten, että vauhti on nopeuden itseisarvo. Vauhti on siis ei-negatiivinen skalaarisuure. Nopeus sen sijaan voi olla positiivinen, negatiivinen tai vektorisuure (nopeusvektori). Negatiivinen nopeus merkitsee kulkemista koordinaatistossa positiiviseksi määriteltyä suuntaa vastaan. Suureen x kasvunopeuden mittayksikkö riippuu siitä, missä yksiköissä x:ää ja t 1 t 0 = t:tä mitataan. Hetkellinen kasvunopeus saadaan keskimääräisen kasvunopeuden raja-arvona ajanjakson pituuden lähestyessä nollaa, x(t 0 + t) x(t 0 ) v x = lim t 0 t x = lim t 0 t = dx dt = x (t 0 ), t=t0 ja sillä on sama mittayksikkö kuin keskimääräisellä kasvunopeudellakin, sillä raja-arvon ottaminen ei muuta suureen mittayksikköä. Suureen x kasvunopeus (aikaderivaatta) dx/dt mittaa x:n muutoksen dx suuruutta ajan muuttuessa marginaalisesti dt. Koska reaalimaailmassa aika muuttuu ainoastaan positiiviseen suuntaan, t 1 t 0 = t > 0 eli t 1 > t 0, x:n kasvunopeuden positiivisuus merkitsee suureen x kasvua ajan myötä, sillä x(t 0 + t) x(t 0 ) > 0 x(t 0 + t) > x(t 0 ) ja päinvastoin. 13

14 Esimerkki. Jos x:n mittayksikkö on (mk) ja t:n (kk), v x :n ja v x :n mittayksiköt ovat (mk/kk). Jos taas x:n mittayksikkö on (kg) ja t:n (v), v x :n ja v x :n mittayksiköt ovat (kg/v). Jonkin suureen keskimääräisen ja hetkellisen kasvunopeuden (tai lyhyesti nopeuden) ero on siinä, miten pitkän ajanjakson aikana tapahtunutta muutosta tarkastellaan. Vaikka hetkellinen nopeus mitataankin periaatteessa äärimmäisen lyhyen ajanjakson aikana, suure v x voidaan silti ilmaista esimerkiksi mittayksiköissä (kg/kk). Tilanne vastaa fysiikassa mitattavaa hetkellistä nopeutta, jota esimerkiksi auton nopeusmittari mittaa yksiköissä (km/h). Esimerkki. Mitatkoon suure x tietyn yrityksen tuotantomäärää yksiköissä (kg). Jos x:n hetkellinen nopeus v x (t 0 ) = x (t 0 ) (kg/kk) hetkellä t 0 säilyy vakiona yhden kuukauden ajan, kuukauden kuluttua mittaushetkestä tuotantoa on valmistunut v x (kg/kk) 1 (kk) = v x (kg). Oletetaan nyt, että suure x mittaa pankkitilillä olevan talletuksen määrää jolle pankki maksaa korkoa. Seuraavassa esimerkissä näemme, miten tilillä olevan talletuksen määrä vaikuttaa talletuksen kasvunopeuteen. Määritelmä: Prosenttia (eli yhtä sadasosaa) merkitään seuraavasti: 1 (%) = 1 (1/100) = 1/100. Prosentti ei ole aikaisemmin määrittelemämme dimensio eikä mittayksikkö; se on ainoastaan yhden sadasosan merkintätapa. Esimerkki. Olkoon pankin talletuksille maksama vuosittainen korko 4 (%/v). Tällöin talletuksen 100 (mk) kasvunopeus vuoden aikana on 4 (mk/v), talletuksen 1000 (mk) kasvunopeus on 40 (mk/v) jne. Yllä esitetyn syyn vuoksi talletuksen kasvun voimakkuutta on käytännöllistä mitata sellaisella tavalla, että talletuksen määrä ei vaikuta sen kasvun voimakkuuden mittaamiseen. Tämä voidaan tehdä suhteuttamalla talletuksen muutos talletuksen määrään; näin laskettuja suureita kutsutaan kasvuasteiksi. Suureen x kasvuaste voidaan määritellä seuraavalla kahdella tavalla x(t 0 + t) x(t 0 ) t x(t 0 ) = 1 t x(t 0 + t) x(t 0 ) x(t 0 ) tai x (t 0 ) x(t 0 ). Näistä edellinen on keskimääräinen kasvuaste jakson t aikana ja jälkimmäinen on hetkellinen kasvuaste hetkellä t 0. Minkä tahansa suureen kasvuaste mittaa sen kasvun voimakkuutta yksiköissä (1/ t). Esimerkki. Olkoon suureen x mittayksikkö (kpl) ja mitattakoon aikaa tunneissa (h). Tällöin x:n kasvuasteen mittayksikkö on (1/h). Jos taas x:n 14

15 mittayksikkö on (mk) ja ajan (kk), x:n kasvuasteen mittayksikkö on (1/kk). Esimerkki. Edellä olleessa esimerkissä korkotuotot 4 (mk/v) ja 40 (mk/v) vastaavat kasvunopeuksia. Jos ne suhteutetaan talletusten määriin, talletusten kasvuasteiksi saadaan: 4/100 ((mk/v)/mk) = 0.04 (1/v) ja 40/1000 ((mk/v)/mk) = 0.04 (1/v). Molempien kasvuasteet ovat siten 0.04 (1/v) eli 4 (%/v). Eri suureiden yhtä pitkältä ajanjaksolta mitatut kasvuasteet ovat vertailukelpoisia suureita, joista voidaan suoraan päätellä, onko toisen kasvu ollut toista voimakkaampaa. Suureiden kasvuasteita verrattaessa on syytä tarkistaa, että ne ovat mitatut yhtä pitkiltä ajanjaksoilta. Tämän alustuksen jälkeen voimme esittää neljä mahdollista tapaa mitata suureen x muutosta ajanjakson t aikana: absoluuttinen muutos x(t 0 + t) x(t 0 ), suhteellinen muutos x(t 0 + t) x(t 0 ) x(t 0 ), kasvunopeus x(t 0 + t) x(t 0 ) t, kasvuaste 1 t x(t 0+ t) x(t 0 ) x(t 0 ). Näiden suureiden jatkuva-aikaiset vastineet saadaan niiden raja-arvoina aikavälin t pituuden lähestyessä nollaa. Ne on esitetty alla olevassa taulukossa. Suureen x hetkellistä absoluuttista muutosta dx kutsutaan myös suureen differentiaaliksi; hetkellistä kasvunopeutta dx/dt taas kutsutaan x:n aikaderivaataksi. Suureen aikaderivaatta on siten kahden differentiaalin suhdeluku. Muutoksen suuruutta mittaavilla hetkellisillä suureilla on samat mittayksiköt kuin niiden diskreeteillä vastineillakin. Näihin asioihin palataan tämän luvun osioissa 2.2 ja 2.3 sekä kirjan liiteosassa. hetkellinen absoluuttinen muutos lim t 0 [x(t 0 + t) x(t 0 )] = dx t=t0, [ ] hetkellinen suhteellinen muutos lim x(t0 + t) x(t 0 ) t 0 x(t 0 = dx ) x t=t 0, [ ] hetkellinen kasvunopeus lim x(t0 + t) x(t 0 ) t 0 = dx t dt t=t 0, [ ] 1 hetkellinen kasvuaste lim t 0 x(t 0+ t) x(t 0 ) t x(t 0 = dx/dt ) x t=t 0. 15

16 Tilastoissa kasvuasteet esitetään usein kasvuprosentteina. Kasvuprosentti eroaa kasvuasteesta ainoastaan siten, että kasvuaste mittaa kasvun voimakkuutta ykkösen osina kun taas kasvuprosentti mittaa kasvun voimakkuutta sadan osina. Kasvuprosentteina esitetyt luvut on jossain määrin selkeämpiä kuin kasvuasteet, vaikka ne ilmaisevatkin saman asian. Korkolaskennassa korot ilmaistaan yleensä kasvuprosentteina tietyn ajanjakson aikana; taloudessa mitattavat korot ovat rahamääräisten suureiden (talletusten, velkojen) kasvuprosentteja. Kasvuprosenttia 10 (%/v) (10 sadasosaa vuodessa) vastaa kasvuaste 0.1 (1/v) (0.1 ykkösen osaa vuodessa), kasvuprosenttia 15 (%/kk) (15 sadasosaa kuukaudessa) vastaa 0.15 (1/kk) jne. Yleisesti ottaen prosenttilukuja käytetään kolmella tavalla. Ensimmäinen tapa on kuvata jonkin tekijän prosentuaalista osuutta tietystä kokonaisuudesta; esimerkiksi verojen osuus bruttopalkasta. Toinen tapa on kuvata jonkin suureen muutosta prosenttiosuutena suureen arvosta ja kolmas tapa on edellä esitetty kasvuprosentti. Nämä kolme tapaa on esitetty alla olevassa taulukossa. Ensimmäinen esittää x 1 :n prosenttiosuuden kokonaisuudesta n i=1 x i = x 1 + x 2 + +x n, toinen x:n suhteellisen muutoksen prosentteina ja kolmas on x:n kasvuprosentti. prosenttiosuus 100 x 1 n i=1 x i (%), prosenttimuutos 100 x(t 0+ t) x(t 0 ) x(t 0 ) (%), 100 kasvuprosentti x(t 0+ t) x(t 0 ) t x(t 0 ) (%/ t). Taulukosta havaitaan se, että prosenttiosuus ja prosenttimuutos ovat dimensiottomia suureita eli paljaita lukuja, kun taas kasvuprosentin mittayksikkö on (%/ t) = ((1/100)/ t) = 1/100 (1/ t). Nämä erot on syytä muistaa silloin, kun kirjoitetaan sellaisia dimensionaalisia yhtälöitä, joissa kasvuprosentteja tai -asteita esiintyy. 2.6 Esimerkkejä kansantaloudessa mitatuista ilmiöistä Esimerkki 1. Kymmenen tonnia kartonkipaperia on tuotettu Paperi Oy:n tehtaalla kahden vuorokauden aikana. Tämän tuotantonopeuden dimensio on [RT 1 ], mikä saadaan näiden perusdimensioiden potenssitulona. Ilmiön mittayksikkö on (tn/vrk), ja se voidaan kvantifioida seuraavasti: 10 (tn) / 2 (vrk) = 5 (tn/vrk). 16

17 Esimerkki 2. Edellisen esimerkin tuotanto on myyty hintaan 1 (mk/kg) Sanomalehti Oy:lle. Tässä yksikköhinnan mittayksikkö on annettu ja sen dimensio on [M]/[R] = [MR 1 ]. Yksikköhinta on johdettu suure, joka saadaan perusdimensioiden [arvo] ja [määrä] potenssitulona. Esimerkki 3. Paperi Oy:n tehtaan tuotannon arvo (tai pikemminkin tuotantonopeuden arvo) voidaan laskea seuraavasti: 5 (tn/vrk) 1 (mk/kg) = 5 (1000kg/vrk) 1 (mk/kg) = 5000 (kg/vrk) (mk/kg) = 5000 (mk/vrk). Tuotannon arvon dimensio [MT 1 ] on perusdimensioista [M] ja [T ] saatu johdettu dimensio. Esimerkki 4. Pankin maksama korkotuotto voidaan kvantifioida seuraavasti. Merkitään jotakin markkamäärää rahaa hetkellä t x(t):llä. Hetkellä t 0 rahamäärä x(t 0 ) talletetaan pankkiin kasvamaan korkoa. Talletus nostetaan korkoineen pankista hetkellä t 1 (> t 0 ), ja pankista saatavaa markkamäärää merkitään x(t 1 ):llä. Markkamääräinen korkotuotto aikaväliltä t = t 1 t 0 on tällöin x = x(t 0 + t) x(t 0 ). Korko voidaan ilmaista talletuksen kasvunopeutena seuraavasti x(t 0 + t) x(t 0 ) t = x(t 1) x(t 0 ) t 1 t 0. Jos aikaa mitataan vuorokausissa, talletuksen kasvunopeuden mittayksikkö on (mk/vrk); jos taas aikaa mitataan kuukausissa, kasvunopeuden mittayksikkö on (mk/kk) jne. Yleisin koron ilmaisutapa on esittää se talletuksen kasvuasteena tai -prosenttina, 1 x(t 1) x(t 0 ) t 1 t 0 x(t 0 ) (1/ t) tai 100 x(t 1) x(t 0 ) t 1 t 0 x(t 0 ) (%/ t), missä korkotuotto jaksolta t 1 t 0 on suhteutettu sijoitettuun päömaan. Jos aikaa mitataan vuorokausissa, koron mittayksikkö on (1/vrk) tai (%/vrk); jos taas aikaa mitataan vuosissa, koron mittayksikkö on (1/v) tai (%/v). Tässä kirjassa noudatetaan tässä osiossa esitettyä mittajärjestelmää, vaikka kaikkia kansantalouden ilmiöitä ei sen avulla kyetäkään kvantifioimaan. 3 Havainnoimisesta kansantaloustieteessä Kansantaloudesta saatavat mittaushavainnot pitävät sisällään eri suureiden väliset riippuvuudet, sillä eristettyjen laboratoriokokeiden tekeminen kansantalouden ilmiöillä on mahdotonta. Voidaan tietysti ajatella, että 17

18 verojärjestelmän muutos on koe siitä, miten talous sopeutuu uuteen verojärjestelmään, tai että Neuvostoliitto oli kokeilu keskusjohtoisen talousjärjestelmän toimivuudesta. Näissä kokeissa ei kuitenkaan voida eliminoida muiden tekijöiden vaikutuksia siten, että ainoastaan yhden tekijän vaikutusta tutkittavaan ilmiöön voitaisiin tarkastella kerrallaan. Esimerkiksi puheet tietyn hallituksen aikaansaamasta talouskasvusta ovat epämääräisiä, sillä mitattu talouden kasvu pitää sisällään monien muidenkin tekijöiden vaikutukset. Kyseisen hallituksen osuutta talouden kasvusta on vaikea eritellä. Yhtä hyvin voitaisiin puhua toteutuneesta talouskasvusta hallituksen toimista huolimatta. Jos kuitenkin halutaan arvioida jonkin tekijän vaikutusta talouden toimintaan tietyn ajanjakson aikana, tämä arviointi perustuu aina oletukseen, että muut kuin kyseinen tekijä pysyvät muuttumattomina. Tästä oletuksesta käytetään yleisesti nimitystä ceteris paribus. Kansantaloudesta saatavat havainnot ovat yleensä tilastokeskuksen tai jonkin muun tietoja keräävän organisaation (ministeriöt, ammattiyhdistysliikkeet jne.) mittaamia arvoja talouden eri suureille. Talouden suureiden välisten riippuvuuksien mittaamisen tilastollinen analyysi vaatii useita havaintoja. Koska havaintomateriaalia kansantalouden toiminnasta ei voida tuottaa laboratoriokokeilla, useiden havaintojen joukko talouden toiminnasta muodostetaan joko mittaamalla saman suureen arvoja eri ajanjaksoilta, tai mittaamalla tietyn suureen arvoja samalta ajanjaksolta eri talousyksiköiltä. Näistä edellistä havaintojoukkoa kutsutaan suureen aikasarjaksi ja jälkimmäistä suureen poikkileikkausaineistoksi eri talousyksiköiden suhteen. vuosi ai ka sar ja poik- ki- leik- kaus- sarja Taulukko 2.1. Teollisuustyöntekijöiden keskituntiansioita 1 Taulukossa 2.1 esitetään teollisuustyöntekijöiden keskimääräisiä tuntipalkkoja (miehet ja naiset yhdessä (mk/h)). Taulukon merkinnät ovat seuraavat: 1 = puutavarateollisuus, 2 = huonekaluteollisuus, 3 = paperiteollisuus, 4 = graafinen teollisuus ja 5 = kemian perusteollisuus. Taulukon rivit (vaakasuorat numerosarjat) ovat poikkileikkaussarjoja ja sarakkeet (pystysuorat numerosarjat) aikasarjoja. Tällaista aineistoa, jossa on sekä pitkittäis- että 1 Lähde: Suomen tilastollinen vuosikirja 1993, s

19 poikittaishavaintoja, kutsutaan paneeliaineistoksi. Nimitys juontaa paneloidun seinän ja taulukoidun paneeliaineiston yhtenevästä ulkomuodosta. Aikasarja voi olla muodostettu esimerkiksi vuosi-, kuukausi-, viikko- tai vuorokausihavainnoista. Suomen bruttokansantuote vuosina 1980, -81, - 82,... on esimerkki vuositasolla mitatusta aikasarjasta. Esimerkki poikkileikkausaineistosta voisi puolestaan olla havaintojoukko eri yritysten palkkamenoista tietyn kuukauden ajalta. Jonkin suureen aikasarja voidaan esittää joko taulukkona tai graafina (kuvaajana), eli pistejoukkona koordinaatistossa (ajanjakso, suureen arvo). 3.1 Suureiden välisen riippuvuuden arviointi Kahden suureen välistä keskinäistä riippuvuutta voidaan arvioida hajontakuvion avulla. Hajontakuviossa kahden suureen samanaikaiset havainnot kuvataan yhdeksi pisteeksi kaksiulotteiseen tasoon, jossa tarkasteltavia suureita mitataan eri koordinaattiakseleilla. Molempien suureiden usealta ajanjaksolta samanaikaisesti mitatut arvot muodostavat koordinaatistoon pistejoukon, jonka avulla suureiden välistä riippuvuutta voidaan arvioida. Jokainen havainto on 2-ulotteinen vektori, ja näin muodostettu havaintojoukko on 2-ulotteisen vektorikuvauksen arvojoukko. Esimerkki hajontakuviosta on kuviossa 2.9. Havaintopisteiden perusteella riippuvuuden laatua ja voimakkuutta voidaan arvioida, ja sitä voidaan myös mitata erilaisin tilastollisin tunnusluvuin. Kuvio 2.9. Hajontakuvio VR:n liikennemääristä ja toimintaylijäämästä 2 Jos molemmat suureet kasvavat (pienenevät) yhtä aikaa, pistejoukko muodostaa nousevaa suoraa vastaavan hajontakuvion. Suureiden välinen riippuvuus on tällöin positiivinen. Jos taas toinen suure kasvaa ja toinen pienenee yhtä aikaa, hajontakuvio muistuttaa laskevaa suoraa. Tällöin riippuvuus on negatiivinen. Nämä tapaukset ovat yksinkertaisimmat. Epälineaariset riippuvuudet (kaarevaa käyrää muistuttavat pistejoukot) sekä epämääräiset kuviot ovat vaikeampia tapauksia. Jos hajontakuviossa ei voida havaita mitään erityistä muotoa eli kuvio muistuttaa haulikolla ammuttua ladon seinää suureiden välillä ei ole riippuvuutta. Tilastohavaintojen perusteella tehtävä talouden suureiden välisten riippuvuuksien mittaaminen kuuluu ekonometrian piiriin, ja niitä asioita käsitellään ekonometrian oppikirjoissa. Kuvion 2.9 perusteella on vaikea päätellä, minkälaisessa riippuvuussuhteessa Valtionrautateiden liikennemäärä ja toimintaylijäämä ovat. Jos hajontakuviosta poistetaan joitakin yksittäisiä havaintoja, kuviosta voidaan 2 Lähde: Suomen tilastollinen vuosikirja 1993, s

20 löytää sekä positiivinen että negatiivinen riippuvuus. Tämä esimerkki o- soittaa hyvin mitä suuruusluokkaa epävarmuus on, kun talouden suureiden välisiä riippuvuuksia mitataan. 3.2 Indeksipisteluvut Indeksipisteluku esittää jonkin suureen arvoa tiettyyn perusarvoon suhteutettuna. Tarkastellaan seuraavaksi indeksipistelukujen laskemisen periaatetta. Merkitään jonkin hyödykkeen i hintaa ajanjaksolla 0 p i0 :lla ja jaksolla 1 p i1 :lla. Kiinnitetään hyödykkeen i ajanjakson 0 hintaindeksin pisteluvuksi 100 (perusluvuksi asetetaan jokin riittävän suuri positiivinen luku, jotta negatiivisilta luvuilta vältytään). Tämän jälkeen muunnetaan hyödykkeen i hinnan aikasarja sitä vastaavaksi indeksipistelukusarjaksi seuraavalla tavalla. Merkitään tuntematonta indeksipistelukua jaksolla 1 x 1 :llä. Asetetaan näiden kahden ajanjakson indeksipistelukujen suhde yhtä suureksi havaittujen hintojen suhdeluvun kanssa; molempien aikasarjojen peräkkäisten havaintojen suhdeluvut ovat tällöin yhtä suuret. Ratkaistaan näin saatu yhtälö x 1 :n suhteen seuraavasti: p i1 p i0 = x x 1 = 100 p i 1 p i0. Yo. kaavasta nähdään, että jakson 1 indeksipisteluku x 1 on dimensioton suure, sillä siinä hintojen mittayksiköt supistuvat pois. Indeksipistelukusarjan seuraava havainto x 2 saadaan vastaavasti; merkitään jaksolla 2 mitattua hintaa p i2 :lla ja käytetään edellä johdettua x 1 :n arvoa: p i2 p i1 = x 2 x 1 x 2 = x 1 p i 2 p i1 = 100 p i 1 p i0 p i 2 p i1 = 100 p i 2 p i0. Jatkamalla yllä esitetyllä tavalla saadaan hinnan p i havaittua aikasarjaa vastaava indeksipistelukusarja johdettua. Indeksipistelukusarjan sisältämä informaatio hinnan p i kehityksestä on identtinen alkuperäisen sarjan kanssa. Indeksien käyttökelpoisuus perustuu seuraaviin seikkoihin: 1) indeksit ovat dimensiottomia pistelukuja, joten indeksipistelukuja voidaan suoraan laskea yhteen, ja 2) eri suureista muodostetut indeksipisteluvut ovat suoraan vertailukelpoisia, sillä ne voidaan skaalata lähtemään samasta numeroarvosta (esim. 100) samalla perusjaksolla. Taulukko 2.2 osoittaa miten hintaindekseistä nähdään helpommin kuin vallitsevia hintoja tarkastelemalla, että juuston hinta on noussut hieman farmarien hintaa nopeammin. 20

21 vuosi juusto, Emmental (mk/kg) nuorison farmarit (mk/kpl) juuston hintaindeksi (1989=100) farmarien hintaindeksi (1989=100) Taulukko 2.2. Hyödykkeiden hintoja ja hintaindeksejä Indeksipisteluvut keskimääräisinä hintoina Määritelmä: Suureen X havaintojen x i, i = 1,..., n, painotetulla keskiarvolla tarkoitetaan seuraavaa summaa X = n i=1 a ix i, missä 0 a i 1 ja n i=1 a i = 1. Aritmeettinen keskiarvo on yksi tietty painotettu keskiarvo, jossa jokaisen havainnon painokerroin on sama, a i = (1/n), i = 1,..., n. Yo. määritelmässä yksittäisen havainnon painokertoimella tarkoitetaan kyseisen havainnon merkitystä keskiarvoa laskettaessa. Nimitys painokerroin tulee siitä, että painotettu keskiarvo vastaa fysiikassa määriteltyä massakeskieli painopistettä. Vaakasuoralla viivalla sijaitsevien pistemäisten massojen muodostaman kappaleen massakeskipiste voidaan ilmaista sellaisena pistemäisten massojen kiinteästä pisteestä mitattujen etäisyyksien summana, jossa pistemäisten massojen etäisyyksiä valitusta kiinteästä pisteestä painotetaan niiden massaosuuksilla kappaleen kokonaismassasta. Painopistettä laskettaessa painotetun keskiarvon havainnot ovat pistemäisten massojen etäisyydet valitusta kiinteästä pisteestä, ja havaintojen painokertoimet ovat pistemäisten massojen osuudet kappaleen kokonaismassasta. Nämä painokertoimet summautuvat ykköseksi kuten pitääkin. Todennäköisyyslaskennassa diskreetin suureen odotusarvoa laskettaessa suureen yksittäisille havainnoille määritellään tietyt todennäköisyydet, jotka summautuvat ykköseksi. Diskreetin suureen odotusarvo on havaintojen todennäköisyyksillä painotettu keskiarvo suureen havainnoista. Suureen havaintojen todennäköisyyksien muodostama todennäköisyystiheysfunktio voidaan samastaa suureen todennäköisyysmassaksi, jonka painopistettä suureen odotusarvo vastaa. Mitä suuremman todennäköisyyden yksittäinen havainto omaa, sitä suurempi painokerroin sillä on painotettua keskiarvoa laskettaessa, ja sitä enemmän se vaikuttaa todennäköisyysmassan painopisteeseen eli suureen odotusarvoon. 3 Lähde: Suomen tilastollinen vuosikirja 1993, s

22 Esimerkki. Tarkastellaan sellaista uhkapeliä, jossa pelaaja heittää virheetöntä arpanoppaa yhden kerran ja voittaa arpanopan ilmaiseman markkamäärän. Mikä on pelin tuoton odotusarvo? Vastaus: Jokaisella arpanopan mahdollisella arvolla 1,..., 6 on todennäköisyys 1/6. Pelin tuoton R (R tulee termistä revenue ) odotusarvo E(R) (E tulee termistä expected value ) on tällöin E(R) = (mk) (mk) (mk) = 1 21 ( ) (mk) = 6 6 (mk) = 31 2 (mk). Pelin tuoton odotusarvo on erilaisten mahdollisten tuottojen todennäköisyyksillä painotettu keskiarvo. Koska erilaisten noppapistelukujen todennäköisyydet ovat yhtä suuret eli todennäköisyystiheysjakauma on tasajakauma pelin tuoton odotusarvo vastaa erisuurista tuotoista laskettua aritmeettista keskiarvoa. Indeksien yksi tehtävä on eliminoida eri mittayksiköissä mitattujen suureiden yhteenlaskuongelmat, sillä esimerkiksi makkaran (mk/kg) ja maidon (mk/l) yksikköhintoja ei voida suoraan laskea yhteen. Jos ollaan kiinnostuneita ruuan (tai jonkin muun hyödykeryhmän) kalleudesta keskimäärin, eikä yksittäisten ruokalajien hinnoista, ruualle voidaan muodostaa erilaisia keskimääräisiä hintaindeksejä. Tämä tehdään seuraavasti. Kerätään havainnot yksittäisten ruokalajien hinnoista eri ajanjaksoilta; esimerkiksi keskimääräiset kuukausittaiset hinnat yhden vuoden ajalta. Tämän jälkeen muodostetaan jokaisen ruokalajin hinnasta sitä vastaava indeksipistelukusarja edellä esitetyllä tavalla. Jokaisen indeksipistelukusarjan peruskuukaudeksi asetetaan sama kuukausi ja sama peruspisteluku (esim. 100). Laskemalla edellä johdetuista yksittäisten ruokalajien indeksipisteluvuista jollakin periaatteella painotettu keskiarvo, ruualle saadaan laskettua painotettu keskimääräinen hintaindeksi. Käytetyin painotettu keskimääräinen hintaindeksi on kuluttajahintaindeksi, joka mittaa kansantalouden kotitalouksien keskimääräisiä elinkustannuksia. Kuluttajahintaindeksi on kulutushyödykkeiden yksikköhinnoista muodostetuista indeksipisteluvuista laskettu painotettu keskiarvo, jossa painoina käytetään hyödykkeiden osuuksia kotitalouksien kulutusmenoista. Nämä painot summautuvat ykköseksi kuten pitääkin, ja ne määrätään kotitalouksien kulutusmenoista tietyin väliajoin tehtyjen tiedustelujen perusteella. Kuluttajahintaindeksi ei ole ainoa yleisesti käytetty painotettu hintaindeksi. Vientitavaroiden keskimääräistä hintakehitystä voidaan vastaavasti arvioida muuntamalla yksittäisten vientihyödykkeiden hinnat indeksipisteluvuiksi, ja painottamalla näitä pistelukuja hyödykkeiden vientiosuuksilla. Näin 22

KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA

KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA KANSANTALOUSTIETEEN ILMIÖIDEN MITTAAMISESTA Matti Estola 7. tammikuuta 2013 Jotta kansantaloustiedettä voitaisiin kutsua eksaktiksi (tarkaksi) tieteeksi, seuraavien ehtojen tulisi toteutua. (1) Olisi oltava

Lisätiedot

1 Tieteellinen esitystapa, yksiköt ja dimensiot

1 Tieteellinen esitystapa, yksiköt ja dimensiot 1 Tieteellinen esitystapa, yksiköt ja dimensiot 1.1 Tieteellinen esitystapa Maan ja auringon välinen etäisyys on 1 AU. AU on astronomical unit, joka määritelmänsä mukaan on maan ja auringon välinen keskimääräinen

Lisätiedot

Mat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008

Mat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008 Korko riippuu usein laina-ajan pituudesta ja pitkille talletuksille maksetaan korkeampaa korkoa. Spot-korko s t on se korko, joka kertyy lainatulle pääomalle hetkeen t (=kokonaisluku) mennessä. Spot-korot

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

1 Tieteellinen esitystapa, yksiköt ja dimensiot

1 Tieteellinen esitystapa, yksiköt ja dimensiot 1 Tieteellinen esitystapa, yksiköt ja dimensiot 1.1 Tieteellinen esitystapa Maan ja auringon välinen etäisyys on 1 AU. AU on astronomical unit, joka määritelmänsä mukaan on maan ja auringon välinen keskimääräinen

Lisätiedot

5.3 Ensimmäisen asteen polynomifunktio

5.3 Ensimmäisen asteen polynomifunktio Yllä olevat polynomit P ( x) = 2 x + 1 ja Q ( x) = 2x 1 ovat esimerkkejä 1. asteen polynomifunktioista: muuttujan korkein potenssi on yksi. Yleisessä 1. asteen polynomifunktioissa on lisäksi vakiotermi;

Lisätiedot

1.1 Funktion määritelmä

1.1 Funktion määritelmä 1.1 Funktion määritelmä Tämän kappaleen otsikoksi valittu funktio on hyvä esimerkki matemaattisesta käsitteestä, johon usein jopa tietämättämme törmäämme arkielämässä. Tutkiessamme erilaisia Jos joukkojen

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

1 Aritmeettiset ja geometriset jonot

1 Aritmeettiset ja geometriset jonot 1 Aritmeettiset ja geometriset jonot Johdatus Johdatteleva esimerkki 1 Kasvutulille talletetaan vuoden jokaisen kuukauden alussa tammikuusta alkaen 100 euroa. Tilin nettokorkokanta on 6%. Korko lisätään

Lisätiedot

Nopeus, kiihtyvyys ja liikemäärä Vektorit

Nopeus, kiihtyvyys ja liikemäärä Vektorit Nopeus, kiihtyvyys ja liikemäärä Vektorit Luento 2 https://geom.mathstat.helsinki.fi/moodle/course/view.php?id=360 Luennon tavoitteet: Vektorit tutuiksi Koordinaatiston valinta Vauhdin ja nopeuden ero

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

Funktion derivoituvuus pisteessä

Funktion derivoituvuus pisteessä Esimerkki A Esimerkki A Esimerkki B Esimerkki B Esimerkki C Esimerkki C Esimerkki 4.0 Ratkaisu (/) Ratkaisu (/) Mielikuva: Funktio f on derivoituva x = a, jos sen kuvaaja (xy-tasossa) pisteen (a, f(a))

Lisätiedot

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa

9. Vektorit. 9.1 Skalaarit ja vektorit. 9.2 Vektorit tasossa 9. Vektorit 9.1 Skalaarit ja vektorit Skalaari on koon tai määrän mitta. Tyypillinen esimerkki skalaarista on massa. Lukumäärä on toinen hyvä esimerkki skalaarista. Vektorilla on taas suuruus ja suunta.

Lisätiedot

1 Rationaalifunktio , a) Sijoitetaan nopeus 50 km/h vaihtoaikaa kuvaavan funktion lausekkeeseen.

1 Rationaalifunktio , a) Sijoitetaan nopeus 50 km/h vaihtoaikaa kuvaavan funktion lausekkeeseen. Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 5.7.06 Rationaalifunktio. a) Sijoitetaan nopeus 50 km/h vaihtoaikaa kuvaavan funktion lausekkeeseen. f (50) 50 8 50 4 8 50 500 400 4 400

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi

Lisätiedot

a) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on

a) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on Kotitehtävät 4 Ratkaisuehdotukset. 1. Kuinka suureksi 3500000 euroa kasvaa 8 vuodessa, kun lähdevero on 30% ja vuotuinen korkokanta on 10, 5%, kun korko lisätään a) kerran vuodessa b) kuukausittain c)

Lisätiedot

Y ja

Y ja 1 Funktiot ja raja-arvot Y100 27.10.2008 ja 29.10.2008 Aki Hagelin aki.hagelin@helsinki.fi Department of Psychology / Cognitive Science University of Helsinki 2 Funktiot (Lue Häsä & Kortesharju sivut 4-9)

Lisätiedot

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin

Lisätiedot

Matematiikan tukikurssi, kurssikerta 3

Matematiikan tukikurssi, kurssikerta 3 Matematiikan tukikurssi, kurssikerta 3 1 Epäyhtälöitä Aivan aluksi lienee syytä esittää luvun itseisarvon määritelmä: { x kun x 0 x = x kun x < 0 Siispä esimerkiksi 10 = 10 ja 10 = 10. Seuraavaksi listaus

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten

Lisätiedot

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun

Lisätiedot

NELIÖJUURI. Neliöjuuren laskusääntöjä

NELIÖJUURI. Neliöjuuren laskusääntöjä NELIÖJUURI POLYNOMIFUNKTIOT JA -YHTÄLÖT, MAA2 Tarkoittaa positiivista tai nollaa Määritelmä, neliöjuuri: Luvun a R neliöjuuri, merkitään a, on se ei-negatiivinen luku, jonka neliö (eli toiseen potenssiin

Lisätiedot

Ratkaisuja, Tehtävät

Ratkaisuja, Tehtävät ja, Tehtävät 988-97 988 a) Osoita, että lausekkeiden x 2 + + x 4 + 2x 2 ja x 2 + - x 4 + 2x 2 arvot ovat toistensa käänteislukuja kaikilla x:n arvoilla. b) Auton jarrutusmatka on verrannollinen nopeuden

Lisätiedot

Kansainvälinen rahatalous Matti Estola. Termiinikurssit ja swapit valuuttariskien hallinnassa

Kansainvälinen rahatalous Matti Estola. Termiinikurssit ja swapit valuuttariskien hallinnassa Kansainvälinen rahatalous Matti Estola ermiinikurssit ja swapit valuuttariskien hallinnassa 1. Valuuttariskien suojauskeinot Rahoitusalan yritykset tekevät asiakkailleen valuuttojen välisiä termiinisopimuksia

Lisätiedot

Prof. Marko Terviö Assist. Jan Jääskeläinen

Prof. Marko Terviö Assist. Jan Jääskeläinen Harjoitukset 3. 1. (a) Dismalandissa eri puolueiden arvostukset katusiivoukselle ovat Q A (P ) = 60 6P P A (Q) = 10 Q/6 Q B (P ) = 80 5P P B (Q) = 16 Q/5 Q C (P ) = 50 2P P C (Q) = 25 Q/2 Katusiivous on

Lisätiedot

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a)

Tekijä MAA2 Polynomifunktiot ja -yhtälöt = Vastaus a) K1 a) Tekijä MAA Polynomifunktiot ja -yhtälöt 6.8.016 ( + + ) + ( ) = + + + = + + + = + 4 b) 4 4 ( 5 + ) ( 5 + 1) = 5 + + 5 + 1 4 = + + + 4 = + 5 5 1 1 Vastaus a) 4 + b) 4 + 1 K a) f ( ) = + 1 f () = +

Lisätiedot

1.3 Kappaleen tasaisesta liikkeestä

1.3 Kappaleen tasaisesta liikkeestä Arkikielen sana vauhti (speed) tarkoittaa fysiikassa nopeuden (velocity) suuruutta (magnitude of velocity). Kun nopeus on fysiikassa vektorisuure, niin vauhti taas on vain luku skalaari johon liittyy yksikkö.

Lisätiedot

PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA

PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA PELITEORIAN TALOUSTIETEELLISIÄ SOVELLUKSIA Matti Estola 29 marraskuuta 2013 Sisältö 1 Cournot'in duopolimalli 2 2 Pelin Nash -tasapainon tulkinta 3 3 Cournot'in mallin graanen ratkaisu 4 4 Bertrandin duopolimalli

Lisätiedot

Laskun vaiheet ja matemaattiset mallit

Laskun vaiheet ja matemaattiset mallit Laskun vaiheet ja matemaattiset mallit Jukka Sorjonen sorjonen.jukka@gmail.com 28. syyskuuta 2016 Jukka Sorjonen (Jyväskylän Normaalikoulu) Mallit ja laskun vaiheet 28. syyskuuta 2016 1 / 22 Hieman kertausta

Lisätiedot

Joukot. Georg Cantor ( )

Joukot. Georg Cantor ( ) Joukot Matematiikassa on pyrkimys määritellä monimutkaiset asiat täsmällisesti yksinkertaisempien asioiden avulla. Tarvitaan jokin lähtökohta, muutama yleisesti hyväksytty ja ymmärretty käsite, joista

Lisätiedot

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

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

MATEMATIIKKA 5 VIIKKOTUNTIA. PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009

MATEMATIIKKA 5 VIIKKOTUNTIA. PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009 EB-TUTKINTO 2009 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 8. kesäkuuta 2009 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa

Lisätiedot

1.4 Funktion jatkuvuus

1.4 Funktion jatkuvuus 1.4 Funktion jatkuvuus Kun arkikielessä puhutaan jonkin asian jatkuvuudesta, mielletään asiassa olevan jonkinlaista yhtäjaksoisuutta, katkeamattomuutta. Tässä ei kuitenkaan käsitellä työasioita eikä ihmissuhteita,

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa. KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen

Lisätiedot

(1) Katetuottolaskelma

(1) Katetuottolaskelma (1) Katetuottolaskelma Katetuottolaskelmalla tarkastellaan yrityksen kannattavuutta myyntituotto - muuttuvat kustannukset (mukut) = katetuotto katetuotto - kiinteät kustannukset (kikut) = tulos (voitto

Lisätiedot

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

KANSANTALOUSTIETEEN PÄÄSYKOE 4.6.2015 MALLIVASTAUKSET

KANSANTALOUSTIETEEN PÄÄSYKOE 4.6.2015 MALLIVASTAUKSET KANSANTALOUSTIETEEN ÄÄSYKOE 4.6.05 MALLIVASTAUKSET Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti ohjola, Taloustieteen oppikirja,. painos, 04] sivuihin. () (a) Bretton Woods -järjestelmä:

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista

Lisätiedot

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja

Lisätiedot

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi

Sivu 1 / 8. A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste. Olli Kauppi Sivu 1 / 8 A31C00100 Mikrotaloustieteen perusteet: matematiikan tukimoniste Olli Kauppi Monisteen ensimmäinen luku käsittelee derivointia hieman yleisemmästä näkökulmasta. Monisteen lopussa on kurssilla

Lisätiedot

Alkuaineita luokitellaan atomimassojen perusteella

Alkuaineita luokitellaan atomimassojen perusteella IHMISEN JA ELINYMPÄRISTÖN KEMIAA, KE2 Alkuaineen suhteellinen atomimassa Kertausta: Isotoopin määritelmä: Saman alkuaineen eri atomien ytimissä on sama määrä protoneja (eli sama alkuaine), mutta neutronien

Lisätiedot

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei.

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei. PITKÄ MATEMATIIKKA PRELIMINÄÄRIKOE 7..07 NIMI: A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-. Taulukkokirjaa saa käyttää apuna, laskinta ei.. Valitse oikea vaihtoehto ja

Lisätiedot

Aluksi. 1.1. Kahden muuttujan lineaarinen yhtälö

Aluksi. 1.1. Kahden muuttujan lineaarinen yhtälö Aluksi Matematiikan käsite suora on tarkalleen sama asia kuin arkikielen suoran käsite. Vai oliko se toisinpäin? Matematiikan luonteesta johtuu, että sen soveltaja ei tyydy pelkkään suoran nimeen eikä

Lisätiedot

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi

Lisätiedot

Differentiaali- ja integraalilaskenta

Differentiaali- ja integraalilaskenta Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona

Lisätiedot

Vastausehdotukset analyysin sivuainekurssin syksyn välikokeeseen

Vastausehdotukset analyysin sivuainekurssin syksyn välikokeeseen Vastausehdotukset analyysin sivuainekurssin syksyn 015 1. välikokeeseen Heikki Korpela November 1, 015 1. Tehtävä: funktio f : R R toteuttaa ehdot ax, kun x 1 f(x) x + 1, kun x < 1 Tutki, millä vakion

Lisätiedot

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B. HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon

Lisätiedot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot

Osa IX. Z muunnos. Johdanto Diskreetit funktiot Osa IX Z muunnos A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 298 / 322 A.Rasila, J.v.Pfaler () Mat-.33 Matematiikan peruskurssi KP3-i 9. lokakuuta 2007 299 / 322 Johdanto

Lisätiedot

Jos Q = kysytty määrä, Q = kysytyn määrän muutos, P = hinta ja P = hinnan muutos, niin hintajousto on Q/Q P/P

Jos Q = kysytty määrä, Q = kysytyn määrän muutos, P = hinta ja P = hinnan muutos, niin hintajousto on Q/Q P/P Osa 5. Joustoista Kysynnän hintajousto (price elasticity of demand) mittaa, miten kysynnän määrä reagoi hinnan muutokseen = kysytyn määrän suhteellinen muutos jaettuna hinnan suhteellisella muutoksella

Lisätiedot

4 LUKUJONOT JA SUMMAT

4 LUKUJONOT JA SUMMAT Huippu Kertaus Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 0.7.08 4 LUKUJONOT JA SUMMAT ALOITA PERUSTEISTA 45A. Määritetään lukujonon (a n ) kolme ensimmäistä jäsentä ja sadas jäsen a 00 sijoittamalla

Lisätiedot

jakokulmassa x 4 x 8 x 3x

jakokulmassa x 4 x 8 x 3x Laudatur MAA ratkaisut kertausarjoituksiin. Polynomifunktion nollakodat 6 + 7. Suoritetaan jakolasku jakokulmassa 5 4 + + 4 8 6 6 5 4 + 0 + 0 + 0 + 0+ 6 5 ± 5 5 4 ± 4 4 ± 4 4 ± 4 8 8 ± 8 6 6 + ± 6 Vastaus:

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut

Lisätiedot

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin) 1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Ratkaise

Lisätiedot

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5)

4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) 4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen

Lisätiedot

Vaikuttaako kokonaiskysyntä tuottavuuteen?

Vaikuttaako kokonaiskysyntä tuottavuuteen? Vaikuttaako kokonaiskysyntä tuottavuuteen? Jussi Ahokas Itä-Suomen yliopisto Sayn laki 210 vuotta -juhlaseminaari Esityksen sisällys Mitä on tuottavuus? Tuottavuuden määritelmä Esimerkkejä tuottavuudesta

Lisätiedot

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista

Matematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista Matematiikan johdantokurssi, syksy 06 Harjoitus, ratkaisuista. Valitse seuraaville säännöille mahdollisimman laajat lähtöjoukot ja sopivat maalijoukot niin, että syntyy kahden muuttujan funktiot (ks. monisteen

Lisätiedot

PRELIMINÄÄRIKOE. Lyhyt Matematiikka 3.2.2015

PRELIMINÄÄRIKOE. Lyhyt Matematiikka 3.2.2015 PRELIMINÄÄRIKOE Lyhyt Matematiikka..015 Vastaa enintään kymmeneen tehtävään. Kaikki tehtävät arvostellaan asteikolla 0-6 pistettä. 1. a) Sievennä x( x ) ( x x). b) Ratkaise yhtälö 5( x 4) 5 ( x 4). 1 c)

Lisätiedot

4 Kysyntä, tarjonta ja markkinatasapaino

4 Kysyntä, tarjonta ja markkinatasapaino 4 Kysyntä, tarjonta ja markkinatasapaino (Taloustieteen oppikirja, luku 4) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen

Lisätiedot

1.3 Prosenttilaskuja. pa b = 100

1.3 Prosenttilaskuja. pa b = 100 1.3 Prosenttilaskuja Yksi prosentti jostakin luvusta tai suureesta on tämän sadasosa ja saadaan siis jakamalla ao. luku tai suure luvulla. Jos luku b on p % luvusta a, toisin sanoen jos luku b on p kpl

Lisätiedot

3 TOISEN ASTEEN POLYNOMIFUNKTIO

3 TOISEN ASTEEN POLYNOMIFUNKTIO 3 TOISEN ASTEEN POLYNOMIFUNKTIO POHDITTAVAA 1. Kuvasta voidaan arvioida, että frisbeegolfkiekko käy noin 9 metrin korkeudella ja se lentää noin 40 metrin päähän. Vastaus: Frisbeegolfkiekko käy n. 9 m:n

Lisätiedot

Injektio. Funktiota sanotaan injektioksi, mikäli lähtöjoukon eri alkiot kuvautuvat maalijoukon eri alkioille. Esim.

Injektio. Funktiota sanotaan injektioksi, mikäli lähtöjoukon eri alkiot kuvautuvat maalijoukon eri alkioille. Esim. Injektio Funktiota sanotaan injektioksi, mikäli lähtöjoukon eri alkiot kuvautuvat maalijoukon eri alkioille. Esim. Funktio f on siis injektio mikäli ehdosta f (x 1 ) = f (x 2 ) seuraa, että x 1 = x 2.

Lisätiedot

1 Määrittelyjä ja aputuloksia

1 Määrittelyjä ja aputuloksia 1 Määrittelyjä ja aputuloksia 1.1 Supremum ja infimum Aluksi kerrataan pienimmän ylärajan (supremum) ja suurimman alarajan (infimum) perusominaisuuksia ja esitetään muutamia myöhemmissä todistuksissa tarvittavia

Lisätiedot

Vastaus: Aikuistenlippuja myytiin 61 kappaletta ja lastenlippuja 117 kappaletta.

Vastaus: Aikuistenlippuja myytiin 61 kappaletta ja lastenlippuja 117 kappaletta. Seuraava esimerkki on yhtälöparin sovellus tyypillisimmillään Lukion ekaluokat suunnittelevat luokkaretkeä Sitä varten tarvitaan tietysti rahaa ja siksi oppilaat järjestävät koko perheen hipat Hippoihin

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 2: Usean muuttujan funktiot Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Syksy 2016 Antti Rasila (Aalto-yliopisto)

Lisätiedot

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä Sekalaiset tehtävät, 11. syyskuuta 005, sivu 1 / 13 Tehtäviä Tehtävä 1. Johda toiseen asteen yhtälön ax + bx + c = 0, a 0 ratkaisukaava. Tehtävä. Määrittele joukon A R pienin yläraja sup A ja suurin alaraja

Lisätiedot

MONISTE 2 Kirjoittanut Elina Katainen

MONISTE 2 Kirjoittanut Elina Katainen MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi

Lisätiedot

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme

KJR-C1001 Statiikka ja dynamiikka. Luento Susanna Hurme KJR-C1001 Statiikka ja dynamiikka Luento 15.3.2016 Susanna Hurme Päivän aihe: Translaatioliikkeen kinematiikka: asema, nopeus ja kiihtyvyys (Kirjan luvut 12.1-12.5, 16.1 ja 16.2) Osaamistavoitteet Ymmärtää

Lisätiedot

r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit. A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät

Lisätiedot

1 sup- ja inf-esimerkkejä

1 sup- ja inf-esimerkkejä Alla olevat kohdat (erityisesti todistukset) ovat lähinnä oheislukemista reaaliluvuista, mutta joihinkin niistä palataan myöhemmin kurssilla. 1 sup- ja inf-esimerkkejä Nollakohdan olemassaolo. Kaikki tuntevat

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

Luentorunko 7: Raha, hintataso ja valuuttakurssit pitkällä aikav

Luentorunko 7: Raha, hintataso ja valuuttakurssit pitkällä aikav Luentorunko 7: Raha, hintataso ja valuuttakurssit pitkällä aikavälillä Niku, Aalto-yliopisto ja Etla Makrotaloustiede 31C00200, Talvi 2018 Johdanto Mitä on raha? Rahan määrä ja hintataso pitkällä aikavälillä.

Lisätiedot

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120 Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen

Lisätiedot

f(x) f(y) x y f f(x) f(y) (x) = lim

f(x) f(y) x y f f(x) f(y) (x) = lim Y1 (Matematiikka I) Haastavampia lisätehtäviä Syksy 1 1. Funktio h määritellään seuraavasti. Kuvan astiaan lasketaan vettä tasaisella nopeudella 1 l/min. Astia on muodoltaan katkaistu suora ympyräkartio,

Lisätiedot

Ratkaisu: a) Aritmeettisen jonon mielivaltainen jäsen a j saadaan kaavalla. n = a 1 n + (n 1)n d = 5 500 + 4 = 501500. 2 500 = 5 + 2001 2

Ratkaisu: a) Aritmeettisen jonon mielivaltainen jäsen a j saadaan kaavalla. n = a 1 n + (n 1)n d = 5 500 + 4 = 501500. 2 500 = 5 + 2001 2 Kotitehtäviä 5. Ratkaisuehdotuksia. a) Jono a,..., a 500 on aritmeettinen, a = 5 ja erotusvakio d = 4. Laske jäsenet a, a 8 ja a 00 sekä koko jonon summa. b) Jono b,..., b 0 on geometrinen, b = ja suhdeluku

Lisätiedot

2.2 Neliöjuuri ja sitä koskevat laskusäännöt

2.2 Neliöjuuri ja sitä koskevat laskusäännöt . Neliöjuuri ja sitä koskevat laskusäännöt MÄÄRITELMÄ 3: Lukua b sanotaan luvun a neliöjuureksi, merkitään a b, jos b täyttää kaksi ehtoa: 1o b > 0 o b a Esim.1 Määritä a) 64 b) 0 c) 36 a) Luvun 64 neliöjuuri

Lisätiedot

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f )

Injektio (1/3) Funktio f on injektio, joss. f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Injektio (1/3) Määritelmä Funktio f on injektio, joss f (x 1 ) = f (x 2 ) x 1 = x 2 x 1, x 2 D(f ) Seurauksia: Jatkuva injektio on siis aina joko aidosti kasvava tai aidosti vähenevä Injektiolla on enintään

Lisätiedot

1 Ensimmäisen asteen polynomifunktio

1 Ensimmäisen asteen polynomifunktio Ensimmäisen asteen polynomifunktio ENNAKKOTEHTÄVÄT. a) f(x) = x 4 b) Nollakohdassa funktio f saa arvon nolla eli kuvaaja kohtaa x-akselin. Kuvaajan perusteella funktion nollakohta on x,. c) Funktion f

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos. MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A23 Differentiaali- ja integraalilaskenta 2, kevät 216 Laskuharjoitus 2A (Vastaukset) Alkuviikolla

Lisätiedot

4 Yleinen potenssifunktio ja polynomifunktio

4 Yleinen potenssifunktio ja polynomifunktio 4 Yleinen potenssifunktio ja polynomifunktio ENNAKKOTEHTÄVÄT 1. a) Tutkitaan yhtälöiden ratkaisuja piirtämällä funktioiden f(x) = x, f(x) = x 3, f(x) = x 4 ja f(x) = x 5 kuvaajat. Näin nähdään, monessako

Lisätiedot

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Talousmatematiikan perusteet: Luento 10 Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi Lineaarikuvaus Esim. Yritys tekee elintarviketeollisuuden käyttämää puolivalmistetta, jossa käytetään

Lisätiedot

Luento 10: Työ, energia ja teho. Johdanto Työ ja kineettinen energia Teho

Luento 10: Työ, energia ja teho. Johdanto Työ ja kineettinen energia Teho Luento 10: Työ, energia ja teho Johdanto Työ ja kineettinen energia Teho 1 / 23 Luennon sisältö Johdanto Työ ja kineettinen energia Teho 2 / 23 Johdanto Energia suure, joka voidaan muuttaa muodosta toiseen,

Lisätiedot

ELEC-A3110 Mekaniikka (5 op)

ELEC-A3110 Mekaniikka (5 op) ELEC-A3110 Mekaniikka (5 op) Yliopistonlehtori, tkt Sami Kujala Mikro- ja nanotekniikan laitos Syksy 2016 1 / 21 Luento 2: Kertausta ja johdantoa Suoraviivainen liike Jumppaa Harjoituksia ja oivalluksia

Lisätiedot

MATEMATIIKKA 5 VIIKKOTUNTIA

MATEMATIIKKA 5 VIIKKOTUNTIA EB-TUTKINTO 2008 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 5. kesäkuuta 2008 (aamupäivä) KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Europpa-koulun antama taulukkovihkonen Funktiolaskin,

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 20. syyskuuta 2007 Antti Rasila () TodB 20. syyskuuta 2007 1 / 17 1 Kolmogorovin aksioomat σ-algebra Tapahtuman todennäköisyys 2 Satunnaismuuttujat Todennäköisyysjakauma

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö 3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö Yhtälön (tai funktion) y = a + b + c, missä a 0, kuvaaja ei ole suora, mutta ei ole yhtälökään ensimmäistä astetta. Funktioiden

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB3 - Harjoitustehtävien ratkaisut: 1 Funktio 1.1 Piirretään koordinaatistoakselit ja sijoitetaan pisteet: 1 1. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä.

Lisätiedot

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I

MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I MS-A0207 Differentiaali- ja integraalilaskenta 2 (Chem) Yhteenveto, osa I G. Gripenberg Aalto-yliopisto 21. tammikuuta 2016 G. Gripenberg (Aalto-yliopisto) MS-A0207 Differentiaali- ja integraalilaskenta

Lisätiedot

2 Pistejoukko koordinaatistossa

2 Pistejoukko koordinaatistossa Pistejoukko koordinaatistossa Ennakkotehtävät 1. a) Esimerkiksi: b) Pisteet sijaitsevat pystysuoralla suoralla, joka leikkaa x-akselin kohdassa x =. c) Yhtälö on x =. d) Sijoitetaan joitain ehdon toteuttavia

Lisätiedot

MAATALOUS-METSÄTIETEELLISEN TIEDEKUNNAN VALINTAKOE 2014

MAATALOUS-METSÄTIETEELLISEN TIEDEKUNNAN VALINTAKOE 2014 MAATALOUS-METSÄTIETEELLISEN TIEDEKUNNAN VALINTAKOE 2014 KOE 2: Ympäristöekonomia KANSANTALOUSTIEDE JA MATEMATIIKKA Sekä A- että B-osasta tulee saada vähintään 10 pistettä. Mikäli A-osan pistemäärä on vähemmän

Lisätiedot

3 Raja-arvo ja jatkuvuus

3 Raja-arvo ja jatkuvuus 3 Raja-arvo ja jatkuvuus 3. Raja-arvon käsite Raja-arvo kuvaa funktion kättätmistä jonkin lähtöarvon läheisdessä. Raja-arvoa tarvitaan toisinaan siksi, että funktion arvoa ei voida laskea kseisellä lähtöarvolla

Lisätiedot

1 Komparatiivinen statiikka ja implisiittifunktiolause

1 Komparatiivinen statiikka ja implisiittifunktiolause Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla

Lisätiedot

MAB3 - Harjoitustehtävien ratkaisut:

MAB3 - Harjoitustehtävien ratkaisut: MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla

Lisätiedot

Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0

Kertaus. x x x. K1. a) b) x 5 x 6 = x 5 6 = x 1 = 1 x, x 0. K2. a) a a a a, a > 0 Juuri 8 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 8.9.07 Kertaus K. a) 6 4 64 0, 0 0 0 0 b) 5 6 = 5 6 = =, 0 c) d) K. a) b) c) d) 4 4 4 7 4 ( ) 7 7 7 7 87 56 7 7 7 6 6 a a a, a > 0 6 6 a

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 11. lokakuuta 2007 Antti Rasila () TodB 11. lokakuuta 2007 1 / 15 1 Johdantoa tilastotieteeseen Peruskäsitteitä Tilastollisen kuvailun ja päättelyn menetelmiä

Lisätiedot