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

Koko: px
Aloita esitys sivulta:

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

Transkriptio

1 Mat Tlastolle päättely 4. Hypoteese testaus Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hylkäysalue, Hypotees, Hyväksymsalue, Krtte alue, Nollahypotees, Otos, Parametr, Parametravaruus, Perusjoukko, Päätös, Test, Testsuure, Vahtoehtoe hypotees, Väte 4.. Teste kostruot Hylkäysalue, Hypotees, Hyväksymsalue, Nollahypotees, Normaaljakauma, Osamäärätestsuure, Otos, Parametr, Parametravaruus, Päätös, Suurmma uskottavuude estmaattor, Suurmma uskottavuude estmotmeetelmä, Test, Testsuure, Tyhjetävyys, Uskottavuusfukto, Uskottavuusosamäärä, Vahtoehtoe hypotees 4.3. Teste vertalu 1. laj vrhe,. laj vrhe, Harhato test, Hylkäysalue, Hylkäysvrhe, Hypotees, Hyväksymsalue, Hyväksymsvrhe, Kakssuutae hypotees, Karl ja Rub teoreema, Kelvolle p-arvo, Merktsevyystaso, Mootoe uskottavuusosamäärä, Neyma ja Pearso lemma, Nollahypotees, Osamäärätestsuure, Otos, Parametr, Parametravaruus, p-arvo, Päätös, Suurmma uskottavuude estmaattor, Suurmma uskottavuude estmotmeetelmä, Tasasest vomakka test, Test, Test koko, Test taso, Testsuure, Tyhjetävyys, Uskottavuusfukto, Uskottavuusosamäärä, Vahtoehtoe hypotees, Vrheet testauksessa, Vrhetodeäkösyys, Vomakkuus, Vomakkuusfukto, Yhdstetty hypotees, Ykskertae hypotees, Ykssuutae Ilkka Mell (1) 1/7

2 Mat Tlastolle päättely 4. Hypoteese Ilkka Mell (1) /7

3 Mat Tlastolle päättely 4. Hypoteese testaus 4.1. Johdato Hypotees Olkoo X 1, X,, X satuasotos satuasmuuttuja X jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;) rppuu parametrsta. Tällö havaot X 1, X,, X ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;): Olkoo X, X,, X 1 X f ( x; ), 1,,, X = (X 1, X,, X ) satuasmuuttuje X 1, X,, X muodostama -vektor. Olkoot satuasmuuttuje X 1, X,, X havatut arvot Merktää tätä: x 1, x,, x X 1 = x 1, X = x,, X = x Satuasmuuttuje X 1, X,, X havatut arvot x 1, x,, x määräävät havatopstee x = (x 1, x,, x ) Satuasmuuttuja X pstetodeäkösyys- ta theysfukto f(x;) määrttelemä todeäkösyysjakauma kuvaa satuasmuuttuja X arvoje vahtelua perusjoukossa ja parametr kuvaa jotak perusjouko omasuutta. Tlastolle hypotees o jok parametra koskeva väte. Hypotees testaukse tavotteea o päättää kump kahdesta vastakkasesta perusjouko parametra koskevasta hypoteessta el vätteestä o tos perusjoukosta pomtu otokse perusteella. Huomautus: Tarkastelemme tässä luvussa va todeäkösyysjakauma parametreja koskeve hypoteese testausta. Hypotees testaukse vastakkasa hypoteeseja kutsutaa ollahypoteesks ja vahtoehtoseks hypoteesks. Merktää H : Nollahypotees H 1 : Vahtoehtoe hypotees Olkoo perusjoukkoa kuvaava parametr ja olkoo parametravaruus el mahdollste parametr arvoje joukko. Nollahypotees H ylee muoto o H Ilkka Mell (1) 3/7

4 Mat Tlastolle päättely 4. Hypoteese testaus jossa o jok parametravaruude osajoukko. Tällö vahtoehtoe hypotees H 1 ylee muoto o H : 1 jossa o ollahypotees H määrttelemä jouko komplemett. Esmerkkejä: Olkoo ollahypotees H muotoa H : jossa o parametr jok mahdolle arvo. Tällö vahtoehtoe hypotees H 1 o muotoa H : 1 Olkoo ollahypotees H muotoa H : jossa o parametr jok mahdolle arvo. Tällö vahtoehtoe hypotees H 1 o muotoa H : 1 Olkoo ollahypotees H muotoa H : jossa o parametr jok mahdolle arvo. Tällö vahtoehtoe hypotees H 1 o muotoa H : 1 Test Testauksessa pyrtää päättämää otoksesta saadu formaato perusteella jätetääkö ollahypotees H vomaa (el hyväksytääkö ollahypotees H ) va hylätääkö ollahypotees H ja hyväksytää vahtoehtoe hypotees H 1. Test o päätössäätö, joka jakaa mahdollste havatoarvoje jouko kahtee osajoukkoo: () () Nde havatoarvoje joukko, jotka johtavat ollahypotees H hyväksymsee. Nde havatoarvoje joukko, jotka johtavat ollahypotees H hylkäämsee ja vahtoehtose hypotees H 1 hyväksymsee. Stä otosavaruude osajoukkoa, joka johtaa ollahypotees H hylkäämsee kutsutaa test hylkäysalueeks ta krttseks alueeks. Stä otosavaruude osajoukkoa, joka johtaa ollahypotees H jäämsee vomaa kutsutaa test hyväksymsalueeks. Tlastolle test o ss päätössäätö, joka jakaa otosavaruude hyväksymsalueesee ja hylkäysalueesee. Hylkäysalue pyrtää valtsemaa ste, että ollahypoteessta H vodaa ptää k, elle otoksesta saatu formaato ole kyll vahvaa ollahypotees H Ilkka Mell (1) 4/7

5 Mat Tlastolle päättely 4. Hypoteese testaus Olkoo X (,,, ) X1 X X perusjoukosta pomttu otos. Test perustetaa aa johok testsuureesee. Testsuure o otokse fukto; merktää testsuuretta ylesest: W X W X1 X X ( ) (,,, ) Esmerkk 1.1: Normaaljakauma Olkoo X (,,, ) X1 X X otos ormaaljakaumasta N(, ) ja olkoo ollahypoteesa H : ja vahtoehtosea hypoteesa H : 1 Koska havatoje artmeette keskarvo X 1 X 1 o tyhjetävä ja paras harhato estmaattor parametrlle, o luotevaa perustaa test ollahypoteeslle H tuuslukuu X. O järkevää valta hylkäysalueeks joukko {( x, x,, x ) x } 1 jollo hyväksymsalue saa muodo {( x, x,, x ) x } 1 Tarkastelemme myöhemm kappaleessa 4.3 stä, mte krtte raja ta arvo o valttava, jotta testsuuree todeäkösyys joutua hylkäysalueelle ollahypotees H pätessä el todeäkösyys Pr {( x, x,, x ) x } 1 ols halutu Ilkka Mell (1) 5/7

6 Mat Tlastolle päättely 4. Hypoteese testaus 4.. Teste kostruot Uskottavuusosamäärätest Uskottavuusosamäärämeetelmä o ylee meetelmä teste kostruomseks ja sllä o lähee kytketä suurmma uskottavuude estmotmeetelmää. Satuasotos Olkoo X 1, X,, X satuasotos satuasmuuttuja X jakaumasta, joka pstetodeäkösyys- ta theysfukto f(x;) rppuu parametrsta. Tällö havaot X 1, X,, X ovat rppumattoma, dettsest jakautueta satuasmuuttuja, jolla o sama pstetodeäkösyys- ta theysfukto f(x;): X, X,, X 1 X f ( x; ), 1,,, Uskottavuusfukto Koska havaot X 1, X,, X muodostavat satuasotokse jakaumasta f(x;), otokse X (,,, ) X1 X X yhtesjakauma pstetodeäkösyys- ta theysfukto o jossa f ( x, x,, x ; ) f ( x ; ) f ( x ; ) f ( x ; ) 1 1 f ( x ; ), 1,,, o yksttäsee havatoo X, = 1,,, lttyvä pstetodeäkösyys- ta theysfukto. Otokse X 1, X,, X uskottavuusfukto L( ; x, x,, x ) f ( x, x,, x ; ) 1 1 o havatoje X 1, X,, X yhtesjakauma pstetodeäkösyys- ta theysfukto f arvo psteessä x 1, x,, x tulkttua parametr arvoje fuktoks. Uskottavuusperaattee mukaa uskottavuusfukto L ssältää kake (stokastse) formaato otoksesta. Osamäärätestsuure ja osamäärätest Olkoo jakaumaa f(x;) kuvaava parametr ja olkoo parametravaruus el mahdollste parametr arvoje joukko. Olkoo ollahypotees H muotoa H : jossa o jok parametravaruude osajoukko ja olkoo vahtoehtoe hypotees H 1 Ilkka Mell (1) 6/7

7 Mat Tlastolle päättely 4. Hypoteese testaus H : 1 jossa o jouko komplemett. Osamäärätestsuure hypoteeslle H hypoteesa H 1 vastaa o Koska ja ste sup L( ; x) ( x) sup L( ; x) sup L( ; x) sup L( ; x) (x) 1 Osamäärätest o päätössäätö, joka hylkäysalue el krtte alue o muotoa { x ( x) } jossa o toteuttaa ehdo 1 Tarkastelemme krttse raja el arvo valtsemsta kappaleessa 4.3. Jos osamäärätestsuure (x) saa pee (lähellä ollaa oleva) arvo, vahtoehtose hypotees H 1 rajottamassa parametravaruude osajoukossa 1 o sellasa parametr arvoja, jotka tekevät havatusta otoksesta uskottavamma ku mkää sellae parametr arvo, joka kuuluu ollahypotees H rajottamaa parametravaruude osajoukkoo. Ste peet (lähellä ollaa olevat) osamäärätestsuuree (x) arvot vttaavat she, että ollahypotees saattaa olla syytä hylätä. Jos osamäärätestsuure (x) saa suure (lähellä ykköstä oleva) arvo, ollahypotees H rajottamassa parametravaruude osajoukossa o sellasa parametr arvoja, jotka tekevät havatusta otoksesta lähes yhtä uskottava ku melvaltae parametr arvo, joka kuuluu vahtoehtose hypotees H 1 rajottamaa parametravaruude osajoukkoo 1. Ste suuret (lähellä ykköstä olevat) osamäärätestsuuree (x) arvot vttaavat she, että ollahypoteesa e ole syytä hylätä. Olkoo ˆ ˆ( x) se parametr arvo, joka maksmo uskottavuusfukto L(;x) koko parametravaruudessa ja olkoo ˆ ˆ ( x Ilkka Mell (1) 7/7

8 Mat Tlastolle päättely 4. Hypoteese testaus se parametr arvo, joka maksmo uskottavuusfukto L(;x) ollahypotees H rajottamassa parametravaruude osajoukossa. Tällö Huomaa, että L( ˆ ; x) ( x) L( ˆ ; x) ˆ ˆ( X) o parametr rajottamato suurmma uskottavuude estmaattor, joka saadaa maksmomalla uskottavuusfukto L(;x) koko parametravaruudessa ja ˆ ˆ ( X ) o parametr rajotettu suurmma uskottavuude estmaattor, joka saadaa maksmomalla uskottavuusfukto L(;x) ollahypotees H rajottamassa parametravaruude osajoukossa. Esmerkk.1: Osamäärätest ormaaljakauma odotusarvolle Tarkastelemme tässä uskottavuusosamäärätestä ormaaljakauma odotusarvolle, ku jakauma varass o tuettu; vrt. esmerkkä.1. esmerkk.. Satuasmuuttuja X oudattaa ormaaljakaumaa parametre E( X ) Var( X ) E[( X ) ] jos se theysfukto o 1/ 1 f ( x;, ) ( ) exp ( x ),, x Parametr o ormaaljakauma odotusarvo ja parametr o ormaaljakauma varass. Oletetaa, että havaot X 1, X,, X muodostavat satuasotokse ormaaljakaumasta N(,1). Tällö X, X,, X 1 X N(,1), 1,,, Olkoo ollahypotees H muotoa H : ja vahtoehtoe hypotees H 1 muotoa H : 1 Parametravaruus o tässä muotoa { Ilkka Mell (1) 8/7

9 Mat Tlastolle päättely 4. Hypoteese testaus Määrätää osamäärätest hypoteeslle H hypoteesa H 1 vastaa. Osamäärätestsuure (x) o tässä max L( ; x) ( x) max L( ; x) Koska ollahypotees H rajottama parametravaruude osajoukko o muotoa { } osamäärätestsuuree osottaja o L( ; x) Osamäärätestsuuree mttäjä o L( ˆ ; x) parametr suhtee koko parametr- jossa ˆ maksmo uskottavuusfukto L( ; x) avaruudessa. Luvussa 3 o äytetty, että parametr rajottamato suurmma uskottavuude estmaattor ˆ o havatoje artmeette keskarvo X 1 X 1 Ste osamäärätestsuure (x) saa muodo L( ; x) ( x) L( x; x) / 1 ( ) exp ( x ) 1 / 1 ( ) exp ( x x) 1 1 exp ( ) ( ) x x x 1 1 Osamäärätestsuure (x) vodaa krjottaa ykskertasempaa muotoo, ku otetaa huomoo, että koska ( x ) ( x x x ) 1 1 ( x x) ( x x)( x ) ( x ) ( x x) ( x ) Ilkka Mell (1) 9/7

10 Mat Tlastolle päättely 4. Hypoteese testaus ( x x)( x ) ( x ) ( x x) 1 1 ( x ) x x 1 ( x ) x x 1 1 Ste osamäärätestsuure (x) ollahypoteeslle H vahtoehtosta hypoteesa H 1 vastaa vodaa esttää muodossa 1 ( ) exp ( ) x x Osamäärätest o test, joka hylkää ollahypotees H pelle testsuuree (x) arvolle. Hylkäysalue x ( x) vodaa esttää ekvvaletssa muodossa x x log( ) / Ku vahtelee välllä [,1], log( ) / vahtelee välllä [,). Ste osamäärätest hylkää ollahypotees H, jos havatoarvoje artmeette keskarvo x pokkeaa parametr ollahypotees H kttämästä arvosta eemmä ku jok ee test tekemstä ktetty lukuarvo. Olkoo tuusluku T(X) o tyhjetävä parametrlle ja olkoo se pstetodeäkösyys- ta theysfukto g(t;). Tarkastellaa osamäärätestä, joka perustuu tuuslukuu T ja se uskottavuusfuktoo L (; t) = g(t;) Olkoo tuuslukuu T perustuvaa osamäärätestsuure (t). Koska kakk otoksee ssältyvä formaato parametrsta ssältyy tuuslukuu T, tutus luotevalta, että tuuslukuu T perustuva test o yhtä hyvä ku otoksee X perustuva test. Itse asassa ämä testt ovat ekvvaletteja, kute seuraava lause osottaa. Lause: Oletetaa, että tuusluku T(X) o tyhjetävä parametrlle. Olkoo (t) tuuslukuu T perustuva osamäärätest ja olkoo (x) otoksee X perustuva osamäärätest. Tällö ( T ( x)) ( x) jokaselle havatopsteelle Ilkka Mell (1) 1/7

11 Mat Tlastolle päättely 4. Hypoteese testaus Todstus: Koska tuusluku T o tyhjetävä parametrlle, faktorotteoreemasta (ks. lukua ) seuraa, että otokse X pstetodeäkösyys- ta theysfukto f(x;) vodaa esttää muodossa f ( x; ) g( T ( x); ) h( x) jossa g(t;) o tuusluvu T pstetodeäkösyys- ta theysfukto ja h(x) e rpu parametrsta. Ste sup L( ; x) ( x) sup L( ; x) sup f ( x; ) sup f ( x; ) sup g( T ( x); ) h( x) sup g( T ( x); ) h( x) sup g( T ( x); ) sup g( T ( x); ) sup L ( ; T ( x)) sup L ( ; T ( x)) ( T( x)) Esmerkk.: Osamäärätest ormaaljakauma odotusarvolle Tarkastelemme tässä uskottavuusosamäärätestä ormaaljakauma odotusarvolle, ku jakauma varass e ole tuettu; vrt. esmerkkä.. esmerkk.1. Satuasmuuttuja X oudattaa ormaaljakaumaa parametre E( X ) Var( X ) E[( X ) ] jos se theysfukto o muotoa 1/ 1 f ( x;, ) ( ) exp ( x ),, x Parametr o ormaaljakauma odotusarvo ja parametr o ormaaljakauma Ilkka Mell (1) 11/7

12 Mat Tlastolle päättely 4. Hypoteese testaus Oletetaa, että havaot X 1, X,, X muodostavat satuasotokse ormaaljakaumasta N(, ). Tällö X, X,, X 1 X N(, ), 1,,, Olkoo ollahypotees H muotoa H : ja vahtoehtoe hypotees H 1 muotoa H : 1 Parametravaruutea o tässä {,, } Nollahypotees H rajottama parametravaruude osajoukko o {,, } Määrätää osamäärätestsuure hypoteeslle H hypoteesa H 1 vastaa. Parametr o tässä kusaparametr (egl. usae parameter) o kyllä mall lttyvä tutemato parametr, mutta se arvosta e säsä olla kostueta. Osamäärätestsuure (x) o tässä muotoa max L(, ; x) ( x) max L(, ; x) Testsuuree mttäjä o L ˆ ˆ (, ; x) jossa ˆ ja ˆ maksmovat uskottavuusfukto parametre ja suhtee. L(, ; x) koko parametravaruudessa Luvussa 3 o äytetty, että parametr rajottamato suurmma uskottavuude estmaattor ˆ o havatoje artmeette keskarvo X 1 X 1 ja parametr rajottamato suurmma uskottavuude estmaattor ˆ (harhae) otosvarass 1 ˆ ( ) X X 1 o Ilkka Mell (1) 1/7

13 Mat Tlastolle päättely 4. Hypoteese testaus Jos ˆ x, uskottavuusfukto L(, ; x) rajotettu maksm o sama ku se rajottamato maksm, mutta jos ˆ x, se rajotettu maksm o jossa L(, ˆ ; x) 1 ˆ ( ) X 1 Ste osamäärätestsuure (x) saa muodo 1, jos x ( x) L( ˆ, ; x), jos x L( x, ˆ ; x) Tarkastellaa osamäärätestsuuretta (x) lähemm tapauksessa x. Tällö koska ja L(, ˆ ; x) ( x) L( x, ˆ ; x) / 1 ( ˆ ) exp ( ) ˆ x 1 / 1 ( ˆ ) exp ( x ) x ˆ 1 1 ˆ ˆ ( x ) / ˆ 1 ( x x) ˆ Ste osamäärätestsuure (x) saa muodo ˆ ( x) ˆ 1 1 / ( x ) ( x x) Ilkka Mell (1) 13/7

14 Mat Tlastolle päättely 4. Hypoteese testaus Ottamalla huomoo se, että (ks. esmerkkä.1) sekä lsäks se, että ( x ) ( x x) ( x ) s x x ( ) 1 1 osamäärätestsuure (x) vodaa krjottaa muotoo ( x) ( x ) 1 1 ( x x) / ( x x) ( x ) ( x x) ( x ) 1 ( 1) / t 1 1 / ( x x) ( x ) s / / jossa x t s / o tavaomae t-testsuure ollahypoteeslle H vahtoehtosta hypoteesa H 1 vastaa. Luvussa 1 o äytetty, että t t( 1) jos ollahypotees H pätee. Osamäärätest hylkää ollahypotees H pelle testsuuree (x) arvolle. Hylkäysalue x ( x) vodaa krjottaa ekvvalett muotoo x t / ( 1)( 1) Ilkka Mell (1) 14/7

15 Mat Tlastolle päättely 4. Hypoteese testaus Ku vahtelee välllä [,1], lauseke / ( 1)( 1) vahtelee välllä [,). Ste osamäärätest hylkää ollahypotees H, jos tavaomae t- testsuure saa suuremma arvo ku jok ee test tekemstä ktetty Ilkka Mell (1) 15/7

16 Mat Tlastolle päättely 4. Hypoteese testaus 4.3. Teste vertalu Hylätessää ta hyväksyessää ollahypotees test tekjä vo tehdä vrheellse päätökse. Tavallsest testejä vertallaa vertalemalla vrhede todeäkösyyksä. Vrheet testauksessa, vrhede todeäkösyydet ja test vomakkuus Hylkäysvrhe ja hyväksymsvrhe Olkoo perusjoukkoa kuvaava parametr ja olkoo parametravaruus el mahdollste parametr arvoje joukko. Olkoo ollahypotees H muotoa H : jossa o jok parametravaruude osajoukko. Tällö vahtoehtoe hypotees H 1 vodaa esttää muodossa H : 1 jossa o jouko komplemett. Jos ollahypotees H hylätää sllo, ku se o tos, tehdää 1. laj vrhe el hylkäysvrhe. Jos ollahypotees H hyväksytää sllo, ku se o epätos, tehdää. laj vrhe el hyväksymsvrhe. Vrheet testauksessa Nollahypotees H o tos Maalma tla Nollahypotees H o epätos Test tulos Nollahypotees H hylätää Nollahypotees H hyväksytää 1. laj vrhe el hylkäysvrhe Okea päätös Okea päätös. laj vrhe el hyväksymsvrhe Olkoo test hylkäysalue el se otosavaruude osajoukko, joka johtaa ollahypotees hylkäämsee R. Olkoo x havatopste. Oletetaa, että ollahypotees H : pätee. Tällö test johtaa ollahypotees H vrheellsee hylkäämsee el 1.laj vrheesee, jos x R Ste 1. laj vrhee el hylkäysvrhee todeäkösyys o Pr ( X R) Vastaavast. laj vrhee el hyväksymsvrhee todeäkösyys o Pr ( X R Ilkka Mell (1) 16/7

17 Mat Tlastolle päättely 4. Hypoteese testaus Huomaa, että Ste todeäkösyys Pr ( X R ) 1 Pr ( X R) Pr ( X R) ssältää parametr fuktoa kake formaato teststä, joka hylkäysalue o R. Nyt Test vomakkuus 1. laj vrhee todeäkösyys, jos Pr ( X R) 1 (. laj vrhee todeäkösyys), jos Olkoo test hylkäysalue R. Tällö todeäkösyyttä Pr ( X R) kutsutaa parametr fuktoa test vomakkuusfuktoks. Merktää: ( ) Pr ( X R) Hyvä test o vomakas, koska se. laj vrhee todeäkösyys o pe. Ideaalse test vomakkuusfukto ols muotoa, ( ) 1, Tällasta deaaltlaetta e kutekaa saavuteta ku trvaalessa erkostapauksssa. Vomme kutek todeta, että hyvällä testllä () = usemmlle ja () = 1 usemmlle. Osamäärätest tapauksessa test vomakkuusfukto o muotoa Test koko ja test taso ( ) Pr ( ( X) ) Kteälle otoskoolle 1. ja. laj vrhede todeäkösyyksä e voda yleesä tehdä samaakasest melvaltase peks. Sks test kostruodaa tavallsest, että es ktetää 1. laj vrhee todeäkösyys ja stte de teste joukosta, jolla sama 1. laj vrhee todeäkösyys valtaa test, jolla. laj vrhee todeäkösyys o mahdollsmma pe. Olkoo 1 ja olkoo () test vomakkuusfukto. Saomme, että test koko o, jos sup ( Ilkka Mell (1) 17/7

18 Mat Tlastolle päättely 4. Hypoteese testaus Saomme, että test taso o, jos sup ( ) Kakk evät tee eroa terme koko ja taso välllä. Lsäks test tasoa kutsutaa use merktsevyystasoks. O syytä huomata, että kokoa olevat testt muodostavat osajouko tasoa oleve teste joukossa. Kokoa olevaa testä e välttämättä ole olemassa, mutta vakka ä olsk asalata, saattaa slt olla mahdollsta löytää jok tasoa oleva test. Sovelluksssa test taso valtaa use etukätee so. ee test tekemstä. Tavaomasa valtoja ovat =.1,.5,.1,.1 O syytä huomata, että valtsemalla test taso etukätee vodaa kotrolloda va 1. laj vrhee el hylkäysvrhee todeäkösyyttä. Osamäärätest tapauksessa test tasoks tulee, jos vako valtaa ste, että Harhattomat testt sup ( ) sup Pr ( ( X) ) Test taso lsäks saatamme olla kostueta myös musta test omasuukssta. O järkevää tovoa, että ollahypotees H tulee todeäkösemm hylätyks sllo, ku, ku sllo, ku. Jos testllä o tämä omasuus, kutsutaa testä harhattomaks. Saomme, että test o harhato, jos ( ) ( ) kaklle ja kaklle. Tasasest vomakkammat testt Tarkastellaa sellaste teste luokkaa, jode taso o. Edellsessä kappaleessa todett, että kaklla tähä luokkaa kuuluvlla testellä 1. laj vrhee el hylkäysvrhee todeäkösyys o korketaa kaklle. Optmaalsea testä de teste joukossa, jode taso o, vodaa ptää sellasta testä, jolla o mahdollsmma pe. laj vrhee el hyväksymsvrhee todeäkösyys el mahdollsmma suur vomakkuus kaklle. Olkoo C jok sellaste teste luokka, jolla testataa ollahypoteesa H : vahtoehtosta hypoteesa vastaa. H : Ilkka Mell (1) 18/7

19 Mat Tlastolle päättely 4. Hypoteese testaus Luokkaa C kuuluva test, joka vomakkuusfukto o (), o tasasest vomakka (egl. uformly most powerful, UMP) luokassa C, jos kaklle ( ) ( ) ja kaklle luokkaa C kuuluve teste vomakkuusfuktolle (). Tässä kappaleessa tarkastelu kohteea oleva teste luokka o kakke de teste luokka C, jode taso o. Tällö vomme puhua tasasest vomakkammasta tasoa olevasta teststä. Tällasta testä e ole aa olemassa, mutta jos sellae o olemassa, stä vodaa ptää parhampaa tasoa oleve teste luokassa. Neyma ja Pearso lemma: Olkoo ollahypoteesa H : ja vahtoehtosea hypoteesa ja olkoo H : 1 1 f ( x; ),,1 otokse X = (X 1, X,, X ) yhtesjakauma pstetodeäkösyys- ta theysfukto, ku parametr saa arvo, =,1. Tarkastellaa testä, joka hylkäysaluee R määrttelee seuraavat ehdot: O olemassa k ste, että (1) ja () x R, jos f ( x; 1) kf ( x; ) x R, jos f ( x; 1) kf ( x; ) Pr ( X R) Tällö pätee seuraava: () () Ehtoje (1) ja () rttävyys: Jos test toteuttaa ehdot (1) ja (), se o tasasest vomakka tasoa oleva test. Ehtoje (1) ja () välttämättömyys: Jos o olemassa test, joka toteuttaa ehdot (1) ja () jollek k >, jokae tasasest vomakka tasoa oleva test o kokoa el toteuttaa ehdo (). Lsäks jokae tasasest vomakka tasoa oleva test toteuttaa ehdo (1) mahdollsest lukuu ottamatta ollamttasta joukkoa A el joukko A toteuttaa ehdot Pr ( X A) Pr ( X A) Ilkka Mell (1) 19/7

20 Mat Tlastolle päättely 4. Hypoteese testaus Todstus: Todstamme lausee va jatkuve jakaume tapauksessa. Todstus dskreette jakaume tapauksessa saadaa korvaamalla tässä estety todstukse tegraalt summlla. Toteamme es, että jokae test, joka toteuttaa ehdo () Pr ( X R) o kokoa ja ste myös tasoa, koska ollahypotees H määrttelemässä parametravaruude osajoukossa o va yks pste, jollo sup Pr ( X R) Pr ( X R) Määrtellää merktöje ykskertastamseks testfukto (x) seuraavalla tavalla: 1, x R ( x), x R Testfukto (x) o dkaattorfukto hylkäysalueelle R. Olkoo (x) testfukto testlle, joka toteuttaa ehdot (1) ja () ja olkoo (x) testfukto melvaltaselle tasoa olevalle testlle. Olkoot () ja () vastaavat vomakkuusfuktot. Koska ( x) 1 ehdosta (1) ja stä, että ja seuraa, että Ste ( x) 1, jos f ( x; ) kf ( x; ) 1 ( x), jos f ( x; ) kf ( x; ) 1 [ ( x) ( x)][ f ( x; ) kf ( x; )] 1 [ ( ) ( )][ f ( ; ) kf ( ; )] d ( ) ( ) k[ ( ) ( )] () x x x 1 x x 1 1 () Ehtoje (1) ja () rttävyys. Todetaa es, että ( ) ( ) ( ) koska o tasoa oleva test ja o kokoa oleva test. Ste epäyhtälöstä () ja stä, että k että seuraa, että jote ( ) ( ) k[ ( ) ( )] ( ) ( ) ( ) ( ) Ilkka Mell (1) /7

21 Mat Tlastolle päättely 4. Hypoteese testaus () Ste test o vomakkaamp ku test. Koska ol melvaltae tasoa oleva test ja vahtoehtose hypotees H 1 määrttelemässä parametravaruude osajoukossa 1 o va yks pste 1, o tasasest vomakka tasoa oleva test. Ehtoje (1) ja () välttämättömyys. Olkoo (x) testfukto melvaltaselle tasasest vomakkammalle tasoa olevalle testlle. Kohda () mukaa jokae test, joka toteuttaa ehdot (1) ja () o myös tasasest vomakka tasoa oleva test. Ste ( ) ( ) 1 1 Koska k >, epäyhtälöstä () seuraa, että ( ) ( ) ( ) Koska o tasoa oleva test, ja edellee ( ) ( ) ja ste o kokoa oleva test. Lsäks epäyhtälössä () o vomassa yhtäsuuruus. Epäyhtälö () e-egatvse tegrotava [ ( x) ( x)][ f ( x; ) kf ( x; )] 1 tegraal vo olla olla va, jos test toteuttaa ehdo (1) mahdollsest lukuu ottamatta ollamttasta joukkoa A, jolle f ( x; ) dx,,1 A Ste myös kohda () väte o todstettu. Seuraava korollaar lttää tuusluvu tyhjetävyyde Neyma ja Pearso lemmassa tarkasteltuu testaus-asetelmaa. Korollaar: Olkoo testausasetelma sama ku Neyma ja Pearso lemmassa. Olkoo T(X) parametr tyhjetävä tuusluku ja olkoo g(t; ), =,1 tuusluvu T pstetodeäkösyys- ta theysfukto, ku parametr saa arvo, =,1. Tarkastellaa tuuslukuu T perustuvaa testä, joka hylkäysalue S saadaa seuraavsta ehdosta: O olemassa k ste, että (1) x S, jos g( t; 1) kg( t; ) x S, jos g( t; 1) kg( t; Ilkka Mell (1) 1/7

22 Mat Tlastolle päättely 4. Hypoteese testaus ja () Todstus: Pr ( T S) Tällö pätee seuraava: Jos test toteuttaa ehdot (1) ja (), se o tasasest vomakka tasoa oleva test. Otokse X suhtee, tuuslukuu T perustuva test hylkäysalue o R { x T ( x) S} Koska tuusluku T o tyhjetävä parametrlle, faktorotteoreemasta (ks. lukua ) seuraa, että otokse X yhtesjakauma pstetodeäkösyys- ta theysfukto f(x; ), =,1 vodaa esttää muodossa f ( x; ) g( T ( x); ) h( x),,1 jollek e-egatvselle fuktolle h(x). Kertomalla ehdo (1) epäyhtälöt fuktolla h(x) ähdää, että x R, jos f ( x; 1) g( T ( x); 1) h( x) kg( T ( x); ) h( x) kf ( x; ) x R, jos f ( x; 1) g( T ( x); 1) h( x) kg( T ( x); ) h( x) kf ( x; ) Lsäks ehdosta () seuraa, että Pr ( X R) Pr ( T ( X) S) Ste Neyma ja Pearso lausee kohdasta () seuraa, että tuuslukuu T perustuva test o tasasest vomakka tasoa oleva test. Kutsumme Neyma ja Pearso lemma hypoteeseja H ja H 1 ykskertasks, koska e kumpk kttävät va yhde todeäkösyysjakauma otokselle X. Tavallsest haluamme kutek ataa kostukse kohteea oleve hypoteese kttää useampa todeäkösyysjakauma otokselle. Tällasa hypoteeseja kutsutaa yhdstetyks. Esmerkkejä yhdstetystä hypoteesesta ovat ykssuutaset hypoteest H : ta H : H : ta H : sekä kakssuutae hypotees H : Koska tasasest vomakkamma test määrtelmässä vaadtaa, että test o oltava vomakka kaklle, Neyma ja Pearso lemmaa vodaa soveltaa use soveltaa myös tlatessa, jossa hypoteest H ja H 1 ovat yhdstettyjä. Sellae teste luokka, jossa ykssuutaselle hypoteeslle vodaa kostruoda tasasest vomakka tasoa oleva test, o de teste luokka, jotka perustuvat mootosee Ilkka Mell (1) /7

23 Mat Tlastolle päättely 4. Hypoteese testaus Olkoo { g( t; ); } yksulottese satuasmuuttuja T pstetodeäkösyys- ta theysfuktode perhe, joka rppuu parametrsta. Perheellä o mootoe uskottavuusosamäärä, jos osamäärä g( t; ) g( t; ) 1 o kaklle > 1 muuttuja t mootoe (e-kasvava ta e-väheevä) fukto joukossa Tehdää sopmus, että { t g( t; ) ta g( t; ) } 1 / =, jos > Molla tavallslla jakaumlla o mootoe uskottavuusosamäärä. Tällasa jakauma ovat esmerkks ormaaljakauma, jossa odotusarvoparametr o tutemato ja varass o tuettu, Posso-jakauma ja bomjakauma. Vodaa tse asassa osottaa, että kaklla sääöllsee ekspoettperheesee g( t; ) h( t)exp[ w( ) t] kuuluvlla jakaumlla o mootoe uskottavuusosamäärä, jos w() o parametr e-väheevä fukto. Karl ja Rub teoreema: Todstus: Olkoo ollahypoteesa H : ja vahtoehtosea hypoteesa H : 1 Olkoo tuusluku T tyhjetävä parametrlle ja oletetaa lsäks, että tuusluvu T jakaume perheellä { g( t; ) } o mootoe uskottavuusosamäärä. Valtaa t. Jokae test, joka hylkää ollahypotees H, jos ja va jos T > t o tasasest vomakka tasoa oleva test, jossa Olkoo Pr ( T t ) ( ) Pr ( T t ) test vomakkuusfukto. Valtaa > ja tarkastellaa testä, jossa testataa ollahypoteesa H : vahtoehtosta Ilkka Mell (1) 3/7

24 Mat Tlastolle päättely 4. Hypoteese testaus vastaa. H : 1 Koska tuusluvu T jakaume perheellä o mootoe uskottavuusosamäärä, vomakkuusfukto () o e-väheevä. Tästä seuraa: () () sup ( ) ( ) ja test taso o. Jos määrttelemme suuree jossa g( t; ) k f t g( t; ) { t t t ja joko g( t; ) ta g( t; ) } g( t; ) T t k g( t; ) Ste kohdsta () ja () seuraa Neyma ja Pearso lausee korollaar ojalla, että ( ) ( ) jossa () o melvaltase tose tasoa oleva ollahypotees H test vomakkuusfukto el sellase test vomakkuusfukto, jolle ( ) Tosaalta melvaltase tasoa oleva ollahypotees H test vomakkuusfukto toteuttaa ehdo Ste ( ) sup ( ) ( ) ( ) melvaltaselle tasoa oleva ollahypotees H testlle. Koska ol melvaltae, test o tasasest vomakka tasoa oleva test. Vastaavast, jos ollahypotees o muotoa H : ja vahtoehtoe hypotees o muotoa H : Ilkka Mell (1) 4/7

25 Mat Tlastolle päättely 4. Hypoteese testaus ja Karl ja Rub lausee ehdot pätevät, jokae test, joka hylkää ollahypotees H, jos ja va jos T < t o tasasest vomakka tasoa oleva test, jossa Pr ( T t ) Test p-arvo Test tekemse jälkee test tuloksesta ptää kertoa jollak tlastollsest merktsevällä tavalla. Eräs mahdollssta tavosta o kertoa test koko ja se hylättkö va hyväksyttkö ollahypotees H. Jos test koko ol pe, päätös hylätä ollahypotees H perustuu suhteellse vahvoh todstes ollahypoteesa vastaa. Se sjaa, jos test koko ol suur, päätös hylätä ollahypotees H e perustu kov vahvoh todstes ollahypoteesa vastaa. Toe mahdolle tapa kertoa test tuloksesta o lmottaa tuusluku, jota kutsutaa test p- arvoks. Test p-arvo p(x) o tuusluku, joka toteuttaa ehdo p( x) 1 jokaselle havatopsteelle x. Pe p-arvo vttaa she, että vahtoehtoe hypotees H 1 o tos. Saomme, että p-arvo o kelvolle, jos Pr ( p( X) ) kaklle ja kaklle, 1. Jos p(x) o kelvolle p-arvo, vodaa helpost kostruoda tasoa oleva test. Test, joka hylkää ollahypotees H, jos ja va jos o tasoa. p( x) Test p-arvo p(x) kertome ssältää aa eemmä formaatota ku se, että kerrotaa va test taso ja se hylättkö va hyväksyttkö ollahypotees H. (Lähes) kakk tlastollset ohjelmstot kertovatk ykyää test p-arvo. Seuraavaa lauseesee ssältyy yles tapa määrtellä kelvolle p-arvo. Lause: Todstus: Olkoo W(X) testsuure, joka suuret arvot vttaavat she, että vahtoehtoe hypotees H 1 pätee. Olkoo p( x) sup Pr ( W ( X) W ( x)) Tällö p(x) o kelvolle p-arvo. Valtaa. Olkoo F ( w) tuusluvu W(X) kertymäfukto ja olkoo p ( x) Pr ( W ( X) W ( x)) Pr ( W ( X) W ( x)) F ( W ( Ilkka Mell (1) 5/7

26 Mat Tlastolle päättely 4. Hypoteese testaus Ste satuasmuuttuja p ( x) jakauma o stokastsest suuremp ta yhtä suur ku välllä (,1) määrtelty jatkuva tasae jakauma Uform(,1). Jos satuasmuuttuja p ( x) o jatkuva tämä seuraa stä, että aa pätee seuraava: Olkoo X jatkuva satuasmuuttuja, joka kertymäfukto o F X ja olkoo Tällö Y = F X (X) Y Uform(,1) ts. Pr( Y y) y kaklle y, < y < 1. Väte vodaa perustella myös sllo, ku satuasmuuttuja p ( x) o dskreett. Stokaste suuremmuus: Olkoo X FX ja Y FY. Satuasmuuttuja X o stokastsest suuremp ta yhtä suur ku satuasmuuttuja Y, jos F ( t) F ( t) X kaklle t. Tällö Y Pr( X t) Pr( Y t) kaklle t. Jos X o stokastsest suuremp ku Y, satuasmuuttujalla X o tapumus saada suurempa arvoja ku satuasmuuttujalla Y. Edellä todetusta seuraa, että Koska kaklle, Pr ( p ( X) ) p( x) sup p ( x) p ( x) Pr ( p( X) ) Pr ( p ( X) ) mkä pätee kaklle ja kaklle, 1. Ste p(x) o kelvolle p-arvo. Toe tapa määrtellä kelvolle p-arvo perustuu ehdollstamsee tyhjetävä tuusluvu suhtee. Olkoo tuusluku S(X) tyhjetävä ollahypotees H määrttelemälle malllle { f ( x; ) } Jos ollahypotees H o tos, otokse X ehdolle jakauma ehdolla S = s e rpu parametrsta. Olkoo W(X) testsuure, joka suuret arvot vttaavat she, että vahtoehtoe hypotees H 1 Ilkka Mell (1) 6/7

27 Mat Tlastolle päättely 4. Hypoteese testaus Olkoo p( x) Pr( W ( X) W ( x) S S( x)) Samatapasella argumetlla ku edellsessä lauseessa vodaa todstaa, että Pr( p( X) S s) kaklle, 1. Jos S o dskreett satuasmuuttuja, Pr ( p( X) ) Pr( p( X) S s) Pr ( S s) Pr ( S s) s s jote p(x) o kelvolle p-arvo. Jos S o jatkuva satuasmuuttuja, summalausekkeet yllä olevssa kaavossa o korvattava Ilkka Mell (1) 7/7

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

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

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

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

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

Lisätiedot

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

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

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

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 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

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

2-suuntainen vaihtoehtoinen hypoteesi

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

Lisätiedot

1.2. 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

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

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

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

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

= 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

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

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

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

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

Lisätiedot

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

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

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

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

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

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

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. 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Mat Sovellettu todennäköisyyslasku A

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

Lisätiedot

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

Satunnaismuuttujat ja todennäköisyysjakaumat

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

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

HASSEN-WEILIN LAUSE. Kertausta

HASSEN-WEILIN LAUSE. Kertausta HASSEN-WEILIN LAUSE Kertausta Käytetään seuraava merkntjä F = F/F q on sukua g oleva funktokunta Z F (t = L F (t (1 t(1 qt on funktokunnan F/F q Z-funkto. α 1, α 2,..., α 2g ovat polynomn L F (t nollakohten

Lisätiedot

Monte Carlo -menetelmä

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

Lisätiedot

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

Testit laatueroasteikollisille muuttujille

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

Lisätiedot

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

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

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

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

Mat Lineaarinen ohjelmointi

Mat Lineaarinen ohjelmointi Mat-.4 Lneaarnen ohelmont 8..7 Luento 6 Duaaltehtävä (kra 4.-4.4) S ysteemanalyysn Lneaarnen ohelmont - Syksy 7 / Luentorunko Motvont Duaaltehtävä Duaalteoreemat Hekko duaalsuus Vahva duaalsuus Täydentyvyysehdot

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

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

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

Satunnaismuuttujat ja todennäköisyysjakaumat

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

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

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

7. Modulit Modulit ja lineaarikuvaukset.

7. Modulit Modulit ja lineaarikuvaukset. 7. Modult Vektoravaruudet ovat vahdannasa ryhmä, jossa on määrtelty jonkn kunnan skalaartomnta. Hyväksymällä kerronrakenteeks kunnan sjaan rengas saadaan rakenne nmeltä modul. Moduln käste on ss vektoravaruuden

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

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

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

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

Väliestimointi (jatkoa) Heliövaara 1

Väliestimointi (jatkoa) Heliövaara 1 Väliestimointi (jatkoa) Heliövaara 1 Bernoulli-jakauman odotusarvon luottamusväli 1/2 Olkoon havainnot X 1,..., X n yksinkertainen satunnaisotos Bernoulli-jakaumasta parametrilla p. Eli X Bernoulli(p).

Lisätiedot

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

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat 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

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Lisätiedot

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b Tilastollie päättömyys, kevät 07 Harjoitus b Heikki Korpela 3. helmikuuta 07 Tehtävä. a Olkoot Y,..., Y Bθ. Johda uskottavuusosamäärä testisuuree ry, Waldi testisuuree wy ja Rao pistemäärätestisuuree uy

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Tilastollinen testaus Tilastollinen testaus Tilastollisessa testauksessa tutkitaan tutkimuskohteita koskevien oletusten tai väitteiden paikkansapitävyyttä havaintojen avulla. Testattavat oletukset tai

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

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

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (004) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden

Lisätiedot

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

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

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

Lisätiedot

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa Mttausteknkan perusteet / luento 6 Mttausepävarmuus ja shen lttyvää termnologaa Mttausepävarmuus = mttaustulokseen lttyvä parametr, joka kuvaa mttaussuureen arvojen odotettua vahtelua Mttauksn lttyvä kästtetä

Lisätiedot

Kokonaislukuoptimointi

Kokonaislukuoptimointi Kokonaslukuotmont Robust dskreett otmont ysteemanalyysn Laboratoro Teknllnen korkeakoulu Ar-Pekka Perkkö ovelletun matematkan tutkasemnaar Kevät 28 sältö Robustn lneaarsen kokonasluku- sekä sekalukuotmontongelman

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu 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

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

Tilastollinen päättely. 5. Väliestimointi Johdanto Luottamusvälien konstruointi Luottamusvälien vertailu

Tilastollinen päättely. 5. Väliestimointi Johdanto Luottamusvälien konstruointi Luottamusvälien vertailu ilastollinen päättely 5.. Johdanto Estimointi, Joukkoestimointi, Kriittinen alue, uottamusjoukko, uottamustaso, uottamusväli, Otos, Parametri, Peittotodennäköisyys, Piste-estimointi, Väliestimaatti, Väliestimaattori,

Lisätiedot

Testit järjestysasteikollisille muuttujille

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

Lisätiedot

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

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (005) 1 Testit suhdeasteikollisille muuttujille Testit normaalijakauman parametreille Yhden otoksen t-testi Kahden

Lisätiedot

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

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

Kynä-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

Lisätiedot

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

Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot TKK (c) Ilkka Melli (4) Testit suhdeasteikollisille muuttujille Johdatus tilastotieteesee Testit suhdeasteikollisille muuttujille Testit ormaalikauma parametreille Yhde otokse t-testi Kahde otokse t-testi

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Lisätiedot

Bernoullijakauma. Binomijakauma

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

Lisätiedot

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

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen 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

Lisätiedot

Tilastollisen fysiikan luennot

Tilastollisen fysiikan luennot Tlastollsen fyskan luennot Tvstelmät luvuttan I PERUSKÄSITTEITÄ JA MÄÄRITELMIÄ Lämpö on systeemen mkroskooppsten osen satunnasta lkettä Lämpöenerga vrtaa kuumemmasta kappaleesta kylmempään Jos kaks kappaletta

Lisätiedot

1. PARAMETRIEN ESTIMOINTI

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

Lisätiedot

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen Ilmar Juva 45727R Mat-2.108 Sovelletun matematkan erkostyö Jalkaallo-ottelun loutuloksen stokastnen mallntamnen 1 Johdanto Jalkaallo-ottelun loutuloksen mallntamsesta tlastollsn ja todennäkösyyslaskun

Lisätiedot

1, x < 0 tai x > 2a.

1, x < 0 tai x > 2a. PHYS-C020 Kvanttmekankka Laskuharotus 2, vkko 45 Tarkastellaan ptkn x-aksela lkkuvaa hukkasta, onka tlafunkto on (x, t) Ae x e!t, mssä A, a! ovat reaalsa a postvsa vakota a) Määrtä vako A sten, että tlafunkto

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

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 7: NCSS - Tilastollinen analyysi Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen

Lisätiedot

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