(b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa

Koko: px
Aloita esitys sivulta:

Download "(b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa"

Transkriptio

1 Oulun yliopiston matemaattisten tieteiden tutkimusyksikkö/tilastotiede A JOHDATUS MONIMUUTTUJAMENETELMIIN, sl 2017 (Jari Päkkilä) Harjoitus 3, viikko 47 ( ): kotitehtävät Ratkaisuja 1. Floridan monimurhasyyteaineisto. Merkitään 1, syytetty on saanut kuolemantuomion Y = 0, syytetty ei ole saanut kuolemantuomiota (a) Vedonlyöntikerroin ω tapahtumalle Y = 1 on ω = π, missä π = P (Y = 1). 1 π Todennäköisyys tapahtumalle Y = 1 : π = P (Y = 1) = 68/ Vedonlyöntikerroin tapahtumalle Y = 1 : ω = π 1 π = 68/ / (b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa. Syytetyn ihonväri valkoinen: Vedonlyöntikerroin tapahtumalle Y = 1 : ω 0 = π 0 1 π 0 = 53/(467+16) 1 53/(467+16) Syytetyn ihonväri musta: Vedonlyöntikerroin tapahtumalle Y = 1 : ω 1 = π 1 1 π 1 = (11+4)/(48+143) 1 (11+4)/(48+143) Vedonlyöntikertoimien suhde OR = ω 1 ω Aineistosta laskettu OR-tunnusluvun arvo (piste-estimaatti) on pienempi kuin yksi, joka viittaa siihen, että mustaihoisilla syytetyillä on pienempi riski kuolemantuomion saamiselle kuin valkoihoisilla. Tulos on etukäteisodotukseen nähden yllättävä? Ero ryhmien välillä ei näyttäisi olevan kuitenkaan tilastollisesti merkitsevä, koska OR:n 95 %:n luottamusväli (0.380, 1.259) pitää sisällään ykkösen. (c) Mallissa ln ( π 1 π) = β0 + β 1 X 1, missä X 1 = syytetyn ihonväri, e β 1 kuvaa vastetapahtumaan Y = 1 liittyvien vedonlyöntikertoimien suhdetta eli OR:ää tilanteiden syytetty mustaihoinen ja syytetty valkoihoinen välillä. Nyt e β β 1 ln(0.691) (d) Estimaatti kuolemantuomion saamiselle, kun syytetyn ihonväri on valkoinen. P (Y = e β 0 + β 1 X 1 1 X 1 = 0) = 1 + e β 0 + β 1 X 1 = e e = e e Huom.: Havaintoaineistossa valkoihoisen syytetyn tapauksissa ( n = 483) kuolemantuomio annettiin 53 kertaa: 53/ Lasketut kaksi lukua ovat siis yhtä suuret!

2 2. R:n logistinen regressio: > malli <- glm(tuomio ~ uhri, family=binomial(link=logit)) > round(ci.lin(malli, Exp=TRUE),4) Estimate StdErr z P exp(est.) 2.5% 97.5% (Intercept) uhri musta (a) Regressiokertoimen β 1 estimaatti on ja OR:n estimaatti on OR kuvaa vastetapahtumaan Y = 1 liittyvien vedonlyöntikertoimien suhdetta eli OR:ää tilanteiden uhri mustaihoinen ja uhri valkoihoinen välillä. Piste-estimaattien perusteella kuolemantuomion saamisen riski näyttäisi olevan suurempi uhrin ollessa valkoihoinen kuin uhrin ollessa mustaihoinen. OR:n 95 %:n luottamusväli on (0.0652, ). Vertailuryhmien välinen ero on aineiston perusteella tilastollisesti merkitsevä, sillä ykkönen jää selvästi luottamusvälin ulkopuolelle. Tulos on etukäteisodotuksen mukainen. (b) Riskisuhde RR. RR = P (Y = 1 X = 1) P (Y = 1 X = 0) = 4/( ) ( )/( ) OR ja RR ovat nyt suhteellisen lähellä toisiaan, koska vastetapahtuma Y = 1 on kohtalaisen harvinainen kummassakin vertailuryhmässä. (c) Estimaatti kuolemantuomion saamiselle, kun uhrin ihonväri on musta. P (Y = e β 0 + β 1 X 1 1 X 1 = 1) = 1 + e β 0 + β 1 X 1 = e e = e e Havaintoaineistossa mustaihoisen uhrin tapauksissa (n = 159) kuolemantuomio annettiin neljä kertaa: 4/ Lasketut kaksi lukua ovat siis yhtä suuret! 3. Logistinen regressioanalyysi ln ( π 1 π) = β0 + β 1 X 1 + β 2 X 2, missä X 1 = syytetyn ihonväri ja X 2 = uhrin ihonväri. > malli2 <- glm(tuomio ~ syytetty + uhri, family=binomial(link=logit)) > round(ci.lin(malli2, Exp=FALSE),4) Estimate StdErr z P 2.5% 97.5% (Intercept) syytetty musta uhri musta (a) e ja e

3 e :n tulkinta: Kuolemantuomion saamisen vedonlyöntikerroin on noin 2.4-kertainen tilanteessa, jossa syytetyn ihonväri on musta verrattuna tilanteeseen, jossa syytetyn ihonväri on valkoinen. Ryhmien vertailu on vakioitu uhrin ihonvärin suhteen. e :n tulkinta: Kuolemantuomion saamisen vedonlyöntikerroin on noin 0.09-kertainen tilanteessa, jossa uhrin ihonväri on musta verrattuna tilanteeseen, jossa uhrin ihonväri on valkoinen. Ryhmien vertailu on vakioitu syytetyn ihonvärin suhteen. (b) Kertoimen β 1 95 %:n luottamusväli on (0.1483, 1.587) ja kertoimen β 2 luottamusväli on ( , 1.227). Kumpikaan luottamusväli ei sisällä nollaa, joten kumpikin selittäjä on tilastollisesti merkitsevä selittäjä vasteelle. Kertoimiin liittyvien OR-tunnuslukujen 95 % luottamusvälit ovat puolestaan (e , e ) = (1.16, 4.89) ja (e , e ) = (0.028, 0.29) eli ne eivät sisällä ykköstä. Kahden selittäjän mallin perusteella tehtävät johtopäätökset ovat nyt erilaiset kuin marginaalimallien eli yhden selittäjän mallien perusteella tehdyt johtopäätökset. Kahden selittäjän malli antaa realistisemman kuvan todellisesta tilanteesta. 4. Suomalaisten 318 vuotiaiden liikuntatutkimus. > str(liikunta) 'data.frame': 5505 obs. of 4 variables: $ runsasliikunta: Factor w/ 2 levels " Ei"," Kyllä": $ laani : Factor w/ 5 levels " Etelä-Suomi",..: $ ika : num $ sukup : Factor w/ 2 levels " Tyttö"," Poika": > summary(liikunta) runsasliikunta laani ika sukup Ei :3823 Etelä-Suomi:2232 Min. : 3.0 Tyttö:2749 Kyllä:1187 Länsi-Suomi:1980 1st Qu.: 7.0 Poika:2756 NA's : 495 Itä-Suomi : 600 Median :11.0 Oulun lääni: 483 Mean :10.8 Lapin lääni: 200 3rd Qu.:15.0 NA's : 10 Max. :18.0 (a) Aineistoon on sovitettu logistinen regressiomalli, jossa vasteena on ollut runsas liikunnan harrastaminen (vähintään 6 krt viikossa) ja selittäjinä 318 -vuotiaan asuinlääni, sukupuoli ja ikä. Mallissa ikä on jatkuva muuttuja, kun taas lääni ja sukupuoli ovat faktoroituja muuttujia. Faktorimuuttujia varten käytössä ova seuraavat dummy-muuttujat: Lääni: 1, kun kotilääni on Etelä-Suomen lääni X 10 = 0, kun kotilääni ei ole Etelä-Suomen lääni 1, kun kotilääni on Länsi-Suomen lääni X 11 = 0, kun kotilääni ei ole Länsi-Suomen lääni 1, kun kotilääni on Itä-Suomen lääni X 12 = 0, kun kotilääni ei ole Itä-Suomen lääni

4 1, kun kotilääni on Oulun lääni X 13 = 0, kun kotilääni ei ole Oulun lääni 1, kun kotilääni on Lapin lääni X 14 = 0, kun kotilääni ei ole Lapin lääni Mallituksessa näistä muuttujista käytetään selittäjinä muuttujia X 11, X 12, X 13 ja X 14 Etelä-Suomen toimiessa tämän muuttujan kohdalla vertailuluokkana. Sukupuoli: 1, kun sukupuoli on tyttö X 20 = 0, kun sukupuoli ei ole tyttö 1, kun sukupuoli on poika X 21 = 0, kun sukupuoli ei ole poika Mallituksessa näistä muuttujista käytetään selittäjinä muuttujaa X 21 tyttöjen toimiessa vertailuluokkana. (b) Analyysin tulokset: > malli3 <- glm(runsasliikunta ~ laani + sukup + ika, family=binomial(link=logit)) > round(ci.lin(malli3, Exp=TRUE),4) Estimate StdErr z P exp(est.) 2.5% 97.5% (Intercept) laani Länsi-Suomi laani Itä-Suomi laani Oulun lääni laani Lapin lääni sukup Poika ika Voidaanko mallituksen tulosten perusteella sanoa runsaan liikunnan harrastuksen olevan yhtä yleistä (b1) maan eri osien (vanhojen läänien) välillä? Mallissa muiden läänien tilannetta vertaillaan Etelä-Suomeen. Kaikissa parittaisissa vertailuissa (Länsi-Suomi vs. Etelä-Suomi, Itä-Suomi vs. Etelä-Suomi jne.) OR:en 95 % luottamusvälit pitävät sisällään ykkösen, joten eroa ei näyttäisi olevan. (b2) eri sukupuolten välillä? Mallissa poikien tilannetta vertaillaan tyttöjen tilanteeseen. OR:n estimaatti on 1.28 ja 95 % luottamusväli on (1.12, 1.46). Pojat näyttäisivät siis harrastavan runsasta liikuntaa tyttöjä useammin. (b3) eri ikäisten välillä? Ikään liittyvä OR:n piste-estimaatti on 0.93 ja 95 % luottamusväli on (0.91, 0.94). Runsaan liikunnan harrastaminen näyttäisi siis vähenevän iän lisääntymisen myötä.

5 (c) Estimaatti runsaan liikunnan harrastamisen todennäköisyydelle, kun vasteen kohtaamisen todennäköisyyttä ennustetaan (c1) entisessä Etelä-Suomen läänissä asuvalle 13-vuotiaalle tytölle: P (Y e β 0 + β 3 X 3 = 1 X) = 1 + e β 0 + β 3 X 3 = e e = (c2) entisessä Oulun läänissä asuvalle 10-vuotiaalle pojalle: P (Y e β 0 + β 13 X 13 + β 21 X 21 + β 3 X 3 = 1 X) = 1 + e β 0 + β 13 X 13 + β 21 X 21 + β 3 X 3 = e e = 0.281

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Logistinen regressioanalyysi Vastemuuttuja Y on luokiteltu muuttuja Pyritään mallittamaan havaintoyksikön todennäköisyyttä kuulua

Lisätiedot

pisteet Frekvenssi frekvenssi Yhteensä

pisteet Frekvenssi frekvenssi Yhteensä 806118P JOHDATUS TILASTOTIETEESEEN Loppukoe 15.3.2018 (Jari Päkkilä) 1. Kevään -17 Johdaus tilastotieteeseen -kurssin opiskelijoiden harjoitusaktiivisuudesta saatujen pisteiden frekvenssijakauma: Harjoitus-

Lisätiedot

Opiskelija viipymisaika pistemäärä

Opiskelija viipymisaika pistemäärä 806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2012 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Jatkoa harjoituksen 5 tehtävään

Lisätiedot

(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.

(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti. 2. VÄLIKOE vuodelta -14 1. Liitteessä 1 on esitetty R-ohjelmalla saatuja tuloksia aineistosta, johon on talletettu kahdenkymmenen satunnaisesti valitun miehen paino (kg), vyötärön ympärysmitta (cm) ja

Lisätiedot

TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET

TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET 16..015 1. a Poliisivoimien suuruuden lisäksi piirikuntien rikostilastoihin vaikuttaa monet muutkin tekijät. Esimerkiksi asukkaiden keskimääräinen

Lisätiedot

Suhtautuminen Sukupuoli uudistukseen Mies Nainen Yhteensä Kannattaa Ei kannata Yhteensä

Suhtautuminen Sukupuoli uudistukseen Mies Nainen Yhteensä Kannattaa Ei kannata Yhteensä 806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2011 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Eräässä suuressa yrityksessä

Lisätiedot

1. Tutkitaan tavallista kahden selittäjän regressiomallia

1. Tutkitaan tavallista kahden selittäjän regressiomallia TA7, Ekonometrian johdantokurssi HARJOITUS 5 RATKAISUEHDOTUKSET 232215 1 Tutkitaan tavallista kahden selittäjän regressiomallia Y i = β + β 1 X 1,i + β 2 X 2,i + u i (a) Kirjoita regressiomalli muodossa

Lisätiedot

Kansallinen LIIKUNTATUTKIMUS 2009-2010

Kansallinen LIIKUNTATUTKIMUS 2009-2010 Tutkimusaineisto koottu puhelinhaastatteluina helmikuun 2009 ja tammikuun 2010 aikana Kohteena 3 18-vuotiaat (vanhemmat vastanneet 3 11-vuotiaiden puolesta ja 12 18- vuotiaat vastanneet itse kysymyksiin)

Lisätiedot

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot) R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n

Lisätiedot

Ilmoittaudu Weboodissa klo (sali L4) pidettävään 1. välikokeeseen!

Ilmoittaudu Weboodissa klo (sali L4) pidettävään 1. välikokeeseen! 8069 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2013 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOLLA 9! Ilmoittaudu Weboodissa 4.3.2013 klo

Lisätiedot

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) Aalto-yliopisto 2017 Käytännön järjestelyt Luennot: Luennot maanantaisin (sali E) ja keskiviikkoisin (sali U4) klo 10-12 Luennoitsija: (lauri.viitasaari@aalto.fi)

Lisätiedot

Näistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.

Näistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina. [MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, kevät 2019 https://coursepages.uta.fi/mtttp1/kevat-2019/ HARJOITUS 3 Joitain ratkaisuja 1. x =(8+9+6+7+10)/5 = 8, s 2 = ((8 8) 2 + (9 8) 2 +(6 8) 2 + (7 8) 2 ) +

Lisätiedot

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista

Lisätiedot

806109P 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 (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

Lisätiedot

Harjoitukset 4 : Paneelidata (Palautus )

Harjoitukset 4 : Paneelidata (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 4 : Paneelidata (Palautus 7.3.2017) Tämän harjoituskerran tarkoitus on perehtyä

Lisätiedot

Näistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.

Näistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina. [MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 3 viikko 40 Joitain ratkaisuja 1. Suoritetaan standardointi. Standardoidut arvot ovat z 1 =

Lisätiedot

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 2016 Laskuharjoitus 5, Kotitehtävien palautus laskuharjoitusten

Lisätiedot

Kvantitatiiviset menetelmät

Kvantitatiiviset menetelmät Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan

Lisätiedot

Hirsitaloasukkaiden terveys ja

Hirsitaloasukkaiden terveys ja Hirsitaloasukkaiden terveys ja tyytyväisyys y Altti-tutkimukseen perustuva selvitys Fil. yo. Mira Anttila, FM Maria Pekkonen, Dos. Ulla Haverinen-Shaughnessy Asumisterveyden ja rakennusten terveellisyyden

Lisätiedot

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) Aalto-yliopisto 2016 Käytannön järjestelyt Luennot: Luennot ma 4.1. (sali E) ja ti 5.1 klo 10-12 (sali C) Luennot 11.1.-10.2. ke 10-12 ja ma 10-12

Lisätiedot

Facebookin käyttäjien iän, sukupuolen ja asuinpaikan vaikutus. matkailumotivaatioihin ja aktiviteetteihin Juho Pesonen

Facebookin käyttäjien iän, sukupuolen ja asuinpaikan vaikutus. matkailumotivaatioihin ja aktiviteetteihin Juho Pesonen ASIAKKAAN ODOTTAMA ARVO MAASEUTUMATKAILUN SEGMENTOINNIN JA TUOTEKEHITYKSEN PERUSTANA Facebookin käyttäjien iän, sukupuolen ja asuinpaikan vaikutus matkailumotivaatioihin ja aktiviteetteihin 25.11.2011

Lisätiedot

Miten se meitä liikuttaa? Suomalaisten liikunta- ja urheiluharrastukset Päivi Berg

Miten se meitä liikuttaa? Suomalaisten liikunta- ja urheiluharrastukset Päivi Berg Miten se meitä liikuttaa? Suomalaisten liikunta- ja urheiluharrastukset 1981 2002 Päivi Berg Vuonna 2002 talvella vähintään kerran viikossa liikkui 87 %, kesällä 88 % väestöstä Nuorten kokonaan liikuntaa

Lisätiedot

Viherseinien efekti Tilastoanalyysi

Viherseinien efekti Tilastoanalyysi Viherseinien efekti Tilastoanalyysi Risto Heikkinen Tutkimuskysymykset Seinän vaikutus koettuun haittoihin työympäristössä? Seinän vaikutus oireiden määrään? Mitkä tekijät selittävät viherseinän jatkokäytön

Lisätiedot

[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen

Lisätiedot

Yleistetyistä lineaarisista malleista

Yleistetyistä lineaarisista malleista Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit

Lisätiedot

Yleinen lineaarinen malli eli usean selittäjän lineaarinen regressiomalli

Yleinen lineaarinen malli eli usean selittäjän lineaarinen regressiomalli MS-C2128 Ennustaminen ja aikasarja-analyysi 1. harjoitukset / Tehtävät Kotitehtävät: 2 Aiheet: Aluksi Yleinen lineaarinen malli eli usean selittäjän lineaarinen regressiomalli Tällä kurssilla käytetään

Lisätiedot

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4

Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 Sisällysluettelo ESIPUHE KIRJAN 1. PAINOKSEEN...3 ESIPUHE KIRJAN 2. PAINOKSEEN...3 SISÄLLYSLUETTELO...4 1. JOHDANTO TILASTOLLISEEN PÄÄTTELYYN...6 1.1 INDUKTIO JA DEDUKTIO...7 1.2 SYYT JA VAIKUTUKSET...9

Lisätiedot

Lumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I

Lumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I Lumipallo regressioanalyysista jokainen kirjoittaa lapulle yhden lauseen regressioanalyysista ja antaa sen seuraavalle Logistinen regressioanalyysi Y250. Kvantitatiiviset menetelmät (6 op) Hanna Wass tutkijatohtori

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään

Lisätiedot

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet Tilastotieteen jatkokurssi Sosiaalitieteiden laitos Harjoitus 5 (viikko 9) Ratkaisuehdotuksia (Laura Tuohilampi). Jatkoa HT 4.5:teen. Määrää E(X) ja D (X). E(X) = 5X p i x i =0.8 0+0.39 +0.4 +0.4 3+0.04

Lisätiedot

Hyvinvointikysely 2017 Yläkoulu ja toinen aste Joensuun kaupunki

Hyvinvointikysely 2017 Yläkoulu ja toinen aste Joensuun kaupunki Hyvinvointikysely 2017 Yläkoulu ja toinen aste Joensuun kaupunki Tulkintaohjeita Tässä raportissa käytetty seuraavia värikoodeja: - Suorat jakaumat (kaikki vastaajat), keskiarvot 1,0 2,99 Heikko taso 3,0

Lisätiedot

Käsityön Tutkimushanke Vanhempien käsityksiä 7.-luokkalaisten käsityön opiskelusta

Käsityön Tutkimushanke Vanhempien käsityksiä 7.-luokkalaisten käsityön opiskelusta Käsityön Tutkimushanke 2013-2014 Vanhempien käsityksiä 7.-luokkalaisten käsityön opiskelusta www.helsinki.fi/yliopisto 21.11.2014 1 Tutkimuksen lähtökohtia Käsityön kansallinen arviointi 2010 Arviointitulosten

Lisätiedot

Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45.

Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45. Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 8.8% 8.9%.%.% 9.7%.7% Etelä Länsi Itä Oulu Lappi Ahvenanmaa Länsi Etelä Itä Oulu Lappi Ahvenanmaa Läänien

Lisätiedot

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n = 1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista

Lisätiedot

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös): Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei

Lisätiedot

Turvaa tulevaisuutesi liikkumalla Tapaturmapäivä 13.5.2011

Turvaa tulevaisuutesi liikkumalla Tapaturmapäivä 13.5.2011 Turvaa tulevaisuutesi liikkumalla Tapaturmapäivä 13.5.211 Pauliina Husu TtT, tutkija UKK-instituutti, Terveysliikuntayksikkö 16.5.211 1 Lasten ja nuorten vapaa-ajan liikunnan riittävyys. Suomalaisten

Lisätiedot

Alakoululaisten hyvinvointikysely 2017 Joensuun kaupunki

Alakoululaisten hyvinvointikysely 2017 Joensuun kaupunki Alakoululaisten hyvinvointikysely 2017 Joensuun kaupunki Tulkintaohjeita Tässä raportissa käytetty seuraavia värikoodeja: - Suorat jakaumat (kaikki vastaajat), keskiarvot 1,0 2,99 Heikko taso 3,0 3,19

Lisätiedot

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Odotusarvoparien 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

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Johdatus regressioanalyysiin Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen vaihtelun avulla.

Lisätiedot

805306A Johdatus monimuuttujamenetelmiin, 5 op

805306A Johdatus monimuuttujamenetelmiin, 5 op monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Johdatus monimuuttujamenetelmiin Luennot 30.10.13.12.-18 Tiistaina klo 12-14 (30.10., BF119-1) Keskiviikkoisin klo 10-12 (MA101,

Lisätiedot

Harjoitukset 2 : Monimuuttujaregressio (Palautus )

Harjoitukset 2 : Monimuuttujaregressio (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 2 : Monimuuttujaregressio (Palautus 24.1.2017) Tämän harjoituskerran tarkoitus

Lisätiedot

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto Kynä-paperi -harjoitukset Taina Lehtinen 43 Loput ratkaisut harjoitustehtäviin 44 Stressitestin = 40 s = 8 Kalle = 34 pistettä Ville = 5 pistettä Z Kalle 34 8 40 0.75 Z Ville 5 8 40 1.5 Kalle sijoittuu

Lisätiedot

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)

MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) Aalto-yliopisto 2017 Todennäköisyyslaskennan kertaus Satunnaismuuttujat ja tn-jakaumat Tunnusluvut χ 2 -, F- ja t-jakauma Riippumattomuus Tilastotieteen

Lisätiedot

Logistinen regressio, separoivat hypertasot

Logistinen regressio, separoivat hypertasot Logistinen regressio, separoivat hypertasot Topi Sikanen Logistinen regressio Aineisto jakautunut K luokkaan K=2 tärkeä erikoistapaus Halutaan mallintaa luokkien vedonlyöntikertoimia (odds) havaintojen

Lisätiedot

1. Tietokoneharjoitukset

1. Tietokoneharjoitukset 1. Tietokoneharjoitukset Aluksi Tällä kurssilla käytetään R-ohjelmistoa, jonka käyttämisestä lienee muutama sana paikallaan. R-ohjelmisto on laajasti käytetty vapaassa levityksessä oleva ammattimaiseen

Lisätiedot

Liito-oravan elinympäristöjen mallittaminen Tampereen seudulla

Liito-oravan elinympäristöjen mallittaminen Tampereen seudulla Liito-oravan elinympäristöjen mallittaminen Tampereen seudulla Ari Nikula Metsäntutkimuslaitos Rovaniemen toimintayksikkö Ari.Nikula@metla.fi / Metsäntutkimuslaitos Skogsforskningsinstitutet Finnish Forest

Lisätiedot

MITÄ VOIMME OPPIA KANSALAISKYSELYSTÄ?

MITÄ VOIMME OPPIA KANSALAISKYSELYSTÄ? TURUN YLIOPISTO MITÄ VOIMME OPPIA KANSALAISKYSELYSTÄ? Sirkka-Liisa Kivelä professori, ylilääkäri KYSELYTUTKIMUS Suoritettiin heinäkuussa 2008 puhelinkyselyinä Osallistujat: 35 55 vuotiaat (N=501) 65 70

Lisätiedot

ENNUSTAVATKO MOTORISET TAIDOT JA LIIKUNNALLISET LEIKIT LAPSUUDESSA LIIKUNTA-AKTIIVISUUTTA JA KESTÄVYYSKUNTOA NUORUUDESSA?

ENNUSTAVATKO MOTORISET TAIDOT JA LIIKUNNALLISET LEIKIT LAPSUUDESSA LIIKUNTA-AKTIIVISUUTTA JA KESTÄVYYSKUNTOA NUORUUDESSA? ENNUSTAVATKO MOTORISET TAIDOT JA LIIKUNNALLISET LEIKIT LAPSUUDESSA LIIKUNTA-AKTIIVISUUTTA JA KESTÄVYYSKUNTOA NUORUUDESSA? Soveli Messut 2011 Jarno Purtsi esittäjänä Marko Kantomaan tutkimus Liiku, opi,

Lisätiedot

Kuvio 1. Matematiikan seuranta-arvioinnin kaikkien tehtävien yhteenlaskkettu pistejakauma

Kuvio 1. Matematiikan seuranta-arvioinnin kaikkien tehtävien yhteenlaskkettu pistejakauma TIIVISTELMÄ Opetushallitus arvioi keväällä 2011 matematiikan oppimistuloksia peruskoulun päättövaiheessa. Tiedot kerättiin otoksella, joka edusti kattavasti eri alueita ja kuntaryhmiä koko Suomessa. Mukana

Lisätiedot

SHKY Laske+elijatutkimus. Toukokuu 2016

SHKY Laske+elijatutkimus. Toukokuu 2016 SHKY Laske+elijatutkimus Toukokuu Johdanto Tutkimuksen tavoite Tutkimuksen tarkoituksena oli selvi+ää, miten saada jo laske+elua harrastavat henkilöt/taloudet vie+ämään useampia päiviä rinteessä? Lisäksi

Lisätiedot

Tilastollisen tutkimuksen vaiheet

Tilastollisen tutkimuksen vaiheet Tilastollisen tutkimuksen vaiheet Jari Päkkilä Johdatus tilastotieteeseen Matemaattisten tieteiden laitos TILASTOLLISEN TUTKIMUKSEN TARKOITUS Muodostaa mahdollisimman hyvä mielikuva havaintoaineistosta,

Lisätiedot

Päivähoidon asiakaskysely 2017 Joensuun kaupunki

Päivähoidon asiakaskysely 2017 Joensuun kaupunki Päivähoidon asiakaskysely 2017 Joensuun kaupunki Tulkintaohjeita Tässä raportissa käytetty seuraavia värikoodeja: - Suorat jakaumat (kaikki vastaajat), keskiarvot 1,0 3,59 Heikko taso 3,6 3,99 Hyvä taso

Lisätiedot

Taulukko 87b/1. Tarve käyttää rahaa pelaamiseen yhä enemmän opiskelun keston, opiskelupaikkakunnan ja koulutusalan mukaan (%) (YO)

Taulukko 87b/1. Tarve käyttää rahaa pelaamiseen yhä enemmän opiskelun keston, opiskelupaikkakunnan ja koulutusalan mukaan (%) (YO) Taulukko 87b/1. Tarve käyttää rahaa pelaamiseen yhä enemmän opiskelun keston, opiskelupaikkakunnan ja koulutusalan mukaan (%) (YO) en kyllä N % % 1. vuosi 381 97.9 2.1 2.-4. vuosi 838 96.7 3.3 5.-7. vuosi

Lisätiedot

ALAKOULUN VIIDENNEN LUOKAN OPPILAIDEN HYVINVOINTI LÄNSI- JA KESKI-UUDENMAAN NELJÄSSÄ KUNNASSA SYYSLUKUKAUDELLA 2010

ALAKOULUN VIIDENNEN LUOKAN OPPILAIDEN HYVINVOINTI LÄNSI- JA KESKI-UUDENMAAN NELJÄSSÄ KUNNASSA SYYSLUKUKAUDELLA 2010 ALAKOULUN VIIDENNEN LUOKAN OPPILAIDEN HYVINVOINTI LÄNSI- JA KESKI-UUDENMAAN NELJÄSSÄ KUNNASSA SYYSLUKUKAUDELLA 2010 8.8.2011 Sisällys Johdanto... 2 1 Aineisto ja sen analysointi... 2 2 Tulokset... 2 2.1

Lisätiedot

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Regressioanalyysi. Vilkkumaa / Kuusinen 1 Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen

Lisätiedot

MONISTE 2 Kirjoittanut Elina Katainen

MONISTE 2 Kirjoittanut Elina Katainen MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi

Lisätiedot

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus )

Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus ) 31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus 7.2.2017) Tämän harjoituskerran tehtävät

Lisätiedot

Usean selittävän muuttujan regressioanalyysi

Usean selittävän muuttujan regressioanalyysi Tarja Heikkilä Usean selittävän muuttujan regressioanalyysi Yhden selittävän muuttujan regressioanalyysia on selvitetty kirjan luvussa 11, jonka esimerkissä18 muodostettiin lapsen syntymäpainolle lineaarinen

Lisätiedot

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =

Lisätiedot

Tutkimustiedonhallinnan peruskurssi

Tutkimustiedonhallinnan peruskurssi Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,

Lisätiedot

Harjoitus 3: Regressiomallit (Matlab)

Harjoitus 3: Regressiomallit (Matlab) Harjoitus 3: Regressiomallit (Matlab) SCI-C0200 Fysiikan ja matematiikan menetelmien studio SCI-C0200 Fysiikan ja matematiikan menetelmien studio 1 Harjoituksen aiheita Pienimmän neliösumman menetelmä

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 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

Lisätiedot

Kyselytutkimus suomalaisten näkemyksistä uhanalaisiin kaloihin, särkikaloihin ja kalan ympäristösertifiointiin

Kyselytutkimus suomalaisten näkemyksistä uhanalaisiin kaloihin, särkikaloihin ja kalan ympäristösertifiointiin Olli Toivonen / WWF Kyselytutkimus suomalaisten näkemyksistä uhanalaisiin kaloihin, särkikaloihin ja kalan ympäristösertifiointiin Think If Laboratories / WWF Suomi Kestävällä kalalla -hanke 1 Kohderyhmä

Lisätiedot

Johdatus regressioanalyysiin. Heliövaara 1

Johdatus regressioanalyysiin. Heliövaara 1 Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen

Lisätiedot

Ulkona liikkumista houkuttelevien ja estävien ympäristötekijöiden yhteydet kävelymodifikaatioihin kotona-asuvilla iäkkäillä ihmisillä

Ulkona liikkumista houkuttelevien ja estävien ympäristötekijöiden yhteydet kävelymodifikaatioihin kotona-asuvilla iäkkäillä ihmisillä Ulkona liikkumista houkuttelevien ja estävien ympäristötekijöiden yhteydet kävelymodifikaatioihin kotona-asuvilla iäkkäillä ihmisillä Heidi Skantz 1, Taina Rantanen 1, Kirsi E. Keskinen 1, Timo Rantalainen

Lisätiedot

Hyväksyttekö, että lehdellä on julkihomo tai -lesbo päätoimittaja?

Hyväksyttekö, että lehdellä on julkihomo tai -lesbo päätoimittaja? TALOUSTUTKIMUS OY 20081010 08:52:55 TYÖ 2341.12 TAULUKKO 3010 ss VER % Kaikki Sukupuoli Ikä Ammatti Ruokakunta nainen mies 15-24 25-34 35-49 50-79 työn toimi eläke muu aikuis lapsi vuotta vuotta vuotta

Lisätiedot

r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

r = 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

Lisätiedot

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä.

1. Tässä tehtävässä päätellään kaksilapsisen perheen lapsiin liittyviä todennäköisyyksiä. TODENNÄKÖISYYS Aihepiirejä: Yhden ja kahden tapahtuman tuloksien käsittely ja taulukointi, ovikoodit, joukkueen valinta, bussin odotus, pelejä, urheilijoiden testaus kielletyn piristeen käytöstä, linnun

Lisätiedot

Segregaation eri ilmenemismuodot ja sukupuolten palkkaerot

Segregaation eri ilmenemismuodot ja sukupuolten palkkaerot Segregaation eri ilmenemismuodot ja sukupuolten palkkaerot Segregaatio ja sukupuolten väliset palkkaerot tutkimushankkeen päätösseminaari Valkoinen Sali, 25.04.2008 Reija Lilja (yhteistyössä Rita Asplundin,

Lisätiedot

Suosituimmat liikuntalajit Suomessa vuosina 2009 2010 3 18-vuotiaiden harrastajien lukumäärät

Suosituimmat liikuntalajit Suomessa vuosina 2009 2010 3 18-vuotiaiden harrastajien lukumäärät Suosituimmat liikuntalajit Suomessa vuosina 9 1 3 18-vuotiaiden harrastajien lukumäärät Jalkapallo Pyöräily Uinti Juoksulenkkeily Hiihto 217 18 166 149 147 Muutoksia eri lajien harrastajien lukumäärissä

Lisätiedot

Harjoitus 3: Regressiomallit (Matlab)

Harjoitus 3: Regressiomallit (Matlab) Harjoitus 3: Regressiomallit (Matlab) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Pienimmän neliösumman menetelmä mallin sovittamisessa

Lisätiedot

Tilastollisia peruskäsitteitä ja Monte Carlo

Tilastollisia 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

Lisätiedot

Sisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...

Sisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...

Lisätiedot

Kertaus. MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä

Kertaus. MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 1: Yleinen lineaarinen malli 1 Määritelmä

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen

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

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset

1. Tutkitaan regressiomallia Y i = β 0 + β 1 X i + u i ja oletetaan, että tavanomaiset TA7, Ekonometrian johdantokurssi HARJOITUS 7 RATKAISUEHDOTUKSET 16.3.2015 1. Tutkitaan regressiomallia Y i = β 0 + X i + u i ja oletetaan, että tavanomaiset regressiomallin oletukset pätevät (Key Concept

Lisätiedot

SHKY Laske+elijatutkimus. Toukokuu 2016

SHKY Laske+elijatutkimus. Toukokuu 2016 SHKY Laske+elijatutkimus Toukokuu 20 Johdanto Tutkimuksen tavoite Tutkimuksen tarkoituksena oli selvi+ää, miten saada jo laske+elua harrastavat henkilöt/taloudet vie+ämään useampia päiviä rinteessä? Lisäksi

Lisätiedot

PISA 2012 ENSITULOKSIA Pekka Kupari Jouni Välijärvi Koulutuksen tutkimuslaitos Jyväskylän yliopisto

PISA 2012 ENSITULOKSIA Pekka Kupari Jouni Välijärvi Koulutuksen tutkimuslaitos Jyväskylän yliopisto PISA 2012 ENSITULOKSIA Pekka Kupari Jouni Välijärvi Koulutuksen tutkimuslaitos Jyväskylän yliopisto PISA 2012 Programme for International Student Assessment Viides tutkimus PISA-ohjelmassa: pääalueena

Lisätiedot

805305A JOHDATUS REGRESSIO- JA VARIANSSIANALYYSIIN, sl 2017

805305A JOHDATUS REGRESSIO- JA VARIANSSIANALYYSIIN, sl 2017 Oulun yliopiston matemaattisten tieteiden tutkimusyksikkö/tilastotiede 805305A JOHDATUS REGRESSIO- JA VARIANSSIANALYYSIIN, sl 2017 (Esa Läärä & Jari Päkkilä) Harjoitus 5, viikko 40 (2. 6.10.): mikroluokkatehtävät

Lisätiedot

TAPAUS-VERROKKITUTKIMUS

TAPAUS-VERROKKITUTKIMUS TAPAUS-VERROKKI TUTKIMUKSEN TYYPIT JA TULOSTEN ANALYYSI Simo Näyhä Jari Jokelainen Kansanterveystieteen ja yleislääketieteen laitoksen jatkokoulutusmeeting.3.4.2007 TAPAUS-VERROKKITUTKIMUS Idea Tutkimusryhmät

Lisätiedot

Todennäköisyyden ominaisuuksia

Todennäköisyyden 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

Liikuntajärjestöjen rooli terveyden edistämisessä ja lihavuuden ehkäisyssä

Liikuntajärjestöjen rooli terveyden edistämisessä ja lihavuuden ehkäisyssä Liikuntajärjestöjen rooli terveyden edistämisessä ja lihavuuden ehkäisyssä Lihavuus laskuun seminaari 26.10.2012 Jukka Karvinen, Nuori Suomi ry www.nuorisuomi.fi Miksi liikuntaa? Liikkumaan oppiminen on

Lisätiedot

Kansallispuistojen luokitus

Kansallispuistojen luokitus Kansallispuistojen luokitus Tuija Sievänen, Jenni Puustinen, Marjo Neuvonen ja Eija Pouta 10.3.2008 1 Taustaa Suojelualueiden virkistyskäytön tutkimus Suojelualueiden virkistyskäyttö ja aluetaloudelliset

Lisätiedot

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774

Lisätiedot

Esimerkki 1: auringonkukan kasvun kuvailu

Esimerkki 1: auringonkukan kasvun kuvailu GeoGebran LASKENTATAULUKKO Esimerkki 1: auringonkukan kasvun kuvailu Auringonkukka (Helianthus annuus) on yksivuotinen kasvi, jonka varren pituus voi aurinkoisina kesinä hyvissä kasvuolosuhteissa Suomessakin

Lisätiedot

Taulukko 122b/1. Omien lasten lukumäärä opiskelun keston, opiskelupaikkakunnan ja koulutusalan mukaan (%) (YO)

Taulukko 122b/1. Omien lasten lukumäärä opiskelun keston, opiskelupaikkakunnan ja koulutusalan mukaan (%) (YO) Taulukko 122b/1. Omien lasten lukumäärä opiskelun keston, opiskelupaikkakunnan ja koulutusalan mukaan (%) (YO) Ei yhtään 1 lapsi 2 lasta 3 lasta tai enemmä n N % % % % 1. vuosi 379 96.6 1.6 1.8 0.0 2.-4.

Lisätiedot

Helsinkiläisten toimeentulotuen asiakkaiden terveyspalvelujen käyttö v. 2014

Helsinkiläisten toimeentulotuen asiakkaiden terveyspalvelujen käyttö v. 2014 Helsinkiläisten toimeentulotuen asiakkaiden terveyspalvelujen käyttö v. 2014 Keskeiset tulokset: Terveyspalveluja käyttäneillä toimeentulotuen asiakkailla on ikävakioituna muita terveyspalveluja käyttäneitä

Lisätiedot

kaupungit <- read.table("http://users.jyu.fi/~nataanko/kaupunkidata.txt", header=true)

kaupungit <- read.table(http://users.jyu.fi/~nataanko/kaupunkidata.txt, header=true) TILP260 8. demot kevät 2012 Tehtävä 6. PISA-tutkimuksen monivaiheinen otanta Ositettu otanta Ositteina Ahvenanmaa, Uusimaa, Etelä-, Väli-, Itä- ja Pohjois-Suomi. Ositetun otannan avulla varmistetaan, että

Lisätiedot

Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio

Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n

Lisätiedot

Nuorten aikuisten suhde uskontoon muuttuu entistä herkemmin

Nuorten aikuisten suhde uskontoon muuttuu entistä herkemmin Kaikki Nainen Mies 1 Raportti ISSP 2018 kyselystä / Kirkon tutkimuskeskus Julkaisuvapaa 13.3.2019 klo 7.00. Nuorten aikuisten suhde uskontoon muuttuu entistä herkemmin Suomalaisten uskonnollisuutta kartoittaneesta

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

MTTTP5, 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.

Lisätiedot

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön

Lisätiedot

(b) Testaa valmistajan väitettä komponenttien keskimääräisestä 40 viikon elinajasta normaalijakaumamallin puitteissa (yhden otoksen t-testi).

(b) Testaa valmistajan väitettä komponenttien keskimääräisestä 40 viikon elinajasta normaalijakaumamallin puitteissa (yhden otoksen t-testi). Oulun yliopiston matemaattisten tieteiden tutkimusyksikkö/tilastotiede 805305A JOHDATUS REGRESSIO- JA VARIANSSIANALYYSIIN, sl 2018 (Jari Päkkilä) Harjoitus 3, viikko 37 (20. 21.9.): kotitehtävät 1. Erään

Lisätiedot

Korrelaatiokertoinen määrittely 165

Korrelaatiokertoinen määrittely 165 kertoinen määrittely 165 Olkoot X ja Y välimatka- tai suhdeasteikollisia satunnaismuuttujia. Havaintoaineistona on n:n suuruisesta otoksesta mitatut muuttuja-arvoparit (x 1, y 1 ), (x 2, y 2 ),..., (x

Lisätiedot

Kouluyhteisö liikunnallisuuden turvaajana. Minna Paajanen valtion liikuntaneuvoston pääsihteeri

Kouluyhteisö liikunnallisuuden turvaajana. Minna Paajanen valtion liikuntaneuvoston pääsihteeri Kouluyhteisö liikunnallisuuden turvaajana Minna Paajanen valtion liikuntaneuvoston pääsihteeri Esityksen sisältö Tuorein tieto lasten ja nuorten liikunnan tilasta Havaintoja lasten ja nuorten liikunnan

Lisätiedot

Epävarmuuden hallinta bootstrap-menetelmillä

Epävarmuuden hallinta bootstrap-menetelmillä 1/17 Epävarmuuden hallinta bootstrap-menetelmillä Esimerkkinä taloudellinen arviointi Jaakko Nevalainen Tampereen yliopisto Metodifestivaalit 2015 2/17 Sisältö 1 Johdanto 2 Tavanomainen bootstrap Bootstrap-menettelyn

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen 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

Lisätiedot

LASTEN JA NUORTEN VAPAA-AIKATUTKIMUS 2018:

LASTEN JA NUORTEN VAPAA-AIKATUTKIMUS 2018: LASTEN JA NUORTEN VAPAA-AIKATUTKIMUS : OIKEUS LIIKKUA Harrastukset ovat tärkeä osa lasten ja nuorten elämää. Suurimmalla osalla lapsista ja nuorista on jokin harrastus, ja he kokevat olevansa varsin tyytyväisiä

Lisätiedot