Tilastollinen todennäköisyys
|
|
- Tarja Aro
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Tilastollie todeäköisyys TOD.NÄK JA TILASTOT, MAA10 Klassisessa todeäköisyydessä oli ehdot: äärellisyys ja symmetrisyys. Tämä tilae o usei mahdoto ts. alkeistapauksia o usei ääretö määrä tai e eivät ole symmetrisiä. Määritelmä, tilastollie todeäköisyys: Kokeellisesti hakittua todeäköisyyde arvoa saotaa tilastolliseksi todeäköisyydeksi. Eli tilastoaieistosta laskettua suhteellista frekvessiä kutsutaa tilastolliseksi todeäköisyydeksi. Määritelmä, simuloiti: Simuloiilla tarkoitetaa käytäö tilatee/tapahtuma jäljittelemistä esim. tietokoetta hyödytäe. Esimerkki: Nastaa heitetää kerra. Millä todeäköisyydellä se pudottuaa o kärki a) ylöspäi b) alaspäi a) Todeäköisyys riippuu astasta heitetää astaa riittävä mota kertaa ja tutkitaa mitä lukua alkeistapaukse kärki ylös frekvessi f ky jaettua kaikkie heittoje lukumäärällä lähestyy. Kyseie lukuha o suhteellie frekvessi f ky. Taulukoiti ataa f ky f 0,19 ku, ky Eli P "kärki ylös" = 0,19 b) Alkeistapaukse kärki alas frekvessi f ka o 1 f ky, jote P "kärki alas" = 1 P "kärki ylös" = 1 0,19 = 0,381 f ky , , , , , , ,19 1
2 Määritelmä, tapahtuma tilastollie todeäköisyys: Tapahtuma A tilastollie todeäköisyys o luku, jota suhteellie frekvessi lähestyy, ku koetta toistetaa yhä uudellee, siis tapahtuma A esiitymiskertoje lukumäärä kokee toistoje lukumäärä Huomaa, että tämä ei ole tarkka todeäköisyyde arvo, vaa tilastollie arvio tapahtuma todeäköisyydelle. Jos tapahtuma A koostuu äärellisestä määrästä alkeistapauksia, ii se todeäköisyys o suotuisie alkeistapauksie todeäköisyyksie summa. Esimerkki: Suomalaisia kuuluu veriryhmii seuraavasti: 44% A, 17% B, 8% AB ja 31% 0. Mikä o todeäköisyys, että satuaisesti valittu suomalaie kuuluu veriryhmii A tai B? Nyt perusjoukko E = A, B, AB, 0 ja tapahtuma T = A, B P T = + P B = 0,44 + 0,17 = 0,1 Edellä käydyt tilastollise todeäköisyyde omiaisuudet atavat aihee todeäköisyyde laajempaa määrittelyy: Määritelmä, todeäköisyys äärellisessä perusjoukossa: Äärellisessä perusjoukossa E = {e 1, e 2, e 3,, e } määritelty fuktio P o todeäköisyysfuktio, jos seuraavat ehdot täyttyvät: 1) Fuktio P arvot eli alkeistapauste todeäköisyydet ovat ei-egatiivisia reaalilukuja P e 1, P e 2, P e 3,, P e 0. 2) Kaikkie alkeistapauste todeäköisyyksie summa o 1. Toisi saoe, varma tapahtuma todeäköisyys o 1 P e 1 + P e 2 + P e P e = 1 Tapahtuma A = {a 1, a 2, a 3,, a m } todeäköisyys o suotuisie alkeistapauste a 1, a 2, a 3,, a m todeäköisyyksie summa = P a 1 + P a 2 + P a P a m. Huomaa erityisesti 1) kohda ei-egatiivisuus, mikä tarkoittaa sitä, että jolleki alkeistapaukselle e k voi olla P e k = 0. Kuiteki jollaki toisella tod.äk.fuktiolla Q voi olla Q e k > 0 (sama alkeistapaus). 2
3 Esimerkki 1: Olkoo E = 1,2,3,4 ja P 1 = 0,1, P 2 = 0,2, P 3 = 0,3 ja P 4 = 0,4 a) Osoita, että P o todeäköisyysfuktio b) Laske ku A = 1,3 a) Nyt P 1, P 2, P 3, P 4 0 ja summa P 1 + P 2 + P 3, + P 4 = 0,1 + 0,2 + 0,3 + 0,4 = 1 b) = P 1,3 = P 1 + P 3 = 0,1 + 0,3 = 0,4 Esimerkki 2: E = {e 1, e 2, e 3,, e 9 } Tiedetää, että: P e 1 = 0,13, P e 2 = 0,05, P e 3 = 0,05, P e 4 = 0,47, P e 5 = 0,01, P e = 0,03, P e 7 = 0,2, P e 8 = 0,0, P e 9 = 0 Tällöi P o tod.äk.fuktio, sillä P e 1, P e 2, P e 3,, P e 9 0 ja P e 1 + P e P e 9 = 1. P e 9 = 0, mutta Q e 9 = 0,19 e 9 e 2 e 1 e = a 2 e 8 e 5 = a 1 = a 4 A = {a 1, a 2, a 3, a 4 } = {e 2, e, e 3, e 8 } Tapahtumalle A pätee: e 4 e 7 e 3 = P a 1 + P(a 2 )+ P(a 3 )+ P(a 4 ) = P(e 2 )+ P(e )+ P(e 3 )+ P(e 8 ) = 0,19 = a 3 3
4 Tilastollie todeäköisyys (jatkuu): Ku tarkastellaa tiety ilmiö alkeistapausta ja se esiitymiskertoja, ii suoritetaa useita ilmiöö liittyviä satuaiskokeita ja merkitää saadut tulokset muistii. Pitkissä koesarjoissa kuki alkeistapaukse esiitymiskertoje suhde tehtyihi satuaiskoekertoihi lähestyvät alkeistapaukse todeäköisyyttä sitä paremmi mitä eemmä suoritetaa satuaiskokeita. Satuaisilmiö Alkeistapaus Satuaiskokee tulos Koliko heitto Saadaa kruua Saadaa klaava Kruua Klaava 1. heitto 2. heitto 3. heitto 4. heitto 5. heitto. heitto 7. heitto 8. heitto kruua kruua kruua klaava klaava kruua kruua klaava 9. heitto 10. heitto 11. heitto 12. heitto 13. heitto 14. heitto. heitto klaava kruua klaava klaava klaava klaava kruua Tapahtuma, joka koostuu äärellisestä määrästä alkeistapauksia, todeäköisyys o suotuisie alkeistapauste todeäköisyyksie summa. Alkeistapaukse ja tapahtuma todeäköisyyttä merkitää P tapahtuma = jotai, esim. P kr. = 0,5. Frekvessillä tarkoitetaa alkeistapaukse esiitymiskertoje lukumäärää (esiitymistiheyttä), merkitää f(alkeistapaus), esim. f(kr. ) = 17. Kaikkie satuaiskokeide lukumäärää merkitää kirjaimella, esim. = 34. Alkeistapaukse kruua suhteellie frekvessi o f = 17 0,48 P(kr. ). 34 f(kr. ) 1. heitto 2. heitto 3. heitto 4. heitto kruua kruua kruua klaava 5. heitto. heitto 7. heitto 8. heitto klaava kruua kruua klaava 9. heitto 10. heitto 11. heitto 12. heitto klaava kruua klaava klaava 13. heitto 14. heitto. heitto klaava klaava kruua f 1 1 = = , 13 0,4 14 0, ,
5 Geometrie todeäköisyys Ku perusjoukossa (otosavaruudessa) E o ääretö määrä alkeistapauksia, ii klassie todeäköisyys ei toimi. Tällöi hyödyetää tilastollista todeäköisyyttä. Moesti tilastollise todeäköisyyde selvittämie o aikaa vievää ja ehkä haastavaaki. Tällöi voidaa hyödytää satuaisilmiöö (satuaiskokeesee) liittyvää geometriaa eli geometrisia mittoja, kute pituuksia, pita-aloja, tilavuuksia todeäköisyyksiä laskettaessa/määritettäessä. Määritelmä, geometrie todeäköisyys: Jos perusjoukko E ja se tapahtuma A voidaa tulkita taso alueiksi E ja A, ii tapahtuma A geometrie todeäköisyys o äide alueide pita-aloje M A ja M E suhde = M(A) M(E). Määritelmä, geometrie todeäköisyys (jatkuu): Jos perusjoukko E ja tapahtuma A voidaa tulkita jaoiksi tai 3-ulot. kappaleiksi, ii tapahtuma A geometrie todeäköisyys määritellää vastaavasti jaoje pituuksie tai 3-ulot. kappaleide tilavuuksie suhteea. Yleisesti = M(A) jouko A geometrie mitta = M(E) jouko E geometrie mitta Huom! Geometrista todeäköisyyttä hyödyetää ku perusjoukko o ääretö, mutta jollaki tavoi mitattavissa. (Mita määritelmä?) Esimerkki: Tarkastellaa taso yksikköympyrä (säde o siis 1) pisteitä. Niitä o äärettömä paljo. Mikä o todeäköisyys, että umpimähkää ympyrältä valittu piste osuisi kuvassa äkyvää sektorii? VAST: Pita-aloje suhteesta saadaa sektori p. a. ympyrä p. a. = 0 30 = 1 0,1 0 5
Todennäköisyys (englanniksi probability)
Todennäköisyys (englanniksi probability) Todennäköisyyslaskenta sai alkunsa 1600-luvulla uhkapeleistä Ranskassa (Pascal, Fermat). Nykyisin todennäköisyyslaskentaa käytetään hyväksi mm. vakuutustoiminnassa,
TILASTOT: johdantoa ja käsitteitä
TILASTOT: johdatoa ja käsitteitä TOD.NÄK JA TILASTOT, MAA10 Tilastotietee tehtävää o esittää ja tulkita tutkimuskohteesee liittyvää havaitoaieistoa eli tilastoaieistoa. Tutkitaa valittua joukkoa ja se
1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).
HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä
Todennäköisyyslaskenta I. Heikki Ruskeepää
Todeäköisyyslasketa I Heikki Ruskeepää 2012 Sisällys 2 1 Todeäköisyys 3 1.1 Klassie todeäköisyys 3 1.2 Kombiatoriikkaa 4 1.3 Aksiomaattie todeäköisyys 8 1.4 Ehdollie todeäköisyys 13 1.5 Riippumattomuus
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
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.
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).
Todennäköisyyslaskennan peruskäsitteet. Todennäköisyyslaskennan peruskäsitteet. Todennäköisyyslaskennan peruskäsitteet: Mitä opimme?
TKK (c) Ilkka Melli (2004) 1 Todeäköisyyslaskea peruskäsitteet Johdatus todeäköisyyslasketaa Todeäköisyyslaskea peruskäsitteet TKK (c) Ilkka Melli (2004) 2 Todeäköisyyslaskea peruskäsitteet: Mitä opimme?
Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko
Todennäköisyys TOD.NÄK JA TILASTOT, MAA10 Todennäköisyyslaskennan juuret ovat ~1650-luvun uhkapeleissä. Kreivi de Mérén noppapelit: Jos noppaa heitetään 4 kertaa, niin kannattaako lyödä vetoa sen puolesta,
( ) 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
4. Todennäköisyyslaskennan kertausta
Sisältö Peruskäsitteet Diskreetit satuaismuuttujat Diskreetit jakaumat (lkm-jakaumat) Jatkuvat satuaismuuttujat Jatkuvat jakaumat (aikajakaumat) Muut satuaismuuttujat lueto04.ppt S-38.45 - Liikeeteoria
LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3
LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi
****************************************************************** ****************************************************************** 7 Esim.
8.3. Kombiaatiot MÄÄRITELMÄ 6 Merkitä k, joka luetaa yli k:, tarkoittaa lause- ketta k = k! ( k)! 6 3 2 1 6 Esim. 1 3 3! = = = = 3! ( 3)! 3 2 1 3 2 1 3 2 1 Laskimesta löydät äppäime, jolla kertomia voi
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
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
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
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
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
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
Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.
Testimuuttuja kriittie arvo 5 %: merkitsevyystasolla katsotaa taulukosta. Kriittie arvo o 9,488. Koska laskettu arvo 4,35 o pieempi kui taulukosta saatu kriittie arvo 9,488, ii ollahypoteesi jää voimaa.
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
1 Eksponenttifunktion määritelmä
Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella
Analyysi A. Harjoitustehtäviä lukuun 1 / kevät 2018
Aalyysi A Harjoitustehtäviä lukuu / kevät 208 Ellei toisi maiita, tehtävissä esiityvät muuttujat ja vakiot ovat mielivaltaisia reaalilukuja.. Aa joki ylä- ja alaraja joukoille { x R x 2 + x 6 ja B = {
Todennäköisyyslaskenta: Todennäköisyys ja sen laskusäännöt
Todeäköisyys ja se laskusääöt Todeäköisyyslasketa: Todeäköisyys ja se laskusääöt 1. Johdato 2. Joukko opi peruskäsitteet 3. Todeäköisyyslaskea peruskäsitteet 4. Todeäköisyyslaskea peruslaskusääöt 5. Klassie
Todennäköisyyslaskenta sivuaineopiskelijoille. Heikki Ruskeepää
Todeäköisyyslasketa sivuaieopiskelijoille Heikki Ruskeepää 2012 Sisällys 2 1 Todeäköisyys 3 1.1 Klassie todeäköisyys 3 1.2 Kombiatoriikkaa 5 1.3 Aksiomaattie todeäköisyys 7 1.4 Ehdollie todeäköisyys 12
Markov-ketjun hetkittäinen käyttäytyminen
Matematiika ja systeemiaalyysi laitos B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava
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:
811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2016-2017 4. Joukot, relaatiot ja funktiot Osa 1: Joukot 4.1 Joukot Matemaattisesti joukko on mikä tahansa hyvin määritelty kokoelma objekteja, joita kutsutaan joukon alkioiksi
Ehdollinen todennäköisyys
Ehdollie todeäköisyys Kerrataa muutama todeäköisyyslaskea laskusäätö. Tapahtuma E komplemettitapahtuma E o "E ei tapahdu". Koska todeäköisyyksie summa o 1, P ( E = 1 P (E. Joskus o helpompi laskea komplemettitapahtuma
Tilastollinen päättely II, kevät 2017 Harjoitus 3B
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.
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
Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä
Otatajakauma kuvaa tarkasteltava parametri jakauma eri otoksista laskettua parametria o joki yleesä tuusluku, esim. keskiarvo, suhteellie osuus, riskisuhde, korrelaatiokerroi, regressiokerroi, je. parametria
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
Otantajakauman käyttö päättelyssä
Keskiarvo otatajakauma Toisistaa tietämättä kaksi tutkijaa tutkii samaa ilmiötä, jossa perusjoukko koostuu kuudesta tutkittavasta ja tarkoituksea o laskea keskiarvo A: Kokoaistutkimus B: Otatatutkimus
λ x = 0,100 nm, Eγ = 0,662 MeV, θ = 90. λ λ+ λ missä ave tarkoittaa aikakeskiarvoa.
S-114.46 Fysiikka V (Sf) Tetti 16.5.00 välikokee alue 1. Oletetaa, että protoi ja elektroi välie vetovoia o verraollie suureesee r ( F =- kr) eikä etäisyyde eliö kääteisarvoo ( F =-k / r ). Käytä kulaliikeäärä
4.3 Signaalin autokorrelaatio
5 4.3 Sigaali autokorrelaatio Sigaali autokorrelaatio kertoo kuika paljo sigaali eri illä korreloi itsesä kassa (josta imiki). Se o Fourier-muuokse ohella yksi käyttökelpoisimmista sigaalie aalysoitimeetelmistä.
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,
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 6 Sarjojen suppeneminen Kiinnostuksen kohteena on edelleen sarja a k = a + a 2 + a 3 + a 4 +... k= Tämä summa on mahdollisesti äärellisenä olemassa, jolloin sanotaan
Mat Lineaarinen ohjelmointi
Mat-2.340 Lieaarie ohjelmoiti 20.9.2007 Lueto 2 Lieaarialgebraa ja geometriaa (kirja.5, 2.) S ysteemiaalyysi Tekillie korkeakoulu Lieaarie ohjelmoiti - Syksy 2007 / Lieaarialgebraa Notaatiota Kääteismatriisi
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
Todennäköisyyslaskenta: Todennäköisyysjakaumia
Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia Ilkka Melli 35 Todeäköisyysjakaumia
Insinöörimatematiikka IA
Isiöörimatematiikka IA Harjoitustehtäviä. Selvitä oko propositio ( p q r ( p q r kotradiktio. Ratkaisu: Kirjoitetaa totuustaulukko: p q r ( p q r p q r ( p q r ( p q r 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
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
Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa. väite P(n) on totta kaikille n = 0,1,2,...
Induktiotodistus Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa väite P(n) on totta kaikille n = 0,1,2,.... Tässä väite P(n) riippuu n:n arvosta. Todistuksessa
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
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 +
Luento 6 Luotettavuus Koherentit järjestelmät
Lueto 6 Luotettavuus Koheretit järjestelmät Ja-Erik Holmberg Systeemiaalyysi laboratorio PL 00, 00076 Aalto ja-erik.holmberg@riskpilot.fi ja-erik.holmberg@aalto.fi Määritelmä Tarkasteltava yksikö luotettavuus
HEIJASTUMINEN JA TAITTUMINEN
S-08-0 OPTIIKKA /6 HEIJASTUMINEN JA TAITTUMINEN Laboratoriotyö S-08-0 OPTIIKKA /6 Sisällysluettelo Teoria... 3 Työ suoritus... 4. Kokoaisheijastus... 4. Brewsteri kulma... 5 3 Mittauspöytäkirja... 6 S-08-0
2.5. Eksponenttifunktio ja eksponenttiyhtälöt
Eksoettifuktio ja -htälöt Eksoettifuktio ja eksoettihtälöt Ku otessi käsitettä laajeetaa sallimalla eksoetille muitaki arvoja kui kokoaislukuja, tämä taahtuu ii, että ii saotut otessikaavat ovat voimassa,
9.7 Matriisinormit. Vaasan yliopiston julkaisuja 225. Ei siis lainkaan ongelmia defektiivisyydestä.
Vaasa yliopisto julkaisuja 225 U = 0.1213-0.9359-0.3307-0.1005-0.3430 0.9339 0.9875 0.0801 0.1357 S = V = >> 4.5221 0 0 0 2.2793 0 0 0 1.1642 0.0537-0.8212-0.5681 0.4414-0.4908 0.7512 0.8957 0.2911-0.3361
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
= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1
35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus
MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 3: Jatkuvuus Pekka Alestalo, Jarmo Malinen Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos 19.9.2016 Pekka Alestalo, Jarmo
Osa 1: Todennäköisyys ja sen laskusäännöt. Todennäköisyyden aksioomat
Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2007) 1 Todennäköisyyden aksioomat >> Todennäköisyyden määritteleminen Todennäköisyyden
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,
Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti.
Joukon määritelmä Joukko on alkioidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Näin ei tässä
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
pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489
Perusjoukko ja otos Kvatitatiiviset meetelmät Sami Fredriksso Yleie valtio-oppioppi Havaitoyksikkö o empiirise mittaukse kohde Perusjoukko o kaikkie havaitoyksiköide muodostama kokoaisuus Otos o perusjoukkoa
Matematiikan tukikurssi
Matematiika tukikurssi Kertauslueto. välikokeesee Algebraa Tämäkertaie kurssimoiste sisältää rusaasti harjoitustehtäviä. Syyä tähä o se, että matematiikkaa oppii parhaite itse tekemällä ja laskemalla.
Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).
Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)
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
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var
KERTAUSHARJOITUKSIA. Tilastojen esittäminen. 212. a) 15-19 vuotiaita tyttöjä 156 377 Koko väestö 5 219 732 156 277 Näiden tyttöjen osuus
KERTAUSHARJOITUKSIA Tilastoje esittämie. a) -9 vuotiaita tyttöjä 377 Koko väestö 9 73 77 Näide tyttöje osuus 3, 0 % 9 73 b) Pojat ja tytöt: 3 377 + 77 = 39 4 39 4 Osuus koko väestöstä, % 9 73 c) Ikäluokka
8 Joukoista. 8.1 Määritelmiä
1 8 Joukoista Joukko on alkoidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukkooppi aksiomaattisesti. Näin ei tässä tehdä
Ryhmän osajoukon generoima aliryhmä ja vapaat ryhmät
Ryhmä osajouko geeroima aliryhmä ja vapaat ryhmät LuK-tutkielma Joose Heioe Matemaattiste tieteide tutkito-ohjelma Oulu yliopisto Kevät 2017 Sisältö Johdato 2 1 Ryhmät ja aliryhmät 2 1.1 Ryhmä.................................
TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET. Kokooma 23.1.2008. Viimeisin perustemuutos on vahvistettu 3.2.1998.
TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET Kokooma 23.1.2008. Viimeisi perustemuutos o vahvistettu 3.2.1998. TYÖNTEKIJÄIN ELÄKELAIN MUKAISEN VAKUUTUKSEN YLEISET LASKUPERUSTEET Sisällysluettelo
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
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:
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
Ympyrä 1/6 Sisältö ESITIEDOT: käyrä, kulma, piste, suora
Ympyrä 1/6 Sisältö Ympyrä ja sen yhtälö Tason pisteet, jotka ovat vakioetäisyydellä kiinteästä pisteestä, muodostavat ympyrän eli ympyräviivan. Kiinteä piste on ympyrän keskipiste ja vakioetäisyys sen
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
2.3.1. Aritmeettinen jono
.3.1. Aritmeettie joo -joo, jossa seuraava termi saadaa edellisestä lisäämällä sama luku a, a + d, a+d, a +3d, Aritmeettisessa joossa kahde peräkkäise termi erotus o aia vakio: Siis a +1 a d (vakio Joo
Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Todennäköisyyden aksioomat TKK (c) Ilkka Mellin (2005) 1 Todennäköisyyden aksioomat Todennäköisyyden määritteleminen Todennäköisyyden aksioomat äärellisissä otosavaruuksissa
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,
811312A Tietorakenteet ja algoritmit, , Harjoitus 4, Ratkaisu
81112A Tietoraketeet ja algoritmit, 217-218, Harjoitus 4, Ratkaisu Harjoitukse aiheita ovat algoritmie aikakompleksisuus ja lajittelualgoritmit Tehtävä 4.1 Selvitä seuraavie rekursioyhtälöide ratkaisuje
Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet
Funktiot. funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina.
Funktiot Tässä luvussa käsitellään reaaliakselin osajoukoissa määriteltyjä funktioita f : A R. Yleensä funktion määrittelyjoukko M f = A on jokin väli, muttei aina. Avoin väli: ]a, b[ tai ]a, [ tai ],
Funktion raja-arvo. lukumäärien tutkiminen. tutkiminen
Matematiikka algebra geometria Funktion raja-arvo analyysi tarve lukumäärien tutkiminen kuvioiden ja kappaleiden tutkiminen muutosten tutkiminen DERIVAATTA, MAA6 Yhtä vanhoja kuin ihmiskuntakin ~6 000
Miten hyvin mallit kuvaavat todellisuutta? Tarvitaan havaintoja.
Luku 1 Johdanto 1.1 Todennäköisyys ja tilastotiede Kurssi käsittelee todennäköisyyslaskentaa ja tilastotiedettä. Laaditaan satunnaisilmiöille todennäköisyysmalleja. Miten hyvin mallit kuvaavat todellisuutta?
4.7 Todennäköisyysjakaumia
MAB5: Todeäöisyyde lähtöohdat.7 Todeäöisyysjaaumia Luvussa 3 Tuusluvut perehdyimme jo jaauma äsitteesee yleesä ja ormaalijaaumaa vähä taremmi. Lähdetää yt tutustumaa biomijaaumaa ja otetaa se jälee ormaalijaauma
1. Kuinka monella tavalla joukon kaikki alkiot voidaan järjestää jonoksi? Tähän antaa vastauksen: tuloperiaate ja permutaatio
TOD.NÄK JA TILASTOT, MAA10 Kombinatoriikka Todennäköisyyksiä (-laskuja) varten tarvitaan tieto tapahtumille suotuisien alkeistapausten lukumäärästä eli tapahtumaa vastaavan osajoukon alkioiden lukumäärästä.
Määritelmiä. Nopanheitossa taas ω 1 = saadaan 1, ω 2 = saadaan 2,..., ω 6 = saadaan
Todennäköisyys Todennäköisyys on epävarman matematiikkaa. Matemaattinen todennäköisyys mallintaa satunnaisia ilmiöitä, kuten esimerkiksi nopantai lantinheitto. Todennäköisyyttä voi lähestyä mm. tilastollisesti
Matematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden
1.3 Toispuoleiset ja epäoleelliset raja-arvot
. Toisuoleiset j eäoleelliset rj-rvot Rj-rvo lim f () A olemssolo edellyttää että muuttuj täytyy void lähestyä rvo kummst suust hyväsä. Jos > ii sot että lähestyy rvo oikelt ositiivisest suust. Jos ts
Epäyhtälöoppia matematiikkaolympialaisten tehtäviin
Epäyhtälöoppia matematiikkaolympialaiste tehtävii Jari Lappalaie ja Ae-Maria Ervall-Hytöe 0 Johdato Epäyhtälöitä reaaliluvuille Cauchy epäyhtälö Kaikille reaaliluvuille a, a,, a ja b, b,, b pätee Cauchy
Johdatus matematiikkaan
Johdatus matematiikkaan Luento 7 Mikko Salo 11.9.2017 Sisältö 1. Funktioista 2. Joukkojen mahtavuus Funktioista Lukiomatematiikassa on käsitelty reaalimuuttujan funktioita (polynomi / trigonometriset /
Diskreetin Matematiikan Paja Ratkaisuja viikolle 4. ( ) Jeremias Berg. n(n + 1) 2. k =
Diskreeti Matematiika Paja Ratkaisuja viikolle 4. (7.4-8.4) Jeremias Berg. Osoita iduktiolla että k = ( + ) Ratkaisu: Kute kaikissa iduktiotodistuksissa meidä täytyy siis osoittaa asiaa. Ns. perustapaus,
tilavuudessa dr dk hetkellä t olevien elektronien
Semiklassie johtavuusmalli Metalleissa vastus aiheutuu virrakuljettajie törmäyksistä, joita karakterisoi relaksaatioaika τ Oletetaa, että ifiitesimaalisella aikavälillä dt elektroi törmäystodeäköisyys
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
a) Mitkä seuraavista ovat samassa ekvivalenssiluokassa kuin (3, 8), eli kuuluvat joukkoon
Matematiikan johdantokurssi, syksy 08 Harjoitus 3, ratkaisuista. Kokonaisluvut määriteltiin luonnollisten lukujen avulla ekvivalenssiluokkina [a, b], jotka määrää (jo demoissa ekvivalenssirelaatioksi osoitettu)
Matematiikan peruskurssi 2
Matematiikan peruskurssi Demonstraatiot III, 4.5..06. Mikä on funktion f suurin mahdollinen määrittelyjoukko, kun f(x) x? Mikä on silloin f:n arvojoukko? Etsi f:n käänteisfunktio f ja tarkista, että löytämäsi
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,
9 Yhteenlaskusääntö ja komplementtitapahtuma
9 Yhteenlaskusääntö ja komplementtitapahtuma Kahta joukkoa sanotaan erillisiksi, jos niillä ei ole yhtään yhteistä alkiota. Jos pysytellään edelleen korttipakassa, niin voidaan ilman muuta sanoa, että
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
Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?
Kuluttajahitaideksi (KHI) Kysymys Mite mitata raha arvo muutoksia? Kuluttajahitaideksi (KHI) o sovittu kulutustavaroide ja palveluide hitakehitykse mittari. KHI muodostetaa paiotettua keskiarvoa eri pääryhmie
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 13. syyskuuta 2007 Antti Rasila () TodB 13. syyskuuta 2007 1 / 21 1 Klassinen todennäköisyys 2 Kombinatoriikkaa Kombinatoriikan perusongelmat Permutaatiot
ABHELSINKI UNIVERSITY OF TECHNOLOGY
Satunnaismuuttujat ja todennäköisyysjakaumat Mitä tänään? Jos satunnaisilmiötä halutaan mallintaa matemaattisesti, on ilmiön tulosvaihtoehdot kuvattava numeerisessa muodossa. Tämä tapahtuu liittämällä
Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..