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

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

= 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

Mat Sovellettu todennäköisyyslasku A

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

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

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

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) ).

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

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

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

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

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

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

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

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

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

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

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

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

Raja-arvot. Osittaisderivaatat.

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Ilkka Mellin (2008) 1/24

Tilastollinen päättely II, kevät 2017 Harjoitus 2A

Luento 6 Luotettavuus Koherentit järjestelmät

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

3 Tilayhtälöiden numeerinen integrointi

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

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

5.7 Uskottavuusfunktioon perustuvia testejä II

3.5 Generoivat funktiot ja momentit

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

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

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

6.1.2 Luottamusjoukon määritelmä

3.6 Su-estimaattorien asymptotiikka

COULOMBIN VOIMA JA SÄHKÖKENTTÄ, PISTEVARAUKSET, JATKUVAT VARAUSJAKAUMAT

Jaksolliset ja toistuvat suoritukset

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

Todennäköisyyden ominaisuuksia

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

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

2-suuntainen vaihtoehtoinen hypoteesi

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

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.

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

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

Sovellettu todennäköisyyslaskenta B

9. laskuharjoituskierros, vko 12-13, ratkaisut

KURSSIN TILASTOMATEMATIIKKA KAAVOJA

Painotetun metriikan ja NBI menetelmä

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

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

Moniulotteiset jakaumat ja havaintoaineistot

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

Tchebycheff-menetelmä ja STEM

Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

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

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

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

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

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Moniulotteisia todennäköisyysjakaumia

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

4. A priori menetelmät

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

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

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

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

Estimointi. Vilkkumaa / Kuusinen 1

Mat Sovellettu todennäköisyyslasku A

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

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

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

EX1 EX 2 EX =

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

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

Väliestimointi (jatkoa) Heliövaara 1

1. Tilastollinen malli??

Baltian Tie 2001 ratkaisuja

Muuttujien välisten riippuvuuksien analysointi

Mat Lineaarinen ohjelmointi

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

Esitä koherentin QAM-ilmaisimen lohkokaavio, ja osoita matemaattisesti, että ilmaisimen lähdöstä saadaan kantataajuiset I- ja Q-signaalit ulos.

Mat Tilastollisen analyysin perusteet, kevät 2007

S Laskennallinen systeemibiologia

Sovellettu todennäköisyyslaskenta B

Kaksisuuntainen varianssianalyysi. Heliövaara 1

6. Stokastiset prosessit (2)

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

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

Bernoullijakauma. Binomijakauma

Transkriptio:

HY MTO / Matemaattste tetede kadohjelma Tlastolle päättely II kevät 019 Harjotus 7B Ratkasuehdotuksa Tehtäväsarja I 1 Mostee teht 516 Eräde kuulalaakerede kestoa mljooaa kerrosta o totuttu kuvaamaa Webull-jakaumalla joka theysfukto o fy; β λ λβy β 1 exp λy β y > 0 ja jossa β ja λ ovat postvsa parametreja Halutaa testata hypoteesa H 0 : β 1 el tutka vosko kestoa kuvata ekspoettjakaumalla Pomtaa 3 laaker otos ja mtataa otosyksköde kestot: 1788 89 3300 415 41 4560 4848 5184 5196 541 5556 6780 6864 6864 6888 841 931 9864 1051 10584 179 1804 17340 Suorta test käyttämällä uskottavuusosamäärä testsuuretta ja χ -approksmaatota Aputulos: Vapaa mall su-estmaatteja e vo lausua suljetussa muodossa mutta uskottavuusyhtälöt umeersest ratkasemalla ähdää että ˆβ 101 ja ˆλ 9515 10 5 Ratkasu: Mall parametr θ β λ Tlastollse mall lauseke el yhtestheysfukto o f Y y; β λ f Y y ; β λ λβy β 1 exp λy β 1{y > 0} λ β y β 1 exp λ y β 1{y > 0 kaklla } Koska β ja λ ovat postvsa parametreja parametravaruus o 0 0 Uskottavuusfuktoks saadaa Lβ λ; y λ β y β 1 exp λ y β Mall log-uskottavuusfukto o ste lβ λ; y log λ + log β + β 1 log y λ y β Koska ollahypotees o H 0 : β 1 rajotettu su-estmaatt o ˆθ 0 1 ˆλ 0 mssä ˆλ 0 saadaa maksmomalla log-uskottavuusfukto l1 λ log λ λ y log λ λȳ

muuttuja λ suhtee Tämä o tse asassa ekspoettjakaumamall log-uskottavuusfukto joka harjotukse a tehtävä ojalla maksmotuu λ: arvolla 1 ȳ Uskottavuusosamäärä testsuure o ste ry [lˆθ; y lˆθ 0 ; y] [ log ˆλ + log ˆβ + ˆβ 1 log y ˆλ y ˆβ log 1ȳ 1ȳ ] ȳ Tehtäväaossa o todettu että vapaa su-estmaatt havatulla aestolla o ˆθ ˆβ ˆλ 101 9515 10 5 Sjottamalla havattua aestoa vastaavat lukuarvot ˆβ 101 ˆλ 9515 10 5 3 log y 9546045 y ˆβ 417711 ja ȳ 7435 uskottavuusosamäärä testsuuree lausekkeesee saadaa testsuuree arvoks ry 1548717 Koska ry as χ 1 ku β 1 p-arvoks saadaa lkma p P {χ 1 ry} 83 10 5 Nä olle ollahypotees joka mukaa kestoa vos kuvata ekspoettjakaumalla hylätää Pearso kh elö testsuure ta yhteesopvuustestsuure eglaks goodessof-ft o X p y; p p ku aesto y 1 { 0 1 } ja parametr p p 1 p 0 1 Lukuje summa ja p 1 Olkoo Y Mult p multomjakautuut satuasvektor joka yptf o f Y y; p y 1 y p y 1 1 p y Määrtellää parametr θ p 1 p d Ω 0 1 d R d el tputetaa p 1 p 1 + + p d turhaa pos : Olkoo H 0 : θ θ 0 ku θ q 1 q d a Mtä ehtoja ätä o yhteesä ja e ovat epäyhtälötä parametrt toteuttavat? Ku d 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 1 p d p toteuttaa ehdot p 0 1 ja p 1 + + p 1 1 Nämä ehdot ovat yhtäptävät tlastollse mall parametra θ p 1 p d koskeve d + 1 epäyhtälö p 1 > 0 p d > 0 p 1 + + p d < 1 kassa: Ehdosta p 0 1 {1 d + 1} ja p 1 + + p 1 seuraa suoraa että p > 0 {1 d} ja p 1 + + p d p 1 + + p p 1 p < 1 Vastaavast ehdosta p > 0 {1 d} ja p 1 + + p d < 1 seuraa että myös p 1 p 1 + +p d > 1 1 0 p 1 p 1 + +p d < 1 0 + + 0 1 p < p 1 + + p d < 1 {1 d} Tapauksessa d ehdot p 1 > 0 p > 0 ja p 1 + p < 1 rajaavat p 1 p - koordaatstossa pstede 0 0 1 0 ja 0 1 väl jäävä avome kolmo p 0 1 1 0 p 1 b Uskottavuusfuktoks vodaa valta Lθ; y 1 f Y y; θ p y1 1 p y d d 1 p 1 + + p d y y 1 y jollo log-uskottavuusfukto o lθ; y y 1 log p 1 + + y d log p d + y log1 p 1 + + p d Log-uskottavuusfukto gradett lθ; y lθ; y p 1 y1 p 1 Tämä o ollavektor jos ja va jos lθ; y p d y 1 p 1 + + p d y d p d y 1 p 1 + + p d p y y 1 p 1 + + p d { d} 1 Multomjakaumassa vos salla myös arvot p 0 ja p 1 kuha yhtespstetodeäkösyyde lausekkeessa käyttää sopmusta 0 0 1

Yhtälöstä p 1 + + p d y 1 1 p 1 + + p d + + y d 1 p 1 + + p d y y saadaa ratkastua että ja ste Lsäks Hesse matrs H : lθ; y p p j y 1 + + y d y 1 p 1 + + p d p 1 + + p d y1 + +y d y 1 + y 1+ +y d y lθ; y 0 0 p y y1 + +y d y 1 y 1 + y 1+ +y d y y 1 y 1 + y 1+ +y d y y j {1d} y y 1 + + y d + y {1 d} o egatvsest semdeftt: kaklla v R d pätee y y 1{ j} p 1 p 1 + + p d j {1d} v T Hv v H j v j j1 y y 1{ j} v j1 p 1 p 1 + + p d v j y v y p + v j1 1 p 1 + + p d v j y v y v p 1 p 1 + + p d v j j1 y v y v p 1 p 1 + + p d 0 sllä y 0 {1 d + 1} ja v v j j1 v v j j1 y 1 v j j1 v 0 Täte su-estmaatt o y1 ˆθ y d

Merktää θ 0 q 1 q d Uskottavuusosamäärä testsuure o yt ry lˆθ; y lˆθ 0 ; y lˆθ; y lθ 0 ; y y log y + y y log 1 y log y + y log y y log y 3 Jatkoa tehtävää y log q + y log1 q 1 + + q d y log q + y log1 q 1 + + q d y log q + y log1 q 1 + + q d a Laske tehtävä tlateessa Rao pstemäärätestsuure b Näytä että saatu Rao testsuure o ekvvalett Pearso yhteesopvuustestsuuree kassa Tämä e ole ha helppo jote päättele tämä kohte c-e avulla c Laske Fsher formaatomatrs ja se käätesmatrs: käätesmatrs laskemsee vo käyttää esmerkks Sherma Morrso kaavaa https://e wkpedaorg/wk/sherma%e%80%93morrso_formula kaava kohdassa Statemet d Päättele että jos kuvaus g o g y q y q ku 1 d d + 1 ja dskreet satuasmuuttuja K ptf o PK q ku 1 d d + 1 Rao testsuure vodaa esttää muodossa uy 1 EgK EgK e Päättele että jos kuvaus g ja satuasmuuttuja K ovat ku kohdassa d Ratkasu: a Rao pstemäärä määrtellää kaavalla X y; q 1 var gk uy lˆθ 0 ; y T ˆθ 0 1 lˆθ 0 ; y Olkoo yt θ 0 q 1 q d ˆθ 0 sllä yt e ole varsasa kusaparametrejä ja käytetää lyheysmerktää q 1 q 1 + + q d Koska y q y q 0 jote huomataa että seuraavassa laskussa vodaa summa d korvata summalla sllä yhteelaskettava deksllä d + 1 o olla Rao pstemäärä o yt

uy lˆθ 0 ; y T ˆθ 0 1 lˆθ 0 ; y lˆθ 0 ; y ˆθ 0 1 j p j1 j1 y q y q ˆθ0 1 j lˆθ 0 ; y p j y j q j y q Rao testsuuree laskemsessa e päästä pdemmälle laskematta Fsher formaatomatrsa jote srrytää seuraavaa koht c Fsher formaatomatrs o θ E p lθ; Y p p j j {1d} Y Y E p 1{ j} + p 1 p 1 + + p d j {1d} Ep Y E p Y 1{ j} + p 1 p 1 + + p d j {1d} p 1{ j} + p p p j {1d} 1{ j} + p p j {1d} mssä p 1 p 1 + + p d Edellä käytett tetoa että multomjakautuee satuasvektor Y odotusarvolle pätee EY p Fsher formaatomatrs käätesmatrs saadaa määrtettyä esmerkks Sherma-Morrso kaava avulla: Merktää D p 1{ j} ja j {1d} 1 1 1 T R d 1 Nyt ss θ D + p 11 T Dagoaalmatrs D käätesmatrs o dagoaalmatrs D 1 p 1{ j} j {1d} Nyt Sherma-Morrso kaava mukasest Fsher fromaato käätesmat- https://ewkpedaorg/wk/sherma%e%80%93morrso_formula

rs o 1 θ 1 D + 11 T p D 1 1 1 + D 1 11 T D 1 p 1 T D 1 1 p D 1 1{ j} 1 j {1d} 1 + d p D 1 p 1{ j} 1 p p j 1 + d p p p j {1d} p 1{ j} 1 d p p + p p p 1{ j} 1 p p j 1 p p p 1{ j} p p j d Olkoo kuvaus j {1d} p p j p j {1d} j {1d} g y q y q ku 1 d d + 1 ja dskreet satuuasmuuttuja K ptf PK q ku 1 d d + 1 Tällö a ja c kohda ojalla Rao testsuure o uy 1 1 j1 y y q q q q y q y q g 1 q 1{ j} q q j 1 j1 D 1 D 1 jj p y j q j y q q j y q y q q yj q j y q q g 1 E gk EgK j {1d} e Lasketaa es että gk odotusarvo o EgK q g y y q q y q y q y q sllä tedämme että y 1 + + y d + y ja q 1 + + q d + q 1 Nyt vodaa krjottaa uy 1 E gk EgK 1 var gk jote

varass määrtelmä ja tedostamattoma tlastoteteljä -laka soveltae 1 var gk 1 E gk EgK 1 q g EgK 1 1 q y q y q y q y q q 1 y q q X y; q 1 q y q Ss satuasmuuttuja gk varass o 1/ skaalattua Pearso yhteesopvuustestsuure parametrllä q b Ss kohte c-e avulla saat äytettyä että ollahypoteesa H 0 : θ θ 0 q 1 q d vastaava Pearso yhteesopvuustestsuure X y; q d1 q q mssä q q 1 q d q o täys sama ku Rao testsuure uy Tällö e luoollsestkk määräävät samat p-arvot ja krttset alueet jote e ovat keskeää ekvvalett Tämä tehtävä kästtelee lukua 61 4 Mostee teht 6 Olkoot Y 1 Y ja Y 1 Nµ 1 1 sekä Y Nµ 1 Ets luvut a b > 0 ste että P Y 1 µ 1 a Y µ a 095 PY 1 µ 1 + Y µ b 095 Aesto o y 1 y 1 05 Mtkä kaks 95 %: luottamusjoukkoa saadaa yo yhtälöde perusteella parametrparlle µ 1 µ? Prrä kuva Kump luottamusjoukosta o melestäs paremp? Ohje Tarvtset jakaume N0 1 ja χ taulukota Ratkasu: Stadardodaa satuasmuuttujat Y : merktää kaklle 1 Z Y µ jollo Z N0 1 Nyt rppumattomuude ojalla 095 P Y 1 µ 1 a Y µ a P Y 1 µ 1 ap Y µ a P Z 1 ap Z a P a Z 1 ap a Z a Φa 1 Tästä vodaa ratkasta helpost pste a: a Φ 1 1 095 + 1 4 Sjottamalla a tehtäväao yhtälöö saamme luottamusjoukoks Ay {µ 1 µ : y 1 µ 1 a y µ a} {µ 1 µ : y 1 a µ 1 y 1 + a y a µ y + } [ 14 34] [ 174 74]

Merktää X Z1 + Z muotoo χ Nyt ss tehtäväao alemp yhtälö redusotuu PX b mstä vodaa ratkasta b käyttämällä χ -jakauma kvatlfuktota F 1 χ PX b 095 b F 1 095 χ b 095 45 F 1 χ Nyt sjottamalla b tehtäväao yhtälöö saamme toseks luottamusjoukoks By { µ 1 µ : y 1 µ 1 + y µ b } B1 05 45 mssä B1 05 45 o aestokeskee säteellä 45 varustettu suljettu kuula R :ssa Nelömuotose luottamusjouko A pta-ala o 4a 00 ja ympyrämuotose B ala o πb 188 Ss luottamusjoukko B ataa tarkemma arvo parametrparsta µ 1 µ vakka tosaalta elömuotosta luottamusjoukkoa o helpomp kästellä ja esttää µ y 1 y µ 1