MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 6

Koko: px
Aloita esitys sivulta:

Download "MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 6"

Transkriptio

1 MS-A Todeäkölakea ja tlatotetee perukur Vkko Tlatolle rppuvuu ja korrelaato; Yhde elttäjä leaare regreomall Rppuvuu, korrelaato ja regreoaal Tlatoteteeä kahde muuttuja väle rppuvuu vo olla Ekakta: toe muuttuja arvot vodaa eutaa tarkat toe muuttuja arvoje peruteella Vrt. atuamuuttuje fuktoaale rppuvuu ( Y=g(X) ) Tlatollta, jo toe muuttuja arvoja vodaa kättää apua toe muuttuja arvoje eutamea Vrt. atuamuuttujat evät ole rppumattoma ( f Y X ( )f Y () ) Leaarta tlatollta rppuvuutta kututaa korrelaatok. Vomakkuutta mttaava tuulukuja kututaa korrelaatokertomk. Regreoaal o tlatolle meetelmä, joa jok,. eltettävä muuttuja tlatollta rppuvuutta jotak tota,. elttävtä muuttujta malltamaa regreomalllla Matematka ja teemaal lato Kahde muuttuja havatoaeto kuvaame Oletetaa että :tä havatokkkötä o mtattu järjet-, välmatka- ta uhdeatekolla muuttujat ja Havatoarvot: (, ), =,,, Kute hde muuttuja havatoaetoje tapaukea, lähtökohda kahde ta ueamma muuttuja havatoaetoje kuvaamelle muodotaa tututume havatoarvoje jakaumaa. Jakaumaa kokoauutea vodaa kuvata graaflla etkllä (em. ptedagramm) Havatoarvoje jakauma karakterta omauuka vodaa kuvata ototuuluvulla (em. kekarvot; otovarat, otokekhajoat, otokovara ja otokorrelaatokerro) Kahde muuttuja havatoaeto kuvaame ptedagrammlla - Emerkk Hooke la mukaa kerrejoue ptuu rppuu leaaret jouee rputetuta paota. Mtataa veee joue ptuu erkokoella paolla Ovatko havaot opu-oua Hooke la kaa? Vatauta vodaa hakea regreomalllla Joue ptuu (cm) Havatoaeto: Pao (kg) Ptuu (cm) Ptedagramm: Kerrejoue ptuude rppuvuu jouee rputetuta paota - Pao (kg) Matematka ja teemaal lato Matematka ja teemaal lato Kahde muuttuja havatoaeto kuvaame ptedagrammlla - Emerkk Perölltetee mukaa lapet pervät geeettet omauutea vahemmltaa. Pertkö ä ptuu hedä pojllee? Havatoaeto kootuu =: ä ( ) ja poja ( ) ptuuke muodotamta lukuparta (, ), =,,, Yhtä ptkllä llä ättää oleva moe mttaa poka Mutta lhllä llä ättää oleva kekmäär lhempä poka ku ptkllä llä Poja ptuu (cm) Ie ja poke ptuudet Iä ptuu (cm) Tämä tppä tlatolla rppuvuuka aalodaa möhemm regreomalle avulla Kahde muuttuja havatoaeto tuuluvut: Kekarvot Havatoarvoje,,, artmeette kekarvo o Havatoarvoje,,, artmeette kekarvo o Pte ) o havatoarvoje pare (, ) muodotame ptejouko paopte Kuvaa havato-arvoje kekmäärätä jata. Ptedagramm (, ) (.,.) Matematka ja teemaal lato Matematka ja teemaal lato

2 Kahde muuttuja havatoaeto tuuluvut: Otovarat ja otokekhajoat Havatoarvoje,,, ja,,, otovarat ovat Vataavat otokekhajoat ovat Mttaavat havatoarvoje hajaatueuutta ta kekttettä havatoarvoje artmeette kekarvo uhtee. Kahde muuttuja havatoaeto tuuluvut: Otokovara Otokovara o Mttaa - ja -havatoarvoje htevahtelua de artmeettte kekarvoje muodotama ptee mpärllä. Mtä uuremp o otokovara tearvo tä vomakkaampaa htevahtelu Huomaa hte varaeh ja Matematka ja teemaal lato Matematka ja teemaal lato Otokovara: Potve va egatve? Tutktaa umma :tä termä ( )( ) Etumerkk määrät e peruteella me havato (, ) jottuu uhteea kekarvoo ) Suuruu määrät e uorakatee pta-alaa, joka muodotuu ptede ( )( ) (, ) ( )( ) (, ) ja )väl Jo potvet terme hteelakettu pta-ala o uuremp (peemp) ku egatvte, otokovara o potve (egatve). (, ) Sk :llä o tapumu olla potve (egatve), jo ptejoukko ättää ättää ouevalta (lakevalta) ( )( ) ( )( ) Kahde muuttuja havatoaeto tuuluvut: Pearo otokorrelaatokerro Pearo otokorrelaatokerro o r mkä uptuu muotoo r Mttaa - ja -havatoarvoje leaare tlatolle rppuvuude vomakkuutta Aa ama etumerkk ku kovaralla g = g r = jo ja va jo o olemaa, g = g te että kaklla =,, - ja -havatoarvoje välllä o tällö ekakt el fuktoaale leaare rppuvuu Havatoarvot aettuvat amalle uoralle Vakka r =, - ja -havatoarvoje välllä aattaa lt olla jopa ekakt epäleaare rppuvuu. Matematka ja teemaal lato Matematka ja teemaal lato Pearo otokorrelaatokerro: Havaolltu r =. r =. r =. r =. r =. r = Tädelle epäleaare rppuvuu = ( ) r = Tuulukuje lakemta helpottavat kaavat Summa r Matematka ja teemaal lato Matematka ja teemaal lato

3 Otokorrelaatokerro etmaattora Olkoo tlatolle mall (X,Y )~N( X, Y, X, Y, XY ) Parametrt tutemattoma, jote e o etmotava. Etmaattort odotuarvolle:. =, = Etmaattort tadardpokkeamlle: = ), = ) SU-meetelmällä vodaa johtaa Pearo korrelaatokertomelle XY etmaattork otokorrelaatokerro =, mä = )( ) Luottamuvält ja tett XY :lle vodaa johtaa amaa tapaa ku odotuarvolle f XY (,) - - Korrelomattomuude tetaame: Tetauaetelma Moa tutkmutlatea ollaa kotueta tä ovatko atuamuuttujat X ja Y korrelomattoma va e Ue te aaa tovotaa, että korrelomattomuuoletu tulee tetä hlätk Vrt. ettää uua rppuvuuka, mahdolla eurauuhteta je. Huomautuka: Satuamuuttuje X ja Y korrelomattomuudeta e välttämättä euraa de rppumattomuu, vakka atuamuuttuje X ja Y rppumattomuudeta euraa aa de korrelomattomuu. Jo atuamuuttujat X ja Y oudattavat kakulotteta ormaaljakaumaa, atuamuuttuje X ja Y korrelomattomuudeta euraa de rppumattomuu. Matematka ja teemaal lato Matematka ja teemaal lato Tet korrelomattomuudelle Ylee hpotee H: Rppumattomat havaot (X,Y )~N( X, Y, X, Y, XY ) Nollahpotee H : = Vahtoehtoe hpotee: H : >ta H : <ta H : Tetuure = ) ) Nollahpotee päteä oudattaa Studet t-jakaumaa vapauate, jote ormaalarvo o E(t) = ja täte tearvoltaa uuret tetuuree arvot vttaavat he, että H e päde Hlkäalueet ja p-arvot t-jakaumata Yhde elttäjä leaare regreomall Oletetaa, että eltettävä muuttuja havattuje arvoje vahtelu halutaa elttää elttävä muuttuja el elttäjä havattuje arvoje vahtelu avulla. Tehdää euraavat oletuket: Seltettävä muuttuja o uhdeatekolle atuamuuttuja. Selttävä muuttuja o kteä el eatuae muuttuja. Satuae elttäjä tapauta kätellää möhemm Ptedagramm Matematka ja teemaal lato Matematka ja teemaal lato Yhde elttäjä leaare regreomall =, Tulkta: Ajatellaa että eltettävä muuttuja arvo rppuu leaaret elttävätä muuttujata, mutta he vakuttaa atuae vrhe o elttävä muuttuja arvo havatokköä Tämä arvo tedetää Satuamuuttujat: Havatokkköö lttvä vrhe malletaa atuamuuttujaa Selttävä muuttuja arvo o atuamuuttuja Y Tutemattoma parametreja: vakoelttäjä regreokerro elttäjä regreokerro Nämä vakot ovat evät rpu havatokkötä Yhde elttäjä leaare regreomall: Vrheterm tadardoletuket. Odotuarvoe vrhe o olla: =, =,,. Vrhe termellä o vakovara el e ovat homokedata: Var =,,. Jääötermt ovat korrelomattoma: Cor( )=, Läk jääö- el vrhetermetä tehdää ue. Normaaluuoletu:, =,, Huomautu: Oletu () ältää oletuket () ja (). Matematka ja teemaal lato Matematka ja teemaal lato

4 Yhde elttäjä leaare regreomall: Seltettävä muuttuja omauudet =, Stadardoletute (.-.) eurauket: =E : Var = Var = Var : Cor = Cov( ) = Cov( ) = Cor = Jo läk jääö- el vrhetermejä kokeva ormaaluuoletu (.) pätee, ~N Yhde elttäjä leaare regreomall: Stemaatte oa ja regreouora =,, Mall vodaa ajatella kootuva kahdeta oata: )+ Stemaatte oa E(Y ) = + el rakeeoa rppuu elttäjälle aetuta arvota Satuae oa e rpu elttäjälle aetuta arvota. Stemaatte oa määrttelee regreouora = + = regreouora ja -akel lekkaupte = regreouora kulmakerro Vrheterm vara kuvaa havato-ptede (, ) hajotaa regreouora mpärllä Matematka ja teemaal lato Matematka ja teemaal lato Yhde elttäjä leaare regreomall etmot =,, Regreokertomet ja o etmotava havaota: Selttävä muuttuja tuetut arvot,, Nätä vataavat eltettävä muuttuja Y,,Y havatut arvot,, Pemmä elöumma (PNS) -meetelmää: Ratkataa etmaatt vrhetermelle parametre ja fuktoa ) Regreokertome ja etmaatt määrätää, te että e mmovat vrheterme elöumma: m = m Yhde elttäjä leaare regreomall etmot m = m Mm löt (*) pteetä b b b r Nätä kututaa parametre ja PNS etmaatek Vataavat PNS etmaattort ovat atuamuuttujat ja = Ptedagramm =. +. R =. PNS: dea: Määrä uora (=muta) te että katkovvalla merkttje jaoje (=vrheterme) ptuuke elöde umma mmotuu Matematka ja teemaal lato Matematka ja teemaal lato (*) Tämä tulo johdetaa möhemm PNS-etmaattorede johto / m = m ) Dervodaa : ja : uhtee ja ettää ollakohdat S(, ) () ( ) S(, ) () ( ) Krjotetaa. ormaalhtälöt () ja () muotoh () () PNS-etmaattorede johto / () () Parametr PNS-etmaatk aadaa htälötä (): () b r j Sjottamalla b htälöö () aadaa parametr PNS-etmaatk () b b Svuutamme e oottame, että aatu äärarvo o todellak mm. () () Matematka ja teemaal lato Matematka ja teemaal lato

5 Yhde elttäjä leaare regreomall: Emerkk (/) b b b Ptedagramm r Summa... b. b b.... Yhde elttäjä leaare regreomall: Emerkk (/) Yhde elttäjä leaare regreomall =, regreokertome ja PNS-etmaatek aat b =. b =. Etmodu regreouora htälö o.. Ptedagramm =. +. R =. Matematka ja teemaal lato Matematka ja teemaal lato Yhde elttäjä leaare regreomall: Etmotu regreouora Sjotetaa regreokertome ja PNS-etmaatte lauekkeet ja etmodu regreouora lauekkeeee : r ( ) Suora kulkee havatoptede paoptee )kautta Jo >, uora o oueva. Jo <, uora o lakeva. Jo =, uora o vaakauoraa. Suora jrkkeee, jo korrelaato tearvo kavaa, otokekhajota kavaa ta otokekhajota peeee Yhde elttäjä leaare regreomall: Sovtteet ja reduaalt =,, Olkoot b ja b regreokertome ja PNS-etmaatt. Etmodu mall ovtteet: ˆ b b,,,, Etmodu regreouora atama arvo eltettävälle muuttujalle havatopteeä. Etmodu mall reduaalt: e ˆ b b,,,, Seltettävä muuttuja havatu arvo ja ovttee erotu. e ˆ ˆ e,,,, (, ) b b (, ˆ ) Huom! Pätee: Matematka ja teemaal lato Matematka ja teemaal lato Yhde elttäjä leaare regreomall: Sovttee ja reduaale tulkta Mall elttää muuttuja havattuje arvoje vahtelu tä paremm mtä lähempää etmodu mall ovtteet ovat eltettävä muuttuja havattuja arvoja, ta htäptävät, mtä peempä ovat etmodu mall reduaalt e. e ˆ (, ) (, ˆ ) Sovtteet ja reduaalt - Emerkk Etmotu mall Sovte Reduaal Summa.. Emerkk, ku =, ˆ..... e ˆ.... Ptedagramm =. +. R =. Matematka ja teemaal lato Matematka ja teemaal lato

6 Yhde elttäjä leaare regreomall: Jääövara etmot Jo tavalle hde elttäjä leaare regreomall jääö- el vrhetermejä kokevat tadardoletuket ()-(.) pätevät, jääövara Var( ) = harhato etmaattor o joa e e ˆ b b,,,, etmodu mall reduaal havatoje lukumäärä Jääövara etmot: Emerkk Alla olevaa taulukoa o lakettu etmodu mall ovtteet, reduaalt e, ja reduaale elöt e. Sovte Reduaal Re Summa... Jääövara harhato etmaattor o.. e Ptedagramm =. +. R =. Matematka ja teemaal lato Matematka ja teemaal lato Varaaalhajotelma: Idea Yhde elttäjä regreomall tehtävää o elttää eltettävä muuttuja havattuje arvoje vahtelu elttävä muuttuja havattuje arvoje vahtelulla. Otumta tää tehtävää vodaa kuvata. varaaalhajotelma avulla Varaaalhajotelmaa eltettävä muuttuja havattuje arvoje kokoavahtelua kuvaava. kokoaelöumma (SST) jaetaa kahde oatekjä ummak: SSM kuvaa etmodu mall elttämää oaa SST:tä SSE kuvaa malllla elttämättä jäättä oaa SST:tä Varaaalhajotelma: Määrtelmä Kokoaelöumma SST Kuvaa eltettävä muuttuja havattuje arvoje j vahtelua : otovaralle pätee /( ) Jääöelöumma SSE kuvaa reduaale e vahtelua e : otovaralle pätee /( ) Mallelöumma SSM kuvaa tä oaa eltettävä muuttuja havattuje arvoje vahteluta, joka etmotu mall o elttät Pätee: SST ( ) SSE e SSM ( ˆ ) Matematka ja teemaal lato Matematka ja teemaal lato Varaaalhajotelma: Omauudet Vodaa oottaa, että Seurauket: ja SSE e ( r ) ( ) ( r ) SST Perutelu: - r = = =,, = ± El kätett leaare regreomall elttää tädellet eltettävä muuttuja havattuje arvoje vahtelu =,, = El eltettävä muuttuja havattuje arvoje vahtelua e voda elttää kätet leaare regreomall avulla Seltate: Määrtelmä Varaaalhajotelma kertoo etmodu regreomall hvdetä Mtä uuremp o mallelöumma SSM (el mtä peemp jääöelöumma SSE) ouu kokoaelöummata SST, tä paremm etmotu mall elttää eltettävä muuttuja havattuje arvoje vahtelu. Tämä motvo eltatee SSE SSM R SST SST kätö regreomall hvde mttara. Mttaa regreomall elttämää ouutta eltettävä muuttuja havattuje arvoje kokoavahteluta. Ilmataa tavallet proettea: R % Matematka ja teemaal lato Matematka ja teemaal lato

7 Seltate: Omauudet SSE SSM R SST SST Yhte otokorrelaatokertomee: Seuraavat ehdot ovat htäptävä:. R =. e = kaklle =,,,. r = Seuraavat ehdot ovat htäptävä:. R =. b =. r = Varaaalhajotelma ja eltate: Emerkk Sovte Reduaal Re Summa... e. SST.. SSE SSE. R. SST. Ste etmotu mall o elttät. % eltettävä muuttuja arvoje vahteluta. Ptedagramm =. +. R =. Matematka ja teemaal lato Matematka ja teemaal lato Yhde elttäjä leaare regreomall: Eutee luottamuväl (/) Oletetaa että vrheterme ormaaluuoletu (.) pätee Etmodu mall eute eltettävällä muuttujalle ku tuetaa o E, mutta mkä o e luottamuväl? Luottamuväl johtoo tarvtaa jakauma eutee etmaattorlle + + )( ) Satuauu tulee termetä ~N llä,, tuetaa Vodaa oottaa, että + Perutelu: Keeä o leaarkombaato ormaaljakautueta atuamuuttujta Y Yhde elttäjä leaare regreomall: Eutee luottamuväl (/) )~ + Kätäöä vrheterme varaa e tueta vaa e tät etmoda havaota Luottamuväl muodotamea kätetää t-jakaumaa vrt. ormaaljakauma odotuarvo luottamuväl määrttäme ku varaa e tueta Eutee luottamuväl luottamutaolla ( ) o + t / o luottamukerro Studet t-jakaumata vapauate ( ) = /( ) Matematka ja teemaal lato Matematka ja teemaal lato Yhde elttäjä leaare regreomall: Eutee luottamuväl (/) + Muodotaa fuktoa luottamuvö etmodu regreouora mpärlle Vö kavetuu, jo havatoje lukumäärä ta elttäjä otovara kavaa Vö o tä leveämp, mtä kauempaa o havattuje arvoje kekarvota Eerga kulutu Havatoaeto Regreouora % luottamuväl euteelle % luottamuväl havaolle - Varalluu Tätä vodaa johtaa luottamuväl kttäelle havaolle + + Tämä luottamuväl o leveämp ku eutee luottamuväl Kekmääräe arvo eutame helpompaa ku kttäe arvo Yhde elttäjä leaare regreomall: Satuae elttäjä (/) Oletetaa että mö elttävä muuttuja o atuae: =, PNS-meetelmä e välttämättä tuota harhattoma ta ede tarketuva etmaattoreta regreokertomlle. Nä kä emerkk ellaa tapauka, joa vrheterm ja elttäjä korrelovat. Km: Mllo kteälle, e-atuaelle elttäjälle etettä teoraa aa oveltaa mö atuaelle elttäjälle? Vatau: Aak llo, ku vrhetermt toteuttavat tadardoletuket ehdollet elttäjä havattuje arvoje uhtee Matematka ja teemaal lato Matematka ja teemaal lato

8 Yhde elttäjä leaare regreomall: Satuae elttäjä (/) Modfodut tadardoletuket malllle =,. =,=,,. Var =,,. Cor( )=, Ue tehtävä ormaaluuoletu vataavat. f = ep (ältää oletuket. ja.) Oletuket melko rajottava Etek akaarjoje regreomallea kohdataa ellaa tlateta, joa evät ede modfodut oletuket päde. Tällaa tlatea PNS-meetelmää e pdä kättää mall parametre etmot Mte tätä eteepä? Todeäkölakea ja tlatotetee perukur Stokatet proet Itroducto to Stochatc Large radom tem Browa moto ad Stochatc aal Tlatolle aal peruteet Koeuuttelu ja tlatollet mallt Eutame ja akaarja-aal Momuuttujameetelmät Matemaatte tlatotede Specal coure Stochatc, Stattc ad Mathematcal phc Itroducto to Baea Stattc Baea Modellg Lääketeteelle tekka ja lakealle tetee lato Stokate = atuae Matematka ja teemaal lato Matematka ja teemaal lato

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6 Todeäkölakea ja tlatotetee perukur Emerkkkokoelma 6 Todeäkölakea ja tlatotetee perukur Emerkkkokoelma 6 Aheet: Tlatolle rppuvuu ja korrelaato Yhde elttäjä leaare regreomall Avaaat: Artmeette kekarvo Etmot

Lisätiedot

ε i = jäännös- eli virhetermin ε satunnainen ja ei-havaittu arvo havaintoyksikössä i

ε i = jäännös- eli virhetermin ε satunnainen ja ei-havaittu arvo havaintoyksikössä i Mat-.60 Sovellettu todeäkölaketa B. harjotuket Mat-.60 Sovellettu todeäkölaketa B. harjotuket / Ratkaut Aheet: Yhde elttäjä leaare regreomall Avaaat: Ehdolle jakauma, Ehdolle odotuarvo, Ehdolle vara, Etmot,

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

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

Lisätiedot

Ratkaisu: Kaikki tehtävän laskutoimitukset on tehty Microsoft Excel -ohjelmalla; ks. taulukkoa tehtävän lopussa.

Ratkaisu: Kaikki tehtävän laskutoimitukset on tehty Microsoft Excel -ohjelmalla; ks. taulukkoa tehtävän lopussa. Mat-.09 Sovellettu todeäköyylaku. harjotuket Mat-.09 Sovellettu todeäköyylaku. harjotuket / Ratkaut Aheet: Avaaat: Regreoaalyy Etmot, Jääöelöumma, Jääöterm, Jääövara, Kekhajota, Kokoaelöumma, Korrelaato,

Lisätiedot

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

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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Lisätiedot

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

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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.4 Tilatollie aali peruteet, kevät 7 6. lueto: Johdatu regreioaalii Regreioaali idea Tavoitteea elittää elitettävä tekiä/muuttua havaittue arvoe vaihtelu elittävie tekiöide/muuttuie havaittue arvoe

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio

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

Lisätiedot

Muuttujien välisten riippuvuuksien analysointi

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

Lisätiedot

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

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

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

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

Lisätiedot

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

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

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Lisätiedot

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

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

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

Lisätiedot

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

1. PARAMETRIEN ESTIMOINTI

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

Lisätiedot

Väliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme?

Väliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme? TKK (c) Ilkka Melli (004) Välietimoiti Todeäköiyyjakaumie parametrie etimoiti Normaalijakauma variai luottamuväli Beroulli-jakauma odotuarvo luottamuväli Johdatu tilatotieteeee Välietimoiti TKK (c) Ilkka

Lisätiedot

1. välikoe

1. välikoe Jan Loto TA7 Ekonometan johdantok Nm: Opkeljanmeo: välkoe 77 Vataa alla olevn kyymykn ympäömällä okea vahtoehto Kakn tehtävää on neljä vahtoehtoa, jota yk on oken Okeata vataketa aa pteen ja vääätä vataketa

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

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

Lisätiedot

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

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

Lisätiedot

Kaavakokoelma, testinvalintakaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu.

Kaavakokoelma, testinvalintakaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. A30A0650 Tlatolle tutmue euteet 6o Tett, tota 8.9.06 / A Taae & Maja Hujala Kaavaooelma, tetvaltaaavot ja jaaumatauluot ltteä. E oma tauluota! La allttu. Tehtävä a Meceee valmtame F auto moottoee etäve

Lisätiedot

Suoran sovittaminen pistejoukkoon

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

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I HY / Matematiikan ja tilatotieteen laito Tilatollinen päättely II, kevät 207 Harjoitu 4 Ratkaiuehdotukia Tehtäväarja I. (Kvantiili-kvantiili kuvion [engl. q q plot] idea.) Olkoon atunnaimuuttujalla X ellainen

Lisätiedot

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

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

Lisätiedot

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

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

Lisätiedot

12. laskuharjoituskierros, vko 16, ratkaisut

12. laskuharjoituskierros, vko 16, ratkaisut 1. lakuharjoitukierro, vko 16, ratkaiut D1. Muuttujien x ja Y havaitut arvot ovat: x 1 3 4 6 8 9 11 14 Y 1 4 4 5 7 8 9 a) Määrää regreiomallin Y i = α +βx i +ǫ i regreiokertoimien PNS-etimaatit ja piirrä

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

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

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

Lisätiedot

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

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

Lisätiedot

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

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

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

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

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

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

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

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

Lisätiedot

Testaa onko lämpökäsittelyllä vaikutusta tankojen keskimääräiseen vetolujuuteen.

Testaa onko lämpökäsittelyllä vaikutusta tankojen keskimääräiseen vetolujuuteen. Mat-.03 Koesuuttelu ja tlastollset mallt 6. harjotuset Mat-.03 Koesuuttelu ja tlastollset mallt 6. harjotuset / Ratasut Aheet: Avasaat: Yssuutae varassaals Artmeette esarvo, Bartlett test, Box ja Whser

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

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

Lisätiedot

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

Raja-arvot. Osittaisderivaatat.

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

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

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

Lisätiedot

10 Suoran vektorimuotoinen yhtälö

10 Suoran vektorimuotoinen yhtälö 10 Suran vektrimutinen htälö J aluki tarkatellaan -tan kuuluvaa, rign kautta kulkevaa uraa, niin ura n täin määrätt, mikäli tunnetaan en uunta. Tavallieti tämä annetaan uuntakulman tangentin = kulmakertimen

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

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman 4. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7..008 Thomas Hackman 4. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 4. Tähtteteellsten

Lisätiedot

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman 5. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7.4.006 Thomas Hackman 5. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 5. Tähtteteellsten

Lisätiedot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

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

Lisätiedot

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

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

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

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

Lisätiedot

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

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

Lisätiedot

3. Datan käsittely lyhyt katsaus

3. Datan käsittely lyhyt katsaus 3. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento..0 Thomas Hackman HTTPK I, kevät 0, luento 3 3. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus

Lisätiedot

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

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

Lisätiedot

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoki, proeori Lappeenrannan teknillinen yliopito Näin uuden vuoden alkaea ueat meitä miettivät ijoitualkkuna kootumuta. Yki kekeiitä kyymykitä on päätö eri

Lisätiedot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

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

Lisätiedot

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

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

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/24

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

Lisätiedot

A130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala

A130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala A30A0650-K Tlatolle tutmue euteet 6 o Tett 0.5.06 / A Taae & Maja Hujala Kaavaooelma, tetvaltaaavot ja jaaumatauluot ltteä. E oma tauluota! La allttu. Tehtävä a Koeaja o hvättävä alhajalta aatu tavaaeä,

Lisätiedot

12. ARKISIA SOVELLUKSIA

12. ARKISIA SOVELLUKSIA MAA. Arkiia ovellukia. ARKISIA SOVELLUKSIA Oleeaan, eä kappale liikkuu ykiuloeia raaa, eimerkiki -akelia pikin. Kappaleen nopeuden vekoriluonne riiää oaa vauhdin eumerkin avulla huomioon, ja on ehkä arkoiukenmukaiina

Lisätiedot

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

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

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

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

Lisätiedot

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

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

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat: Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, Estmaatt, Estmaattor,

Lisätiedot

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

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

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

Mat Koesuunnittelu ja tilastolliset mallit Mat-.03 Koeuuittelu ja tilatolliet mallit Mat-.03 Koeuuittelu ja tilatolliet mallit / Ratkaiut Aiheet: Avaiaat: Tilatolliet tetit Tetit uhdeateikolliille muuttujille Tetit laatueroateikolliille muuttujille

Lisätiedot

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

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

Lisätiedot

POIKKILEIKKAUKSEN GEOMETRISET SUUREET

POIKKILEIKKAUKSEN GEOMETRISET SUUREET KLEKKUKEN GEMETRET UUREET d Pleause gemetrset suureet määrtellää melvaltase pstee (, hdalla leva ptaelemet d avulla. Tässä ästeltävä ptasuureta lasettaessa vdaa ättää hteelasuperaatetta (mös väheslasuperaate

Lisätiedot

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

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

Lisätiedot

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

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

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

Lisätiedot

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

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

Lisätiedot

Kertausosa. 2. Kuvaan merkityt kulmat ovat samankohtaisia kulmia. Koska suorat s ja t ovat yhdensuuntaisia, kulmat ovat yhtä suuria.

Kertausosa. 2. Kuvaan merkityt kulmat ovat samankohtaisia kulmia. Koska suorat s ja t ovat yhdensuuntaisia, kulmat ovat yhtä suuria. 5. Veitoken tilavuu on V,00 m 1,00 m,00 m 6,00 m. Pienoimallin tilavuu on 1 V malli 6,00 m 0,06m. 100 Mittakaava k aadaan tälötä. 0,06 1 k 6,00 100 1 k 0,1544... 100 Mitat ovat. 1,00m 0,408...m 100 0,41

Lisätiedot

Bernoullijakauma. Binomijakauma

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

Lisätiedot

Gibbsin vapaaenergia aineelle i voidaan esittää summana

Gibbsin vapaaenergia aineelle i voidaan esittää summana Lueto 8: Epädeaalsuus ja aktvsuuskerro Torsta 1.11. klo 14-16 477401A - Terodyaaset tasapaot (Syksy 2012) http://www.oulu.f/pyoet/477401a/ eetu.hekke@oulu.f Kertausta: Gbbs eerga ja tasapaovako Gbbs vapaaeerga

Lisätiedot

RATKAISUT: 17. Tasavirtapiirit

RATKAISUT: 17. Tasavirtapiirit Phyica 9. paino 1(6) ATKAST 17. Taavirtapiirit ATKAST: 17. Taavirtapiirit 17.1 a) Napajännite on laitteen navoita mitattu jännite. b) Lähdejännite on kuormittamattoman pariton napajännite. c) Jännitehäviö

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

Viime kerralta: Puheentuotto (vokaalit)

Viime kerralta: Puheentuotto (vokaalit) Vme elt: Puheetuotto volt Solle glottheäte Äätöväylä Suodtue tuloe ytyvä ää Vme elt: Kelly-Lochbum yhtälöt Mllet äätöväylää tuje ute vull: 3 Vme elt: Rtooetee ll ole -uod Kelly-Lochbum yhtälöde mue toetee

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

Johdatus regressioanalyysiin. Heliövaara 1

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

Lisätiedot

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

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

Lisätiedot

Intensiteettitaso ja Doplerin ilmiö

Intensiteettitaso ja Doplerin ilmiö Inteniteettitao ja Doplerin ilmiö Tehtävä Erkki työkentelee airaalaa. Sairaalalta 6,0 km päää on tapahtunut tieliikenneonnettomuu ja onnettomuupaikalta lähteneen ambulanin ireenin ääni kuuluu Erkille 60,0

Lisätiedot

Moniulotteiset jakaumat ja havaintoaineistot

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

Lisätiedot

4.3 Liikemäärän säilyminen

4.3 Liikemäärän säilyminen Tämän kappaleen aihe liikemäärän äilyminen törmäykiä. Törmäy on uora ja kekeinen, jo törmäävät kappaleet liikkuvat maakekipiteitten kautta kulkevaa uoraa pitkin ja jo törmäykohta on tällä amalla uoralla.

Lisätiedot

Piirrä kuvioita suureen laatikkoon. Valitse ruutuun oikea merkki > tai < tai =.

Piirrä kuvioita suureen laatikkoon. Valitse ruutuun oikea merkki > tai < tai =. Piirrä kuvioita suureen laatikkoon. Valitse ruutuun oikea merkki tai < tai =. 1 Valitse ruutuun oikea merkki tai < tai =. ------------------------------------------------------------------------------

Lisätiedot

Insinöörimatematiikka IA

Insinöörimatematiikka IA Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Lisätiedot

K Ä Y T T Ö S U U N N I T E L M A Y H D Y S K U N T A L A U T A K U N T A

K Ä Y T T Ö S U U N N I T E L M A Y H D Y S K U N T A L A U T A K U N T A K Ä Y T T Ö S U U N N I T E L M A 2 0 1 7 Y H D Y S K U N T A L A U T A K U N T A Forssan kaupunki Talousarvio ja -suunnitelma 2017-2019 / T O I M I A L A P A L V E L U 50 YHDYSKUNTAPALVELUT 5 0 0 T E

Lisätiedot

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

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

Lisätiedot

Luento 6 Luotettavuus ja vikaantumisprosessit

Luento 6 Luotettavuus ja vikaantumisprosessit Tkll korkakoulu ysmaalyys laboraoro Luo 6 Luoavuus a vkaaumsrosss Ah alo ysmaalyys laboraoro Tkll korkakoulu PL 00, 005 TKK Tkll korkakoulu ysmaalyys laboraoro Määrlmä Tarkaslava ykskö luoavuus o s odäkösyys,

Lisätiedot

LUJUUSOPPI 20/1 SESSIO 20: PINTASUUREET JOHDANTO

LUJUUSOPPI 20/1 SESSIO 20: PINTASUUREET JOHDANTO LUJUUPP / E : PNTUUREET JHDNT Lujuusp tehtäve ratkasussa tarvtaa erlasa gemetrsa ptasuureta kute pta-ala, staatte mmett, ptakeskö, elömmett, tulmmett ja pääelömmett. Nämä pkklekkaukse gemetrset suureet

Lisätiedot

RATKAISUT: 8. Momentti ja tasapaino

RATKAISUT: 8. Momentti ja tasapaino Phyica 9. paino (7) : 8. Voian vari r on voian vaikutuuoran etäiyy pyöriiakelita. Pyöriiakeli on todellinen tai kuviteltu akeli, jonka ypäri kappale pyörii. Voian oentti M kuvaa voian vääntövaikututa tietyn

Lisätiedot

Telecommunication engineering I A Exercise 3

Telecommunication engineering I A Exercise 3 Teleouao egeerg I 5359A xere 3 Proble elaodulaaor lohkokaavo o eey oppkrja kuvaa 3.63. Pulodulaaor ääuloa o aoagaal ja reeregaal erou d. Tää gaal kerroaa pulgeeraaor gaallla rajouke, el erouke erk elväe,

Lisätiedot

Harjoituksen pituus: 90min 3.10 klo 10 12

Harjoituksen pituus: 90min 3.10 klo 10 12 Pallollse puolustae: Sokea ja ta käspallo/ Lppupallo Tavote: aalteo estäe sjottue puolustavalle puolelle, potku ta heto estäe, syöttäse estäe rstäe taklaus, pae tla vottase estäe sjottue puolustavalle

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 4 Aheet: Tlastollste aestoje kerääme ja mttaame Tlastollste aestoje kuvaame Otokset

Lisätiedot

Regressioanalyysi. Kuusinen/Heliövaara 1

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

Lisätiedot

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

Satunnaismuuttujat ja todennäköisyysjakaumat

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

Lisätiedot

Rak-54.116 Rakenteiden mekaniikka C, RM C (4 ov) Tentti 30.8.2007

Rak-54.116 Rakenteiden mekaniikka C, RM C (4 ov) Tentti 30.8.2007 Rak-54.116 Rakeneden mekankka, RM (4 ov) Ten.8.7 Krjoa jokaeen koepapern elvä - koko nme, puhuelunm allevvauna - oao, vuokur, enn pävämäärä ekä enävä opnojako koodeneen - opkeljanumero, mukaan luken arkukrjan

Lisätiedot

1. Kaikki kaatuu, sortuu August Forsman (Koskimies)

1. Kaikki kaatuu, sortuu August Forsman (Koskimies) olo q» date reliioso olo 7 K (2003) KE2a7 1. Kaikki kaatuu, sortuu uust Forsma (Koskimies) olo 14 olo 21 3 3 3 3 3 3 3 3 Ÿ ~~~~~~~~~~~ π K (2003) KE2a7 uhlakataatti (kuoro) - 2 - Kuula: - 3 - uhlakataatti

Lisätiedot

Yhden selittäjän lineaarinen regressiomalli: Lisätiedot. Yhden selittäjän lineaarinen regressiomalli

Yhden selittäjän lineaarinen regressiomalli: Lisätiedot. Yhden selittäjän lineaarinen regressiomalli TKK (c) Ilkka Melli (4) Yhde selittää lieaarie regressiomalli Johdatus tilastotieteesee Yhde selittää lieaarie regressiomalli Yhde selittää lieaarie regressiomalli a sitä koskevat oletukset Yhde selittää

Lisätiedot