VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.2014 Ratkaisut ja arvostelu



Samankaltaiset tiedostot
Painopiste. josta edelleen. x i m i. (1) m L A TEX 1 ( ) x 1... x k µ x k+1... x n. m 1 g... m n g. Kuva 1. i=1. i=k+1. i=1

Matematiikan tukikurssi

2.4 Pienimmän neliösumman menetelmä

Kertymäfunktio. Kertymäfunktio. Kertymäfunktio: Mitä opimme? 2/2. Kertymäfunktio: Mitä opimme? 1/2. Kertymäfunktio: Esitiedot

Riemannin integraalista

Integraalilaskentaa. 1. Mihin integraalilaskentaa tarvitaan? MÄNTÄN LUKIO

Differentiaali- ja integraalilaskenta 1 (CHEM) Laskuharjoitus 4 / vko 47, mallivastaukset

R4 Harjoitustehtävien ratkaisut

Integraalilaskenta. Määrätty integraali

Matematiikan tukikurssi

lim + 3 = lim = lim (1p.) (3p.) b) Lausekkeen täytyy supistua (x-2):lla, joten osoittajan nollakohta on 2.

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

10. MÄÄRÄTYN INTEGRAALIN KÄYTTÖ ERÄIDEN PINTA-ALOJEN LASKEMISESSA

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

6 Integraalilaskentaa

Matematiikan tukikurssi

II.1. Suppeneminen., kun x > 0. Tavallinen lasku

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause

x k 1 Riemannin summien käyttö integraalin approksimointiin ei ole erityisen tehokasta; jatkuvasti derivoituvalle funktiolle f virhe b

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 8: Integraalifunktio ja epäoleellinen integraali

Analyysin perusteet kauppatieteilijöille P

11. MÄÄRÄTTY INTEGRAALI JA TILAVUUS

MS-A010{2,3,4,5} (SCI, ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 8: Integraalifunktio ja epäoleellinen integraali

MS-A010{2,3,4,5} (SCI,ELEC*, ENG*) Differentiaali- ja integraalilaskenta 1 Luento 7: Integraali ja analyysin peruslause

Numeeriset menetelmät TIEA381. Luento 9. Kirsi Valjus. Jyväskylän yliopisto. Luento 9 () Numeeriset menetelmät / 29

Käydään läpi: ääriarvo tarkastelua, L Hospital, integraalia ja sarjoja.

Matematiikan tukikurssi. Hannu Kivimäki

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

4 Pinta-alasovelluksia

LINSSI- JA PEILITYÖ TEORIAA. I Geometrisen optiikan perusaksioomat

TYÖ 30. JÄÄN TIHEYDEN MÄÄRITYS. Tehtävänä on määrittää jään tiheys.

1. Derivaatan Testi. Jos funktio f on jatkuva avoimella välillä ]a, b[ ja x 0 ]a, b[ on kriit. tai singul. piste niin. { f (x) > 0, x ]a, x 0 [

TEHTÄVÄ 1. Olkoon (f n ) jono jatkuvia funktioita f n : [a, b] R, joka suppenee välillä [a, b] tasaisesti kohti funktiota f : [a, b] R.

766328A Termofysiikka Harjoitus no. 12, ratkaisut (syyslukukausi 2014)

OSA 1: POLYNOMILASKENNAN KERTAUSTA, BINOMIN LASKUSÄÄNTÖJÄ JA YHTÄLÖNRATKAISUA

Esimerkki 8.1 Määritellään operaattori A = x + d/dx. Laske Af, kun f = asin(bx). Tässä a ja b ovat vakioita.

Sovellettu todennäköisyyslaskenta B

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

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

a = x 0 < x 1 < x 2 < < x n = b f(x) dx = I. lim f(x k ) x k=1

5 Epäoleellinen integraali

Sisältö. Integraali 10. syyskuuta 2005 sivu 1 / 20

5. laskuharjoituskierros, vko 8, ratkaisut

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

.) (b) Vertaa p :tä vastaavaa kineettistä energiaa perustilan kokonaisenergiaan. ( ) ( ) = = Ek

Määritelmä Olkoon C R m yksinkertainen kaari ja γ : [a, b] R m sen yksinkertainen parametriesitys, joka on paloittain C 1 -polku.

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

L 0 L. (a) Entropian ääriarvo löydetään derivaatan nollakohdasta, dl = al 0 L )

VEKTOREILLA LASKEMINEN

MATEMATIIKAN KOE, PITKÄ OPPIMÄÄRÄ PISTEYTYSKOKOUS

VEKTOREILLA LASKEMINEN

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

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Riemannin integraali

SARJAT JA DIFFERENTIAALIYHTÄLÖT Funktiojonot 1

3. laskuharjoituskierros, vko 6, ratkaisut

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi

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

7 Funktiosarjoista. 7.1 Funktiosarjojen suppeneminen

Ilkka Mellin (2008) 1/5

Reaalinen lukualue. Millainen on luku, jossa on päättymätön ja jaksoton desimaalikehitelmä?

Kirjallinen teoriakoe

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

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x,

031021P Tilastomatematiikka (5 op) viikko 3

2 Epäoleellinen integraali

Viikon aiheet. Pinta-ala

5 ( 1 3 )k, c) AB 3AC ja AB AC sekä vektoreiden AB ja

Riemannin integraalista

Matemaattiset menetelmät I. Seppo Hassi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

sin θ θ θ r 2 sin 2 θ φ 2 = 0.

Johdatus reaalifunktioihin P, 5op

Preliminäärikoe Pitkä Matematiikka

θ 1 θ 2 γ γ = β ( n 2 α + n 2 β = l R α l s γ l s 22 LINSSIT JA LINSSIJÄRJESTELMÄT 22.1 Linssien kuvausyhtälö

Sovellettu todennäköisyyslaskenta B

Numeerinen integrointi

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

9 A I N. Alkuperäinen piiri. Nortonin ekvivalentti R T = R N + - U T = I N R N. Théveninin ekvivalentti DEE SÄHKÖTEKNIIKAN PERUSTEET

5 Riemann-integraali ANALYYSI B, HARJOITUSTEHTÄVIÄ, KEVÄT Ala- ja yläintegraali

Laskennan mallit (syksy 2010) 1. kurssikoe, ratkaisuja

Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

Viivaintegraali: "Pac- Man" - tulkinta. Viivaintegraali: "Pac- Man" - tulkinta. "Perinteisempi" tulkinta: 1D 3/19/13

Ristitulo ja skalaarikolmitulo

Analyysi 2. Harjoituksia lukuihin 1 3 / Kevät Anna sellainen välillä ] 2, 2[ jatkuva ja rajoitettu funktio f, että

8.4 Gaussin lause Edellä laskettiin vektorikentän v = rf(r) vuo R-säteisen pallon pinnan läpi, tuloksella

Syksyn 2015 Pitkän matematiikan YO-kokeen TI-Nspire CAS -ratkaisut

> 1. = lim. ja lisäksi oletetaan, että integraali b

Paraabelikin on sellainen pistejoukko, joka määritellään urakäsitteen avulla. Paraabelin jokainen piste toteuttaa erään etäisyysehdon.

MS-A010{3,4} (ELEC*) Differentiaali- ja integraalilaskenta 1 Luento 9: Integroimismenetelmät

7.lk matematiikka. Geometria 1

Muita määrätyn integraalin sovelluksia

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

4. Reaalifunktioiden määrätty integraali

ANALYYSI I, kevät 2009

Transkriptio:

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 3.6.4 Rtkisut j rvostelu. Koululisen todistuksen keskirvo x on lskettu ) b) c) d) kymmenen ineen perusteell. Jos koululinen nostisi neljän ineen rvosn yhden numeron verrn, niin keskirvoksi tulisi 8.. Todistuksen keskirvo x on ) 7.4 b) 7.6 c) 7.7 d) 7.8 ( x + 4) = 8. x +.4 = 8. x = 7.6.. Keskihjonnn neliötä kutsutn ) vritiokertoimeksi b) vrinssiksi c) kovrinssiksi d) vinoudeksi.3 Lukujen, 4, 7,, 3 vrinssi on ).8 b). c) 3.7 d) 4. s = (x i x) = 4 = (3 ) 4 = 4 = 74 = 3.7. ( x i ) = 4 ( 3 44 ) x i 44 = 4 74.4 Ltikoss on must j punist pllo. Siitä nostetn pllo pluttmtt. Mikä on todennäköisyys, että inkin yksi nostetuist plloist on puninen? ) 7/38 b) 6/39 c) 8/4 d) /4

P("Ainkin yksi puninen") = P("Ei yhtään punist") ( ) 4 = ( ) = = 9 = 3 7 9 = 3 7 9 = 38 38 = 7 38. 4 9. Nopp heitetään kert. Odotusrvo kuutosten lukumäärälle on ) b) c) 4 d) 8 Kuutosten lukumäärä noudtt Bin(, /6)-jkum, joten kuutosten lukumäärän odotusrvo on (/6) =..6 Stunnismuuttuj X noudtt normlijkum ) b) c) d) N(, ). Tällöin P ( X 4 > ) on likimin ).84 b).79 c).74 d).69 P ( X 4 > ) = P ( X 4 ) = P ( X 4 ) = P ( + 4 X 4 + 4 + 4) = P ( X 6) = P ( X 6 ) = P (/ (X )/ 6/) = P ( (X )/ 3) = (Φ(3) Φ()) (.9987.843) =.74 =.846.

. Diskreetin stunnismuuttujn X jkum on x i 3 4 p i p 4p p 3p ) Määritä p. (p i on pistetodennäköisyys) b) Lske odotusrvo E(X) j vrinssi Vr(X). c) Määritä stunnismuuttujn X medini. ) Diskreetillä jkumll pistetodennäköisyyksien summ on yksi, joten sdn p + + 4p + p + 3p = 9p = 9p = 9 p =. b) Stunnismuuttujn X odotusrvo on E(X) = x i p i = ( ) + + 3 4 + 4 + 3 = 3 Stunnismuuttujn X vrinssi voidn lske kvll joss E(X ) = V r(x) = E((X E(X)) ) = E(X ) (E(X)), x i p i = 4 + + 9 4 + 6 + 3 = 33. Vrinssiksi sdn nyt V r(x) = 33 ( 3 ) = 33 96 = 463 96 =. c) Stunnismuuttujn X medini Med( X ) on luku, jok täyttää ehdot P (X Med(X )) j P (X Med(X )). Stunnismuuttujn X jkumtulukon perusteell sdn (< /), kun x <, / (< /), kun x <, 3/ (< /), kun x < 3, P (X x) = 7/ ( /), kun 3 x < 4, 8/ ( /), kun 4 x <, ( /), kun x. 3

j ( /), kun x, / ( /), kun < x, 8/ ( /), kun < x 3, P (X x) = 4/ (< /), kun 3 < x 4, 3/ (< /), kun 4 < x, (< /), kun x >. Huomtn, että inostn x = 3 toteutt nnetut ehdot, joten stunnismuuttujn X medini on 3. PISTEYTYS: ) mx piste, b) mx pistettä (odotusrvost piste j vrinssist piste), c) mx pistettä. Oikest vstuksest (Med=3) ilmn mitään perusteluj s inostn yhden pisteen. Jos rtkisuun on päästy täysin virheellisten lskujen perusteell, niin osiost on tullut noll pistettä (esim. sekoittmll stunnismuuttujn medinin lskemisen otosmedinin lskemiseen luvuist,, 3, 4 j. 3. Kolme kvriohrrstj vertili smn klljin pituuksi kolmess eri kvrioss A, B j C. Mittut tulokset ovt ll. Akvrio A: 7 8 7 6 6 Akvrio B: 8 7 9 9 8 Akvrio C: 7 4 8 8 6 7 6 7 Oletetn, että keskihjonnt ovt tiedoss j ne ovt likimin seurvt: Akvrio A: Akvrio B: 3/ Akvrio C: 4/3. ) Määritä 9 %:n luottmusväliä muodostettess käytettävä kriittinen rvo, kun oletmme, että voimme sovelt normlijkum. b) Lske 9 %:n luottmusvälit kvrioiden A, B j C klojen pituuksien odotusrvoille j vert smisi tuloksi. (Lskuiss kriittisen rvon voi pyöristää lähimpään kokonislukuun.) Piirrä myös kuv. ) Luottmusväli klljin pituuden odotusrvolle on s x ± z., n joss x on hvintojen keskirvo j s hvintojen keskihjont. Olkoon Z stunnismuuttuj, jok noudtt N(, )-jkum. Kriittinen rvo 4

z. (> ) on rvo, joll P ( z. Z z. ) =.9. Kosk stndrdoitu normlijkum on symmetrinen nolln suhteen, niin P (Z z. ) =.97. Normlijkumn tulukost sdn kriittiseksi rvoksi z. =.96. b) Käytetään lskuiss kriittisen rvon pyöristettyä rvo z.. = 6 9 Akvrion A klojen pituuksien keskirvo on x A, joten pituuden odotusrvon likimääräiseksi 9% luottmusväliksi sdn 6 9 ± 9 = 6 ±. 9 Luottmusvälin lrj on 3/9.9 j ylärj 77/9 8.6. = 84 9 Akvrion B klojen pituuksien keskirvo on x B, joten pituuden odotusrvon likimääräiseksi 9% luottmusväliksi sdn 84 9 ± 3/ = 84 ± 9. 9 9 Luottmusvälin lrj on 7/9 8.3 j ylärj 93/9.3. = 8 9 Akvrion C klojen pituuksien keskirvo on x C, joten pituuden odotusrvon likimääräiseksi 9% luottmusväliksi sdn 8 9 ± 4/3 = 8 ± 8. 9 9 Luottmusvälin lrj on /9.6 j ylärj 66/9 7.3. Vertilln luottmusvälejä kuvion vull. Akvrion B klojen pituuksien odotusrvo näyttäisi poikkevn khden muun kvrion odotusrvoist. Akvrioiden A j B luottmusvälit ovt selkeästi päällekkäin. A B C 6 7 8 9 Kuv : Tehtävä 3b

PISTEYTYS: ) mx piste, b) mx 4 pistettä. 4. Olkoon > kiinteä reliluku. Stunnismuuttuj X on tsisesti jkutunut välillä (, ), jos sen tiheysfunktio on {, kun x (, ) f X (x) =, muulloin. ) Piirrä tiheysfunktion kuvj. b) Määritä X :n kertymäfunktio j P (X b), kun < b <. c) Määritä X :n medini. d) Miten määritellään jtkuvn stunnismuuttujn odotusrvo? Määritä X :n odotusrvo. ) f(x) / x b) Kun x (, ), niin F X (x) = P (X x) = Kertymäfunktioksi sdn siis Kuv : Tehtävä 4 x f X (t)dt = x x dt = F X (x) = P (X x) = f X (t)dt, kun x, x =, kun < x <,, kun x. Kun < b < j >, niin < b < j näin ollen P (X b) = F X (b) = b = b. x t = x. 6

c) Jtkuvll jkumll medini sdn lskettu ehdost F X (Med) =. Käyttämällä kohdss b) johdettu kertymäfunktiot, niin rtkistvksi yhtälöksi sdn F X (Med) = Med = Med =. Medini löytyy symmetrisillä jkumill symmetripisteestä. Tässä tpuksess jkumn tiheysfunktio on symmetrinen pisteen / suhteen. d) Jtkuvn stunnismuuttujn X odotusrvo on E(X) = + xf X (x)dx, joss f X (x) on stunnismuuttujn X jkumn tiheysfunktio. Odotusrvoksi sdn nyt E(X) = + xf X (x)dx = x dx = x = =. Odotusrvo löytyy symmetrisillä jkumill (jos jkumll on olemss odotusrvo) symmetripisteestä eli odotusrvo on siinä tpuksess sm kuin medini. PISTEYTYS: ) mx. pistettä, b) mx pistettä, c) mx piste, d) mx. pistettä. 7