Otoskoko 107 kpl. a) 27 b) 2654



Samankaltaiset tiedostot
n = 100 x = %:n luottamusväli µ:lle Vastaus:

Sovellettu todennäköisyyslaskenta B

Testejä suhdeasteikollisille muuttujille

Sovellettu todennäköisyyslaskenta B

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)

Estimointi. Vilkkumaa / Kuusinen 1

9. laskuharjoituskierros, vko 12-13, ratkaisut

Sovellettu todennäköisyyslaskenta B

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Luottamusvälit. Normaalijakauma johnkin kohtaan

10. laskuharjoituskierros, vko 14, ratkaisut

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

Tilastollinen aineisto Luottamusväli

Harjoitus 7: NCSS - Tilastollinen analyysi

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

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

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

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

riippumattomia ja noudattavat samaa jakaumaa.

Sovellettu todennäköisyyslaskenta B

Väliestimointi (jatkoa) Heliövaara 1

Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?

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

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

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =

805306A Johdatus monimuuttujamenetelmiin, 5 op

Sovellettu todennäköisyyslaskenta B

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Hypoteesin testaus Alkeet

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Sovellettu todennäköisyyslaskenta B

Todennäköisyyden ominaisuuksia

Tilastollisia peruskäsitteitä ja Monte Carlo

/1. MTTTP5, luento Kertausta. Olk. X 1, X 2,..., X n on satunnaisotos N(µ, ):sta, missä tunnettu. Jos H 0 on tosi, niin

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

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

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Parametrin estimointi ja bootstrap-otanta

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

4. laskuharjoituskierros, vko 7, ratkaisut

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

Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

031021P Tilastomatematiikka (5 op) viikko 5

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Osa 2: Otokset, otosjakaumat ja estimointi

Johdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Sovellettu todennäköisyyslasku A

Mat Sovellettu todennäköisyyslasku A

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

Testit järjestysasteikollisille muuttujille

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

Mat Tilastollisen analyysin perusteet, kevät 2007

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Sovellettu todennäköisyyslaskenta B

7. laskuharjoituskierros, vko 10, ratkaisut

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty

tilastotieteen kertaus

Tutkimustiedonhallinnan peruskurssi

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

MTTTP5, luento Kahden jakauman sijainnin vertailu (jatkoa) Tutkimustilanteita y = neliöhinta x = sijainti (2 aluetta)

ARVIOINTIPERIAATTEET

edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾

D ( ) E( ) E( ) 2.917

Mat Tilastollisen analyysin perusteet, kevät 2007

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

Tutkimustiedonhallinnan peruskurssi

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

Johdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1

Harjoitus 2: Matlab - Statistical Toolbox

Estimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1

MTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu

/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:

4. Seuraavaan ristiintaulukkoon on kerätty tehtaassa valmistettujen toimivien ja ei-toimivien leikkijunien lukumäärät eri työvuoroissa:

6. laskuharjoitusten vastaukset (viikot 10 11)

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,

Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu.

Sovellettu todennäköisyyslaskenta B

Transkriptio:

1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää 95%:n ja 99%:n luottamusvälit tiivisterenkaiden halkaisijan odotusarvolle. [0.592, 0.608] ja [0.590, 0.610] 2. Kuinka suuri otos vähintään tarvitaan, jos halutaan, että edellisen tehtävän tiivisterenkaiden halkaisijan odotusarvon 99%:n luottamusvälin pituus on korkeintaan 0.02 tuumaa? Otoskoko 107 kpl 3. Erään paperilaadun neliöpaino vaihtelee normaalijakauman mukaan ja hajonnan tiedetään olevan σ = 1.3 g/m 2. Kun halutaan estimoida odotusarvoa, niin kuinka suuri otos tarvitaan, jotta odotusarvon 99%:n luottamusvälin pituus olisi alle 1 g/m 2? 45 4. Estimoidaan normaalijakautuneen satunnaismuuttujan X odotusarvoa µ tilanteessa, jossa hajonta σ tunnetaan. Kuinka suuri otos tarvittaisiin, jotta odotusarvon 99%:n luottamusvälin pituus olisi alle a) σ, b) 0, 1σ? a) 27 b) 2654 5. Pakkauskoneella pakatuista laatikoista otettiin 8 kappaleen näyte, jossa painot (kg) olivat 5.0 4.5 5.2 5.4 4.7 4.8 5.6 5.0 a) Estimoi painon odotusarvo ja varianssi. b) Määrää odotusarvon 99% :n luottamusväli.

b) 5.025 ± 0.452 6. Jauhimen toiminnan valvonnassa tarkkaillaan jauhetun massan raekoon vaihtelua. Suoritetussa rutiinimittauksessa saatiin n=25 rakeen otoksesta hajonnaksi s=0.75 kg. Mitä arvoa pienempi raekoon todellinen hajonta σ on 95%:n varmuudella? Oletetaan, että raekoko on normaalijakautunut. σ = 0.9758831 0.98 7. Mediatutkimuksessa poimittiin suomalaisista 150 hengen otos ja kysyttiin mm. kuinka moni katsoi säännöllisesti erästä uutta televisiosarjaa. 57 henkeä ilmoitti katsovansa kyseistä sarjaa. Laske tämän perusteella 95%:n luottamusväli katsojien suhteelliselle osuudelle koko väestössä. 38 ± 8% 8. Tutkitaan suhteellisen osuuden, esim. puoluekannatuksen väliestimointia 95%:n varmuudella: miten suuri otoskoon olisi oltava, jotta saavutettaisiin a) 5, b) 1 prosenttiyksikön tarkkuus kannatusosuuden p estimoinnissa, kun ˆp = 0.25. Kuinka väliestimaatti muuttuu ˆp:n muuttuessa? a) n 289 b) n 7203 9. Halutaan selvittää, onko virvoitusjuomien pullottamoon asennettu uusi kuljetinrata lyhentänyt läpimenoaikaa. Läpimenoajat (ennen ja jälkeen) voidaan olettaa normaalijakautuneiksi ja varianssit yhtäsuuriksi. Estimoi keskimääräisen läpimenoajan lyheneminen µ 1 µ 2 ja määritä sen 95%:n luottamusväli seuraavasta koeaineistosta:

ennen n 1 = 12 x 1 = 35.2 s 2 1 = 24.4 jälkeen n 2 = 10 x 2 = 31.5 s 2 2 = 20.0 3.7 ± 4.2 10. Vertailtiin kahden valmistajan polttimoiden kestoikää ja havaintoaineistoista oli laskettu: Tyyppi 1: n 1 = 80, x 1 = 1200, s 2 1 = 40000 Tyyppi 2: n 2 = 100, x 2 = 900, s 2 2 = 35000 Määritä 99%:n luottamusväli kestoiän odotusarvojen erolle. 11. Valmistetaan laakerikuulia, joiden halkaisijan tulisi olla mahdollisimman tarkkaan 5 mm. Halkaisija X on normaalijakautunut odotusarvona säätöarvo µ ja keskihajontana σ = 0, 2 mm. Säätöarvo tarkastetaan mittaamalla n = 20 satunnaisesti valitun laakerikuulan halkaisija ja testaamalla riskitasolla α = 0,05 hypoteeseja H 0 : µ = 5, H 1 : µ 5. Suorita testaus, kun tarkastuksessa saatiin keskiarvoksi x = 5, 06 mm. Mikä on tuloksen P-arvo? P-arvo 0, 18 12. Kemiallisen prosessin valvonnassa tarvitaan liuoksen ph:n mittaamista. Prosessin toiminnan kannalta oikea ph-arvo on 7, 90. Liian suuret poikkeamat kumpaankin suuntaan ovat haitallisia. Onko ph pysynyt halutussa arvossa, jos kahdeksasta mittauksesta saadaan keskiarvoksi 7, 85 ja keskihajonnaksi 0, 04? Testaa hypoteeseja H 0 :µ = 7, 90 H 1 :µ 7, 90 Käyttäen riskitasoa α = 0, 05 Ei ole.

13. Määrätyillä testeillä mitattu älykkyysosamäärä on normaalijakautunut ja sen keskiarvo Suomen koko väestössä on 100, keskihajontana 24. Erään pikkukaupungin teknillisen korkeakoulun opiskelijoista poimittiin satunnaisesti 10 testattavaa. Näiden ÄO-lukemien keskiarvoksi saatiin x = 109.6 ja keskihajonnaksi s = 18.1. Mitä johtopäätöksiä tuloksista voidaan vetää? 14. Eräässä rahapelissä kone simuloi rahanheittoa. Eräs pelaaja epäilee, että kone "vetää"kotiinpäin, eivätkä kruuna ja klaava ole yhtä todennäköisiä. Pidettyään kirjaa tuloksista hän havaitsi, että 100 heitolla tuli 39 kruunaa ja 61 klaavaa. Voidaanko päätellä, ettei rahanheiton tulos ole täysin satunnainen? Käytä kaksisuuntaista testiä. Melkein merkitsevä 15. Eräässä valtiossa presidentti valitaan kaksivaiheisella kansanäänestyksellä, jossa ensimmäinen vaihe ratkaisee vaalin, mikä joku ehdokkaista saa yli 50% äänistä. Ennen vaalia suoritetussa kyselyssä kantansa ilmoitti 1496 henkilöä, joista 779 ilmoitti äänestävänsä ehdokasta N.N. Olkoon p kyseisen ehdokkaan kannatusosuus koko äänestäjäkunnassa. Testaa riskitasolla α = 0.05 hypoteesit H 0 : p 0, 5 H 1 : p > 0, 5 H 0 jää voimaan 16. Kahden autonrengastyypin keskimääräinen kesto on 50000 km. Halutaan testata onko tyypin 1 kestoajan hajonta suurempi kuin tyypin 2. Kestotesti suoritettiin 21 tyypin 1 renkaalle ja 16 tyypin 2 renkaalle. Otoshajonnoiksi saatiin tyypille 1 s 1 = 8400 km ja tyypille 2 s 2 = 5600 km. Suorita testaus riskitasolla α = 0.05. Tyypin 1 kestoajan hajonta ei ole suurempi kuin tyypin 2 kestoajan hajonta. 17.

Pakkauskoneella pakatuista laatikoista otettiin 6 kappaleen näyte, jossa painot (kg) olivat 4,5 5,0 5,2 5,4 5,1 5,7 Painon vaarianssi ei saisi olla yli 0, 15kg 2. Laske otosvarianssi ja testaa hypoteesit H 0 : σ 2 0, 15 H 1 : σ 2 > 0, 15 18. Muovilaadun kimmoisuus saattaa riippua valmistusprosessista. Tämän siekan tutkimiseksi otettiin kahdesta eri valmistusmenetelmällä tehdystä muovilaadusta 60 näytettä kummastakin ja laskettiin otoskeskiarvot ja -hajonnat: Menetelmä 1: n 1 = 60 X 1 = 8, 08 s 1 = 1, 76 Menetelmä 2: n 2 = 60 X 2 = 6, 97 s 2 = 1, 13 Testaa riskitasolla α = 0, 01, ovatko keskimääräiset kimmoisuudet yhtä- vai erisuuret. Oletetaan, että kimmoisuudet noudattavat normaalijakaumaa, mutta hajontoja ei voida olettaa yhtäsuuriksi. Erisuuret. 19. Epäillään, että edellisessä tehtävässä mainitun menetelmällä 1 tehdyn muovin kimmoisuus vaihtelee enemmän kuin menetelmällä 2 tehdyn. Testaa riskitasolla α = 0, 01 hypoteesit H 0 : σ 1 = σ 2 H 1 : σ 1 > σ 2 20. Tutkittiin kahden ammatiryhmän, sairaanhoitajien ja tietotekniikkainsinöörien, työperäistä stressiä. alittiin kahdeksan satunnaista koehenkilöä kummastakin ryhmästä. Stressiarvo lasketaan painotettuna keskiarvona eräistä fyysisistä ja psyykkisistä testeistä: mitä korkeampi arvo, sitä stressaantuneempi henkilö. Tulokset olivat seuraavat: Sairaanhoitajat 15 12 5 14 6 17 3 9 Tietotekniikkainsinöörit 10 5 2 8 3 12 1 3 Testaa sopivalla 2-suuntaisella testillä, onko ammattiryhmien keskimääräisissä tuloksissa eroa. Voidaan olettaa, että perusjoukkojen varianssit ovat yhtäsuuria. (Testisuureen arvo 2.0)

21. Testaa, onko tehtävän edellisen aineiston perusteella sairaanhoitajien ja tietotekniikkainsinöörien stressiarvoissa yhtä paljon vaihtelua vai vaihtelevatko sairaanhoitajien arvot enemmän (varianssien testaus). 22. Pankissa tutkittiin asiakkaan palveluajan jakautumista. 80 asiakkaan otoksessa ajat jakautuivat seuraavasti: min: 0-2 2-4 4-6 6-8 8-10 lkm: 9 23 22 15 11 Tutki κ 2 -yhteensopivuustestin avulla, riskitasolla α = 0,001, voidaanko palveluajan katsoa noudattavan eksponentiaalijakaumaa. Jakauman parametriksi on estomoitu λ = 1 x = 1 4,9. Luokkatodennäköisyydet ekponentiaalijakaumalle lasketaan kaavalla P (a X b) = F (b) F (a) = e λa e λb, paitsi viimeisen luokan todennäköisyys on P (X 8). Koska κ 2 > κ 2 0,999(3), H 0 hylätään riskitasolla α = 0,001 Jakauma poikkeaa erittäin merkittävästi Exp -jakaumasta 23. Neljä eri konetta valmistavat samaa tuotetta. Kunkin koneen tuotannosta otettiin 200 kappaleen näyte ja saatiin viallisten lukumääriksi 2, 9, 10 ja 3. Testaa 5%:n merkitsevyystasolla, poikkeavatko koneiden tuottamien virhekappaleiden osuudet toisistaan. On eroja, eli poikkeavat.