Ratkaisu: Kaikki tehtävän laskutoimitukset on tehty Microsoft Excel -ohjelmalla; ks. taulukkoa tehtävän lopussa.



Samankaltaiset tiedostot
ε i = jäännös- eli virhetermin ε satunnainen ja ei-havaittu arvo havaintoyksikössä i

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

Mat Koesuunnittelu ja tilastolliset mallit

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 6

Mat Sovellettu todennäköisyyslasku. Tilastolliset testit. Avainsanat:

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

12. laskuharjoituskierros, vko 16, ratkaisut

Mat Sovellettu todennäköisyyslasku A

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

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

Rak Rakenteiden mekaniikka C, RM C (4 ov) Tentti

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

Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

1. PARAMETRIEN ESTIMOINTI

Testejä suhdeasteikollisille muuttujille

Tilastotieteen jatkokurssi 8. laskuharjoitusten ratkaisuehdotukset (viikot 13 ja 14)

= 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

Kertausosa. 2. Kuvaan merkityt kulmat ovat samankohtaisia kulmia. Koska suorat s ja t ovat yhdensuuntaisia, kulmat ovat yhtä suuria.

Mat Koesuunnittelu ja tilastolliset mallit

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

1. välikoe

Osa 2: Otokset, otosjakaumat ja estimointi

2-suuntainen vaihtoehtoinen hypoteesi

Matriisit ja vektorit Matriisin käsite Matriisialgebra. Olkoon A = , B = Laske A + B, , 1 3 3

Hierarkkiset koeasetelmat. Heliövaara 1

Tilastollinen riippuvuus ja korrelaatio

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

Ilkka Mellin (2008) 1/24

RATKAISUT: 17. Tasavirtapiirit

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

KUINKA PALJON VAROISTA OSAKKEISIIN? Mika Vaihekoski, professori. Lappeenrannan teknillinen yliopisto

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

RATKAISUT: 3. Voimakuvio ja liikeyhtälö

Turingin kone on kuin äärellinen automaatti, jolla on käytössään

Väliestimointi. Väliestimointi. Väliestimointi: Mitä opimme? 2/3. Väliestimointi: Mitä opimme? 1/3. Väliestimointi: Mitä opimme?

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Tilastolliset menetelmät: Varianssianalyysi

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007

Johdatus tilastotieteeseen Kaksisuuntainen varianssianalyysi. TKK (c) Ilkka Mellin (2005) 1

Luonnolliset vs. muodolliset kielet

Koesuunnittelu Latinalaiset neliöt. TKK (c) Ilkka Mellin (2005) 1

Yhden selittäjän lineaarinen regressiomalli

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

Mat Sovellettu todennäköisyyslasku A

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

ARVIOINTIPERIAATTEET

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

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

4.3 Liikemäärän säilyminen

203 Asetetaan neliöt tasoon niin, että niiden keskipisteet yhtyvät ja eräiden sivujen välille muodostuu 45 kulma.

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA

Mat Tilastollisen analyysin perusteet, kevät 2007

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

Testit järjestysasteikollisille muuttujille

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Epäyhtälöoppia matematiikkaolympialaisten tehtäviin

Hypoteesin testaus Alkeet

12. ARKISIA SOVELLUKSIA

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on


2. Keskiarvojen vartailua

S Piirianalyysi 2 Tentti

1 x 2 1 x 2 C 1 D. 1 x 2 C 1. x 2 C 1 C x2 D x 2 C 1; x 0: x 2 C 1 C 1. x 2 x 4 C 1 ja. x 4 C 1 D.x4 1/.x 4 C 1/

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 4 Ratkaisuehdotuksia. Tehtäväsarja I

X 2 = k 21X 1 + U 2 s + k 02 + k 12. (s + k 02 + k 12 )U 1 + k 12 U 2. s 2 + (k 01 + k 21 + k 02 + k 12 ) s + k

Pythagoraan polku

Reaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin

( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 321 Päivitetty Saadaan yhtälö. 801 Paraabeli on niiden pisteiden ( x,

Johdatus yliopistomatematiikkaan, 2. viikko (2 op)

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit

Mat Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Ilkka Mellin Aikasarja-analyysi ARMA-mallit

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

Muodolliset kieliopit

MATEMATIIKAN LATOMINEN LA T EXILLA, OSA 1

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

Johdatus regressioanalyysiin. Heliövaara 1

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

11. Vektorifunktion derivaatta. Ketjusääntö

Topologia Syksy 2010 Harjoitus 9

2 2 -faktorikokeen määritelmä

Sähköstaattinen energia

FUNKTIONAALIANALYYSIN PERUSKURSSI Johdanto

D ( ) E( ) E( ) 2.917

RATKAISUT: 8. Momentti ja tasapaino

Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava. Kokonaistodennäköisyys ja Bayesin kaava: Esitiedot

Tilastollinen päättely. 5. Väliestimointi Johdanto Luottamusvälien konstruointi Luottamusvälien vertailu

Intensiteettitaso ja Doplerin ilmiö

Yksisuuntainen varianssianalyysi. Yksisuuntainen varianssianalyysi. Yksisuuntainen varianssianalyysi. Yksisuuntainen varianssianalyysi: Mitä opimme?

Väliestimointi (jatkoa) Heliövaara 1

MAA10 HARJOITUSTEHTÄVIÄ

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

30 + x ,5x = 2,5 + x 0,5x = 12,5 x = ,5a + 27,5b = 1,00 55 = 55. 2,5a + (30 2,5)b (27,5a + 27,5b) =

TKK, TTY, LTY, OY, ÅA, VY, TY / Insinööriosastot Valintakuulustelujen matematiikan koe sarja A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT

Transkriptio:

Mat-.09 Sovellettu todeäköyylaku. harjotuket Mat-.09 Sovellettu todeäköyylaku. harjotuket / Ratkaut Aheet: Avaaat: Regreoaalyy Etmot, Jääöelöumma, Jääöterm, Jääövara, Kekhajota, Kokoaelöumma, Korrelaato, Kovara, Krtte arvo, Luottamukerro, Luottamutao, Luottamuväl, Mallelöumma, Merktevyytao, Paopte, Parametr, p-arvo, Pemmä elöumma meetelmä, Regreokerro, Regreouora, Reduaal, Seltettävä muuttuja, Selttäjä, Selttävä muuttuja, Seltyate, Sovte, Tet, Vakoterm, Vapauateet, Varaaalyyhajotelma.. Muuttuje ja Y havatut arvot ovat: 3 4 6 8 9 4 Y 4 4 5 7 8 9 (a) (c) (d) Määrää yhde elttäjä leaare regreomall Y = α + β + ε, ε N(0, σ ) regreokertome α ja β pemmä elöumma (PNS-) etmaatt. Määrää etmodu mall ovtteet ja reduaalt. Määrää etmodu mall jääövara σ harhato etmaatt. Määrää etmodu mall eltyate. Ratkau: Kakk tehtävä lakutomtuket o tehty Mcrooft Ecel -ohjelmalla; k. taulukkoa tehtävä lopua. (a) Yhde elttäjä leaare regreomall Y = α + β + ε regreokertome α ja β PNS-etmaatt aadaa laketuk euraavaa etettävällä tavalla. TKK/SAL @ Ilkka Mell (004) /

Mat-.09 Sovellettu todeäköyylaku. harjotuket Määrätää e muuttuje ja Y havattuje arvoje ummat, elöummat ja tuloumma: = = Y = = = = 56 Y = 40 = 54 = 56 Y = 364 Muuttuje ja Y havattuje arvoje artmeettet kekarvot Ka ja Ka Y, otovarat ja Y, otokekhajoat ja Y, otokovara Y ja otokorrelaato r Y aadaa muuttuje ja Y havattuje arvoje ummta, elöummta ja tuloummata: = = 56 = 7 8 = Y = Y = 40 = 5 8 = = = 54 56 = 8.857 = = 8 8 Y = Y Y = 56 40 = 8 = = 8 8 Y = = 8.857 = 4.34 = = 8 =.88 Y Y = Y Y 364 56 40 = = = = = 8 8 Y ry = = = 0.977 4.34.88 Y Etmodu PNS-uora yhtälö o muotoa Y = a + b joa a ja b ovat mall regreokertome α ja β PNS-etmaattort. Etmaattorede a ja b arvot aadaa yllä määrätytä ototuuluvuta: Y.88 b= ry = 0.977 = 0.636 4.34 a = Y b = 5 0.636 7 = 0.545 Etmodu PNS-uora yhtälö o te Y = 0.545 + 0.636 TKK/SAL @ Ilkka Mell (004) /

Mat-.09 Sovellettu todeäköyylaku. harjotuket Etmodu mall ovtteet Yhat ja reduaalt Re aadaa euraavlla kaavolla: Sovte: Y = a +b ˆ Reduaal: e ˆ = Y Y Sovtteet ja reduaalt o aettu alla olevaa Ecel-taulukoa. (c) Mall jääövara σ harhattoma etmaattor arvok aadaa = SSE.545 0.44 = 8 = joa SSE = e =.545 = o etmodu mall reduaale vahtelua kuvaava jääöelöumma. (d) Etmodu mall eltyate R vodaa lakea uealla er tavalla. Olkoo etmodu mall ovte Y = a +b ˆ ja reduaal e ˆ = Y Y Seltettävä muuttuja Y havattuje arvoje vahtelua kuvaava kokoaelöumma o ( ) Y ( ) 56 40 56 = = = 8 SST = = Y Y = Y Y = = Etmodu mall reduaale vahtelua kuvaava jääöelöumma o SSE = e =.545 = Etmodu mall elttämää ouutta eltettävä muuttuja Y havattuje arvoje vahteluta kuvaava mallelöumma o = ( ) SSM = Yˆ Y = SST SSE = 56.545 = 53.455 Seltyate R o (k. alla olevaa Ecel-taulukkoa) SSE SSM.545 53.455 R = 0.955 SST = SST = 56 = 56 = TKK/SAL @ Ilkka Mell (004) 3/

Mat-.09 Sovellettu todeäköyylaku. harjotuket Yhde elttäjä leaare regreomall tapaukea pätee myö R = r Y = 0.977 = 0.955 Kakk tehtävä lakutomtuket o tehty Mcrooft Ecel -ohjelmalla; k. taulukkoa alla..8-0.8 0.033 3 9 4 6.455-0.455 0.07 3 4 4 6 6 6 3.09 0.909 0.86 4 6 4 36 6 4 4.364-0.364 0.3 5 8 5 64 5 40 5.636-0.636 0.405 6 9 7 8 49 63 6.73 0.77 0.59 7 8 64 88 7.545 0.455 0.07 8 4 9 96 8 6 9.455-0.455 0.07 Summa 56 40 54 56 364 40 0.000.545 Ka = 7 = 8.857 = 4.34 Ka Y = 5 y = 8 Y =.88 Y = r Y = 0.977 b = 0.636 a = 0.545 SST = 56 SSE =.545 SSM = 53.455 R = 0.955 := - SSE /SST R = 0.955 := SSM /SST R = 0.955 := r Y = 0.44 = 0.65 t b =.5 (/)*l-väl ptuu = 0.39 (l-taolla 0.95) TKK/SAL @ Ilkka Mell (004) 4/

Mat-.09 Sovellettu todeäköyylaku. harjotuket.. Jatkoa tehtävälle. Prrä tehtävää etmotu regreouora havatoja (,Y ) ettävää ptedagramm. Merkte kuvoo ovtteta vataavat pteet (, Y). î Prrä amaa kuvoo myö reduaaleja kuvaavat jaat. Ratkau: 0 X v Y 7.5 Y 5.5 0 0 4 8 6 X.3. Jatkoa tehtävälle. (a) Tetaa tehtävä regreomall kerrota β kokevaa ollahypoteea H 0 : β = 0 Käytä -uutata vahtoehtota hypoteea ja 5 %: merktevyytaoa. Muodota kertomelle β 95%: luottamuväl. Ratkau: Kakk tehtävä lakutomtuket o tehty Mcrooft Ecel -ohjelmalla; k. taulukkoa tehtävä lopua. (a) t-tetuure ollahypoteelle o muotoa H 0 : β = 0 b t = / joa b o regreokertome β PNS-etmaattor, o mall jääövara σ harhato etmaattor ja o muuttuja havattuje arvoje otovara. TKK/SAL @ Ilkka Mell (004) 5/

Mat-.09 Sovellettu todeäköyylaku. harjotuket Jo ollahypotee H 0 pätee, tetuure t o jakautuut Studet t-jakauma mukaa vapauate ( ): t t( ) Tehtävä tapaukea: b 0.636 t = = =.5 / 0.65/ 8 4.34 ja vapauateet ovat df = = 6 5 %: merktevyytaoa vataava krttk arvok aadaa Studet t-jakauma taulukota -uutae vahtoehtoe hypotee tapaukea (df = = 6) Koka t 0.05 =.447 +t 0.05 = +.447 t =.5 > +.447 ollahypotee H 0 hylätää. Kulmakertome β luottamuväl luottamutaolla ( α) o muotoa b± t α / Luottamutaoa 0.95 vataavak luottamukertomk aadaa Studet t-jakauma taulukota (df = = 6) t 0.05 =.447 +t 0.05 = +.447 Ste luottamuvälk aadaa 0.65 b± tα / = 0.636 ±.447 = 0.636 ± 0.39 = (0.497,0.775) 8 4.34 TKK/SAL @ Ilkka Mell (004) 6/

Mat-.09 Sovellettu todeäköyylaku. harjotuket.4. Eräää 4: kua otokea uhteelle rkolluude (rkoka per 000 aukata) ja aukatheyde (aukata per km ) väle otokorrelaatokertome arvok aat r = 0.57. Tetaa ollahypoteea, että ko. muuttujat ovat korrelomattoma. Käytä kakuutata vahtoehtota hypoteea ja 5 %: merktevyytaoa. Ratkau: t-tetuure ollahypoteelle o muotoa H 0 : ρ = 0 r t = r Jo ollahypotee H 0 pätee, tetuure t o jakautuut Studet t-jakauma mukaa vapauate ( ): t t( ) Tehtävä tapaukea: ja vapauateet ovat r 0.57 t = = 4 =.005 r 0.57 df = = 40 5 %: merktevyytaoa vataavak krttk arvok aadaa Studet t-jakauma taulukota -uutae vahtoehtoe hypotee tapaukea Koka t 0.05 =.0 +t 0.05 = +.0.0 < t =.0 < +.0. ollahypotee H 0 jää vomaa. TKK/SAL @ Ilkka Mell (004) 7/

Mat-.09 Sovellettu todeäköyylaku. harjotuket.5. Meetyme opoa aattaa vakuttaa vatavalmtuee alkupalkkaa. Aaa tutktt eräää USA: yloptoa pommalla vatavalmtuede joukota ykkertae atuaoto, joka koko ol 5. Otokee pomtulta opkeljolta kyytt hedä arvoaaptedeä kekarvoa (muuttuja X) ja alkupalkkaa (muuttuja Y; 000 $). Otota kuvaavat perutuuluvut olvat: (a) Ka X = 3.04 Ka Y = 8.05 X = 0.063 Y = 5.8 r = 0.848 Määrää regreokertome etmaatt leaarea regreomalla Y = α + βx + ε joa alkupalkkaa Y eltetää arvoaaptede kekarvolla X. Määrää regreokertome etmaatt leaarea regreomalla X = γ + δy + ε joa arvoaaptede kekarvoa X eltetää alkupalkalla Y (kääteregreo). (c) Tetaa ollahypoteea H 0 : ρ = 0.8 (d) Määrää etmodu regreomall eltyate. (e) Tetaa ollahypoteea H 0 : β = 0 (f) Määrää kohda (a) ja etmotuje regreouore lekkaupte. Vertaa tulota X- ja Y-arvoje artmeett kekarvoh. Oko tulo attuma? Käytä teteä -uutaa vahtoehtoa hypoteeeja ja %: merktevyytaoa. Ratkau: (a) Mall Y = α + βx + ε regreokertome α ja β PNS-etmaattort ovat Y b= r a= Y bx X Tehtävä tapaukea b = 8.4 a = 6.7 TKK/SAL @ Ilkka Mell (004) 8/

Mat-.09 Sovellettu todeäköyylaku. harjotuket Mall X = γ + δy + ε regreokertome γ ja δ PNS-etmaattort ovat X d = r c= X dy Y Tehtävä tapaukea d = 0.0883 c =.45 Huomaa, että b d = r = 0.79 (c) Tetuure ollahypoteelle o muotoa H 0 : ρ = ρ 0 z = + r + ρ 0 log log r ρ0 3 Jo ollahypotee H 0 pätee, z a N(0,) Tehtävä tapaukea jote + r log = 0.54 r + ρ = ρ0 0 log 0.477 z = 0.6 %: merktevyytaoa vataava krttk rajok aadaa ormaaljakauma taulukota -uutae vahtoehtoe hypotee tapaukea Koka z 0.05 =.57 +z 0.05 = +.57.57 < z = 0.6 <.57 H 0 jää vomaa. TKK/SAL @ Ilkka Mell (004) 9/

Mat-.09 Sovellettu todeäköyylaku. harjotuket (d) Koka kyeeä o yhde elttäjä leaare regreomall, R = r = 0.79 (e) Tetuure ollahypoteelle H 0 : β = 0 o muotoa b t = / X joa jääövara σ harhato etmaattor aadaa yhde elttäjä leaare regreomall tapaukea kaavalla = ( r ) Y Jo ollahypotee H 0 pätee, t t( ) Tehtävä tapaukea =.76 t = 5.77 %: merktevyytaoa vataava krttk arvok aadaa Studet t-jakauma taulukota -uutae vahtoehtoe hypotee tapaukea Koka t 0.05 = 3.0 +t 0.05 = +3.0 t = 5.77 > 3.0 ollahypotee H 0 hylätää. Huomaa, että ama tetuuree arvo aadaa, jo tetataa ollahypoteea H 0 : ρ = 0 Tällö tetuureea o r t = r Jo ollahypotee H 0 pätee, t t( ) TKK/SAL @ Ilkka Mell (004) 0/

Mat-.09 Sovellettu todeäköyylaku. harjotuket (f) Ko. regreouorat lekkaavat aa (artmeettte kekarvoje määräämää) havatoptede paopteeä, jo uora o mukaa vakoterm. Ste uore lekkaupteek aadaa (Ka X, Ka Y ) = (3.04, 8.05) TKK/SAL @ Ilkka Mell (004) /