Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Tilastollinen päättely II, kevät 2017 Harjoitus 3B"

Transkriptio

1 Tilastollie päättely II, kevät 7 Harjoitus 3B Heikki Korpela 3. maaliskuuta 7 Tehtävä. Jatkoa harjoitukse B tehtävii -3. Oletetaa, että x i c kaikilla i, ku c > o vakio. Näytä, että ˆβ, T ja T ovat tarketuvia. Päteekö tarketuvuus, jos x i /i? Viimeise kysymykse perustelu ei tarvitse olla mitekää täsmällie, sopiva äppitutumaperustelu käy maiiosti. Vastaus: Olkoo joki vapaasti valittava luoollie luku, joka aamme lopuksi kasvaa rajatta. Lisäksi oletetaa, että o joki kiiteä positiiviluku, kute tehtävissä HB 3. Tapaukset x i c > kaikilla i. Luvussa esitety lausee mukaa estimaattori o tarketuva, jos se odotusarvo raja-arvo o parametri odotusarvo ja se variassi raja-arvo o olla. Kaikki estimaattorit osoitettii harhattomiksi, jote e ovat luoollisesti myös asymptoottisesti harhattomia. Riittää siis osoittaa, että variassie raja-arvo o olla. Estimaattorie variassit olivat:. var β [ ˆβY] var var β [T ] var var β [T ] var [ i Y ] ix i i x i [ i Y ] i i x i ] [ i Y i x i i x i x i x i i x i i x i x i i x i i Estimaattori ˆβ: var ˆβ i : x i c > i : x i c >, c + i x i + i i x i miorattiperiaate

2 Estimaattori T : josta i : x i c >, c + i x i +, i i i c c x i a c, miorattiperiaate miorattiperiaate, < c a var T i x i i x i a Estimaattori T : i : x i c > i : < x i c, josta i x i i c c d < a, var T majorattiperiaate, < d < c < x i i d Siis kaikki estimaattorit olivat tarketuvia tapauksissa < c < x i kaikilla i. Tapaukset x i /i. Todetaa esi, että kaikilla estimaattoreilla variassi raja-arvoksi saadaa jotai muuta kui olla, ku kasvaa rajatta, eli aiemmasta lauseesta ei yt ole apua. Tämä ähdää esimerkiksi seuraavasti: Estimaattori ˆβ: Estimaattori T : i x i i i π /6 yliharm. sarja summa x i x i i x i i i i i i i i a >, 3/ x i /i kasvatetaa imittäjää

3 missä a o suppeeva yliharmoise sarja i Estimaattori T : x i i i i 3/ summa. i x i /i eliösumma Pyritää sitte osoittamaa, että estimaattorit eivät ole tarketuvia, suoraa määritelmä ojalla. Määritelmä mukaa estimaattori T o tarketuva, joss T lim P β > ɛ Todetaa estimaattorie jakaumat. ˆβ i Yixi :llä Y i Nβx i, o riippumattomie i x i ormaalijakautueide sm:ie summaa ormaalijakauma, parametreia aiemmi lasketut E ˆβ β, var ˆβ. i Yi :lla o myös samoi perustei ormaalijakauma, parametreia i xi i x i T T :lla, parametreia β, i x i. β, x, samoi Tarkastellaa ormaalijakautuee harhattoma estimaattori T käytöstä. Nyt, ku ɛ >, P T β > ɛ P T β ɛ PAc PA Pβ ɛ < T < β + ɛ F T β + ɛ F T β ɛ kf: määritelmä β + ɛ µt β ɛ µt x µ Φ Φ F T T x Φ T ɛ ɛ Φ Φ µ T T β T ɛ Φ Φx Φ x T Φ kiiitetää ɛ > T > Φ T Tehdää apuoletus, että kaikissa tarkasteltavissa tapauksissa keskihajoa kääteisluvulle pätee / T c/ jollai kiiteällä c R kaikilla ja osoitetaa tämä lopuksi. Tällöi, koska kertymäfuktio o kasvava, saadaa arvio c T c T Φ Φ c T 3

4 Oletuste ojalla c o joki reaaliluku ja Φx > kaikilla x R. Site väittee lim P ˆβ β > ɛ perustelemiseksi riittää yt todeta, että kokoaiselta reaalilukuväliltä, Φ c löytyy joki positiiviluku ɛ. Tätä lähemmäksi ollaa ei todeäköisyyttä P ˆβ β > voida viedä, jote estimaattori T ei ole tarketuva. Osoitettavaksi jää, että väite / T c/ pätee tarkasteltavilla estimaattoreilla. Lasketaa keskihajotoje kääteisluvuille lausekkeet ja tarkastellaa iide käyttäytymistä: huomioide, >, x i > ˆβ : i x i i x i T : T : i x i i i π /6 i x i i i i i i i i 3/ a / i /x i x i i / i i / ++ 6 / / / / /5 x i /i yliharmoise sarja summa a yliharm. sarja i i kasvatetaa osoittajaa i summa i3/ + +, eliösarja 6 kasvatetaa osoittajaa kasvatetaa osoittajaa Näi väite o tullut äytetyksi, eli mikää estimaattoreista ei ole tarketuva, ku x i /i. Tehtävä. Olkoot Y,..., Y riippumattomia samoi jakautueita satuaismuuttujia, ja kuki 4

5 sm: Y i tiheysfuktio o fy; θ + θy, < y <, < θ <. 4 Laske parametrille θ estimaattori momettimeetelmä avulla. Oko saatu estimaattori tarketuva? Vastaus: Etsitää estimaattoria momettimeetelmä avulla: EY i fy; θy dy odotusarvo määritelmä jvalle jakaumalle R + θyy dy 4 y dy + θ 4 }{{} y parito θ 4 3 y i θ 6 i θ 6y, ˆθY 6Y / y 3 θ 6 y dy }{{} y dy y parillie. Estimaattori o saatu momettimeetelmällä, jote se o harhato ja siis myös asymptoottisesti harhato. Lasketaa estimaattori variassi: EYi 4 + θyy dy TTL 3 y dy }{{} y dy y parillie / y 3 3, var Y i EY i EY i 3 θ θ 36 9 var 6Y 36 var Y i i 36 θ 36 i θ i θ jote estimaattori o tarketuva. θ + θy 3 dy 4 }{{} y 3 parito, Tehtävä 3. Jatkoa harjoitukse B tehtävää 5. Laske suurimma uskottavuude estimaattori ˆλ variassi. Oko estimaattori ˆλ tarketuva, jos luvuille x, x,..., x pätee x i c, ku c > o vakio? 5

6 3. Vastaus: var ˆλ var Y x x var Y i x i x βx β x βx i i Y i Poiβx i var Y i βx i Jos kaikilla i pätee x i >, välttämättä β >, koska Poisso-jakauma parametrie λ i βx i parametriavaruus o λ i >. Lisäksi samaa tapaa kui tehtävässä voidaa päätellä: i : x i c R + x i c i i lim x, koska lim Siis Eˆλ β i β ja var ˆλ c hajaatuu, ku c >, sekä miorattiperiaate. β, jote ˆλ o tarketuva. Tehtävä 4. Moistee tehtävä 3.. Mallissa Y,..., Y Tas, θ su-estimaattoriksi saatu ˆθ maxy,..., Y ks Vastaus: a Muodosta ˆθ: kertymäfuktio F lähtie havaiosta ja derivoi siitä tiheysfuktio f F Pˆθ t PY t PY t b Laske ˆθ: odotusarvo ja totea, että ˆθ o harhaie mutta asymptoottisesti harhato. a Pˆθ t PY t PY t F Y t F Y t{ < t < θ} + {t θ} t θ t { < t < θ} + {t θ} θ t { < t < θ} + {t θ} θ t θ { < t < θ} + {t θ} ft D t F t t θ { < t < θ} Y i Tasa, b F Yi y y a b a potessi deriv. säätö b Eˆθ R θ θ θ/ fˆθy; θ t dt t θ t dt + t+ θ + θ+ + θ odotusarvo määr. 6

7 Siis harha bθ Eˆθ θ θ θ + θ + θ+θ + θ +, jote estimaattori o harhaie. Kuiteki + θ + / θ + θ θ, jote estimaattori o asymptoottisesti harhato. Tehtävä 5. Jatkoa tehtävää 4. a Laske ˆθ: variassi ja keskieliövirhe E θ ˆθ θ ja vertaa jälkimmäistä momettimeetelmä atama harhattoma estimaattori θ Y kute esimerkissä variassii. Kumpi estimaattori o parempi? b Olisiko ˇθ + ˆθ hyvä estimaattori? Vastaus: 5. a Variassi: Eˆθ R θ θ θ/ fˆθy; θ t dt t θ t dt + θ var ˆθ Eˆθ Eˆθ + θ + t+ θ + θ+ + θ θ θ θ θ θ + + TTL Keskieliövirhe: E θ ˆθ θ var ˆθ + bθ θ θ θ θ θ θ + + 7

8 Harhattoma estimaattori θ Y variassi eli se keskieliövirhe: var θ Y 4 var Y i i 4 θ θ 6 Y i Tas, θ var Y i θ Harhaie estimaattori ˆθ o parempi keskieliövirhee mielessä, joss E[ θ] var[ θ] E[ˆθ θ ] θ 6 θ >, jote epäyht. suuta säilyy 3 + Koska toise astee termi kerroi a o positiivie, kyseessä o ylöspäi aukeava paraabeli. Epäyhtälö vase puoli o siis egatiivie vai mahdolliste ollakohtie välillä. Ratkaistaa ollakohdat: 3 ± ± tai Toisi saoe harhaie estimaattori ˆθ o parempi, ku. b ˇθ: harha: bθ Eˇθ θ + ˆθ θ + eli kyseie estimaattori o harhato. Variassi eli keskieliövirhe: var ˇθ var + ˆθ + var ˆθ + θ θ θ θ θ, θ θ + θ + ˇθ o keskieliövirhee mielessä parempi kui harhaie estimaattori ˆθ, joss eli kaikissa tapauksissa. Eˆθ θ Eˇθ θ Eˆθ θ var ˇθ θ + + θ + + +, Trasitiivisuudesta seuraa, että koska ˆθ oli parempi kui θ, ku, ˇθ o myös parempi kui θ. 8

9 9

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

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

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A Tilastollie päättömyys, kevät 07 Harjoitus 6A Heikki Korpela 8. helmikuuta 07 Tehtävä. Moistee teht. 5.. Olkoo Y,..., Y riippumato otos ekspoettiperhee jakaumasta, joka ptf/tf o muotoa fy i ; θ cθhye φθtyi

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todeäköisyyslaskea ja tilastotietee peruskurssi 4A Satuaisotata ja parametrie estimoiti Lasse Leskelä Matematiika ja systeemiaalyysi laitos Perustieteide korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa 2: Otokset, otosjakaumat ja estimoiti Estimoitimeetelmät TKK (c) Ilkka Melli (2007) Estimoitimeetelmät >> Todeäköisyysjakaumie parametrie estimoiti Suurimma uskottavuude

Lisätiedot

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme? TKK (c) Ilkka Melli (4) Johdato Johdatus todeäköisyyslasketaa TKK (c) Ilkka Melli (4) : Mitä opimme? / Tutustumme tässä luvussa seuraavii ormaalijakaumasta (ks. lukua Jatkuvia jakaumia) johdettuihi jakaumii:

Lisätiedot

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

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

S Laskennallinen systeemibiologia

S Laskennallinen systeemibiologia S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude

Lisätiedot

1 Eksponenttifunktion määritelmä

1 Eksponenttifunktion määritelmä Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella

Lisätiedot

Tilastollinen päättely II, kevät 2017 Harjoitus 2A

Tilastollinen 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

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

6.1 Riippumattomat satunnaismuuttujat

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

Lisätiedot

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai

MATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Lisätiedot

1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).

1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit). Luku 7 Parametrie estimoiti Lasse Leskelä Aalto-yliopisto 2. lokakuuta 2017 7.1 Tilastollie päättely Tähä meessä o opittu eustamaa tapahtumie todeäköisyyksiä aetu stokastise malli pohjalta. Eusteide laskemiseksi

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiika tukikurssi Kurssikerta 1 Iduktiotodistus Iduktiotodistukse logiikka Tutkitaa tapausta, jossa haluamme todistaa joki väittee P() site, että se pätee kaikilla luoollisissa luvuilla. Eli halutaa

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

3.6 Su-estimaattorien asymptotiikka

3.6 Su-estimaattorien asymptotiikka 3.6 Su-estimaattorien asymptotiikka su-estimaattorit ovat usein olleet puutteellisia : ne ovat usein harhaisia ja eikä ne välttämättä ole täystehokkaita asymptoottisilta ominaisuuksiltaan ne ovat yleensä

Lisätiedot

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla. Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiika tukikurssi Kertauslueto. välikokeesee Algebraa Tämäkertaie kurssimoiste sisältää rusaasti harjoitustehtäviä. Syyä tähä o se, että matematiikkaa oppii parhaite itse tekemällä ja laskemalla.

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiika tukikurssi Kurssikerta 3 1 Lisää iduktiota Jatketaa iduktio tarkastelua esimerki avulla. Yritetää löytää kaava : esimmäise (positiivise) parittoma luvu summalle eli summalle 1 + 3 + 5 + 7 +...

Lisätiedot

Tehtäviä neliöiden ei-negatiivisuudesta

Tehtäviä neliöiden ei-negatiivisuudesta Tehtäviä epäyhtälöistä Tehtäviä eliöide ei-egatiivisuudesta. Olkoo a R. Osoita, että 4a 4a. Ratkaisu. 4a 4a a) a 0 a ) 0.. Olkoot a,, R. Osoita, että a a a. Ratkaisu. Kerrotaa molemmat puolet kahdella:

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (005) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo ja otosvariassi otosjakaumat

Lisätiedot

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet Ilkka Melli Todeäköisyyslasketa Osa 2: Satuaismuuttujat ja todeäköisyysjakaumat Kovergessikäsitteet ja raja arvolauseet TKK (c) Ilkka Melli (2006) 1 Kovergessikäsitteet ja raja arvolauseet >> Kovergessikäsitteitä

Lisätiedot

Matematiikan tukikurssi. Kertausta 1. välikokeeseen. Tehtävät

Matematiikan tukikurssi. Kertausta 1. välikokeeseen. Tehtävät Matematiika tukikurssi Kertausta. välikokeesee Tehtävät Algebraa Tämä kappale sisältää rusaasti harjoitustehtäviä. Suurimpaa osaa tehtävistä löytyy ratkaisut lopusta. Syyä rusaasee tehtävämäärää o, että

Lisätiedot

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan

RATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa

Lisätiedot

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

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

Lisätiedot

Calculus. Lukion PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN. Differentiaali- ja integraalilaskennan jatkokurssi

Calculus. Lukion PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN. Differentiaali- ja integraalilaskennan jatkokurssi Calculus Lukio 8 MAA Differetiaali- ja itegraalilaskea jatkokurssi Paavo Jäppie Alpo Kupiaie Matti Räsäe Otava PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN Differetiaali- ja itegraalilaskea jatkokurssi

Lisätiedot

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit Mat-.09 Sovellettu todeäköisyyslasku Mat-.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Estimoiti Luottamusvälit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Estimaattori, Estimoiti, Frekvessi,

Lisätiedot

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja.

Kertaa tarvittaessa induktiota ja rekursiota koskevia tietoja. MATEMATIIKAN JA TILASTOTIETEEN LAITOS Aalyysi I Harjoitus 5. 0. 2009 alkavalle viikolle Ratkaisuehdotuksia ( sivua) (Rami Luisto) Laskuharjoituksista saa pistettä, jos laskettu vähitää 50 tehtävää; 3 pistettä,

Lisätiedot

Yhden selittäjän lineaarinen regressiomalli

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

Lisätiedot

2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x =

2 avulla. Derivaatta on nolla, kun. g( 3) = ( 3) 2 ( 3) 5 ( 3) + 6 ( 3) = 72 > 0. x = TAMMI PYRAMIDI NUMEERISIA JA ALGEBRALLISIA MENETELMIÄ PARITTOMAT RATKAISUT 7 Tiedosto vai hekilökohtaisee käyttöö. Kaikelaie sisällö kopioiti kielletty. a) g( ) = 5 + 6 Koska g o eljäe astee polyomi, ii

Lisätiedot

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin 3 Yleistä estimointiteoriaa Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin 3.1 Johdanto Tähän mennessä olemme tarkastelleet estimointia

Lisätiedot

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua) Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse

Lisätiedot

3 x < < 3 x < < x < < x < 9 2.

3 x < < 3 x < < x < < x < 9 2. Matematiika johdatokurssi Kertaustehtävie ratkaisuja 1. Ratkaise epäyhtälöt: a) 3 x < 3, b) 5x + 1. Ratkaisu. a) Ratkaistaa epäyhtälö poistamalla esi itseisarvot: 3 x < 3 3 < 3 x < 3 9 < x < 3 3 < x

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

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

Lisätiedot

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

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat: Mat-.60 Sovellettu todeäköisyyslasketa B Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Estimoiti Estimoitimeetelmät Väliestimoiti Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Beroulli-koe,

Lisätiedot

4. Todennäköisyyslaskennan kertausta

4. Todennäköisyyslaskennan kertausta Sisältö Peruskäsitteet Diskreetit satuaismuuttujat Diskreetit jakaumat (lkm-jakaumat) Jatkuvat satuaismuuttujat Jatkuvat jakaumat (aikajakaumat) Muut satuaismuuttujat lueto04.ppt S-38.45 - Liikeeteoria

Lisätiedot

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut Mat-2.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Kaksiulotteie ormaalijakauma Mitta-asteikot Havaitoaieisto kuvaamie ja otostuusluvut Avaisaat: Ehdollie jakauma, Ehdollie odotusarvo, Ehdollie variassi,

Lisätiedot

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

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

Lisätiedot

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.

10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen. 10 Kertolaskusäätö Kahta tapahtumaa tai satuaisilmiötä saotaa riippumattomiksi, jos toise tulos ei millää tavalla vaikuta toisee. Esim. 1 A = (Heitetää oppaa kerra) ja B = (vedetää yksi kortti pakasta).

Lisätiedot

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin 3 Yleistä estimointiteoriaa Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin 3.1 Johdanto Tähän mennessä olemme tarkastelleet estimointia

Lisätiedot

3 x < < 3 x < < x < < x < 9 2.

3 x < < 3 x < < x < < x < 9 2. Matematiika johdatokurssi Kertaustehtävie ratkaisuja. Ratkaise epäyhtälöt: a) 3 x < 3, b) 5x +. Ratkaisu. a) Ratkaistaa epäyhtälö poistamalla esi itseisarvot: 3 x < 3 3 < 3 x < 3 9 < x < 3 3 < x < 9. Itse

Lisätiedot

3 10 ei ole rationaaliluku.

3 10 ei ole rationaaliluku. Harjoitukset / 011 RATKAISUT Lukuteoria 1. Etsi Eratostheee seulalla samatie kaikki lukua 400 pieemmät alkuluvut. (Tai ohjelmoi tietokoeesi etsimää paljo lisää.) Kirjoita rivii kaikki luvut 1-00. Poista

Lisätiedot

2. Uskottavuus ja informaatio

2. Uskottavuus ja informaatio 2. Uskottavuus ja informaatio Viimeksi käsittelimme uskottavuusfunktioita, log-uskottavuusfunktioita ja su-estimaatteja Seuraavaksi tarkastelemme parametrin muunnoksia ja kuinka su-estimaatit käyttäytyvät

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mitä tilastotiede o? Mat-.04 Tilastollise aalyysi perusteet, kevät 007. lueto: Johdato Tilastotiede kehittää ja soveltaa meetelmiä: reaalimaailma ilmiöistä johtopäätökset ilmiöitä kuvaavie tietoje perusteella

Lisätiedot

KURSSIN TILASTOMATEMATIIKKA KAAVOJA

KURSSIN TILASTOMATEMATIIKKA KAAVOJA KURSSIN TILASTOMATEMATIIKKA KAAVOJA X = S = s = Otossuureita X i tai x = x i (otoskeskiarvo) (X i X) = (x i x) = Xi x i E(X) =µ, var(x) = σ X x tai, E(S )=σ (otosvariassi) Normaalijakautuee populaatio

Lisätiedot

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen T-1.1 Datasta tietoo, syksy 5 Laskuharjoitus.1., ratkaisuja Joui Seppäe 1. Simuloidaa tasoittaista algoritmia. Esimmäisessä vaiheessa ehdokkaia ovat kaikki yhde muuttuja joukot {a}, {b}, {c} ja {d}. Aaltosulkeide

Lisätiedot

3.2 Polynomifunktion kulku. Lokaaliset ääriarvot

3.2 Polynomifunktion kulku. Lokaaliset ääriarvot 3. Polyomifuktio kulku. Lokaaliset ääriarvot Tähäastiste opitoje perusteella osataa piirtää esiasteise polyomifuktio kuvaaja, suora, ku se yhtälö o aettu. Osataa myös pääpiirtei hahmotella toise astee

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät Ratkaisuehdotuksia

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät Ratkaisuehdotuksia HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 14..2017 Ratkaisuehdotuksia 1. Olkoon θ positiivinen parametri, ja asetetaan 2θ 1 y exp y 2 /θ), kun y > 0 fy; θ) = 0, muuten

Lisätiedot

9. laskuharjoituskierros, vko 12-13, ratkaisut

9. laskuharjoituskierros, vko 12-13, ratkaisut 9. laskuharjoituskierros, vko 12-13, ratkaisut D1. Olkoot X i, i = 1, 2,..., n riippumattomia, samaa eksponenttijakaumaa noudattavia satunnaismuuttujia, joiden odotusarvo E(X i = β, toisin sanoen X i :t

Lisätiedot

MATEMATIIKAN JA TILASTOTIETEEN LAITOS

MATEMATIIKAN JA TILASTOTIETEEN LAITOS f ( ) JYVÄSKYLÄN YLIOPISTO Harjoituste 3 ratkaisut MATEMATIIKAN JA TILASTOTIETEEN LAITOS Topologiset vektoriavaruudet 3.1. Jokaie kompakti joukko K R määrää fuktioavaruudessa E = C(R ) = {f : R R f o jatkuva}

Lisätiedot

Teoria. Tilastotietojen keruu

Teoria. Tilastotietojen keruu S-38.348 Tietoverkkoje simuloiti / Tuloste keruu ja aalyysi Teoria Johdato simuloitii Simuloii kulku -- prosessi realisaatioide tuottamie Satuaismuuttuja arvota aetusta jakaumasta Tuloste keruu ja aalyysi

Lisätiedot

Luku 7. Parametrien estimointi. 7.1 Parametriset jakaumat. Lasse Leskelä Aalto-yliopisto 29. marraskuuta 2017

Luku 7. Parametrien estimointi. 7.1 Parametriset jakaumat. Lasse Leskelä Aalto-yliopisto 29. marraskuuta 2017 Luku 7 Parametrie estimoiti Lasse Leskelä Aalto-yliopisto 29. marraskuuta 2017 7.1 Parametriset jakaumat Tarkastellaa tutematota datalähdettä, joka tuottaa toisistaa stokastisesti riippumattomia ja tiheysfuktio

Lisätiedot

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1

1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1 Epäyhtälötehtävie ratkaisuja. osa, ks. Solmu 2/200. Kahde positiivise luvu harmoie, geometrie, aritmeettie ja kotraharmoie keskiarvo määritellää yhtälöillä H = 2 +, G = uv, A = u + v 2 u v ja C = u2 +

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

Tilastollinen 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

Lisätiedot

Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015

Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015 Stokastiika perusteet Harjoitukset (Todeäköisyysavaruus, -mitta ja -fuktio) 2..205. Määritä potessijoukko 2,ku (a) {0, } (b) {(0, ]} ja ku (c) (0, ]. Ratkaisu: (a) 2 {;, {0}, {}, {0, }} (b) 2 {;, {(0,

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

Satunnaismuuttujien muunnokset ja niiden jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2007) 1 Satunnaismuuttujien muunnokset ja

Lisätiedot

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)

xe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x) BM20A580 Differetiaalilasketa ja sovellukset Harjoitus 3, Syksy 206. Laske seuraavat itegraalit si(4t + )dt (b) x(x 2 + 00) 000 dx (c) x exp(ix )dx 2. Mitä o y, ku (x ) 2 + y 2 = 2 2, etäpä y? Vastaukset

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Ssteemiaalsi laboratorio Mat-2.9 Sovellettu todeäköisslasku A Nordlud Harjoitus 6 (vko 43/23) (Aihe: sekamalli, hteisjakaumia, Laiie luvut 6. 6.3, 8. 8.9). Tässä o edellise viiko laskareissa luvattu

Lisätiedot

Tenttiin valmentavia harjoituksia

Tenttiin valmentavia harjoituksia Tenttiin valmentavia harjoituksia Alla olevissa harjoituksissa suluissa oleva sivunumero viittaa Juha Partasen kurssimonisteen siihen sivuun, jolta löytyy apua tehtävän ratkaisuun. Funktiot Harjoitus.

Lisätiedot

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 017 Harjoitus 5 Ratkaisuehdotuksia Tehtäväsarja I 1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X

Lisätiedot

Luento 7 Luotettavuus Koherentit järjestelmät

Luento 7 Luotettavuus Koherentit järjestelmät Lueto 7 Luotettavuus Koheretit järjestelmät Ja-Erik Holmberg Systeemiaalyysi laboratorio Aalto-yliopisto perustieteide korkeakoulu PL 00, 00076 Aalto ja-erik.holmberg@riskpilot.fi Määritelmä Tarkasteltava

Lisätiedot

Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims

Äärettämän sarjan (tai vain sarjan) sanotaan suppenevan eli konvergoivan, jos raja-arvo lims 75 4 POTENSSISARJOJA 4.1 ÄÄRETTÖMÄT SARJAT Lukujoo { a k } summaa S a a a a a k 0 1 k k0 saotaa äärettömäksi sarjaksi. Summa o s. osasumma. S a a a a a k 0 1 k0 Äärettämä sarja (tai vai sarja) saotaa suppeeva

Lisätiedot

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

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

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

Lisätiedot

Tilastolliset luottamusvälit

Tilastolliset luottamusvälit Luku 8 Tilastolliset luottamusvälit Lasse Leskelä Aalto-yliopisto 18. lokakuuta 2017 8.1 Piste-estimaatti ja väliestimaatti Edellisessä luvussa opittii määrittämää parametreille estimaatteja suurimma uskottavuude

Lisätiedot

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia Todeäköisyyslasketa I, kesä 207 Helsigi yliopisto/avoi yliopisto Harjoitus 3, ratkaisuehdotuksia. Aikaisemma viiko teemaa. Edessäsi o kaksi laatikkoa A ja B. Laatikossa A o 8 palloa, joista puolet valkoisia.

Lisätiedot

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu

811312A Tietorakenteet ja algoritmit , Harjoitus 1 ratkaisu 83A Tietoraketeet ja algoritmit 06-07, Harjoitus ratkaisu Harjoitukse aiheea o algoritmie oikeellisuus. Tehtävä. Kahvipurkkiogelma. Kahvipurkissa P o valkoisia ja mustia kahvipapuja, yhteesä vähitää kaksi

Lisätiedot

Kompleksilukujen alkeet

Kompleksilukujen alkeet Kompleksilukuje alkeet Samuli Reuae Soja Kouva Kuva 1: Abraham De Moivre (1667-175) Sisältö 1 Kompleksiluvut ja kompleksitaso 1.1 Yhtee- ja väheyslasku...................... 1. Kertolasku ja z = x + yi

Lisätiedot

Laudatur 13. Differentiaali- ja integraalilaskennan jatkokurssi MAA 13. Tarmo Hautajärvi Jukka Ottelin Leena Wallin-Jaakkola. Opettajan aineisto

Laudatur 13. Differentiaali- ja integraalilaskennan jatkokurssi MAA 13. Tarmo Hautajärvi Jukka Ottelin Leena Wallin-Jaakkola. Opettajan aineisto Laudatur Differetiaali- ja itegraalilaskea jatkokurssi MAA Tarmo Hautajärvi Jukka Otteli Leea Walli-Jaakkola Opettaja aieisto Helsigissä Kustausosakeyhtiö Otava SISÄLLYS Ratkaisut kirja tehtävii... Kokeita...7

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat: Mat-2.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Diskeetit jakaumat Jatkuvat jakaumat Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Ketymäfuktio, Mediaai, Negatiivie biomijakauma,

Lisätiedot

Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi

Seuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi Laaja matematiikka 5 Kevät 200 2. Itegraali omiaisuuksia Seuraavat peruslauseet -8 voidaa helposti todistaa itegraali määritelmästä. Itegroimisjoukko oletetaa rajoitetuksi Jordamitalliseksi joukoksi. Lause

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi

Lisätiedot

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx

dx = d dψ dx ) + eikx (ik du u + 2ike e ikx u i ike ikx u + e udx 763333A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 5 Kevät 2014 1. Tehtävä: Johda luetomateriaali kaavat d 2 u i k du 2 m + Uxu = E k 2 u p = k + u x i d ux. Ratkaisu: Oletetaa, että ψx = e ikx ux, missä ux +

Lisätiedot

( θa,n ;Y n (ˆθn θ 0 ), a=1,...,d, J n

( θa,n ;Y n (ˆθn θ 0 ), a=1,...,d, J n 2.4.2 Asymptoottie ormaalisuus Ku SU estimaattori tarketuvuus o todettu, voidaa asymptoottie ormaalisuus osoittaa käyttäe pistemäärä Taylori kehitelmää tai väliarvolausetta. Tämä vaatii uskottavuusfuktio

Lisätiedot

8.1 Ehdolliset jakaumat

8.1 Ehdolliset jakaumat 8 Ehdollinen jakauma Tämän kappaleen tärkeitä käsitteitä: Ehdollinen jakauma; ehdollinen ptnf/tf. Kertolaskusääntö eli ketjusääntö yhteisjakauman esittämiseksi. Ehdollinen odotusarvo ja ehdollinen varianssi.

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

4.0.2 Kuinka hyvä ennuste on? Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki

Lisätiedot

Tehtävä 1. Oletetaan että uv on neliö ja (u, v) = 1. Osoita, että kumpikin luvuista u ja v on. p 2j i. p j i

Tehtävä 1. Oletetaan että uv on neliö ja (u, v) = 1. Osoita, että kumpikin luvuista u ja v on. p 2j i. p j i JOHDATUS LUKUTEORIAAN (syksy 07) HARJOITUS 8, MALLIRATKAISUT Tehtävä. Oletetaan että uv on neliö ja (u, v) =. Osoita, että kumpikin luvuista u ja v on neliö. Ratkaisu. Olkoon p i alkuluku, joka jakaa luvun

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin

Lisätiedot

3. Teoriaharjoitukset

3. Teoriaharjoitukset 3. Teoriaharjoitukset Demotehtävät 3.1 a Olkoot u ja v satunnaumuuttujia, joilla on seuraavat ominaisuudet: E(u = E(v = 0 Var(u = Var(v = σ 2 Cov(u, v = E(uv = 0 Näytä että deterministinen prosessi. x

Lisätiedot

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla!

Lataa ilmaiseksi mafyvalmennus.fi/mafynetti. Valmistaudu pitkän- tai lyhyen matematiikan kirjoituksiin ilmaiseksi Mafynetti-ohjelmalla! Mite opit parhaite? Valmistaudu pitkä- tai lyhye matematiika kirjoituksii ilmaiseksi Mafyetti-ohjelmalla! Harjoittelu tehdää aktiivisesti tehtäviä ratkomalla. Tehtävät kattavat kaikki yo-kokeessa tarvittavat

Lisätiedot

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä Sekalaiset tehtävät, 11. syyskuuta 005, sivu 1 / 13 Tehtäviä Tehtävä 1. Johda toiseen asteen yhtälön ax + bx + c = 0, a 0 ratkaisukaava. Tehtävä. Määrittele joukon A R pienin yläraja sup A ja suurin alaraja

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

Markov-ketjun hetkittäinen käyttäytyminen

Markov-ketjun hetkittäinen käyttäytyminen Matematiika ja systeemiaalyysi laitos 1B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava

Lisätiedot

11 Raja-arvolauseita ja approksimaatioita

11 Raja-arvolauseita ja approksimaatioita 11 Raja-arvolauseita ja approksimaatioita Tässä luvussa esitellään sellaisia kuuluisia todennäköisyysteorian raja-arvolauseita, joita sovelletaan usein tilastollisessa päättelyssä. Näiden raja-arvolauseiden

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo

Lisätiedot

4 Matemaattinen induktio

4 Matemaattinen induktio 4 Matemaattinen induktio Joidenkin väitteiden todistamiseksi pitää näyttää, että kaikilla luonnollisilla luvuilla on jokin ominaisuus P. Esimerkkejä tällaisista väitteistä ovat vaikkapa seuraavat: kaikilla

Lisätiedot

Jatkuva-aikaisten Markov-prosessien aikakehitys

Jatkuva-aikaisten Markov-prosessien aikakehitys 5A Jatkuva-aikaisten Markov-prosessien aikakehitys Tämän harjoituksen tavoitteena on harjoitella jatkuva-aikaisiin Markov-prosesseihin liittyviä hetkittäisiä jakaumia ja tutkia niien muutoksia ajassa.

Lisätiedot

Calculus. Lukion PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN. Trigonometriset funktiot ja lukujonot

Calculus. Lukion PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN. Trigonometriset funktiot ja lukujonot Calculus Lukio MAA9 Trigoometriset fuktiot ja lukujoot Paavo Jäppie Alpo Kupiaie Matti Räsäe Otava PIKATESTIN JA KERTAUSKOKEIDEN TEHTÄVÄT RATKAISUINEEN Trigoometriset fuktiot ja lukujoot (MAA9) Pikatesti

Lisätiedot

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi

SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 6 ratkaisuiksi SMG-400 Sähkömageettiste järjestelmie lämmösiirto Ehdotukset harjoitukse 6 ratkaisuiksi Tarkastellaa suljetu järjestelmä tehotasaaioa joka o P + P P = P i g out st Oletetaa että verkotetussa alueessa jossa

Lisätiedot

Jokaisen parittoman kokonaisluvun toinen potenssi on pariton.

Jokaisen parittoman kokonaisluvun toinen potenssi on pariton. 3 Todistustekniikkaa 3.1 Väitteen kumoaminen vastaesimerkillä Monissa tilanteissa kohdataan väitteitä, jotka koskevat esimerkiksi kaikkia kokonaislukuja, kaikkia reaalilukuja tai kaikkia joukkoja. Esimerkkejä

Lisätiedot

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on

4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on 4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.

Lisätiedot

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

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

Lisätiedot

9 Lukumäärien laskemisesta

9 Lukumäärien laskemisesta 9 Luumäärie lasemisesta 9 Biomiertoimet ja osajouoje luumäärä Määritelmä 9 Oletetaa, että, N Biomierroi ilmaisee, uia mota -alioista osajouoa o sellaisella jouolla, jossa o aliota Meritä luetaa yli Lasimesta

Lisätiedot

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Oletetaan, 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

Lisätiedot

Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.

Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat. Approbatur 3, demo 1, ratkaisut 1.1. A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat. Käydään kaikki vaihtoehdot läpi. Jos A on rehti, niin B on retku, koska muuten

Lisätiedot

Maximum likelihood-estimointi Alkeet

Maximum likelihood-estimointi Alkeet Maximum likelihood-estimointi Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Maximum likelihood-estimointi p.1/20 Maximum Likelihood-estimointi satunnaismuuttujan X

Lisätiedot