Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit

Koko: px
Aloita esitys sivulta:

Download "Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit"

Transkriptio

1 Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden

2 Sisältö t ja t t ja t kahden kahden

3 t ja t kahden

4 t ja t Tällä luennolla käsitellään epäparametrisia eli jakaumasta riippumattomia tilastollisia testejä. kahden

5 t ja t t ja t kahden

6 t ja t t ja t t ja t sopivat järjestysasteikollisille (esim. kouluarvosanat) muuttujille. Niitä voidaan kuitenkin käyttää myös jatkuville kvantitatiivisille muuttujille. en ja en etuna on, että niiden käyttö ei edellytä vahvoja jakaumaoletuksia. kahden

7 t ja t kahden

8 Yhden merkkitesti Yhden merkkitesti vastaa yhden t testiä ilman oletuksia perusjoukon jakauman tyypistä. Olkoot x 1, x 2,..., x n jatkuvan satunnaismuuttujan x havaitut arvot. Oletetaan, että havaintopisteet ovat riippumattomia ja tulevat (tuntemattomasta) jakaumasta, jonka mediaani m. Nollahypoteesi mediaanille H 0 : m = m 0. t ja t kahden Mahdolliset vaihtoehtoiset hypoteesit: H 1 : m > m 0 (yksisuuntainen), H 1 : m < m 0 (yksisuuntainen) tai H 1 : m m 0 (kaksisuuntainen).

9 Yhden merkkitesti Muodostetaan erotukset d i = x i m 0, i = 1, 2,..., n. Testisuure S on niiden tapausten lukumäärä, joilla d i > 0. (Vaihtoehtoisesti voidaan tarkastella niiden tapausten lukumäärä, joilla d i < 0. ) Jos nollahypoteesi pätee, niin testisuure noudattaa binomijakaumaa parametrein n ja 1/2. Testisuureen normaaliarvo on 1 2 n, ja sen varianssi on 1 4 n. Suuret ja pienet testisuureen arvot (verrattuna normaaliarvoon 1 2n) viittaavat siihen, että nollahypoteesi H 0 ei päde. Nollahypoteesi H 0 hylätään, jos p arvo on kyllin pieni. t ja t kahden

10 Yhden merkkitesti, p arvot Testisuureen S jakauma on taulukoitu ja monet tietokoneohjelmat laskevat testin p arvoja. n p arvot määritetään seuraavilla kaavoilla, joissa s on testisuureen S havaittu arvo: Jos vaihtoehtoinen hypoteesi H 1 : m > m 0, niin testin p arvo on p = P(S s). Jos vaihtoehtoinen hypoteesi H 1 : m < m 0, niin testin p arvo on p = P(S s). Jos vaihtoehtoinen hypoteesi H 1 : m m 0, niin testin p arvo on p = 2 min{p(s s), P(S s)}. Edellä P(S s) ja P(S s) lasketaan luonnollisestikin nollahypoteesin vallitessa. t ja t kahden

11 Yhden asymptoottinen merkkitesti t ja t Kun otoskoko on suuri, testisuure Z = S n/2 noudattaa n/4 nollahypoteesin vallitessa likimain standardinormaalijakaumaa. Approksimaatio on tavallisesti riittävän hyvä, jos n > 20. Pienissä otoksissa nojataan testisuureen S tarkkaan jakaumaan. kahden

12 Yhden merkkitesti Oletimme edellä, että otos on jatkuvasta jakaumasta. ä voidaan käyttää myös silloin kun otos on diskreetistä jakaumasta, mutta tällöin on mahdollista, että osalle otospisteistä d i = x i m 0 = 0. Jos nollien lukumäärä on pieni otoskokoon nähden, niin nämä tapaukset voidaan jättää huomioimatta ja otoskokoa voidaan pienentää vastaavasti. Muussa tapauksessa nollat tulee määrittää siten, että ne vaikeuttavat nollahypoteesin hylkäystä. Esim. kaksisuuntaisen vaihtoehtoisen hypoteesin tapauksessa tulos 3 negatiivista merkkiä, 15 positiivista merkkiä ja 6 nollaa, tulisi testissä käsitellä kuten 9 negatiivista merkkiä ja 15 positiivista merkkiä. t ja t kahden

13 parivertailuille, testausasetelma t ja t Parivertailuilun testausasetelma Havainnot muodostuvat muuttujaa x koskevista mittaustuloksien pareista (x i1, x i2 ), i = 1, 2,..., n jotka ovat toisistaan riippumattomia. Yhden mittausparin arvoja ei kuitenkaan oleteta riippumattomiksi! Muodostetaan mittaustuloksien x i1 ja x i2 nollasta eroavat erotukset d i = x i1 x i2, i = 1, 2,..., k. kahden

14 parivertailuille t ja t Yleinen hypoteesi H: erotukset d i ovat riippumattomia, samoin jakautuneita ja tulevat jakaumasta jonka mediaani on m. Nollahypoteesi mediaanille H 0 : m = 0. Mahdolliset vaihtoehtoiset hypoteesit: H 1 : m > 0 (yksisuuntainen), H 1 : m < 0 (yksisuuntainen) tai H 1 : m 0 (kaksisuuntainen). Nyt voidaan käyttää tavanomaista yhden merkkitestiä mittaustuloksien erotuksille d i. kahden

15 Numeerinen esimerkki t ja t Eräässä kuvitteellisessa hoitokokeessa tutkitaan, kuinka lääke a alentaa plasman galliapitoisuutta. Plasman korkea galliapitoisuus on yhteydessä moniin sairauksiin. Kokeen alussa mitattiin galliapitoisuus ensimmäisen kerran ja toisen kerran 8 viikon lääkehoidon jälkeen. Haluat tutkia onko lääkkeellä ollut haluttua vaikutusta 5% luottamustasolla. kahden

16 Mittaustulokset Taulukko: Galliapitoisuudet (µg/1000ml) ennen ja hoidon jälkeen. Potilas Pitoisuus Erotus Ennen Jälkeen t ja t kahden

17 t testi t ja t One Sample t-test data: Erotus t = , df = 12, p-value = alternative hypothesis: true mean is less than 0 sample estimates: mean of x = 210 kahden

18 t ja t One-sample Sign-Test data: Erotus s = 3, p-value = alternative hypothesis: true median is less than 0 sample estimates: median of x = -10 kahden

19 t ja t Vertaile testien antamia tuloksia. Kumpikaan testeistä ei yksinään anna hyvää kuvaa lääkityksen a vaikutuksesta? Miksi? Miten lääke näyttäisi tämän aineiston perusteella vaikuttavan? kahden

20 t ja t kahden

21 Yhden Yhden merkillinen vastaa yhden t testiä vähemmillä jakaumaoletuksilla. Olkoot x 1, x 2,..., x n jatkuvan symmetrisen satunnaismuuttujan x havaitut arvot. Oletetaan, että havaintopisteet ovat riippumattomia ja tulevat (tuntemattomasta) symmetrisestä jakaumasta, jonka mediaani m. t ja t kahden Nollahypoteesi mediaanille H 0 : m = m 0. Mahdolliset vaihtoehtoiset hypoteesit: H 1 : m > m 0 (yksisuuntainen), H 1 : m < m 0 (yksisuuntainen) tai H 1 : m m 0 (kaksisuuntainen).

22 Yhden Muodostetaan erotusten itseisarvot d i = x i m 0, i = 1, 2,..., n. Laitetaan nämä erotusten itseisarvot järjestykseen pienimmästä suurimpaan. Määritetään merkilliset järjestysluvut (signed ranks) R (x i ) s.e. R (x i ) on itseisarvon d i = x i m 0 järjestysluku kerrottuna erotuksen (x i m 0 ) merkillä. Testisuure W = R (x i )>0 R (x i ) on positiivisten järjestyslukujen summa. (Vaihtoehtoisesti voidaan tarkastella negatiivisten järjestyslukujen summaa.) Testisuureen normaaliarvo on n(n+1) 4, ja sen varianssi on n(n+1)(2n+1) 24. Suuret ja pienet testisuureen arvot (verrattuna normaaliarvoon n(n+1) 4 ) viittaavat siihen, että nollahypoteesi H 0 ei päde. Nollahypoteesi H 0 hylätään, jos p arvo on kyllin pieni. t ja t kahden

23 Yhden, p arvot Testisuureen W jakauma on taulukoitu ja monet tietokoneohjelmat laskevat testin p arvoja. n p arvot määritetään seuraavilla kaavoilla, joissa w on testisuureen W havaittu arvo: Jos vaihtoehtoinen hypoteesi H 1 : m > m 0, niin testin p arvo on p = P(W w ). Jos vaihtoehtoinen hypoteesi H 1 : m < m 0, niin testin p arvo on p = P(W w ). Jos vaihtoehtoinen hypoteesi H 1 : m m 0, niin testin p arvo on p = 2 min{p(w w ), P(W w )}. Edellä P(W w ) ja P(W w ) lasketaan nollahypoteesin vallitessa. t ja t kahden

24 Yhden asymptoottinen t ja t Kun otoskoko on suuri, testisuure Z = W E(W ), missä var(w ) E(W ) = n(n+1) 4 ja var(w ) = n(n+1)(2n+1) 24, noudattaa nollahypoteesin vallitessa likimain standardinormaalijakaumaa. kahden Approksimaatio on tavallisesti riittävän hyvä, jos n > 20. Pienissä otoksissa nojataan testisuureen W tarkkaan jakaumaan.

25 Yhden Oletimme edellä, että otos on jatkuvasta jakaumasta. ä voidaan käyttää myös silloin kun otos on diskreetistä jakaumasta, mutta tällöin on mahdollista, että osalla otospisteistä itseisarvojen x i m 0 järjestysluku on sama. Tällöin kaikille näille otospisteille valitaan järjestysluvuksi keskimmäinen. Esim. jos kahdella otospisteellä x i m 0 on sama, vastaten järjestyslukuja 7 ja 8, niin molemmille pisteille asetetaan järjestysluvuksi 7.5. Jos kolmella otospisteellä x i m 0 on sama, vastaten järjestyslukuja 3, 4 ja 5, niin järjestysluvuksi valitaan kaikille kolmelle 4. t ja t kahden

26 parivertailuille, testausasetelma t ja t Parivertailuilun testausasetelma Havainnot muodostuvat muuttujaa x koskevista mittaustuloksien pareista (x i1, x i2 ), i = 1, 2,..., n jotka ovat toisistaan riippumattomia. Yhden mittausparin arvoja ei kuitenkaan oleteta riippumattomiksi! Muodostetaan mittaustuloksien x i1 ja x i2 nollasta eroavat erotukset d i = x i1 x i2, i = 1, 2,..., k. Erotusten oletetaan noudattavan symmetristä jakaumaa!! kahden

27 parivertailuille Yleinen hypoteesi H: erotukset d i ovat riippumattomia, samoin jakautuneita ja tulevat symmetrisestä jakaumasta jonka mediaani on m. Nollahypoteesi mediaanille H 0 : m = 0. Mahdolliset vaihtoehtoiset hypoteesit: H 1 : m > 0 (yksisuuntainen), H 1 : m < 0 (yksisuuntainen) tai H 1 : m 0 (kaksisuuntainen). Nyt voidaan käyttää tavanomaista yhden ä mittaustuloksien erotuksille d i. t ja t kahden

28 Numeerinen esimerkki, merkillinen parivertailulle Kallen superkeksien pahin kilpailija keksimarkkinoilla on Panun pahanmakuiset prinsessakeksit. Näiden keksipakettien eri kauppojen myyntihintoja haluttiin vertailla, mutta keksien hintojen jakaumasta ei ole tietoa, joskin voidaan olettaa, että hintojen erotuksien jakauma on symmetrinen. Tutkimukseen valittiin satunnaisesti 10 eri kauppaa. Keksien hinnat on kirjattu alla olevaan taulukkoon. Kallen Panun Erotus , t ja t kahden Taulukko: Taulukossa näkyvät Kallen superkeksien ja Panun pahanmakuisten prinsessakeksien hinnat eri kaupoissa.

29 Numeerinen esimerkki, merkillinen parivertailulle t ja t Erotusten oletetaan noudattavan symmetristä jakaumaa. Nollahypoteesina on, että Kallen superkeksien ja Panun pahanmakuisten prinsessakeksien hintojen teoreettisissa mediaaneissa ei ole eroa eli että erotusten teoreettinen mediaani on nolla. Seuraavaan sivulla olevaan taulukkoon on kirjattu erotusten itseisarvot suuruusjärjestyksessä sekä lisäksi erotusten merkilliset järjestysluvut. kahden

30 Numeerinen esimerkki, merkillinen parivertailulle t ja t Erotus Merk.järj Taulukko: Erotusten itseisarvot järjetettyinä suurimmasta pienimpään ja erotusten merkilliset järjestysluvut. kahden Testisuure W = R (d i )>0 R (x i ) = = 29. Testin p-arvoksi saadaan laskentaohjelmistolla Nollahypoteesi jätetään voimaan.

31 vs. Testit soveltuvat saman tyyppisiin ongelmiin: yksi otos, mediaanin vertaaminen vakioon - kaksi toisistaan riippuvaa otosta, mediaanien vertaaminen. Testit ovat yhden t testin ei-parametrisiä vastineita. Testisuureiden arvot eivät riipu havaintoarvoista, vaan ainoastaan niiden keskinäisestä järjestyksestä. ssä ei tehdä oletuksia perusjoukon jakauman tyypistä. vaatii symmetria-oletuksen. käyttää merkkitestiä enemmän informaatiota havaintojen järjestyksestä. Jos jakauma voidaan olettaa symmetriseksi, kannattaa turvautua Wilcoxoniin, muussa tapauksessa merkkitesti on ainoa tie. t ja t kahden

32 t ja t kahden kahden

33 kahden kahden vastaa kahden riippumattoman t testiä vähemmillä jakaumaoletuksilla. kahden on käytännössä täsmälleen sama testi kuin ns. Mannin ja Whitneyn testi. Olkoot x 1, x 2,..., x n satunnaismuuttujan x havaitut arvot ja olkoot y 1, y 2,..., y m satunnaismuuttujan y havaitut arvot. Oletetaan, että havaintopisteet x 1, x 2,..., x n ovat riippumattomia ja samoin jakautuneita, ja oletetaan, että havaintopisteet y 1, y 2,..., y m ovat riippumattomia ja samoin jakautuneita. Oletetaan vielä, että x i ja y j ovat riippumattomia kaikilla i, j ja että muuttujat x i ja muuttujat y j noudattavat muuten samaa jakaumaa, mutta niiden mediaanit saattavat erota toisistaan. t ja t kahden Nollahypoteesi mediaanille H 0 : m x = m y. Mahdolliset vaihtoehtoiset hypoteesit: H 1 : m x > m y (yksisuuntainen), H 1 : m x < m y (yksisuuntainen) tai H 1 : m x m y (kaksisuuntainen).

34 kahden Tarkastelaan otoksia x 1, x 2,..., x n ja y 1, y 2,..., y m. Oletetaan (yleisyyden kärsimättä), että n m. kahden perustuu kaikkien havaintojen keskinäisen suuruusjärjestyksen tarkasteluun. Yhdistetään otokset x 1, x 2,..., x n ja y 1, y 2,..., y m yhdeksi otokseksi z 1, z 2,..., z n+m. Järjestetään yhdistetyn havainnot suuruusjärjestykseen pienimmästä suurimpaan. Olkoon R(z i ) havainnon z i järjestysluku yhdistetyssä otoksessa z 1, z 2,..., z n+m. Testisuure W = n i=1 R(x i) on pienemmän järjestyslukujen summa. Testisuureen normaaliarvo on n(n + m + 1)/2, ja sen varianssi on nm(n + m + 1)/12. Suuret ja pienet testisuureen arvot (verrattuna normaaliarvoon n(n + m + 1)/2) viittaavat siihen, että nollahypoteesi H 0 ei päde. Nollahypoteesi H 0 hylätään, jos p arvo on kyllin pieni. t ja t kahden

35 kahden, p arvot Testisuureen W jakauma on taulukoitu ja monet tietokoneohjelmat laskevat testin p arvoja. kahden p arvot määritetään seuraavilla kaavoilla, joissa w on testisuureen W havaittu arvo: Jos vaihtoehtoinen hypoteesi H 1 : m x > m y, niin testin p arvo on p = P(W w). Jos vaihtoehtoinen hypoteesi H 1 : m x < m y, niin testin p arvo on p = P(W w). Jos vaihtoehtoinen hypoteesi H 1 : m x m y, niin testin p arvo on p = 2 min{p(w w), P(W w)}. Edellä P(W w) ja P(W w) lasketaan nollahypoteesin vallitessa. t ja t kahden

36 Kahden asymptoottinen t ja t Kun otoskoko on suuri, testisuure Z = W E(W ), missä var(w ) E(W ) = n(n + m + 1)/2 ja var(w ) = nm(n + m + 1)/12, noudattaa nollahypoteesin vallitessa likimain standardinormaalijakaumaa. kahden Approksimaatio on tavallisesti riittävän hyvä, jos n, m > 10. Pienissä otoksissa nojataan testisuureen W tarkkaan jakaumaan

37 kahden t ja t ä voidaan käyttää myös silloin kun otos on diskreetistä jakaumasta, mutta tällöin on mahdollista, että osalla otospisteistä on sama järjestysluku. Tällöin kaikille näille otospisteille valitaan järjestysluvuksi keskimmäinen. Esim. jos kahden havainnon järjestysluku on sama, vastaten järjestyslukuja 7 ja 8, niin molemmille havainnoille asetetaan järjestysluvuksi 7.5. Jos kolmen havainnon järjestysluku on sama, vastaten järjestyslukuja 3, 4 ja 5, niin järjestysluvuksi valitaan kaikille kolmelle 4. kahden

38 kahden t ja t Huomaa, että ä voidaan käyttää myös silloin, kun muuttujia ei voida mitata, mutta ne voidaan asettaa järjestykseen. (Esim. soittotaito, asunnon kunto,...) kahden

39 kahden t ja t kahden on kahden riippumattoman t testin ei-parametrinen vastine. Testisuureiden arvo ei riipu muuttujien x i ja y j arvoista, vaan ainoastaan niiden keskinäisestä järjestyksestä. Testi on varteenotettava vaihtoehto kahden riippumattoman t testille, jos perusjoukot eivät ole normaalijakautuneita. kahden

40 Numeerinen esimerkki kahden lle. t ja t Opiskelijoiden pituuksia mitattiin matematiikan laitoksen käytävällä. Kymmenen satunnaisesti valittua opiskelijaa laitettiin seisomaan pituusjärjestykseen. Opiskelijoiden joukossa oli sekä miehiä että naisia. Haluttiin selvittää, onko mies- ja naisopiskelijoin pituuksien jakaumissa eroa. kahden

41 Pituusjärjestyksestä saatiin seuraavan taulukon mukainen. Taulukkoon on kirjattu kunkin opiskelijan sukupuoli sekä järjestysluku. Opiskelija N N M M M N M M N M Järjestysluku Taulukko: Pituusjärjestykseen järjestetyt mies- ja naisopiskelijat järjestyslukuineen. t ja t kahden Testisuure on pienemmän, tässä naisten, järjestyslukujen summa W = 4 i=1 R(x i) = = 18. Koska otoskoot ovat pieniä luetaan taulukosta testisuureen kriittinen arvo. Kriittinen arvo < 18, joten nollahypoteesia pituuksien jakaumien samuudesta ei voida hylätä.

42 t ja t J. S. Milton, J. C. Arnold: Introduction to Probability and Statistics, McGraw-Hill Inc R. V. Hogg, J. W. McKean, A. T. Craig: Introduction to Mathematical Statistics, Pearson Education Pertti Laininen: Todennäköisyys ja sen tilastollinen soveltaminen, Otatieto 1998, numero 586. Ilkka Mellin: Tilastolliset menetelmät, kahden

Testit järjestysasteikollisille muuttujille

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

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman

Lisätiedot

Tavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset.

Tavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset. Mat-.04 Tilastollisen analyysin perusteet Mat-.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahden riippumattoman otoksen t-testit,

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

Mat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Mat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat: Mat-.04 Tilastollise aalyysi perusteet / Ratkaisut Aiheet: Avaisaat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahde riippumattoma otokse t-testit, Nollahypoteesi, p-arvo, Päätössäätö, Testi,

Lisätiedot

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus

Lisätiedot

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi Mat-2.2104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden ja homogeenisuden testaaminen Bowmanin ja Shentonin testi, Hypoteesi, 2 -homogeenisuustesti, 2 -yhteensopivuustesti,

Lisätiedot

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto Tutkimusaineistomme otantoja Hyödyt Ei tarvitse tutkia kaikkia Oikein tehty otanta mahdollistaa yleistämisen

Lisätiedot

Aineistokoko ja voima-analyysi

Aineistokoko ja voima-analyysi TUTKIMUSOPAS Aineistokoko ja voima-analyysi Johdanto Aineisto- eli otoskoon arviointi ja tutkimuksen voima-analyysi ovat tilastollisen tutkimuksen suunnittelussa keskeisimpiä asioita. Otoskoon arvioinnilla

Lisätiedot

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Luentokalvoja tilastollisesta päättelystä Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Otanta Otantamenetelmiä Näyte Tilastollinen päättely Otantavirhe Otanta Tavoitteena edustava otos = perusjoukko

Lisätiedot

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN...6 1.1 INDUKTIO JA DEDUKTIO...7 1.2 SYYT JA VAIKUTUKSET...9

Lisätiedot

1 TILASTOMENETELMIEN PERUSTEITA

1 TILASTOMENETELMIEN PERUSTEITA 1 TILASTOMENETELMIEN PERUSTEITA Insinööritieteissä suoritetaan usein erilaisia mittauksia tai kokeita, joiden tuloksena saadaan numeerisia havaintoaineistoja tutkittavasta ilmiöstä. Hyvinvointiteknologiassa

Lisätiedot

Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 2. TODENNÄKÖISYYS...

Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 2. TODENNÄKÖISYYS... Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN... 8 1.1 INDUKTIO JA DEDUKTIO... 9 1.2 SYYT JA VAIKUTUKSET... 11 TEHTÄVIÄ... 13

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 27. syyskuuta 2007 Antti Rasila () TodB 27. syyskuuta 2007 1 / 15 1 Diskreetit jakaumat Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma Geometrinen

Lisätiedot

Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9

Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9 Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9 1.1 PARAMETRITTOMIEN MENETELMIEN LYHYT HISTORIA 11 1.2 PARAMETRITTOMAT MENETELMÄT IHMISTIETEISSÄ

Lisätiedot

4. Seuraavaan ristiintaulukkoon on kerätty tehtaassa valmistettujen toimivien ja ei-toimivien leikkijunien lukumäärät eri työvuoroissa:

4. Seuraavaan ristiintaulukkoon on kerätty tehtaassa valmistettujen toimivien ja ei-toimivien leikkijunien lukumäärät eri työvuoroissa: Lisätehtäviä (siis vanhoja tenttikysymyksiä) 1. Erään yrityksen satunnaisesti valittujen työntekijöiden poissaolopäivien määrät olivat vuonna 003: 5, 3, 16, 9, 0, 1, 3,, 19, 5, 19, 11,, 0, 4, 6, 1, 15,

Lisätiedot

Aki Taanila TILASTOLLINEN PÄÄTTELY

Aki Taanila TILASTOLLINEN PÄÄTTELY Aki Taanila TILASTOLLINEN PÄÄTTELY 17.6.2010 SISÄLLYS 0 JOHDANTO... 1 1 TILASTOLLINEN PÄÄTTELY... 2 2 YHTÄ MUUTTUJAA KOSKEVA PÄÄTTELY... 7 2.1 Normaalijakautuneisuuden testaaminen... 7 2.2 Keskiarvon luottamusväli...

Lisätiedot

Aki Taanila VARIANSSIANALYYSI

Aki Taanila VARIANSSIANALYYSI Aki Taanila VARIANSSIANALYYSI 18.5.2007 VARIANSSIANALYYSI 1 JOHDANTO...2 VARIANSSIANALYYSI...3 Yksisuuntainen varianssianalyysi...3 Kaksisuuntainen varianssianalyysi ilman toistoja...6 Kaksisuuntainen

Lisätiedot

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een 031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 5.4.2014 klo. 9.00-12.00 saleissa L1,L3 Koealue: luentojen luvut 7-11

Lisätiedot

KAHDEN RYHMÄN VERTAILU

KAHDEN RYHMÄN VERTAILU 10.3.2015 KAHDEN RYHMÄN VERTAILU Jouko Miettunen Center for Life-Course and Systems Epidemiology jouko.miettunen@oulu.fi Luennon sisältö Luokitellut muuttujat Ristiintaulukko, prosentit Khiin neliötesti

Lisätiedot

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös): Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei

Lisätiedot

Otoskoko 107 kpl. a) 27 b) 2654

Otoskoko 107 kpl. a) 27 b) 2654 1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää

Lisätiedot

Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu.

Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Ka6710000 TILASTOLLISEN ANALYYSIN PERUSTEET 2. VÄLIKOE 9.5.2007 / Anssi Tarkiainen Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1. a) Gallupissa

Lisätiedot

SELVITTÄJÄN KOMPETENSSISTA

SELVITTÄJÄN KOMPETENSSISTA OTM, KTM, Mikko Hakola, Vaasan yliopisto, Laskentatoimen ja rahoituksen laitos Helsinki 20.11.200, Helsingin kauppakorkeakoulu Projekti: Yrityksen maksukyky ja strateginen johtaminen SELVITTÄJÄN KOMPETENSSISTA

Lisätiedot

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1 2 k -faktorikokeet Vilkkumaa / Kuusinen 1 Motivointi 2 k -faktorikoe on k-suuntaisen varianssianalyysin erikoistapaus, jossa kaikilla tekijöillä on vain kaksi tasoa, matala (-) ja korkea (+). 2 k -faktorikoetta

Lisätiedot

RISTIINTAULUKOINTI JA Χ 2 -TESTI

RISTIINTAULUKOINTI JA Χ 2 -TESTI RISTIINTAULUKOINTI JA Χ 2 -TESTI Kvantitatiiviset tutkimusmenetelmät maantieteessä Ti 27.10.2015, To 2.11.2015 Miisa Pietilä & Laura Hokkanen miisa.pietila@oulu.fi laura.hokkanen@outlook.com KURSSIKERRAN

Lisätiedot

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3 OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset

Lisätiedot

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,

Lisätiedot

Todennäköisyysjakaumia

Todennäköisyysjakaumia 8.9.26 Kimmo Vattulainen Todennäköisyysjakaumia Seuraavassa esitellään kurssilla MAT-25 Todennäköisyyslaskenta esille tulleita diskreettejä todennäköisyysjakaumia Diskreetti tasajakauma Bernoullijakauma

Lisätiedot

Puheentutkimuksen tilastoanalyysin perusteet. 8. luento. Pertti Palo 20.1.2012

Puheentutkimuksen tilastoanalyysin perusteet. 8. luento. Pertti Palo 20.1.2012 Puheentutkimuksen tilastoanalyysin perusteet 8. luento Pertti Palo 20.1.2012 Käytännön asioita Viimeisen seminaarin siirto: 2.3. 10-12 -> 2.3. 14-16. Miten seminaarin luentokuulustelun voi korvata? Harjoitustöiden

Lisätiedot

Altisteiden ja sairauksien mittaaminen. Biostatistiikan näkökulmasta EPIDEMIOLOGIAN JA BIOSTATISTIIKAN PERUSTEET. L2 kevät 2007

Altisteiden ja sairauksien mittaaminen. Biostatistiikan näkökulmasta EPIDEMIOLOGIAN JA BIOSTATISTIIKAN PERUSTEET. L2 kevät 2007 EPIDEMIOLOGIAN JA BIOSTATISTIIKAN PERUSTEET L2 kevät 2007 mittaaminen Biostatistiikan näkökulmasta Janne Pitkäniemi VTM, MSc (biometry) HY, Kansanterveystieteen laitos 1 Perusjoukon ja otoksen käsitteet

Lisätiedot

Matemaatikot ja tilastotieteilijät

Matemaatikot ja tilastotieteilijät Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.

Lisätiedot

Tilastotieteen jatkokurssi syksy 2003 Välikoe 2 11.12.2003

Tilastotieteen jatkokurssi syksy 2003 Välikoe 2 11.12.2003 Nimi Opiskelijanumero Tilastotieteen jatkokurssi syksy 2003 Välikoe 2 11.12.2003 Normaalisti jakautuneiden yhdistyksessä on useita tuhansia jäseniä. Yhdistyksen sääntöjen mukaan sääntöihin tehtävää muutosta

Lisätiedot

Til.yks. x y z 1 2 1 20.3 2 2 1 23.5 9 2 1 4.7 10 2 2 6.2 11 2 2 15.6 17 2 2 23.4 18 1 1 12.5 19 1 1 7.8 24 1 1 9.4 25 1 2 28.1 26 1 2-6.2 33 1 2 33.

Til.yks. x y z 1 2 1 20.3 2 2 1 23.5 9 2 1 4.7 10 2 2 6.2 11 2 2 15.6 17 2 2 23.4 18 1 1 12.5 19 1 1 7.8 24 1 1 9.4 25 1 2 28.1 26 1 2-6.2 33 1 2 33. Tehtävien ratkaisuja. a) Tilastoyksiköitä ovat työntekijät: Vatanen, Virtanen, Virtanen ja Voutilainen; muuttujina: ikä, asema, palkka, lasten lkm (ja nimikin voidaan tulkita muuttujaksi, jos niin halutaan)

Lisätiedot

Aki Taanila TILASTOLLISEN PÄÄTTELYN ALKEET

Aki Taanila TILASTOLLISEN PÄÄTTELYN ALKEET Aki Taanila TILASTOLLISEN PÄÄTTELYN ALKEET 21.5.2014 SISÄLLYS 0 JOHDANTO... 1 1 TILASTOLLINEN PÄÄTTELY... 2 1.1 Tiekartta... 4 2 YHTÄ MUUTTUJAA KOSKEVA PÄÄTTELY... 5 2.1 Keskiarvon luottamusväli... 5 2.2

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

Heidi Kainulainen. Klusteroitunut aineisto kahden ryhmän vertailussa

Heidi Kainulainen. Klusteroitunut aineisto kahden ryhmän vertailussa PRO GRADU -TUTKIELMA Matematiikan ja tilastotieteen laitos Tilastotiede Helmikuu 2008 TAMPEREEN Y L I O P I S T O Heidi Kainulainen Klusteroitunut aineisto kahden ryhmän vertailussa Tampereen yliopisto

Lisätiedot

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Esimerkki Tarkastelemme ilmiötä I, joka on a) tiettyyn kauppaan tulee asiakkaita

Lisätiedot

USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI

USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI TEORIA USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI Regressiomalleilla kuvataan tilanteita, jossa suureen y arvot riippuvat joukosta ns selittäviä muuttujia x 1, x 2,..., x p oletetun funktiomuotoisen

Lisätiedot

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti

Luku 6. Dynaaminen ohjelmointi. 6.1 Funktion muisti Luku 6 Dynaaminen ohjelmointi Dynaamisessa ohjelmoinnissa on ideana jakaa ongelman ratkaisu pienempiin osaongelmiin, jotka voidaan ratkaista toisistaan riippumattomasti. Jokaisen osaongelman ratkaisu tallennetaan

Lisätiedot

7. laskuharjoituskierros, vko 10, ratkaisut

7. laskuharjoituskierros, vko 10, ratkaisut 7. laskuharjoituskierros, vko 10, ratkaisut D1. a) Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 0, E(Y ) = 1, Var(X) = 1, Var(Y ) = 4 ja Cov(X,

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen

Tilastollisten aineistojen kerääminen ja mittaaminen Ilkka Mellin Tilastolliset menetelmät Osa 1: Johdanto Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2007) 1 ja mittaaminen >> Tilastollisten aineistojen kerääminen Mittaaminen

Lisätiedot

TESTINVALINTATEHTÄVIEN VASTAUKSET

TESTINVALINTATEHTÄVIEN VASTAUKSET TESTINVALINTATEHTÄVIEN VASTAUKSET Vastaukset on merkitty keltaisella, muuttujien mittaustasot muuttujan kuvauksen perässä ja muu osa vastauksesta kysymyksen perässä. Tehtävä 1. Talousmatematiikan kurssin

Lisätiedot

Perusnäkymä yksisuuntaiseen ANOVAaan

Perusnäkymä yksisuuntaiseen ANOVAaan Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja

Lisätiedot

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma Diskreetit todennäköisyysjakaumat Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma Satunnaismuuttuja Satunnaisilmiö on ilmiö, jonka lopputulokseen sattuma vaikuttaa Satunnaismuuttuja on muuttuja,

Lisätiedot

BIOSTATISTIIKKAA ESIMERKKIEN AVULLA. Kurssimoniste (luku 2) Janne Pitkäniemi. Helsingin Yliopisto Kansanterveystieteen laitos

BIOSTATISTIIKKAA ESIMERKKIEN AVULLA. Kurssimoniste (luku 2) Janne Pitkäniemi. Helsingin Yliopisto Kansanterveystieteen laitos BIOSTATISTIIKKAA ESIMERKKIEN AVULLA Kurssimoniste (luku 2) Janne Pitkäniemi Helsingin Yliopisto Kansanterveystieteen laitos Helsinki, 2005 Biostatistiikkaa esimerkkien avulla 1 Janne Pitkäniemi, syksy

Lisätiedot

SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON?

SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON? SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON?...7 TILASTO...7 TILASTOTIEDE...8 HISTORIAA...9 TILASTOTIETEEN NYKYINEN ASEMA...9 TILASTOLLISTEN MENETELMIEN ROOLIT ERI TYYPPISET AINEISTOT JA ONGELMAT...10

Lisätiedot

PSYKOLOGIAN VALINTAKOE TILASTOMATEMATIIKAN LISÄMATERIAALI 2016

PSYKOLOGIAN VALINTAKOE TILASTOMATEMATIIKAN LISÄMATERIAALI 2016 PSYKOLOGIAN VALINTAKOE TILASTOMATEMATIIKAN LISÄMATERIAALI 06 HELSINGIN YLIOPISTO PSYKOLOGIAN VALINTAKOE 06 Tilastomatematiikan lisämateriaali Copyright Helsingin yliopisto, käyttäytymistieteiden laitos

Lisätiedot

TILASTOMATEMATIIKKA. Keijo Ruohonen

TILASTOMATEMATIIKKA. Keijo Ruohonen TILASTOMATEMATIIKKA Keijo Ruohonen 20 Sisältö I PERUSOTOSJAKAUMAT JA DATAN KUVAUKSET. Satunnaisotanta.2 Tärkeitä otossuureita 2.3 Datan esitykset ja graafiset metodit 6.4 Otosjakaumat 6.4. Otoskeskiarvon

Lisätiedot

Matematiikan mestariluokka, syksy 2009 7

Matematiikan mestariluokka, syksy 2009 7 Matematiikan mestariluokka, syksy 2009 7 2 Alkuluvuista 2.1 Alkuluvut Määritelmä 2.1 Positiivinen luku a 2 on alkuluku, jos sen ainoat positiiviset tekijät ovat 1 ja a. Jos a 2 ei ole alkuluku, se on yhdistetty

Lisätiedot

Maatalouden tutkimuskeskuksen julkaisuja

Maatalouden tutkimuskeskuksen julkaisuja Maatalouden tutkimuskeskuksen julkaisuja S A RJ A Lauri Jauhiainen Virallisten lajikekokeiden tulosten laskentaperusteet lir>, Maatalouden 100 tutkimuskeskus Lauri Jauhiainen Virallisten lajikekokeiden

Lisätiedot

Tilastollisten menetelmien perusteet II TILTP3 Luentorunko

Tilastollisten menetelmien perusteet II TILTP3 Luentorunko Tilastollisten menetelmien perusteet II TILTP3 Luentorunko Raija Leppälä 29. helmikuuta 2012 Sisältö 1 Johdanto 2 1.1 Jatkuvista jakaumista 2 1.1.1 Normaalijakauma 2 1.1.2 Studentin t-jakauma 3 1.2 Satunnaisotos,

Lisätiedot

Mittausjärjestelmän kalibrointi ja mittausepävarmuus

Mittausjärjestelmän kalibrointi ja mittausepävarmuus Mittausjärjestelmän kalibrointi ja mittausepävarmuus Kalibrointi kalibroinnin merkitys kansainvälinen ja kansallinen mittanormaalijärjestelmä kalibroinnin määritelmä mittausjärjestelmän kalibrointivaihtoehdot

Lisätiedot

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

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

Lisätiedot

Aki Taanila TILASTOLLINEN PÄÄTTELY

Aki Taanila TILASTOLLINEN PÄÄTTELY Aki Taanila TILASTOLLINEN PÄÄTTELY 14.4.2012 SISÄLLYS 0 JOHDANTO... 1 1 TILASTOLLINEN PÄÄTTELY... 2 2 YHTÄ MUUTTUJAA KOSKEVA PÄÄTTELY... 7 2.1 Normaalijakautuneisuuden testaaminen... 7 2.2 Keskiarvon luottamusväli...

Lisätiedot

Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka

Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Kemometriasta Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Mistä puhutaan? Määritelmiä Määritys, rinnakkaismääritys Mittaustuloksen luotettavuus Kalibrointi Mittausten

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/5

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

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut TKK (c) Ilkka Mellin (2007) 1 Jakaumien tunnusluvut >> Odotusarvo Varianssi Markovin ja Tshebyshevin

Lisätiedot

Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille tarvittaessa.

Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille tarvittaessa. NIMI: OPPILASNUMERO: ALLEKIRJOITUS: tehtävä 1 2 3 4 yht pisteet max 25 25 25 25 100 arvosana Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille

Lisätiedot

Altistusaika 1 kk 2 kk 3 kk 1.35 1.53 1.38 1.35 1.63 1.51 1.60 1.40 2.18 1.77 1.66 1.98 1.73 1.76 1.60 1.72

Altistusaika 1 kk 2 kk 3 kk 1.35 1.53 1.38 1.35 1.63 1.51 1.60 1.40 2.18 1.77 1.66 1.98 1.73 1.76 1.60 1.72 Mat-.03 Koesuunnittelu ja tilastolliset mallit Mat-.03 Koesuunnittelu ja tilastolliset mallit / Ratkaisut iheet: vainsanat: Kaksisuuntainen varianssianalsi Lohkoasetelmat Latinalaiset neliöt ritmeettinen

Lisätiedot

+ 3 2 5 } {{ } + 2 2 2 5 2. 2 kertaa jotain

+ 3 2 5 } {{ } + 2 2 2 5 2. 2 kertaa jotain Jaollisuustestejä (matematiikan mestariluokka, 7.11.2009, ohjattujen harjoitusten lopputuloslappu) Huom! Nämä eivät tietenkään ole ainoita jaollisuussääntöjä; ovatpahan vain hyödyllisiä ja ainakin osittain

Lisätiedot

B. Siten A B, jos ja vain jos x A x

B. Siten A B, jos ja vain jos x A x Mat-1.2600 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Johdanto Joukko-opin peruskäsitteet Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma,

Lisätiedot

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011

Lisätiedot

n = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus:

n = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus: 1. Tietyllä koeella valmistettavie tiivisterekaide halkaisija keskihajoa tiedetää oleva 0.04 tuumaa. Kyseisellä koeella valmistettuje 100 rekaa halkaisijoide keskiarvo oli 0.60 tuumaa. Määrää 95%: ja 99%:

Lisätiedot

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin

Lisätiedot

b6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia.

b6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia. 806109P TILASTOTIETEEN PERUSMENETELMÄT I 1. välikoe 11.3.2011 (Jari Päkkilä) VALITSE VIIDESTÄ TEHTÄVÄSTÄ NELJÄ JA VASTAA VAIN NIIHIN! 1. Valitse kohdissa A-F oikea (vain yksi) vaihtoehto. Oikeasta vastauksesta

Lisätiedot

TASAVIRTAPIIRI - VASTAUSLOMAKE

TASAVIRTAPIIRI - VASTAUSLOMAKE TASAVIRTAPIIRI - VASTAUSLOMAKE Ryhmä Tekijä 1 Pari Tekijä 2 Päiväys Assistentti Täytä mittauslomake lyijykynällä. Muista erityisesti virhearviot ja suureiden yksiköt! 4 Esitehtävät 1. Mitä tarkoitetaan

Lisätiedot

Ohjeita kvantitatiiviseen tutkimukseen

Ohjeita kvantitatiiviseen tutkimukseen 1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 2 KVANTITATIIVISEN TUTKIMUSAINEISTON ANALYYSI Sisältö: 1. Frekvenssi- ja prosenttijakaumat.2

Lisätiedot

Otanta ilman takaisinpanoa

Otanta ilman takaisinpanoa Otanta ilman takaisinpanoa Populaatio, jossa N alkiota (palloa, ihmistä tms.), kahdenlaisia ( valkoinen, musta ) Poimitaan umpimähkään (= symmetrisesti) n-osajoukko eli otos Merkitään tapahtuma A k = otoksessa

Lisätiedot

FYSP105/2 VAIHTOVIRTAKOMPONENTIT. 1 Johdanto

FYSP105/2 VAIHTOVIRTAKOMPONENTIT. 1 Johdanto FYSP105/2 VAIHTOVIRTAKOMPONENTIT Työn tavoitteet o Havainnollistaa vaihtovirtapiirien toimintaa o Syventää ymmärtämystä aiheeseen liittyvästä fysiikasta 1 Johdanto Tasavirta oli 1900 luvun alussa kilpaileva

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

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka

Osa 1: Todennäköisyys ja sen laskusäännöt. Klassinen todennäköisyys ja kombinatoriikka Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Klassinen todennäköisyys ja kombinatoriikka TKK (c) Ilkka Mellin (2007) 1 Klassinen todennäköisyys ja kombinatoriikka >> Klassinen

Lisätiedot

Teema 3: Tilastollisia kuvia ja tunnuslukuja

Teema 3: Tilastollisia kuvia ja tunnuslukuja Teema 3: Tilastollisia kuvia ja tunnuslukuja Tilastoaineiston peruselementit: havainnot ja muuttujat havainto: yhtä havaintoyksikköä koskevat tiedot esim. henkilön vastaukset kyselylomakkeen kysymyksiin

Lisätiedot

Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot

Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta. Verkot ja todennäköisyyslaskenta: Esitiedot T (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan T (c) Ilkka Mellin (2004) 2 : Mitä oimme? Verkkoteoria on hyödyllinen sovelletun matematiikan osa-alue, jolla on sovelluksia esimerkiksi logiikassa,

Lisätiedot

Perusopintojen Laboratoriotöiden Työselostus 1

Perusopintojen Laboratoriotöiden Työselostus 1 Perusopintojen Laboratoriotöiden Työselostus 1 Kalle Hyvönen Työ tehty 1. joulukuuta 008, Palautettu 30. tammikuuta 009 1 Assistentti: Mika Torkkeli Tiivistelmä Laboratoriossa tehdyssä ensimmäisessä kokeessa

Lisätiedot

Topologia Syksy 2010 Harjoitus 9

Topologia Syksy 2010 Harjoitus 9 Topologia Syksy 2010 Harjoitus 9 (1) Avaruuden X osajoukko A on G δ -joukko, jos se on numeroituva leikkaus avoimista joukoista ja F σ -joukko, jos se on numeroituva yhdiste suljetuista joukoista. Osoita,

Lisätiedot

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1 May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.

Lisätiedot

Reaaliluvut 1/7 Sisältö ESITIEDOT:

Reaaliluvut 1/7 Sisältö ESITIEDOT: Reaaliluvut 1/7 Sisältö Reaalilukujoukko Reaalilukujoukkoa voidaan luonnollisimmin ajatella lukusuorana, molemmissa suunnissa äärettömyyteen ulottuvana suorana, jonka pisteet ja reaaliluvut vastaavat toisiaan:

Lisätiedot

Johdatus tn-laskentaan perjantai 17.2.2012

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

Lisätiedot

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten Todennäköisyys Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten tietoliikennejärjestelmien ymmärtämisessä

Lisätiedot

Aineistoista. Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin

Aineistoista. Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin Aineistoista 11.2.09 IK Laadulliset menetelmät: miksi tarpeen? Haastattelut, fokusryhmät, havainnointi, historiantutkimus, miksei videointikin Muotoilussa kehittyneet menetelmät, lähinnä luotaimet Havainnointi:

Lisätiedot

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Aikataulu ja suoritustapa (Katso MyCourses) Luennot

Lisätiedot

SSL syysseminaari 29.10.2013 Juha Hyssälä

SSL syysseminaari 29.10.2013 Juha Hyssälä SSL syysseminaari 29.10.2013 Juha Hyssälä Lääketieteellisessä tutkimuksessa on perinteisesti käytetty elinaika-analyysissä Coxin suhteellisen vaaran mallia ja/tai tämän johdannaisia. Kyseinen malli kuitenkin

Lisätiedot

ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen

ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI Mikko Kylliäinen Insinööritoimisto Heikki Helimäki Oy Dagmarinkatu 8 B 18, 00100 Helsinki kylliainen@kotiposti.net 1 JOHDANTO Suomen rakentamismääräyskokoelman

Lisätiedot

Ohjelmoinnin peruskurssi Y1

Ohjelmoinnin peruskurssi Y1 Ohjelmoinnin peruskurssi Y1 CSE-A1111 30.9.2015 CSE-A1111 Ohjelmoinnin peruskurssi Y1 30.9.2015 1 / 27 Mahdollisuus antaa luentopalautetta Goblinissa vasemmassa reunassa olevassa valikossa on valinta Luentopalaute.

Lisätiedot

Johdatus tn-laskentaan torstai 16.2.2012

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

Lisätiedot

1 2 3 4 5 6 7 A B 8 9 10 11 [Nm] 370 350 330 [kw] [PS] 110 150 100 136 310 90 122 290 270 80 109 250 70 95 230 210 60 82 190 50 68 170 150 40 54 130 110 90 140 PS 125 PS 100 PS 30 20 41 27 70 1000 1500

Lisätiedot

1 2 3 4 5 7 9 A B 10 11 12 13 14 15 16 17 [Nm] 370 350 330 310 290 270 250 230 210 190 170 150 130 110 90 140 PS 125 PS 100 PS 70 1000 1500 2000 2500 3000 3500 4000 RPM [kw] [PS] 110 150 100 136 90 122

Lisätiedot

1 2 3 4 5 A B 6 7 8 9 [Nm] 370 350 330 310 290 270 [kw] [PS] 110 150 100 136 90 122 80 109 250 230 210 190 70 60 50 95 82 68 170 150 40 54 130 110 90 140 PS 125 PS 100 PS 30 20 41 27 70 1000 1500 2000

Lisätiedot

7 Osa 7: Pidempiä esimerkkejä R:n käytöstä

7 Osa 7: Pidempiä esimerkkejä R:n käytöstä 7 Osa 7: Pidempiä esimerkkejä R:n käytöstä R:n pääasiallinen käyttö monelle on tilastollisten menetelmien suorittaminen. Käydään nyt läpi joitain esimerkkitilanteita, alkaen aineiston luvusta ja päättyen

Lisätiedot

Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto

Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto Määritelmiä Laadullinen tutkimus voidaan määritellä eri tavoin eri lähtökohdista Voidaan esimerkiksi korostaa sen juuria antropologiasta

Lisätiedot

Preliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3

Preliminäärikoe Tehtävät Pitkä matematiikka 4.2.2014 1 / 3 Preliminäärikoe Tehtävät Pitkä matematiikka / Kokeessa saa vastata enintään kymmeneen tehtävään Tähdellä (* merkittyjen tehtävien maksimipistemäärä on 9, muiden tehtävien maksimipistemäärä on 6 Jos tehtävässä

Lisätiedot

Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa

Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa Risto Lehtonen Helsingin yliopisto Kela 1 Tilastokeskuksen SAS-seminaari 16.11.2009 Aiheita Kelan tutkimustoiminta SAS-sovellukset vaativien

Lisätiedot

Terra Preta kasvatuskoe Pilkon pellolla 2012-2013

Terra Preta kasvatuskoe Pilkon pellolla 2012-2013 Terra Preta kasvatuskoe Pilkon pellolla 2012-2013 Karelia ammattikorkeakoulu Biotalouden keskus Simo Paukkunen Lokakuu 2013 Sisällys 1 Johdanto... 1 2 Aineisto ja menetelmät... 1 3 Tulokset... 6 3.1 Oraiden

Lisätiedot

nyky-ymmärryksemme mukaan hajaantuvaan sarjaan luvun 1 2 kun n > N Huom! Määritelmä on aivan sama C:ssä ja R:ssä. (Kuva vain on erilainen.

nyky-ymmärryksemme mukaan hajaantuvaan sarjaan luvun 1 2 kun n > N Huom! Määritelmä on aivan sama C:ssä ja R:ssä. (Kuva vain on erilainen. Sarjaoppia Käsitellään kompleksi- ja reaalisarjat yhdessä. Reaalilukujen ominaisuuksista (kuten järjestys) riippuvat asiat tulevat lisämausteena mukaan. Kirjallisuutta: 1. [KRE] Kreyszig: Advanced Engineering

Lisätiedot