5. Väliestimoi tehtävän 3 tilanteessa tulppien keskimääräinen kestoa.



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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

8. laskuharjoituskierros, vko 11, ratkaisut

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

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

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)

riippumattomia ja noudattavat samaa jakaumaa.

Otoskoko 107 kpl. a) 27 b) 2654

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

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

Testejä suhdeasteikollisille muuttujille

Otantajakauman käyttö päättelyssä

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

Osa 2: Otokset, otosjakaumat ja estimointi

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

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

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

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu

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

Osa 2: Otokset, otosjakaumat ja estimointi

Tilastolliset luottamusvälit

Otantajakauma. Otantajakauman käyttö päättelyssä. Otantajakauman käyttö päättelyssä

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

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

ARVIOINTIPERIAATTEET

Tilastolliset menetelmät: Tilastolliset testit

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

Harjoitukset 1 : Tilastokertaus

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

6.1 Riippumattomat satunnaismuuttujat

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

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

TILASTOLLINEN LAADUNVALVONTA

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

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

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

Mat Tilastollisen analyysin perusteet, kevät 2007

EX1 EX 2 EX =

Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

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

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

Hypoteesin testaus Alkeet

Todennäköisyys, että yhden minuutin aikana saapuu 2 4 autoa.

Osa 2: Otokset, otosjakaumat ja estimointi

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

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

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

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

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

MTTTP5, luento Luottamusväli, määritelmä

2-suuntainen vaihtoehtoinen hypoteesi

4.7 Todennäköisyysjakaumia

TILASTOT: johdantoa ja käsitteitä

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

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

Testit laatueroasteikollisille muuttujille

Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.

Luottamusvälit. Normaalijakauma johnkin kohtaan

Kvantitatiiviset menetelmät

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

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

Sovellettu todennäköisyyslaskenta B

Mat Tilastollisen analyysin perusteet, kevät 2007

Kuluttajahintaindeksi (KHI) Kuluttajahintaindeksi (KHI) Kysymys Miten mitata rahan arvon muutoksia?

MTTTP1, luento KERTAUSTA

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

9. laskuharjoituskierros, vko 12-13, ratkaisut

Tunnuslukuja 27 III TUNNUSLUKUJA

MAA10 HARJOITUSTEHTÄVIÄ

Tilastollinen aineisto Luottamusväli

Sovellettu todennäköisyyslaskenta B

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

811312A Tietorakenteet ja algoritmit, , Harjoitus 2, Ratkaisu

MTTTP1, luento KERTAUSTA

Yhden selittäjän lineaarinen regressiomalli

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

( ) k 1 = a b. b 1) Binomikertoimen määritelmän mukaan yhtälön vasen puoli kertoo kuinka monta erilaista b-osajoukkoa on a-joukolla.

Osa 2: Otokset, otosjakaumat ja estimointi

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

Mat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Estimointi. Vilkkumaa / Kuusinen 1

Markov-ketjun hetkittäinen käyttäytyminen

Mat Sovellettu todennäköisyyslasku A

Todennäköisyyslaskenta I, kesä 2017 Helsingin yliopisto/avoin yliopisto Harjoitus 3, ratkaisuehdotuksia

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

6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely

Sormenjälkimenetelmät

Esimerkkejä derivoinnin ketjusäännöstä

Sovellettu todennäköisyyslaskenta B

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

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

Matematiikan tukikurssi

Ratkaisuehdotukset Kesäyliopisto Kuvassa on esitetty erään ravintolan lounasbuffetin kysyntäfunktio.

1. JOHDANTO. SIS LLYSLUETTELO sivu 1. JOHDANTO 3

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

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

Transkriptio:

MTTTP5, kevät 2016 4.2.2016/RL Lisätehtäviä ratkaisuiee luetomoistee lukuu 5 liittye 1. Olkoo puoluee A kaatusosuus populaatiossa 30 %. Tarkastellaa tästä populaatiosta tehtyä satuaisotosta, joka koko o. Määritellää satuaismuuttuja X= puoluee A kaattajie lukumäärä otoksessa. Määritä X: jakauma sekä jakauma odotusarvo ja variassi. Tarkastele vielä suhteellista osuutta X/. Ataako X/ keskimääri oikea arvio kaatusosuudelle? Miksi? 2. Olkoo X 1, X 2,..., X satuaisotos jakaumasta, joka odotusarvo o µ ja variassi σ 2. Estimoidaa jakauma odotusarvoa estimaattorilla X =( X 1 +... + X )/. Oko estimaattori harhato? Määritä lisäksi estimaattori keskivirhe. Mitä voit saoa estimaattori jakaumasta? Jos σ 2 o tutemato, ii mite voisit estimoida keskivirhettä? 3. Auto sytytystulppie valmistaja väittää, että tulpat kestävät keskimääri 60000 km keskihajoa ollessa 6000 km sekä vaihtelu luoehdittavissa ormaalijakaumalla. Haluat estimoida tulppie keskimääräistä kestoa 4 satuaisesti valitu tulpa avulla. Mitä estimaattoria käytät? Oko se harhato? Määritä estimaattorisi keskivirhe sekä jakauma olettae valmistaja väite todeksi. 4. Oletetaa, että puoluee A kaatusosuus populaatiossa o 18 %. Tehdää populaatiosta alkio satuaisotos. Määritellää kaatusosuude estimaattori p = 100X/, missä X o puoluee A kaattajie lukumäärä otoksessa. Oko p kaatusosuude harhato estimaattori? Miksi? Määritä lisäksi estimaattori keskivirhe. 5. Väliestimoi tehtävä 3 tilateessa tulppie keskimääräie kestoa. 6. Erää rikollise puolustusasiaajaja väittää, että kyseisessä tuomioistuimessa valamiehistöt eivät ole edustavia. Yhteä perustelua väittämääsä häellä o se, että valamiehistö o usei ollut keskipalkaltaa koko maa tasoa korkeampi. Tuorei tilastotieto maa keskipalkasta o $8500. Selvitettii 100 viimeisimmä valamiehistöö kuuluvie jäsete palkat. Saatii keskipalkaksi $22890 ja palka keskihajoaksi $7670. Oko perusteltua uskoa asiaajaja väite? Tutki asiaa sopiva luottamusväli avulla. 7. Tutkittii kahde lisäaiee (A ja B) vaikutusta teräkse kovuutee. Koska teräkse tuote-erie laatu vaihtelee, poimittii äytteet 10 tuote-erästä, joista kuki jaettii edellee kahtia. Toisee osaa lisättii lisäaietta A ja toisee lisäaietta B. Mitattii kovuusideksi: Tuote-erä 1 2 3 4 5 6 7 8 9 10 Lisäaie A 22 26 29 22 31 34 31 20 33 34 Lisäaie B 27 25 31 27 29 41 32 27 32 34

Oko perusteita pitää toista lisäaietta parempaa kui toista? Koska otokset ovat riippuvia, laske esi kovuusideksie erotukset tuote-erittäi ja sitte sopiva luottamusväli. 8. Letoyhtiö ogelmaa o matkustajie varaamie paikkoje käyttämättä jättämie. Tästä syystä yhtiö ottaa leoille varauksia eemmä kui koeessa o paikkoja. Halutaa arvioida sitä, kuika paljo (prosetteia) varauksia voidaa ottaa yli paikkoje. Tehdää 500 matkustaja satuaisotos, joide joukossa todetaa oleva 40 matkustajaa, jotka olivat jääeet tulematta varatulle leolle. Aa ohjeet yhtiölle varauksie ottamisesta. Käytä sopivaa luottamusväliä. 9. Erää mielipidemittaukse mukaa presidettiehdokkaa kaatus o 52%. Mielipidettä oli kysytty 1500 ääioikeutetulta site, että voidaa olettaa oleva kyse satuaisotaasta. Laske virhemargiaali. Jos otoskoko olisi ollut 300, ii ikä olisi ollut virhemargiaali? 10. Kymmee vuotta sitte eräässä yliopistossa tehdy tutkimukse mukaa 18 % yliopisto opiskelijoista ei uskout löytäväsä koulutustaa vastaavaa työtä valmistuttuaa. Haluttii tutkia, oliko tämä prosettiosuus muuttuut ja kysyttii mielipidettä 100 satuaisesti valitulta opiskelusa aloittaeelta, joista 25 % ei uskout työllistyväsä koulutustaa vastaavasti valmistumise jälkee. Oko kymmeessä vuodessa tapahtuut muutosta? 11. Ohessa aalysoitituloksia liittye Tampereella myyissä olleisii kerrostalohuoeistoihi (Aieisto Aamulehti 31.10.99). Tuloksista löytyy eliöhia tuuslukuja laskettua sekä keskusta- että esikaupukialueelta. Laske sopiva luottamusväli ja tulkitse tulokset. Level Number Mea Std Dev Esikaupuki 26 7250,59 1691,78 Keskusta 30 9613,15 1278,22

Ratkaisuja 1. X ~Bi(, 0.3), jolloi E(X) = 0.3 ja Var(X) = 0.3 0.7. E(X/) = (1/)E(X) = (1/) 0.3 = 0.3. Koska otoksessa A: kaattajie suhteellise osuude odotusarvo o 0.3, ii ataa X/ keskimääri oikea arvio kaatusosuudelle. Voidaa tietysti yhtä hyvi tarkastella prosetuaalista osuutta 100X/, joka odotusarvo o 30. 2. E( X ) = E((X +... + X )/) = {E(X )+... + E( X )}/ = ( µ +... + µ)/ = µ, jote 1 1 o µ: harhato estimaattori. Var( X ) = Var((X +... + X )/) = 1 X {Var(X )+... + Var( X )}/ 2 = ( σ 2 +... + σ 2 )/ 2 = σ 2 /, jote estimaattori 1 keskivirhe o σ/, jota voi estimoida s/. Jos otos ormaalijakaumasta, ii keskiarvo jakauma o myös ormaalijakauma. Jos otos ei ole ormaalijakaumasta, ii keskeise raja-arvolausee perusteella otoskeskiarvo o likimai ormaalisti jakautuut, kuha otoskoko riittävä. 3. Otoskeskiarvo o odotusarvo harhato estimaattori. Tässä (olettae valmistaja väite oikeaksi) X ~ N(60000, 6000 2 /4), jote X : keskivirhe o 6000/2 = 3000. 4. X ~Bi(, 0.18), jolloi E(X) = 0.18 ja Var(X) = 0.18 0.82. E(p) = E(100X/) = (100/)E(X) = (100/) 0.18 = 18, jote p o kaastusproseti harhato estimaattori. Var(p) = Var(100X/) = (100/) 2 Var(X) = (100/) 2 0.18 0.82 = 18 82/, joka eliöjuuri o estimaattori hajota eli keskivirhe. 5. 100(1-α)%: luottamusväli odotusarvolle, ku jakauma variassi tuettu, o X ± z α/2 σ/. Saadaa 60000±1,96 6000/2. 6. 100(1-α)%: luottamusväli odotusarvolle, ku jakauma variassi o tutemato, o X ± t α/2, -1 s/. Tässä t 0.05/2, 100-1 = 1.98, x = 22890 ja s = 7670, jote 95%: luottamusväli 22890 ± 1.98 7670/ 100 eli 22890 ± 1519, joka ei sisällä lukua 8500 (maa keskipalkkaa). O siis perusteltua uskoa asiaajaja väite. 7. Tuote-erä 1 2 3 4 5 6 7 8 9 10 Lisäaie A 22 26 29 22 31 34 31 20 33 34 Lisäaie B 27 25 31 27 29 41 32 27 32 34 EROTUS -5 1-2 -5 2-7 -1-7 1 0

Käytetää, kute tehtävässä 1, luottamusväliä odotusarvolle, ku populaatio variassi o tutemato. 100(1-α)%: luottamusväli odotusarvolle, ku jakauma variassi o tutemato, o X ± t α/2, -1 s/. Erotuksista laskettu keskiarvo o -2.3 (tai 2.3, jos erotukset laskettu toisi päi) ja keskihajota (kaavasta 1.2) s = 3.4335, t 0.05/2, 10-1 = 2.262, jote 95%: luottamusväli o -2.3 ± 2.262 3.4335/ 10 eli -2.3 ± 2.456, joka sisältää olla. Näi voidaa ajatella erotukse oleva peräisi jakaumasta, joka odotusarvo o olla. Siis lisäaieet sama vertaisia. 8. Prosettiosuude luottamusväli p ± z α/2. Muodostetaa 95%: 8(100 " 8) luottamusväli ( α = 0.05, z α/2 = 1.96), saadaa 8 ± 1.96 eli (5.6, 10.4). 500 Voidaa arvioida, että paika varaeista 5.6% - 10.4% jää tulematta, jote varauksia voidaa ottaa tämä mukaisesti yli. 9. Virhemargiaali (95%) o ±1.96 (ks. tehtävä 8 luottamusväli). Nyt p = 52. Jos = 1500 virhemargiaali o ±2.5%, jos = 3000 virhemargiaali o ±1.8%. 10. Prosettiosuude luottamusväli p ± z α/2. Muodostetaa 95%: 25(100 " 25) luottamusväli ( α = 0.05, z α/2 = 1.96), saadaa 25 ± 1.96 eli (16.5, 100 33.5). Koska 18 % kuuluu tälle välille voidaa tehdä päätelmä, että tilae ei ole muuttuut.

11. Neliöhita markkoia Level Number Mea Std Dev Esikaupuki = 26 x =7250,59 s =1691,78 x Keskusta m = 30 y =9613,15 s =1278,22 y 100(1-α)%: luottamusväli odotusarvoje erotukselle, ku jakauma variassit 1 ovat tutemattomia, mutta yhtä suuria, o X - Y ± t α/2,+m-2 + 1 m, missä s = ( - 1)s 2 2 X + (m - 1)s Y. Tässä 95%: luottamusväli (α = 0.05, t 0.05/2, 26+30-2- 2) + m - 2 1-2362.56 ± 2 1484.08 26 + 1 eli -2362.56 ± 795.16. Koska olla ei kuulu 30 luottamusvälille, voidaa saoa, että eliöhiat eivät ole keskimääri samoja vaa keskusta-asuot ovat 1567.4 mk - 3157.72 mk eliöhialtaa kalliimpia.