Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:
|
|
- Hannes Oksanen
- 6 vuotta sitten
- Katselukertoja:
Transkriptio
1 Mat Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Diskeetit jakaumat Jatkuvat jakaumat Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Ketymäfuktio, Mediaai, Negatiivie biomijakauma, Nomaaliappoksimaatio, Nomaalijakauma, Odotusavo, Poissojakauma, Stadadi-poikkeama, Stadadoiti, Taulukot, Tiheysfuktio, Vaiassi 5.. Oletetaa, että satuaismuuttuja X oudattaa biomijakaumaa Bi(, p). Määää satuaismuuttuja X odotusavo. Ohje: Odotusavo voidaa laskea soveltamalla suoaa diskeeti jakauma odotusavo määitelmää; ks. luetokalvoja kussi kotisivulla. Biomijakauma Bi(, p) pistetodeäköisyysfuktio o f ( ) = p ( p),0< p<, 0,,2,, jossa! =, = 0,,2,,!( )! Suoaa diskeeti jakauma odotusavo määitelmä mukaa E( X) = f( ) 0! = p ( p)!( )! 0! = p ( p)!( )!! = p ( p) ( )!( )! ( )! = ( )!( )! p p ( p) = p Ilkka Melli (2004) /4
2 Yhtälöketju viimeie yhtälö peustuu siihe, että ( )! p ( )!( )! ( p) = mikä seuaa siitä, että summassa lasketaa yhtee kaikki biomijakauma Bi(, p) pistetodeäköisyydet Oletetaa, että satuaismuuttuja X oudattaa egatiivista biomijakaumaa X ~ NegBi(, p). Määää satuaismuuttuja X odotusavo. Ohje: Satuaismuuttuja X pistetodeäköisyyksie summa (= ) o todeäköisyyde p fuktio. Deivoi summa muuttuja p suhtee ja sovella diskeeti satuaismuuttuja odotusavo määitelmää; ks. luetokalvoja kussi kotisivulla. Negatiivise biomijakauma NegBi(, p) pistetodeäköisyysfuktio o f( ) = ( p) p,0< p<,, +, + 2, jossa ( )! =,, +, + 2, ( )!( )! Diskeeti jakauma odotusavo määitelmä mukaa E( X ) = f ( ) = ( p) p Negatiivise biomijakauma NegBi(, p) pistetodeäköisyyksie summa S( p) = f( ) = ( p) p = o todeäköisyyde p fuktio. Ilkka Melli (2004) 2/4
3 Deivoidaa summa S(p) todeäköisyyde p suhtee: Koska S( p) = ( ) ( p) p + ( p) p p = ( p) p + ( p) p ( ) + p p = ( p) p + ( p ) p p + ( p ) p ( ) p p = S ( p ) ( ) p p = E( X ) voidaa summa S(p) deivaatta kijoittaa muotoo S( p) = E( X ) + + p p p p = E( X ) + p p( p) Toisaalta, koska S(p) ii S( p) = 0 p Saamme site yhtälö S( p) = E( X ) + = 0 p p p( p) josta voimme atkaista odotusavo E(X). Ratkaisuksi saadaa E( X ) = p p p Ilkka Melli (2004) 3/4
4 5.3. Sähkölampu eliikä X (yksikköä 000 h) oudattaa jakaumaa, joka tiheysfuktio o f() = c/ 3, missä c o vakio. Määää vakio c avo. (b) Millä todeäköisyydellä lamppu kestää yli 5000 h? (c) Mikä o lampu keskimäääie eliikä? (d) Määää lampu eliiä mediaai eli määää aika, jolla P(X ) = 0.5. Vakio c saadaa määätyksi ehdosta f ( d ) joka seuaa siitä, että vama tapahtuma todeäköisyys =. Site c c d c = c 0 = = josta saamme c = 2 (b) Tapahtuma {Lampu eliikä X > 5000 h} todeäköisyys saadaa itegoimalla satuaismuuttuja X tiheysfuktio välillä (5, ): P( X > 5) = f( ) d 5 2 = d = = 0= = Ilkka Melli (2004) 4/4
5 (c) Lampu keskimäääie eliikä o lampu eliiä X odotusavo: E( X) = f( ) d = d d 3 2 = = 2 0= 2 Site lampu keskimääääie eliikä o 2000 h. (d) Lampu eliiä mediaai saadaa ehdosta P( X ) = f( t) dt 2 = dt = 3 2 t t = = josta mediaai avoksi saadaa 3 = = Site lampu eliiä mediaai o siis o. 225 h Eäässä laitteessa o kompoetti, joka eliikä X (yksikköä kuukausi) oudattaa ekspoettijakaumaa paametiaa /4. Mikä o kompoeti keskimäääie eliikä? (b) Määää kompoeti eliiä mediaai eli määää ikä site, että P(X ) = 0.5. (c) (d) (e) Määää todeäköisyys, että kompoetti kestää kauemmi kui 6 kuukautta. Millä todeäköisyydellä kompoetti toimii vähitää vielä yhde kuukaude, jos se o jo toimiut kuukaude? Millä todeäköisyydellä kompoetti toimii vähitää vielä yhde kuukaude, jos se o jo toimiut kaksi kuukautta? Tehtävässä satuaismuuttuja X Ep(/4) Ekspoettijakauma tiheysfuktio o muotoa f() = λep( λ), 0 Ilkka Melli (2004) 5/4
6 Tehtävä atkaisussa o hyötyä seuaavasta aputuloksesta: P(X > ) = P(X ) = F() = ep( λ) jossa F( ) = f( t) dt 0 = λep( λtdt ) 0 [ ep( λt) ] = = ep( λ), 0 o ekspoettijakauma ketymäfuktio 0 Keskimäääie eliikä: E(X) = /λ = 4 kuukautta (b) Aputuloksesta seuaa, että P(X > ) = 0.5 ep( λ) = 0.5 = log(2)/λ = 4log(2) = Site satuaismuuttuja X mediaai o kuukautta. (c) Aputuloksesta seuaa, että P(X > 6) = ep( 6λ) = ep( 3/2) (d) ja (e) Aputuloksesta seuaa, että P(X > ) = ep( λ) = ep( /4) Koska espoettijakaumalla o s. uohtamisomiaisuus, saadaa kohdissa (d) ja (e) sama vastaus: P( Toimii vähitää vielä kuukaude O toimiut jo a kuukautta ) = P(X > a + X > a) = P(X > a + )/P(X > a) = ep( λ(a + ))/ep( λa) = ep( λ) Ilkka Melli (2004) 6/4
7 Tehtävissä 5.5. ja 5.6. hajoitellaa omaalijakauma taulukoide käyttöä Olkoo satuaismuuttuja Z N(0, ). Määää satuaismuuttuja Z mediaai eli piste z site, että P(Z z) = 0.5. (b) Määää P(Z >.85). (c) Määää P(Z.85). (d) Määää z site, että P(Z z) = 0.2. (e) Määää z site, että P(Z z) = 0.8. (f) Määää P( Z 2). (g) Määää z site, että P( Z z) = 0.. Olkoo satuaismuuttuja X N( 3, 9). (h) Määää P(X 2). (i) Määää site, että P(X ) = Käytämme tehtävä atkaisemisessa stadadoidu omaalijakauma N(0, ) taulukoita. Taulukoihi o taulukoitu stadadoidu omaalijakauma N(0,) ketymäfuktio avoja F() = P(X ) ku saa avoja väliltä [ 3.59, +3.59] 0.0: välei: = 3.59(0.0)3.59 Koska satuaismuuttuja Z jakauma o symmetie jakauma paiopistee 0 suhtee, ii P(Z 0) = 0.5 = P(Z 0) Tämä ähdää myös stadadoidu omaalijakauma taulukoista. (b) P(Z >.85) = P(Z.85) = = (c) P(Z.85) = Tulos saadaa myös (b)-kohdasta, koska stadadoitu omaalijakauma N(0, ) o symmetie jakauma paiopistee 0 suhtee: P(Z.85) = P(Z.85) = P(Z >.85) Ilkka Melli (2004) 7/4
8 (d) P(Z z) = 0.2 z = 0.84 (e) Todetaa esi, että P(Z z) = 0.8 P(Z z) = P(Z z) = 0.8 = 0.2 (d)-kohdasta: P(Z z) = 0.2 z = 0.84 (f) Todetaa esi, että stadadoidu omaalijakauma N(0, ) symmetia takia P( Z 2) = P( 2 Z +2) = P(Z +2) P(Z 2) = P(Z +2) ( P(Z +2)) = 2 P(Z +2) P(Z +2) = Site P( Z 2) = 2 P(Z +2) = = (g) Todetaa esi, että stadadoidu omaalijakauma N(0, ) symmetia takia P( Z z) = 2 P(Z z) Site P( Z z) = 2 P(Z z) = 0. P(Z z) = 0.05 P(Z z) = 0.95 z =.64 Ilkka Melli (2004) 8/4
9 Olkoo satuaismuuttuja X N( 3, 9), jolloi E(X) = µ = 3 Va(X) = D 2 (X) = σ 2 = 9 D(X) = σ = 3 Tällöi stadadoitu satuaismuuttuja Z = (X µ)/σ = (X + 3)/3 N(0, ) ja X = σ Z + µ = 3 Z 3 N( 3, 9) (h) Todetaa esi, että P(X 2) = P(Z ( 2 + 3)/3) = P(Z /3) P(Z /3) = = P(X 2) (i) P(Z z) = 0.05 P(Z z) = 0.95 z =.64 Site = 3 z 3 = = Olkoo satuaismuuttuja X N(4, 4). Määää P(X = ). (b) Määää satuaismuuttuja X mediaai eli site, että P(X ) = 0.5. (c) Määää P(X 3). (d) Määää site, että P(X ) = (e) Määää site, että P(X ) = 0.0. (f) Määää satuaismuuttuja X odotusavoo µ suhtee symmetiset pisteet µ ja µ + ii, että iide ulkopuolelle jää todeäköisyysmassasta 5%. Ilkka Melli (2004) 9/4
10 Jos satuaismuuttuja X N(4, 4), ii E(X) = µ = 4 Va(X) = D 2 (X) = σ 2 = 4 D(X) = σ = 2 Tällöi stadadoitu satuaismuuttuja Z = (X µ)/σ = (X 4)/2 N(0, ) ja X = σ Z + µ = 2 Z + 4 N(4, 4) Kaikilla jatkuvilla jakaumilla yhde pistee todeäköisyys = 0. Site P(X = ) = 0 (b) Koska omaalijakauma o symmetie jakauma paiopistee suhtee, ii P(X 4) = 0.5 = P(X 4) (c) Todetaa esi, että P(X 3) = P((X 4)/2 (3 4)/2) = P(Z 0.5) jossa Z = (X 4)/2 N(0, ) P(Z 0.5) = = P(X 3) (d) P(Z z) = 0.99 z = 2.33 Site = 2 (2.33) + 4 = 8.66 Ilkka Melli (2004) 0/4
11 (e) P(Z z) = 0.0 z = 2.33 Site = 2 ( 2.33) + 4 = 0.66 Kommetti (d)- ja (e)-kohtii: Pisteet 0.66 ja 8.66 sijaitsevat symmetisesti omaalijakauma N(4, 4) odotusavo 4 molemmilla puolilla. Piste 0.66 eottaa jakauma vasemmalle häälle tode äköisyysmassa 0.0, piste 8.66 eottaa jakauma oikealle häälle todeäköisyysmassa 0.0. Pisteide 0.66 ja 8.66 välii jää todeäköisyysmassa P(X 0.66) P(X +8.66) = = 0.98 (f) Todetaa esi, että stadadoidu omaalijakauma N(0, ) symmetia takia P( Z z) = 2 P(Z z) Site P( Z z) = 2 P(Z z) = 0.05 P(Z z) = Koska P(Z z) = P(Z z) voimme atkaista z: yhtälöstä P(Z z) = P(Z z) = = z =.96 Site µ + = µ + σ z = = 7.92 µ = µ σ z = = 0.08 Ilkka Melli (2004) /4
12 5.7. Heität viheetötä oppaa ketaa. Mikä o odotettavissa oleva kuutoste lukumäää? (b) Mikä o todeäköisyys, että kuutoste lukumäää o suljetulla välillä [9900, 050]? Ohje: Käytä (b)-kohdassa keskeisee aja-avolauseesee peustuvaa omaalijakaumaappoksimaatiota. Kuutoste lukumäää X opaheitossa oudattaa biomijakaumaa Bi(, p), jossa = p = /6 Site odotettavissa oleva kuutoste lukumäää o E(X) = p = 0000 (b) Keskeise aja-avolausee mukaa stadadoitu satuaismuuttuja jossa X E( X) Z = D( X ) E(X) = p = 0000 a N(0,) D 2 (X) = Va(X) = p( p) = D(X) = Stadadoimalla satuaismuuttuja X ja käyttämällä stadadoidu omaalijakauma N(0, ) taulukoita saadaa kysyty todeäköisyyde appoksimaatioksi: P(9900 X 050) = P(( )/9.287 (X 0000)/9.287 ( )/9.287) = P(.0 Z.64) = P(Z.64) P(Z.0) = = Ilkka Melli (2004) 2/4
13 5.8. Radioaktiiviste aieide säteilyä mitataa Geige-putkella. Mittaus tapahtuu ekisteöimällä impulssie lukumäää 60 sekui aikaa. Oletetaa, että impulssie lukumäää oudattaa Poisso-jakaumaa, jossa tapahtumaitesiteetti o 0 impulssia/s. (b) Mikä o odotettavissa oleva impulssie lukumäää miuuti aikaa? Mikä o keskimäääie odotusaika esimmäiselle impulssille? (c) Mikä o todeäköisyys, että impulsseja tulee miuutissa kokeitaa 550? Ohje: Käytä (c)-kohdassa keskeisee aja-avolauseesee peustuvaa omaalijakaumaappoksimaatiota. Impulssie lukumäää X yhde miuuti aikaa oudattaa Poisso-jakaumaa Poisso(λt), jossa λ = 0 t = 60 s Site Poisso-jakauma paametia o λt = 0 60 = 600 Odotettavissa oleva impulssie lukumäää o Poisso-jakauma odotusavo kaava mukaa E(X) = λt = 0 60 = 600 (b) Jos Poisso-jakauma tapahtumaitesiteettiä o λ ii. impulssi odotusaika Y Ep(λ) Site keskimäääie odotusaika esimmäiselle impulssille ekspoettijakauma odotusavo kaava mukaa E(Y) = /λ = /0 = 0. s (c) Keskeise aja-avolausee mukaa stadadoitu satuaismuuttuja X E( X) Z = D( X ) a N(0,) jossa E(X) = λ = 600 D 2 (X) = Va(X) = λ = 600 D(X) = Ilkka Melli (2004) 3/4
14 Stadadoimalla satuaismuuttuja X ja käyttämällä stadadoidu omaalijakauma N(0, ) taulukoita saadaa kysyty todeäköisyyde appoksimaatioksi: P(X 550) = P((X 600)/ ( )/ ) = P(Z 2-04) = Ilkka Melli (2004) 4/4
Mat Sovellettu todennäköisyyslaskenta B 5. harjoitukset / Ratkaisut Aiheet: Jatkuvia jakaumia Avainsanat: Jatkuvia jakaumia
Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Jatkuvia jakaumia Avaisaat: Biomijakauma, Ekspoettijakauma, Jatkuva tasaie jakauma, Kertymäfuktio, Keskeie raja-arvolause, Mediaai, Normaaliapproksimaatio,
LisätiedotDiskreettejä jakaumia. Diskreettejä jakaumia. Diskreettejä jakaumia Mitä opimme? 2/3. Diskreettejä jakaumia Mitä opimme? 1/3
TKK (c) Ilkka Melli (4) Diskeettejä jakaumia Johdatus todeäköisyyslasketaa Diskeettejä jakaumia Diskeetti tasaie jakauma Beoulli-jakauma Biomijakauma Geometie jakauma Negatiivie biomijakauma Hyegeometie
LisätiedotJohda 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
Lisätiedot5. 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
Lisätiedot8. laskuharjoituskierros, vko 11, ratkaisut
Mat-2.091 Sovellettu todeäköisyyslasku, kevät -05 Heliövaara, Palo, Melli 8. laskuharjoituskierros, vko 11, ratkaisut D1. Oletetaa, että havaiot X i, i = 1, 2,..., 100 muodostavat yksikertaise satuaisotokse
LisätiedotSatunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat
TKK (c) Ilkka Melli (4) Satuaismuuttujie muuokset ja iide jakaumat Satuaismuuttujie muuoste jakaumat Kaksiulotteiste satuaismuuttujie muuoste jakaumat Riippumattomie satuaismuuttujie summa jakauma Riippumattomie
LisätiedotMat-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,
LisätiedotTodennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2
Todeäköisyyslaskea ja tilastotietee peruskurssi Esimerkkikokoelma 2 Aiheet: Satuaismuuttujat ja todeäköisyysjakaumat Kertymäfuktio, pistetodeäköisyysfuktio ja tiheysfuktio Jakaumie tuusluvut Tärkeimmät
LisätiedotTodennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia
Todeäköisyyslasketa I, kesä 207 Helsigi yliopisto/avoi yliopisto Harjoitus 3, ratkaisuehdotuksia. Aikaisemma viiko teemaa. Edessäsi o kaksi laatikkoa A ja B. Laatikossa A o 8 palloa, joista puolet valkoisia.
LisätiedotMat 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
LisätiedotTodennäköisyyslaskenta: Todennäköisyysjakaumia
Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia Ilkka Melli 35 Todeäköisyysjakaumia
LisätiedotMat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:
Mat-.090 Sovellettu todeäköisyyslasku A Mat-.090 Sovellettu todeäköisyyslasku A / Ratkaisut Aiheet: Avaisaat: Otos- ja otosjakaumat Estimoiti Estimoitimeetelmät Väliestimoiti Aritmeettie keskiarvo, Beroulli-jakauma,
Lisätiedot1. (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
LisätiedotNormaalijakaumasta 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:
Lisätiedot4. Todennäköisyyslaskennan kertausta
Sisältö Peruskäsitteet Diskreetit satuaismuuttujat Diskreetit jakaumat (lkm-jakaumat) Jatkuvat satuaismuuttujat Jatkuvat jakaumat (aikajakaumat) Muut satuaismuuttujat lueto04.ppt S-38.45 - Liikeeteoria
LisätiedotJohdatus todennäköisyyslaskentaan Konvergenssikäsitteet ja raja-arvolauseet. TKK (c) Ilkka Mellin (2004) 1
Johdatus todeäköisyyslasketaa Kovergessikäsitteet ja raja-arvolauseet TKK (c) Ilkka Melli (2004) 1 Kovergessikäsitteet ja raja-arvolauseet Kovergessikäsitteitä Suurte lukuje lait Keskeie raja-arvolause
LisätiedotOsa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Konvergenssikäsitteet ja raja arvolauseet
Ilkka Melli Todeäköisyyslasketa Osa 2: Satuaismuuttujat ja todeäköisyysjakaumat Kovergessikäsitteet ja raja arvolauseet TKK (c) Ilkka Melli (2006) 1 Kovergessikäsitteet ja raja arvolauseet >> Kovergessikäsitteitä
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Melli Tilastolliset meetelmät Osa 2: Otokset, otosjakaumat ja estimoiti Estimoitimeetelmät TKK (c) Ilkka Melli (2007) Estimoitimeetelmät >> Todeäköisyysjakaumie parametrie estimoiti Suurimma uskottavuude
Lisätiedot4.1. 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
Lisätiedotj = I A = 108 A m 2. (1) u kg m m 3, (2) v =
764A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 6 Kevät 28. Tehtävä: Aiemmi olemme laskeeet kupari johtavuuselektroie tiheydeksi 8.5 28 m. Kuparijohdossa, joka poikkipita-ala o mm 2, kulkee A: virta. Arvioi Drude
LisätiedotJohdatus tilastotieteeseen Estimointimenetelmät. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Estimoitimeetelmät TKK (c) Ilkka Melli (2005) 1 Estimoitimeetelmät Todeäköisyysjakaumie parametrie estimoiti Momettimeetelmä Normaalijakauma parametrie estimoiti Ekspoettijakauma
LisätiedotJohdatus 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
LisätiedotMS-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,
Lisätiedot6.1 Riippumattomat satunnaismuuttujat
Luku 6 Otatajakaumie teoria 6.1 Riippumattomat satuaismuuttujat Muistamme edellisistä luvuista, että satuaismuuttujat X 1 ja X 2 ovat riippumattomat (määritelmät 4.6 ja 5.5), jos f(x 1, x 2 ) f 1 (x 1
Lisätiedot1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).
Luku 7 Parametrie estimoiti Lasse Leskelä Aalto-yliopisto 2. lokakuuta 2017 7.1 Tilastollie päättely Tähä meessä o opittu eustamaa tapahtumie todeäköisyyksiä aetu stokastise malli pohjalta. Eusteide laskemiseksi
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy 08 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var
LisätiedotOsa 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
LisätiedotTilastollinen päättely II, kevät 2017 Harjoitus 3B
Tilastollie päättely II, kevät 7 Harjoitus 3B Heikki Korpela 3. maaliskuuta 7 Tehtävä. Jatkoa harjoitukse B tehtävii -3. Oletetaa, että x i c kaikilla i, ku c > o vakio. Näytä, että ˆβ, T ja T ovat tarketuvia.
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemaalyys laboratoro Mat-.9 Sovellettu todeäkösyyslasku A Nordlud Harjotus 8 (vko 45/3) (Ahe: Raja-arvolauseta, otostuuslukuja, johdatusta estmot, Lae luvut 9.5,.-.6). Olkoo X ~ p(λ), mssä λ
Lisätiedot= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1
35 Naiivi Bayes Luokkamuuttua C o Bayes-verko uuri a attribuutit X i ovat se lehtiä Naiivi oletus o, että attribuutit ovat ehdollisesti riippumattomia toisistaa aettua luokka Ku käytössä o Boole muuttuat,
LisätiedotMat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit
Mat-.09 Sovellettu todeäköisyyslasku Mat-.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Estimoiti Luottamusvälit Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Estimaattori, Estimoiti, Frekvessi,
LisätiedotRATKAISUT x 2 3 = x 2 + 2x + 1, eli 2x 2 2x 4 = 0, joka on yhtäpitävä yhtälön x 2 x 2 = 0. Toisen asteen yhtälön ratkaisukaavalla saadaan
RATKAISUT 8 17 8 a) Paraabelie y x ja y x + x + 1 leikkauspisteet saadaa määritettyä, ku esi ratkaistaa yhtälö x x + x + 1, eli x x, joka o yhtäpitävä yhtälö x x. Toise astee yhtälö ratkaisukaavalla saadaa
LisätiedotMat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:
Mat-.9 Sovellettu todennäköisyyslasku A Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Moniulotteiset jakaumat Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Jatkuva
LisätiedotEX1 EX 2 EX =
HY, MTL / Matemaattiste tieteide kadiohjelma Todeäköisyyslasketa IIb, syksy Harjoitus Ratkaisuehdotuksia Tehtäväsarja I. Olkoot X ja X riippumattomia satuaismuuttujia, joille ja olkoo X EX, EX, var X,
LisätiedotIlkka 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
LisätiedotKaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut
Mat-2.09 Sovellettu todeäköisyyslasku /Ratkaisut Aiheet: Kaksiulotteie ormaalijakauma Mitta-asteikot Havaitoaieisto kuvaamie ja otostuusluvut Avaisaat: Ehdollie jakauma, Ehdollie odotusarvo, Ehdollie variassi,
LisätiedotJohdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteesee Otos ja otosjakaumat TKK (c) Ilkka Melli (005) 1 Otos ja otosjakaumat Yksikertaie satuaisotos Otostuusluvut ja otosjakaumat Aritmeettise keskiarvo ja otosvariassi otosjakaumat
Lisätiedot2. välikokeen mallivastaukset
TILASTOTIETEEN JATKOKURSSI, 10 OP, 19.1. 4.5.2010. Kijallisuus: Ilkka Mellin: Johdatus tilastotieteeseen, 2. kija. Luennoi: ylioisto-oettaja Pekka Pee. 2. välikokeen 4.5.2010 mallivastaukset 1. Täysiin
LisätiedotTodennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.
Testimuuttuja kriittie arvo 5 %: merkitsevyystasolla katsotaa taulukosta. Kriittie arvo o 9,488. Koska laskettu arvo 4,35 o pieempi kui taulukosta saatu kriittie arvo 9,488, ii ollahypoteesi jää voimaa.
LisätiedotJohdatus 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
LisätiedotTilastollinen päättömyys, kevät 2017 Harjoitus 6A
Tilastollie päättömyys, kevät 07 Harjoitus 6A Heikki Korpela 8. helmikuuta 07 Tehtävä. Moistee teht. 5.. Olkoo Y,..., Y riippumato otos ekspoettiperhee jakaumasta, joka ptf/tf o muotoa fy i ; θ cθhye φθtyi
LisätiedotTilastollinen 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
LisätiedotSovellettu 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
LisätiedotTestit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot
TKK (c Ilkka Melli (004 Johdatus tilastotieteesee TKK (c Ilkka Melli (004 : Mitä opimme? Tarkastelemme tässä luvussa seuraavia järjestysasteikolliste muuttujie testejä: ja merkkitesti parivertailuille
LisätiedotTilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)
Tilatotietee jatkokuri 8. lakuharjoitute ratkaiuehdotuket (viikot 13 ja 14) 1) Perujoukko o aluee A aukkaat ja tutkittavaa omiaiuutea ovat tulot, Tiedämme, että perujouko tulot oudattaa ormaalijakaumaa,
LisätiedotSovellettu 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
Lisätiedot1. osa, ks. Solmu 2/ Kahden positiivisen luvun harmoninen, geometrinen, aritmeettinen ja + 1 u v 2 1
Epäyhtälötehtävie ratkaisuja. osa, ks. Solmu 2/200. Kahde positiivise luvu harmoie, geometrie, aritmeettie ja kotraharmoie keskiarvo määritellää yhtälöillä H = 2 +, G = uv, A = u + v 2 u v ja C = u2 +
LisätiedotD ( ) 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,
LisätiedotLIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3
LIITTEET... 2 Liite A Stirligi kaava tarkkuudesta...2 Liite B Lagrage kertoimet... 2 Liitteet Liitteet Liite A Stirligi kaava tarkkuudesta Luoollista logaritmia suureesta! approksimoidaa usei Stirligi
LisätiedotMarkov-ketjun hetkittäinen käyttäytyminen
Matematiika ja systeemiaalyysi laitos 1B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava
Lisätiedot1 Eksponenttifunktion määritelmä
Ekspoettifuktio määritelmä Selvitimme aikaisemmi tällä kurssilla, millaie potessisarja säilyy derivoiissa muuttumattomaa. Se perusteella määritellää: Määritelmä. Ekspoettifuktio exp : R R määritellää lausekkeella
Lisätiedotxe y = ye x e y + xe y y = y e x + e x y xe y y y e x = ye x e y y (xe y e x ) = ye x e y y = yex e y xe y e x = x 3 + x 2 16x + 64 = D(x)
BM20A580 Differetiaalilasketa ja sovellukset Harjoitus 3, Syksy 206. Laske seuraavat itegraalit si(4t + )dt (b) x(x 2 + 00) 000 dx (c) x exp(ix )dx 2. Mitä o y, ku (x ) 2 + y 2 = 2 2, etäpä y? Vastaukset
LisätiedotMat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:
Mat-.60 Sovellettu todeäköisyyslasketa B Mat-.60 Sovellettu todeäköisyyslasketa B / Ratkaisut Aiheet: Estimoiti Estimoitimeetelmät Väliestimoiti Avaisaat: Aritmeettie keskiarvo, Beroulli-jakauma, Beroulli-koe,
LisätiedotTietoa sähkökentästä tarvitaan useissa fysikaalisissa tilanteissa, esimerkiksi jos halutaan
3 Sähköstatiikan laskentamenetelmiä Tietoa sähkökentästä tavitaan useissa fysikaalisissa tilanteissa, esimekiksi jos halutaan tietää missäläpilyönti on todennäköisin suujännitelaitteessa tai mikä on kahden
LisätiedotSatunnaismuuttujien 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
LisätiedotJohda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.
/ Raaisu Aihee: Avaisaa: Momeiemäfuio Sauaismuuujie muuose ja iide jaauma Kovergessiäsiee ja raja-arvolausee Biomijaauma, Espoeijaauma, Geomerie jaauma, Jaaumaovergessi, Jauva asaie jaauma, Kolmiojaauma,
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 5 (vko 4/003) (Aihe: jatkuvia satunnaismuuttujia ja jakaumia, sekamalli, Laininen luvut 5.1 5.7, 6.1 6.3)
Lisätiedot10 Kertolaskusääntö. Kahta tapahtumaa tai satunnaisilmiötä sanotaan riippumattomiksi, jos toisen tulos ei millään tavalla vaikuta toiseen.
10 Kertolaskusäätö Kahta tapahtumaa tai satuaisilmiötä saotaa riippumattomiksi, jos toise tulos ei millää tavalla vaikuta toisee. Esim. 1 A = (Heitetää oppaa kerra) ja B = (vedetää yksi kortti pakasta).
LisätiedotVastaus: Kertymäfunktio on F( x) = x, kun 0 x 20. Todennäköisyydet ovat molemmat 1. Frekvenssi f
0, ku x < 0 Vastaus: Kertymäfuktio o F( x) = x, ku 0 x 0 0, ku x > 0 Todeäköisyydet ovat molemmat 0. Laudatur MAA ratkaisut kertausharjoituksii Tilastoje esittämie 3. a) Tietty kasvi b) Kukkie lukumäärä
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Diskreettejä jakaumia TKK (c) Ilkka Mellin (2007) 1 Diskreettejä jakaumia >> Diskreetti tasainen jakauma Bernoulli-jakauma Binomijakauma
Lisätiedottilavuudessa dr dk hetkellä t olevien elektronien
Semiklassie johtavuusmalli Metalleissa vastus aiheutuu virrakuljettajie törmäyksistä, joita karakterisoi relaksaatioaika τ Oletetaa, että ifiitesimaalisella aikavälillä dt elektroi törmäystodeäköisyys
LisätiedotEhdollinen todennäköisyys
Ehdollie todeäköisyys Kerrataa muutama todeäköisyyslaskea laskusäätö. Tapahtuma E komplemettitapahtuma E o "E ei tapahdu". Koska todeäköisyyksie summa o 1, P ( E = 1 P (E. Joskus o helpompi laskea komplemettitapahtuma
LisätiedotJatkuvia jakaumia. Jatkuvia jakaumia. Jatkuvia jakaumia Mitä opimme? 2/3. Jatkuvia jakaumia Mitä opimme? 1/3. Jatkuvia jakaumia Mitä opimme?
TKK (c) Ilkk Melli (4) Jtkuvi jkumi Jtkuv tsie jkum Johdtus todeäköisyyslsket Jtkuvi jkumi TKK (c) Ilkk Melli (4) Jtkuvi jkumi Mitä opimme? /3 Tutustumme tässä luvuss seurvii jtkuvii todeäköisyysjkumii:
LisätiedotJohdatus 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
Lisätiedotx 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
LisätiedotS Laskennallinen systeemibiologia
S-4250 Laskeallie systeemibiologia Harjoitus Mittaustuloksea o saatu havaitoparia (x, y ),, (x, y ) Muuttuja y käyttäytymistä voidaa selittää muuttuja x avulla esimerkiksi yksikertaise lieaarise riippuvuude
Lisätiedot= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2
HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske
Lisätiedot4 KORKEAMMAN KERTALUVUN LINEAARISET DIFFERENTIAALIYHTÄLÖT. Kertaluvun n lineaarinen differentiaaliyhtälö ns. standardimuodossa on
4 4 KORKEAAN KERTAUVUN INEAARISET DIFFERENTIAAIYHTÄÖT Kertalukua olevassa differetiaalihtälössä F(x,,,, () ) = 0 esiit :e kertaluvu derivaatta () = d /dx ja mahdollisesti alempia derivaattoja, :tä ja x:ää.
LisätiedotTilastolliset luottamusvälit
Luku 8 Tilastolliset luottamusvälit Lasse Leskelä Aalto-yliopisto 18. lokakuuta 2017 8.1 Piste-estimaatti ja väliestimaatti Edellisessä luvussa opittii määrittämää parametreille estimaatteja suurimma uskottavuude
LisätiedotIlkka 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
LisätiedotTestit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot
TKK (c) Ilkka Melli (4) Testit suhdeasteikollisille muuttujille Johdatus tilastotieteesee Testit suhdeasteikollisille muuttujille Testit ormaalikauma parametreille Yhde otokse t-testi Kahde otokse t-testi
Lisätiedot5/11 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,
LisätiedotMarkov-ketjun hetkittäinen käyttäytyminen
Matematiika ja systeemiaalyysi laitos B Markov-ketju hetkittäie käyttäytymie Tämä harjoitukse tavoitteea o oppia muodostamaa Markov-malleja satuaisilmiöille, piirtämää tiettyä siirtymämatriisia vastaava
Lisätiedot6. 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( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.
Kombiatoriikka, kesä 2010 Harjoitus 2 Ratkaisuehdotuksia (RT) (5 sivua) Käytä tehtävissä 1-3 kombiatorista päättelyä. 1. Osoita, että kaikilla 0 b a pätee ( ) a a ( ) k 1 b b 1 kb Biomikertoime määritelmä
LisätiedotSeuraavat peruslauseet 1-8 voidaan helposti todistaa integraalin määritelmästä. Integroimisjoukko R oletetaan rajoitetuksi Jordanmitalliseksi
Laaja matematiikka 5 Kevät 200 2. Itegraali omiaisuuksia Seuraavat peruslauseet -8 voidaa helposti todistaa itegraali määritelmästä. Itegroimisjoukko oletetaa rajoitetuksi Jordamitalliseksi joukoksi. Lause
Lisätiedota) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. 8 3 + 4 2 0 = 16 3 = 3 1 3.
Integraalilaskenta. a) Mikä on integraalifunktio ja miten derivaatta liittyy siihen? Anna esimerkki. b) Mitä määrätty integraali tietyllä välillä x tarkoittaa? Vihje: * Integraali * Määrätyn integraalin
LisätiedotKlassisen fysiikan ja kvanttimekaniikan yhteys
Klassise fysiika ja kvattimekaiika yhteys Scrödigeri yhtälö ei statioäärisistä tiloista muodostuvie aaltopakettie aikakäyttäytymie oudattaa Newtoi lakeja. Newtoi mekaiikka voidaa johtaa Schrödigeri yhtälöstä.
LisätiedotMateriaalia, ohjeita, videoita sekä lisätietoja opettajille tarjottavasta koulutuksesta osoitteessa:
Kevään 06 Pitkän matematiikan YO-kokeen TI-Nspie CAS -atkaisut Nämä atkaisut tety alusta loppuun TI-Nspie CX CAS -ojelmistolla ja tallennettu lopuksi PDF -muotoon. Takoituksena on avainnollistaa, miten
Lisätiedot2.3.1. Aritmeettinen jono
.3.1. Aritmeettie joo -joo, jossa seuraava termi saadaa edellisestä lisäämällä sama luku a, a + d, a+d, a +3d, Aritmeettisessa joossa kahde peräkkäise termi erotus o aia vakio: Siis a +1 a d (vakio Joo
Lisätiedotlim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2.
Mtemtiikk III 0600 Kurssi / Differetili- j itegrlilske jtkokurssi Tee 7 tehtävää ) Määritä lim ( ) ) + b) Määritä vkio site, että luseke ( ) + + ( )( ) ( + + ) + + + + + lim + lim lim (p) o jtkuv myös
LisätiedotYhden selittäjän lineaarinen regressiomalli
Ilkka Melli Tilastolliset meetelmät Osa 4: Lieaarie regressioaalyysi Yhde selittäjä lieaarie regressiomalli TKK (c) Ilkka Melli (007) Yhde selittäjä lieaarie regressiomalli >> Yhde selittäjä lieaarie regressiomalli
LisätiedotMomenttiemäfunktio ja karakteristinen funktio. Momenttiemäfunktio ja karakteristinen funktio
TKK (c) Ila Melli (4) Momeiemäfuio ja aaeisie fuio Momeiemäfuio Diseeie jaaumie momeiemäfuioia Jauvie jaaumie momeiemäfuioia Kaaeisie fuio Johdaus odeäöisyyslaseaa Momeiemäfuio ja aaeisie fuio TKK (c)
LisätiedotEpäyhtälöt 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
LisätiedotJohdatus 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)
LisätiedotT Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen
T-1.1 Datasta tietoo, syksy 5 Laskuharjoitus.1., ratkaisuja Joui Seppäe 1. Simuloidaa tasoittaista algoritmia. Esimmäisessä vaiheessa ehdokkaia ovat kaikki yhde muuttuja joukot {a}, {b}, {c} ja {d}. Aaltosulkeide
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n
LisätiedotMATA172 Sami Yrjänheikki Harjoitus Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki!
MATA17 Sami Yrjäheikki Harjoitus 7 1.1.018 Tehtävä 1 Totta vai Tarua? Lyhyt perustelu tai vastaesimerkki! (a) Jokaie jatkuva fuktio f : R R o tasaisesti jatkuva. (b) Jokaie jatkuva fuktio f : [0, 1[ R
LisätiedotSuhteellisuusteorian perusteet, harjoitus 6
Suhteellisuusteorian perusteet, harjoitus 6 May 5, 7 Tehtävä a) Valo kulkee nollageodeettia pitkin eli valolle pätee ds. Lisäksi oletetaan valon kulkevan radiaalisesti, jolloin dω. Näin ollen, kun K, saadaan
LisätiedotMATP153 Approbatur 1B Harjoitus 1, ratkaisut Maanantai
MATP53 Approbatur B Harjoitus, ratkaisut Maaatai..05. (Lämmittelytehtävä.) Oletetaa, että op = 7 tutia työtä. Kuika mota tutia Oili Opiskelija työsketelee itseäisesti kurssilla, joka laajuus o 4 op, ku
Lisätiedotχ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut
Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,
LisätiedotEstimaattori, Estimointi, Mediaani, Moodi, Odotusarvo, Parametri, Posteriorijakauma, Tunnusluku
Tilastollie päättely 6.1. Johdato Bayesi kaava, Bayeslaie lähestymistapa, Eakkotieto, Estimoiti, Frekvetistie lähestymistapa, Frekvessitulkita, Klassie lähestymistapa, Luottamustaso, Luottamusväli, Merkitsevyystaso,
LisätiedotAlgebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)
Algebra I Matematiika ja tilastotietee laitos Ratkaisuehdotuksia harjoituksii 5 (6 sivua) 14.2. 17.2.2011 1. Määritellää kuvaus f : S 3 S 3, f(α) = (123) α. Osoita, että f o bijektio. Mikä o se kääteiskuvaukse
LisätiedotTodennäköisyyslaskenta: Todennäköisyysjakaumia
Todeäköisyysjakaumia Todeäköisyyslasketa: Todeäköisyysjakaumia 6. Diskreettejä jakaumia 7. Jatkuvia jakaumia 8. Normaalijakaumasta johdettuja jakaumia 9. Moiulotteisia jakaumia TKK @ Ilkka Melli (6) 33
LisätiedotLiike-elämän matematiikka Opettajan aineisto
Liike-elämä matematiikka Opettaja aieisto Pirjo Saarae, Eliisa Kolttola, Jarmo Pösö ISBN 978-951-37-5741-0 Päivitetty 13.8.2014 Tehtävie ratkaisut - Luku 1 Verotus - Luku 2 Katelaskut ja talousfuktiot
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,
LisätiedotStokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio) 2.11.2015
Stokastiika perusteet Harjoitukset (Todeäköisyysavaruus, -mitta ja -fuktio) 2..205. Määritä potessijoukko 2,ku (a) {0, } (b) {(0, ]} ja ku (c) (0, ]. Ratkaisu: (a) 2 {;, {0}, {}, {0, }} (b) 2 {;, {(0,
LisätiedotPäähakemisto Tehtävien ratkaisut -hakemisto. 203. Vuosi Indeksi 2008 108,3 2012 116,7. a) Jakamalla 1,07756 7,76 %. c) Jakamalla 0,92802
Päähakemisto Tehtävie ratkaisut -hakemisto 2 Raha 202. Vuosi Ideksi 2007 104,1 2009 108,3 108,3 a) Jakamalla 1,040345 104,1 saadaa iflaatioprosetiksi 4,03 %. 104,1 b) Jakamalla 0,96121 saadaa, että raha
Lisätiedot