Kuolevuusseminaari

Koko: px
Aloita esitys sivulta:

Download "Kuolevuusseminaari"

Transkriptio

1 Kuolevuusseminaari K2012: Henkivakuutuksen kuolevuustutkimus

2 Henkivakuutettujen pitkän ajan kuolevuusennuste 1

3 Aihealueet Taustaa Kuolevuusennuste: menetelmän valinta Kuolevuusennuste: lähtöaineiston valinta Vakuutuslajikohtaiset korjauskertoimet Yhteenveto

4 Kuolevuuden määritelmä ja taustaa Kuolevuus: kuolleiden lukumäärän suhde altistumaan (ikä, vuosi) Kirjallisuuskatsaus / aikaisemmat tutkimukset / data Mallivaihtoehdot tilastolliset mallit vs. asiantuntijaharkinta vs. selittävät mallit muuttujat: ikä, aika, syntymävuosi, kuolinsyy Aikaisemmat tutkimukset Mika Mäkinen K2004 Lakisääteisen tapaturmavakuutuksen ja liikennevakuutuksen kuolevuusreferenssimalli (TVL/LVK, 2011) Datan keräys väestökuolevuudet HMD-tietokannasta (human mortality database, henkivakuutusaineisto vakuutusyhtiöiltä Työkalut R-ohjelmiston demography-paketti (Rob J. Hyndman) 3

5 Human mortality database (

6 Human mortality database: Suomen data 5

7 Aihealueet Taustaa Kuolevuusennuste: menetelmän valinta Kuolevuusennuste: lähtöaineiston valinta Vakuutuslajikohtaiset korjauskertoimet Yhteenveto

8 Lee Carter (1992) ln( m ) a b k x, t x x t x, t mx,t keskikuolevuus iässä x vuonna t ax kuvaa keskimääräistä kuolevuuden tasoa iässä x bx kuvaa kuolevuuden vähenemisen intensiteettiä iässä x kt kuvaa kuolevuuden suhteellista tasoa vuonna t x,t on normaalijakautunut virhetermi Ennuste perustuu parametrin kt aikasarjaan k t k c e t 1 t missä c vakio (drift term) ja et normaalijakautunut virhetermi,

9 Lee Carter (1992) ln( m x, t ) ax bxkt x, t Malli on yli-identifioituva 1. Parametrien estimoiminen b 1 0 x k t aˆ 1 T x ln( m x, t ) T t 1 bˆx ja kˆt PNS (SVD) 2. Ennuste kt k1 k ˆ ˆ t 1 c et c T 1 k t

10 Elinajanodote 75-vuotiaalle eri menetelmillä 9

11 Lee Carter variantit: Lee Carter esittänyt korjauksen perustuen kuolleiden lukumäärään alkuperäisessä paperissaan Lee Carter mallin heikkoutena jump-off error Erilaisia Lee Carterin variantteja esitetty Lee Miller Booth-Maindonald-Smith Hyndman-Ullah Lee Carteria tarkempia logaritmoitujen keskikuolevuuksien ennustamisessa, mutta tämä ei takaa sitä, että menetelmät antaisivat tarkempia elinajanodotteita.. Lee Miller Parametrien kt arvot valitaan siten, että lähtötietovuosien havaitut vastasyntyneen elinajanodotteet täsmäävät mallilla laskettuja elinajanodotteita Ennuste lähtee viimeisestä havaitusta arvosta, eikä ennusteen parametrien mukaan lasketusta arvosta

12 Finanssivalvonta Finansinspektionen Financial Supervisory Authority Tarja Sirén

13 Finanssivalvonta Finansinspektionen Financial Supervisory Authority Tarja Sirén

14 Aihealueet Taustaa Kuolevuusennuste: menetelmän valinta Kuolevuusennuste: lähtöaineiston valinta Vakuutuslajikohtaiset korjauskertoimet Yhteenveto

15 Lähtöaineiston valinta Tasoitettu / tasoittamaton aineisto

16 bx Aikaperiodin valinta: kuolevuuden vähenemisen intensiteetti iässä x (bx) 0, ,03 0,025 0,02 0,015 0,01 0,005 0 Ikä (miehet)

17 bx Aikaperiodin valinta: kuolevuuden vähenemisen intensiteetti iässä x (bx) 0, ,03 0,025 0,02 0,015 0,01 0,005 0 Ikä (miehet)

18 bx Aikaperiodin valinta: kuolevuuden vähenemisen intensiteetti iässä x (bx) 0, ,03 0,025 0,02 0,015 0,01 0,005 0 Ikä (miehet)

19 Kuolevuuden suhteellinen taso vuonna t (kt) ln( m x, t ) ax bxkt x, t k t kt k1 k ˆ ˆ t 1 c et c T 1 18

20 Aihealueet Taustaa Kuolevuusennuste: menetelmän valinta Kuolevuusennuste: lähtöaineiston valinta Vakuutuslajikohtaiset korjauskertoimet Yhteenveto

21 Korjauskertoimien vertailu Korjauskerroin: vakuutuskuolevuus suhteessa väestökuolevuuteen Lukumääräkuolevuus on kuolleiden lukumäärä suhteessa altistumaan (D/E-luku) Summakuolevuus on x-ikäisenä kuolleiden volyymisuureen suhde x- ikäisten volyymisuureeseen Lisäksi seuraavissa kuvissa on esitetty summa- ja lukumääräkuolevuuksien suhde väestökuolevuuteen, missä väestökuolevuus on HMD-tietokannan keskiarvoa vuosilta Tarja Siren 20

22 Summakuolevuuden suhde väestökuolevuuteen (ryhmäeläke, miehet) Tarja Siren 21

23 Summakuolevuuden suhde väestökuolevuuteen (ryhmäeläke, miehet) Tarja Siren 22

24 Summakuolevuuden suhde väestökuolevuuteen (ryhmäeläke, miehet) Tarja Siren 23

25 Korjauskertoimien vertailu ryhmäeläke Tarja Siren 24

26 Korjauskertoimien vertailu Korjauskertoimiin sisältyy paljon epävarmuutta Eroja tuotteittain (vastuunvalinta, volyymisuure) Naisilla summa- ja lukumääräkuolevuus eroavat toisistaan vähemmän kuin miehillä Suurin ero miesten ryhmäeläkevakuutuksissa Tässä tutkimuksessa keskitytään lukumääräkuolevuuksiin volyymiaineiston puutteiden vuoksi riittävän tarkka useimmissa vakuutuslajeissa tämän raportin kannalta Tarja Siren 25

27 K2012: Korjauskertoimet Poisson-regressio Tarja Siren 26

28 K2012: Korjauskertoimet Poisson-regressio Tarja Siren 27

29 K2012: Korjauskertoimet Poisson-regressio Tarja Siren 28

30 K2012: Korjauskertoimien vertailu K2004 (yksilöllinen riskivakuutus) 1 0,9 0,8 0,7 0,6 K2004 (naiset) K2004 (miehet) 0,5 0,4 0,3 0,2 Yksilöllinen riskivakuutus (naiset) Yksilöllinen riskivakuutus (miehet) 0, Tarja Siren 29

31 K2012: Korjauskertoimien vertailu TyEL (Hakkarainen 2012) 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 TyEL (naiset) TyEL (miehet) Yksilöllinen eläkevakuutus ja perhe-eläke (N) Yksilöllinen eläkevakuutus ja perhe-eläke (M) Ryhmäeläke (N) Ryhmäeläke (M) 0, Tarja Siren 30

32 Aihealueet Taustaa Kuolevuusennuste: menetelmän valinta Kuolevuusennuste: lähtöaineiston valinta Vakuutuslajikohtaiset korjauskertoimet Yhteenveto

33 Henkivakuutuskuolevuus Väestökuolevuusennuste Lee-Miller -menetelmällä (lähtöaineisto , tasoitettu, HMD ) Korjauskertoimet (Lx) määriteltiin tuoteryhmittäin Poisson-regressiolla. Lisäksi ryhmäeläkevakuutukselle määriteltiin korjauskerroin myös summakuolevuuden perusteella regressioanalyysillä. Henkivakuutuskuolevuus on korjauskertoimen ja väestökuolevuuden tulo Epävarmuus voidaan ottaa huomioon luottamusvälien tai simulointialgoritmien avulla Tarja Siren

34 Kuolevuustaulukko Tarja Siren 33

SUOMEN AKTUAARIYHDISTYS THE ACTUARIAL SOCIETY OF FINLAND

SUOMEN AKTUAARIYHDISTYS THE ACTUARIAL SOCIETY OF FINLAND 110 SUOMEN AKTUAARIYHDISTYS THE ACTUARIAL SOCIETY OF FINLAND WORKING PAPERS ISSN 0781-4410 SUOMEN AKTUAARIYHDISTYS The Actuarial Society of Finland 110 Hakkarainen, Tuomas TyEL-kuolevuuden ennustamisesta

Lisätiedot

Henkivakuutusyhtiöiden kuolevuustutkimus K2012. Tarja Sirén

Henkivakuutusyhtiöiden kuolevuustutkimus K2012. Tarja Sirén Henkivakuutusyhtiöiden kuolevuustutkimus K2012 Tarja Sirén 09.03.2013 Abstract Life insurance companies need mortality forecast as they face mortality risk in their life insurance and longevity risk in

Lisätiedot

TyEL-kuolevuusperusteesta

TyEL-kuolevuusperusteesta TyEL-kuolevuusperusteesta 26.5.2015 29.5.2015 Kuolevuusperusteesta Tuomas Hakkarainen 1 Tarve kuolevuusperusteelle TyEL-vakuutuksessa Työnantajan eläkevakuutuksen vanhuuseläkevastuut ovat pitkäikäisiä,

Lisätiedot

TyEL-kuolevuuden ennustamisesta SHV-työ, joulukuu LähiTapiola-ryhmä / Tuomas Hakkarainen

TyEL-kuolevuuden ennustamisesta SHV-työ, joulukuu LähiTapiola-ryhmä / Tuomas Hakkarainen TyEL-kuolevuuden ennustamisesta SHV-työ, joulukuu 2011 21.3.2013 1 TyEL-kuolevuusperusteesta 1/2 Työntekijän eläkelain (TyEL) mukaan vakuutettujen henkilöiden vakuutusmaksuista rahastoidaan osa. Ehkäpä

Lisätiedot

Lokaali bilineaarinen (lokaali Lee-Carter) kuolevuusmalli

Lokaali bilineaarinen (lokaali Lee-Carter) kuolevuusmalli Lokaali bilineaarinen (lokaali Lee-Carter) kuolevuusmalli Aktuaariyhdistyksen kuolevuusseminaari 9.4.2013 Vesa Ronkainen 9.4.2013 Vesa Ronkainen Stochastic modeling of financing longevity risk in pension

Lisätiedot

Kuolevuusseminaari 9.4.2013

Kuolevuusseminaari 9.4.2013 Kuolevuusseminaari 9.4.2013 Jari Niittuinperä Kuolevuuseminaari 19.3. Vakuutusalan viimeaikaiset kuolevuustutkimukset Prosessi ja siihen liittyvät haasteet (data, mallintaminen, laskenta, tulosten verifiointi)

Lisätiedot

Kuolevuusseminaari 19.03.2013

Kuolevuusseminaari 19.03.2013 Kuolevuusseminaari 19.03.2013 Jari Niittuinperä Finanssivalvonta Finansinspektionen Financial Supervisory Authority Eläkevakuutuksen uusi myyntiargumentti! Finanssivalvonta Finansinspektionen Financial

Lisätiedot

KiEL-kuolevuuden arviointi

KiEL-kuolevuuden arviointi KiEL-kuolevuuden arviointi Kuolevuustason arviointi pienelle populaatiolle Aktuaariyhdistyksen kuolevuusseminaari 26.5.2015 Risto Louhi Kuolevuusselvityksen tausta KiEL-eläkemenoa ennustettaessa pitkän

Lisätiedot

Kuolevuus Eläketurvakeskuksen pitkän aikavälin laskelmissa. Heikki Tikanmäki

Kuolevuus Eläketurvakeskuksen pitkän aikavälin laskelmissa. Heikki Tikanmäki Kuolevuus Eläketurvakeskuksen pitkän aikavälin laskelmissa Heikki Tikanmäki 23.5.2017 Johdanto Kuolevuus vaikuttaa työeläkemenoon monta kautta Eläkkeiden päättyvyys Elinaikakerroin Eläkeiät Eläketurvakeskuksen

Lisätiedot

TELA/Laskuperusteasiain neuvottelukunta TYÖNTEKIJÄN ELÄKELAIN MUKAISEN ELÄKEVAKUUTUKSEN YLEISTEN LASKUPERUSTEIDEN MUUTOKSEN PERUSTELUT

TELA/Laskuperusteasiain neuvottelukunta TYÖNTEKIJÄN ELÄKELAIN MUKAISEN ELÄKEVAKUUTUKSEN YLEISTEN LASKUPERUSTEIDEN MUUTOKSEN PERUSTELUT TELA/Laskuperusteasiain neuvottelukunta 19.11.2015 TYÖNTEKIJÄN ELÄKELAIN MUKAISEN ELÄKEVAKUUTUKSEN YLEISTEN LASKUPERUSTEIDEN MUUTOKSEN PERUSTELUT Kuolevuus Muut muutokset Muutoksia haetaan olettaen, että

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Johdatus regressioanalyysiin Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen vaihtelun avulla.

Lisätiedot

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

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

Lisätiedot

DEMOGRAFIA. Arto Luoma Tampereen yliopisto, Suomi. Syksy Demografia, syksy 2015 Tampereen yliopisto 1 / 39

DEMOGRAFIA. Arto Luoma Tampereen yliopisto, Suomi. Syksy Demografia, syksy 2015 Tampereen yliopisto 1 / 39 DEMOGRAFIA Arto Luoma Tampereen yliopisto, Suomi Syksy 2015 Demografia, syksy 2015 Tampereen yliopisto 1 / 39 Sisältö Demografia, syksy 2015 Tampereen yliopisto 2 / 39 Määritelmä Aineiston keruu Perusyhtälö

Lisätiedot

SHV-harjoitustyö VAPAAMUOTOISEN TYÖELÄKEVAKUUTUKSEN KUOLEVUUS

SHV-harjoitustyö VAPAAMUOTOISEN TYÖELÄKEVAKUUTUKSEN KUOLEVUUS SHV-harjoitustyö VAPAAMUOTOISEN TYÖELÄKEVAKUUTUKSEN KUOLEVUUS Piia Kolehmainen 3.04.009 Sisällysluettelo Johdanto... Vapaamuotoinen ryhmäeläkevakuutus... 3 Kuolevuuden merkitys ja käyttö eläkevakuutuksissa...

Lisätiedot

Johdatus regressioanalyysiin. Heliövaara 1

Johdatus regressioanalyysiin. Heliövaara 1 Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen

Lisätiedot

KUOLEVUUSPERUSTEJAOKSEN LOPPURAPORTTI 29.5.2015

KUOLEVUUSPERUSTEJAOKSEN LOPPURAPORTTI 29.5.2015 KUOLEVUUSPERUSTEJAOKSEN LOPPURAPORTTI 29.5.2015 1. Yhteenveto Telan Laskuperusteasiain neuvottelukunnan Kuolevuusperustejaos on tehnyt selvityksen TyEL:n mukaisessa vakuutuksessa noudatettavan kuolevuusperusteen

Lisätiedot

Tilastokeskuksen väestöennuste Kuolevuuslaskelmat. Markus Rapo, Tilastokeskus

Tilastokeskuksen väestöennuste Kuolevuuslaskelmat. Markus Rapo, Tilastokeskus Tilastokeskuksen väestöennuste Kuolevuuslaskelmat Markus Rapo, Tilastokeskus Esityksessäni Hieman historiaa ja taustaa Tilastokeskuksen väestöennuste luonne ja tulkinta Kuolleisuuslaskelmat Tilastokeskuksen

Lisätiedot

Julkaistu Helsingissä 31 päivänä joulukuuta /2013 Sosiaali- ja terveysministeriön asetus

Julkaistu Helsingissä 31 päivänä joulukuuta /2013 Sosiaali- ja terveysministeriön asetus SUOMEN SÄÄDÖSKOKOELMA Julkaistu Helsingissä 3 päivänä joulukuuta 03 Sosiaali- ja terveysministeriön asetus tapaturmavakuutuslain 8 e :n 3 momentin mukaisen haittarahan kertakorvauksen perusteista Annettu

Lisätiedot

VÄESTÖENNUSTE

VÄESTÖENNUSTE VÄESTÖENNUSTE 2012-2040 KEHITTÄMIS- JA RAHOITUSOSASTO/ Kaupunki- ja taloussuunnittelu 10 / 2012 Alkusanat Tilastokeskus on julkaissut väestöennusteen joka kolmas vuosi. Tilastokeskuksen väestöennusteet

Lisätiedot

Pienimmän neliösumman menetelmä (PNS)

Pienimmän neliösumman menetelmä (PNS) neliösumman Perusongelman kuvaus 1 Tarkastellaan neljää pitkää aikasarjaa q 1 = (q 11,q 21,...,q 10,1 ) T, q 2 = (q 12,q 22,...,q 10,2 ) T, q 3 = (q 13,q 23,...,q 10,3 ) T, ja p 1 = (p 11,p 21,...,p 10,1

Lisätiedot

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset TA7, Ekonometrian johdantokurssi HARJOITUS 7 RATKAISUEHDOTUKSET 16.3.2015 1. Tutkitaan regressiomallia Y i = β 0 + X i + u i ja oletetaan, että tavanomaiset regressiomallin oletukset pätevät (Key Concept

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu 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

Lisätiedot

Pienimmän neliösumman menetelmä (PNS)

Pienimmän neliösumman menetelmä (PNS) neliösumman Perusongelman kuvaus 1 Tarkastellaan neljää pitkää aikasarjaa q 1 = (q 11,q 21,...,q 10,1 ) T, q 2 = (q 12,q 22,...,q 10,2 ) T, q 3 = (q 13,q 23,...,q 10,3 ) T, ja p 1 = (p 11,p 21,...,p 10,1

Lisätiedot

Eläkettä saavien lasten Lesken ja entisen Lasten kerroin

Eläkettä saavien lasten Lesken ja entisen Lasten kerroin Muistio 1 (6) Perhe-eläkkeen kertasuorituksessa käytettävät lasten lukumäärästä riippuvat kertoimet Sisällys 1 Yleistä edunsaajien lukumäärästä riippuvista kertoimista... 1 2 Kertoimet 1.1.2017 alkaen...

Lisätiedot

Yhteenveto Espoon ruotsinkielisen väestön kehityksestä alkaen vuodesta 1999

Yhteenveto Espoon ruotsinkielisen väestön kehityksestä alkaen vuodesta 1999 Yhteenveto Espoon ruotsinkielisen väestön kehityksestä alkaen vuodesta 1999 Sisältäen: Espoon ruotsinkielinen väestö vs. Helsingin ruotsinkielinen väestö. Olennaiset erot väestön kehityksessä. Lasten lukumäärän

Lisätiedot

Pienimmän neliösumman menetelmä (PNS)

Pienimmän neliösumman menetelmä (PNS) neliösumman Perusongelman kuvaus 1 Tarkastellaan neljää pitkää aikasarjaa q 1 = (q 11,q 21,...,q 10,1 ) T, q 2 = (q 12,q 22,...,q 10,2 ) T, q 3 = (q 13,q 23,...,q 10,3 ) T, ja p 1 = (p 11,p 21,...,p 10,1

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

Vahinkojen selvittelykuluvaraus vahinkovakuutuksessa

Vahinkojen selvittelykuluvaraus vahinkovakuutuksessa Vahinkojen selvittelykuluvaraus vahinkovakuutuksessa SHV-harjoitustyö Suomen Aktuaariyhdistyksen kuukausikokous 27.10.2014 Mika Sirviö Vakuutuskeskus Vakuutuskeskuksen muodostavat: Liikennevakuutuskeskus

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen

Lisätiedot

Pienimmän Neliösumman menetelmä (PNS)

Pienimmän Neliösumman menetelmä (PNS) neliösumman Perusongelman kuvaus 1 Tarkastellaan neljää pitkää aikasarjaa q 1 = (q 11,q 21,...,q 10,1 ) T, q 2 = (q 12,q 22,...,q 10,2 ) T, q 3 = (q 13,q 23,...,q 10,3 ) T, ja p 1 = (p 11,p 21,...,p 10,1

Lisätiedot

PS-sopimusten sekä vakuutusten kulujen ja tuottojen ilmoittamisesta

PS-sopimusten sekä vakuutusten kulujen ja tuottojen ilmoittamisesta PS-sopimusten sekä vakuutusten kulujen ja tuottojen ilmoittamisesta Vero2013, Helsinki 13.3.2013 Finanssivalvonta Finansinspektionen Financial Supervisory Authority 13.3.2013 Antti Lampinen 0 Tausta Vakuutusvalvontaviraston

Lisätiedot

Harjoitukset 2 : Monimuuttujaregressio (Palautus )

Harjoitukset 2 : Monimuuttujaregressio (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 2 : Monimuuttujaregressio (Palautus 24.1.2017) Tämän harjoituskerran tarkoitus

Lisätiedot

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) 805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) Tavoitteet (teoria): Hallita autokovarianssifunktion ominaisuuksien tarkastelu. Osata laskea autokovarianssifunktion spektriiheysfunktio. Tavoitteet

Lisätiedot

TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET. Kokooma 23.1.2008. Viimeisin perustemuutos on vahvistettu 3.2.1998.

TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET. Kokooma 23.1.2008. Viimeisin perustemuutos on vahvistettu 3.2.1998. TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET Kokooma 23.1.2008. Viimeisi perustemuutos o vahvistettu 3.2.1998. TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET Sisällysluettelo

Lisätiedot

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus )

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus 7.2.2017) Tämän harjoituskerran tehtävät

Lisätiedot

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) =

3 = Lisäksi z(4, 9) = = 21, joten kysytty lineaarinen approksimaatio on. L(x,y) = BM20A5810 Differentiaalilaskenta ja sovellukset Harjoitus 6, Syksy 2016 1. (a) Olkoon z = z(x,y) = yx 1/2 + y 1/2. Muodosta z:lle lineaarinen approksimaatio L(x,y) siten että approksimaation ja z:n arvot

Lisätiedot

Pohjalaismaakuntien väestö ja perheet

Pohjalaismaakuntien väestö ja perheet Pohjalaismaakuntien väestö ja perheet Mihin pohjalaismaakunnat ovat menossa? Pohjalaismaakunnat tilastojen ja tutkimusten valossa -seminaari, Seinäjoki 9.3.212 Jari Tarkoma Esityksen sisältö Väestönkehitys

Lisätiedot

Ruotsalainen tutkimus saksanpaimenkoirien sairauksista

Ruotsalainen tutkimus saksanpaimenkoirien sairauksista Ruotsalainen tutkimus saksanpaimenkoirien sairauksista Eero Lukkari Pari viikkoa sitten julkaistiin loistava tutkimus saksanpaimenkoirien sairauksista ja kuolinsyistä Ruotsissa. Jos se olisi julkaistu

Lisätiedot

Harjoitukset 4 : Paneelidata (Palautus )

Harjoitukset 4 : Paneelidata (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 4 : Paneelidata (Palautus 7.3.2017) Tämän harjoituskerran tarkoitus on perehtyä

Lisätiedot

Yleistetyistä lineaarisista malleista

Yleistetyistä lineaarisista malleista Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit

Lisätiedot

Kaksiosaisen kuolevuusperusteen parametriestimointi ja pääoma-arvokertoimet. Samu Salminen ja Tuomas Hakkarainen

Kaksiosaisen kuolevuusperusteen parametriestimointi ja pääoma-arvokertoimet. Samu Salminen ja Tuomas Hakkarainen Kaksiosaisen kuolevuusperusteen parametriestimointi ja pääoma-arvokertoimet Samu Salminen ja Tuomas Hakkarainen 3.6.2015 Sisältö 1 Nykyinen yksiosainen Gompertz-kuolevuusmalli 2 1.1 Nykyperusteen määritelmä

Lisätiedot

Epävarmuuden hallinta bootstrap-menetelmillä

Epävarmuuden hallinta bootstrap-menetelmillä 1/17 Epävarmuuden hallinta bootstrap-menetelmillä Esimerkkinä taloudellinen arviointi Jaakko Nevalainen Tampereen yliopisto Metodifestivaalit 2015 2/17 Sisältö 1 Johdanto 2 Tavanomainen bootstrap Bootstrap-menettelyn

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään

Lisätiedot

Korvausvastuun ennustejakauma bootstrap-menetelmän avulla

Korvausvastuun ennustejakauma bootstrap-menetelmän avulla Korvausvastuun ennustejakauma bootstrap-menetelmän avulla Sari Ropponen 13.5.2009 1 Agenda Korvausvastuu vahinkovakuutuksessa Korvausvastuun arviointi Ennustevirhe Ennustejakauma Bootstrap-/simulointimenetelmä

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

Lisätiedot

Kertoimien laskentakaava on seuraava:

Kertoimien laskentakaava on seuraava: Muistio 1 (7) Kertasuorituskertoimet 1.1.2017 alkaen Sisällys 1 Yleistä kertasuorituksista 2 Lapseneläkkeen kertasuorituskertoimet 1 Yleistä kertasuorituksista... 1 2 Lapseneläkkeen kertasuorituskertoimet...

Lisätiedot

VÄESTÖENNUSTE 2015-2040

VÄESTÖENNUSTE 2015-2040 VÄESTÖENNUSTE 2015-2040 KEHITTÄMIS- JA TALOUSOSASTO/ Kehittämispalvelut 1 / 2016 Alkusanat Tilastokeskus on julkaissut väestöennusteen joka kolmas vuosi. Tilastokeskuksen väestöennusteet perustuvat havaintoihin

Lisätiedot

Tilasto vanhuuseläkevastuiden kuolevuusperustetäydennyksestä

Tilasto vanhuuseläkevastuiden kuolevuusperustetäydennyksestä Eläketurvakeskus Muistio 1 (5) Tilasto vanhuuseläkevastuiden kuolevuusperustetäydennyksestä 31.12.2016 Johdanto Vuoden 2016 keskeisiä laskuperustemuutoksia oli kuolevuusperustemuutos. Se oli osa työmarkkinajärjestöjen

Lisätiedot

Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2010

Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2010 Mandatum Life Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2010 Pitkän aikavälin tavoite Mandatum Lifen tavoitteena on antaa pitkällä aikavälillä voitonjakoon oikeutetuille vakuutussäästöille

Lisätiedot

Vakuutusosakeyhtiö Henki-Fennia 1 (6)

Vakuutusosakeyhtiö Henki-Fennia 1 (6) Vakuutusosakeyhtiö 1 (6) SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2011 Lisäetutavoitteet n tavoitteena on antaa ylijäämän jakoon oikeutettujen vakuutusten vakuutussäästöille pitkällä aikavälillä

Lisätiedot

Referenssikuolevuuden K2016 stokastinen mallintaminen vahinkovakuutusyhtio ssa

Referenssikuolevuuden K2016 stokastinen mallintaminen vahinkovakuutusyhtio ssa SUOMEN AKTUAARIYHDISTYS Referenssikuolevuuden K2016 stokastinen mallintaminen vahinkovakuutusyhtio ssa Suppea SHV-työ Ville Lilja 11. syyskuuta 2017 Tiivistelmä Tyo ssa tutkitaan kuolevuudesta aiheutuvaa

Lisätiedot

Mikro- ja makrovakausanalyysi sekä Suomen finanssimarkkinat

Mikro- ja makrovakausanalyysi sekä Suomen finanssimarkkinat Mikro- ja makrovakausanalyysi sekä Suomen finanssimarkkinat Aktuaaritoiminnan kehittämissäätiön syysseminaari 22.11.2012 Sampo Alhonsuo Finanssivalvonta Finansinspektionen Financial Supervisory Authority

Lisätiedot

Viherseinien efekti Tilastoanalyysi

Viherseinien efekti Tilastoanalyysi Viherseinien efekti Tilastoanalyysi Risto Heikkinen Tutkimuskysymykset Seinän vaikutus koettuun haittoihin työympäristössä? Seinän vaikutus oireiden määrään? Mitkä tekijät selittävät viherseinän jatkokäytön

Lisätiedot

TAMPEREEN YLIOPISTO Pro gradu -tutkielma. Kalle Suominen. Leen-Carterin malli

TAMPEREEN YLIOPISTO Pro gradu -tutkielma. Kalle Suominen. Leen-Carterin malli TAMPEREEN YLIOPISTO Pro gradu -tutkielma Kalle Suominen Leen-Carterin malli Matematiikan, tilastotieteen ja filosofian laitos Matematiikka Syyskuu 2006 Tampereen yliopisto Matematiikan, tilastotieteen

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 4: Ketjusäännöt ja lineaarinen approksimointi Jarmo Malinen Matematiikan ja systeemianalyysin laitos 1 Aalto-yliopisto Kevät 2016 1 Perustuu

Lisätiedot

Helena Alkula palvelupäällikkö, Varma

Helena Alkula palvelupäällikkö, Varma 13.9. Uudistuva työeläke, osa 3/5: Muuttuvat eläkeiät, Elina Juth, palvelupäällikkö, Varma Helena Alkula palvelupäällikkö, Varma Minna Harjula, lakiasiantuntija, Varma Uudistuva työeläke polku, aamiaiswebinaarit

Lisätiedot

Nuoren tukeminen on poikiva sijoitus

Nuoren tukeminen on poikiva sijoitus Nuoren tukeminen on poikiva sijoitus IV Ohjaamo-päivät 16. 17.3.2016, Vantaa Nuorten tukeminen kannattaa aina tilastoista arkikokemuksiin Pekka Myrskylä, kehittämispäällikkö (eläk.), Tilastokeskus 6100000

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

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Logistinen regressioanalyysi Vastemuuttuja Y on luokiteltu muuttuja Pyritään mallittamaan havaintoyksikön todennäköisyyttä kuulua

Lisätiedot

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.

Virhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita

Lisätiedot

Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio

Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n

Lisätiedot

HFT: mitä ja miksi? Muuttuvatko väärinkäytökset kuka valvoo ja miten?

HFT: mitä ja miksi? Muuttuvatko väärinkäytökset kuka valvoo ja miten? HFT: mitä ja miksi? Muuttuvatko väärinkäytökset kuka valvoo ja miten? Sijoitus-Invest 14. 15.11.2012 Finanssivalvonta Finansinspektionen Financial Supervisory Authority 14.11.2012 Laila Hietalahti 0 Finanssivalvonta

Lisätiedot

Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45.

Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45. Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 8.8% 8.9%.%.% 9.7%.7% Etelä Länsi Itä Oulu Lappi Ahvenanmaa Länsi Etelä Itä Oulu Lappi Ahvenanmaa Läänien

Lisätiedot

Mitä kautta työkyvyttömyys

Mitä kautta työkyvyttömyys Mitä työkyvyttömyys maksaa? Allan Paldanius / Kuntien eläkevakuutus k Mitä kautta työkyvyttömyys maksaa? Työkyvyttömyyden eri vaiheet työkyvyn menetys alkaa näkyä satunnaiset sairaslomat, sijaisten palkat,

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot

4.2 Useampi selittävä muuttuja (kertausta)

4.2 Useampi selittävä muuttuja (kertausta) 14.2.2019/1 MTTTA1 Tilastomenetelmien perusteet Luento 14.2.2019 4.2 Useampi selittävä muuttuja (kertausta) Selittäjien lukumäärä k (k-ra) = + + + + Malliin liittyvät oletukset i ~ N(0, 2 ) ja i:t ovat

Lisätiedot

IFRS-tilinpäätösvalvonnan eräitä havaintoja vuonna 2011

IFRS-tilinpäätösvalvonnan eräitä havaintoja vuonna 2011 IFRS-tilinpäätösvalvonnan eräitä havaintoja vuonna 2011 Vuoden 2010 tilinpäätös Finanssivalvonta Finansinspektionen Financial Supervisory Authority 12/2011 Rahoitusinstrumentit (IFRS 7 ja IAS 39) Rahoitusinstrumenttien

Lisätiedot

SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2014

SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2014 SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2014 Lisäetutavoitteet n tavoitteena on antaa ylijäämän jakoon oikeutettujen vakuutusten vakuutussäästöille pitkällä aikavälillä vähintään riskittömän

Lisätiedot

PRO GRADU -TUTKIELMA. Taru Vihinen. Vakuutusyhtiön korkoriskin arviointi dynaamisen Nelson-Siegel-mallin avulla

PRO GRADU -TUTKIELMA. Taru Vihinen. Vakuutusyhtiön korkoriskin arviointi dynaamisen Nelson-Siegel-mallin avulla PRO GRADU -TUTKIELMA Taru Vihinen Vakuutusyhtiön korkoriskin arviointi dynaamisen Nelson-Siegel-mallin avulla TAMPEREEN YLIOPISTO Informaatiotieteiden yksikkö Tilastotiede Joulukuu 2014 Tampereen yliopisto

Lisätiedot

(b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa

(b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa Oulun yliopiston matemaattisten tieteiden tutkimusyksikkö/tilastotiede 805306A JOHDATUS MONIMUUTTUJAMENETELMIIN, sl 2017 (Jari Päkkilä) Harjoitus 3, viikko 47 (19.20.11.): kotitehtävät Ratkaisuja 1. Floridan

Lisätiedot

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018

BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 BM20A5840 Usean muuttujan funktiot ja sarjat Harjoitus 7, Kevät 2018 Tehtävä 8 on tällä kertaa pakollinen. Aloittakaapa siitä. 1. Kun tässä tehtävässä sanotaan sopii mahdollisimman hyvin, sillä tarkoitetaan

Lisätiedot

edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾

edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾ ËØÙ ÓØÓ Ø Mitta-asteikot Nominaali- eli laatueroasteikko Ordinaali- eli järjestysasteikko Intervalli- eli välimatka-asteikko ( nolla mielivaltainen ) Suhdeasteikko ( nolla ei ole mielivaltainen ) Otos

Lisätiedot

Lisä,etopake3 2: ra,onaalifunk,on integroin,

Lisä,etopake3 2: ra,onaalifunk,on integroin, 9/20/ Lisä,etopake 2: ra,onaalifunk,on integroin, Ra,onaalifunk,o: kahden polynomin P(x) ja Q(x) osamäärä. Esim. x 2 x + 2 tai x5 +6x x- Ra,onaalifunk,o voidaan aina integroida, ja tähän löytyy kajava

Lisätiedot

SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2013

SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2013 SELVITYS KOHTUUSPERIAATTEEN TOTEUTUMISESTA VUONNA 2013 Lisäetutavoitteet n tavoitteena on antaa ylijäämän jakoon oikeutettujen vakuutusten vakuutussäästöille pitkällä aikavälillä vähintään riskittömän

Lisätiedot

Riskien hallinnan kehityskohteita finanssikriisin valossa

Riskien hallinnan kehityskohteita finanssikriisin valossa Kommenttipuheenvuoro: Riskien hallinnan kehityskohteita finanssikriisin valossa Aktuaaritoiminnan kehittämissäätiön syysseminaari 18.11.2009 Apulaisjohtaja Jukka Vesala Finanssivalvonta Finansinspektionen

Lisätiedot

Insinöörimatematiikka D

Insinöörimatematiikka D Insinöörimatematiikka D M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Matematiikan ja tilastotieteen laitos Turun yliopisto 2015 M. Hirvensalo mikhirve@utu.fi V. Junnila viljun@utu.fi Luentokalvot

Lisätiedot

Algoritmit 1. Demot Timo Männikkö

Algoritmit 1. Demot Timo Männikkö Algoritmit 1 Demot 1 25.-26.1.2017 Timo Männikkö Tehtävä 1 (a) Algoritmi, joka laskee kahden kokonaisluvun välisen jakojäännöksen käyttämättä lainkaan jakolaskuja Jaettava m, jakaja n Vähennetään luku

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 4

Inversio-ongelmien laskennallinen peruskurssi Luento 4 Inversio-ongelmien laskennallinen peruskurssi Luento 4 Kevät 20 Regularisointi Eräs keino yrittää ratkaista (likimääräisesti) huonosti asetettuja ongelmia on regularisaatio. Regularisoinnissa ongelmaa

Lisätiedot

Regressioanalyysi. Kuusinen/Heliövaara 1

Regressioanalyysi. Kuusinen/Heliövaara 1 Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin

Lisätiedot

Kansanterveystiede L2, sivuaine, avoin yo, approbatur. Väestörakenne, sosiodemografiset tekijät ja kansanterveys

Kansanterveystiede L2, sivuaine, avoin yo, approbatur. Väestörakenne, sosiodemografiset tekijät ja kansanterveys Kansanterveystiede L2, sivuaine, avoin yo, approbatur VÄESTÖN TERVEYS L2 Väestörakenne, sosiodemografiset tekijät ja kansanterveys 13.09.2013 Kurssin johtaja: Prof. Eero Lahelma, eero.lahelma@helsinki.fi

Lisätiedot

Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2009

Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2009 Mandatum Life Selvitys vakuutussäästöille annetuista kokonaishyvityksistä vuodelta 2009 Pitkän aikavälin tavoite Mandatum Lifen tavoitteena on antaa pitkällä aikavälillä voitonjakoon oikeutetuille vakuutussäästöille

Lisätiedot

Muuttujan vaihto. Viikon aiheet. Muuttujan vaihto. Muuttujan vaihto. ) pitää muistaa lausua t:n avulla. Integroimisen työkalut: Kun integraali

Muuttujan vaihto. Viikon aiheet. Muuttujan vaihto. Muuttujan vaihto. ) pitää muistaa lausua t:n avulla. Integroimisen työkalut: Kun integraali Viikon aiheet Integroimisen työkalut: Rationaalifunktioiden jako osamurtoihin Rekursio integraaleissa CDH: Luku 4, Prujut206: Luvut 4-4.2.5, Prujut2008: s. 89-6 Kun integraali h(x) ei näytä alkeisfunktioiden

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastolliset luottamusvälit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...

Lisätiedot

Väliraportti 10 x 10 kokeilusta (tilanne )

Väliraportti 10 x 10 kokeilusta (tilanne ) Tutkimus ja Koulutus Humaani Oy Sirkku Laapotti ja Mika Hatakka 7.6.2017 Väliraportti 10 x 10 kokeilusta (tilanne 19.5.2017) Taustatietoja Tarkasteltavana oli 529 kokeilussa mukana olleen oppilaan ja 466

Lisätiedot

Henkivakuutuksia eri tarpeisiin. Sijoitus-Invest 14. 15.11.2012

Henkivakuutuksia eri tarpeisiin. Sijoitus-Invest 14. 15.11.2012 Henkivakuutuksia eri tarpeisiin Sijoitus-Invest 14. 15.11.2012 Finanssivalvonta Finansinspektionen Financial Supervisory Authority 14.11.2012 Finanssivalvonta Suomen rahoitus- ja vakuutusvalvontaviranomainen

Lisätiedot

Suomalaisten veren kolesterolitasot ja rasvan ruokavaliossa FINRISKI 2012-tutkimuksen mukaan

Suomalaisten veren kolesterolitasot ja rasvan ruokavaliossa FINRISKI 2012-tutkimuksen mukaan Suomalaisten veren kolesterolitasot ja rasvan ruokavaliossa FINRISKI 2012-tutkimuksen mukaan Erkki Vartiainen, LKT, professori, ylijohtaja 25.11.2012 1 Kolesterolitason muutokset 1982-2012 Miehet 6,4 6,2

Lisätiedot

Työeläkeuudistus 2017 ja sen vaikutus

Työeläkeuudistus 2017 ja sen vaikutus Työeläkeuudistus 2017 ja sen vaikutus Mikko Kautto, johtaja Sosiaaliturvan uudistukset 2020-luvun sosiaalipolitiikan kokonaiskuvaa hahmottelemassa seminaari, 3.2.2015 @Mikko_Kautto eläketutka.fi Tutkimuskirjallisuus

Lisätiedot

Baltian kuolevuudesta

Baltian kuolevuudesta Baltian kuolevuudesta Toni Blomster 27. lokakuuta 2014 Sisältö 1 Johdantoa ja teoriaa 2 1.1 Lee-Carter kuolevuusmallista.................. 3 1.2 Variaatioita Lee-Carter-teemasta................ 4 1.3 Virhe-estimoinnista........................

Lisätiedot

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)

Tutkimusongelmia 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

Lisätiedot

SHV-Tentti 25.11.2010 Vakuutusmatematiikan sovellukset

SHV-Tentti 25.11.2010 Vakuutusmatematiikan sovellukset SHV-Tentti 25.11.2010 Vakuutusmatematiikan sovellukset STM Y1. Arvio tuntemattomien vahinkojen IBNR:n odotusarvo ja yhden hajonnan suuruinen varmuusmarginaali seuraavasta kehityskolmiosta: SATTUMIS- VUOSI

Lisätiedot

Vanhoja koetehtäviä. Analyyttinen geometria 2016

Vanhoja koetehtäviä. Analyyttinen geometria 2016 Vanhoja koetehtäviä Analyyttinen geometria 016 1. Määritä luvun a arvo, kun piste (,3) on käyrällä a(3x + a) = (y - 1). Suora L kulkee pisteen (5,1) kautta ja on kohtisuorassa suoraa 6x + 7y - 19 = 0 vastaan.

Lisätiedot

Demonstraatiot Luento

Demonstraatiot Luento TEKNILLINEN KORKEAKOULU Tietoliikenne- ja tietoverkkotekniikan laitos S-8.45 Liikenneteorian perusteet, Kevät 8 Demonstraatiot Luento 8..8 D/ Tarkastellaan seuraavaa yksinkertaista piirikytkentäistä (runko)verkkoa.

Lisätiedot

Gaussin ja Jordanin eliminointimenetelmä

Gaussin ja Jordanin eliminointimenetelmä 1 / 25 : Se on menetelmä lineaarisen yhtälöryhmän ratkaisemiseksi. Sitä käytetään myöhemmin myös käänteismatriisin määräämisessä. Ideana on tiettyjä rivioperaatioita käyttäen muokata yhtälöryhmää niin,

Lisätiedot

TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET

TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET 16..015 1. a Poliisivoimien suuruuden lisäksi piirikuntien rikostilastoihin vaikuttaa monet muutkin tekijät. Esimerkiksi asukkaiden keskimääräinen

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.104 Tilastollisen analyysin perusteet, kevät 007 8. luento: Usean selittäjän lineaarinen regressiomalli Kai Virtanen 1 Usean selittäjän lineaarinen regressiomalli Selitettävän muuttujan havaittujen

Lisätiedot

Usean selittävän muuttujan regressioanalyysi

Usean selittävän muuttujan regressioanalyysi Tarja Heikkilä Usean selittävän muuttujan regressioanalyysi Yhden selittävän muuttujan regressioanalyysia on selvitetty kirjan luvussa 11, jonka esimerkissä18 muodostettiin lapsen syntymäpainolle lineaarinen

Lisätiedot

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Regressioanalyysi. Vilkkumaa / Kuusinen 1 Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen

Lisätiedot

r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

r = 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

Lisätiedot

Eläkkeellesiirtymisikä vuonna Jari Kannisto

Eläkkeellesiirtymisikä vuonna Jari Kannisto Eläkkeellesiirtymisikä vuonna 2016 Jari Kannisto 15.2.2017 Aiheet Työeläkkeelle siirtyneiden määrä Eläkkeellesiirtymisiän kehitys Työllisyys Työllisen ajan odote 2 Eläkkeelle siirtymisen myöhentämistavoitetta

Lisätiedot