Mediaanikorko on kiinteäkorkoiselle lainalle korkeampi. Tämä hypoteesi vastaa taloustieteen käsitystä korkojen määräytymismekanismista.
|
|
- Juho Järvinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat-2.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit järjestysasteikollisille muuttujille Testit laatueroasteikollisille muuttujille Hypoteesi, Mannin ja Whitneyn testi (Wilcoxonin rankisummatesti), Merkkitesti, Nollahypoteesi, Parivertailuasetelma, p-arvo, Päätössääntö, Riippumattomien otosten testit, Suhteellisten osuuksien vertailutesti, Testi, Testi suhteelliselle osuudelle (Binomitesti), Testisuure, Testisuureen normaaliarvo, Testit järjestysasteikollisille muuttujille, Testit laatueroasteikollisille muuttujille, Vaihtoehtoinen hypoteesi, Wilcoxonin rankitesti, Yleinen hypoteesi. Mannin ja Whitneyn testi STATISTIX-tiedostossa MORT (2. harjoitukset, tehtävä ) on esitetty 9 amerikkalaisen pankin käyttämät korot asuntolainoille (muuttuja KORKO; yksikkö = %). Lainat on ryhmitelty kahteen ryhmään sen mukaan onko korko ollut kiinteä vai vaihtuva (muuttuja LAINATYYP; 0 = kiinteä korko, = vaihtuva korko). Testaa Mannin ja Whitneyn testillä (Wilcoxonin rankisummatestillä) nollahypoteesia, että mediaanikorko on kummallekin lainatyypille sama. Käytä vaihtoehtoisena hypoteesina oletusta: Ratkaisu: Mediaanikorko on kiinteäkorkoiselle lainalle korkeampi. Tämä hypoteesi vastaa taloustieteen käsitystä korkojen määräytymismekanismista. Ennen pitemmälle meneviä tilastollisia analyysejä kuten tilastollisia testejä on aina ensin syytä tutustua tutkimuksen kohteena olevaan aineistoon. Määräämme siksi aineistosta ensin tavanomaiset otostunnusluvut ja luokitellut frekvenssijakaumat (määritelmät: ks.. harjoitukset). TKK Ilkka Mellin (2005) /23
2 Tunnusluvut Statistics > Summary Statistics > Descriptive Statistics Descriptive Variables = KORKO Grouping Variable = LAINATYYP DESCRIPTIVE STATISTICS FOR LAINATYYP = 0 KORKO N 3 MEAN SD SE MEAN MINIMUM ST QUARTI MEDIAN RD QUARTI MAXIMUM DESCRIPTIVE STATISTICS FOR LAINATYYP = KORKO N 6 MEAN SD SE MEAN MINIMUM ST QUARTI MEDIAN RD QUARTI MAXIMUM Kiinteäkorkoisten lainojen (LAINATYYP = 0) mediaanikorko on selvästi korkeampi kuin vaihtuvakorkoisten lainojen (LAINATYYP = ) mediaanikorko. TKK Ilkka Mellin (2005) 2/23
3 Frekvenssijakaumat Data > Omit Cases LAINATYYP = i ; i = 0, Statistics > Summary Statistic > Frequency Distribution Frequency Variables = KORKO Bin Size Low = 4 High = 8 Step = 0.5 LAINATYYP = 0 FREQUENCY DISTRIBUTION OF KORKO CUMULATIVE LOW HIGH FREQ PERCENT FREQ PERCENT TOTAL LAINATYYP = FREQUENCY DISTRIBUTION OF KORKO CUMULATIVE LOW HIGH FREQ PERCENT FREQ PERCENT TOTAL Frekvenssijakaumista näkyy, että kiinteäkorkoisten lainojen (LAINATYYP = 0) korot ovat korkeampia kuin vaihtuvakorkoisten lainojen (LAINATYYP = ) korot. TKK Ilkka Mellin (2005) 3/23
4 Mannin ja Whitneyn testi eli Wilcoxonin rankisummatesti Nollahypoteesi: H 0 : Me(0) = Me() Vaihtoehtoinen hypoteesi: H : Me(0) > Me() Statistics > One, Two, Multi-Sample Tests > Rank Sum Test Model Specification = Categorical Dependent Variable = KORKO Categorical Variable = LAINATYYP RANK SUM TWO-SAMPLE (MANN-WHITNEY) TEST FOR KORKO BY LAINATYYP SAMPLE LAINATYYP RANK SUM SIZE U STAT MEAN RANK TOTAL EXACT PROBABILITY OF A RESULT AS or MORE EXTREME THAN THE OBSERVED RANKS (ONE-TAILED P-VALUE) NORMAL APPROXIMATION WITH CONTINUITY CORRECTION TWO-TAILED P-VALUE FOR NORMAL APPROXIMATION TOTAL NUMBER OF VALUES THAT WERE TIED 3 MAXIMUM DIFFERENCE ALLOWED BETWEEN TIES CASES INCLUDED 9 MISSING CASES Mannin ja Whitneyn testin testisuureen U arvoa vastaava eksakti p-arvo -suuntaiselle vaihtoehtoiselle hypoteesille = (neljällä desimaalilla). Normaaliapproksimaatioon perustuvan testisuureen z itseisarvo = Sitä vastaava p-arvo 2-suuntaiselle vaihtoehtoiselle hypoteesille = ja p-arvo -suuntaiselle vaihtoehtoiselle hypoteesille = /2 = Nollahypoteesi H 0 voidaan hylätä kaikilla tavanomaisilla merkitsevyystasoilla. TKK Ilkka Mellin (2005) 4/23
5 Tulostuksessa (merkinnät kuten luentokalvoilla): LAINATYYP = 0 X LAINATYYP = Y Havaintojen lukumäärät: n = 3 m = 6 Testisuureet: T = n R( X i ) = 69 U = nm + 2 n( n + ) T = 0 i= T 2 = m R( Yj ) = 2 U 2 = nm + 2 m( m + ) T2 = 78 j= jossa R(X i ) (R(Y i )) on havainnon X i (Y i ) järjestysnumero eli ranki yhdistetyssä otoksessa, jossa havainnot on asetettu suuruusjärjestykseen pienimmästä suurimpaan. Huomaa: U + U 2 = nm = 78 Normaaliapproksimaatiot saadaan kaavoista joissa ja U E( U ) z = = z 2 D( U) z U E( U ) = = z D( U 2) E( U ) = E( U ) = nm 2 2 D( U ) = D( U ) = nm( n+ m+ ) STATISTIX käyttää z-testisuureita laskettaessa jatkuvuuskorjausta. TKK Ilkka Mellin (2005) 5/23
6 2. Merkkitesti ja Wilcoxonin rankitesti STATISTIX-tiedostossa PalkkaMF (2. harjoitukset, tehtävä 2) on esitetty 0 amerikkalaismiehen (= MALE) ja 0 amerikkalaisnaisen (= FEMALE) vuosipalkat (yksikkö = $). Havainnot muodostuvat sovitetuista pareista, joissa jokaista miestä vastaa samanlaisen taustan (iän, ammatin, koulutustason, työpaikan jne.) omaava nainen. (a) (b) Testaa merkkitestillä ja Wilcoxonin rankitestillä nollahypoteesia, että miesten ja naisten mediaanipalkat eivät eroa tosistaan. Käytä vaihtoehtoisena hypoteesina oletusta: Naisten ja miesten palkat eroavat toisistaan. Tee merkkitesti ja Wilcoxonin rankitesti myös vastinparien palkkojen erotuksille ja vertaa tuloksia kohdan (a) tuloksiin. Ratkaisu: Ennen pitemmälle meneviä tilastollisia analyysejä kuten tilastollisia testejä on aina ensin syytä tutustua tutkimuksen kohteena olevaan aineistoon. Määräämme siksi aineistosta ensin tavanomaiset otostunnusluvut ja luokitellut frekvenssijakaumat. Tunnusluvut Statistics > Summary Statistics > Descriptive Statistics Descriptive Variables = FEMALE, MALE DESCRIPTIVE STATISTICS FEMALE MALE N 8 8 MEAN SD MINIMUM ST QUARTI MEDIAN RD QUARTI MAXIMUM Miesten mediaanipalkka on selvästi suurempi kuin naisten mediaanipalkka. TKK Ilkka Mellin (2005) 6/23
7 Frekvenssijakaumat Statistics > Summary Statistic > Frequency Distribution Frequency Variables = FEMALE, MALE Bin Size Low = High = Step = 2000 FREQUENCY DISTRIBUTION OF FEMALE CUMULATIVE LOW HIGH FREQ PERCENT FREQ PERCENT TOTAL FREQUENCY DISTRIBUTION OF MALE CUMULATIVE LOW HIGH FREQ PERCENT FREQ PERCENT TOTAL Useiden naisten palkat sijoittuvat alempiin palkkaluokkiin kuin miesten palkat. TKK Ilkka Mellin (2005) 7/23
8 (a) Merkkitesti ja Wilcoxonin rankitesti Nollahypoteesi: H 0 : Me(FEMALE) = Me(MALE) Vaihtoehtoinen hypoteesi: H : Me(FEMALE) Me(MALE) Merkkitesti Statistics > One, Two, Multi-Sample Tests > Sign Test Sample Variables = FEMALE, MALE SIGN TEST FOR FEMALE - MALE NUMBER OF NEGATIVE DIFFERENCES 6 NUMBER OF POSITIVE DIFFERENCES 2 NUMBER OF ZERO DIFFERENCES (IGNORED) 0 PROBABILITY OF A RESULT AS OR MORE EXTREME THAN OBSERVED A VALUE IS COUNTED AS A ZERO IF ITS ABSOLUTE VALUE IS LESS THAN CASES INCLUDED 8 MISSING CASES 0 Merkkitestin testisuureen S arvoa vastaava eksakti p-arvo -suuntaselle testille = ja 2-suuntaiselle vaihtoehtoiselle hypoteesille = = Nollahypoteesia H 0 ei voida hylätä merkitsevyystasolla Tulostuksessa (merkinnät kuten luentokalvoilla): FEMALE X Havaintojen lukumäärä: Testisuureet: n = 8 MALE Y S = 6 S + = 2 jossa S (S + ) on negatiivisten (positiivisten) erotusten lukumäärä. Huomaa: D i = X i Y i S + S + = n = 8 Testisuure S on nollahypoteesin H 0 pätiessä binomijakautunut parametrein n ja ½ : S Bin( n, ) 2 TKK Ilkka Mellin (2005) 8/23
9 Testi suhteelliselle osuudelle Merkkitesti voidaan ymmärtää testiksi suhteelliselle osuudelle. Siten testi voidaan tehdä ekvivalentisti testaamalla Bernoulli-jakauman parametria p koskevaa nollahypoteesia H 0 : p = ½ kun vaihtoehtoisena hypoteesina on H 0 : p ½ Lisätietoja testistä: ks. tehtävää 4. Statistics > One, Two, Multi-Sample Tests > Proportion Test Model Specification = One Sample Test Sample Size = 8 Number of Successes = 6 Null Hypothesis = 0.5 Alternate Hypothesis = Not Equal ONE-SAMPLE PROPORTION TEST SAMPLE SIZE 8 SUCCESSES 6 PROPORTION NULL HYPOTHESIS: P = 0.5 ALTERNATIVE HYP: P <> 0.5 DIFFERENCE STANDARD ERROR Z (UNCORRECTED).4 P Z (CORRECTED).06 P % CONFIDENCE INTERVAL UNCORRECTED ( ,.05006) CORRECTED ( ,.256) Testisuureen z arvoa.06 vastaava p-arvo (CORRECTED) 2-suuntaiselle vaihtoehtoiselle hypoteesille = , mikä on sopusoinnussa merkkitestin tuloksen kanssa. TKK Ilkka Mellin (2005) 9/23
10 Wilcoxonin rankitesti Statistics > One, Two, Multi-Sample Tests > Wilcoxon Signed Rank Test Sample Variables = FEMALE, MALE WILCOXON SIGNED RANK TEST FOR FEMALE - MALE SUM OF NEGATIVE RANKS SUM OF POSITIVE RANKS EXACT PROBABILITY OF A RESULT AS OR MORE EXTREME THAN THE OBSERVED RANKS ( TAILED P-VALUE) NORMAL APPROXIMATION WITH CONTINUITY CORRECTION.890 TWO TAILED P-VALUE for NORMAL APPROXIMATION TOTAL NUMBER OF VALUES THAT WERE TIED 0 NUMBER OF ZERO DIFFERENCES DROPPED 0 MAX. DIFF. ALLOWED BETWEEN TIES CASES INCLUDED 8 MISSING CASES 0 Wilcoxonin rankitestin testisuureen arvoa vastaava eksakti p-arvo -suuntaiselle vaihtoehtoiselle hypoteesille = Normaaliapproksimaatioon perustuvan testisuureen z itseisarvo =.890. Sitä vastaava p-arvo 2-suuntaiselle vaihtoehtoiselle hypoteesille = ja p-arvo -suuntaiselle vaihtoehtoiselle hypoteesille = /2 = , mikä on lähellä eksaktia p-arvoa. Nollahypoteesia ei voida hylätä merkitsevyystasolla 0.05, jos vaihtoehtoinen hypoteesi on 2-suuntainen. Nollahypoteesia voidaan hylätä merkitsevyystasolla 0.05, jos vaihtoehtoinen hypoteesi on -suuntainen. Huomaa, että Wilcoxonin rankitesti on terävämpi kuin merkkitesti, koska se käyttää informaation havaintojen järjestyksestä tarkemmin hyväkseen. TKK Ilkka Mellin (2005) 0/23
11 Tulostuksessa (merkinnät kuten luentokalvoilla): FEMALE X MALE Y Testisuureet: W W + = R( Z ) = 32 Di < 0 = R( Z ) = 4 Di > 0 i i jossa R(Z i ) on suuruusjärjestykseen pienimmästä suurimpaan asetettujen itseisarvojen D i = X i Y i järjestysnumero eli ranki. Havaintojen lukumäärä: n = 8 Huomaa: + W + W = ( ) 3 2 n n + = 6 Normaaliapproksimaatiot saadaan kaavoista joissa ja + + W E( W ) z = = z D( W ) + 2 z W E( W ) = = z D( W ) 2 + E( W ) = E( W ) = n( n+ ) 4 D( W ) = D( W ) = n( n+ )(2n+ ) STATISTIX käyttää z-testisuureiden lausekkeita laskettaessa jatkuvuuskorjausta. TKK Ilkka Mellin (2005) /23
12 (b) Merkkitesti ja Wilcoxonin rankitesti erotuksille Transformaatiot Muodostetaan tiedostoon PalkkaMF ensin muuttuja EROTUS: Data > Transformations EROTUS = FEMALE MALE Muodostetaan tiedostoon PalkkaMF toiseksi muuttuja ME, jonka arvoiksi annetaan nollahypoteesin mukainen mediaanin arvo 0. Tiedosto PalkkaMF muutosten jälkeen: PAIR MALE FEMALE EROTUS ME Nollahypoteesi: H 0 : Me(EROTUS) = 0 Vaihtoehtoinen hypoteesi: H : Me(EROTUS) 0 TKK Ilkka Mellin (2005) 2/23
13 Merkkitesti Statistics > One, Two, Multi-Sample Tests > Sign Test Sample Variables = EROTUS, ME SIGN TEST FOR EROTUS - ME NUMBER OF NEGATIVE DIFFERENCES 6 NUMBER OF POSITIVE DIFFERENCES 2 NUMBER OF ZERO DIFFERENCES (IGNORED) 0 PROBABILITY OF A RESULT AS OR MORE EXTREME THAN OBSERVED A VALUE IS COUNTED AS A ZERO IF ITS ABSOLUTE VALUE IS LESS THAN CASES INCLUDED 8 MISSING CASES 0 Wilcoxonin rankitesti Statistics > One, Two, Multi-Sample Tests > Wilcoxon Signed Rank Test Sample Variables = EROTUS, ME WILCOXON SIGNED RANK TEST FOR EROTUS - ME SUM OF NEGATIVE RANKS SUM OF POSITIVE RANKS EXACT PROBABILITY OF A RESULT AS OR MORE EXTREME THAN THE OBSERVED RANKS ( TAILED P-VALUE) NORMAL APPROXIMATION WITH CONTINUITY CORRECTION.890 TWO TAILED P-VALUE for NORMAL APPROXIMATION TOTAL NUMBER OF VALUES THAT WERE TIED 0 NUMBER OF ZERO DIFFERENCES DROPPED 0 MAX. DIFF. ALLOWED BETWEEN TIES CASES INCLUDED 8 MISSING CASES 0 Tulokset kummastakin testistä ovat samat kuin (a)-kohdassa! TKK Ilkka Mellin (2005) 3/23
14 3. Mannin ja Whitneyn testi STATISTIX-tiedostossa JONOT on esitetty 2 satunnaisesti valitun asiakkaan jonotusajat kahdessa palvelujonossa (muuttujat JONOA, JONOB; yksikkö = s). (a) (b) Ratkaisu: Testaa Mannin ja Whitneyn testillä (Wilcoxonin rankisummatestillä) nollahypoteesia, että mediaaniodotusaika on kummassakin jonossa sama. Käytä vaihtoehtoisena hypoteesina oletusta: Mediaaniodotusajat eroavat toisistaan. Vertaa otoksia toisiinsa kahden riippumattoman otoksen t-testillä (ks. 2. luentoviikon harjoitukset). Ennen pitemmälle meneviä tilastollisia analyysejä kuten tilastollisia testejä on aina ensin syytä tutustua tutkimuksen kohteena olevaan aineistoon. Määräämme siksi aineistosta ensin tavanomaiset otostunnusluvut ja luokitellut frekvenssijakaumat. Tunnusluvut Statistics > Summary Statistics > Descriptive Statistics Descriptive Variables = JONOA, JONOB DESCRIPTIVE STATISTICS JONOA JONOB N 2 9 MEAN SD SE MEAN MINIMUM ST QUARTI MEDIAN RD QUARTI MAXIMUM Muuttujan JONOA mediaaniodotusaika on selvästi pitempi kuin muuttujan JONOB mediaaniodotusaika. TKK Ilkka Mellin (2005) 4/23
15 Frekvenssijakaumat Statistics > Summary Statistic > Frequency Distribution Frequency Variables = JONOA, JONB Bin Size Low = 5 High = 2 Step = FREQUENCY DISTRIBUTION OF JONOA CUMULATIVE LOW HIGH FREQ PERCENT FREQ PERCENT TOTAL FREQUENCY DISTRIBUTION OF JONOB CUMULATIVE LOW HIGH FREQ PERCENT FREQ PERCENT TOTAL Frekvenssijakaumista näkyy, että jonossa A (JONOA) odotusajat ovat usein lyhyempiä kuin jonossa B (JONOB). TKK Ilkka Mellin (2005) 5/23
16 (a) Mannin ja Whitneyn testi (Wilcoxonin rankisummatesti) Nollahypoteesi: H 0 : Me(A) = Me(B) Vaihtoehtoinen hypoteesi: H : Me(A) Me(B) Statistics > One, Two, Multi-Sample Tests > Rank Sum Test Model Specification = Table Table Variables = JONOA, JONOB RANK SUM TWO-SAMPLE (MANN-WHITNEY) TEST FOR JONOA VS JONOB SAMPLE VARIABLE RANK SUM SIZE U STAT MEAN RANK JONOA JONOB TOTAL NORMAL APPROXIMATION WITH CONTINUITY CORRECTION 2.30 TWO-TAILED P-VALUE FOR NORMAL APPROXIMATION TOTAL NUMBER OF VALUES THAT WERE TIED 0 MAXIMUM DIFFERENCE ALLOWED BETWEEN TIES CASES INCLUDED 2 MISSING CASES 3 Normaaliapproksimaatioon perustuvan testisuureen z itseisarvo = Sitä vastaava p-arvo 2-suuntaiselle vaihtoehtoiselle hypoteesille = ja p-arvo -suuntaiselle vaihtoehtoiselle hypoteesille = /2 = Nollahypoteesi H 0 voidaan hylätä 5 %:n merkitsevyystasolla. TKK Ilkka Mellin (2005) 6/23
17 Tulostuksessa (merkinnät kuten luentokalvoilla): JONOA X JONOB Y Havaintojen lukumäärät: n = 2 m = 9 Testisuureet: T = n R( X i ) = 99 U = nm + 2 n( n + ) T = 2 i= T 2 = m R( Yj ) = 32 U 2 = nm + 2 m( m + ) T2 = 87 j= jossa R(X i ) (R(Y i )) on havainnon X i (Y i ) järjestysnumero eli ranki yhdistetyssä otoksessa, jossa havainnot on asetettu suuruusjärjestykseen pienimmästä suurimpaan. Huomaa: U + U 2 = nm = 08 Normaaliapproksimaatiot saadaan kaavoista joissa ja U E( U ) z = = z 2 D( U) z U E( U ) = = z D( U 2) E( U ) = E( U ) = nm 2 2 D( U ) = D( U ) = nm( n+ m+ ) STATISTIX käyttää z-testisuureita laskettaessa jatkuvuuskorjausta. TKK Ilkka Mellin (2005) 7/23
18 (b) Kahden riippumattoman otoksen t-testi Lisätietoja kahden riippumattoman otoksen t-testistä: ks. 2. harjoitukset. Nollahypoteesi: H 0 : µ A = µ B Vaihtoehtoinen hypoteesi: H : µ A µ B Statistics > One, Two, Multi-Sample Tests > Two Sample T Test Model Specification = Table Table Variables = JONOA, JONOB Null Hypothesis = 0 Alternate Hypothesis = Not Equal TWO-SAMPLE T TESTS FOR JONOA VS JONOB SAMPLE VARIABLE MEAN SIZE S.D. S.E JONOA JONOB DIFFERENCE NULL HYPOTHESIS: DIFFERENCE = 0 ALTERNATIVE HYP: DIFFERENCE <> 0 ASSUMPTION T DF P 95% CI FOR DIFFERENCE EQUAL VARIANCES ( , ) UNEQUAL VARIANCES (-2.688, ) F NUM DF DEN DF P TESTS FOR EQUALITY OF VARIANCES CASES INCLUDED 2 MISSING CASES 3 Koska perusjoukkojen varianssien yhtäsuuruutta koskeva nollahypoteesi voidaan hyväksyä, voidaan t-testisuureena käyttää versiota EQUAL VARIANCES. Testisuureen arvo = Sitä vastaava p-arvo 2-suuntaiselle vaihtoehtoiselle hypoteesille = Nollahypoteesi H 0 voidaan hylätä 5 %:n merkitsevyystasolla. TKK Ilkka Mellin (2005) 8/23
19 4. Testi suhteelliselle osuudelle Erään tuotteen valmistaja ilmoittaa, että 3 % tuotteista on viallisia. Ostaja poimii satunnaisesti joukon tuotteita tarkastettavaksi ja toteaa, että otoksessa viallisia on 6 %. Testaa suhteellisen osuuden testillä nollahypoteesia, että viallisia on kaikkien tuotteiden joukossa 3 %. Ratkaisu: Käytä vaihtoehtoisena hypoteesina oletusta: (a) Otoskoko = 50. (b) Otoskoko = 250. Viallisia on enemmän kuin 3 %. Testi suhteelliselle osuudelle Oletetaan, että havainnot X, X 2,, X n muodostavat yksinkertaisen satunnaisotoksen Bernoulli-jakaumasta Ber(p). Olkoon kiinnostuksen kohteena olevan tapahtuman A suhteellinen frekvenssi otoksessa Tällöin pˆ = f / n f Bin( np, ) Olkoon nollahypoteesina H 0 : p = p 0 Määritellään testisuure z = pˆ p 0 p ( p ) / n 0 0 Jos nollahypoteesi H 0 pätee, niin z a N(0,) Itseisarvoltaan suuret testisuureen z arvot johtavat nollahypoteesin H 0 hylkäämiseen. Tässä nollahypoteesina on H 0 : p = 0.03 TKK Ilkka Mellin (2005) 9/23
20 (a) n = 50 Statistics > One, Two, Multi-Sample Tests > Proportion Test Model Specification = One Sample Test Sample Size = 50 Number of Successes = 3 Null Hypothesis = 0.03 Alternate Hypothesis = Greater Than ONE-SAMPLE PROPORTION TEST SAMPLE SIZE 50 SUCCESSES 3 PROPORTION NULL HYPOTHESIS: P = 0.03 ALTERNATIVE HYP: P > 0.03 DIFFERENCE STANDARD ERROR Z (UNCORRECTED).24 P Z (CORRECTED) 0.83 P % CONFIDENCE INTERVAL UNCORRECTED ( , ) CORRECTED ( , ) Testisuureen z arvo = 0.83 ja sitä vastaava p-arvo = Nollahypoteesia ei voida hylätä millään tavanomaisella merkitsevyystasolla. TKK Ilkka Mellin (2005) 20/23
21 (b) n = 250 Statistics > One, Two, Multi-Sample Tests > Proportion Test Model Specification = One Sample Test Sample Size = 250 Number of Successes = 5 Null Hypothesis = 0.03 Alternate Hypothesis = Greater Than ONE-SAMPLE PROPORTION TEST SAMPLE SIZE 250 SUCCESSES 5 PROPORTION NULL HYPOTHESIS: P = 0.03 ALTERNATIVE HYP: P > 0.03 DIFFERENCE STANDARD ERROR Z (UNCORRECTED) 2.78 P Z (CORRECTED) 2.60 P % CONFIDENCE INTERVAL UNCORRECTED ( , ) CORRECTED ( , ) Testisuureen z arvo = 2.60 ja sitä vastaava p-arvo = Nollahypoteesi voidaan hylätä merkitsevyystasolla 0.0. Huomautus: Viallisten suhteellinen osuus on (a) ja (b) kohdan otoksissa sama 6 %. Nollahypoteesi hylätään (b)-kohdassa toisin kuin (a)-kohdassa, koska suurempi otos sisältää enemmän informaatiota nollahypoteesia vastaan. Tämä näkyy myös testisuureen lausekkeesta; ks. luentokalvoja. TKK Ilkka Mellin (2005) 2/23
22 5. Suhteellisten osuuksien vertailutesti Ennen eduskuntavaaleja tehdään toistuvasti kyselytutkimuksia, joissa ihmisiltä kysytään mitä puoluetta he kannattavat. Ratkaisu: Kyselyssä otoskoko oli 000 ja puolueen A kannattajia oli 200. Kyselyssä 2 otoskoko oli 20 ja puolueen A kannattajia oli 200. Voidaanko kyselyiden perusteella päätellä, että puolueen A kannatus on laskenut? Suhteellisten osuuksien vertailutesti Oletetaan, että havainnot X, X,, Xn 2 muodostavat yksinkertaisen satunnaisotoksen Bernoulli-jakaumasta Ber(p ) ja havainnot X, X,, Xn yksinkertaisen satunnaisotoksen Bernoulli-jakaumasta Ber(p 2 ). Olkoon kiinnostuksen kohteena olevan tapahtuman A suhteellinen frekvenssi otoksessa ja otoksessa 2 Tällöin ja pˆ = f/ n pˆ 2 = f2/ n2 f n p Bin(, ) f2 n2 p 2 Bin(, ) Olkoon nollahypoteesina H 0 : p = p 2 Määritellään testisuure jossa z = f pˆ = n pˆ pˆ 2 pˆ( pˆ) + n n2 + f + n 2 2 Jos nollahypoteesi H 0 pätee, niin z a N(0,) Itseisarvoltaan suuret testisuureen z arvot johtavat nollahypoteesin H 0 hylkäämiseen. TKK Ilkka Mellin (2005) 22/23
23 Statistics > One, Two, Multi-Sample Tests > Proportion Test Model Specification = Two Sample Test Sample Size = 000 Number of Successes = 200 Sample 2 Size = 20 Number of Successes = 200 Alternate Hypothesis = Greater Than TWO-SAMPLE PROPORTION TEST SAMPLE SAMPLE 2 SAMPLE SIZE SUCCESSES PROPORTION NULL HYPOTHESIS: P = P2 ALTERNATIVE HYP: P > P2 DIFFERENCE SE (DIFF) Z (UNCORRECTED).26 P Z (CORRECTED).20 P % CONFIDENCE INTERVAL OF DIFFERENCE LOWER LIMIT UPPER LIMIT Testisuureen z arvo =.20 ja sitä vastaava p-arvo = Nollahypoteesia ei voida hylätä 5 %:n merkitsevyystasolla. Kommentti: Kyselyiden mukaan puolueen A kannattajien lukumäärä oli laskenut peräkkäisissä otoksissa 20 %:sta 7.9 %:iin. Näinkään suuri kannatuksen lasku ei kuitenkaan ollut tilastollisesti merkitsevä, vaikka otosten koot olivat jopa 000 ja 20. TKK Ilkka Mellin (2005) 23/23
Tavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset.
Mat-.04 Tilastollisen analyysin perusteet Mat-.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahden riippumattoman otoksen t-testit,
LisätiedotMat-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,
LisätiedotTestit järjestysasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit järjestysasteikollisille muuttujille >> Järjestysasteikollisten
LisätiedotTilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit
Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli
LisätiedotJohdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle
LisätiedotTestit laatueroasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten
Lisätiedot1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi
Mat-2.2104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden ja homogeenisuden testaaminen Bowmanin ja Shentonin testi, Hypoteesi, 2 -homogeenisuustesti, 2 -yhteensopivuustesti,
LisätiedotOngelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?
Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus
LisätiedotJohdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit järjestysasteikollisille muuttujille Järjestysasteikollisten muuttujien testit Merkkitesti Wilcoxonin
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (004) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotTilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle
Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle - Sisältö - - - Varianssianalyysi Varianssianalyysissä (ANOVA) testataan oletusta normaalijakautuneiden otosten odotusarvojen
LisätiedotVäliestimointi (jatkoa) Heliövaara 1
Väliestimointi (jatkoa) Heliövaara 1 Bernoulli-jakauman odotusarvon luottamusväli 1/2 Olkoon havainnot X 1,..., X n yksinkertainen satunnaisotos Bernoulli-jakaumasta parametrilla p. Eli X Bernoulli(p).
LisätiedotMat Tilastollisen analyysin perusteet. Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi Diskreetit muuttujat,
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (005) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
LisätiedotMat-2.2104 Tilastollisen analyysin perusteet, kevät 2007
Mat-2.204 Tilastollisen analyysin perusteet, kevät 2007 3. luento: Pari sanaa vielä hypoteesien formuloinneista Kai Virtanen Hypoteesien muodoista Luennolla nro. 2 muotoiltiin nollahypoteesi - H 0 : θ
LisätiedotHarjoitus 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
LisätiedotTilastollisen analyysin perusteet Luento 4: Testi suhteelliselle osuudelle
Tilastollisen analyysin perusteet Luento 4: Sisältö Testiä suhteelliselle voidaan käyttää esimerkiksi tilanteessa, jossa tarkastellaan viallisten tuotteiden osuutta tuotantoprosessissa. Tilanne palautuu
LisätiedotLisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?
MTTTP5, kevät 2016 15.2.2016/RL Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen 1. Valitaan 25 alkion satunnaisotos jakaumasta N(µ, 25). Olkoon H 0 : µ = 12. Hylätään H 0, jos otoskeskiarvo
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[TILTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2011 http://www.uta.fi/~strale/tiltp1/index.html 30.9.2011 klo 13:07:54 HARJOITUS 5 viikko 41 Ryhmät ke 08.30 10.00 ls. C8 Leppälä to 12.15 13.45 ls. A2a Laine
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman
LisätiedotTilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1
Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus KE (2014) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet
LisätiedotTilastollisen analyysin perusteet Luento 2: Tilastolliset testit
Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit Sisältö Tilastollisia testejä tehdään jatkuvasti lukemattomilla aloilla. Meitä saattaa kiinnostaa esimerkiksi se, että onko miesten ja
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai
LisätiedotMTTTP5, luento Luottamusväli, määritelmä
23.11.2017/1 MTTTP5, luento 23.11.2017 Luottamusväli, määritelmä Olkoot A ja B satunnaisotoksen perusteella määriteltyjä satunnaismuuttujia. Väli (A, B) on parametrin 100(1 - ) %:n luottamusväli, jos P(A
LisätiedotIlkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset
Lisätiedot10. laskuharjoituskierros, vko 14, ratkaisut
10. laskuharjoituskierros, vko 14, ratkaisut D1. Eräässä kokeessa verrattiin kahta sademäärän mittaukseen käytettävää laitetta. Kummallakin laitteella mitattiin sademäärät 10 sadepäivän aikana. Mittaustulokset
LisätiedotMat 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
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5
MS-A Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko Tilastollinen testaus Tilastollisten testaaminen Tilastollisen tutkimuksen kohteena olevasta perusjoukosta on esitetty jokin väite tai
LisätiedotTilastolliset testit. Tilastolliset testit. Tilastolliset testit: Mitä opimme? 2/5. Tilastolliset testit: Mitä opimme? 1/5
TKK (c) Ilkka Mellin (4) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (4) : Mitä opimme? 1/5 Tilastollisessa tutkimuksessa tutkimuksen kohteena olevasta perusjoukosta esitetään tavallisesti väitteitä
Lisätiedotpisteet Frekvenssi frekvenssi Yhteensä
806118P JOHDATUS TILASTOTIETEESEEN Loppukoe 15.3.2018 (Jari Päkkilä) 1. Kevään -17 Johdaus tilastotieteeseen -kurssin opiskelijoiden harjoitusaktiivisuudesta saatujen pisteiden frekvenssijakauma: Harjoitus-
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään, tiedetään, että ainakin
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 11 (vko 48/003) (Aihe: Tilastollisia testejä, Laininen luvut 4.9, 15.1-15.4, 15.7) Nordlund 1. Kemiallisen prosessin
LisätiedotOdotusarvoparien vertailu. Vilkkumaa / Kuusinen 1
Odotusarvoparien vertailu Vilkkumaa / Kuusinen 1 Motivointi Viime luennolta: yksisuuntaisella varianssianalyysilla testataan nollahypoteesia H 0 : μ 1 = μ 2 = = μ k = μ Jos H 0 hylätään, tiedetään, että
LisätiedotTilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin
Tilastollisen analyysin perusteet Luento 10: Sisältö Varianssianalyysi Varianssianalyysi on kahden riippumattoman otoksen t testin yleistys. Varianssianalyysissä perusjoukko koostuu kahdesta tai useammasta
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään tiedetään, että ainakin kaksi
Lisätiedot1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
Lisätiedotχ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut
Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 16. marraskuuta 2007 Antti Rasila () TodB 16. marraskuuta 2007 1 / 15 1 Epäparametrisia testejä χ 2 -yhteensopivuustesti Homogeenisuuden testaaminen Antti
Lisätiedot1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yksisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Kokonaiskeskiarvo,
Lisätiedot¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.
10.11.2006 1. Pituushyppääjä on edellisenä vuonna hypännyt keskimäärin tuloksen. Valmentaja poimii tämän vuoden harjoitusten yhteydessä tehdyistä muistiinpanoista satunnaisesti kymmenen harjoitushypyn
LisätiedotJos 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
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
LisätiedotTestit 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
LisätiedotTilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
LisätiedotHarjoittele tulkintoja
Harjoittele tulkintoja Syksy 9: KT (55 op) Kvantitatiivisen aineiston keruu ja analyysi SPSS tulosteiden tulkintaa/til Analyysit perustuvat aineistoon: Haavio-Mannila, Elina & Kontula, Osmo (1993): Suomalainen
LisätiedotValitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.
9.10.2018/1 MTTTP1, luento 9.10.2018 KERTAUSTA TESTAUKSESTA, p-arvo Asetetaan H 0 H 1 Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. Lasketaan otoksesta testisuureelle arvo. 9.10.2018/2
LisätiedotJohdatus tilastotieteeseen Tilastolliset testit. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Tilastolliset testit TKK (c) Ilkka Mellin (2005) 1 Tilastolliset testit Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet testauksessa
LisätiedotPerusnäkymä yksisuuntaiseen ANOVAaan
Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja
LisätiedotA130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala
Kaavakokoelma, testinvalintakaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1 a) Konepajan on hyväksyttävä alihankkijalta saatu tavaraerä, mikäli viallisten komponenttien
LisätiedotSovellettu 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
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotJohdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1
Johdatus varianssianalyysiin Vilkkumaa / Kuusinen 1 Motivointi Luento 4: kahden riippumattoman otoksen odotusarvoja voidaan vertailla t-testillä H 0 : μ 1 = μ 2, T = ˉX 1 ˉX 2 s 2 1 + s2 2 n 1 n 2 a t(min[(n
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 4. luento: Jakaumaoletuksien testaaminen Kai Virtanen 1 Jakaumaoletuksien testaamiseen soveltuvat testit χ 2 -yhteensopivuustesti yksi otos otoksen
LisätiedotTeema 9: Tilastollinen merkitsevyystestaus
Teema 9: Tilastollinen merkitsevyystestaus Tärkeä päättelyn osa-alue on tilastollinen merkitsevyystestaus, johon päästään luontevasti edellisen teeman aiheista: voidaan kysyä, menevätkö kahden vertailtavan
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan
Lisätiedotr = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
LisätiedotTilastollisen 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
LisätiedotEstimointi. Otantajakauma
Otantajakauma Otantajakauma kuvaa jonkin parametrin arvojen (esim. keskiarvon) jakauman kaikille tietyn kokoisille otoksille. jotka perusjoukosta voidaan muodostaa Histogrammissa otantajakauman parametrin
Lisätiedot2. TILASTOLLINEN TESTAAMINEN...
!" # 1. 1. JOHDANTO... 3 2. 2. TILASTOLLINEN TESTAAMINEN... 4 2.1. T-TESTI... 4 2.2. RANDOMISAATIOTESTI... 5 3. SIMULOINTI... 6 3.1. OTOSTEN POIMINTA... 6 3.2. TESTAUS... 7 3.3. TESTIEN TULOSTEN VERTAILU...
Lisätiedot11. laskuharjoituskierros, vko 15, ratkaisut
11. laskuharjoituskierros vko 15 ratkaisut D1. Geiger-mittari laskee radioaktiivisen aineen emissioiden lukumääriä. Emissioiden lukumäärä on lyhyellä aikavälillä satunnaismuuttuja jonka voidaan olettaa
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 5 viikko 42 6.10.2017 klo 10:42:20 Ryhmät: ke 08.30 10.00 LS C6 Paajanen ke 10.15 11.45 LS
LisätiedotKvantitatiiviset tutkimusmenetelmät maantieteessä
Kvantitatiiviset tutkimusmenetelmät maantieteessä Harjoitukset: 2 Muuttujan normaaliuden testaaminen, merkitsevyys tasot ja yhden otoksen testit FT Joni Vainikka, Yliopisto-opettaja, GO218, joni.vainikka@oulu.fi
LisätiedotEstimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1
Estimointi - tehdään päätelmiä perusjoukon ominaisuuksista (keskiarvo, riskisuhde jne.) otoksen perusteella - mitä suurempi otos, sitä tarkemmat estimaatit Otokseen perustuen määritellään otantajakaumalta
LisätiedotPienet ännät tutkimuksessa Tilastollisen analyysin työpaja. Jari Westerholm Niilo Mäki instituutti Jyväskylän yliopisto
Pienet ännät tutkimuksessa Tilastollisen analyysin työpaja Jari Westerholm Niilo Mäki instituutti Jyväskylän yliopisto Luennon sisältö Pienten otoskokojen haasteista Pieni otoskoko Suositeltuja metodeja
LisätiedotTilastotieteen kertaus. Kuusinen/Heliövaara 1
Tilastotieteen kertaus Kuusinen/Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla reaalimaailman ilmiöistä voidaan tehdä johtopäätöksiä tilanteissa, joissa
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset
LisätiedotKAHDEN RYHMÄN VERTAILU
10.3.2015 KAHDEN RYHMÄN VERTAILU Jouko Miettunen Center for Life-Course and Systems Epidemiology jouko.miettunen@oulu.fi Luennon sisältö Luokitellut muuttujat Ristiintaulukko, prosentit Khiin neliötesti
LisätiedotTilastollisen analyysin perusteet Luento 5: Jakaumaoletuksien. testaaminen
Tilastollisen analyysin perusteet Luento 5: Sisältö Tilastotieteessä tehdään usein oletuksia havaintojen jakaumasta. Useat tilastolliset menetelmät toimivat tehottomasti tai jopa virheellisesti, jos jakaumaoletukset
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 5 Tilastollisten hypoteesien testaaminen Lasse Leskelä, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.04 Tilastollisen analyysin perusteet, kevät 007 4. luento: Jakaumaoletuksien testaaminen Kai Virtanen Jakaumaoletuksien testaamiseen soveltuvat testit χ -yhteensopivuustesti yksi otos otoksen vertaaminen
LisätiedotOtoskoon arviointi. Tero Vahlberg
Otoskoon arviointi Tero Vahlberg Otoskoon arviointi Otoskoon arviointi (sample size calculation) ja tutkimuksen voima-analyysi (power analysis) ovat tilastollisen tutkimuksen suunnittelussa keskeisiä kysymyksiä
LisätiedotSisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9
Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9 1.1 PARAMETRITTOMIEN MENETELMIEN LYHYT HISTORIA 11 1.2 PARAMETRITTOMAT MENETELMÄT IHMISTIETEISSÄ
Lisätiedot1. Nollahypoteesi on, että teksti on kirjoitettu lyhyemmällä murteella. Mahdollisiavaihtoehtojaonvainyksieliettäteksti
Sosiaalitieteiden laitos Tilastotieteen jatkokurssi, kevät 20 7. laskuharjoitusten ratkaisuehdotukset. Nollahypoteesi on, että teksti on kirjoitettu lyhyemmällä murteella. Mahdollisiavaihtoehtojaonvainyksieliettäteksti
LisätiedotBIOSTATISTIIKKAA ESIMERKKIEN AVULLA. Kurssimoniste (luku 2) Janne Pitkäniemi. Helsingin Yliopisto Kansanterveystieteen laitos
BIOSTATISTIIKKAA ESIMERKKIEN AVULLA Kurssimoniste (luku 2) Janne Pitkäniemi Helsingin Yliopisto Kansanterveystieteen laitos Helsinki, 2005 Biostatistiikkaa esimerkkien avulla 1 Janne Pitkäniemi, syksy
LisätiedotTutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)
1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi
Lisätiedothttps://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
1 MTTTP3 Tilastollisen päättelyn perusteet 2 Luennot 8.1.2015 ja 13.1.2015 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotLuentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012
Luentokalvoja tilastollisesta päättelystä Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Otanta Otantamenetelmiä Näyte Tilastollinen päättely Otantavirhe Otanta Tavoitteena edustava otos = perusjoukko
LisätiedotJohdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK (c) Ilkka Mellin (2004) 1 Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen Jakaumaoletuksien
Lisätiedottilastotieteen kertaus
tilastotieteen kertaus Keskiviikon 24.1. harjoitukset pidetään poikkeuksellisesti klo 14-16 luokassa Y228. Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.04 Tilastollisen analsin perusteet, kevät 007. luento: Kaksisuuntainen varianssianalsi Kai Virtanen Kaksisuuntaisen varianssianalsin perusasetelma Jaetaan perusjoukko rhmiin kahden tekän A ja B suhteen
LisätiedotMat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:
Mat-.04 Tilatollie aalyyi peruteet. harjoituket Mat-.04 Tilatollie aalyyi peruteet. harjoituket / Tehtävät Aiheet: Avaiaat: Tetit uhdeateikolliille muuttujille Hypoteei, Kahde riippumattoma otoke t-tetit,
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön
Lisätiedotχ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Estimointi, Havaittu frekvenssi, Heterogeenisuus,
LisätiedotMTTTP5, luento Kahden jakauman sijainnin vertailu (jatkoa) Tutkimustilanteita y = neliöhinta x = sijainti (2 aluetta)
MTTTP5, luento 7.12.2017 7.12.2017/1 6.1.3 Kahden jakauman sijainnin vertailu (jatkoa) Tutkimustilanteita y = neliöhinta x = sijainti (2 aluetta) y = lepopulssi x = sukupuoli y = musikaalisuus x = sukupuoli
LisätiedotKandidaatintutkielman aineistonhankinta ja analyysi
Kandidaatintutkielman aineistonhankinta ja analyysi Anna-Kaisa Ylitalo M 315, anna-kaisa.ylitalo@jyu.fi Musiikin, taiteen ja kulttuurin tutkimuksen laitos Jyväskylän yliopisto 2018 2 Havaintomatriisi Havaintomatriisi
LisätiedotSPSS-perusteet. Sisältö
SPSS-perusteet Sisältö Ikkunat 3 Päävalikot 5 Valikot 6 Aineiston käsittely 6 Muuttujamuunnokset 7 Aineistojen kuvailu analyysit 8 Havaintomatriisin luominen ja käsittely 10 Muulla sovelluksella tehdyn
LisätiedotFrequencies. Frequency Table
GET FILE='C:\Documents and Settings\haukkala\My Documents\kvanti\kvanti_harjo'+ '_label.sav'. DATASET NAME DataSet WINDOW=FRONT. FREQUENCIES VARIABLES=koulv paino /ORDER= ANALYSIS. Frequencies [DataSet]
LisätiedotPOPULAATIO. Oikeastaan arvot, joista ollaan kiinnostuneita (mitatut numeeriset suureet, luokittelut).
KÄSITTEITÄ POPULAATIO Joukko, jota tutkitaan (äärellinen, ääretön). Oikeastaan arvot, joista ollaan kiinnostuneita (mitatut numeeriset suureet, luokittelut). Näiden välillä ei aina tehdä eroa, kun puhutaan
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu
5.3.2018/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 5.3.2018, osa 1 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2017
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu
10.1.2019/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 10.1.2019 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2018 10.1.2019/2
Lisätiedot6. laskuharjoitusten vastaukset (viikot 10 11)
6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287
Lisätiedot806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.
806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ
Lisätiedot2. Keskiarvojen vartailua
2. Keskiarvojen vartailua Esimerkki 2.1: Oheiset mittaukset liittyvät Portland Sementin sidoslujuuteen (kgf/cm 2 ). Mittaukset y 1 ovat nykyisestä seoksesta ja mittaukset y 2 uudesta seoksesta, jossa lisäaineena
LisätiedotTilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä
Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Sisältö Riippumattomuus Jos P(A B) = P(A)P(B), niin tapahtumat A ja B ovat toisistaan riippumattomia. (Keskustelimme
LisätiedotJos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden
1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella
Lisätiedot