n = 100 x = 0.6 99%:n luottamusväli µ:lle Vastaus:



Samankaltaiset tiedostot
Otoskoko 107 kpl. a) 27 b) 2654

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

Tilastolliset menetelmät: Tilastolliset testit

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

Testejä suhdeasteikollisille muuttujille

Otantajakauman käyttö päättelyssä

Mat Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat:

Mat Sovellettu todennäköisyyslasku A

Vastaus: Kertymäfunktio on F( x) = x, kun 0 x 20. Todennäköisyydet ovat molemmat 1. Frekvenssi f

Sovellettu todennäköisyyslaskenta B

Hypoteesin testaus Alkeet

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

5. Väliestimoi tehtävän 3 tilanteessa tulppien keskimääräinen kestoa.

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

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

= true C = true) θ i2. = true C = false) Näiden arvot löydetään kuten edellä Kun verkko on opetettu, niin havainto [x 1

Johdatus tilastotieteeseen Yhden selittäjän lineaarinen regressiomalli. TKK (c) Ilkka Mellin (2005) 1

Mat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

Sisältö. Kvantitatiivinen metodologia verkossa. Monitasomallintaminen. Monitasomallit. Regressiomalli dummy-muuttujilla.

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

9. laskuharjoituskierros, vko 12-13, ratkaisut

Sovellettu todennäköisyyslaskenta B

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu

Mat Sovellettu todennäköisyyslasku A. Otos- ja otosjakaumat Estimointi Estimointimenetelmät Väliestimointi. Avainsanat:

8. laskuharjoituskierros, vko 11, ratkaisut

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

2-suuntainen vaihtoehtoinen hypoteesi

4.7 Todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

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 =

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

10. laskuharjoituskierros, vko 14, ratkaisut

Väliestimointi (jatkoa) Heliövaara 1

riippumattomia ja noudattavat samaa jakaumaa.

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2004) 1

Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille. Testit suhdeasteikollisille muuttujille: Esitiedot

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

Harjoitus 7: NCSS - Tilastollinen analyysi

Mat Tilastollisen analyysin perusteet, kevät 2007

Sovellettu todennäköisyyslaskenta B

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

ABHELSINKI UNIVERSITY OF TECHNOLOGY

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

Tunnuslukuja 27 III TUNNUSLUKUJA

Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille. Testit järjestysasteikollisille muuttujille: Esitiedot

Testit järjestysasteikollisille muuttujille

6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely

Yhden selittäjän lineaarinen regressiomalli

ARVIOINTIPERIAATTEET

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Mat Tilastollisen analyysin perusteet, kevät 2007

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

2-suuntainen vaihtoehtoinen hypoteesi

Solmu 3/ toteutuu kaikilla u,v I ja λ ]0,1[. Se on aidosti konveksi, jos. f ( λu+(1 λ)v ) < λf(u)+(1 λ)f(v) (2)

Harjoitukset 1 : Tilastokertaus

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

Sovellettu todennäköisyyslaskenta B

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

Osa 2: Otokset, otosjakaumat ja estimointi

Stokastiikan perusteet Harjoitukset 1 (Todennäköisyysavaruus, -mitta ja -funktio)

Tilastotieteen jatkokurssi syksy 2003 Välikoe

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

Mat Tilastollisen analyysin perusteet, kevät 2007

Valvontakortit. Sovelletun Matematiikan Erikoistyö. Pastinen Tommi

Tilastollisen analyysin perusteet Luento 2: Tilastolliset testit

11. laskuharjoituskierros, vko 15, ratkaisut

Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia. Normaalijakaumasta johdettuja jakaumia: Mitä opimme?

Harjoitustehtävien ratkaisuja

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

S Laskennallinen systeemibiologia

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Luottamusvälit. Normaalijakauma johnkin kohtaan

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

Geenikartoitusmenetelmät. Kytkentäanalyysin teoriaa. Suurimman uskottavuuden menetelmä ML (maximum likelihood) Uskottavuusfunktio: koko aineisto

Todennäköisyyden ominaisuuksia

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

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

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

Työ 55, Säteilysuojelu

Johdatus tilastotieteeseen Otos ja otosjakaumat. TKK (c) Ilkka Mellin (2005) 1

Nimi: Ratkaise tehtävät sivun alalaitaan. (paperi nro 1) 1. Valitse oikea toisen asteen yhtälön ratkaisukaava: (a) b ± b 4ac 2a. (b) b ± b 2 4ac 2a

4. laskuharjoituskierros, vko 7, ratkaisut

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

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

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

pq n s n Kyllä Ei N Jäsenyys 5,4% 94.6 % 1500 Adressi 21,6% 78.4 % 1495 Lahjoitus 23,7% 76.3 % 1495 Mielenosoitus 1,1% 98.9 % 1489

Tilastolliset menetelmät: Varianssianalyysi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

TILASTOT: johdantoa ja käsitteitä

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

Todennäköisyyslaskenta sivuaineopiskelijoille. Heikki Ruskeepää

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

Mat Sovellettu todennäköisyyslasku A

Sormenjälkimenetelmät

Transkriptio:

1. Tietyllä koeella valmistettavie tiivisterekaide halkaisija keskihajoa tiedetää oleva 0.04 tuumaa. Kyseisellä koeella valmistettuje 100 rekaa halkaisijoide keskiarvo oli 0.60 tuumaa. Määrää 95%: ja 99%: luottamusvälit tiivisterekaide halkaisija odotusarvolle. x=tiivisterekaa halkaisija x ( µ, σ 2) σ = 0.04 = 100 x = 0.6 95%: luottamusväli µ:lle x ± Z 0.975 σ/ = 0.6 ± 1.96 0.04/ 100 = 0.6 ± 0.00784 eli väli [0.592, 0.608] 99%: luottamusväli µ:lle x ± Z 0.995 σ/ = 0.6 ± 2.58 0.04/ 100 = 0.6 ± 0.01032 eli väli [0.590, 0.610] [0.592, 0.608] ja [0.590, 0.610] 2. Kuika suuri otos vähitää tarvitaa, jos halutaa, että edellise tehtävä tiivisterekaide halkaisija odotusarvo 99%: luottamusväli pituus o korkeitaa 0.02 tuumaa? 99%: lv: pituus 2 2.58σ/ 0.02 (2 2.58σ/0.02) 2 = 106.5 Otoskoko 107 Otoskoko 107 kpl 3. Erää paperilaadu eliöpaio vaihtelee ormaalijakauma mukaa ja hajoa tiedetää oleva σ = 1.3 g/m 2. Ku halutaa estimoida odotusarvoa, ii kuika suuri otos tarvitaa, jotta odotusarvo 99%: luottamusväli pituus olisi alle 1 g/m 2? Paperi eliöpaio X N(µ, σ 2 ), missä σ = 1.3 g/m 2 Odotusarvo 99%: luottamusväli (α = 0.01) o µ = x ± z 0.995 σ/ Väli pituus (yläraja - alaraja): 2 z 0.995 σ/ = 2 2.5758 1.3/ < 1

=> > 6.697 => > 44.85 eli otoskoko 45 45 4. Estimoidaa ormaalijakautuee satuaismuuttuja X odotusarvoa µ tilateessa, jossa hajota σ tuetaa. Kuika suuri otos tarvittaisii, jotta odotusarvo 99%: luottamusväli pituus olisi alle a) σ, b) 0, 1σ? Ku σ tuetaa, ii µ: (1 α)100%: luottamusväli o σ x z 1 α/2 σ µ x + z 1 α/2 σ Luottamusväli pituus o 2z 1 α/2 α = 0, 01 z 1 α/2 = z 0,995 = 2, 5758 a) 2 2, 5758 σ σ (2 2, 5758) 2 = 26, 5 27 b) 2 2, 5758 σ 0, 1σ = σ 10 (10 2 2, 5758)2 = 2653, 9 2654 a) 27 b) 2654 5. Pakkauskoeella pakatuista laatikoista otettii 8 kappalee äyte, jossa paiot (kg) olivat 5.0 4.5 5.2 5.4 4.7 4.8 5.6 5.0 a) Estimoi paio odotusarvo ja variassi. b) Määrää odotusarvo 99% : luottamusväli. = 8 Σx i = 40.2 Σx 2 i = 202.94 a) ˆµ = x = 1 Σx i = 40.2/8 = 5.025 ˆσ 2 = s 2 = 1 1 [Σx2 i 1 (Σx i) 2 ] = 1 7 [202.94 1 8 40.22 ] = 0.133571 (s = 0.365474) b) Piei otos, σ tutemato => luottamusväli perustuu otossuureesee T = x µ s/ t( 1) 99%: varmuudella (α = 0.01, 1 α 2 = 0.995) t 0.995 ( 1) x µ s/ t 0.995( 1) josta 99%: luottamusväliksi µ = x ± t 0.995 ( 1)s/

Taul.arvo t 0.995 ( 1) = t 0.995 (7) = 3.499 µ = 5.025 ± 3.499 0.365474/ 8 = 5.025 ± 0.452 b) 5.025 ± 0.452 6. Jauhime toimia valvoassa tarkkaillaa jauhetu massa raekoo vaihtelua. Suoritetussa rutiiimittauksessa saatii =25 rakee otoksesta hajoaksi s=0.75 kg. Mitä arvoa pieempi raekoo todellie hajota σ o 95%: varmuudella? Oletetaa, että raekoko o ormaalijakautuut. Raekoko x N ( µ, σ 2) χ 2 = ( 1)s2 σ χ 2 ( 1) 2 P ( χ 2 χ 2 0.05 ( 1) ) ( = 0.95 ) P ( 1)s 2 σ χ 2 2 0.05 ( 1) = 0.95 =25 s=0.75 χ 2 0.05 ( 1) = χ 2 0.05 (24) = 13.8 ( 1)s 2 (24)0.752 = χ 2 0.05 ( 1) 13.8 = 0.9783 95%: varmuudella variassi σ 2 = 0.9783 eli hajota σ = 0.9891 0.99 σ = 0.9891 0.99 7. Mediatutkimuksessa poimittii suomalaisista 150 hege otos ja kysyttii mm. kuika moi katsoi sääöllisesti erästä uutta televisiosarjaa. 57 hekeä ilmoitti katsovasa kyseistä sarjaa. Laske tämä perusteella 95%: luottamusväli katsojie suhteelliselle osuudelle koko väestössä. = 150 x = 57 => ˆp = x/ = 0.38 ˆp(1 ˆp) = 35.34 > 9 => orm. approksimoiti ok Z = ˆp p N(0.1) ˆp(1 ˆp) 95% varmuudella (α = 0.05, 1 α/z = 0.975) z 0.975 ˆp p z 0.975 ˆp(1 ˆp) josta luottamusväliksi

ˆp(1 ˆp) p = ˆp ± z 0.975 0.38 0.62 0.38 ± 1.96 150 = 0.38 ± 0.08 eli 38 ± 8% 38 ± 8% 8. Tutkitaa suhteellise osuude, esim. puoluekaatukse väliestimoitia 95%: varmuudella: mite suuri otoskoo olisi oltava, jotta saavutettaisii a) 5, b) 1 prosettiyksikö tarkkuus kaatusosuude p estimoiissa, ku ˆp = 0.25. Kuika väliestimaatti muuttuu ˆp: muuttuessa? ˆp = 0.25 95% : lv. ˆp(1 ˆp) ˆp ± Z 0.975 ˆp(1 ˆp) Tarkkuus Z 0.975 ρ ( virhemargiaali ) 0.25 0.75 ρ = 1, 96 0.05 vast. 5%-yks 1.962 0.25 0.75 = 288.12 0.052 eli 289 0.25 0.75 1, 96 0.01 vast. 1%-yks 1.962 0.25 0.75 = 7203 0.012 eli 7203 Koska tarvittava verraollie termii ˆp(1 ˆp) ja termi arvo vaihtelee kuva mukaisesti, ii tarvittava otoskoko o sitä suurempi mitä lähempää ˆp o arvoa 0.5. Jos taas o kiiteä, ii lv. o laaji, ku ˆp = 0.5. a) 289 b) 7203

9. Halutaa selvittää, oko virvoitusjuomie pullottamoo aseettu uusi kuljetirata lyhetäyt läpimeoaikaa. Läpimeoajat (ee ja jälkee) voidaa olettaa ormaalijakautueiksi ja variassit yhtäsuuriksi. Estimoi keskimääräise läpimeoaja lyheemie µ 1 µ 2 ja määritä se 95%: luottamusväli seuraavasta koeaieistosta: ee 1 = 12 x 1 = 35.2 s 2 1 = 24.4 jälkee 2 = 10 x 2 = 31.5 s 2 2 = 20.0 Läpimeoaika ee X 1 N(µ 1, σ 2 1) jälkee X 2 N(µ 2, σ 2 2) (σ 2 1 = σ 2 2) Lyheemie ˆµ 1 ˆµ 2 = x 1 x 2 = 35.2 31.5 = 3.7 Koska pieet otokset, luott.väli perustuu otossuureesee T = x 1 x 2 (µ 1 µ 2 ) t( 1 + 2 2) 1 s p 1 + 1 2 josta (1 α) 100%: luottamusväliksi µ 1 µ 2 = x 1 x 2 ± t 1 α/2 ( 1 + 2 2)s p 1 1 + 1 2 s 2 p = ( 1 1)s 2 1 + ( 2 1)s 2 2 1 + 2 2 = 11 24.4 + 9.20 20 95%: lv: α = 0.05 t 1 α/2 ( 1 + 2 2) = t 0.975 (20) = 2.086 Kaavaa sijoituksilla => µ 1 µ 2 = 3.7 ± 2.086 22.42( 1 12 + 1 10 ) = 3.7 ± 4.2 3.7 ± 4.2 10. = 22.42 (s = 4.735) Vertailtii kahde valmistaja polttimoide kestoikää ja havaitoaieistoista oli laskettu: Tyyppi 1: 1 = 80, x 1 = 1200, s 2 1 = 40000 Tyyppi 2: 2 = 100, x 2 = 900, s 2 2 = 35000

Määritä 99%: luottamusväli kestoiä odotusarvoje erolle. Koska otoskoot ovat suuria, korvataa variassit otosvariasseilla. σ 2 1 s 2 1 = 40000 σ 2 2 s 2 2 = 35000 (Variassie yhtäsuuruutta EI oikei voi olettaa: siksi ei käytetä t-otossuuretta) Erotukse x 1 x 2 variassi σ 2 = σ2 1 + σ2 2 = 40000 + 35000 1 2 80 100 = 850 x 1 x 2 N(µ 1 µ 2, 850) x 1 x 2 (µ 1 µ 2 ) 850 N(0, 1) 99%: varmuudella (α = 0.01, 1 α/2 = 0.995) Z 0.995 x 1 x 2 (µ 1 µ 2 ) 850 Z 0.995 eli x 1 x 2 Z 0.995 850 µ1 µ 2 x 1 x 2 + Z 0.995 850 x 1 x 2 = 1200 900 = 300 Z 0.995 = 2.58 99%: lv µ 1 µ 2 : lle 300 ± 2.58 850 eli 300 ± 75.2 eli [224.8, 375.2] 11. Valmistetaa laakerikuulia, joide halkaisija tulisi olla mahdollisimma tarkkaa 5 mm. Halkaisija X o ormaalijakautuut odotusarvoa säätöarvo µ ja keskihajotaa σ = 0, 2 mm. Säätöarvo tarkastetaa mittaamalla = 20 satuaisesti valitu laakerikuula halkaisija ja testaamalla riskitasolla α = 0,05 hypoteeseja H 0 : µ = 5, H 1 : µ 5. Suorita testaus, ku tarkastuksessa saatii keskiarvoksi x = 5, 06 mm. Mikä o tulokse P-arvo? X N(µ, σ 2 ), σ = 0, 2mm H 0 : µ = 5 H 1 : µ 5 Testisuure Z = x µ0 µ N(0, 1), ku µ = µ 0 (koska σ tuetaa) Otos: = 20, x = 5, 06

Z = 5,06 5 0,2 20 = 1, 34 α = 0, 05 H 0 hylätää, jos z > z 1 α 2 = z,975 = 1, 96 z < 1, 96, jote H 0 jää voimaa Keskimääräie halkaisija µ ei poikkea merkitsevästi 5mm:stä Merkitsevyystatso eli P-arvo o P = P ( Z > 1, 34) = 2P (Z > 1, 34) = 2[1 Φ(1, 34)] = 2[1 0, 9099] = 0, 1802 0, 18 P-arvo 0, 18 12. Kemiallise prosessi valvoassa tarvitaa liuokse ph: mittaamista. Prosessi toimia kaalta oikea ph-arvo o 7, 90. Liia suuret poikkeamat kumpaaki suutaa ovat haitallisia. Oko ph pysyyt halutussa arvossa, jos kahdeksasta mittauksesta saadaa keskiarvoksi 7, 85 ja keskihajoaksi 0, 04? Testaa hypoteeseja H 0 :µ = 7, 90 H 1 :µ 7, 90 Käyttäe riskitasoa α = 0, 05 phx N(µ, δ 2 H 0 :µ = 7.90 H 1 :µ 7.90 Riskitaso α = 0, 05 Koska piei otos ja δ tutemato, käytetää testisuuretta T = X µ0 s/ t( 1) ku µ = µ 0 H 0 hylätää, jos t > t 1 α/2 ( 1) Otos: =8 X = 7, 85 s=0,04

t = 7,85 7,90 0,04/ = 3, 536 8 Kriittie arvo t 1 α/2 ( 1) = t 0,975 (7) = 2, 365 Koska t = 3, 536 > 2, 365, ii H 0 hylätää riskitasolla α = 0, 05 : ph-arvo ei ole pysyyt Ei ole. 13. Määrätyillä testeillä mitattu älykkyysosamäärä o ormaalijakautuut ja se keskiarvo Suome koko väestössä o 100, keskihajotaa 24. Erää pikkukaupugi tekillise korkeakoulu opiskelijoista poimittii satuaisesti 10 testattavaa. Näide ÄO-lukemie keskiarvoksi saatii x = 109.6 ja keskihajoaksi s = 18.1. Mitä johtopäätöksiä tuloksista voidaa vetää? ÄO korkeakoulu opisk. joukossa X N(µ, σ 2 ) H 0 : µ = 100 (Eivät poikkea ormaaliväestöstä) H 1 : µ > 100 (Älykkäämpiä keskimääri kui ormaaliväestö) = 10 x = 109.6 s = 18.1 Testisuure: T = x µ 0 s/ t( 1) ku µ = µ 0 H 0 hylätää, jos T > t 1 α ( 1) T = 109.6 100 18.1/ 10 = 1.677 Valitaa α = 0.05 t 1 α ( 1) = t 0.95 (9) = 1.833 T = 1.677 < 1.833 H 0 jää voimaa Ei voida pitää ormaalia älykkäämpiä vaikka siltä äyttäisi. Miksi valittii yksisuutaie testi? Vaihtoehto µ < 100 a priori mahdoto! Miksi ei käytetty koko väestö hajotaa σ = 24? Otaa perusjoukko ei ole koko väestö vaa tietty opiskelijajoukko jossa hajota oletettavasti pieempi kui koko väestössä. 14. Eräässä rahapelissä koe simuloi rahaheittoa. Eräs pelaaja epäilee, että koe "vetää"kotiipäi, eivätkä kruua ja klaava ole yhtä todeäköisiä. Pidettyää kirjaa tuloksista hä havaitsi, että 100 heitolla tuli 39 kruuaa ja 61 klaavaa.

Voidaako päätellä, ettei rahaheito tulos ole täysi satuaie? Käytä kaksisuutaista testiä. H 0 : p = 0, 5 H 1 : p 0, 5 Koska suuri ja p 0 (1 p 0 ) = 100 0, 5 0, 5 = 18 > 9, käytetää testisuuretta Z = ˆp p0 p 0 (1 p 0 ) N(0, 1) ku p = p 0 H 0 hylätää riskitasolla α, jos Z > Z 1 α/2 Otos: =100 X=39 ˆp X( = 0, 39) Z = 0,39 0,50 0,5 0,5 = 2, 20 100 Jos valittu α = 0, 05, kriittie arvo Z 0,975 = 1, 96 H 0 hylätää Jos valittu α = 0, 01, kriittie arvo Z 0,995 = 2, 58 H 0 jää voimaa Poikkeama symmetrisessä tapauksessa p=0,5 o "melkei merkitsevä". (Merkitsevyystaso o 2[1 Φ(2, 2)] = 2(1 0, 9861) = 0, 0278) Melkei merkitsevä 15. Eräässä valtiossa presidetti valitaa kaksivaiheisella kasaääestyksellä, jossa esimmäie vaihe ratkaisee vaali, mikä joku ehdokkaista saa yli 50% ääistä. Ee vaalia suoritetussa kyselyssä katasa ilmoitti 1496 hekilöä, joista 779 ilmoitti ääestäväsä ehdokasta N.N. Olkoo p kyseise ehdokkaa kaatusosuus koko ääestäjäkuassa. Testaa riskitasolla α = 0.05 hypoteesit H 0 : p 0, 5 H 1 : p > 0, 5 H 0 : p 0, 5 H 1 : p > 0, 5 = 1496 x = 779 ˆp = x/ = 0, 52 Testisuure z = ˆp p 0 p 0(1 p 0) = 0, 52 0, 5 0,5 0,5 1496 = 1, 547

Keskitaso α = 0, 05 H 0 hylätää, jos z > z 1 α = z 0,95 = 1, 645 H 0 jää voimaa H 0 jää voimaa 16. Kahde autoregastyypi keskimääräie kesto o 50000 km. Halutaa testata oko tyypi 1 kestoaja hajota suurempi kui tyypi 2. Kestotesti suoritettii 21 tyypi 1 rekaalle ja 16 tyypi 2 rekaalle. Otoshajooiksi saatii tyypille 1 s 1 = 8400 km ja tyypille 2 s 2 = 5600 km. Suorita testaus riskitasolla α = 0.05. Kestot x 1 N(µ 1, σ 2 1) x 2 N(µ 2, σ 2 2) H0: σ 1 σ 2 Hi: σ 1 > σ 2 Testisuure (F = S 2 1/S 2 2) F ( 1 1, 2 1), ku σ 1 = σ 2 H0 hylätää, jos F > F 1 α( 1 1, 2 1) Otokset: 1 = 21 s 1 = 8400 2 = 16 s 2 = 5600 F = 8400 2 /5600 2 = 2.25 α = 0.05 Kriittie arvo F 0.95 (20, 15) = 2.33 H 0 jää voimaa H 0 jää voimaa: tyypi 1 hajota ei ole suurempi. Tyypi 1 kestoaja hajota ei ole suurempi kui tyypi 2 kestoaja hajota. 17. Pakkauskoeella pakatuista laatikoista otettii 6 kappalee äyte, jossa paiot (kg) olivat 4,5 5,0 5,2 5,4 5,1 5,7

Paio vaariassi ei saisi olla yli 0, 15kg 2. Laske otosvariassi ja testaa hypoteesit H 0 : σ 2 0, 15 H 1 : σ 2 > 0, 15 Oletetaa, että laatiko paio X N(µ, σ 2 ) N=6 s 2 = 1 1 [ΣX2 i 1 (ΣX i) 2 ] = 1 5 [159, 95 1 6 30, 92 ] = 0, 163 H 0 : σ 2 0, 15 H 1 : σ 2 > 0, 15 Testisuure X 2 = ( 1)s2 σ 2 0 = 5 0,163 0,15 = 5, 433 Valitaa riskitaso α = 0, 05 H 0 hylätää, jos X 2 > X 2 1 α( 1) = X 2 0,95(5) = 11, 07 Hylkäysehto ei päde, jote H 0 hyväksytää. Variassi ei ylitä sallittua rajaa. 18. Muovilaadu kimmoisuus saattaa riippua valmistusprosessista. Tämä sieka tutkimiseksi otettii kahdesta eri valmistusmeetelmällä tehdystä muovilaadusta 60 äytettä kummastaki ja laskettii otoskeskiarvot ja -hajoat: Meetelmä 1: 1 = 60 X 1 = 8, 08 s 1 = 1, 76 Meetelmä 2: 2 = 60 X 2 = 6, 97 s 2 = 1, 13 Testaa riskitasolla α = 0, 01, ovatko keskimääräiset kimmoisuudet yhtä- vai erisuuret. Oletetaa, että kimmoisuudet oudattavat ormaalijakaumaa, mutta hajotoja ei voida olettaa yhtäsuuriksi. H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 Koska otokset suuria, voidaa arvioida σ 1 s 1 σ 2 s 2 ja käyttää testisuuretta Z = X1 X2 σ 2 1 1 + σ2 2 2 α = 0, 01 N(0, 1) ku H 0 tosi. H 0 hylätää, jos Z > Z 1 α/2 = Z 0,995 = 2, 5758 Z = 8,08 6,97 1,76 2 60 + 1,132 60 = 4, 111 > 2, 5758 jote H 0 hylätää: keskimääräiset kimmoisuudet poikkeavat toisistaa erittäi merkittävästi. Erisuuret.

19. Epäillää, että edellisessä tehtävässä maiitu meetelmällä 1 tehdy muovi kimmoisuus vaihtelee eemmä kui meetelmällä 2 tehdy. Testaa riskitasolla α = 0, 01 hypoteesit H 0 : σ 1 = σ 2 H 1 : σ 1 > σ 2 H 0 : σ 1 = σ 2 H 1 : σ 1 > σ 2 Testisuure F = s2 1 F ( s 2 1 1, 2 1) ku H 0 tosi 2 α = 0, 01 H 0 hylätää, jos F > F 1 α ( 1 1, 2 1) F = 1,762 1,13 2 = 2, 426 Kriittie arvo F 0,99 (59, 59) F 0,99 (60, 60) = 1, 84 F > F 0,99 H 0 hylätää: meetelmällä 1 suurempi hajota. 20. Tutkittii kahde ammatiryhmä, sairaahoitajie ja tietotekiikkaisiöörie, työperäistä stressiä. alittii kahdeksa satuaista koehekilöä kummastaki ryhmästä. Stressiarvo lasketaa paiotettua keskiarvoa eräistä fyysisistä ja psyykkisistä testeistä: mitä korkeampi arvo, sitä stressaatueempi hekilö. Tulokset olivat seuraavat: Sairaahoitajat 15 12 5 14 6 17 3 9 Tietotekiikkaisiöörit 10 5 2 8 3 12 1 3 Testaa sopivalla 2-suutaisella testillä, oko ammattiryhmie keskimääräisissä tuloksissa eroa. Voidaa olettaa, että perusjoukkoje variassit ovat yhtäsuuria. (Testisuuree arvo 2.0) Sairaahoitajie stressiarvo X 1 N(µ 1, σ 2 1) Tietotek. isiöörie X 2 N(µ 2, σ 2 2) H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 Riippumattomat otokset eri perusjoukoista. Koska otokset pieiä ja variassit tutemattomia mutta yhtäsuuria, käytetää testisuuretta.

T = X 1 X 2 s p [ 1 ]+[ 1 1 ] 2 x 1 = 81/8 = 10.125 x 2 = 44/8 = 5.5 Variassit kaavalla s 2 = 1 1 [ x 2 1 ( x) 2 ] s 2 1 = 1 7 [1005 1 8 812 ] = 26.41071 s 1 = 5.1391 s 2 2 = 1 7 [356 1 8 442 ] = 16, 28571 s 2 = 4.0356 s 2 p = (1 1) s2 1 +(2 1) s2 2 1+ 2 2 = 7 s2 1 +7 s2 2 14 = 21.34821 s p = 4.62401 Testisuuree arvo t = 10.125 5.5 s 2 1 8 + 1 8 = 2.00 Valitaa α = 0.05 H 0 hylätää, jos t > t 1 α 2 ( 1 + 2 2) = t 0.975 (14) = 2.145 Hylkäysehto ei toteudu, jote H 0 jää voimaa: ei merkittävää eroa 21. Testaa, oko tehtävä edellise aieisto perusteella sairaahoitajie ja tietotekiikkaisiöörie stressiarvoissa yhtä paljo vaihtelua vai vaihtelevatko sairaahoitajie arvot eemmä (variassie testaus). H 0 : σ 2 1 = σ 2 2 H 1 : σ 2 1 > σ 2 2 Testisuure F = s2 1 F ( s 2 1 1, 2 1) ku H 0 o tosi. 2 Valitaa α = 0.05 H 0 hylätää, jos F > F 1 α ( 1 1, 2 1) = F 0.95 (7.7) = 3.75 F = s2 1 = 26.41071 s 2 2 16.28571 = 1.62 < F 0.95 jote H 0 jää voimaa: variaeesissa ei eroa.

22. Pakissa tutkittii asiakkaa palveluaja jakautumista. 80 asiakkaa otoksessa ajat jakautuivat seuraavasti: mi: 0-2 2-4 4-6 6-8 8-10 lkm: 9 23 22 15 11 Tutki κ 2 -yhteesopivuustesti avulla, riskitasolla α = 0,001, voidaako palveluaja katsoa oudattava ekspoetiaalijakaumaa. Jakauma parametriksi o estomoitu λ = 1 x = 1 4,9. Luokkatodeäköisyydet ekpoetiaalijakaumalle lasketaa kaavalla P (a X b) = F (b) F (a) = e λa e λb, paitsi viimeise luoka todeäköisyys o P (X 8). H 0 : Exp(λ) Estimoitu λ = 1 x = 1 4,9 Exp( 1 4,9 ) -jakauma kertymäfuktio o F (x) = P (X x) = 1 e x 4,9 Odotetut frekvessit e i = π i, missä = 80 ja luokkatodeäköisyydet: π 1 = P (0 X 2) = e 0 e 2 4,9 = 0, 335130 π 2 = P (2 X 4) = e 2 4 4,9 e 4,9 = 0, 222818 π 3 = P (4 X 6) = e 4 6 4,9 e 4,9 = 0, 148145 π 4 = P (6 X 8) = e 6 8 4,9 e 4,9 = 0, 098497 π 5 = P (X 8) = 1 F (8) = e 8 4,9 = 0, 195410 f i : 9 23 22 15 11 e i 26,81 17,83 11,85 7,88 15,63 Testisuure κ 2 = k (f i e i) 2 i=1 e i = (9 26,81)2 26,81 + (23 17,83)2 17,83 + (22 11,85)2 11,85 + (15 7,88)2 (11 15,63) 2 7,88 15,63 = 29, 83 κ 2 κ 2 (k l 1), missä k = 5 (luokkie lkm) l = 1 (estimoituje parametrie lkm) κ 2 κ 2 (3) Riskitasolla α = 0,001 kriittie arvo κ 2 1 α(k l 1) = κ 2 0,999(3) = 16, 27 Koska κ 2 > κ 2 0,999(3), H 0 hylätää riskitasolla α = 0,001 Jakauma poikkeaa erittäi merkittävästi Exp -jakaumasta 23.

Neljä eri koetta valmistavat samaa tuotetta. Kuki koee tuotaosta otettii 200 kappalee äyte ja saatii vialliste lukumääriksi 2, 9, 10 ja 3. Testaa 5%: merkitsevyystasolla, poikkeavatko koeide tuottamie virhekappaleide osuudet toisistaa. Homogeeisuude testaus H 0 : vialliset/kuolliset samoi jakutueet eri koeilla Koe ij 1 2 3 4 i viall. 2 9 10 3 24 kuoll. 198 191 190 197 776 j 200 200 200 200 800= Odotetut frekvessit: e ij = i j ij 6 6 6 6 194 194 194 194 Testisuure α = 0.05 χ 2 = i ( ij e ij ) 2 j e ij χ 2 ((k 1)(l 1)) = χ 2 (3) H 0 hylätää jos χ 2 χ 2 1 α(3) = χ 2 0.95(3) = 7.81 χ 2 = (2 6)2 6 + (9 6)2 6 + + (197 194)2 194 = 8.59 H 0 hylätää: o eroja O eroja, eli poikkeavat.