Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

Koko: px
Aloita esitys sivulta:

Download "Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot"

Transkriptio

1 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 4 Aheet: Tlastollste aestoje kerääme ja mttaame Tlastollste aestoje kuvaame Otokset ja otosjakaumat Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo Beroull-jakauma Estmaatt Estmaattor Frekvess Frekvessjakauma Frekvesstulkta Geometre keskarvo Harhato estmaattor Harmoe keskarvo Hajotaluku Hstogramm Itervallastekko Järjestysastekko Järjestystuusluku Keskhajota Keskee raja-arvolause Keskluku -jakauma Kvaltatve muuttuja Kvattatve muuttuja Laatueroastekko Luokteltu frekvessjakauma Maksm Medaa Mm Mttaame Mtta-astekko Mttar Nomaalastekko Normaaljakauma Ordaalastekko Otos Otoskeskhajota Otosjakauma Otostuusluku Otosvarass Perusjoukko Pylväsdagramm Satuasotos Stadardpokkeama Suhdeastekko Suhteelle frekvess t-jakauma Tlastolle aesto Tlastolle muuttuja Vahteluväl Vahteluväl ptuus Varass Välmatka-astekko Ykskertae satuasotos Logartme uskottavuusfukto Luottamuskerro Luottamustaso Luottamusväl Maksmot Momett Odotusarvo Otoskoko Rppumattomuus Stadardotu ormaaljakauma Suhteelle osuus Suurmma uskottavuude estmaattor Suurmma uskottavuude meetelmä Todeäkösyys Uskottavuusfukto Ykskertae satuasotos Tlastollste aestoje kerääme ja mttaame Tlastollset aestot Mlla Kbble ja Ilkka Mell (013) 1/57

2 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Tlastollse tutkmukse kakk mahdollset kohteet muodostavat tutkmukse (kohde-) perusjouko. Tutkmukse kohteta tarkastellaa aa perusjouko muodostamassa kehkossa. Tutkmukse kohteks valttuja perusjouko alkota kutsutaa havatoyksköks. Tlastolle aesto koostuu havatoyksköde omasuuksa ja olosuhteta kuvaavsta umeerssta ta kvattatvssta tedosta. Havatoykskötä koskeva umeersa ta kvattatvsa tetoja kutsutaa havatoarvoks ta havaoks. Tlastollste aestoje kerääme Muutetaako tutkmuksessa tutkmukse kohtede olosuhteta aktvsest? () () Tutkmus o koe, jos tutkmukse tavotteea o selvttää, mte kohtede olosuhtede aktve muuttame vakuttaa tutkmukse kohtes. Tutkmus perustuu suor havatoh, jos tutkmukse tavotteea o va seurata, mte kohtede olosuhteet ja ssä tapahtuvat muutokset vakuttavat kohtes. Kohdstuuko tutkmus kakk perusjouko alkoh va johok perusjouko osaa? () () Tutkmusta kutsutaa kokoastutkmukseks, jos kakk perusjouko alkot tutktaa. Tutkmusta kutsutaa otatatutkmukseks, jos tutkmus kohdstuu johok perusjouko osajoukkoo. Mttaame ja mttart Tlastollse tutkmukse kohtede omasuuksa ja olosuhteta sekä de muutoksa kuvaavat umeerset ta kvattatvset tedot saadaa selvlle mttaamalla. Mttaame tarkottaa umeerste arvoje lttämstä tutkmukse kohtede omasuuks ja olosuhtes. Mttara vodaa ptää fuktoa, joka lttää umeerset arvot tutkmukse kohtede omasuuks ja olosuhtes. Mttaukse tulos vodaa ss aa lmasta jok tutkmukse kohtee omasuutta ta olosuhdetta kuvaava muuttuja arvoa. Ste tutkmukse kohtede omasuuksa ja olosuhteta kuvataa mttaustapahtumassa umeerslla muuttujlla. Mttar valdteett ja tarkkuus Mttar o vald el okea, jos se esttää mttaukse kohteea olevaa omasuutta oke, merktyksellsest ja tarkotuksemukasest. Mttar o tarkka, jos se o harhato ja relaabel: () () Mttar o harhato, jos se e systemaattsest al- ta ylarvo mtattava omasuude määrää. Mttar o relaabel el luotettava, jos mttaustulos e muutu, ku mttausta tostetaa. Mtta-astekot Mttaus o tehty omaal- el laatueroastekolla, jos mttaus kertoo mh luokkaa mttaukse kohde kuuluu. Mttaus o tehty ordaal- el järjestysastekolla, jos mttaus kertoo oko mttaukse kohteella mtattavaa omasuutta eemmä ta vähemmä ku jollak tosella kohteella. Mttaus o tehty tervall- el välmatka-astekolla, jos mttaus kertoo kuka paljo kahde mtattava kohtee omasuudet eroavat tosstaa. Mlla Kbble ja Ilkka Mell (013) /57

3 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Mttaus o tehty rato- el suhdeastekolla, jos mttaus kertoo kuka mota kertaa eemmä ta vähemmä mttaukse kohteella o mtattavaa omasuutta ku jollak tosella kohteella. Kvaltatvset ja kvattatvset muuttujat Omasuutta ja stä kuvaavaa muuttujaa kutsutaa kvaltatvseks, jos mttaukse kohteet vodaa luoktella mttaukse perusteella tosstaa eroav kategoroh ta luokk. Kvaltatvsa omasuuksa kuvataa laatueroastekollslla muuttujlla. Omasuutta ja stä kuvaavaa muuttujaa kutsutaa kvattatvseks, jos mttaus tuottaa omasuude määrällse arvo. Kvattatvsa omasuuksa kuvataa välmatka- ta suhdeastekollslla muuttujlla. Dskreett ja jatkuvat muuttujat Mtattavaa omasuutta vastaava muuttuja o dskreett, jos se vo saada va erllsä arvoja. Dskreettejä muuttuja ovat esmerkks laatueroastekollste muuttuje ja sjalukuja kuvaave järjestysastekollste muuttuje lsäks myös sellaset kvattatvset muuttujat kute lukumäärämuuttujat. Mtattavaa omasuutta vastaava muuttuja o jatkuva, jos se vo saada kakk arvot joltak välltä. Jatkuva muuttuja ovat esmerkks usemmat fyskaalset suureet kute ptuus, pta-ala, tlavuus, pao, aka, opeus ja pae sekä myös moet talouselämää kuvaavat suureet kute rahamäärä ja korko. Huomautus: Muuttuje mtta-astekollslla omasuukslla (kvaltatvsuudella/kvattatvsuudella ta dskreettydellä/jatkuvuudella) o syvälle vakutus she, mtä tlastollsa meetelmä kysesessä tlateessa o luvallsta (ta suotavaa) soveltaa. Tlastollste aestoje kuvaame Frekvesst Olkoo muuttuja x dskreett ja oletetaa, että se mahdollset arvot ovat Olkoot y 1, y,, y m x 1, x,, x muuttuja x havatut arvot. Muuttuja x mahdollse arvo y k, k = 1,,, m frekvess f k kertoo kuka mota kertaa y k estyy havatoarvoje x 1, x,, x joukossa. Frekvessjakauma Muuttuja x mahdollset arvot y 1, y,, y m yhdessä de frekvesse f 1, f,, f m Mlla Kbble ja Ilkka Mell (013) 3/57

4 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 kassa muodostavat muuttuja x havattuje arvoje x 1, x,, x frekvessjakauma. Huomaa, että f 1 + f + + f m = jossa o havatoje kokoaslukumäärä. Pylväsdagramm Frekvessjakaumaa (y k, f k ), k = 1,,, m vodaa kuvata graafsest pylväsdagrammlla, jossa muuttuja x mahdollse arvo y k havatoarvoje x 1, x,, x joukossa esttää pylväs, joka korkeus vastaa frekvessä f k. Huomautus: Pylväsdagramm tulkta o samatapae ku dskreet todeäkösyysjakauma pstetodeäkösyysfukto tulkta. Luokkafrekvesst Olkoo muuttuja x jatkuva ja oletetaa, että se mahdollset arvot ovat välllä (a, b) jossa vo olla a =, b = +. Jaetaa väl (a, b) pstellä psteveras osaväleh Olkoot a a a a a a b 0 1 m1 (a k 1, a k, k = 1,,, m x 1, x,, x muuttuja x havatut arvot. Muuttuja x havattuje arvoje frekvess f k luokassa k kertoo de havatoarvoje x 1, x,, x lukumäärä, jotka kuuluvat väl (a k 1, a k, k = 1,,, m Luokteltu frekvessjakauma Luokkavält (a k 1, a k, k = 1,,, m yhdessä vastaave luokkafrekvesse f 1, f,, f m kassa muodostavat muuttuja x havattuje arvoje x 1, x,, x luoktellu frekvessjakauma. Huomaa, että f 1 + f + + f m = jossa o havatoje kokoaslukumäärä. Hstogramm m Mlla Kbble ja Ilkka Mell (013) 4/57

5 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Luokteltua frekvessjakaumaa ((a k 1, a k, f k ), k = 1,,, m vodaa kuvata graafsest hstogrammlla, jossa muuttuja x havattuje arvoje x 1, x,, x frekvessä f k luokassa (a k 1, a k, esttää suorakade (elkulmo), joka kataa o väl (a k 1, a k ja joka pta-ala vastaa luokkafrekvessä f k. Huomautuksa: Hstogramm tulkta o samatapae ku jatkuva todeäkösyysjakauma theysfukto tulkta. Jos luokteltua frekvessjakaumaa muodostettaessa käytetää tasavälstä luoktusta, luokteltua frekvessjakaumaa kuvaava hstogrammkuvo muodostave elkulmode korkeudet vastaavat luokkafrekvessejä f k. Suhdeastekollste muuttuje tuusluvut Artmeette keskarvo Olkoot x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Lukuje x 1, x,, x artmeette keskarvo o 1 1 M x x Artmeette keskarvo o havatoarvoje paopste ja kuvaa havatoarvoje keskmäärästä arvoa. Varass Olkoot x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Lukuje x 1, x,, x (otos-) varass o jossa sx x x x x x x x 1 x 1 o lukuje x 1, x,, x artmeette keskarvo. Otosvarass kuvaa havatoarvoje hajaatuesuutta (ta keskttyesyyttä) de artmeettse keskarvo (paopstee) ympärllä. Mlla Kbble ja Ilkka Mell (013) 5/57

6 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Artmeettse keskarvo ja varass laskeme Olkoot x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Jos havatoarvoje x 1, x,, x artmeette keskarvo ja varass joudutaa laskemaa käs ta laskta käyttäe, kaattaa laskut järjestää alla oleva tauluko muotoo ja käyttää tauluko veressä estettyjä kaavoja. x x x x 1 Summa 1 x1 x x x x x x 1 x 1 1 sx x x Keskhajota Olkoot x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Lukuje x 1, x,, x (otos-) keskhajota o jossa s x x x x x x s x x x 1 x 1 o lukuje x 1, x,, x artmeette keskarvo ja s x o lukuje x 1, x,, x (otos-) varass. Otoskeskhajota kuvaa (kute otosvarass) havatoarvoje hajaatuesuutta (ta keskttyesyyttä) de artmeettse keskarvo (paopstee) ympärllä. Stadardot Olkoo x välmatka- ta suhdeastekollse muuttuja x havattuje arvoje x 1, x,, x artmeette keskarvo ja s de varass. Tällö stadardotuje havatoarvoje x x x z, 1,,, s artmeette keskarvo ja varass ovat 1 z x 1 z 0 1 s ( z z ) 1 z 1 1 Mlla Kbble ja Ilkka Mell (013) 6/57

7 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Tlastolle etäsyys Olkoot x välmatka- ta suhdeastekollse muuttuja x havattuje arvoje x 1, x,, x artmeette keskarvo ja s x de varass. Tällö havatoarvoje x k ja x l tlastolle etäsyys o Orgomomett Olkoot d kl x k xl s x x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Lukuje x 1, x,, x k. orgomomett o Keskusmomett Olkoot 1 k a x, k 1,, k 1 x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Lukuje x 1, x,, x k. keskusmomett o jossa k x 1 k 1 m x x x 1 x 1 o lukuje x 1, x,, x artmeette keskarvo. Vous Olkoot x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Havatoarvoje x 1, x,, x jakauma voutta vodaa kuvata otostuusluvulla jossa c m 3 1 3/ m m =. keskusmomett luvulle x 1, x,, x Hupukkuus m 3 = 3. keskusmomett luvulle x 1, x,, x Mlla Kbble ja Ilkka Mell (013) 7/57

8 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Olkoot x 1, x,, x välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Havatoarvoje x 1, x,, x jakauma hupukkuutta vodaa kuvata otostuusluvulla jossa c m 4 m Geometre keskarvo Olkoot m =. keskusmomett luvulle x 1, x,, x m 4 = 4. keskusmomett luvulle x 1, x,, x x 1, x,, x postvsa lukuja. Lukuje x 1, x,, x geometre keskarvo o G x1x x Lukuje x 1, x,, x geometrse keskarvo logartm o lukuje x 1, x,, x logartme artmeette keskarvo: Harmoe keskarvo Olkoot log( x ) log( x ) log( x ) 1 1 log( G) log( x ) 1 x 1, x,, x postvsa lukuja. Lukuje x 1, x,, x harmoe keskarvo o H x 1 Lukuje x 1, x,, x harmose keskarvo käätesluku o lukuje x 1, x,, x kääteslukuje artmeette keskarvo: H x 1 Artmeette, harmoe ja geometre keskarvo Oletetaa, että artmeette keskarvo M, harmoe keskarvo H ja geometre keskarvo G lasketaa samosta luvusta x 1, x,, x. Tällö ja H G M Mlla Kbble ja Ilkka Mell (013) 8/57

9 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 va, jos H G M x 1 = x = = x Järjestysastekollste muuttuje tuusluvut Järjestystuusluvut Olkoot x 1, x,, x järjestys-, välmatka- ta suhdeastekollse muuttuja x havattuja arvoja. Järjestetää havatoarvot x 1, x,, x suuruusjärjestyksee pemmästä suurmpaa ja olkoot z 1, z,, z järjestyksee asetetut havatoarvot. Suuruusjärjestyksessä k. havatoarvoa z k kutsutaa k. järjestystuusluvuks. Mm, maksm, vahteluväl Olkoot z 1, z,, z järjestys-, välmatka- ta suhdeastekollse muuttuja x havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Tällö Prosettpsteet Olkoot z 1 z = mmarvo = maksmarvo (z 1, z ) = vahteluväl z z 1 = vahteluväl ptuus z 1, z,, z järjestys-, välmatka- ta suhdeastekollse muuttuja x havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Havatoarvoje p. prosettpste z (p), p = 1,,, 99 o pste, joka jakaa havatoaesto kahtee osaa: () p % havatoarvosta o lukua z (p) peempä ta korketaa yhtä suura ku z (p). () (100 p) % havatoarvosta o lukua z (p) suurempa. Medaa Olkoot z 1, z,, z Mlla Kbble ja Ilkka Mell (013) 9/57

10 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 järjestys-, välmatka- ta suhdeastekollse muuttuja x havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Medaa Me o havatoarvoje 50. prosettpste: Me = z (50) Medaa jakaa havatoaesto kahtee yhtä suuree osaa, että tosessa kakk havatoarvot ovat medaaa peempä, tosessa kakk havatoarvot ovat medaaa suurempa. Havatoarvoje medaa Me vodaa määrätä seuraavalla tavalla: (1) Järjestetää havatoarvot suuruusjärjestyksee pemmästä suurmpaa. (a) Jos havatoarvoje lukumäärä o parto, medaa o järjestetystä havatoarvosta keskmmäe. (b) Jos havatoarvoje lukumäärä o parlle, medaa o järjestetystä havatoarvosta kahde keskmmäse artmeette keskarvo. Oletetaa, että artmeette keskarvo M ja medaa Me määrätää samasta jatkuva muuttuja havattuje arvoje luoktellusta frekvessjakaumasta. Jos havatoarvoje jakauma o ykshuppue, pätee seuraava: Vasemmalle volla jakaumlla M < Me Symmetrsllä jakaumlla M Me Okealle volla jakaumlla Kvartlt Olkoot Me < M z 1, z,, z järjestys-, välmatka- ta suhdeastekollse muuttuja x havatut arvot järjestettyä suuruusjärjestyksee pemmästä suurmpaa. Tällö Q 1 = Alakvartl = 5. prosettpste = z (5) Q = Keskkvartl = 50. prosettpste = z (50) Q 3 = Yläkvartl = 75. prosettpste = z (75) Kvartlt Q 1, Q, Q 3 jakavat suuruusjärjestyksee asetetu havatoaesto eljää yhtä suuree osaa. Ertysest: Alakvartl Q 1 Keskkvartl Q Yläkvartl Q 3 = Havatoarvoje medaaa Me peempe havatoarvoje medaa = Havatoarvoje medaa Me = Havatoarvoje medaaa Me suurempe havatoarvoje medaa Mlla Kbble ja Ilkka Mell (013) 10/57

11 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Kvartlt, kvartlväl, kvartlpokkeama Olkoot havatoarvoje kvartlt Q 1, Q, Q 3. Tällö (Q 1, Q 3 ) = kvartlväl Q 3 Q 1 = IQR = kvartlväl ptuus (Q 3 Q 1 )/ = IQR/ = kvartlpokkeama Kvartlvälä, kvartlväl ptuutta (IQR = terquartle rage) ja kvartlpokkeamaa vodaa käyttää kuvaamaa havatoarvoje hajaatuesuutta (keskttyesyyttä). Jos havatoarvoje jakaumaa kuvaavaa kesklukua o käytetty medaaa, hajotalukua käytetää use kvartlpokkeamaa. Laatueroastekollste muuttuje tuusluvut Frekvess Olkoo otoskoko el kerättyje havatoarvoje lukumäärä. Olkoo A jok perusjouko osajoukko ja olkoo f otoksee kuuluve A-tyyppste havatoarvoje frekvess el lukumäärä. Tällö A-tyyppste havatoarvoje suhteelle frekvess el osuus otoksessa o Mood f Frekvessjakauma mood el tyypparvo Mo o yles havatoarvo. Luoktellu frekvessjakauma mood el tyypparvo Mo o sä luokassa, jossa luokteltua frekvessjakaumaa vastaava hstogramm saavuttaa maksmsa. Huomautuksa: Jos käytetty luoktus o tasaväle, luoktellu frekvessjakauma mood o sä luokassa, jota vastaava frekvess o suur. Jos käytetty luoktus e ole tasaväle, luoktellu frekvess jakauma mood e välttämättä ole sä luokassa, jota vastaava frekvess o suur. Oletetaa, että artmeette keskarvo M, medaa Me ja mood Mo määrätää samasta jatkuva muuttuja havattuje arvoje luoktellusta frekvessjakaumasta. Jos havatoarvoje jakauma o ykshuppue, pätee seuraava: Vasemmalle volla jakaumlla M < Me < Mo Symmetrsllä jakaumlla M Me Mo Okealle volla jakaumlla Mo < Me < M Otokset ja otosjakaumat Mlla Kbble ja Ilkka Mell (013) 11/57

12 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Ykskertae satuasotos Olkoot havaot X 1, X,, X rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x): X, X,, X 1 X : f ( x), 1,,, Tällö saomme, että havaot X 1, X,, X muuodostavat (ykskertase) satuasotokse jakaumasta, joka pstetodeäkösyys- ta theysfukto o f(x). Otostuusluku Olkoo X 1, X,, X ykskertae satuasotos jakaumasta, joka pstetodeäkösyys- ta theysfukto o f(x). Olkoo T = g(x 1, X,, X ) jok satuasmuuttuje X 1, X,, X (mtalle) fukto. Satuasmuuttujaa T kutsutaa (otos-) tuusluvuks. Oletetaa, että otokse pommse jälkee satuasmuuttujat X 1, X,, X saavat havatuks arvoksee havatoarvot x 1, x,, x : Tällö tuusluku X 1 = x 1, X = x,, X = x T = g(x 1, X,, X ) saa havatuks arvoksee t fukto g arvo psteessä (x 1, x,, x ): Otosjakauma Oletetaa, että havaot t = g(x 1, x,, x ) X 1, X,, X muodostavat ykskertase satuasotokse jakaumasta f(x) ja olkoo T = g(x 1, X,, X ) jok otostuusluku. Koska tuusluku T o satuasmuuttuja, sllä o todeäkösyysjakauma, jota kutsutaa tuusluvu T otosjakaumaks. Tuusluvu T otosjakauma muodostaa tlastollse mall el todeäkösyysmall tuusluvu T arvoje satuasvahtelulle otoksesta tosee. Artmeettse keskarvo ja otosvarass otosjakaumat Artmeette keskarvo ja otosvarass Mlla Kbble ja Ilkka Mell (013) 1/57

13 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Oletetaa, että havaot X 1, X,, X muodostavat ykskertase satuasotokse jakaumasta, joka odotusarvo o ja varass o. Tällö havaot X 1, X,, X ovat rppumattoma satuasmuuttuja, jolla kaklla o sama odotusarvo ja varass: X 1, X,, X E(X ) =, = 1,,, Var(X ) = D (X ) =, = 1,,, Otokse omasuuksa vodaa kuvata havatoarvoje artmeettsella keskarvolla ja varasslla. Määrtellää havatoje X 1, X,, X artmeette keskarvo kaavalla X 1 X 1 Määrtellää havatoje X 1, X,, X otosvarass kaavalla 1 s X X ( ) 1 1 Huomaa, että sekä artmeette keskarvo X että otosvarass s ovat havatoje X 1, X,, X fuktoa satuasmuuttuja, jode saamat arvot vahtelevat satuasest otoksesta tosee. Summa odotusarvo ja varass Havatoje X 1, X,, X summalla varass: E 1 Var X 1 X Artmeettse keskarvo odotusarvo ja varass X o em. oletuste pätessä seuraava odotusarvo ja Havatoje X 1, X,, X artmeettsella keskarvolla X o em. oletuste pätessä seuraava odotusarvo ja varass: E( X ) Var( X) D ( X) Huomaa, että havatoje X 1, X,, X artmeettse keskarvo X varass otoksessa o aa peemp ku havatoje varass, jos otoskoko > 1. Lsäks artmeettse keskarvo varass X peeee, jos otoskoo aetaa kasvaa. Artmeettse keskarvo X stadardpokkeamaa Mlla Kbble ja Ilkka Mell (013) 13/57

14 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 D( X ) kutsutaa tavallsest keskarvo keskvrheeks ja se kuvaa artmeettse keskarvo otosvahtelua oma odotusarvosa ympärllä. Otosvarass odotusarvo Havatoje X 1, X,, X otosvarasslla s o em. oletuste pätessä seuraava odotusarvo: E(s ) = Normaaljakautuede havatoje summa otosjakauma Oletetaa, että havaot X 1, X,, X muodostavat ykskertase satuasotokse ormaaljakaumasta N(, ). Tällö havaot X 1, X,, X ovat rppumattoma satuasmuuttuja, jotka oudattavat samaa ormaaljakaumaa N(, ): X 1, X,, X X ~ N(, ), = 1,,, Havatoje X 1, X,, X summa parametre ja : : 1 X N(, ) X oudattaa em. oletuste pätessä ormaaljakaumaa Normaaljakautuede havatoje artmeettse keskarvo otosjakauma Oletetaa, että havaot X 1, X,, X muodostavat ykskertase satuasotokse ormaaljakaumasta N(, ). Tällö havaot X 1, X,, X ovat rppumattoma satuasmuuttuja, jotka oudattavat samaa ormaaljakaumaa N(, ): X 1, X,, X X ~ N(, ), = 1,,, Havatoje X 1, X,, X artmeette keskarvo X oudattaa em. oletuste pätessä ormaaljakaumaa parametre ja / : X : N, Ertysest Mlla Kbble ja Ilkka Mell (013) 14/57

15 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 E( X ) Var( X) D ( X) mkä pätee myös lma ormaalsuusoletusta. Artmeettse keskarvo approksmatve (asymptootte) otosjakauma Oletetaa, että havaot X 1, X,, X muodostavat ykskertase satuasotokse jakaumasta, joka odotusarvo o ja varass o. Tällö keskesestä raja-arvolauseesta seuraa, että havatoje artmeette keskarvo X oudattaa suurssa otoksssa approksmatvsest (asymptoottsest) ormaaljakaumaa parametre ja / : X : a N, Normaaljakautuede havatoje otosvarass otosjakauma Oletetaa, että havaot X 1, X,, X muodostavat ykskertase satuasotokse ormaaljakaumasta N(, ). Tällö havaot X 1, X,, X ovat rppumattoma satuasmuuttuja, jotka oudattavat samaa ormaaljakaumaa N(, ): X 1, X,, X X ~ N(, ), = 1,,, Olkoo s havatoje X 1, X,, X otosvarass. Satuasmuuttuja ( 1)s / oudattaa em. oletuste pätessä -jakaumaa vapausaste ( 1): ( 1) s : ( 1) Lsäks vodaa osottaa, että artmeette keskarvo X ja otosvarass s ovat satuasmuuttuja rppumattoma: X s Ste suoraa Studet t-jakauma määrtelmä mukaa em. oletuste pätessä. X t : s/ t( 1) Suhteellse frekvess otosjakauma Mlla Kbble ja Ilkka Mell (013) 15/57

16 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Frekvess ja suhteelle frekvess Olkoo A S jok otosavaruude S tapahtuma ja olkoo p = Pr(A) q = 1 Pr(A) = 1 p Pomtaa otosavaruudesta S ykskertae satuasotos, joka koko o. Olkoo f A-tyyppste alkode frekvess el lukumäärä otoksessa ja f pˆ vastaava suhteelle frekvess el osuus. Huomaa, että sekä frekvess f että suhteelle frekvess pˆ f / ovat satuasmuuttuja, jode saamat arvot vahtelevat satuasest otoksesta tosee. Frekvess odotusarvo, varass ja otosjakauma Frekvess f odotusarvo ja varass: jossa q = 1 p. E( f ) p Var( ) D ( ) f f pq Frekvess f oudattaa otoksessa bomjakaumaa parametre ja Pr(A) = p: f : B(, p) Suhteellse frekvess odotusarvo ja varass Suhteellse frekvess pˆ f / odotusarvo ja varass: E( pˆ ) p ˆ ˆ Var( p) D ( p) pq jossa q = 1 p. Huomaa, että suhteellse frekvess ˆp varass peeee, jos otoskoo aetaa kasvaa. Suhteellse frekvess pˆ f / stadardpokkeamaa D( pˆ ) pq kutsutaa tavallsest suhteellse frekvess keskvrheeks ja se kuvaa suhteellse frekvess otosvahtelua oma odotusarvosa p ympärllä. Suhteellse frekvess otosjakauma Keskesestä raja-arvolauseesta seuraa, että suhteelle frekvess ˆp otoksessa oudattaa em. oletuste pätessä suurssa otoksssa approksmatvsest ormaaljakaumaa: p pq ˆ a N p :, Mlla Kbble ja Ilkka Mell (013) 16/57

17 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Estmot Satuasotos Olkoo X, = 1,,, (ykskertae) satuasotos jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;) rppuu parametrsta. Tällö havaot X, = 1,,, ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;): X, X,, X 1 Estmaattor ja estmaatt X : f ( x; ), 1,,, Oletetaa, että todeäkösyysjakauma f(x;) parametr o tutemato ja se estmomsee käytetää havatoje X, = 1,,, fuktota el (otos-) tuuslukua T = g( X 1, X,, X ) Fuktota T = g( X 1, X,, X ) kutsutaa parametr estmaattorks ja fukto g havatoarvosta laskettua arvoa x 1, x,, x t = g( x 1, x,, x ) kutsutaa parametr estmaatks. Otosjakauma Oletetaa, että havaot X, = 1,,, muodostavat ykskertase satuasotokse jakaumasta f(x;) ja olkoo T = g(x 1, X,, X ) jok parametr estmaattor. Koska estmaattor T o satuasmuuttuja, sllä o todeäkösyysjakauma, jota kutsutaa estmaattor T otosjakaumaks. Estmaattor T otosjakauma muodostaa tlastollse mall el todeäkösyysmall estmaattor T arvoje satuaselle vahtelulle otoksesta tosee. Estmaattor hyvyys Hyvyyskrteert estmaattorelle Todeäkösyysjakaume parametrelle o tavallsest tarjolla useta vahtoehtosa estmaattoreta. Tällö ousee es kysymys stä, mkä tarjolla olevsta estmaattoresta o paras. Tärkemmät estmaattorede vertalussa käytetyt krteert ovat tyhjetävyys, harhattomuus, tehokkuus ja tarketuvuus. Tyhjetävyys Mlla Kbble ja Ilkka Mell (013) 17/57

18 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Olkoo T parametr estmaattor. Estmaattor T o tyhjetävä parametrlle, jos se käyttää kake otoksessa oleva formaato parametrsta. Huomaa, että tässä estetty määrtelmä o pkemmk tyhjetävyyde kuvaus ku matemaatte määrtelmä tyhjetävyydelle. Harhattomuus Olkoo T parametr estmaattor. Estmaattor T o harhato parametrlle, jos E(T) = Jos T o parametr harhato estmaattor, se tuottaa parametrlle arvoja (estmaatteja), jotka vahtelevat kyllä otoksesta tosee, mutta kutek parametr okea arvo ympärllä. Tehokkuus Olkoot T 1 ja T kaks parametr estmaattora. Estmaattor T 1 o tehokkaamp ku estmaattor T, jos Var(T 1 ) < Var(T ) Jos estmaattor T 1 o tehokkaamp ku estmaattor T, estmaattor T 1 tuottaa parametrlle arvoja (estmaatteja), jotka vahtelevat otoksesta tosee vähemmä ku estmaattor T. Täystehokkuus (mmvarasssuus) Olkoo T parametr estmaattor. Estmaattor T o täystehokas, jos se varass Var(T) o peemp ku mkä tahasa muu estmaattor. Jos estmaattor T o täystehokas, se tuottaa parametrlle arvoja (estmaatteja), jotka vahtelevat otoksesta tosee vähemmä ku muut parametr estmaattort. Täystehokkuus vodaa tavallsest saavuttaa va jossak tetyssä estmaattorede luokassa kute esmerkks harhattome estmaattorede luokassa. Tarketuvuus Olkoo T parametr estmaattor. Estmaattor T o tarketuva parametrlle, jos se kovergo melke varmast koht parametr okeata arvoa, ku otoskoo aetaa kasvaa rajatta: Pr(T ) = 1, ku + Jos T o tarketuva, se tuottaa parametrlle arvoja (estmaatteja), jotka lähestyvät havatoje lukumäärä kasvaessa (eräässä melessä) parametr okeata arvoa. Huomaa, että melke varma kovergess e ole tavaomasta alkesmatematka kovergessa, vaa kuuluu todeäkösyyslaskea kovergesskästtede pr. Emme täsmeä tässä melke varma kovergess kästettä. Estmotmeetelmät Suurmma uskottavuude meetelmä Mlla Kbble ja Ilkka Mell (013) 18/57

19 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Ykskertae satuasotos Olkoo X, = 1,,, (ykskertae) satuasotos jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;) rppuu parametrsta. Tällö havaot X, = 1,,, ovat rppumattoma, dettsest jakautueta satuas-muuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;): Uskottavuusfukto X, X,, X 1 X : f ( x; ), 1,,, Otokse X, = 1,,, uskottavuusfukto L( ; x, x,, x ) f ( x, x,, x ; ) 1 1 o havatoje X, = 1,,, yhtesjakauma pstetodeäkösyys- ta theysfukto f arvo psteessä x 1, x,, x tulkttua parametr arvoje fuktoks. Uskottavuusfukto L ssältää kake formaato otoksesta. Koska havaot X, = 1,,, muodostavat ykskertase satuasotokse jakaumasta f(x;), otokse yhtesjakauma theysfukto o muotoa jossa f ( x, x,, x ; ) f ( x ; ) f ( x ; ) f ( x ; ) 1 1 f ( x ; ), 1,,, o yksttäsee havatoo X lttyvä pstetodeäkösyys- ta theysfukto. Suurmma uskottavuude estmaattor Olkoo t g( x1, x,, x ) parametr arvo, joka maksmo otokse X, = 1,,, uskottavuusfukto L x1 x x ( ;,,, ) parametr suhtee. Huomaa, että uskottavuusfukto L maksm atava parametr arvo t o havatoarvoje (muuttuje) x 1, x,, x fukto. Sjottamalla uskottavuusfukto L maksm parametr suhtee atavassa lausekkeessa muuttuje t t( x1, x,, x ) x 1, x,, x pakalle havaot (satuasmuuttujat) Mlla Kbble ja Ilkka Mell (013) 19/57

20 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 X 1, X,, X saadaa parametr suurmma uskottavuude estmaattor el SU-estmaattor ˆ (,,, ) g X1 X X Parametr SU-estmaattor ˆ tuottaa parametrlle arvo, joka maksmo pomtu otokse el saatuje havatoarvoje uskottavuude (todeäkösyyde). Ste parametr SU-estmaattor ˆ otoskohtae arvo maksmo todeäkösyyde saada juur se otos, joka o saatu. Suurmma uskottavuude estmaattor määrääme Parametr suurmma uskottavuude estmaattor määrätää maksmomalla uskottavuusfukto L x1 x x ( ;,,, ) parametr suhtee. Kakssa sääöllsssä tapauksssa maksm löydetää merktsemällä uskottavuusfukto L() dervaatta L () ollaks ja ratkasemalla saadusta ormaalyhtälöstä L () = 0 Logartme uskottavuusfukto Uskottavuusfukto maksm kaattaa tavallsest etsä maksmomalla uskottavuusfukto sjasta logartme uskottavuusfukto (uskottavuusfukto logartm) parametr suhtee. l( ; x, x,, x ) log L( ; x, x,, x ) 1 1 Koska havaot X 1, X,, X o oletettu tässä rppumattomks, logartme uskottavuusfukto vodaa krjottaa seuraavaa muotoo: jossa l( ) log L( ) log f ( x ; ) f ( x ; ) f ( x ; ) 1 log f ( x ; ) log f ( x ; ) log f ( x ; ) 1 l( ; x ) l( ; x ) l( ; x ) 1 l( ; x ) = log f(x ; ), = 1,,, o yhtee havatoarvoo x lttyvä logartme uskottavuusfukto. Jos parametr SU-estmaattor ˆ e täytä hyvä estmaattor krteeretä äärellsllä havatoje lukumäärllä, SU-estmaattor ˆ käyttöä parametr estmaattora vodaa perustella SUestmaattor ylesllä asymptoottslla omasuukslla: Hyv yles ehdo pätee: () SU-estmaattor ˆ o tarketuva el Mlla Kbble ja Ilkka Mell (013) 0/57

21 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 () Pr( ˆ ) 1, ku SU-estmaattor ˆ o asymptoottsest ormaale. Normaaljakauma parametre suurmma uskottavuude estmaattort Satuasmuuttuja X oudattaa ormaaljakaumaa, jos se theysfukto o muotoa 1 1 x f( x;, ) exp,, 0 Normaaljakauma parametrea ovat jakauma odotusarvo ja varass E( X ) Var( X) D ( X) Normaaljakauma N(, ) odotusarvo ja varass SU-estmaattort ovat havatoje X 1, X,, X artmeette keskarvo ja otosvarass X 1 X 1 1 ˆ ( ) X X 1 Normaaljakauma N(, ) odotusarvo SU-estmaattorlla X o seuraavat omasuudet: () () () (v) (v) X o harhato. X ja ˆ ovat yhdessä tyhjetävä parametrelle ja. X o tehokas el mmvarasse estmaattor. X o tarketuva. X oudattaa ormaaljakaumaa: X : N, Normaaljakauma N(, ) varass SU-estmaattorlla () () ˆ o harhae, mutta estmaattor o harhato. X ja 1 s X X ( ) ˆ ˆ ovat yhdessä tyhjetävä parametrelle ja. ˆ o seuraavat omasuudet: Mlla Kbble ja Ilkka Mell (013) 1/57

22 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 () (v) (v) ˆ e ole tehokas el mmvarasse estmaattor (vodaa osottaa, että parametrlla e ole mmvarasssta estmaattora, elle parametra tueta). ˆ o tarketuva. ( 1) s / oudattaa -jakaumaa: ( 1) s : ( 1) Beroull-jakauma odotusarvoparametr suurmma uskottavuude estmaattor Olkoo A tapahtuma, joka todeäkösyys o p: Pr(A) = p Määrtellää satuasmuuttuja X seuraavast: 1, jos A tapahtuu X 0, jos A e tapahdu Satuasmuuttuja X oudattaa Beroull-jakaumaa parametrlla p: jossa X : Ber( p) Pr(A) = p = E(X) Beroull-jakauma Ber(p) odotusarvoparametr p SU-estmaattor o havatoje X 1, X,, X artmeette keskarvo Huomaa, että X X 1 X 1 f jossa f o kostukse kohteea oleva tapahtuma A suhteelle frekvess otoksessa. Beroull-jakauma Ber(p) odotusarvoparametr p SU-estmaattorlla ˆp o seuraavat omasuudet: () () () (v) (v) ˆp o harhato. ˆp o tyhjetävä. ˆp o (asymptoottsest) tehokas el mmvarasse estmaattor. ˆp o tarketuva. ˆp oudattaa asymptoottsest ormaaljakaumaa: Mlla Kbble ja Ilkka Mell (013) /57

23 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 p pq ˆ a N p :, Välestmot Normaaljakauma odotusarvo luottamusväl, ku jakauma varass o tuettu Otos ormaaljakaumasta Olkoo X, = 1,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttujat X, = 1,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(, ): X, X,, X 1 X : N(, ), 1,,, Normaaljakauma parametre estmot Oletetaa, että ormaaljakauma N(, ) varass o tuettu ja estmodaa odotusarvoparametr E(X) = se harhattomalla estmaattorlla: Havatoje artmeette keskarvo X 1 X 1 o odotusarvoparametr E(X) = harhato estmaattor. Normaaljakauma odotusarvo luottamusväl, ku jakauma varass o tuettu Valtaa luottamustasoks 1 Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää ormaaljakauma odotusarvo todellse arvo. Määrätää luottamuskertomet z / ja +z / ste, että ja Pr( z z /) Pr( z z /) jossa satuasmuuttuja z oudattaa stadardotua ormaaljakaumaa: z : N(0,1) Ste luottamuskertomet z / ja +z / toteuttavat ehdo N(0,1)-jakauma theysfukto Mlla Kbble ja Ilkka Mell (013) 0 3/57 z / +z /

24 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Pr( z z z ) 1 / / Normaaljakauma odotusarvoparametr luottamusväl luottamustasolla (1 ) o tuetu varass tapauksessa muotoa jossa X z, X z / / X = havatoje artmeette keskarvo otoksessa = jakauma varass = havatoje lukumäärä z / ja +z / = luottamustasoo (1 ) lttyvät luottamuskertomet stadardodusta ormaaljakaumasta N(0,1) Luottamusväl kostrukto perustuu she, että X : / N(0,1) Koska luottamusväl o symmetre keskpsteesä X suhtee, luottamusväl estetää use muodossa X z / Luottamusväl ptuus o z / Luottamusväl kostruktosta seuraa, että Pr X z/ X z/ 1 Ste luottamusväl pettää parametr todellse arvo todeäkösyydellä (1 ) ja se e petä parametr todellsta arvoa todeäkösyydellä. Luottamusväl omasuudet () () Normaaljakauma odotusarvo luottamusväl keskpste X vahtelee otoksesta tosee. Luottamusväl ptuus e vahtele otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta (1 ), havatoje lukumäärästä ja jakauma varasssta. (v) Luottamusväl lyheee (pteee), jos luottamustasoa (1 ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää kasvatetaa (peeetää). (v) Luottamusväl lyheee (pteee), jos jakauma varass peeee (kasvaa). Mlla Kbble ja Ilkka Mell (013) 4/57

25 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Luottamusväl frekvesstulkta Normaaljakauma odotusarvo luottamusvälllä o seuraava frekvesstulkta: () () Jos otataa jakaumasta N(, ) tostetaa, keskmäär 100(1 ) % otokssta kostruodusta luottamusvälestä pettää parametr todellse arvo. Jos otataa jakaumasta N(, ) tostetaa, keskmäär 100 % otokssta kostruodusta luottamusvälestä e petä parametr todellsta arvoa. Johtopäätökset luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että kostruotu luottamusväl pettää odotusarvoparametr todellse arvo: () () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 100(1 ) %:ssa tapauksa. Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 100 %:ssa tapauksa. Vrheellse johtopäätökse mahdollsuutta e saada hävämää, elle luottamusvälä tehdä äärettömä leveäks, jollo väl e eää ssällä formaatota odotusarvoparametr todellsesta arvosta. Vaatmukset luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Molempe vaatmuste samaakae täyttäme e ole kutekaa mahdollsta, jos otoskoko pdetää kteää: () () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr todellse arvo sjasta tulee epätarkemmaks. Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr todellse arvo sjasta tulee epävarmemmaks. Otoskoo määrääme Oletetaa, että ormaaljakauma odotusarvoparametrlle halutaa kostruoda luottamusväl, joka tovottu ptuus o A. Tarvttava otoskoko saadaa kaavasta jossa z / A z / = luottamustasoo (1 ) lttyvä luottamuskerro ormaaljakaumasta Normaaljakauma odotusarvo ja varass luottamusvält, ku jakauma varass e ole tuettu Otos ormaaljakaumasta Mlla Kbble ja Ilkka Mell (013) 5/57

26 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Olkoo X, = 1,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttujat X, = 1,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(, ): X, X,, X 1 X : N(, ), 1,,, Normaaljakauma parametre estmot Estmodaa ormaaljakauma N(, ) parametrt ja de harhattomlla estmaattorella: Havatoje artmeette keskarvo X 1 X 1 o odotusarvoparametr E(X) = harhato estmaattor ja havatoje otosvarass 1 s X X ( ) 1 1 o varassparametr Var(X) = harhato estmaattor. Normaaljakauma odotusarvo luottamusväl, ku jakauma varass e ole tuettu Valtaa luottamustasoks 1 Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää ormaaljakauma odotusarvo todellse arvo. t-jakauma theysfukto Määrätää luottamuskertomet t / ja +t / ste, että ja Pr( t t /) Pr( t t /) jossa satuasmuuttuja t oudattaa t-jakaumaa vapausaste ( 1): t : t( 1) Ste luottamuskertomet t / ja +t / toteuttavat ehdo Pr( t t t ) 1 / / t / Normaaljakauma odotusarvoparametr luottamusväl luottamustasolla (1 ) o tutemattoma varass tapauksessa muotoa +t / Mlla Kbble ja Ilkka Mell (013) 6/57

27 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 jossa s X t, X t / / s X = havatoje artmeette keskarvo otoksessa s = otosvarass = havatoje lukumäärä t / ja +t / = luottamustasoo (1 ) lttyvät luottamuskertomet t-jakaumasta vapausaste ( 1) Luottamusväl kostrukto perustuu she, että X : s/ t ( 1) Koska luottamusväl o symmetre keskpsteesä X suhtee, luottamusväl estetää use muodossa X t / Luottamusväl ptuus o t / Luottamusväl kostruktosta seuraa, että s s Pr s s X t/ X t/ 1 Ste luottamusväl pettää parametr todellse arvo todeäkösyydellä (1 ) ja se e petä parametr todellsta arvoa todeäkösyydellä. Odotusarvo luottamusväl omasuudet () () Normaaljakauma odotusarvo luottamusväl keskpste X vahtelee otoksesta tosee. Luottamusväl ptuus vahtelee otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta (1 ), havatoje lukumäärästä ja otosvarasssta s. (v) Luottamusväl lyheee (pteee), jos luottamustasoa (1 ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää kasvatetaa (peeetää). (v) Luottamusväl lyheee (pteee), jos otosvarass s peeee (kasvaa). Odotusarvo luottamusväl frekvesstulkta Normaaljakauma odotusarvo luottamusvälllä o seuraava frekvesstulkta: () Jos otataa jakaumasta N(, ) tostetaa, keskmäär 100(1 ) % otokssta kostruodusta luottamusvälestä pettää parametr todellse arvo. Mlla Kbble ja Ilkka Mell (013) 7/57

28 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 () Jos otataa jakaumasta N(, ) tostetaa, keskmäär 100 % otokssta kostruodusta luottamusvälestä e petä parametr todellsta arvoa. Johtopäätökset odotusarvo luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että kostruotu luottamusväl pettää odotusarvoparametr todellse arvo: () () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 100(1 ) %:ssa tapauksa. Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 100 %:ssa tapauksa. Vrheellse johtopäätökse mahdollsuutta e saada hävämää, elle luottamusvälä tehdä äärettömä leveäks, jollo väl e eää ssällä formaatota odotusarvoparametr todellsesta arvosta. Vaatmukset odotusarvo luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Molempe vaatmuste samaakae täyttäme e ole kutekaa mahdollsta, jos otoskoko pdetää kteää: () () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr todellse arvo sjasta tulee epätarkemmaks. Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr todellse arvo sjasta tulee epävarmemmaks. Otoskoo määrääme Oletetaa, että ormaaljakauma odotusarvoparametrlle halutaa kostruoda luottamusväl, joka tovottu ptuus o A. Tarvttava otoskoko saadaa kaavasta jossa z / A z / = luottamustasoo (1 ) lttyvä luottamuskerro ormaaljakaumasta Normaaljakauma varass luottamusväl Valtaa luottamustasoks Mlla Kbble ja Ilkka Mell (013) 8/57

29 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 1 Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää ormaaljakauma varass todellse arvo. Määrätää luottamuskertomet 1 / ja ste, että ja Pr( 1 / ) Pr( /) / jossa satuasmuuttuja oudattaa -jakaumaa vapausaste ( 1): : ( 1) Ste luottamuskertomet 1 / ja ehdo / toteuttavat Pr( 1 / / ) 1 Normaaljakauma varassparametr luottamusväl luottamustasolla (1 ) o muotoa jossa ( 1) s ( 1) s, / 1 / s = otosvarass = havatoje lukumäärä ja 1 / Luottamusväl kostrukto perustuu she, että ( 1) s Luottamusväl ptuus o ( 1) s / = luottamustasoo (1 ) lttyvät luottamuskertomet -jakaumasta vapausaste ( 1) : ( 1) / / Luottamusväl kostruktosta seuraa, että ( 1) ( 1) Pr s s 1 / 1 / α/ 1 / -jakauma theysfukto 1 α α/ / Mlla Kbble ja Ilkka Mell (013) 9/57

30 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Ste kostruotu luottamusväl pettää parametr todellse arvo todeäkösyydellä (1 ) ja se e petä parametr todellsta arvoa todeäkösyydellä. Varass luottamusväl omasuudet () () Normaaljakauma varass luottamusväl ptuus vahtelee otoksesta tosee. Luottamusväl ptuus rppuu valtusta luottamustasosta (1 ), havatoje lukumäärästä ja otosvarasssta s. () Luottamusväl lyheee (pteee), jos luottamustasoa (1 ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos otoskokoa kasvatetaa (peeetää). (v) Luottamusväl lyheee (pteee), jos otosvarass s peeee (kasvaa). Varass luottamusväl frekvesstulkta Normaaljakauma odotusarvo luottamusvälllä o seuraava frekvesstulkta: () () Jos otataa jakaumasta N(, ) tostetaa, keskmäär 100(1 ) % otokssta kostruodusta luottamusvälestä pettää parametr todellse arvo. Jos otataa jakaumasta N(, ) tostetaa, keskmäär 100 % otokssta kostruodusta luottamusvälestä e petä parametr todellsta arvoa. Johtopäätökset varass luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että kostruotu luottamusväl pettää varassparametr todellse arvo: () () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 100(1 ) %:ssa tapauksa. Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 100 %:ssa tapauksa. Vaatmukset varass luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Vaatmuste samaakae täyttäme e ole kutekaa mahdollsta: () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr todellse arvo sjasta tulee epätarkemmaks. () Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr todellse arvo sjasta tulee epävarmemmaks. Beroull-jakauma odotusarvo luottamusväl Beroull-jakauma Olkoo A o jok tapahtuma ja olkoo Mlla Kbble ja Ilkka Mell (013) 30/57

31 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Pr( A) p c Pr( A ) 1 p q Määrtellää satuasmuuttuja 1, jos A tapahtuu X 0, jos A e tapahdu Tällö satuasmuuttuja X oudattaa Beroull-jakaumaa parametraa p = Pr(A) = E(X) Merktää: X : Ber( p) Beroull-jakauma pstetodeäkösyysfukto o Otos Beroull-jakaumasta Olkoo f x p p p x p x 1x ( ; ) (1 ), 0,1; 0 1 X, = 1,,, satuasotos Beroull-jakaumasta Ber(p). Tällö satuasmuuttujat X, = 1,,, ovat rppumattoma ja oudattavat samaa Beroull-jakaumaa Ber(p): X, X,, X 1 X : Ber( p), 1,,, Beroull-jakauma odotusarvoparametr estmot Estmodaa Beroull-jakauma Ber(p) odotusarvoparametr p se harhattomalla estmaattorlla: Koska 1 pˆ X 1 1, jos A tapahtuu X, 1,,, 0, jos A e tapahdu 1 pˆ 1 X f jossa f o tapahtuma A frekvess otoksessa. Ste Beroull-jakauma odotusarvoparametr p estmaattor ˆp o tapahtuma A suhteelle frekvess otoksessa. Huomaa, että f : B(, p) Beroull-jakauma odotusarvoparametr luottamusväl Valtaa luottamustasoks 1 Mlla Kbble ja Ilkka Mell (013) 31/57

32 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää Beroulljakauma odotusarvoparametr p todellse arvo. Määrätää luottamuskertomet z / ja +z / ste, että ja Pr( z z /) Pr( z z /) jossa satuasmuuttuja z oudattaa stadardotua ormaaljakaumaa: z : N(0,1) Ste luottamuskertomet z / ja +z / toteuttavat ehdo Pr( z z z ) 1 / / Beroull-jakauma odotusarvoparametr p approksmatve luottamusväl luottamustasolla (1 ) o muotoa jossa p ˆ(1 p ˆ) p ˆ ˆ(1 p ˆ) p z/, pˆ z/ ˆp = odotusarvoparametr p harhato estmaattor = havatoje lukumäärä z / ja +z / = luottamustasoo (1 ) lttyvät luottamuskertomet stadardodusta ormaaljakaumasta N(0,1) Luottamusväl kostrukto perustuu she, että keskese raja-arvolausee mukaa pˆ p : pˆ(1 pˆ) / a N(0,1) Koska luottamusväl o symmetre keskpsteesä ˆp suhtee, luottamusväl estetää use muodossa N(0,1)-jakauma theysfukto z / +z / pˆ z / Luottamusväl ptuus o pˆ(1 pˆ) z / pˆ(1 pˆ) Luottamusväl kostruktosta seuraa, että Mlla Kbble ja Ilkka Mell (013) 3/57

33 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 pˆ(1 pˆ) pˆ(1 pˆ) Pr pˆ z p pˆ z 1 / / a Ste luottamusväl pettää parametr p todellse arvo approksmatvsest todeäkösyydellä (1 ) ja se e petä parametr p todellsta arvoa approksmatvsest todeäkösyydellä. Luottamusväl omasuudet () () Beroull-jakauma odotusarvoparametr p luottamusväl keskpste ˆp vahtelee otoksesta tosee. Luottamusväl ptuus vahtelee otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta (1 ), havatoje lukumäärästä ja estmaattorsta ˆp. (v) Luottamusväl lyheee (pteee), jos luottamustasoa (1 ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää kasvatetaa (peeetää). (v) Luottamusväl o lyhmmllää, ku pˆ 0 ta 1 (v) Luottamusväl o psmmllää, ku pˆ 0.5 Luottamusväl frekvesstulkta Beroull-jakauma odotusarvoparametr p approksmatvsella luottamusvälllä o seuraava frekvesstulkta: () () Jos otataa jakaumasta Ber(p) tostetaa, keskmäär 100(1 ) % otokssta kostruodusta luottamusvälestä pettää parametr p todellse arvo. Jos otataa jakaumasta Ber(p) tostetaa, keskmäär 100 % otokssta kostruodusta luottamusvälestä e petä parametr p todellsta arvoa. Johtopäätökset luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että luottamusväl pettää odotusarvoparametr p todellse arvo: () () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 100(1 ) %:ssa tapauksa. Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 100 %:ssa tapauksa. Vrheellse johtopäätökse mahdollsuutta e saada hävämää, elle luottamusvälä tehdä äärettömä leveäks, jollo väl e eää ssällä formaatota odotusarvoparametr p todellsesta arvosta. Vaatmukset luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle p mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Molempe vaatmuste samaakae täyttäme e ole kutekaa mahdollsta, jos otoskoko pdetää kteää: Mlla Kbble ja Ilkka Mell (013) 33/57

34 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 () () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr p todellse arvo sjasta tulee epätarkemmaks. Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr p todellse arvo sjasta tulee epävarmemmaks. Otoskoo määrääme Oletetaa, että Beroull-jakauma odotusarvoparametrlle p halutaa kostruoda luottamusväl, joka tovottu ptuus o A Tarvttava otoskoko saadaa kaavasta z / p(1 p) A Tarvttava otoskoko saavuttaa maksmsa ku z / A p 0.5 Mlla Kbble ja Ilkka Mell (013) 34/57

35 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Esmerkk 7.1. Alla o lueteltu joukko tlastollsa muuttuja. (a) (b) (c) 1. Maskode C-vtamptosuus; ykskkö: mg/100 g. Alvar aukolta kasvava kasv laj 3. Pae, joka vaadtaa teräksse sälö murtumsee; ykskkö: kg/cm 4. Suomalaste reaktot vätteesee Suome o ltyttävä NATO:o mtattua astekolla: täys er meltä, yhdetekevää, täys samaa meltä 5. Jokerede sjotus jääkekkolgassa; astekkoa 1,, 3, 6. Teekkar koulutusohjelma 7. Teekkar älykkyysosamäärä äo-psteä; ykskkö: äo-pste 8. Teekkar pstemäärä kurss 1. välkokeesta; astekkoa 0, 1,,, 4 9. Letokoee opeus; ykskkö: km/h Mtkä ovat muuttuje 1-9 mtta-astekot? Mtkä muuttujsta 1-9 ovat kvaltatvsa ja mtkä kvattatvsa? Mtkä muuttujsta 1-9 ovat dskreettejä ja mtkä jatkuva? Esmerkk 7.1. Mtä opmme? Esmerkssä 7.1. tarkastellaa tlastollste muuttuje mtta-astekollsa omasuuksa sekä tlastollste muuttuje luokttelua tosaalta kvaltatvs ja kvattatvs muuttuj ja tosaalta dskreetteh ja jatkuv muuttuj. Esmerkk 7.1. Ratkasu: (a) Laatueroastekollset muuttujat:, 6 Järjestysastekollset muuttujat: 4, 5, 7, 8 Suhdeastekollset muuttujat: 1, 3, 9 (b) Kvaltatvset muuttujat:, (4), (5), 6, (7) Kvattatvset muuttujat: 1, 3, (4), (5), (7), 8, 9 Kvaltatvste ja kvattatvste muuttuje välmaastoo sjottuvat järjestysastekollset muuttujat o merktty sulkuh. (c) Dskreett muuttujat:, 4, 5, 6, 8 Jatkuvat muuttujat: 1, 3, 7, 9 Huomautus: Muuttuja "okea" luokttelu e ole aa helppoa (muuttuja 7). Mlla Kbble ja Ilkka Mell (013) 35/57

36 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Esmerkk 7.. Erää talo asukkalla o seuraavat tulot ( /vuos): Määrää aestosta seuraavat tuusluvut: (a) (b) (c) mm, maksm vahteluväl, vahteluväl ptuus medaa Esmerkk 7.. Mtä opmme? Esmerkssä 7.. tarkastellaa järjestystuuslukuje määräämstä. Esmerkk 7.. Ratkasu: Kakk määrättävks pyydetyt tuusluvut ovat järjestystuuslukuja ta h perustuva tuuslukuja. Järjestetää havatoarvot suuruusjärjestyksee pemmästä suurmpaa järjestystuuslukuje määräämstä varte: (a) Mm ja maksm: M = 4300, Max = (b) Vahteluväl: (M, Max) = (4300, 51100) Vahteluväl ptuus: Max M = = (c) Etstää havatoarvoje medaa Me. Medaa Me jakaa havatoaesto kahtee yhtä suuree osaa ste, että puolet stä havatoarvosta, jotka evät ole yhtä suura ku medaa, ovat medaaa peempä, ja puolet stä havatoarvosta, jotka evät ole yhtä suura ku medaa, ovat medaaa suurempa. Mlla Kbble ja Ilkka Mell (013) 36/57

37 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Oletetaa, että havatoarvoa o järjestetty suuruusjärjestyksee pemmästä suurmpaa. () () Jos o parto, medaaks valtaa havatoarvo, joka löytyy pakasta ( + 1)/ Jos o parlle, medaaks valtaa kahde keskmmäse havao artmeette keskarvo. Koska havatoje lukumäärä o tässä parlle, Me = ( )/ = 1300 Esmerkk 7.3. Muodosta esmerk 7.. aestosta luokteltu frekvessjakauma, joka luokkaväleä ovat [4000, 1000] (1000, 8000] (8000, 60000] Määrää myös frekvessjakaumaa vastaava hstogramm suorakatede korkeudet, ku luokkavälä [4000, 1000] vastaava suorakatee korkeudeks valtaa 15 ykskköä. Hahmottele hstogramm ruudullselle paperlle. Mssä luokassa o jakauma mood? Esmerkk 7.3. Mtä opmme? Esmerkssä 7.3. tarkastellaa jatkuva muuttuja havattuje arvoje luoktellu frekvessjakauma ja stä vastaava graafse estykse el hstogramm muodostamsta. Esmerkk 7.3. Ratkasu: Jatkuva muuttuja havattuje arvoje jakaumaa kuvataa luoktellulla frekvessjakaumalla. Luokteltua frekvessjakaumaa vodaa kuvata graafsest hstogrammlla. Hstogramm koostuu luoktellu frekvessjakauma luokka vastaavsta suorakatesta (elkulmosta), jode pta-alat ovat suhteessa vastaav luokkafrekvesseh. Tehtävä 7.. aestosta saadaa seuraava luokteltu frekvessjakauma, ku luokkaväleä ovat [4000, 1000], (1000, 8000], (8000, 60000] : Luokkaväl Luokkafrekvess Suorakatee korkeus (ykskköä) [4000, 1000] (1000, 8000] 19 19/ = 9.5 (8000, 60000] /4 = 0.5 Mlla Kbble ja Ilkka Mell (013) 37/57

38 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Hstogrammkuvo suorakatede korkeukse määrääme: (1) Valtaa luokkaväl [4000, 1000] lttyvä suorakatee korkeudeks 15 ykskköä. () Luokkaväl (1000, 8000] o kaks kertaa ptkä ku luokkaväl (4000, 1000]. Sks luokkaväl (1000, 8000] lttyvä suorakatee korkeus saadaa jakamalla luokkavälä vastaava frekvess 19 luvulla. (3) Luokkaväl (8000, 60000] o eljä kertaa ptkä ku luokkaväl (4000, 1000]. Sks luokkaväl (18000, 60000] lttyvä suorakatee korkeus saadaa jakamalla luokkavälä vastaava frekvess luvulla 4. Alla oleva kuvo esttää yo. luokteltua frekvessjakaumaa vastaavaa hstogramma. 15 f/ Jakauma mood o luokassa (4000, 1000], koska sä hstogramm saavuttaa maksmsa. Huomaa, että mood e ole luokassa (1000, 8000], vakka stä vastaava frekvess o suur. Mlla Kbble ja Ilkka Mell (013) 38/57

39 Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Huomautuksa: () () Hstogramm suorakatede (elkulmode) pta-alat evät ss korkeudet ovat suhteessa luokkafrekvesseh. Hstogrammssa suorakatede korkeudet ovat suhteessa luokkafrekvesseh va, jos luoktus o tasaväle. () Okea laatu pystyaksellle o tehtävä 8.3. tapauksessa frekvess/ : Vaaka-aksel laatu: Pystyaksel laatu: Tällö suorakatee pta-ala: frekvess/ frekvess/ = frekvess Esmerkk 7.4. Määrää esmerk 7.. aesto kahde esmmäse sarakkee 8:sta luvusta artmeette keskarvo, otosvarass ja otoshajota. Esmerkk 7.4. Mtä opmme? Esmerkssä 7.4. tarkastellaa havatoarvoje artmeettse keskarvo, otosvarass ja otoshajoa määräämstä. Esmerkk 7.4. Ratkasu: Laskutomtukset vodaa suorttaa kahdella tavalla. Tapa 1: Tapa : 1 x 1 1 sx x x 1 s x 1 x s x s x 1 s x x 1 x 1 1 sx x x Jos havatoarvoje artmeettse keskarvo ja varass laskemsta varte laadtaa tetokoeohjelma, laskutomtukset vodaa järjestää laskutavassa, että havaot käydää läp va kerra, ku taas laskutavassa 1 havaot o käytävä läp kaks kertaa. Se sjaa laskutava 1 kaavat ovat umeersest vakaampa ku laskutavassa. Tehtävä lopussa o kopo laskutomtuste tekemsessä apua käytetystä Mcrosoft Excel -taulukosta. Mlla Kbble ja Ilkka Mell (013) 39/57

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

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

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/24

TKK @ Ilkka Mellin (2008) 1/24 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

Ilkka Mellin (2006) 1/1

Ilkka Mellin (2006) 1/1 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

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 todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, Estmaatt, Estmaattor,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4 MS-A Todeäkösyyslaskea ja tlastotetee peruskurss Vkko Tlastollste aestoje kerääme ja mttaame; tlastollste aestoje kuvaame; Otokset ja otosjakaumat; Estmot; Estmotmeetelmät; Vällestmot Mtä tlastotede o?

Lisätiedot

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7. Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot Ilkka Mell 5 Tlastollset

Lisätiedot

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat-1.361 Tlastolle päättely 3. Pste-estmot Tlastolle päättely 3. Pste-estmot 3.1. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste-estmot, Pstetodeäkösyysfukto,

Lisätiedot

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat.36 Tlastolle päättely 3. Pste estmot Tlastolle päättely 3. Pste estmot 3.. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste estmot, Pstetodeäkösyysfukto,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat: MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Aheet: Tlastollset testt Avasaat: Artmeette keskarvo Beroull-jakauma

Lisätiedot

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2 HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske

Lisätiedot

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme?

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme? TKK (c) Ilkka Mell (004) Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Johdatus todeäkösyyslasketaa Kovergesskästteet

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat-1.361 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.1. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys,

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat: Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Artmeette keskarvo, Estmaatt,

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat.36 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys, Otos,

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma Aheet: Satuasmuuttujat ja todeäkösyysjakaumat Kertymäfukto Jakaume tuusluvut Dskreettejä jakauma Jatkuva jakauma Avasaat: Bomjakauma Desl Dskreett

Lisätiedot

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi Mat-.6 Sovellettu todeäkösyyslasketa. harjotukset Mat-.6 Sovellettu todeäkösyyslasketa B. harjotukset / Ratkasut Aheet: Tlastollset testt Avasaat: Artmeette keskarvo, Beroull-jakauma, F-jakauma, F-test,

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot TKK @ Ilkka Mell (006)

Lisätiedot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot Mat-.09 Sovellettu todeäkösyyslasku Systeemaalyys laboratoro Teklle korkeakoulu SYKSY 00 Ilkka Mell Sovellettu todeäkösyyslasku: Kaavat ja taulukot f XY x X x X y Y ( x, y) exp XY ( XY ) XY XY X X Y Tomttaut

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot TKK (c) Ilkka Mell (4) Tlastolle rppuvuus ja korrelaato Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame Pearso korrelaatokertome estmot ja testaus Järjestyskorrelaatokertomet

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio

Tilastollinen riippuvuus ja korrelaatio Tlastollset meetelmät Osa 4: Leaare regressoaalyys Tlastolle rppuvuus ja korrelaato KE (204) Tlastolle rppuvuus ja korrelaato >> Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat-1.361 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus,

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Aheet: Tlastolle rppuvuus ja korrelaato Yhde selttäjä leaare regressomall Regressoaalyys

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat.36 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko,

Lisätiedot

Muuttujien välisten riippuvuuksien analysointi

Muuttujien välisten riippuvuuksien analysointi Mat-.4 Tlastollse aalyys peusteet, kevät 7 5. lueto: Tlastolle ppuvuus ja koelaato Muuttuje välste ppuvuukse aalysot Tlastollsssa aalyysessä tutktaa use muuttuje välsä ppuvuuksa Työttömyysastee ppuvuus

Lisätiedot

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä Mat.36 Tlastolle päättely 7. Suurmma uskottavuude meetelmä ja asymptootte teora Tlastolle päättely 7. Suurmma uskottavuude meetelmä ja asymptootte teora 7.. Suurmma uskottavuude estmotmeetelmä Akasarja,

Lisätiedot

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset:

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset: Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Ylee leaare mall Artmeette keskarvo,

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

Mat Koesuunnittelu ja tilastolliset mallit Mat-.03 Koeuuttelu tlatollet mallt. harjotuket Mat-.03 Koeuuttelu tlatollet mallt. harjotuket / Ratkaut Aheet: Avaaat: Tlatollte aetoje kuvaame Oto otokaumat Etmot Etmotmeetelmät Väletmot Artmeette kekarvo,

Lisätiedot

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN MTTTP SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN Aesto kaavoje () (3), (9) ja () esmerkkeh Lepakot pakallstavat hyötesä lähettämällä korkeataajusta äätä Ne pystyvät pakallstamaa hyöteset

Lisätiedot

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia. HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla

Lisätiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka

Lisätiedot

Todennäköisyyslaskennan kertausta

Todennäköisyyslaskennan kertausta Todeäkösyyslaskea kertausta Todeäkösyyslaskea kertausta 1. Joukko-opp Alko, Erotus, Joukko, Komplemett, Lekkaus, Perusjoukko, Psteveraus, Tyhjä joukko, Uo, Yhdste. Todeäkösyys ja se määrtteleme Alkestapahtuma,

Lisätiedot

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2 TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?

Lisätiedot

3.5 Generoivat funktiot ja momentit

3.5 Generoivat funktiot ja momentit 3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Lineaarinen regressioanalyysi Tlastollset meetelmät Leaare regressoaalyys Tlastollset meetelmät: Leaare regressoaalyys 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaalyys 5. Yhde selttäjä leaare regressomall 6. Ylee leaare

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4 TKK (c) lkka Melln (005) Koesuunnttelu TKK (c) lkka Melln (005) : Mtä opmme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Mten varanssanalyysssa tutktaan yhden tekän vakutusta vastemuuttujaan, kun

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa

Lisätiedot

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto Kynä-paper -harjotukset Tana Lehtnen 8.8.07 Tana I Lehtnen Helsngn ylopsto Etelä-Suomen ja Lapn lään, 400 opettajaa a. Perusjoukon (populaaton) muodostvat kakk Etelä-Suomen ja Lapn läänn peruskoulun opettajat

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja

Lisätiedot

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme? TKK () Ilkka Mell (2004) 1 Todeäkösyyde aksoomat Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys Johdatus todeäkösyyslasketaa Todeäkösyyde aksoomat TKK () Ilkka Mell (2004) 2 Todeäkösyyde

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.204 Tlastollsen analyysn perusteet, kevät 2007 5. luento: Tlastollnen rppuvuus ja korrelaato Ka Vrtanen Muuttujen välsten rppuvuuksen analysont Tlastollsssa analyysessä tutktaan usen muuttujen välsä

Lisätiedot

1. PARAMETRIEN ESTIMOINTI

1. PARAMETRIEN ESTIMOINTI Mat-.04 Tlastollse aalyys perusteet Mat-.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Estmaatt, Estmaattor, Estmot, Jääöselösumma, Jääösterm, Jääösvarass,

Lisätiedot

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat: Mat-.36 Tlastollnen päättely 7. harjotukset Mat-.36 Tlastollnen päättely 7. harjotukset / Tehtävät Aheet: Avansanat: ypoteesen testaus. lajn vrhe,. lajn vrhe, arhaton test, ylkäysalue, ylkäysvrhe, ypotees,

Lisätiedot

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.090 Sovellettu todeäkösyyslasku A Nordlud Harotus (vko 49/003) (Ahe: Tlastollsa testeä, regressoaalyysä Lae luvut 5.5, 6) HUOM! Laskarede palautukse takaraa o pokkeuksellsest

Lisätiedot

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

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

Lisätiedot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit 68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta

Lisätiedot

Moniulotteiset jakaumat ja havaintoaineistot

Moniulotteiset jakaumat ja havaintoaineistot Momuuttujameetelmät: Ilkka Mell. Moulotteset jakaumat.. Satuasmuuttujat ja todeäkösyysjakaumat.. Yhtesjakaumat.3. Reuajakaumat ja satuasmuuttuje rumattomuus.4. Ehdollset jakaumat.5. Yhtesjakaume tuusluvut.6.

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

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0)

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0) Mat-2.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat Korrelaato ja assosaato Hypotees, Järjestyskorrelaatokertomet, χ 2 -rppumattomuustest, Korrelaatokerro, Pstedagramm, Päätössäätö, Nollahypotees,

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

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

Varianssianalyysi. Varianssianalyysi. Varianssianalyysi. Varianssianalyysi: Mitä opimme? Varianssianalyysi: Johdanto

Varianssianalyysi. Varianssianalyysi. Varianssianalyysi. Varianssianalyysi: Mitä opimme? Varianssianalyysi: Johdanto TKK (c Ila Mell (004 Varassaalyys Varassaalyys: Johdato Johdatus tlastoteteesee Varassaalyys TKK (c Ila Mell (004 Varassaalyys: Mtä opmme? Tarastelemme tässä luvussa seuraavaa ysymystä: Mte tavaomae ahde

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.4 Tlastollse aals perusteet, evät 7 8. lueto: Usea selttää leaare regressomall Usea selttää leaare regressomall Seltettävä muuttua havattue arvoe vahtelu halutaa selttää selttäve muuttue havattue

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

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

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio? Mttausteknkan perusteet / luento 7 Mttausepävarmuus Mttausepävarmuus Mttaustulos e ole koskaan täysn oken Mttaustulos on arvo mtattavasta arvosta Mttaustuloksen ja mtattavan arvon ero on mttausvrhe Mkäl

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

Raja-arvot. Osittaisderivaatat.

Raja-arvot. Osittaisderivaatat. 1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2010 Luku 3 Raja-arvot Osttasdervaatat 1 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat ovat

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Lineaarinen regressioanalyysi Tlastollset meetelmät Leaare regressoaals Tlastollset meetelmät: Leaare regressoaals 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaals 5. Yhde selttäjä leaare regressomall 6. Ylee leaare mall

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

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa Mttausteknkan perusteet / luento 6 Mttausepävarmuus ja shen lttyvää termnologaa Mttausepävarmuus = mttaustulokseen lttyvä parametr, joka kuvaa mttaussuureen arvojen odotettua vahtelua Mttauksn lttyvä kästtetä

Lisätiedot

Mat-2.090 Sovellettu todennäköisyyslasku A

Mat-2.090 Sovellettu todennäköisyyslasku A Mat-.090 Sovellettu todeäköiyylaku A Mat-.090 Sovellettu todeäköiyylaku A / Ratkaiut Aiheet: Avaiaat: Tilatollite aieito keräämie ja mittaamie Tilatollite aieitoje kuvaamie Oto ja otojakaumat Aritmeettie

Lisätiedot

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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä. MS-A0205/MS-A0206 Dfferentaal- ja ntegraallaskenta 2 Luento 7: Lagrangen kertojat. Penmmän nelösumman menetelmä. Jarmo Malnen Matematkan ja systeemanalyysn latos 1 Aalto-ylopsto Kevät 2016 1 Perustuu Antt

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

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Turingin kone on kuin äärellinen automaatti, jolla on käytössään 4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa

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

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

Suoran sovittaminen pistejoukkoon

Suoran sovittaminen pistejoukkoon Suora sovttame pstejoukkoo Ku halutaa tutka kahde tlastollse muuttuja rppuvuutta tosstaa, käytetää use leaarsta regressota el suora sovttamsta havatojoukkoo. Sä o aettu joukko havatopareja (x, y ), ja

Lisätiedot

Väliestimointi (jatkoa) Heliövaara 1

Väliestimointi (jatkoa) Heliövaara 1 Väliestimointi (jatkoa) Heliövaara 1 Bernoulli-jakauman odotusarvon luottamusväli 1/2 Olkoon havainnot X 1,..., X n yksinkertainen satunnaisotos Bernoulli-jakaumasta parametrilla p. Eli X Bernoulli(p).

Lisätiedot

Johdatus 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

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

Tchebycheff-menetelmä ja STEM

Tchebycheff-menetelmä ja STEM Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot

Lisätiedot

Bernoullijakauma. Binomijakauma

Bernoullijakauma. Binomijakauma Beroulljaauma Beroull oe o ahde mahdollse ulostulo oe, jossa taahtumsta äytetää mtysä ostume ja eäostume. Esmerejä: rahahetto (ruua ta laava), lase sytymä (tyttö ta oa), helö verryhmä ( ta c ), oselja

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

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

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:

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

Monte Carlo -menetelmä

Monte Carlo -menetelmä Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla

Lisätiedot

Mat-2.108 Sovelletun matematiikan erikoistyö. Sijoitussalkun optimointi Black-Litterman -mallilla

Mat-2.108 Sovelletun matematiikan erikoistyö. Sijoitussalkun optimointi Black-Litterman -mallilla Mat-2.8 Sovelletu matematka erkostyö Sjotussalku optmot Black-Ltterma -malllla Kar Vatae (4753V) 9.5.24 Ssällysluettelo Johdato...2 2 Sjotussalku optmot Markowtz malllla...3 2. Sjotussalku optmot...5 2.2

Lisätiedot

tilastotieteen kertaus

tilastotieteen 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

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

Jaksolliset ja toistuvat suoritukset

Jaksolliset ja toistuvat suoritukset Jaksollset ja tostuvat suortukset Korkojakson välen tostuva suortuksa kutsutaan jaksollsks suortuksks. Tarkastelemme tässä myös ylesempä tlanteta jossa samansuurunen talletus tehdään tasavälen mutta e

Lisätiedot

Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen

Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK () Ila Mell (004) Yhteesopvuude, hoogeesuude a rppuattouude testaae Johdatus tlastoteteesee Yhteesopvuude, hoogeesuude a rppuattouude testaae TKK () Ila Mell (004) Yhteesopvuude, hoogeesuude a rppuattouude

Lisätiedot

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

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle

Lisätiedot

10.5 Jaksolliset suoritukset

10.5 Jaksolliset suoritukset 4.5 Jaksollset suortukset Tarkastellaa tlaetta, jossa asakas tallettaa pakktllle tostuvast yhtäsuure rahasumma k aa korkojakso lopussa. Asakas suorttaa talletukse kertaa. Lasketaa tlllä oleva pääoma :e

Lisätiedot

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Lisätiedot

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

6. Capital Asset Pricing Model

6. Capital Asset Pricing Model 6. Captal Asset cg odel Ivestotpäätökset edustavat use seuaava ogelmatyyppejä:. te sjotuspotolo kaattaa aketaa? vt. kassavtoje täsmääme ks. lueto 3. kä o sjotuskohtee okea hta? vt. abtaasvapaus jvk-hottelu

Lisätiedot

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet Ilkka Melli Todeäköisyyslasketa Osa 2: Satuaismuuttujat ja todeäköisyysjakaumat Kovergessikäsitteet ja raja arvolauseet TKK (c) Ilkka Melli (2006) 1 Kovergessikäsitteet ja raja arvolauseet >> Kovergessikäsitteitä

Lisätiedot

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