6. Kombinaatio-oppi, todennäköisyys ja tilastot

Koko: px
Aloita esitys sivulta:

Download "6. Kombinaatio-oppi, todennäköisyys ja tilastot"

Transkriptio

1 6. Kombiaatio-oppi, todeäköisyys ja tilastot 6.1 Satuaisotata takaisipaolla Poimimme 3 alkiota takaisipaolla 1 alkio perusjoukosta. Kuika mota erilaista kolme alkio osajoukkoa voimme saada? Ratkaisu. Vastaus: 178 osajoukkoa. Kuika suurella todeäköisyydellä saamme eljä arpakuutio heitossa kaikkii sama silmäluvu? Ratkaisu. Todeäköisyys o,77 %. 91 Sivu

2 6. Palauttamato satuaisotata (järjestetty osajoukko) Otata ilma takaisipaoa Pr! ( r)! Poimimme r alkiota alkio perusjoukosta palauttamatta. Järjestyksellä o tässä merkitystä.. Laske, kuika mota eri mahdollisuutta meillä o ottaa 5 korttia 13 korti joukosta, ku otetaa huomioo se järjestys, jossa otamme ämä 5 korttia. Selaa virtuaaliäppäimistö välilehtiä ja valitse Advace. Valitse Pr ja syötä 13,5 Vastaus: Erilaisia 5 korti järjestettyje osajoukkoje määrä o Tarkistus: Kertoma symboli löytyy Pr-symboli vasemmalta puolelta. 9 Sivu

3 6.3 Palauttamato satuaisotata (järjestämätö osajoukko) Satuaisotata palauttamatta. Cr! r!( r)! Poimimme r alkiota alkio perusjoukosta palauttamatta. Järjestyksellä ei ole tässä merkitystä.. Laske motako eri mahdollisuutta siulla o ottaa 5 korttia 13 korti joukosta, ku emme ota huomioo järjestystä, jossa otamme uo 5 korttia. Advace, Cr. Tarkistus: Vastaus: Erilaiste 5 korti järjestämättömie osajoukkoje määrä o Biomitodeäköisyys Tarkastelkaamme kokeilua, joka toistuu kertaa. Jokaisella kokeilulla o vai kaksi mahdollista lopputulosta: oistumie tai epäoistumie. Oistumise mahdollisuus o täte sama jokaisessa yrityksessä. Yrityste oistumie ei riipu toisista yrityksistä. Tätä kutsutaa toistokokeeksi ja satuaismuuttuja oudattaa biomijakaumaa. Biomitodeäköisyys Riippumattomie toistoje määrä o. p o todeäköisyys oistumiselle. Oistueide toistoje määrä o k. Heitämme tavallista arpakuutiota 5 kertaa. Kuika suurella todeäköisyydellä saamme kaksi kuutosta? Todeäköisyys yhde kuutose saamisee o 1. Tämä tarkoittaa sitä, että 6 todeäköisyys sille, ettemme saa kuutosta, o Sivu

4 Ratkaisu. Tai Catalog, biomialpdf. Tai vielä vaihtoehtoisesti äi. Todeäköisyys kahde kuutose saamisee o,16. Heitämme arpakuutiota 5 kertaa. Kuika suurella todeäköisyydellä saamme vähitää kaksi kuutosta? Ratkaisu. Vaihtoehtoisesti äi Tai yhteelaskusääöllä. 1 BiomialCD(1,5, ) ataa todeäköisyyde sille, että saamme tai 1 kuutosta 5 heitolla. 6 1 Todeäköisyys kahde kuutose saamisee o site 1 BiomialCD(1,5, ) Sivu

5 Heitämme tavallista arpakuutiota 7 kertaa. Kuika suurella todeäköisyydellä saamme 1-14 kuutosta? Meidä o siis määriteltävä P(1 X 14), jossa X o kuutoste määrä. Voimme myös esim. Catalog-valiko seq-kometoa pistetodeäköisyyksie laskemiseksi. Valitse päävalikosta Statistics. Valitse Calc. Valitse Oe-Variable. 95 Sivu

6 Pistetodeäköisyyksie summa o toisea tilastolaskuissa. Voit vaihtoehtoisesti käyttää myös summafuktiota. Todeäköisyys o P(1 X 14), Biomijakauma Heitämme kolikkoa 5 kertaa. Olkoo X saatuje kruuie määrä. Satuaismuuttuja X oudattaa biomijakaumaa, sillä toistot ovat toisistaa riippumattomia. Oistumise todeäköisyys o tasa p,5. Saamme heitettäessä joko kruua tai klaava. Tee ja piirrä todeäköisyysjakauma yllä maiittuu kokeesee. Syötä tulokset luetteloo list1. Syötä todeäköisyys saada klaava - 5 kertaa luetteloo list. 96 Sivu

7 5 5 x 5 x 5 Huomaamme, että P( X x),5,5,5, jolloi list o helpompi laatia. x x Valitse päävalikosta Statistics. Valitse SetGraph. Asetukset. Piirrä kuvaaja. 97 Sivu

8 6.6 Hypergeometrie jakauma (palauttamato otata) Hypergeometrie jakauma, jota satuaismuuttuja X oudattaa. P ( X x) M x N N M x N o perusjouko alkioide lkm, M määräty osajouko alkioide lkm, o ottoje kokoaislukumäärä. Meillä o 1 valkoista ja 8 puaista kuulaa laatikossa ja me otamme satuaisesti laatikosta 5 kuulaa. Kuika suurella todeäköisyydellä saamme valkoista ja 3 puaista kuulaa? Kaava sovellettua. hypergeopdf ataa. Miksi vastaus o sama? Vaihtoehtoisesti voi käyttää hypergeopd-kometoa. 98 Sivu

9 Meillä o 1 valkoista ja 8 puaista kuulaa laatikossa ja me otamme satuaisesti laatikosta 5 kuulaa. Kuika suurella todeäköisyydellä saamme vähitää 3 puaista kuulaa? 5 1 C(5 x)8cx Joko äi: x 3 18C5 tai: hypergeopdf(3,5,8,18)+hypergeopdf(4,5,8,18)+hypergeopdf(5,5,8,18) taikka yksikertaisimmi: hypergeocdf 6.7 Normaalijakauma Tyypillie esimerkki ormaalijakaumasta löytyy asevelvolliste pituudesta. Asevelvolliste keskiarvo o 18cm ja keskihajota 7cm. Kuika suuri osa asevelvollisista o lyhyempiä kui 19 cm? Ratkaisu kometoje avulla. Tai Statistics, Calc, Distributio, Normal CD. Noi 9,3 % asevelvollisista o lyhyempiä kui 19 cm. 99 Sivu

10 Kuika suuri osa asevelvollisista ovat pitempiä kui 17 cm? Ku olemme NormCDf-toimio avulla laskeeet kuika mota asevelvollista o lyhyempiä kui 17 cm, voimme ottaa selvää siitä, kuika suuri osa asevelvollisista o pitempiä kui 17 cm seuraavasti 1 PX ( 17). Ratkaisu. Tai Statistics, Calc, Distributio, Normal CD Huomaamme, että o yhtä mota yli 17 cm: pituista asevelvollista kui o alle 19 cm pituisia. Miksi? Kuika suuri osa asevelvollisista asettuu välii [, ], eli keskihajoa sisää keskiarvo 18 cm molemmi puoli? Ratkaisu. Tai Statistics, Calc, Distributio, Normal CD 1 Sivu

11 Huomaamme, että. 68,3 % asevelvollisista sijoittuu keskihajoa sisää keskiarvo molemmi puoli. Tämä tarkoittaa sitä, että 68,3 % asevelvollisista sijoittuu välille 173 cm cm. Vaihtoehtoisesti äi: Voimme myös todeäköisyyde laskemisee keskihajoa fuktiota f, joka saadaa ( x x) 1 lausekkeesta f( x ) e. Katsotaapa, kuika voimme laskea todeäköisyyde sille, että satuaisesti valitu asevelvollise pituus o keskiarvosta symmetrisesti yhde hajota-askelee sisällä. Ratkaisu. Graafie ratkaisu Syötä ormaalijakauma fuktio f, joka saadaa lausekkeesta Itegroi ormaalijakauma fuktio f( x ) e ( x x) Näi voimme todistaa, että. 68,3% asevelvollisista osuu keskihajoa sisää keskiarvo molemmi puoli. 11 Sivu

12 Tässä vielä pikaohje Statistics (tai SpreadSheet) sovellukse käyttämisee hajotalaskuissa. Valitse Statistics-valikosta Calc. Distributio ja Normal CD. Syötä arvot. Kuvaaja piirtämie oistuu piirtokuvaketta koskemalla. Resize suuretaa aktiivise ikkua. Näi voimme todistaa, että. 68,3 % asevelvollisista osuu keskihajoa sisää keskiarvo molemmi puoli. Trace toimito kuvaaja yhteydessä äyttää tiheysfuktiolla oleva pistee koordiaatit ja fuktio lausekkee. 1 Sivu

13 6.8 Murtoviiva Alla oleva taulukko osoittaa öljytuotao määrää eräässä OPEC-maassa vuosie 199 ja 5 välillä. Tuotato o aettu 1 toeia. Vuosiluku Esitä öljytuotao kehitys tää aikaa murtoviiva avulla. Syötämme vuosiluvut vuodesta 1995 vuotee 5 luetteloo list1 seq-valia avulla. Ku siirrymme Statistics-tilaa, äemme vuosiluvut list1-luettelossa. Tuotatoluvut syötetää luetteloo list. SetGraph, Settig. 13 Sivu

14 6.9 Tilastollise aieisto luokittelu Miä vuoa öljytuotato o ollut vähäisitä ja miä vuoa tuotato oli suurita? Näi rajoitetusta aieistosta o mahdollista löytää ämä vuodet ilma laskita. Mutta jos aieistoa olisi paljo eemmä, olisi tämä meetelmä suureksi avuksi. Paia oikeaa uolipaiiketta. list o Base List, joka mukaa luokittelu tehdää. List1 vai seuraa mukaa. Vuosilukua ja tuotatoa ei tule erottaa toisistaa aieistoa luokiteltaessa vaa pitää tiedot yhdessä. Öljytuotato oli pieitä vuoa 1997 ja suurita vuoa Sivu

15 6.1 Keskiarvo, mediaai, kvartiilit, tyyppiarvo ja vaihteluväli Keskiarvo. Kaikkie arvoje summa jaetaa arvoje lukumäärällä. x x x 1 1 h x 1 x x3 h x... h x 3 3 x... h p x p tässä x1, x Ku arvo x i esiityy havaioissa. h i kertaa Frekvessijakaumie keskiarvo x m 1 f 1 m f... m k f k k lukuväliä, joide keskipisteet m1, m,... m k ja vastaavat frekvessit f1, f,... f k Mediaai Tyyppiarvo Vaihteluväli Keskimmäie arvo, ku aieisto lajitellaa kasvavaa järjestyksee. Se aieisto arvo, joka esiityy useimmi. Vaihteluväli= suuri arvo piei arvo Huomaa! Jos havaitoje lukumäärä o parillie luku, mediaai muodostavat kaksi keskimmäistä arvoa tai iide keskiarvo. Toie imitys o moodi. Yläkvartiili Korkeimmat 5 % kerätyistä arvoista. Alakvartiili Pieimmät 5 % kerätyistä arvoista. Kvartiiliväli Kvartiiliväli= yläkvartiili alakvartiili Kvartiilivälii eivät vaikuta suurimmat tai pieimmät 5 % kerätyistä arvoista. Kvartiilivälillä o tämä takia hyvä hajota, silloiki ku materiaali arvot ovat jakautueet epätasaisesti. Kvartiilipoikkeama Kvartiilipoikkeama = Kvartiiliväli / Eräässä kaupugissa tehtii liiketee melumittauksia. Tässä yhteydessä kerättii seuraava data (db) : 5, 54,4 54,8 55,1 55,9 56,1 56,1 57, 57,6 58,1 58, 59,4 59,4 59,9 6,6 6,7 61,1 61,3 6,1 6,3 63, 63,4 63,7 63,9 63,9 64,5 64,8 65,1 65,9 66,5 66,7 67,1 68,9 69,1 7,4 7,8 Laske keskiarvo, mediaai, ylä- ja alakvartiili, tyyppiarvo ja vaihteluväli. 15 Sivu

16 Syötä mittaustulokset luetteloo list1. Valitse Calc, Oe-Variable. Paia alas-uolipaiiketta. Tässä äemme, että keskiarvo o 61,7 db ja mediaai 61,7 db. Alakvartiili o 57,85 db ja yläkvartiili 64,95 db. Tyyppiarvot ovat 56,1 db, 59,4 db ja 63,9 db. Näitä kolmea arvoa esiityy eite aieistossa. Vaihteluväli o aieisto suurimma ja pieimmä arvo välie alue. maxx mix 7,8 5,8 dvs.,8 db 16 Sivu

17 Oppilaat saivat matematiika kokeessa tietyllä luokalla seuraavat umerot: Laske keskiarvo, mediaai ja vaihteluväli. Syötä koeumerot luetteloo list1 Statistics-tilassa. Selvitetää tässä tehtävässä vaihteeksi keskiarvo, mediaai ja vaihteluväli Mai -sovelluksessa. Tämä ero ataa vaihteluväli. 17 Sivu

18 6.11 Variassi ja keskihajota Variassi ( x x) ( x x)... ( x x) s x o keskiarvo 1 Satuaismuuttuja hajoa mitta. Keskihajota s ( x x) ( x x)... ( x x) 1 Variassi eliöjuuri. Keskihajota kuvaa sitä, mite suurta vaihtelua käsittelemässämme tilastollisessa materiaalissa esiityy. Voimme kutsua tätä mitattavaa muuttujaa imellä X, sillä keskihajoasta käytetää usei imityksiä x, SD(x) tai s x. Olettakaamme, että meillä o joukko mittauksia arvolle X. Näihi voidaa viitata seuraavasti: x 1, x,..., x. Laskeaksemme keskihajoa o esi laskettava keskiarvo x tai x. Kaava, jolla keskihajota lasketaa, o seuraava: SDx ( ) i 1 ( x x) ( xi x) i 1 Keskihajota o eliöjuuri variassista, joka saadaa seuraavasta: VARx ( ) Keskihajoa kaavassa jakajaa o. Joskus jaetaa poikkeamie eliöide summa tekijällä - 1. Ku poikkeamie eliöide summa jaetaa :llä, tuloksea o perusjouko keskihajota. Otoskeskihajota saadaa jakamalla tekijällä 1. Jos otos o suuri, eli o suuri, sillä ei ole merkitystä jaetaako :llä vai tekijällä 1. Laski tekee ero perusjouko keskihajoa ja otokse keskihajoa välillä. Perusjouko keskihajota o x, ja otokse keskihajota x 1. Voimme tehdä esi laskelmia käsi. i Huajatuotato Eräällä huajatuottajalla o 53 mehiläispesää. Tehdäksee taulukoii käytäölliseksi mehiläisfarmari o luokitellut materiaali. Käsittelemme täte luokiteltua materiaalia. Alla oleva taulukko äyttää mm. huajatuotao kilogrammoissa mehiläispesää kohti yhde tuotatokaude aikaa. Vaikka taulukosta ei ole mahdollista löytää tarkkaa keskipaioa, voimme arvioida likimääräise keskiarvo luokkie luokkakeskuste mukaa. Luokkakeskus saadaa aikaväli todellise alaraja ja todellise yläraja keskiarvoa. 18 Sivu

19 Saamme seuraava tauluko: Paio [kg] Frekvessi f Luokkakeskus x m Luokkasumma f x m Poikkeamie eliöt kerrottuia frekvesseillä f ( x x ) [1,> [,3> [3,4> [4,5> [5,6> [6,7> [7,1> Summa Jotta voisimme täyttää arvot viimeisee palstaa o laskettava keskiarvo. Keskiarvo saadaa f x 195 lausekkeesta x m 36, ja o siis oi 36 kg. 53 m Keskihajota: x i 1 ( x x) i = ,84, eli 18,84 kg. 53 Mite voimme käyttää laskita apua ratkaistaessa tätä tehtävää? Voimme tietysti syöttää laskimee paioluokat ja frekvessit ja ataa tämä jälkee laskime käsitellä aikaa vievät laskutoimitukset. Mite sitte laski löytää luokkakeskukse arvo? Asetamme alimma raja luokille luetteloo list1 ja ylimmä raja luetteloo list. Frekvessit syötetää luetteloo list3. Sitte syötetää kaava list1+list luetteloo list4. Tämä tarkoittaa sitä, että list4 sisältää luokkie luokkakeskukset 19 Sivu

20 Calc, Oe-Variable. Tulos Laskelmie mukaa keskiarvo o x 36,3 ja että keskihajota o x 18, Odotusarvo, variassi ja keskihajota satuaismuuttujalle X Odotusarvo: E( X) x P( X x ) Variassi: Keskihajota: VAR (X ) VARX ( ) ( x EX ( )) PX ( x ) Biomijakaumassa E( X ) p ja VAR( X) p(1 p ) Laskusääöt odotusarvolle ja variassille: E( a bx) a b E( X ) EX ( Y) EX ( ) EY ( ) VAR( a bx ) b VAR( X ) Jos X ja Y ovat toisistaa riippumattomia, seuraava pätee: VAR( X Y) VAR( X ) VAR( Y ) Taulukko osoittaa X: todeäköisyysjakauma. x P(X=x) Laske EX ( ) ja VAR( X ). 11 Sivu

21 Taulukot list1 ja list. Laskutoimitukset luetteloilla. Luetteloide list1 ja list tulos o luettelossa list3. Näemme, että sum(list3) ataa odotusarvo EX ( ). Variassi VAR( X ),5. Säästämme paljo aikaa käyttäessämme luetteloita tällä tavalla. 111 Sivu

22 6.13 Luottamusväli Luottamus tekijälle k % välillä z ja z: P( z Z z) k % 95 %: luottamusvälillä o z 1,96. Tämä selviää tutkimalla P( Z z ),975 keskihajotataulukossa. Luottamus- tai varmuusväli luottamusväli Luottamusväli tekijälle p X z, X z p(1 p) p(1 p) p z, p z Tämä pätee, ku p 5 ja (1 p ) 5 Todeäköisyys p % sille, että odotusarvo osuu tälle alueelle. p lasketaa lausekkeesta p X Mittaustulos oudattaa ormaalijakaumaa odotusarvolla 4 keskihajoalla 6. Määritä 8 % luottamusväli arvolle, ku otoskoko o yksi. Valitse päävalikosta Statistics. Calc. Iterval. Tee ämä valiat. Paia Next. 11 Sivu

23 Syötä arvot. Huomaa, että 8 % =,8. Tulos Luottamusväli o 16,3-31,7. Mitä tapahtuu väli ylä- ja alarajalle, jos C-taso ostetaa 95 %:ii? Kokeile itse. Tutki myös mitä tapahtuu luottamusvälille, jos otoskoko kasvaa. Mikä tulee otoskoo olla, jotta otaa keskiarvo 4 olisi 95% todeäköisyydellä välillä [3,5]? Voimme kokeilla tätä erilaisilla : arvoilla. Ku 138 saamme seuraava väli. Tämä o hyvi lähellä haluttua väliä [3,5]. 113 Sivu

24 6.14 Hypoteesi testaus Hypoteesi testaus Tutkii, oko todeäköisyydellä p biomijakaumassa tai odotusarvolla ormaalijakaumassa o joki tietty arvo. Biomijakauma Normaalijakauma Vasemmapuoleie testi Oikeapuoleie testi Kaksitahoie testi Nollahypoteesi H: p p Vastahypoteesi H: p p Laske tästä H P-arvo: P( X x ) Nollahypoteesi H: p p Vastahypoteesi H: p p Laske tästä H P-arvo: P( X x ) Nollahypoteesi H: p p Vastahypoteesi H: p p Laske tästä H P-arvo: P( X x ) tai P( X x ) Nollahypoteesi H : Vastahypoteesi H : Laske tästä H P-arvo: P( X x ) Nollahypoteesi H : Vastahypoteesi H : Laske tästä H P-arvo: P( X x ) Nollahypoteesi H : Vastahypoteesi H : Laske tästä H P-arvo: P( X x ) tai P( X x ) Tiety aiee määrä tabletissa tulisi olla 6 mg ja tämä keskihajoa 4 mg. Viidetoista tableti pistokoe osoittaa iide sisältävä tätä aietta keskimääri 4 mg. Oko tämä liia vähä, jos merkitsevyystasoksi o asetettu 1 %? Valitse päävalikosta Statistics. Calc. Test. Tee ämä valiat. Paia Next. 114 Sivu

25 Syötä tiedot. Next. Tulos Nollahypoteesi: Keskiarvo o kute yllä esitettii 6 mg. Vaihtoehtoie hypoteesi: Keskiarvo 6 mg. Ylimmällä rivillä olemme valieet. Voimme ähdä z-arvo. 1,748. Todeäköisyys löytää 15 äyttee otaassa iiki matala aiee määrä kui 4 mg o vai 4 %, mikäli ollahypoteesi pitää paikkasa. Hylkäämme ollahypoteesi, sillä aiemäärä arvo o liia alhaie 1% merkitsevyystasolla. Vaihdamme hypoteesia ja asetamme keskiarvoksi 46 mg. Koska todeäköisyys p,876 o edellee alle 1%, hylkäämme hypoteesi. 115 Sivu

26 Vaihdamme keskiarvoksi 47 mg. Tulos Koska p,141 toteuttaa 1% merkitsevyystaso, hyväksymme hypoteesi. 116 Sivu

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa. Testimuuttuja kriittie arvo 5 %: merkitsevyystasolla katsotaa taulukosta. Kriittie arvo o 9,488. Koska laskettu arvo 4,35 o pieempi kui taulukosta saatu kriittie arvo 9,488, ii ollahypoteesi jää voimaa.

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

Tunnuslukuja 27 III TUNNUSLUKUJA

Tunnuslukuja 27 III TUNNUSLUKUJA Tuuslukuja 27 III TUNNUSLUKUJA Tuuslukuja 28 Tuuslukuja käytetää, ku tilastoaieistoa havaiollistetaa tiivistetysti yksittäisillä luvuilla. Tuusluvut lasketaa muuttujie arvoje perusteella ja e kuvaavat

Lisätiedot

****************************************************************** ****************************************************************** 7 Esim.

****************************************************************** ****************************************************************** 7 Esim. 8.3. Kombiaatiot MÄÄRITELMÄ 6 Merkitä k, joka luetaa yli k:, tarkoittaa lause- ketta k = k! ( k)! 6 3 2 1 6 Esim. 1 3 3! = = = = 3! ( 3)! 3 2 1 3 2 1 3 2 1 Laskimesta löydät äppäime, jolla kertomia voi

Lisätiedot

TILASTOT: johdantoa ja käsitteitä

TILASTOT: johdantoa ja käsitteitä TILASTOT: johdatoa ja käsitteitä TOD.NÄK JA TILASTOT, MAA10 Tilastotietee tehtävää o esittää ja tulkita tutkimuskohteesee liittyvää havaitoaieistoa eli tilastoaieistoa. Tutkitaa valittua joukkoa ja se

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 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

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus 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

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II Otokset MS-A050 Todeäköisyyslaskea ja tilastotietee peruskurssi Lueot, osa II Kaksi hyödyllista jakaumaa 3 Estimoiti G. Gripeberg 4 Luottamusvälit Aalto-yliopisto. helmikuuta 05 5 Hypoteesie testaus 6

Lisätiedot

Vastaus: Kertymäfunktio on F( x) = x, kun 0 x 20. Todennäköisyydet ovat molemmat 1. Frekvenssi f

Vastaus: Kertymäfunktio on F( x) = x, kun 0 x 20. Todennäköisyydet ovat molemmat 1. Frekvenssi f 0, ku x < 0 Vastaus: Kertymäfuktio o F( x) = x, ku 0 x 0 0, ku x > 0 Todeäköisyydet ovat molemmat 0. Laudatur MAA ratkaisut kertausharjoituksii Tilastoje esittämie 3. a) Tietty kasvi b) Kukkie lukumäärä

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

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ). HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mitä tilastotiede o? Mat-.04 Tilastollise aalyysi perusteet, kevät 007. lueto: Johdato Tilastotiede kehittää ja soveltaa meetelmiä: reaalimaailma ilmiöistä johtopäätökset ilmiöitä kuvaavie tietoje perusteella

Lisätiedot

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

Normaalijakaumasta 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:

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

Otantajakauman käyttö päättelyssä

Otantajakauman käyttö päättelyssä Keskiarvo otatajakauma Toisistaa tietämättä kaksi tutkijaa tutkii samaa ilmiötä, jossa perusjoukko koostuu kuudesta tutkittavasta ja tarkoituksea o laskea keskiarvo A: Kokoaistutkimus B: Otatatutkimus

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

( ) 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

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

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

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

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat: Mat-2.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Diskeetit jakaumat Jatkuvat jakaumat Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Ketymäfuktio, Mediaai, Negatiivie biomijakauma,

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

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1 35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,

Lisätiedot

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen. 10 Kertolaskusäätö Kahta tapahtumaa tai satuaisilmiötä saotaa riippumattomiksi, jos toise tulos ei millää tavalla vaikuta toisee. Esim. 1 A = (Heitetää oppaa kerra) ja B = (vedetää yksi kortti pakasta).

Lisätiedot

Tilastolliset luottamusvälit

Tilastolliset luottamusvälit Luku 8 Tilastolliset luottamusvälit Lasse Leskelä Aalto-yliopisto 18. lokakuuta 2017 8.1 Piste-estimaatti ja väliestimaatti Edellisessä luvussa opittii määrittämää parametreille estimaatteja suurimma uskottavuude

Lisätiedot

Tilastollisten aineistojen kuvaaminen. Tilastollisten aineistojen kuvaaminen. Tilastollisten aineistojen kuvaaminen: Mitä opimme?

Tilastollisten aineistojen kuvaaminen. Tilastollisten aineistojen kuvaaminen. Tilastollisten aineistojen kuvaaminen: Mitä opimme? TKK (c) Ilkka Melli (004) Tilastolliste aieistoje kuvaamie Tuusluvut Laatueroasteikolliste muuttujie tuusluvut Johdatus tilastotieteesee Tilastolliste aieistoje kuvaamie TKK (c) Ilkka Melli (004) Tilastolliste

Lisätiedot

Tilastollinen todennäköisyys

Tilastollinen todennäköisyys Tilastollie todeäköisyys TOD.NÄK JA TILASTOT, MAA10 Klassisessa todeäköisyydessä oli ehdot: äärellisyys ja symmetrisyys. Tämä tilae o usei mahdoto ts. alkeistapauksia o usei ääretö määrä tai e eivät ole

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2 Todeäköisyyslaskea ja tilastotietee peruskurssi Esimerkkikokoelma 2 Aiheet: Satuaismuuttujat ja todeäköisyysjakaumat Kertymäfuktio, pistetodeäköisyysfuktio ja tiheysfuktio Jakaumie tuusluvut Tärkeimmät

Lisätiedot

Väliestimointi (jatkoa) Heliövaara 1

Väliestimointi (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).

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

Mat 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,

Lisätiedot

Harjoitukset 1 : Tilastokertaus

Harjoitukset 1 : Tilastokertaus 31C99904, Capstoe: Ekoometria ja data-aalyysi TA : markku.siikae(a)aalto.fi & tuuli.vahapelto(a)aalto.fi Harjoitukset 1 : Tilastokertaus (Palautus 10.1.2017) Palautellaa mielii hiema tilasto-oppia ja todeäköisyyslasketaa.

Lisätiedot

4.7 Todennäköisyysjakaumia

4.7 Todennäköisyysjakaumia MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma

Lisätiedot

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia. HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var

Lisätiedot

pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489

pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489 Perusjoukko ja otos Kvatitatiiviset meetelmät Sami Fredriksso Yleie valtio-oppioppi Havaitoyksikkö o empiirise mittaukse kohde Perusjoukko o kaikkie havaitoyksiköide muodostama kokoaisuus Otos o perusjoukkoa

Lisätiedot

Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot

Testit 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

Lisätiedot

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen 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

Lisätiedot

2-suuntainen vaihtoehtoinen hypoteesi

2-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,

Lisätiedot

EX1 EX 2 EX =

EX1 EX 2 EX = HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var X,

Lisätiedot

KERTAUSHARJOITUKSIA. Tilastojen esittäminen. 212. a) 15-19 vuotiaita tyttöjä 156 377 Koko väestö 5 219 732 156 277 Näiden tyttöjen osuus

KERTAUSHARJOITUKSIA. Tilastojen esittäminen. 212. a) 15-19 vuotiaita tyttöjä 156 377 Koko väestö 5 219 732 156 277 Näiden tyttöjen osuus KERTAUSHARJOITUKSIA Tilastoje esittämie. a) -9 vuotiaita tyttöjä 377 Koko väestö 9 73 77 Näide tyttöje osuus 3, 0 % 9 73 b) Pojat ja tytöt: 3 377 + 77 = 39 4 39 4 Osuus koko väestöstä, % 9 73 c) Ikäluokka

Lisätiedot

Todennäköisyyslaskenta: Todennäköisyysjakaumia

Todennäköisyyslaskenta: Todennäköisyysjakaumia Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia Ilkka Melli 35 Todeäköisyysjakaumia

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

Yhden selittäjän lineaarinen regressiomalli

Yhden selittäjän lineaarinen regressiomalli Ilkka Melli Tilastolliset meetelmät Osa 4: Lieaarie regressioaalyysi Yhde selittäjä lieaarie regressiomalli TKK (c) Ilkka Melli (007) Yhde selittäjä lieaarie regressiomalli >> Yhde selittäjä lieaarie regressiomalli

Lisätiedot

Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015

Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015 Stokastiika perusteet Harjoitukset (Todeäköisyysavaruus, -mitta ja -fuktio) 2..205. Määritä potessijoukko 2,ku (a) {0, } (b) {(0, ]} ja ku (c) (0, ]. Ratkaisu: (a) 2 {;, {0}, {}, {0, }} (b) 2 {;, {(0,

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia

Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Jatkuvia jakaumia Avaisaat: Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Kertymäfuktio, Keskeie raja-arvolause, Mediaai, Normaaliapproksimaatio,

Lisätiedot

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

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

Lisätiedot

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla.

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla. Kvatitatiivie metodologia verkossa Moitasomallius Pekka Ratae Helsigi yliopisto isältö Moitasomallit Matemaattisia peruskäsitteitä Esimerkki kovariassista Otatavirhe Esimerkki elittävie muuttujie lisäämie

Lisätiedot

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu

811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu 81112A Tietoraketeet ja algoritmit, 217-218, Harjoitus 4, Ratkaisu Harjoitukse aiheita ovat algoritmie aikakompleksisuus ja lajittelualgoritmit Tehtävä 4.1 Selvitä seuraavie rekursioyhtälöide ratkaisuje

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b Tilastollie päättömyys, kevät 07 Harjoitus b Heikki Korpela 3. helmikuuta 07 Tehtävä. a Olkoot Y,..., Y Bθ. Johda uskottavuusosamäärä testisuuree ry, Waldi testisuuree wy ja Rao pistemäärätestisuuree uy

Lisätiedot

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit Mat-.09 Sovellettu todeäköisyyslasku Mat-.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Estimoiti Luottamusvälit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Estimaattori, Estimoiti, Frekvessi,

Lisätiedot

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen T-1.1 Datasta tietoo, syksy 5 Laskuharjoitus.1., ratkaisuja Joui Seppäe 1. Simuloidaa tasoittaista algoritmia. Esimmäisessä vaiheessa ehdokkaia ovat kaikki yhde muuttuja joukot {a}, {b}, {c} ja {d}. Aaltosulkeide

Lisätiedot

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170 VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain

Lisätiedot

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Tilastollinen päättely II, kevät 2017 Harjoitus 3B Tilastollie päättely II, kevät 7 Harjoitus 3B Heikki Korpela 3. maaliskuuta 7 Tehtävä. Jatkoa harjoitukse B tehtävii -3. Oletetaa, että x i c kaikilla i, ku c > o vakio. Näytä, että ˆβ, T ja T ovat tarketuvia.

Lisätiedot

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,

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

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

Osa 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

Lisätiedot

Järvi 1 Valkjärvi. Järvi 2 Sysijärvi

Järvi 1 Valkjärvi. Järvi 2 Sysijärvi Tilastotiedettä Tilastotieteessä kerätään tietoja yksittäisistä asioista, ominaisuuksista tai tapahtumista. Näin saatua tietoa käsitellään tilastotieteen menetelmin ja saatuja tuloksia voidaan käyttää

Lisätiedot

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3 LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi

Lisätiedot

Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1

Johdatus 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

Lisätiedot

4.3 Signaalin autokorrelaatio

4.3 Signaalin autokorrelaatio 5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.

Lisätiedot

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa

Lisätiedot

S Laskennallinen systeemibiologia

S Laskennallinen systeemibiologia S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude

Lisätiedot

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774

Lisätiedot

6.1 Riippumattomat satunnaismuuttujat

6.1 Riippumattomat satunnaismuuttujat Luku 6 Otatajakaumie teoria 6.1 Riippumattomat satuaismuuttujat Muistamme edellisistä luvuista, että satuaismuuttujat X 1 ja X 2 ovat riippumattomat (määritelmät 4.6 ja 5.5), jos f(x 1, x 2 ) f 1 (x 1

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 2. luento: Tilastolliset testit Kai Virtanen 1 Tilastollinen testaus Tutkimuksen kohteena olevasta perusjoukosta esitetään väitteitä oletuksia joita

Lisätiedot

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 18 1 Kertausta: momenttimenetelmä ja suurimman uskottavuuden menetelmä 2 Tilastollinen

Lisätiedot

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas TEOREETTISISTA JAKAUMISTA Usein johtopäätösten teko helpottuu huomattavasti, jos tarkasteltavan muuttujan perusjoukon jakauma noudattaa

Lisätiedot

Tilastolliset toiminnot

Tilastolliset toiminnot -59- Tilastolliset toiminnot 6.1 Aineiston esittäminen graafisesti Tilastollisen aineiston tallentamisvälineiksi TI-84 Plus tarjoaa erityiset listamuuttujat L1,, L6, jotka löytyvät 2nd -toimintoina vastaavilta

Lisätiedot

((12345A, 5, 1, 5), (98759K, 1, 5, 2), (33312K, 4, 4, 3), (23453B, 4, 4, 3), (21453U, 3, 3, 3)),

((12345A, 5, 1, 5), (98759K, 1, 5, 2), (33312K, 4, 4, 3), (23453B, 4, 4, 3), (21453U, 3, 3, 3)), Luku 6 Datajoukkoje jakaumat, tuusluvut ja kuvaajat Lasse Leskelä Aalto-yliopisto 28. marraskuuta 207 6. Datajoukko ja datakehikko Tässä moisteessa datajoukko tarkoittaa järjestettyä listaa keskeää samatyyppisiä

Lisätiedot

Insinöörimatematiikka IA

Insinöörimatematiikka IA Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Lisätiedot

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet VAASAN YLIOPISTO/AVOIN YLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia 1 KURSSIKYSELYAINEISTO: 1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka

Lisätiedot

Ehdollinen todennäköisyys

Ehdollinen todennäköisyys Ehdollie todeäköisyys Kerrataa muutama todeäköisyyslaskea laskusäätö. Tapahtuma E komplemettitapahtuma E o "E ei tapahdu". Koska todeäköisyyksie summa o 1, P ( E = 1 P (E. Joskus o helpompi laskea komplemettitapahtuma

Lisätiedot

Tilastolliset menetelmät: Tilastolliset testit

Tilastolliset menetelmät: Tilastolliset testit Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille 0. Testejä järjestysasteikollisille muuttujille. Testejä laatueroasteikollisille

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 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

Lisätiedot

2-suuntainen vaihtoehtoinen hypoteesi

2-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

Lisätiedot

Otoskoko 107 kpl. a) 27 b) 2654

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

Lisätiedot

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

3.2 Sijaintiluvut. MAB5: Tunnusluvut

3.2 Sijaintiluvut. MAB5: Tunnusluvut MAB5: Tuusluvut 3.2 Sijaitiluvut Sijaitiluvut ovat imesä mukaiset: e etsivät muuttuja tyypillise arvo, jos sellaie o olemassa, tai aiaki luvu, joka lähellä muuttuja arvoja o eite. Sijaitiluvut jaetaa kahtee

Lisätiedot

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Johdatus 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

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia. HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 2018 Harjoitus 6A Rataisuehdotusia Tehtäväsarja I 1. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai

Lisätiedot

4. Todennäköisyyslaskennan kertausta

4. Todennäköisyyslaskennan kertausta Sisältö Peruskäsitteet Diskreetit satuaismuuttujat Diskreetit jakaumat (lkm-jakaumat) Jatkuvat satuaismuuttujat Jatkuvat jakaumat (aikajakaumat) Muut satuaismuuttujat lueto04.ppt S-38.45 - Liikeeteoria

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

Esimerkki 1: auringonkukan kasvun kuvailu

Esimerkki 1: auringonkukan kasvun kuvailu GeoGebran LASKENTATAULUKKO Esimerkki 1: auringonkukan kasvun kuvailu Auringonkukka (Helianthus annuus) on yksivuotinen kasvi, jonka varren pituus voi aurinkoisina kesinä hyvissä kasvuolosuhteissa Suomessakin

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 7: NCSS - Tilastollinen analyysi Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 11. lokakuuta 2007 Antti Rasila () TodB 11. lokakuuta 2007 1 / 15 1 Johdantoa tilastotieteeseen Peruskäsitteitä Tilastollisen kuvailun ja päättelyn menetelmiä

Lisätiedot

3.7 Todennäköisyysjakaumia

3.7 Todennäköisyysjakaumia MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

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

Lisätiedot

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14) Tilatotietee jatkokuri 8. lakuharjoitute ratkaiuehdotuket (viikot 13 ja 14) 1) Perujoukko o aluee A aukkaat ja tutkittavaa omiaiuutea ovat tulot, Tiedämme, että perujouko tulot oudattaa ormaalijakaumaa,

Lisätiedot

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua) Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse

Lisätiedot

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu 83A Tietoraketeet ja algoritmit 06-07, Harjoitus ratkaisu Harjoitukse aiheea o algoritmie oikeellisuus. Tehtävä. Kahvipurkkiogelma. Kahvipurkissa P o valkoisia ja mustia kahvipapuja, yhteesä vähitää kaksi

Lisätiedot

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan 17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten

Lisätiedot

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Johdatus 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

Lisätiedot

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy

Lisätiedot

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1 Epäyhtälötehtävie ratkaisuja. osa, ks. Solmu 2/200. Kahde positiivise luvu harmoie, geometrie, aritmeettie ja kotraharmoie keskiarvo määritellää yhtälöillä H = 2 +, G = uv, A = u + v 2 u v ja C = u2 +

Lisätiedot

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS Klassinen todennäköisyys P suotuisten alkeistapausten lkm kaikkien alkeistapausten lkm P( mahdoton tapahtuma ) = 0 P( varma tapahtuma ) = 1 0 P(A) 1 Todennäköisyys

Lisätiedot

Luottamusvälit. Normaalijakauma johnkin kohtaan

Luottamusvälit. Normaalijakauma johnkin kohtaan Luottamusvälit Normaalijakauma johnkin kohtaan Perusjoukko ja otanta Jos halutaan tutkia esimerkiksi Suomessa elävien naarashirvien painoa, se voidaan (periaatteessa) tehdä kahdella tavalla: 1. tutkimalla

Lisätiedot