Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Samankaltaiset tiedostot
Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Harjoitus 2: Matlab - Statistical Toolbox

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

3.7 Todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

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

6. laskuharjoitusten vastaukset (viikot 10 11)

Matematiikan kotitehtävä 2, MAA 10 Todennäköisyys ja tilastot

Todennäköisyyslaskun kertaus. Heliövaara 1

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

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

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

riippumattomia ja noudattavat samaa jakaumaa.

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

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Sovellettu todennäköisyyslaskenta B

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Tilastollinen aineisto Luottamusväli

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

30A02000 Tilastotieteen perusteet

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

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

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

tilastotieteen kertaus

4. laskuharjoituskierros, vko 7, ratkaisut

Sovellettu todennäköisyyslaskenta B

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

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

Mat Sovellettu todennäköisyyslasku A

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Tilastomatematiikka Kevät 2008

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

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

Sovellettu todennäköisyyslaskenta B

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 3: Todennäköisyysjakaumia. Diskreettejä jakaumia. TKK (c) Ilkka Mellin (2007) 1

Mat Sovellettu todennäköisyyslasku A

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla

Juuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisia peruskäsitteitä ja Monte Carlo

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

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

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

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

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

Sovellettu todennäköisyyslaskenta B

Johdatus tn-laskentaan torstai

031021P Tilastomatematiikka (5 op) viikko 3

dx=5&uilang=fi&lang=fi&lvv=2014

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

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

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

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

3. laskuharjoituskierros, vko 6, ratkaisut

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

Osa 2: Otokset, otosjakaumat ja estimointi

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

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Sovellettu todennäköisyyslaskenta B

V ar(m n ) = V ar(x i ).

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

pisteet Frekvenssi frekvenssi Yhteensä

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

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Moniulotteiset satunnaismuuttujat ja jakaumat

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

D ( ) E( ) E( ) 2.917

Inversio-ongelmien laskennallinen peruskurssi Luento 7

k S P[ X µ kσ] 1 k 2.

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

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

&idx=2&uilang=fi&lang=fi&lvv=2015

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

Estimointi. Vilkkumaa / Kuusinen 1

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

2. välikokeen mallivastaukset

Kokonaisuudet johon opintojakso kuuluu Lang=fi&lang=fi&lvv=2014

Valintahetket ja pysäytetyt martingaalit

Sovellettu todennäköisyyslaskenta B

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Transkriptio:

TOD.NÄK JA TILASTOT, MAA0 Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi Kuten tilastojakaumia voitiin esittää tunnuslukujen (keskiarvo, moodi, mediaani, jne.) avulla, niin vastaavasti todennäköisyysjakaumia voidaan esittää/luonnehtia tunnusluvuilla. Esimerkki Tarkastellaan noanheittoa, kun satunnaismuuttujana x on noan silmäluku (eli x on funktio, joka liittää noan silmälukuun sen lukuarvon) E x x 0 x = x = x = x = R Nyt = P x = satunnaismuuttuja x on tasajakautunut. Saadaan keskiarvo: x + x + + x = ja vastaavasti = = = = = eli = + +.. + = kertomalla satunnaismuuttujan x x arvot vastaavilla istetodennäköisyyksillä ja laskemalla tulot yhteen. Tätä keskiarvoa sanotaan odotusarvoksi. Määritelmä, diskreetin satunnaismuuttujan odotusarvo: Olkoot diskreetin satunnaismuuttujan x arvot x, x,, x n ja vastaavat istetodennäköisyydet,,, n. Tällöin tämän sat.muuttujan odotusarvo on E x = μ = x + x + + n x n = i x i. n i=

Merkki μ lausutaan: myy. Odotusarvo on soiva luku kuvaamaan jakauman keskikohtaa. Myös merkinnät Ex tai Ex ovat käytössä. (Eräänä suosituksena olisi käyttää vahvennettua E-kirjainta E erotuksena otosavaruuden E symbolista.) Määritelmä, diskreetin satunnaismuuttujan keskihajonta ja varianssi: Olkoot diskreetin satunnaismuuttujan x arvot x, x,, x n ja vastaavat istetodennäköisyydet,,, n sekä odotusarvo μ. Tällöin tämän satunnaismuuttujan keskihajonta on Dx = σ = x μ + x μ + + n x n μ n = i x i μ i= Keskihajonnan neliö D x = σ on satunnaismuuttujan x varianssi. Myös merkintöjä Dx ja D x käytetään. Esimerkki: Määritä/Laske satunnaismuuttujien x ja y keskihajonnat ja varianssit, kun näiden satunnaismuuttujien jakaumat ovat x k 0 y k 0 k k Nyt x on tasajakautunut ja y on binomijakautunut satunnaismuuttuja. 0 x 0 y Havaitaan, että satunnaismuuttujien odotusarvot ovat samat,, vaikka selvästi ne ovat eri tavoin jakautuneet. Laskemalla saadaan (kannattaa laskea ensin varianssit, josta neliöjuuren otto antaa keskihajonnat): 0 0 0

D x = σ = 0, +, + +, = 7,,9 Dx = σ = D x = 7,,7 D y = σ = 0, +, + +, = 0, Dy = σ = D y = 0, Havaitaan, Dx > Dy, eli x:n arvot ovat hajaantuneet enemmän, OK. Edellä vilahti sana binomijakauma ( binomijakautunut ). Mitä se on? Binomijakauma Kertausta: Binomitodennäköisyyttä voitiin hyödyntää toistokokeissa. Jos taahtuman A todennäköisyys on, eli P A =, niin P A = =: q. Toistetaan tarkasteltavaa koetta n kertaa, jolloin taahtuman A esiintymiskertojen lukumäärää voidaan tarkastella satunnaismuuttujana x. Mahdollisia x:n arvoja ovat siis 0,,,, n. Näitä arvoja vastaa todennäköisyydet P x = k = n k k n k = n k k q n k Saadaan binomijakautunut satunnaismuuttuja x, merk. x~bin n,. Määritelmä, binomijakauma ja sen odotusarvo/keskihajonta: Satunnaismuuttuja x noudattaa binomijakaumaa arametrein n,, jos sen arvot ovat x 0 = 0, x =,, x n = n ja vastaavat todennäköisyydet ovat k = P x = k = n k k n k, missä k = 0,,, n.

Binomijakautuneen satunnaismuuttujan x odotusarvolle ja keskihajonnalle voidaan johtaa lausekkeet μ = E x = n ja σ = Dx = n = nq Esimerkki: Olkoot erään veikkauksen tulosvaihtoehdot, x, yhtä todennäköisiä. Veikataan neljää kohdetta. a) Muodosta satunnaismuuttujan x= ristien lukumäärä jakauma b) Esitä jakauma histogrammina, viivadiagrammina c) Laske satunnaismuuttujan x odotusarvo ja keskihajonta a) Koska eri veikkauskohteilla ei ole vaikutusta toisiin, niin veikkausta voidaan itää toistokokeena ja satunnaismuuttujaa x binomijakautuneena. Mahdolliset x:n arvot (ristien lukumäärät) ovat Binomitodennäköisyyden nojalla k = P x = k = k A x = 0,,,,. k k, k = 0,,,, Joten 0 = P x = 0 = 0 = P x = = = P x = = = P x = = = P x = = 0 0 = 0,9 = 0,9 = 0,9 = 0,09 = 0,0

0 0 0 0 x 0 x c) x~bin,, joten ja μ = E x = n = = σ = Dx = nq = = 9 = 0,9 0 0 0 0 0 0 0 x