Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:
|
|
- Pauliina Härkönen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Mt-1.60 Sovellettu todeäkösyyslsket B 8. hrjotukset / Rtksut Aheet: Otos j otosjkumt Avst: Artmeette keskrvo, Beroull-jkum, Beroull-koe, χ -jkum, Frekvess, Frekvessjkum, Keskee rj-rvoluse, Normljkum, Odotusrvo, Otos, Otoshjot, Otosjkum, Otoskoko, Otosvrss, Rppumttomuus, Stdrdotu ormljkum, Suhteelle frekvess, Suhteelle osuus, Todeäkösyys, Ykskerte stusotos, Vrss Otokset j otosjkumt Ykskerte stusotos Olkoo X 1, X,, X (ykskerte) stusotos jkumst, jok pstetodeäkösyys- t theysfukto o f(x). Tällö hvot X 1, X,, X ovt rppumttom, dettsest jkutuet stusmuuttuj, joll o sm pstetodeäkösyys- t theysfukto f(x): X1, X,, X X f( x), = 1,,, Otostuusluku Olkoo X 1, X,, X ykskerte stusotos jkumst, jok pstetodeäkösyys- t theysfukto o f(x). Olkoo T = g(x 1, X,, X ) jok stusmuuttuje X 1, X,, X (mtlle) fukto. Stusmuuttuj T kutsut (otos-) tuusluvuks. Oletet, että otokse pommse jälkee stusmuuttujt X 1, X,, X svt hvtuks rvoksee hvtorvot x 1, x,, x : X 1 = x 1, X = x,, X = x Tällö tuusluku T = g(x 1, X,, X ) s hvtuks rvoksee t fukto g rvo psteessä (x 1, x,, x ): t = g(x 1, x,, x ) Ilkk Mell (008) 1/18
2 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Otosjkum Oletet, että hvot X 1, X,, X muodostvt ykskertse stusotokse jkumst f(x) j olkoo T = g(x 1, X,, X ) jok otostuusluku. Kosk tuusluku T o stusmuuttuj, sllä o todeäkösyysjkum, jot kutsut tuusluvu T otosjkumks. Tuusluvu T otosjkum muodost tlstollse mll el todeäkösyysmll tuusluvu T rvoje stusvhtelulle otoksest tosee. Artmeettse keskrvo j otosvrss otosjkumt Artmeette keskrvo j otosvrss Oletet, että hvot X 1, X,, X muodostvt ykskertse stusotokse jkumst, jok odotusrvo o µ j vrss o. Tällö hvot X 1, X,, X ovt rppumttom stusmuuttuj, joll kkll o sm odotusrvo j vrss: X 1, X,, X E(X ) = µ, = 1,,, Vr(X ) = D (X ) =, = 1,,, Otokse omsuuks vod kuvt hvtorvoje rtmeettsell keskrvoll j vrssll. Määrtellää hvtoje X 1, X,, X rtmeette keskrvo kvll X 1 X = 1 = Määrtellää hvtoje X 1, X,, X otosvrss kvll 1 s = ( X X) 1 = 1 Huom, että sekä rtmeette keskrvo X että otosvrss s ovt hvtoje X 1, X,, X fukto stusmuuttuj, jode smt rvot vhtelevt stusest otoksest tosee. Artmeettse keskrvo odotusrvo j vrss Hvtoje X 1, X,, X rtmeettsell keskrvoll X o em. oletuste pätessä seurv odotusrvo j vrss: E( X ) = µ = = Vr( X) D ( X) Ilkk Mell (008) /18
3 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Huom, että hvtoje X 1, X,, X rtmeettse keskrvo X vrss otoksess o peemp ku hvtoje vrss, jos otoskoko > 1. Lsäks rtmeettse keskrvo vrss X peeee, jos otoskoo et ksv. Artmeettse keskrvo X stdrdpokkem D( X ) = kutsut tvllsest keskrvo keskvrheeks j se kuv rtmeettse keskrvo otosvhtelu om odotusrvos µ ympärllä. Otosvrss odotusrvo Hvtoje X 1, X,, X otosvrssll s o em. oletuste pätessä seurv odotusrvo: E(s ) = Artmeettse keskrvo otosjkum Oletet, että hvot X 1, X,, X muodostvt ykskertse stusotokse ormljkumst N(µ, ). Tällö hvot X 1, X,, X ovt rppumttom stusmuuttuj, jotk oudttvt sm ormljkum N(µ, ): X 1, X,, X X ~ N(µ, ), = 1,,, Hvtoje X 1, X,, X rtmeette keskrvo X oudtt em. oletuste pätessä ormljkum prmetre µ j / : Ertysest X N µ, E( X ) = µ = = Vr( X) D ( X) mkä pätee myös lm ormlsuusoletust. Artmeettse keskrvo pproksmtve (symptootte) otosjkum Oletet, että hvot X 1, X,, X muodostvt ykskertse stusotokse jkumst, jok odotusrvo o µ j vrss o. Tällö keskesestä rj-rvoluseest seur, että hvtoje rtmeette keskrvo X oudtt suurss otoksss pproksmtvsest (symptoottsest) ormljkum prmetre µ j / : Ilkk Mell (008) 3/18
4 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset X N µ, Otosvrss otosjkum Oletet, että hvot X 1, X,, X muodostvt ykskertse stusotokse ormljkumst N(µ, ). Tällö hvot X 1, X,, X ovt rppumttom stusmuuttuj, jotk oudttvt sm ormljkum N(µ, ): X 1, X,, X X ~ N(µ, ), = 1,,, Olkoo s hvtoje X 1, X,, X otosvrss. Stusmuuttuj ( 1)s / oudtt em. oletuste pätessä χ -jkum vpusste ( 1): ( 1) s χ ( 1) Lsäks vod osott, että rtmeette keskrvo X j otosvrss s ovt stusmuuttuj rppumttom: X s Ste suor Studet t-jkum määrtelmä muk X µ t = t( 1) s/ em. oletuste pätessä. Suhteellse frekvess otosjkum Frekvess j suhteelle frekvess Olkoo A S jok otosvruude S tphtum j olkoo p = Pr(A) q = 1 Pr(A) = 1 p Pomt otosvruudest S ykskerte stusotos, jok koko o. Olkoo f A-tyyppste lkode frekvess el lukumäärä otoksess j f pˆ = vstv suhteelle frekvess el osuus. Huom, että sekä frekvess f että suhteelle frekvess pˆ = f / ovt stusmuuttuj, jode smt rvot vhtelevt stusest otoksest tosee. Ilkk Mell (008) 4/18
5 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Frekvess odotusrvo, vrss j otosjkum Frekvess f odotusrvo j vrss: E( f) = p Vr( f ) = D ( f ) = pq joss q = 1 p. Frekvess f oudtt otoksess bomjkum prmetre j Pr(A) = p: f B( p, ) Suhteellse frekvess odotusrvo j vrss Suhteellse frekvess pˆ = f / odotusrvo j vrss: E( pˆ ) = p pˆ pq = pˆ = Vr( ) D ( ) joss q = 1 p. Huom, että suhteellse frekvess ˆp vrss peeee, jos otoskoo et ksv. Suhteellse frekvess pˆ = f / stdrdpokkem pq D( pˆ ) = kutsut tvllsest suhteellse frekvess keskvrheeks j se kuv suhteellse frekvess otosvhtelu om odotusrvos p ympärllä. Suhteellse frekvess otosjkum Keskesestä rj-rvoluseest seur, että suhteelle frekvess ˆp otoksess oudtt em. oletuste pätessä suurss otoksss pproksmtvsest ormljkum: p pq ˆ N p, Ilkk Mell (008) 5/18
6 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Tehtävä 8.1. () (b) Koe vlmst kuullker kuul, jode hlksjt vhtelevt stusest oudtte ormljkum prmetre µ = 10 mm, = 0.01 mm Pomt kuule joukost ykskerte stusotos, jok koko = 10 j olkoot X j s kuule hlksjode rtmeette keskrvo j otosvrss otoksess. Mtkä ovt rtmeettse keskrvo X j otosvrss s muuokse ( 1)s / jkumt otoksess? Ääestäjstä 5 % ktt puoluett ABC. Pomt ääestäje joukost ykskerte stusotos, jok koko = Mkä o puoluee ABC kttje suhteellse osuude f/ pproksmtve jkum otoksess? Tehtävä 8.1. Mtä opmme? Tehtävä ()-kohdss trkstell rtmeettse keskrvo j otosvrss otosjkum. Tehtävä (b)-kohdss trkstell suhteellse osuude (pproksmtvst) otosjkum. Tehtävä 8.1. Rtksu: () Oletukse muk hvot X 1, X,, X muodostvt ykskertse stusotokse ormljkumst N(µ, ), joss = 10 µ = 10 mm = 0.01 mm = mm Ste kuule hlksjode rtmeette keskrvo X oudtt otoksess ormljkum N(µ, /), joss µ = E( X ) = 10 mm = Vr( X) = D ( X) = = mm 10 Olkoo s kuule hlksjode vrss otoksess. Tällö stusmuuttuj ( 1) s / oudtt otoksess χ -jkum vpusste 1 = 10 1 = 9 (b) Olkoo A = stusest vlttu ääestäjä ktt puoluett ABC Oletukse muk Pr(A) = p = 0.5 Pomt ääestäje joukost ykskerte stusotos, jok koko o = Ilkk Mell (008) 6/18
7 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Puoluett ABC kttve ääestäje suhteelle frekvess pˆ = f / otoksess oudtt suurss otoksss pproksmtvsest ormljkum: p pq ˆ N p, joss ss p = Pr(A) = 0.5 q = Pr(A c ) = 1 Pr(A) = 1 p = 0.75 Ste puoluee ABC kttje suhteelle frekvess pˆ = f / otoksess oudtt suurss otoksss pproksmtvsest ormljkum prmetre E( pˆ ) = p= 0.5 pˆ pq = pˆ = = = = Vr( ) D ( ) Tehtävä 8.. () (b) Meste ptuus eräässä mss vhtelee stusest oudtte ormljkum prmetre µ = 180 cm, = 5 cm Pomt meste joukost ykskerte stusotos, jok koko = 100 j olkoot X j s ptuukse rtmeette keskrvo j otosvrss otoksess. Mtkä ovt rtmeettse keskrvo X j otosvrss s muuokse ( 1)s / jkumt otoksess? Koee vlmstmst mutterest 5 % o vlls. Pomt mutterede joukost ykskerte stusotos, jok koko = 100. Mkä o vllste mutterede suhteellse osuude f/ pproksmtve jkum otoksess? Tehtävä 8.. Mtä opmme? Tehtävä ()-kohdss trkstell rtmeettse keskrvo j otosvrss otosjkum. Tehtävä (b)-kohdss trkstell suhteellse osuude (pproksmtvst) otosjkum. Tehtävä 8.. Rtksu: () Oletukse muk hvot X 1, X,, X muodostvt ykskertse stusotokse ormljkumst N(µ, ), joss = 100 µ = 185 cm = 5 cm = 5 cm Ilkk Mell (008) 7/18
8 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Ste meste ptuukse rtmeette keskrvo X oudtt otoksess ormljkum N(µ, /), joss µ = E( X ) = 185 cm 5 = Vr( X) = D ( X) = = 0.5 cm 100 Olkoo s meste ptuukse vrss otoksess. Tällö stusmuuttuj ( 1)s / oudtt otoksess χ -jkum vpusste 1 = = 99 (b) Olkoo A = stusest vlttu mutter o vlle Oletukse muk Pr(A) = p = 0.05 Pomt muuterede joukost ykskerte stusotos, jok koko o = 100. Vllste mutterede suhteelle frekvess pˆ = f / otoksess oudtt suurss otoksss pproksmtvsest ormljkum: p pq ˆ N p, joss ss p = Pr(A) = 0.05 q = Pr(A c ) = 1 Pr(A) = 1 p = 0.95 Ste vllste mutterede suhteelle frekvess pˆ = f / otoksess oudtt suurss otoksss pproksmtvsest ormljkum prmetre E( pˆ ) = p= 0.05 ksv. pˆ pq = pˆ = = = = Vr( ) D ( ) Huomutuks tehtäv 8.1. j 8..: () () Tehtäve 8.1. j 8.. de o kerto stä, mlls ovt tvomste hvost lskettve otostuuslukuje jkumt perusjoukoss, jos hvtoje jkum perusjoukoss tuet. Jtkmme tehtävssä tvllsmpe otostuuslukuje omsuuks tutkmst. Otostuuslukuje jkum koskevt tulokset ovt sä melessä epäopertols, että jkume prmetrej e yleesä tuet. Ilkk Mell (008) 8/18
9 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset () Jos hvtoje jkum prmetrej e tuet, e vod pyrkä estmom el rvom otoksest stuje tetoje perusteell; ks. luku Tlstollste mlle prmetre estmot. (v) Perusjouko prmetre rvost tehtyjä oletuks vod pyrkä testm tlstollsest otoksest stuje tetoje perusteell; ks. luku Tlstollste hypoteese testus. (v) Myös perusjouko jkum tyyppä koskev oletuks vod pyrkä testm tlstollsest otoksest stuje tetoje perusteell; ks. luku Yhteesopvuude, homogeesuude j rppumttomuude testme. Tehtävä 8.3. Olkoot X, = 1,,, rppumttom ormljkutuet stusmuuttuj, jode odotusrvo E(X ) = µ j vrss Vr(X ) = j trkstell seurv todeäkösyyksä: (1) Pr(X > µ + ) () Pr(X 1 + X + + X > (µ + )) (3) Pr( X > µ + ) () Määrää todeäkösyys (1). (b) Todst, että todeäkösyys () o peemp ku todeäkösyys (1), jos >1. (c) Todst, että todeäkösyys () peeee, ku +. (d) Todst, että todeäkösyys (3) o sm ku todeäkösyys (). (e) Määrää todeäkösyys (), ku = 10. Tehtävä 8.3. Mtä opmme? Tehtävässä trkstell rppumttom stusmuuttuj, jotk oudttvt sm ormljkum j vertll yksttäse muuttuj, muuttuje summ j muuttuje rtmeettse keskrvo jkum. Tehtävä 8.3. Rtksu: Oletukse muk X1, X,, X X N( µ, ), = 1,,, () Helpost ähdää, että X µ Pr( X > µ + ) = Pr > 1 = Pr( Z > 1) joss stdrdotu stusmuuttuj Ilkk Mell (008) 9/18
10 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset X E( X) X µ Z = = D( X ) oudtt stdrdotu ormljkum: Z N(0,1) Normljkum tulukode muk Pr( Z 1) = jote komplemetttphtum todeäkösyyde kv muk kysytty todeäkösyys o Pr( Z > 1) = 1 Pr( Z 1) = (b)&(c) Olkoo Y = X = 1 Tällö E(Y) = µ Kosk stusmuuttujt X, = 1,,, o oletettu rppumttomks, Vr(Y) = D (Y) = Ste kklle > 1 pätee Pr( ( )) Pr Y µ Y > µ + = > = Pr( Z > ) < Pr( Z > 1) joss stdrdotu stusmuuttuj Y E( Y) Y µ Z = = D( Y ) oudtt stdrdotu ormljkum: Z N(0,1) Todeäkösyydet Pr( Z > ) muodostvt dost väheevä lukujoo, jos + (d) (e) Tulos o trvlst sm ku kohdss (c), kosk Pr( X > µ + ) = Pr( Y > ( µ + )) Jos = 10, (c)-kohdst seur, että Ilkk Mell (008) 10/18
11 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Pr( X1+ X + + X > ( µ + )) = Pr( Y > 10( µ + )) = Pr( Z > 10) = Pr( Z > 3.16) joss stdrdotu stusmuuttuj Y E( Y) Y µ Y 10µ Z = = = D( Y ) 10 oudtt stdrdotu ormljkum: Z N(0,1) Normljkum tulukode muk Pr( Z 3.16) = jote komplemetttphtum todeäkösyyde kv muk kysytty todeäkösyys o Pr( Z > 3.16) = 1 Pr( Z 3.16) = Tehtävä 8.4. Oletet, että hvot X, = 1,,, 100 muodostvt ykskertse stusotokse ormljkumst N(1,4). Määrää todeäkösyys, että hvtoje rtmeette keskrvo X s suuremp rvoj ku 1.1. Tehtävä 8.4. Mtä opmme? Tehtävässä trkstell rtmeettse keskrvo otosjkum. Tehtävä 8.4. Rtksu: Oletet, että hvot X, = 1,,, 100 muodostvt ykskertse stusotokse ormljkumst N(µ, ), joss µ = 1 = 4 Olkoo hvtoje X, = 1,,, 100 rtmeette keskrvo X = X = X = = 1 Oletuksst seur, että stusmuuttuj X oudtt ormljkum prmetre µ j / : joss ss X N µ, Ilkk Mell (008) 11/18
12 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset µ = = = = Tehtävää o määrätä todeäkösyys Pr( X > 1.1) Selväst X µ 1.1 µ Pr( X > 1.1) = Pr > = Pr Z > = Pr Z > 0.5 / / / 100 joss stdrdotu stusmuuttuj X E( X) X µ Z = = D( X ) / oudtt stdrdotu ormljkum: Z N(0,1) ( ) Normljkum tulukode muk Pr(Z 0.5) = jote komplemetttphtum todeäkösyyde kv muk kysytty todeäkösyys o Pr( X > 1.1) = Pr( Z > 0.5) = 1 Pr( Z 0.5) = = Tehtävä 8.5. Oletet, että suomlste meste ptuus o ormljkutuut prmetre µ = 175 cm j = 5 cm. Pomt meste joukost ykskerte stusotos, jok koko o 100. Määrää lukurvo, jot suuremp rvoj hvtoje rtmeette keskrvo s todeäkösyydellä Tehtävä 8.5. Mtä opmme? Tehtävässä trkstell rtmeettse keskrvo otosjkum. Tehtävä 8.5. Rtksu: Oletet, että hvot X, = 1,,, 100 muodostvt ykskertse stusotokse ormljkumst N(µ, ), joss µ = 175 = 5 Olkoo hvtoje X, = 1,,, 100 rtmeette keskrvo X = X = X = = 1 Ilkk Mell (008) 1/18
13 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Oletuksst seur, että stusmuuttuj X oudtt ormljkum prmetre µ j / : X joss ss X N µ, µ = = = = Tehtävää o määrätä lukurvo, jot suuremp rvoj hvtoje rtmeette keskrvo s todeäkösyydellä Kosk X N µ, stdrdotu stusmuuttuj X E( X) X µ Z = = D( X ) / oudtt stdrdotu ormljkum: Z N(0,1) Normljkum tulukost äemme, että Pr(Z.33) = Komplemetttphtum todeäkösyyde kv muk Pr(Z >.33) = 1 Pr(Z.33) = 0.01 Smme ste epäyhtälö X µ Z = >.33 / jost rtmeettselle keskrvolle sd ehto 5 X > µ +.33 = = Ste Pr( X ) = 0.01 Tehtävä 8.6. Ilkk Mell (008) 13/18
14 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Oletet, että hvot X, = 1,,, 101 muodostvt ykskertse stusotokse ormljkumst N(1,4). Määrää lukurvo, jot peempä rvoj hvtoje otosvrss s todeäkösyydellä Tehtävä 8.6. Mtä opmme? Tehtävässä trkstell otosvrss otosjkum. Tehtävä 8.6. Rtksu: Oletet, että hvot X, = 1,,, 101 muodostvt ykskertse stusotokse ormljkumst N(µ, ), joss µ = 1 = 4 Olkoo hvtoje X, = 1,,, 101 rtmeette keskrvo X = X = X = = 1 j otosvrss s 1 X X 1 X X 101 = ( ) = ( ) 1 = = 1 Oletuksst seur, että stusmuuttuj ( 1) s V = joss = 4 = 101 oudtt χ -jkum vpusste ( 1): V χ (100) Tehtävää o määrätä lukurvo, jok erott χ -jkum vsemmlle häälle todeäkösyysmss, jok koko o χ -jkum tulukost ähdää suor, että Pr(V ) = 0.01 ku Kosk V χ (100) ( 1) s 100s V = = = 5s 4 smme epäyhtälö Ilkk Mell (008) 14/18
15 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset 5s jost otosvrsslle s sd ehto Ste s.803 Pr( s.803) = 0.01 Tehtävä 8.7. Oletet, että suomlste meste ptuus o ormljkutuut prmetre µ = 175 cm j = 5 cm. Pomt meste joukost ykskerte stusotos, jok koko o 101. Määrää lukurvo, jot suuremp rvoj otosvrss s todeäkösyydellä Tehtävä 8.7. Mtä opmme? Tehtävässä trkstell otosvrss otosjkum. Tehtävä 8.7. Rtksu: Oletet, että hvot X, = 1,,, 101 muodostvt ykskertse stusotokse ormljkumst N(µ, ), joss µ = 175 = 5 Olkoo hvtoje X, = 1,,, 101 rtmeette keskrvo X = X = X = = 1 j otosvrss s 1 X X 1 X X 101 = ( ) = ( ) 1 = = 1 Oletuksst seur, että stusmuuttuj ( 1) s V = joss = 5 = 101 oudtt χ -jkum vpusste ( 1): V χ (100) Tehtävää o määrätä lukurvo, jok erott χ -jkum okelle häälle todeäkösyysmss, jok koko o 0.01: Ilkk Mell (008) 15/18
16 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset χ -jkum tulukost ähdää suor, että Pr(V ) = 0.01 ku Kosk V χ (100) ( 1) s 100s V = = = 4s 5 smme epäyhtälö 4s jost otosvrsslle s sd ehto Ste s Pr( s ) = 0.01 Tehtävä 8.8. Oletetet, että teemme 100 tosst rppumtot Beroull-koett, joss kostukse kohtee olev tphtum A todeäkösyys o 0.. Määrää todeäkösyys, että tphtum A suhteelle frekvess tostoje joukoss o suuremp ku 10. Tehtävä 8.8. Mtä opmme? Tehtävässä trkstell suhteellse frekvess (pproksmtvst) otosjkum. Tehtävä 8.8. Rtksu: Olkoo f = tphtum A frekvess tostoje joukoss f pˆ = = tphtume A suhteelle frekvess tostoje joukoss = tostoje lukumäärä Kosk tostoje lukumäärä = 100 o äk suur, vomme melko hyv pproksmod suhteellse frekvess ˆp ottjkum ormljkumll: joss p pq ˆ N p, p = 0. q = 1 p = 0.8 = 100 Ilkk Mell (008) 16/18
17 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Ste stdrdotu stusmuuttuj pˆ E(ˆ) p pˆ p Z = = D( pˆ ) pq/ oudtt pproksmtvsest stdrdotu ormljkum: Z N(0,1) Kosk 10 1 = = tehtävää o määrätä todeäkösyys Pr ( p ˆ > 0.1) Selväst pˆ p 0.1 p Pr( pˆ > 0.1) = Pr > = Pr Z > = Pr Z >.5 pq / pq / /100 joss stdrdotu stusmuuttuj pˆ E(ˆ) p pˆ p Z = = D( pˆ ) pq/ ( ) oudtt ss pproksmtvsest stdrdotu ormljkum: Z N(0,1) Normljkum tulukode muk Pr(Z.5) = jote komplemetttphtum todeäkösyyde kv muk kysytty todeäkösyys o Pr( pˆ > 0.1) = Pr( Z >.5) = 1 Pr( Z.5) = = Tehtävä 8.9. Oletet, että 30 % suomlsst ktt NATO:o lttymstä. Pomt suomlste joukost ykskerte stusotos, jok koko o 100. Määrää todeäkösyys, että NATO: kttje suhteelle osuus otoksess o peemp ku 0 %. Tehtävä 8.9. Mtä opmme? Tehtävässä trkstell suhteellse frekvess (pproksmtvst) otosjkum. Tehtävä 8.9. Rtksu: Olkoo f = NATO: kttje frekvess otoksess f pˆ = = NATO: kttje suhteelle frekvess otoksess Ilkk Mell (008) 17/18
18 Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset = otoskoko Kosk otoskoko = 100 o melko suur, vomme melko hyv pproksmod suhteellse frekvess ˆp otosjkum ormljkumll: joss p pq ˆ N p, p = 0.3 q = 1 p = 0.7 = 100 Ste stdrdotu stusmuuttuj pˆ E(ˆ) p pˆ p Z = = D( pˆ ) pq/ oudtt pproksmtvsest stdrdotu ormljkum: Z N(0,1) Tehtävää o määrätä todeäkösyys Selväst Pr( p ˆ < 0.0) pˆ p 0.0 p Pr( pˆ < 0.0) = Pr < pq/ pq/ = Pr Z < /100 = Pr <.18 ( Z ) joss ss stdrdotu stusmuuttuj pˆ E(ˆ) p pˆ p Z = = D( pˆ ) pq/ oudtt pproksmtvsest stdrdotu ormljkum: Z N(0,1) Normljkum tulukode muk kysytty todeäkösyys o Pr(Z.18) = Ilkk Mell (008) 18/18
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,
LisätiedotTestit laatueroasteikollisille muuttujille. Testit laatueroasteikollisille muuttujille. Testit laatueroasteikollisille muuttujille: Esitiedot
TKK (c) Ilkk Melli (24) Johdtus tilstotieteesee TKK (c) Ilkk Melli (24) 2 : Mitä opimme? Trkstelemme tässä luvuss seurvi ltuerosteikolliste muuttujie testejä: Testukse kohtee testeissä o Beroulli-jkum
Lisätiedot1.4. 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,
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
Lisätiedot1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit
Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,
Lisätiedot8. laskuharjoituskierros, vko 11, ratkaisut
Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemilyysi lbortorio Mt-.090 Sovellettu todeäköisyyslsku Nordlud Hrjoitus 10 (vko 47/003) (ihe: Väliestimoiti, Liie luvut 10.6, 11.7, 1.1-13.5, 14.4-14.5) 1. Kemillise prosessi sto X o ormlijkutuut.
LisätiedotKonvergenssikäsitteet 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
Lisätiedot7. Menetysjärjestelmät
Ssältö Kertust: ykskerte lkeeteoreette mll Posso-mll (skkt, plvelot ) Sovellus vrtv dtlketee mlltmsee vuotsoll Erlg-mll (skkt, plvelot < ) Sovellus puhellketee mlltmsee rukoverkoss Bommll (skkt k
LisätiedotKertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot
TKK (c) Ilkk Mellin (24) 1 Johdtus todennäköisyyslskentn TKK (c) Ilkk Mellin (24) 2 : Mitä opimme? 1/2 Jos stunnisilmiötä hlutn mllint mtemttisesti, on ilmiön tulosvihtoehdot kuvttv numeerisess muodoss.
LisätiedotTilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.
Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot Ilkka Mell 5 Tlastollset
LisätiedotIlkka 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
LisätiedotJatkuvia jakaumia. Jatkuvia jakaumia. Jatkuvia jakaumia Mitä opimme? 2/3. Jatkuvia jakaumia Mitä opimme? 1/3. Jatkuvia jakaumia Mitä opimme?
TKK (c) Ilkk Melli (4) Jtkuvi jkumi Jtkuv tsie jkum Johdtus todeäköisyyslsket Jtkuvi jkumi TKK (c) Ilkk Melli (4) Jtkuvi jkumi Mitä opimme? /3 Tutustumme tässä luvuss seurvii jtkuvii todeäköisyysjkumii:
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,
Lisätiedot8.4 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
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
LisätiedotTilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus
Mat.36 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys, Otos,
LisätiedotJohdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Melli Tilastolliset meetelmät Osa : Otokset, otosjakaumat ja estimoiti Otokset ja otosjakaumat TKK (c) Ilkka Melli (007) 1 Otokset ja otosjakaumat >> Satuaisotata ja satuaisotokset Otostuusluvut
LisätiedotTodennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2
Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma Aheet: Satuasmuuttujat ja todeäkösyysjakaumat Kertymäfukto Jakaume tuusluvut Dskreettejä jakauma Jatkuva jakauma Avasaat: Bomjakauma Desl Dskreett
LisätiedotMat 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,
LisätiedotTilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus
Mat-1.361 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.1. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys,
Lisätiedotlim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2.
Mtemtiikk III 0600 Kurssi / Differetili- j itegrlilske jtkokurssi Tee 7 tehtävää ) Määritä lim ( ) ) + b) Määritä vkio site, että luseke ( ) + + ( )( ) ( + + ) + + + + + lim + lim lim (p) o jtkuv myös
LisätiedotJohdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (005) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo ja otosvariassi otosjakaumat
Lisätiedot2.2 Monotoniset jonot
Mtemtiik tito 9, RATKAISUT Mootoiset joot ) Kosk,,,, ii 0 Lukujoo ( ) o siis lhlt rjoitettu Toislt 0 Lukujoo (
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,
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,
LisätiedotMat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:
Mat-.090 Sovellettu todeäköisyyslasku A Mat-.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Otos- ja otosjakaumat Estimoiti Estimoitimeetelmät Väliestimoiti Aritmeettie keskiarvo, Beroulli-jakauma,
LisätiedotIlkka 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,
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).
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,
LisätiedotTilastollisten 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
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman
LisätiedotTestit laatueroasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten
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
LisätiedotJohdatus tilastotieteeseen Väliestimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Väliestimointi TKK (c) Ilkka Mellin (2005) 1 Väliestimointi Todennäköisyysjakaumien parametrien estimointi Luottamusväli Normaalijakauman odotusarvon luottamusväli Normaalijakauman
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. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on
HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla
LisätiedotEstimointi. Vilkkumaa / Kuusinen 1
Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman
Lisätiedot6. laskuharjoitusten vastaukset (viikot 10 11)
6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287
LisätiedotNeliömatriisin A determinantti on luku, jota merkitään det(a) tai A. Se lasketaan seuraavasti: determinantti on
4. DETERINANTTI JA KÄÄNTEISATRIISI 6 4. Neliömtriisi determitti Neliömtriisi A determitti o luku, jot merkitää det(a) ti A. Se lsket seurvsti: -mtriisi A determitti o det(a) () -mtriisi A determitti void
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan
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
LisätiedotSovellettu 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
LisätiedotKuvausta f sanotaan tällöin isomorfismiksi.
Määritelmä..12. Oletetn, että 1 =(V 1,E 1 ) j 2 =(V 2,E 2 ) ovt yksinkertisi verkkoj. Verkot 1 j 2 ovt isomorfiset, jos seurvt ehdot toteutuvt: (1) on olemss bijektio f : V 1 V 2 (2) kikill, b V 1 pätee,
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (004) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotJohdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle
LisätiedotHY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.
HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla
LisätiedotDifferentiaali- ja integraalilaskenta 1 (CHEM) Laskuharjoitus 4 / vko 47, mallivastaukset
Differentili- j integrlilskent (CHEM) Lskuhrjoitus / vko 7, mllivstukset Johdntotehtävä x dx = ln.693, joten rvo ln voidn pproksimoid integroimll numeerisesti funktiot x välillä [,]. Jetn väli [,] khteen
LisätiedotTilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
LisätiedotJakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2
TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?
Lisätiedot2.4 Pienimmän neliösumman menetelmä
2.4 Pienimmän neliösummn menetelmä Optimointimenetelmiä trvitn usein kokeellisen dtn nlysoinniss. Mittuksiin liittyy virhettä, joten mittus on toistettv useit kertoj. Oletetn, että mittn suurett c j toistetn
LisätiedotOsa 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
Lisätiedot2-suuntainen vaihtoehtoinen hypoteesi
Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Mat-.6 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Tilastolliset testit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, F-jakauma,
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (005) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotOsa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet
Ilkka Melli Todeäköisyyslasketa Osa 2: Satuaismuuttujat ja todeäköisyysjakaumat Kovergessikäsitteet ja raja arvolauseet TKK (c) Ilkka Melli (2006) 1 Kovergessikäsitteet ja raja arvolauseet >> Kovergessikäsitteitä
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Melli Tilastolliset meetelmät Osa 2: Otokset, otosjakaumat ja estimoiti Estimoitimeetelmät TKK (c) Ilkka Melli (2007) Estimoitimeetelmät >> Todeäköisyysjakaumie parametrie estimoiti Suurimma uskottavuude
Lisätiedot5. laskuharjoituskierros, vko 8, ratkaisut
Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 5. laskuharjoituskierros, vko 8, ratkaisut D. Eräässä maata kiertävällä radalla olevassa satelliitissa on ilmaisin, jonka elinikä X yksikkönä vuosi noudattaa
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotTodennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?
TKK () Ilkka Mell (2004) 1 Todeäkösyyde aksoomat Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys Johdatus todeäkösyyslasketaa Todeäkösyyde aksoomat TKK () Ilkka Mell (2004) 2 Todeäkösyyde
LisätiedotMATRIISILASKENNAN PERUSTEET. Timo Mäkelä
MTRIISILSKENNN PERUSTEET Tmo Mäkelä Mtrslske perusteet SISÄLLYS:. PERUSSIOIT.... MÄÄRITELMIÄ.... MTRIISITYYPPEJÄ.... LSKUTOIMITUKSET.... MTRIISIN KERTOMINEN LUVULL.... YHTEEN- J VÄHENNYSLSKU.... KERTOLSKU....
LisätiedotNormaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?
TKK (c) Ilkka Melli (4) Johdato Johdatus todeäköisyyslasketaa TKK (c) Ilkka Melli (4) : Mitä opimme? / Tutustumme tässä luvussa seuraavii ormaalijakaumasta (ks. lukua Jatkuvia jakaumia) johdettuihi jakaumii:
LisätiedotII.1. Suppeneminen., kun x > 0. Tavallinen lasku
II. EPÄOLEELLISET INTEGRAALIT nt II.. Suppeneminen Esim. Olkoon f() =, kun >. Tvllinen lsku = / =. Kuitenkn tätä integrli ei ole ikisemmss mielessä määritelty, kosk f ei ole rjoitettu välillä [, ] (eikä
LisätiedotTilastollinen 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,
LisätiedotTilastollinen 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,
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,
LisätiedotMat 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,
Lisätiedot9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli
lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa
LisätiedotPainopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1
Pinopiste Snomme ts-ineiseksi kpplett, jonk mteriliss ei ole sisäisiä tiheyden vihteluj. Tällisen kppleen pinopisteen sijinti voidn joskus päätellä kppleen muodon perusteell. Esimerkiksi ts-ineisen pllon
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3
Lisätiedot806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.
806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ
LisätiedotRaja-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
LisätiedotTilastotieteen kertaus. Kuusinen/Heliövaara 1
Tilastotieteen kertaus Kuusinen/Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla reaalimaailman ilmiöistä voidaan tehdä johtopäätöksiä tilanteissa, joissa
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio
Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio
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,
LisätiedotTestit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot
TKK (c) Ilkka Melli (4) Testit suhdeasteikollisille muuttujille Johdatus tilastotieteesee Testit suhdeasteikollisille muuttujille Testit ormaalikauma parametreille Yhde otokse t-testi Kahde otokse t-testi
Lisätiedot1.3 Toispuoleiset ja epäoleelliset raja-arvot
. Toisuoleiset j eäoleelliset rj-rvot Rj-rvo lim f () A olemssolo edellyttää että muuttuj täytyy void lähestyä rvo kummst suust hyväsä. Jos > ii sot että lähestyy rvo oikelt ositiivisest suust. Jos ts
LisätiedotTasapainojen määrittäminen tasapainovakiomenetelmällä
Luento 6: sutspnot eskvkko 3.1. klo 8-1 771 - Termodynmset tspnot (Syksy 18) http://www.oulu.f/pyomet/771/ Tspnojen määrttämnen tspnovkomenetelmällä Trkstel homogeenst ksufsrektot. Esm.: (g) + (g) = (g)
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.4 Rtkisut j rvostelu. Koululisen todistuksen keskirvo x on lskettu ) b) c) d) kymmenen ineen perusteell. Jos koululinen nostisi neljän ineen
Lisätiedot5 Epäoleellinen integraali
5 Epäoleellinen integrli 5. Integrlin suppeneminen Olkoon f sellinen välillä [, b[ (ei siis välttämättä pisteessä b) määritelty funktio, että f on Riemnn-integroituv välillä [, ] kikill ], b[ eli on olemss
Lisätiedot9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli
Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja
Lisätiedottilastotieteen kertaus
tilastotieteen kertaus Keskiviikon 24.1. harjoitukset pidetään poikkeuksellisesti klo 14-16 luokassa Y228. Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla
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
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,
LisätiedotJohdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1
Johdatus todeäköisyyslasketaa Kovergessikäsitteet ja raja-arvolauseet TKK (c) Ilkka Melli (2004) 1 Kovergessikäsitteet ja raja-arvolauseet Kovergessikäsitteitä Suurte lukuje lait Keskeie raja-arvolause
LisätiedotJohdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin
LisätiedotTodennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1
Todennäköisyyslaskun kertaus Vilkkumaa / Kuusinen 1 Satunnaismuuttujat ja todennäköisyysjakaumat Vilkkumaa / Kuusinen 2 Motivointi Kokeellisessa tutkimuksessa tutkittaviin ilmiöihin liittyvien havaintojen
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 16. marraskuuta 2007 Antti Rasila () TodB 16. marraskuuta 2007 1 / 15 1 Epäparametrisia testejä χ 2 -yhteensopivuustesti Homogeenisuuden testaaminen Antti
LisätiedotSatunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat
TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie
LisätiedotAnalyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että
Anlyysi Hrjoituksi lukuihin 3 / Kevät 5. Ann sellinen välillä ], [ jtkuv j rjoitettu funktio f, että () sup A m A j inf A min A, (b) sup A m A j inf A = min A, (c) sup A = m A j inf A min A, (d) sup A
LisätiedotJohdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita
LisätiedotJohdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Estimoitimeetelmät TKK (c) Ilkka Melli (2005) 1 Estimoitimeetelmät Todeäköisyysjakaumie parametrie estimoiti Momettimeetelmä Normaalijakauma parametrie estimoiti Ekspoettijakauma
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,
Lisätiedot2-suuntainen vaihtoehtoinen hypoteesi
MS-A53 Todeäköisyyslaskea ja tilastotietee peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Yhde otokse t-testi Testausasetelma yhde otokse t-testissä odotusarvolle Olkoo X i, i =,,, riippumato
LisätiedotSARJAT JA DIFFERENTIAALIYHTÄLÖT Funktiojonot 1
SARJAT JA DIFFERENTIAALIYHTÄLÖT 2003 JOUNI PARKKONEN Sisältö 0. Tästä tekstistä. Funktiojonot 0. Tästä tekstistä Tämä moniste on trkoitettu käytettäväksi kurssin Srjt j differentiliyhtälöt luentomterilin.
Lisätiedot.) (b) Vertaa p :tä vastaavaa kineettistä energiaa perustilan kokonaisenergiaan. ( ) ( ) = = Ek
S-446, FYSIIKKA IV (Sf) Kevät 5, HSf Rtkisut HSf- Kvnttimekninen hrmoninen värähtelijä on perustillln (mss m) Värähtelyn mplitudi on A () ske p (Värähtelijä sijitsee välillä A ) (b) Vert p :tä vstv kineettistä
Lisätiedot5 Riemann-integraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT Ala- ja yläintegraali
ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 9 5 Riemnn-integrli 5. Al- j yläintegrli Voit olett tunnetuksi ll esitetyt supremumin j infimumin ominisuudet (joukot A j B ovt rjoitettuj sekä epätyhjiä j λ R). Jos
LisätiedotTilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1
Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus KE (2014) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet
LisätiedotSatunnaismuuttujien muunnokset ja niiden jakaumat
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja
Lisätiedot