6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely

Samankaltaiset tiedostot
riippumattomia ja noudattavat samaa jakaumaa.

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

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

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

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

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

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

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

7.4 Normaalijakauma (kertausta ja täydennystä) Taulukosta P(Z 1,6449) = 0,05, P(Z -1,6449) = 0,05 P(Z 1,96) = 0,025, P(Z -1,96) = 0,025

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

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

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

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

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

MTTTP5, luento Luottamusväli, määritelmä

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

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

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

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

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

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

Sovellettu todennäköisyyslaskenta B

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

Väliestimointi (jatkoa) Heliövaara 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

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

Sovellettu todennäköisyyslaskenta B

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

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

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

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

10. laskuharjoituskierros, vko 14, ratkaisut

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Harjoitus 7: NCSS - Tilastollinen analyysi

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

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

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

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin

Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslasku A

c) A = pariton, B = ainakin 4. Nyt = silmäluku on5 Koska esim. P( P(A) P(B) =, eivät tapahtumat A ja B ole riippumattomia.

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

Testaa onko myrkkypitoisuus eri ryhmissä sama. RATK. Lasketaan kaikkien havaintoarvojen summa: k T i = = 486.

Mat Tilastollisen analyysin perusteet, kevät 2007

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

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

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

Otoskoko 107 kpl. a) 27 b) 2654

031021P Tilastomatematiikka (5 op) viikko 5

Osa 2: Otokset, otosjakaumat ja estimointi

Tilastollisen analyysin perusteet Luento 4: Testi suhteelliselle osuudelle

Johdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1

2. TILASTOLLINEN TESTAAMINEN...

Testejä suhdeasteikollisille muuttujille

Tilastollinen aineisto Luottamusväli

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Testit laatueroasteikollisille muuttujille

A130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala

6. laskuharjoitusten vastaukset (viikot 10 11)

MTTTP1, luento KERTAUSTA

9. laskuharjoituskierros, vko 12-13, ratkaisut

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)

MTTTP1, luento KERTAUSTA

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

Tutkimustiedonhallinnan peruskurssi

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle

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

Luottamusvälit. Normaalijakauma johnkin kohtaan

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

Tilastotieteen jatkokurssi syksy 2003 Välikoe

g=fi&lvv=2018&uilang=fi#parents

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 5

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

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

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

voidaan hylätä, pienempi vai suurempi kuin 1 %?

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

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

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

x=2&uilang=fi&lang=fi&lvv=2016

Todennäköisyyden ominaisuuksia

Estimointi. Vilkkumaa / Kuusinen 1

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Näistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.

Miten osoitetaan joukot samoiksi?

x=2&uilang=fi&lang=fi&lvv=2017

&idx=1&uilang=fi&lang=fi&lvv=2017

Testit järjestysasteikollisille muuttujille

Transkriptio:

3.12.2018/1 MTTTP5, luento 3.12.2018 6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely H 0 : = 0 Oletetaan, että populaatiossa viallisia %. Olkoon X 1, X 2,..., X n satunnaisotos tästä populaatiosta.

3.12.2018/2 Jos H 0 :n on tosi, niin viallisten prosenttiosuus otoksessa joten p ~,,, = (100 )/ ~ 0,1,.

3.12.2018/3 Jos H 1 : 0, niin H 0 hylätään riskitasolla, jos otoksesta laskettu z hav > z /2.

Pienin riskitaso p, jolla H 0 voidaan hylätä, on 2P(Z> z hav ). 3.12.2018/4

3.12.2018/5 Jos H 1 : > 0, niin H 0 hylätään riskitasolla, jos otoksesta laskettu z hav > z.

Pienin riskitaso p, jolla H 0 voidaan hylätä, on P(Z>z hav ). 3.12.2018/6

Jos H 1 : < 0, niin H 0 hylätään riskitasolla, jos otoksesta laskettu z hav < -z. 3.12.2018/7

Pienin riskitaso p, jolla H 0 voidaan hylätä, on P(Z<z hav ). 3.12.2018/8

3.12.2018/9 Esim. 6.1.6. Ystäväsi väittää, että suomalaisista on 10% vasenkätisiä. Tutkit asiaa ja valitset satunnaisesti 400 suomalaista, joista vasenkätisiä on 47. Uskotko ystäväsi väitteen? H 0 : = 10 H 1 : > 10 Jos Ho tosi, = 10 10(100 10)/ ~ 0,1,.

3.12.2018/10 Otoksesta laskettu z:n arvo on = 11,75 10 10(100 10)/400 = 1,17 Pienin riskitaso, jolla H 0 voidaan hylätä yksisuuntaisessa testissä, on P(Z > 1,17) = 1 (1,17) = 1 0,8790 = 0,121. Uskotaan siis ystävän väite. Jos valitaan 5 %:n riskitaso, niin yksisuuntaisessa testissä kriittinen arvo on z 0,05 = 1,64 (koska (1,64) = 0,9495) ja kaksisuuntaisessa testissä z 0,05/2 = 1,96 (koska (1,96) = 0,975).

3.12.2018/11 Esim. Ruletissa on 37 numeroa, joista pyöritettäessä jokaisella pitäisi olla sama todennäköisyys tulla tulokseksi. Pelipaikka voittaa numerolla nolla. Rulettia pyöritetään 3700 kertaa. Saadaan nollia 140 eli 3,78 %. Toimiiko ruletti oikein? H 0 : = 100 1/37 H 1 : > 100 1/37 Jos H 0 tosi, niin = 100 37 100 37 (100 100 37 )/ ~ 0,1,.

3.12.2018/12 Otoksesta laskettu z:n arvo on = 100 37 140 37 100 37 (100 100 37 )/3700 4,06 Pienin riskitaso, jolla H 0 voidaan hylätä yksisuuntaisessa testissä, on P(Z > 4,06) = 1 (4,06) 0. Ruletti ei toimi oikein.

3.12.2018/13 Esim. 6.1.7. Öljy-yhtiö väittää, että erään kaupungin asunnoista 20 % lämmitetään öljyllä. Onko kuitenkin syytä olettaa, että vähemmän kuin viidesosa asunnoista lämmitetään öljyllä, jos 1000 satunnaisesti valitusta kaupungin asunnosta vain 160 lämmitettiin öljyllä? Nyt H 0 : = 20 H 1 : < 20. Jos H 0 tosi, niin = 20 20(100 20)/ ~ 0,1,.

Aineiston perusteella testisuureen arvoksi saadaan z 16 20(100 20 20) /1000 3,16 z 3.12.2018/14 0,001. H 0 hylätään 0,1 %:n riskitasolla. Päätellään, että alle viidesosa lämmitetään öljyllä. Pienin riskitaso, jolla H 0 voidaan hylätä, on P(Z < -3,16) = 1 - (3,16) = 1 0,9992 = 0,0008. 3,08

3.12.2018/15 Esim. Aiempien tutkimusten perusteella 20 % kahvin juojista valitsi kahvin hinnan perusteella. Haluttiin selvittää, onko ostokäyttäytymisessä tapahtunut muutosta. Kysyttiin valinnan perusteita 100 kahvin juojalta. Päätellään muutosta tapahtuneen, jos p > 28 % (p = otoksessa valintansa hinnan perusteella tekevien %-osuus). Mikä on tällöin testissä käytetty? H 0 : = 20 Jos H 0 tosi, niin p ~ 20,,.

3.12.2018/16 Käytetty riskitaso = P(H 0 hylätään, kun se on tosi) = P(p > 28, kun = 20) = 1 P(p 28, kun = 20) = 1 ( ( )/ ) = 1 (2) = 0,0228

3.12.2018/17 Esim. Verkkokauppa pyrkii toimimaan siten, että tuotteet lähetetään kolmen työpäivän kuluttua tilauksesta. Tämä ei kuitenkaan aina ole mahdollista. Verkkokauppa haluaa toimia siten, että satunnaisia viivästymisiä voi olla 10 %. Viimeisen kuukauden ajalta satunnaisesti valituista 150 tilauksesta 21 lähetettiin myöhässä. Verkkokauppa toteaa, että lähetyksissä ei ole 10 % suurempaa viivästymistä. Millä riskitasolla päättely on voitu tehdä? H 0 : = 10 H 1 : > 10

3.12.2018/18 Jos Ho tosi, = 10 10(100 10)/ ~ 0,1,. Aineiston perusteella testisuureen arvoksi saadaan z 14 10 10(100 10) /150 1,63 Pienin riskitaso, jolla H 0 voidaan hylätä, on P(Z > 1,63) = 1 - (1, 63) = 1 0,9484 = 0,0516. Päättely on voitu tehdä esim. 5 %:n riskitasolla..

6.1.3 Kahden jakauman sijainnin vertailu 3.12.2018/19 H 0 : = 2 tai H 0-2 = 0 X 1, X 2,..., X n on satunnaisotos N(µ 1, ):sta, Y 1, Y 2,..., Y m on satunnaisotos N(µ 2, ):sta. Oletetaan, että varianssit tunnettuja ja satunnaisotokset riippumattomia.

3.12.2018/20 Kun H 0 on tosi, niin = + ~ 0,1. Tätä käytetään testisuureena, päättely kuten aiemminkin normaalijakaumaa noudattavien testisuureiden tapauksissa.

3.12.2018/21 Esim. Hedelmien viljelijä tietään pitkäaikaisen seurannan perusteella, että samanlaisissa olosuhteissa viljeltyinä lajike A ja B tuottavat keskimäärin yhtä suuren sadon. Lisäksi molempien lajikkeiden sadon vaihtelu on normaalisti jakautunut varianssina 66 g 2. Viljelijä ottaa käyttöön uudet viljelyalueet. Hän epäilee, että uudet kasvumaat eivät enää tuota keskimäärin samansuuruisia satoja. Hän valitsee satunnaisesti molempien lajikkeista sadoista 25 saaden lajikkeen A sadon keskiarvoiksi 116 g ja lajikkeen B sadon keskiarvoksi 111 g. Onko viljelijän epäily aiheellista?

3.12.2018/22 Aseta tilanteeseen sopiva H 0 ja H 1. Suorita testaus 1 %:n riskitasolla. Laske pienin riskitaso, jolla H 0 voidaan hylätä. H 0 : = 2 H 1 : 2 Kun H 0 tosi, niin = ~ 0,1,

3.12.2018/23. = 116 111 66 25 + 66 25 = 2,18. Koska z 0,01/2 = 2,58, niin H 0 hyväksytään 1 %:n riskitasolla. Viljelijän epäily ei aiheellinen. Pienin riskitaso, jolla H 0 voidaan hylätä, on 2(1 - P(Z < 2,18)) = 2(1 - (2,18)) = 2(1 0,9854) = 0,0292.