HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

Samankaltaiset tiedostot
1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

= 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

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

Raja-arvot. Osittaisderivaatat.

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

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

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

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

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.

3.5 Generoivat funktiot ja momentit

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

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

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

l (φ; y) = l(θ(φ); y) Toinen derivaatta saadaan tulon derivaatan laskusäännöllä Uudelleenparametroidun mallin Fisherin informaatio on

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

Luento 6 Luotettavuus Koherentit järjestelmät

3.6 Su-estimaattorien asymptotiikka

Jaksolliset ja toistuvat suoritukset

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.

Ilkka Mellin (2008) 1/24

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

Sovellettu todennäköisyyslaskenta B

6.1.2 Luottamusjoukon määritelmä

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

3 Tilayhtälöiden numeerinen integrointi

5.7 Uskottavuusfunktioon perustuvia testejä II

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

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

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset:

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

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

Baltian Tie 2001 ratkaisuja

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

Estimointi. Vilkkumaa / Kuusinen 1

Monte Carlo -menetelmä

4. A priori menetelmät

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Painotetun metriikan ja NBI menetelmä

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

Monimuuttujamenetelmät: Multinormaalijakauma. Ilkka Mellin. 1. Multinormaalijakauma ja sen ominaisuudet

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät Ratkaisuehdotuksia

d L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ

9. laskuharjoituskierros, vko 12-13, ratkaisut

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

6. laskuharjoitusten vastaukset (viikot 10 11)

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

Muuttujien välisten riippuvuuksien analysointi

10.5 Jaksolliset suoritukset

Tilastollinen päättely II, kevät 2017 Harjoitus 2A

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

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

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

Tchebycheff-menetelmä ja STEM

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Satunnaismuuttujien muunnokset ja niiden jakaumat

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Mat Lineaarinen ohjelmointi

2. Uskottavuus ja informaatio

Moniulotteiset jakaumat ja havaintoaineistot

w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.

LIITTEET Liite A Stirlingin kaavan tarkkuudesta...2. Liite B Lagrangen kertoimet...3

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:

2-suuntainen vaihtoehtoinen hypoteesi

Sekalaiset tehtävät, 11. syyskuuta 2005, sivu 1 / 13. Tehtäviä

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Mat Sovellettu todennäköisyyslasku A

Tehtäviä neliöiden ei-negatiivisuudesta

Maximum likelihood-estimointi Alkeet

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin

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

Mat Koesuunnittelu ja tilastolliset mallit

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

S Laskennallinen systeemibiologia

4.0.2 Kuinka hyvä ennuste on?

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

RATKAISUT 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

Sovellettu todennäköisyyslaskenta B

Väliestimointi (jatkoa) Heliövaara 1

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

Generoidaan tiedostoon BINORM satunnaislukuja jakaumasta N(0,1) muuttujiksi U, V: (U, V): N 2 (0, 0, 1, 1, 0)

Tehtävä 1. Voidaanko seuraavat luvut esittää kahden neliön summina? Jos voidaan, niin kuinka monella eri tavalla? (i) n = 145 (ii) n = 770.

HASSEN-WEILIN LAUSE. Kertausta

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

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

Transkriptio:

HY, MTO / Matemaattste tetede kadohjelma Tlastolle päättely II, kevät 208 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I Olkoo Y, Y rppumato otos Pareto jakaumasta, fy; θ θc θ y θ+ { y > c } tuetulla vakolla c > 0 paramater ollessa θ > 0 Johda Wald, Rao sekä uskottavuusosamäärä kakssuutaset testsuureet H 0 : θ θ 0, H : θ θ 0 Ratkasu: Yhtestheysfukto o f Y y; θ fy ; θ θ c θ θ+ y {y > c } Uskottavuusfuktoks vodaa valta jollo log-uskottavuusfukto o Koska Lθ; y θ c θ θ y, lθ; y log θ + θ log c θ log y l θ; y θ + log c log y 0 θ log y log c log y log c ja toe dervaatta su-estmaatt o Fsher formaato l θ; y 0 θ > 0, θ2 ˆθ log y log c θ E l θ, y E θ 2 θ 2 Nyt kakssuutaseks Wald testsuureeks saadaa wy θ 0 ˆθ θ 0 2 θ0 2 2 log y log c θ 0,

kakssuutaseks Rao testsuureeks uy l θ 0, y 2 θ 0 ja uskottavuusosamäärä testsuureeks θ 0 + log c log y 2 θ 2 0 ry 2lˆθ; y lθ 0 ; y 2 log ˆθ + ˆθ log c log y log θ 0 + θ 0 log c log y 2 log log y log c + log θ 0 θ 0 log c log y 2 log log y log c + log θ 0 θ 0 log c + log y Kakk testsuuresta oudattavat ollahypotees pätessä asymptoottsest χ 2 -jakaumaa 2 Pearso kh elö testsuure ta yhteesopvuustestsuure eglaks goodessof-ft o X 2 p 2 y; p p ku aesto y,, { 0,, 2,, } ja luvut p p,, p 0, Lukuje summa ja p Olkoo Y Mult, p multomjakautuut satuasvektor, joka yptf o f Y y; p p y p y y,, y Määrtellää parametr θ p,, p d Ω 0, d R d el tputetaa p p + + p d turhaa pos : Olkoo H 0 : θ θ 0 a Mtä ehtoja ätä o yhteesä ja e ovat epäyhtälötä parametrt toteuttavat? Ku d 2, prrä suurmma mahdollse avome parametravaruude kuva b Laske tämä mall uskottavuusosamäärä testsuure ry Huom yt kusaparametra e varsasest ole, jote vot ajatella, että rajotettu su-estmaatt o θ 0 Ratkasu: a Multomjakauma parametrvektor p p,, p d, p toteuttaa ehdot p 0, ja p + + p Nämä ehdot ovat yhtäptävät tlastollse mall parametra θ p,, p d koskeve d + epäyhtälö p > 0 p d > 0 p + + p d < Multomjakaumassa vos salla myös arvot p 0 ja p, kuha yhtespstetodeäkösyyde lausekkeessa käyttää sopmusta 0 0

kassa: Ehdosta p 0, {,, d + } ja p + + p seuraa suoraa, että p > 0 {,, d} ja p + + p d p + + p p p < Vastaavast ehdosta p > 0 {,, d} ja p + + p d < seuraa, että myös p p + +p d > 0, p p + +p d < 0 + + 0, p < p + + p d < {,, d} Tapauksessa d 2 ehdot p > 0, p 2 > 0 ja p + p 2 < rajaavat p, p 2 - koordaatstossa pstede 0, 0,, 0 ja 0, väl jäävä avome kolmo b Uskottavuusfuktoks vodaa valta Lθ; y f Y y; θ p y p y d d p + + p d y, y,,y jollo log-uskottavuusfukto o lθ; y y log p + + y d log p d + y log p + + p d Log-uskottavuusfukto gradett lθ; y lθ; y,, p y p Tämä o ollavektor, jos ja va jos lθ; y p d y p + + p d,, y d p d y p + + p d p y y p + + p d {,, d} Yhtälöstä p + + p d y p + + p d + + y d p + + p d y y

y + + y d y p + + p d saadaa ratkastua, että ja ste p + + p d y + +y d y + y + +y d, y Lsäks Hesse matrs 2 H : lθ; y p p j lθ; y 0,, 0 p y y + +y d y y + y + +y d y y y + y + +y d y y,j {,,d} 2 y y + + y d + y {,, d} o egatvsest semdeftt: kaklla v R d pätee y y { j} p 2 p + + p d 2,j {,,d} 2 d d v T Hv v H,j v j j d d y y { j} v j p 2 p + + p d 2 v j d y d d v 2 y p 2 + v j p + + p d 2 v j d y v 2 y d d v p 2 p + + p d 2 v j j d y v 2 y p 2 p + + p d 2 vt v 0, sllä y 0 {,, d + } ja v T v v 2 0 Täte su-estmaatt o y ˆθ,, y d Merktää θ 0 q,, q d Uskottavuusosamäärä testsuure o yt ry 2lˆθ; y lˆθ 0 ; y 2lˆθ; y lθ 0 ; y d 2 y log y + y log d y d y log + y log q + + q d

d 2 y log y + y log y d y log + y log q + + q d 2 y log y d y log + y log q + + q d 3 Jatkoa tehtävää 2 a Laske tehtävä 2 tlateessa Rao pstemäärätestsuure b Näytä, että saatu Rao testsuure o ekvvalett Pearso yhteesopvuustestsuuree kassa Ratkasu: a Fsher formaatomatrs o θ E p 2 lθ; Y p p j,j {,,d} 2 Y Y E p { j} + p 2 p + + p d 2,j {,,d} 2 Ep Y E p Y { j} + p 2 p + + p d 2,j {,,d} 2 p { j} + p p 2 p 2,j {,,d} 2 { j} +, p p,j {,,d} 2 mssä p p + + p d Edellä käytett tetoa, että multomjakautuee satuasvektor Y odotusarvolle pätee EY p Fsher formaatomatrs käätesmatrs saadaa määrtettyä esmerkks Sherma-Morrso kaava 2 avulla: Merktää D p { j} ja,j {,,d} 2,, T R d Nyt ss θ D + p T Dagoaalmatrs D käätesmatrs o dagoaalmatrs D p { j},j {,,d} 2 Nyt Sherma-Morrso kaava mukasest 3 4 Fsher fromaato käätesmatrs o θ D + T p D + D T D p T D p D, { j},j {,,d} 2 + p d D, 2 https://ewkpedaorg/wk/sherma%e2%80%93morrso_formula 3 Wkpeda merköllä A D, u p ja v 4 + p T D p 0 D, D j,j p,j {,,d} 2

p { j} + p { j} d p p d p p + p p p { j} p p j p p 2 p { j} p p j,j {,,d} 2 p p p j p p j p 2,j {,,d} 2,j {,,d} 2,j {,,d} 2 Kute edellse tehtävä ratkasussa, merktää θ 0 q,, q d Käytetää lsäks lyheysmerktää q : q + + q d Koska y q y q 0, huomataa, että seuraavassa laskussa vodaa vahtaa summa d summaks ja sama j :llä, sllä yhteelaskettava summausdeks arvolla d + o olla 5 Rao pstemäärätestsuure o yt uy lˆθ 0 ; y T ˆθ 0 lˆθ 0 ; y d d lˆθ; y ˆθ,j lˆθ; y p p j j d d y j j y q y y q q q { j} q j { j} q j y j y q j q y j q j y q 5 Ktos tämä ovallukse kertoeelle kursslaselle! 6 Haluttuu lopputuloksee päästää lma tätä ovallustak eteemällä samalla tavalla ku seuraavassa, kylläk hema sotkusemmlla/useammlla välvahella 6 Samate ktos ovalluksesta, että tässä laskettu Rao pstemäärätestsuure vodaa ähdä /:llä kerrotuks erää satuasmuuttuja varassks: Olkoo g : {,, } R fukto g y y q Olkoo K dskreett satuasmuuttuja, jolle PK,,, Osaa varsase ratkasu laskua o laskettu ta ha va helpost ähdää, että EgK g y q, jollo uy g 2 2 g EgK 2 EgK 2 var gk EgK EgK2 g EgK 2 y 2 y y y 2 q q y 2 Varsase ratkasu lasku ok gk: avulla lmastua 2 y EgK 2 EgK 2 EgK EgK + EgK 2 EgK 2 EgK EgK 2 + 2EgK EgKEgK + EEgK 2 EgK 2 var gk + 2EgK EgK EgK + EgK 2 EgK 2 var gk }{{}}{{} 0 0

y y 2 q q j y y yj y q j j q q y + y 2 y y q j q 2 y y + 2 y + q y y ld + y j y q j q j q y 2 + 2 y y + q y y 2 q y 2 + 2 y + y 2 q q y 2 q y 2 y j y q j q y q 2 y q 2 b Koska ollahypoteesa H 0 : θ θ 0 q,, q d vastaava Pearso yhteesopvuustestsuure X 2 y; q 2, mssä q q,, q d, q q,, q d, q + + q d, o täys sama ku edellsessä kohdassa johdettu Rao pstemäärätestsuure, luoollsestk kyseset keskeää samat testsuureet ovat ekvvalett Tämä tehtävä kästtelee lukua 6 4 Mostee teht 62 Olkoot Y Y 2 ja Y Nµ, sekä Y 2 Nµ 2, Ets luvut a, b > 0 ste, että P Y µ a, Y 2 µ 2 a 095, PY µ 2 + Y 2 µ 2 2 b 2 095 Aesto o y, y 2, 05 Mtkä kaks 95 %: luottamusjoukkoa saadaa yo yhtälöde perusteella parametrparlle µ, µ 2? Prrä kuva Kump luottamusjoukosta o melestäs paremp? Ohje Tarvtset jakaume N0, ja χ 2 2 taulukota Ratkasu: Stadardodaa satuasmuuttujat Y : merktää kaklle, 2 Z Y µ, jollo Z N0, Nyt rppumattomuude ojalla 095 P Y µ a, Y 2 µ 2 a P Y µ ap Y 2 µ 2 a P Z ap Z 2 a P a Z ap a Z 2 a 2Φa 2

Tästä vodaa ratkasta helpost pste a: a Φ 2 095 + 224 Sjottamalla a tehtäväao yhtälöö saamme luottamusjoukoks Ay {µ, µ 2 : y µ a, y 2 µ 2 a} Merktää X Z 2 + Z2 2 muotoo {µ, µ 2 : y a µ y + a, y 2 a µ 2 y 2 + 2} [ 24, 324] [ 74, 274] χ 2 2 Nyt ss tehtäväao alemp yhtälö redusotuu PX b 2, mstä vodaa ratkasta b käyttämällä χ 2 2 -jakauma kvatlfuktota F χ 2 2 PX b 2 095 b 2 F 095 χ 2 2 b 095 245 F χ 2 2 Nyt sjottamalla b tehtäväao yhtälöö saamme toseks luottamusjoukoks By { µ, µ 2 : y µ 2 + y 2 µ 2 2 b 2} B, 05, 245, mssä B, 05, 245 o aestokeskee, säteellä 245 varustettu suljettu kuula R 2 :ssa Nelömuotose luottamusjouko A pta-ala o 4a 2 200 ja ympyrämuotose B ala o πb 2 88 Ss luottamusjoukko B ataa tarkemma arvo parametrparsta µ, µ 2, vakka tosaalta elömuotosta luottamusjoukkoa o helpomp kästellä ja esttää