Mat Sovellettu todennäköisyyslasku A

Koko: px
Aloita esitys sivulta:

Download "Mat Sovellettu todennäköisyyslasku A"

Transkriptio

1 TKK / Systeemilyysi lbortorio Mt-.090 Sovellettu todeäköisyyslsku Nordlud Hrjoitus 10 (vko 47/003) (ihe: Väliestimoiti, Liie luvut 10.6, 11.7, , ) 1. Kemillise prosessi sto X o ormlijkutuut. Poimit yksikertie stuisotos sost j sd hvitorvot (yksikköä %): Määrää 95 %: luottmusväli so odotusrvolle, ku ) tiedetää, että X: keskihjot o prosettiyksikköä. b) X: keskihjot ei tuet. (otoskeskirvo x = j otosvrissi s = ) ) Kyseessä o ormlijkum odotusrvoprmetri luottmusväli j vrissi o tuettu. Stdrdoitu stuismuuttuj Z oudtt stdrdoitu ormlijkum: X µ Z = ~N(0,1) / Luottmusväli o muoto: X µ P / / = 1 / P X / µ X + / = 1 Otoskoko = 6, luottmustso 95 %, = 0.05 j luottmuskerroi 0.05 = 1.96 (määrätty ormlijkum tulukost site, että P(Z > 0.05 ) = 0.05). Huom, että luottmuskertoimie 0.05 j välii jäävä todeäköisyys o Luottmusväliksi sd , eli (66.95, 70.15). b) Stdrdoitu stuismuuttuj T oudtt Studeti t-jkum (1):llä vpussteell (Liise kirj teoreem 1.4.4): X T = µ ~ t( 1) S/ Luottmusväli o muoto: X µ P t/ t / = 1 S/ P S S X t/ µ X + t/ = 1

2 Ku keskihjot ei tuet, se joudut estimoim otoksest. Tällöi luottmuskerroi määrätää Studeti t-jkumst vpussteill df = 1 = 5. Vpussteist käytetää yleesä joko merkitää df (egl. degrees of freedom) ti symboli ν (kreik yy). Luottmuskertoimeksi sd t 0.05 =.571 (t-jkum tulukost vpussteluvull 5). Huom, että luottmuskertoimie t 0.05 j +t 0.05 välii jäävä todeäköisyys o Luottmusväliksi sd , eli (67.15, 69.95). -kohdss otosvrissi o pieempi kui -kohd "todellie" vrissi, jote luottmusvälistä tuli kpempi, vikk luottmuskerroi t 0.05 o suurempi kui Mikä o tehtävä 1 b -tilteess keskihjo 90 %: luottmusväli? Oko 1 -kohd väite, että keskihjot o prosettiyksikköä, ristiriidss hvitoieisto kss? Liise kirj teoreem 1.4. muk: ( 1) S ~ χ ( 1) (khii eliö jkum vpussteill 1) Vrissi luottmusväli o muoto: ( ) 1 S P χ1 / χ / = 1 ( 1) ( 1) P S S 1 = χ/ χ1 / Otoskoko = 6, jkum vpussteet ν = 1 = 5. χ -jkum tulukost sd luottmuskertoimet χ 0.05 = j χ 0.95 = 1.15 vpussteluvull 5. Huom, että luottmuskertoimie χ 0.05 j χ 0.95 välii jäävä todeäköisyys o Vrissi luottmusväliksi sd ( 6 1 ) ( 6 1 ) 1.779, eli (0.804, 7.735). Keskihjo luottmusväliksi sd (0.896,.781) (prosettiyksikköä). Kosk 1 -kohd väite, että keskihjot o prosettiyksikköä, o muodostetu 90 %: luottmusväli sisällä, tämä sopii yhtee hvitoieisto kss. 3. Koeill j vlmistet osi, joide hlkisijt ovt ormlijkutueit odotusrvoi µ j µ sekä vrissei vstvsti j. Koe o uudempi j tiedetää, että vrissi o vi 1/8 vrissist. Erotukselle µ µ hlut lske 99 %: luottmusväli. Kuik mot koeell j kuik mot koeell vlmistettu os mitt, ku mittuksi tehdää kikki 60 j luottmusväli pituus hlut mhdollisimm lyhyeksi?

3 Erotukse µ µ luottmusväli o sitä lyhyempi, mitä pieempi o estimttori µ ˆ µ ˆ = X X vrissi. Merkitää =, jolloi = 8, j edellee: 8 1 Vr( µ ˆ µ ˆ ) = Vr( X X) = +. missä + = 60. Merkitää = t j = 60 t j miimoid t: suhtee fuktio f(t) = 8/t + 1/(60 t), missä t o kokoisluku välillä (0, 60). f 8 1 () ( ) ' t ( 60 ) t t t = + = = = t t 14 Eli otoskoot = 44 j = 16 miimoivt erotukse X X vrissi kokoisotoskoo olless Olkoo villiste yksiköide osuus tuotost p (eli 100p %). Prmetri p estimoid trkstmll stuisesti poimittu tuottoyksikköä. Hlut sd p: rvo luottmusväli pituudeksi korkeit 6 prosettiyksikköä luottmustsoll Kuik suuri otoskoo o oltv, jos ) p: suuruudest ei ole mitää ekkokäsitystä? b) tiedetää, että p < 0.1? Villiste yksiköide lukumäärä X otoksess koko o biomijkutuut X ~ i(, p). Ku otoskoko o ii suuri, että biomijkum void pproksimoid ormlijkumll (usei vdit p(1p)>9), suhteellise osuude estimttori pˆ = X/ oudtt p( 1 p) pproksimtiivisesti ormlijkum: pˆ ~ N p,. Site stdrdoitu pˆ p stuismuuttuj ~ N( 0,1). p( 1 p) / Luottmusväli o muoto: pˆ p P / / = 1 p( 1 p) / p( 1 p) p( 1 p) P pˆ / p pˆ + / 1 = Luottmusväli pituus s oll korkeit 6 prosettiyksikköä: p( 1 p) / 0.06 p( 1 p) / 0.03 / p( 1 p) 0.03

4 Vlittu luottmustso o 95 %, = 0.05 j luottmuskerroi 0.05 = 1.96 (määrätty ormlijkum tulukost site, että P(Z > 0.05 ) = 0.05). ) Luottmusväli o sitä pidempi, mitä suurempi piste-estimttori ˆp vrissi o. Kosk suhteellise osuude p suuruudest ei ole mitää ekkokäsitystä, käytetää rvo p, jok mksimoi luottmusväli pituude. p(1p) s mksimis rvoll p = ( 1 0.5) b) Ku tiedetää, että p < 0.1, termille p(1p) sd ylärj = (Vikki: trkstele prbeli f(p) = p(1p) kuvj) ( 1 0.1) Erää lisäiee ei ktsot iheuttv terveyshittoj, jos se pitoisuus o korkeit 40 mg/kg; määräyste muk korkei sllittu pitoisuus o 30 mg/kg. Tuottoerä lisäiepitoisuude kotrolloimiseksi mitt erästä stuisesti poimitu 15 äyttee pitoisuus j lsket otoskeskirvo X. Oletet mittustulokse oudttv ormlijkum odotusrvo todellie pitoisuus θ, jok estimttori X o, j keskihjot 5 mg/kg (keskihjot tuet etuudest). Jos otoskeskirvo X ylittää rvo 30 mg/kg huomttvsti, ei ole uskottv, että erä todellie pitoisuus θ toteuttisi ehdo θ 30. Tällöi erä hylätää lii korke lisäiepitoisuude vuoksi. Lske prmetrille θ yksipuolie 95 %: luottmusväli muoto (, X + r (tällöi väli peittää todellise rvo θ 95 %: todeäköisyydellä j erä hylätää, jos rvo 30 jää väli ulkopuolelle). Mikä o X : kriittie rvo, jok ylitys joht erä hylkäämisee? Keskirvo X o ormlijkutuut: X ~N θ, 15 missä = 5. Hylkäysrj 30 + r o P 30+ = 0.95 ku θ = 30. Luottmustso o 95 %, = 0.05 j toteutettv ehto ( X r) yksipuolise luottmusväli luottmuskerroi 0.05 = (määrätty ormlijkum tulukost site, että P(Z > 0.05 ) = 0.05). Stdrdoid hylkäysrj j sd yhtälö: 30 + r 30 5 = = r = / Hylkäysrjksi sd 3.1 mg/kg. Jos todellie lisäiepitoisuus θ 30 mg/kg, korkeit 5 % eristä hylätää.

5 Pistetehtävä 1. Hlut selvittää suomliste Ntoo liittymistä kttvie suhteellie osuus yksikertisee stuisott perustuvll kyselytutkimuksell. Oletet, että kyselyy voi vstt iost "kt liittymistä" ti "e kt liittymistä" j kttjie/vstustjie suhteellisest osuudest ei ole ekkotieto. Mite suuri otos o poimittv, jott stisii 99 %: vrmuus siitä, että otoksest lskettu kttjie suhteellie osuus poikke korkeit 0.5 prosettiyksikköä todellisest kttjie suhteellisest osuudest? Luottmusväli säde s oll korkeit / p( 1 p) / p( 1 p) Vlittu luottmustso o 99 %, = 0.01 j luottmuskerroi =.58 (määrätty ormlijkum tulukost site, että P(Z > ) = 0.005). Luottmusväli o sitä pidempi, mitä suurempi piste-estimttori ˆp vrissi o. Kosk suhteellise osuude p suuruudest ei ole mitää ekkokäsitystä, käytetää rvo p, jok mksimoi luottmusväli pituude. p(1p) s mksimirvos, ku p = ( 1 0.5)

6 Pistetehtävä. Tehds vlmist uloj. Koee kulumise vuoksi uloje pituus vihtelee stuisesti oudtte ormlijkum. Vlmistettuje uloje joukost poimittii yksikertie stuisotos, jok koko oli 30. Otoskeskirvoksi stii 9.99 cm j otosvrissiksi 0.01 cm. ) Määrää 95 %: luottmusväli uloje pituude odotusrvolle. b) Määrää 90 %: luottmusväli uloje pituude vrissille. X ~N µ,, i = 1,,, j X X, i j, otosvrissille pätee: Vihje: Jos ( i ) ( 1) S ~ χ ( 1) ) Luottmusväli o muoto: P S S X t/ µ X + t/ = 1 Luottmuskertoimeksi sd t 0.05 =.045 (t-jkum tulukost vpussteill df = 1 =9). Luottmusväliksi sd ± ± = ( 9.953, 10.07). 30 b) Luottmusväli o muoto: ( 1) ( 1) P S S 1 = χ/ χ1 / χ -jkum tulukost sd luottmuskertoimet χ 0.05 = 4.56 j χ 0.95 = vpussteluvull ν = 1 = 9. Vrissi luottmusväliksi sd ( 30 1) 0.01 ( 30 1) 0.01, eli (0.0068, ). i j

Testit laatueroasteikollisille muuttujille. Testit laatueroasteikollisille muuttujille. Testit laatueroasteikollisille muuttujille: Esitiedot

Testit laatueroasteikollisille muuttujille. Testit laatueroasteikollisille muuttujille. Testit laatueroasteikollisille muuttujille: Esitiedot TKK (c) Ilkk Melli (24) Johdtus tilstotieteesee TKK (c) Ilkk Melli (24) 2 : Mitä opimme? Trkstelemme tässä luvuss seurvi ltuerosteikolliste muuttujie testejä: Testukse kohtee testeissä o Beroulli-jkum

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

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2.

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2. Mtemtiikk III 0600 Kurssi / Differetili- j itegrlilske jtkokurssi Tee 7 tehtävää ) Määritä lim ( ) ) + b) Määritä vkio site, että luseke ( ) + + ( )( ) ( + + ) + + + + + lim + lim lim (p) o jtkuv myös

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

Kertaustehtävien ratkaisut

Kertaustehtävien ratkaisut Rtkisuist Nämä Trigoometriset fuktiot j lukujoot kurssi kertustehtävie j -srjoje rtkisut perustuvt oppikirj tietoihi j meetelmii. Kustki tehtävästä o yleesä vi yksi rtkisu, mikä ei kuitek trkoit sitä,

Lisätiedot

1.3 Toispuoleiset ja epäoleelliset raja-arvot

1.3 Toispuoleiset ja epäoleelliset raja-arvot . Toisuoleiset j eäoleelliset rj-rvot Rj-rvo lim f () A olemssolo edellyttää että muuttuj täytyy void lähestyä rvo kummst suust hyväsä. Jos > ii sot että lähestyy rvo oikelt ositiivisest suust. Jos ts

Lisätiedot

Polynomien laskutoimitukset

Polynomien laskutoimitukset Polyomie lskutoimitukset Polyomi o summluseke, joss jokie yhteelskettv (termi) sisältää vi vkio j muuttuj välisiä kertolskuj. Esimerkki 0. Mm., 6 j ovt polyomej. Polyomist, joss o vi yksi termi, käytetää

Lisätiedot

2.4 Pienimmän neliösumman menetelmä

2.4 Pienimmän neliösumman menetelmä 2.4 Pienimmän neliösummn menetelmä Optimointimenetelmiä trvitn usein kokeellisen dtn nlysoinniss. Mittuksiin liittyy virhettä, joten mittus on toistettv useit kertoj. Oletetn, että mittn suurett c j toistetn

Lisätiedot

1.1. Laske taskulaskimella seuraavan lausekkeen arvo ja anna tulos kolmen numeron tarkkuudella: tan 60,0 = 2,950... 2,95

1.1. Laske taskulaskimella seuraavan lausekkeen arvo ja anna tulos kolmen numeron tarkkuudella: tan 60,0 = 2,950... 2,95 9..008 (9). Lskime käyttö.. Lske tskulskimell seurv lusekkee rvo j tulos kolme umero trkkuudell: 4 + 7 t 60,0 + Rtkisu: 4 + 7 =,950...,95 t 60,0 + Huom: Lskimiss o yleesä kolme eri kulmyksikköjärjestelmää:

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

Estimointi. Vilkkumaa / Kuusinen 1

Estimointi. Vilkkumaa / Kuusinen 1 Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman

Lisätiedot

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.4 Rtkisut j rvostelu. Koululisen todistuksen keskirvo x on lskettu ) b) c) d) kymmenen ineen perusteell. Jos koululinen nostisi neljän ineen

Lisätiedot

2.4. Juurifunktio ja -yhtälöt

2.4. Juurifunktio ja -yhtälöt .. Juurifuktio j -yhtälöt.. Juurifuktio j -yhtälöt Juurifuktio lähtökoht void pitää potessifuktiot: f (x) x, missä o luoollie luku;,,,, j yhdistety potessifuktio määrittelee puolest yhtälö f (x) [g(x)],,,,,...

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 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

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

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat: Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Mt-1.60 Sovellettu todeäkösyyslsket B 8. hrjotukset / Rtksut Aheet: Otos j otosjkumt Avst: Artmeette keskrvo, Beroull-jkum, Beroull-koe, χ -jkum, Frekvess,

Lisätiedot

Menetelmiä formuloinnin parantamiseen

Menetelmiä formuloinnin parantamiseen Meetelmiä formuloii prtmisee Mikko Korpel Dimitris Bertsims & Robert Weismtel, 2005, Optimiztio over Itegers, ch 2.-2.5 S ysteemilyysi Lbortorio Tekillie korkekoulu Mikko Korpel Sovelletu mtemtiik tutkisemiri-

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

Neliömatriisin A determinantti on luku, jota merkitään det(a) tai A. Se lasketaan seuraavasti: determinantti on

Neliömatriisin A determinantti on luku, jota merkitään det(a) tai A. Se lasketaan seuraavasti: determinantti on 4. DETERINANTTI JA KÄÄNTEISATRIISI 6 4. Neliömtriisi determitti Neliömtriisi A determitti o luku, jot merkitää det(a) ti A. Se lsket seurvsti: -mtriisi A determitti o det(a) () -mtriisi A determitti void

Lisätiedot

2.2 Monotoniset jonot

2.2 Monotoniset jonot Mtemtiik tito 9, RATKAISUT Mootoiset joot ) Kosk,,,, ii 0 Lukujoo ( ) o siis lhlt rjoitettu Toislt 0 Lukujoo (

Lisätiedot

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut Sksn 0 Pitkän mtemtiikn YO-kokeen TI-Nspire CAS -rtkisut Tekijät: Olli Krkkulinen Rtkisut on ldittu TI-Nspire CAS -tietokoneohjelmll kättäen Muistiinpnot -sovellust. Kvt j lskut on kirjoitettu Mth -ruutuihin.

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

****************************************************************** MÄÄRITELMÄ 4:

****************************************************************** MÄÄRITELMÄ 4: . Murtopotessi MÄÄRITELMÄ : O Olkoo prillie, positiivie kokoisluku. Ei egtiivise luvu :s juuri trkoitt sellist ei-egtiivist luku b, jok :s potessi o. Merkitää b. Kute eliöjuureki tpuksess, luku b täyttää

Lisätiedot

Tilastollinen todennäköisyys

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

Lisätiedot

9. laskuharjoituskierros, vko 12-13, ratkaisut

9. laskuharjoituskierros, vko 12-13, ratkaisut 9. laskuharjoituskierros, vko 12-13, ratkaisut D1. Olkoot X i, i = 1, 2,..., n riippumattomia, samaa eksponenttijakaumaa noudattavia satunnaismuuttujia, joiden odotusarvo E(X i = β, toisin sanoen X i :t

Lisätiedot

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [ 1. Derivtn Testi Jos funktio f on jtkuv voimell välillä ], b[ j x 0 ], b[ on kriit. ti singul. piste niin { f (x) < 0, x ], x 0 [ f x (x) > 0, x ]x 0, b[ 0 on lokli minimipiste (1) { f (x) > 0, x ], x

Lisätiedot

Laskut kirjoitetaan vasempaan reunaan, vastaukset tulevat oikeaan reunaan.

Laskut kirjoitetaan vasempaan reunaan, vastaukset tulevat oikeaan reunaan. 2. Peruslsket 2.1 Yhtee- j väheyslsku Lske: 23 14 9 MENU. Vlitse Mi Syötä lskuluseke. Pi EXE. Lskut kirjoitet vsemp reu, vstukset tulevt oike reu. 2.2 Näytö tyhjeys Vlitse Edit j pi Cler All. Pi OK. Huom!

Lisätiedot

Riemannin integraalista

Riemannin integraalista Lebesguen integrliin sl. 2007 Ari Lehtonen Riemnnin integrlist Johdnto Tämän luentomonisteen trkoituksen on tutustutt lukij Lebesgue n integrliin j sen perusominisuuksiin mhdollisimmn yksinkertisess tpuksess:

Lisätiedot

Potenssi a) Kirjoita potenssiksi ja 7 ( 7) ( 7) ( 7). b) Kirjoita kertolaskuksi 9 6 ja ( 11) 3. Laskuja ei tarvitse laskea.

Potenssi a) Kirjoita potenssiksi ja 7 ( 7) ( 7) ( 7). b) Kirjoita kertolaskuksi 9 6 ja ( 11) 3. Laskuja ei tarvitse laskea. Potessi 9. ) Kirjoit potessiksi j 7 ( 7) ( 7) ( 7). Kirjoit kertolskuksi 9 j ( ). Lskuj ei trvitse lske. ) 5 j ( 7) 9 9 9 9 9 9 j ( ) ( ) 9. Lske. ) 0 7 9 ) 000 9 8 9. Lske. ) ( ) ( ) ) 7 95. Yhdistä prit.,

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

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

Integraalilaskenta. Määrätty integraali

Integraalilaskenta. Määrätty integraali 9..08 Integrlilskent Määräämätön Etsitään funktiot Derivoinnille käänteistoimenpide integroiminen Integrlifunktio F(x), jolle F x = f x, lisäksi integrlifunktioille G x = F x + C. Vkion C lisäys (merkitys),

Lisätiedot

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

Johdatus tilastotieteeseen Väliestimointi. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Väliestimointi TKK (c) Ilkka Mellin (2005) 1 Väliestimointi Todennäköisyysjakaumien parametrien estimointi Luottamusväli Normaalijakauman odotusarvon luottamusväli Normaalijakauman

Lisätiedot

Kertausosa. Kertausosa. 3. Merkitään. Vastaus: 2. a) b) 600 g. 4. a)

Kertausosa. Kertausosa. 3. Merkitään. Vastaus: 2. a) b) 600 g. 4. a) Kertusos Kertusos ). ) : j 7 0 7 ) 0 :( ) c) :( ). Merkitää merirosvorht (kg) sukltrffelit (kg) ) 7, 0 hit: /kg hit: 7 /kg ) 00 g 0,kg 7 0,,0,,0, 0, (kg) :. ) Vstus: ) 7, 0 ( ) ) 00 g. ) 0 7 9 7 0 0 Kertusos

Lisätiedot

n = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus:

n = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus: 1. Tietyllä koeella valmistettavie tiivisterekaide halkaisija keskihajoa tiedetää oleva 0.04 tuumaa. Kyseisellä koeella valmistettuje 100 rekaa halkaisijoide keskiarvo oli 0.60 tuumaa. Määrää 95%: ja 99%:

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Mtemtiikn tukikurssi Kurssikert 4 Tilvuuden j vipn ln lskeminen Kuten iemmin käsittelimme, määrätyn integrlin vull voi lske pintloj j tilvuuksi. Tyypillisenä sovelluksen tilvuuden lskemisest on tpus, joss

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 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

Sinilause ja kosinilause

Sinilause ja kosinilause Siniluse j kosiniluse GEOMETRI M3 Mikäli kolmion korkeus j knt tiedetään, voidn pint-l lske. Esimerkki: Lske kolmion l, kun 38 kulmn viereiset sivut ovt 8, j 6,8. Nyt knt tiedetään, korkeutt ei! 38 8,

Lisätiedot

Tee B-osion konseptiin etusivulle pisteytysruudukko! Muista kirjata nimesi ja ryhmäsi. Välivaiheet perustelevat vastauksesi!

Tee B-osion konseptiin etusivulle pisteytysruudukko! Muista kirjata nimesi ja ryhmäsi. Välivaiheet perustelevat vastauksesi! MAA8 Koe 4.4.016 Jussi Tyni Tee B-osion konseptiin etusivulle pisteytysruudukko! Muist kirjt nimesi j ryhmäsi. Väliviheet perustelevt vstuksesi! A-osio. Ilmn lskint. MAOLi s käyttää. Mksimissn 1h ik. Lske

Lisätiedot

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1 Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää

Lisätiedot

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

Otantajakauman käyttö päättelyssä

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

Lisätiedot

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3

Lisätiedot

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että Anlyysi Hrjoituksi lukuihin 3 / Kevät 5. Ann sellinen välillä ], [ jtkuv j rjoitettu funktio f, että () sup A m A j inf A min A, (b) sup A m A j inf A = min A, (c) sup A = m A j inf A min A, (d) sup A

Lisätiedot

EDE Elementtimenetelmän perusteet. Luento vk 1 Syksy Matematiikan ja matriisilaskennan kertausta

EDE Elementtimenetelmän perusteet. Luento vk 1 Syksy Matematiikan ja matriisilaskennan kertausta mperee tekillie yliopisto hum.8.3 Kostruktiotekiik litos EDE-00 Elemettimeetelmä perusteet. Lueto vk Syksy 03. Mtemtiik j mtriisilske kertust Yleistä Kirjoittele täe joiti kurssi keskeisiä sioit iille,

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

II.1. Suppeneminen., kun x > 0. Tavallinen lasku

II.1. Suppeneminen., kun x > 0. Tavallinen lasku II. EPÄOLEELLISET INTEGRAALIT nt II.. Suppeneminen Esim. Olkoon f() =, kun >. Tvllinen lsku = / =. Kuitenkn tätä integrli ei ole ikisemmss mielessä määritelty, kosk f ei ole rjoitettu välillä [, ] (eikä

Lisätiedot

= a sanoo vain, että jonon ensimmäinen jäsen annetaan. Merkintä a. lasketaan a :stä.

= a sanoo vain, että jonon ensimmäinen jäsen annetaan. Merkintä a. lasketaan a :stä. .. Lukujoo Aluksi Mtemtiiklle o erityise tyypillistä se, että käytäö tiltee settm ogelm bstrhoid. Käytäössä tämä trkoitt sitä, että siitä krsit lilluk vrret. Trkstelu kohteeksi jätetää vi si loogie ydi

Lisätiedot

3.3 KIELIOPPIEN JÄSENNYSONGELMA Ratkaistava tehtävä: Annettu yhteydetön kielioppi G ja merkkijono x. Onko

3.3 KIELIOPPIEN JÄSENNYSONGELMA Ratkaistava tehtävä: Annettu yhteydetön kielioppi G ja merkkijono x. Onko 3.3 KILIOPPIN JÄSNNYSONGLMA Rtkistv tehtävä: Annettu yhteydetön kielioppi G j merkkijono x. Onko x L(G)? Rtkisumenetelmä = jäsennyslgoritmi. Useit vihtoehtoisi menetelmiä, erityisesti kun G on jotin rjoitettu

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

Kertausosa. Kertausosa. Verrattuna lähtöarvoon kurssi oli laskenut. Kalliimman tukkuhinta 1,2 480 = 576 Kalliimman myyntihinta 1,3

Kertausosa. Kertausosa. Verrattuna lähtöarvoon kurssi oli laskenut. Kalliimman tukkuhinta 1,2 480 = 576 Kalliimman myyntihinta 1,3 Kertusos. ) Edullisemm hit 480, = 64 Klliimm tukkuhit, 480 = 576 Klliimm myytihit, 576 = 748,80 b) 748,80 64 = 0,666... = 6,66% 7% 748,80. Liittymä puhelimell mks khde vuode ik 4 8,50 = 684. Liittymä ilm

Lisätiedot

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA MAA0 0. Määrätyn integrlin käyttö eräiden pint-lojen lskemisess 0. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA Edellä on todettu, että f (x)dx nt x-kselin j suorien x =, x = sekä funktion

Lisätiedot

Mat-2.091 Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat:

Mat-2.091 Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat: Mat-.090 Sovellettu todeäköiyylaku A 0. harjoituket Mat-.09 Sovellettu todeäköiyylaku 0. harjoituket / Ratkaiut Aiheet: Avaiaat: Tilatolliet tetit Aritmeettie kekiarvo, Beroulli-jakauma, F-jakauma, F-teti,

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29

Numeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29 Numeeriset menetelmät TIEA381 Luento 9 Kirsi Vljus Jyväskylän yliopisto Luento 9 () Numeeriset menetelmät 17.4.2013 1 / 29 Luennon 9 sisältö Numeerisest integroinnist Newtonin j Cotesin kvt Luento 9 ()

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

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x) BM20A580 Differetiaalilasketa ja sovellukset Harjoitus 3, Syksy 206. Laske seuraavat itegraalit si(4t + )dt (b) x(x 2 + 00) 000 dx (c) x exp(ix )dx 2. Mitä o y, ku (x ) 2 + y 2 = 2 2, etäpä y? Vastaukset

Lisätiedot

3.7. Rekursiivisista lukujonoista

3.7. Rekursiivisista lukujonoista .7 Rekursiivisist lukujooist.7. Rekursiivisist lukujooist Kerrt vielä, että lukujoo void määritellä khdell eri tvll, joko käyttämällä lyyttistä säätöä ti rekursiivist säätöä. Joo määrittelemie rekursiivisesti

Lisätiedot

Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1

Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1 Pinopiste Snomme ts-ineiseksi kpplett, jonk mteriliss ei ole sisäisiä tiheyden vihteluj. Tällisen kppleen pinopisteen sijinti voidn joskus päätellä kppleen muodon perusteell. Esimerkiksi ts-ineisen pllon

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

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot TKK (c) Ilkk Mellin (24) 1 Johdtus todennäköisyyslskentn TKK (c) Ilkk Mellin (24) 2 : Mitä opimme? 1/2 Jos stunnisilmiötä hlutn mllint mtemttisesti, on ilmiön tulosvihtoehdot kuvttv numeerisess muodoss.

Lisätiedot

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

Tilastotieteen 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

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu 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

Lisätiedot

763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 1 Kevät 2014

763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 1 Kevät 2014 763333A KIINTEÄN AINEEN FYSIIKKA Rtkisut 1 Kevät 014 1. Tehtävä: Lske, kuink mont hilpistettä on yksikkökopiss ) yksinkertisess kuutiollisess, b) tkk:ss j c) pkk:ss. (Ot huomioon, että esimerkiksi yksikkökopin

Lisätiedot

10. laskuharjoituskierros, vko 14, ratkaisut

10. 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

Lisätiedot

16-300mm 50 EURON CASHBACK! Ehdot PARAS KOLMESTA MAAILMASTA. www.tamron.fi. F/3.5-6.3 Di II VC PZD Macro

16-300mm 50 EURON CASHBACK! Ehdot PARAS KOLMESTA MAAILMASTA. www.tamron.fi. F/3.5-6.3 Di II VC PZD Macro Ehdot 3. Mksu suoritet se m vluutss, mistä objektiivi o ostettu. Mksu suoritet 4 viiko kuluess cshbck-dokumettie spumisest. 4. Objektiivi tulee oll Focus Nordici mhtuom j se tulee oll ostettu virllise

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

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

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

Matematiikan johdantokurssi, syksy 2017 Harjoitus 6, ratkaisuista. 1. Onko jokin demojen 5 tehtävän 3 relaatioista

Matematiikan johdantokurssi, syksy 2017 Harjoitus 6, ratkaisuista. 1. Onko jokin demojen 5 tehtävän 3 relaatioista Mtemtiikn johntokurssi, syksy 07 Hrjoitus 6, rtkisuist. Onko jokin emojen 5 tehtävän reltioist ) R := {(, ), (, ), (, ), (, ), (, ), (, ), (, ), (, )}, ) S := {(, ), (, ), (, ), (, ), (, ), (, ), (, ),

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo

Lisätiedot

2 INTEGRAALILASKENTAA 2.1 MÄÄRÄTTY INTEGRAALI

2 INTEGRAALILASKENTAA 2.1 MÄÄRÄTTY INTEGRAALI 37 INTEGRAALILASKENTAA.1 MÄÄRÄTTY INTEGRAALI Trstell ploitti jtuv j rjoitettu (siis ei ääretötä) futiot f ( ) välillä [, ] (s. uv) Jet väli [, ] :ää h-levyisee os h j meritää h, missä 0,1,,..., Joo liittyvä

Lisätiedot

ja differenssi jokin d. Merkitään tämän jonon n:n ensimmäisen jäsenen summaa kirjaimella S

ja differenssi jokin d. Merkitään tämän jonon n:n ensimmäisen jäsenen summaa kirjaimella S 3.3. Aritmeettie summ 3.3. Aritmeettie summ Mikä olisi helpoi tp lske 0 esimmäistä luoollist luku yhtee? Olisiko r voim käyttö 0 + + + 3 + + 00 hyvä jtus? Tekiik vull se iki toimii. Fiksumpiki tp kuiteki

Lisätiedot

R4 Harjoitustehtävien ratkaisut

R4 Harjoitustehtävien ratkaisut . Mitkä seurvist lusekkeist eivät ole polynomej? Miksi eivät? Polynomin termine eksponentti on luonnollinen luku, ne lusekkeet, joiss eksponentti ei ole luonnollinen luku ei ole myöskään polynomi.. x x

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

Testit laatueroasteikollisille muuttujille

Testit laatueroasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu 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

Lisätiedot

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi Tehtävä. Jtk loogisesti oheisi jonoj khdell seurvksi tulevll termillä. Perustele vstuksesi lyhyesti. ), c, e, g, b),,, 7,, Rtkisut: ) i j k - oike perustelu j oiket kirjimet, nnetn p - oike perustelu,

Lisätiedot

Differentiaali- ja integraalilaskenta 1 (CHEM) Laskuharjoitus 4 / vko 47, mallivastaukset

Differentiaali- ja integraalilaskenta 1 (CHEM) Laskuharjoitus 4 / vko 47, mallivastaukset Differentili- j integrlilskent (CHEM) Lskuhrjoitus / vko 7, mllivstukset Johdntotehtävä x dx = ln.693, joten rvo ln voidn pproksimoid integroimll numeerisesti funktiot x välillä [,]. Jetn väli [,] khteen

Lisätiedot

4 Pinta-alasovelluksia

4 Pinta-alasovelluksia Pint-lsovelluksi. Kuvjn lle jäävä pint-l voidn määrittää, jos kuvj on -kselin yläpuolell. Välillä [, 5] funktion f kuvj on -kselin lpuolell. Peiltn funktion f kuvj -kselin suhteen, jolloin sdn funktion

Lisätiedot

Preliminäärikoe Pitkä Matematiikka 5.2.2013

Preliminäärikoe Pitkä Matematiikka 5.2.2013 Preliminäärikoe Pitkä Mtemtiikk 5..0 Kokeess s vstt enintään kymmeneen tehtävään. Tähdellä ( * ) merkittyjen tehtävien mksimipistemäärä on 9, muiden tehtävien mksimipistemäärä on 6.. ) Rtkise yhtälö b)

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

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

Lisätiedot

Työntekijän eläkelain (TyEL) mukaisen eläkevakuutuksen yleiset laskuperusteet

Työntekijän eläkelain (TyEL) mukaisen eläkevakuutuksen yleiset laskuperusteet Työtekijä eläkeli (TyEL) mukise eläkevkuutukse yleiset lskuperusteet Sisällysluettelo 1 LASKUPERUSTEMALLI 1 11 Korkoutuvuus 1 1 Kuolevuus 1 13 Työkyvyttömyys 1 1 Perheellisyys 11 Avioisuus 1 Aviopuolisoide

Lisätiedot

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x,

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty 19.2.2006. Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x, Pyrmidi Anlyyttinen geometri tehtävien rtkisut sivu Päivitetty 9..6 8 Prbeli on niiden pisteiden (, y) joukko, jotk ovt yhtä kukn johtosuorst j polttopisteestä. Pisteen (, y ) etäisyys suorst y = on d

Lisätiedot

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

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

Lisätiedot

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys.

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys. TYÖ 30 JÄÄN TIHEYDEN MÄÄRITYS Tehtävä älineet Tusttietoj Tehtävänä on äärittää jään tiheys Byretti (51010) ti esi 100 l ittlsi (50016) j siihen sopivi jääploj, lkoholi (sopii jäähdytinneste lsol), nlyysivk

Lisätiedot

Tehtäviä neliöiden ei-negatiivisuudesta

Tehtäviä neliöiden ei-negatiivisuudesta Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:

Lisätiedot

5 Riemann-integraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT Ala- ja yläintegraali

5 Riemann-integraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT Ala- ja yläintegraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT 9 5 Riemnn-integrli 5. Al- j yläintegrli Voit olett tunnetuksi ll esitetyt supremumin j infimumin ominisuudet (joukot A j B ovt rjoitettuj sekä epätyhjiä j λ R). Jos

Lisätiedot

missä t on matkaan raosta varjostimelle kuluva aika. Jos suihkun elektronien liikemäärä x- sunnassa on p x,on min y0min 0min

missä t on matkaan raosta varjostimelle kuluva aika. Jos suihkun elektronien liikemäärä x- sunnassa on p x,on min y0min 0min S-11446 Fysiikk IV (Sf), I Välikoe 154 1 Elektronisuihku, joss elektronien noeus on v, suu kohtisuorsti rkoon, jonk leveys on d Ron läi kuljettun elektronit osuvt etäisyydellä D olevn vrjostimeen Mikä

Lisätiedot

S Fysiikka IV (Sf) tentti

S Fysiikka IV (Sf) tentti S-11446 Fysii IV (Sf) tetti 9114 1 Oletet, että protoi j eletroi välie vetovoim o verrollie suureesee r ( F r) eiä etäisyyde eliö ääteisrvoo ( F / r ) Käytä ulmliiemäärä vtittumissäätöä j osoit, että sttioääriste

Lisätiedot

a) Määritä signaalin x[n] varianssi (keskimääräinen teho) σ x c) Määritä signaalikvantisointikohinasuhde SQNR, kun tiedetään, että

a) Määritä signaalin x[n] varianssi (keskimääräinen teho) σ x c) Määritä signaalikvantisointikohinasuhde SQNR, kun tiedetään, että TL, DSK-lgoritmit S rjoitus. Trkstll kosiisigli [] cosπt s. Määritä sigli [] vrissi kskimääräi to. b Määritä sigli [] jot c Määritä siglikvtisoitikoisud SQNR, ku tidtää, ttä.79. b SQNR log Kvss b o kvtisoij

Lisätiedot

Runkovesijohtoputket

Runkovesijohtoputket Runkovesijohtoputket PUTKET JA PUTKEN OSAT SSAB:n vlmistmi pinnoitettuj putki j putken osi käytetään lähinnä runkovesijohtolinjoihin, joiden hlkisij on DN 400-1200. Ost vlmistetn teräksisistä pineputkist

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A Tilastollie päättömyys, kevät 07 Harjoitus 6A Heikki Korpela 8. helmikuuta 07 Tehtävä. Moistee teht. 5.. Olkoo Y,..., Y riippumato otos ekspoettiperhee jakaumasta, joka ptf/tf o muotoa fy i ; θ cθhye φθtyi

Lisätiedot

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018

Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018 Aalyysi A Harjoitustehtäviä lukuu / kevät 208 Ellei toisi maiita, tehtävissä esiityvät muuttujat ja vakiot ovat mielivaltaisia reaalilukuja.. Aa joki ylä- ja alaraja joukoille { x R x 2 + x 6 ja B = {

Lisätiedot

TEHTÄVIEN RATKAISUT. Luku a) Jonon neljä ensimmäistä jäsentä saadaan sijoittamalla n= 1, n= 2, n= 3 ja n = 4 lausekkeeseen

TEHTÄVIEN RATKAISUT. Luku a) Jonon neljä ensimmäistä jäsentä saadaan sijoittamalla n= 1, n= 2, n= 3 ja n = 4 lausekkeeseen TEHTÄVIEN RATKAIUT Luku 5. 0. ) Joo eljä esimmäistä jäsetä sd sijoittmll,, j lusekkeesee +. + + 5 + + 7 + 6+ 9 + 8 + b) ijoitet,, j lusekkeesee + ( ). + ( ) + ( ) + + ( ) + ( ) + Vstus: ) 5, 7, 9, b),,,

Lisätiedot

Y56 Mikron jatkokurssi kl 2008: HARJOITUSTEHTÄVÄT 2 Mallivastaukset

Y56 Mikron jatkokurssi kl 2008: HARJOITUSTEHTÄVÄT 2 Mallivastaukset Y6 Mikron jtkokurssi kl 008: HARJOITUSTEHTÄVÄT Mllivstukset Kuluttjn vlint (Muokttu Burketist 006, 07) Olkoon Mrkon udjettirjoite = 40 Mrkoll on hvin kättätvät referenssit j Mrkon rjusustituutiosuhde on

Lisätiedot