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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

1 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, Estmaatt, Estmaattor, Frekvess, Frekvesstulkta, Harhato estmaattor, Keskee raja-arvolause, Keskhajota, χ -jakauma, Logartme uskottavuusfukto, Luottamuskerro, Luottamustaso, Luottamusväl, Maksmot, Momett, Momettestmaattor, Momettmeetelmä, Normaaljakauma, Odotusarvo, Otos, Otosjakauma, Otoskoko, Otosvarass, Rppumattomuus, Stadardotu ormaaljakauma, Suhteelle frekvess, Suhteelle osuus, Suurmma uskottavuude estmaattor, Suurmma uskottavuude meetelmä, t-jakauma, Todeäkösyys, Uskottavuusfukto, Varass, Ykskertae satuasotos Estmot Satuasotos Olkoo, =,,, satuasotos jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;θ) rppuu parametrsta θ. Tällö havaot, =,,, ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;θ):,,, f( x; θ ), =,,, Estmaattor ja estmaatt Oletetaa, että todeäkösyysjakauma f(x;θ) parametr θ o tutemato ja se estmomsee käytetää havatoje, =,,, fuktota el (otos-) tuuslukua T = g(,,, ) Tällö fuktota T = g(,,, ) kutsutaa parametr θ estmaattorks ja fukto g havatoarvosta laskettua arvoa x, x,, x t = g( x, x,, x ) kutsutaa parametr θ estmaatks. Otosjakauma Oletetaa, että havaot, =,,, muodostavat ykskertase satuasotokse jakaumasta f(x;θ) ja olkoo Ilkka Mell (008) /4

2 Mat-.60 Sovellettu todeäkösyyslasketa B T = g(,,, ) jok parametr θ estmaattor. Koska estmaattor T o satuasmuuttuja, sllä o todeäkösyysjakauma, jota kutsutaa estmaattor T otosjakaumaks. Estmaattor T otosjakauma muodostaa tlastollse mall el todeäkösyysmall estmaattor T arvoje satuaselle vahtelulle otoksesta tosee. Harhattomuus Estmaattora T saotaa parametr θ harhattomaks estmaattorks, jos E(T) = θ Tehokkuus Estmaattor T o tehokkaamp ku estmaattor T, jos Var(T ) < Var(T ) Täystehokkuus (mmvarasssuus) Estmaattor T saotaa täystehokkaaks, jos se varass Var(T) o peemp ku mkä tahasa muu estmaattor. Estmotmeetelmät Suurmma uskottavuude meetelmä Ykskertae satuasotos Olkoo, =,,, satuasotos jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;θ) rppuu parametrsta θ. Tällö havaot, =,,, ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;θ):,,, f( x; θ ), =,,, Uskottavuusfukto Koska havaot, =,,, muodostavat ykskertase satuasotokse jakaumasta f(x;θ), otokse yhtesjakauma theysfukto o f( x, x,, x ; θ ) = f( x; θ) f( x ; θ) f( x ; θ) jossa f ( x; θ ), =,,, o yksttäsee havatoo lttyvä pstetodeäkösyys- ta theysfukto. Otokse, =,,, uskottavuusfukto L( θ; x, x,, x ) = f( x, x,, x ; θ ) Ilkka Mell (008) /4

3 Mat-.60 Sovellettu todeäkösyyslasketa B o havatoje, =,,, yhtesjakauma pstetodeäkösyys- ta theysfukto f arvo psteessä x, x,, x tulkttua parametr θ arvoje fuktoks. Uskottavuusfukto L ssältää kake formaato otoksesta. Suurmma uskottavuude estmaattor Olkoo t = g x x x (,,, ) parametr θ arvo, joka maksmo otokse, =,,, uskottavuusfukto L( θ ; x, x,, x ) parametr θ suhtee. Huomaa, että uskottavuusfukto L maksm atava parametr θ arvo t o havatoarvoje (muuttuje) x, x,, x fukto. Sjottamalla uskottavuusfukto L maksm parametr θ suhtee atavassa lausekkeessa t = t( x, x,, x ) muuttuje x, x,, x pakalle havaot (satuasmuuttujat),,, saadaa parametr θ suurmma uskottavuude estmaattor el SU-estmaattor ˆ θ = g(,,, ) Parametr θ suurmma uskottavuude estmaattor ˆ θ tuottaa parametrlle θ arvo, joka maksmo pomtu otokse el saatuje havatoarvoje uskottavuude (todeäkösyyde). Ste parametr θ suurmma uskottavuude estmaattor ˆ θ otoskohtae arvo maksmo todeäkösyyde saada juur se otos, joka o saatu. Suurmma uskottavuude estmaattor määrääme Parametr θ suurmma uskottavuude estmaattor määrätää maksmomalla uskottavuusfukto L( θ ; x, x,, x ) parametr θ suhtee. Kakssa sääöllsssä tapauksssa maksm löydetää merktsemällä uskottavuusfukto L(θ) dervaatta L (θ) ollaks ja ratkasemalla θ saadusta ormaalyhtälöstä L (θ) = 0 Logartme uskottavuusfukto Uskottavuusfukto maksm kaattaa tavallsest etsä maksmomalla uskottavuusfukto sjasta logartmsta uskottavuusfuktota (uskottavuusfukto logartma) Ilkka Mell (008) 3/4

4 Mat-.60 Sovellettu todeäkösyyslasketa B l( θ; x, x,, x ) = log L( θ; x, x,, x ) Koska havaot,,, o oletettu tässä rppumattomks, logartme uskottavuusfukto vodaa krjottaa seuraavaa muotoo: l( θ ) = log L( θ ) = log ( f( x; θ) f( x ; θ) f( x ; θ) ) = log f( x; θ ) + log f( x ; θ) + + log f( x ; θ) = l( θ ; x) + l( θ ; x) + + l( θ ; x ) jossa l(θ ; x ) = log f(x ; θ), =,,, o yhtee havatoarvoo x lttyvä logartme uskottavuusfukto. Jos parametr θ SU-estmaattor ˆ θ e täytä hyvä estmaattor krteeretä äärellsllä havatoje lukumäärllä, SU-estmaattor ˆ θ käyttöä parametr θ estmaattora vodaa perustella SUestmaattor ylesllä asymptoottslla omasuukslla: Hyv yles ehdo pätee: () SU-estmaattor ˆ θ o tarketuva el Pr( ˆ θ θ) =, ku + () SU-estmaattor ˆ θ o asymptoottsest ormaale. Normaaljakauma parametre suurmma uskottavuude estmaattort Satuasmuuttuja oudattaa ormaaljakaumaa, jos se theysfukto o muotoa x µ f( x; µσ, ) = exp, < µ <+, σ> 0 σ π σ Normaaljakauma parametrea ovat jakauma odotusarvo E( ) = µ ja varass Var( ) = D ( ) = σ Normaaljakauma N(µ,σ ) odotusarvo µ ja varass σ SU-estmaattort ovat havatoje,,, artmeette keskarvo ja otosvarass = = ˆ σ ( ) = = Ilkka Mell (008) 4/4

5 Mat-.60 Sovellettu todeäkösyyslasketa B Normaaljakauma N(µ,σ ) odotusarvo µ SU-estmaattorlla o seuraavat omasuudet: () () () (v) (v) o harhato. ja ˆ σ ovat yhdessä tyhjetävä parametrelle µ ja σ. o tehokas el mmvarasse estmaattor. o tarketuva. oudattaa ormaaljakaumaa: σ N µ, Normaaljakauma N(µ,σ ) varass σ SU-estmaattorlla ˆ σ o seuraavat omasuudet: () () () (v) (v) ˆ σ o harhae, mutta estmaattor s = ( ) ˆ = σ = o harhato. ja ˆ σ ovat yhdessä tyhjetävä parametrelle µ ja σ. ˆ σ e ole tehokas el mmvarasse estmaattor. ˆ σ o tarketuva. ( ) s /σ oudattaa χ -jakaumaa: ( ) s σ χ ( ) Ekspoettjakauma parametr suurmma uskottavuude estmaattor Satuasmuuttuja oudattaa ekspoettjakaumaa Exp(λ), jos se theysfukto o λx f( x) = λe, x 0, λ > 0 Ekspoettjakauma aoaa parametra o λ = E( ) Ekspoettjakauma Exp(λ) parametr λ SU-estmaattor o ˆ λ = jossa = = o havatoje,,, artmeette keskarvo. Ilkka Mell (008) 5/4

6 Mat-.60 Sovellettu todeäkösyyslasketa B Beroull-jakauma odotusarvoparametr suurmma uskottavuude estmaattor Olkoo A tapahtuma, joka todeäkösyys o p: Pr(A) = p Määrtellää satuasmuuttuja seuraavast:, jos A tapahtuu = 0, jos A e tapahdu Satuasmuuttuja oudattaa Beroull-jakaumaa parametrlla p: Ber( p) jossa Pr(A) = p = E() Beroull-jakauma Ber(p) odotusarvoparametr p SU-estmaattor o havatoje,,, artmeette keskarvo = = Huomaa, että f = jossa f o kostukse kohteea oleva tapahtuma A suhteelle frekvess otoksessa. Beroull-jakauma Ber(p) odotusarvoparametr p SU-estmaattorlla ˆp o seuraavat omasuudet: () ˆp o harhato. () () (v) (v) ˆp o tyhjetävä. ˆp o tehokas el mmvarasse estmaattor. ˆp o tarketuva. ˆp oudattaa asymptoottsest ormaaljakaumaa: p pq ˆ a N p, Momettmeetelmä Olkoo, =,,, ykskertae satuasotos jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;θ), joka parametra o p-vektor θ = (θ, θ,, θ p ) Ilkka Mell (008) 6/4

7 Mat-.60 Sovellettu todeäkösyyslasketa B Tällö havaot, =,,, ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;θ):,,, f( x; θ ), =,,, Oletetaa, että jakaumalla f(x;θ) o kakk (orgo-) momett kertalukuu p saakka: Oletetaa, että momette k E( ) =, k =,,, p, =,,, k ja parametre,,, p θ, θ,, θ p välllä o jatkuva bjekto el käätäe ykskästtee kuvaus: () = g( θ, θ,, θp ) = g( θ, θ,, θp ) p = g p( θ, θ,, θp) Tällö parametrt θ, θ,, θ p vodaa esttää momette,,, p fuktoa: () θ = h(,,, p ) θ = h(,,, p ) θ p = hp(,,, p) Estmodaa momett,,, p vastaavlla otosmometella: k ak =, k =,,, p = Sjottamalla estmaattort a, a,, a p momette,,, p pakalle yhtälöh (), saadaa parametre θ, θ,, θ p momettestmaattort el MM-estmaattort ˆ θ = h( a, a,, ap ) ˆ θ = h( a, a,, ap ) ˆ θ p = hp( a, a,, ap) Ilkka Mell (008) 7/4

8 Mat-.60 Sovellettu todeäkösyyslasketa B Normaaljakauma parametre momettestmaattort Normaaljakauma N(µ,σ ) odotusarvo µ ja varass σ MM-estmaattort ovat havatoje,,, artmeette keskarvo ja otosvarass = = ˆ σ ( ) = = Ekspoettjakauma parametr momettestmaattor Ekspoettjakauma Exp(λ) parametr λ MM-estmaattor o ˆ λ = jossa = = o havatoje,,, artmeette keskarvo. Beroull-jakauma odotusarvoparametr momettestmaattor Beroull-jakauma Ber(p) odotusarvoparametr p MM-estmaattor o havatoje,,, artmeette keskarvo = = Huomaa, että f = jossa f o kostukse kohteea oleva tapahtuma A suhteelle frekvess otoksessa. Välestmot Normaaljakauma odotusarvo luottamusväl, ku jakauma varass o tuettu Otos ormaaljakaumasta Olkoo, =,,, satuasotos ormaaljakaumasta N(µ, σ ). Tällö satuasmuuttujat, =,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(µ, σ ): Ilkka Mell (008) 8/4

9 Mat-.60 Sovellettu todeäkösyyslasketa B,,, N( µσ, ), =,,, Normaaljakauma parametre estmot Oletetaa, että ormaaljakauma N(µ, σ ) varass σ o tuettu ja estmodaa odotusarvoparametr E() = µ se harhattomalla estmaattorlla: Havatoje artmeette keskarvo = = o odotusarvoparametr E() = µ harhato estmaattor. Normaaljakauma odotusarvo luottamusväl, ku jakauma varass o tuettu Valtaa luottamustasoks Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää ormaaljakauma odotusarvo µ todellse arvo. Määrätää luottamuskertomet z / ja +z / ste, että Pr( z z /) = ja Pr( z + z /) = N(0,)-jakauma theysfukto 0.5 jossa satuasmuuttuja z oudattaa stadardotua 0.4 ormaaljakaumaa: z N(0,) Ste luottamuskertomet z / ja +z / toteuttavat ehdo Pr( z z + z ) = / / Normaaljakauma odotusarvoparametr µ luottamusväl luottamustasolla ( ) o tuetu varass σ tapauksessa muotoa jossa σ z, + z / / σ = havatoje artmeette keskarvo otoksessa σ = jakauma varass = havatoje lukumäärä z / ja +z / = luottamustasoo ( ) lttyvät luottamuskertomet stadardodusta ormaaljakaumasta N(0,) 0 / / z / 0 +z / Ilkka Mell (008) 9/4

10 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamusväl kostrukto perustuu she, että µ N(0,) σ / Koska luottamusväl o symmetre keskpsteesä suhtee, luottamusväl estetää use muodossa σ ± z / Luottamusväl ptuus o σ z / Luottamusväl kostruktosta seuraa, että σ σ Pr z/ µ + z/ = Ste luottamusväl pettää parametr µ todellse arvo todeäkösyydellä ( ) ja se e petä parametr µ todellsta arvoa todeäkösyydellä. Luottamusväl omasuudet () Normaaljakauma odotusarvo µ luottamusväl keskpste vahtelee otoksesta tosee. () Luottamusväl ptuus e vahtele otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta ( ), havatoje lukumäärästä ja jakauma varasssta σ. (v) Luottamusväl lyheee (pteee), jos luottamustasoa ( ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää kasvatetaa (peeetää). (v) Luottamusväl lyheee (pteee), jos jakauma varass σ peeee (kasvaa). Luottamusväl frekvesstulkta Normaaljakauma odotusarvo µ luottamusvälllä o seuraava frekvesstulkta: () Jos otataa jakaumasta N(µ, σ ) tostetaa, keskmäär 00 ( ) % otokssta kostruodusta luottamusvälestä pettää parametr µ todellse arvo. () Jos otataa jakaumasta N(µ, σ ) tostetaa, keskmäär 00 % otokssta kostruodusta luottamusvälestä e petä parametr µ todellsta arvoa. Johtopäätökset luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että kostruotu luottamusväl pettää odotusarvoparametr µ todellse arvo: () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 00 ( ) %:ssa tapauksa. () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 00 %:ssa tapauksa. Ilkka Mell (008) 0/4

11 Mat-.60 Sovellettu todeäkösyyslasketa B Vrheellse johtopäätökse mahdollsuutta e saada hävämää, elle luottamusvälä tehdä äärettömä leveäks, jollo väl e eää ssällä formaatota odotusarvoparametr µ todellsesta arvosta. Vaatmukset luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle µ mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Molempe vaatmuste samaakae täyttäme e ole kutekaa mahdollsta, jos otoskoko pdetää kteää: () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr µ todellse arvo sjasta tulee epätarkemmaks. () Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr µ todellse arvo sjasta tulee epävarmemmaks. Otoskoo määrääme Oletetaa, että ormaaljakauma odotusarvoparametrlle µ halutaa kostruoda luottamusväl, joka tovottu ptuus o A. Tarvttava otoskoko saadaa kaavasta jossa z σ A / = z / = luottamustasoo ( ) lttyvä luottamuskerro ormaaljakaumasta Normaaljakauma odotusarvo ja varass luottamusvält, ku jakauma varass e ole tuettu Otos ormaaljakaumasta Olkoo, =,,, satuasotos ormaaljakaumasta N(µ, σ ). Tällö satuasmuuttujat, =,,, ovat rppumattoma ja oudattavat samaa ormaaljakaumaa N(µ, σ ):,,, N( µσ, ), =,,, Normaaljakauma parametre estmot Estmodaa ormaaljakauma N(µ, σ ) parametrt µ ja σ de harhattomlla estmaattorella: Havatoje artmeette keskarvo = = o odotusarvoparametr E() = µ harhato estmaattor ja havatoje otosvarass s = ( ) = o varassparametr Var() = σ harhato estmaattor. Ilkka Mell (008) /4

12 Mat-.60 Sovellettu todeäkösyyslasketa B Normaaljakauma odotusarvo luottamusväl, ku jakauma varass e ole tuettu Valtaa luottamustasoks Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää ormaaljakauma odotusarvo µ todellse arvo. t-jakauma theysfukto Määrätää luottamuskertomet t / ja +t / ste, että Pr( t t /) = ja Pr( t + t /) = / / jossa satuasmuuttuja t oudattaa t-jakaumaa vapausaste ( ): t t( ) t / 0 +t / Ste luottamuskertomet t / ja +t / toteuttavat ehdo Pr( t t + t ) = / / Normaaljakauma odotusarvoparametr µ luottamusväl luottamustasolla ( ) o tutemattoma varass σ tapauksessa muotoa s s t/, + t/ jossa = havatoje artmeette keskarvo otoksessa s = otosvarass = havatoje lukumäärä t / ja +t / = luottamustasoo ( ) lttyvät luottamuskertomet t-jakaumasta vapausaste ( ) Luottamusväl kostrukto perustuu she, että µ t ( ) s/ Koska luottamusväl o symmetre keskpsteesä suhtee, luottamusväl estetää use muodossa s ± t / Ilkka Mell (008) /4

13 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamusväl ptuus o s t / Luottamusväl kostruktosta seuraa, että s s Pr t/ µ + t/ = Ste luottamusväl pettää parametr µ todellse arvo todeäkösyydellä ( ) ja se e petä parametr µ todellsta arvoa todeäkösyydellä. Odotusarvo luottamusväl omasuudet () Normaaljakauma odotusarvo µ luottamusväl keskpste vahtelee otoksesta tosee. () Luottamusväl ptuus vahtelee otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta ( ), havatoje lukumäärästä ja otosvarasssta s. (v) Luottamusväl lyheee (pteee), jos luottamustasoa ( ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää kasvatetaa (peeetää). (v) Luottamusväl lyheee (pteee), jos otosvarass s peeee (kasvaa). Odotusarvo luottamusväl frekvesstulkta Normaaljakauma odotusarvo µ luottamusvälllä o seuraava frekvesstulkta: () Jos otataa jakaumasta N(µ, σ ) tostetaa, keskmäär 00 ( ) % otokssta kostruodusta luottamusvälestä pettää parametr µ todellse arvo. () Jos otataa jakaumasta N(µ, σ ) tostetaa, keskmäär 00 % otokssta kostruodusta luottamusvälestä e petä parametr µ todellsta arvoa. Johtopäätökset odotusarvo luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että kostruotu luottamusväl pettää odotusarvoparametr µ todellse arvo: () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 00 ( ) %:ssa tapauksa. () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 00 %:ssa tapauksa. Vrheellse johtopäätökse mahdollsuutta e saada hävämää, elle luottamusvälä tehdä äärettömä leveäks, jollo väl e eää ssällä formaatota odotusarvoparametr µ todellsesta arvosta. Vaatmukset odotusarvo luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle µ mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Molempe vaatmuste samaakae täyttäme e ole kutekaa mahdollsta, jos otoskoko pdetää kteää: Ilkka Mell (008) 3/4

14 Mat-.60 Sovellettu todeäkösyyslasketa B () () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr µ todellse arvo sjasta tulee epätarkemmaks. Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr µ todellse arvo sjasta tulee epävarmemmaks. Otoskoo määrääme Oletetaa, että ormaaljakauma odotusarvoparametrlle µ halutaa kostruoda luottamusväl, joka tovottu ptuus o A. Tarvttava otoskoko saadaa kaavasta z /σ = A jossa z / = luottamustasoo ( ) lttyvä luottamuskerro ormaaljakaumasta Normaaljakauma varass luottamusväl Valtaa luottamustasoks Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää ormaaljakauma varass σ todellse arvo. Määrätää luottamuskertomet χ / ja ste, että ja Pr( χ χ /) = χ / Pr( χ χ /) = jossa satuasmuuttuja χ oudattaa χ -jakaumaa vapausaste ( ): χ χ ( ) Ste luottamuskertomet χ / ja ehdo / / χ / toteuttavat Pr( χ χ χ ) = Normaaljakauma varassparametr σ luottamusväl luottamustasolla ( ) o muotoa jossa ( ) s ( ) s, χ/ χ / s = otosvarass = havatoje lukumäärä / χ / χ -jakauma theysfukto / χ / Ilkka Mell (008) 4/4

15 Mat-.60 Sovellettu todeäkösyyslasketa B χ ja / Luottamusväl kostrukto perustuu she, että ( ) s σ Luottamusväl ptuus o χ / = luottamustasoo ( ) lttyvät luottamuskertomet χ -jakaumasta vapausaste ( ) χ ( ) ( ) s χ / χ/ Luottamusväl kostruktosta seuraa, että ( ) s ( ) s Pr σ = χ/ χ / Ste kostruotu luottamusväl pettää parametr σ todellse arvo todeäkösyydellä ( ) ja se e petä parametr σ todellsta arvoa todeäkösyydellä. Varass luottamusväl omasuudet () Normaaljakauma varass σ luottamusväl ptuus vahtelee otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta ( ), havatoje lukumäärästä ja otosvarasssta s. () Luottamusväl lyheee (pteee), jos luottamustasoa ( ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos otosvarass s peeee (kasvaa). Varass luottamusväl frekvesstulkta Normaaljakauma odotusarvo σ luottamusvälllä o seuraava frekvesstulkta: () Jos otataa jakaumasta N(µ,σ ) tostetaa, keskmäär 00 ( ) % otokssta kostruodusta luottamusvälestä pettää parametr σ todellse arvo. () Jos otataa jakaumasta N(µ,σ ) tostetaa, keskmäär 00 % otokssta kostruodusta luottamusvälestä e petä parametr σ todellsta arvoa. Johtopäätökset varass luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että kostruotu luottamusväl pettää varassparametr σ todellse arvo: () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 00 ( ) %:ssa tapauksa. () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 00 %:ssa tapauksa. Ilkka Mell (008) 5/4

16 Mat-.60 Sovellettu todeäkösyyslasketa B Vaatmukset varass luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle σ mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Vaatmuste samaakae täyttäme e ole kutekaa mahdollsta: () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr σ todellse arvo sjasta tulee epätarkemmaks. () Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr σ todellse arvo sjasta tulee epävarmemmaks. Beroull-jakauma odotusarvo luottamusväl Beroull-jakauma Olkoo A o jok tapahtuma ja olkoo Pr( A) = p c Pr( A ) = p= q Määrtellää satuasmuuttuja, jos A tapahtuu = 0, jos A e tapahdu Tällö satuasmuuttuja oudattaa Beroull-jakaumaa parametraa p = Pr(A) = E() Merktää: Ber( p) Beroull-jakauma pstetodeäkösyysfukto o f x p = p p x= < p< x x ( ; ) ( ), 0,;0 Otos Beroull-jakaumasta Olkoo, =,,, satuasotos Beroull-jakaumasta Ber(p). Tällö satuasmuuttujat, =,,, ovat rppumattoma ja oudattavat samaa Beroull-jakaumaa Ber(p):,,, Ber( p), =,,, Beroull-jakauma odotusarvoparametr estmot Estmodaa Beroull-jakauma Ber(p) odotusarvoparametr p se harhattomalla estmaattorlla: pˆ = = Ilkka Mell (008) 6/4

17 Mat-.60 Sovellettu todeäkösyyslasketa B Koska, jos A tapahtuu =, =,,, 0, jos A e tapahdu f pˆ = = = jossa f o tapahtuma A frekvess otoksessa. Ste Beroull-jakauma odotusarvoparametr p estmaattor ˆp o tapahtuma A suhteelle frekvess otoksessa. Huomaa, että f B( p, ) Beroull-jakauma odotusarvoparametr luottamusväl Valtaa luottamustasoks Luottamustaso kttää todeäkösyyde, jolla kostruotava luottamusväl pettää Beroulljakauma odotusarvoparametr p todellse arvo. Määrätää luottamuskertomet z / ja +z / ste, että 0.5 N(0,)-jakauma theysfukto Pr( z z /) = 0.4 ja 0.3 Pr( z + z /) = 0. jossa satuasmuuttuja z oudattaa stadardotua / / ormaaljakaumaa: 0. z N(0,) Ste luottamuskertomet z / ja +z / toteuttavat ehdo Pr( z z + z ) = / / Beroull-jakauma odotusarvoparametr p approksmatve luottamusväl luottamustasolla ( ) o muotoa p ˆ( p ˆ ˆ) p ˆ( p ˆ) p z/, pˆ + z/ jossa ˆp = odotusarvoparametr p harhato estmaattor = havatoje lukumäärä z / ja +z / = luottamustasoo ( ) lttyvät luottamuskertomet stadardodusta ormaaljakaumasta N(0,) 0 z / 0 +z / Ilkka Mell (008) 7/4

18 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamusväl kostrukto perustuu she, että keskese raja-arvolausee mukaa pˆ p a N(0,) pˆ( pˆ) / Koska luottamusväl o symmetre keskpsteesä ˆp suhtee, luottamusväl estetää use muodossa pˆ ± z / Luottamusväl ptuus o pˆ( pˆ) pˆ( pˆ) z / Luottamusväl kostruktosta seuraa, että pˆ( pˆ) pˆ( pˆ) Pr pˆ z p pˆ + z = / / a Ste luottamusväl pettää parametr p todellse arvo approksmatvsest todeäkösyydellä ( ) ja se e petä parametr p todellsta arvoa approksmatvsest todeäkösyydellä. Luottamusväl omasuudet () Beroull-jakauma odotusarvoparametr p luottamusväl keskpste ˆp vahtelee otoksesta tosee. () Luottamusväl ptuus vahtelee otoksesta tosee. () Luottamusväl ptuus rppuu valtusta luottamustasosta ( ), havatoje lukumäärästä ja estmaattorsta ˆp. (v) Luottamusväl lyheee (pteee), jos luottamustasoa ( ) peeetää (kasvatetaa). (v) Luottamusväl lyheee (pteee), jos havatoje lukumäärää kasvatetaa (peeetää). (v) Luottamusväl o lyhmmllää, ku pˆ 0 ta (v) Luottamusväl o psmmllää, ku p ˆ = Luottamusväl frekvesstulkta Beroull-jakauma odotusarvoparametr p approksmatvsella luottamusvälllä o seuraava frekvesstulkta: () Jos otataa jakaumasta Ber(p) tostetaa, keskmäär 00 ( ) % otokssta kostruodusta luottamusvälestä pettää parametr p todellse arvo. () Jos otataa jakaumasta Ber(p) tostetaa, keskmäär 00 % otokssta kostruodusta luottamusvälestä e petä parametr p todellsta arvoa. Ilkka Mell (008) 8/4

19 Mat-.60 Sovellettu todeäkösyyslasketa B Johtopäätökset luottamusvälstä Oletetaa, että olemme teheet johtopäätökse, että luottamusväl pettää odotusarvoparametr p todellse arvo: () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o okea 00 ( ) %:ssa tapauksa. () Luottamusväl kostruktosta seuraa, että tehty johtopäätös o väärä 00 %:ssa tapauksa. Vrheellse johtopäätökse mahdollsuutta e saada hävämää, elle luottamusvälä tehdä äärettömä leveäks, jollo väl e eää ssällä formaatota odotusarvoparametr p todellsesta arvosta. Vaatmukset luottamusvällle Ols tovottavaa pystyä kostruomaa parametrlle p mahdollsmma lyhyt luottamusväl, joho lttyvä luottamustaso ols samaakasest mahdollsmma korkea. Molempe vaatmuste samaakae täyttäme e ole kutekaa mahdollsta, jos otoskoko pdetää kteää: () () Luottamustaso kasvattame pdetää luottamusvälä, jollo teto parametr p todellse arvo sjasta tulee epätarkemmaks. Luottamusväl lyhetäme peetää luottamustasoa, jollo teto parametr p todellse arvo sjasta tulee epävarmemmaks. Otoskoo määrääme Oletetaa, että Beroull-jakauma odotusarvoparametrlle p halutaa kostruoda luottamusväl, joka tovottu ptuus o A Tarvttava otoskoko saadaa kaavasta z / p( p) = A Tarvttava otoskoko saavuttaa maksmsa ku z / = p = A Ilkka Mell (008) 9/4

20 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.. Kolme tutkjaa A, B ja C ovat määrttäeet erää teollsuuslatokse jätevesstä ph-arvoja tavotteeaa estmoda jätevese keskmääräe ph-arvo µ havatoje perusteella. Määrtykset teht keräämällä useta tosstaa rppumattoma vesäyttetä ja määräämällä äytekohtaste ph-arvoje keskarvot. Tutkjode saamat tulokset: Tutkja Näyttede lukumäärä ph-lukuje artmeette keskarvo A B C (a) (b) (c) Näytä, että estmaattort A + B + C A, B, C ja ABC = 3 ovat harhattoma keskmääräselle ph-arvolle µ. Mkä estmaattoresta o luotettav sä melessä, että se varass o pe? Näytä, että velä peemp varass ku yhdelläkää ym. estmaattorlla o sellasella estmaattorlla, joka saadaa laskemalla äyttede lukumäärllä paotettu artmeette keskarvo (ts. artmeette keskarvo, joka saadaa yhdstämällä tutkjode aestot ja laskemalla yhdstety aesto ph-lukuje artmeette keskarvo). Tehtävä 9.. Mtä opmme? Tehtävässä vertallaa todeäkösyysjakauma parametr erlasa harhattoma estmaattoreta, estmaattorede odotusarvoja ja varasseja. Tehtävä 9.. Ratkasu: Jos, =,,, o ykskertae satuasotos jakaumasta, joka odotusarvo o µ ja varass o σ, havaot, =,,, ovat rppumattoma satuasmuuttuja, jolla o sama odotusarvo ja varass:,,, E( ) = µ, =,,, Var( ) = σ, =,,, Olkoo = = Ilkka Mell (008) 0/4

21 Mat-.60 Sovellettu todeäkösyyslasketa B havatoje, =,,, artmeette keskarvo. Tällö E( ) = µ σ Var( ) = (a)&(b) Estmaattort A, B, C ja ABC ovat harhattoma, koska ja E( ) = E( ) = E( ) = µ A B C E( ABC ) = E ( A + B + C ) 3 = E( A ) E( B ) E( C ) = ( µ + µ + µ ) = µ 3 Estmaattorede A, B, C varasst ovat σ Var( A) = = 0.σ 0 σ Var( B) = = 0.067σ 5 σ Var( C ) = = 0.005σ 00 Estmaattoresta A, B, C luotettav o estmaattor C, koska se varass o pe, mkä johtuu stä, että se perustuu suurmpaa äyttede lukumäärää. Koska estmaattort A, B, C ovat rppumattoma, Var( ABC ) = Var ( A + B + C ) 3 = Var( A ) Var( B ) Var( C ) σ σ σ = + + = 0.09σ Ste estmaattor stä, että luotettavta estmaattora saavat estmaattorssa ABC varass o suuremp ku estmaattor C, mkä johtuu C epäluotettavammat estmaattort. ABC yhtä suure pao ku estmaattor C A ja B Ilkka Mell (008) /4

22 Mat-.60 Sovellettu todeäkösyyslasketa B (c) Määrtellää äyttede lukumäärllä paotettu artmeette keskarvo kaavalla = A B C Estmaattor o harhato parametrlle µ, koska E( ) = E( A) + E( B) + E( C) = µ + µ + µ = µ Estmaattor varassks saadaa artmeettste keskarvoje A, B, C rppumattomuude taka: 5 = Var( ) = 0 Var( ) 5 Var( ) 00 Var( ) A + B + C σ = = σ 5 σ Ste estmaattor varass o peemp ku estmaattorede A, B, C ja ABC, mkä johtuu stä, että estmaattorssa estmaattort A, B, C ovat saaeet paoksee h lttyve havatoje lukumäärät. Huomautuksa: () Todeäkösyysjakauma parametrella o aa useta erlasa harhattoma estmaattoreta; kaklla llä o ss yhtä suuret odotusarvot, mutta de varasst evät välttämättä ole yhtä suura. () Harhattomsta estmaattoreta parhampaa vodaa ptää stä, joka varass o pe. Tätä vaatmusta o tapaa kutsua (täys-) tehokkuus- ta mmvarasssuuskrteerks. Ilkka Mell (008) /4

23 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.. Satuasmuuttuja theysfukto o f(x) = ( + θ)x θ, 0 < x < Kysymys: Mks parametr θ ptää toteuttaa ehto θ >? Oletetaa, että satuasmuuttujasta o saatu havaot 0.5, 0.3, 0., 0., 0. (a) Hahmottele theysfukto kuvaaja parametr θ arvolla 0.5, 0,, ja arvo mkä arvosta sops parhate havatoh. (b) Estmo parametr θ momettmeetelmällä. (c) Estmo parametr θ suurmma uskottavuude meetelmällä. (d) Vertaa parametr θ momettestmaatora ja suurmma uskottavuude estmaattora tossa. Tehtävä 9.. Mtä opmme? Tehtävässä äytetää, että suurmma uskottavuude meetelmä ja momettmeeetelmä evät välttämättä tuota samaa estmaattora todeäkösyysjakauma parametrelle. Tehtävä 9.. Ratkasu: Koska f(x) o theysfukto, se ptää toteuttaa ehto f ( x) 0,0< x< mkä toteutuu, jos + θ 0 Parametr arvo θ = e kutekaa käy, koska tällö f ( x) 0,0< x< Ste parametr θ o toteuttava ehto θ > Tämä ehto myös rttävä, koska tällö + θ f( x) dx= ( + θ ) x dx= [ x ] 0 + θ 0 (a) Kuvo alla esttää theysfuktota f(x) = ( + θ)x θ, 0 < x < ku θ = 0.5, 0,, Ilkka Mell (008) 3/4

24 Mat-.60 Sovellettu todeäkösyyslasketa B Kuvosta ähdää, että havaot sopvat parhate jakaumaa, jossa θ < 0, koska tällö suur osa jakauma todeäkösyysmassasta keskttyy väl (0,) vasemmapuolesee päähä kute havaot. 5 4 θ = f(x) 3 θ = 0.5 θ = x θ = 0 (b) Estmodaa parametr θ momettmeetelmällä. Määrätää es satuasmuuttuja odotusarvo: θ θ + θ + θ E( ) = xf ( x) dx = x( + θ ) x dx = x = + θ + θ Parametr θ momettestmaattor ˆMM θ toteuttaa yhtälö 0 jossa E( ) = = = o havatoje artmeette keskarvo. Ste + ˆ θ = + ˆ θ MM MM Koska tarkastellussa otoksessa = x = ( ) = = Ilkka Mell (008) 4/4

25 Mat-.60 Sovellettu todeäkösyyslasketa B saadaa yhtälö + ˆ θ 0.4 = + ˆ θ josta edellee ˆ θ MM = MM MM (c) Estmodaa parametr θ suurmma uskottavuude meetelmällä. Rppumattoma otokse, =,,, uskottavuusfukto o L( θ; x, x,, x) = f( x, x,, x; θ) θ θ θ = ( + θ) x ( + θ) x ( + θ) x θ = ( + θ ) u mssä u = xx x Parametr θ suurmma uskottavuude estmaattor ˆML θ saadaa maksmomalla uskottavuusfukto L(θ) parametr θ suhtee. Tämä tapahtuu etsmällä fukto L dervaata ollakohdat: L = + u + + u = + + u = θ ( θ) 0 ( θ) ( ( θ)log ) 0 ( θ)log 0 Ste ˆ θ ML = log u josta saadaa ˆ θ ML = koska = 5 ja u = (d) Momettmeetelmä ja suurmma uskottavuude meetelmä tuottavat tässä er tulokse. Huomautuksa: () () Momettmeetelmä ja suurmma uskottavuude meetelmä saattavat tuottaa todeäkösyysjakauma parametrelle er estmaattort. Hyvä estmaattor valta o vakea ogelma; juur se taka estmaattorede vertaluu käytetää sellasa hyvyysomasuuksa kute harhattomuus, tehokkuus, tyhjetävyys ja tarketuvuus. () Suurmma uskottavuude estmaattorlle vodaa hyv yles ehdo todstaa tyhjetävyys ja tarketuvuus sekä asymptootte ormaalsuus. Ilkka Mell (008) 5/4

26 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.3. Olkoot, =,,, rppumattoma, samaa ekspoettjakaumaa oudattava satuasmuuttuja, jode odotusarvo E( ) = β, ts. satuasmuuttujat muodostavat ykskertase satuasotokse ekspoettjakaumasta, joka parametr o /β. Määrää parametr β suurmma uskottavuude estmaattor. Tehtävä 9.3. Mtä opmme? Tehtävässä tarkastellaa ekspoettjakauma parametr suurmma uskottavuude estmota. Tehtävä 9.3. Ratkasu: Oletetaa, että, =,,, o ykskertae satuasotos ekspoettjakaumasta, joka parametra o /β. Ste,,, Exp(/β), =,,, Otokse,,, uskottavuusfukto o L( x, x,, x; β) = f( x; β) f( x; β) f( x; β) = exp x β β = jossa f ( x; β ) = exp x, =,,, β β o havatoo lttyvä theysfukto. Vastaava logartme uskottavuusfukto o l( x, x,, x ; β ) = log L( x, x,, x ; β) = x log( β) β = Suurmma uskottavuude estmaattor parametrlle θ löydetää maksmomalla logartmse uskottavuusfukto l parametr θ suhtee. Tämä tapahtuu dervomalla logartme uskottavuusfukto l parametr θ suhtee, merktsemällä dervaatta ollaks ja ratkasemalla saatu ormaalyhtälö parametr θ suhtee: lx (, x,, x; β ) = x 0 = β β = β Ratkasuks saadaa ˆ β = x = x = Saatu ratkasu ataa logartmse uskottavuusfukto maksm, mkä ähdää esm. sjottamalla saatu ratkasu logartmse uskottavuusfukto. dervaata lausekkeesee. Ilkka Mell (008) 6/4

27 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.4. Tehdas vättää, että se valmstamsta tuottesta korketaa 5 % o vallsa. Asakas pom tuottede joukosta ykskertase satuasotokse, joka koko o 50 ja löytää 5 vallsta tuotetta. Vodaako tehtaa vätettä vallste suhteellsesta osuudesta ptää okeutettua? Ohje: Määrää otoksesta 95 %: ja 99 %: luottamusvält tehtaa vättämälle vallste suhteellselle osuudelle ja tee johtopäätös de perusteella. Lsäkysymys: Mte valttu luottamustaso vakuttaa luottamusväl ptuutee? Tehtävä 9.4. Mtä opmme? Tehtävässä tarkastellaa Beroull-jakauma odotusarvo luottamusväl määräämstä. Tehtävä 9.4. Ratkasu: Tarkastellaa tapahtumaa A = {Satuasest valttu tuote o valle} ja olkoo tapahtuma A todeäkösyys Pr( A) = p c Pr( A ) = p= q Määrtellää satuasmuuttuja, jos satuasest valttu tuote o valle = 0, jos satuasest valttu tuote e ole valle Tällö satuasmuuttuja oudattaa Beroull-jakaumaa parametraa p = Pr(A) = E() Valmstettuje tuottede joukosta pomtt ykskertae satuasotos, joka koko ol = 50 ja otoksessa havatt 5 vallsta tuotetta. Kostruodaa otoksesta saatuje tetoje perusteella ( ) %: luottamusväl odotusarvoparametrlle p. Luottamusväl o muotoa jossa pˆ ± z / pˆ( pˆ) ˆp = odotusarvoparametr p harhato estmaattor = havatoje lukumäärä z / ja +z / = luottamustasoo ( ) lttyvät luottamuskertomet ormaaljakaumasta N(0,) Parametr p estmaatks saadaa f 5 pˆ = = = Ilkka Mell (008) 7/4

28 Mat-.60 Sovellettu todeäkösyyslasketa B Valtaa luottamustasoks = 0.95 Koska = 0.05 luottamustasoa 0.95 vastaavat luottamuskertomet ovat z = z / z =+ z / 0.05 Luottamuskertomet z/ = z0.05 ja + z/ =+ z0.05 toteuttavat yhtälöt Pr( z z / ) = Pr( z z0.05) = = 0.05 Pr( z + z / ) = Pr( z z0.05) = = 0.05 jossa satuasmuuttuja z oudattaa stadardotua ormaaljakaumaa: z N(0,) Ste Pr( z z + z ) = Pr( z z + z ) = = 0.95 / / Stadardodu ormaaljakauma N(0,) taulukode mukaa z = z = Ste 95 %: luottamusväl Beroull-jakauma parametrlle p o muotoa pˆ( pˆ) 0. ( 0.) pˆ ± z / = 0.± = 0.± = 0.± = (0.05, 0.48) Väl e petä parametr p oletettua arvoa Valtaa luottamustasoks = 0.99 Koska = 0.0 luottamustasoa = 0.99 vastaavat luottamuskertomet ovat z = z / z =+ z / Ilkka Mell (008) 8/4

29 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamuskertomet z/ = z0.005 ja + z/ =+ z0.005 toteuttavat yhtälöt Pr( z z / ) = Pr( z z0.005) = = Pr( z + z /) = Pr( z + z0.005) = = jossa satuasmuuttuja z oudattaa stadardotua ormaaljakaumaa: z N(0,) Ste Pr( z z + z ) = Pr( z z + z ) = = 0.99 / / Stadardodu ormaaljakauma N(0,) taulukode mukaa z0.005 = z = Ste 99 %: luottamusväl Beroull-jakauma parametrlle p o muotoa pˆ( pˆ) 0. ( 0.) pˆ ± z / = 0.± = 0.± = 0.± = (0.037, 0.63) Väl pettää parametr p oletetu arvo Ste otoksesta saatu evdess vttaa she suutaa, että valmstaja vätteesee vodaa kohdstaa jok verra epälyjä. Ogelmaa vodaa tarkastella myös tlastollse testaukse äkökulmasta. Huomautuksa: () Luottamusväl leveee, jos luottamustasoa kasvatetaa, jollo stä tulee epäformatvsemp. () Luottamusväl kapeee, jos otoskokoa kasvatetaa. () Jos luottamusväl ptuus halutaa puolttaa, ptää havatoje lukumäärä elkertastaa. Tehtävä 9.5. Tehdas valmstaa ruuveja. Ruuve pao vahtelee satuasest oudattae ormaaljakaumaa. Ruuve joukosta pomtt ykskertae satuasotos. Otoskeskarvoks saat tällö 5 g. Tehdää (epärealste) oletus, että ormaaljakauma varass 0.5 g o tuettu. Määrää 99 %: luottamusvält ruuve pao odotusarvolle, jos otoskokoa ol (a) Ilkka Mell (008) 9/4

30 Mat-.60 Sovellettu todeäkösyyslasketa B (b) 00 (c) 0000 Vertaa saatuje luottamusväle ptuuksa tossa. Mte luottamusväl ptuus käyttäytyy otoskoo fuktoa? Tehtävä 9.5. Mtä opmme? Tehtävässä tarkastellaa ormaaljakauma odotusarvo luottamusväl määräämstä (epärealstsessa) tlateessa, jossa jakauma varass oletetaa tuetuks. Normaaljakauma odotusarvo luottamusväl määräämstä esmerkktapauksessa, jossa jakauma varassa e oleteta tuetuks kästellää tehtävässä 9.6. Tehtävä 9.5. Ratkasu: Tehdas valmstaa ruuveja. Ruuve pao vahtelee satuasest oudattae ormaaljakaumaa. Ruuve joukosta pomtt ykskertae satuasotos, joka koko ol. Määrtellää satuasmuuttujat = Ruuv pao otoksessa, =,,, Oletukse mukaa,,, N( µσ, ), =,,, jossa varass σ = 0.5 g o tuettu. Otoksee pomttuje ruuve paoje artmeette keskarvo ol = = 5 g = Kostruodaa otoksesta saatuje tetoje perusteella ( ) %: luottamusväl odotusarvoparametrlle µ. Koska varass σ oletett tuetuks, luottamusväl o muotoa jossa ± z / σ = havatoje artmeette keskarvo otoksessa σ = jakauma varass = havatoje lukumäärä z / ja +z / = luottamustasoo ( ) lttyvät luottamuskertomet ormaaljakaumasta N(0,) Valtaa luottamustasoks = 0.99 Ilkka Mell (008) 30/4

31 Mat-.60 Sovellettu todeäkösyyslasketa B Koska = 0.0 luottamustasoa = 0.99vastaavat luottamuskertomet ovat z / = z z =+ z / Luottamuskertomet z/ = z0.005 ja + z/ =+ z0.005 toteuttavat yhtälöt Pr( z z / ) = Pr( z z0.005) = = Pr( z + z /) = Pr( z + z0.005) = = jossa satuasmuuttuja z oudattaa stadardotua ormaaljakaumaa: z N(0,) Ste Pr( z z + z ) = Pr( z z + z ) = = 0.99 / / Stadardodu ormaaljakauma N(0,) taulukode mukaa z0.005 =.58 + z = Ste 99 %: luottamusväl ormaaljakauma odotusarvoparametrlle µ o muotoa σ 0.5 ± z / = 5 ±.58 (a) = : Luottamusvälks saadaa σ 0.5 ± z / = 5 ±.58 = 5 ±.9 = (3.7, 6.9) (b) = 00: Luottamusvälks saadaa σ 0.5 ± z / = 5 ±.58 = 5 ± 0.9 = (4.87, 5.9) 00 (c) = 0000: Ilkka Mell (008) 3/4

32 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamusvälks saadaa σ 0.5 ± z / = 5 ±.58 = 5 ± 0.09 = (4.987, 5.09) Jos otataa tostetaa, luottamustaso frekvesstulka mukaa otokssta kostruodut luottamusvält pettävät (keskmäär) 99 %:ssa otoksa parametr µ tutemattoma arvo ja (keskmäär) %:ssa otoksa e stä tee. Huomautuksa: () Luottamusväl leveee, jos luottamustasoa kasvatetaa, jollo stä tulee epäformatvsemp. () Luottamusväl kapeee, jos otoskokoa kasvatetaa. () Jos luottamusväl ptuus halutaa puolttaa, ptää havatoje lukumäärä elkertastaa. (v) Luottamuskertomet ptää valta ormaaljakauma sjasta t-jakaumasta, jos varass σ e ole tuettu ja se joudutaa estmomaa otoksesta. Nä saatava estmotuu varass σ perustuva luottamusväl o leveämp ku tässä kostruotu tuettuu varass σ perustuva luottamusväl; ks. tehtävää 9.6. Jos havatoje lukumäärä aetaa kasvaa rajatta, estmotuu varass σ perustuva luottamsväl lähestyy tuettuu varass σ perustuvaa luottamusvälä. Tehtävä 9.6. Tehdas valmstaa auloja. Nauloje ptuus vahtelee satuasest oudattae ormaaljakaumaa. Nauloje joukosta pomtt ykskertae satuasotos, joka koko ol 30. Otoskeskarvoks saat 9.99 cm ja otosvarassks 0.0 cm. (a) Määrää 95 %: luottamusväl auloje ptuude odotusarvolle. (b) Määrää 90 %: luottamusväl auloje ptuude varasslle. Tehtävä 9.6. Mtä opmme? Tehtävässä tarkastellaa ormaaljakauma odotusarvo ja varass luottamusväl määräämstä tlateessa, jossa jakauma varass e ole tuettu. Normaaljakauma odotusarvo luottamusväl määräämstä esmerkktapauksessa, jossa jakauma varass o tuettu kästellää tehtävässä 9.5. Ilkka Mell (008) 3/4

33 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.6. Ratkasu: (a) Tehdas valmstaa auloja. Nauloje ptuus vahtelee satuasest oudattae ormaaljakaumaa. Nauloje joukosta pomtt ykskertae satuasotos, joka koko ol 30. Määrtellää satuasmuuttujat = Naula ptuus otoksessa, =,,, = 30 Oletukse mukaa,,, N(, ), =,,,30 30 µσ Otoksee pomttuje ruuve paoje artmeette keskarvo ol 30 = = 9.99 cm 30 = ja otosvarass ol 30 s = ( ) = 0.0 cm 30 = Kostruodaa otoksesta saatuje tetoje perusteella ( ) %: luottamusväl odotusarvoparametrlle µ. Koska varass σ oletett tutemattomaks, luottamusväl o muotoa s ± t / jossa = havatoje artmeette keskarvo otoksessa s = otosvarass = havatoje lukumäärä t / ja +t / = luottamustasoo ( ) lttyvät luottamuskertomet t-jakaumasta t( ) Valtaa luottamustasoks = 0.95 Koska = 0.05 luottamustasoa = 0.95vastaavat luottamuskertomet ovat t / = t t =+ t / 0.05 Ilkka Mell (008) 33/4

34 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamuskertomet t/ = t0.05 ja + t/ =+ t0.05 toteuttavat yhtälöt Pr( t t / ) = Pr( t t0.05) = = 0.05 Pr( t + t / ) = Pr( t + t0.05) = = 0.05 jossa satuasmuuttuja t oudattaa t-jakaumaa vapausaste ( ) = 9: t t( ) = t(9) Ste Pr( t t + t ) = Pr( t t + t ) = = 0.95 / / t-jakauma t(9) taulukode mukaa t0.05 = t = Ste 95 %: luottamusväl ormaaljakauma odotusarvoparametrlle µ o muotoa s 0. ± t / = 9.99 ± = 9.99 ± = (9.953,0.07) Jos otataa tostetaa, luottamustaso frekvesstulka mukaa otokssta kostruodut luottamusvält pettävät (keskmäär) 95 %:ssa otoksa parametr µ tutemattoma arvo ja (keskmäär) 5 %:ssa otoksa e stä tee. Huomautuksa: () Luottamusväl leveee, jos luottamustasoa kasvatetaa, jollo stä tulee epäformatvsemp. () Luottamusväl kapeee, jos otoskokoa kasvatetaa. () Jos luottamusväl ptuus halutaa puolttaa, ptää havatoje lukumäärä elkertastaa. (v) Luottamuskertomet vodaa valta t-jakauma sjasta ormaaljakaumasta, jos varass σ o tuettu. Nä saatava tuettuu varass σ perustuva luottamusväl o kapeamp ku tässä kostruotu estmotuu varass σ perustuva luottamusväl; ks. tehtävää 9.5. Jos havatoje lukumäärä aetaa kasvaa rajatta, estmotuu varass σ perustuva luottamsväl lähestyy tuettuu varass σ perustuvaa luottamusvälä. Ilkka Mell (008) 34/4

35 Mat-.60 Sovellettu todeäkösyyslasketa B (b) Tehdas valmstaa auloja. Nauloje ptuus vahtelee satuasest oudattae ormaaljakaumaa. Nauloje joukosta pomtt ykskertae satuasotos, joka koko ol 30. Määrtellää satuasmuuttujat = Naula ptuus otoksessa, =,,, = 30 Oletukse mukaa,,, N(, ), =,,,30 30 µσ Otoksee pomttuje ruuve paoje artmeette keskarvo ol 30 = = 9.99 cm 30 = ja otosvarass ol 30 s = ( ) = 0.0 cm 30 = Kostruodaa otoksesta saatuje tetoje perusteella ( ) %: luottamusväl varassparametrlle σ. Luottamusväl o muotoa ( ) s ( ) s, χ/ χ / jossa s = otosvarass = havatoje lukumäärä χ ja / χ / = luottamustasoo ( ) lttyvät luottamuskertomet χ -jakaumasta vapausaste ( ) Valtaa luottamustasoks = 0.90 Koska = 0.0 luottamustasoa = 0.90vastaavat luottamuskertomet ovat χ / = χ0.95 χ = χ / 0.05 Ilkka Mell (008) 35/4

36 Mat-.60 Sovellettu todeäkösyyslasketa B Luottamuskertomet χ = χ ja χ = χ toteuttavat yhtälöt / 0.95 / 0.05 Pr( χ χ /) = Pr( χ χ0.95) = = 0.05 Pr( χ χ / ) = Pr( χ χ0.05) = = 0.05 jossa satuasmuuttuja χ oudattaa χ -jakaumaa vapausaste ( ) = 9: Ste χ χ ( ) = χ (9) Pr( χ / χ χ/ ) = Pr( χ0.95 χ χ0.05) = = 0.90 χ -jakauma χ (9) taulukode mukaa χ / = χ = / Ste 90 %: luottamusväl ormaaljakauma varassparametrlle σ o muotoa ( ) s ( ) s (30 ) 0.0 (30 ) 0.0,, (0.0068,0.064) = = χ/ χ / Jos otataa tostetaa, luottamustaso frekvesstulka mukaa otokssta kostruodut luottamusvält pettävät (keskmäär) 90 %:ssa otoksa parametr σ tutemattoma arvo ja (keskmäär) 0 %:ssa otoksa e stä tee. Huomautuksa: () () Luottamusväl leveee, jos luottamustasoa kasvatetaa, jollo stä tulee epäformatvsemp. Luottamusväl ptuus pysyy suullee samamttasea, jos otoskokoa kasvatetaa. Tehtävä 9.7. Kutaa suutellaa ydvomalaa. Kua asukkade melpteet halutaa selvttää ykskertasee satuasotataa perustuvalla kyselytutkmuksella. Kuka suur otos kutalaste joukosta o pomttava, jotta saatas 99 %: varmuus stä, että otoksesta laskettu vomala raketamse kaattaje suhteelle osuus e pokkea eempää ku 0.5 %-ykskköä vomala raketamse kaattaje todellsesta suhteellsesta osuudesta? Ilkka Mell (008) 36/4

37 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.7. Mtä opmme? Tehtävässä tarkastellaa tarvttava otoskoo määräämstä, ku Beroull-jakauma odotusarvoparametrlle halutaa saada tety mttae luottamusväl. Tehtävä 9.7. Ratkasu: Tarkastellaa tapahtumaa A = {Satuasest valttu kua asukas kaattaa vomala raketamsta} ja olkoo tapahtuma A todeäkösyys Pr( A) = p c Pr( A ) = p= q Määrtellää satuasmuuttuja, jos satuasest valttu kua asukas kaattaa vomala raketamsta = 0, jos satuasest valttu kua asukas e kaata vomala raketamsta Oletetaa, että satuasmuuttuja oudattaa Beroull-jakaumaa parametraa p = Pr(A) = E() Jos kuassa o N asukasta, pn = F o vomala raketaje lukumäärä kakke kua asukkade joukossa. Ste odotusarvoparametr F p = N vodaa tulkta vomala raketamse kaattaje suhteellseks osuudeks kakke kua asukkade joukossa. Oletetaa, että kua asukkade joukosta pomtaa ykskertae satuasotos, joka koko. Jos vomala raketamse kaattaje lukumäärä otoksessa o f, kaattaje suhteelle osuus otoksessa f pˆ = o odotusarvoparametr p harhato estmaattor. Beroull-jakauma odotusarvoparametr p luottamusväl o muotoa jossa pˆ ± z / pˆ( pˆ) ˆp = odotusarvoparametr p harhato estmaattor = havatoje lukumäärä z / ja +z / = luottamustasoo ( ) lttyvät luottamuskertomet ormaaljakaumasta N(0,) Ilkka Mell (008) 37/4

38 Mat-.60 Sovellettu todeäkösyyslasketa B Ste Beroull-jakauma parametr p luottamusväl o muotoa ˆp ± a jossa ˆp o otoksesta laskettu suhteelle osuus. Jos haluamme parametrlle p luottamusväl, joka ptuus o a, vomme muodostaa otoskoo ratkasemseks yhtälö pˆ( pˆ) z / Ratkasuks saadaa = a z / pˆ( pˆ) = a Jos otoskooks valtaa pe kaava atamaa lukuarvoa suuremmsta kokoasluvusta, saadaa haluttu varmuus stä, että vomala raketamse kaattaje suhteelle osuus kakke kutalaste joukossa o otoksesta kostruodu luottamusväl ssällä. Koska ˆp : arvoa e tueta ( ˆp : arvo saadaa tetyst selvlle vasta otokse pommse jälkee), o järkevää korvata ˆp luvulla, joka maksmo tarvttava otoskoo. Fukto f (ˆ) p = pˆ( pˆ) o alaspä aukeava paraabel, joka saavuttaa maksmsa psteessä p ˆ = Ste (maksmaale) tarvttava otoskoko saadaa kaavasta z / = a Tehtävässä a = = 0.99 z / =.58 Ste tarvttava otoskoko o z /.58 = a = = Kommetteja: () Jos haluamme ä kapea luottamsväl (±0.5 %) ä korkealla luottamustasolla (99 %) vomala raketaje suhteellselle osuudelle kakke kua asukkade joukossa, tarvtsemme otokse, joka o paljo suuremp ( > asukasta) ku kyselytutkmuksssa tavallsest käytetyt otokset ( ). Ilkka Mell (008) 38/4

39 Mat-.60 Sovellettu todeäkösyyslasketa B Olemme ss saaeet paradoksaalse tulokse, että tarvttava otoskoko ylttäs usemmssa Suome kussa kua asukasluvu! Tämä o se hta, joka joudumme maksamaa otokse pomtaa lttyvästä sattumasta ja asetusta tarkkuusvaatmuksesta. () Tavallsest kyselytutkmuksssa käytetää otoskokoja ja 95 %: luottamustasoa. Suhteellse osuude luottamusväl ptuus o a = z / pˆ( pˆ) Jos tässäk korvaamme (ee otokse pomtaa tutemattoma) suhteellse osuude ˆp lukuarvolla, joka maksmo fukto f (ˆ) p = pˆ( pˆ) saamme luottamusväl maksmptuudeks a = z / 4 Jos luottamustasoa o = 0.95 / = 0.05 ja ormaaljakauma taulukode mukaa z / =.96 Jos ss otoskoko vahtelee välllä [500,000], 95 %: luottamusväl ptuus vahtelee välllä ( 0.0, 0.044) Tästä ähdää se, että tyypllsssä vaalkyselyssä puoluede todells kaatusosuuks lttyvä epävarmuus o huomattava suurta. Tehtävä 9.8. Tölktety tuoremehu C-vtamptosuus (mg/dl) vahtelee jok verra valmstuserästä tosee oudattae ormaaljakaumaa. Laboratoro haluaa selvttää erää tuoremehumerk keskmääräse C-vtamptosuude mttaamalla ptosuudet myyssä oleve tuoremehutölkke joukosta pomtusta ykskertasesta satuasotoksesta. Laboratoro haluaa tarka arvo C-vtamptosuudesta, että vodaa 95 %: varmuudella tehdä johtopäätös, että otoksesta laskettu keskmääräe C-vtamptosuus e pokkea todellsesta keskmääräsestä C-vtamptosuudesta eempää ku 0.5 mg. Määrää tarvttava otoskoko, ku akasempe tutkmuste perusteella tedetää, että C- vtamptosuude otoskeskhajota o tavallsest. mg. Tehtävä 9.8. Mtä opmme? Tehtävässä tarkastellaa tarvttava otoskoo määräämstä, ku ormaaljakauma odotusarvoparametrlle halutaa saada tety mttae luottamusväl. Ilkka Mell (008) 39/4

40 Mat-.60 Sovellettu todeäkösyyslasketa B Tehtävä 9.8. Ratkasu: Oletetaa, että tölktety tuoremehu C-vtamptuus vahtelee satuasest valmstuserästä tosee oudattae ormaaljakaumaa. Määrtellää satuasmuuttujat = Tuoremehu C-vtamptosuus (mg/dl) Oletamme, että N( µ, σ ) Oletetaa, että tölkke joukosta pomtaa ykskertae satuasotos, joa koko o. Kostruodaa otoksesta saatuje tetoje perusteella ( ) %: luottamusväl odotusarvoparametrlle µ. Koska varass σ o oletettu tuetuks, luottamusväl o muotoa jossa ± z / σ = havatoje artmeette keskarvo otoksessa σ = varass = havatoje lukumäärä z / ja +z / = luottamustasoo ( ) lttyvät luottamuskertomet stadardodusta ormaaljakaumasta N(0,) Ste odotusarvo µ luottamusväl o muotoa M ± a jossa M o havatoje artmeette keskarvo otoksessa. Jos haluamme parametrlle µ luottamusväl, joka ptuus o a, vomme muodostaa otoskoo ratkasemseks yhtälö a= z / Ratkasuks saadaa σ z /σ = a Jos otoskooks valtaa pe kaava atamaa lukuarvoa suuremmsta kokoasluvusta, saadaa haluttu varmuus stä, että todelle C-vtamptosuus o otoksesta kostruodu luottamusväl ssällä. Tehtävässä a = 0.5 = 0.95 z / =.96 σ = Ilkka Mell (008) 40/4

41 Mat-.60 Sovellettu todeäkösyyslasketa B Ste tarvttava otoskoo kaava ataa tulokseks luvu z /σ.96 = = 6.5 a 0.5 jote otoskooks ptää valta vähtää 6. Ilkka Mell (008) 4/4

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat: Mat-1.60 Sovellettu todeäkösyyslasketa Mat-1.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Otos ja otosjakaumat Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, χ -jakauma, Frekvess, Frekvessjakauma,

Lisätiedot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot Todeäkösyyslaskea ja talstotetee peruskurssesmerkkkokoelma 4 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 4 Aheet: Tlastollste aestoje kerääme ja mttaame Tlastollste aestoje kuvaame Otokset

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7. Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot Ilkka Mell 5 Tlastollset

Lisätiedot

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat-1.361 Tlastolle päättely 3. Pste-estmot Tlastolle päättely 3. Pste-estmot 3.1. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste-estmot, Pstetodeäkösyysfukto,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4 MS-A Todeäkösyyslaskea ja tlastotetee peruskurss Vkko Tlastollste aestoje kerääme ja mttaame; tlastollste aestoje kuvaame; Otokset ja otosjakaumat; Estmot; Estmotmeetelmät; Vällestmot Mtä tlastotede o?

Lisätiedot

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet Mat.36 Tlastolle päättely 3. Pste estmot Tlastolle päättely 3. Pste estmot 3.. Johdato Estmaattor, Estmaatt, Estmot, Havato, Havatopste, Otos, Otostuusluku, Parametr, Pste estmot, Pstetodeäkösyysfukto,

Lisätiedot

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2 HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat: MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 MS-A5 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 5 Aheet: Tlastollset testt Avasaat: Artmeette keskarvo Beroull-jakauma

Lisätiedot

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi Mat-.6 Sovellettu todeäkösyyslasketa. harjotukset Mat-.6 Sovellettu todeäkösyyslasketa B. harjotukset / Ratkasut Aheet: Tlastollset testt Avasaat: Artmeette keskarvo, Beroull-jakauma, F-jakauma, F-test,

Lisätiedot

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit Tlastolle päättely. Otosjakaumat Tlastolle päättely. Otosjakaumat.. Otos, otostuusluvut ja de otosjakaumat Arvota, Havato, Havatoarvo, Otos, Otosjakauma, Otostuusluku, Rppumattomuus, Satuasmuuttuja, Satuasotos,

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat.36 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys, Otos,

Lisätiedot

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme?

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme? TKK (c) Ilkka Mell (004) Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Johdatus todeäkösyyslasketaa Kovergesskästteet

Lisätiedot

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus Mat-1.361 Tlastolle päättely. Data reduso peraatteet Tlastolle päättely. Data reduso peraatteet.1. Tyhjetävyys Asllaarsuus, Basu teoreema, Data redusot, Faktorotteoreema, Iformaato, Mmaale tyhjetävyys,

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat: Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset Mat-.3 Koesuuttelu ja tlastollset mallt 4. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Artmeette keskarvo, Estmaatt,

Lisätiedot

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi Tlastollset meetelmät Otokset, otosjakaumat ja estmot Tlastollset meetelmät: Otokset, otosjakaumat ja estmot 4. Otokset ja otosjakaumat 5. Estmot 6. Estmotmeetelmät 7. Välestmot TKK @ Ilkka Mell (006)

Lisätiedot

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN MTTTP SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN Aesto kaavoje () (3), (9) ja () esmerkkeh Lepakot pakallstavat hyötesä lähettämällä korkeataajusta äätä Ne pystyvät pakallstamaa hyöteset

Lisätiedot

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä Mat.36 Tlastolle päättely 7. Suurmma uskottavuude meetelmä ja asymptootte teora Tlastolle päättely 7. Suurmma uskottavuude meetelmä ja asymptootte teora 7.. Suurmma uskottavuude estmotmeetelmä Akasarja,

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat.36 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko,

Lisätiedot

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

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

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma Aheet: Satuasmuuttujat ja todeäkösyysjakaumat Kertymäfukto Jakaume tuusluvut Dskreettejä jakauma Jatkuva jakauma Avasaat: Bomjakauma Desl Dskreett

Lisätiedot

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat: Mat-.090 Sovellettu todeäköisyyslasku A Mat-.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Otos- ja otosjakaumat Estimoiti Estimoitimeetelmät Väliestimoiti Aritmeettie keskiarvo, Beroulli-jakauma,

Lisätiedot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot Mat-.09 Sovellettu todeäkösyyslasku Systeemaalyys laboratoro Teklle korkeakoulu SYKSY 00 Ilkka Mell Sovellettu todeäkösyyslasku: Kaavat ja taulukot f XY x X x X y Y ( x, y) exp XY ( XY ) XY XY X X Y Tomttaut

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/24

TKK @ Ilkka Mellin (2008) 1/24 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu Mat-1.361 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus,

Lisätiedot

9. laskuharjoituskierros, vko 12-13, ratkaisut

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

Lisätiedot

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla

Lisätiedot

Mat Koesuunnittelu ja tilastolliset mallit

Mat Koesuunnittelu ja tilastolliset mallit Mat-.03 Koeuuttelu tlatollet mallt. harjotuket Mat-.03 Koeuuttelu tlatollet mallt. harjotuket / Ratkaut Aheet: Avaaat: Tlatollte aetoje kuvaame Oto otokaumat Etmot Etmotmeetelmät Väletmot Artmeette kekarvo,

Lisätiedot

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia. HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla

Lisätiedot

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

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

Lisätiedot

Ilkka Mellin (2006) 1/1

Ilkka Mellin (2006) 1/1 Mat-.60 Sovellettu todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Mtta-astekot Havatoaesto kuvaame ja otostuusluvut Avasaat: Artmeette keskarvo, Frekvess, Frekvessjakauma,

Lisätiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot TKK (c) Ilkka Mell (2004) Kokoastodeäkösyys ja Kokoastodeäkösyys ja : Johdato Kokoastodeäkösyyde ja Bayes kaavoje systeemteoreette tulkta Johdatus todeäkösyyslasketaa Kokoastodeäkösyys ja TKK (c) Ilkka

Lisätiedot

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Todeäkösyyslaskea ja tlastotetee peruskurss Esmerkkkokoelma 6 Aheet: Tlastolle rppuvuus ja korrelaato Yhde selttäjä leaare regressomall Regressoaalyys

Lisätiedot

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset:

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset: Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset Mat-.03 Koesuuttelu ja tlastollset mallt 5. harjotukset / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Ylee leaare mall Artmeette keskarvo,

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

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

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio

Tilastollinen riippuvuus ja korrelaatio Tlastollset meetelmät Osa 4: Leaare regressoaalyys Tlastolle rppuvuus ja korrelaato KE (204) Tlastolle rppuvuus ja korrelaato >> Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame

Lisätiedot

Muuttujien välisten riippuvuuksien analysointi

Muuttujien välisten riippuvuuksien analysointi Mat-.4 Tlastollse aalyys peusteet, kevät 7 5. lueto: Tlastolle ppuvuus ja koelaato Muuttuje välste ppuvuukse aalysot Tlastollsssa aalyysessä tutktaa use muuttuje välsä ppuvuuksa Työttömyysastee ppuvuus

Lisätiedot

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteesee Estimoitimeetelmät TKK (c) Ilkka Melli (2005) 1 Estimoitimeetelmät Todeäköisyysjakaumie parametrie estimoiti Momettimeetelmä Normaalijakauma parametrie estimoiti Ekspoettijakauma

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli lueto9.ppt S-38.45 Lkeeteora perusteet Kevät 5 Ykskertae lkeeteoreette mall Puhdas jakojärjestelmä Asakkata saapuu keskmäär opeudella asakasta per akayks. / keskmääräe asakkade välaka Asakkata palvellaa

Lisätiedot

Johdatus tilastotieteeseen Väliestimointi. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit 68 3. Leaarset esmmäse kertaluvu dfferetaalsysteemt Tarkastelemme systeemejä () x () t = A() t x() t + b () t, jossa matrs A kertomet ja b ovat välllä I jatkuva. Jatkuve vektorarvoste fuktode avaruutta

Lisätiedot

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli Ssältö Kertausta: ykskertae lkeeteoreette mall M/M/-PS asakasta palvelja asakaspakkaa M/M/-PS asakasta palveljaa asakaspakkaa Sovellus elastse datalketee malltamsee vuotasolla M/M//k/k-PS k asakasta palvelja

Lisätiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot

Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio. Tilastollinen riippuvuus ja korrelaatio: Esitiedot TKK (c) Ilkka Mell (4) Tlastolle rppuvuus ja korrelaato Tlastolle rppuvuus, korrelaato ja regresso Kahde muuttuja havatoaesto kuvaame Pearso korrelaatokertome estmot ja testaus Järjestyskorrelaatokertomet

Lisätiedot

Varianssianalyysi. Varianssianalyysi. Varianssianalyysi. Varianssianalyysi: Mitä opimme? Varianssianalyysi: Johdanto

Varianssianalyysi. Varianssianalyysi. Varianssianalyysi. Varianssianalyysi: Mitä opimme? Varianssianalyysi: Johdanto TKK (c Ila Mell (004 Varassaalyys Varassaalyys: Johdato Johdatus tlastoteteesee Varassaalyys TKK (c Ila Mell (004 Varassaalyys: Mtä opmme? Tarastelemme tässä luvussa seuraavaa ysymystä: Mte tavaomae ahde

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

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

Lisätiedot

Raja-arvot. Osittaisderivaatat.

Raja-arvot. Osittaisderivaatat. 1 MAT-13440 LAAJA MATEMATIIKKA 4 Tamperee teklle ylopsto Rsto Slveoe Kevät 2010 Luku 3 Raja-arvot Osttasdervaatat 1 Fuktode raja-arvot Tarkastelemme fuktota f : A, jode määrttelyjoukko A T Muuttujat ovat

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.4 Tlastollse aals perusteet, evät 7 8. lueto: Usea selttää leaare regressomall Usea selttää leaare regressomall Seltettävä muuttua havattue arvoe vahtelu halutaa selttää selttäve muuttue havattue

Lisätiedot

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2 TKK (c) Ila Mell (4) Jaaume tuusluvut Johdatus todeäösyyslasetaa Jaaume tuusluvut Marov ja Tshebyshev epäyhtälöt Momett Vous ja hupuuus Suurte luuje la TKK (c) Ila Mell (4) Jaaume tuusluvut: Mtä opmme?

Lisätiedot

Sovellettu todennäköisyyslaskenta B

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

Lisätiedot

Estimointi. Vilkkumaa / Kuusinen 1

Estimointi. Vilkkumaa / Kuusinen 1 Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 3. marraskuuta 2007 Antti Rasila () TodB 3. marraskuuta 2007 1 / 18 1 Varianssin luottamusväli, jatkoa 2 Bernoulli-jakauman odotusarvon luottamusväli 3

Lisätiedot

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat: Mat-.36 Tlastollnen päättely 7. harjotukset Mat-.36 Tlastollnen päättely 7. harjotukset / Tehtävät Aheet: Avansanat: ypoteesen testaus. lajn vrhe,. lajn vrhe, arhaton test, ylkäysalue, ylkäysvrhe, ypotees,

Lisätiedot

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4 TKK (c) lkka Melln (005) Koesuunnttelu TKK (c) lkka Melln (005) : Mtä opmme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Mten varanssanalyysssa tutktaan yhden tekän vakutusta vastemuuttujaan, kun

Lisätiedot

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme?

Todennäköisyyden aksioomat. Todennäköisyyden aksioomat. Todennäköisyyden aksioomat: Mitä opimme? 2/2. Todennäköisyyden aksioomat: Mitä opimme? TKK () Ilkka Mell (2004) 1 Todeäkösyyde aksoomat Suhteelle rekvess, klasse todeäkösyys ja ehdolle todeäkösyys Johdatus todeäkösyyslasketaa Todeäkösyyde aksoomat TKK () Ilkka Mell (2004) 2 Todeäkösyyde

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

8. laskuharjoituskierros, vko 11, ratkaisut

8. laskuharjoituskierros, vko 11, ratkaisut Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse

Lisätiedot

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä. MS-A0205/MS-A0206 Dfferentaal- ja ntegraallaskenta 2 Luento 7: Lagrangen kertojat. Penmmän nelösumman menetelmä. Jarmo Malnen Matematkan ja systeemanalyysn latos 1 Aalto-ylopsto Kevät 2016 1 Perustuu Antt

Lisätiedot

Satunnaismuuttujat ja todennäköisyysjakaumat

Satunnaismuuttujat ja todennäköisyysjakaumat Satuasmuuttujat ja todeäkösyysjakaumat Todeäkösyyslasketa: Satuasmuuttujat ja todeäkösyysjakaumat 9. Satuasmuuttujat ja todeäkösyysjakaumat 0. Kertymäfukto. Jakaume tuusluvut. Moulotteset satuasmuuttujat

Lisätiedot

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0)

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0) Mat-2.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat Korrelaato ja assosaato Hypotees, Järjestyskorrelaatokertomet, χ 2 -rppumattomuustest, Korrelaatokerro, Pstedagramm, Päätössäätö, Nollahypotees,

Lisätiedot

Bernoullijakauma. Binomijakauma

Bernoullijakauma. Binomijakauma Beroulljaauma Beroull oe o ahde mahdollse ulostulo oe, jossa taahtumsta äytetää mtysä ostume ja eäostume. Esmerejä: rahahetto (ruua ta laava), lase sytymä (tyttö ta oa), helö verryhmä ( ta c ), oselja

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemaalyys laboratoro Mat-.090 Sovellettu todeäkösyyslasku A Nordlud Harotus (vko 49/003) (Ahe: Tlastollsa testeä, regressoaalyysä Lae luvut 5.5, 6) HUOM! Laskarede palautukse takaraa o pokkeuksellsest

Lisätiedot

Väliestimointi (jatkoa) Heliövaara 1

Väliestimointi (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).

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat: Mt-1.60 Sovellettu todeäkösyyslsket 8. hrjotukset Mt-1.60 Sovellettu todeäkösyyslsket B 8. hrjotukset / Rtksut Aheet: Otos j otosjkumt Avst: Artmeette keskrvo, Beroull-jkum, Beroull-koe, χ -jkum, Frekvess,

Lisätiedot

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Lineaarinen regressioanalyysi Tlastollset meetelmät Leaare regressoaalyys Tlastollset meetelmät: Leaare regressoaalyys 3. Tlastolle rppuvuus ja korrelaato 4. Johdatus regressoaalyys 5. Yhde selttäjä leaare regressomall 6. Ylee leaare

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

Osa 2: Otokset, otosjakaumat ja estimointi Ilkka Melli Tilastolliset meetelmät Osa : Otokset, otosjakaumat ja estimoiti Otokset ja otosjakaumat TKK (c) Ilkka Melli (007) 1 Otokset ja otosjakaumat >> Satuaisotata ja satuaisotokset Otostuusluvut

Lisätiedot

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (004) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo otosjakauma Otosvariassi otosjakauma

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Lisätiedot

Moniulotteiset jakaumat ja havaintoaineistot

Moniulotteiset jakaumat ja havaintoaineistot Momuuttujameetelmät: Ilkka Mell. Moulotteset jakaumat.. Satuasmuuttujat ja todeäkösyysjakaumat.. Yhtesjakaumat.3. Reuajakaumat ja satuasmuuttuje rumattomuus.4. Ehdollset jakaumat.5. Yhtesjakaume tuusluvut.6.

Lisätiedot

Luento 6 Luotettavuus Koherentit järjestelmät

Luento 6 Luotettavuus Koherentit järjestelmät Aalto-ylosto erustetede korkeakoulu Matematka a systeemaalyys latos Lueto 6 Luotettavuus Koherett ärestelmät Aht Salo Systeemaalyys laboratoro Matematka a systeemaalyys latos Aalto-ylosto erustetede korkeakoulu

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Ilkka 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

Lisätiedot

Testit laatueroasteikollisille muuttujille

Testit laatueroasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Lisätiedot

Todennäköisyyslaskennan kertausta

Todennäköisyyslaskennan kertausta Todeäkösyyslaskea kertausta Todeäkösyyslaskea kertausta 1. Joukko-opp Alko, Erotus, Joukko, Komplemett, Lekkaus, Perusjoukko, Psteveraus, Tyhjä joukko, Uo, Yhdste. Todeäkösyys ja se määrtteleme Alkestapahtuma,

Lisätiedot

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

TILASTOMATEMATIIKKA I

TILASTOMATEMATIIKKA I TILASTOMATEMATIIKKA I Srkku Parvae 1. JOHDANTO MIHIN TILASTOTIEDETTÄ TARVITAAN? suure havatomäärä (data) keräämsee, tetoje tvstämsee ja kuvaluu (deskrptvset meetelmät, data-aalyys) johtopäätöste tekemsee

Lisätiedot

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Johdatus 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

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. 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

Lisätiedot

Monte Carlo -menetelmä

Monte Carlo -menetelmä Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla

Lisätiedot

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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:

Lisätiedot

tilastotieteen kertaus

tilastotieteen 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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-.04 Tlastollsen analyysn perusteet, evät 007. luento: Johdatus varanssanalyysn S ysteemanalyysn Laboratoro Ka Vrtanen Kertaus: ahden rppumattoman otosen t-test () () Perusjouo oostuu ahdesta ryhmästä

Lisätiedot

1. PARAMETRIEN ESTIMOINTI

1. PARAMETRIEN ESTIMOINTI Mat-.04 Tlastollse aalyys perusteet Mat-.04 Tlastollse aalyys perusteet / Ratkasut Aheet: Avasaat: Yhde selttäjä leaare regressomall Estmaatt, Estmaattor, Estmot, Jääöselösumma, Jääösterm, Jääösvarass,

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Lisätiedot

3.5 Generoivat funktiot ja momentit

3.5 Generoivat funktiot ja momentit 3.5. Generovat funktot ja momentt 83 3.5 Generovat funktot ja momentt 3.5.1 Momentt Eräs tapa luonnehta satunnasmuuttujan jakaumaa, on laskea jakauman momentt. Ne määrtellään odotusarvon avulla. Määrtelmä

Lisätiedot

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

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

Lisätiedot

Tilastolliset menetelmät. Osa 1: Johdanto. Johdanto tilastotieteeseen KE (2014) 1

Tilastolliset 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

Lisätiedot

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

Johdatus 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

Lisätiedot

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

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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.204 Tlastollsen analyysn perusteet, kevät 2007 5. luento: Tlastollnen rppuvuus ja korrelaato Ka Vrtanen Muuttujen välsten rppuvuuksen analysont Tlastollsssa analyysessä tutktaan usen muuttujen välsä

Lisätiedot

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Johdatus 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

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

2-suuntainen vaihtoehtoinen hypoteesi

2-suuntainen vaihtoehtoinen hypoteesi Mat-.6 Sovellettu todeäköisyyslasketa. harjoitukset Mat-.6 Sovellettu todeäköisyyslasketa B. harjoitukset / Ratkaisut Aiheet: Tilastolliset testit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, F-jakauma,

Lisätiedot

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

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.

Lisätiedot

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä Johdatus dskreettn matematkkaan Harjotus 3, 30.9.2015 1. Luvut 1, 10 on latettu ympyrän kehälle. Osota, että löytyy kolme verekkästä lukua, joden summa on vähntään 17. Ratkasu. Tällasa kolmkkoja on 10

Lisätiedot

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

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

Lisätiedot

3.6 Su-estimaattorien asymptotiikka

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

Lisätiedot

Mat-2.108 Sovelletun matematiikan erikoistyö. Sijoitussalkun optimointi Black-Litterman -mallilla

Mat-2.108 Sovelletun matematiikan erikoistyö. Sijoitussalkun optimointi Black-Litterman -mallilla Mat-2.8 Sovelletu matematka erkostyö Sjotussalku optmot Black-Ltterma -malllla Kar Vatae (4753V) 9.5.24 Ssällysluettelo Johdato...2 2 Sjotussalku optmot Markowtz malllla...3 2. Sjotussalku optmot...5 2.2

Lisätiedot

Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot

Testit 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

Lisätiedot

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

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

Lisätiedot