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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

1 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 tai oletuksia, joiden pätevyyttä halutaan testata. tarkoittaa perusjoukosta esitettyjen väitteiden tai oletuksien asettamista koetteelle havainnoista saatavaa informaatiota vastaan. Tilastollisessa testauksessa testattavat väitteet tai oletukset on puettava tutkimuksen kohteena olevan perusjoukon ominaisuuden vaihtelua perusjoukossa kuvaavaa todennäköisyysjakaumaa tai sen parametreja koskeviksi hypoteeseiksi. : Mitä opimme? /5 Testausasetelma kiinnitetään tekemällä seuraavat kolme oletusta: (i) Testausasetelmaa koskevia yleisiä oletuksia kutsutaan testin yleiseksi hypoteesiksi. (ii) Testattavaa väitettä tai oletusta kutsutaan testin nollahypoteesiksi. (iii) Jos nollahypoteesi hylätään testissä, astuu voimaan vaihtoehtoinen hypoteesi. Tilastollinen testi on päätössääntö, joka kertoo jokaisessa yksittäisessä testaustilanteessa (jokaiselle otokselle), onko nollahypoteesi hylättävä vai ei. TKK (c) Ilkka Mellin (4) 3 TKK (c) Ilkka Mellin (4) 4 : Mitä opimme? 3/5 Tilastollisen testin suoritus perustuu testisuureeseen, joka mittaa nollahypoteesin ja havaintojen yhteensopivuutta. Testisuureen normaaliarvo on sen odotusarvo nollahypoteesin pätiessä. Jos testisuureen arvo on lähellä normaaliarvoaan, katsotaan, että nollahypoteesi ja havainnot ovat sopusoinnussa ja nollahypoteesi jätetään voimaan. Jos testisuureen arvo on kaukana normaaliarvostaan, katsotaan, että nollahypoteesi ja havainnot eivät ole sopusoinnussa ja nollahypoteesi hylätään. Testi jakaa testisuureen mahdollisten arvojen alueen hylkäysalueeseen ja hyväksymisalueeseen. : Mitä opimme? 4/5 Jos nollahypoteesi hylätään virheellisesti, tehdään 1. lajin virhe eli hylkäysvirhe. Jos nollahypoteesi jätetään voimaan virheellisesti, tehdään. lajin virhe eli hyväksymisvirhe. Koska hylkäysvirheen todennäköisyys halutaan tehdä mahdollisimman pieneksi, havainnoilta vaaditaan vahvoja todisteita nollahypoteesia vastaan ennen sen hylkäämistä. Testin merkitsevyystaso on todennäköisyys, että testisuure saa nollahypoteesin pätiessä arvoja testin hylkäysalueelta. Testin hylkäysalue voidaan määrätä kiinnittämällä testin merkitsevyystaso etukäteen, ennen testin tekemistä. TKK (c) Ilkka Mellin (4) 5 TKK (c) Ilkka Mellin (4) 6

2 TKK (c) Ilkka Mellin (4) 7 : Mitä opimme? 5/5 on pienin merkitsevyystaso, jolla nollahypoteesi voidaan hylätä, kun testisuure on saanut sen arvon, jonka se on havainnoista laskettuna saanut. on todennäköisyys sille, että testisuure saa sen arvon, jonka se on havainnoista on saanut tai testisuureen normaaliarvoon verrattuna vielä poikkeuksellisempia arvoja, kun nollahypoteesi pätee. Testit voidaan jakaa ryhmiin tarkasteltavan muuttujan mittaasteikollisten ominaisuuksien mukaan: Testit suhde- (tai välimatka-) asteikollisille muuttujille Testit järjestysasteikollisille muuttujille Testit laatueroasteikollisille muuttujille : Esitiedot Esitiedot: ks. seuraavia lukuja: Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Otos ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (4) 8 : Lisätiedot Suhdeasteikollisten muuttujien testejä käsitellään luvussa Testit suhdeasteikollisille muuttujille Järjestysasteikollisten muuttujien testejä käsitellään luvussa Testit järjestysasteikollisille muuttujille Laatueroasteikollisten muuttujien testejä käsitellään luvussa Testit laatueroasteikollisille muuttujille Jakaumaoletuksien testaamista käsitellään luvussa Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen >> TKK (c) Ilkka Mellin (4) 9 TKK (c) Ilkka Mellin (4) 1 Tilastollisten hypoteesien testaaminen 1/5 Avainsanat Havainnot Hypoteesi Otos Parametri Perusjoukko Testi Testisuure Tilastollisten hypoteesien testaus Todennäköisyysjakauma Yksinkertainen satunnaisotos TKK (c) Ilkka Mellin (4) 11 Lähtökohta: Tutkimuksen kohteena olevasta perusjoukosta on esitetty jokin väite tai oletus. Kysymys: Miten esitettyä väitettä tai oletusta voidaan testata? Vastaus: Väitettä tai oletusta voidaan testata tilastollisesti, jos väite tai oletus voidaan pukea tutkimuksen kohteena olevan perusjoukon ominaisuuden vaihtelua perusjoukossa kuvaavaa todennäköisyysjakaumaa tai sen parametreja koskevaksi oletukseksi eli hypoteesiksi. TKK (c) Ilkka Mellin (4) 1

3 TKK (c) Ilkka Mellin (4) 13 Tilastollisten hypoteesien testaaminen /5 Tilastollisten hypoteesien testaaminen 3/5 Olkoon X tutkimuksen kohteena olevan perusjoukon jonkin ominaisuuden vaihtelua perusjoukossa kuvaava satunnaismuuttuja. Olkoon satunnaismuuttujan X todennäköisyysjakauman pistetodennäköisyys- tai tiheysfunktio f(x ; θ) jossa θ on funktion f muodon määräävä tuntematon parametri. Yksinkertaisissa testausasetelmissa kiinnostuksen kohteena on hypoteesi, jonka mukaan parametrilla θ on arvo θ. Miten todennäköisyysjakauman f(x ; θ) parametria θ koskevaa hypoteesia θ = θ voidaan testata tilastollisesti? Tilastollisessa testauksessa hypoteesi θ = θ asetetaan koetteelle havaintojen todennäköisyysjakaumasta f(x ; θ) sisältämää informaatiota vastaan. TKK (c) Ilkka Mellin (4) 14 Tilastollisten hypoteesien testaaminen 4/5 Tilastollisten hypoteesien testaaminen 5/5 Oletamme jatkossa, että havainnot X 1, X,, X n muodostavat yksinkertaisen satunnaisotoksen jakaumasta, jonka pistetodennäköisyys- tai tiheysfunktio on f(x ; θ) Tällöin X 1, X,, X n ovat riippumattomia, identtisesti jakautuneita satunnaismuuttujia, joilla on sama pistetodennäköisyys- tai tiheysfunktio f(x ; θ): X1, X,, Xn X f( x; θ ), i= 1,,, n i Testin suorittamista varten valitaan testisuure, joka mittaa satunnaismuuttujien X 1, X,, X n havaittujen arvojen x 1, x,, x n ja hypoteesin θ = θ yhteensopivuutta. Hyvä yhteensopivuus merkitsee sitä, että havainnot ovat sopusoinnussa oletuksen θ = θ kanssa. Huono yhteensopivuus merkitsee sitä, että havainnot ja oletus θ = θ ovat ristiriidassa keskenään. TKK (c) Ilkka Mellin (4) 15 TKK (c) Ilkka Mellin (4) 16 >> Avainsanat Havainnot Hypoteesi Otantamenetelmä Parametri Perusjoukko Testausasetelma Testi Vaihtoehtoinen hypoteesi Yleinen hypoteesi Todennäköisyysjakauma TKK (c) Ilkka Mellin (4) 17 TKK (c) Ilkka Mellin (4) 18

4 TKK (c) Ilkka Mellin (4) 19 Testausasetelmaa koskevat hypoteesit Yleinen hypoteesi 1/ Kun todennäköisyysjakauman parametreja koskevia väitteitä tai oletuksia testataan tilastollisesti, testausasetelmasta on tehtävä asetelman kiinnittämiseksi seuraavat kolme oletusta: (i) Testausasetelmaa koskevat perusoletukset, joista pidetään kiinni testauksen aikana muodostavat testin yleisen hypoteesin. (ii) Testattavaa oletusta kutsutaan nollahypoteesiksi. (iii) Vaihtoehtoinen hypoteesi on oletus, joka astuu voimaan, jos nollahypoteesi hylätään testissä. Yleiset testausasetelmaa koskevat oletukset muodostavat testin yleisen hypoteesin H. Yleinen hypoteesi H sisältää oletukset perusjoukosta käytetystä otantamenetelmästä perusjoukon jakaumasta Yleisen hypoteesin H oletuksista pidetään kiinni koko testauksen ajan, mikä merkitsee sitä, että testi tehdään aina ehdollisesti yleisen hypoteesin H oletusten suhteen. TKK (c) Ilkka Mellin (4) Yleinen hypoteesi / Huomaa, että yleisen hypoteesin sisältämiä jakaumaoletuksia voidaan ja on tavallisesti myös syytä testata erikseen; ks. esimerkiksi lukua Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. Sitä perusjoukon jakauman parametreja koskevaa väitettä tai oletusta, jota halutaan testata kutsutaan nollahypoteesiksi. lle käytetään tavallisesti merkintää H. Testissä nollahypoteesi H asetetaan koetteelle havaintojen perusjoukon jakaumasta sisältämää informaatiota vastaan. sta H pidetään kiinni, elleivät havaintojen sisältämät todisteet nollahypoteesia vastaan ole kyllin voimakkaita. TKK (c) Ilkka Mellin (4) 1 TKK (c) Ilkka Mellin (4) n muoto yksinkertaisissa testausasetelmissa Olkoon f(x ; θ) tutkimuksen kohteena olevaa perusjoukon ominaisuutta kuvaavan todennäköisyysjakauman pistetodennäköisyystai tiheysfunktio. Yksinkertaisissa testausasetelmissa nollahypoteesi on muotoa H : θ = θ Huomautus: t ovat yksinkertaisissa testausasetelmissa muotoa on sama tai muotoa ei ole eroa. Vaihtoehtoinen hypoteesi Vaihtoehtoinen hypoteesi H 1 on oletus, joka astuu voimaan, jos nollahypoteesi H hylätään. Vaihtoehtoinen hypoteesi voidaan tavallisesti muotoilla usealla eri tavalla. Huomautuksia: Jos nollahypoteesi on muotoa on sama tai ei ole eroa, vaihtoehtoinen hypoteesi on tavallisesti muotoa ei ole sama tai on eroa. Tilastollista testiä tehtäessä toivotaan usein, että nollahypoteesi voidaan hylätä ja vaihtoehtoinen hypoteesi hyväksyä. Vaihtoehtoisen hypoteesin hyväksyminen merkitsee yleensä informaation lisääntymistä. TKK (c) Ilkka Mellin (4) 3 TKK (c) Ilkka Mellin (4) 4

5 TKK (c) Ilkka Mellin (4) 5 Vaihtoehtoisen hypoteesin muoto yksinkertaisissa testausasetelmissa 1/ Jos nollahypoteesi on yksinkertaista muotoa H : θ = θ vaihtoehtoinen hypoteesi voidaan muotoilla kolmella eri tavalla. Huomautus: Vaihtoehtoisen hypoteesin muoto vaikuttaa tavallisesti siihen tapaan, jolla testi suoritetaan. Vaihtoehtoisen hypoteesin muoto yksinkertaisissa testausasetelmissa / Jos vaihtoehtoinen hypoteesi on muotoa H 1 : θ > θ tai muotoa H 1 : θ < θ vaihtoehtoista hypoteesia kutsutaan yksisuuntaiseksi. Jos vaihtoehtoinen hypoteesi on muotoa H 1 : θ θ vaihtoehtoista hypoteesia kutsutaan kaksisuuntaiseksi. TKK (c) Ilkka Mellin (4) 6 >> Avainsanat Havainnot Hypoteesi Otos Päätössääntö Testi Testisuure Testisuureen normaaliarvo TKK (c) Ilkka Mellin (4) 7 TKK (c) Ilkka Mellin (4) 8 Tilastollinen testi päätössääntönä Testisuure Tilastollinen testi on päätössääntö, joka kertoo jokaisessa yksittäisessä testaustilanteessa eli jokaiselle otokselle, onko nollahypoteesi H hylättävä vai ei. Tilastollinen testi perustetaan testisuureeseen, joka mittaa havaintojen ja nollahypoteesin H yhteensopivuutta. Testisuure on satunnaismuuttuja, jonka arvo riippuu havainnoista ja nollahypoteesista H. Havaintojen ja nollahypoteesin H yhteensopivuuden mittaaminen tarkoittaa sitä, että tutkitaan kuinka todennäköistä on saada sellaisia testisuureen arvoja kuin on saatu. Siten yhteensopivuuden mittaaminen vaatii testisuureen jakauman tuntemista. TKK (c) Ilkka Mellin (4) 9 TKK (c) Ilkka Mellin (4) 3

6 TKK (c) Ilkka Mellin (4) 31 Testisuure ja testi päätössääntönä Testisuureen normaaliarvo Jos havaintojen ja nollahypoteesin H yhteensopivuus on testisuureella mitattuna hyvä, nollahypoteesi H jätetään voimaan. Jos havaintojen ja nollahypoteesin H yhteensopivuus on testisuureella mitattuna huono, nollahypoteesi H hylätään ja vaihtoehtoinen hypoteesi H 1 hyväksytään. Testisuureen odotusarvoa nollahypoteesin H pätiessä kutsutaan testisuureen normaaliarvoksi. Jos testisuureen havaittu arvo on lähellä testisuureen normaaliarvoa, havainnot ovat sopusoinnussa nollahypoteesin H kanssa. Jos testisuureen otoksesta määrätty arvo poikkeaa merkitsevästi testisuureen normaaliarvosta, havainnot sisältävät todisteita nollahypoteesia H vastaan. TKK (c) Ilkka Mellin (4) 3 >> TKK (c) Ilkka Mellin (4) 33 Avainsanat Ensimmäisen lajin virhe Havainnot Hylkäysvirhe Hypoteesi Hyväksymisalue Hyväksymisvirhe Maailman tila Parametri Testi Testin tulos Testisuure Toisen lajin virhe Voimakkuus TKK (c) Ilkka Mellin (4) 34 Hylkäysvirhe ja sen todennäköisyys 1/ Hylkäysvirhe ja sen todennäköisyys / Jos nollahypoteesi H hylätään silloin, kun se on tosi, tehdään hylkäysvirhe. Hylkäysvirheen todennäköisyys α on ehdollinen todennäköisyys Pr(H hylätään H on tosi) = α Hylkäysvirheen todennäköisyyden α komplementtitodennäköisyys Pr(H hyväksytään H on tosi) = 1 α on todennäköisyys hyväksyä nollahypoteesi silloin, kun se on tosi. Tilastollisessa tutkimuksessa noudatetaan tieteen yleistä varovaisuusperiaatetta: Hypoteeseja ei pidä hylätä ilman riittäviä syitä. Siksi nollahypoteesin H virheellisen hylkäyksen todennäköisyys halutaan tehdä tilastollisessa testauksessa mahdollisimman pieneksi. Jotta hylkäysvirheen todennäköisyys saataisiin mahdollisimman pieneksi, havainnoilta vaaditaan vahvoja todisteita nollahypoteesia H vastaan ennen kuin se suostutaan hylkäämään. TKK (c) Ilkka Mellin (4) 35 TKK (c) Ilkka Mellin (4) 36

7 TKK (c) Ilkka Mellin (4) 37 Hyväksymisvirhe ja sen todennäköisyys Testin voimakkuus Jos nollahypoteesi H jätetään voimaan silloin, kun se ei ole tosi, tehdään hyväksymisvirhe. Hyväksymisvirheen todennäköisyys β on ehdollinen todennäköisyys Pr(H jätetään voimaan H ei ole tosi) = β Huomautus: Hylkäysvirheen todennäköisyys α ja hyväksymisvirheen todennäköisyys β eivät ole toistensa komplementtitodennäköisyyksiä. Hyväksymisvirheen todennäköisyyden β komplementtitodennäköisyyttä Pr(H hylätään H ei ole tosi) = 1 β kutsutaan testin voimakkuudeksi. Hyvä testi on voimakas, koska voimakkaalla testillä on pieni hyväksymisvirheen todennäköisyys β. Testin voimakkuus (1 β) riippuu tavallisesti mm. testattavan parametrin todellisesta arvosta. Testin voimakkuutta testattavan parametrin arvojen funktiona kutsutaan voimakkuusfunktioksi; esimerkki: ks. kappaletta Yhden otoksen t-testi luvussa Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (4) 38 Ensimmäisen ja toisen lajin virheet Maailman tila ja testin tulos Koska testiä tehtäessä pyritään ensisijaisesti varomaan sitä, että nollahypoteesi H hylätään silloin, kun se on tosi, hylkäysvirhettä kutsutaan usein ensimmäisen lajin virheeksi. Tällöin hyväksymisvirhettä eli sitä, että nollahypoteesi H hyväksytään silloin, kun se ei ole tosi, kutsutaan toisen lajin virheeksi. Maailman tilat ja testin tulokset voidaan luokitella seuraavaksi nelikentäksi: Testin tulos jää voimaan hylätään pätee Oikea johtopäätös Hylkäysvirhe Maailman tila ei päde Hyväksymisvirhe Oikea johtopäätös TKK (c) Ilkka Mellin (4) 39 TKK (c) Ilkka Mellin (4) 4 Testin hylkäys- ja hyväksymisalueet ja testi päätössääntönä Kun testi formuloidaan päätössääntönä, testiä varten konstruoidun testisuureen mahdollisten arvojen joukko jaetaan kahteen osaan, hylkäysalueeseen ja hyväksymisalueeseen: (i) Jos testisuureen havainnoista määrätty arvo joutuu hylkäysalueelle, nollahypoteesi H hylätään. (ii) Jos testisuureen havainnoista määrätty arvo joutuu hyväksymisalueelle, nollahypoteesi H jätetään voimaan. Huomautus: Jako hylkäys- ja hyväksymisalueisiin ei saa riippua havainnoista. >> TKK (c) Ilkka Mellin (4) 41 TKK (c) Ilkka Mellin (4) 4

8 TKK (c) Ilkka Mellin (4) 43 Merkitsevyystaso Avainsanat Frekvenssitulkinta Hylkäysvirhe Hypoteesi Kaksisuuntainen vaihtoehto Merkitsevyys Merkitsevyystaso Otos Perusjoukko Testi Testisuure Vaihtoehtoinen hypoteesi Yksisuuntainen vaihtoehto Testin merkitsevyystaso α on todennäköisyys sille, että testisuureen havainnoista määrätty arvo joutuu hylkäysalueelle, jos nollahypoteesi H pätee. Jos testisuureen havainnoista määrätty arvo joutuu nollahypoteesin H pätiessä hylkäysalueelle, nollahypoteesi H hylätään virheellisesti ja seurauksena on hylkäysvirhe, jonka todennäköisyys on α. Testin hylkäysalue voidaan määrätä kiinnittämällä testissä käytettävä merkitsevyystaso α etukäteen (ennen havaintojen keräämistä). TKK (c) Ilkka Mellin (4) 44 Merkitsevyystason frekvenssitulkinta Oletetaan, että nollahypoteesi H pätee testausasetelmassa. Valitaan testin merkitsevyystasoksi α. Toistetaan otantaa ja sovelletaan jokaiseen otokseen samaa testiä. Tällöin joudumme virheellisesti hylkäämään nollahypoteesin H keskimäärin α %:ssa otoksia, vaikka nollahypoteesi H pätee. Merkitsevyystason valinta: Tavanomaiset merkitsevyystasot 1/ Koska testeissä halutaan ensisijaisesti suojautua hylkäysvirhettä vastaan, testin merkitsevyystasoksi α on tapana valita pieniä lukuja. Ns. tavanomaiset merkitsevyystasot ovat α =.5 α =.1 α =.1 Testin merkitsevyystasoa α valittaessa on aina syytä ottaa huomioon väärän päätöksen seuraukset. TKK (c) Ilkka Mellin (4) 45 TKK (c) Ilkka Mellin (4) 46 Merkitsevyystason valinta: Tavanomaiset merkitsevyystasot / Jos nollahypoteesi H voidaan hylätä merkitsevyystasolla α =.5, sanotaan: Testin tulos on melkein merkitsevä. Jos nollahypoteesi H voidaan hylätä merkitsevyystasolla α =.1, sanotaan: Testin tulos on merkitsevä. Jos nollahypoteesi H voidaan hylätä merkitsevyystasolla α =.1, sanotaan: Testin tulos on erittäin merkitsevä. Testin hylkäysalueen määrääminen yksinkertaisissa testausasetelmissa 1/5 Testin hylkäysalue riippuu yksinkertaisissa testausasetelmissa paitsi valitusta merkitsevyystasosta α myös vaihtoehtoisen hypoteesin muodosta. Olkoon parametria θ koskeva nollahypoteesi yksinkertaista muotoa H : θ = θ Olkoon testisuureena (jatkuva) satunnaismuuttuja Z ja oletetaan, että sen mahdolliset arvot kuuluvat väliin (a, b), jossa voi olla a = tai b = +. Valitaan testin merkitsevyystasoksi α. TKK (c) Ilkka Mellin (4) 47 TKK (c) Ilkka Mellin (4) 48

9 TKK (c) Ilkka Mellin (4) 49 Testin hylkäysalueen määrääminen yksinkertaisissa testausasetelmissa /5 Testin hylkäysalueen määrääminen yksinkertaisissa testausasetelmissa 3/5 Jos vaihtoehtoisena hypoteesina on yksisuuntainen vaihtoehto H 1 : θ > θ hylkäysalueeksi voidaan tavallisesti valita väli (u, b) jossa kriittinen raja u määrätään siten, että Pr(Z u H ) = α Testisuureen tiheysfunktio α 1 α u Hyväksymisalue Jos vaihtoehtoisena hypoteesina on yksisuuntainen vaihtoehto H 1 : θ < θ hylkäysalueeksi voidaan tavallisesti valita väli (a, l) jossa kriittinen raja l määrätään siten, että Pr(Z l H ) = α Testisuureen tiheysfunktio α 1 α l Hyväksymisalue TKK (c) Ilkka Mellin (4) 5 Testin hylkäysalueen määrääminen yksinkertaisissa testausasetelmissa 4/5 Jos vaihtoehtoisena hypoteesina on kaksisuuntainen vaihtoehto H 1 : θ θ hylkäysalueeksi voidaan tavallisesti valita joukko (a, l) (u, b) jossa kriittiset rajat l ja u määrätään siten, että Pr(Z u H ) = Pr(Z l H ) = α/ α/ α/ 1 α Testisuureen tiheysfunktio Hyväksymisalue TKK (c) Ilkka Mellin (4) 51 l u Testin hylkäysalueen määrääminen yksinkertaisissa testausasetelmissa 5/5 Oletetaan, että testisuureen Z jakauma on symmetrinen origon suhteen. Tällöin kalvoilla /5-4/5 esitetyille kriittisille rajoille pätee tavallisesti: l = u Huomautus: Kalvojen /5-4/5 todennäköisyydet ovat ehdollisia todennäköisyyksiä, joissa ehtotapahtumana on se, että nollahypoteesi H pätee. Siten todennäköisyydet määrätään testisuureen Z jakaumasta, kun jakaumaa määrättäessä on oletettu, että nollahypoteesi H pätee. TKK (c) Ilkka Mellin (4) 5 >> Avainsanat Frekvenssitulkinta Hypoteesi Kaksisuuntainen vaihtoehto Merkitsevyystaso Otos p-arvo Perusjoukko Testi Testisuure Testisuureen normaaliarvo Vaihtoehtoinen hypoteesi Yksisuuntainen vaihtoehto TKK (c) Ilkka Mellin (4) 53 TKK (c) Ilkka Mellin (4) 54

10 TKK (c) Ilkka Mellin (4) 55 p-arvo ja merkitsevyystasot p-arvo 1/ n hylkääminen voidaan perustaa etukäteen valitun merkitsevyystason ja sitä vastaavan hylkäysalueen määräämisen sijasta testin p-arvoon. on pienin merkitsevyystaso, jolla nollahypoteesi H voidaan hylätä. Tilastolliset ohjelmistot tulostavat nykyään lähes aina sovellettavien testien p-arvot ja siksi p-arvojen käyttö on lähes kokonaan syrjäyttänyt etukäteen valittujen kiinteiden merkitsevyystasojen käytön. määrätään seuraavalla tavalla: (i) Lasketaan valitun testisuureen arvo havainnoista. (ii) Määrätään olettaen, että nollahypoteesi H pätee todennäköisyys sille, että testisuure saa (normaaliarvoonsa verrattuna) niin poikkeuksellisen arvon kuin se on saanut tai vielä poikkeuksellisempia arvoja. TKK (c) Ilkka Mellin (4) 56 p-arvo / p-arvon frekvenssitulkinta Jos testin p-arvoksi saadaan pieni luku, testisuure on saanut arvon, joka kuuluu jos nollahypoteesi H pätee epätodennäköisten testisuureen arvojen joukkoon. Siten nollahypoteesi voidaan hylätä, jos testin p-arvo on kyllin pieni. Mitä pienempi on testin p-arvo, sitä vahvempia todisteita havainnot sisältävät nollahypoteesia H vastaan. Huomautus: määrätään testisuureen Z jakaumasta, kun jakauma on määrätty olettaen, että nollahypoteesi H pätee. Oletetaan, että testausasetelma on sellainen, että yleisen hypoteesin H lisäksi myös nollahypoteesi H pätee. Toistetaan otantaa ja sovelletaan jokaiseen otokseen samaa testiä. Tällöin havaitsemme keskimäärin p %:ssa poimittuja otoksia havaittua testisuureen arvoa poikkeavamman testisuureen arvon. TKK (c) Ilkka Mellin (4) 57 TKK (c) Ilkka Mellin (4) 58 p-arvo ja testi päätössääntönä Tilastollinen testi eli päätössääntö, joka kertoo jokaisessa yksittäisessä tilanteessa eli jokaiselle otokselle, onko nollahypoteesi H hylättävä vai ei, voidaan perustaa seuraavalla tavalla testin p-arvoon: (i) Valitaan pieni todennäköisyys p. (ii) Määrätään testin p-arvo. Jos p < p, hylätään nollahypoteesi H ja hyväksytään vaihtoehtoinen hypoteesi H 1. Jos p p, jätetään nollahypoteesi H voimaan. Todennäköisyyttä p valittaessa on syytä ottaa huomioon väärän päätöksen seuraukset. p-arvon määrääminen yksinkertaisissa testausasetelmissa 1/5 riippuu yksinkertaisissa testausasetelmissa vaihtoehtoisen hypoteesin muodosta. Olkoon parametria θ koskeva nollahypoteesi yksinkertaista muotoa H : θ = θ Oletetaan yksinkertaisuuden vuoksi, että testisuureen jakauma on symmetrinen origon suhteen. Olkoon testisuureen Z havainnoista määrätty arvo z. TKK (c) Ilkka Mellin (4) 59 TKK (c) Ilkka Mellin (4) 6

11 TKK (c) Ilkka Mellin (4) 61 p-arvon määrääminen yksinkertaisissa testausasetelmissa /5 p-arvon määrääminen yksinkertaisissa testausasetelmissa 3/5 Olkoon testisuureen Z havainnoista määrätty arvo z. Jos vaihtoehtoisena hypoteesina on yksisuuntainen vaihtoehto H 1 : θ > θ niin testin p-arvo on p = Pr(Z z H ) Testisuureen tiheysfunktio p 1 p z Olkoon testisuureen Z havainnoista määrätty arvo z. Jos vaihtoehtoisena hypoteesina on yksisuuntainen vaihtoehto H 1 : θ < θ niin testin p-arvo on p = Pr(Z z H ) Testisuureen tiheysfunktio p 1 p z TKK (c) Ilkka Mellin (4) 6 p-arvon määrääminen yksinkertaisissa testausasetelmissa 4/5 p-arvon määrääminen yksinkertaisissa testausasetelmissa 5/5 Olkoon testisuureen Z havainnoista määrätty arvo z. Jos vaihtoehtoisena hypoteesina on kaksisuuntainen vaihtoehto H 1 : θ θ niin testin p-arvo on p = Pr(Z z H ) Testisuureen tiheysfunktio p p 1 p z + z Huomautus: Kalvojen /5-4/5 todennäköisyydet ovat ehdollisia todennäköisyyksiä, joissa ehtotapahtumana on se, että nollahypoteesi H pätee. Siten todennäköisyydet määrätään testisuureen Z jakaumasta, kun jakaumaa määrättäessä on oletettu, että nollahypoteesi H pätee. TKK (c) Ilkka Mellin (4) 63 TKK (c) Ilkka Mellin (4) 64 >> Avainsanat Hypoteesi Hyväksymisalue Merkitsevyystaso Otos p-arvo Testi Testisuure Vaihtoehtoinen hypoteesi Yleinen hypoteesi TKK (c) Ilkka Mellin (4) 65 TKK (c) Ilkka Mellin (4) 66

12 TKK (c) Ilkka Mellin (4) 67 merkitsevyystason valintaan perustuvassa testausmenettelyssä 1/3 Jos testi perustetaan merkitsevyystason valintaan, testin suorittamisessa on seuraavat vaiheet: (1) Asetetaan testin hypoteesit: Yleinen hypoteesi H Testauksen kohteena oleva nollahypoteesi H Vaihtoehtoinen hypoteesi H 1 () Valitaan testiä varten testisuure. Testisuureen tehtävänä on mitata havaintojen ja nollahypoteesin H yhteensopivuutta. merkitsevyystason valintaan perustuvassa testausmenettelyssä /3 (3) Valitaan merkitsevyystaso α ja konstruoidaan sitä vastaava hylkäysalue testille. (4) Poimitaan otos niin, että yleisen hypoteesin H oletukset pätevät. Jos havaintojen sisältämät todisteet nollahypoteesia H vastaan ovat testisuureella mitattuna kyllin vahvoja, nollahypoteesi H hylätään ja vaihtoehtoinen hypoteesi H 1 hyväksytään. (5) Määrätään valitun testisuureen arvo havainnoista. TKK (c) Ilkka Mellin (4) 68 merkitsevyystason valintaan perustuvassa testausmenettelyssä 3/3 (6) Tehdään päätös nollahypoteesin hylkäämisestä. Jos testisuureen arvo joutuu hylkäysalueelle, hylätään nollahypoteesi H ja hyväksytään vaihtoehtoinen hypoteesi H 1. Jos testisuureen arvo ei joudu hylkäysalueelle, jätetään nollahypoteesi H voimaan. p-arvon määräämiseen perustuvassa testausmenettelyssä 1/3 Jos testi perustetaan testisuureen arvoa vastaaviin p- arvoihin, testin suorittamisessa on seuraavat vaiheet: (1) Asetetaan testin hypoteesit: Yleinen hypoteesi H Testauksen kohteena oleva nollahypoteesi H Vaihtoehtoinen hypoteesi H 1 () Valitaan testiä varten testisuure. Testisuureen tehtävänä on mitata havaintojen ja nollahypoteesin H yhteensopivuutta. TKK (c) Ilkka Mellin (4) 69 TKK (c) Ilkka Mellin (4) 7 p-arvon määräämiseen perustuvassa testausmenettelyssä /3 (3) Poimitaan otos niin, että yleisen hypoteesin H oletukset pätevät. Jos havaintojen sisältämät todisteet nollahypoteesia H vastaan ovat testisuureella mitattuna kyllin vahvoja, nollahypoteesi H hylätään ja vaihtoehtoinen hypoteesi H 1 hyväksytään. (4) Määrätään valitun testisuureen arvo havainnoista. (5) Määrätään testisuureen havaittua arvoa vastaava p-arvo. p-arvon määräämiseen perustuvassa testausmenettelyssä 3/3 (6) Tehdään päätös nollahypoteesin hylkäämisestä. Jos testin p-arvo on kyllin pieni, hylätään nollahypoteesi H ja hyväksytään vaihtoehtoinen hypoteesi H 1. Jos testin p-arvo ei ole kyllin pieni, jätetään nollahypoteesi H voimaan. TKK (c) Ilkka Mellin (4) 71 TKK (c) Ilkka Mellin (4) 7

13 TKK (c) Ilkka Mellin (4) 73 Esimerkki: Normaalijakauman parametrien testaaminen >> Avainsanat Hypoteesi Hyväksymisalue χ -jakauma Kriittiset rajat Merkitsevyystaso Normaalijakauma Odotusarvo Otos p-arvo Testi Testisuure Testisuureen normaaliarvo t-jakauma Vaihtoehtoinen hypoteesi Varianssi Yleinen hypoteesi TKK (c) Ilkka Mellin (4) 74 Testausasetelma 1/6 Testausasetelma /6 Kone tekee ruuveja, joiden tavoitepituus on 1 cm. Oletetaan, että ruuvien pituus vaihtelee satunnaisesti noudattaen normaalijakaumaa. Valmistuserää pidetään myyntikelpoisena, jos erän ruuvien pituudet eivät vaihtele liian paljon ja ruuvit ovat keskimäärin oikean mittaisia: Ruuvien pituuksien varianssi ei saa ylittää tilastollisesti merkitsevästi arvoa.1 cm ja ruuvien keskipituus ei saa poiketa tilastollisesti merkitsevästi pituuden tavoitearvosta 1 cm. Ruuvien pituutta valvotaan seuraavalla tavalla: (i) Jokaisesta valmistuserästä ruuveja poimitaan yksinkertainen satunnaisotos. (ii) Otokseen poimittujen ruuvien pituudet mitataan. (iii) Otokseen poimittujen ruuvien pituuksien otosvarianssia verrataan arvoon.1 cm ja pituuksien aritmeettista keskiarvoa verrataan ruuvien tavoitepituuteen 1 cm. (v) Jos otokseen poimittujen ruuvien pituuksien varianssi on liian suuri tai pituuksien aritmeettinen keskiarvo poikkeaa pituuden tavoitearvosta liian paljon, niin valmistuserä hylätään. Seuraavassa näytetään, miten ruuvien pituuden valvonnassa käytetään hyväksi tilastollista testausta. TKK (c) Ilkka Mellin (4) 75 TKK (c) Ilkka Mellin (4) 76 Testausasetelma 3/6 Testausasetelma 4/6 Oletetaan, että valmistuserän ruuvien joukosta on poimittu yksinkertainen satunnaisotos, jonka koko n = 3 ja otokseen poimittujen ruuvien pituudet on mitattu. Taulukko oikealla esittää otokseen poimittujen ruuvien pituuksien luokiteltua frekvenssijakaumaa. Huomautus: Aineistoa on käsitelty myös luvuissa Tilastollisten aineistojen kuvaaminen ja Väliestimointi. Luokkavälit Luokkafrekvenssit (9.85,9.9] 1 (9.9,9.95] (9.95,1.] 6 (1.,1.5] 3 (1.5,1.1] 5 (1.1,1.15] 4 (1.15,1.] 5 (1.,1.5] 3 (1.5,1.3] 1 Kuva oikealla esittää otokseen poimittujen ruuvien pituuksien luokiteltua frekvenssijakaumaa vastaavaa histogrammia. Luokkavälit määräävät histogrammin suorakaiteiden kannat. Suorakaiteiden korkeudet on valittu niin, että suorakaiteiden pinta-alat suhtautuvat toisiinsa kuten vastaavat luokkafrekvenssit. Frekvenssi Ruuvien pituuksien luokiteltu frekvenssijakauma Pituus (cm) TKK (c) Ilkka Mellin (4) 77 TKK (c) Ilkka Mellin (4) 78

14 TKK (c) Ilkka Mellin (4) 79 Testausasetelma 5/6 Testausasetelma 6/6 Yhteenveto otostiedoista: Pituuksien aritmeettinen keskiarvo: X = 1.9 cm Pituuksien otoskeskihajonta: s =.138 cm Huomautus: Jos otantaa toistetaan, kaikki otoksia koskevat tiedot (sekä havaintoarvot että havaintoarvoista lasketut otostunnusluvut) vaihtelevat satunnaisesti otoksesta toiseen. Frekvenssi Ruuvien pituuksien luokiteltu frekvenssijakauma Pituus (cm) Kysymys: Onko otosinformaatio sopusoinnussa ruuvien pituuden varianssille ja odotusarvolle asetettujen tavoitearvojen kanssa? Vastataan kysymykseen konstruoimalla tarkoitukseen sopivat tilastolliset testit. Frekvenssi Ruuvien pituuksien luokiteltu frekvenssijakauma Pituus (cm) TKK (c) Ilkka Mellin (4) 8 Testausasetelmaa koskevat hypoteesit 1/ Testausasetelmaa koskevat hypoteesit / Määritellään satunnaismuuttuja X: X = ruuvin pituus Yleinen hypoteesi H : Otokseen poimittujen ruuvien pituudet eivät riipu toisistaan ja ruuvien pituudet vaihtelevat satunnaisesti noudattaen normaalijakaumaa: H : X 1, X,, X n X i ~ N(µ, σ ), i = 1,,, n Pidämme koko testauksen ajan kiinni yleisestä hypoteesista H. TKK (c) Ilkka Mellin (4) 81 H 1 : Ruuvien pituuksien varianssi on korkeintaan.1 cm : H 1 : σ = σ.1 cm Vaihtoehtoinen hypoteesi H 11 : Ruuvien pituuksien varianssi on suurempi kuin.1 cm : H 11 : σ = σ >.1 cm H : Ruuvien pituuksien odotusarvo yhtyy pituuden tavoitearvoon 1 cm: H : µ = µ = 1 cm Vaihtoehtoinen hypoteesi H 1 : Ruuvien pituuksien odotusarvo poikkeaa pituuden tavoitearvosta 1 cm: H 1 : µ µ = 1 cm TKK (c) Ilkka Mellin (4) 8 Testit χ -testi varianssille Ruuvien pituuksien varianssia koskevaa nollahypoteesia H 1 : σ = σ.1 cm voidaan testata ns. χ -testillä. Ruuvien pituuksien odotusarvoa koskevaa nollahypoteesia H : µ = µ = 1 cm voidaan testata ns. t-testillä. Yleinen hypoteesi H : Otokseen poimittujen ruuvien pituudet eivät riipu toisistaan ja ruuvien pituudet vaihtelevat satunnaisesti noudattaen normaalijakaumaa: H : X 1, X,, X n X i ~ N(µ, σ ), i = 1,,, n H 1 : Ruuvien pituuksien varianssi on korkeintaan.1 cm : H 1 : σ = σ.1 cm Vaihtoehtoinen hypoteesi H 11 : Ruuvien pituuksien varianssi on suurempi kuin.1 cm : H 11 : σ = σ >.1 cm TKK (c) Ilkka Mellin (4) 83 TKK (c) Ilkka Mellin (4) 84

15 TKK (c) Ilkka Mellin (4) 85 Esimerkki: χ -testi varianssille Testisuure ja sen jakauma 1/3 Esimerkki: χ -testi varianssille Testisuure ja sen jakauma /3 Käytetään testisuureena χ -testisuuretta ( n 1) s χ = σ jossa n 1 s = ( Xi X) n 1 i= 1 havaintojen (harhaton) otosvarianssi ja σ nollahypoteesin H 1 kiinnittämä parametrin σ arvo. Voidaan osoittaa, että χ -testisuure ( n 1) s χ = σ noudattaa χ -jakaumaa vapaustein (n 1), jos yleinen hypoteesi H ja oletus σ = σ =.1 cm pätevät (ks. lukuja Otos ja otosjakaumat ja Väliestimointi): χ χ ( n 1) TKK (c) Ilkka Mellin (4) 86 Esimerkki: χ -testi varianssille Testisuure ja sen jakauma 3/3 Esimerkki: χ -testi varianssille Testisuureen normaaliarvo Esimerkin tapauksessa otokseen poimittujen ruuvien pituuksien aritmeettinen keskiarvo on X = 1.9 cm otokseen poimittujen ruuvien pituuksien otoskeskihajonta on s =.138 cm ja nollahypoteesin H 1 kiinnittämä parametrin σ arvo on σ =.1 cm Siten χ -testisuureen arvoksi saadaan ( n 1) s (3 1).138 χ = = = σ.1 Voidaan osoittaa, että χ -testisuureen ( n 1) s χ = σ normaaliarvo eli χ -testisuureen odotusarvo oletuksen σ = σ =.1 cm pätiessä on E(χ σ = σ ) = n 1 Siten χ -testisuureen normaaliarvoonsa (n 1) verrattuna suuret ja pienet arvot viittaavat siihen, että nollahypoteesi H 1 ei päde. TKK (c) Ilkka Mellin (4) 87 TKK (c) Ilkka Mellin (4) 88 Esimerkki: χ -testi varianssille Testin hylkäysalueen määrääminen 1/5 Esimerkki: χ -testi varianssille Testin hylkäysalueen määrääminen /5 Valitaan merkitsevyystasoksi α =.5 Koska vaihtoehtoinen hypoteesi H 11 : σ = σ >.1 cm on yksisuuntainen, hylkäysalueen määräämistä varten valitaan kriittinen raja χ α siten, että Pr( χ χ α ) =.5 jossa satunnaismuuttuja χ noudattaa χ -jakaumaa vapausastein n 1 = 9. Kriittinen raja χ α toteuttaa ehdon Pr( χ χ ) = 1 α =.95 α χ -jakauman taulukoista nähdään, että Pr(χ 4.557) =.5 kun vapausasteiden lukumäärä n 1 = 9 Siten kriittinen raja on: χ.5 = Kuvio oikealla havainnollistaa kriittisen rajan määräämistä. χ (9)-jakauman tiheysfunktio TKK (c) Ilkka Mellin (4) 89 TKK (c) Ilkka Mellin (4) 9

16 TKK (c) Ilkka Mellin (4) 91 Esimerkki: χ -testi varianssille Testin hylkäysalueen määrääminen 3/5 Esimerkki: χ -testi varianssille Testin hylkäysalueen määrääminen 4/5 Valitaanχ -testin hylkäysalueeksi ( χ α, + ) Jos χ -testisuureen arvo joutuu hylkäysalueelle, nollahypoteesi H 1 : σ = σ.1 cm hylätään merkitsevyystasolla α. Todennäköisyys, että χ -testisuureen arvo joutuu ehdon σ = σ pätiessä hylkäysalueelle on α. χ -testin hyväksymisalue on muotoa [, χ α ] Jos χ -testisuureen arvo joutuu hyväksymisalueelle, nollahypoteesi H 1 : σ = σ.1 cm jätetään voimaan merkitsevyystasolla α. χ -testin hylkäys- ja hyväksymisalueita voidaan kuvata yksisuuntaisen vaihtoehtoisen hypoteesin tapauksessa alla olevalla kuviolla: Hyväksymisalue χ α Kriittinen raja χ α määrätään niin, että Pr( χ χα ) = α jolloin Pr( χ χ ) = 1 α α TKK (c) Ilkka Mellin (4) 9 Esimerkki: χ -testi varianssille Testin hylkäysalueen määrääminen 5/5 Esimerkki: χ -testi varianssille Testin tulos Esimerkin tapauksessa χ -testin hylkäys- ja hyväksymisalueet saavat seuraavan muodon: Hyväksymisalue Kriittinen raja on määrätty niin, että Pr( χ 4.557) =.5 jolloin Pr( χ 4.557) =.95 Esimerkin tapauksessa otoksesta määrätty χ -testisuureen arvo on pienempi kuin kriittinen arvo χ α : χ = < = χ α Koska testisuureen arvo on joutunut hyväksymisalueelle, voimme jättää nollahypoteesin H 1 : σ = σ.1 cm voimaan merkitsevyystasolla α =.5 Johtopäätös: Ruuvien pituuden varianssi ei ole tilastollisesti merkitsevästi arvoa.1 cm suurempi. TKK (c) Ilkka Mellin (4) 93 TKK (c) Ilkka Mellin (4) 94 Esimerkki: χ -testi varianssille Merkitsevyystason frekvenssitulkinta Esimerkki: χ -testi varianssille Oletetaan, että kone tekee jatkuvasti ruuveja, joiden pituuden varianssi on hyväksyttävän suuruista. Tällöin siis nollahypoteesi H 1 : σ = σ.1 cm pätee koko ajan. Oletetaan, että poimimme koneen tekemien ruuvien joukosta toistuvasti uusia, samankokoisia otoksia ja testaamme nollahypoteesia H 1 jokaisen otoksen perusteella käyttämällä merkitsevyystasona lukua α =.5 Tällöin joudumme hylkäämään nollahypoteesin H 1 keskimäärin 5 kertaa 1:sta, vaikka nollahypoteesi H 1 pätee koko ajan. Esimerkin tapauksessa otoksesta määrätty χ -testisuureen arvoa 31.7 vastaava p-arvo on χ -jakauman taulukoiden mukaan p = Pr(χ > 31.7) >.1 mikä merkitsee sitä, että χ -testisuure saa normaaliarvoonsa nähden arvoa 31.7 poikkeuksellisempia arvoja todennäköisyydellä, joka on suurempi kuin.1, jos nollahypoteesi H 1 : σ = σ.1 cm pätee. Siten emme voi hylätä nollahypoteesia H 1 millään tavanomaisella merkitsevyystasolla. TKK (c) Ilkka Mellin (4) 95 TKK (c) Ilkka Mellin (4) 96

17 TKK (c) Ilkka Mellin (4) 97 t-testi odotusarvolle Testisuure ja sen jakauma 1/3 Yleinen hypoteesi H : Otokseen poimittujen ruuvien pituudet eivät riipu toisistaan ja ruuvien pituudet vaihtelevat satunnaisesti noudattaen normaalijakaumaa: H : X 1, X,, X n X i ~ N(µ, σ ), i = 1,,, n H : Ruuvien pituuksien odotusarvo yhtyy pituuden tavoitearvoon 1 cm: H : µ = µ = 1 cm Vaihtoehtoinen hypoteesi H 1 : Ruuvien pituuksien odotusarvo poikkeaa pituuden tavoitearvosta 1 cm: H 1 : µ µ = 1 cm Käytetään testisuureena Studentin t-testisuuretta X µ t = s / n jossa X = 1 n X i n i = 1 on havaintojen aritmeettinen keskiarvo n 1 s = ( Xi X) n 1 i= 1 havaintojen (harhaton) otosvarianssi ja µ nollahypoteesin H kiinnittämä parametrin µ arvo. TKK (c) Ilkka Mellin (4) 98 Testisuure ja sen jakauma /3 Testisuure ja sen jakauma 3/3 Voidaan osoittaa, että t-testisuure X µ t = s / n noudattaa Studentin t-jakaumaa vapaustein (n 1), jos yleinen hypoteesi H ja nollahypoteesi H : µ = µ pätevät (ks. lukuja Otos ja otosjakaumat ja Väliestimointi): t t( n 1) t-testisuure mittaa havaintojen aritmeettisen keskiarvon X ja nollahypoteesin H kiinnittämän parametrin µ arvon µ tilastollista etäisyyttä, jossa mittayksikkönä on aritmeettisen keskiarvon X keskivirheen σ / n estimaattori s / n. Esimerkin tapauksessa otokseen poimittujen ruuvien pituuksien aritmeettinen keskiarvo on X = 1.9 cm otokseen poimittujen ruuvien pituuksien otoskeskihajonta on s =.138 cm ja nollahypoteesin H kiinnittämä parametrin µ arvo on µ = 1 cm Siten t-testisuureen arvoksi saadaan X µ t = = = s/ n.138/ 3 TKK (c) Ilkka Mellin (4) 99 TKK (c) Ilkka Mellin (4) 1 Testisuureen normaaliarvo Testin hylkäysalueen määrääminen 1/5 Voidaan osoittaa, että t-testisuureen X µ t = s / n normaaliarvo eli t-testisuureen odotusarvo nollahypoteesin H : µ = µ pätiessä on E(t H ) = Siten t-testisuureen itseisarvoltaan suuret arvot viittaavat siihen, että nollahypoteesi H ei päde. Huomautus: t-testisuureen jakauma on symmetrinen origon suhteen. TKK (c) Ilkka Mellin (4) 11 Valitaan merkitsevyystasoksi α =.5 Koska vaihtoehtoinen hypoteesi H 1 : µ µ = 1 cm on kaksisuuntainen, hylkäysalueen määräämistä varten valitaan kriittiset rajat t α/ ja +t α/ siten, että Pr( t tα/ ) = Pr( t + tα/) =.5 jossa satunnaismuuttuja t noudattaa Studentin t-jakaumaa vapausastein n 1 = 9. Kriittiset rajat t α/ ja +t α/ toteuttavat ehdon Pr( tα/ t + tα/) = 1 α =.95 Huomaa, että merkitsevyystasoon α liittyvät kriittiset rajat ovat tässä (kaksisuuntaisen vaihtoehtoisen hypoteesin) tapauksessa täsmälleen samat kuin luottamustasoon (1 α) liittyvät luottamuskertoimet; ks. lukua Väliestimointi. TKK (c) Ilkka Mellin (4) 1

18 TKK (c) Ilkka Mellin (4) 13 Testin hylkäysalueen määrääminen /5 Testin hylkäysalueen määrääminen 3/5 t-jakauman taulukoista nähdään, että Pr(t +.45) =.5 Pr(t.45) =.5 kun vapausasteiden lukumäärä n 1 = 9 Siten kriittiset rajat ovat: +t.5 = +.45 t.5 =.45 Kuvio oikealla havainnollistaa kriittisten rajojen määräämistä t(9)-jakauman tiheysfunktio Valitaan t-testin hylkäysalueeksi (, tα/ ) ( + tα/, + ) Jos t-testisuureen arvo joutuu hylkäysalueelle, nollahypoteesi H : µ = µ hylätään merkitsevyystasolla α. Todennäköisyys, että t-testisuureen arvo joutuu nollahypoteesin H pätiessä hylkäysalueelle on α. t-testin hyväksymisalue on muotoa [ tα/, + tα/] Jos t-testisuureen arvo joutuu hyväksymisalueelle, nollahypoteesi H : µ = µ jätetään voimaan merkitsevyystasolla α. TKK (c) Ilkka Mellin (4) 14 Testin hylkäysalueen määrääminen 4/5 Testin hylkäysalueen määrääminen 5/5 t-testin hylkäys- ja hyväksymisalueita voidaan kuvata kaksisuuntaisen vaihtoehtoisen hypoteesin tapauksessa alla olevalla kaaviolla: Esimerkin tapauksessa t-testin hylkäys- ja hyväksymisalueet saavat seuraavan muodon: t α / +t α / Hyväksymisalue Hyväksymisalue Kriittiset rajat t α/ ja +t α/ määrätään niin, että Pr( t tα/ ) = Pr( t + tα/) = α / jolloin Pr( t t + t ) = 1 α/ α/ α Kriittiset rajat.45 ja +.45 on määrätty niin, että Pr( t.45) = Pr( t +.45) =.5 jolloin Pr(.45 t +.45) =.95 TKK (c) Ilkka Mellin (4) 15 TKK (c) Ilkka Mellin (4) 16 Testin tulos Merkitsevyystason frekvenssitulkinta Esimerkin tapauksessa otoksesta määrätty t-testisuureen arvo on suurempi kuin kriittinen arvo +t α/ : t = >.45 = +t.5 Koska testisuureen arvo on joutunut hylkäysalueelle, voimme hylätä nollahypoteesin H : µ = µ = 1 cm ja hyväksyä vaihtoehtoisen hypoteesin H : µ µ = 1 cm merkitsevyystasolla α =.5 Johtopäätös: Ruuvien keskimääräinen pituus poikkeaa tilastollisesti merkitsevästi tavoitearvostaan 1 cm. Saattaa olla syytä pysäyttää ruuveja valmistava kone tarkistusta varten. Oletetaan, että kone tekee jatkuvasti keskimäärin oikean mittaisia ruuveja. Tällöin siis nollahypoteesi H : µ = µ = 1 cm pätee koko ajan. Oletetaan, että poimimme koneen tekemien ruuvien joukosta toistuvasti uusia, samankokoisia otoksia ja testaamme nollahypoteesia H jokaisen otoksen perusteella käyttämällä merkitsevyystasona lukua α =.5 Tällöin joudumme hylkäämään nollahypoteesin H keskimäärin 5 kertaa 1:sta, vaikka nollahypoteesi H pätee koko ajan. TKK (c) Ilkka Mellin (4) 17 TKK (c) Ilkka Mellin (4) 18

19 TKK (c) Ilkka Mellin (4) 19 Esimerkin tapauksessa otoksesta määrätty t-testisuureen arvoa vastaava p-arvo on t-jakauman taulukoiden mukaan p = Pr(t > ) <.5 =.1 mikä merkitsee sitä, että t-testisuure saa normaaliarvoonsa nähden arvoa poikkeuksellisempia arvoja todennäköisyydellä, joka on pienempi kuin.1, jos nollahypoteesi H : µ = µ = 1 cm pätee. Siten voimme hylätä nollahypoteesin H kaikilla tavanomaisilla merkitsevyystasoilla. >> TKK (c) Ilkka Mellin (4) 11 Mitta-asteikot ja tilastolliset testit Avainsanat Mitta-asteikot Järjestysasteikko Laatueroasteikko Suhdeasteikko Testi Havaintojen mitta-asteikolliset ominaisuudet ohjaavat testin valintaa. Mitta-asteikot: ks. lukua Tilastollisten aineistojen kerääminen ja mittaaminen. voidaan ryhmitellä havaintojen mittaasteikollisten ominaisuuksien suhteen seuraavalla tavalla: Suhde- (ja välimatka-) asteikollisten muuttujien testit Järjestysasteikollisten muuttujien testit Laatueroasteikollisten muuttujien testit TKK (c) Ilkka Mellin (4) 111 TKK (c) Ilkka Mellin (4) 11 Testejä suhdeasteikollisille muuttujille Testejä järjestysasteikollisille muuttujille Suhde- (ja välimatka-) asteikollisten muuttujien testejä: Yhden otoksen t-testi odotusarvolle Kahden riippumattoman otoksen t-testi A odotusarvoille erisuurten varianssien tapauksessa Kahden riippumattoman otoksen t-testi B odotusarvoille yhtä suurten varianssien tapauksessa t-testi parivertailuille Yhden otoksen testi varianssille Kahden riippumattoman otoksen varianssien vertailutesti Ks. lukua Testit suhdeasteikollisille muuttujille. Järjestysasteikollisten muuttujien testejä: Merkkitesti Wilcoxonin rankitesti Mannin ja Whitneyn testi eli Wilcoxonin rankisummatesti Ks. lukua Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (4) 113 TKK (c) Ilkka Mellin (4) 114

20 TKK (c) Ilkka Mellin (4) 115 Testejä laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testejä: Testi suhteelliselle osuudelle Suhteellisten osuuksien vertailutesti Ks. lukua Testit laatueroasteikollisille muuttujille.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut

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

Johdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK (c) Ilkka Mellin (2004) 1 Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen Jakaumaoletuksien

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

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1 Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin

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

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

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

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

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin

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

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

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

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

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

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

Lisätiedot

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

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

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

Tilastolliset menetelmät. Osa 1: Johdanto. Johdanto tilastotieteeseen KE (2014) 1

Tilastolliset menetelmät. Osa 1: Johdanto. Johdanto tilastotieteeseen KE (2014) 1 Tilastolliset menetelmät Osa 1: Johdanto Johdanto tilastotieteeseen KE (2014) 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä ja malleja, joiden avulla reaalimaailman ilmiöistä voidaan

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

Tilastollinen aineisto Luottamusväli

Tilastollinen aineisto Luottamusväli Tilastollinen aineisto Luottamusväli Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastollinen aineisto p.1/20 Johdanto Kokeellisessa tutkimuksessa tutkittavien suureiden

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 4. luento: Jakaumaoletuksien testaaminen Kai Virtanen 1 Jakaumaoletuksien testaamiseen soveltuvat testit χ 2 -yhteensopivuustesti yksi otos otoksen

Lisätiedot

Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen

Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK (c) Ilkka Mellin (2007) 1 Yhteensopivuuden, homogeenisuuden ja riippumattomuuden

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

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 , 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

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

Tilastollinen päättely. 5. Väliestimointi Johdanto Luottamusvälien konstruointi Luottamusvälien vertailu

Tilastollinen päättely. 5. Väliestimointi Johdanto Luottamusvälien konstruointi Luottamusvälien vertailu ilastollinen päättely 5.. Johdanto Estimointi, Joukkoestimointi, Kriittinen alue, uottamusjoukko, uottamustaso, uottamusväli, Otos, Parametri, Peittotodennäköisyys, Piste-estimointi, Väliestimaatti, Väliestimaattori,

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.04 Tilastollisen analyysin perusteet, kevät 007 4. luento: Jakaumaoletuksien testaaminen Kai Virtanen Jakaumaoletuksien testaamiseen soveltuvat testit χ -yhteensopivuustesti yksi otos otoksen vertaaminen

Lisätiedot

Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta johdettuja jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma

Lisätiedot

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

Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit järjestysasteikollisille muuttujille Järjestysasteikollisten muuttujien testit Merkkitesti Wilcoxonin

Lisätiedot

Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt: Mitä opimme? Latinalaiset neliöt

Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt: Mitä opimme? Latinalaiset neliöt TKK (c) Ilkka Mellin (005) Koesuunnittelu TKK (c) Ilkka Mellin (005) : Mitä opimme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan yhden tekijän vaikutusta vastemuuttujaan,

Lisätiedot

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden 1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella

Lisätiedot

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

Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen TKK (c) Ilkka Mellin (2005) 1 Tilastollisten aineistojen kuvaaminen Havaintoarvojen jakauma Tunnusluvut Suhdeasteikollisten muuttujien tunnusluvut

Lisätiedot

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170 VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain

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

Harjoitus 2: Matlab - Statistical Toolbox

Harjoitus 2: Matlab - Statistical Toolbox Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat

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

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu) 21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.

Lisätiedot

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Estimointi, Havaittu frekvenssi, Heterogeenisuus,

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

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. 6.10.2015/1 MTTTP1, luento 6.10.2015 KERTAUSTA JA TÄYDENNYSTÄ Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Tilastollisen merkitsevyyden testaus Osa II Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. 5.10.2017/1 MTTTP1, luento 5.10.2017 KERTAUSTA Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla todennäköisyydellä,

Lisätiedot

031021P Tilastomatematiikka (5 op) viikko 5

031021P Tilastomatematiikka (5 op) viikko 5 031021P Tilastomatematiikka (5 op) viikko 5 Jukka Kemppainen Mathematics Division Hypoteesin testauksesta Tilastollisessa testauksessa on kyse havainnoista tapahtuvasta päätöksenteosta. Kokeellisen tutkimuksen

Lisätiedot

Kaksisuuntainen varianssianalyysi. Vilkkumaa / Kuusinen 1

Kaksisuuntainen varianssianalyysi. Vilkkumaa / Kuusinen 1 Kaksisuuntainen varianssianalyysi Vilkkumaa / Kuusinen 1 Motivointi Luennot 6 ja 7: yksisuuntaisella varianssianalyysilla testataan ryhmäkohtaisten odotusarvojen yhtäsuuruutta, kun perusjoukko on jaettu

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Tilastollisen merkitsevyyden testaus (+ jatkuvan parametrin Bayes-päättely) Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden

Lisätiedot

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. 6.10.2016/1 MTTTP1, luento 6.10.2016 KERTAUSTA JA TÄYDENNYSTÄ Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla

Lisätiedot

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta MS-A00 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta 7.. Gripenberg Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot ja minkä kokeen suoritat! Laskin,

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

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli

Lisätiedot

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 017 Laskuharjoitus 4, Kotitehtävien palautus Mycourses:iin PDF-tiedostona

Lisätiedot

Tilastollisia peruskäsitteitä ja Monte Carlo

Tilastollisia peruskäsitteitä ja Monte Carlo Tilastollisia peruskäsitteitä ja Monte Carlo Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Tilastollisia peruskäsitteitä ja Monte Carlo 1/13 Kevät 2003 Tilastollisia

Lisätiedot

Tilastollisten aineistojen kuvaaminen

Tilastollisten aineistojen kuvaaminen Ilkka Mellin Tilastolliset menetelmät Osa 1: Johdanto Tilastollisten aineistojen kuvaaminen TKK (c) Ilkka Mellin (2007) 1 Tilastollisten aineistojen kuvaaminen >> Havaintoarvojen jakauma Tunnusluvut Suhdeasteikollisten

Lisätiedot

Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä

Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Sisältö Riippumattomuus Jos P(A B) = P(A)P(B), niin tapahtumat A ja B ovat toisistaan riippumattomia. (Keskustelimme

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastollisen merkitsevyyden testaus Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

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

Todennäköisyyden ominaisuuksia

Todennäköisyyden ominaisuuksia Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset

Lisätiedot

Kaksisuuntainen varianssianalyysi. Heliövaara 1

Kaksisuuntainen varianssianalyysi. Heliövaara 1 Kaksisuuntainen varianssianalyysi Heliövaara 1 Kaksi- tai useampisuuntainen varianssianalyysi Kaksi- tai useampisuuntaisessa varianssianalyysissa perusjoukko on jaettu ryhmiin kahden tai useamman tekijän

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Lisätiedot

riippumattomia ja noudattavat samaa jakaumaa.

riippumattomia ja noudattavat samaa jakaumaa. 12.11.2015/1 MTTTP5, luento 12.11.2015 Luku 4 Satunnaisotos, otossuure ja otosjakauma 4.1. Satunnaisotos X 1, X 2,, X n on satunnaisotos, jos X i :t ovat riippumattomia ja noudattavat samaa jakaumaa. Sanonta

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

Mat Tilastollisen analyysin perusteet. Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi

Mat Tilastollisen analyysin perusteet. Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi Diskreetit muuttujat,

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

Regressioanalyysi. Vilkkumaa / Kuusinen 1

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

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 11. lokakuuta 2007 Antti Rasila () TodB 11. lokakuuta 2007 1 / 15 1 Johdantoa tilastotieteeseen Peruskäsitteitä Tilastollisen kuvailun ja päättelyn menetelmiä

Lisätiedot

Tilastollisen analyysin perusteet Luento 5: Jakaumaoletuksien. testaaminen

Tilastollisen analyysin perusteet Luento 5: Jakaumaoletuksien. testaaminen Tilastollisen analyysin perusteet Luento 5: Sisältö Tilastotieteessä tehdään usein oletuksia havaintojen jakaumasta. Useat tilastolliset menetelmät toimivat tehottomasti tai jopa virheellisesti, jos jakaumaoletukset

Lisätiedot

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle - Sisältö - - - Varianssianalyysi Varianssianalyysissä (ANOVA) testataan oletusta normaalijakautuneiden otosten odotusarvojen

Lisätiedot

Johdatus tilastotieteeseen Tilastollinen riippuvuus ja korrelaatio. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastollinen riippuvuus ja korrelaatio. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastollinen riippuvuus ja korrelaatio TKK (c) Ilkka Mellin (2005) 1 Tilastollinen riippuvuus ja korrelaatio Tilastollinen riippuvuus, korrelaatio ja regressio Kahden muuttujan

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastollisen merkitsevyyden testaus Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

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

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 5 Tilastollisten hypoteesien testaaminen Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot