Mat Sovellettu todennäköisyyslasku A
|
|
- Eeva-Kaarina Palo
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 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 torstaa 4.. klo 0.00, koska Edta akaa laskarede mallratkasut perata 5. akaa.. Peruavlelä tutk tety laottee vakutusta perua sado määrää (satoa mtataa ykskössä toa/hehtaar). Vlelä valtsee arpomalla kahdeksa peltoruutua, oh okasee paaa er määrä laotetta: esmmäsee arvottuu ruutuu ykskkö, tosee arvottuu ruutuu ykskköä e. Merktää laottee määrää muuttualla x a sado määrää muuttualla Y. Koetulokset ovat seuraavat: x Y a) Prrä koetulokssta pstedagramm a hahmottele kuvaa pemmä elösumma (el PNS) suora. b) Määrää regressomall Y = β0 + βx + ε regressokertome PNS-estmaatt. c) Määrää estmodu regressomall ääösvarass estmaatt. d) Määrää estmodu regressomall seltysaste. e) Määrää regressokertomelle β symmetre 95 %: luottamusväl. f) Testaa hypoteesa H 0 : β = 0. Käytä kakssuutasta vahtoehtosta hypoteesa a 5 %: merktsevyystasoa. g) Testaa hypoteesa H 0 : β 0 = 0. Käytä kakssuutasta vahtoehtosta hypoteesa a 5 %: merktsevyystasoa. a) 30 Laottee määrä a peruasato sato (t/ha) laottee määrä
2 b) Muodostetaa avuks taulukko: x y x y (x ) (y ) SUM Lasketaa tauluko avulla elösummat a artmeettset keskarvot: SSxy = xy x y / = 800 = 48.5 = = = 8 36 SSxx = x x / = 04 = 4 = = 8 67 SSyy = y y / = 3577 = = = Termstä SS yy käytetää meä seltettävä elösumma ta kokoaselösumma. x = 36/ 8 = 4.5 y = 67 / 8 = Edellsstä saadaa regressokertome estmaatt: ˆ SSxy 48.5 β = =.55 SSxx 4 βˆ ˆ 0 = y βx Estmotu regressosuora o ss y = x. Huomaa suora kulmakertome tulkta: yhde laoteykskö lsäys kasvattaa satoa keskmäär.55 toa hehtaara kohde. c) Lasketaa seltetty elösumma SSR (Regresso Sum of Squares). Tästä käytetää myös use meä mallelösumma: SSR = SS SSE = βˆ SS = = yy xy Edellsestä saadaa ääöselösumma SSE (Error Sum of Squares): SSE = SSyy SSR = = Toe tapa laskea ääöselösumma SSE o k. resduaale elöde summa laskeme: ( ˆ ˆ ) β0 β SSE = y x = Jääösvarass harhato estmaatt: SSE σ ˆ = = 5.8 6
3 d) Mall seltysaste o seltety elösumma suhde seltettävä elösummaa: SSR R = = 0.66 SS yy Seltysaste mttaa havatoe a mall yhteesopvuutta. Koska seltysaste o välltä [0, ], se lmastaa use prosettea. Tässä tehtävässä vodaa saoa "mall selttää 6.6 % seltettävä elösummasta". e) Estmodaa es regressokertome β varass: σˆ 5.8 s ˆ = = 0.38 β SSxx 4 Luottamusväl o muotoa β ˆ ± t s α / βˆ, df =. 95 %: luottamusväl luottamuskertomeks saadaa t-akauma taulukosta.447, ku vapausasteta o 6. Luottamusvälks saadaa ste (0.45,.065). f) H 0 : β = 0, H : β 0 Testsuure: βˆ 0.55 t = = s β ˆ 5 %: merktsevyystasoa vastaavks hylkäysraoks saadaa t-akauma taulukosta ±.447, ku vapausasteta o 6. Koska testsuuree laskettu arvo 3.04 o suuremp ku hylkäysraa.447, testsuuree laskettu arvo o hylkäysalueella a H 0 vodaa hylätä 5 %: merktsevyystasolla. Regressokerro β pokkeaa ss tlastollsest merktseväst ollasta. (sama äkee myös e-kohda luottamusvälstä, koska arvo 0 e ole estmodu väl ssällä). g) Estmodaa es regressokertome β 0 varass: s x 4.5 = + ˆ = ˆ σ β0 SS xx 8 4 H 0 : β 0 = 0, H : β 0 0 Testsuure: βˆ t = = s β ˆ 0 5 %: merktsevyystasoa vastaavks hylkäysraoks saadaa t-akauma taulukosta ±.447, ku vapausasteta o 6. Koska testsuuree laskettu arvo o suuremp ku hylkäysraa.447, testsuuree laskettu arvo o hylkäysalueella a H 0 vodaa hylätä 5 %: merktsevyystasolla. Regressokerro β 0 pokkeaa ss tlastollsest merktseväst ollasta.
4 . (Yhteesopvuustest) Kompoet käyttöä vätetää oleva ekspoettakautuut odotusarvoa 500 tuta. Pomtaa kompoetesta ykskertae satuasotos kokoa 00 a merktää käyttöät ylös: tomta-aka kpl alle 50 h h h h 30 yl 000 h 9 Sopvatko havaot yhtee se kassa, mtä akaumasta o vätetty? Testaa 5 %: merktsevyystasolla. H 0 : Kompoette käyttökä oudattaa ekspoettakaumaa odotusarvoa 500 h H : Kompoette käyttökä e oudata ekspoettakaumaa odotusarvoa 500 h Lasketaa luokke todeäkösyydet (olettae, että H 0 pätee) a de avulla odotetut frekvesst. Esmerkks P(50 < X < 500) = e 50/500 e 500/ a vastaava luoka odotettu frekvess o ste Huomaa, että odotettua frekvesseä e pyörstetä kokoasluvuks. Testsuure perustuu havattue frekvesse a odotettue frekvesse vertaluu, ote odotettue frekvesse summa täytyy täsmätä havattue frekvesse summa 00 kassa. Havatut frekvesst a odotetut frekvesst taulukossa: Lasketaa testsuuree arvo: χ Luokka O luoka t. E alle 50 h h h h yl 000 h Summa: k ( O E) ( ) ( ) = = E = df = k = 4 (yhtää parametra e estmotu). 5 %: merktsevyystasolla vapausastella 4 saadaa χ -akauma taulukosta krttseks arvoks 9.49, ote ollahypotees vodaa hylätä 5 %: merktsevyystasolla. Havatoe perusteella kompoette elkä e oudata ekspoettakaumaa odotusarvoa 500 tuta.
5 3. (Homogeesuustest) Kahdelle heklölle A a B o kummallek aettu oppa a kumpaak o pyydetty hettämää stä 0 kertaa. A a B kertovat saatue slmälukue frekvesse akautuee kute alla taulukossa o estetty. Oko mahdollsta, että heklöt ovat käyttäeet samaa oppaa? Testaa 5 %: merktsevyystasolla. Slmäluku A: tulokset B: tulokset Huomaa, että tässä testausasetelmassa o kerätty kaks tosstaa rppumatota otosta a tehtävää o tutka, ovatko otokset peräs samasta akaumasta (akauma muodosta e tehdä mtää oletusta). Huomaa, että tutka o päättäyt kummak otokse koo etukätee. Muotollaa hypoteest: H 0 : A- a B-frekvesst ovat peräs samasta akaumasta H : A- a B-frekvesst evät ole peräs samasta akaumasta Merktää deksllä rveä, =,,, r (egl. row), deksllä sarakketa, =,,, c (egl. colum). Odotetut frekvesst määrätää kertomalla vastaava havattue frekvesse sarakesumma vastaavalla rvsummalla a akamalla frekvesse kokoassummalla. O Sum Sum E Sum Sum Esm. odotettu frekvess E 6 = 59 0/40 = 9.5. Lasketaa testsuuree arvo kaavalla χ r c ( O ) E = E = = Järestetää laskutomtukset selkeyde vuoks taulukkoo kute edellä: χ Sum.406
6 Vapausastede lukumäärä df = (r )(c ) = 5 a krttseks arvoks saadaa.07. Nollahypotees ää vomaa, koska laskettu testsuuree arvo.406 o peemp ku.07. O ss mahdollsta, että heklöt A a B ovat hettäeet sama oppaa. 4. (Rppumattomuustest) Eräässä taloudellsessa tutkmuksessa kartotett yrtyste tulevasuudeodotuksa. Tutkmuksessa haastatelt ykskertasella satuasotaalla valtut 85 er yrtykse edustaaa a saat seuraavalaset tulokset: Näkymät: Yrtykse tyypp: hyvät eutraalt huoot vetyrtykset 7 33 kotmarkkayrtykset Testaa 5 %: merktsevyystasolla pokkeavatko vetyrtyste a kotmarkkayrtyste tulevasuudeodotukset tosstaa. Rppumattomuustestssä tutka o päättäyt aoastaa otoskoo etukätee a kerää yhde aoa otokse, mutta havatut frekvesst akautuvat satuasest sekä yrtykse tyyp mukaa että tulevasuudeäkyme mukaa. Itse test suortetaa kute homogeesuustestk. Muotollaa hypoteest: H 0 : Vetyrtyste a kotmarkkayrtyste suhtautumsessa tulevasuutee e ole eroa H : Vetyrtyste a kotmarkkayrtyste suhtautumsessa tulevasuutee o eroa Merktää deksllä rveä, =,,, r (egl. row), deksllä sarakketa, =,,, c (egl. colum). Odotetut frekvesst määrätää kertomalla vastaava havattue frekvesse sarakesumma vastaavalla rvsummalla a akamalla frekvesse kokoassummalla. O 3 Sum Sum E 3 Sum Sum Esm. odotettu frekvess E 3 = 40 7/ Lasketaa testsuuree arvo kaavalla χ r c ( O ) E = E = =
7 Järestetää laskutomtukset selkeyde vuoks taulukkoo kute edellä: χ Sum.709 Vapausastede lukumäärä df = (r )(c ) = a krttseks arvoks saadaa Nollahypotees ää vomaa, koska laskettu testsuuree arvo.709 o peemp ku Vetmarkkode a kotmarkkode yrtyste tulevasuudeodotukset evät pokkea tlastollsest merktseväst tosstaa. Pstetehtävä. Eräässä tehtaassa o kolme er työvuoroa: A, B a C. Ptkällä aaaksolla vuorossa A tapahtuu 0 työtapaturmaa a vuorossa B a C kummassak 0 työtapaturmaa. Vakuttaako työvuoro työtapaturme lukumäärää? Testaa 5 %: merktsevyystasolla. Kakk työvuorot oletetaa yhtä ptkks a kakssa vuorossa o yhtä palo työtekötä. Muotollaa testattavat hypoteest: H 0 : Työvuoro e vakuta työtapaturme lukumäärää H : Työvuoro vakuttaa työtapaturme lukumäärää Jos työvuoro e vakuta työtapaturme lukumäärää, tapaturme lukumäärä ptäs oudattaa dskreettä tasasta akaumaa. El hypoteest vodaa muotolla: H 0 : Työtapaturme lukumäärä er vuorossa oudattaa dskreettä tasasta akaumaa H : Työtapaturme lukumäärä er vuorossa e oudata dskreettä tasasta akaumaa Tässä tehdää tos saoe yhteesopvuustest. Merktää havattua frekvesseä O (egl. observed) a odotettua frekvesseä E (egl. expected): O Luokka 3 Summa Havattu frekvess E Luokka 3 Summa Odotettu frekvess
8 Lasketaa testsuuree arvo: χ k ( O ) ( ) ( ) ( ) E = = + + = 4 E = Nollahypotees pätessä testsuure oudattaa (asymptoottsest) χ -akaumaa vapausastella df = k = a testsuuree suuret arvot vttaavat she, että ollahypotees e päde. Krttseks arvoks saadaa χ -akauma taulukosta 5.99, ote H 0 ää vomaa 5 %: merktsevyystasolla. Työtapaturme lukumäärät er työvuorossa evät pokkea tosstaa tlastollsest merktseväst el havatut erot työtapaturme lukumäärssä vovat olla satuasvahtelu aheuttama. Pstetehtävä. Eräässä 4 kua otoksessa suhteellse rkollsuude (rkoksa per 000 asukasta) a asukastheyde (asukasta per km ) välse otoskorrelaatokertome arvoks saat r = Testaa ollahypoteesa, että ko. muuttuat ovat korrelomattoma. Käytä kakssuutasta vahtoehtosta hypoteesa a 5 %: merktsevyystasoa. H 0 : ρ = 0, H : ρ 0 r 0.57 t = = r 0.57 Jos ollahypotees pätee, testsuure oudattaa t-akaumaa vapausastella. Krttsks arvoks 5 %: merktsevyystasolla saadaa ±.0. Nollahypotees ää vomaa 5 %: merktsevyystasolla ts. asukastheys a suhteelle rkollsuus evät korrelo. Huomaa, että yhde selttää leaarse regressomall tapauksessa test korrelaatokertomelle a test regressokertomelle yhtyvät. Lsäks yhde selttää leaarse regressomall seltysaste o sama ku otoskorrelaatokertome elö. Perataa 5. lueolla kerrataa älkmmäse välkoealuee asota. Tovomuksa kertauslueolla kästeltävstä ahesta vo lähettää sähköpostlla osotteesee mat090@cc.hut.f. Jälkmmäe välkoe o tstaa 6.. klo 9-. Ilmottautume Topssa o auk. Koealue: Lase kra luvut , 5.8, , (pl. bootstrapluottamusvält), lueot vkolta a laskuharotukset 7-. Välkoeuusa 7.. tulokset löytyvät kurss kotsvulta. Sekä välkokee että uustakokee arvosteluu vo tutustua torstaa 4. klo Systeemaalyys laboratoro Rhessä (U9a, päärakeukse Mell-sal puolee pääty, toe kerros).
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,
Lisätiedoton 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,
LisätiedotMat 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
LisätiedotTodennäköisyyslaskennan 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
LisätiedotMat 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,
Lisätiedot1. 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,
LisätiedotMS-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
Lisätiedot2-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,
LisätiedotMat 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
LisätiedotTilastollinen 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
LisätiedotMTTTP1 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
LisätiedotTKK @ 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,
LisätiedotGeneroidaan 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,
LisätiedotMuuttujien 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
LisätiedotMat 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= 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
LisätiedotLuento 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
LisätiedotIlkka 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
LisätiedotVarianssianalyysi. 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
LisätiedotMat 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,
LisätiedotTilastollinen 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
LisätiedotSuoran 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
LisätiedotVäliestimointi (jatkoa) Heliövaara 1
Väliestimointi (jatkoa) Heliövaara 1 Bernoulli-jakauman odotusarvon luottamusväli 1/2 Olkoon havainnot X 1,..., X n yksinkertainen satunnaisotos Bernoulli-jakaumasta parametrilla p. Eli X Bernoulli(p).
LisätiedotLohkoasetelmat. 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
Lisätiedot1. (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
Lisätiedot1.4. 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,
LisätiedotMat 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
LisätiedotHY, 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
LisätiedotMS-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?
LisätiedotMat 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,
LisätiedotTilastollinen testaus. Vilkkumaa / Kuusinen 1
Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää
LisätiedotTuringin 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
Lisätiedot1.2. 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,
Lisätiedot7.5. 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,
LisätiedotIlkka 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,
LisätiedotTilastolliset 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
Lisätiedot11. laskuharjoituskierros, vko 15, ratkaisut
11. laskuharjoituskierros vko 15 ratkaisut D1. Geiger-mittari laskee radioaktiivisen aineen emissioiden lukumääriä. Emissioiden lukumäärä on lyhyellä aikavälillä satunnaismuuttuja jonka voidaan olettaa
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin
LisätiedotTestaa onko lämpökäsittelyllä vaikutusta tankojen keskimääräiseen vetolujuuteen.
Mat-.03 Koesuuttelu ja tlastollset mallt 6. harjotuset Mat-.03 Koesuuttelu ja tlastollset mallt 6. harjotuset / Ratasut Aheet: Avasaat: Yssuutae varassaals Artmeette esarvo, Bartlett test, Box ja Whser
LisätiedotKynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto
Kynä-paper -harjotukset Tana Lehtnen 8.8.07 Tana I Lehtnen Helsngn ylopsto Etelä-Suomen ja Lapn lään, 400 opettajaa a. Perusjoukon (populaaton) muodostvat kakk Etelä-Suomen ja Lapn läänn peruskoulun opettajat
LisätiedotTilastollinen 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,
Lisätiedot13. 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
LisätiedotTilastolliset 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
LisätiedotMat 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,
LisätiedotPuupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:
Puupntasen sandwchkattoelementn lujuuslaskelmat. Ssältö: Sandwch kattoelementn rakenne ja omnasuudet Laatan laskennan kulku Tulosten vertalua FEM-malln ja analyyttsen malln välllä. Elementn rakenne Puupntasa
Lisätiedot8. 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
Lisätiedot9. 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
Lisätiedot9. 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
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-.14 Tilastollisen analyysin perusteet, kevät 7 7. luento: Tarina yhden selittään lineaarisesta regressiomallista atkuu Kai Virtanen 1 Luennolla 6 opittua Kuvataan havainnot (y, x ) yhden selittään
LisätiedotYhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen. Yhteensopivuuden, homogeenisuuden ja riippumattomuuden testaaminen
TKK () Ila Mell (004) Yhteesopvuude, hoogeesuude a rppuattouude testaae Johdatus tlastoteteesee Yhteesopvuude, hoogeesuude a rppuattouude testaae TKK () Ila Mell (004) Yhteesopvuude, hoogeesuude a rppuattouude
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain
LisätiedotTodennäköisyyden ominaisuuksia
Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset
LisätiedotMarkov-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
LisätiedotTilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä
Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),
LisätiedotKonvergenssikäsitteet 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
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai
LisätiedotKokonaistodennäköisyys 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
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 18 1 Kertausta: momenttimenetelmä ja suurimman uskottavuuden menetelmä 2 Tilastollinen
LisätiedotMat Tilastollisen analyysin perusteet, kevät 2007
Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 2. luento: Tilastolliset testit Kai Virtanen 1 Tilastollinen testaus Tutkimuksen kohteena olevasta perusjoukosta esitetään väitteitä oletuksia joita
Lisätiedotχ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut
Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,
LisätiedotTilastollisen analyysin perusteet Luento 2: Tilastolliset testit
Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit Sisältö Tilastollisia testejä tehdään jatkuvasti lukemattomilla aloilla. Meitä saattaa kiinnostaa esimerkiksi se, että onko miesten ja
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 16. marraskuuta 2007 Antti Rasila () TodB 16. marraskuuta 2007 1 / 15 1 Epäparametrisia testejä χ 2 -yhteensopivuustesti Homogeenisuuden testaaminen Antti
LisätiedotTilastollisten 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
LisätiedotMonte Carlo -menetelmä
Monte Carlo -menetelmä Helumn perustlan elektron-elektron vuorovakutuksen laskemnen parametrsodulla yrteaaltofunktolla. Menetelmän käyttökohde Monen elektronn systeemen elektronkorrelaato oteuttamnen mulla
LisätiedotJohdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1
Johdatus varianssianalyysiin Vilkkumaa / Kuusinen 1 Motivointi Luento 4: kahden riippumattoman otoksen odotusarvoja voidaan vertailla t-testillä H 0 : μ 1 = μ 2, T = ˉX 1 ˉX 2 s 2 1 + s2 2 n 1 n 2 a t(min[(n
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman
Lisätiedot6. 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
LisätiedotTilastollinen 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,
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (004) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotTestit laatueroasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit laatueroasteikollisille muuttujille >> Laatueroasteikollisten
LisätiedotABTEKNILLINEN 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
LisätiedotTA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET
TA7, Ekonometrian johdantokurssi HARJOITUS 4 1 RATKAISUEHDOTUKSET 16..015 1. a Poliisivoimien suuruuden lisäksi piirikuntien rikostilastoihin vaikuttaa monet muutkin tekijät. Esimerkiksi asukkaiden keskimääräinen
LisätiedotJos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan
17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten
LisätiedotMS-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
Lisätiedot1. 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
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään tiedetään, että ainakin kaksi
Lisätiedot4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman
4. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7..008 Thomas Hackman 4. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 4. Tähtteteellsten
LisätiedotLatinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt. Latinalaiset neliöt: Mitä opimme? Latinalaiset neliöt
TKK (c) Ilkka Mellin (005) Koesuunnittelu TKK (c) Ilkka Mellin (005) : Mitä opimme? Tarkastelemme tässä luvussa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan yhden tekijän vaikutusta vastemuuttujaan,
LisätiedotJohdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (005) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden
LisätiedotKokonaislukuoptimointi
Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman
LisätiedotAalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,
Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 2016 Laskuharjoitus 5, Kotitehtävien palautus laskuharjoitusten
LisätiedotYksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1
Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1 Odotusarvoparien vertailu Jos yksisuuntaisen varianssianalyysin nollahypoteesi H 0 : µ 1 = µ 2 = = µ k = µ hylätään, tiedetään, että ainakin
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 11 (vko 48/003) (Aihe: Tilastollisia testejä, Laininen luvut 4.9, 15.1-15.4, 15.7) Nordlund 1. Kemiallisen prosessin
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
Lisätiedot5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman
5. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento 7.4.006 Thomas Hackman 5. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus Akasarja-anals 5. Tähtteteellsten
LisätiedotKuluttajahintojen muutokset
Kuluttajahntojen muutokset Samu Kurr, ekonomst, rahapoltkka- ja tutkmusosasto Tutkmuksen tausta ja tavotteet Tavaroden ja palveluden hnnat evät muutu jatkuvast, vaan ovat ana jossan määrn jäykkä lyhyellä
LisätiedotJos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden
1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella
Lisätiedot2-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,
LisätiedotTodennäköisyyslaskennan 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
LisätiedotTilastollinen 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,
Lisätiedot3. Datan käsittely lyhyt katsaus
3. Datan kästtel lht katsaus Havatsevan tähtteteen peruskurss I, luento..0 Thomas Hackman HTTPK I, kevät 0, luento 3 3. Datan kästtel Ssältö Tähtteteellsten havantojen vrheet Korrelaato Funkton sovtus
LisätiedotJohdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit laatueroasteikollisille muuttujille Laatueroasteikollisten muuttujien testit Testi suhteelliselle
LisätiedotOdotusarvoparien vertailu. Vilkkumaa / Kuusinen 1
Odotusarvoparien vertailu Vilkkumaa / Kuusinen 1 Motivointi Viime luennolta: yksisuuntaisella varianssianalyysilla testataan nollahypoteesia H 0 : μ 1 = μ 2 = = μ k = μ Jos H 0 hylätään, tiedetään, että
LisätiedotHarjoituksen pituus: 90min 3.10 klo 10 12
Pallollse puolustae: Sokea ja ta käspallo/ Lppupallo Tavote: aalteo estäe sjottue puolustavalle puolelle, potku ta heto estäe, syöttäse estäe rstäe taklaus, pae tla vottase estäe sjottue puolustavalle
LisätiedotTilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin
Tilastollisen analyysin perusteet Luento 10: Sisältö Varianssianalyysi Varianssianalyysi on kahden riippumattoman otoksen t testin yleistys. Varianssianalyysissä perusjoukko koostuu kahdesta tai useammasta
Lisätiedot5 Lisa materiaali. 5.1 Ristiintaulukointi
5 Lisa materiaali 5.1 Ristiintaulukointi 270. a) Aineiston koko nähdään frekvenssitaulukon oikeasta alakulmasta: N = 559. Tilastotieteen johdantokurssille osallistui yhteensä 559 opiskelijaa. Huomaa: Opiskelijoiden
LisätiedotTestit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot
TKK (c) Ilkka Melli (4) Testit suhdeasteikollisille muuttujille Johdatus tilastotieteesee Testit suhdeasteikollisille muuttujille Testit ormaalikauma parametreille Yhde otokse t-testi Kahde otokse t-testi
LisätiedotTilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1
Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus KE (2014) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset testit ja testisuureet Virheet
LisätiedotMat-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