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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

1 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Aheet: Tlastollset testt Avasaat: Artmeette keskarvo Beroull-jakauma Frekvess Hylkäysvrhe Hypotees Hyväksymsalue Hyväksymsvrhe Kahde otokse testt Keskhajota Krtte arvo Merktsevyystaso Nollahypotees Normaaljakauma Odotusarvo Odotusarvoje vertalutest Otos Otoskoko Otosvarass Parvertalutest p-arvo Rppumattomat otokset Rppumattomuus Rppuvat otokset Stadardotu ormaaljakauma Suhteelle frekvess Suhteelle osuus Suhteellste osuukse vertalutest Test Testsuure Testt odotusarvolle Testt suhteellselle osuudelle Testt varasslle t-jakauma Todeäkösyys t-test Vahtoehtoe hypotees Vapausaste Varass Vertalutestt Yhde otokse testt Ykskertae satuasotos Ylee hypotees z-test Tlastollset testt Yhde otokse t-test Testausasetelma yhde otokse t-testssä odotusarvolle Olkoo X, =,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttujat X, =,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(, ): X, X,, X X N(, ),,,, Asetetaa ormaaljakauma N(, ) odotusarvo- el pakkaparametrlle ollahypotees H : Mlla Kbble ja Ilkka Mell (3) /3

2 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Testausogelma: Ovatko havaot sopusoussa ollahypotees H kassa? Ogelma ratkasua o yhde otokse t-test odotusarvolle. Hypoteest yhde otokse t-testssä odotusarvolle Ylee hypotees H : Nollahypotees: X, X,, X X ~N(, ),,,, H : Vahtoehtoset hypoteest: H: H: H : -suutaset vahtoehtoset hypoteest -suutae vahtoehtoe hypotees Parametre estmot yhde otokse t-testssä odotusarvolle Olkoot ja X X s X X ( ) tavaomaset harhattomat estmaattort ormaaljakauma parametrelle ja. Tuusluku X o havatoje X, =,,, artmeette keskarvo ja s o havatoje X, =,,, otosvarass. Testsuure yhde otokse t-testssä odotusarvolle Määrtellää t-testsuure Jos ollahypotees t X s/ H : pätee, testsuure t oudattaa Studet t-jakaumaa vapausaste ( ): t t( ) Testsuuree t ormaalarvo =, koska ollahypotees H pätessä E(t) = Ste tsesarvoltaa suuret testsuuree t arvot vttaavat she, että ollahypotees H e päde. Mlla Kbble ja Ilkka Mell (3) /3

3 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 e määrääme yhde otokse t-testssä odotusarvolle Valtaa test merktsevyystasoks. () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, ) t Krtte raja ta arvo +t saadaa ehdosta jossa t t( ). Pr( tt ) () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, t ) Krtte raja ta arvo t saadaa ehdosta jossa t t( ). Pr( tt ) () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, t ) ( t, ) / / Krttset rajat ta arvot t / ja +t / saadaa ehdosta jossa t t( ). Pr( t t ) / / Pr( t t ) / / Nollahypotees hylätää, jos testsuuree arvo osuu hylkäysalueelle. Mlla Kbble ja Ilkka Mell (3) 3/3

4 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Alla olevat kuvot havaollstavat test hylkäysaluee määräämstä: H: H: H: t ( ) t ( ) t ( ) t t t t / / p-arvo määrääme yhde otokse t-testssä odotusarvolle Olkoo t-testsuuree havattu arvo t. Alla olevat kuvot havaollstavat test p-arvo määräämstä: H: H: H: t ( ) t ( ) t ( ) p p p p p p p t t t t Test p-arvo = p Test p-arvo = p Test p-arvo = p Nollahypotees hylätää, jos test p-arvo o kyll pe. Yhde otokse test varasslle Olkoo X, =,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttujat X, =,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(, ): X, X,, X X N(, ),,,, Asetetaa ormaaljakauma N(, ) varassparametrlle ollahypotees H : Mlla Kbble ja Ilkka Mell (3) 4/3

5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Testausogelma: Ovatko havaot sopusoussa ollahypotees H kassa? Ogelma ratkasua o yhde otokse -test varasslle. Hypoteest yhde otokse testssä varasslle Ylee hypotees H : Nollahypotees: X, X,, X X ~N(, ),,,, H : Vahtoehtoset hypoteest: H: -suutaset vahtoehtoset hypoteest H: H : -suutae vahtoehtoe hypotees Parametre estmot yhde testssä varasslle Olkoot ja X X s X X ( ) tavaomaset harhattomat estmaattort ormaaljakauma parametrelle ja. Tuusluku X o havatoje X, =,,, artmeette keskarvo ja s o havatoje X, =,,, otosvarass. Testsuure yhde otokse testssä varasslle Määrtellää -testsuure Jos ollahypotees ( ) s H : pätee, testsuure oudattaa -jakaumaa vapausaste ( ): ( ) Testsuuree ormaalarvo = ( ), koska ollahypotees H pätessä E( ) = Ste sekä peet että suuret testsuuree arvot vttaavat she, että ollahypotees H e päde. Mlla Kbble ja Ilkka Mell (3) 5/3

6 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 e määrääme yhde otokse testssä varasslle Valtaa test merktsevyystasoks. () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, ) Krtte raja ta arvo saadaa ehdosta Pr( ) () jossa ( ). Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, ) Krtte raja ta arvo saadaa ehdosta Pr( ) jossa ( ). () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, / ) ( /, ) Krttset rajat ta arvot / ja / saadaa ehdosta Pr( ) / / Pr( ) / / jossa ( ). Nollahypotees hylätää, jos testsuuree arvo osuu hylkäysalueelle. Mlla Kbble ja Ilkka Mell (3) 6/3

7 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Alla olevat kuvot havaollstavat test hylkäysaluee määräämstä: H: H: H: ( ) ( ) ( ) p-arvo määrääme yhde otokse testssä varasslle Olkoo -testsuuree havattu arvo. Alla olevat kuvot havaollstavat test p-arvo määräämstä, ku vahtoehtoe hypotees o ykssuutae: H: H: ( ) ( ) Kakssuutase vahtoehtose hypotees H: tapauksessa test p-arvo o jossa p p p p Test p-arvo = p p m Pr( ),Pr( ) ( ) Test p-arvo = p Nollahypotees hylätää, jos test p-arvo o kyll pe. Mlla Kbble ja Ilkka Mell (3) 7/3

8 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Kahde rppumattoma otokse t-test Testausasetelma kahde rppumattoma otokse t-testssä odotusarvolle Olkoo X, =,,, satuasotos ormaaljakaumasta N(, ). Tällö satuasmuuttujat X, =,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa X, X,, X X N(, ),,,, Olkoo X j, j =,,, satuasotos ormaaljakaumasta rppumattoma ja oudattavat samaa ormaaljakaumaa X, X,, X Oletetaa lsäks, että otokset X N(, ), j,,, N(, ) : N(, ). Tällö satuasmuuttujat X j, j =,,, ovat j N(, ) : ja X, =,,, X j, j =,,, ovat rppumattoma tosstaa. Asetetaa ormaaljakaume N(, ) ja N(, ) odotusarvo- el pakkaparametrelle ja ollahypotees H : Testausogelma: Ovatko havaot sopusoussa ollahypotees H kassa? Ogelma ratkasua o kahde rppumattoma otokse t-test odotusarvolle. Hypoteest kahde rppumattoma otokse t-testssä odotusarvolle Ylee hypotees H : X ~N(, ),,,, X ~N(, ), j,,, j Nollahypotees: Havaot X ja X j ovat rppumattoma kaklle ja j H : Mlla Kbble ja Ilkka Mell (3) 8/3

9 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Vahtoehtoset hypoteest: H: H: H : -suutaset vahtoehtoset hypoteest -suutae vahtoehtoe hypotees Parametre estmot kahde rppumattoma otokse t-testssä odotusarvolle Olkoot ja k Xk Xk, k, k s ( X X ), k, k k k k k tavaomaset harhattomat estmaattort ormaaljakauma parametrelle k ja k. Tuusluku X k o havatoje X k, =,,, k, k =, artmeette keskarvo ja s k o havatoje X k, =,,, k, k =, otosvarass. Testsuure ylesessä tapauksessa kahde rppumattoma otokse t-testssä odotusarvolle Määrtellää t-testsuure Jos ollahypotees t A X X s s H : pätee, testsuure t A oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa N(,): t A a N(,) Testsuuree t A ormaalarvo =, koska ollahypotees H pätessä E(t A ) = Ste tsesarvoltaa suuret testsuuree t A arvot vttaavat she, että ollahypotees H e päde. Pessä otoksssa testsuuree t A jakaumalle saadaa paremp approksmaato käyttämällä approksmovaa jakaumaa t-jakaumaa vapausaste (s. Satterthwate approksmaato) s s s s Jos e ole kokoasluku, : arvo o tapaa pyörstää alaspä lähmpää kokoaslukuu. Mlla Kbble ja Ilkka Mell (3) 9/3

10 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Hema huoomp approksmaato testsuuree t A jakaumalle (mutta, joka o paremp ku ormaaljakauma-approksmaato) saadaa käyttämällä approksmovaa jakaumaa t-jakaumaa vapausaste m(, ) e määrääme kahde rppumattoma otokse t-testssä odotusarvolle Valtaa test merktsevyystasoks. Kästtelemme tässä krttste rajoje määräämstä va, ku testsuuretta t A approksmodaa ormaaljakaumalla. Krttste rajoje määrääme, ku testsuuretta t A approksmodaa t- jakaumalla, tapahtuu täsmällee samalla tavalla ku yhde otokse t-test tapauksessa. () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, ) t Krtte raja ta arvo +t saadaa ehdosta Pr( tt ) () jossa t N(,). Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, t ) Krtte raja ta arvo t saadaa ehdosta jossa t N(,). Pr( tt ) () Jos vahtoehtoe hypotees o muotoa H: test hylkäysalue o muotoa (, t ) ( t, ) / / Krttset rajat ta arvot t / ja +t / saadaa ehdosta jossa t N(,). Pr( t t ) / / Pr( t t ) / / Nollahypotees hylätää, jos testsuuree arvo osuu hylkäysalueelle. Mlla Kbble ja Ilkka Mell (3) /3

11 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Alla olevat kuvot havaollstavat test hylkäysaluee valtaa: H: H: H: N(,) N(,) N(,) t t t t / / p-arvo määrääme kahde rppumattoma otokse t-testssä odotusarvolle Olkoo t-testsuuree t A havattu arvo t. Kästtelemme tässä test p-arvo määräämstä va, ku testsuuretta t A approksmodaa ormaaljakaumalla. p-arvo määrääme, ku testsuuretta t A approksmodaa t-jakaumalla, tapahtuu täsmällee samalla tavalla ku yhde otokse t-test tapauksessa. Alla olevat kuvot havaollstavat test p-arvo määräämstä: H: H: H: N(,) N(,) N(,) p p p p p p p t t t t Test p-arvo = p Test p-arvo = p Test p-arvo = p Nollahypotees hylätää, jos test p-arvo o kyll pe. t-test parvertalulle Testausasetelma t-testssä parvertalulle Oletetaa, että havaot muodostuvat muuttujaa X koskevsta tosstaa rppumattomsta mttaustulokse paresta (X, X ), =,,, Mlla Kbble ja Ilkka Mell (3) /3

12 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Tavotteea o verrata mttauksa X ja X tossa: Atavatko mttaukset ja keskmäär sama tulokse? Muodostetaa mttaustulokse X ja X erotukset D,,,, X X Mttaukset ja atavat keskmäär sama tulokse, jos erotukset D saavat keskmäär arvo olla. Parvertaluogelma ratkasua o tavaomae yhde otokse t-test mttaustulokse X ja X erotukse D odotusarvolle. Hypoteest t-testssä parvertalulle Ylee hypotees H : Nollahypotees: D, D,, D D ~N( D, D),,,, H : Vahtoehtoset hypoteest: D H: D H: D -suutaset vahtoehtoset hypoteest H : -suutae vahtoehtoe hypotees D Parametre estmot t-testssä parvertalulle Olkoot ja D D s D D D ( ) tavaomaset harhattomat estmaattort ormaaljakauma parametrelle ja. Tuusluku D o erotuste D,,,, X X artmeette keskarvo ja s D o erotuste D,,,, X X otosvarass. Testsuure t-testssä parvertalulle Määrtellää t-testsuure Jos ollahypotees t s D D / H : D D D Mlla Kbble ja Ilkka Mell (3) /3

13 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 pätee, testsuure t oudattaa Studet t-jakaumaa vapausaste ( ): t t( ) Testsuuree t ormaalarvo =, koska ollahypotees H pätessä E(t) = Ste tsesarvoltaa suuret testsuuree t arvot vttaavat she, että ollahypotees H e päde. e määrääme t-testssä parvertalulle Krttste arvoje määrääme tapahtuu vastaavalla tavalla ku yhde otokse t-test tapauksessa. p-arvo määrääme t-testssä parvertalulle Test p-arvo määrääme tapahtuu vastaavalla tavalla ku yhde otokse t-test tapauksessa. Test suhteellselle osuudelle Testausasetelma testssä suhteellselle osuudelle Olkoo A perusjouko S tapahtuma ja olkoo Pr(A) = p Pr(A c ) = p = q Määrtellää satuasmuuttuja, jos tapahtuma A sattuu X, jos tapahtuma A e satu Tällö satuasmuuttuja X oudattaa Beroull-jakaumaa parametraa p: ja X Ber(p) E( X) p Var( ) D ( ) X X pq Oletetaa, että tapahtuma A o muotoa Tällö A = Perusjouko S alkolla o omasuus P p = Pr(A) o todeäkösyys poma perusjoukosta S satuasest alko, jolla o omasuus P. Jos perusjoukko S o äärelle, todeäkösyys p kuvaa de perusjouko S alkode suhteellsta osuutta, jolla o omasuus P. Olkoo X, X,, X satuasotos perusjoukosta S, joka oudattaa Beroull-jakaumaa Beroull(p). Tällö X, X,, X X Beroull( p),,,, Mlla Kbble ja Ilkka Mell (3) 3/3

14 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Asetetaa Beroull-jakauma odotusarvoparametrlle p ollahypotees H : p = p Testausogelma: Ovatko havaot sopusoussa ollahypotees H kassa? Ogelma ratkasua o test suhteellselle osuudelle. Hypoteest testssä suhteellselle osuudelle Ylee hypotees: Nollahypotees: X, X,, X X Beroull( p),,,, H : p = p Vahtoehtoset hypoteest: H: p p H: p p H : p p -suutaset vahtoehtoset hypoteest -suutae vahtoehtoe hypotees Parametre estmot testssä suhteellselle osuudelle Olkoo pˆ X tavaomae harhato estmaattor Beroull-jakauma parametrlle p. Huomaa, että X f o tapahtuma A frekvess sä -kertasessa rppumattome Beroull-kokede sarjassa, jota ykskertase satuasotokse pomta Beroull-jakaumasta Beroull(p) merktsee. Ste f pˆ o tapahtuma A suhteelle frekvess ja f X B(, p) Testsuure testssä suhteellselle osuudelle Määrtellää z-testsuure Jos ollahypotees z pˆ p H : p = p p( p) Mlla Kbble ja Ilkka Mell (3) 4/3

15 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 pätee, testsuure z oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa N(,): z a N(,) Testsuuree z ormaalarvo =, koska ollahypotees H pätessä E(z) = Ste tsesarvoltaa suuret testsuuree z arvot vttaavat she, että ollahypotees H e päde. e määrääme testssä suhteellselle osuudelle Valtaa test merktsevyystasoks. () Jos vahtoehtoe hypotees o muotoa H:p p test hylkäysalue o muotoa (, ) z Krtte raja ta arvo +z saadaa ehdosta Pr( zz ) () jossa z N(,). Jos vahtoehtoe hypotees o muotoa H:p p test hylkäysalue o muotoa (, z ) Krtte raja ta arvo z saadaa ehdosta jossa z N(,). Pr( zz ) () Jos vahtoehtoe hypotees o muotoa H:p p test hylkäysalue o muotoa (, z ) ( z, ) / / Krttset rajat ta arvot z / ja +z / saadaa ehdosta jossa Pr( zz ) / / Pr( zz ) / z N(,). / Nollahypotees hylätää, jos testsuuree arvo osuu hylkäysalueelle. Alla olevat kuvot havaollstavat test hylkäysaluee valtaa: Mlla Kbble ja Ilkka Mell (3) 5/3

16 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 H:p p H:p p H:p p N(,) N(,) N(,) z z z z / / p-arvo määrääme testssä suhteellselle osuudelle Olkoo z-testsuuree z havattu arvo z. Alla olevat kuvot havaollstavat test p-arvo määräämstä: H:p p H:p p H:p p N(,) N(,) N(,) p p p p p p p z z z z p-arvo = p p-arvo = p p-arvo = p Nollahypotees hylätää, jos test p-arvo o kyll pe. Suhteellste osuukse vertalutest Testausasetelma suhteellste osuukse vertalutestssä Olkoo A perusjouko S k, k =, tapahtuma ja olkoot Pr(A) = p k, k =, Pr(A c ) = p k = q k, k =, Määrtellää satuasmuuttujat X k, k =, : Tällö X k, jos Atapahtuu perusjoukossa Sk, jos Ae tapahdu perusjoukossa S k Mlla Kbble ja Ilkka Mell (3) 6/3

17 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 ja X k ~ Beroull(p k ), k =, E( X ) p k k Var( Xk) D ( Xk) pkqk Oletetaa, että tapahtuma A o muotoa Tällö A = Perusjouko alkolla o omasuus P p k = Pr(A) o todeäkösyys poma perusjoukosta S k, k =, satuasest alko, jolla o omasuus P. Jos perusjoukko S k, k =, o äärelle, todeäkösyys p k kuvaa de perusjouko S k alkode suhteellsta osuutta, jolla o omasuus P. Olkoo X, X,, X satuasotos perusjoukosta S, joka oudattaa Beroull-jakaumaa Beroull(p ). Tällö Olkoo X, X,, X X Beroull( p ),,,, X, X,, X satuasotos perusjoukosta S, joka oudattaa Beroull-jakaumaa Beroull(p ). Tällö X, X,, X X Beroull( p ),,,, Olkoot otokset lsäks tosstaa rppumattoma. Asetetaa Beroull-jakaume parametrelle p ja p ollahypotees H : p p p Testausogelma: Ovatko havaot sopusoussa ollahypotees H kassa? Ogelma ratkasua o suhteellste osuukse vertalutest. Hypoteest suhteellste osuukse vertalutestssä Ylee hypotees: Nollahypotees: X Beroull( p),,,, X Beroull( p ),,,, X, X,, X, X, X,, X H : p p p Mlla Kbble ja Ilkka Mell (3) 7/3

18 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Vahtoehtoset hypoteest: H: p H: p H : p p p p -suutaset vahtoehtoset hypoteest -suutae vahtoehtoe hypotees Parametre estmot suhteellste osuukse vertalutestssä Olkoo k pˆ k Xk, k, k tavaomae harhato estmaattor Beroull-jakauma parametrlle p k, k =,. Huomaa, että k X f, k, k k o tapahtuma A frekvess sä -kertasessa rppumattome Beroull-kokede sarjassa, jota ykskertase satuasotokse pomta Beroull-jakaumasta Beroull(p k ), k =, merktsee. Ste fk pˆ k, k, k o tapahtuma A suhteelle frekvess otoksessa k =, ja Jos ollahypotees k f X B(, p ) k k k k H : p p p pätee, vodaa otokset yhdstää ja parametr p harhato estmaattor o tapahtuma A suhteelle frekvess yhdstetyssä otoksessa: pˆ pˆ f f pˆ Jos ollahypotees H pätee, p( p) p( p) Var( pˆ pˆ ) p( p) Testsuure suhteellste osuukse vertalutestssä Määrtellää testsuure Jos ollahypotees z pˆ pˆ pˆ( pˆ) Mlla Kbble ja Ilkka Mell (3) 8/3

19 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 H : p p p pätee, testsuure z oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa: z a N(,) Testsuuree z ormaalarvo =, koska ollahypotees H pätessä E(z) = Ste tsesarvoltaa suuret testsuuree z arvot vttaavat she, että ollahypotees H e päde. e määrääme suhteellste osuukse vertalutestssä Valtaa test merktsevyystasoks. () Jos vahtoehtoe hypotees o muotoa H:p p test hylkäysalue o muotoa (, ) k z Krtte raja ta arvo +z saadaa ehdosta Pr( zz ) () jossa z N(,). Jos vahtoehtoe hypotees o muotoa H:p p test hylkäysalue o muotoa (, z ) Krtte raja ta arvo z saadaa ehdosta jossa z N(,). Pr( zz ) () Jos vahtoehtoe hypotees o muotoa H:p p test hylkäysalue o muotoa (, z ) ( z, ) / / Krttset rajat ta arvot z / ja +z / saadaa ehdosta jossa Pr( zz ) / / Pr( zz ) / z N(,). / Nollahypotees hylätää, jos testsuuree arvo osuu hylkäysalueelle. Mlla Kbble ja Ilkka Mell (3) 9/3

20 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Alla olevat kuvot havaollstavat test hylkäysaluee valtaa: H:p p H:p p H:p p N(,) N(,) N(,) z z z z / / p-arvo määrääme suhteellste osuukse vertalutestssä Olkoo z-testsuuree z havattu arvo z. Alla olevat kuvot havaollstavat test p-arvo määräämstä: H:p p H:p p H:p p N(,) N(,) N(,) p p p p p p p z z z z p-arvo = p p-arvo = p p-arvo = p Nollahypotees hylätää, jos test p-arvo o kyll pe. Mlla Kbble ja Ilkka Mell (3) /3

21 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Esmerkk 9.. Koe valmstaa auloja, jode tavoteptuutea o cm. Nauloje ptuus vahtelee kutek satuasest oudattae ormaaljakaumaa. Nauloje laatua seurataa ste, että tasatue edellse tu akaa valmstettuje auloje joukosta pomtaa ykskertae satuasotos, joka koko o 3 ja otoksee pomttuje auloje keskptuutta verrataa tavotearvoo. Eräässä otoksessa auloje ptuukse artmeettseks keskarvoks saat 9.95 cm ja otosvarassks saat. cm. Testaa ollahypoteesa, että ko. tu akaa valmstettuje auloje todelle keskptuus o tavotearvo mukae, ku vahtoehtosea hypoteesa o, että keskptuus o tavotearvoa peemp. Käytä testssä %: merktsevyystasoa. Esmerkk 9.. Mtä opmme? Esmerkssä 9.. sovelletaa yhde otokse t-testä. Esmerkk 9.. Ratkasu: Koe valmstaa auloja. Koee valmstame auloje joukosta pomtaa ykskertae satuasotos, joka koko = 3. Määrtellää satuasmuuttujat X = aula ptuus otoksessa, =,,, 3 Ylee hypotees H o muotoa: X, X,, X X 3 N(, ),,,,3 Nollahypotees H o muotoa: H : = Vahtoehtoe hypotees H o muotoa. H : < Sovelletaa yhde otokse t-testä. Testsuureea o jossa t X s/ X X s X X, ( ) Jos ollahypotees H pätee, testsuure t oudattaa Studet t-jakaumaa vapausaste ( ): t t( ) = t(9) Itsesarvoltaa suuret testsuuree t arvot johtavat ollahypotees hylkäämsee. Tehtävä tapauksessa jote X s 3, 9.95,., Mlla Kbble ja Ilkka Mell (3) /3

22 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 X 9.95 t.739 s/./ 3 Koska vahtoehtosea hypoteesa o -suutae vahtoehto H : <, testsuuree t arvoa.739 vastaavaks p-arvoks saadaa esm. Mcrosoft Excel -ohjelmalla Pr(t.739) =.5 jossa t t(9). Ste ollahypotees H vodaa hylätä %: merktsevyystasolla, koska p =.5 <. Koska vahtoehtosea hypoteesa o -suutae vahtoehto H : <, merktsevyystasoa. vastaava krtte arvo o t. =.46 sllä t-jakauma taulukode mukaa ku t t(9). Koska Pr(t.46) =. t =.739 <.46 = t. testsuuree t arvo.46 o osuut hylkäysalueelle ja ollahypotees H vodaa hylätä %: merktsevyystasolla ja vahtoehtoe hypotees H vodaa hyväksyä. Johtopäätös: Koe tekee auloja, jode keskmääräe ptuus o tlastollsest merktseväst tavotearvoa cm peemp. Esmerkk 9.. Kuulalaakertehtaassa o kaks kuulalaaker kuula valmstavaa koetta, K ja K. Koede valmstame kuule paot vahtelevat satuasest (ja tosstaa rppumatta) oudattae ormaaljakaumaa. Kummak koee valmstame kuule joukosta pomtaa tosstaa rppumattomat ykskertaset satuasotokset ja otokssta lasketaa otoksee pomttuje kuule paoje artmeettset keskarvot ja keskhajoat. Otokssta saadut tedot o aettu alla olevassa taulukossa. Testaa ollahypoteesa, että koeet K ja K valmstavat keskmäär samapaosa kuula, ku vahtoehtosea hypoteesa o, että koede K ja K valmstame kuule keskpaot eroavat tosstaa. Käytä testssä %: merktsevyystasoa. Koe Artmeette keskarvo (g) Keskhajota (g) Otoskoko K.. 3 K.. Mlla Kbble ja Ilkka Mell (3) /3

23 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Esmerkk 9.. Mtä opmme? Esmerkssä 9.. sovelletaa kahde rppumattoma otokse t-testä. Esmerkk 9.. Ratkasu: Tehtaalla valmstetaa kuulalaaker kuula kahdella koeella K ja K. Koee K valmstame kuule joukosta pomtaa ykskertae satuasotos, joka koko = 3. Koee K valmstame kuule joukosta pomtaa (edellsestä rppumato) ykskertae satuasotos, joka koko =. Määrtellää satuasmuuttujat X = koee K tekemä kuula pao otoksessa, =,,, 3 X j = koee K tekemä kuula pao otoksessa, j =,,, Ylee hypotees H o muotoa: X N(, ), =,,, 3 X N(, ), j =,,, j Havaot X ja X j ovat rppumattoma kaklle ja j Nollahypotees H o muotoa: H : = = Vahtoehtoe hypotees H o muotoa: H : Määrtellää seuraavat otossuureet: k Xk Xk, k, k s ( X X ), k, s Testsuuretta t k k k k k ( ) s ( ) s p A X X s s vodaa käyttää kakssa testausasetelmssa, jossa ylee hypotees H pätee. Jos ollahypotees H : = = pätee, testsuure t A oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa: t A a N(,) Mlla Kbble ja Ilkka Mell (3) 3/3

24 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Pessä otoksssa testsuuree t A jakaumalle saadaa paremp approksmaato käyttämällä approksmaatoa Studet t-jakaumaa, jossa vapausastede lukumäärää käytetää lukua s s s s Itsesarvoltaa suuret testsuuree t A arvot sotvat ollahypoteesa H : = = vastaa. Tehtävä tapauksessa jote X s. X..4 s. 3 t X X A s.4. s Koska vahtoehtosea hypoteesa o -suutae vahtoehto H :, testsuuree t A arvoa.363 vastaavaks p-arvoks saadaa ormaaljakauma-approksmaatota käyttäe Pr(z >.363) = (.999) =.8 ku z N(,). Ste ollahypotees H jää vomaa %: merktsevyystasolla, koska p =.8 >. Jos käytämme t-jakauma-approksmaatota, vapausastede lukumääräks tulee s s s s jote käytämme vapausastede lukumäärää alaspä pyörstettyä lukua 46. Koska vahtoehtosea hypoteesa o -suutae vahtoehto H :, testsuuree t A arvoa.363 vastaavaks p-arvoks saadaa t-jakauma-approksmaatota käyttäe esm. Mcrosoft Excel -ohjelmalla Pr(t >.363) =. =. ku t t(46). Ste ollahypotees H jää vomaa %: merktsevyystasolla, koska p =. >. Mlla Kbble ja Ilkka Mell (3) 4/3

25 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Koska vahtoehtosea hypoteesa o -suutae vahtoehto H :, t-jakauma taulukosta saadaa %: merktsevyystasoa vastaavlle krttslle arvolle t.5 ja +t.5 arvot Koska t.5 (.74,.678) +t.5 (+.678, +.74).678 < t A =.363 < testsuuree t A arvo.363 o osuut hyväksymsalueelle ja ollahypotees H jää vomaa %: merktsevyystasolla. Johtopäätös: Koede tekeme kuule keskmääräset paot evät pokkea tlastollsest merktseväst tosstaa. Huomaa kutek, että johtopäätös vahtus pävastaseks, jos test merktsevyystasoks ols valttu 5 %. Esmerkk 9.3. Testattaessa erästä verepaelääkettä samoje potlade (8 kpl) verepae mtatt ee ja jälkee lääkkee auttmse. Koetulokset (verepaeet mm/hg) o estetty alla olevassa taulukossa. Testaa hypoteesa, että lääke e keskmäär alea verepaetta, ku vahtoehtosea hypoteesa o, että lääke keskmäär aletaa verepaetta. Käytä testssä %: merktsevyystasoa Jälkee Ee Esmerkk 9.3. Mtä opmme? Esmerkssä 9.3. sovelletaa t-testä parvertalulle. Huomaa, että tehtävä 9.. rppumattome otokse t-test e saa käyttää, koska verepaemttaukset ee ja jälkee lääkkee atamse evät luultavast ole rppumattoma: Potlalla, jolla o keskmäärästä korkeamp (matalamp) verepae ee lääkkee atoa o luultavast keskmäärästä korkeamp (matalamp) verepae myös lääkkee atamse jälkee, vakka lääke lasksk verepaetta; ts. mttaustulokslla ee ja jälkee lääkkee atamse o luultavast selvä postve korrelaato. Esmerkk 9.3. Ratkasu: Koska verepaemttaukset ee ja jälkee lääkkee atamse luultavast rppuvat tosstaa, tällasessa parvertaluasetelmassa tomtaa seuraavast: Määrätää havatoarvoje parkohtaset erotukset ja testataa ollahypoteesa, joka mukaa erotukset ovat keskmäär olla. Mlla Kbble ja Ilkka Mell (3) 5/3

26 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Olkoot X E = potlaa verepae ee lääkkee atamsta, =,,, 8 X J = potlaa verepae ee lääkkee atamsta, =,,, 8 D = X E X J, =,,, 8 Ylee hypotees H o muotoa: D, =,,, 8 N( D, D) Erotukset D, D,, D 8 ovat rppumattoma Nollahypotees H o muotoa: E(D ) =, =,,, 8 Sovelletaa yhde otokse t-testä mttaustuloste erotukslle. Testsuureea o jossa t s D D / D D s D D, D ( ) Jos ollahypotees H pätee, testsuure t oudattaa Studet t-jakaumaa vapausaste ( ): t t( ) = t(7) Itsesarvoltaa suuret testsuuree t arvot johtavat ollahypotees hylkäämsee. Tehtävä tapauksessa Ste D s D 8, 4.5, 6.6 D 4.5 t 3.3 s / 4.7/ 8 D Koska vahtoehtosea hypoteesa o -suutae vahtoehto H: D, testsuuree t arvoa 3.3 vastaavaks p-arvoks saadaa esm. Mcrosoft Excel -ohjelmalla Pr(t > 3.3) =.83 jossa t t(7). Ste ollahypotees H vodaa hylätä merktsevyystasolla., koska p =.83 <. Koska vahtoehtosea hypoteesa o -suutae vahtoehto H: D, merktsevyystasoa. vastaava krtte arvo o +t. =.998 sllä t-jakauma taulukode mukaa Pr( t.998). Mlla Kbble ja Ilkka Mell (3) 6/3

27 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 ku t t(7). Koska t = 3.3 >.998 ollahypotees H vodaa hylätä %: merktsevyystasolla ja vahtoehtoe hypotees H hyväksyä. Johtopäätös: Lääkkeellä o tlastollsest merktseväst keskmäärästä verepaetta aletava vakutus. Esmerkk 9.4. Tuottee valmstaja vättää, että se tuottesta korketaa 5 % o vallsa. Asakas pom slle tomtettuje tuottede joukosta otokse, joka koko o ja löytää 9 vallsta tuotetta. Oko valmstaja väte okeutettu? Testaa ollahypoteesa, että valmstaja väte o okeutettu, ku vahtoehtosea hypoteesa o, että vallste suhteelle osuus o suuremp ku valmstaja vättämä 5 %. Käytä testssä %: merktsevyystasoa. Esmerkk 9.4. Mtä opmme? Esmerkssä 9.4. sovelletaa testä suhteellselle osuudelle. Esmerkk 9.4. Ratkasu: Tuottee valmstaja vättää, että se tuottesta korketaa 5 % o vallsa. Asakas pom slle tomtettuje tuottede joukosta otokse, joka koko o ja löytää 9 vallsta tuotetta. Oko valmstaja väte okeutettu? Olkoo A = Tuote o valle Tuottee valmstaja mukaa Pr(A) = p =.5 Määrtellää rppumattomat satuasmuuttujat Tällö X, jos. tarkastettu tuote o valle, jos. tarkastettu tuote e ole valle X Ber(p) Asetetaa ollahypotees H : p = p =.5 Määrtellää testsuure jossa z pˆ p p( p) = Tarkastettavaks pomttuje tuottede lukumäärä Mlla Kbble ja Ilkka Mell (3) 7/3

28 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 ˆp = Vallste tuottede suhteelle osuus tarkastettuje joukossa Jos ollahypotees H pätee, testsuure z oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa: Tehtävässä jote z a N(,), pˆ 9/.95 z pˆ p.95.5 p( p).5(.5) Koska vahtoehtosea hypoteesa o -suutae vahtoehto H: p.5, testsuuree arvoa z arvoa.9 vastaavaks p-arvoks saadaa ormaaljakauma taulukosta Pr(z >.9) =.8 Ste havaot ssältävät vomakasta evdessä ollahypoteesa H vastaa; ollahypotees H vodaa hylätä %: merktsevyystasolla. Koska vahtoehtosea hypoteesa o -suutae vahtoehto H: p.5, merktsevyystasoa. vastaava krtte arvo o +z. = +.33 sllä ormaaljakauma taulukode mukaa Koska Pr( z.33). z =.9 >.33 testsuuree z arvo.9 o osuut hylkäysalueelle ja ollahypotees H vodaa hylätä %: merktsevyystasolla ja vahtoehtoe hypotees H vodaa hyväksyä. Johtopäätös: Vallste suhteelle osuus o tlastollsest merktseväst valmstaja lmottamaa arvoa suuremp..9 Esmerkk erääsee vakavaa taut sarastuutta potlasta jaett satuasest kahtee ryhmää A ja B, jossa kummassak ol 3 potlasta. Ryhmälle A aett taut kehtettyä uutta lääkettä ja ryhmälle B paljo käytettyä vahaa lääkettä. (a) (b) Ryhmässä A taudsta para 95 potlasta ja ryhmässä B 5 potlasta. Suosttelstko uude lääkkee ottamsta käyttöö koetulokse perusteella? Ryhmässä A taudsta para 5 potlasta ja ryhmässä B 95 potlasta. Suosttelstko uude lääkkee ottamsta käyttöö koetulokse perusteella? Mlla Kbble ja Ilkka Mell (3) 8/3

29 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Esmerkk 9.5. Mtä opmme? Esmerkssä 9.5. sovelletaa suhteellste osuukse vertalutestä rppumattomlle otokslle. Esmerkk 9.5. Ratkasu: 6 erääsee vakavaa taut sarastuutta potlasta jaett satuasest kahtee ryhmää A ja B, jossa kummassak ol 3 potlasta. Ryhmälle A aett uutta lääkettä ja ryhmälle B vahaa lääkettä. (a) Ryhmässä A taudsta para 95 potlasta ja ryhmässä B 5 potlasta. Jos uus lääke parataa vähemmä potlata ku vaha lääke, e tlastollsta testausta tarvta se johtopäätökse tekemseks, että uutta lääkettä e kaata ottaa käyttöö aakaa tästä kokeesta saadu evdess perusteella. Se sjaa, jos uus lääke parataa eemmä potlata ku vaha lääke, o testaus tarpee, jotta saadaa selvlle oko paratuede määrä lsäätymstä pdettävä sattumavarasea el otosvahtelusta johtuvaa va e. (b) Ryhmässä A taudsta para 3 potlaasta 5 ja ryhmässä B para 3 potlaasta 95. Olkoo A = Potlas paraee ja Pr(A) = p, jos potlas kuuluu ryhmää A Pr(A) = p, jos potlas kuuluu ryhmää B Määrtellää rppumattomat satuasmuuttujat X k, jos. potlas paraee ryhmässä k, jos. potlas e parae ryhmässä k,,,, k, jossa k = ryhmä A k = ryhmä B Tällö X k Ber(p k ), k =, Asetetaa ollahypotees H : p = p Määrtellää testsuure z pˆ pˆ pˆ( pˆ) k Mlla Kbble ja Ilkka Mell (3) 9/3

30 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Testsuuree lausekkeessa ja = Potlade lukumäärä ryhmässä A ˆp = Paratuede suhteelle osuus ryhmässä A = Potlade lukumäärä ryhmässä B ˆp = Paratuede suhteelle osuus ryhmässä B Huomaa, että jossa ja ˆp = Paratuede suhteelle osuus kakke potlade joukossa ˆp = f / ˆp = f / f = Paratuede lukumäärä ryhmässä A f = Paratuede lukumäärä ryhmässä B f f pˆ pˆ pˆ Jos ollahypotees H pätee, testsuure z oudattaa suurssa otoksssa approksmatvsest stadardotua ormaaljakaumaa: Tehtävässä jote Ste z a N(,) 3, pˆ 5/3.75 3, pˆ 95/3.65 pˆ pˆ pˆ.7 z pˆ pˆ pˆ( pˆ).7(.7) Jos vahtoehtosea hypoteesa o -suutae vahtoehto H:p p, testsuuree z arvoa.67 vastaavaks p-arvoks saadaa ormaaljakauma taulukosta Pr(z >.67) =.38 Ste aesto ssältää vomakasta evdessä ollahypoteesa H vastaa; ollahypotees H vodaa hylätä %: merktsevyystasolla. Mlla Kbble ja Ilkka Mell (3) 3/3

31 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Koska Jos vahtoehtosea hypoteesa o -suutae vahtoehto H:p p, merktsevyystasoa. vastaava krtte arvo o +z. = +.3 sllä ormaaljakauma taulukode mukaa Pr( z.33). z =.67 >.33 testsuuree z arvo o osuut hylkäysalueelle ja ollahypotees H vodaa hylätä %: merktsevyystasolla ja vahtoehtoe hypotees H vodaa hyväksyä. Johtopäätös: Uude lääkkee käyttööotto o (b)-kohda tapauksessa perusteltua, koska paratuede suhteelle osuus o uutta lääkettä saaede joukossa tlastollsest merktseväst vahaa lääkettä saaede osuutta suuremp. Huomautuksa tlastollsesta testauksesta: () Test tulos el se, hylätääkö test ollahypotees va jätetääkö se vomaa, rppuu sekä valtusta merktsevyystasosta että vahtoehtose hypotees muodosta. () Käytäö tutkmuksessa apuas e ole lueotsjaa, joka atas sulle ollahypotees ja vahtoehtose hypotees muodo ja testssä käytettävä merktsevyystaso. (3) Tlasto-ohjelmstot tulostavat ykyää tavallsest testsuuree arvo ja stä vastaava p-arvo (ta testsuuree arvoa vastaava s. hätätodeäkösyyde). Tällö tutkja o päätettävä test p-arvo (ta hätätodeäkösyyde) perusteella hylätäkö ollahypotees va e. (4) Merktsevyystaso valta ta ollahypotees hylkäämsee johtava kyysarvo valta p-arvolle ovat valtoja, joh o aettava vakuttaa myös se, mtä seurauksa o ollahypotees hylkäämsestä ja mtä ollahypotees jäämsestä vomaa. Mlla Kbble ja Ilkka Mell (3) 3/3

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

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

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

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

Lisätiedot

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 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

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

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

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

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

Mat Sovellettu todennäköisyyslasku A

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

Lisätiedot

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

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

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

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

Lisätiedot

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

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

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

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

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

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

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

= 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

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

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

Lisätiedot

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

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

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Mat-.6 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Tilastolliset testit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, F-jakauma,

Lisätiedot

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

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

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

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

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

Tilastollinen riippuvuus ja korrelaatio

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

Lisätiedot

Tilastollinen päättely. 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

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-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

2-suuntainen vaihtoehtoinen hypoteesi

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

Lisätiedot

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

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

Ilkka Mellin (2006) 1/1

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

Lisätiedot

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: Otokset, otosjakaumat ja estimointi

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

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

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

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

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

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

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

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

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

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

Lisätiedot

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

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

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

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

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

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

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

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

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

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

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

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

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

Lisätiedot

Sovellettu todennäköisyyslaskenta B

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

Lisätiedot

1. 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

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

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

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

Lisätiedot

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

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

Lisätiedot

Mat 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

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

TILASTOMATEMATIIKKA I

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

Lisätiedot

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

8. laskuharjoituskierros, vko 11, ratkaisut

8. laskuharjoituskierros, vko 11, ratkaisut Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse

Lisätiedot

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

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

TILASTOMATEMATIIKKA I

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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.04 Tlastollsen analyysn perusteet, evät 007. luento: Johdatus varanssanalyysn S ysteemanalyysn Laboratoro Ka Vrtanen Kertaus: ahden rppumattoman otosen t-test () () Perusjouo oostuu ahdesta ryhmästä

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan

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

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

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

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa : Otokset, otosjakaumat ja estimoiti Otokset ja otosjakaumat TKK (c) Ilkka Melli (007) 1 Otokset ja otosjakaumat >> Satuaisotata ja satuaisotokset Otostuusluvut

Lisätiedot

Sovellettu todennäköisyyslaskenta B

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

Lisätiedot

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

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

Lisätiedot

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

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

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

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. 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 järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot

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

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

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

Lisätiedot

3.5 Generoivat funktiot ja momentit

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

Lisätiedot

Leikkijunan kunto toimiva ei-toimiva Työvuoro aamuvuoro päivävuoro iltavuoro

Leikkijunan kunto toimiva ei-toimiva Työvuoro aamuvuoro päivävuoro iltavuoro Lsätehtävä 1. Erään yrtyksen satunnasest valttujen työntekjöden possaolopäven määrät olvat vuonna 003: 5, 3, 1, 9, 0, 1, 3,, 19, 5, 19, 11,, 0, 4,, 1, 15, 4, 0,, 4, 3, 3, 8, 3, 9, 11, 19, 17, 14, 7 a)

Lisätiedot

Monte Carlo -menetelmä

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

Lisätiedot

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

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

Lisätiedot

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

6. Stokastiset prosessit (2)

6. Stokastiset prosessit (2) Ssältö Markov-prosesst Syntymä-kuolema-prosesst luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 6 Markov-prosess Esmerkk Tark. atkuva-akasta a dskreetttlasta stokaststa prosessa X(t) oko tla-avaruudella

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

Todennäköisyyslaskennan kertausta

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

Lisätiedot

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

ABTEKNILLINEN KORKEAKOULU

ABTEKNILLINEN KORKEAKOULU ABTEKNILLINEN KORKEAKOULU Tetoverkkolaboratoro 6. Stokastset prosesst () Luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 5 6. Stokastset prosesst () Ssältö Markov-prosesst Syntymä-kuolema-prosesst

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

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

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

Lisätiedot

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