Ilkka Mellin (2008) 1/24

Koko: px
Aloita esitys sivulta:

Download "TKK @ Ilkka Mellin (2008) 1/24"

Transkriptio

1 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma, Geometre keskarvo, Harmoe keskarvo, Hstogramm, Itervallastekko, Järjestysastekko, Järjestystuusluvut, Keskarvo, Keskhajota, Kvaltatvset muuttujat, Kvattatvset muuttujat, Laatueroastekko, Luokteltu frekvessjakauma, Maksm, Medaa, Mm, Mttaame, Mtta-astekot, Mttart, Nomaalastekko, Ordaalastekko, Otos, Otoskeskhajota, Otosvarass, Perusjoukko, Pylväsdagramm, Suhdeastekko, Suhteelle frekvess, t-jakauma Tlastolle aesto, Tlastolle muuttuja, Vahteluväl, Vahteluväl ptuus, Välmatka-astekko Tlastollste aestoje kerääme ja mttaame Tlastollset aestot Tlastollse tutkmukse kakk mahdollset kohteet muodostavat tutkmukse (kohde-) perusjouko. Tutkmukse kohteta tarkastellaa aa jok perusjouko muodostamassa kehkossa. Tutkmukse kohteks valttuja perusjouko alkota kutsutaa havatoyksköks. Tlastolle aesto koostuu havatoyksköde omasuuksa ja olosuhteta kuvaavsta umeerssta ta kvattatvssta tedosta. Havatoykskötä koskeva umeersa ta kvattatvsa tetoja kutsutaa havatoarvoks ta havaoks. Tlastollste aestoje kerääme Muutetaako tutkmuksessa tutkmukse kohtede olosuhteta aktvsest? () Tutkmus o koe, jos tutkmukse tavotteea o selvttää, mte kohtede olosuhtede aktve muuttame vakuttaa tutkmukse kohtes. () Tutkmus perustuu suor havatoh, jos tutkmukse tavotteea o va seurata, mte kohtede olosuhteet ja ssä tapahtuvat muutokset vakuttavat kohtes. Kohdstuuko tutkmus kakk perusjouko alkoh va johok perusjouko osaa? () Tutkmusta kutsutaa kokoastutkmukseks, jos kakk perusjouko alkot tutktaa. () Tutkmusta kutsutaa otatatutkmukseks, jos tutkmus kohdstuu johok perusjouko osajoukkoo. Mttaame ja mttart Tlastollse tutkmukse kohtede omasuuksa ja olosuhteta sekä de muutoksa kuvaavat umeerset ta kvattatvset tedot saadaa selvlle mttaamalla. Mttaame tarkottaa umeerste arvoje lttämstä tutkmukse kohtede omasuuks ja olosuhtes. Mttara vodaa ptää fuktoa, joka lttää umeerset arvot tutkmukse kohtede omasuuks ja olosuhtes. Mttaukse tulos vodaa ss aa lmasta jok tutkmukse kohtee omasuutta ta olosuhdetta kuvaava muuttuja arvoa. Sks tutkmukse kohtede omasuuksa ja olosuhteta kuvataa mttaustapahtumassa aa umeerslla muuttujlla. Mttar valdteett ja tarkkuus Ilkka Mell (008) /4

2 Mat-.60 Sovellettu todeäkösyyslasketa B Mttar o vald el okea, jos se esttää mttaukse kohteea olevaa omasuutta oke, merktyksellsest ja tarkotuksemukasest. Mttar o tarkka, jos se o harhato ja relaabel: () Mttar o harhato, jos se e systemaattsest al- ta ylarvo mtattava omasuude määrää. () Mttar o relaabel el luotettava, jos mttaustulos e muutu, ku mttausta tostetaa. Mtta-astekot Mttaus o tehty omaal- el laatueroastekolla, jos mttaus kertoo mh luokkaa mttaukse kohde kuuluu. Mttaus o tehty ordaal- el järjestysastekolla, jos mttaus kertoo oko mttaukse kohteella mtattavaa omasuutta eemmä ta vähemmä ku jollak tosella kohteella. Mttaus o tehty tervall- el välmatka-astekolla, jos mttaus kertoo kuka paljo kahde mtattava kohtee omasuudet eroavat tosstaa. Mttaus o tehty suhdeastekolla, jos mttaus kertoo kuka mota kertaa eemmä ta vähemmä mttaukse kohteella o mtattavaa omasuutta ku jollak tosella kohteella. Kvaltatvset ja kvattatvset muuttujat Omasuutta ja stä kuvaavaa muuttujaa kutsutaa kvaltatvseks, jos mttaukse kohteet vodaa luoktella mttaukse perusteella tosstaa eroav kategoroh ta luokk. Kvaltatvsa omasuuksa kuvataa laatueroastekollslla muuttujlla. Omasuutta ja stä kuvaavaa muuttujaa kutsutaa kvattatvseks, jos mttaus tuottaa omasuude määrällse arvo. Kvattatvsa omasuuksa kuvataa välmatka- ta suhdeastekollslla muuttujlla. Dskreett ja jatkuvat muuttujat Mtattavaa omasuutta vastaava muuttuja o dskreett, jos se vo saada va erllsä arvoja. Dskreettejä muuttuja ovat esmerkks laatueroastekollste muuttuje ja sjalukuja kuvaave järjestysastekollste muuttuje lsäks myös sellaset kvattatvset muuttujat kute lukumäärämuuttujat. Mtattavaa omasuutta vastaava muuttuja o jatkuva, jos se vo saada kakk arvot joltak välltä. Jatkuva muuttuja ovat esmerkks usemmat fyskaalset suureet kute ptuus, pta-ala, tlavuus, pao, aka, opeus ja pae sekä myös moet talouselämää kuvaavat suureet kute rahamäärä ja korko. Huomautus: Muuttuje mtta-astekollslla omasuukslla (kvaltatvsuudella/kvattatvsuudella ta dskreettydellä/jatkuvuudella) o syvälle vakutus she, mtä tlastollsa meetelmä kysesessä tlateessa o luvallsta (ta suotavaa) soveltaa. Ilkka Mell (008) /4

3 Mat-.60 Sovellettu todeäkösyyslasketa B Tlastollste aestoje kuvaame Frekvess Olkoo muuttuja dskreett ja oletetaa, että se mahdollset arvot ovat y, y,, y m,,, muuttuja havatut arvot. Muuttuja mahdollse arvo y k, k =,,, m frekvess f k kertoo kuka mota kertaa y k estyy havatoarvoje,,, joukossa. Frekvessjakauma Muuttuja mahdollset arvot y, y,, y m yhdessä de frekvesse f, f,, f m kassa muodostavat muuttuja havattuje arvoje,,, frekvessjakauma. Huomaa, että f + f + + f m = jossa o havatoje kokoaslukumäärä. Pylväsdagramm Frekvessjakaumaa (y k, f k ), k =,,, m vodaa kuvata graafsest pylväsdagrammlla, jossa muuttuja mahdollse arvo y k havatoarvoje,,, joukossa esttää pylväs, joka korkeus vastaa frekvessä f k. Huomautus: Pylväsdagramm tulkta o aaloge dskreet todeäkösyysjakauma pstetodeäkösyysfukto tulka kassa. Luokkafrekvess Olkoo muuttuja jatkuva ja oletetaa, että se mahdollset arvot ovat välllä (a, b) jossa vo olla a =, b = +. Jaetaa väl (a, b) pstellä a = a < a < a < < a < a = b 0 m psteveras osaväleh (a k, a k ], k =,,, m,,, m Ilkka Mell (008) 3/4

4 Mat-.60 Sovellettu todeäkösyyslasketa B muuttuja havatut arvot. Muuttuja havattuje arvoje frekvess f k luokassa k kertoo de havatoarvoje,,, lukumäärä, jotka kuuluvat väl (a k, a k ], k =,,, m Luokteltu frekvessjakauma Luokkavält (a k, a k ], k =,,, m yhdessä vastaave luokkafrekvesse f, f,, f m kassa muodostavat muuttuja havattuje arvoje,,, luoktellu frekvessjakauma. Huomaa, että f + f + + f m = jossa o havatoje kokoaslukumäärä. Hstogramm Luokteltua frekvessjakaumaa ((a k, a k ], f k ), k =,,, m vodaa kuvata graafsest hstogrammlla, jossa muuttuja havattuje arvoje,,, frekvessä f k luokassa (a k, a k ], esttää suorakade, joka kataa o väl (a k, a k ] ja joka pta-ala vastaa luokkafrekvessä f k. Huomautus: Hstogramm tulkta o aaloge jatkuva todeäkösyysjakauma theysfukto tulka kassa. Suhdeastekollste muuttuje tuusluvut Artmeette keskarvo,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Lukuje,,, artmeette keskarvo saadaa kaavalla = = Artmeette keskarvo o havatoarvoje paopste ja kuvaa havatoarvoje keskmäärästä arvoa. Ilkka Mell (008) 4/4

5 Mat-.60 Sovellettu todeäkösyyslasketa B Varass,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Lukuje,,, (otos-) varass saadaa kaavalla jossa s = ( ) = = = = o lukuje,,, artmeette keskarvo. Otosvarass kuvaa havatoarvoje hajaatuesuutta (ta keskttyesyyttä) de artmeettse keskarvo (paopstee) ympärllä. Artmeettse keskarvo ja varass laskeme,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Jos havatoarvoje,,, artmeette keskarvo ja varass joudutaa laskemaa käs ta laskta käyttäe, kaattaa laskut järjestää alla oleva tauluko muotoo ja käyttää de veressä estettyjä kaavoja. Summa = s = Keskhajota,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Lukuje,,, (otos-) keskhajota o jossa s s = ( ) = = = = = Ilkka Mell (008) 5/4

6 Mat-.60 Sovellettu todeäkösyyslasketa B o lukuje,,, artmeette keskarvo ja s o lukuje,,, (otos-) varass. Otoskeskhajota kuvaa (kute otosvarass) havatoarvoje hajaatuesuutta (ta keskttyesyyttä) de artmeettse keskarvo (paopstee) ympärllä. Stadardot Olkoo välmatka- ta suhdeastekollse muuttuja havattuje arvoje,,, artmeette keskarvo ja s de varass. Tällö stadardotuje havatoarvoje z =, =,,, s artmeette keskarvo ja varass ovat z = z = 0 sz = ( z z) = Tlastolle etäsyys välmatka- ta suhdeastekollse muuttuja havattuje arvoje,,, artmeette keskarvo ja s de varass. Tällö havatoarvoje k ja l tlastolle etäsyys o k l dkl = s Orgomomett,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Lukuje,,, k. orgomomett o k a =, k =,, k = Keskusmomett,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Lukuje,,, k. keskusmomett o jossa k k ( ) = m = = = Ilkka Mell (008) 6/4

7 Mat-.60 Sovellettu todeäkösyyslasketa B o lukuje,,, artmeette keskarvo. Vous,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Havatoarvoje,,, jakauma voutta vodaa kuvata otostuusluvulla jossa c = m 3 3/ m m =. keskusmomett luvulle,,, Hupukkuus m 3 = 3. keskusmomett luvulle,,,,,, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Havatoarvoje,,, jakauma hupukkuutta vodaa kuvata otostuusluvulla c m = 4 m jossa m =. keskusmomett luvulle,,, m 4 = 4. keskusmomett luvulle,,, Geometre keskarvo,,, postvsa lukuja. Lukuje,,, geometre keskarvo o = G Lukuje,,, geometrse keskarvo logartm o lukuje,,, logartme artmeette keskarvo: log( ) + log( ) + + log( ) log( G) = = log( ) = Huomaa, että G = va, jos = = = Ilkka Mell (008) 7/4

8 Mat-.60 Sovellettu todeäkösyyslasketa B Harmoe keskarvo,,, postvsa lukuja. Lukuje,,, harmoe keskarvo o H = Lukuje,,, harmose keskarvo käätesluku o lukuje,,, kääteslukuje artmeette keskarvo: = H Huomaa, että va, jos H = = = = Järjestysastekollste muuttuje tuusluvut Järjestystuusluvut,,, järjestys-, välmatka- ta suhdeastekollse muuttuja havattuja arvoja. Järjestetää havatoarvot,,, suuruusjärjestyksee pemmästä suurmpaa ja olkoot z, z,, z järjestyksee asetetut havatoarvot. Suuruusjärjestyksessä k. havatoarvoa z k kutsutaa k. järjestystuusluvuks. Mm, maksm, vahteluväl z, z,, z järjestys-, välmatka- ta suhdeastekollse muuttuja havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Tällö z = mmarvo z = maksmarvo (z, z ) = vahteluväl z z = vahteluväl ptuus Ilkka Mell (008) 8/4

9 Mat-.60 Sovellettu todeäkösyyslasketa B Prosettpsteet z, z,, z järjestys-, välmatka- ta suhdeastekollse muuttuja havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Havatoarvoje p. prosettpste z (p), p =,,, 99 o pste, joka jakaa havatoaesto kahtee osaa: () p % havatoarvosta o lukua z (p) peempä ta korketaa yhtä suura ku z (p). () (00 p) % havatoarvosta o lukua z (p) suurempa. Medaa z, z,, z järjestys-, välmatka- ta suhdeastekollse muuttuja havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Medaa Me o havatoarvoje 50. prosettpste: Me = z (50) Medaa jakaa havatoaesto kahtee yhtä suuree osaa, että tosessa kakk havatoarvot ovat medaaa peempä, tosessa kakk havatoarvot ovat medaaa suurempa. Havatoarvoje medaa Me vodaa määrätä seuraavalla tavalla: () Järjestetää havatoarvot suuruusjärjestyksee pemmästä suurmpaa. (a) Jos havatoarvoje lukumäärä o parto, medaa o järjestetystä havatoarvosta keskmmäe. (b) Jos havatoarvoje lukumäärä o parlle, medaa o järjestetystä havatoarvosta kahde keskmmäse artmeette keskarvo. Oletetaa, että artmeette keskarvo M ja medaa Me määrätää samasta jatkuva muuttuja havattuje arvoje luoktellusta frekvessjakaumasta. Jos havatoarvoje jakauma o ykshuppue, pätee seuraava: Vasemmalle volla jakaumlla M < Me Symmetrsllä jakaumlla M Me Okealle volla jakaumlla Me < M Kvartlt z, z,, z Ilkka Mell (008) 9/4

10 Mat-.60 Sovellettu todeäkösyyslasketa B järjestys-, välmatka- ta suhdeastekollse muuttuja havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Tällö Q = Alakvartl = 5. prosettpste = z (5) Q = Keskkvartl = 50. prosettpste = z (50) Q 3 = Yläkvartl = 75. prosettpste = z (75) Kvartlt Q, Q, Q 3 jakavat suuruusjärjestyksee asetetu havatoaesto eljää yhtä suuree osaa. Ertysest: Alakvartl Q = Havatoarvoje medaaa Me peempe havatoarvoje medaa Keskkvartl Q = Havatoarvoje medaa Me Yläkvartl Q 3 = Havatoarvoje medaaa Me suurempe havatoarvoje medaa Kvartlt, kvartlväl, kvartlpokkeama havatoarvoje kvartlt Q, Q, Q 3. Tällö (Q, Q 3 ) = kvartlväl Q 3 Q = IQR = kvartlväl ptuus (Q 3 Q )/ = IQR/ = kvartlpokkeama Kvartlvälä, kvartlväl ptuutta (IQR = terquartle rage) ja kvartlpokkeamaa vodaa käyttää kuvaamaa havatoarvoje hajaatuesuutta (keskttyesyyttä). Jos havatoarvoje jakaumaa kuvaavaa kesklukua o käytetty medaaa, hajotalukua käytetää use kvartlpokkeamaa. Laatueroastekollste muuttuje tuusluvut Frekvess Olkoo otoskoko el kerättyje havatoarvoje lukumäärä. Olkoo A jok perusjouko osajoukko ja olkoo f otoksee kuuluve A-tyyppste havatoarvoje frekvess el lukumäärä. Tällö A-tyyppste havatoarvoje suhteelle frekvess el osuus otoksessa o f Mood Frekvessjakauma mood el tyypparvo Mo o yles havatoarvo. Luoktellu frekvessjakauma mood el tyypparvo Mo o sä luokassa, jossa luokteltua frekvessjakaumaa vastaava hstogramm saavuttaa maksmsa. Huomautuksa: Jos käytetty luoktus o tasaväle, luoktellu frekvessjakauma mood o sä luokassa, jota vastaava frekvess o suur. Jos käytetty luoktus e ole tasaväle, luoktellu frekvess jakauma mood e välttämättä ole sä luokassa, jota vastaava frekvess o suur. Ilkka Mell (008) 0/4

11 Mat-.60 Sovellettu todeäkösyyslasketa B Oletetaa, että artmeette keskarvo M, medaa Me ja mood Mo määrätää samasta jatkuva muuttuja havattuje arvoje luoktellusta frekvessjakaumasta. Jos havatoarvoje jakauma o ykshuppue, pätee seuraava: Vasemmalle volla jakaumlla M < Me < Mo Symmetrsllä jakaumlla M Me Mo Okealle volla jakaumlla Mo < Me < M Ilkka Mell (008) /4

12 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 7.. Alla o lueteltu joukko tlastollsa muuttuja.. Maskode C-vtamptosuus; ykskkö: mg/00 g. Alvar aukolta löydety kasv laj 3. Pae, joka vaadtaa teräksse sälö murtumsee; kg/cm 4. Heklöde reakto vätteesee Suome o ltyttävä NATO:o mtattua astekolla: täys er meltä, yhde tekevää, täys samaa meltä 5. Jokerede sjotus jääkekkolgassa; astekkoa,, 6. Teekkar koulutusohjelma 7. Teekkar älykkyysosamäärä; ykskkö: äo-pste 8. Teekkar pstemäärä kurss. välkokeessa; astekkoa 0,,,, Letokoee opeus; ykskkö: km/h (a) Mtkä ovat muuttuje -9 mtta-astekot? (b) Mtkä muuttujsta -9 ovat kvaltatvsa ja mtkä kvattatvsa? (c) Mtkä muuttujsta -9 ovat dskreettejä ja mtkä jatkuva? Tehtävä 7.. Mtä opmme? Tehtävässä tarkastellaa tlastollste muuttuje mtta-astekollsa omasuuksa sekä tlastollste muuttuje luokttelua tosaalta kvaltatvs ja kvattatvs muuttuj ja tosaalta dskreetteh ja jatkuv muuttuj. Tehtävä 7.. Ratkasu: (a) Laatueroastekollsa muuttuja:, 6 Järjestysastekollsa muuttuja: 4, 5, 7, 8 Suhdeastekollsa muuttuja:, 3, 9 (b) Kvaltatvsa muuttuja:, (4), (5), 6, (7) Kvattatvsa muuttuja:, 3, (4), (5), (7), 8, 9 Kvaltatvste ja kvattatvste muuttuje välmaastossa olevat järjestysastekollset muuttujat o merktty sulkuh. (c) Dskreettejä muuttuja:, 4, 5, 6, 8 Jatkuva muuttuja:, 3, (7), 9 Vakka olemme kohdassa (a) luoktelleet älykkyysosamäärä järjestysastekolls muuttuje joukkoo, stä o ehkä syytä ptää kutek jatkuvaa. Ilkka Mell (008) /4

13 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 7.. Erää talo asukkalla o seuraavat kuukaustulot ( /kk): Määrää aestosta seuraavat tuusluvut: (a) mm, maksm (b) vahteluväl, vahteluväl ptuus (c) medaa (d) kvartlväl, kvartlväl, kvartlväl ptuus, kvartlpokkeama Tehtävä 7.. Mtä opmme? Tehtävässä tarkastellaa järjestystuuslukuje määräämstä. Tehtävä 7.. Ratkasu: Kakk määrättävks pyydetyt tuusluvut ovat järjestystuuslukuja ta h perustuva tuuslukuja. Järjestetää havatoarvot suuruusjärjestyksee pemmästä suurmpaa järjestystuuslukuje määräämstä varte: (a) Mm ja maksm: M = 4300, Ma = 500 (b) Vahteluväl: (M, Ma) = (4300, 500) Vahteluväl ptuus: Ma M = = Ilkka Mell (008) 3/4

14 Mat-.60 Sovellettu todeäkösyyslasketa B stä (c) Etstää havatoje medaa Me. Medaa Me jakaa havatoaesto kahtee yhtä suuree osaa ste, että puolet havatoarvosta, jotka evät ole yhtä suura ku medaa, ovat medaaa peempä, ja puolet stä havatoarvosta, jotka evät ole yhtä suura ku medaa, ovat medaaa suurempa. Oletetaa, että havatoa o järjestetty suuruusjärjestyksee pemmästä suurmpaa. () Jos o parto, medaaks valtaa havatoarvo, joka löytyy pakasta ( + )/ () Jos o parlle, medaaks valtaa kahde keskmmäse havao artmeette keskarvo. Koska havatoje lukumäärä o tässä parlle, Me = ( )/ = 300 (d) Etstää es havatoje kvartlt Q, Q, Q 3. Kvartlt Q, Q, Q 3 jakavat suuruusjärjestyksee asetetu havatoaesto eljää yhtä suuree osaa. Keskkvartl Q o sama ku medaa. Alakvartl Q o medaaa peempe havatoarvoje medaa ja yläkvartl Q 3 o medaaa suurempe havatoarvoje medaa. Ste Q = Me = 300 Q = ( )/ = 000 Q 3 = ( )/ = 8050 Kvartlväl o (Q,Q 3 ) = (000,8050) Kvartlväl ptuus o IQR = Q 3 Q = = 7850 Kvartlpokkeama o IQR/ = (Q 3 Q )/ = 7850/ = 395 Ilkka Mell (008) 4/4

15 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 7.3. Muodosta tehtävä 7.. aestosta luokteltu frekvessjakauma, joka luokkaväleä ovat (4000,000] (00,8000] (8000,60000] Määrää myös frekvessjakaumaa vastaava hstogrammkuvo suorakatede korkeudet, ku luokkavälä [4000,000] vastaava suorakatee korkeudeks valtaa 5 ykskköä. Hahmottele myös ko. hstogrammkuvo ruudullselle paperlle. Mssä luokassa o jakauma mood? Tehtävä 7.3. Mtä opmme? Tehtävässä tarkastellaa luoktellu frekvessjakauma ja stä vastaava graafse estykse el hstogramm kostruomsta. Tehtävä 7.3. Ratkasu: Hstogrammkuvo muodostuu suorakatesta, jode pta-alat suhtautuvat tossa kute vastaavat luokkafrekvesst (ta suhteellset luokkafrekvesst). Tehtävä 7.. aestosta saadaa seuraava luokteltu frekvessjakauma, ku luokkaväleä ovat (4000,000], (00,8000], (8000,60000] : Luokkaväl Luokkafrekvess Suorakatee korkeus (ykskköä) (4000,000] 5 5 (000,8000] 9 9/ = 9.5 (8000,60000] /4 = 0.5 Hstogrammkuvo suorakatede korkeukse määrääme: () Valtaa luokkaväl (4000,000] lttyvä suorakatee korkeudeks 5 ykskköä. () Luokkaväl (000,8000] o kaks kertaa ptemp ku luokkaväl (4000,000]. Sks luokkaväl (000,8000] lttyvä suorakatee korkeus saadaa jakamalla luokkavälä vastaava frekvess 9 luvulla. (3) Luokkaväl (8000,60000] o eljä kertaa ptemp ku luokkaväl (4000,000]. Sks luokkaväl (8000,60000] lttyvä suorakatee korkeus saadaa jakamalla luokkavälä vastaava frekvess luvulla 4. Ilkka Mell (008) 5/4

16 Mat-.60 Sovellettu todeäkösyyslasketa B Alla oleva kuvo esttää yo. luokteltua frekvessjakaumaa vastaavaa hstogramma. 5 f/ Jakauma mood o luokassa (4000,000], koska sä hstogramm saavuttaa maksmsa. Huomaa, että mood e ole luokassa (000,8000], vakka stä vastaava frekvess o suur. Huomautuksa: () Hstogrammssa suorakatede pta-alat evät ss korkeudet ovat suhteessa luokkafrekvesseh. () Hstogrammssa suorakatede korkeudet ovat suhteessa luokkafrekvesseh va, jos luoktus o tasaväle. () Okea laatu pystyaksellle o tehtävä 7.3. tapauksessa frekvess/ : Vaaka-aksel laatu: Pystyaksel laatu: frekvess/ Suorakatee pta-ala: frekvess/ = frekvess Ilkka Mell (008) 6/4

17 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 7.4. Määrää tehtävä 7.. aesto kahde esmmäse sarakkee 8:sta luvusta artmeette keskarvo, otosvarass ja otoskeskhajota. Tehtävä 7.4. Mtä opmme? Tehtävässä tarkastellaa artmeettse keskarvo, otosvarass ja otoskeskhajoa määräämstä. Tehtävä 7.4. Ratkasu: Laskutomtukset vodaa suorttaa kahdella tavalla. Tapa : = s = ( ) Tapa : s = s = s = s = s Jos havatoarvoje artmeettse keskarvo ja varass laskemsta varte laadtaa tetokoeohjelma, laskutomtukset vodaa järjestää laskutavassa, että havaot käydää läp va kerra, ku taas laskutavassa havaot o käytävä läp kaks kertaa. Se sjaa laskutava kaavat ovat umeersest vakaampa ku laskutavassa, ts. jos teet tetokoeohjelma, jolla o tarkotus laskea havatoarvoje artmeette keskarvo ja otosvarass, kaattaa käyttää laskutapaa. Alla o kopo laskutomtuste tekemsessä apua käytetty Mcrosoft Ecel taulukosta. Ilkka Mell (008) 7/4

18 Mat-.60 Sovellettu todeäkösyyslasketa B Taulukosta saadaa: 8 8 = = = s = = ( ) = s = ( ) = s 8 8 = = s = Palkka -Ka (-Ka)^ ^ Summa Ka = 96.5 Tapa : Var = Hajota = Tapa : Var = Hajota = Ilkka Mell (008) 8/4

19 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 7.5. Olkoo = = lukuje,,, artmeette keskarvo. (a) Todsta, että (b) ( ) = 0 Todsta, että mmo elösumma ( a) muuttuja a suhtee. Tehtävä 7.5. Mtä opmme? Tehtävässä tutktaa artmeettse keskarvo karakterstsa omasuuksa. Tehtävä 7.5. Ratkasu: Olkoo = = lukuje,,, artmeette keskarvo. (a) Tällö ( ) = = = = 0 (b) Todstus : Koska (a)-kohda mukaa ( ) = 0 Ilkka Mell (008) 9/4

20 Mat-.60 Sovellettu todeäkösyyslasketa B ( a) = ( + a) ja lsäks alaraja ( ) saavutetaa, ku a= [( ) ( )( a) ( a) ] = + + ( ) ( a) ( ) ( a) = + + = ( ) + ( a) ( ) Todstus : Etstää fukto f ( a) = ( a) äärarvot muuttuja a suhtee dervomalla fukto f(a) muuttuja a suhtee. Dervodaa fukto f(a), merktää dervaatta ollaks ja ratkastaa saatu ormaalyhtälö muuttuja a suhtee: f a = a = a = + a= + a= ( ) ( ) ( ) 0 a = = = = = Ratkasuks saadaa = a= = Ratkasu vastaa fukto f(a) mmä, koska f a = a = > ( ) ( ) 0 a Lsäks fukto f(a) mmarvoks saadaa f ( ) = ( ) = ( ) s jossa s o lukuje,,, otosvarass. Tehtävä 7.6. Ilkka Mell (008) 0/4

21 Mat-.60 Sovellettu todeäkösyyslasketa B Hetetää oppaa 30 kertaa. Olkoo tuloksea seuraava slmälukuje joo:, 4, 4,, 5, 4,,, 6, 5, 3, 3, 5, 4, 4,, 6,, 5, 4, 4, 3, 3, 3, 5, 5, 3, 4, 5, 4 (a) Määrää slmälukuje frekvesst ja suhteellset frekvesst. (b) Määrää slmälukuje frekvessjakauma mood. Tehtävä 7.6. Mtä opmme? Tehtävässä tarkastellaa laatueroastekollste muuttuje tuuslukuje määräämstä. Tehtävä 7.6. Ratkasu: Kakk määrättävks pyydetyt tuusluvut ovat laatueroastekollste muuttuje tuuslukuja ta h perustuva tuuslukuja. Olemme hettäeet oppaa 30 kertaa ja tuloksea o seuraava slmälukuje joo:, 4, 4,, 5, 4,,, 6, 5, 3, 3, 5, 4, 4,, 6,, 5, 4, 4, 3, 3, 3, 5, 5, 3, 4, 5, 4 (a) Määrätää slmälukuje frekvesst f ja suhteellset frekvesst f/. Tehtävää helpottaa, jos järjestämme joo luvut suuruusjärjestyksee. Saamme tällö joo,,,,,, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6 Ste slmälukuje frekvesse ja suhteellste frekvesse jakaumat vodaa esttää alla oleva tauluko muodossa: Slmäluku Summa Frekvess f Suhteelle frekvess f/ 5/30 /30 6/30 9/30 7/30 /30 (b) Kohda (a) frekvesstaulukosta vomme lukea, että frekvessjakauma mood o Mo = 4 koska slmäluvu 4 frekvess o suur. Tehtävä 7.7. Olet ottaut paksta 0000 euro laa, jota e saa lyhetää kahde esmmäse vuode akaa. Alkuperäse sopmukse mukae korko o. vuotea 0 % ja. vuotea 0 %, jollo takas maksettava laapääoma kasvaa kahdessa vuodessa %. Oletetaa, että pak vaatmuksesta sopmusta muutetaa, että kahde esmmäse vuode akaa käytetää samaa korkoprosetta, joka määrätää, että laapääoma kasvaa tää akaa samaks ku alkuperäse sopmukse mukaa. (a) Määrää. Ilkka Mell (008) /4

22 Mat-.60 Sovellettu todeäkösyyslasketa B (b) (c) Näytä, että uude sopmukse korkoa e saada kaavalla (0 + 0)/ % Näytä, että uude sopmukse korko saadaa kaavalla jossa (.. ) 00%.. o lukuje. ja. geometre keskarvo. Tehtävä 7.7. Mtä opmme? Tehtävässä äytetää, että artmeette keskarvo e ole aa käypä tuusluku. Okea keskluku tehtävä ogelma ratkasemsee o tässä geometre keskarvo. Tehtävä 7.7. Ratkasu: (a) Olkoo korko. vuotea 0 % ja. vuotea 0 %. Laapääoma. vuode lopussa: ( + 0/00) 0000 = ( + 0.) 0000 = = 000 Laapääoma. vuode lopussa: ( + 0/00) 000 = ( + 0.) 000 =. 000 = 300 Ste laapääoma kasvaa kahdessa vuodessa 00 ( )/0000 % = 3 % jote = 3 (b) Määrätää. ja. vuode korkoprosette artmeette keskarvo: % = 5% Olkoo korko ss molempa vuosa 5 %. Laapääoma. vuode lopussa: ( + 5/00) 0000 = ( + 0.5) 0000 = = 500 Laapääoma. vuode lopussa: ( + 5/00) 500 = ( + 0.5) 500 = = 35 Ste laapääoma kasvaa kahdessa vuodessa 00 ( )/0000 % = 3.5 % > 3 % Huomaa, että okea korkoprosett e ole myöskää 3 % = 6% Ilkka Mell (008) /4

23 Mat-.60 Sovellettu todeäkösyyslasketa B (c) Määrätää korkoprosett kaavalla jossa (.. ) 00%.. o lukuje. ja. geometre keskarvo: (.. ) Olkoo korko ss molempa vuosa %. Laapääoma. vuode lopussa: ( /00) 0000 = ( ) 0000 = = Laapääoma. vuode lopussa: ( /00) = ( ) = Ste laapääoma kasvaa kahdessa vuodessa 00 ( )/0000 % = 3 % kute ptääk. Huomautus: Olkoo korko. vuotea p % ja tosea vuotea q %. Ylesest pätee: p q p q = mutta ( p + q)/ ( p+ q)/ p q pats, jos p = q Tehtävä 7.8. Pakkakute A ja B välmatka o 0 km. Heklö ajaa A:sta B:he keskopeudella 60 km/h ja B:stä A:ha keskopeudella 0 km/h. (a) Määrää keskopeus edestakasella matkalla. (b) Näytä, että keskopeutta edestakasella matkalla e saada kaavalla (60 + 0)/ = 90 km/h Ilkka Mell (008) 3/4

24 Mat-.60 Sovellettu todeäkösyyslasketa B (c) Näytä, että okea keskopeus saadaa määräämällä lukuje 60 ja 00 harmoe keskarvo Tehtävä 7.8. Mtä opmme? Tehtävässä äytetää, että artmeette keskarvo e ole aa käypä tuusluku. Okea keskluku tehtävä ogelma ratkasemsee o tässä harmoe keskarvo. Tehtävä 7.8. Ratkasu: (a) A: ja B: välmatka: 0 km Ajoaka A:sta B:he (60 km/h): 0/60 = h Ajoaka B:stä A:ha (0 km/h): 0/0 = h Matka edestakas: 40 km Ajoaka edestakas: + = 3 h Keskopeus edestakasella matkalla: 40/3 = 80 km/h (a) (b) Määrätää keskopeukse artmeette keskarvo: (60 + 0) km/h = 90 km/h 80 km/h Määrätää keskopeukse harmoe keskarvo: km/h = 80 km/h Ilkka Mell (008) 4/4

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Kaksiulotteinen 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,

Lisätiedot

Ilkka Mellin (2006) 1/1

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

Lisätiedot

Mat-2.090 Sovellettu todennäköisyyslasku A

Mat-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

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

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

Lisätiedot

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

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

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

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

Lisätiedot

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

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

Lisätiedot

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

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

Lisätiedot

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

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

Lisätiedot

Tchebycheff-menetelmä ja STEM

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

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

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

Lisätiedot

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT COUOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT SISÄTÖ: Coulombn voma Sähkökenttä Coulombn voman a sähkökentän laskemnen pstevaaukslle Jatkuvan vaauksen palottelemnen pstevaauksks

Lisätiedot

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

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

Lisätiedot

Raja-arvot. Osittaisderivaatat.

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

Lisätiedot

FYSA220/2 (FYS222/2) VALON POLARISAATIO

FYSA220/2 (FYS222/2) VALON POLARISAATIO FYSA220/2 (FYS222/2) VALON POLARSAATO Työssä tutktaan valoaallon tulotason suuntasen ja stä vastaan kohtsuoran komponentn hejastumsta lasn pnnasta. Havannosta lasketaan Brewstern lan perusteella lasn tatekerron

Lisätiedot

Luku 13 Vektorimuuttujan funktion derivointi

Luku 13 Vektorimuuttujan funktion derivointi 1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2009 Luku 13 Vektormuuttuja fukto dervot 131 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat

Lisätiedot

8. laskuharjoituskierros, vko 11, ratkaisut

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

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

AquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607

AquaPro 3-10 11-18 19-26 27-34. Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN. 046.01.00 Rev.0607 046.01.00 Rev.0607 D GB NL FIN Bedenungsanletung Operatng nstructons Gebruksaanwjzng Käyttöohje 3-10 11-18 19-26 27-34 120 Automaattnen pyörvä laser kallstustomnnolla: Itsetasaus vaakasuorassa tasossa

Lisätiedot

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

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

Lisätiedot

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

Kuluttajahintojen muutokset

Kuluttajahintojen muutokset Kuluttajahntojen muutokset Samu Kurr, ekonomst, rahapoltkka- ja tutkmusosasto Tutkmuksen tausta ja tavotteet Tavaroden ja palveluden hnnat evät muutu jatkuvast, vaan ovat ana jossan määrn jäykkä lyhyellä

Lisätiedot

Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot

Testit 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

Lisätiedot

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

( ) 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

Lisätiedot

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

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

Lisätiedot

Suoran sovittaminen pistejoukkoon

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

Lisätiedot

Tilastollisten aineistojen kuvaaminen

Tilastollisten aineistojen kuvaaminen Ilkka Mellin Tilastolliset menetelmät Osa 1: Johdanto Tilastollisten aineistojen kuvaaminen TKK (c) Ilkka Mellin (2007) 1 Tilastollisten aineistojen kuvaaminen >> Havaintoarvojen jakauma Tunnusluvut Suhdeasteikollisten

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

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen Tosakajärjestelmät Luento : Resurssen hallnta ja prorteett Tna Nklander Jaetut resursst Useat tapahtumat jakavat ohjelma-/lattesto-olota, jossa kesknänen possulkemnen on välttämätöntä. Ratkasuja: Ajonakanen

Lisätiedot

Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen TKK (c) Ilkka Mellin (2005) 1 Tilastollisten aineistojen kuvaaminen Havaintoarvojen jakauma Tunnusluvut Suhdeasteikollisten muuttujien tunnusluvut

Lisätiedot

3 Tilayhtälöiden numeerinen integrointi

3 Tilayhtälöiden numeerinen integrointi 3 Tlayhtälöden numeernen ntegront Alkuarvotehtävässä halutaan ratkasta lopputla xt f ) sten, että tlayhtälöt ẋ = fx,u, t) toteutuvat, kun alkutla x 0 on annettu Tlayhtälöden numeernen ntegront vodaan suorttaa

Lisätiedot

Yleistä. Teräsrakenteiden liitokset. Liitos ja kiinnitys

Yleistä. Teräsrakenteiden liitokset. Liitos ja kiinnitys Ylestä Teäsakenteden ltokset (EC3-1-8, EC3-1-8-NA) Teäsakenteden lttämsessä tosnsa vodaan käyttää seuaava menetelmä: uuv-, ntt- ja nveltappltokset htsausltokset lmaltokset Ltos ja knntys Ltosta asttavan

Lisätiedot

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3 Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,

Lisätiedot

Tehtäviä neliöiden ei-negatiivisuudesta

Tehtäviä neliöiden ei-negatiivisuudesta Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:

Lisätiedot

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2005) 1 ja mittaaminen Tilastollisten aineistojen kerääminen Mittaaminen ja mitta-asteikot TKK (c)

Lisätiedot

Sähköstaattinen energia

Sähköstaattinen 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

Lisätiedot

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

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

Lisätiedot

1, x < 0 tai x > 2a.

1, x < 0 tai x > 2a. PHYS-C020 Kvanttmekankka Laskuharotus 2, vkko 45 Tarkastellaan ptkn x-aksela lkkuvaa hukkasta, onka tlafunkto on (x, t) Ae x e!t, mssä A, a! ovat reaalsa a postvsa vakota a) Määrtä vako A sten, että tlafunkto

Lisätiedot

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

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

Lisätiedot

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät Panokerron-, epslon-rajotusehtoja hybrdmenetelmät Optmontopn semnaar - Kevät 000 / Estelmän ssältö Ylestä jälkkätespreferenssmenetelmstä Panokerronmenetelmä Epslon-rajotusehtomenetelmä Hybrdmenetelmä Esmerkkejä

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen. Tilastollisten aineistojen kerääminen ja mittaaminen

Tilastollisten aineistojen kerääminen ja mittaaminen. Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2004) 1 ja mittaaminen Johdatus tilastotieteeseen ja mittaaminen TKK (c) Ilkka Mellin (2004) 2 ja mittaaminen: Mitä opimme? 1/3 Tilastollisen tutkimuksen kaikki mahdolliset kohteet

Lisätiedot

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

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

Lisätiedot

1. Logiikan ja joukko-opin alkeet

1. Logiikan ja joukko-opin alkeet 1. Logiikan ja joukko-opin alkeet 1.1. Logiikkaa 1. Osoita totuusarvotauluja käyttäen, että implikaatio p q voidaan kirjoittaa muotoon p q, ts. että propositio (p q) ( p q) on identtisesti tosi. 2. Todista

Lisätiedot

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä Otatajakauma kuvaa tarkasteltava parametri jakauma eri otoksista laskettua parametria o joki yleesä tuusluku, esim. keskiarvo, suhteellie osuus, riskisuhde, korrelaatiokerroi, regressiokerroi, je. parametria

Lisätiedot

3D-mallintaminen konvergenttikuvilta

3D-mallintaminen konvergenttikuvilta Maa-57.270, Fotogammetan, kuvatulknnan ja kaukokatotuksen semnaa 3D-mallntamnen konvegenttkuvlta nna Evng, 58394J 2005 1 Ssällysluettelo Ssällysluettelo...2 1. Johdanto...3 2. Elasa tapoja kuvata kohdetta...3

Lisätiedot

Testit laatueroasteikollisille muuttujille

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

Lisätiedot

Testejä suhdeasteikollisille muuttujille

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

Lisätiedot

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A: Merkkjonot (strngs) n merkkä ptkä merkkjono : T T T G T n = 18 kukn merkk [], mssä 0 < n, kuuluu aakkostoon Σ, jonka koko on Σ esm. bttjonot: Σ = {0,1} ja Σ = 2, DN: Σ = {,T,,G} ja Σ = 4 tetokoneen aakkosto

Lisätiedot

Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt: Mitä opimme? Latinalaiset neliöt

Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt: Mitä opimme? Latinalaiset neliöt TKK (c) Ilkka Mellin (005) Koesuunnittelu TKK (c) Ilkka Mellin (005) : Mitä opimme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan yhden tekijän vaikutusta vastemuuttujaan,

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

SU/Vakuutusmatemaattinen yksikkö (5)

SU/Vakuutusmatemaattinen yksikkö (5) SU/Vakuutusmatemaattnen ykskkö 0..06 (5) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,

Lisätiedot

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

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

Lisätiedot

8 Joukoista. 8.1 Määritelmiä

8 Joukoista. 8.1 Määritelmiä 1 8 Joukoista Joukko on alkoidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukkooppi aksiomaattisesti. Näin ei tässä tehdä

Lisätiedot

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

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

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

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

Lisätiedot

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

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

Lisätiedot

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 6 (8 sivua) OT. 1. a) Määritä seuraavat summat:

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 6 (8 sivua) OT. 1. a) Määritä seuraavat summat: Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 6 (8 sivua) 21.2.-25.2.2011 OT 1. a) Määritä seuraavat summat: [2] 4 + [3] 4, [2] 5 + [3] 5, [2] 6 + [2] 6 + [2] 6, 7 [3]

Lisätiedot

Näytteenoton virhelähteet, luotettavuuden estimointi ja näytteenottoketjun optimointi

Näytteenoton virhelähteet, luotettavuuden estimointi ja näytteenottoketjun optimointi FIAS S5/000 Opas äytteeoto tekste vaatmuste täyttämseks akkredtota varte 5 (9) Lte äytteeoto vrhelähteet, luotettavuude estmot ja äytteeottoketju optmot Pett Mkke äytteeoto vrhelähteet, luotettavuude estmot

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

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

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely) Epälneaarsten penmmän nelösumman tehtäven ratkasemnen numeerslla optmontmenetelmllä valmn työn esttely Lar Pelkola 9.9.014 Ohjaaja/valvoja: Prof. Harr Ehtamo yön saa tallentaa ja julkstaa Aalto-ylopston

Lisätiedot

Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle.

Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle. Kombinatoriikka, kesä 2010 Harjoitus 1 Ratkaisuehdotuksia (RT (5 sivua Kaikki kurssin laskuharjoitukset pidetään Exactumin salissa C123. Malliratkaisut tulevat nettiin kurssisivulle. 1. Osoita, että vuoden

Lisätiedot

Lähdemateriaalina käytetty Pertti Louneston kirjaa Clifford Algebras and spinors [1]

Lähdemateriaalina käytetty Pertti Louneston kirjaa Clifford Algebras and spinors [1] Lähdmatraala kättt Prtt Lousto kraa Clfford Algbras ad spors [] Krtausta Clfford algbra määrtllää algbraks kvadraattsll vktoravaruudll (sm. skalaartulolla. Clfford algbra oka alko vodaa sttää algbra katavktord

Lisätiedot

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),

Lisätiedot

Esitä koherentin QAM-ilmaisimen lohkokaavio, ja osoita matemaattisesti, että ilmaisimen lähdöstä saadaan kantataajuiset I- ja Q-signaalit ulos.

Esitä koherentin QAM-ilmaisimen lohkokaavio, ja osoita matemaattisesti, että ilmaisimen lähdöstä saadaan kantataajuiset I- ja Q-signaalit ulos. Sgnaalt ja järjestelmät Laskuharjotukset Svu /9. Ampltudmodulaato (AM) Spektranalysaattorlla mtattn 50 ohmn järjestelmässä ampltudmodulaattorn (AM) lähtöä, jollon havattn 3 mpulssa spektrssä taajuukslla

Lisätiedot

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan: Mat-.6 Sovellettu todennäköisslaskenta B Mat-.6 Sovellettu todennäköisslaskenta B / Ratkaisut Aiheet: Moniulotteiset satunnaismuuttujat ja todennäköissjakaumat Moniulotteisia jakaumia Avainsanat: Diskreetti

Lisätiedot

Rahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen

Rahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen SU/Vakuutusmatemaattnen ykskkö 0.4.05 Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä perusteta sovelletaan täydennyskertomen,

Lisätiedot

Salausmenetelmät. Veikko Keränen, Jouko Teeriaho (RAMK, 2006)

Salausmenetelmät. Veikko Keränen, Jouko Teeriaho (RAMK, 2006) Salausmenetelmät Veikko Keränen, Jouko Teeriaho (RAMK, 2006) LUKUTEORIAA JA ALGORITMEJA 3. Kongruenssit à 3.1 Jakojäännös ja kongruenssi Määritelmä 3.1 Kaksi lukua a ja b ovat keskenään kongruentteja (tai

Lisätiedot

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa.

Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Vastaus 2. Vertaillaan

Lisätiedot

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I

MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I MS-A0402 Diskreetin matematiikan perusteet Esimerkkejä, todistuksia ym., osa I G. Gripenberg Aalto-yliopisto 3. huhtikuuta 2014 G. Gripenberg (Aalto-yliopisto) MS-A0402 Diskreetin matematiikan perusteetesimerkkejä,

Lisätiedot

KOKONAISRATKAISUT YHDESTÄ PAIKASTA

KOKONAISRATKAISUT YHDESTÄ PAIKASTA KOKONAISRATKAISUT YHDESTÄ PAIKASTA Monpuolset järjestelmät varastontn ja tuotantoon TUOTELUETTELO 2009 Kappale D Varasto- ja hyllystövältasot vältasot optmaalsta tlankäyttöä varten SSI SCHÄFER: n varasto-

Lisätiedot

Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti.

Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Joukon määritelmä Joukko on alkioidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Näin ei tässä

Lisätiedot

Maanhintojen vikasietoisesta mallintamisesta

Maanhintojen vikasietoisesta mallintamisesta Maanmttaus 8:-2 (2006) 5 Maanmttaus 8:-2 (2006) Saapunut 0.8.2005 ja tarkstettuna.4.2006 Hyväksytty 30.6.2006 Maanhntojen vkasetosesta mallntamsesta Marko Hannonen Teknllnen korkeakoulu, Kntestöopn laboratoro

Lisätiedot

FYSIIKAN LABORAATIOT (TLP058) LUKUVUOSI 2003-2004

FYSIIKAN LABORAATIOT (TLP058) LUKUVUOSI 2003-2004 FYSIIKAN LABORAATIOT (TLP058) LUKUVUOSI 003-004 OAMK TEKNIIKAN YKSIKKÖ ARI KORHONEN Moste ssältää - laboatootöh lttvä lesä ohjeta - OAMK: teto- ja automaatotekka sekä hvvottekologa koulutusohjelmassa tehtäve

Lisätiedot

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1 Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 1 1 Matemaattisesta päättelystä Matemaattisen analyysin kurssin (kuten minkä tahansa matematiikan kurssin) seuraamista helpottaa huomattavasti, jos opiskelija ymmärtää

Lisätiedot

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18 SU/Vakuutusmatemaattnen ykskkö 6.3.07 (6) Rahastoonsrtovelvotteeseen ja perustekorkoon lttyvät laskentakaavat Soveltamnen. Rahastosrtovelvote RSV. Täydennyskerron b 6 Nätä laskentakaavoja sovelletaan täydennyskertomen,

Lisätiedot

Pyörimisliike. Haarto & Karhunen.

Pyörimisliike. Haarto & Karhunen. Pyörmslke Haarto & Karhunen www.turkuamk.f Pyörmslke Lttyy jäykän kappaleen pyörmseen akselnsa ympär Pyörmsenerga on pyörmsakseln A ympär pyörvän kappaleen osasten lke-energoden summa E r Ek mv mr mr www.turkuamk.f

Lisätiedot

SARJAT JA DIFFERENTIAALIYHTÄLÖT

SARJAT JA DIFFERENTIAALIYHTÄLÖT SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 43 0.5 0.4 0.3 0.2 0.1 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.1 0.2 0.3 0.4 0.5 0.1 0.2 0.3 0.4 0.5 0.6 0.7 1 0.8 0.6 0.4 0.2 0.2 0.4 0.6 0.8 1 Kuva 12. Esimerkin 4.26(c kuvauksen

Lisätiedot

Sovellettu todennäköisyyslaskenta B

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

Lisätiedot

YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY 1 YRITYSKOHTAISEN TEHOSTAMISPOTENTIAALIN MITTAAMINEN

YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY 1 YRITYSKOHTAISEN TEHOSTAMISPOTENTIAALIN MITTAAMINEN ENERGIAMARKKINAVIRASTO 1 Le 2 Säkön jakeluverkkoomnnan yryskoasen eosamsavoeen määrely YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY Asanosanen: Vaasan Säköverkko Oy Lyy pääökseen dnro 491/424/2007 Energamarkknavraso

Lisätiedot

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Estimointi, Havaittu frekvenssi, Heterogeenisuus,

Lisätiedot

Galerkin in menetelmä

Galerkin in menetelmä hum.9.3 Galerkn n menetelmä Galerknn menetelmän soveltamnen e ole rajottunut van ongelmn, jotka vodaan pukea sellaseen varaatomuotoon, joka on seurauksena funktonaaln mnmomsesta, kuten potentaalenergan

Lisätiedot

Mat-2.091 Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat:

Mat-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,

Lisätiedot

Til.yks. x y z

Til.yks. x y z 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

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

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

Lisätiedot

Vuoden Beauceron -säännöt (voimassa alkaen) Yleisiä periaatteita

Vuoden Beauceron -säännöt (voimassa alkaen) Yleisiä periaatteita Vuoden Beauceron -äännöt (vomaa 1.1.2017 alkaen) Yleä peraatteta Klpalukau on kalentervuo. Mukaan hyväkytään van KoraNetta löytyvät tuloket pl. erkeen pteytetyt arvoklpalut. Yhden uortuken pteet muodotuvat

Lisätiedot

Induktio, jonot ja summat

Induktio, jonot ja summat Induktio, jonot ja summat Matemaattinen induktio on erittäin hyödyllinen todistusmenetelmä, jota sovelletaan laajasti. Sitä verrataan usein dominoefektiin eli ketjureaktioon, jossa ensimmäisen dominopalikka

Lisätiedot

(2n 1) = n 2

(2n 1) = n 2 3.5 Induktiotodistus Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa väite P (n) on totta kaikille n =0, 1, 2,... Tässä väite P (n) riippuu n:n arvosta. Todistuksessa

Lisätiedot

Tilastolliset menetelmät: Tilastolliset testit

Tilastolliset menetelmät: Tilastolliset testit Tilastolliset meetelmät Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille. Testejä järjestysasteikollisille muuttujille.

Lisätiedot

1 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

Lisätiedot

Lause 5. (s. 50). Olkoot A ja B joukkoja. Tällöin seuraavat ehdot ovat

Lause 5. (s. 50). Olkoot A ja B joukkoja. Tällöin seuraavat ehdot ovat jen Kahden joukon A ja B samuutta todistettaessa kannattaa usein osoittaa, että A on B:n osajoukko ja että B on A:n osajoukko. Tällöin sovelletaan implikaation ja ekvivalenssin yhteyttä. Lause 5. (s. 50).

Lisätiedot

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella H 8.3.2 uontegrlt: vektoreden pntntegrlt Tvllsn tpus pntntegrlest on lske vektorkentän vuo pnnn läp: Trkstelln pnt j sllä psteessä P (x, y, z olev pnt-lkot d. Määrtellään vektorlnen pnt-lko d sten, että

Lisätiedot

isomeerejä yhteensä yhdeksän kappaletta.

isomeerejä yhteensä yhdeksän kappaletta. Tehtävä 2 : 1 Esitetään aluksi eräitä havaintoja. Jokaisella n Z + symbolilla H (n) merkitään kaikkien niiden verkkojen joukkoa, jotka vastaavat jotakin tehtävänannon ehtojen mukaista alkaanin hiiliketjua

Lisätiedot

3. Datan käsittely lyhyt katsaus

3. Datan käsittely lyhyt katsaus 3. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento..0 Thomas Hackman HTTPK I, kevät 0, luento 3 3. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus

Lisätiedot

Leikkijunan kunto toimiva ei-toimiva Työvuoro aamuvuoro päivävuoro iltavuoro

Leikkijunan kunto toimiva ei-toimiva Työvuoro aamuvuoro päivävuoro iltavuoro Lsätehtävä 1. Erään yrtyksen satunnasest valttujen työntekjöden possaolopäven määrät olvat vuonna 003: 5, 3, 1, 9, 0, 1, 3,, 19, 5, 19, 11,, 0, 4,, 1, 15, 4, 0,, 4, 3, 3, 8, 3, 9, 11, 19, 17, 14, 7 a)

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi

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

Lisätiedot