TA4b Taloudellinen kasvu Harjoitus 1
|
|
- Pasi Mäkinen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 TA4b Taloudellinen kasvu Harjoitus Heikki Korpela 9. huhtikuuta 207 Tehtävä. Maan taloutta kuvataan Solowin mallilla, jossa työntekijää kohden laskettu tuotantofunktio on y k 2. Olkoon nyt k 900, investointiaste 50 % ja poistoaste 0 %. Onko maan työntekijää kohden laskettu tuotos nyt steady-state -pisteessään vai sen ala- tai yläpuolella? Perustele vastauksesi. Vastaus: Tilanne on vakaa, jos työntekijää kohden lasketut investoinnit vastaavat tarkalleen poistoja. Yhtälönä tätä vastaa tilanne k gf(k) dk, missä k on työntekijäkohtainen pääoman määrä, g on investointiaste, d on poistoaste ja f on tuotantofunktio. Asettamalla muutos nollaksi saadaan välttämätön ehto gf(k) }{{} investoinnit 0 gf(k) dk dk }{{} poistot Koska tämä on epätosi yhtälö, kyseessä ei ole vakaa tasapainotilanne, vaan investoinnit ovat pienemmät kuin poistot. Tämä tilanne jatkuu, kunnes pääoman määrä on vähentynyt tasolle, jossa investoinnit vastaavat poistoja. Koska tuotanto oli pääoman kasvava funktio, voidaan päätellä, että tuotos on steady state -pistettä suurempi. Jos investointiaste ja poistoaste kiinnitetään, havaitaan, että tällä investointiasteella ainoat vakaat pääoman työntekijäkohtaiset pääoman määrät olisivat 0 ja 25, joista tasoa 25 voitaneen pitää parempana tilanteena. Jos investointiaste g voidaan valita, mutta poistoaste oletetaan d kiinnitetyksi ja halutaan maksimoida kulutukseen jäävä osuus tuotoksesta ( g)f(k), kulutus tasapainotilassa (kun gf(k) dk) voidaan esittää funktiona c(k) ( g)f(k). Tutkitaan, milloin tämä funktio on kasvava (oletuksilla 0 < g <, k 0): c(k) ( g)f(k) f(k) dk c (k) f (k) d > 0 f (k) > d 2 k 2 > 0 k 2 > 5 k 2 < 5 k < 25, josta saadaan sama vakaan pääoman määrä 25 kuin aiemmin, ja investointiasteeksi sama gf(k) dk g dk f(k)
2 kuin tehtävänannossa. Sama tulos tulee tietenkin kultaisella säännöllä laskien: g kf (k) f(k) k 2 k 2 k 2 2 k k0 2 Tehtävä 2. Seuraava taulukko osoittaa investointiasteen ja työntekijää kohden lasketun tuotoksen kolmen maaparin tapauksessa olettaen, että α /3 ja A ja δ ovat samat kaikissa maissa. Laske toteutunut ja mallin ennustama tuotos työntekijää kohden kunkin maaparin tapauksessa. Minkä maaparin kohdalla Solowin mallin ennuste epäonnistuu / onnistuu? Maa Investointiaste (keskim ) Tuotos työntekijää kohden 2009 $ a Thaimaa 35,2 % Bolivia 2,6 % b Nigeria 6,4 % Turkki 6,3 % c Japani 29,9 % Uusi-Seelanti 8,6 % Vastaus: Tehdään lisäoletukset, että tuotantofunktiot ovat Cobb-Douglas -muotoa ja että annetut tulot ovat tasapainotuloja. Tällöin gy i gf(k i ) dk i gaki α dk i k α i g da ( g ) k i d A α ( (g ) ) α ( y i A d A α A + α α g α ( α A d) α g α α, d) ( α α ( ( ) α d) gi 2/3 gi 2, y i A y j A α ( d) α α g j ) α ( ) /3 α gi g j g j Saadaan suhdeluvut: y a y a ,62 ga 35,2 g a2 2,6,67 y b y b ,20 gb 6,4 g b2 6,3 0,63 y c y c ,6 gb 29,9 g b2 8,6,27 data ennuste data ennuste data ennuste Voidaan tulkita, että parin a kohdalla ennuste on varsin osuva, parin c kohdalla vielä kohtuullisen hyvä ja parin b kohdalla se epäonnistuu pahasti. Tehtävä 3. Oletetaan, että maan inhimillinen ja fyysinen pääoma kolminkertaistuvat 00:ssa vuodessa ja sen tuotos nousee yhdeksänkertaiseksi samassa ajassa. Miten monikertaiseksi maan tuottavuus on noussut kyseisen ajan kuluessa, kun oletetaan, että α /3? 2
3 Vastaus: Oletetaan Cobb-Douglas -tuotantofunktio, muotoa Y (L, K) AL α K α. (L mittaa tässä todellista työvoiman tuotantopanosta eli myös inhimillistä pääomaa, jota monisteessa merkitään hl.) Merkitään alaindekseillä t 0 ja t alkuhetkeä ja aikaa sadan vuoden kuluttua. Saadaan: 3. A t A t0 Y t Y t0 9 A t (L t ) α (K t ) α A t0 (L t0 ) α (K t0 ) α 9 ) α ( ) α Kt 9 ( Lt L t0 K t0 A t 9 A t0 L t L t0 }{{} 3 α K t K t0 }{{} 3 α 9 (3) α α 3 2 (3) 3 Tehtävä 4. Tarkastellaan kausaliteettia ja korrelaatiota. a. Esitä esimerkkejä tekijöistä, jotka korreloivat elinajan kanssa ja joissa on itsestään selvää, että kausaliteetin suunta on elinajasta ko. tekijään (eikä siis päinvastoin). b. Seuraavassa on muuttujapareja. Minkämerkkinen korrelaatio muuttujaparien välillä todennäköisesti vallitsee useita maita käsittävässä otoksessa. Perustele. i. Masennuslääkkeiden käyttö ja BKT ii. Televisioiden yleisyys ja lapsikuolleisuus iii. Jäätelöiden myynti ja hukkumisonnettomuudet iv. Astrologinen merkki ja älykkyysosamäärä Vastaus: 4. a. Yksinkertaisin esimerkki lienee esimerkiksi yli 80-, 90- tai 00-vuotiaiden absoluuttinen määrä populaatiossa. Myös ainakin osa vanhusväestön käyttämistä tuotteista ja palveluista (esimerkiksi Alzheimerlääkitys, vanhuksille suunnatut hygieniatuotteet, erilaiset vanhainkotien palvelut, kotien ja tilojen esteettömyyttä parantavat ratkaisut) lienee luonteeltaan ensisijaisesti elämänlaatua parantavaa, ei välttämättä elinikää (ainakaan ratkaisevasti) väestötasolla pidentävää. Jos tarkastelu rajataan rikkaisiin länsimaihin, on uskottavaa väittää, että väestön ikääntyminen myös lisää huomattavasti mm. joukkoliikenteen käyttöä, ruoan osuutta kulutusmenoista ja joidenkin erityisesti ikäihmisten sairauksien yleisyyttä. b. Oletetaan, että otos sisältää selkeästi eri taloudellisilla kehitysasteilla olevia maita. Tällöin: i. Positiivinen. Järkevä lähtöolettama on, että rikkaissa maissa masennus osataan diagnosoida paremmin, ja joko potilailla itsellään tai julkisella terveydenhuoltojärjestelmällä on enemmän varaa myös hankkia lääkkeitä. Toisaalta samat argumentit pätevät myös AIDS-lääkitykseen, mutta käytännössä ylivoimaisesti suurin osa AIDS-lääkityksen saajista on Afrikassa. ii. Negatiivinen. Maailman mittakaavassa elintason nousu mahdollistaa sekä suuremmat satsaukset lapsikuolleisuuden vähentämiseen (laadukkaampi terveydenhoito) että televisioiden hankkimiseen. 3
4 iii. Mahdollisesti lievästi negatiivinen. Jäätelöä myydään, kun muut asiat vakioidaan, enemmän korkeamman elintason maissa; esimerkiksi ilmasto lienee vasta toissijaisesti myyntiin vaikuttava tekijä (hyvänä esimerkkinä Suomessa kulutetaan maailman mittakaavassa erittäin paljon jäätelöä). Hukkumisonnettomuuksia taas sattunee enemmän maissa, joissa perheiden lapsiluvut ovat suurempia ja lastenhoitoon on käytettävissä suhteessa vähemmän resursseja, vesiteitse matkustaminen on turvattomampaa ja/tai joissa korkean väestötiheyden alueet ovat erityisen haavoittuvia tulville. iv. Ei ole aivan selvää, mitä "astrologinen merkki"(yleensä luokitteluasteikollinen muuttuja) tarkoittaa väestötasolla kenties väestön yleisintä astrologista merkkiä jonkin läntisen horoskooppijärjestelmän mukaan? Todennäköisimmin tilastollisesti merkitsevää, tunnistettavissa olevaa korrelaatiota ei ole. Tehtävä 5. Maat A ja B eroavat terveysfunktionsa h(y) suhteen toisistaan siten, että kullakin tulotasolla ihmiset ovat terveempiä maassa A kuin maassa B. Oletetaan, että tiettynä vuonna havaitaan, että henkeä kohden laskettu tulo on sama molemmissa maissa, mutta maassa A terveystaso on parempi kuin maassa B. Minkälaiset ovat maiden tuotantofunktiot y(h)? Esitä kuviolla. 5. Vastaus: Oletetaan, että tuotanto on lineaarinen positiivinen funktio terveydestä, vaikkapa y i (h) a i h + b i, a i, b i > 0, i (A, B) ja terveys positiivinen konkaavi funktio tuotannosta, vaikkapa h i (y) y αi + β i, α i, β i > 0. Yksinkertaistetaan vielä oletuksia olettamalla α A α B, β A β B + C, missä C on jokin positiivinen vakio. Tiedosta y A y B, h A > h B saadaan yhtälöpari { a A h A + b A h A a B h B + b B. h B + C Sijoittamalla jälkimmäinen edelliseen saadaan a A (h B + C) + b A a B h B + b B Formaalisti ei tästä voida sanoa suoraan enempää. Jos voidaan jotenkin perustella oletus a A a B (terveyden tuoma rajahyöty on molemmissa maissa sama), niin voidaan päätellä a A C + b A b B b A b B a A C, eli A:ssa tuotetaan kullakin terveyden tasolla vähemmän kuin B:ssä. Yhtä hyvin voitaisiin toisaalta valita esimerkiksi b A b B (terveyden perustaso on molemmissa maissa sama), jolloin saadaan a A h B + a A C a B h B a A a B a AC h B, eli A:n kulmakerroin (terveyden tuoma rajahyöty) on pienempi kuin B:ssä. 4
5 2.5 h A (y) h B (y) y A (h) y B (h) h y Tehtävä 6. Tarkastellaan naisten koulutuksen (WSCHOOL) vaikutusta keskimääräiseen taloudelliseen kasvuun (GROWTH) kurssidatan valossa. a. Kaksisuuntainen kausaliteetti on empiirisen kasvututkimuksen keskeinen ongelma; on mahdollista, että taloudellinen kasvu on vaikuttanut naisten koulutukseen. Voitko kuitenkin löytää joitakin perusteluja kaksisuuntaisuusväitteen torjumiseksi? b. Oletetaan nyt joka tapauksessa, että naisten koulutus vaikuttaa talouskasvuun eikä päinvastoin. Estimoi kurssidatasta seuraava yhtälö ja tulkitse tulos. GROW T H i α + βw SCHOOL i + ε i c. Naisten koulutus on kuitenkin saattanut vaikuttaa myös väestönkasvuun (POPGROWTH). Koska väestönkasvu vaikuttaa talouskasvuun, on todennäköistä, että kohdassa b laskettu estimaatti on harhainen. Oikaise puuttuvan muuttujan harha ja tulkitse tulos. Vastaus: a. Taloudellinen kasvu ei välttämättä kanavoidu pitkällä aikavälillä naisten koulutukseen sellaisissa maissa, joissa päätöksentekijät eivät syystä tai toisesta arvosta naisten koulutusta. Lisätukea tällaiselle hypoteesille voidaan saada esimerkiksi seuraavasti. Jaotellaan maita sopiviin ryhmiin niin, että kussakin ryhmässä keskeisiksi arvioidut muut lähtötekijät ovat riittävän samanlaiset: erityisesti ne ovat alkutilanteessa osapuilleen yhtä varakkaita. Tarkastellaan sitten maita, jotka eivät (mahdollisesta suhteellisesta varakkuudestaan huolimatta) satsaa naisten koulutukseen, ja tarkastellaan niiden kasvua suhteessa verrokkimaihin. Jos kasvu on niissä jäänyt pitkällä aikavälillä vähäisemmäksi, on löydetty hypoteesille, että naisten koulutus tukee kasvua, ja lisäksi voidaan arvioida tämän tekijän selitysvoimaa. Edelleen, koulutus ei ole seurausta vain valtioiden vaurastumisesta, vaan tyypillisesti ainakin osittain myös perheiden ja yksilöiden valinnoista. Jos voidaan olettaa perheiden ja yksilöiden tekevän keskimäärin likimain rationaalisia päätöksiä kouluttautumisen suhteen, koulutusta todennäköisesti hankitaan ainakin osittain siksi, että se keskimäärin parantaa yksilöiden tuottavuutta (on mielekäs investointi). Koulutus on kuitenkin keskimäärin menetettyjen ansaintamahdollisuuksien näkökulmasta melko kallis kulutusvalinta, joten ei liene järin uskottavaa, 5
6 että se olisi pelkästään yksi kulutustuote. Tätä hypoteesia tukee se, että kouluttautuminen tyypillisesti myös kasvattaa palkkatasoja. Pelkästään tämän perusteella ei toki voida vielä päätellä, missä määrin koulutus parantaa tuottavuutta ja työelämään osallistumista voihan olla, että tuottavimmat yksilöt hakeutuvat koulutukseen vain osoittaakseen kyvykkyytensä (koulutus signalointina). b. summary(fit) Call: lm(formula GROWTH ~ WSCHOOL, data growth_school) Residuals: Min Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) WSCHOOL e-07 *** --- Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' 0. ' ' Residual standard error:.472 on 98 degrees of freedom Multiple R-squared: 0.223,Adjusted R-squared: F-statistic: 28.4 on and 98 DF, p-value: 7.00e-07 confint(fit, level0.95) 2.5 % 97.5 % (Intercept) WSCHOOL outliertest(fit) rstudent unadjusted p-value Bonferonni p Equatorial Guinea Botswana Regressiosuora ja residuaalit: 6
7 Kuva : Naisten koulutuksen ja talouskasvun kuvaaja Residuaalien lisätarkasteluja: 7
8 Kuva 2: Naisten koulutuksen ja talouskasvun kuvaaja (residuaaleja) Lineaarinen regressio antaa kaavaksi GROW T H i 0, ,22 W SCHOOL i + ε i Naisten koulutustaso vaikuttaisi aineiston valossa todella korreloivan voimakkaan talouskasvun kanssa. Korrelaatiokertoimen 95 %:n luottamusväliksi saatiin n. 0,3 0,30, ja p-arvon perusteella on äärimmäisen epäuskottavaa, että tällainen aineisto saataisiin, jos mitään korrelaatiota ei olisi. Lisäksi äärevimmät residuaalit eivät näytä keskittyvän mihinkään tiettyyn osaan kuvaajaa. Lisätarkasteluissa olisi perusteltua tarkastella erikoisimpia residuaaleja (ainakin Botswana, Guinea, mahdollisesti myös esim. Korea, Kongo, Singapore) ja todennäköisesti poistaa niistä osa. Kausaation suunnasta ei pelkästään tämän aineiston perusteella voida vielä tehdä robusteja päätelmiä. Voitaneen pitää todennäköisenä, että vaikutus on kaksisuuntaista: kasvu lisää naisten koulutusta ja koulutus kasvua. Korrelaatiokerroin on siinä mielessä pieni, että vaikka kausaation arvioitaisiin enimmäkseen olevan koulutuksesta kasvuun, selvästi enemmistö kasvusta jää yhä muiden tekijöiden selitettäväksi. Toisaalta talouskasvu on ilmiönä niin monimutkainen ja -muotoinen, että yksittäisen tekijän näinkin suurta vaikutusta voi tässä kontekstissaan pitää merkittävänä semminkin, kun tähän asti on tarkasteltu vain keskimääräisiä koulutusvuosia. On todennäköistä, että 8
9 koulutuksen vaikutus riippuu tilastoitujen vuosien lisäksi koulutuksen todellisesta kestosta, laadusta ja alasta. c. fit.multi <- lm(formula GROWTH ~ WSCHOOL + POPGROWTH, data growth_school) summary(fit.multi) Call: lm(formula GROWTH ~ WSCHOOL + POPGROWTH, data growth_school) Residuals: Min Q Median 3Q Max Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) * WSCHOOL ** POPGROWTH Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' 0. ' ' Residual standard error:.456 on 97 degrees of freedom Multiple R-squared: ,Adjusted R-squared: F-statistic: 5.98 on 2 and 97 DF, p-value:.004e-06 confint(fit.multi, level0.95) 2.5 % 97.5 % (Intercept) WSCHOOL POPGROWTH anova(fit, fit.multi) Analysis of Variance Table Model : GROWTH ~ WSCHOOL Model 2: GROWTH ~ WSCHOOL + POPGROWTH Res.Df RSS Df Sum of Sq F Pr(>F) Signif. codes: 0 '***' 0.00 '**' 0.0 '*' 0.05 '.' 0. ' ' Uusi regressio antaisi nyt tulokseksi GROW T H i,86 + 0,5 W SCHOOL i 0,40 P OP GROW T H i + ε i Sekä väestönkasvun korrelaatiokertoimen p-arvon (suurempi kuin 0,05) että luottamusvälin (sisältää 0:n) perusteella ei kuitenkaan ole löytynyt perusteita sisällyttää väestönkasvua tähän malliin. 9
10 POPGROWTH WSCHOOL 5.0 GROWTH x 0
TA4b Taloudellinen kasvu Harjoitus 2
TA4b Taloudellinen kasvu Harjoitus 2 Heikki Korpela 26. huhtikuuta 2017 Tehtävä 1. Tarkastellaan teknologiaa ja talouskasvua yhden maan mallilla (kirja, luku 8.3; luontomuistiinpanot, luku 8). Oletetaan,
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
Lisätiedot2. Tietokoneharjoitukset
2. Tietokoneharjoitukset Demotehtävät 2.1 Jatkoa kotitehtävälle. a) Piirrä aineistosta pistediagrammi (KULUTUS, SAIRAST) ja siihen estimoitu regressiosuora. KULUTUS on selitettävä muuttuja. b) Määrää estimoidusta
Lisätiedot(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.
2. VÄLIKOE vuodelta -14 1. Liitteessä 1 on esitetty R-ohjelmalla saatuja tuloksia aineistosta, johon on talletettu kahdenkymmenen satunnaisesti valitun miehen paino (kg), vyötärön ympärysmitta (cm) ja
LisätiedotSuhtautuminen Sukupuoli uudistukseen Mies Nainen Yhteensä Kannattaa Ei kannata Yhteensä
806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2011 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Eräässä suuressa yrityksessä
LisätiedotResiduaalit. Residuaalit. UK Ger Fra US Austria. Maat
TAMPEREEN YLIOPISTO Tilastollisen mallintamisen harjoitustyö Teemu Kivioja ja Mika Helminen Epätasapainoisen koeasetelman analyysi Worksheet 5 Matematiikan, tilastotieteen ja filosofian laitos Tilastotiede
LisätiedotOpiskelija viipymisaika pistemäärä
806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2012 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Jatkoa harjoituksen 5 tehtävään
LisätiedotIlmoittaudu Weboodissa klo (sali L4) pidettävään 1. välikokeeseen!
8069 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2013 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOLLA 9! Ilmoittaudu Weboodissa 4.3.2013 klo
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
LisätiedotKasvuteorian perusteita. TTS-kurssi, kevät 2010 Tapio Palokangas
Kasvuteorian perusteita TTS-kurssi, kevät 2010 Tapio Palokangas Talouskasvun määritelmä Talouskasvu lisää talouden tuotantokapasiteettia pysyvästi yli ajan (eli lisää potentiaalista bruttokansan-tuotetta)
LisätiedotLisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?
MTTTP5, kevät 2016 15.2.2016/RL Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen 1. Valitaan 25 alkion satunnaisotos jakaumasta N(µ, 25). Olkoon H 0 : µ = 12. Hylätään H 0, jos otoskeskiarvo
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön
Lisätiedot1. Tutkitaan tavallista kahden selittäjän regressiomallia
TA7, Ekonometrian johdantokurssi HARJOITUS 5 RATKAISUEHDOTUKSET 232215 1 Tutkitaan tavallista kahden selittäjän regressiomallia Y i = β + β 1 X 1,i + β 2 X 2,i + u i (a) Kirjoita regressiomalli muodossa
Lisätiedot1. Tietokoneharjoitukset
1. Tietokoneharjoitukset Aluksi Tällä kurssilla käytetään R-ohjelmistoa, jonka käyttämisestä lienee muutama sana paikallaan. R-ohjelmisto on laajasti käytetty vapaassa levityksessä oleva ammattimaiseen
LisätiedotMallivastaukset KA5-kurssin laskareihin, kevät 2009
Mallivastaukset A5-kurssin laskareihin, kevät 009 Harjoitukset (viikko 5) Tehtävä Asia selittyy tulonsiirroilla. Tulonsiirrot B lasketaan mukaan kotitalouksien käytettävissä oleviin tuloihin Y d. Tässä
LisätiedotYleinen lineaarinen malli eli usean selittäjän lineaarinen regressiomalli
MS-C2128 Ennustaminen ja aikasarja-analyysi 1. harjoitukset / Tehtävät Kotitehtävät: 2 Aiheet: Aluksi Yleinen lineaarinen malli eli usean selittäjän lineaarinen regressiomalli Tällä kurssilla käytetään
LisätiedotTehtävä 1. (a) JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Parametrittomat ja robustit menetelmät Harjoitukset 7, vastaukset
JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Parametrittomat ja robustit menetelmät Harjoitukset 7, vastaukset 12.05.2009 Tehtävä 1 (a) x
LisätiedotHAVAITUT JA ODOTETUT FREKVENSSIT
HAVAITUT JA ODOTETUT FREKVENSSIT F: E: Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies (1) 59 28 4 91 Nainen (2) 5 14 174 193 Yhteensä 64 42 178 284 Usein Harvoin Ei tupakoi Yhteensä (1) (2) (3) Mies
Lisätiedotr = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
LisätiedotNäistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, kevät 2019 https://coursepages.uta.fi/mtttp1/kevat-2019/ HARJOITUS 3 Joitain ratkaisuja 1. x =(8+9+6+7+10)/5 = 8, s 2 = ((8 8) 2 + (9 8) 2 +(6 8) 2 + (7 8) 2 ) +
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
LisätiedotAki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
LisätiedotNäistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 3 viikko 40 Joitain ratkaisuja 1. Suoritetaan standardointi. Standardoidut arvot ovat z 1 =
LisätiedotMS-C2128 Ennustaminen ja aikasarja-analyysi 2. harjoitukset / Tehtävät Kotitehtävä: 3,4
MS-C2128 Ennustaminen ja aikasarja-analyysi 2. harjoitukset / Tehtävät Kotitehtävä: 3,4 Tehtävä 2.1. Jatkoa tietokonetehtävälle 1.2: (a) Piirrä aineistosta pisteparvikuvaaja (KULUTUS, SAIRAST) ja siihen
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään
LisätiedotVerotus ja talouskasvu. Essi Eerola (VATT) Tulevaisuuden veropolitiikka -seminaari 25.09.2009
Verotus ja talouskasvu Essi Eerola (VATT) Tulevaisuuden veropolitiikka -seminaari 25.09.2009 Johdantoa (1/2) Talouskasvua mitataan bruttokansantuotteen kasvulla. Pienetkin erot talouden BKT:n kasvuvauhdissa
LisätiedotMat 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[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa
Lisätiedot1 Ensimmäisen asteen polynomifunktio
Ensimmäisen asteen polynomifunktio ENNAKKOTEHTÄVÄT. a) f(x) = x 4 b) Nollakohdassa funktio f saa arvon nolla eli kuvaaja kohtaa x-akselin. Kuvaajan perusteella funktion nollakohta on x,. c) Funktion f
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan
LisätiedotTilastotieteen johdantokurssin harjoitustyö. 1 Johdanto...2. 2 Aineiston kuvaus...3. 3 Riippuvuustarkastelut...4
TILTP1 Tilastotieteen johdantokurssin harjoitustyö Tampereen yliopisto 5.11.2007 Perttu Kaijansinkko (84813) perttu.kaijansinkko@uta.fi Pääaine matematiikka/tilastotiede Tarkastaja Tarja Siren 1 Johdanto...2
LisätiedotJos siis ohjausrajoitusta ei olisi, olisi ratkaisu triviaalisti x(s) = y(s). Hamiltonin funktio on. p(0) = p(s) = 0.
Mat-.148 Dynaaminen optimointi Mitri Kitti/Ilkka Leppänen Mallivastaukset, kierros 1 1. Olkoon maaston korkeus y(s) derivoituva funktio ja etsitään tien profiilia x(s). Päätösmuuttuja on tien jyrkkyys
LisätiedotATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1
ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011
Lisätiedot/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:
4.10.2016/1 MTTTP1, luento 4.10.2016 7.4 Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti: Samoin z /2 siten, että P(Z > z /2 ) = /2, graafisesti: 4.10.2016/2
Lisätiedot1 Di erentiaaliyhtälöt
Taloustieteen mat.menetelmät syksy 2017 materiaali II-5 1 Di erentiaaliyhtälöt 1.1 Skalaariyhtälöt Määritelmä: ensimmäisen kertaluvun di erentiaaliyhtälö on muotoa _y = F (y; t) oleva yhtälö, missä _y
LisätiedotEstimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio
17.11.2015/1 MTTTP5, luento 17.11.2015 Luku 5 Parametrien estimointi 5.1 Piste-estimointi Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla
LisätiedotAasian taloudellinen nousu
Aasian taloudellinen nousu Iikka Korhonen Suomen Pankki 27.4.2011 Maailmantalouden painopiste siirtyy itään Japanin ja myöhemmin Etelä-Korean taloudellinen nousu antoi ensisysäyksen modernin Aasian taloudelliselle
LisätiedotTA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET
TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET 16..015 1. a Poliisivoimien suuruuden lisäksi piirikuntien rikostilastoihin vaikuttaa monet muutkin tekijät. Esimerkiksi asukkaiden keskimääräinen
LisätiedotSovellettu 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/1. MTTTP1, luento Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:
2.10.2018/1 MTTTP1, luento 2.10.2018 7.4 Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti: Samoin z /2 siten, että P(Z > z /2 ) = /2, graafisesti: 2.10.2018/2
LisätiedotVäliestimointi (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).
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotLuottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.
5.10.2017/1 MTTTP1, luento 5.10.2017 KERTAUSTA Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla todennäköisyydellä,
LisätiedotJohdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
LisätiedotTilastollinen päättely II, kevät 2017 Harjoitus 2A
Tilastollinen päättely II, kevät 07 Harjoitus A Heikki Korpela 3. tammikuuta 07 Tehtävä. (Monisteen tehtävä.3 Olkoot Y,..., Y n Exp(λ. Kirjoita vastaava tilastollisen mallin lauseke (ytf. Muodosta sitten
LisätiedotMakrotaloustiede 31C00200
Makrotaloustiede 31C00200 Kevät 2017 Harjoitus 4 Arttu Kahelin arttu.kahelin@aalto.fi Tehtävä 1 a) Kokonaistarjonta esitetään AS-AD -kehikossa tuotantokuilun ja inflaation välisenä yhteytenä. Tämä saadaan
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB3 - Harjoitustehtävien ratkaisut: 1 Funktio 1.1 Piirretään koordinaatistoakselit ja sijoitetaan pisteet: 1 1. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä.
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
LisätiedotKoska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.
24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ
Lisätiedota) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on
Kotitehtävät 4 Ratkaisuehdotukset. 1. Kuinka suureksi 3500000 euroa kasvaa 8 vuodessa, kun lähdevero on 30% ja vuotuinen korkokanta on 10, 5%, kun korko lisätään a) kerran vuodessa b) kuukausittain c)
LisätiedotTilastollinen 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
LisätiedotLuottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.
6.10.2016/1 MTTTP1, luento 6.10.2016 KERTAUSTA JA TÄYDENNYSTÄ Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
LisätiedotMTTTP1, luento KERTAUSTA
26.9.2017/1 MTTTP1, luento 26.9.2017 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2017/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
LisätiedotMat Dynaaminen optimointi, mallivastaukset, kierros 11
Mat-.148 Dynaaminen optimointi, mallivastaukset, kierros 11 1. Olkoon tehtaan tuotanto x(t) ajan hetkellä t ja investoitava osuus tuotannosta u(t). Tehdasta kuvaa systeemiyhtälö ẋ(t) = u(t)x(t) x() = c
LisätiedotLuentorunko 2: Talouskasvu 1
Luentorunko 2: Talouskasvu 1 Niku Määttänen, Aalto-yliopisto ja Etla Makrotaloustiede 31C00200, Talvi 2018 Johdanto Talouskasvun mittaaminen Maiden välillä valtavat elintasoerot. Pienelläkin muutoksella
LisätiedotTalousmatematiikan perusteet: Luento 7. Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto
Talousmatematiikan perusteet: Luento 7 Derivointisääntöjä Yhdistetyn funktion, tulon ja osamäärän derivointi Suhteellinen muutosnopeus ja jousto Viime luennolla Funktion Derivaatta f (x) kuvaa funktion
LisätiedotKaksisuuntaisen varianssianalyysin tilastollisessa malli voidaan esittää seuraavassa muodossa:
Mat-.03 Koesuunnittelu ja tilastolliset mallit Mat-.03 Koesuunnittelu ja tilastolliset mallit / Ratkaisut Aiheet: Avainsanat: Kaksisuuntainen varianssianalsi Aritmeettinen keskiarvo, Estimointi, F-testi,
LisätiedotHarjoitus 7: vastausvihjeet
Taloustieteen matemaattiset menetelmät 31C01100 Kevät 2017 Topi Hokkanen topi.hokkanen@aalto.fi Harjoitus 7: vastausvihjeet 1. (Epäyhtälörajoitteet) Olkoon f (x, y) = 6x + 4y ja g (x, y) = x 2 + y 2 2.
LisätiedotAalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,
Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 2016 Laskuharjoitus 5, Kotitehtävien palautus laskuharjoitusten
Lisätiedotb1) harhattomuutta, b2) helppoutta, b3) herkkyyttä, b4) mitta-asteikkoa, b5) standardointia, b6) tarkkuutta.
806109P TILASTOTIETEEN PERUSMENETELMÄT I 1. välikoe 9.3.2012 (Jari Päkkilä) VALITSE VIIDESTÄ TEHTÄVÄSTÄ NELJÄ JA VASTAA VAIN NIIHIN! 1. Valitse kohdissa A-F oikea (vain yksi) vaihtoehto. Oikeasta vastauksesta
Lisätiedot4. Seuraavaan ristiintaulukkoon on kerätty tehtaassa valmistettujen toimivien ja ei-toimivien leikkijunien lukumäärät eri työvuoroissa:
Lisätehtäviä (siis vanhoja tenttikysymyksiä) 1. Erään yrityksen satunnaisesti valittujen työntekijöiden poissaolopäivien määrät olivat vuonna 003: 5, 3, 16, 9, 0, 1, 3,, 19, 5, 19, 11,, 0, 4, 6, 1, 15,
LisätiedotA250A0050 Ekonometrian perusteet Tentti
A250A0050 Ekonometrian perusteet Tentti 28.9.2016 Tentissä ei saa käyttää laskinta. Tentistä saa max 80 pistettä. Hyväksytysti suoritetusta harjoitustyöstä saa max 20 pistettä. Huom. Merkitse vastauspaperin
Lisätiedot1 Johdatus varianssianalyysiin
Tilastollisia malleja 1 & 2: Varianssianalyysi Jarkko Isotalo Y131A & Y132A 15.1.2013 1 Johdatus varianssianalyysiin 1.1 Milloin varianssianalyysiä käytetään? Varianssianalyysi on tilastotieteellinen menetelmä,
LisätiedotMS-C1350 Osittaisdifferentiaaliyhtälöt Harjoitukset 5, syksy Mallivastaukset
MS-C350 Osittaisdifferentiaaliyhtälöt Haroitukset 5, syksy 207. Oletetaan, että a > 0 a funktio u on yhtälön u a u = 0 ratkaisu. a Osoita, että funktio vx, t = u x, t toteuttaa yhtälön a v = 0. b Osoita,
LisätiedotOtoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden
1 KERTAUSTA JA TÄYDENNYSTÄ Luento 30.9.2014 Olkoon satunnaisotos X 1, X 2,, X n normaalijakaumasta N(µ, σ 2 ), tällöin ~ N(µ, σ 2 /n), kaava (6). Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma
LisätiedotYLEISKUVA - Kysymykset
INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla
LisätiedotMoraalinen uhkapeli: laajennuksia ja sovelluksia
Moraalinen uhkapeli: laajennuksia ja sovelluksia Sisältö Kysymysten asettelu Monen tehtävän malli Sovellusesimerkki: Vakuutus Sovellusesimerkki: Palkkion määrääminen Johtajan palkitseminen Moraalisen uhkapelin
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotR: mikä, miksi ja miten?
R: mikä, miksi ja miten? Ilmari Ahonen Matematiikan ja tilastotieteen laitos, Turun yliopisto SSL R-Webinaari 2015 Vähän minusta Valmistuin maisteriksi Turun yliopistossa 2012 Teen neljättä vuotta väitöskirjaa
LisätiedotSisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4
Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN...6 1.1 INDUKTIO JA DEDUKTIO...7 1.2 SYYT JA VAIKUTUKSET...9
LisätiedotTaloustieteen perusteet 31A00110 18.04.2016. Opiskelijanumero Nimi (painokirjaimin) Allekirjoitus
Taloustieteen perusteet 31A00110 18.04.2016 Opiskelijanumero Nimi (painokirjaimin) Allekirjoitus Pisteytys: 1 2 3 4 5 6 Yht Vastaukseen käytetään vain tätä vastauspaperia. Vastaa niin lyhyesti, että vastauksesi
LisätiedotOletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen
Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä
LisätiedotRATKAISUT a + b 2c = a + b 2 ab = ( a ) 2 2 ab + ( b ) 2 = ( a b ) 2 > 0, koska a b oletuksen perusteella. Väite on todistettu.
RATKAISUT 198 197 198. Olkoon suorakulmion erisuuntaisten sivujen pituudet a ja b sekä neliön sivun pituus c. Tehtävä on mielekäs vain, jos suorakulmio ei ole neliö, joten oletetaan, että a b. Suorakulmion
LisätiedotTehtävänanto oli ratkaista seuraavat määrätyt integraalit: b) 0 e x + 1
Tehtävä : Tehtävänanto oli ratkaista seuraavat määrätyt integraalit: a) a) x b) e x + Integraali voisi ratketa muuttujanvaihdolla. Integroitava on muotoa (a x ) n joten sopiva muuttujanvaihto voisi olla
Lisätiedot54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):
Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei
LisätiedotMAB3 - Harjoitustehtävien ratkaisut:
MAB - Harjoitustehtävien ratkaisut: Funktio. Piirretään koordinaatistoakselit ja sijoitetaan pisteet:. a) Funktioiden nollakohdat löydetään etsimällä kuvaajien ja - akselin leikkauspisteitä. Funktiolla
Lisätiedotorigo III neljännes D
Sijoita pisteet A(1,4) ja B(4,5;5) sekä C(-3,4) ja D(-4,--5) y II neljännes C A I neljännes B x origo III neljännes D IV neljännes KOTIT. Sijoita ja nimeä koordinaatistoon pisteitä niin, että pisteet yhdistettäessä
LisätiedotPuheentutkimuksen tilastoanalyysin perusteet. 8. luento. Pertti Palo 20.1.2012
Puheentutkimuksen tilastoanalyysin perusteet 8. luento Pertti Palo 20.1.2012 Käytännön asioita Viimeisen seminaarin siirto: 2.3. 10-12 -> 2.3. 14-16. Miten seminaarin luentokuulustelun voi korvata? Harjoitustöiden
Lisätiedot031021P Tilastomatematiikka (5 op) kertausta 2. vk:een
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 5.4.2014 klo. 9.00-12.00 saleissa L1,L3 Koealue: luentojen luvut 7-11
LisätiedotEsimerkkiaineisto ALKOKULU Olemme käyttäneet 3. harjoituksissa esimerkkinä aineistoa, joka käsittelee yksityisiä kulutusmenoja
MS-C2128 Ennustaminen ja aikasarja-analyysi 6. harjoitukset / Tehtävät Kotitehtävä: 4 Esimerkkiaineisto ALKOKULU Olemme käyttäneet 3. harjoituksissa esimerkkinä aineistoa, joka käsittelee yksityisiä kulutusmenoja
LisätiedotMatemaattinen Analyysi
Vaasan yliopisto, kevät 01 / ORMS1010 Matemaattinen Analyysi. harjoitus, viikko 1 R1 ke 1 16 D11 (..) R to 10 1 D11 (..) 1. Määritä funktion y(x) MacLaurinin sarjan kertoimet, kun y(0) = ja y (x) = (x
LisätiedotMat. tukikurssi 27.3.
Mat. tukikurssi 7.. Tänään oli paljon vaikeita aiheita: - suunnattu derivaatta - kokonaisdierentiaali - dierentiaalikehitelmä - implisiittinen derivointi Nämä kaikki liittvät aika läheisesti toisiinsa.
LisätiedotKANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset
KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun
LisätiedotKorrelaatiokertoinen määrittely 165
kertoinen määrittely 165 Olkoot X ja Y välimatka- tai suhdeasteikollisia satunnaismuuttujia. Havaintoaineistona on n:n suuruisesta otoksesta mitatut muuttuja-arvoparit (x 1, y 1 ), (x 2, y 2 ),..., (x
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.104 Tilastollisen analyysin perusteet, kevät 007 8. luento: Usean selittäjän lineaarinen regressiomalli Kai Virtanen 1 Usean selittäjän lineaarinen regressiomalli Selitettävän muuttujan havaittujen
Lisätiedotl (φ; y) = l(θ(φ); y) Toinen derivaatta saadaan tulon derivaatan laskusäännöllä Uudelleenparametroidun mallin Fisherin informaatio on
HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 018 Harjoitus B Ratkaisuehdotuksia Tehtäväsarja I 1 (Monisteen tehtävä 14) Olkoon f Y (y; θ) tilastollinen malli, jonka
LisätiedotTilastollinen päättömyys, kevät 2017 Harjoitus 6B
Tilastollinen päättömyys, kevät 7 Harjoitus 6B Heikki Korpela 8. helmikuuta 7 Tehtävä. Monisteen teht. 6... Olkoot Y,..., Y 5 Nµ, σ, ja merkitään S 5 i Y i Y /4. Näytä, että S/σ on saranasuure eli sen
LisätiedotOULUN YLIOPISTON KAUPPAKORKEAKOULU. Niina Kesälä KOKONAISTUOTTAVUUS BRIC-MAIDEN TALOUSKASVUSSA
OULUN YLIOPISTON KAUPPAKORKEAKOULU Niina Kesälä KOKONAISTUOTTAVUUS BRIC-MAIDEN TALOUSKASVUSSA Pro gradu tutkielma Taloustiede Elokuu 2016 OULUN YLIOPISTO Oulun yliopiston kauppakorkeakoulu TIIVISTELMÄ
LisätiedotLuottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.
6.10.2015/1 MTTTP1, luento 6.10.2015 KERTAUSTA JA TÄYDENNYSTÄ Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla
LisätiedotMakrotaloustiede 31C00200
Makrotaloustiede 31C00200 Kevät 2017 Harjoitus 5 Arttu Kahelin arttu.kahelin@aalto.fi 1. Maan julkisen sektorin budjettialijäämä G-T on 5 % BKT:sta, BKT:n reaalinen kasvu on 5% ja reaalikorko on 3%. a)
Lisätiedot1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset
TA7, Ekonometrian johdantokurssi HARJOITUS 7 RATKAISUEHDOTUKSET 16.3.2015 1. Tutkitaan regressiomallia Y i = β 0 + X i + u i ja oletetaan, että tavanomaiset regressiomallin oletukset pätevät (Key Concept
LisätiedotVaikuttaako kokonaiskysyntä tuottavuuteen?
Vaikuttaako kokonaiskysyntä tuottavuuteen? Jussi Ahokas Itä-Suomen yliopisto Sayn laki 210 vuotta -juhlaseminaari Esityksen sisällys Mitä on tuottavuus? Tuottavuuden määritelmä Esimerkkejä tuottavuudesta
LisätiedotData-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]
Data-analyysi II [Type the document subtitle] Simo Kolppo 26.3.2014 Sisällysluettelo Johdanto... 1 Tutkimuskysymykset... 1 Aineistojen esikäsittely... 1 Economic Freedom... 1 Nuorisobarometri... 2 Aineistojen
LisätiedotJos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden
1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella
Lisätiedot14 Talouskasvu ja tuottavuus
14 Talouskasvu ja tuottavuus 1. Elintason kasvu 2. Kasvun mittaamisesta 3. Elintason osatekijät Suomessa 4. Elintason osatekijät OECD-maissa 5. Työn tuottavuuden kasvutekijät Tämä on pääosin Mankiw n ja
LisätiedotMTTTP1, luento KERTAUSTA
25.9.2018/1 MTTTP1, luento 25.9.2018 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2018/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
Lisätiedot