Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

Koko: px
Aloita esitys sivulta:

Download "Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:"

Transkriptio

1 Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva jakauma, Kertymäunktio, Kaksiulotteinen normaalijakauma, Korrelaatio, Korreloituneisuus, Kovarianssi, Odotusarvo, Pistetodennäköisyysunktio, Regressiounktio, Reunajakauma, Riippumattomuus, Riippuvuus, Tiheysunktio, Varianssi, hteisjakauma 6.. Heitetään kahta virheetöntä noppaa (nopan virheettömyydellä tarkoitetaan sitä, että silmälukujen,, 3, 4, 5, 6 todennäköisyydet ovat yhtä suuria). Määritellään satunnaismuuttujat Määrää: (a) (b) (c). nopan heiton tulos. nopan heiton tulos Z Satunnaismuuttujien ja Z yhteisjakauma. E(Z) Var(Z) (d) Cov(, Z) (e) Satunnaismuuttujan Z ehdollinen jakauma ehdolla. () Satunnaismuuttujan ehdollinen jakauma ehdolla Z 3. (g) E(Z ) Ratkaisu: (a) Satunnaismuuttujien ja pistetodennäköisyysunktiot (i) Pr( i), i,, 3, 4, 5, 6 (i) Pr( i), i,, 3, 4, 5, 6 voidaan esittää seuraavana taulukkona: i (i) /6 /6 /6 /6 /6 /6 (i) /6 /6 /6 /6 /6 /6 Ilkka Mellin (4) /3

2 Mat-.9 Sovellettu todennäköisyyslasku A Muodostetaan heittotulosten erotuksille Z. nopan heiton tulos. nopan heiton tulos seuraava aputaulukko: Erotus. nopan heiton tulos Z nopan heiton tulos Satunnaismuuttujan Z mahdolliset arvot ovat 5, 4, 3,,,, +, +, +3, +4, +5 Satunnaismuuttujan Z pistetodennäköisyysunktio Z (k) Pr(Z k), k 5, 4, 3,,,, +, +, +3, +4, +5 voidaan lukea yllä esitetystä aputaulukosta. Pistetodennäköisyysunktio voidaan esittää seuraavana taulukkona: k Z (k) /36 /36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 /36 /36 Esimerkiksi 3 voi tulla erotuksen Z arvoksi täsmälleen kolmella eri tavalla:. nopan heiton tulos. nopan heiton tulos Erotus Z Ilkka Mellin (4) /3

3 Mat-.9 Sovellettu todennäköisyyslasku A Satunnaismuuttujien ja Z yhteisjakauman pistetodennäköisyysunktio Z (i, k) Pr( i ja Z k) voidaan esittää seuraavana taulukkona: Z (i, k). nopan heiton tulos i /36 4 /36 /36 3 /36 /36 /36 /36 /36 /36 /36 Z /36 /36 /36 /36 /36 /36 /36 /36 /36 /36 /36 k /36 /36 /36 /36 /36 /36 /36 /36 /36 3 /36 /36 /36 4 /36 /36 5 /36 Esimerkiksi: Z (, 4) Pr( ja Z 4) koska silmälukujen erotukseksi ei voi tulla 4, jos. nopalla saatiin. Esimerkiksi: Z (3, ) Pr( 3 ja Z ) /36 koska tulos { 3 ja Z } voi syntyä täsmälleen yhdellä tavalla: 3 ja 4 Ilkka Mellin (4) 3/3

4 Mat-.9 Sovellettu todennäköisyyslasku A (b) Satunnaismuuttujan odotusarvo on E( ) ipr( i) i 6 i Vastaavasti myös i 6 ( ) E() /6 3.5 leisesti pätee: Siten E( ) E() E() E(Z) E( ) E() E() (c) Satunnaismuuttujan. origomomentti on E( ) i Pr( i) i 6 i i ( ) 5. Siten satunnaismuuttujan varianssi on Var( ) E[ E( )] Vastaavasti myös E( ) [E( )] Var() 35/.97 Jos satunnaismuuttujat ja ovat riippumattomia, niin Siten Var( ) Var() + Var() Var(Z) Var( ) Var() + Var() 35/ Ilkka Mellin (4) 4/3

5 Mat-.9 Sovellettu todennäköisyyslasku A (d) Todistamme ensin seuraavan aputuloksen: Cov(, ) Var() Cov(, ) Koska kovarianssi on invariantti siirron suhteen, niin voimme olettaa, että E() E() Tällöin Cov(, ) E[( )] E[ ] E( ) E() Var() Cov(, ) Koska ja on oletettu riippumattomiksi, niin Cov(, ) Siten satunnaismuuttujien ja Z kovarianssiksi saadaan Cov(, Z) Var() 35/.97 (e) Satunnaismuuttujan Z ehdollisten jakaumien, kun ehtomuuttujana on, pistetodennäköisyysunktiot saadaan kaavalla Z (, i k) ( k), i,,,6, k 5, 4,,4,5 Z () i Ilkka Mellin (4) 5/3

6 Mat-.9 Sovellettu todennäköisyyslasku A Ehdollisten jakaumien pistetodennäköisyysunktiot voidaan esittää seuraavana taulukkona, jossa ehdolliset jakaumat ovat sarakkeina: Z (k). nopan heiton tulos i /6 4 /6 /6 3 /6 /6 /6 /6 /6 /6 /6 Z /6 /6 /6 /6 /6 /6 /6 /6 /6 /6 /6 k /6 /6 /6 /6 /6 /6 /6 /6 /6 3 /6 /6 /6 4 /6 /6 5 /6 Kysyttyyn ehdolliseen jakaumaan liittyvät osat taulukon luvuista on lihavoitu. Esimerkiksi, jos ja z 4, (,4) (4) Z Z () 6 Esimerkiksi, jos ja z, Z Z (, ) 36 ( ) () 6 6 Ehdollisten jakaumien pistetodennäköisyydet saadaan jakamalla (a)-kohdassa esitetyn satunnaismuuttujien ja Z yhteisjakauman pistetodennäköisyysunktiota kuvaavan taulukon solutodennäköisyydet satunnaismuuttujan (reuna-) jakauman todennäköisyyksillä. () Satunnaismuuttujan ehdollisten jakaumien, kun ehtomuuttujana on Z, pistetodennäköisyysunktiot, saadaan kaavalla Z (, i k) ( i), i,,,6, k 5, 4,,4,5 Z ( k) Z Ilkka Mellin (4) 6/3

7 Mat-.9 Sovellettu todennäköisyyslasku A Ehdollisten jakaumien pistetodennäköisyysunktiot voidaan esittää seuraavana taulukkona, jossa ehdolliset jakaumat ovat riveinä: Z (i). nopan heiton tulos i / / 3 /3 /3 /3 /4 /4 /4 /4 Z /5 /5 /5 /5 /5 /6 /6 /6 /6 /6 /6 k /5 /5 /5 /5 /5 /4 /4 /4 /4 3 /3 /3 /3 4 / / 5 Kysyttyyn ehdolliseen jakaumaan liittyvät osat taulukon luvuista on lihavoitu. Esimerkiksi, jos ja z 4, (,4) () Z Z 4 Z (4) 36 Esimerkiksi, jos ja z, Z Z (, ) 36 () ( ) Z Ehdollisten jakaumien pistetodennäköisyydet saadaan jakamalla (a)-kohdassa esitetyn satunnaismuuttujien ja Z yhteisjakauman pistetodennäköisyysunktiota kuvaavan taulukon solutodennäköisyydet satunnaismuuttujan Z (reuna-) jakauman todennäköisyyksillä. (g) Kohdan (e) taulukosta (laskemalla tai symmetria-argumentin perusteella) saadaan ehdollinen odotusarvo E(Z ) z Z (k) helposti esitettyä taulukkomuodossa: Ilkka Mellin (4) 7/3

8 Mat-.9 Sovellettu todennäköisyyslasku A i E(Z i) Laskemalla saadaan esimerkiksi, että 5 E( Z ) kpr( Z k ) k 5 3 k.5 6 k Olkoon satunnaismuuttujien ja yhteisjakauman pistetodennäköisyysunktio Pr( 3) Pr( ) Pr( ) Pr( ) /4 Määrää: (a) Satunnaismuuttujien ja reunajakaumat. (b) Satunnaismuuttujien ja odotusarvot, varianssit ja standardipoikkeamat. (c) Satunnaismuuttujien ja kovarianssi. (d) Satunnaismuuttujien ja korrelaatio. (e) Satunnaismuuttujan ehdolliset jakaumat. () Satunnaismuuttujan ehdollinen odotusarvo ehdolla. Ratkaisu: (a) Satunnaismuuttujien ja yhteisjakauman (, y) Pr( ja y) pistetodennäköisyysunktio voidaan esittää seuraavana taulukkona: (, y) y 3 /4 /4 /4 /4 Satunnaismuuttujien ja reunajakaumien () Pr( ) y (, y) (y) Pr( y) (, y) Ilkka Mellin (4) 8/3

9 Mat-.9 Sovellettu todennäköisyyslasku A pistetodennäköisyysunktiot saadaan yhteisjakauman pistetodennäköisyysunktiota esittävästä taulukosta rivi- ja sarakesummina: (, y) (y) 3 /4 /4 y /4 /4 / /4 /4 () / /4 /4 (b) Satunnaismuuttujan odotusarvo on 3 E( ) Pr( ) i i i Satunnaismuuttujan. origomomentti on 3 i i E( ) Pr( ) i ( ).75 Satunnaismuuttujan varianssi on Var( ) D ( ) E[ E( )] E( ) [E( )] Satunnaismuuttujan standardipoikkeama on 7 D( ).99 6 Satunnaismuuttujan odotusarvo on 3 E( ) y Pr( y ) i i i Ilkka Mellin (4) 9/3

10 Mat-.9 Sovellettu todennäköisyyslasku A Satunnaismuuttujan. origomomentti on 3 i i E( ) y Pr( y ) i ( ) Satunnaismuuttujan varianssi on Var( ) D ( ) E[ E( )] E( ) [E( )] Satunnaismuuttujan standardipoikkeama on 5 D( ) (c) Määrätään ensin 3 3 E( ) y Pr(, y ) i j i j i j ( ) ( ) + ( ) Satunnaismuuttujien ja kovarianssi on Cov(, ) E[( E( ))( E( ))] E( ) E( ) E( ) (d) Satunnaismuuttujien ja korrelaatio on Cov(, ) Cor(, ) D( ) D( ) Ilkka Mellin (4) /3

11 Mat-.9 Sovellettu todennäköisyyslasku A (e) Muodostetaan satunnaismuuttujan ehdollisten jakaumien pistetodennäköisyysunktiot, kun ehtomuuttujana on : : ( y) ( y, ) ( ) y 3 (y) / / : y 3 (y) : y 3 (y) Ehdollisten jakaumien pistetodennäköisyydet saadaan jakamalla (a)-kohdassa esitetyn satunnaismuuttujien ja yhteisjakauman pistetodennäköisyysunktiota kuvaavan taulukon solutodennäköisyydet satunnaismuuttujan reunajakauman todennäköisyyksillä. () Ehdolliset odotusarvot E( ) y (y) saadaan kohdasta (e): E( ) / 3 Esimerkiksi: 3 E( ) y Pr( y ) j j j Ilkka Mellin (4) /3

12 Mat-.9 Sovellettu todennäköisyyslasku A 6.3. Olkoon satunnaismuuttujien ja yhteisjakauman tiheysunktio (, y) C( + y),, y jossa C on vakio. Määrää: (a) Vakio C. (b) Pr( ) (c) Satunnaismuuttujien ja yhteisjakauman kertymäunktio. (d) Satunnaismuuttujien ja reunajakaumat. Ovatko ja riippumattomia? (e) Tiheysunktio satunnaismuuttujan ehdolliselle jakaumalle, kun ehtomuuttujana on. () Ehdollinen odotusarvo E( ). Ratkaisu: (a) Koska kaikille tiheysunktioille (, y) pätee + + (, y) dyd niin saamme vakion C määräämiseksi yhtälön C ( + y) dyd C y + y d Ratkaisuksi saadaan C C + d + C C + C Siten satunnaismuuttujien ja yhteisjakauman tiheysunktio on muotoa (, y) + y,, y Ilkka Mellin (4) /3

13 Mat-.9 Sovellettu todennäköisyyslasku A (b) Integroimalla saadaan: ( ) Pr ( + y) dyd y y d d d 3 (c) Satunnaismuuttujien ja yhteisjakauman kertymäunktioksi saadaan F (, y) ( u, v) dvdu ( u + v) dvdu y y y uv v du + + uy y du u y+ uy y+ y y( + y) Ilkka Mellin (4) 3/3

14 Mat-.9 Sovellettu todennäköisyyslasku A (d) Satunnaismuuttujan reunajakauman tiheysunktio on ( ) (, y) dy + ( + ydy ) y + + y Vastaavalla tavalla saadaan satunnaismuuttujan reunajakauman tiheysunktioksi ( y) y+ Satunnaismuuttujat ja eivät ole riippumattomia, koska ( ) ( y) y+ + y+ + y (, y) 4 (e) Satunnaismuuttujan ehdollinen jakauma, kun ehtomuuttujana on, on ( ) ( y, ) ( y) ( + y) y + Satunnaismuuttujan ehdollinen jakauma ehdolla y riippuu y:stä, jolloin esimerkiksi myös sen odotusarvo ja varianssi riippuvat y:stä. Tämä on ymmärrettävää, koska satunnaismuuttujat ja eivät ole riippumattomia. () Satunnaismuuttujan ehdollinen odotusarvo, kun ehtomuuttujana on, on + E( ) ( d ) ( + y) d (y + ) ( ) + y d y y y + 3 3y + 3 y + Ilkka Mellin (4) 4/3

15 Mat-.9 Sovellettu todennäköisyyslasku A Satunnaismuuttujan ehdollinen odotusarvo ehdolla y eli satunnaismuuttujan regressiounktio satunnaismuuttujan suhteen riippuu y:stä. Tämä on ymmärrettävää, koska satunnaismuuttujat ja eivät ole riippumattomia Olkoon satunnaismuuttujien ja yhteisjakauman tiheysunktio (, y) Cy,, y jossa C on vakio. Määrää: (a) Vakio C. (b) Pr( /, / ) (c) Satunnaismuuttujien ja yhteisjakauman kertymäunktio. (d) Satunnaismuuttujien ja reunajakaumat. Ovatko ja riippumattomia? (e) Tiheysunktio satunnaismuuttujan ehdolliselle jakaumalle, kun ehtomuuttujana on. () Ehdollinen odotusarvo E( ). Ratkaisu: (a) Koska kaikille tiheysunktioille (, y) pätee + + (, y) dyd niin saamme vakion C määräämiseksi yhtälön C ydyd C y d Ratkaisuksi saadaan C 4 C d C 4 C 4 Siten satunnaismuuttujien ja yhteisjakauman tiheysunktio on ( y, ) 4y,, y Ilkka Mellin (4) 5/3

16 Mat-.9 Sovellettu todennäköisyyslasku A (b) Integroimalla saadaan: Pr, 4 ydyd 4 y 4 3 d 8 d (c) Satunnaismuuttujien ja yhteisjakauman kertymäunktioksi saadaan F (, y) ( u, v) dvdu y y uy du 4 u y 4 y uvdvdu uv y du (d) Satunnaismuuttujan reunajakauman tiheysunktio on ( ) (, y) dy + 4ydy y Samalla tavalla saadaan satunnaismuuttujan reunajakauman tiheysunktioksi ( y) y Ilkka Mellin (4) 6/3

17 Mat-.9 Sovellettu todennäköisyyslasku A Satunnaismuuttujat ja ovat riippumattomia, koska ( ) ( y) 4 y (, y) (e) Koska satunnaismuuttujat ja ovat riippumattomia satunnaismuuttujan ehdollinen jakauma ehdolla y yhtyy satunnaismuuttujan reunajakaumaan. Tämä nähdään myös suoraan laskemalla: ( ) ( y, ) ( y) 4y y ( ) Satunnaismuuttujan ehdollinen jakauma ehdolla y ei riipu y:stä. Tämä on ymmärrettävää, koska satunnaismuuttujat ja ovat riippumattomia. () Koska satunnaismuuttujat ja ovat riippumattomia satunnaismuuttujan ehdollinen odotusarvo ehdolla y yhtyy satunnaismuuttujan odotusarvoon. Tämä nähdään myös suoraan laskemalla: + E( ) ( ) d ( d ) E( ) Satunnaismuuttujan ehdollinen odotusarvo ehdolla y eli satunnaismuuttujan regressiounktio satunnaismuuttujan suhteen ei riipu y:stä. Tämä on ymmärrettävää, koska satunnaismuuttujat ja ovat riippumattomia. Ilkka Mellin (4) 7/3

18 Mat-.9 Sovellettu todennäköisyyslasku A 6.5. Olkoon -ulotteisen diskreetin jakauman pistetodennäköisyysunktio Pr( +, ) Pr(, +) Pr(, ) Pr(, ) /4 (a) Ovatko ja korreloimattomia? (b) Ovatko ja riippumattomia? Selitä saamasi tulos. Ratkaisu: Satunnaismuuttujien ja yhteisjakauman (, y) Pr( ja y) pistetodennäköisyysunktio voidaan esittää seuraavana taulukkona: p y p. y /4 /4 /4 /4 / /4 /4 p. /4 / /4 (a) Todetaan ensin, että E() E() Siten satunnaismuuttujien ja kovarianssi on Cov(, ) ( E( ))( y E( )) Pr(, y) y [ ( + ) + ( + ) + ( ) + ( ) ] 4 Siten satunnaismuuttujat ja ovat korreloimattomia. (b) Satunnaismuuttujat ja eivät kuitenkaan ole riippumattomia, koska esimerkiksi p /6 p. p. Selitys: Satunnaismuuttujien riippumattomuudesta seuraa aina niiden korreloimattomuus, mutta satunnaismuuttujien korreloimattomuudesta ei välttämättä seuraa niiden riippumattomuus. Ilkka Mellin (4) 8/3

19 Mat-.9 Sovellettu todennäköisyyslasku A Korrelaatio mittaa satunnaismuuttujien lineaarista riippuvuutta. Siten korreloimattomien satunnaismuuttujien välillä voi olla jopa eksakti epälineaarinen riippuvuus. Tehtävän tapauksessa jakauman määräävät pisteet ovat ympyrän kehällä. + y 6.6. Olkoon -ulotteisen diskreetin jakauman pistetodennäköisyysunktio Pr( +, 4) Pr(, 4) Pr(, ) /3 (a) Ovatko ja korreloimattomia? (b) Ovatko ja riippumattomia? Selitä saamasi tulos. Ratkaisu: Satunnaismuuttujien ja yhteisjakauman (, y) Pr( ja y) pistetodennäköisyysunktio voidaan esittää seuraavana taulukkona: p y p. y 4 /3 /3 /3 /3 /3 p. /3 /3 /3 (a) Todetaan ensi, että E() E() 8/3 Siten satunnaismuuttujien ja kovarianssi on Cov(, ) ( E( ))( y E( )) Pr(, y) y 8 8 (4 ) ( ) (4 ) Siten satunnaismuuttujat ja ovat korreloimattomia. Ilkka Mellin (4) 9/3

20 Mat-.9 Sovellettu todennäköisyyslasku A (b) Satunnaismuuttujat ja eivät kuitenkaan ole riippumattomia, koska esimerkiksi p 4 /9 p. p. 4 Selitys: Satunnaismuuttujien riippumattomuudesta seuraa aina niiden korreloimattomuus, mutta satunnaismuuttujien korreloimattomuudesta ei välttämättä seuraa niiden riippumattomuus. Korrelaatio mittaa satunnaismuuttujien lineaarista riippuvuutta. Siten korreloimattomien satunnaismuuttujien välillä voi olla jopa eksakti epälineaarinen riippuvuus. Tehtävän tapauksessa jakauman määräävät pisteet ovat paraabelin kaarella. y 6.7. Oletetaan, että satunnaismuuttujien ja muodostama pari (, ) noudattaa kaksiulotteista normaalijakaumaa seuraavin parametrein: Määrää: (a) E( ) Var( ) 4 E( ) + Var( ) 5 Cov(, ) 5 Satunnaismuuttujien ja reunajakaumat. (b) Cor(, ) (c) Satunnaismuuttujan ehdollinen jakauma, kun ehtomuuttujana on. (d) Satunnaismuuttujan ehdollinen jakauma, kun ehtomuuttujana on. Ratkaisu: Oletuksen mukaan (, ) ~ N (, +, 4, 5, 5) jossa E( ) µ Var( ) D ( ) σ 4 E( ) µ + Var( ) D ( ) σ 5 Cov(, ) σ 5 Ilkka Mellin (4) /3

21 Mat-.9 Sovellettu todennäköisyyslasku A (a) Satunnaismuuttujien ja reunajakaumat ovat normaalisia: ~ N(, 4) jossa E( ) µ Var( ) D ( ) σ 4 ja ~ N(+, 5) jossa E( ) µ + Var( ) D ( ) σ 5 (b) Määritelmän mukaan satunnaismuuttujien ja korrelaatiokerroin on ρ Cor(, ) Cov(, ) D( ) D( ) σ σ σ (c) Satunnaismuuttujan ehdollinen jakauma, kun ehtomuuttujana on, on normaalinen: jossa ~ N(E( ), Var( )) σ E( y) µ + ρ ( y µ ) σ ( y ) 5 4 y 5 5 Satunnaismuuttujan ehdollinen odotusarvo on ehtomuuttujan arvojen unktiona lineaarinen. Var( y) ( ρ ) σ < 4 σ 4 Ilkka Mellin (4) /3

22 Mat-.9 Sovellettu todennäköisyyslasku A Satunnaismuuttujan ehdollinen varianssi ei riipu ehtomuuttujan arvoista. (d) Satunnaismuuttujan ehdollinen jakauma, kun ehtomuuttujana on, on normaalinen: jossa ~ N(E( ), Var( )) σ E( ) µ + ρ ( µ ) σ 5 ( + ) Satunnaismuuttujan ehdollinen odotusarvo on ehtomuuttujan arvojen unktiona lineaarinen. Var( ) ( ρ ) σ < 5 σ 4 4 Satunnaismuuttujan ehdollinen varianssi ei riipu ehtomuuttujan arvoista Oletetaan, että satunnaismuuttujien ja muodostama pari (, ) noudattaa kaksiulotteista normaalijakaumaa seuraavin parametrein: Määrää: (a) Cor(, ) E( ) Var( ) 5 E( ) 5 Var( ) 4 Cov(, ) 8 (c) Satunnaismuuttujan ehdollinen odotusarvo, kun ehtomuuttujana on. (d) Satunnaismuuttujan ehdollinen varianssi, kun ehtomuuttujana on. Ilkka Mellin (4) /3

23 Mat-.9 Sovellettu todennäköisyyslasku A Ratkaisu: Oletuksen mukaan (, ) ~ N (, 5, 4, 5, 8) jossa E( ) µ Var( ) D ( ) σ 4 E( ) µ 5 Var( ) D ( ) σ 5 Cov(, ) σ 8 (a) Määritelmän mukaan satunnaismuuttujien ja korrelaatiokerroin on ρ Cor(, ) Cov(, ) D( ) D( ) σ σ σ (b) Satunnaismuuttujan ehdollinen odotusarvo, kun ehtomuuttujana on, on σ E( ) µ + ρ ( µ ) σ ( ) (c) Satunnaismuuttujan ehdollinen varianssi, kun ehtomuuttujana on, on Var( y) ( ρ ) σ < 4 σ 5 5 Satunnaismuuttujan ehdollinen varianssi ei riipu ehtomuuttujan arvoista. Ilkka Mellin (4) 3/3

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Aiheet: Satunnaisvektorit ja moniulotteiset jakaumat Tilastollinen riippuvuus ja lineaarinen korrelaatio Satunnaisvektorit ja moniulotteiset

Lisätiedot

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan: Mat-.6 Sovellettu todennäköisslaskenta B Mat-.6 Sovellettu todennäköisslaskenta B / Ratkaisut Aiheet: Moniulotteiset satunnaismuuttujat ja todennäköissjakaumat Moniulotteisia jakaumia Avainsanat: Diskreetti

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/5

TKK @ Ilkka Mellin (2008) 1/5 Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 3, 6, 7 Pistetehtävät: 2, 4, 5, 9 Ylimääräiset tehtävät: 8, 10, 11 Aiheet: Moniulotteiset jakaumat Avainsanat: Diskreetti jakauma,

Lisätiedot

Moniulotteiset satunnaismuuttujat ja jakaumat

Moniulotteiset satunnaismuuttujat ja jakaumat Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat KE (2014) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat >> Kaksiulotteiset

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

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

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

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

Lisätiedot

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

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

Lisätiedot

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme? TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat .9. Kaksiulotteiset satunnaismuuttujat MS-A Todennäköisslaskennan ja tilastotieteen peruskurssi Viikko Moniulotteiset satunnaismuuttujat sekä niiden jakaumat ja tunnusluvut; Moniulotteisia jakaumia Usein

Lisätiedot

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (2005) 1 Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat Kaksiulotteiset todennäköisyysjakaumat

Lisätiedot

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat TKK (c) Ilkka Mellin (4) todennäköisyysjakaumat Johdatus todennäköisyyslaskentaan todennäköisyysjakaumat TKK (c) Ilkka Mellin (4) todennäköisyysjakaumat: Mitä opimme? /5 hden satunnaismuuttujan todennäköisyysjakaumat

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat

Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Moniulotteiset satunnaismuuttujat ja jakaumat TKK (c) Ilkka Mellin (2006) 1 Moniulotteiset satunnaismuuttujat ja

Lisätiedot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

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

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,

Lisätiedot

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Unioni, Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Alkeistapahtuma, Ehdollinen todennäköisyys,

Lisätiedot

D ( ) E( ) E( ) 2.917

D ( ) E( ) E( ) 2.917 Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,

Lisätiedot

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1, Todennäköisyyslaskenta, 2. kurssikoe 7.2.22 Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu.. Satunnaismuuttujien X ja Y yhteistiheysfunktio on

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia

Lisätiedot

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1 Todennäköisyyslaskun kertaus Vilkkumaa / Kuusinen 1 Satunnaismuuttujat ja todennäköisyysjakaumat Vilkkumaa / Kuusinen 2 Motivointi Kokeellisessa tutkimuksessa tutkittaviin ilmiöihin liittyvien havaintojen

Lisätiedot

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset Mat-.3 Koesuunnittelu ja tilastolliset mallit. harjoituset / Rataisut Aiheet: Avainsanat: Satunnaismuuttujat ja todennäöisyysjaaumat Kertymäfuntio

Lisätiedot

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Mat-2.091 Sovellettu todennäköisyyslasku Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat: Alkeistapahtuma, Ehdollinen todennäköisyys, Erotustapahtuma,

Lisätiedot

Todennäköisyyslaskun kertaus. Heliövaara 1

Todennäköisyyslaskun kertaus. Heliövaara 1 Todennäköisyyslaskun kertaus Heliövaara 1 Satunnaismuuttujat ja todennäköisyysjakaumat Heliövaara 2 Stunnaismuuttujat ja todennäköisyysjakaumat Jos satunnaisilmiötä halutaan mallintaa matemaattisesti,

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 4. lokakuuta 2007 Antti Rasila () TodB 4. lokakuuta 2007 1 / 17 1 Moniulotteiset todennäköisyysjakaumat Johdanto Kaksiulotteiset satunnaismuuttujat Kaksiulotteisen

Lisätiedot

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3 Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,

Lisätiedot

031021P Tilastomatematiikka (5 op) viikko 7

031021P Tilastomatematiikka (5 op) viikko 7 0302P Tilastomatematiikka (5 op) viikko 7 Jukka Kemppainen Mathematics Division Yhteisjakauma Edellä on tarkasteltu yksiulotteista satunnaismuuttujaa. Sovelluksissa joudutaan usein tarkastelemaan samanaikaisesti

Lisätiedot

Johdatus regressioanalyysiin

Johdatus regressioanalyysiin Ilkka Mellin Tilastolliset menetelmät Osa 4: Lineaarinen regressioanalyysi Johdatus regressioanalyysiin TKK (c) Ilkka Mellin (2007) 1 Johdatus regressioanalyysiin >> Regressioanalyysin lähtökohdat ja tavoitteet

Lisätiedot

Johdatus tn-laskentaan perjantai 17.2.2012

Johdatus tn-laskentaan perjantai 17.2.2012 Johdatus tn-laskentaan perjantai 17.2.2012 Kahden diskreetin muuttujan yhteisjakauma On olemassa myös monen muuttujan yhteisjakauma, ja jatkuvien muuttujien yhteisjakauma (jota ei käsitellä tällä kurssilla;

Lisätiedot

Tilastomatematiikka Kevät 2008

Tilastomatematiikka Kevät 2008 Tilastomatematiikka Kevät 2008 Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastomatematiikka p.1/19 4.3 Varianssi Satunnaismuuttuja on neliöintegroituva, jos odotusarvo

Lisätiedot

5. laskuharjoituskierros, vko 8, ratkaisut

5. laskuharjoituskierros, vko 8, ratkaisut Mat-.09 Sovellettu todennäköisyyslasku, kevät -05 5. laskuharjoituskierros, vko 8, ratkaisut D. Eräässä maata kiertävällä radalla olevassa satelliitissa on ilmaisin, jonka elinikä X yksikkönä vuosi noudattaa

Lisätiedot

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61 3.3. Satunnaismuuttujien ominaisuuksia 61 Odotusarvo Määritelmä 3.5 (Odotusarvo) Olkoon X diskreetti satunnaismuuttuja, jonka arvojoukko on S ja todennäköisyysfunktio f X (x). Silloin X:n odotusarvo on

Lisätiedot

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

Johdatus tilastotieteeseen Johdatus regressioanalyysiin. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Johdatus regressioanalyysiin TKK (c) Ilkka Mellin (2005) 1 Johdatus regressioanalyysiin Regressioanalyysin lähtökohdat ja tavoitteet Deterministiset mallit ja regressioanalyysi

Lisätiedot

Mat Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslaskenta B Mat-1.2620 Sovellettu todennäköisslaskenta B 1. välikoe 08.03.2011 / Kibble Kirjoita selvästi jokaiseen koepaperiin seuraavat tiedot: Mat-1.2620 SovTnB 1. vk 08.03.2011 opiskelijanumero + kirjain TEKSTATEN

Lisätiedot

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,

Lisätiedot

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2 HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 208 Harjoitus 4 Ratkaisuehdotuksia Tehtäväsarja I. Satunnaismuuttuja U Exp(2) ja V = U/(3 + U). Laske f V käyttämällä muuttujanvaihtotekniikkaa.

Lisätiedot

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko ÌÓÒÒĐĐÓ ÝÝ ÔÖÙ ØØ Naiiveja määritelmiä Suhteellinen frekvenssi kun ilmiö toistuu Jos tehdas on valmistanut 1000000 kpl erästä tuotetta, joista 5013 ovat viallisia, niin todennäköisyys, että tuote on viallinen

Lisätiedot

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4.

1. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden heittojen lukumäärä, joilla tuli 1, 2, 3 tai 4. HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II, syksy 206 Kurssikoe 28.0.206 Ratkaisuehdotuksia. Kuusisivuista noppaa heitetään, kunnes saadaan silmäluku 5 tai 6. Olkoon X niiden

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

VALTIOTIETEELLINEN 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

Lisätiedot

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

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

Lisätiedot

1. laskuharjoituskierros, vko 4, ratkaisut

1. laskuharjoituskierros, vko 4, ratkaisut 1. laskuharjoituskierros, vko 4, ratkaisut D1. Heitetään kahta virheetöntä noppaa, joiden kuudella tahkolla on silmäluvut 1, 2, 3, 4, 5 ja 6. Tällöin heittotuloksiin liittyvä otosavaruus on S = {(x, y)

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Lisätiedot

8.1 Ehdolliset jakaumat

8.1 Ehdolliset jakaumat 8 Ehdollinen jakauma Tämän kappaleen tärkeitä käsitteitä: Ehdollinen jakauma; ehdollinen ptnf/tf. Kertolaskusääntö eli ketjusääntö yhteisjakauman esittämiseksi. Ehdollinen odotusarvo ja ehdollinen varianssi.

Lisätiedot

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011 Kopulafunktiot Joonas Ollila 12. lokakuuta 2011 Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään. Kopula-sanan alkuperä Kopula tarkoittaa

Lisätiedot

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1 Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat TKK (c) Ilkka Mellin (2004) 1 Satunnaismuuttujien muunnokset ja niiden jakaumat Satunnaismuuttujien muunnosten jakaumat

Lisätiedot

Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

Mat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma,

Lisätiedot

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien

Lisätiedot

10 Moniulotteinen normaalijakauma

10 Moniulotteinen normaalijakauma 10 Moniulotteinen normaalijakauma Tässä luvussa tarkastellaan normaalijakauman moniulotteista yleistystä eli moniulotteista (eli monimuuttujaista) normaalijakaumaa (engl. multivariate normal distribution).

Lisätiedot

(x, y) 2. heiton tulos y

(x, y) 2. heiton tulos y Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 2, 4, 6, 8, 11 Pistetehtävät: 3, 5, 9, 12 Ylimääräiset tehtävät: 7, 10, 13 Aiheet: Joukko-oppi Todennäköisyys ja sen määritteleminen

Lisätiedot

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 017 Harjoitus 5 Ratkaisuehdotuksia Tehtäväsarja I 1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X

Lisätiedot

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8. HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..

Lisätiedot

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-5 Todennäköisyyslaskenta Tentti.. / Kimmo Vattulainen Vastaa jokainen tehtävä eri paperille. Funktiolaskin sallittu.. a) P A). ja P A B).6. Mitä on P A B), kun A ja B ovat riippumattomia b) Satunnaismuuttujan

Lisätiedot

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio. Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

Lisätiedot

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: 8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)

Lisätiedot

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

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

Lisätiedot

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

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

Lisätiedot

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

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

Lisätiedot

Normaalijakaumasta johdettuja jakaumia

Normaalijakaumasta johdettuja jakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2007) 1 Normaalijakaumasta johdettuja jakaumia >> Johdanto χ 2 -jakauma F-jakauma

Lisätiedot

3. laskuharjoituskierros, vko 6, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa

Lisätiedot

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista 6 Epäyhtälöitä Epäyhtälöt ovat yksi matemaatikon voimakkaimmista työvälineistä. Yhtälö a = b kertoo sen, että kaksi ehkä näennäisesti erilaista asiaa ovat samoja. Epäyhtälö a b saattaa antaa keinon analysoida

Lisätiedot

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä J. Virtamo 38.3143 Jonoteoria / Todennäköisyyslaskenta 1 TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä Otosavaruus S S on satunnaiskokeen E kaikkien mahdollisten alkeistapahtumien e joukko. Esim. 1. Noppaa

Lisätiedot

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 6. luento. Pertti Palo

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 6. luento. Pertti Palo FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 6. luento Pertti Palo 1.11.2012 Käytännön asioita Harjoitustöiden palautus sittenkin sähköpostilla. PalautusDL:n jälkeen tiistaina netistä löytyy

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

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

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

Lisätiedot

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta MS-A00 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta 7.. Gripenberg Kirjoita jokaiseen koepaperiin nimesi, opiskelijanumerosi ym. tiedot ja minkä kokeen suoritat! Laskin,

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Klassinen todennäköisyys ja kombinatoriikka Todennäköisyyden aksioomat Kokonaistodennäköisyys ja Bayesin kaava Bayesin kaava,

Lisätiedot

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾. 24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Ssteemiaalsi laboratorio Mat-2.9 Sovellettu todeäköisslasku A Nordlud Harjoitus 6 (vko 43/23) (Aihe: sekamalli, hteisjakaumia, Laiie luvut 6. 6.3, 8. 8.9). Tässä o edellise viiko laskareissa luvattu

Lisätiedot

7. laskuharjoituskierros, vko 10, ratkaisut

7. laskuharjoituskierros, vko 10, ratkaisut 7. laskuharjoituskierros, vko 10, ratkaisut D1. a) Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 0, E(Y ) = 1, Var(X) = 1, Var(Y ) = 4 ja Cov(X,

Lisätiedot

Väliestimointi (jatkoa) Heliövaara 1

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

Lisätiedot

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A TKK / Systeemianalyysin laboratorio Nordlund Mat-2.090 Sovellettu todennäköisyyslasku Harjoitus 2 (vko 39/2003) (ihe: tapahtumien todennäköisyys, Laininen luvut 1.6 2.4) 1. Tarkastellaan rinnan- ja sarjaankytketyistä

Lisätiedot

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja 1 Luento 23.9.2014 KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja 2 Ristiintaulukko Esim. Toyota Avensis farmariautoja, nelikenttä (2x2-taulukko) 3 Esim. 5.2.6. Markkinointisuunnitelma

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan

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

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

Matemaattisten tieteiden kandiohjelma / MTL Todennäköisyyslaskenta IIb Kurssikoe (kesto 2h 30 min)

Matemaattisten tieteiden kandiohjelma / MTL Todennäköisyyslaskenta IIb Kurssikoe (kesto 2h 30 min) Matemaattisten tieteiden kandiohjelma / MTL Todennäköisyyslaskenta IIb Kurssikoe 8..7 (kesto h 3 min) Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu. Ei

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen MAT-25 Todennäköisyyslaskenta Tentti 12.4.216 / Kimmo Vattulainen Funktiolaskin sallittu. Palauta kaavakokoelma 1. a) Pelaajat A ja B heittävät noppaa vuorotellen ja pelin voittaa se, joka saa ensimmäiseksi

Lisätiedot

Osa 2: Otokset, otosjakaumat ja estimointi

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

Lisätiedot

8.1 Ehdolliset jakaumat

8.1 Ehdolliset jakaumat 8 Ehdollinen jakauma Tämän kappaleen tärkeitä käsitteitä: Ehdollinen jakauma; ehdollinen ptnf/tf. Kertolaskusääntö eli ketjusääntö yhteisjakauman esittämiseksi. Ehdollinen odotusarvo ja ehdollinen varianssi.

Lisätiedot

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi TOD.NÄK JA TILASTOT, MAA0 Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi Kuten tilastojakaumia voitiin esittää tunnuslukujen (keskiarvo, moodi, mediaani, jne.) avulla, niin vastaavasti

Lisätiedot

Todennäköisyyden ominaisuuksia

Todennäköisyyden ominaisuuksia Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset

Lisätiedot

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta II. kurssikoe 18.1.15 Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

Lisätiedot

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1 Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin

Lisätiedot

4. laskuharjoituskierros, vko 7, ratkaisut

4. laskuharjoituskierros, vko 7, ratkaisut 4. laskuharjoituskierros, vko 7, ratkaisut D1. Kone valmistaa kuulalaakerin kuulia, joiden halkaisija vaihtelee satunnaisesti. Halkaisijan on oltava tiettyjen rajojen sisällä, jotta kuula olisi käyttökelpoinen.

Lisätiedot

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

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

Lisätiedot

Keskihajonta ja korrelaatio

Keskihajonta ja korrelaatio Luku 4 Keskihajonta ja korrelaatio Lasse Leskelä Aalto-yliopisto 19. syyskuuta 2017 4.1 Jakauman varianssi ja keskihajonta Edellisessä luvussa opittiin, että satunnaismuuttujan odotusarvo on X:n jakauman

Lisätiedot

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A

χ 2 -yhteensopivuustestissä käytetään χ 2 -testisuuretta χ = Mat Sovellettu todennäköisyyslasku A Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Estimointi, Havaittu frekvenssi, Heterogeenisuus,

Lisätiedot

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P Markkinaportfolio on koostuu kaikista markkinoilla olevista riskipitoisista sijoituskohteista siten, että sijoituskohteiden osuudet (so. painot) markkinaportfoliossa vastaavat kohteiden markkina-arvojen

Lisätiedot

Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä

Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Tilastollisen analyysin perusteet Luento 6: Korrelaatio ja riippuvuus tilastotieteessä Sisältö Riippumattomuus Jos P(A B) = P(A)P(B), niin tapahtumat A ja B ovat toisistaan riippumattomia. (Keskustelimme

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 20. syyskuuta 2007 Antti Rasila () TodB 20. syyskuuta 2007 1 / 17 1 Kolmogorovin aksioomat σ-algebra Tapahtuman todennäköisyys 2 Satunnaismuuttujat Todennäköisyysjakauma

Lisätiedot

4.0.2 Kuinka hyvä ennuste on?

4.0.2 Kuinka hyvä ennuste on? Luonteva ennuste on käyttää yhtälöä (4.0.1), jolloin estimaattori on muotoa X t = c + φ 1 X t 1 + + φ p X t p ja estimointivirheen varianssi on σ 2. X t }{{} todellinen arvo Xt }{{} esimaattori = ε t Esimerkki

Lisätiedot

Regressioanalyysi. Kuusinen/Heliövaara 1

Regressioanalyysi. Kuusinen/Heliövaara 1 Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin

Lisätiedot

6. laskuharjoitusten vastaukset (viikot 10 11)

6. laskuharjoitusten vastaukset (viikot 10 11) 6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut

Lisätiedot

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan Mitä pitäisi vähintään osata Tässäkäydään läpi asiat jotka olisi hyvä osata Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan osattavan 333 Kurssin sisältö Todennäköisyyden, satunnaismuuttujien

Lisätiedot

30A02000 Tilastotieteen perusteet

30A02000 Tilastotieteen perusteet 30A02000 Tilastotieteen perusteet Kertaus 1. välikokeeseen Lauri Viitasaari Tieto- ja palvelujohtamisen laitos Kauppatieteiden korkeakoulu Aalto-yliopisto Syksy 2019 Periodi I-II Sisältö Välikokeesta Joukko-oppi

Lisätiedot

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1) HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 28. syyskuuta 2007 Antti Rasila () TodB 28. syyskuuta 2007 1 / 20 1 Jatkoa diskreeteille jakaumille Negatiivinen binomijakauma Poisson-jakauma Diskreettien

Lisätiedot