2-suuntainen vaihtoehtoinen hypoteesi

Koko: px
Aloita esitys sivulta:

Download "2-suuntainen vaihtoehtoinen hypoteesi"

Transkriptio

1 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Mat-.6 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Tilastolliset testit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, F-jakauma, F-testi, Frekvessi, Keskihajota, Normaalijakauma, Odotusarvo, Odotusarvoje vertailutesti, Otos, Otoskoko, Otosvariassi, Parivertailutesti, Riippumattomat otokset, Riippumattomuus, Riippuvat otokset, Stadardoitu ormaalijakauma, Suhteellie frekvessi, Suhteellie osuus, Suhteelliste osuuksie vertailutesti, Testit odotusarvolle, Testi suhteelliselle osuudelle, Testit variassille, t-jakauma, t-testi, Todeäköisyys, Variassi, Variassie vertailutesti, Yksikertaie satuaisotos, z-testi Tilastolliset testit Yhde otokse t-testi Testausasetelma yhde otokse t-testissä odotusarvolle Olkoo X i, i =,,, yksikertaie satuaisotos ormaalijakaumasta N(µ,σ ). Tällöi satuaismuuttujat X i, i =,,, ovat riippumattomia ja oudattavat samaa ormaalijakaumaa N(µ,σ ): X, X,, X X N( µσ, ), i =,,, i Asetetaa ormaalijakauma N(µ,σ ) odotusarvo- eli paikkaparametrille µ ollahypoteesi H :µ = µ Testausogelma: Ovatko havaiot sopusoiussa ollahypoteesi H kassa? Ogelma ratkaisua o yhde otokse t-testi odotusarvolle. Hypoteesit yhde otokse t-testissä odotusarvolle Yleie hypoteesi H : X, X,, X X ~N( µσ, ), i =,,, Nollahypoteesi: H :µ = µ Vaihtoehtoiset hypoteesit: H: µ > µ H: µ < µ H : µ µ i -suutaiset vaihtoehtoiset hypoteesit -suutaie vaihtoehtoie hypoteesi Ilkka Melli (6) /

2 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Parametrie estimoiti yhde otokse t-testissä odotusarvolle Olkoot ja X Xi i = = s X X = ( i ) i= tavaomaiset harhattomat estimaattorit ormaalijakauma parametreille µ ja σ. Tuusluku X o havaitoje X i, i =,,, aritmeettie keskiarvo ja s o havaitoje X i, i =,,, otosvariassi. Testisuure yhde otokse t-testissä odotusarvolle Määritellää t-testisuure X µ t = s / Jos ollahypoteesi H :µ = µ pätee, ii testisuure t oudattaa Studeti t-jakaumaa vapausastei ( ): t t( ) Testisuuree t ormaaliarvo =, koska ollahypoteesi H pätiessä E(t) = Site itseisarvoltaa suuret testisuuree t arvot viittaavat siihe, että ollahypoteesi H ei päde. Hylkäysaluee määräämie yhde otokse t-testissä odotusarvolle Valitaa testi merkitsevyystasoksi α. (i) Jos vaihtoehtoie hypoteesi o muotoa H:µ > µ ii kriittie raja +t α saadaa ehdosta Pr( t + t α ) = α jossa t t( ). Testi hylkäysalue o tällöi muotoa ( + t α, + ) Ilkka Melli (6) /

3 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset (ii) Jos vaihtoehtoie hypoteesi o muotoa H:µ < µ ii kriittie raja t α saadaa ehdosta Pr( t t α ) = α jossa t t( ). Testi hylkäysalue o tällöi muotoa (, t α ) (iii) Jos vaihtoehtoie hypoteesi o muotoa H:µ µ ii kriittiset rajat t α/ ja +t α/ saadaa ehdoista Pr( t tα /) = α / Pr( t + t ) = α / α / jossa t t( ). Testi hylkäysalue o tällöi muotoa (, t ) ( + t, + ) α/ α/ Nollahypoteesi hylätää, jos testisuuree arvo osuu hylkäysalueelle. Alla olevat kuviot havaiollistavat testi hylkäysaluee määräämistä: > H:µ < µ H:µ µ H:µ µ t ( ) t ( ) t ( ) α α α α α α α + t α t α t α / +t α / Hylkäysalue Hylkäysalue Hylkäysalue Hylkäysalue Ilkka Melli (6) 3/3

4 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset p-arvo määräämie yhde otokse t-testissä odotusarvolle Olkoo t-testisuuree havaittu arvo t. Alla olevat kuviot havaiollistavat testi p-arvo määräämistä: > H:µ < µ H:µ µ H:µ µ t ( ) t ( ) t ( ) p p p p p p p t + t t t Testi p-arvo = p Testi p-arvo = p Testi p-arvo = p Nollahypoteesi hylätää, jos testi p-arvo o kylli piei. Ilkka Melli (6) 4/4

5 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Yhde otokse testi variassille Olkoo X i, i =,,, yksikertaie satuaisotos ormaalijakaumasta N(µ, σ ). Tällöi satuaismuuttujat X i, i =,,, ovat riippumattomia ja oudattavat samaa ormaalijakaumaa N(µ,σ ): X, X,, X X N( µσ, ), i =,,, i Asetetaa ormaalijakauma N(µ,σ ) variassiparametrille σ ollahypoteesi H :σ = σ Testausogelma: Ovatko havaiot sopusoiussa ollahypoteesi H kassa? Ogelma ratkaisua o yhde otokse χ -testi variassille. Hypoteesit yhde otokse testissä variassille Yleie hypoteesi H : X, X,, X X ~N( µσ, ), i =,,, Nollahypoteesi: i H :σ = σ Vaihtoehtoiset hypoteesit: H: σ σ σ σ σ H: H : > σ -suutaiset vaihtoehtoiset hypoteesit < -suutaie vaihtoehtoie hypoteesi Parametrie estimoiti yhde testissä variassille Olkoot ja X Xi i = = s X X = ( i ) i= tavaomaiset harhattomat estimaattorit ormaalijakauma parametreille µ ja σ. Tuusluku X o havaitoje X i, i =,,, aritmeettie keskiarvo ja s o havaitoje X i, i =,,, otosvariassi. Ilkka Melli (6) 5/5

6 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Testisuure yhde otokse testissä variassille Määritellää χ -testisuure Jos ollahypoteesi χ ( ) s = σ H :σ = σ pätee, ii testisuure χ oudattaa χ -jakaumaa vapausastei ( ): χ χ ( ) Testisuuree χ ormaaliarvo = ( ), koska ollahypoteesi H pätiessä E(χ ) = Site sekä pieet että suuret testisuuree χ arvot viittaavat siihe, että ollahypoteesi H ei päde. Hylkäysaluee määräämie yhde otokse testissä variassille Valitaa testi merkitsevyystasoksi α. (i) Jos vaihtoehtoie hypoteesi o muotoa H:σ > σ ii kriittie raja χ saadaa ehdosta α Pr( α ) χ χ = α jossa χ χ ( ). Testi hylkäysalue o tällöi muotoa (ii) ( χ α, + ) Jos vaihtoehtoie hypoteesi o muotoa H:σ < σ ii kriittie raja χ saadaa ehdosta α Pr( χ χ ) = α α jossa χ χ ( ). Testi hylkäysalue o tällöi muotoa (, ) χ α Ilkka Melli (6) 6/6

7 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset (iii) Jos vaihtoehtoie hypoteesi o muotoa H:σ σ ii kriittiset rajat χ α / ja χ α / saadaa ehdoista Pr( χ χ ) = α / α / Pr( χ χ ) = α / α / jossa χ χ ( ). Testi hylkäysalue o tällöi muotoa (, χ α/ ) ( χα/, + ) Nollahypoteesi hylätää, jos testisuuree arvo osuu hylkäysalueelle. Alla olevat kuviot havaiollistavat testi hylkäysaluee määräämistä: H:σ > σ H:σ < σ H:σ σ χ ( ) χ ( ) χ ( ) α α α α α α α χ α χ α χ χ α α Hylkäysalue Hylkäysalue Hylkäysalue Hylkäysalue p-arvo määräämie yhde otokse testissä variassille Olkoo χ -testisuuree havaittu arvo χ. Alla olevat kuviot havaiollistavat testi p-arvo määräämistä, ku vaihtoehtoie hypoteesi o yksisuutaie: H:σ > σ H:σ < σ χ ( ) χ ( ) p p p p χ χ Testi p-arvo = p Testi p-arvo = p Ilkka Melli (6) 7/7

8 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Kaksisuutaise vaihtoehtoise hypoteesi H:σ σ tapauksessa testi p-arvo o { } p = mi Pr( χ χ ),Pr( χ χ ) jossa χ χ ( ) Nollahypoteesi hylätää, jos testi p-arvo o kylli piei. Ilkka Melli (6) 8/8

9 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Kahde riippumattoma otokse t-testi Testausasetelma kahde riippumattoma otokse t-testissä odotusarvoille Olkoo X i, i =,,, yksikertaie satuaisotos ormaalijakaumasta N( µ, σ ). Tällöi satuaismuuttujat X i, i =,,, ovat riippumattomia ja oudattavat samaa ormaalijakaumaa X, X,, X X N( µ, σ ), i =,,, i N( µ, σ ) : Olkoo X j, j =,,, yksikertaie satuaisotos ormaalijakaumasta N( µ, σ ). Tällöi satuaismuuttujat X j, j =,,, ovat riippumattomia ja oudattavat samaa ormaalijakaumaa X, X,, X Oletetaa lisäksi, että otokset X N( µ, σ ), j =,,, j N( µ, σ ) : ja X i, i =,,, X j, j =,,, ovat toisistaa riippumattomia. Asetetaa ormaalijakaumie N( µ, σ ) ja N( µ, σ ) odotusarvo- eli paikkaparametreille µ ja µ ollahypoteesi H :µ = µ = µ Testausogelma: Ovatko havaiot sopusoiussa ollahypoteesi H kassa? Ogelma ratkaisua o kahde riippumattoma otokse t-testi odotusarvoille. Hypoteesit kahde riippumattoma otokse t-testissä odotusarvoille Yleie hypoteesi H : (i) X ~N( µ, σ ), i =,,, i (i) X ~N( µ, σ ), j =,,, j (iii) Havaiot X i ja X j ovat riippumattomia kaikille i ja j Nollahypoteesi: H :µ = µ = µ Ilkka Melli (6) 9/9

10 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Vaihtoehtoiset hypoteesit: H: µ > µ H: µ < µ H : µ µ -suutaiset vaihtoehtoiset hypoteesit -suutaie vaihtoehtoie hypoteesi Parametrie estimoiti kahde riippumattoma otokse t-testissä odotusarvoille Olkoot ja k X = X, k =, k k i = k k ik k k i= ik s = ( X X ), k =, tavaomaiset harhattomat estimaattorit ormaalijakauma parametreille µ ja σ. Tuusluku X k o havaitoje X ik, i =,,, k, k =, aritmeettie keskiarvo ja s k o havaitoje X ik, i =,,, k, k =, otosvariassi. Testisuure yleisessä tapauksessa kahde riippumattoma otokse t-testissä odotusarvoille Määritellää t-testisuure Jos ollahypoteesi t A = X X s s + H :µ = µ = µ pätee, ii testisuure t A oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa N(,): t A a N(,) Testisuuree t A ormaaliarvo =, koska ollahypoteesi H pätiessä E(t A ) = Site itseisarvoltaa suuret testisuuree t A arvot viittaavat siihe, että ollahypoteesi H ei päde. Pieissä otoksissa testisuuree t A jakaumalle saadaa parempi approksimaatio käyttämällä approksimoivaa jakaumaa t-jakaumaa vapausastei (s. Satterthwaite approksimaatio) k k ν = s s + s s + Ilkka Melli (6) /

11 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Jos ν ei ole kokoaisluku, ν: arvo pyöristetää alaspäi lähimpää kokoaislukuu. Hylkäysaluee määräämie kahde riippumattoma otokse t-testissä odotusarvoille Valitaa testi merkitsevyystasoksi α. Käsittelemme tässä kriittiste rajoje määräämistä vai, ku testisuuretta t A approksimoidaa ormaalijakaumalla. Kriittiste rajoje määräämie, ku testisuuretta t A approksimoidaa t- jakaumalla, tapahtuu täsmällee samalla tavalla kui yhde otokse t-testi tapauksessa. (i) Jos vaihtoehtoie hypoteesi o muotoa H:µ > µ ii kriittie raja +t α saadaa ehdosta Pr( t + t α ) = α jossat N(,). Testi hylkäysalue o tällöi muotoa ( + t α, + ) (ii) Jos vaihtoehtoie hypoteesi o muotoa H:µ < µ ii kriittie raja t α saadaa ehdosta Pr( t t α ) = α jossat N(,). Testi hylkäysalue o tällöi muotoa (, t α ) (iii) Jos vaihtoehtoie hypoteesi o muotoa H:µ µ ii kriittiset rajat t α/ ja +t α/ saadaa ehdoista Pr( t tα /) = α / Pr( t + t ) = α / α / jossat N(,). Testi hylkäysalue o tällöi muotoa (, t ) ( + t, + ) α/ α/ Nollahypoteesi hylätää, jos testisuuree arvo osuu hylkäysalueelle. Ilkka Melli (6) /

12 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Alla olevat kuviot havaiollistavat testi hylkäysaluee valitaa: > H:µ < µ H:µ µ H:µ µ N(,) N(,) N(,) α α α α α α α + t α t α t α / +t α / Hylkäysalue Hylkäysalue Hylkäysalue Hylkäysalue p-arvo määräämie kahde riippumattoma otokse t-testissä odotusarvoille Olkoo t-testisuuree t A havaittu arvo t. Käsittelemme tässä testi p-arvo määräämistä vai, ku testisuuretta t A approksimoidaa ormaalijakaumalla. p-arvo määräämie, ku testisuuretta t A approksimoidaa t-jakaumalla, tapahtuu täsmällee samalla tavalla kui yhde otokse t-testi tapauksessa. Alla olevat kuviot havaiollistavat testi p-arvo määräämistä: > H:µ < µ H:µ µ H:µ µ N(,) N(,) N(,) p p p p p p p t + t t t Testi p-arvo = p Testi p-arvo = p Testi p-arvo = p Nollahypoteesi hylätää, jos testi p-arvo o kylli piei. Ilkka Melli (6) /

13 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Testisuure kahde riippumattoma otokse t-testissä odotusarvoille, jos variassit voidaa olettaa yhtä suuriksi Oletetaa, että edellä esitettyje oletuste lisäksi hypoteesi σ = σ = σ pätee. Määritellää t-testisuure X X tb = sp + jossa s ( ) s + ( ) s p = + o s. yhdistetty (egl. pooled) variassi. Jos ollahypoteesi H :µ = µ = µ pätee, ii testisuure t B oudattaa t-jakaumaa vapausastei ( + ): t t( + ) B Testisuuree t B ormaaliarvo =, koska ollahypoteesi H pätiessä E(t B ) = Site itseisarvoltaa suuret testisuuree t B arvot viittaavat siihe, että ollahypoteesi H ei päde. Hylkäysaluee määräämie kahde riippumattoma otokse t-testissä odotusarvoille, jos variassit voidaa olettaa yhtä suuriksi Kriittiste rajoje määräämie tapahtuu täsmällee samalla tavalla kui yhde otokse t-testi tapauksessa. p-arvo määräämie kahde riippumattoma otokse t-testissä odotusarvoille, jos variassit voidaa olettaa yhtä suuriksi Testi p-arvo määräämie tapahtuu täsmällee samalla tavalla kui yhde otokse t-testi tapauksessa. Ilkka Melli (6) 3/3

14 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Kahde riippumattoma otokse testi variasseille Testausasetelma kahde riippumattoma otokse testissä variasseille Olkoo X i, i =,,, yksikertaie satuaisotos ormaalijakaumasta N( µ, σ ). Tällöi satuaismuuttujat X i, i =,,, ovat riippumattomia ja oudattavat samaa ormaalijakaumaa X, X,, X X N( µ, σ ), i =,,, i N( µ, σ ) : Olkoo X j, j =,,, yksikertaie satuaisotos ormaalijakaumasta N( µ, σ ). Tällöi satuaismuuttujat X j, j =,,, ovat riippumattomia ja oudattavat samaa ormaalijakaumaa X, X,, X Oletetaa lisäksi, että otokset X N( µ, σ ), j =,,, j N( µ, σ ) : ja X i, i =,,, X j, j =,,, ovat toisistaa riippumattomia. Asetetaa ormaalijakaumie N( µ, σ ) ja N( µ, σ ) variassiparametreilleσ jaσ ollahypoteesi H :σ = σ = σ Testausogelma: Ovatko havaiot sopusoiussa ollahypoteesi H kassa? Ogelma ratkaisua o kahde riippumattoma otokse F-testi variasseille. Hypoteesit kahde riippumattoma otokse testissä variasseille Yleie hypoteesi H : (i) X ~N( µ, σ ), i =,,, i (i) X ~N( µ, σ ), j =,,, j (iii) Havaiot X i ja X j ovat riippumattomia kaikille i ja j Nollahypoteesi: H :σ = σ = σ Ilkka Melli (6) 4/4

15 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Vaihtoehtoiset hypoteesit: H: σ σ σ σ σ H: H : > σ -suutaiset vaihtoehtoiset hypoteesit < -suutaie vaihtoehtoie hypoteesi Parametrie estimoiti kahde riippumattoma otokse testissä variasseille Olkoot ja k X = X, k =, k k i = k k ik k k i= ik s = ( X X ), k =, tavaomaiset harhattomat estimaattorit ormaalijakauma parametreille µ ja σ. Tuusluku X k o havaitoje X ik, i =,,, k, k =, aritmeettie keskiarvo ja s k o havaitoje X ik, i =,,, k, k =, otosvariassi. Testisuure yleisessä tapauksessa kahde riippumattoma otokse testissä variasseille Määritellää F-testisuure Jos ollahypoteesi s F = s H :σ = σ = σ pätee, ii testisuure F oudattaa F-jakaumaa vapausastei ( ) ja ( ) : F F(, ) Suurille testisuuree o F ormaaliarvo, koska ollahypoteesi H pätiessä E( F) = 3 Site sekä pieet että suuret testisuuree F arvot viittaavat siihe, että ollahypoteesi H ei päde. k k Ilkka Melli (6) 5/5

16 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Hylkäysaluee määräämie kahde riippumattoma otokse t-testissä odotusarvoille Valitaa testi merkitsevyystasoksi α. (i) Jos vaihtoehtoie hypoteesi o muotoa H:σ > σ ii kriittie raja F α saadaa ehdosta Pr( F F α ) = α jossa F F(, ). Testi hylkäysalue o tällöi muotoa ( F α, + ) (ii) Jos vaihtoehtoie hypoteesi o muotoa H:σ < σ ii kriittie raja F α saadaa ehdosta Pr( F F α ) = α jossa F F(, ). Testi hylkäysalue o tällöi muotoa (, ) F α (iii) Jos vaihtoehtoie hypoteesi o muotoa H:µ µ ii kriittiset rajat F α/ ja F α/ saadaa ehdoista Pr( F F α /) = α / Pr( F F ) = α / α / jossa F F(, ). Testi hylkäysalue o tällöi muotoa (, F α/ ) ( Fα/, + ) Nollahypoteesi hylätää, jos testisuuree arvo osuu hylkäysalueelle. Ilkka Melli (6) 6/6

17 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Alla olevat kuviot havaiollistavat testi hylkäysaluee valitaa: H:σ > σ H:σ < σ H:σ σ F (, ) F (, ) F (, ) α α α α α α α F α F α F α F α Hylkäysalue Hylkäysalue Hylkäysalue Hylkäysalue p-arvo määräämie kahde riippumattoma otokse testissä variasseille Olkoo F-testisuuree F havaittu arvo F. Alla olevat kuviot havaiollistavat testi p-arvo määräämistä, ku vaihtoehtoie hypoteesi o yksisuutaie: H:σ > σ F (, ) H:σ < σ F (, ) p p p p F Testi p-arvo = p Testi p-arvo = p Kaksisuutaise vaihtoehtoise hypoteesi H:σ σ tapauksessa testi p-arvo o jossa { } p = mi Pr( F F ),Pr( F F ) F F(, ) Nollahypoteesi hylätää, jos testi p-arvo o kylli piei. Ilkka Melli (6) 7/7

18 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset t-testi parivertailuille Testausasetelma t-testissä parivertailuille Oletetaa, että havaiot muodostuvat muuttujaa X koskevista mittaustuloksie pareista (X i, X i), i =,,, jotka ovat toisistaa riippumattomia. Tavoitteea o verrata mittauksia toisiisa: Atavatko mittaukset keskimääri sama tulokse? Muodostetaa mittaustuloksie X i ja X i erotukset,,,, i = Xi Xi i = Mittaukset ja atavat keskimääri sama tulokse, jos erotukset i saavat keskimääri arvo olla. Testausogelma ratkaisua o tavaomaie yhde otokse t-testi mittaustuloksie X i ja X i erotuksie i odotusarvolle. Hypoteesit t-testissä parivertailuille Yleie hypoteesi H :,,, ~N( µ, σ ), i =,,, Nollahypoteesi: i H : µ = Vaihtoehtoiset hypoteesit: H: µ > -suutaiset vaihtoehtoiset hypoteesit H: µ < H : µ -suutaie vaihtoehtoie hypoteesi Parametrie estimoiti t-testissä parivertailuille Olkoot ja i i = = s = ( i ) i= tavaomaiset harhattomat estimaattorit ormaalijakauma parametreille µ ja σ. Tuusluku o erotuste,,,, i = Xi Xi i = aritmeettie keskiarvo ja s o erotuste,,,, i = Xi Xi i = otosvariassi. Ilkka Melli (6) 8/8

19 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Testisuure t-testissä parivertailuille Määritellää t-testisuure t = s / Jos ollahypoteesi H : µ = pätee, ii testisuure t oudattaa Studeti t-jakaumaa vapausastei ( ): t t( ) Testisuuree t ormaaliarvo =, koska ollahypoteesi H pätiessä E(t) = Site itseisarvoltaa suuret testisuuree t arvot viittaavat siihe, että ollahypoteesi H ei päde. Hylkäysaluee määräämie t-testissä parivertailuille Kriittiste rajoje määräämie tapahtuu täsmällee samalla tavalla kui yhde otokse t-testi tapauksessa. p-arvo määräämie t-testissä parivertailuille Testi p-arvo määräämie tapahtuu täsmällee samalla tavalla kui yhde otokse t-testi tapauksessa. Ilkka Melli (6) 9/9

20 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Testi suhteelliselle osuudelle Testausasetelma testissä suhteelliselle osuudelle Olkoo A perusjouko S tapahtuma ja olkoo Pr(A) = p Pr(A c ) = p = q Määritellää satuaismuuttuja, jos tapahtuma A sattuu X =, jos tapahtuma A ei satu Tällöi satuaismuuttuja X oudattaa Beroulli-jakaumaa parametriaa p: X Ber(p) ja E( X) = p Var( X) = ( X) = pq Oletetaa, että tapahtuma A o muotoa Tällöi A = Perusjouko S alkiolla o omiaisuus P p = Pr(A) o todeäköisyys poimia perusjoukosta S satuaisesti alkio, jolla o omiaisuus P. Jos perusjoukko S o äärellie, ii todeäköisyys p kuvaa iide perusjouko S alkioide suhteellista osuutta, joilla o omiaisuus P. Olkoo X, X,, X yksikertaie satuaisotos perusjoukosta S, joka oudattaa Beroulli-jakaumaa Beroulli(p). Tällöi X, X,, X X Beroulli( p), i =,,, i Asetetaa Beroulli-jakauma odotusarvoparametrille p ollahypoteesi H : p = p Testausogelma: Ovatko havaiot sopusoiussa ollahypoteesi H kassa? Ogelma ratkaisua o testi suhteelliselle osuudelle. Hypoteesit testissä suhteelliselle osuudelle Yleie hypoteesi: X, X,, X X Beroulli( p), i =,,, Nollahypoteesi: i H : p = p Ilkka Melli (6) /

21 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Vaihtoehtoiset hypoteesit: H: p> p H: p< p H : p p -suutaiset vaihtoehtoiset hypoteesit -suutaie vaihtoehtoie hypoteesi Parametrie estimoiti testissä suhteelliselle osuudelle Olkoo pˆ = X i i = tavaomaie harhato estimaattori Beroulli-jakauma parametrille p. Huomaa, että i= X i = f o tapahtuma A frekvessi siiä -kertaisessa riippumattomie Beroulli-kokeide sarjassa, jota yksikertaise satuaisotokse poimita Beroulli-jakaumasta Beroulli(p) merkitsee. Site f pˆ = o tapahtuma A suhteellie frekvessi ja f = X Bi(, p) i= Testisuure testissä suhteelliselle osuudelle Määritellää z-testisuure pˆ p z = p( p) i Jos ollahypoteesi H : p = p pätee, ii testisuure z oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa N(,): z a N(,) Testisuuree z ormaaliarvo =, koska ollahypoteesi H pätiessä E(z) = Site itseisarvoltaa suuret testisuuree z arvot viittaavat siihe, että ollahypoteesi H ei päde. Ilkka Melli (6) /

22 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Hylkäysaluee määräämie testissä suhteelliselle osuudelle Valitaa testi merkitsevyystasoksi α. (i) Jos vaihtoehtoie hypoteesi o muotoa H:p> p ii kriittie raja +z α saadaa ehdosta Pr( z + z α ) = α jossa z N(,). Testi hylkäysalue o tällöi muotoa ( + z α, + ) (ii) Jos vaihtoehtoie hypoteesi o muotoa H:p< p ii kriittie raja z α saadaa ehdosta Pr( z z α ) = α jossa z N(,). Testi hylkäysalue o tällöi muotoa (, z α ) (iii) Jos vaihtoehtoie hypoteesi o muotoa H:p p ii kriittiset rajat z α/ ja +z α/ saadaa ehdoista Pr( z zα /) = α / Pr( z + z ) = α / α / jossa z N(,). Testi hylkäysalue o tällöi muotoa (, z ) ( + z, + ) α/ α/ Nollahypoteesi hylätää, jos testisuuree arvo osuu hylkäysalueelle. Ilkka Melli (6) /

23 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Alla olevat kuviot havaiollistavat testi hylkäysaluee valitaa: H:p > p H:p < p H:p p N(,) N(,) N(,) α α α α α α α + z α z α z α / +z α / Hylkäysalue Hylkäysalue Hylkäysalue Hylkäysalue p-arvo määräämie testissä suhteelliselle osuudelle Olkoo z-testisuuree z havaittu arvo z. Alla olevat kuviot havaiollistavat testi p-arvo määräämistä: H:p > p H:p < p H:p p N(,) N(,) N(,) p p p p p p p z + z z z p-arvo = p p-arvo = p p-arvo = p Nollahypoteesi hylätää, jos testi p-arvo o kylli piei. Ilkka Melli (6) 3/3

24 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Suhteelliste osuuksie vertailutesti Testausasetelma suhteelliste osuuksie vertailutestissä Olkoo A perusjouko S k, k =, tapahtuma ja olkoot Pr(A) = p k Pr(A c ) = p k = q k Määritellää satuaismuuttujat X k, k =, : Tällöi ja X k, jos A tapahtuu perusjoukossa Sk =, jos A ei tapahdu perusjoukossa S X k ~ Beroulli(p k ), k =, E( X ) = p k k Var( Xk) = ( Xk) = pkqk Oletetaa, että tapahtuma A o muotoa A = Perusjouko alkiolla o omiaisuus P Tällöi p k = Pr(A) o todeäköisyys poimia perusjoukosta S k, k =, satuaisesti alkio, jolla o omiaisuus P. Jos perusjoukko S k, k =, o äärellie, ii todeäköisyys p k kuvaa iide perusjouko S k alkioide suhteellista osuutta, joilla o omiaisuus P. Olkoo X, X,, X yksikertaie satuaisotos perusjoukosta S, joka oudattaa Beroulli-jakaumaa Beroulli(p ). Tällöi X, X,, X X Beroulli( p ), i =,,, Olkoo i X, X,, X yksikertaie satuaisotos perusjoukosta S, joka oudattaa Beroulli-jakaumaa Beroulli(p ). Tällöi X, X,, X X Beroulli( p ), i =,,, i Olkoot otokset lisäksi toisistaa riippumattomia. i k Ilkka Melli (6) 4/4

25 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Asetetaa Beroulli-jakaumie parametreille p ja p ollahypoteesi H : p = p = p Testausogelma: Ovatko havaiot sopusoiussa ollahypoteesi H kassa? Ogelma ratkaisua o suhteelliste osuuksie vertailutesti. Hypoteesit suhteelliste osuuksie vertailutestissä Yleie hypoteesi: X, X,, X (i) X Beroulli( p ), i =,,, (ii) (iii) Nollahypoteesi: i X, X,, X X Beroulli( p ), i =,,, i X, X,, X, X, X,, X H : p = p = p Vaihtoehtoiset hypoteesit: H: p > p H: p < p H : p p i -suutaiset vaihtoehtoiset hypoteesit -suutaie vaihtoehtoie hypoteesi Parametrie estimoiti suhteelliste osuuksie vertailutestissä Olkoo k pˆ = X, k =, k k i = ik tavaomaie harhato estimaattori Beroulli-jakauma parametrille p k, k =,. Huomaa, että k i= X = f, k =, ik k o tapahtuma A frekvessi siiä -kertaisessa riippumattomie Beroulli-kokeide sarjassa, jota yksikertaise satuaisotokse poimita Beroulli-jakaumasta Beroulli(p k ), k =, merkitsee. Site fk pˆ k =, k =, k o tapahtuma A suhteellie frekvessi otoksessa k =, ja k k = ik k k i= f X Bi(, p ) Ilkka Melli (6) 5/5

26 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Jos ollahypoteesi H : p = p = p pätee, voidaa otokset yhdistää ja parametri p harhato estimaattori o tapahtuma A suhteellie frekvessi yhdistetyssä otoksessa: p ˆ+ p ˆ f+ f pˆ = = + + Jos ollahypoteesi H pätee, ii p( p) p( p) Var( pˆ pˆ ) = + = p( p) + Testisuure suhteelliste osuuksie vertailutestissä Määritellää testisuure Jos ollahypoteesi z = pˆ pˆ pˆ( pˆ) + H : p = p = p pätee, ii testisuure z oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa: z a N(,) Testisuuree z ormaaliarvo =, koska ollahypoteesi H pätiessä E(z) = Site itseisarvoltaa suuret testisuuree z arvot viittaavat siihe, että ollahypoteesi H ei päde. Hylkäysaluee määräämie suhteelliste osuuksie vertailutestissä Valitaa testi merkitsevyystasoksi α. (i) Jos vaihtoehtoie hypoteesi o muotoa H:p > p ii kriittie raja +z α saadaa ehdosta Pr( z + z α ) = α jossa z N(,). Testi hylkäysalue o tällöi muotoa ( + z α, + ) Ilkka Melli (6) 6/6

27 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset (ii) Jos vaihtoehtoie hypoteesi o muotoa H:p < p ii kriittie raja z α saadaa ehdosta Pr( z z α ) = α jossa z N(,). Testi hylkäysalue o tällöi muotoa (, z α ) (iii) Jos vaihtoehtoie hypoteesi o muotoa H:p p ii kriittiset rajat z α/ ja +z α/ saadaa ehdoista Pr( z zα /) = α / Pr( z + z ) = α / α / jossa z N(,). Testi hylkäysalue o tällöi muotoa (, z ) ( + z, + ) α/ α/ Nollahypoteesi hylätää, jos testisuuree arvo osuu hylkäysalueelle. Alla olevat kuviot havaiollistavat testi hylkäysaluee valitaa: H:p > p H:p < p H:p p N(,) N(,) N(,) α α α α α α α + z α z α z α / +z α / Hylkäysalue Hylkäysalue Hylkäysalue Hylkäysalue Ilkka Melli (6) 7/7

28 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset p-arvo määräämie suhteelliste osuuksie vertailutestissä Olkoo z-testisuuree z havaittu arvo z. Alla olevat kuviot havaiollistavat testi p-arvo määräämistä: H:p > p H:p < p H:p p N(,) N(,) N(,) p p p p p p p z + z z z p-arvo = p p-arvo = p p-arvo = p Nollahypoteesi hylätää, jos testi p-arvo o kylli piei. Ilkka Melli (6) 8/8

29 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.. Koe valmistaa auloja, joide tavoitepituus o cm. Nauloje pituus vaihtelee kuiteki satuaisesti oudattae ormaalijakaumaa. Nauloje laatua tutkitaa poimimalla tasatuei edellise tui aikaa valmistettuje auloje joukosta yksikertaie satuaisotos, joka koko o 3 ja vertaamalla otoksee poimittuje auloje keskipituutta pituude tavoitearvoo. Erää kerra otoksee poimittuje auloje pituuksie aritmeettiseksi keskiarvoksi saatii 9.95 cm ja otosvariassiksi saatii. cm. Testaa ollahypoteesia, että ko. tui aikaa valmistettuje auloje todellie keskipituus o tavoitearvo mukaie, ku vaihtoehtoisea hypoteesia o, että keskipituus o tavoitearvoa pieempi. Käytä testissä %: merkitsevyystasoa. Tehtävä.. Mitä opimme? Tehtävässä tarkastellaa yhde otokse t-testiä. Tehtävä.. Ratkaisu: Koe valmistaa auloja. Koee valmistamie auloje joukosta poimitaa yksikertaie satuaisotos, joka koko = 3. Määritellää satuaismuuttujat X i = aula i pituus otoksessa, i =,,, 3 Yleie hypoteesi H o muotoa: X, X,, X X N(, ), i =,,,3 3 i µσ Nollahypoteesi H o muotoa: H : µ = Vaihtoehtoie hypoteesi H o muotoa. H : µ < Sovelletaa yhde otokse t-testiä. Testisuureea o X µ t = s / jossa X = Xi i= s = ( Xi X) i= Jos ollahypoteesi H pätee, testisuure t oudattaa Studeti t-jakaumaa vapausastei ( ): t t( ) = t(9) Ilkka Melli (6) 9/9

30 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Itseisarvoltaa suuret testisuuree t arvot johtavat ollahypoteesi hylkäämisee. Tehtävä tapauksessa = 3 X = 9.95 s =. µ = jote X µ 9.95 t = = =.739 s/./ 3 Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : µ <, testisuuree t arvoa.739 vastaavaksi p-arvoksi saadaa esim. Microsoft Excel -ohjelmalla Pr(t.739) =.5 jossa t t(9). Site ollahypoteesi H voidaa hylätä %: merkitsevyystasolla, koska p =.5 <. Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : µ <, merkitsevyystasoa. vastaava kriittie raja o t. =.46 sillä t-jakauma taulukoide mukaa ku t t(9). Koska Pr(t.46) =. t =.739 <.46 = t. testisuuree t arvo.46 o osuut hylkäysalueelle ja ollahypoteesi H voidaa hylätä %: merkitsevyystasolla ja vaihtoehtoie hypoteesi H voidaa hyväksyä. Johtopäätös: Koe tekee auloja, joide keskimääräie pituus o tilastollisesti merkitsevästi tavoitearvoa cm pieempi. Ilkka Melli (6) 3/3

31 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.. Kuulalaakeritehtaassa o kaksi samalaisia kuulalaakeri kuulia valmistavaa koetta, K ja K. Koeide valmistamie kuulie paiot vaihtelevat satuaisesti (ja toisistaa riippumatta) oudattae ormaalijakaumaa. Kummaki koee valmistamie kuulie joukosta poimitaa toisistaa riippumattomat yksikertaiset satuaisotokset ja otoksista lasketaa otoksee poimittuje kuulie paioje aritmeettiset keskiarvot ja keskihajoat. Otoksista saadut tiedot o aettu alla olevassa taulukossa. Testaa ollahypoteesia, että koeet K ja K valmistavat keskimääri samapaioisia kuulia, ku vaihtoehtoisea hypoteesia o, että koeide K ja K valmistamie kuulie keskipaiot eroavat toisistaa. Käytä testissä %: merkitsevyystasoa. Koe Aritmeettie keskiarvo (g) Keskihajota (g) Otoskoko K.. 3 K.. Tehtävä.. Mitä opimme? Tehtävässä tarkastellaa kahde riippumattoma otokse t-testiä. Tehtävä.. Ratkaisu: Tehtaalla valmistetaa kuulalaakeri kuulia kahdella koeella K ja K. Koee K valmistamie auloje joukosta poimitaa yksikertaie satuaisotos, joka koko = 3. Koee K valmistamie auloje joukosta poimitaa (edellisestä riippumato) yksikertaie satuaisotos, joka koko =. Määritellää satuaismuuttujat X i = koee K tekemä kuula paio otoksessa, i =,,, 3 X j = koee K tekemä kuula paio otoksessa, j =,,, Yleie hypoteesi H o muotoa: () X N( µ, σ ), i =,,, 3 i () X N( µ, σ ), j =,,, j (3) Havaiot X i ja X j ovat riippumattomia kaikille i ja j Nollahypoteesi H o muotoa: H : µ = µ = µ Vaihtoehtoie hypoteesi H o muotoa: H : µ µ Ilkka Melli (6) 3/3

32 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Määritellää seuraavat otossuureet: k X = X, k =, k ik k i= k k ik k k i= ( ) s + ( ) s p = + s = ( X X ), k =, s Kahde riippumattoma otokse odotusarvoje vertailuu o tarjolla kaksi erilaista testisuuretta. Testisuuretta t A = X X s s + voidaa käyttää kaikissa tilateissa, joissa yleie hypoteesi H pätee. Jos ollahypoteesi H : µ = µ = µ pätee, ii testisuure t A oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa: t A a N(,) Pieissä otoksissa testisuuree t A jakaumalle saadaa parempi approksimaatio käyttämällä approksimaatioa Studeti t-jakaumaa, jossa vapausasteide lukumäärää käytetää lukua ν = s s + s + s Itseisarvoltaa suuret testisuuree t A arvot sotivat ollahypoteesia H : µ = µ = µ vastaa. Jos ollahypoteesi σ = σ = σ pätee, voidaa käyttää testisuuretta X X tb = sp + Ilkka Melli (6) 3/3

33 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Jos hypoteesi σ = σ = σ lisäksi ollahypoteesi H : µ = µ = µ pätee, testisuure t B oudattaa Studeti t-jakaumaa vapausastei ( + ): t B t( + ) = t(49) Itseisarvoltaa suuret testisuuree t B arvot sotivat ollahypoteesia H : µ = µ = µ vastaa. Huomautus: Tehtyje oletuksie pätiessä t A oudattaa suurissa otoksissa approksimatiivisesti ormaalijakaumaa (tai t-jakaumaa), ku taas testisuuree t B jakauma o tarkka. Jotta testisuuretta t B voitaisii käyttää, o siis esi testattava hypoteesia σ = σ = σ Tähä käytetää F-testisuuretta Jos hypoteesi s F = s σ = σ = σ pätee, ii testisuure F oudattaa Fisheri F-jakaumaa vapausastei ( ) ja ( ): F F(, ) = F(3, 9) Sekä suuret että pieet testisuuree F arvot sotivat hypoteesia σ = σ = σ vastaa. Huomautus: Käytettäessä F-jakauma taulukoita kaattaa toimia ii, että suurempi otosvariasseista asetetaa testisuuree osoittajaa. Testataa siis esi hypoteesia σ = σ = σ Tehtävä tapauksessa s =.4 s =. = 3 = jote = s.4 F = 4. = s Ilkka Melli (6) 33/33

34 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Jos vaihtoehtoiseksi hypoteesiksi valitaa -suutaie vaihtoehto σ > σ, testisuuree F arvoa 4 vastaavaksi p-arvoksi saadaa esim. Microsoft Excel -ohjelmalla Pr(F > 4) =.6 jossa F F(3, 9). Site hypoteesi σ = σ = σ variassie yhtäsuuruudesta voidaa hylätä %: merkitsevyystasolla, koska p =.6 <. Koska vaihtoehtoiseksi hypoteesiksi valittii -suutaie vaihtoehto σ merkitsevyystasoa. vastaava kriittie raja o F. =.844 sillä F-jakauma taulukoide mukaa Pr(F.844) =. ku F F(3, 9). Koska F = 4 >.844 > σ, testisuuree F arvo 4 o osuut hylkäysalueelle ja hypoteesi σ = σ = σ variassie yhtäsuuruudesta voidaa hylätä %: merkitsevyystasolla ja vaihtoehtoie hypoteesi σ > σ voidaa hyväksyä. Koska variassie yhtä suuruutta koskeva hypoteesi σ = σ = σ hylättii, käytämme testisuuretta t A ollahypoteesi H : µ = µ = µ testaamisee. Tehtävä tapauksessa X =. X =. s =.4 s =. = 3 = jote t A X X.. = = =.363 s.4. s Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : µ µ, testisuuree t A arvoa.363 vastaavaksi p-arvoksi saadaa ormaalijakauma-approksimaatiota käyttäe Pr(z >.363) = (.999) =.8 ku z N(,). Site ollahypoteesi H jää voimaa %: merkitsevyystasolla, koska p =.8 >. Ilkka Melli (6) 34/34

35 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Jos käytämme t-jakauma-approksimaatiota, vapausasteide lukumääräksi tulee s s + ν = = s s + jote käytämme vapausasteide lukumäärää alaspäi pyöristettyä lukua 46. Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : µ µ, testisuuree t A arvoa.363 vastaavaksi p-arvoksi saadaa t-jakauma-approksimaatiota käyttäe esim. Microsoft Excel -ohjelmalla Pr(t >.363) =. =. ku t t(46). Site ollahypoteesi H jää voimaa %: merkitsevyystasolla, koska p =. >. Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : µ µ, t-jakauma taulukoista saadaa %: merkitsevyystasoa vastaaville kriittisille rajoille t.5 ja +t.5 saadaa arviot t.5 (.74,.678) +t.5 (+.678, +.74) Koska.678 < t A =.363 < testisuuree t A arvo.363 o osuut hyväksymisalueelle ja ollahypoteesi H jää voimaa %: merkitsevyystasolla. Johtopäätös: Koeide tekemie kuulie keskimääräiset paiot eivät poikkea tilastollisesti merkitsevästi toisistaa. Huomaa kuiteki, että johtopäätös vaihtuisi päivastaiseksi, jos testi merkitsevyystasoksi olisi valittu 5 %. Ilkka Melli (6) 35/35

36 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.3. Eräässä kokeessa verrattii kahta sademäärä mittauksee käytettävää laitetta. Kummallaki laitteella mitattii sademäärät sadepäivä aikaa. Mittaustulokset (sademäärät mm:ä) o aettu alla olevassa taulukossa. Testaa hypoteesia, että mittarit tuottavat keskimääri samoja mittaustuloksia, ku vaihtoehtoisea hypoteesia o, että mittarit tuottavat keskimääri eri mittaustuloksia. Käytä testissä %: merkitsevyystasoa. Laite A B Tehtävä.3. Mitä opimme? Tehtävässä tarkastellaa t-testiä parivertailuille. Huomaa, että tehtävässä.. sovellettu riippumattomie otoksie t-testi ei ole yt luvallie, koska mittaustuloksia samasta sateesta ei voida pitää riippumattomia. Jos laitteet toimivat edes jossaki määri luotettavasti, laittee A ja laittee B pitää ataa samalle sateelle toisiaa lähellä olevia mittaustuloksia, ts. mittaustuloksilla o oltava positiivie korrelaatio; ks. myös tehtävää.4. Tehtävä.3. Ratkaisu: Koska mittaustulokset riippuvat pareittai toisistaa, tällaisessa parivertailuasetelmassa toimitaa seuraavasti: Määrätää havaitoarvoje parikohtaiset erotukset ja testataa ollahypoteesia, joka mukaa erotukset ovat keskimääri ollia. Olkoot X Ai = satee i sademäärä mittarilla A, i =,,, X Bi = satee i sademäärä mittarilla B, i =,,, i = X Ai X Bi, i =,,, Yleie hypoteesi H o muotoa: (i) (ii) µ σ, i =,,, i N(, ) Erotukset,,, ovat riippumattomia Nollahypoteesi H o muotoa: E( i ) =, i =,,, Ilkka Melli (6) 36/36

37 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Sovelletaa yhde otokse t-testiä mittaustuloste erotuksille. Testisuureea o t = s / jossa = i i= = ( i ) i= s Jos ollahypoteesi H pätee, testisuure t oudattaa Studeti t-jakaumaa vapausastei ( ): t t( ) = t(9) Itseisarvoltaa suuret testisuuree t arvot johtavat ollahypoteesi hylkäämisee. Tehtävä tapauksessa = =.7 s =.46 Site.7 t = = =.88 s /.4 / Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H: µ, testisuuree t arvoa.88 vastaavaksi p-arvoksi saadaa esim. Microsoft Excel -ohjelmalla Pr(t <.88) =.86 jossa t t(9). Site ollahypoteesi H jää voimaa merkitsevyystasolla., koska p =.86 >. Huomaa, että ollahypoteesi H jää voimaa jopa merkitsevyystasolla.. Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H: µ, merkitsevyystasoa. vastaavat kriittiset rajat ovat t.5 = 3.5 +t.5 = +3.5 sillä t-jakauma taulukoide mukaa Pr( t 3.5) =.5 ku t t(9). Koska 3.5 < t =.88 < +3.5 testisuuree t arvo.88 o osuut hyväksymisalueelle ja ollahypoteesi H jää voimaa %: merkitsevyystasolla. Ilkka Melli (6) 37/37

38 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Johtopäätös: Mittarit A ja B äyttävät keskimääri samoja arvoja. Huomautus: Voidaa osoittaa, että Cor(A-mittaus, B-mittaus) =.9997 mikä selvästi osoittaa otoste riippuvuude toisistaa. Ilkka Melli (6) 38/38

39 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.4. Testattaessa erästä verepaielääkettä samoje potilaide (8 kpl) verepaie mitattii ee ja jälkee lääkkee auttimise. Koetulokset (verepaieet mm/hg) o esitetty alla olevassa taulukossa. Testaa hypoteesia, että lääke ei keskimääri alea verepaietta, ku vaihtoehtoisea hypoteesia o, että lääke keskimääri aletaa verepaietta. Käytä testissä %: merkitsevyystasoa Jälkee Ee Tehtävä.4. Mitä opimme? Tehtävässä tarkastellaa t-testiä parivertailuille. Huomaa, että tehtävässä.. sovellettu riippumattomie otoksie t-testi ei ole yt luvallie, koska verepaiemittauksia ee ja jälkee lääkkee atamise ei voida pitää riippumattomia. O luultavaa, että potilailla, joilla o keskimääräistä korkeampi (matalampi) verepaie ee lääkkee atoa o keskimääräistä korkeampi (matalampi) verepaie myös lääkkee ao jälkee; ts. mittaustuloksilla ee ja jälkee lääkkee atamise o luultavasti positiivie korrelaatio; ks. myös tehtävää.3. Tehtävä.4. Ratkaisu: Koska verepaiemittaukset ee ja jälkee lääkkee atamise riippuvat toisistaa, tällaisessa parivertailuasetelmassa toimitaa seuraavasti: Määrätää havaitoarvoje parikohtaiset erotukset ja testataa ollahypoteesia, joka mukaa erotukset ovat keskimääri ollia. Olkoot X Ei = potilaa i verepaie ee lääkkee atamista, i =,,, 8 X Ji = potilaa i verepaie ee lääkkee atamista, i =,,, 8 i = X Ei X Ji, i =,,, 8 Yleie hypoteesi H o muotoa: (i) (ii) µ σ, i =,,, 8 i N(, ) Erotukset,,, 8 ovat riippumattomia Nollahypoteesi H o muotoa: E( i ) =, i =,,, 8 Ilkka Melli (6) 39/39

40 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Sovelletaa yhde otokse t-testiä mittaustuloste erotuksille. Testisuureea o t = s / jossa = i i= = ( i ) i= s Jos ollahypoteesi H pätee, testisuure t oudattaa Studeti t-jakaumaa vapausastei ( ): t t( ) = t(7) Itseisarvoltaa suuret testisuuree t arvot johtavat ollahypoteesi hylkäämisee. Tehtävä tapauksessa = 8 = 4.5 s = 6.6 Site 4.5 t = = = 3.3 s / 4.7/ 8 Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H: µ >, testisuuree t arvoa 3.3 vastaavaksi p-arvoksi saadaa esim. Microsoft Excel -ohjelmalla Pr(t > 3.3) =.83 jossa t t(7). Site ollahypoteesi H voidaa hylätä merkitsevyystasolla., koska p =.83 <. Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H: µ >, merkitsevyystasoa. vastaava kriittie raja o +t. =.998 sillä t-jakauma taulukoide mukaa Pr( t.998) =. ku t t(7). Koska t = 3.3 >.998 ollahypoteesi H voidaa hylätä %: merkitsevyystasolla ja vaihtoehtoie hypoteesi H hyväksyä. Johtopäätös: Lääkkeellä o tilastollisesti merkitsevästi keskimääräistä verepaietta aletava vaikutus. Ilkka Melli (6) 4/4

41 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.5. Tuottee valmistaja väittää, että se tuotteista korkeitaa 5 % o viallisia. Asiakas poimii sille toimitettuje tuotteide joukosta otokse, joka koko o ja löytää 9 viallista tuotetta. Oko valmistaja väite oikeutettu? Testaa ollahypoteesia, että valmistaja väite o oikeutettu, ku vaihtoehtoisea hypoteesia o, että vialliste suhteellie osuus o suurempi kui valmistaja väittämä 5 %. Käytä testissä %: merkitsevyystasoa. Tehtävä.5. Mitä opimme? Tehtävässä tarkastellaa testiä suhteelliselle osuudelle. Tehtävä.5. Ratkaisu: Tuottee valmistaja väittää, että se tuotteista korkeitaa 5 % o viallisia. Asiakas poimii sille toimitettuje tuotteide joukosta otokse, joka koko o ja löytää 9 viallista tuotetta. Oko valmistaja väite oikeutettu? Olkoo A = Tuote o viallie Tuottee valmistaja mukaa Pr(A) = p =.5 Määritellää riippumattomat satuaismuuttujat Tällöi X i X i Ber(p) Asetetaa ollahypoteesi H : p = p =.5 Määritellää testisuure pˆ p z = p( p) jossa, jos i. tarkastettu tuote o viallie =, jos i. tarkastettu tuote ei ole viallie = Tarkastettavaksi poimittuje tuotteide lukumäärä ˆp = Vialliste tuotteide suhteellie osuus tarkastettuje joukossa Jos ollahypoteesi H pätee, testisuure z oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa: z a N(,) Ilkka Melli (6) 4/4

42 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävässä jote = pˆ = 9 / =.95 z pˆ p.95.5 = = = p( p).5(.5) Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : p >.5, testisuuree arvoa z arvoa.9 vastaavaksi p-arvoksi saadaa ormaalijakauma taulukoista Pr(z >.9) =.8 Site havaiot sisältävät voimakasta evidessiä ollahypoteesia H vastaa; ollahypoteesi H voidaa hylätä %: merkitsevyystasolla. Koska vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H : p >.5, merkitsevyystasoa. vastaava kriittie raja o +z. = +.33 sillä ormaalijakauma taulukoide mukaa Pr( z.33) =. Koska z =.9 >.33 testisuuree z arvo.9 o osuut hylkäysalueelle ja ollahypoteesi H voidaa hylätä %: merkitsevyystasolla ja vaihtoehtoie hypoteesi H voidaa hyväksyä. Johtopäätös: Vialliste suhteellie osuus o tilastollisesti merkitsevästi valmistaja ilmoittamaa arvoa suurempi..9 Ilkka Melli (6) 4/4

43 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.6. 6 erääsee vakavaa tautii sairastuutta potilasta jaettii satuaisesti kahtee ryhmää A ja B, joissa kummassaki oli 3 potilasta. Ryhmälle A aettii tautii kehitettyä uutta lääkettä ja ryhmälle B paljo käytettyä vahaa lääkettä. (a) Ryhmässä A taudista parai 95 potilasta ja ryhmässä B 5 potilasta. Suosittelisitko uude lääkkee ottamista käyttöö koetulokse perusteella? (b) Ryhmässä A taudista parai 5 potilasta ja ryhmässä B 95 potilasta. Suosittelisitko uude lääkkee ottamista käyttöö koetulokse perusteella? Tehtävä.6. Mitä opimme? Tehtävässä tarkastellaa suhteelliste osuuksie vertailutestiä riippumattomille otoksille. Tehtävä.6. Ratkaisu: 6 erääsee vakavaa tautii sairastuutta potilasta jaettii satuaisesti kahtee ryhmää A ja B, joissa kummassaki oli 3 potilasta. Ryhmälle A aettii tautii kehitettyä uutta lääkettä ja ryhmälle B paljo käytettyä vahaa lääkettä. (a) Ryhmässä A taudista parai 95 potilasta ja ryhmässä B 5 potilasta. Jos uusi lääke parataa vähemmä potilaita kui vaha lääke, ei tilastollista testausta tarvita se johtopäätökse tekemiseksi, että uutta lääkettä ei kaata ottaa käyttöö aiakaa tämä kokee perusteella. Se sijaa, jos uusi lääke parataa eemmä potilaita kui vaha lääke, o testaus tarpee, jotta saadaa selville oko paratueide määrä lisäätymistä pidettävä sattumavaraisea eli otosvaihtelusta johtuvaa vai ei. (b) Ryhmässä A taudista parai 3:sta potilaasta 5 ja ryhmässä B parai 3:sta potilaasta 95. Olkoo ja A = Potilas paraee Pr(A) = p, jos potilas kuuluu ryhmää A Pr(A) = p, jos potilas kuuluu ryhmää B Ilkka Melli (6) 43/43

44 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Määritellää riippumattomat satuaismuuttujat jossa X ik, jos i. potilas paraee ryhmässä k =, jos i. potilas ei parae ryhmässä k i =,,,, k =, k = ryhmä A k = ryhmä B Tällöi X ik Ber(p k ), k =, Asetetaa ollahypoteesi H : p = p Määritellää testisuure z = pˆ pˆ pˆ( pˆ) + Testisuuree lausekkeessa ja k = Potilaide lukumäärä ryhmässä A ˆp = Paratueide suhteellie osuus ryhmässä A = Potilaide lukumäärä ryhmässä B ˆp = Paratueide suhteellie osuus ryhmässä B ˆp = Paratueide suhteellie osuus kaikkie potilaide joukossa Huomaa, että ˆp = f / jossa ja ˆp = f / f = Paratueide lukumäärä ryhmässä A f = Paratueide lukumäärä ryhmässä B f + f pˆ + pˆ pˆ = = + + Ilkka Melli (6) 44/44

45 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Jos ollahypoteesi H pätee, testisuure z oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa: z a N(,) Tehtävässä = 3 pˆ = 5/ 3 =.75 = 3 pˆ = 95/ 3 =.65 jote Site pˆ + pˆ pˆ = = = z pˆ pˆ = = = pˆ( pˆ) +.7(.7) Jos vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H:p > p, testisuuree z arvoa.67 vastaavaksi p-arvoksi saadaa ormaalijakauma taulukoista Pr(z >.67) =.38 Site aieisto sisältää voimakasta evidessiä ollahypoteesia H vastaa; ollahypoteesi H voidaa hylätä %: merkitsevyystasolla. Jos vaihtoehtoisea hypoteesia o -suutaie vaihtoehto H:p > p, merkitsevyystasoa. vastaava kriittie raja o +z. = +.3 sillä ormaalijakauma taulukoide mukaa Pr( z.33) =. Koska z =.67 >.33 testisuuree z arvo o osuut hylkäysalueelle ja ollahypoteesi H voidaa hylätä %: merkitsevyystasolla ja vaihtoehtoie hypoteesi H voidaa hyväksyä. Johtopäätös: Uude lääkkee käyttööotto o perusteltua, koska paratueide suhteellie osuus o uutta lääkettä saaeide joukossa tilastollisesti merkitsevästi vahaa lääkettä saaeide osuutta suurempi..67 Ilkka Melli (6) 45/45

46 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Tehtävä.7. Alueella A 3:sta satuaisotoksee poimituista ääioikeutetuista 56 % kaatti ehdokasta X, ku taas alueella B :sta satuaisotoksee poimituista ääioikeutetuista 48 % kaatti ehdokasta X. Muodosta testi ollahypoteesille, että kaatukset eivät alueilla A ja B eroa toisistaa. Testaa ollahypoteesia 5 %: merkitsevyystasolla, ku vaihtoehtoisea hypoteesia o (a) X: kaatus o alueella A suurempaa kui alueella B. (b) X: kaatus eroaa alueilla A ja B. Tehtävä.7. Mitä opimme? Tehtävässä tarkastellaa suhteelliste osuuksie vertailutestiä riippumattomille otoksille. Tehtävä.7. Ratkaisu: Alueella A ehdokasta X kaatti 3:sta ääioikeutetusta 56 % ja alueella B ehdokasta X kaatti :sta ääioikeutetusta 48 %. Olkoo A = Ääioikeutettu kaattaa ehdokasta X ja Pr(A) = p, jos ääioikeutettu kuuluu alueesee A Pr(A) = p, jos ääioikeutettu kuuluu alueesee B Määritellää riippumattomat satuaismuuttujat jossa Tällöi X ik, jos i. ääioikeutettu otoksessa kaattaa ehdokasta X alueella k =, jos i. ääioikeutettu otoksessa ei kaata ehdokasta X alueella k i =,,,, k =, k = alue A k = alue B X ik Ber(p k ), k =, Asetetaa ollahypoteesi H : p = p Määritellää testisuure z = pˆ pˆ pˆ( pˆ) + k Ilkka Melli (6) 46/46

47 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Testisuuree lausekkeessa = Otoskoko alueella A ˆp = Ehdokas X: kaattajie suhteellie osuus otoksessa alueelta A = Otoskoko alueella B ˆp = Ehdokas X: kaattajie suhteellie osuus otoksessa alueelta B ja ˆp = Ehdokas X: kaattajie suhteellie osuus otoksessa, joka saadaa yhdistämällä otokset alueilta A ja B Huomaa, että ˆp = f / ˆp = f / jossa ja f = Ehdokas X: kaattajie lukumäärä otoksessa alueelta A f = Ehdokas X: kaattajie lukumäärä otoksessa alueelta B f + f pˆ + pˆ pˆ = = + + Jos ollahypoteesi H pätee, testisuure z oudattaa suurissa otoksissa approksimatiivisesti stadardoitua ormaalijakaumaa: z a N(,) Tehtävässä A = 3 pˆa =.56 B = pˆ =.48 jote Site B Apˆ A + Bpˆ B pˆ = = = A B pˆ A pˆ B z = = =.76 pˆ( pˆ) +.53(.53) + 3 A B Ilkka Melli (6) 47/47

48 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset (a) Jos vaihtoehtoisea hypoteesia o yksisuutaie vaihtoehto H : p > p, testisuuree z arvoa.76 vastaavaksi p-arvoksi saadaa ormaalijakauma taulukoista Pr(z >.76) =.39 <.5 jote ollahypoteesi H voidaa hylätä 5 %: merkitsevyystasolla. Jos vaihtoehtoisea hypoteesia o yksisuutaie hypoteesi vaihtoehto H : p > p, merkitsevyystasoa.5 vastaavaksi kriittiseksi rajaksi saadaa +z.5 =.65 sillä ormaalijakauma taulukoide mukaa Pr( z.65) =.5 Koska z =.76 >.65 testisuuree z arvo.76 o osuut hylkäysalueelle ja ollahypoteesi H voidaa hylätä 5 %: merkitsevyystasolla ja vaihtoehtoie hypoteesi H voidaa hyväksyä. Johtopäätös: X: kaatus o testi mukaa suurempaa alueella A kui alueella B. (b) Jos vaihtoehtoisea hypoteesia o kaksisuutaie vaihtoehto H : p p, testisuuree z arvoa.76 vastaavaksi p-arvoksi saadaa ormaalijakauma taulukoista Pr(z >.76) =.39 =.784 >.5 jote ollahypoteesi H jää voimaa 5 %: merkitsevyystasolla. Jos vaihtoehtoisea hypoteesia o kaksisuutaie vaihtoehto H : p p, merkitsevyystasoa.5 vastaavaksi kriittiseksi rajaksi saadaa +z.5 =.96 sillä ormaalijakauma taulukoide mukaa Pr( z.96) =.5 Koska z =.76 <.96 testisuuree z arvo o osuut hyväksymisalueelle ja ollahypoteesia H ei voida hylätä 5 %: merkitsevyystasolla. Johtopäätös: Nollahypoteesia siitä, että X: kaatus o alueilla A ja B yhtä suurta ei voida hylätä. Huomautus: Vaihtoehtoise hypoteesi muoto o tässä tapauksessa vaikuttaut testi tuloksee. Ilkka Melli (6) 48/48

49 Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Huomautuksia tilastollisesta testauksesta: () Testi tulos eli se, hylätääkö testi ollahypoteesi vai jätetääkö se voimaa, riippuu sekä valitusta merkitsevyystasosta että vaihtoehtoise hypoteesi muodosta. () Käytäö tutkimuksessa apuasi ei ole lueoitsijaa, joka ataisi siulle ollahypoteesi tai vaihtoehtoise hypoteesi muodo ja testissä käytettävä merkitsevyystaso. (3) Tilasto-ohjelmistot tulostavat ykyää tavallisesti testisuuree arvo ja sitä vastaava p-arvo (tai testisuuree arvoa vastaava hätätodeäköisyyde). Tällöi tutkija joutuu päättämää suoraa testi p-arvo perusteella hylkääkö hä ollahypoteesi vai ei. (4) Merkitsevyystaso valita tai ollahypoteesi hylkäämisee johtava kyysarvo valita p- arvolle ovat valitoja, joihi o aettava vaikuttaa myös se, mitä seurauksia o ollahypoteesi hylkäämisestä tai ollahypoteesi jäämisestä voimaa. Ilkka Melli (6) 49/49

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi MS-A53 Todeäköisyyslaskea ja tilastotietee peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Yhde otokse t-testi Testausasetelma yhde otokse t-testissä odotusarvolle Olkoo X i, i =,,, riippumato

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

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

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

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (004) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden

Lisätiedot

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (005) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden

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

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

Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot

Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot TKK (c Ilkka Melli (004 Johdatus tilastotieteesee TKK (c Ilkka Melli (004 : Mitä opimme? Tarkastelemme tässä luvussa seuraavia järjestysasteikolliste muuttujie testejä: ja merkkitesti parivertailuille

Lisätiedot

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 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

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

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat: Mat-.090 Sovellettu todeäköisyyslasku A Mat-.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Otos- ja otosjakaumat Estimoiti Estimoitimeetelmät Väliestimoiti Aritmeettie keskiarvo, Beroulli-jakauma,

Lisätiedot

Johdatus 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

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

Tilastolliset menetelmät: Tilastolliset testit

Tilastolliset menetelmät: Tilastolliset testit Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille 0. Testejä järjestysasteikollisille muuttujille. Testejä laatueroasteikollisille

Lisätiedot

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

Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1

Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1 Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus KE (2014) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet

Lisätiedot

Tilastolliset menetelmät: Tilastolliset testit

Tilastolliset menetelmät: Tilastolliset testit Tilastolliset meetelmät Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille. Testejä järjestysasteikollisille muuttujille.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman

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 (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

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

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

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai

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

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

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

χ 2 -yhteensopivuustesti

χ 2 -yhteensopivuustesti Mat-.60 Sovellettu todeäköisyyslasketa B. harjoitukset Mat-.60 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Yhteesopivuude, homogeeisuude ja riippumattomuude testaamie Tilastollie

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 7: NCSS - Tilastollinen analyysi Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 11 (vko 48/003) (Aihe: Tilastollisia testejä, Laininen luvut 4.9, 15.1-15.4, 15.7) Nordlund 1. Kemiallisen prosessin

Lisätiedot

χ 2 -yhteensopivuustesti

χ 2 -yhteensopivuustesti Mat-.60 Sovellettu todeäköisyyslasketa B. harjoitukset Mat-.60 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Yhteesopivuude, homogeeisuude ja riippumattomuude testaamie Tilastollie

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b Tilastollie päättömyys, kevät 07 Harjoitus b Heikki Korpela 3. helmikuuta 07 Tehtävä. a Olkoot Y,..., Y Bθ. Johda uskottavuusosamäärä testisuuree ry, Waldi testisuuree wy ja Rao pistemäärätestisuuree uy

Lisätiedot

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi. 10.11.2006 1. Pituushyppääjä on edellisenä vuonna hypännyt keskimäärin tuloksen. Valmentaja poimii tämän vuoden harjoitusten yhteydessä tehdyistä muistiinpanoista satunnaisesti kymmenen harjoitushypyn

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 2. luento: Tilastolliset testit Kai Virtanen 1 Tilastollinen testaus Tutkimuksen kohteena olevasta perusjoukosta esitetään väitteitä oletuksia joita

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

Mat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Mat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat: Mat-.04 Tilastollise aalyysi perusteet / Ratkaisut Aiheet: Avaisaat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahde riippumattoma otokse t-testit, Nollahypoteesi, p-arvo, Päätössäätö, Testi,

Lisätiedot

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit Sisältö Tilastollisia testejä tehdään jatkuvasti lukemattomilla aloilla. Meitä saattaa kiinnostaa esimerkiksi se, että onko miesten ja

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

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 18 1 Kertausta: momenttimenetelmä ja suurimman uskottavuuden menetelmä 2 Tilastollinen

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5 MS-A Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko Tilastollinen testaus Tilastollisten testaaminen Tilastollisen tutkimuksen kohteena olevasta perusjoukosta on esitetty jokin väite tai

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

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset

Lisätiedot

Tilastolliset testit. Tilastolliset testit. Tilastolliset testit: Mitä opimme? 2/5. Tilastolliset testit: Mitä opimme? 1/5

Tilastolliset testit. Tilastolliset testit. Tilastolliset testit: Mitä opimme? 2/5. Tilastolliset testit: Mitä opimme? 1/5 TKK (c) Ilkka Mellin (4) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (4) : Mitä opimme? 1/5 Tilastollisessa tutkimuksessa tutkimuksen kohteena olevasta perusjoukosta esitetään tavallisesti väitteitä

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

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

Johdatus tilastotieteeseen Tilastolliset testit. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastolliset testit. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastolliset testit TKK (c) Ilkka Mellin (2005) 1 Tilastolliset testit Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet testauksessa

Lisätiedot

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1 Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään, tiedetään, että ainakin

Lisätiedot

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,

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

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään tiedetään, että ainakin kaksi

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 5 Tilastollisten hypoteesien testaaminen Lasse Leskelä, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu

Lisätiedot

Harjoitukset 1 : Tilastokertaus

Harjoitukset 1 : Tilastokertaus 31C99904, Capstoe: Ekoometria ja data-aalyysi TA : markku.siikae(a)aalto.fi & tuuli.vahapelto(a)aalto.fi Harjoitukset 1 : Tilastokertaus (Palautus 10.1.2017) Palautellaa mielii hiema tilasto-oppia ja todeäköisyyslasketaa.

Lisätiedot

Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1 Johdatus todeäköisyyslasketaa Kovergessikäsitteet ja raja-arvolauseet TKK (c) Ilkka Melli (2004) 1 Kovergessikäsitteet ja raja-arvolauseet Kovergessikäsitteitä Suurte lukuje lait Keskeie raja-arvolause

Lisätiedot

Testit järjestysasteikollisille muuttujille

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

Lisätiedot

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1 Odotusarvoparien vertailu Vilkkumaa / Kuusinen 1 Motivointi Viime luennolta: yksisuuntaisella varianssianalyysilla testataan nollahypoteesia H 0 : μ 1 = μ 2 = = μ k = μ Jos H 0 hylätään, tiedetään, että

Lisätiedot

Johdatus tilastotieteeseen Tilastollinen riippuvuus ja korrelaatio. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Tilastollinen riippuvuus ja korrelaatio. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteesee Tilastollie riippuvuus ja korrelaatio TKK (c) Ilkka Melli (2004) 1 Tilastollie riippuvuus ja korrelaatio Tilastollie riippuvuus, korrelaatio ja regressio Kahde muuttuja havaitoaieisto

Lisätiedot

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä Otatajakauma kuvaa tarkasteltava parametri jakauma eri otoksista laskettua parametria o joki yleesä tuusluku, esim. keskiarvo, suhteellie osuus, riskisuhde, korrelaatiokerroi, regressiokerroi, je. parametria

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

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

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

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

Johdatus tilastotieteeseen Yhden selittäjän lineaarinen regressiomalli. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Yhden selittäjän lineaarinen regressiomalli. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteesee Yhde selittää lieaarie regressiomalli TKK (c) Ilkka Melli (2005) Yhde selittää lieaarie regressiomalli Yhde selittää lieaarie regressiomalli a sitä koskevat oletukset Yhde selittää

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie

Lisätiedot

Yhden selittäjän lineaarinen regressiomalli

Yhden selittäjän lineaarinen regressiomalli Ilkka Melli Tilastolliset meetelmät Osa 4: Lieaarie regressioaalyysi Yhde selittäjä lieaarie regressiomalli TKK (c) Ilkka Melli (007) Yhde selittäjä lieaarie regressiomalli >> Yhde selittäjä lieaarie regressiomalli

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II Otokset MS-A050 Todeäköisyyslaskea ja tilastotietee peruskurssi Lueot, osa II Kaksi hyödyllista jakaumaa 3 Estimoiti G. Gripeberg 4 Luottamusvälit Aalto-yliopisto. helmikuuta 05 5 Hypoteesie testaus 6

Lisätiedot

Tilastollisen analyysin perusteet Luento 4: Testi suhteelliselle osuudelle

Tilastollisen analyysin perusteet Luento 4: Testi suhteelliselle osuudelle Tilastollisen analyysin perusteet Luento 4: Sisältö Testiä suhteelliselle voidaan käyttää esimerkiksi tilanteessa, jossa tarkastellaan viallisten tuotteiden osuutta tuotantoprosessissa. Tilanne palautuu

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia. HY, MTO / Matemaattiste tieteide adiohjelma Tilastollie päättely II, evät 2018 Harjoitus 6A Rataisuehdotusia Tehtäväsarja I 1. (Moistee tehtävä 5.4) Kauppias myy mäysiemeiä, joide itävyyde väitetää oleva

Lisätiedot

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan 17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin

Lisätiedot

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

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

Mat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Mat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat: Mat-.04 Tilatollie aalyyi peruteet. harjoituket Mat-.04 Tilatollie aalyyi peruteet. harjoituket / Tehtävät Aiheet: Avaiaat: Tetit uhdeateikolliille muuttujille Hypoteei, Kahde riippumattoma otoke t-tetit,

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

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

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

pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489

pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489 Perusjoukko ja otos Kvatitatiiviset meetelmät Sami Fredriksso Yleie valtio-oppioppi Havaitoyksikkö o empiirise mittaukse kohde Perusjoukko o kaikkie havaitoyksiköide muodostama kokoaisuus Otos o perusjoukkoa

Lisätiedot

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin Tilastollisen analyysin perusteet Luento 10: Sisältö Varianssianalyysi Varianssianalyysi on kahden riippumattoman otoksen t testin yleistys. Varianssianalyysissä perusjoukko koostuu kahdesta tai useammasta

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 5 Tilastollisten hypoteesien testaaminen Kalle Kytölä, Lasse Leskelä, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden

Lisätiedot

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

Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Jatkuvia jakaumia Avaisaat: Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Kertymäfuktio, Keskeie raja-arvolause, Mediaai, Normaaliapproksimaatio,

Lisätiedot

D ( ) E( ) E( ) 2.917

D ( ) E( ) E( ) 2.917 Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,

Lisätiedot

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0. 806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ

Lisätiedot

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Tilastollinen päättely II, kevät 2017 Harjoitus 3B Tilastollie päättely II, kevät 7 Harjoitus 3B Heikki Korpela 3. maaliskuuta 7 Tehtävä. Jatkoa harjoitukse B tehtävii -3. Oletetaa, että x i c kaikilla i, ku c > o vakio. Näytä, että ˆβ, T ja T ovat tarketuvia.

Lisätiedot

Johdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1

Johdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1 Johdatus varianssianalyysiin Vilkkumaa / Kuusinen 1 Motivointi Luento 4: kahden riippumattoman otoksen odotusarvoja voidaan vertailla t-testillä H 0 : μ 1 = μ 2, T = ˉX 1 ˉX 2 s 2 1 + s2 2 n 1 n 2 a t(min[(n

Lisätiedot

6.1 Riippumattomat satunnaismuuttujat

6.1 Riippumattomat satunnaismuuttujat Luku 6 Otatajakaumie teoria 6.1 Riippumattomat satuaismuuttujat Muistamme edellisistä luvuista, että satuaismuuttujat X 1 ja X 2 ovat riippumattomat (määritelmät 4.6 ja 5.5), jos f(x 1, x 2 ) f 1 (x 1

Lisätiedot

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

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

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

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

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

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. 9.10.2018/1 MTTTP1, luento 9.10.2018 KERTAUSTA TESTAUKSESTA, p-arvo Asetetaan H 0 H 1 Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. Lasketaan otoksesta testisuureelle arvo. 9.10.2018/2

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

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

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

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen) 1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi

Lisätiedot

2. TILASTOLLINEN TESTAAMINEN...

2. TILASTOLLINEN TESTAAMINEN... !" # 1. 1. JOHDANTO... 3 2. 2. TILASTOLLINEN TESTAAMINEN... 4 2.1. T-TESTI... 4 2.2. RANDOMISAATIOTESTI... 5 3. SIMULOINTI... 6 3.1. OTOSTEN POIMINTA... 6 3.2. TESTAUS... 7 3.3. TESTIEN TULOSTEN VERTAILU...

Lisätiedot

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

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

Lisätiedot

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu 10.1.2019/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 10.1.2019 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2018 10.1.2019/2

Lisätiedot

11. laskuharjoituskierros, vko 15, ratkaisut

11. laskuharjoituskierros, vko 15, ratkaisut 11. laskuharjoituskierros vko 15 ratkaisut D1. Geiger-mittari laskee radioaktiivisen aineen emissioiden lukumääriä. Emissioiden lukumäärä on lyhyellä aikavälillä satunnaismuuttuja jonka voidaan olettaa

Lisätiedot

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu 5.3.2018/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 5.3.2018, osa 1 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2017

Lisätiedot