Ratkaisu: Kaikki tehtävän laskutoimitukset on tehty Microsoft Excel -ohjelmalla; ks. taulukkoa tehtävän lopussa.
|
|
- Aapo Karvonen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat-.09 Sovellettu todeäköyylaku. harjotuket Mat-.09 Sovellettu todeäköyylaku. harjotuket / Ratkaut Aheet: Avaaat: Regreoaalyy Etmot, Jääöelöumma, Jääöterm, Jääövara, Kekhajota, Kokoaelöumma, Korrelaato, Kovara, Krtte arvo, Luottamukerro, Luottamutao, Luottamuväl, Mallelöumma, Merktevyytao, Paopte, Parametr, p-arvo, Pemmä elöumma meetelmä, Regreokerro, Regreouora, Reduaal, Seltettävä muuttuja, Selttäjä, Selttävä muuttuja, Seltyate, Sovte, Tet, Vakoterm, Vapauateet, Varaaalyyhajotelma.. Muuttuje ja Y havatut arvot ovat: Y (a) (c) (d) Määrää yhde elttäjä leaare regreomall Y = α + β + ε, ε N(0, σ ) regreokertome α ja β pemmä elöumma (PNS-) etmaatt. Määrää etmodu mall ovtteet ja reduaalt. Määrää etmodu mall jääövara σ harhato etmaatt. Määrää etmodu mall eltyate. Ratkau: Kakk tehtävä lakutomtuket o tehty Mcrooft Ecel -ohjelmalla; k. taulukkoa tehtävä lopua. (a) Yhde elttäjä leaare regreomall Y = α + β + ε regreokertome α ja β PNS-etmaatt aadaa laketuk euraavaa etettävällä tavalla. Ilkka Mell (004) /
2 Mat-.09 Sovellettu todeäköyylaku. harjotuket Määrätää e muuttuje ja Y havattuje arvoje ummat, elöummat ja tuloumma: = = Y = = = = 56 Y = 40 = 54 = 56 Y = 364 Muuttuje ja Y havattuje arvoje artmeettet kekarvot Ka ja Ka Y, otovarat ja Y, otokekhajoat ja Y, otokovara Y ja otokorrelaato r Y aadaa muuttuje ja Y havattuje arvoje ummta, elöummta ja tuloummata: = = 56 = 7 8 = Y = Y = 40 = 5 8 = = = = = = 8 8 Y = Y Y = = 8 = = 8 8 Y = = = 4.34 = = 8 =.88 Y Y = Y Y = = = = = 8 8 Y ry = = = Y Etmodu PNS-uora yhtälö o muotoa Y = a + b joa a ja b ovat mall regreokertome α ja β PNS-etmaattort. Etmaattorede a ja b arvot aadaa yllä määrätytä ototuuluvuta: Y.88 b= ry = = a = Y b = = Etmodu PNS-uora yhtälö o te Y = Ilkka Mell (004) /
3 Mat-.09 Sovellettu todeäköyylaku. harjotuket Etmodu mall ovtteet Yhat ja reduaalt Re aadaa euraavlla kaavolla: Sovte: Y = a +b ˆ Reduaal: e ˆ = Y Y Sovtteet ja reduaalt o aettu alla olevaa Ecel-taulukoa. (c) Mall jääövara σ harhattoma etmaattor arvok aadaa = SSE = 8 = joa SSE = e =.545 = o etmodu mall reduaale vahtelua kuvaava jääöelöumma. (d) Etmodu mall eltyate R vodaa lakea uealla er tavalla. Olkoo etmodu mall ovte Y = a +b ˆ ja reduaal e ˆ = Y Y Seltettävä muuttuja Y havattuje arvoje vahtelua kuvaava kokoaelöumma o ( ) Y ( ) = = = 8 SST = = Y Y = Y Y = = Etmodu mall reduaale vahtelua kuvaava jääöelöumma o SSE = e =.545 = Etmodu mall elttämää ouutta eltettävä muuttuja Y havattuje arvoje vahteluta kuvaava mallelöumma o = ( ) SSM = Yˆ Y = SST SSE = = Seltyate R o (k. alla olevaa Ecel-taulukkoa) SSE SSM R = SST = SST = 56 = 56 = Ilkka Mell (004) 3/
4 Mat-.09 Sovellettu todeäköyylaku. harjotuket Yhde elttäjä leaare regreomall tapaukea pätee myö R = r Y = = Kakk tehtävä lakutomtuket o tehty Mcrooft Ecel -ohjelmalla; k. taulukkoa alla Summa Ka = 7 = = 4.34 Ka Y = 5 y = 8 Y =.88 Y = r Y = b = a = SST = 56 SSE =.545 SSM = R = := - SSE /SST R = := SSM /SST R = := r Y = 0.44 = 0.65 t b =.5 (/)*l-väl ptuu = 0.39 (l-taolla 0.95) Ilkka Mell (004) 4/
5 Mat-.09 Sovellettu todeäköyylaku. harjotuket.. Jatkoa tehtävälle. Prrä tehtävää etmotu regreouora havatoja (,Y ) ettävää ptedagramm. Merkte kuvoo ovtteta vataavat pteet (, Y). î Prrä amaa kuvoo myö reduaaleja kuvaavat jaat. Ratkau: 0 X v Y 7.5 Y X.3. Jatkoa tehtävälle. (a) Tetaa tehtävä regreomall kerrota β kokevaa ollahypoteea H 0 : β = 0 Käytä -uutata vahtoehtota hypoteea ja 5 %: merktevyytaoa. Muodota kertomelle β 95%: luottamuväl. Ratkau: Kakk tehtävä lakutomtuket o tehty Mcrooft Ecel -ohjelmalla; k. taulukkoa tehtävä lopua. (a) t-tetuure ollahypoteelle o muotoa H 0 : β = 0 b t = / joa b o regreokertome β PNS-etmaattor, o mall jääövara σ harhato etmaattor ja o muuttuja havattuje arvoje otovara. Ilkka Mell (004) 5/
6 Mat-.09 Sovellettu todeäköyylaku. harjotuket Jo ollahypotee H 0 pätee, tetuure t o jakautuut Studet t-jakauma mukaa vapauate ( ): t t( ) Tehtävä tapaukea: b t = = =.5 / 0.65/ ja vapauateet ovat df = = 6 5 %: merktevyytaoa vataava krttk arvok aadaa Studet t-jakauma taulukota -uutae vahtoehtoe hypotee tapaukea (df = = 6) Koka t 0.05 =.447 +t 0.05 = t =.5 > ollahypotee H 0 hylätää. Kulmakertome β luottamuväl luottamutaolla ( α) o muotoa b± t α / Luottamutaoa 0.95 vataavak luottamukertomk aadaa Studet t-jakauma taulukota (df = = 6) t 0.05 =.447 +t 0.05 = Ste luottamuvälk aadaa 0.65 b± tα / = ±.447 = ± 0.39 = (0.497,0.775) Ilkka Mell (004) 6/
7 Mat-.09 Sovellettu todeäköyylaku. harjotuket.4. Eräää 4: kua otokea uhteelle rkolluude (rkoka per 000 aukata) ja aukatheyde (aukata per km ) väle otokorrelaatokertome arvok aat r = Tetaa ollahypoteea, että ko. muuttujat ovat korrelomattoma. Käytä kakuutata vahtoehtota hypoteea ja 5 %: merktevyytaoa. Ratkau: t-tetuure ollahypoteelle o muotoa H 0 : ρ = 0 r t = r Jo ollahypotee H 0 pätee, tetuure t o jakautuut Studet t-jakauma mukaa vapauate ( ): t t( ) Tehtävä tapaukea: ja vapauateet ovat r 0.57 t = = 4 =.005 r 0.57 df = = 40 5 %: merktevyytaoa vataavak krttk arvok aadaa Studet t-jakauma taulukota -uutae vahtoehtoe hypotee tapaukea Koka t 0.05 =.0 +t 0.05 = < t =.0 < +.0. ollahypotee H 0 jää vomaa. Ilkka Mell (004) 7/
8 Mat-.09 Sovellettu todeäköyylaku. harjotuket.5. Meetyme opoa aattaa vakuttaa vatavalmtuee alkupalkkaa. Aaa tutktt eräää USA: yloptoa pommalla vatavalmtuede joukota ykkertae atuaoto, joka koko ol 5. Otokee pomtulta opkeljolta kyytt hedä arvoaaptedeä kekarvoa (muuttuja X) ja alkupalkkaa (muuttuja Y; 000 $). Otota kuvaavat perutuuluvut olvat: (a) Ka X = 3.04 Ka Y = 8.05 X = Y = 5.8 r = Määrää regreokertome etmaatt leaarea regreomalla Y = α + βx + ε joa alkupalkkaa Y eltetää arvoaaptede kekarvolla X. Määrää regreokertome etmaatt leaarea regreomalla X = γ + δy + ε joa arvoaaptede kekarvoa X eltetää alkupalkalla Y (kääteregreo). (c) Tetaa ollahypoteea H 0 : ρ = 0.8 (d) Määrää etmodu regreomall eltyate. (e) Tetaa ollahypoteea H 0 : β = 0 (f) Määrää kohda (a) ja etmotuje regreouore lekkaupte. Vertaa tulota X- ja Y-arvoje artmeett kekarvoh. Oko tulo attuma? Käytä teteä -uutaa vahtoehtoa hypoteeeja ja %: merktevyytaoa. Ratkau: (a) Mall Y = α + βx + ε regreokertome α ja β PNS-etmaattort ovat Y b= r a= Y bx X Tehtävä tapaukea b = 8.4 a = 6.7 Ilkka Mell (004) 8/
9 Mat-.09 Sovellettu todeäköyylaku. harjotuket Mall X = γ + δy + ε regreokertome γ ja δ PNS-etmaattort ovat X d = r c= X dy Y Tehtävä tapaukea d = c =.45 Huomaa, että b d = r = 0.79 (c) Tetuure ollahypoteelle o muotoa H 0 : ρ = ρ 0 z = + r + ρ 0 log log r ρ0 3 Jo ollahypotee H 0 pätee, z a N(0,) Tehtävä tapaukea jote + r log = 0.54 r + ρ = ρ0 0 log z = 0.6 %: merktevyytaoa vataava krttk rajok aadaa ormaaljakauma taulukota -uutae vahtoehtoe hypotee tapaukea Koka z 0.05 =.57 +z 0.05 = < z = 0.6 <.57 H 0 jää vomaa. Ilkka Mell (004) 9/
10 Mat-.09 Sovellettu todeäköyylaku. harjotuket (d) Koka kyeeä o yhde elttäjä leaare regreomall, R = r = 0.79 (e) Tetuure ollahypoteelle H 0 : β = 0 o muotoa b t = / X joa jääövara σ harhato etmaattor aadaa yhde elttäjä leaare regreomall tapaukea kaavalla = ( r ) Y Jo ollahypotee H 0 pätee, t t( ) Tehtävä tapaukea =.76 t = 5.77 %: merktevyytaoa vataava krttk arvok aadaa Studet t-jakauma taulukota -uutae vahtoehtoe hypotee tapaukea Koka t 0.05 = 3.0 +t 0.05 = +3.0 t = 5.77 > 3.0 ollahypotee H 0 hylätää. Huomaa, että ama tetuuree arvo aadaa, jo tetataa ollahypoteea H 0 : ρ = 0 Tällö tetuureea o r t = r Jo ollahypotee H 0 pätee, t t( ) Ilkka Mell (004) 0/
11 Mat-.09 Sovellettu todeäköyylaku. harjotuket (f) Ko. regreouorat lekkaavat aa (artmeettte kekarvoje määräämää) havatoptede paopteeä, jo uora o mukaa vakoterm. Ste uore lekkaupteek aadaa (Ka X, Ka Y ) = (3.04, 8.05) Ilkka Mell (004) /
ε i = jäännös- eli virhetermin ε satunnainen ja ei-havaittu arvo havaintoyksikössä i
Mat-.60 Sovellettu todeäkölaketa B. harjotuket Mat-.60 Sovellettu todeäkölaketa B. harjotuket / Ratkaut Aheet: Yhde elttäjä leaare regreomall Avaaat: Ehdolle jakauma, Ehdolle odotuarvo, Ehdolle vara, Etmot,
LisätiedotTodennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6
Todeäkölakea ja tlatotetee perukur Emerkkkokoelma 6 Todeäkölakea ja tlatotetee perukur Emerkkkokoelma 6 Aheet: Tlatolle rppuvuu ja korrelaato Yhde elttäjä leaare regreomall Avaaat: Artmeette kekarvo Etmot
LisätiedotMat Koesuunnittelu ja tilastolliset mallit
Mat-.03 Koeuuttelu tlatollet mallt. harjotuket Mat-.03 Koeuuttelu tlatollet mallt. harjotuket / Ratkaut Aheet: Avaaat: Tlatollte aetoje kuvaame Oto otokaumat Etmot Etmotmeetelmät Väletmot Artmeette kekarvo,
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 6
MS-A Todeäkölakea ja tlatotetee perukur Vkko Tlatolle rppuvuu ja korrelaato; Yhde elttäjä leaare regreomall Rppuvuu, korrelaato ja regreoaal Tlatoteteeä kahde muuttuja väle rppuvuu vo olla Ekakta: toe
LisätiedotMat-2.091 Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat:
Mat-.090 Sovellettu todeäköiyylaku A 0. harjoituket Mat-.09 Sovellettu todeäköiyylaku 0. harjoituket / Ratkaiut Aiheet: Avaiaat: Tilatolliet tetit Aritmeettie kekiarvo, Beroulli-jakauma, F-jakauma, F-teti,
LisätiedotMat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:
Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Artmeette keskarvo, Estmaatt,
Lisätiedot12. laskuharjoituskierros, vko 16, ratkaisut
1. lakuharjoitukierro, vko 16, ratkaiut D1. Muuttujien x ja Y havaitut arvot ovat: x 1 3 4 6 8 9 11 14 Y 1 4 4 5 7 8 9 a) Määrää regreiomallin Y i = α +βx i +ǫ i regreiokertoimien PNS-etimaatit ja piirrä
LisätiedotMat-2.090 Sovellettu todennäköisyyslasku A
Mat-.090 Sovellettu todeäköiyylaku A Mat-.090 Sovellettu todeäköiyylaku A / Ratkaiut Aiheet: Avaiaat: Tilatollite aieito keräämie ja mittaamie Tilatollite aieitoje kuvaamie Oto ja otojakaumat Aritmeettie
Lisätiedoton tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset:
Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Ylee leaare mall Artmeette keskarvo,
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
LisätiedotRak-54.116 Rakenteiden mekaniikka C, RM C (4 ov) Tentti 30.8.2007
Rak-54.116 Rakeneden mekankka, RM (4 ov) Ten.8.7 Krjoa jokaeen koepapern elvä - koko nme, puhuelunm allevvauna - oao, vuokur, enn pävämäärä ekä enävä opnojako koodeneen - opkeljanumero, mukaan luken arkukrjan
LisätiedotNimi: Ratkaise tehtävät sivun alalaitaan. (paperi nro 1) 1. Valitse oikea toisen asteen yhtälön ratkaisukaava: (a) b ± b 4ac 2a. (b) b ± b 2 4ac 2a
paperi nro 0 a b ± b 2 4ac b b ± b 2 + 4ac c b ± b 4ac d b ± b 2 4ac 2. Ratkaise toisen asteen yhtälö x 2 + 7x 12 = 0. 3. Ratkaise epäyhtälö 3x 2 30x > 0 4. Ratkaise epäyhtälö 5x 2 + 5 < 0 paperi nro 1
LisätiedotMat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat
Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma,
Lisätiedot1. PARAMETRIEN ESTIMOINTI
Mat-.04 Tlastollse aalyys perusteet Mat-.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Estmaatt, Estmaattor, Estmot, Jääöselösumma, Jääösterm, Jääösvarass,
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotTilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)
Tilatotietee jatkokuri 8. lakuharjoitute ratkaiuehdotuket (viikot 13 ja 14) 1) Perujoukko o aluee A aukkaat ja tutkittavaa omiaiuutea ovat tulot, Tiedämme, että perujouko tulot oudattaa ormaalijakaumaa,
Lisätiedot= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2
HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ
LisätiedotKertausosa. 2. Kuvaan merkityt kulmat ovat samankohtaisia kulmia. Koska suorat s ja t ovat yhdensuuntaisia, kulmat ovat yhtä suuria.
5. Veitoken tilavuu on V,00 m 1,00 m,00 m 6,00 m. Pienoimallin tilavuu on 1 V malli 6,00 m 0,06m. 100 Mittakaava k aadaan tälötä. 0,06 1 k 6,00 100 1 k 0,1544... 100 Mitat ovat. 1,00m 0,408...m 100 0,41
LisätiedotMat Koesuunnittelu ja tilastolliset mallit
Mat-.03 Koeuuittelu ja tilatolliet mallit Mat-.03 Koeuuittelu ja tilatolliet mallit / Ratkaiut Aiheet: Avaiaat: Tilatolliet tetit Tetit uhdeateikolliille muuttujille Tetit laatueroateikolliille muuttujille
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:
MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Aheet: Tlastollset testt Avasaat: Artmeette keskarvo Beroull-jakauma
Lisätiedot1. välikoe
Jan Loto TA7 Ekonometan johdantok Nm: Opkeljanmeo: välkoe 77 Vataa alla olevn kyymykn ympäömällä okea vahtoehto Kakn tehtävää on neljä vahtoehtoa, jota yk on oken Okeata vataketa aa pteen ja vääätä vataketa
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Väliestimointi TKK (c) Ilkka Mellin (2007) 1 Väliestimointi >> Todennäköisyysjakaumien parametrien estimointi Luottamusväli
Lisätiedot2-suuntainen vaihtoehtoinen hypoteesi
Mat-.6 Sovellettu todeäkösyyslasketa. harjotukset Mat-.6 Sovellettu todeäkösyyslasketa B. harjotukset / Ratkasut Aheet: Tlastollset testt Avasaat: Artmeette keskarvo, Beroull-jakauma, F-jakauma, F-test,
Lisätiedot110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3
4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5
LisätiedotHierarkkiset koeasetelmat. Heliövaara 1
Hierarkkiset koeasetelmat Heliövaara 1 Hierarkkiset koeasetelmat Kaksiasteista hierarkkista koeasetelmaa käytetään tarkasteltaessa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan kahden tekijän
LisätiedotTilastollinen riippuvuus ja korrelaatio
Tlastollset meetelmät Osa 4: Leaare regressoaalyys Tlastolle rppuvuus ja korrelaato KE (204) Tlastolle rppuvuus ja korrelaato >> Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame
LisätiedotTodennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6
Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Aheet: Tlastolle rppuvuus ja korrelaato Yhde selttäjä leaare regressomall Regressoaalyys
LisätiedotTKK @ Ilkka Mellin (2008) 1/24
Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,
LisätiedotRATKAISUT: 17. Tasavirtapiirit
Phyica 9. paino 1(6) ATKAST 17. Taavirtapiirit ATKAST: 17. Taavirtapiirit 17.1 a) Napajännite on laitteen navoita mitattu jännite. b) Lähdejännite on kuormittamattoman pariton napajännite. c) Jännitehäviö
LisätiedotIlkka 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
LisätiedotKUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto
KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoki, proeori Lappeenrannan teknillinen yliopito Näin uuden vuoden alkaea ueat meitä miettivät ijoitualkkuna kootumuta. Yki kekeiitä kyymykitä on päätö eri
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
LisätiedotRATKAISUT: 3. Voimakuvio ja liikeyhtälö
Phyica 9. paino (8) 3. Voiakuvio ja liikeyhtälö : 3. Voiakuvio ja liikeyhtälö 3. a) Newtonin I laki on nieltään jatkavuuden laki. Kappale jatkaa liikettään uoraviivaieti uuttuattoalla nopeudella tai pyyy
LisätiedotTuringin kone on kuin äärellinen automaatti, jolla on käytössään
4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa
LisätiedotVäliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme?
TKK (c) Ilkka Melli (004) Välietimoiti Todeäköiyyjakaumie parametrie etimoiti Normaalijakauma variai luottamuväli Beroulli-jakauma odotuarvo luottamuväli Johdatu tilatotieteeee Välietimoiti TKK (c) Ilkka
LisätiedotTilastolliset menetelmät: Lineaarinen regressioanalyysi
Tlastollset meetelmät Leaare regressoaalyys Tlastollset meetelmät: Leaare regressoaalyys 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaalyys 5. Yhde selttäjä leaare regressomall 6. Ylee leaare
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)
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.4 Tilatollie aali peruteet, kevät 7 6. lueto: Johdatu regreioaalii Regreioaali idea Tavoitteea elittää elitettävä tekiä/muuttua havaittue arvoe vaihtelu elittävie tekiöide/muuttuie havaittue arvoe
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.4 Tlastollse aals perusteet, evät 7 8. lueto: Usea selttää leaare regressomall Usea selttää leaare regressomall Seltettävä muuttua havattue arvoe vahtelu halutaa selttää selttäve muuttue havattue
LisätiedotJohdatus tilastotieteeseen Kaksisuuntainen varianssianalyysi. TKK (c) Ilkka Mellin (2005) 1
ohdatus tilastotieteeseen Kaksisuuntainen varianssianalyysi TKK (c) Ilkka Mellin (2005) Kaksisuuntainen varianssianalyysi Varianssianalyysi: ohdanto Kaksisuuntainen varianssianalyysi ja sen suorittaminen
LisätiedotLuonnolliset vs. muodolliset kielet
Luonnolliset vs. muodolliset kielet Luonnollisia kieliä ovat esim. 1. englanti, 2. suomi, 3. ranska. Muodollisia kieliä ovat esim. 1. lauselogiikan kieli (ilmaisut p, p q jne.), 2. C++, FORTRAN, 3. bittijonokokoelma
LisätiedotKoesuunnittelu Latinalaiset neliöt. TKK (c) Ilkka Mellin (2005) 1
Koesuunnittelu Latinalaiset neliöt TKK (c) Ilkka Mellin (2005) 1 Latinalaiset neliöt Latinalaisten neliöiden koeasetelma ja sen malli Latinalaisten neliöiden koeasetelman analysointi Laskutoimitusten suorittaminen
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
LisätiedotMTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN
MTTTP SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN Aesto kaavoje () (3), (9) ja () esmerkkeh Lepakot pakallstavat hyötesä lähettämällä korkeataajusta äätä Ne pystyvät pakallstamaa hyöteset
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemaalyys laboratoro Mat-.090 Sovellettu todeäkösyyslasku A Nordlud Harotus (vko 49/003) (Ahe: Tlastollsa testeä, regressoaalyysä Lae luvut 5.5, 6) HUOM! Laskarede palautukse takaraa o pokkeuksellsest
LisätiedotMat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:
Mat-1.60 Sovellettu todeäkösyyslasketa Mat-1.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Otos ja otosjakaumat Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, χ -jakauma, Frekvess, Frekvessjakauma,
LisätiedotARVIOINTIPERIAATTEET
PSYKOLOGIAN YHTEISVALINNAN VALINTAKOE 2012 ARVIOINTIPERIAATTEET Copyright Helsingin yliopisto, käyttäytymistieteiden laitos, Materiaalin luvaton kopiointi kielletty. TEHTÄVÄ 1. (max. 34.5 pistettä) 1 a.i)
LisätiedotJohdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit järjestysasteikollisille muuttujille Järjestysasteikollisten muuttujien testit Merkkitesti Wilcoxonin
LisätiedotTilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu
Mat-1.361 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus,
Lisätiedot4.3 Liikemäärän säilyminen
Tämän kappaleen aihe liikemäärän äilyminen törmäykiä. Törmäy on uora ja kekeinen, jo törmäävät kappaleet liikkuvat maakekipiteitten kautta kulkevaa uoraa pitkin ja jo törmäykohta on tällä amalla uoralla.
Lisätiedot203 Asetetaan neliöt tasoon niin, että niiden keskipisteet yhtyvät ja eräiden sivujen välille muodostuu 45 kulma.
Pyramidi 3 Geometria tehtävien ratkaisut sivu 1 201 202 Saadaan tapaukset 1) Tason suorat l ja m voivat olla yhdensuuntaiset, mutta eri suorat, jolloin niillä ei ole yhteisiä pisteitä. l a) A B C A B C
Lisätiedot1. 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,
LisätiedotMat-2.2104 Tilastollisen analyysin perusteet, kevät 2007
Mat-2.204 Tilastollisen analyysin perusteet, kevät 2007 3. luento: Pari sanaa vielä hypoteesien formuloinneista Kai Virtanen Hypoteesien muodoista Luennolla nro. 2 muotoiltiin nollahypoteesi - H 0 : θ
LisätiedotTilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu
Mat.36 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko,
LisätiedotTestit järjestysasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit järjestysasteikollisille muuttujille >> Järjestysasteikollisten
Lisätiedotχ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut
Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,
LisätiedotKaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut
Mat-2.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Kaksiulotteie ormaalijakauma Mitta-asteikot Havaitoaieisto kuvaamie ja otostuusluvut Avaisaat: Ehdollie jakauma, Ehdollie odotusarvo, Ehdollie variassi,
LisätiedotEpäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy
LisätiedotHypoteesin testaus Alkeet
Hypoteesin testaus Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Johdanto Kokeellinen tutkimus: Varmennetaan teoreettista olettamusta fysikaalisen systeemin käyttäytymisestä
Lisätiedot12. ARKISIA SOVELLUKSIA
MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina
Lisätiedotn = 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%:
Lisätiedot4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen
Lisätiedot1 2 3 4 5 6 7 8 9 10 2 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26
Lisätiedot2. Keskiarvojen vartailua
Havaintoaineiston perusteella näyttää ilmeiseltä, että alkuperäisen laastin sidoslujuus on suurempi. Ero sattumasta johtuvaa? Palataan tuonnempana. Tension bond strength data for Portland Cement formulation
LisätiedotS-55.1220 Piirianalyysi 2 Tentti 1.9.2011
S-55.2 Piirianalyyi 2 Tentti.9.. e(t) L j(t) Lake vatukea lämmöki muuttuva teho P. = Ω L = mh = 2mF ω = 0 3 rad/ e = ê in(ωt) j = ĵ in(2ωt) ĵ = 0 A ê = 2 2 V. 2. u(t) k Kuvan mukainen taajännitelähteen
Lisätiedot1 x 2 1 x 2 C 1 D. 1 x 2 C 1. x 2 C 1 C x2 D x 2 C 1; x 0: x 2 C 1 C 1. x 2 x 4 C 1 ja. x 4 C 1 D.x4 1/.x 4 C 1/
Matematiikan ja tilatotieteen valintakoetehtävien 9 ratkaiut Sivu. a). / 6,
LisätiedotHY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I
HY / Matematiikan ja tilatotieteen laito Tilatollinen päättely II, kevät 207 Harjoitu 4 Ratkaiuehdotukia Tehtäväarja I. (Kvantiili-kvantiili kuvion [engl. q q plot] idea.) Olkoon atunnaimuuttujalla X ellainen
LisätiedotX 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k
Aalto-yliopiton Perutieteiden korkeakoulu Matematiikan ja yteemianalyyin laito Mat-49 Syteemien Identifiointi 0 harjoituken ratkaiut äytetään enin iirtofunktiomalli Tehdään Laplace-muunno: ẋ k 0 k x +
LisätiedotPythagoraan polku 16.4.2011
Pythagoraan polku 6.4.20. Todista väittämä: Jos tasakylkisen kolmion toista kylkeä jatketaan omalla pituudellaan huipun toiselle puolelle ja jatkeen päätepiste yhdistetään kannan toisen päätepisteen kanssa,
LisätiedotReaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin
MAT-3440 LAAJA MATEMATIIKKA 4 Tampereen teknllnen ylopsto Rsto Slvennonen Kevät 00 4. Vektorfunkton dervaatta. Ketjusääntö.. Reaalarvosen funkton dervaatta Tässä luvussa estetään dervaattakäste ensn reaalarvoselle
Lisätiedot( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x,
Pyrmidi Anlyyttinen geometri tehtävien rtkisut sivu Päivitetty 9..6 8 Prbeli on niiden pisteiden (, y) joukko, jotk ovt yhtä kukn johtosuorst j polttopisteestä. Pisteen (, y ) etäisyys suorst y = on d
LisätiedotJohdatus yliopistomatematiikkaan, 2. viikko (2 op)
Johdatus yliopistomatematiikkaan, 2. viikko (2 op) Jukka Kemppainen Mathematics Division Yhtälöt ja epäyhtälöt Jokainen osaa ratkaista ensimmäisen asteen yhtälön ax + by + c = 0. Millä parametrien a, b
LisätiedotTilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit
Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli
LisätiedotMat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:
Mat-.04 Tilatollie aalyyi peruteet. harjoituket Mat-.04 Tilatollie aalyyi peruteet. harjoituket / Tehtävät Aiheet: Avaiaat: Tetit uhdeateikolliille muuttujille Hypoteei, Kahde riippumattoma otoke t-tetit,
LisätiedotIlkka Mellin Aikasarja-analyysi ARMA-mallit
Ilkka Mellin Aikasarja-analyysi ARMA-mallit TKK (c) Ilkka Mellin (007) 1 ARMA-mallit >> ARMA-mallit ja niiden ominaisuudet ARMA-mallien auto- ja osittaisautokorrelaatiofunktiot ARMA-mallien spektri ARMA-mallien
Lisätiedot031021P 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 31.03.2012 klo. 9.00-12.00 saleissa L1,L3 Jukka Kemppainen Mathematics
LisätiedotMuodolliset kieliopit
Muodolliset kieliopit Luonnollisen kielen lauseenmuodostuksessa esiintyy luonnollisia säännönmukaisuuksia. Esimerkiksi, on jokseenkin mielekästä väittää, että luonnollisen kielen lauseet koostuvat nk.
LisätiedotMATEMATIIKAN LATOMINEN LA T EXILLA, OSA 1
MATEMATIIKAN LATOMINEN LA T EXILLA, OSA 1 PEKKA SALMI Tämä dokumentti on johdatus matemaattisten termien kirjoittamiseen L A TEXilla. Tarkoituksena on esitellä yksinkertaisia matemaattisia konstruktioita
LisätiedotMat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:
Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,
LisätiedotJohdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
LisätiedotMat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:
Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva
Lisätiedot11. Vektorifunktion derivaatta. Ketjusääntö
7 Vektorfunkton dervaatta Ketjusääntö Täydennämme ja kertaamme seuraavassa dfferentaallaskennan teoraa kursslta Laaja matematkka Palautetaan meln dervaatan määrtelmä reaalfunktolle: Funkton f : R R dervaatta
LisätiedotTopologia 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,
Lisätiedot2 2 -faktorikokeen määritelmä
TKK (c) Ilkka Mellin (005) Koesuunnittelu TKK (c) Ilkka Mellin (005) : Mitä opimme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan kahden tai useamman tekijän vaikutusta
LisätiedotSähköstaattinen energia
ähköstaattnen enega Potentaalenegan a potentaaln suhde on samanlanen kun Coulomn voman a sähkökentän suhde: ähkökenttä vakuttaa vaattuun kappaleeseen nn, että se kokee Coulomn voman, mutta sähkökenttä
LisätiedotFUNKTIONAALIANALYYSIN PERUSKURSSI 1. 0. Johdanto
FUNKTIONAALIANALYYSIN PERUSKURSSI 1. Johdanto Funktionaalianalyysissa tutkitaan muun muassa ääretönulotteisten vektoriavaruuksien, ja erityisesti täydellisten normiavaruuksien eli Banach avaruuksien ominaisuuksia.
LisätiedotD ( ) E( ) E( ) 2.917
Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,
LisätiedotRATKAISUT: 8. Momentti ja tasapaino
Phyica 9. paino (7) : 8. Voian vari r on voian vaikutuuoran etäiyy pyöriiakelita. Pyöriiakeli on todellinen tai kuviteltu akeli, jonka ypäri kappale pyörii. Voian oentti M kuvaa voian vääntövaikututa tietyn
LisätiedotKokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot
TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka
LisätiedotTilastollinen päättely. 5. Väliestimointi. 5.1. Johdanto. 5.2. Luottamusvälien konstruointi. 5.3. Luottamusvälien vertailu
ilastollinen päättely 5.. Johdanto Estimointi, Joukkoestimointi, Kriittinen alue, uottamusjoukko, uottamustaso, uottamusväli, Otos, Parametri, Peittotodennäköisyys, Piste estimointi, Väliestimaatti, Väliestimaattori,
LisätiedotIntensiteettitaso ja Doplerin ilmiö
Inteniteettitao ja Doplerin ilmiö Tehtävä Erkki työkentelee airaalaa. Sairaalalta 6,0 km päää on tapahtunut tieliikenneonnettomuu ja onnettomuupaikalta lähteneen ambulanin ireenin ääni kuuluu Erkille 60,0
LisätiedotYksisuuntainen varianssianalyysi. Yksisuuntainen varianssianalyysi. Yksisuuntainen varianssianalyysi. Yksisuuntainen varianssianalyysi: Mitä opimme?
TKK (c Ila Mell (005 Yssuutae varassaals Johdatus tlastoteteesee Yssuutae varassaals Varassaals: Johdato Yssuutae varassaals ja se suorttame Yssuutase varassaals mall ja se parametrot Yssuutase varassaals
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).
LisätiedotMAA10 HARJOITUSTEHTÄVIÄ
MAA0 Määritä se funktion f: f() = + integraalifunktio, jolle F() = Määritä se funktion f : f() = integraalifunktio, jonka kuvaaja sivuaa suoraa y = d Integroi: a) d b) c) d d) Määritä ( + + 8 + a) d 5
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
Lisätiedot30 + x. 15 + 0,5x = 2,5 + x 0,5x = 12,5 x = 25. 27,5a + 27,5b = 1,00 55 = 55. 2,5a + (30 2,5)b (27,5a + 27,5b) = 45 55.
RATKAISUT, Insinöörimatematiikan koe 1.5.201 1. Kahdessa astiassa on bensiinin ja etanolin seosta. Ensimmäisessä astiassa on 10 litraa seosta, jonka tilavuudesta 5 % on etanolia. Toisessa astiassa on 20
LisätiedotTKK, TTY, LTY, OY, ÅA, VY, TY / Insinööriosastot Valintakuulustelujen matematiikan koe 30.5.2006. sarja A
TKK, TTY, LTY, OY, ÅA, VY, TY / Insinööriosastot Valintauulustelujen matematiian oe 30.5.006 sarja A Ohjeita. Sijoita joainen tehtävä omalle sivulleen. Laadi rataisut seleästi v älivaiheineen, tarvittaessa
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4
MS-A Todeäkösyyslaskea ja tlastotetee peruskurss Vkko Tlastollste aestoje kerääme ja mttaame; tlastollste aestoje kuvaame; Otokset ja otosjakaumat; Estmot; Estmotmeetelmät; Vällestmot Mtä tlastotede o?
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,
Lisätiedot