1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
|
|
- Kalle Korpela
- 4 vuotta sitten
- Katselukertoja:
Transkriptio
1 HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 019 Harjoitus 5B Rataisuehdotusia Tehtäväsarja I 1. (Jatoa Harjoitus 5A tehtävää 4). Moistee esimeri muaa momettimeetelmä estimaattori θ Y o parametri θ harhato estimaattori. Lisäsi Y () o H5A tehtävä 4 muaa tyhjetävä tuusluu. Lasetaa Rao Blacwelli lausee estimaattori E( θ Y () ). Oloo seuraavassa K (Y), u (y) { 1,..., } o suurimma havaio esimmäie esiitymisluu, eli y (y) y () ja (y) o piei tämä toteuttavista järjestysluvuista. a) Päättele, että b) Päättele, että E( θ Y () ) E(Y 1 Y () ) E(Y 1 Y () y (), K 1) y () c) Meritää Z max(y,..., Y ). Päättele, että E(Y 1 Y () y (), K > 1) E(Y 1 Y 1 < y (), Z y () ) y () /. (vihje: Z Y 1. Jos ehdolliste odotusarvoje määritelmät mietityttävät, voi e muavasti palauttaa TNb-urssi muaisee muotoo, sillä esimerisi { Y 1 < y () } { L 1 }, u L 1{ Y 1 < y () }) c) Päättele edelliste ohtie avulla, että E( θ Y () ) Y () P(K 1 Y () ) + Y () P(K > 1 Y () ) + 1 Y () Rataisu: Oloo θ > 0 ja oletetaa, että y () θ. a) Esiäi o luotevaa todeta, että E(Y 1 Y () ) E(Y Y () ) E(Y Y () ). Toisi saoe joaisella havaiolla o sama ehdollie odotusarvo masimista riippumatta. Havaitoje järjestysellä ei siis ole meritystä. Tällöi E( θ Y () ) E(Y Y () ) E(Y i Y () ) E(Y i Y () ) E(Y 1 Y () ). b) Jos K 1, ii tämä taroittaa sitä, että masimi saadaa esimmäisellä. Tällöi satuaismuuttuja Y 1 arvo o oltava y () ja yt E(Y 1 Y () y (), K 1) E(Y 1 Y () y (), Y () Y 1 ) E(y () Y () y (), Y () Y 1 ) y ().
2 c) Tapahtuma K > 1 ja Y () y () taroittaa sitä, että masimia ei saada esimmäisellä, vaa jollai seuraavista. Yhtäpitävästi voidaa siis lausua, että esimmäie havaito o pieempää ui masimi ja havaioista (Y,..., Y ) suuri o aiista havaioista suuri. Siis E(Y 1 Y () y (), K > 1) E(Y 1 Y 1 < y (), Z y () ) Meritää L 1{Y 1 < y () } Kosa Z Y 1, ii E(Y 1 Y 1 < y (), Z y () ) E(Y 1 L 1). Tarastellaa Y 1 : ehdollista jaaumaa ehdolla L 1 eli Y 1 : jaaumaa, u tiedetää, että Y 1 < y (). Nyt siis Y 1 ei voi saada y () :ää suurempia arvoja ja osa Y 1 : ehdollie jaauma o tasajaauma 1, ii ehdollie odotusarvo o E(Y 1 L 1) y() 0 y 1 y () dy y (). d) Edelliste ohtie perusteella voidaa esi todeta, että E(Y 1 Y (), L) Y () 1{L 0} + Y () 1{L 1}. Kosa E(X Y ) E(E(X Y, Z) Y ), ii a-ohtaa ja tätä hyödytämällä E( θ Y () ) E(Y 1 Y () ) E(E(Y 1 Y (), L) Y () ) E(Y () 1{L 0} + Y () 1{L 1} Y ()) Y () P(L 0 Y () ) + Y () P(L 1 Y () ) Y () P(K 1 Y () ) + Y () P(K > 1 Y () ) Y () 1 + Y () 1 Y () + Y () Y () + 1 Y ().. Kolio harhattomuutta tutitaa heittämällä sitä ertaa ja irjaamalla ylös ruuuje luumäärä. a) Formuloi huolellisesti asetelmaa uvaava malli ja ollahypoteesi. Miä o luoollie testisuure ja millaiset testisuuree arvot puhuvat ollahypoteesia vastaa? b) Heittoja o 10 ja saadaa 3 ruuua. Lase vastaava p-arvo ja pohdi, voidaao olioa pitää harhattomaa. c) Muuttuvato johtopäätösesi, jos 100 ja saadaa 30 ruuua? Ohje. Biomijaaumaa liittyviä todeäöisyysiä voi lasea ätevästi R:llä, lisäsi ormaaliapprosimaatio o varsi tara c)-ohdassa Rataisu: 1 Tämä voi halutessaa yrittää todistaa itsellee.
3 a) Oletetaa, että olioheitot ovat toisistaa riippumattomia ja ullai heitolla todeäöisyys saada ruuu o tutemato luu θ (0, 1). Nollahypoteesi o, että olio o harhato, miä taroittaa, että ruuu ja laava todeäöisyys o sama, eli H 0 : θ 1. Luoollie testisuure o ruuuje luumäärä. Meritää ruuuje määrää vastaavaa satuaismuuttujaa K :lla, jolloi K Bi(, θ). Erityisesti ollahypoteesi pätiessä K Bi (, 1 ) Kosa EH0 (K) /, ii ollahypoteesia vastaa puhuvat sellaiset K : arvot, joissa poieama (/) o suuri, missä o havaittu ruuuje luumäärä. Tämä taroittaa siis sellaisia : arvoja, joissa o selvästi suurempaa ui / tai selvästi pieempää ui /. b) Havaitaa aieisto 3, u 10. Nyt / 5 ja vastaava p-arvo o p P H0 { K } P H0 {K 3} + P H0 {K 7} 3 ( ) ( ) Saatu p-arvo o se verra suuri, että aieisto voi atsoa oleva sopusoiussa H 0 :, eli olio harhattomuude assa. Riittävää äyttöä H 0 :aa vastaa ei siis saatu. c) Havaitaa aieisto 30, u 100. Nyt / 50 ja vastaava p-arvo o p P H0 { K } P H0 {K 30} + P H0 {K 70} 30 ( ) (1 100 ) ( 1 ) 100 Tämä voidaa lasea esimerisi R:llä omeolla sum(dbiom(c(0:30,70:100),100,0.5)) tai omeolla pbiom(30,100,0.5)+pbiom(69,100,0.5,lower.tailfalse). Vaihtoehtoisesti voidaa äyttää ormaaliapprosimaatiota, eli K oudattaa ollahypoteesi pätiessä liimai ormaalijaaumaa odotusarvolla µ 50 ja variassilla σ , eli esihajoalla σ 5. Oloo Z N(0, 1). Ylläoleva todeäöisyys P H0 {K 30} + P H0 {K 70} P H0 {K 30.5} + P H0 {K 69.5} (jatuvuusorjaus) { } { } K K P + P P{Z 3.9} + P{Z 3.9} P{Z 3.9} + 1 P{Z < 3.9} Φ( 3.9) + 1 Φ(3.9) 1 Φ(3.9) + 1 Φ(3.9) Nyt saatu p-arvo o ii piei, että aieisto voi atsoa todistava voimaaasti H 0 :aa vastaa, eli olio harhattomuutta vastaa. Olisi siis erittäi epätodeäöistä saada tällaie aieisto, miäli olio olisi harhato.
4 3. Kahta testisuuretta t ja u saotaa evivaleteisi, jos iillä saadaa samat p-arvot ja riittiset alueet. Oloo f Y (y; θ) tilastollie malli ja H 0 : θ Ω 0 siihe liittyvä hypoteesi ja t testisuure, joa suuret arvot ovat ovat riittisiä H 0 :lle (eli pieet arvot ovat sopusoiussa H 0 : assa). Jos testisuure u(y) g(t(y)), u g : R R o aidosti asvava futio, ii päättele että u ja t ovat evivaletit testit. Rataisu: Materiaali sivulla 61 saotaa riittise aluee C α oleva jouo aieistoja y, jota johtavat ollahypoteesi hyläämisee eli alueita C α {y : p(y) α}. Siis samalla meritsevyystasolla α ja aieistolla y, riittie alue riippuu aioastaa p-arvosta. Siis jos saamme testisuureille t ja u samat p-arvot, o iistä lasettuje riittiste alueide oltava samat ja site testisuureet ovat evivaletit. Meritää T t(y), jolloi g(t ) u(y). Kosa muuos g o aidosti asvava, pätee p u p u (y) P θ0 (U u(y)) P θ0 (U g(t(y))) P θ0 (T t(y)) p t jote p-arvot ovat samat ja site myös riittiset alueet. Siis testisuureet t ja u ovat evivaletit. 4. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva aiai 80 %. Neljä asiaasta ostaa ui pussillise eli 10 siemetä. He havaitsevat, että itäviä siemeiä oli 9, 5, 6 ja 8. a) Kui asiaas testaa itävyysväitettä oma havaitosa valossa tavallista biomijaaumamallia äyttäe. Mitä ovat asiaaide saamat p-arvot? Oo jollai heistä aihetta hylätä väite 5 %: meritsevyystasolla? b) Toie asiaas tulee valittamaa siemete laadusta auppiaalle ja ertoo oma p-arvosa. Mite auppias voi arvioida itävyysväitettä, u hä otasuu, että muut olme ovat olleet laatuu tyytyväisiä? Vihje. Valitaorjaus. c) Testaa itävyysväitettä ooaisaieisto (40 siemeestä 8 iti) valossa. (Voit äyttää ormaaliapprosimaatiota.) Rataisu: a) Tilastollisea mallia o siis Y Bi(10, θ), missä θ (0, 1) : Ω. Nollahypoteesi muaa θ [0.8, 1) : Ω 0. Oloo testisuureea itävie siemete luumäärä T t(y ) Y Bi(10, θ). Testisuuree pieet arvot ovat riittisiä ollahypoteesille. Nyt havaitoa y {0, 1,..., 10} vastaava p-arvo o p p(y) 0 ( 10 sup θ [0.8,1) ) P θ (T t(y)) 0.8 (1 0.8) 10, sillä supremum saavutetaa θ: arvolla 0.8. sup θ [0.8,1) 0 10 θ (1 θ) 10 Oletetaa, että θ 0.8. Oloo X 1,..., X 10 riippumattomia satuaismuuttujia, joilla P(X i ) 0.8, P(X i 1) θ 0.8 ja P(X i 0) 1 θ. Nyt 10 1{X i } Bi(10, 0.8) ja 10 1{X i 1}
5 Esimmäie asiaas havaiollaa y 9 saa p-arvosi p(9) (1 0.8) , toie asiaas havaiollaa y 5 vastaavasti p(5) 0.038, olmas asiaas ja eljäs asiaas p(6) 0.11 p(8) Asiaaista (vai) toie voi hylätä väittee 5 % meritsevyystasolla. b) Toie asiaas ertoo saaeesa p-arvo Kauppias voi tästä lasea todellise p-arvo teemällä valitaorjause, joa huomioi se, että sama testi o tehty eljää ertaa eljälle eri aieistolle. Olettamalla aieistot riippumattomisi todellisesi p-arvosi saadaa 1 ( ) Ilma riippumattomuusoletustai Boferroi-orjatusi p-arvosi saadaa Kauppiaa ei siis tarvitse hylätä ollahypoteesia 5 % meritsevyystasolla toise asiaaa ilmoituse perusteella. c) Tilastollisea mallia o yt Y 1,..., Y 4 Bi(10, θ), missä θ (0, 1). Nollahypoteesi muaa θ [0.8, 1). Oloo testisuureea itävie siemete ooaismäärä T t(y) Y Y 4. Riippumattomie biomijaautueide satuaismuuttujie summaa T Bi(40, θ). Testisuuree pieet arvot ovat riittisiä ollahypoteesille. Aieistoa y (9, 5, 6, 8) vastaava testisuuree arvo o t t(y) , ja tätä vastaava p-arvo o p p(y) , sup P θ (T t(y)) P 0.8 (T 8) θ [0.8,1) (1 0.8) 10 jote ooaisaieisto perusteella ollahypoteesia ei hylätä 5 % meritsevyystasolla. (Normaaliapprosimaatiolla ( ) jatuvuusorjause assa saadaa p Φ ) (1 0.8) Bi(10, θ), jote ( 10 ) ( 10 ) 10 θ (1 θ) 10 P 1{X i 1} y P 1{X i } y 0 0 { 10 } sillä 1{X i 1} 1{X i } aiilla i ja site 1{X i 1} y (1 0.8) 10, { 10 1{X i } y }.
HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.
HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 2018 Harjoitus 6A Rataisuehdotusia Tehtäväsarja I 1. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva
Lisätiedot1. (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
Lisätiedot4.7 Todennäköisyysjakaumia
MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma
LisätiedotTilastollinen päättömyys, kevät 2017 Harjoitus 5b
Tilastollie päättömyys, kevät 07 Harjoitus b Heikki Korpela 3. helmikuuta 07 Tehtävä. a Olkoot Y,..., Y Bθ. Johda uskottavuusosamäärä testisuuree ry, Waldi testisuuree wy ja Rao pistemäärätestisuuree uy
LisätiedotTilastollinen päättely II, kevät 2017 Harjoitus 3B
Tilastollie päättely II, kevät 7 Harjoitus 3B Heikki Korpela 3. maaliskuuta 7 Tehtävä. Jatkoa harjoitukse B tehtävii -3. Oletetaa, että x i c kaikilla i, ku c > o vakio. Näytä, että ˆβ, T ja T ovat tarketuvia.
Lisätiedot9 Lukumäärien laskemisesta
9 Luumäärie lasemisesta 9 Biomiertoimet ja osajouoje luumäärä Määritelmä 9 Oletetaa, että, N Biomierroi ilmaisee, uia mota -alioista osajouoa o sellaisella jouolla, jossa o aliota Meritä luetaa yli Lasimesta
LisätiedotTehtävä 11 : 1. Tehtävä 11 : 2
Tehtävä : Käytetää irjaita M luvu ( ) meritsemisee. Satuaisverossa G, p() o yhteesä solmua, jote satuaismuuttuja X mahdollisia arvoja ovat täsmällee jouo0,..., M} aii aliot. Joaie satuaisvero mahdollisista
LisätiedotTestit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot
TKK (c) Ilkka Melli (4) Testit suhdeasteikollisille muuttujille Johdatus tilastotieteesee Testit suhdeasteikollisille muuttujille Testit ormaalikauma parametreille Yhde otokse t-testi Kahde otokse t-testi
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var
LisätiedotTilastollinen päättömyys, kevät 2017 Harjoitus 6A
Tilastollie päättömyys, kevät 07 Harjoitus 6A Heikki Korpela 8. helmikuuta 07 Tehtävä. Moistee teht. 5.. Olkoo Y,..., Y riippumato otos ekspoettiperhee jakaumasta, joka ptf/tf o muotoa fy i ; θ cθhye φθtyi
LisätiedotMiehitysluvuille voidaan kirjoittaa Maxwell Boltzmann jakauman mukaan. saamme miehityslukujen summan muodossa
S-4.7 Fysiia III (EST) Tetti..6. Tarastellaa systeemiä, jossa ullai hiuasella o olme mahdollista eergiatasoa, ε ja ε, missä ε o eräs vaio. Oletetaa, että systeemi oudattaa Maxwell-Boltzma jaaumaa ja, että
LisätiedotEX1 EX 2 EX =
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var X,
LisätiedotTodennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 1. laskuharjoitus, ratkaisuehdotukset
Todennäöisyyslasenta IIa, syys loauu 019 / Hytönen 1. lasuharjoitus, rataisuehdotuset 1. ( Klassio ) Oloot A ja B tapahtumia. Todista lasuaavat (a) P(A B) P(A) + P(B \ A), (b) P(B) P(A B) + P(B \ A), (c)
LisätiedotDifferentiaali- ja integraalilaskenta 1 Ratkaisut 1. viikolle /
MS-A8 Differentiaali- ja integraalilasenta, V/27 Differentiaali- ja integraalilasenta Rataisut. viiolle /. 3.4. Luujonot Tehtävä : Mitä ovat luujonon viisi ensimmäistä termiä, un luujono on a) (a n ) n=,
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Usea selittää lieaarie regressiomalli Mat-.04 Tilastollise aalyysi perusteet, evät 007 8. lueto: Usea selittää lieaarie regressiomalli Selitettävä muuttua havaittue arvoe vaihtelu halutaa selittää selittävie
LisätiedotDiskreetin Matematiikan Paja Ratkaisuja viikolle 5. ( ) Jeremias Berg
Disreeti Matematiia Paja Rataisuja viiolle 5. (28.4-29.4 Jeremias Berg Yleisiä ommeteja: Näissä tehtävissä aia usei rataisua oli ysittäie lasu. Kuitei vastausee olisi hyvä lisätä ommeteja siitä misi jou
Lisätiedot8. 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
LisätiedotTilastolliset menetelmät: Varianssianalyysi
Variassiaalsi Tilastolliset meetelmät: Variassiaalsi 0. Ysisuutaie variassiaalsi. asisuutaie variassiaalsi. olmi a useampisuutaie variassiaalsi T @ Ila Melli (006) 433 Variassiaalsi T @ Ila Melli (006)
LisätiedotC (4) 1 x + C (4) 2 x 2 + C (4)
http://matematiialehtisolmu.fi/ Kombiaatio-oppia Kuia mota erilaista lottoriviä ja poeriättä o olemassa? Lotossa arvotaa 7 palloa 39 pallo jouosta. Poeriäsi o viide orti osajouo 52 orttia äsittävästä paasta.
LisätiedotVäliestimointi (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).
LisätiedotTilastolliset menetelmät: Tilastolliset testit
Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille 0. Testejä järjestysasteikollisille muuttujille. Testejä laatueroasteikollisille
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai
LisätiedotTehtävä 2 Todista luennoilla annettu kaava: jos lukujen n ja m alkulukuesitykset. ja m = k=1
Luuteoria Harjoitus 1 evät 2011 Alesis Kosi 1 Tehtävä 1 Näytä: jos a ja b ovat positiivisia oonaisluuja joille (a, b) = 1 ja a c, seä lisäsi b c, niin silloin ab c. Vastaus Kosa a c, niin jaollisuuden
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,
Lisätiedot2-suuntainen vaihtoehtoinen hypoteesi
Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Mat-.6 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Tilastolliset testit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, F-jakauma,
LisätiedotMAB7 Talousmatematiikka. Otavan Opisto / Kati Jordan
3.3 Laiat MAB7 Talousmatematiia Otava Opisto / Kati Jorda Laia ottamie Suuri osa ihmisistä ottaa laiaa jossai elämävaiheessa. Pailaiaa tarvitaa yleesä vauusia ja/tai taausia. Laiatulle pääomalle masetaa
LisätiedotYleinen lineaarinen malli. Yleinen lineaarinen malli. Yleinen lineaarinen malli: Mitä opimme? 2/4. Yleinen lineaarinen malli: Mitä opimme?
TKK (c) Ila Melli (004) Yleie lieaarie malli Johdatus tilastotieteesee Yleie lieaarie malli Usea selittää lieaarie regressiomalli Yleise lieaarise malli matriisisesitys Yleise lieaarise malli estimoiti
LisätiedotOsa 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
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 2. luento: Tilastolliset testit Kai Virtanen 1 Tilastollinen testaus Tutkimuksen kohteena olevasta perusjoukosta esitetään väitteitä oletuksia joita
LisätiedotMatematiikan tukikurssi
Matematiian tuiurssi Kurssierta 5 Sarjojen suppeneminen Kiinnostusen ohteena on edelleen sarja a n = a + a 2 + a 3 + a 4 + n= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan että sarja
LisätiedotTestit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot
TKK (c Ilkka Melli (004 Johdatus tilastotieteesee TKK (c Ilkka Melli (004 : Mitä opimme? Tarkastelemme tässä luvussa seuraavia järjestysasteikolliste muuttujie testejä: ja merkkitesti parivertailuille
LisätiedotTämä merkitsee geometrisesti, että funktioiden f
28 2. Futiosarjat Edellä sarjat olivat luusarjoja, joide termit ovat (tässä urssissa) reaaliluuja. Jos termit ovat samasta muuttujasta riippuvia futioita, päädytää futiotermisii sarjoihi. Näide äyttö matematiiassa
LisätiedotJohda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
/ Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,
Lisätiedot2-suuntainen vaihtoehtoinen hypoteesi
MS-A53 Todeäköisyyslaskea ja tilastotietee peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Yhde otokse t-testi Testausasetelma yhde otokse t-testissä odotusarvolle Olkoo X i, i =,,, riippumato
LisätiedotYhden selittäjän lineaarinen regressiomalli
Ilkka Melli Tilastolliset meetelmät Osa 4: Lieaarie regressioaalyysi Yhde selittäjä lieaarie regressiomalli TKK (c) Ilkka Melli (007) Yhde selittäjä lieaarie regressiomalli >> Yhde selittäjä lieaarie regressiomalli
Lisätiedot1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT
imat-2.104 Tilastollisen analyysin perusteet / Tehtävät Aiheet: Avainsanat: Ysisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Koonaisesiarvo,
LisätiedotJOHDATUS LUKUTEORIAAN (syksy 2017) HARJOITUS 1, MALLIRATKAISUT
JOHDATUS LUKUTEORIAAN (sysy 2017) HARJOITUS 1, MALLIRATKAISUT Tehtävä 1. (i) Etsi luvun 111312 aii teijät. (ii) Oloot a ja b positiivisia oonaisluuja joilla a b ja b a. Osoita, että silloin a = b. Rataisu
LisätiedotTehtävä 3. Määrää seuraavien jonojen raja-arvot 1.
Jonotehtävät, 0/9/005, sivu / 5 Perustehtävät Tehtävä. Muotoile matemaattiset vastineet seuraavien väitteiden negaatioille (ts. vastaohdat).. Jono (a n ) suppenee ohti luua a.. Jono (a n ) on asvava. 3.
LisätiedotTilastolliset menetelmät: Tilastolliset testit
Tilastolliset meetelmät Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille. Testejä järjestysasteikollisille muuttujille.
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään tiedetään, että ainakin kaksi
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotJohdatus 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
LisätiedotValitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.
9.10.2018/1 MTTTP1, luento 9.10.2018 KERTAUSTA TESTAUKSESTA, p-arvo Asetetaan H 0 H 1 Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. Lasketaan otoksesta testisuureelle arvo. 9.10.2018/2
LisätiedotMS-A0401 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-0401 Disreeti matematiia perusteet Yhteeveto, osa I G. Gripeberg alto-yliopisto 30. syysuuta 2015 1 Jouo-oppi ja logiia Prediaattilogiia Idutioperiaate 2 Relaatiot ja futiot Futiot Iso-O 3 Kombiatoriia
LisätiedotMS-A0401 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I
MS-A040 Disreeti matematiia perusteet Yhteeveto ja esimerejä ym., osa I G. Gripeberg Aalto-yliopisto 0. syysuuta 05 Jouo-oppi ja logiia Todistuset logiiassa Prediaattilogiia Idutioperiaate Relaatiot ja
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Yhteenveto, osa I
MS-0402 Disreeti matematiia perusteet Yhteeveto, osa I G. Gripeberg 1 Jouo-oppi ja logiia Idutioperiaate 2 Relaatiot ja futiot Futiot Iso-O alto-yliopisto 12. maalisuuta 2015 3 Kombiatoriia ym. Summa-,
Lisätiedot( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.
Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä
LisätiedotLaskennallisen kombinatoriikan perusongelmia
Laseallise obiatoriia perusogelia Varsi oissa tehtävissä, joissa etsitää tietylaiste järjestelyje, jouoje ts luuääriä, o taustalla joi uutaista peruslasetatavoista tai lasetaogelista Tässä esitelläälyhyesti
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään, tiedetään, että ainakin
Lisätiedotl (φ; y) = l(θ(φ); y) Toinen derivaatta saadaan tulon derivaatan laskusäännöllä Uudelleenparametroidun mallin Fisherin informaatio on
HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 018 Harjoitus B Ratkaisuehdotuksia Tehtäväsarja I 1 (Monisteen tehtävä 14) Olkoon f Y (y; θ) tilastollinen malli, jonka
LisätiedotM 2 M = sup E M 2 t. E X t = lim. niin martingaalikonvergenssilauseen oletukset ovat voimassa, eli löydämme satunnaismuuttujan M, joka toteuttaa ehdon
Matematiian ja tilastotieteen laitos Stoastiset differentiaaliyhtälöt Rataisuehdotelma Harjoituseen 7 1. Näytä, että uvaus M M M 2, un M 2 M = sup E M 2 t 2 t 0 on normi jouossa M 2 = { M : M on martingaali
LisätiedotKolmivaihejärjestelmän oikosulkuvirran laskemista ja vaikutuksia käsitellään standardeissa IEC-60909, 60909-1, 60909-2, 60781, 60865-1 ja 60865-2.
Luu 7: Oiosulusuojaus 7. OIKOLKOJA 7.. Yleistä Vero laitteide mitoittamisessa, oiosulusuojause suuittelussa ja turvallise äytö suuittelussa o tuettava oiosuluvirrat eri tilateissa ja eri osissa veroa.
Lisätiedot, sanotaan niiden sääntöjen ja menetelmien kokonaisuutta, joilla otos poimitaan määritellystä perusjoukosta.
Y - Otatameetelmät / Sysy 009 (Risto Letoe) TEKIE YTEEVETO I Otata-asetelmat ja estimoitiasetelmat Perusjouo ja muuttujat Äärellie perusjouo U = {,...,,..., } Tulosmuuttuja y tutemattomat arvot Y,,Y,,Y
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 18 1 Kertausta: momenttimenetelmä ja suurimman uskottavuuden menetelmä 2 Tilastollinen
LisätiedotLuku 11. Jatkuvuus ja kompaktisuus
1 MAT-13440 LAAJA MATEMATIIKKA 4 Taperee teillie yliopisto Risto Silveoie Kevät 2008 Luu 11. Jatuvuus ja opatisuus 11.1 Jatuvat futiot ja uvauset Tässä luvussa tarastellaa yleisiillää vetoriuuttuja vetoriarvoisia
LisätiedotV. POTENSSISARJAT. V.1. Abelin lause ja potenssisarjan suppenemisväli. a k (x x 0 ) k M
V. POTENSSISARJAT Funtioterminen sarja V.. Abelin lause ja potenssisarjan suppenemisväli P a x x, missä a, a, a 2,... R ja x R ovat vaioita, on potenssisarja, jona ertoimet ovat luvut a, a,... ja ehitysesus
LisätiedotTilastolliset menetelmät: Varianssianalyysi
Variassiaalsi Tilastolliset meetelmät: Variassiaalsi 0. Ysisuutaie variassiaalsi. asisuutaie variassiaalsi. olmi- a useampisuutaie variassiaalsi Ila Melli 44 Variassiaalsi Ila Melli 44 Variassiaalsi Sisälls
Lisätiedot5.7 Uskottavuusfunktioon perustuvia testejä II
5.7 Uskottavuusfunktioon perustuvia testejä II Tässä pykälässä pohditaan edellä tarkasteltujen kolmen testisuureen yleistystä malleihin, joiden parametri on useampiulotteinen, ja testausasetelmiin, joissa
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotMS-A0402 Diskreetin matematiikan perusteet Yhteenveto ja esimerkkejä ym., osa I
MS-A040 Disreeti matematiia perusteet Yhteeveto ja esimerejä ym., osa I G. Gripeberg Aalto-yliopisto. maalisuuta 05 Jouo-oppi ja logiia Todistuset logiiassa Idutioperiaate Relaatiot ja futiot Futiot Iso-O
LisätiedotLuento 6 Luotettavuus Koherentit järjestelmät
Lueto 6 Luotettavuus Koheretit järjestelmät Ja-Erik Holmberg Systeemiaalyysi laboratorio PL 00, 00076 Aalto ja-erik.holmberg@riskpilot.fi ja-erik.holmberg@aalto.fi Määritelmä Tarkasteltava yksikö luotettavuus
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II
Otokset MS-A050 Todeäköisyyslaskea ja tilastotietee peruskurssi Lueot, osa II Kaksi hyödyllista jakaumaa 3 Estimoiti G. Gripeberg 4 Luottamusvälit Aalto-yliopisto. helmikuuta 05 5 Hypoteesie testaus 6
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.
HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia Tehtäväsarja I 1. Jatkoa Harjoitus 8A tehtävään 3. Muodosta odotusarvolle µ approksimatiivinen
LisätiedotOlkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat
Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset / Rataisut Aiheet: Avainsanat: Satunnaismuuttujat ja todennäöisyysjaaumat Kertymäfuntio
LisätiedotOsa 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
LisätiedotHarjoitukset 1 : Tilastokertaus
31C99904, Capstoe: Ekoometria ja data-aalyysi TA : markku.siikae(a)aalto.fi & tuuli.vahapelto(a)aalto.fi Harjoitukset 1 : Tilastokertaus (Palautus 10.1.2017) Palautellaa mielii hiema tilasto-oppia ja todeäköisyyslasketaa.
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mitä tilastotiede o? Mat-.04 Tilastollise aalyysi perusteet, kevät 007. lueto: Johdato Tilastotiede kehittää ja soveltaa meetelmiä: reaalimaailma ilmiöistä johtopäätökset ilmiöitä kuvaavie tietoje perusteella
LisätiedotMat 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,
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman
LisätiedotVakuutusmatematiikan sovellukset 20.11.2008 klo 9-15
SHV-tutinto Vauutusmatematiian sovelluset 20.11.2008 lo 9-15 1(7) Y1. Seuraava tauluo ertoo vauutusyhtiön masamat orvauset vahinovuoden ja orvausen masuvuoden muaan ryhmiteltynä (tuhansina euroina): Vahinovuosi
LisätiedotTodennäköisyysjakaumat 1/5 Sisältö ESITIEDOT: todennäköisyyslaskenta, määrätty integraali
Todennäöissjaaumat /5 Sisältö ESITIEDOT: lasenta, määrätt Haemisto KATSO MYÖS: tilastomatematiia P (X = )=p. Nämä ovat 0 ja niiden summa on p =. Pistetodennäöisdet voidaan graafisesti esittää pstsuorien
Lisätiedot1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).
Luku 7 Parametrie estimoiti Lasse Leskelä Aalto-yliopisto 2. lokakuuta 2017 7.1 Tilastollie päättely Tähä meessä o opittu eustamaa tapahtumie todeäköisyyksiä aetu stokastise malli pohjalta. Eusteide laskemiseksi
LisätiedotLuku 2. Jatkuvuus ja kompaktisuus
1 MAT-13440 LAAJA MATEMATIIKKA 4 Taperee teillie yliopisto Risto Silveoie Kevät 2010 Luu 2. Jatuvuus ja opatisuus 1. Jatuvat futiot ja uvauset Tässä luvussa tarastellaa yleisiillää vetoriuuttuja vetoriarvoisia
LisätiedotLuento 7 Luotettavuus Koherentit järjestelmät
Lueto 7 Luotettavuus Koheretit järjestelmät Ja-Erik Holmberg Systeemiaalyysi laboratorio Aalto-yliopisto perustieteide korkeakoulu PL 00, 00076 Aalto ja-erik.holmberg@riskpilot.fi Määritelmä Tarkasteltava
Lisätiedotfunktiojono. Funktiosarja f k a k (x x 0 ) k
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 3 4. Funtiosarjat Tässä luvussa esitettävissä funtiosarjojen tulosissa yhdistämme luujen 3 teoriaa. Esimeri 4.. Geometrinen sarja x suppenee aiilla x ], [ ja hajaantuu
LisätiedotMat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit
Mat-.09 Sovellettu todeäköisyyslasku Mat-.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Estimoiti Luottamusvälit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Estimaattori, Estimoiti, Frekvessi,
LisätiedotHanoin tornit. Merkitään a n :llä pienintä tarvittavaa määrää siirtoja n:lle kiekolle. Tietysti a 1 = 1. Helposti nähdään myös, että a 2 = 3:
Hanoin tornit Oloot n ieoa asetettu olmeen tanoon uvan osoittamalla tavalla (uvassa n = 7). Siirtämällä yhtä ieoa errallaan, ieot on asetettava toiseen tanoon samaan järjestyseen. Isompaa ieoa ei missään
LisätiedotOdotusarvoparien vertailu. Vilkkumaa / Kuusinen 1
Odotusarvoparien vertailu Vilkkumaa / Kuusinen 1 Motivointi Viime luennolta: yksisuuntaisella varianssianalyysilla testataan nollahypoteesia H 0 : μ 1 = μ 2 = = μ k = μ Jos H 0 hylätään, tiedetään, että
LisätiedotJohda 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
LisätiedotBernoullijakauma. 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
LisätiedotTutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)
1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi
LisätiedotJ1 (II.6.9) J2 (X.5.5) MATRIISILASKENTA(TFM) MALLIT AV 6
MATRIISILASKENTA(TFM) MALLIT AV 6 J (II.6.9) Päättele, että avaruusvetorit a, b ja c ovat lineaarisesti riippuvat täsmälleen un vetoreiden virittämän suuntaissärmiön tilavuus =. Tuti tällä riteerillä ovato
LisätiedotMATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Tilastollisen merkitsevyyden testaus Osa II Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotTässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:
4. Tyhjentyvyys Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä: Voidaanko päätelmät perustaa johonkin tunnuslukuun t = t(y) koko aineiston y sijasta? Mitä
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan
LisätiedotSattuman matematiikkaa III
Sattuman matematiiaa III Kolmogorovin asioomat ja frevenssitulinta Tommi Sottinen Tutija Matematiian ja tilastotieteen laitos, Helsingin yliopisto Laboratoire de Probabilités et Modèles Aléatoires, Université
Lisätiedoti ni 9 = 84. Todennäköisin partitio on partitio k = 6, k k
1. Neljä tuistettavissa oleva hiuase iroaoise jouo ahdolliset eergiatasot ovat 0, ε, ε, ε, 4ε,, jota aii ovat degeeroituattoia. Systeei ooaiseergia o 6ε. sitä aii ahdolliset partitiot ja osoita, että irotiloje
LisätiedotJohdatus tilastotieteeseen Yhden selittäjän lineaarinen regressiomalli. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Yhde selittää lieaarie regressiomalli TKK (c) Ilkka Melli (2005) Yhde selittää lieaarie regressiomalli Yhde selittää lieaarie regressiomalli a sitä koskevat oletukset Yhde selittää
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu
5.3.2018/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 5.3.2018, osa 1 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2017
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (004) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu
10.1.2019/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 10.1.2019 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2018 10.1.2019/2
LisätiedotJoulukuun vaativammat valmennustehtävät ratkaisut
Jouluuun vaativammat valmennustehtävät rataisut. Tapa. Pätee z = x + y, joten z = (x + y = x + y, josta sieventämällä seuraa xy 4x 4y + 4 = 0. Siispä (x (y =. Tästä yhtälöstä saadaan suoraan x =, y = 4
LisätiedotIII. SARJATEORIAN ALKEITA. III.1. Sarjan suppeneminen. x k = x 1 + x 2 + x ,
III. SARJATEORIAN ALKEITA Sarja on formaali summa III.. Sarjan suppeneminen = x + x 2 + x 3 +..., missä R aiilla N (merintä ei välttämättä taroita mitään reaaliluua). Luvut x, x 2,... ovat sarjan yhteenlasettavat
Lisätiedot3.6 Todennäköisyyden laskusääntöjä Onneksi ennalta arvaamaton todennäköisyys noudattaa täsmällisiä sääntöjä. Tutustutaan niistä keskeisimpiin.
3.6 Todeäöisyyde lasusäätöjä 3.6 Todeäöisyyde lasusäätöjä Oesi ealta arvaamato todeäöisyys oudattaa täsmällisiä säätöjä. Tutustutaa iistä eseisimpii. Kertolasusäätö Tarastellaa esi tilaetta, jossa o asi
LisätiedotRiemannin sarjateoreema
Riemannin sarjateoreema LuK-tutielma Sami Määttä 2368326 Matemaattisten tieteiden laitos Oulun yliopisto Sysy 206 Sisältö Johdanto 2 Luujonot 3 2 Sarjat 4 2. Vuorottelevat sarjat........................
LisätiedotJohdatus 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
Lisätiedot2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.
LisätiedotTilastollisen analyysin perusteet Luento 2: Tilastolliset testit
Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit Sisältö Tilastollisia testejä tehdään jatkuvasti lukemattomilla aloilla. Meitä saattaa kiinnostaa esimerkiksi se, että onko miesten ja
LisätiedotOrtogonaalisuus ja projektiot
MA-3450 LAAJA MAEMAIIKKA 5 amperee teillie yliopisto Risto Silveoie Kevät 2007 äydeämme Lama 2: lieaarialgebraa oheisella Ortogoaalisuus ja projetiot Olemme aiaisemmi jo määritelleet, että asi vetoria
Lisätiedot