MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5
|
|
- Ada Lehtilä
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 MS-A Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko Tilastollinen testaus Tilastollisten testaaminen Tilastollisen tutkimuksen kohteena olevasta perusjoukosta on esitetty jokin väite tai oletus, jota halutaan testata. Jotta oletusta voidaan testata tilastollisesti, oletus täytyy pukea tutkittavan perusjoukon ominaisuutta kuvaavaa tilastollista mallia (eli havaintojen todennäköisyysjakaumaa) koskevaksi hypoteesiksi. Esim. Yksinkertainen parametrinen testaus Satunnaismuuttuja X kuvaa jonkin ominaisuuden vaihtelua perusjoukossa Tilastollinen malli: X,, X n ~f(x ; ), tuntematon ypoteesi =, missä jokin parametrin arvo ypoteesi asetetaan koetteelle havaintojen x,, x n todennäköisyysjakaumasta f(x;) sisältämää informaatiota vastaan. Testausasetelmaa koskevat hypoteesit Testausasetelma kiinnitetään tekemällä kolme oletusta: Testausasetelmaa koskevat perusoletukset, joista pidetään kiinni testauksen aikana, muodostavat testin yleisen hypoteesin Oletukset perusjoukosta, käytetystä otantamenetelmästä, (jakaumasta) Testattavaa oletusta kutsutaan nollahypoteesiksi Vaihtoehtoinen hypoteesi on oletus, joka astuu voimaan, jos nollahypoteesi hylätään testissä uomioita: Yleisen hypoteesin oletuksista pidetään kiinni testauksen aikana testi on aina ehdollinen näiden oletusten suhteen. sta pidetään kiinni, elleivät havaintojen sisältämät todisteet sitä vastaan ole kyllin voimakkaita. Tilastollista testiä tehtäessä toivotaan usein, että nollahypoteesi voidaan hylätä ja vaihtoehtoinen hypoteesi hyväksyä (vrt. uusi informaatio tai tietämys) Testisuure Tilastollinen testi perustetaan johonkin sopivaan testisuureeseen (=satunnaismuuttuja), joka mittaa havaintojen ja nolla-hypoteesin yhteensopivuutta. Kuinka todennäköistä on saada sellaisia testisuureen arvoja kuin on havaittu, nollahypoteesin pätiessä? Todennäköisyyden laskemiseen tarvitaan testisuureen jakauma Testisuureen normaaliarvo on sen odotusarvo pätiessä Jos havaitusta otoksesta määrätty testisuureen arvo. on lähellä normaaliarvoa, havainnot ovat sopusoinnussa :n kanssa.. poikkeaa merkitsevästi testisuureen normaaliarvosta, havainnot sisältävät todisteita :a vastaan. Testin merkitsevyystaso ja hylkäysalue Testisuureen mahdollisten arvojen joukko jaetaan hylkäysalueeseen ja hyväksymisalueeseen Jos testisuureen havainnoista määrätty arvo joutuu. hylkäysalueelle, nollahypoteesi hylätään. hyväksymisalueelle, nollahypoteesi jätetään voimaan Testin merkitsevyystaso on todennäköisyys sille, että testisuureen havainnoista määrätty arvo joutuu hylkäysalueelle, jos nollahypoteesi pätee. ylkäys- ja hyväksymisalueet määrätään käytännössä kiinnittämällä testin merkitsevyystaso etukäteen =.: Testisuureen arvo (tai testin tulos) on melkein merkitsevä =.: Testisuureen arvo (tai testin tulos) on merkitsevä =.: Testisuureen arvo (tai testin tulos) on erittäin merkitsevä Esim. Ruuvikone (Yhden otoksen t-testi) Tuttu ruuvikone tuottaa ruuveja joiden pituudet vaihtelevat satunnaisesti X i ~N(, ) Toimitusjohtaja epäilee että koneen kalibrointi on pielessä, eli että ruuvien odotettu pituus ei ole enää tavoiteltu cm TJ haluaa sinun selvittävän onko kalibrointi pettänyt Käytät yhden otoksen t-testiä, merkitsevyystasolla % Nolla hypoteesi : = Ruuvien pituuksien luokiteltu Vaihtoehtoinen hypoteesi : frekvenssijakauma 7 Mittaat ruuvin satunnaisotoksen Pituuksien keskiarvo: =.9cm Otoskeskihajonta: = = ) =.8cm Frekvenssi Pituus (cm)
2 Esim. Ruuvikone (Yhden otoksen t-testi) t-testin testisuure on satunnaismuuttuja: = / (9) Eli noudattaa Studentin t-jakaumaa vapausastein 9 (olettaen että nollahypoteesi pätee) E(t) = t / (9) t / Mittaa havaittujen ruuvien pituuksien keskiarvon etäisyyttä cm:stä (suhteutettuna keskiarvon keskihajontaan) Koska : itseisarvoltaan suuret testisuureen t arvot viittaavat siihen, että nollahypoteesi ei päde. Kriittiset arvot t / ja +t / saadaan ehdosta Pr(t t / )=/=Pr(t +t / ) Nyt =. t / =t. =. Testin hylkäysalue on (,.)(., +) Esim. Ruuvikone (Yhden otoksen t-testi) Mittaat ruuvin satunnaisotoksen Pituuksien keskiarvo: =.9cm Otoskeskihajonta: = = ) =.8cm Lasketaan testisuureen arvo havainnoista: = / =.9.8/ =.79 osuu hylkäysalueelle, joten nollahypoteesi : =hylätään ja vaihtoehtoinen hypoteesi : astuu voimaan Frekvenssi 7 Ruuvien pituuksien luokiteltu frekvenssijakauma Pituus (cm) (9) Yhden otoksen t-testi (/) Yleinen hypoteesi : avainnot X,, X n ~N(, ) riippumattomia : Vaihtoehtoinen hypoteesi on yksi seuraavista: : -suuntaiset vaihtoehtoiset hypoteesit : : -suuntainen vaihtoehtoinen hypoteesi =, / missä = on aritmeettinen keskiarvo ja = ) on otoskeskihajonta Yhden otoksen t-testi (/) Jos vaihtoehtoinen hypoteesi on muotoa : >, niin t määrätään niin että Pr(t +t ) = : <, niin -t määrätään niin että Pr(t -t ) = :, niin -t / määrätään niin että Pr(t -t / ) = Pr(t +t / )=/ Vastaavasti hylkäysalue on muotoa: : : : tn ( ) tn ( ) tn ( ) t t t t / / 9 Yhden otoksen t-testi (/) Yhden otoksen t-testin yleisessä hypoteesissa oletetaan, että havainnot ovat normaalijakautuneita. t-testi ei kuitenkaan ole herkkä poikkeamille normaalisuudesta, jos havaintojen lukumäärä n on kyllin suuri. Testiä on melko turvallista käyttää, kun havaintojen lukumäärä n > ellei havaintojen jakauma ole kovin vino ja havaintojen joukossa ole poikkeavia havaintoja. Jos havaintojen lukumäärä n > testiä voidaan melko turvallisesti käyttää jopa selvästi vinoille havaintojen jakaumille. Virheet testauksessa ylkäysvirhe: nollahypoteesi hylätään, kun se on tosi ylkäysvirheen todennäköisyys on Pr( hylätään on tosi) = Vastaavasti todennäköisyys hyväksyä nollahypoteesi silloin, kun se on tosi, on Pr( hyväksytään on tosi) = Tilastollisessa testauksessa noudatetaan tieteen yleistä varovaisuusperiaatetta: ypoteeseja ei pidä hylätä ilman riittäviä syitä pyritään tekemään mahdollisimman pieneksi (vrt..,.,.). yväksymisvirhe: jätetään voimaan, kun se ei ole tosi Sen todennäköisyys on Pr( jätetään voimaan ei ole tosi) = Todennäköisyyttä Pr( hylätään ei ole tosi) = kutsutaan testin voimakkuudeksi. yvä testi on voimakas ( on suuri), koska silloin hyväksymisvirheen todennäköisyys on pieni
3 Virheet testauksessa Tilastollisessa testauksessa pyritään ensisijaisesti varomaan ettei nollahypoteesi hylätä silloin, kun se on tosi ylkäysvirhettä kutsutaan usein ensimmäisen lajin virheeksi yväksymisvirhettä kutsutaan toisen lajin virheeksi Testin tulos jää voimaan hylätään pätee Oikea johtopäätös ylkäysvirhe Maailman tila ei päde yväksymisvirhe Oikea johtopäätös Tilastollisen testin suorittaminen (merkitsevyystasolla). Asetetaan testin hypoteesit: Yleinen hypoteesi Testauksen kohteena oleva nollahypoteesi Vaihtoehtoinen hypoteesi. Valitaan testiä varten testisuure Valitaan merkitsevyystaso konstruoidaan vastaavat hylkäys- ja hyväksymisalueet. Poimitaan otos niin, että yleisen hypoteesin oletukset pätevät. Määrätään valitun testisuureen arvo havainnoista.. Tehdään päätös :n hylkäämisestä: Jos testisuureen arvo on hylkäysalueelle, niin hylätään ja hyväksytään Muuten jätetään nollahypoteesi voimaan Testin p-arvo (/) Testin p-arvo on pienin merkitsevyystaso, jolla nollahypoteesi voidaan hylätä Tilastolliset ohjelmistot tulostavat nykyään lähes aina sovellettavan testin p-arvon Esim. Olkoon (yhden otoksen) t-testisuureelle laskettu havainnoista numeerinen arvo t : : : : tn ( ) tn ( ) tn ( ) p p p p p p p t t t t Testin p-arvo (/) Kun p-arvoksi saadaan pieni luku: Tällöin testisuure on saanut arvon, joka kuuluu nolla-hypoteesin pätiessä epätodennäköisten testisuureen arvojen joukkoon. Mitä pienempi on testin p-arvo, sitä vahvempia todisteita havainnot sisältävät nollahypoteesia vastaan ja sitä varmemmin voidaan hylätä Esim. Ruuvikone Testisuureen arvoksi laskimme = / = / =.79 P-arvo on Pr.79 + Pr.79 =. =. (9) Tilastollisen testin suorittaminen (p-arvolla). Asetetaan testin hypoteesit: Yleinen hypoteesi Testauksen kohteena oleva nollahypoteesi Vaihtoehtoinen hypoteesi. Valitaan testiä varten testisuure. Poimitaan otos niin, että yleisen hypoteesin oletukset pätevät.. Määrätään valitun testisuureen arvo havainnoista ja lasketaan sen p-arvo. Tehdään päätös :n hylkäämisestä: Jos testin p-arvo on kyllin pieni, hylätään nollahypoteesi ja hyväksytään vaihtoehtoinen hypoteesi. Jos testin p-arvo ei ole kyllin pieni, jätetään nollahypoteesi voimaan. Tilastollisia testejä Testit normaalijakauman parametreille Yhden otoksen t-testi (ks. aiemmin) Kahden riippumattoman otoksen t-testi t-testi pari vertailulle -testi varianssille Laatuerollisten muuttujien testit Testi suhteellisille osuuksille Suhteellisten osuuksien vertailu testi uomaa, että testejä saa ja on usein myös järkevää käyttää järjestys-, välimatka- ja suhde-asteikollisille muuttujille. Jakauma oletusten testaaminen 7 8
4 Normaalijakauman parametrien tilastolliset testit Yhden otoksen testit Testataan yksinkertaisia nollahypoteeseja, jotka koskevat normaalijakauman odotusarvo- tai varianssiparametria. Kahden otoksen testit Vertailutestejä, joilla verrataan kahden normaalijakauman odotusarvo- tai varianssi-parametreja toisiinsa Testejä normaalijakauman odotusarvolle käytetään usein vaikka havainnot eivät noudattaisi normaalijakaumaa Keskeisen raja-arvolauseen mukaan myös ei-normaalisten havaintojen aritmeettiset keskiarvot noudattavat tietyin ehdoin suurissa otoksissa - approksimatiivisesti normaalijakaumaa. Testit normaalijakauman varianssille eivät yleensä ole käyttökelpoisia ei-normaalisille havainnoille Edes suuri havaintojen lukumäärillä ei auta Kahden riippumattoman otoksen t-testi (/) Yleinen hypoteesi : avainnot =,, ( Otos ) avainnot =,, ( Otos ) avainnot,,,., riippumattomia : : : -suuntaiset vaihtoehtoiset hypoteesit : : -suuntainen vaihtoehtoinen hypoteesi N(, ) N(,) 9 Kahden riippumattoman otoksen t-testi (/) N(,) E(t A ) = Kahden riippumattoman otoksen t-testi (/) riippuu merkitsevyystasosta ja :stä: : : : = ~ (,) missä = ja = ) ovat otosten =,aritmeettiset keskiarvot ja otosvarianssit Mittaa otoksien ja aritmeettisten keskiarvojen tilastollista etäisyyttä suhteessa erotuksen havainnoista estimoituun standardipoikkeamaan Noudattaa ( : pätiessä) suurissa otoksissa approksimatiivisesti standardoitua normaalijakaumaa Itseisarvoltaan suuret testisuureen arvot viittaavat siihen, että nollahypoteesi ei päde N(,) N(,) N(,) t t t / t : / : : p p p t t Matematiikan t t ja systeemianalyysin laitos p-arvo riippuu havainnoista lasketusta testisuureen arvosta t ja :stä: N(,) N(,) N(,) p p p p Kahden riippumattoman otoksen t-testi (/) Testi ei ole herkkä poikkeamille havaintojen normaalisuudesta: Testiä on melko turvallista käyttää kun n, n > ja suunnilleen yhtä suuret, havaintojen jakaumat eivät ole kovin vinoja, ei ole poikkeavia havaintoja. jopa selvästi vinoille havaintojen jakaumille jos n,n > Satterthwaiten approksimaatio Pienissä otoksissa saadaan testisuureen jakaumalle parempi approksimaatio käyttämällä Studentin t-jakaumaa vapausastein s s n n s s n n n n Tällöin testin hylkäysalue (tai p-arvo) määritetään siis Studentin t- jakaumasta samaan tapaan kuin yhden otoksen t-testissä t-testi parivertailuille (/) Parivertailuasetelma syntyy seuraavissa tilanteissa: Verrataan kahta mittaria mittaamalla molemmilla mittareilla samat kohteet samoissa olosuhteissa. Tutkitaan jonkin käsittelyn vaikutusta mittaamalla samat kohteet ennen käsittelyä ja käsittelyn jälkeen. Vertaillaan kahta perusjoukkoa mittaamalla saman muuttujan arvot perusjoukkojen alkioiden sovitetuissa pareissa avainnot muodostuvat mittaustuloksien pareista (X i, X i ), i =,,, n Tällaisissa parivertailuasetelmissa ei saa käyttää riippumattomien otoksien t-testiä, koska mittaus-tulokset X i ja X i eivät yleensä ole riippumattomia.
5 t-testi parivertailuille (/) Muodostetaan mittaustuloksien X i ja X i erotukset D,,,, i Xi Xi i n Mittaukset antavat keskimäärin saman tuloksen, jos erotukset D i saavat keskimäärin arvon nolla Parivertailussa tehdään yhden otoksen t-testi erotuksille D i Yleinen hypoteesi : avainnot D,, D n ~N( D, D )riippumattomia : = Vaihtoehtoinen hypoteesi: : <tai : >tai : Testisuure: =,missä = / ja = ) en tai p-arvon määrääminen tapahtuu kuten yhden otoksen t-testin tapauksessa. Yhden otoksen testi varianssille (/) Yleinen hypoteesi : avainnot X,, X n ~N(, ) riippumattomia : : : tai : tai : n = ) ( ) missä = ja = ) Noudattaa ( :n pätiessä) -jakaumaa vapausastein n Sekä pienet että suuret testisuureen arvot suhteessa normaaliarvoon E( )=n viittaavat siihen, että ei päde E( )=n Yhden otoksen testi varianssille (/) riippuu merkitsevyystasosta ja :stä: : ( n ) : ( n ) : ( n ) Testi suhteelliselle osuudelle (/) Testi suhteelliselle osuudelle on yhden otoksen testi Bernoulli(.8) p-arvo riippuu havainnoista lasketusta testisuureen arvosta ja :stä: : ( n ) : p p p p ( n ) Matematiikan ja systeemianalyysin laitos : p-arvo = min{pr,pr } 7 Yleinen hypoteesi : avainnot X,, X n ~Bernoulli(p) riippumattomia : : : : :.8... E(X i ) =p=.8 Var(X i ) =p(-p)=.8*.=. 8 Testi suhteelliselle osuudelle (/) = ~ )/ (,) missä suhteellinen frekvenssi = on p:n harhaton estimaattori Mittaa suhteellisen frekvenssin ja p :n erotusta suhteutettuna erotuksen standardipoikkeamaan Perustelu: Var Var = Var N(,) ( )/ Noudattaa ( : pätiessä) suurissa otoksissa approksimatiivisesti standardoitua normaalijakaumaa Approksimaatio riittävän hyvä kun ja ( Itseisarvoltaan suuret testisuureen z arvot viittaavat siihen, että nollahypoteesi ei päde. P-arvot ja hylkäysalueet saadaan helposti N(,) jakaumasta Suhteellisten osuuksien vertailutesti (/) Suhteellisten osuuksien vertailutesti on kahden otoksen testi Yleinen hypoteesi : avainnot ), =,, ( Otos ) avainnot =,, ( Otos ) avainnot,,,., riippumattomia : : : : :.8... Bernoulli(.8) E(X i ) =p=.8 Var(X i ) =p(-p)=.8*.=. 9
6 Suhteellisten osuuksien vertailutesti (/) = )( ) ~ (,) missä = ovat otosten =,suhteelliset frekvenssit = suhteellinen frekvenssi yhdistetyssä otoksessa Noudattaa ( : pätiessä) suurissa otoksissa approksimatiivisesti standardoitua normaalijakaumaa N(,) Riittävän hyvä approksimaatio kun ja (, =, Mittaa otoksista ja määrättyjen suhteellisten frekvenssien erotusta suhteutettuna erotuksen standardipoikkeamaan Itseisarvoltaan suuret z:n arvot viittaavat siihen, että ei päde. P-arvot ja hylkäysalueet saadaan helposti N(,) jakaumasta Jakaumaoletuksien testaaminen (/) Jakaumaoletuksia koskevia tilastollisia testejä kutsutaan tavallisesti yhteensopivuustesteiksi. Testataan ovatko havainnot sopusoinnussa tehdyn jakaumaoletuksen kanssa. Yleisenä yhteensopivuustestinä käytetään -testiä. Yleisin jakaumaoletus on että noudattavat normaalijakaumaa (vrt. t-testit) Oletuksen paikkansapitävyyttä voidaan tutkia yleisellä -yhteensopivuustestillä tai erityisesti normaalisuusoletuksen testaamista varten konstruoiduilla testeillä: Bowmanin ja Shentonin testi normaalisuudelle perustuu havaintojen vinouden ja huipukkuuden mittoihin. Wilkin ja Shapiron testi normaalisuudelle perustuu ns. rankit plot -kuvioon, jonka avulla havaintojen normaalisuutta voidaan tutkia graafisesti. Jakaumaoletuksien testaaminen (/) -homogeenisuustesti Oletetaan, että tilastollisen tutkimuksen kohteena oleva perusjoukko voidaan jakaa kahteen tai useampaan ryhmään. Testillä tutkikaan noudattaako tutkimuksen kohteena olevaa perusjoukon alkioiden ominaisuutta kuvaava muuttuja kaikissa ryhmissä samaa jakaumaa. Eli onko havaintoaineisto on tutkimuksen kohteena olevan perusjoukon ominaisuuden suhteen homogeeninen? -riippumattomuustesti Oletetaan, että tilastollisen tutkimuksen kohteena olevan perusjoukon alkiot voidaan luokitella ristiin kahden (tai usemman) faktorin eli tekijän A ja B suhteen. Tehtävänä on selvittää ovatko tekijät A ja B riippumattomia. Jakaumaoletuksien testaaminen (/) -testit yhteensopivuudelle, homogeenisuudelle ja riippumattomuudelle ovat jakaumista riippumattomia, ei-parametrisia testejä:. Testien yleiset hypoteesit eivät kiinnitä havaintojen jakaumaa.. Testeissä ei testata minkään todennäköisyysjakauman parametreja koskevia hypoteeseja.. Näitä testejä ei käydä läpi tällä kurssilla.
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
LisätiedotJohdatus 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
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).
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai
LisätiedotJohdatus 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
LisätiedotJohdatus 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
LisätiedotTilastolliset 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
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
LisätiedotTestejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
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
LisätiedotTestit laatueroasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten
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
LisätiedotTilastollisen 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
LisätiedotIlkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset
LisätiedotJohdatus tilastotieteeseen Tilastolliset testit. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Tilastolliset testit TKK (c) Ilkka Mellin (2005) 1 Tilastolliset testit Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet testauksessa
LisätiedotTilastolliset testit. Tilastolliset testit. Tilastolliset testit: Mitä opimme? 2/5. Tilastolliset testit: Mitä opimme? 1/5
TKK (c) Ilkka Mellin (4) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (4) : Mitä opimme? 1/5 Tilastollisessa tutkimuksessa tutkimuksen kohteena olevasta perusjoukosta esitetään tavallisesti väitteitä
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 4. luento: Jakaumaoletuksien testaaminen Kai Virtanen 1 Jakaumaoletuksien testaamiseen soveltuvat testit χ 2 -yhteensopivuustesti yksi otos otoksen
LisätiedotJohdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK (c) Ilkka Mellin (2004) 1 Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen Jakaumaoletuksien
LisätiedotSovellettu 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
LisätiedotSovellettu 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
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.04 Tilastollisen analyysin perusteet, kevät 007 4. luento: Jakaumaoletuksien testaaminen Kai Virtanen Jakaumaoletuksien testaamiseen soveltuvat testit χ -yhteensopivuustesti yksi otos otoksen vertaaminen
Lisätiedotχ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut
Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,
LisätiedotYhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen TKK (c) Ilkka Mellin (2007) 1 Yhteensopivuuden, homogeenisuuden ja riippumattomuuden
LisätiedotTestit järjestysasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit järjestysasteikollisille muuttujille >> Järjestysasteikollisten
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään, tiedetään, että ainakin
Lisätiedot¼ 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
LisätiedotTilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
LisätiedotOdotusarvoparien vertailu. Vilkkumaa / Kuusinen 1
Odotusarvoparien vertailu Vilkkumaa / Kuusinen 1 Motivointi Viime luennolta: yksisuuntaisella varianssianalyysilla testataan nollahypoteesia H 0 : μ 1 = μ 2 = = μ k = μ Jos H 0 hylätään, tiedetään, että
LisätiedotMat 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
LisätiedotTilastollisen analyysin perusteet Luento 5: Jakaumaoletuksien. testaaminen
Tilastollisen analyysin perusteet Luento 5: Sisältö Tilastotieteessä tehdään usein oletuksia havaintojen jakaumasta. Useat tilastolliset menetelmät toimivat tehottomasti tai jopa virheellisesti, jos jakaumaoletukset
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään tiedetään, että ainakin kaksi
LisätiedotTilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin
Tilastollisen analyysin perusteet Luento 10: Sisältö Varianssianalyysi Varianssianalyysi on kahden riippumattoman otoksen t testin yleistys. Varianssianalyysissä perusjoukko koostuu kahdesta tai useammasta
LisätiedotTilastollisen analyysin perusteet Luento 4: Testi suhteelliselle osuudelle
Tilastollisen analyysin perusteet Luento 4: Sisältö Testiä suhteelliselle voidaan käyttää esimerkiksi tilanteessa, jossa tarkastellaan viallisten tuotteiden osuutta tuotantoprosessissa. Tilanne palautuu
LisätiedotJohdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1
Johdatus varianssianalyysiin Vilkkumaa / Kuusinen 1 Motivointi Luento 4: kahden riippumattoman otoksen odotusarvoja voidaan vertailla t-testillä H 0 : μ 1 = μ 2, T = ˉX 1 ˉX 2 s 2 1 + s2 2 n 1 n 2 a t(min[(n
Lisätiedot10. 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
Lisätiedottilastotieteen kertaus
tilastotieteen kertaus Keskiviikon 24.1. harjoitukset pidetään poikkeuksellisesti klo 14-16 luokassa Y228. Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotTilastotieteen kertaus. Kuusinen/Heliövaara 1
Tilastotieteen kertaus Kuusinen/Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla reaalimaailman ilmiöistä voidaan tehdä johtopäätöksiä tilanteissa, joissa
Lisätiedotχ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Estimointi, Havaittu frekvenssi, Heterogeenisuus,
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotSovellettu 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
LisätiedotMS-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
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 ),
Lisätiedot11. laskuharjoituskierros, vko 15, ratkaisut
11. laskuharjoituskierros vko 15 ratkaisut D1. Geiger-mittari laskee radioaktiivisen aineen emissioiden lukumääriä. Emissioiden lukumäärä on lyhyellä aikavälillä satunnaismuuttuja jonka voidaan olettaa
LisätiedotJos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan
17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten
LisätiedotEstimointi. Vilkkumaa / Kuusinen 1
Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
LisätiedotSovellettu 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
Lisätiedot2. TILASTOLLINEN TESTAAMINEN...
!" # 1. 1. JOHDANTO... 3 2. 2. TILASTOLLINEN TESTAAMINEN... 4 2.1. T-TESTI... 4 2.2. RANDOMISAATIOTESTI... 5 3. SIMULOINTI... 6 3.1. OTOSTEN POIMINTA... 6 3.2. TESTAUS... 7 3.3. TESTIEN TULOSTEN VERTAILU...
LisätiedotOsa 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
Lisätiedot1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi
Mat-2.2104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden ja homogeenisuden testaaminen Bowmanin ja Shentonin testi, Hypoteesi, 2 -homogeenisuustesti, 2 -yhteensopivuustesti,
LisätiedotJohdatus 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
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Tilastollisen merkitsevyyden testaus Osa II Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu
10.1.2019/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 10.1.2019 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2018 10.1.2019/2
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
LisätiedotTilastollinen aineisto Luottamusväli
Tilastollinen aineisto Luottamusväli Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastollinen aineisto p.1/20 Johdanto Kokeellisessa tutkimuksessa tutkittavien suureiden
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Tilastollisen merkitsevyyden testaus (+ jatkuvan parametrin Bayes-päättely) Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden
LisätiedotTilastolliset menetelmät: Tilastolliset testit
Tilastolliset meetelmät Tilastolliset testit Tilastolliset meetelmät: Tilastolliset testit 8. Tilastollie testaus 9. Testejä suhdeasteikollisille muuttujille. Testejä järjestysasteikollisille muuttujille.
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu
5.3.2018/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 5.3.2018, osa 1 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2017
Lisätiedotedellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾
ËØÙ ÓØÓ Ø Mitta-asteikot Nominaali- eli laatueroasteikko Ordinaali- eli järjestysasteikko Intervalli- eli välimatka-asteikko ( nolla mielivaltainen ) Suhdeasteikko ( nolla ei ole mielivaltainen ) Otos
LisätiedotTilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle
Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle - Sisältö - - - Varianssianalyysi Varianssianalyysissä (ANOVA) testataan oletusta normaalijakautuneiden otosten odotusarvojen
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotTestit 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
LisätiedotValitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.
9.10.2018/1 MTTTP1, luento 9.10.2018 KERTAUSTA TESTAUKSESTA, p-arvo Asetetaan H 0 H 1 Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. Lasketaan otoksesta testisuureelle arvo. 9.10.2018/2
LisätiedotTilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit
Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli
LisätiedotTilastollinen testaaminen tai Tilastollinen päättely. Geneettinen analyysi
Tilastollinen testaaminen tai Tilastollinen päättely Geneettinen analyysi Tilastollisen testaamisen tarkoitus Tilastollisten testien avulla voidaan tutkia otantapopulaatiota (perusjoukkoa) koskevien väittämien
LisätiedotMat-2.2104 Tilastollisen analyysin perusteet, kevät 2007
Mat-2.204 Tilastollisen analyysin perusteet, kevät 2007 3. luento: Pari sanaa vielä hypoteesien formuloinneista Kai Virtanen Hypoteesien muodoista Luennolla nro. 2 muotoiltiin nollahypoteesi - H 0 : θ
LisätiedotAalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,
Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 017 Laskuharjoitus 4, Kotitehtävien palautus Mycourses:iin PDF-tiedostona
LisätiedotJohdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin
Lisätiedot031021P Tilastomatematiikka (5 op) viikko 5
031021P Tilastomatematiikka (5 op) viikko 5 Jukka Kemppainen Mathematics Division Hypoteesin testauksesta Tilastollisessa testauksessa on kyse havainnoista tapahtuvasta päätöksenteosta. Kokeellisen tutkimuksen
LisätiedotTutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)
1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi
LisätiedotTilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä
Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Sisältö Riippumattomuus Jos P(A B) = P(A)P(B), niin tapahtumat A ja B ovat toisistaan riippumattomia. (Keskustelimme
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 5 Tilastollisten hypoteesien testaaminen Kalle Kytölä, Lasse Leskelä, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden
LisätiedotMTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)
21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 5 Tilastollisten hypoteesien testaaminen Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotJohdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit järjestysasteikollisille muuttujille Järjestysasteikollisten muuttujien testit Merkkitesti Wilcoxonin
LisätiedotHarjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
LisätiedotTilastollisia peruskäsitteitä ja Monte Carlo
Tilastollisia peruskäsitteitä ja Monte Carlo Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Tilastollisia peruskäsitteitä ja Monte Carlo 1/13 Kevät 2003 Tilastollisia
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
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastollisen merkitsevyyden testaus Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
Lisätiedotriippumattomia ja noudattavat samaa jakaumaa.
12.11.2015/1 MTTTP5, luento 12.11.2015 Luku 4 Satunnaisotos, otossuure ja otosjakauma 4.1. Satunnaisotos X 1, X 2,, X n on satunnaisotos, jos X i :t ovat riippumattomia ja noudattavat samaa jakaumaa. Sanonta
LisätiedotGripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta
MS-A00 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta 7.. Gripenberg Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot ja minkä kokeen suoritat! Laskin,
LisätiedotNormaalijakaumasta johdettuja jakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma
LisätiedotTilastolliset menetelmät. Osa 1: Johdanto. Johdanto tilastotieteeseen KE (2014) 1
Tilastolliset menetelmät Osa 1: Johdanto Johdanto tilastotieteeseen KE (2014) 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä ja malleja, joiden avulla reaalimaailman ilmiöistä voidaan
LisätiedotTilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta
Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastollisen merkitsevyyden testaus Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
Lisätiedot9. 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
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
Lisätiedot/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla
16.11.2017/1 MTTTP5, luento 16.11.2017 3.5.5 Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla ~,, ~,,. 16.11.2017/2 Esim. Tutkittiin uuden menetelmän käyttökelpoisuutta
LisätiedotOtoskoko 107 kpl. a) 27 b) 2654
1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää
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
LisätiedotPOPULAATIO. Oikeastaan arvot, joista ollaan kiinnostuneita (mitatut numeeriset suureet, luokittelut).
KÄSITTEITÄ POPULAATIO Joukko, jota tutkitaan (äärellinen, ääretön). Oikeastaan arvot, joista ollaan kiinnostuneita (mitatut numeeriset suureet, luokittelut). Näiden välillä ei aina tehdä eroa, kun puhutaan
LisätiedotTavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset.
Mat-.04 Tilastollisen analyysin perusteet Mat-.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahden riippumattoman otoksen t-testit,
LisätiedotMS-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
LisätiedotLuentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012
Luentokalvoja tilastollisesta päättelystä Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Otanta Otantamenetelmiä Näyte Tilastollinen päättely Otantavirhe Otanta Tavoitteena edustava otos = perusjoukko
Lisätiedot806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.
806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ
LisätiedotKaksisuuntainen varianssianalyysi. Vilkkumaa / Kuusinen 1
Kaksisuuntainen varianssianalyysi Vilkkumaa / Kuusinen 1 Motivointi Luennot 6 ja 7: yksisuuntaisella varianssianalyysilla testataan ryhmäkohtaisten odotusarvojen yhtäsuuruutta, kun perusjoukko on jaettu
LisätiedotTodennäköisyyden ominaisuuksia
Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset
Lisätiedot