Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

Samankaltaiset tiedostot
Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Esimerkki 1: auringonkukan kasvun kuvailu

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

GeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Harjoitus 2: Matlab - Statistical Toolbox

6. laskuharjoitusten vastaukset (viikot 10 11)

Jatkuvat satunnaismuuttujat

Tilastollinen aineisto Luottamusväli

Aloitusohje versiolle 4.0

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

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

Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

KUVAN TUOMINEN, MUOKKAAMINEN, KOON MUUTTAMINEN JA TALLENTAMINEN PAINTISSA

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Sovellettu todennäköisyyslaskenta B

OKLV120 Demo 7. Marika Peltonen

Sen jälkeen Microsoft Office ja sen alta löytyy ohjelmat. Ensin käynnistä-valikosta kaikki ohjelmat

Sovellettu todennäköisyyslaskenta B

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

GeoGebra-harjoituksia malu-opettajille

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Hannu Mäkiö. kertolasku * jakolasku / potenssiin korotus ^ Syöte Geogebran vastaus

Kansion asetusten muuttaminen Windows 2000 käyttöjärjestelmässä Resurssienhallinnan kautta

1. a) Aineistot -osiosta löytyy kuntasektorin kuukausipalkat ammateittain vuonna 2016 (tehtava1a.ods).

1 Funktiot, suurin (max), pienin (min) ja keskiarvo

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Ohjeet Libre Officen käyttöön

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

3.7 Todennäköisyysjakaumia

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

031021P Tilastomatematiikka (5 op) viikko 3

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Sovellettu todennäköisyyslaskenta B

Tietosuoja-portaali. päivittäjän ohje

Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo.

Teema 7: Todennäköisyyksien laskentaa

Harjoitus 7: NCSS - Tilastollinen analyysi

Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45.

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Osa 2: Otokset, otosjakaumat ja estimointi

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

Uutiskirjesovelluksen käyttöohje

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Estimointi. Vilkkumaa / Kuusinen 1

TODENNÄKÖISYYS JA TILASTOT MAA6 KERTAUS

Excel Perusteet Päivi Vartiainen 1

Ajokorttimoduuli Moduuli 2. - Laitteenkäyttö ja tiedonhallinta. Harjoitus 1

30A02000 Tilastotieteen perusteet

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

b) Määritä/Laske (ei tarvitse tehdä määritelmän kautta). (2p)

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

Sovellettu todennäköisyyslaskenta B

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut

1. Nollahypoteesi on, että teksti on kirjoitettu lyhyemmällä murteella. Mahdollisiavaihtoehtojaonvainyksieliettäteksti

Tilastolliset toiminnot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Mat Sovellettu todennäköisyyslasku A

SUOMEN LASTENKULTTUURIKESKUSTEN LIITTO TILASTOPOHJAN KÄYTTÖ. Noora Herranen Kirsi Jaakkola Elina Järvelä Pilvi Kuitu

GEOS 1. Ilmastodiagrammi Libre Office Calc ohjelmalla

tilastotieteen kertaus

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

Sovellettu todennäköisyyslaskenta B

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

Pelaajan tietojen lisääminen

Asiakirjojen ja valokuvien skannaaminen Canon Canoscan -skannerilla

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Moodle-alueen muokkaaminen

Teema 8: Parametrien estimointi ja luottamusvälit

Derivaatta graafisesti, h- ja keskeisdifferenssimuodot GeoGebralla Valokuva-albumi

Paperiton näyttösuunnitelma

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

ph-titrauskuvaajan piirto LoggerProlla, Tl-Nspirellä,Class Padillä, GeoGebralla ja LibreOfficella

Harjoitus 8: Monte Carlo -simulointi (Matlab)

A-osio: Ilman laskinta, MAOL:in taulukkokirja saa olla käytössä. Maksimissaan tunti aikaa.

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

DIOJEN & NEGATIIVIEN DIGITOINTI Canon Canoscan -skannerilla

KTKO104 Demo 3. Marika Peltonen

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

Harjoitus 8: Monte-Carlo simulointi (Matlab)

Todennäköisyyden ominaisuuksia

Moodle-alueen muokkaaminen

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Anne-Mari Näsi EXCELIN PIKAKÄYTTÖOHJE (EXCEL 2007)

Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:

Muistitikun liittäminen tietokoneeseen

Väliestimointi (jatkoa) Heliövaara 1

Normaalijakaumasta johdettuja jakaumia

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

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

Transkriptio:

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot Sievin lukio Tehtävien ratkaisut tulee olla esim. Libre officen -writer ohjelmalla tehtyjä. Liitä vastauksiisi kuvia GeoGebrasta ja esim. TI-nSpire ohjelmalla tuotettuja matemaattisia ratkaisuja. MUISTA LIITTÄÄ KUVIA JOKA KOHDASTA! 1. Tutustutaan Geogebran jakaumaosioon. Valitse ensin Näytä-valikosta todennäköisyyslaskuri. Sieltä ensimmäisenä tulee vastaan normaalijakauma. Tutustu mitä muita jakaumia sieltä löytyy käytä alasvetovalikkoa. Tutustu myös vastaaviin kertymäfunktioihin. Klikkaa jakaumanvalinta-alasvetovalikon vasemmalta puolelta ikonia. Esim. Cauchy:n (Cauchy lausutaan [kosi]) tiheys- ja kertymäfunktioiden kuvaajat: Vielä ensin varsinaisia laskuja otetaan esiin (ellei jo ole valmiiksi esillä) ko. jakaumaan liittyvät parametrit (esim. normaalijakaumalla odotusarvo μ ja keskihajonta σ ja esim. binomijakaumalla toistojen lukumäärä n ja suotuisan tapahtuman todennäköisyys p) sekä välin valinta ja todennäköisyyden arvo. Vie kursori todennäköisyyslaskuri-ikkunan alareunassa olevan harmaan alueen ja valkoisen alueen rajapin-

taan, jolloin tulee esiin kaksisuuntainen nuoli. Klikkaa hiiren ykköspainiketta, pidä nappi alhaalla ja vedä ylöspäin. Saat esiin edellä mainitut asiat. Näkymä pitäisi olla seuraavankaltainen. Tämä näkymä on syytä aina olla jakaumien kohdalla esillä. a) Kun satunnaismuuttujalle X~N (12, 4 ), niin määritä (+ geogebralla näyttökuva todennäköisyyslas- 7 kurista) P(10,6 < X 13) (Muistapa geogebrassa desimaalipisteet.). Miten alarajan avoimuus vaikuttaa todennäköisyyteen? VAST. (0,9528) b) Kun satunnaismuuttujalle X~Bin(17; 0,23), niin määritä (+ geogebralla näyttökuva todennäköisyyslaskurista) P(X = 2), P(X = 8) ja P(X = 13). Saat nämä tod.näk. arvot suoraan kuvaajaikkunan oikealta reunalta katso c)-kohdan kuvaa. Määritä myös P(10 < X 13) ja P(10 X 13) Miksi kuvaaja on pylväsmäinen? VAST. (0,0003 ja 0,0016) c) Yhdistetään binomijakauma ja normaalijakauma, eli piirretään binomijakaumalle ns. verhokäyränä normaalijakauman käyrä. Paina nappia b)-kohdan tilanteessa ja tee havainnot. Sovelletaan tätä ja määritä P(7 X 12), kun X~Bin(35; 0,36), sekä binomijakautuneelle että sitä vastaavalle

normaalijakautuneelle satunnaismuuttujalle (ja vertaa arvoja). Ohje: normaalijakaumaa varten tarvitaan odotusarvo ja keskihajonta binomijakautuneesta satunnaismuuttujasta mites ne ny menikään? (esim. kirjan kappale 4.2). VAST. (0,4801 binomi ja 0,392 normaali, kun odotusarvo μ = 12,6 ja keskihajonta σ = 2,83) Vie lopuksi molemmat kuvaajat piirtoalueelle kutakuinkin tältä: -näppäimen kautta, muokkaa hieman värejä ja liitä kuva ratkaisuusi. Tulisi näyttää d) Mikä tulisi keskihajonnan olla kahden desimaalin tarkkuudella, jotta satunnaismuuttujalle X~N(3, σ) pätisi P( X 4) = 0,75? Huomaa itseisarvo! Mitä se voisi tarkoittaa? VAST. (σ =1.48). Entä mikä tulisi odotusarvon olla kahden desimaalin tarkkuudella, jotta satunnaismuuttujalle X~N (μ; 17 ) pätisi P(120 < X < 130) = 0,7? Mitä huomaat saaduista arvoista suhteessa tarkastel- 4 tavan välin 120 < X < 130 puoleen väliin. Perustele jotenkin lyhyesti. VAST. (μ =127,2 tai μ =122,8). 2. Tässä tehtävässä luodaan eli generoidaan arvoja ja katsotaan miten niitä voidaan käsitellä geogebralla. Valitse Näytä-valikosta taulukkolaskenta ja klikkaa f x painiketta (saat syöttökentän näkyviin). Klikkaa

solua A1 (eli valitaan se solu, jonne halutaan seuraava komento) ja sen jälkeen kirjoita syöttökenttään Satu, jolloin aukeaa valikko, josta voidaan valita haluttu toiminto. (Käy pikaisesti läpi mitä kaikkea valikko sisältää, oikealta löytyy vierityspalkki.) Käytä SatunnainenBinomiarvo(20,0.3) ja paina enter. Kopioi tämä tieto solun A1 oikeasta alanurkasta löytyvästä sinisestä pikkulaatikosta. Vie hiiren kursori sen kohdalle (jolloin se muuttuu mustaksi plusmerkiksi), klikkaa hiiren ykköspainiketta, pidä se alhaalla ja raahaa soluun A25 saakka. Näin saat 25 kpl binomijakautuneen satunnaismuuttujan arvoja. Alue jää automaattisesti valituksi. Paina sitten yhden muuttujan analyysipainiketta (löytyy geogebran vas.ylhäältä.) ja valitse toiminto Analysoi. Näkyviin tulee Dataanalyysi-ikkuna. Ota esiin tilastot-, data- ja asetukset-välilehdet. näkymä tulisi olla alla olevan kuvan kaltainen.

Tilastot-välilehdeltä saat tuttuja asioita (kurssin alkupuoli), asetukset-välilehdeltä voit käydä läpi histogrammiin ja kuvaajiin liittyviä asioita. Vie lopuksi tieto piirtoalueelle. Eli paina ja vie piirtoalueelle. Tee samankaltainen Data-analyysi normaalijakautuneelle satunnaismuuttujalle. Eli taulukkolaskennan syöttökenttään kirjoita SatunnainenNormiarvo(6, 1.5) ja jatka edellä käydyn mukaisesti. Lisää vielä lopuksi asetukset osion histogrammi välilehdeltä normaalikäyrä ja voit siirtää histogrammin luokkien määrä-liukusäädintä suuremmaksi. Tee havaintoja. Katso kuva alla. Muista viedä piirtoalueelle, vaihda tarvittaessa väri ja palauta näyttökuva piirtoalueesta (jossa on siis sekä binomi- että normaalijakautuneiden satunnaismuuttujien arvojen histogrammit + yksi käyrä.) Skaalaukset saattavat olla eri lisää kaksi kuvaa tarvittaessa.

3. EXTRA+1p Tärkeä niille, jotka jatkavat luonnontieteitä. Tarkastellaan keskeistä raja-arvolausetta, jossa on lyhyesti kyse siitä, että samoin jakautuneiden ja toisistaan riippumattomien (jatkuvien tai diskreettien) satunnaismuuttujien X 1, X 1,, X n summan jakauma on likimain normaalisti jakautunut, vaikka satunnaismuuttujien X i itsessään ei tarvitse olla normaalijakautuneita. Huom: samoin jakautuneisuus tarkoittaa, että kaikilla X i on sama odotusarvo μ ja keskihajonta σ. WIKIPEDIA: Yksinkertainen esimerkki keskeisestä raja-arvolauseesta saadaan heittämällä suurta määrää samanlaisia, "painottamattomia" noppia. Saatujen silmälukujen summa (tai keskiarvo) noudattaa tällöin likimain normaalijakaumaa. Koska reaalimaailman suureet ovat usein monien havaitsematta jääneiden satunnaisilmiöiden painotettuja keskiarvoja, keskeinen raja-arvolause osaltaan myös selittää, miksi normaalijakauma esiintyy mitä erilaisimmissa ilmiöissä. Siihen perustuu myös normaalijakauman käyttö likiarvona suuria otoksia koskevia kontrolloiduissa tilastollisissa kontrolloiduissa kokeissa. Oikealla olevassa kuvassa on todennäköisyystiheysfunktioita silmälukujen summalle heitettäessä noppaa 1...5 kertaa. Heittokertojen lukumäärän n kasvaessa jakauma lähestyy keskeisen raja-arvolauseen mukaisesti muodoltaan normaalijakaumaa. Oikeassa alakulmassa tiheysfunktioiden kuvaajat on skaalattu uudelleen ja sijoitettu päällekkäin, jolloin niitä voidaan helposti verrata normaalijakaumaan (musta käyrä). TEHTÄVÄ: Valitse geogebrasta yksi diskreetti ja yksi jatkuva jakauma (esim. Pascal diskreettinä ja Weibull / Gamma / Eksponentiaalinen / Lognormaali jatkuvana). Valitse joku odotusarvo ja joku keskihajonta/varianssi.päivitän myöhmemmin

Tallenna omanimi_sukunimi -muodossa uuden pedan tallennuskansioon 19.4.2018 mennessä.