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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

1 Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Jatkuvia jakaumia Avaisaat: Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Kertymäfuktio, Keskeie raja-arvolause, Mediaai, Normaaliapproksimaatio, Normaali jakauma, Odotusarvo, Poissojakauma, Stadardipoikkeama, Stadardoiti, Taulukot, Tiheysfuktio, Variassi Jatkuvia jakaumia Jatkuva tasaie jakauma Olkoo jatkuva satuaismuuttuja X tiheysfuktio 0, x< a f ( x) =, a x b b a 0, x> a Tällöi satuaismuuttuja X oudattaa jatkuvaa tasaista jakaumaa parametreiaa a ja b. Merkitää: X Uiform( ab, ) Jatkuva tasaise jakauma tuusluvut Odotusarvo: a+ b E( X ) = Variassi ja stadardipoikkeama: ( b a) D( X) = Var( X) = b a D( X ) = 3 Jatkuva tasaise jakauma kertymäfuktio Jatkuva tasaise jakauma kertymäfuktio o 0, x a x a F( x) = Pr( X x) =, a x b b a, x b Ilkka Melli (008) /6

2 Ekspoettijakauma Olkoo jatkuva satuaismuuttuja X tiheysfuktio f(x) = λexp( λx), λ > 0, x 0 Tällöi satuaismuuttuja X oudattaa ekspoettijakaumaa parametrilla λ. Merkitää: X Exp( λ) Ekspoettijakauma tuusluvut Odotusarvo: E( X ) = λ Variassi ja stadardipoikkeama: D( X) = Var( X) = λ D( X ) = λ Ekspoettijakauma kertymäfuktio Ekspoettijakauma kertymäfuktioksi saadaa x F( x) = f( t) dt = λexp( λt) dt x 0 0 [ exp( λt) ] = 0 = exp( λx), λ > 0, x 0 Site Pr(X > x) = P(X x) = F(x) = exp( λx) jossa F(x) o ekspoettijakauma kertymäfuktio. Ekspoettijakauma ja Poisso-jakauma Olkoo Oletetaa, että ja olkoo x X = odotusaika. tapahtumalle (tai tapahtumie väliaika) X Exp(λ) Z = tapahtumie lukumäärä aikayksikköä kohde Tällöi Z o diskreetti satuaismuuttuja, joka oudattaa Poisso-jakaumaa parametrilla λ (ks. 4. harjoitukset): jolloi Z Poisso(λ) Ilkka Melli (008) /6

3 E(Z) = λ Voidaa osoittaa, että jakaumie välie yhteys toimii molempii suutii: ts. jos satuaismuuttuja Z = tapahtumie lukumäärä aikayksikköä kohde oudattaa Poisso-jakaumaa parametrilla λ: Z Poisso(λ) ii satuaismuuttuja X = odotusaika. tapahtumalle (tai tapahtumie väliaika) oudattaa ekspoettijakaumaa parametrilla λ: X Exp(λ) Normaalijakauma Olkoo jatkuva satuaismuuttuja X tiheysfuktio x µ f( x) = exp, < µ <+, σ > 0, < x<+ πσ σ Tällöi satuaismuuttuja X oudattaa ormaalijakaumaa parametrei µ ja σ. Merkitää: X N( µ, σ ) Normaalijakauma tiheysfuktio omiaisuuksia (i) Normaalijakauma tiheysfuktio f(x) o kaikkialla positiivie: f(x) > 0, < x < + (ii) Tiheysfuktio o yksihuippuie. (iii) Tiheysfuktio saa maksimiarvosa pisteessä µ. (iv) Tiheysfuktio o symmetrie pistee x = µ suhtee: f(µ x) = f(µ + x), < x < + Normaalijakauma tuusluvut Odotusarvo: E( X ) = µ Variassi ja stadardipoikkeama: D( X) = Var( X) = σ D( X ) = σ Ilkka Melli (008) 3/6

4 Stadardoitu ormaalijakauma Jos X N(0,) saomme, että satuaismuuttuja X oudattaa stadardoitua ormaalijakaumaa. Stadardoiti Jos X N( µ, σ ) ii X µ Z = N(0,) σ Normaalijakauma ja stadardoitu ormaalijakauma Olkoo X N( µ, σ ) Tällöi X µ Z = N(0,) σ ja a µ X µ b µ a µ b µ Pr( a X b) = Pr = Pr Z σ σ σ σ σ Site ormaalijakaumaa N( µ, σ ) liittyvät todeäköisyydet voidaa aia määrätä stadardoidu ormaalijakauma N(0,) avulla. Esimerkki: Riippumattomie ormaalijakaumaa oudattavie satuaismuuttujie summa jakauma Käytämme tehtävä ratkaisemisessa stadardoidu ormaalijakauma N(0, ) taulukoita. Kurssilla jaetuissa taulukoissa o taulukoitua stadardoidu ormaalijakauma N(0,) kertymäfuktio arvoja F(x) = Pr(X x) ku x saa arvoja suljetulta väliltä [ 3.59, +3.59] 0.0: välei: Stadardoidu ormaalijakauma N(0,) taulukoista saadaa: Ilkka Melli (008) 4/6

5 Aluee A pita-ala = Pr(.5 X 3).5 X 3 = Pr / / / = Pr( Z ) = Pr( Z ) Pr( Z ) = = Normaalijakaumaa oudattavie satuaismuuttujie summa jakauma Olkoo X i, i =,,, joo riippumattomia ormaalijakautueita satuaismuuttujia: X i N( µ i, σ i ), i =,,, X, X,, X Olkoo Y = X i= i riippumattomie satuaismuuttujie X i, i =,,, summa. Tällöi Y N( µ + µ + + µ, σ + σ + + σ ) Oletetaa, että riippumattomat satuaismuuttujat X i, i =,,, oudattavat samaa ormaalijakaumaa: X i N( µσ, ), i =,,, X, X,, X Tällöi Y = X i= i N( µ, σ ) Normaalijakaumaa oudattavie satuaismuuttujie aritmeettise keskiarvo jakauma Olkoo X i, i =,,, joo riippumattomia, samaa ormaalijakaumaa oudattavia satuaismuuttujia: X i N( µσ, ), i =,,, X, X,, X Ilkka Melli (008) 5/6

6 Olkoo X = X i i = riippumattomie satuaismuuttujie X i, i =,,, aritmeettie keskiarvo. Tällöi σ X N µ, Keskeie raja-arvolause Olkoo X i, i =,,, joo riippumattomia, samoi jakautueita satuaismuuttujia, joide odotusarvo ja variassi ovat Olkoo E( X ) = µ, i =,,, i X i D( i ) = σ, =,,, Y = X i= i riippumattomie satuaismuuttujie X i, i =,,, summa. Tällöi E( Y ) = µ D( Y ) = σ Stadardoidaa satuaismuuttuja Y : Z Y µ = σ Jos + ii satuaismuuttuja Z jakauma lähestyy rajatta stadardoitua ormaalijakaumaa N(0,): X µ i i= lim Pr z =Φ( z) + σ jossa Φ(z) o stadardoidu ormaalijakauma N(0,) kertymäfuktio. Merkitä: Z a N(0,) Ilkka Melli (008) 6/6

7 Keskeie raja-arvolause ja biomijakauma Olkoo X Bi(, p) ja q = p jolloi E( X ) = p D( X ) = pq Koska biomijakautuut satuaismuuttuja X voidaa esittää riippumattomie, samaa Beroullijakaumaa Beroulli(p) oudattavie satuaismuuttujie summaa, keskeisestä raja-arvolauseesta seuraa, että X p lim Pr z ( z) + =Φ pq jossa Φ o stadardoidu ormaalijakauma N(0,) kertymäfuktio. Tätä keskeise rajaarvolausee erikoistapausta kutsutaa tavallisesti De Moivre ja Laplace raja-arvolauseeksi. Keskeie raja-arvolause ja Poisso-jakauma Olkoo X Poisso(λ) jolloi E( X ) = λ D( X ) = λ Tällöi keskeisestä raja-arvolauseesta seuraa, että X λ lim Pr z ( z) + =Φ λ jossa Φ o stadardoidu ormaalijakauma N(0,) kertymäfuktio. Ilkka Melli (008) 7/6

8 Tehtävä 5.. Sähkölampu eliikä X (yksikköä 000 h) oudattaa jakaumaa, joka tiheysfuktio o f(x) = c/x, x 0 missä c o vakio. (a) Määrää vakio c arvo. (b) Millä todeäköisyydellä lamppu kestää yli 5000 h? (c) Mikä o lampu keskimääräie eliikä? (d) Määrää lampu eliiä mediaai eli määrää aika x, jolla Pr(X x) = 0.5. Tehtävä 5.. Mitä opimme? Tehtävässä sovelletaa erästä jatkuvaa jakaumaa. Yleistietoja jatkuvista satuaismuuttujista ja jakaumista sekä jakaumie tuusluvuista: ks. 3. harjoitukset. Tehtävä 5.. Ratkaisu: (a) Jatkuvasatuaismuuttujatiheysfuktio f(x) toteuttaa ehdo + f ( xdx ) Site vakio c saadaa määrätyksi yhtälöstä + 0 f 9 ( xdx ) c dx c c = = x x = = 0 0 c = 0 jote c = 0/9 (b) Tapahtuma {Lampu eliikä X > 5000 h} todeäköisyys saadaa itegroimalla satuaismuuttuja X tiheysfuktio välillä [5, 0]: 0 Pr( X > 5) = f( x) dx = dx = x 9 x = = = Ilkka Melli (008) 8/6

9 (c) Lampu keskimääräie eliikä o lampu eliiä X odotusarvo: 0 E( X) = xf( x) dx = log( ) 9 x dx= dx x x 9 = x 9 [ ] 0 0 = ( log(0) log() ) = log(0) Site lampu keskimäääräie eliikä o tuteia. 558 h. 0 (d) Lampu eliiä mediaai saadaa ehdosta Pr( X x) = f( t) dt x x 0 0 = dt = t 9 t 9 0 = = x josta mediaai arvoksi saadaa x = 0/.88 Site lampu eliiä mediaai o tuteia. 88 h. x Tehtävä 5.. Eräässä maata kiertävällä radalla olevassa satelliitissa o ilmaisi, joka eliikä X (yksikköä vuosi) oudattaa ekspoettijakaumaa parametriaa /. (a) Mikä ilmaisime keskimääräie eliikä? (b) Määrää ilmaisime eliiä mediaai eli määrää ikä x site, että Pr(X x) = 0.5. (c) Määrää todeäköisyys, että ilmaisi kestää kauemmi kui vuotta. (d) Millä todeäköisyydellä ilmaisi toimii vähitää vielä yhde vuode, jos se o jo toimiut vuode? (e) Millä todeäköisyydellä ilmaisi toimii vähitää vielä yhde vuode, jos se o jo toimiut kaksi vuotta? (f) Mikä o odotettavissa oleva rikkoutumiste lukumäärä :ssa vuodessa? Tehtävä 5.. Mitä opimme? Tehtävässä sovelletaa ekspoettijakaumaa. Yleistietoja jatkuvista satuaismuuttujista ja jakaumista sekä jakaumie tuusluvuista: ks. 3. harjoitukset. Ilkka Melli (008) 9/6

10 Tehtävä 5.. Ratkaisu: Tehtävä satuaismuuttuja X = ilmaisime eliikä vuosia oudattaa ekspoettijakaumaa parametrilla λ = /: X Exp(/) (a) Ilmaisime keskimääräie eliikä o kompoeti eliiä X odotusarvo: E(X) = /λ = vuotta (b) Ekspoettijakautueelle satuaismuuttujalle X pätee Pr(X > x) = P(X x) = F(x) = exp( λx) jossa F(x) o ekspoettijakauma kertymäfuktio. Site Pr(X > x) = 0.5 exp( λx) = 0.5 x = log()/λ = log() =.386 Site satuaismuuttuja X mediaai o..386 vuotta. (c) Kohdassa (b) maiitusta aputuloksesta seuraa, että Pr(X > ) = exp( λ) = exp( ) (d) ja (e) Koska espoettijakaumalla o s. uohtamisomiaisuus, kohdissa (d) ja (e) saadaa sama vastaus: Pr( Toimii vähitää vielä vuode O toimiut jo a vuotta ) = Pr(X > a + X > a) = Pr(X > a + )/Pr(X > a) = exp( λ(a + ))/exp( λa) = exp( λ) = Pr(X > ) = Pr( Toimii vähitää vielä vuode ) Site kohdassa (b) maiitusta aputuloksesta seuraa, että Pr(X > ) = exp( λ) = exp( /) Ilkka Melli (008) 0/6

11 (f) Olkoo X = ilmaisime eliikä vuosia Oletuste mukaa X Exp(λ) jossa λ = /. Olkoo Z = rikkoutumiste lukumäärä :ssa vuodessa Tällöi Z Poisso(λs) ja odotettavissa oleva rikkoutumiste lukumäärä :ssa vuodessa o E(Z) = λs = (/) = kpl Tehtävissä tutustutaa ormaalijakaumaa ja harjoitellaa ormaalijakauma taulukoide käyttöä. Tehtävä 5.3. Olkoo satuaismuuttuja Z N(0,). (a) Määrää satuaismuuttuja Z mediaai eli piste z site, että Pr(Z z) = 0.5. (b) Määrää Pr(Z > ). (c) Määrää Pr(Z ). (d) Määrää z site, että Pr(Z z) = (e) Määrää z site, että Pr(Z z) = (f) Määrää Pr( Z ). (g) Määrää z site, että Pr( Z z) = Olkoo satuaismuuttuja X N(,9). (h) Määrää Pr(X ). (i) Määrää x site, että Pr(X x) = Tehtävä 5.3. Mitä opimme? Tehtävässä tarkastellaa ormaalijakaumaa ja todeäköisyyksie määräämistä ormaalijakaumasta. Yleistietoja jatkuvista satuaismuuttujista ja jakaumista sekä jakaumie tuusluvuista: ks. 3. harjoitukset. Ilkka Melli (008) /6

12 Tehtävä 5.3. Ratkaisu: (a) Koska satuaismuuttuja Z jakauma o symmetrie jakauma paiopistee µ = 0 suhtee, ii Pr(Z 0) = 0.5 = Pr(Z 0) Tämä ähdää myös stadardoidu ormaalijakauma taulukoista. (b) Pr(Z > ) = Pr(Z ) = = (c) Pr(Z ) = = Pr(Z ) Sama tulos saadaa myös (b)-kohdasta, koska stadardoitu ormaalijakauma N(0,) o symmetrie jakauma paiopistee µ = 0 suhtee: Pr(Z ) = Pr(Z ) = Pr(Z > ) = (d) Pr(Z z) = 0.95 z =.64 (e) Todetaa esi, että Pr(Z z) = 0.05 Pr(Z z) = Pr(Z z) = 0.05 = 0.95 Site (d)-kohdasta saadaa: Pr(Z z) = 0.95 z =.64 (f) Todetaa esi, että stadardoidu ormaalijakauma N(0,) symmetria takia Pr( Z ) = Pr( Z +) = Pr(Z +) Pr(Z ) = Pr(Z +) ( Pr(Z )) = Pr(Z +) ( Pr(Z +)) = Pr(Z +) Pr(Z +) = Site Pr( Z ) = Pr(Z +) = = Ilkka Melli (008) /6

13 (g) Todetaa esi, että stadardoidu ormaalijakauma N(0,) symmetria takia Pr( Z z) = Pr(Z z) Site Pr( Z z) = Pr(Z z) = 0.05 Pr(Z z) = 0.05 Pr(Z z) = z =.96 Olkoo satuaismuuttuja X N(,9), jolloi E(X) = µ = Var(X) = D (X) = σ = 9 D(X) = σ = 3 Tällöi stadardoitu satuaismuuttuja Z = (X µ)/σ = (X )/3 N(0,) ja X = σ Z + µ = 3 Z + N(,9) (h) Todetaa esi, että X Pr( X ) = Pr = Pr( Z / 3) 3 3 jossa Z = (X )/3 N(0,) Pr(Z /3) = 0.54 = Pr(X ) (i) Pr(Z z) = 0.05 Pr(Z z) = 0.95 z =.64 Site x = 3 z + = = 5.9 Tehtävä 5.4. Olkoo satuaismuuttuja Z N(0,). (a) Määrää Pr(Z =.5). (b) Määrää Pr(Z.5). (c) Määrää Pr(Z >.5). (d) Määrää z site, että Pr(Z z) = Ilkka Melli (008) 3/6

14 (e) Määrää z site, että Pr(Z z) = (f) Määrää Pr( Z.96). (g) Määrää z site, että Pr( Z z) = 0.0. Tehtävä 5.4. Mitä opimme? Tehtävässä tarkastellaa ormaalijakaumaa ja todeäköisyyksie määräämistä ormaalijakaumasta. Ks. myös tehtävää 5.3. Tehtävä 5.4. Ratkaisu: (a) Kaikille jatkuville satuaismuuttujille yhde pistee todeäköisyys = 0. Site Pr(Z =.5) = 0 (b) Pr(Z.5) = (c) Komplemettitapahtuma todeäköisyyde kaava mukaa: Pr(Z >.5) = Pr(Z.5) Pr(Z.5) = Site Pr(Z >.5) = Pr(Z.5) = = Kysytty todeäköisyys voidaa määrätä myös seuraavalla tavalla: Koska stadardoitu ormaalijakauma N(0,) o symmetrie jakauma paiopistee µ = 0 suhtee, saadaa (b)-kohda perusteella: Pr(Z >.5) = Pr(Z.5) = (d) Pr(Z z) = 0.99 z =.33 (e) Jos Pr(Z z) = 0.90 ii komplemettitapahtuma todeäköisyyde kaava mukaa Pr(Z z) = Pr(Z z) = 0.90 = 0.0 z =.8 Ilkka Melli (008) 4/6

15 (f) Todetaa esi, että stadardoidu ormaalijakauma N(0,) symmetria takia Pr( Z.96) = Pr(.96 Z +.96) = Pr(Z +.96) Pr(Z.96) = Pr(Z +.96) ( Pr(Z.96)) = Pr(Z +.96) ( Pr(Z +.96)) = Pr(Z +.96) Pr(Z +.96) = Site Pr( Z.96) = Pr(Z +.96) = = 0.95 (g) Todetaa esi, että stadardoidu ormaalijakauma N(0,) symmetria takia Pr( Z z) = Pr(Z z) Site Pr( Z z) = Pr(Z z) = 0.0 Pr(Z z) = Pr(Z z) = z =.57 Tehtävä 5.5. Olkoo satuaismuuttuja X N(,4). (a) Määrää P(X = ). (b) Määrää satuaismuuttuja X mediaai eli x site, että Pr(X x) = 0.5. (c) Määrää Pr(X 3). (d) Määrää x site, että Pr(X x) = (e) Määrää x site, että Pr(X x) = 0.0. (f) Määrää satuaismuuttuja X odotusarvoo µ ähde symmetriset pisteet µ x ja µ + x ii, että iide ulkopuolelle jää todeäköisyysmassasta 5 %. Tehtävä 5.5. Mitä opimme? Tehtävässä tarkastellaa ormaalijakaumaa ja todeäköisyyksie määräämistä ormaalijakaumasta. Ks. myös tehtäviä 5.3. ja 5.4. Tehtävä 5.5. Ratkaisu: Jos satuaismuuttuja X N(,4), ii Ilkka Melli (008) 5/6

16 E(X) = µ = Var(X) = D (X) = σ = 4 D(X) = σ = Tällöi stadardoitu satuaismuuttuja Z = (X µ)/σ = (X + )/ N(0,) ja X = σ Z + µ = Z N(,4) (a) Kaikilla jatkuvilla jakaumilla yhde pistee todeäköisyys = 0. Site Pr(X = ) = 0 (b) Koska ormaalijakauma o symmetrie jakauma paiopistee µ = suhtee, ii Pr(X ) = 0.5 (c) Todetaa esi, että Pr(X 3) = Pr((X +)/ ( 3 + )/) = Pr(Z ) jossa Z = (X +)/ ~ N(0, ) Pr(Z ) = = Pr(X 3) (d) Pr(Z z) = 0.99 z =.33 Site x = (.33) = 3.66 (e) Pr(Z z) = 0.0 z =.33 Site x = (.33) = 5.66 Kommetti (d)- ja (e)-kohtii: Pisteet 5.66 ja 3.66 sijaitsevat symmetrisesti ormaalijakauma N(,4) odotusarvo molemmilla puolilla. Piste 5.66 erottaa jakauma vasemmalle häälle todeäköisyys- Ilkka Melli (008) 6/6

17 massa 0.0, piste 3.66 erottaa jakauma oikealle häälle todeäköisyysmassa 0.0. Pisteide 5.66 ja 3.66 välii jää todeäköisyysmassa Pr(X 5.66) Pr(X +.33) = = 0.98 (f) Todetaa esi, että Pr( Z z) = Pr(Z z) Site Pr( Z z) = Pr(Z z) = 0.05 Pr(Z z) = 0.05 Koska Pr(Z z) = Pr(Z z) voimme ratkaista z: yhtälöstä Pr(Z z) = Pr(Z z) = 0.05 = z =.96 Site µ + x = σ Z + µ = +.96 =.9 µ x = σ Z + µ =.96 = 4.9 Tehtävä 5.6. Olkoo X mielivaltaie jatkuva satuaismuuttuja. Satuaismuuttuja X kvartiilit Q, Q, Q 3 toteuttavat seuraavat yhtälöt: (a) Pr(X Q ) = 0.5 (b) Pr(X Q ) = 0.50 (c) Pr(X Q 3 ) = 0.75 Määrää satuaismuuttuja Z N(0,) kvartiilit. Tehtävä 5.6. Mitä opimme? Tehtävässä tarkastellaa ormaalijakaumaa ja todeäköisyyksie määräämistä ormaalijakaumasta. Ks. myös tehtäviä 5.3., 5.4. ja 5.5. Tehtävä 5.6. Ratkaisu: (a) Stadardoidu ormaalijakauma taulukoista: Pr(X Q ) = 0.5 Q = 0.67 Ilkka Melli (008) 7/6

18 (b) Stadardoidu ormaalijakauma taulukoista: Pr(X Q ) = 0.50 Q = 0 Tulos seuraa myös siitä, että stadardoitu ormaalijakauma o symmetrie jakauma paiopistee µ = 0 suhtee. Huomaa, että keskikvartiili Q o siis myös jakauma mediaai. (c) Stadardoidu ormaalijakauma taulukoista: Pr(X Q 3 ) = 0.75 Q = Tulos seuraa myös (a)-kohdasta, koska stadardoitu ormaalijakauma o symmetrie jakauma paiopistee µ = 0 suhtee. Tehtävä 5.7. Olkoo satuaismuuttuja X N( 0,5). (a) Määrää P(X = 0). (b) Määrää x site, että Pr(X x) = 0.5. Piste x = Q = satuaismuuttuja X mediaai. (c) Määrää Pr(X 5). (d) Määrää satuaismuuttuja X odotusarvoo µ ähde symmetriset pisteet µ x ja µ + x ii, että iide sisäpuolelle jää todeäköisyysmassasta 99 %. Tehtävä 5.7. Mitä opimme? Tehtävässä tarkastellaa ormaalijakaumaa ja todeäköisyyksie määräämistä ormaalijakaumasta. Ks. myös tehtäviä 5.3., 5.4., 5.5. ja 5.6. Tehtävä 5.7. Ratkaisu: Olkoo satuaismuuttuja X N( 0,5), jolloi E(X) = µ = 0 Var(X) = D (X) = σ = 5 D(X) = σ = 5 Tällöi stadardoitu satuaismuuttuja ja Z = (X µ)/σ = (X + 0)/5 N(0,) X = σ Z + µ = 5 Z 0 N( 0,5) (a) Kaikille jatkuville satuaismuuttujille yhde pistee todeäköisyys = 0. Site Pr(X = 0) = 0 Ilkka Melli (008) 8/6

19 (b) Koska ormaalijakauma N( 0,5) o symmetrie jakauma paiopistee µ = 0 suhtee, saadaa suoraa Pr(X 0) = 0.5 jote x = 0 Formaalimmi sama tulos saadaa seuraavalla tavalla: Koska satuaismuuttuja Z N(0,), ii Pr(Z z) = 0.5 z = 0 x = 5 (0) 0 = 0 (c) Todetaa esi, että Pr(X 5) = Pr((X + 0)/5 ( 5 + 0)/5) = Pr(Z ) jossa Z = (X + 0)/5 N(0,) Pr(Z ) = (d) Todetaa esi, että stadardoidu ormaalijakauma N(0,) symmetria takia Pr( Z z) = Pr( z Z +z) = Pr(Z +z) Pr(Z z) = Pr(Z +z) ( Pr(Z z) = Pr(Z +z) ( Pr(Z +z)) = Pr(Z +z) Site Pr( Z z) = 0.99 Pr(Z z) = 0.99 Pr(Z z) = z =.58 Site µ + x = =.9 µ x = =.9 Ilkka Melli (008) 9/6

20 Tehtävissä tarkastellaa keskeise raja-arvolausee soveltamista biomi- ja Poissotodeäköisyyksie laskemisee. Tehtävä 5.8. Heität virheetötä oppaa 000 kertaa. (a) Mikä o odotettavissa oleva kuutoste lukumäärä? (b) Mikä o todeäköisyys, että kuutoste lukumäärä o suljetulla välillä [960,080]? Ohje: Käytä (b)-kohdassa keskeisee raja-arvolauseesee perustuvaa ormaalijakaumaapproksimaatiota. Tehtävä 5.8. Mitä opimme? Tehtävässä tarkastellaa keskeise raja-arvolausee soveltamista biomitodeäköisyyksie laskemisee. Tehtävä 5.8. Ratkaisu: (a) Olkoo X kuutoste lukumäärä, ku virheetötä oppa heitetää 000 kertaa. X o satuaismuuttuja, joka oudattaa biomijakaumaa Bi(, p), jossa = 000 p = /6 Site odotettavissa oleva kuutoste lukumäärä o E(X) = p = 000 (b) Keskeise raja-arvolausee mukaa stadardoitu satuaismuuttuja X E( X) Z = a N(0,) D( X ) jossa E(X) = p = 000 D (X) = Var(X) = p( p) = D(X) = 40.8 Stadardoimalla satuaismuuttuja X ja käyttämällä stadardoidu ormaalijakauma N(0,) taulukoita saadaa kysyty todeäköisyyde approksimaatioksi: Pr(960 X 080) = Pr(( )/40.8 (X 000)/40.8 ( )/40.8) = Pr( 0.98 Z.96) = Pr(Z.96) Pr(Z 0.98) = = 0.85 Tehtävä 5.9. Ilkka Melli (008) 0/6

21 Radioaktiiviste aieide säteilyä mitataa Geiger-putkella. Mittaus tapahtuu rekisteröimällä impulssie lukumäärä 60: sekui aikaa. Oletetaa, että impulssie lukumäärä oudattaa Poisso-jakaumaa, jossa tapahtumaitesiteettiä o 00 impulssia/s. (a) Mikä o odotettavissa oleva impulssie lukumäärä miuuti aikaa? (b) Mikä o keskimääräie odotusaika esimmäiselle impulssille? (c) Mikä o todeäköisyys, että impulsseja tulee miuutissa korkeitaa 600? Ohje: Käytä (c)-kohdassa keskeisee raja-arvolauseesee perustuvaa ormaalijakaumaapproksimaatiota. Tehtävä 5.9. Mitä opimme? Tehtävässä tarkastellaa keskeise raja-arvolausee soveltamista Poissotodeäköisyyksie laskemisee. Tehtävä 5.9. Ratkaisu: Impulssie lukumäärä X yhde miuuti aikaa o satuaismuuttuja, joka oudattaa Poisso-jakaumaa Poisso(λt), jossa λ = 00 t = 60 s Site Poisso-jakauma parametria o λt = = 6000 (a) Odotettavissa oleva impulssie lukumäärä o Poisso-jakauma odotusarvo kaava mukaa E(X) = λt = = 6000 (b) Jos Poisso-jakauma tapahtumaitesiteettiä o λ ii. impulssi odotusaika Y Exp(λ) Site keskimääräie odotusaika esimmäiselle impulssille o E(Y) = /λ = /00 = 0.0 s (c) Keskeise raja-arvolausee mukaa stadardoitu satuaismuuttuja X E( X) Z = D( X ) a N(0,) jossa E(X) = λ = 6000 D (X) = Var(X) = λ = 6000 D(X) = Ilkka Melli (008) /6

22 Stadardoimalla satuaismuuttuja X ja käyttämällä stadardoidu ormaalijakauma N(0,) taulukoita saadaa kysyty todeäköisyyde approksimaatioksi: Pr(X 600) = Pr((X 6000)/77.46 ( )/77.46) = Pr(Z.9) = Tehtävä 5.0. Heität virheetötä rahaa kertaa. (a) Mikä o odotettavissa oleva kruuie lukumäärä? (b) Mikä o todeäköisyys, että kruuie lukumäärä o suljetulla välillä [49900,5000]? Ohje: Käytä (b)-kohdassa keskeisee raja-arvolauseesee perustuvaa ormaalijakaumaapproksimaatiota. Tehtävä 5.0. Mitä opimme? Tehtävässä tarkastellaa keskeise raja-arvolausee soveltamista biomitodeäköisyyksie laskemisee. Tehtävä 5.0. Ratkaisu: (a) Olkoo X kruuie lukumäärä, ku virheetötä rahaa heitetää kertaa. X o satuaismuuttuja, joka oudattaa biomijakaumaa Bi(, p), jossa = p = / Site odotettavissa oleva kruuie lukumäärä o E(X) = p = (b) Keskeise raja-arvolausee mukaa satuaismuuttuja X E( X) Z = a N(0,) D( X ) jossa E(X) = p = D (X) = Var(X) = p( p) = 5000 D(X) = 58. Stadardoimalla satuaismuuttuja X ja käyttämällä stadardoidu ormaalijakauma N(0,) taulukoita saadaa kysyty todeäköisyyde approksimaatioksi: Pr(49900 X 5000) = Pr(( )/58. (X 50000)/58. ( )/58.) = Pr( 0.63 Z.7) Ilkka Melli (008) /6

23 = Pr(Z.7) Pr(Z 0.63) = = Tehtävä 5.. Puhelime tukiasemaa tulevie puheluide lukumäärä oudattaa Poisso-jakaumaa, jossa tapahtumaitesiteettiä o 0 tulevaa puhelua/mi. (a) Mikä o odotettavissa oleva puheluide lukumäärä tui aikaa? (b) Mikä o keskimääräie puheluide tulo väliaika? (c) Mikä o todeäköisyys, että puheluita tulee tuissa eemmä kui 7300? Ohje: Käytä (c)-kohdassa keskeisee raja-arvolauseesee perustuvaa ormaalijakaumaapproksimaatiota. Tehtävä 5.. Mitä opimme? Tehtävässä tarkastellaa keskeise raja-arvolausee soveltamista Poissotodeäköisyyksie laskemisee. Tehtävä 5.. Ratkaisu: Puheluide lukumäärä X yhde tui aikaa o satuaismuuttuja, joka oudattaa Poissojakaumaa Poisso(λt), jossa λ = 0 t = 60 mi Site Poisso-jakauma parametria o λt = 0 60 = 700 (a) Odotettavissa oleva impulssie lukumäärä o Poisso-jakauma odotusarvo kaava mukaa E(X) = λt = 0 60 = 700 (b) Jos Poisso-jakauma tapahtumaitesiteetti o λ, ii puheluide väliaika Y Exp(λ) Site keskimääräie odotusarvo seuraavalle puhelulle o ekspoettijakauma odotusarvo kaava mukaa E(Y) = /λ = /0 mi = 0.5 s Ilkka Melli (008) 3/6

24 (c) Keskeise raja-arvolausee mukaa satuaismuuttuja X E( X) Z = a N(0,) D( X ) jossa E(X) = λ = 700 D (X) = Var(X) = λ = 700 D(X) = Stadardoimalla satuaismuuttuja X ja käyttämällä stadardoidu ormaalijakauma N(0,) taulukoita saadaa kysyty todeäköisyyde approksimaatioksi: Pr(X > 7300) = Pr((X 700)/84.85 > ( )/84.85) = Pr(Z >.8) = Pr(Z.8) = = 0.90 Tehtävä 5.. Oletetaa, että eräide kompoettie eliiät ovat riippumattomia satuaismuuttujia, jotka oudattavat samaa ekspoettijakaumaa parametriaa λ. Määrää sellaise systeemi eliiä jakauma ja keskimääräie eliikä, jossa kompoettia o kytketty (a) sarjaa, (b) ria. Tehtävä 5.. Mitä opimme? Tehtävässä johdetaa sarjaa ja ria kytkettyje kompoettie muodostamie systeemie eliikie jakaumat, ku kompoettie eliiät oudattavat samaa ekspoettijakaumaa. Sarjaa kytkettyje kompoettie muodostama systeemi eliiä jakauma yhtyy yksittäiste kompoettie eliikie miimi jakaumaa. Ria kytkettyje kompoettie muodostama systeemi eliiä jakauma yhtyy yksittäiste kompoettie eliikie maksimi jakaumaa. Tehtävä 5.. Ratkaisu: Olkoot kompoettie K, K,, K eliiät Z, Z,, Z riippumattomia, samaa ekspoettijakaumaa Exp(λ) oudattavia satuaismuuttujia. (a) Olkoo Z () sarjaa kytkety systeemi eliikä. Koska systeemi toimii, kues. kompoetti vikaatuu, ii Ilkka Melli (008) 4/6

25 Z () = mi{z, Z,, Z } Soveltamalla kertymäfuktio määritelmää ja riippumattomie tapahtumie tulosäätöä satuaismuuttuja Z () kertymäfuktioksi F () (z) saadaa: F () (z) = Pr(Z () z) = Pr(Z () > z) = Pr(Z > z ja Z > z ja ja Z > z) = Pr(Z > z)pr(z > z) Pr(Z > z) = [ F(z)] Derivoimalla satuaismuuttuja Z () tiheysfuktioksi f () (z) saadaa: f z F z F z f z ()( ) = () ( ) = [ ( )] ( ) Koska satuaismuuttujat Z i, i =,,, oudattavat samaa ekspoettijakaumaa parametrilla λ, ii iide kertymäfuktiot ovat muotoa F i (z) = exp( λz), i =,,, Site satuaismuuttuja Z () kertymäfuktioksi saadaaa F () (z) = [ ( exp( λz))] = exp( λz) Derivoimalla satuaismuuttuja Z () tiheysfuktioksi saadaa f ( z) = F ( z) = λ exp( λ z) () () Site sarjaa kytkety systeemi eliikä oudattaa expoettijakaumaa parametrilla λ. Suoraa ekspoettijakauma odotusarvo kaavasta ähdää, että E(Z i ) = /λ E(Z () ) = /(λ) (b) Olkoo Z () ria kytkety systeemi eliikä. Koska systeemi toimii, kues. kompoetti vikaatuu, ii Z () = max{z, Z,, Z } Soveltamalla kertymäfuktio määritelmää ja riippumattomie tapahtumie tulosäätöä satuaismuuttuja Z () kertymäfuktioksi F () (z).saadaa: F () (z) = Pr(Z () z) = Pr(Z z ja Z z ja ja Z z) = Pr(Z z)pr(z z) Pr(Z z) = F(z) Ilkka Melli (008) 5/6

26 Derivoimalla satuaismuuttuja Z () tiheysfuktioksi saadaa f z F z F z f z ( ) ( ) = ( ) ( ) = [ ( )] ( ) Koska satuaismuuttujat Z i, i =,,, oudattavat samaa ekspoettijakaumaa parametrilla λ, ii iide kertymäfuktiot ovat muotoa F i (z) = exp( λz), i =,,, Site satuaismuuttuja Z () kertymäfuktioksi saadaaa F () (z) = [ exp( λz)] Derivoimalla satuaismuuttuja Z () tiheysfuktioksi saadaa f z F z z z ( ) ( ) = ( ) ( ) = λ[ exp( λ )] exp( λ ) Site ria kytkety systeemi eliikä ei oudata mitää tavaomaista jakaumaa. Erityisesti se ei oudata ekspoettijakaumaa. Suoraa ekspoettijakauma odotusarvo kaavasta ähdää, että E(Z i ) = /λ ja lisäksi voidaa osoittaa, että E( Z( )) = ( ) λ Satuaismuuttuja Z () odotusarvo lauseke saadaa rekursiokaavasta E = + E, E = E(Z () ) λ joka voidaa todistaa iduktiolla. Huomautuksia tehtävää 5.: (i) (a)-kohdassa o johdettu yleie lauseke samaa jakaumaa oudattavie riippumattomie satuaismuuttujie miimi jaukaumalle. Lisäksi (a)-kohdasta ähdää seuravaa: Jos ko. satuaismuuttujat oudattavat samaa ekspoettijakaumaa parametrilla λ, ii iide miimi oudattaa ekspoettijakaumaa parametrilla λ. (ii) (b)-kohdassa o johdettu yleie lauseke samaa jakaumaa oudattavie riippumattomie satuaismuuttujie maksimi jaukaumalle. Lisäksi (b)-kohdasta ähdää seuraavaa: Jos ko. satuaismuuttujat oudattavat samaa ekspoettijakaumaa parametrilla λ, ii iide maksimi ei oudata ekspoettijakaumaa. Ilkka Melli (008) 6/6

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

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien 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

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

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi. Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet

Lisätiedot

5. laskuharjoituskierros, vko 8, ratkaisut

5. 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

Lisätiedot

Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma,

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

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

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

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

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

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Ssteemiaalsi laboratorio Mat-2.9 Sovellettu todeäköisslasku A Nordlud Harjoitus 6 (vko 43/23) (Aihe: sekamalli, hteisjakaumia, Laiie luvut 6. 6.3, 8. 8.9). Tässä o edellise viiko laskareissa luvattu

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

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka 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

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

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

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

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

Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia TKK (c) Ilkka Mellin (2005) 1 Jatkuvia jakaumia Jatkuva tasainen jakauma Eksponenttijakauma Normaalijakauma Keskeinen raja-arvolause TKK (c) Ilkka Mellin

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

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

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut Mat-2.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Kaksiulotteie ormaalijakauma Mitta-asteikot Havaitoaieisto kuvaamie ja otostuusluvut Avaisaat: Ehdollie jakauma, Ehdollie odotusarvo, Ehdollie variassi,

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia TKK (c) Ilkka Mellin (2006) 1 Jatkuvia jakaumia >> Jatkuva tasainen jakauma Eksponenttijakauma Normaalijakauma Keskeinen

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

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

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia Todeäköisyyslasketa I, kesä 207 Helsigi yliopisto/avoi yliopisto Harjoitus 3, ratkaisuehdotuksia. Aikaisemma viiko teemaa. Edessäsi o kaksi laatikkoa A ja B. Laatikossa A o 8 palloa, joista puolet valkoisia.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien 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

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

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

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

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

4.1. 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

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 28. syyskuuta 2007 Antti Rasila () TodB 28. syyskuuta 2007 1 / 20 1 Jatkoa diskreeteille jakaumille Negatiivinen binomijakauma Poisson-jakauma Diskreettien

Lisätiedot

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia KE (2014) 1 Hypergeometrinen jakauma Hypergeometrinen jakauma

Lisätiedot

Jatkuvia jakaumia. Jatkuvia jakaumia. Jatkuvia jakaumia Mitä opimme? 2/3. Jatkuvia jakaumia Mitä opimme? 1/3. Jatkuvia jakaumia Mitä opimme?

Jatkuvia 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:

Lisätiedot

Diskreettejä jakaumia. Diskreettejä jakaumia. Diskreettejä jakaumia Mitä opimme? 2/3. Diskreettejä jakaumia Mitä opimme? 1/3

Diskreettejä jakaumia. Diskreettejä jakaumia. Diskreettejä jakaumia Mitä opimme? 2/3. Diskreettejä jakaumia Mitä opimme? 1/3 TKK (c) Ilkka Melli (4) Diskeettejä jakaumia Johdatus todeäköisyyslasketaa Diskeettejä jakaumia Diskeetti tasaie jakauma Beoulli-jakauma Biomijakauma Geometie jakauma Negatiivie biomijakauma Hyegeometie

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

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).

1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit). Luku 7 Parametrie estimoiti Lasse Leskelä Aalto-yliopisto 2. lokakuuta 2017 7.1 Tilastollie päättely Tähä meessä o opittu eustamaa tapahtumie todeäköisyyksiä aetu stokastise malli pohjalta. Eusteide laskemiseksi

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/5

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

Lisätiedot

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

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

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat: Mat-.60 Sovellettu todeäköisyyslasketa B Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Estimoiti Estimoitimeetelmät Väliestimoiti Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Beroulli-koe,

Lisätiedot

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

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

Lisätiedot

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi. / Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,

Lisätiedot

Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta johdettuja jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat: Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva

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

= 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

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

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

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

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

Lisätiedot

Todennäköisyyslaskenta: Todennäköisyysjakaumia

Todennäköisyyslaskenta: Todennäköisyysjakaumia Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia TKK @ Ilkka Melli (6) 33

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

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

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

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

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

Lisätiedot

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

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3A Normaaliapproksimaatio Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3A Satunnaismuuttujien summa ja keskihajonta Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

6. laskuharjoitusten vastaukset (viikot 10 11)

6. 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

Lisätiedot

D ( ) E( ) E( ) 2.917

D ( ) 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,

Lisätiedot

Kurssin alkuosan sisältö. Tilastotieteen jatkokurssi. Kurssin loppuosan sisältö. 1. Todennäköisyyslaskenta. Heikki Hyhkö. 1. Todennäköisyyslaskenta

Kurssin alkuosan sisältö. Tilastotieteen jatkokurssi. Kurssin loppuosan sisältö. 1. Todennäköisyyslaskenta. Heikki Hyhkö. 1. Todennäköisyyslaskenta Tilastotietee jatkokurssi Heikki Hyhkö kesä 03. Todeäköisyyslasketa Kurssi alkuosa sisältö Klassie todeäköisyys Kombiatoriikka Kokoaistodeäköisyys. Todeäköisyysjakaumat Satuaismuuttuja Odotusarvo& variassi

Lisätiedot

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut TKK (c) Ilkka Mellin (2005) 1 Jakaumien tunnusluvut Odotusarvo Varianssi Markovin ja Tshebyshevin epäyhtälöt Momentit Vinous ja huipukkuus Kvantiilit

Lisätiedot

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa Mat-.6 Sovellettu todennäköisyyslaskenta B Mat-.6 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Verkot ja todennäköisyyslaskenta Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio Jakaumien

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,

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

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

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

3. laskuharjoituskierros, vko 6, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa

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

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

Mat Sovellettu todennäköisyyslasku A

Mat 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

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

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

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

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio KE (2014) 1 Satunnaismuuttujat ja niiden todennäköisyysjakaumat Satunnaismuuttujat

Lisätiedot

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa Talousmatematiikan perusteet: Luento 17 Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa Motivointi Kahdella edellisellä luennolla olemme oppineet integrointisääntöjä

Lisätiedot

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

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

Lisätiedot

3.6 Su-estimaattorien asymptotiikka

3.6 Su-estimaattorien asymptotiikka 3.6 Su-estimaattorien asymptotiikka su-estimaattorit ovat usein olleet puutteellisia : ne ovat usein harhaisia ja eikä ne välttämättä ole täystehokkaita asymptoottisilta ominaisuuksiltaan ne ovat yleensä

Lisätiedot

Tilastomatematiikka Kevät 2008

Tilastomatematiikka Kevät 2008 Tilastomatematiikka Kevät 2008 Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastomatematiikka p.1/19 4.3 Varianssi Satunnaismuuttuja on neliöintegroituva, jos odotusarvo

Lisätiedot

JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos)

JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos) J. Virtamo 38.3143 Jonoteoria / Jatkuvat jakaumat 1 JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos) Määritelmä Ei-negatiivisen satunnaismuuttujan X 0, jonka tiheysfunktio on f(x), Laplace-muunnos

Lisätiedot

Sovellettu todennäköisyslasku

Sovellettu todennäköisyslasku Sovellettu todennäköisyslasku Työpäiväkirja 16.12.2001 Espoo Teknillinen korkeakoulu Systeemianalyysin laboratorio Jussi Matti Aleksi Jokelainen jussi.jokelainen@hut.fi Opiskelijanumero 123456A Sovellettu

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

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Aiheet: Satunnaisvektorit ja moniulotteiset jakaumat Tilastollinen riippuvuus ja lineaarinen korrelaatio Satunnaisvektorit ja moniulotteiset

Lisätiedot

Todennäköisyyslaskun kertaus. Heliövaara 1

Todennäköisyyslaskun kertaus. Heliövaara 1 Todennäköisyyslaskun kertaus Heliövaara 1 Satunnaismuuttujat ja todennäköisyysjakaumat Heliövaara 2 Stunnaismuuttujat ja todennäköisyysjakaumat Jos satunnaisilmiötä halutaan mallintaa matemaattisesti,

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 2 Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden

Lisätiedot

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1) HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1

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

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1, Todennäköisyyslaskenta, 2. kurssikoe 7.2.22 Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu.. Satunnaismuuttujien X ja Y yhteistiheysfunktio on

Lisätiedot