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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

1 TKK (c) Ilkka Mell (004) Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Johdatus todeäkösyyslasketaa Kovergesskästteet ja raja-arvolauseet TKK (c) Ilkka Mell (004) Kovergesskästteet ja raja-arvolauseet: Mtä opmme? / Tässä luvussa tarkastellaa seuraava todeäkösyyslaskea kovergesskästtetä: () Melke varma kovergess () Kvadraatte kovergess () Stokaste kovergess (v) Jakaumakovergess Todeäkösyyslaskea kovergesskästtede avulla päästää tarkastelemaa satuasmuuttuj jooje asymptoottsta käyttäytymstä. Kovergesskästteet ja raja-arvolauseet: Mtä opmme? / Melke varma kovergess ja stokastse kovergess sovelluksea tarkastelemme suurte lukuje lakeja, jotka koskevat rppumattome ja samo jakautuede satuasmuuttuje artmeettse keskarvo asymptoottsta käyttäytymstä, ku satuasmuuttuje lukumäärä aetaa kasvaa rajatta. Jakaumakovergess sovelluksea tarkastelemme keskestä rajaarvolausetta, joka mukaa rppumattome ja samo jakautuede satuasmuuttuje summa jakauma lähestyy ormaaljakaumaa, ku yhteelaskettave lukumäärä aetaa rajatta kasvaa. Keskee raja-arvolause o ehkä tärke perustelu ormaaljakauma keskeselle asemalle tlastoteteessä. Keskese raja-arvolausee seurauksa tarkastellaa bom-, hypergeometrse ja Posso-jakautuede satuasmuuttuje rajakäyttäytymstä. TKK (c) Ilkka Mell (004) 3 TKK (c) Ilkka Mell (004) 4 Kovergesskästteet ja raja-arvolauseet: Estedot Estedot: ks. seuraava lukuja: Satuasmuuttujat ja todeäkösyysjakaumat Jakaume tuusluvut Dskreettejä jakauma Jatkuva jakauma Normaaljakaumasta johdettuja jakauma Momettemäfukto ja karakterste fukto Kovergesskästteet ja raja-arvolauseet: Lsätedot Suurte lukuje lak o vtattu tlastollse stablteet kästtee matemaattsea formulota seuraavssa luvussa: Todeäkösyyslaskea peruskästteet Jakaume tuusluvut Keskestä raja-arvolausetta o sovellettu luvussa Jatkuva jakauma estettäessä mte bom-, hypergeometrsta ja Posso-jakauma vodaa approksmoda ormaaljakaumalla. TKK (c) Ilkka Mell (004) 5 TKK (c) Ilkka Mell (004) 6

2 TKK (c) Ilkka Mell (004) 7 Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä >> Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Avasaat Hekko kovergess Jakaumakovergess Kvadraatte kovergess Melke varma kovergess Satuasmuuttuja Satuasmuuttuje joo Stokaste kovergess Varma kovergess TKK (c) Ilkka Mell (004) 8 Kovergesskästtetä Satuasmuuttujat Olkoo ( S, F,Pr) todeäkösyyskettä ja olkoo (mtalle) fukto otosavaruudesta S reaallukuje joukkoo R : : S R Tällö o satuasmuuttuja. Jos haluamme korostaa stä, että satuasmuuttuja o otosavaruude S kuvaus reaallukuje joukkoo R, merktsemme (s) R, s S Kovergesskästtetä Satuasmuuttujat: Kommetteja Satuasmuuttuja o fuktoa täys määrätty, mutta sattuma määrää mkä fukto arvosta realsotuu. Satuasmuuttuja kuvaa satuaslmö tulosvahtoehtoja umeersessa muodossa. Satuasmuuttuja lttää jokasee satuaslmö tulosvahtoehtoo reaalluvu (umeerse kood). TKK (c) Ilkka Mell (004) 9 TKK (c) Ilkka Mell (004) 0 Kovergesskästtetä Satuasmuuttuje joot / Kovergesskästtetä Satuasmuuttuje joot / Tarkastelemme jatkossa satuasmuuttuje,, 3, muodostama jooja ja de kovergessa. Satuasmuuttuje,, 3, muodostama joo e ole lukujoo mssää tavaomasessa melessä, vaa se o lukujooje joukko. Satuasmuuttuje,, 3, muodostamassa joossa jokasee otosavaruude alkoo s S lttyy lukujoo (s), (s), 3 (s), Lukujoo (s), (s), 3 (s), vo kovergoda, ku s A S ja hajaatua, ku s A c S Tämä havato muodostaa tose lähtökohda todeäkösyyslaskea kovergesskästtede tarkastelulle. Tose lähtökohda muodostaa satuasmuuttuje,, 3, jakaume ja de kovergess tarkastelu. TKK (c) Ilkka Mell (004) TKK (c) Ilkka Mell (004)

3 TKK (c) Ilkka Mell (004) 3 Kovergesskästtetä Varma kovergess Kovergesskästtetä Melke varma kovergess Satuasmuuttuje,, 3, muodostama joo kovergo varmast koht satuasmuuttujaa, jos lm ( s) = ( s) s S Huomautus: Satuasmuuttuje jooje varmaa kovergessa käytetää la rajottavaa kovergess muotoa va harvo. Satuasmuuttuje,, 3, muodostama joo kovergo melke varmast el todeäkösyydellä yks koht satuasmuuttujaa, jos Pr(lm = ) = Käytämme tällö seuraava merktöjä: lm = (a.s.) a.s. jossa lyhee a.s. = almost surely. TKK (c) Ilkka Mell (004) 4 Kovergesskästtetä Melke varma kovergess: Esmerkk /3 Ltetää otosavaruude S = [0, ] osaväleh todeäkösyydet seuraavalla tavalla: Pr[a, b] = b a, 0 a b Määrtellää satuasmuuttuja otosavaruudessa S kaavalla (s) = s, s S Fukto ( ) o dette kuvaus. Määrtellää satuasmuuttuje, =,, 3, joo seuraavast:, ku s = 0 ( s) = s, ku 0 < s< 0, ku s = Kovergesskästtetä Melke varma kovergess: Esmerkk /3 Satuasmuuttuje, =,, 3, muodostama joo kovergo : kasvaessa rajatta koht rajamuuttujaa, ku s = 0 lm ( s) = s, ku 0 < s< 0, ku s = Olkoo joukko A = {s S lm (s) (s)} de otosavaruude S = [0, ] alkode (pstede) s joukko, jossa satuasmuuttuje (s), =,, 3, muodostama joo e kovergo koht satuasmuuttuja (s) arvoa. TKK (c) Ilkka Mell (004) 5 TKK (c) Ilkka Mell (004) 6 Kovergesskästtetä Melke varma kovergess: Esmerkk 3/3 Satuasmuuttuje (s), =,, 3, muodostama joo kovergo koht satuasmuuttujaa (s), jos 0 < s <, mutta e kovergo koht satuasmuuttujaa (s), jos s = 0 ta s =. Ste A = {s S lm (s) (s)} = {0, } Koska Pr(A) = 0 vomme saoa, että satuasmuuttuje (s), =,, 3, muodostama joo kovergo koht satuasmuuttujaa (s) muualla pats ollamttasessa joukossa A. Ste olemme todstaeet, että satuasmuuttuje (s), =,, 3, muodostama joo kovergo melke varmast el todeäkösyydellä yks koht satuasmuuttujaa (s): (a.s.) TKK (c) Ilkka Mell (004) 7 Kovergesskästtetä Kvadraatte kovergess Satuasmuuttuje,, 3, muodostama joo kovergo kvadraattsest koht satuasmuuttujaa, jos lm E ( ) = 0 Käytämme tällö seuraava merktöjä: lm = (q.m.) q.m. jossa lyhee q.m. = quadratc mea. TKK (c) Ilkka Mell (004) 8

4 TKK (c) Ilkka Mell (004) 9 Kovergesskästtetä Kvadraatte kovergess: Esmerkk / Olkoo, =,, 3, joo rppumattoma ja samo jakautueta satuasmuuttuja, jode odotusarvot ja varasst ovat E( ) = µ Var( ) = σ Määrtellää satuasmuuttuje,, 3,, artmeette keskarvo kaavalla =, =,,3, = Kovergesskästtetä Kvadraatte kovergess: Esmerkk / Koska satuasmuuttujat,, 3,, oletett rppumattomks ja llä o sama odotusarvo ja varass, de artmeette keskarvo =Σ / odotusarvo ja varass ovat E( ) = µ Var( ) = σ / Koska σ E[( µ ) ] = Var( ) = 0 satuasmuuttuje,, 3,, artmeettste keskarvoje =Σ / muodostama joo, =,,3, kovergo kvadraattsest koht satuasmuuttuje,, 3, yhtestä odotusarvoa µ: µ (q.m.) TKK (c) Ilkka Mell (004) 0 Kovergesskästtetä Stokaste kovergess Satuasmuuttuje,, 3, muodostama joo kovergo stokastsest koht satuasmuuttujaa, jos kaklle ε > 0 pätee lm Pr( > ε ) = 0 Käytämme tällö seuraava merktöjä: lm = (P) P jossa lyhee P = probablty. Kovergesskästtetä Stokaste kovergess: Esmerkk /3 Olkoo, =,, 3, joo rppumattoma ja samaa ormaaljakaumaa N(µ, σ ) oudattava satuasmuuttuja, jode odotusarvot ja varasst ovat E( ) = µ Var( ) = σ Määrtellää satuasmuuttuje,, 3,, artmeette keskarvo kaavalla Tällö =, =,,3, = N(, / ) µ σ TKK (c) Ilkka Mell (004) TKK (c) Ilkka Mell (004) Kovergesskästtetä Stokaste kovergess: Esmerkk /3 Kaklle ε > 0 pätee Pr( µ > ε ) = Pr( µ ε < < µ + ε) ε µ ε = Pr < <+ σ / σ / σ / ε ε = Pr < Z <+ σ / σ / ε ε = Φ Φ σ / σ / 0, ku jossa Φ(z) o stadardotua ormaaljakaumaa N(0, ) oudattava satuasmuuttuja Z kertymäfukto. Kovergesskästtetä Stokaste kovergess: Esmerkk 3/3 Koska kaklle ε > 0 pätee Pr( µ > ε) 0, ku satuasmuuttuje,, 3,, artmeettste keskarvoje =Σ / muodostama joo, =,,3, kovergo stokastsest koht satuasmuuttuje,, 3, yhtestä odotusarvoa µ: µ (P) TKK (c) Ilkka Mell (004) 3 TKK (c) Ilkka Mell (004) 4

5 TKK (c) Ilkka Mell (004) 5 Kovergesskästtetä Jakaumakovergess / Kovergesskästtetä Jakaumakovergess / Olkoo,, 3, joo satuasmuuttuja, jode kertymäfuktot ovat F (x), F (x), F 3 (x), Satuasmuuttuje,, 3, muodostama joo kovergo jakaumaltaa el hekost koht satuasmuuttujaa, joka kertymäfukto o F (x), jos lm F( x) = F( x) jokasessa satuasmuuttuja kertymäfukto F (x) jatkuvuuspsteessä x el sellasessa psteessä x, jossa F (x) o jatkuva. Käytämme tällö seuraava merktöjä: lm = (L) F ( x) L jossa L = (probablty) law. Krjame L tlalla käytetää joskus krjata D: D = dstrbuto. TKK (c) Ilkka Mell (004) 6 Kovergesskästtetä Jakaumakovergess: Esmerkk / Olkoo,, 3, joo satuasmuuttuja, jode kertymäfuktot ovat 0, ku x < 0 x F ( x) =, ku 0 x 0, ku x> Koska x x lm = e lm F( x) = e x, x 0 Kovergesskästtetä Jakaumakovergess: Esmerkk / Fukto x F( x) = e, x 0 o ekspoettjakauma Exp() kertymäfukto. Ste satuasmuuttuje, =,, 3, muodostama joo kovergo jakaumaltaa el hekost koht satuasmuuttujaa ~ Exp(): ~ Exp() TKK (c) Ilkka Mell (004) 7 TKK (c) Ilkka Mell (004) 8 Kovergesskästtetä Kovergesskästtede yhteydet / Kovergesskästtetä Kovergesskästtede yhteydet / Vodaa osottaa, että todeäkösyyslaskea kovergesskästtellä o seuraavat yhteydet: () Melke varma kovergess (a.s.) mplko stokastse kovergess (P). () Kvadraatte kovergess (q.m.) mplko stokastse kovergess (P). () Stokaste kovergess (P) mplko jakaumakovergess el heko kovergess (L). (v) Melke varma ja kvadraattse kovergess yhteydestä e voda saoa mtää ylestä. Todstamme seuraavassa kohda (). Kovergesskästtede yhteydet vodaa esttää seuraavaa kaavoa: Melke varma kovergess (a.s.) Stokaste kovergess (P) Jakaumakovergess (L) Kvadraatte kovergess (q.m.) TKK (c) Ilkka Mell (004) 9 TKK (c) Ilkka Mell (004) 30

6 TKK (c) Ilkka Mell (004) 3 Kovergesskästtetä Kvadraatte kovergess mplko stokastse kovergess: Todstus / Oletetaa, että satuasmuuttuje, =,, 3, muodostama joo kovergo kvadraattsest koht satuasmuuttujaa, jollo lm E ( ) 0 = Tarkastellaa todeäkösyyttä Pr( > ε ) Markov epäyhtälöstä (ks. lukua Jakaume tuusluvut) ja kvadraattse kovergess määrtelmästä seuraa, että Pr( > ε ) E ( ) 0 ε Kovergesskästtetä Kvadraatte kovergess mplko stokastse kovergess: Todstus / Koska Pr( > ε ) 0 satuasmuuttuje, =,, 3, muodostama joo kovergo stokastsest koht satuasmuuttujaa suoraa stokastse kovergess määrtelmä perusteella. TKK (c) Ilkka Mell (004) 3 Kovergesskästteet ja raja-arvolauseet Suurte lukuje lat Kovergesskästtetä >> Suurte lukuje lat Keskee raja-arvolause Keskese raja-arvolausee seurauksa Avasaat Hekko suurte lukuje lak Melke varma kovergess Satuasmuuttuja Satuasmuuttuje joo Stokaste kovergess Vahva suurte lukuje lak TKK (c) Ilkka Mell (004) 33 TKK (c) Ilkka Mell (004) 34 Suurte lukuje lat Vahva suurte lukuje lak / Suurte lukuje lat Vahva suurte lukuje lak / Olkoo, =,, 3, joo rppumattoma ja samo jakautueta satuasmuuttuja, jolla o sama odotusarvo: E( ) = µ, =,, 3, Määrtellää satuasmuuttuje, =,,, artmeette keskarvo: = = Tällö pätee vahva suurte lukuje lak: Satuasmuuttuje,, 3,, artmeettste keskarvoje = Σ / muodostama joo kovergo melke varmast el todeäkösyydellä yks koht satuasmuuttuje yhtestä odotusarvoa µ: a.s. µ Huomautus: Vahva suurte lukuje la todstus o vaatva ja svuutetaa; Se sjaa todstamme seuraavassa heko suurte lukuje la. TKK (c) Ilkka Mell (004) 35 TKK (c) Ilkka Mell (004) 36

7 TKK (c) Ilkka Mell (004) 37 Suurte lukuje lat Vahva suurte lukuje lak: Kommetteja Vahva suurte lukuje lak lmastaa use sao seuraavast: Samo jakautuede satuasmuuttuje artmeette keskarvo lähestyy muuttuje lukumäärä kasvaessa rajatta muuttuje yhtestä odotusarvoa melke kakkalla el se otosavaruude S osajoukko, jossa kovergessa e tapahdu o ollamttae. Suurte lukuje lat Hekko suurte lukuje lak / Olkoo, =,, 3, joo rppumattoma satuasmuuttuja, jolla o sama odotusarvo ja varass: E( ) = µ, D ( ) = σ, =,, 3, Määrtellää satuasmuuttuje, =,,, artmeette keskarvo: = = TKK (c) Ilkka Mell (004) 38 Suurte lukuje lat Hekko suurte lukuje lak / Tällö pätee hekko suurte lukuje lak: Satuasmuuttuje,, 3,, artmeettste keskarvoje =Σ / muodostama joo kovergo stokastsest koht satuasmuuttuje yhtestä odotusarvoa µ: P µ Suurte lukuje lat Hekko suurte lukuje lak: Todstus Olkoo, =,, 3, joo rppumattoma satuasmuuttuja, jolla o sama odotusarvo ja varass: E( ) = µ, D ( ) = σ, =,, 3, Määrtellää satuasmuuttuje, =,,, artmeette keskarvo: = = Tshebyshev epäyhtälö (ks. lukua Jakaume tuusluvut) mukaa σ Pr( µ > ε) ε Koska epäyhtälö okea puol 0, ku, P µ TKK (c) Ilkka Mell (004) 39 TKK (c) Ilkka Mell (004) 40 Suurte lukuje lat Hekko suurte lukuje lak: Kommetteja Hekko suurte lukuje lak lmastaa use sao seuraavast: Samo jakautuede satuasmuuttuje artmeette keskarvo lähestyy muuttuje lukumäärä kasvaessa muuttuje yhtestä odotusarvoa sellasella tavalla, että pokkeame todeäkösyys satuasmuuttuje yhtesestä odotusarvosta tulee yhä peemmäks el pokkeamat tulevat yhä harvasemmks. Suurte lukuje lat Suurte lukuje lat: Kommetteja Suurte lukuje lakeja vodaa ptää matemaattsea formulota tlastollse stablteet kästteelle (ks. lukua Todeäkösyyslaskea peruskästteet). Suurte lukuje lat koskevat satuasmuuttuje asymptoottsta käyttäytymstä samaa tapaa ku keskee raja-arvolause. Vahva suurte lukuje lak mplko heko suurte lukuje la. Suurte lukuje laesta o olemassa ylesempä muotoja, jossa vodaa levetää samojakautuesuus-ja rppumattomuusoletuksa. TKK (c) Ilkka Mell (004) 4 TKK (c) Ilkka Mell (004) 4

8 TKK (c) Ilkka Mell (004) 43 Suurte lukuje lat Suurte lukuje lat: Esmerkk /5 Olkoo A otosavaruude S jok tapahtuma ja oletetaa, että Pr(A) = p Tällö Pr(A c ) = Pr(A) = p = q Määrtellää dskreett satuasmuuttuja :, jos A tapahtuu = 0, jos A e tapahdu Satuasmuuttuja pstetodeäkösyysfukto o x x f( x) = Pr( = x) = p q,0< p<, q = p, x= 0, jote satuasmuuttuja oudattaa Beroull-jakaumaa parametrlla p (ks. lukua Dskreettejä jakauma): ~ Beroull(p) E() = p Suurte lukuje lat Suurte lukuje lat: Esmerkk /5 Tostetaa edellsellä kalvolla määrteltyä Beroull-koetta kertaa ja oletetaa, että koetostot ovat rppumattoma. Tarkastellaa tapahtuma A sattumsta koetostoje akaa. Oletukse mukaa Pr(A) = p, Pr(A c ) = p = q Määrtellää dskreett satuasmuuttujat, =,,, :, jos A tapahtuu kokeessa = 0, jos A e tapahdu kokeessa Satuasmuuttujat, =,,, ovat rppumattoma ja oudattavat samaa Beroull-jakaumaa Beroull(p):,,, ~ Beroull(p), =,,, E( ) = p, =,,, TKK (c) Ilkka Mell (004) 44 Suurte lukuje lat Suurte lukuje lat: Esmerkk 3/5 Olkoo Y = = satuasmuuttuje, =,,, summa. Koska luku estyy summassa täsmällee yhtä mota kertaa ku tapahtuma A sattuu : koetosto akaa, satuasmuuttuja Y kuvaa tapahtuma A estymste frekvessä el lukumäärää - kertasessa Beroull-kokeessa. Satuasmuuttuja Y oudattaa Bomjakaumaa parametre ja p (ks. lukua Dskreettejä jakauma): Y ~ B(, p) E(Y) = p Suurte lukuje lat Suurte lukuje lat: Esmerkk 4/5 Satuasmuuttuje, =,,, artmeette keskarvo Y = = = kuvaa tapahtuma A estymste suhteellsta frekvessä el suhteellsta lukumäärää -kertasessa Beroull-kokeessa. Tlastoteteessä satuasmuuttujat, =,,, tulktaa havaoks sama Beroull-kokee tostosta. Tällö suhteellselle frekvesslle Y/ käytetää tavallsest merktää f pˆ = jossa f o tapahtuma A havattu frekvess, ku tarkastelu kohteea oleva satuaslmö o tostuut kertaa. TKK (c) Ilkka Mell (004) 45 TKK (c) Ilkka Mell (004) 46 Suurte lukuje lat Suurte lukuje lat: Esmerkk 5/5 Vahva suurte lukuje la mukaa suhteelle frekvess pˆ = f / kovergo melke varmast el todeäkösyydellä yks koht tapahtuma A todeäkösyyttä p: a.s. pˆ = f / p = Pr( A) Koska vahva suurte lukuje lak mplko heko suurte lukuje la, tedämme, että tapahtuma A suhteelle frekvess kovergo myös stokastsest koht tapahtuma A todeäkösyyttä. Koska tapahtuma A havattu suhteelle frekvess pˆ = f / kovergo koht tapahtuma A todeäkösyyttä Pr(A) = p, ku havatoje lukumäärä kasvaa rajatta, saomme, että suhteelle frekvess tarketuu havatoje lukumäärä kasvaessa kohde tapahtuma A todeäkösyyttä. Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat >> Keskee raja-arvolause Keskese raja-arvolausee seurauksa TKK (c) Ilkka Mell (004) 47 TKK (c) Ilkka Mell (004) 48

9 TKK (c) Ilkka Mell (004) 49 Keskee raja-arvolause Keskee raja-arvolause Johdato / Avasaat Approksmot Asymptootte Hekko kovergess Jakaumakovergess Kertymäfukto Normaaljakauma Satuasmuuttuja Satuasmuuttuje summa Stadardotu ormaaljakauma Theysfukto Olkoo, =,,, joo rppumattoma, samaa ormaaljakaumaa N(µ, σ ) oudattava satuasmuuttuja. Tällö satuasmuuttuje summa Y o ormaale: Y = = ~N( µ, σ ) Kysymys: Mtä vodaa saoa rppumattome, samaa jakaumaa oudattave satuasmuuttuje summa jakaumasta, jos ko. satuasmuuttujat evät oudata ormaaljakaumaa? TKK (c) Ilkka Mell (004) 50 Keskee raja-arvolause Johdato / Keskee raja-arvolause Keskese raja-arvolausee formulot /3 E-ormaalste satuasmuuttuje summa e yleesä ole ormaale. Kutek, jos yhteelaskettava o tarpeeks paljo, satuasmuuttuje summa o (hyv yles ehdo) approksmatvsest ormaale. Tämä o keskese raja-arvolausee oleae ssältö. Koska moa satuasmuuttuja vodaa ptää usea rppumattoma tekjä summaa, ataa keskee rajaarvolause seltykse emprselle havaolle de ormaalsuudesta. Olkoo, =,, 3, joo rppumattoma, samo jakautueta satuasmuuttuja, jode odotusarvo ja varass ovat E( ) = µ, =,,3, D( ) = σ, =,,3, Olkoo Y = = satuasmuuttuje, =,,, summa. TKK (c) Ilkka Mell (004) 5 TKK (c) Ilkka Mell (004) 5 Keskee raja-arvolause Keskese raja-arvolausee formulot /3 Keskee raja-arvolause Keskese raja-arvolausee formulot 3/3 Summa Y odotusarvo ja varass ovat E( Y ) = µ D( Y ) = σ Stadardodaa summa Y : Y µ Z = σ Aetaa Tällö satuasmuuttuja Z jakauma lähestyy stadardotua ormaaljakaumaa N(0, ). Ste keskee raja-arvolause saoo, että µ = lm Pr z =Φ( z) σ jossa Φ o stadardodu ormaaljakauma N(0, ) kertymäfukto. Merktä: µ = a N(0,) σ TKK (c) Ilkka Mell (004) 53 TKK (c) Ilkka Mell (004) 54

10 TKK (c) Ilkka Mell (004) 55 Keskee raja-arvolause Keskee raja-arvolause: Todstus /9 Olkoo, =,, 3, joo rppumattoma, samo jakautueta satuasmuuttuja. Oletetaa, että satuasmuuttujlla, =,, 3, o (yhtee) momettemäfukto (ks. lukua Momettemäfukto ja karakterste fukto) jossak orgo ympärstössä. Olkoot satuasmuuttuje, =,, 3, odotusarvo ja varass E( ) = µ, =,,3, D( ) = σ, =,,3, Keskee raja-arvolause Keskee raja-arvolause: Todstus /9 Olkoo Y = satuasmuuttuje, =,,, summa. Summamuuttuja Y odotusarvo ja varass ovat E( Y ) = µ D( Y ) = σ Stadardodaa summa Y : Y µ Z = σ Stadardodu muuttuja Z odotusarvo ja varass ovat E( Z ) = 0 D( Z ) = TKK (c) Ilkka Mell (004) 56 Keskee raja-arvolause Keskee raja-arvolause: Todstus 3/9 Srrytää tarkastelemaa keskstettyjä satuasmuuttuja T = µ, =,,3 Satuasmuuttuje T odotusarvo ja varass ovat E( T ) = 0, =,,3, D( T ) = σ, =,,3, Keskstettyje muuttuje T avulla stadardotu muuttuja Z vodaa krjottaa muotoo Y µ Z = σ µ = σ = ( T+ T + + T ) σ Keskee raja-arvolause Keskee raja-arvolause: Todstus 4/9 Satuasmuuttuje, =,, 3, momettemäfukto olemassaolosta jossak orgo ympärstössä seuraa kesktettyje muuttuje T = µ, =,,3 momettemäfukto olemassaolo jossak orgo ympärstössä. Olkoo mt () = E( e tt ) satuasmuuttuje T, =,, 3, yhtee momettemäfukto. TKK (c) Ilkka Mell (004) 57 TKK (c) Ilkka Mell (004) 58 Keskee raja-arvolause Keskee raja-arvolause: Todstus 5/9 Koska rppumattome satuasmuuttuje summa momettemäfukto o summa tekjöde momettemäfuktode tulo, satuasmuuttuja Y µ Z = = ( T+ T + + T ) σ σ momettemäfukto m (t) vodaa esttää muodossa t m () t = m σ jossa ss m(t) o satuasmuuttuje T, =,, 3, yhtee momettemäfukto. TKK (c) Ilkka Mell (004) 59 Keskee raja-arvolause Keskee raja-arvolause: Todstus 6/9 Satuasmuuttuje T, =,, 3, yhtesellä momettemäfuktolla m(t) o jossak pstee t = 0 ympärstössä vomassa sarjakehtelmä α mt () = + αt+ t + tη() t jossa k α k = E( T ), k =,,3, o satuasmuuttuje T, =,, 3, k. (orgo-) momett ja η(t) 0, ku t 0. Koska α = E( T ) = 0, =,,3, α = E( T ) = D ( T) = σ, =,,3, α σ mt () = + αt+ t + tη() t = + t + tη() t TKK (c) Ilkka Mell (004) 60

11 TKK (c) Ilkka Mell (004) 6 Keskee raja-arvolause Keskee raja-arvolause: Todstus 7/9 Sjotetaa satuasmuuttuje T, =,, 3, yhtese momettemäfukto m(t) sarjakehtelmä mt () = + σ t + tη() t satuasmuuttuja Y µ Z = = ( T+ T + + T ) σ σ momettemäfukto lausekkeesee t m () t = m σ Keskee raja-arvolause Keskee raja-arvolause: Todstus 8/9 Saamme sjotukse tuloksea lausekkee σ t t t m () t = + + η σ σ σ t t t = + + η σ σ jossa t lm 0 η = σ jokaselle kteälle t. TKK (c) Ilkka Mell (004) 6 Keskee raja-arvolause Keskee raja-arvolause: Todstus 9/9 Ekspoettfukto omasuukse perusteella t t t t m () t = + + η e σ σ Koska t / e o stadardodu ormaaljakauma N(0, ) momettemäfukto, satuasmuuttuje Y µ Z = σ muodostama joo kovergo jakaumaltaa el hekost koht stadardotua ormaaljakaumaa N(0, ): L Z Z N(0,) / Keskee raja-arvolause Kommetteja /3 Keskese raja-arvolausee mukaa usea satuasmuuttuja summa o (tety ehdo) approksmatvsest ormaale (lähes) rppumatta yhteelaskettave jakaumasta. Huomautus: Yhteelaskettave e tarvtse olla edes jatkuva, vaa e vovat olla jopa dskreettejä. TKK (c) Ilkka Mell (004) 63 TKK (c) Ilkka Mell (004) 64 Keskee raja-arvolause Kommetteja /3 Keskee raja-arvolause Kommetteja 3/3 Approksmaato hyvyys rppuu yhteelaskettave satuasmuuttuje lukumäärästä, de jakaumasta ja ertysest de jakauma voudesta. Approksmaato hyvyys paraee, ku yhteelaskettave satuasmuuttuje lukumäärä kasvaa. Jos yhteelaskettave satuasmuuttuje jakauma o symmetre, approksmaato o hyvä jo suhteellse pellä yhteelaskettave lukumäärllä. Jos yhteelaskettave satuasmuuttuje jakauma o epäsymmetre, hyvä approksmaato vaat eemmä yhteelaskettava. Keskee raja-arvolause koskee satuasmuuttuje asymptoottsta käyttäytymstä samaa tapaa ku suurte lukuje lak. Keskesessä raja-arvolauseessa estyvä rajakäyttäytymse muoto o esmerkk jakaumakovergesssta el hekosta kovergesssta. Keskesestä raja-arvolauseesta o olemassa ylesempä muotoja, jossa leveetää samojakautuesuus-ja rppumattomuusoletuksa. TKK (c) Ilkka Mell (004) 65 TKK (c) Ilkka Mell (004) 66

12 TKK (c) Ilkka Mell (004) 67 Keskee raja-arvolause Artmeettse keskarvo approksmatve jakauma Keskesestä raja-arvolauseesta seuraa: Rppumattome samo jakautuede satuasmuuttuje, =,,, artmeette keskarvo = = o suurlle (mutta äärellslle) approksmatvsest ormaale parametreaa µ ja σ /: σ N µ, a Kovergesskästteet ja raja-arvolauseet Kovergesskästtetä Suurte lukuje lat Keskee raja-arvolause >> Keskese raja-arvolausee seurauksa TKK (c) Ilkka Mell (004) 68 Keskese raja-arvolausee seurauksa Keskese raja-arvolausee seurauksa De Movre ja Laplace raja-arvolause Avasaat Approksmot Asymptootte Bomjakauma Hekko kovergess Hypergeometre jakauma Jakaumakovergess Kertymäfukto Normaaljakauma Posso-jakauma Satuasmuuttuja Satuasmuuttuje joo Satuasmuuttuje summa Stadardotu ormaaljakauma Theysfukto Olkoo B(, p) ja q = p. Ste E( ) = p Var( ) = pq Keskese raja-arvolausee mukaa p lm Pr z =Φ( z) + pq jossa Φ o stadardodu ormaaljakauma N(0, ) kertymäfukto. Tätä keskese raja-arvolausee seurausta o tapaa kutsuta De Movre ja Laplace raja-arvolauseeks. TKK (c) Ilkka Mell (004) 69 TKK (c) Ilkka Mell (004) 70 Keskese raja-arvolausee seurauksa Bomtodeäkösyydet ja ormaaljakauma /4 De Movre ja Laplace raja-arvolausee mukaa bomjakaumaa B(, p) vodaa suurlle approksmoda ormaaljakaumalla N(µ, σ ) jossa µ = p σ = pq, q = p Keskese raja-arvolausee seurauksa Bomtodeäkösyydet ja ormaaljakauma /4 Jos ss B(, p) De Movre ja Laplace raja-arvolausee mukaa suurlle b p a p Pr( a< b) Φ Φ pq pq jossa Φ o stadardodu ormaaljakauma N(0, ) kertymäfukto. TKK (c) Ilkka Mell (004) 7 TKK (c) Ilkka Mell (004) 7

13 TKK (c) Ilkka Mell (004) 73 Keskese raja-arvolausee seurauksa Bomtodeäkösyydet ja ormaaljakauma 3/4 Jos a ja b ovat kokoaslukuja, approksmaato o hema paremp, jos käytetää kaavaa b+ / p a / p Pr( a< b) Φ Φ pq pq Korjaustekjä / ottame mukaa perustuu she, että dskreettä bomjakaumaa approksmodaa jatkuvalla ormaaljakaumalla. Keskese raja-arvolausee seurauksa Bomtodeäkösyydet ja ormaaljakauma 4/4 Jos aetaa a, saadaa approksmaatotulos b+ / p Pr( b) = F ( b) Φ pq jossa F o bomjakauma kertymäfukto. Jos a = b, saadaa approksmaatotulos a+ / p a / p Pr( = a) = f ( a) Φ Φ pq pq jossa f o bomjakauma pstetodeäkösyysfukto. TKK (c) Ilkka Mell (004) 74 Keskese raja-arvolausee seurauksa Hypergeometrse jakauma todeäkösyydet ja ormaaljakauma / Hypergeometre jakauma HyperGeom(N, r, ) lähestyy perusjouko koo N kasvaessa rajatta bomjakaumaa B(, p) jossa p = r/n Keskese raja-arvolausee seurauksa Hypergeometrse jakauma todeäkösyydet ja ormaaljakauma / Ste hypergeometrsta jakaumaa HyperGeom(N, r, ) vodaa suurlle N approksmoda ormaaljakaumalla N(µ, σ ) jossa r µ = N r r σ = N N TKK (c) Ilkka Mell (004) 75 TKK (c) Ilkka Mell (004) 76 Keskese raja-arvolausee seurauksa Posso-jakauma ja ormaaljakauma Olkoo Posso(λ). Ste E( ) = λ Var( ) = λ Keskese raja-arvolausee mukaa λ lm Pr z =Φ( z) λ + λ jossa Φ o stadardodu ormaaljakauma N(0, ) kertymäfukto. Keskese raja-arvolausee seurauksa Posso-jakauma todeäkösyydet ja ormaaljakauma /4 Posso-jakaumaa koskeva raja-arvolausee mukaa Posso-jakaumaa Posso(λ) vodaa suurlle λ approksmoda ormaaljakaumalla N(µ, σ ) jossa µ = λ σ = λ TKK (c) Ilkka Mell (004) 77 TKK (c) Ilkka Mell (004) 78

14 TKK (c) Ilkka Mell (004) 79 Keskese raja-arvolausee seurauksa Posso-jakauma todeäkösyydet ja ormaaljakauma /4 Jos ss Posso(λ) Posso-jakaumaa koskeva raja-arvolausee mukaa suurlle λ b λ a λ Pr( a< b) Φ Φ λ λ jossa Φ o stadardodu ormaaljakauma N(0, ) kertymäfukto. Keskese raja-arvolausee seurauksa Posso-jakauma todeäkösyydet ja ormaaljakauma 3/4 Jos a ja b ovat kokoaslukuja, approksmaato o hema paremp, jos käytetää kaavaa b+ / λ a / λ Pr( a< b) Φ Φ λ λ Korjaustekjä / ottame mukaa perustuu she, että dskreettä Posso-jakaumaa approksmodaa jatkuvalla ormaaljakaumalla. TKK (c) Ilkka Mell (004) 80 Keskese raja-arvolausee seurauksa Posso-jakauma todeäkösyydet ja ormaaljakauma 4/4 Jos aetaa a, saadaa approksmaatotulos b + / λ Pr( b) = F ( b) Φ λ jossa F o Posso-jakauma kertymäfukto. Jos a = b, saadaa approksmaatotulos a+ / λ a / λ Pr( = a) = f ( a) Φ Φ λ λ jossa f o Posso-jakauma pstetodeäkösyysfukto. TKK (c) Ilkka Mell (004) 8

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 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

Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet

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

Lisätiedot

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

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

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

Lisätiedot

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

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

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

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

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

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

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

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

= 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

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

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

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

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

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

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

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

Satunnaismuuttujat ja todennäköisyysjakaumat

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

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

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

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.36 Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko,

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

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

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

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

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

Satunnaismuuttujat ja todennäköisyysjakaumat

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

Lisätiedot

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi. Mat-2.090 Sovellettu todeäköisyyslasku A Mat-2.090 Sovellettu todeäköisyyslasku A / Pistetehtävät 2, 4, 6, 8, 0 Aiheet: Avaisaat: Momettiemäfuktio Satuaismuuttujie muuokset ja iide jakaumat Kovergessikäsitteet

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

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 todeäkösyyslasketa B Mat-.60 Sovellettu todeäkösyyslasketa B / Ratkasut Aheet: Estmot Estmotmeetelmät Välestmot Avasaat: Artmeette keskarvo, Beroull-jakauma, Beroull-koe, Estmaatt, Estmaattor,

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

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

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

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

ABTEKNILLINEN KORKEAKOULU

ABTEKNILLINEN KORKEAKOULU ABTEKNILLINEN KORKEAKOULU Tetoverkkolaboratoro 6. Stokastset prosesst () Luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 5 6. Stokastset prosesst () Ssältö Markov-prosesst Syntymä-kuolema-prosesst

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

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

AB TEKNILLINEN KORKEAKOULU

AB TEKNILLINEN KORKEAKOULU B TEKNILLINEN KORKEKOULU Tetoverkkolaboratoro luento05.ppt S-38.45 - Lkenneteoran perusteet - Kevät 00 Ssältö eruskästteet Dskreett satunnasmuuttujat Dskreett jakaumat lkm-jakaumat Jatkuvat satunnasmuuttujat

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

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

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

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

6. Stokastiset prosessit (2)

6. Stokastiset prosessit (2) Ssältö Markov-prosesst Syntymä-kuolema-prosesst luento6.ppt S-38.45 - Lkenneteoran perusteet - Kevät 6 Markov-prosess Esmerkk Tark. atkuva-akasta a dskreetttlasta stokaststa prosessa X(t) oko tla-avaruudella

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

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

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 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

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

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

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

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

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut Harjotus, esmerkkratkasut K 1. Olkoon f : C C, f(z) z z. Tutk, mssä pstessä f on dervotuva. Ratkasu 1. Jotta funkto on dervotuva, on sen erotusosamäärän f(z + ) f(z) raja-arvon 0 oltava olemassa ja ss

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 todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Jatkuvia jakaumia TKK (c) Ilkka Mellin (2005) 1 Jatkuvia jakaumia Jatkuva tasainen jakauma Eksponenttijakauma Normaalijakauma Keskeinen raja-arvolause TKK (c) Ilkka Mellin

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

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

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia TKK (c) Ilkka Mellin (2006) 1 Jatkuvia jakaumia >> Jatkuva tasainen jakauma Eksponenttijakauma Normaalijakauma Keskeinen

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen

Lisätiedot

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä Tavotteet skaalaavan funkton lähestymstapa el referensspste menetelmä Optmontopn semnaar - Kevät 2000 / 1 Estelmän ssältö Panotetun metrkan ongelmen havatsemnen Referensspste menetelmän dean esttely Referensspste

Lisätiedot

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Turingin kone on kuin äärellinen automaatti, jolla on käytössään 4 TUINGIN KONEET Ala Turg 1935 36 auha Koe vo srtää auha: T U I N G auhapää: ohjausykskkö: Turg koe o ku äärelle automaatt, jolla o käytössää auhapäätä vasemmalle ta okealle; se vo myös lukea ta krjottaa

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

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

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

r i m i v i = L i = vakio, (2)

r i m i v i = L i = vakio, (2) 4 TÖRMÄYKSET ILMATYYNYPÖYDÄLLÄ 41 Erstetyn systeemn sälymslat Kun kaks kappaletta törmää tosnsa ne vuorovakuttavat keskenään tetyn ajan Vuorovakutuksella tarkotetaan stä että kappaleet vahtavat keskenään

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

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

Baltian Tie 2001 ratkaisuja

Baltian Tie 2001 ratkaisuja Balta Te 001 ratkasuja 1. Olkoot tehtävät T, = 1,,..., 8. Eräs mahdollsuus jakaa tehtävät kahdeksalle opskeljalle O j, j =1,,..., 8 o ohesessa taulukossa T 1 T T T 4 T T 6 T 7 T 8 O 1 O O O 4 O O 6 O 7

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

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

Painotetun metriikan ja NBI menetelmä

Painotetun metriikan ja NBI menetelmä Panotetun metrkan ja NBI menetelmä Optmontopn semnaar - Kevät / 1 Estelmän ssältö Paretopsteden generont panotetussa metrkossa Panotettu L p -metrkka Panotettu L -metrkka el panotettu Tchebycheff -metrkka

Lisätiedot

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

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

Lisätiedot

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

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

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

Suoran sovittaminen pistejoukkoon

Suoran sovittaminen pistejoukkoon Suora sovttame pstejoukkoo Ku halutaa tutka kahde tlastollse muuttuja rppuvuutta tosstaa, käytetää use leaarsta regressota el suora sovttamsta havatojoukkoo. Sä o aettu joukko havatopareja (x, y ), ja

Lisätiedot

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia KE (2014) 1 Hypergeometrinen jakauma Hypergeometrinen jakauma

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka

Lisätiedot

Todennäköisyyslaskenta: Todennäköisyysjakaumia

Todennäköisyyslaskenta: Todennäköisyysjakaumia Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia Ilkka Melli 35 Todeäköisyysjakaumia

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Diskreettejä jakaumia TKK (c) Ilkka Mellin (2007) 1 Diskreettejä jakaumia >> Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma

Lisätiedot

10.5 Jaksolliset suoritukset

10.5 Jaksolliset suoritukset 4.5 Jaksollset suortukset Tarkastellaa tlaetta, jossa asakas tallettaa pakktllle tostuvast yhtäsuure rahasumma k aa korkojakso lopussa. Asakas suorttaa talletukse kertaa. Lasketaa tlllä oleva pääoma :e

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

Tchebycheff-menetelmä ja STEM

Tchebycheff-menetelmä ja STEM Tchebycheff-menetelmä ja STEM Optmontopn semnaar - Kevät 2000 / 1 1. Johdanto Tchebycheff- ja STEM-menetelmät ovat vuorovakuttesa menetelmä evät perustu arvofunkton käyttämseen pyrkvät shen, että vahtoehdot

Lisätiedot

7. Menetysjärjestelmät

7. Menetysjärjestelmät lueto7.ppt S-38.45 Leeteora perusteet Kevät 25 Ssältö Kertausta: ysertae leeteoreette mall Posso-mall asaata, palvelota Sovellus vrtaava dataletee malltamsee vuotasolla Erlag-mall asaata, palvelota < Sovellus

Lisätiedot

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut) J. Vrtamo Lkenneteora a lkenteenhallnta / Markov-prosesst 1 Markov-prosesst (Jatkuva-akaset Markov-ketut) Tarkastellaan (statonaarsa) Markov-prosessea, oden parametravaruus on atkuva (yleensä aka). Srtymät

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

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

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin

Lisätiedot

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Jakaumien tunnusluvut TKK (c) Ilkka Mellin (2005) 1 Jakaumien tunnusluvut Odotusarvo Varianssi Markovin ja Tshebyshevin epäyhtälöt Momentit Vinous ja huipukkuus Kvantiilit

Lisätiedot

Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Diskreettejä jakaumia TKK (c) Ilkka Mellin (2005) 1 Diskreettejä jakaumia Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma Geometrinen jakauma Negatiivinen

Lisätiedot

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ). HY / Matematiika ja tilastotietee laitos Tilastollie päättely II, kevät 018 Harjoitus 5B Ratkaisuehdotuksia Tehtäväsarja I 1. (Jatkoa Harjoitus 5A tehtävää ). Moistee esimerki 3.3.3. mukaa momettimeetelmä

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

D ( ) Var( ) ( ) E( ) [E( )]

D ( ) Var( ) ( ) E( ) [E( )] Mat-.2620 Sovellettu todennäköisyyslaskenta B / Ratkaisut Aiheet: Diskreettejä jakaumia Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Eksponenttijakauma, Geometrinen jakauma, Hypergeometrinen

Lisätiedot

Jaksolliset ja toistuvat suoritukset

Jaksolliset ja toistuvat suoritukset Jaksollset ja tostuvat suortukset Korkojakson välen tostuva suortuksa kutsutaan jaksollsks suortuksks. Tarkastelemme tässä myös ylesempä tlanteta jossa samansuurunen talletus tehdään tasavälen mutta e

Lisätiedot