TKK @ Ilkka Mellin (2008) 1/5



Samankaltaiset tiedostot
Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

Olkoon R S otosavaruuksien R ja S karteesinen tulo: Satunnaismuuttujien X ja Y järjestetty pari (X, Y) määrittelee kaksiulotteisen satunnaismuuttujan:

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

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

Moniulotteiset satunnaismuuttujat ja jakaumat

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Moniulotteisia todennäköisyysjakaumia

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

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

Sovellettu todennäköisyyslaskenta B

7. laskuharjoituskierros, vko 10, ratkaisut

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Todennäköisyyslaskun kertaus. Heliövaara 1

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

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Tilastomatematiikka Kevät 2008

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Mat Sovellettu todennäköisyyslasku A

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

031021P Tilastomatematiikka (5 op) viikko 7

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

D ( ) E( ) E( ) 2.917

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

TODENNÄKÖISYYSLASKUN KERTAUS Peruskäsitteitä

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

Sovellettu todennäköisyyslaskenta B

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

Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

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

Johdatus tn-laskentaan perjantai

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

5. laskuharjoituskierros, vko 8, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut

(x, y) 2. heiton tulos y

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

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

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

Todennäköisyyslaskenta. β versio. Todennäköisyyslaskenta. Ilkka Mellin. Teknillinen korkeakoulu, Matematiikan laboratorio. Ilkka Mellin (2006) I

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Johdatus regressioanalyysiin

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

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

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Mat Sovellettu todennäköisyyslaskenta B

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

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

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Normaalijakaumasta johdettuja jakaumia

Satunnaismuuttujien muunnokset ja niiden jakaumat

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

Keskihajonta ja korrelaatio

Matemaattinen tilastotiede. Erkki Liski Matematiikan, Tilastotieteen ja Filosofian Laitos Tampereen Yliopisto

Mat Sovellettu todennäköisyyslasku. Aiheet: Todennäköisyyslaskennan peruskäsitteet Todennäköisyyslaskennan peruslaskusäännöt Avainsanat:

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa I

4. laskuharjoituskierros, vko 7, ratkaisut

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

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

Satunnaismuuttujien summa ja keskiarvo

Varma tapahtuma, Yhdiste, Yhdistetty tapahtuma, Yhteenlaskusääntö

Todennäköisyyslaskenta

Verkot ja todennäköisyyslaskenta Verkko Verkko eli graafi muodostuu pisteiden joukosta V, särmien joukosta A ja insidenssikuvauksesta : A V V jossa

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

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

0 3 y4 dy = 3 y. 15x 2 ydx = 15. f Y (y) = 5y 4 1{0 y 1}.

Matemaattisten tieteiden kandiohjelma / MTL Todennäköisyyslaskenta IIb Kurssikoe (kesto 2h 30 min)

Mat Sovellettu todennäköisyyslasku A

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

Tilastollisen päättelyn perusteet

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat

Opiskelijanumero Yleisarvio Työläys Hyödyllisyys 12345A K K B U 3 3 3

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

30A02000 Tilastotieteen perusteet

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

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

Osa 2: Otokset, otosjakaumat ja estimointi

8.1 Ehdolliset jakaumat

Johdatus tn-laskentaan torstai

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

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

Sovellettu todennäköisyyslaskenta B

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

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

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

031021P Tilastomatematiikka (5 op) viikot 5 6

1. laskuharjoituskierros, vko 4, ratkaisut

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

Sovellettu todennäköisyyslaskenta B

Todennäköisyyden ominaisuuksia

Transkriptio:

Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 3, 6, 7 Pistetehtävät: 2, 4, 5, 9 Ylimääräiset tehtävät: 8, 10, 11 Aiheet: Moniulotteiset jakaumat Avainsanat: Diskreetti jakauma, Ehdollinen jakauma, Ehdollinen odotusarvo, Ehdollinen varianssi, Jatkuva jakauma, Kaksiulotteinen normaalijakauma, Karteesinen tulo, Kertymäfunktio, Korrelaatio, Korreloimattomuus, Korreloituneisuus, Kovarianssi, Kulmakerroin, Multinomijakauma, Odotusarvo, Pistetodennäköisyysfunktio, Regressiofunktio, Regressiosuora, Reunajakauma, Riippumattomuus, Riippuvuus, Satunnaismuuttuja, Suora, Tiheysfunktio, Varianssi, Yhteisjakauma, Yhteiskorrelaatiokerroin Tehtävä 6.1. Heitetään kahta virheetöntä noppaa (nopan virheettömyydellä tarkoitetaan sitä, että silmälukujen 1, 2, 3, 4, 5, 6 todennäköisyydet ovat yhtä suuria). Määritellään satunnaismuuttujat X = tulos 1. nopan heitosta Y = tulos 2. nopan heitosta U = min(x,y) V = max(x,y) (a) Satunnaismuuttujan U jakauma. (b) Satunnaismuuttujan V jakauma. (c) Satunnaismuuttujien U ja V yhteisjakauma. (d) E(U) (e) E(V) (f) Satunnaismuuttujan U ehdollinen jakauma ehdolla V = 4. (g) Satunnaismuuttujan V ehdollinen jakauma ehdolla U = 4. (h) E(U V = 4) (i) E(V U = 4) TKK @ Ilkka Mellin (2008) 1/5

Tehtävä 6.2. Olkoon satunnaismuuttujien X ja Y yhteisjakauman pistetodennäköisyysfunktio Pr(X = 1 Y = 3) = Pr(X = 0 Y = 2) = Pr(X = 0 Y = 1) = Pr(X = 2 Y = 2) = 1/4 (a) Satunnaismuuttujien X ja Y reunajakaumat. (b) Cov(X,Y) (c) Cor(X,Y) (d) Satunnaismuuttujan Y ehdolliset jakaumat. (e) E(Y X) Tehtävä 6.3. Olkoon satunnaismuuttujien X ja Y yhteisjakauman tiheysfunktio f(x,y) = C(x + y), 0 x 1, 0 y 1 x jossa C on vakio. (a) Vakio C. (b) Pr(X Y) (c) Satunnaismuuttujien X ja Y yhteisjakauman kertymäfunktio. (d) Satunnaismuuttujien X ja Y reunajakaumat. Ovatko X ja Y riippumattomia? (e) Tiheysfunktio satunnaismuuttujan X ehdolliselle jakaumalle ehdolla Y. (f) Ehdollinen odotusarvo E(X Y). Tehtävä 6.4. Olkoon satunnaismuuttujien X ja Y yhteisjakauman tiheysfunktio f(x, y) = Ce x + y, 0 x 1, 0 y 1 jossa C on vakio. (a) Vakio C. (b) Satunnaismuuttujien X ja Y reunajakaumat. (c) Ovatko X ja Y riippumattomia? TKK @ Ilkka Mellin (2008) 2/5

Tehtävä 6.5. Alla olevassa taulukossa on annettu satunnaismuuttujien X ja Y reunajakaumat: f XY (x,y) x f Y (y) 1 0 2 3 1/4 y 1 1/4 2 1/2 f X (x) 1/4 1/2 1/4 1 niin, Täytä taulukon solut satunnaismuuttujien X ja Y yhteisjakauman pistetodennäköisyyksillä että satunnaismuuttujat X ja Y ovat riippumattomia. Tehtävä 6.6. E( X) =+ 2 Var( X) = 9 E( Y) = 10 Var( Y) = 4 Cov( XY, ) = 5 (a) Satunnaismuuttujien X ja Y reunajakaumat. (b) Cor(X, Y) (c) Satunnaismuuttujan X ehdollinen jakauma, kun ehtomuuttujana on Y. (d) Satunnaismuuttujan Y ehdollinen jakauma, kun ehtomuuttujana on X. Tehtävä 6.7. E( X) = µ X =+ 2 Var( X) = D ( X) = σ X = 4 E( Y) = µ Y = 10 Var( Y) = D ( Y) = σy = 9 Cor( XY, ) = ρ = 0.9 Määrää Cov(X, Y) XY TKK @ Ilkka Mellin (2008) 3/5

Tehtävä 6.8. normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan X regressiofunktio satunnaismuuttujan Y suhteen on 1 4 E( X Y = y) = y 5 5 satunnaismuuttujan Y regressiofunktio satunnaismuuttujan X suhteen on 5 1 E( Y X = x) = x 4 4 (a) Satunnaismuuttujien X ja Y odotusarvot. (b) Satunnaismuuttujien X ja Y korrelaatio. Tehtävä 6.9. E(X) = 1 E(Y) = 1 Var(X) = D 2 (X) = 9 Var(Y) = D 2 (Y) = 4 Cor(X, Y) = 0.5 (a) Määrää muuttujien X ja Y kovarianssi. (b) Määrää muuttujan X regressiofunktio muuttujan Y suhteen ja muuttujan Y regressiofunktio muuttujan X suhteen sekä vastaavat ehdolliset varianssit. (c) Määrää kohdan (b) regressiofunktioita vastaavien suorien leikkauspiste ja vertaa sitä muuttujien X ja Y odotusarvojen vastaavaan pisteeseen. Mitä havaitset? Tehtävä 6.10. (a) Oletetaan, että satunnaismuuttujien X ja Y muodostama pari (X, Y) noudattaa kaksiulotteista normaalijakaumaa parametrein E(X) = 0 E(Y) = 1 Var(X) = D 2 (X) = 1 Var(Y) = D 2 (Y) = 4 Cov(X, Y) = 1 Määrää muuttujien X ja Y korrelaatio ja muuttujan X regressiofunktio muuttujan Y suhteen ja muuttujan Y regressiofunktio muuttujan X suhteen sekä vastaavat ehdolliset varianssit. (b) Oletetaan, että satunnaismuuttujien X ja Y muodostama pari (X, Y) noudattaa kaksiulotteista normaalijakaumaa. TKK @ Ilkka Mellin (2008) 4/5

Olkoon satunnaismuuttujan X regressiosuora satunnaismuuttujan Y suhteen 8 14 y = x+ 3 3 ja satunnaismuuttujan Y regressiosuora satunnaismuuttujan X suhteen 3 7 y = x+ Määrää muuttujien X ja Y odotusarvot. Tehtävä 6.11. E(X) = 10 E(Y) = 5 Var(X) = D 2 (X) = 16 Var(Y) = D 2 (Y) = 9 Cov(X, Y) = 6 (a) Määrää muuttujien X ja Y korrelaatio. (b) Määrää muuttujan X regressiofunktio muuttujan Y suhteen ja muuttujan Y regressiofunktio muuttujan X suhteen sekä vastaavat ehdolliset varianssit. (c) Kerro (b)-kohdassa määräämiesi regressiosuorien kulmakertoimet keskenään ja vertaa saatua tulosta (a)-kohdassa määräämäsi korrelaatiokertoimen neliöön. Mitä havaitset? (d) Määrää kohdan (b) regressiofunktioita vastaavien suorien leikkauspiste ja vertaa sitä muuttujien X ja Y odotusarvojen vastaavaan pisteeseen. Mitä havaitset? TKK @ Ilkka Mellin (2008) 5/5