KURSSIN TILASTOMATEMATIIKKA KAAVOJA

Samankaltaiset tiedostot
6.1 Riippumattomat satunnaismuuttujat

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Tilastollinen laadunvalvonta

Sovellettu todennäköisyyslaskenta B

031021P Tilastomatematiikka (5 op) viikko 4

Tilastollinen aineisto Luottamusväli

Todennäköisyyden ominaisuuksia

Sovellettu todennäköisyyslaskenta B

POPULAATIO. Oikeastaan arvot, joista ollaan kiinnostuneita (mitatut numeeriset suureet, luokittelut).

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

8. laskuharjoituskierros, vko 11, ratkaisut

Korrelaatiokertoinen määrittely 165

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

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Väliestimointi (jatkoa) Heliövaara 1

Mat Sovellettu todennäköisyyslasku 9. harjoitukset/ratkaisut. Luottamusvälit

Estimointi. Vilkkumaa / Kuusinen 1

9. laskuharjoituskierros, vko 12-13, ratkaisut

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Luennot, osa II

Satunnaismuuttujien mittausasteikot 93

Ilkka Mellin Tilastolliset menetelmät. Osa 4: Lineaarinen regressioanalyysi. Yleinen lineaarinen malli. TKK (c) Ilkka Mellin (2007) 1

Lohkoasetelmat. Kuusinen/Heliövaara 1

Kaksisuuntainen varianssianalyysi. Heliövaara 1

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

Johdatus varianssianalyysiin. Vilkkumaa / Kuusinen 1

2. Keskiarvojen vartailua

Sovellettu todennäköisyyslaskenta B

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Sovellettu todennäköisyyslaskenta B

Lohkoasetelmat. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

Johdatus tilastotieteeseen Testit suhdeasteikollisille muuttujille. TKK (c) Ilkka Mellin (2005) 1

tilastotieteen kertaus

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

Sovellettu todennäköisyyslaskenta B

Osa 2: Otokset, otosjakaumat ja estimointi

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

Osa 2: Otokset, otosjakaumat ja estimointi

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

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

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Lohkoasetelmat. Heliövaara 1

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

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

031021P Tilastomatematiikka (5 op) viikko 5

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

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

Maximum likelihood-estimointi Alkeet

Uskottavuuden ominaisuuksia

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Sovellettu todennäköisyyslaskenta B

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

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

Kaksisuuntainen varianssianalyysi. Vilkkumaa / Kuusinen 1

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

4.0.2 Kuinka hyvä ennuste on?

Regressioanalyysi. Kuusinen/Heliövaara 1

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Yleistetyn lineaarisen mallin perusteita

TENTISSÄ KÄYTETTÄVÄ KAAVAKOKOELMA KURSSILLE Luotettavuusteoria

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

Testejä suhdeasteikollisille muuttujille

Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus KE (2014) 1

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

Yhden selittäjän lineaarinen regressiomalli (jatkoa) Ensi viikolla ei pidetä luentoa eikä harjoituksia. Heliövaara 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

031021P Tilastomatematiikka (5 op) viikko 6

Normaalijakaumasta johdettuja jakaumia

1 Johdatus varianssianalyysiin

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Johdatus regressioanalyysiin. Heliövaara 1

Mat Tilastollisen analyysin perusteet, kevät 2007

Sovellettu todennäköisyyslaskenta B

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Yleinen lineaarinen malli

5.7 Uskottavuusfunktioon perustuvia testejä II

Erityiskysymyksiä yleisen lineaarisen mallin soveltamisessa

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

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

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

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

Estimointiteoriaa ELEC-C5210 Satunnaisprosessit tietoliikenteessä (5op) 1/68 Jarmo Lundén 14. huhtikuuta 2016 Aalto SPA Kevät 2016

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

031021P Tilastomatematiikka (5 op) viikko 6

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

riippumattomia ja noudattavat samaa jakaumaa.

Hypoteesin testaus Alkeet

Ilkka Mellin Aikasarja-analyysi Suurimman uskottavuuden menetelmä

Tilastolliset menetelmät. Osa 1: Johdanto. Johdanto tilastotieteeseen KE (2014) 1

TILASTOMATEMATIIKKA. Keijo Ruohonen

2. Uskottavuus ja informaatio

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

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

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

1. Valitaan tilanteeseen sopiva stokastinen malli. 2. Sovitetaan malli havaittuun dataan (estimoidaan mallin parametrit).

Transkriptio:

KURSSIN TILASTOMATEMATIIKKA KAAVOJA X = S = s = Otossuureita X i tai x = x i (otoskeskiarvo) (X i X) = (x i x) = Xi x i E(X) =µ, var(x) = σ X x tai, E(S )=σ (otosvariassi) Normaalijakautuee populaatio otossuureet V = Z = X µ σ/ N(0, ) T = X µ S/ t vapausasteella ( )S σ = (X i X) Z = (X X ) (µ µ ) σ / + σ / N(0, ) σ χ vapausasteella T = (X X ) (µ µ ) S p / +/ t vapausastei +, missä S p = ( )S +( )S + olettae, että σ = σ W = (X X ) (µ µ ) (a + a ) t vapausastei S / + S/ a /( ) + a /( ), missä a = s ja a = s (Welch Satterthwaite-approksimaatio) F = S /σ F vapausastei S/σ ja i Piste-estimoiti Parametri θ Estimaatti ˆθ Estimaattori ˆΘ µ ˆµ = x X σ σ = s S m ˆm = q(0.5) Q(0.5) Odotusarvo väliestimoiti Z = X µ σ/ : x ± z σ α/ T = X µ S/ : x ± t s α/ (vapausastei ) Z = (X X ) (µ µ ) σ : (x x ) ± z α/ + σ σ / + σ/ T = (X X ) (µ µ ) : (x x ) ± t α/ s p + S p / +/ (vapausastei + ) W = (X X ) (µ µ ) s : (x x ) ± t α/ + s (Welch Satterthwaite) S / + S/ (vapausastei = V = (a + a ) a /( ) + a /( ), missä a = s ja a = s ) Suhdeluvu estimoiti biomijakaumalle ( ) P(X = x) = p x ( p) x x E(X) = p, var(x) = p( p) i=x F = S /σ : S/σ ( ) ˆp i i L( ˆp L ) i = α ( )S σ : ˆp = x x, i=0 Variassi väliestimoiti s s f,α/ ( )s h,α/ ja s s ja ( ) ˆp i i U( ˆp U ) i = α ( )s h,α/ (vapausastei ) f,α/ (vapausastei ja ) ii

Odotusarvoje testaus z = x µ 0 σ/ ja H 0 : µ = µ 0 : µ>µ 0 z z α Φ(z) µ<µ 0 z z α Φ(z) µ µ 0 z z α/ mi ( Φ(z), Φ(z) ) Φ o stadardiormaali jakauma kertymäfuktio. t = x µ 0 s/ ja H 0 : µ = µ 0 : µ>µ 0 t t α F (t) µ<µ 0 t t α F (t) µ µ 0 t t α/ mi ( F (t), F (t) ) F o t-jakauma kertymäfuktio vapausasteella. v = Variassie testaus ( )s σ 0 ja H 0 : σ = σ 0 : σ > σ0 v h,α F (v) σ < σ0 v h,α F (v) σ σ0 v h,α/ tai v h,α/ mi ( F (v), F (v) ) F o χ -jakauma kertymäfuktio vapausasteella. f = k s s ja H 0 : σ = kσ : σ >kσ f f,α G(f) σ <kσ f f,α G(f) σ kσ f f,α/ tai f f,α/ mi ( G(f), G(f) ) G o F-jakauma kertymäfuktio vapausastei ja. z = x x d 0 ja H 0 : µ µ = d 0 : σ / + σ/ µ µ >d 0 z z α Φ(z) µ µ <d 0 z z α Φ(z) µ µ d 0 z z α/ mi ( Φ(z), Φ(z) ) Φ o stadardiormaali jakauma kertymäfuktio. t = x x d 0, missä s p = ( )s +( )s, ja H 0 : µ µ = d 0 : s p / +/ + µ µ >d 0 t t α F (t) µ µ <d 0 t t α F (t) µ µ d 0 t t α/ mi ( F (t), F (t) ) F o t-jakauma kertymäfuktio vapausastei +. t = x x d 0 ja H 0 : µ µ = d 0 (Welch Satterthwaite) : s / + s / µ µ >d 0 t t α F (t) µ µ <d 0 t t α F (t) µ µ d 0 t t α/ mi ( F (t), F (t) ) F o approksimatiivisesti t-jakauma kertymäfuktio vapausastei (a + a ) a /( ) + a /( ), missä a = s ja a = s. iii H = H = Jakauma sopivuustesti H o : P(T )=p,..., P(T k )=p k k (F i p i ) p i χ k vapausasteella Riippumattomuustesti. Kotigessitaulut P(T )=p,..., P(T k )=p k ja P(S )=q,..., P(S l )=q l k j= P(T i S j )=p i,j (i =,..., k ja j =,..., l) H 0 : p i,j = p i q j (i =,..., k ja j =,..., l) l (F i,j F i G j /) χ F i G j / Kotigessitaulu: (k )(l ) vapausasteella S S S l Σ T f, f, f,l f T f, f, f,l f........ T k f k, f k, f k,l f k Σ g g g l iv

Suurimma uskottavuude estimoiti L(θ,..., θ m ; x,..., x )=f(x ; θ,..., θ m ) f(x ; θ,..., θ m ) l(θ,..., θ m ; x,..., x ) = l f(x ; θ,..., θ m )+ + l f(x ; θ,..., θ m ) (ˆθ,..., ˆθ m ) = argmax θ,...,θm (ˆθ,..., ˆθ m ) = argmax θ,...,θm Malli: Data: L(θ,..., θ m ; x,..., x ) l(θ,..., θ m ; x,..., x ) Lieaarie regressio y = β 0 + β x + + β k x k + ɛ x x x k y x, x, x,k y x, x, x,k y.... x, x, x,k y x, x, x,k y ɛ β 0 x, x, x,k X =......., y = y., ɛ = ɛ., β = β. x, x, x,k y ɛ β k Datamalli: y = Xβ + ɛ. ˆβ = b =(X T X) X T y = β +(X T X) X T ɛ C =(c ij ) = (X T X) H = XCX T (hattumatriisi) P = I H E(b i )=β i, var(b i )=c ii σ ja cov(b i,b j )=c ij σ σ = ŷ = Xb e = y ŷ = Py = Pɛ SSE = e = e i = (y i ŷ i ) SSE k = MSE, MSE = RMSE v tai SST = (y i y), SSR = (ŷ i y) SST = SSE + SSR MST = SST, MSR = SSR k ANOVA-taulu: Variaatio lähde Vapausasteet Neliösummat Keskieliöt F Regressio Residuaali Kokoaisvariaatio H 0 : β = = β k = 0 : k k SSR SSE SST MSR σ = MSE (MST) F = MSR MSE F = MSR F vapausastei k ja k MSE H 0 : β i = β 0,i ; T i = b i β 0,i RMSE c ii t vapausastei k R = SSR SSE = SST SST Radj = MSE MST = SSE k SST, y = β 0 + β x + + β k x k + Kategoriset regressorit: z i z i, z i, z i,mi A i, 0 0 A i, 0 0.... A i,mi 0 0 A i,mi 0 0 0 l (β i, z i, + + β i,mi z i,mi )+ɛ Logistie regressio P(y = A) = +e β0 βx βkxk L(β 0,..., β k )=L (β 0,..., β k ) L (β 0,..., β k ), missä p i = +e, jos y β0 βxi, βkxi,k i =A L i (β 0,..., β k )= e β0 βxi, βkxi,k p i = +e, jos y β0 βxi, βkxi,k i =B vi

H = r S = r S = (b 0,b,..., b k ) = argmax L(β 0, β,..., β k ) β0,β...,βk ( + ) ˆp 0 = +e b0 bx0, bkx0,k. Kruskal Wallis-testi k j= H 0 : µ = = µ k W j j 3( + ) χ k vapausasteella Spearmai järjestyskorrelaatiokerroi Otokset: x,,...,x, ja x,,...,x, Järjestysluvut: r,,...,r, ja r,,...,r, (r,i r)(r,i r) (r,i r) 6 ( ) (r,i r), missä r = d i, missä d i = r,i r,i + (Olettae, että otosarvot ovat erilliset!) Stadardiormaalijakauma kvatiileja Stadardiormaalijakauma z 0.00 0.0 0.0 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.0 0.5000 0.5040 0.5080 0.50 0.560 0.590 0.539 0.579 0.539 0.5359 0. 0.5398 0.5438 0.5478 0.557 0.5557 0.5596 0.5636 0.5675 0.574 0.5753 0. 0.5793 0.583 0.587 0.590 0.5948 0.5987 0.606 0.6064 0.603 0.64 0.3 0.679 0.67 0.655 0.693 0.633 0.6368 0.6406 0.6443 0.6480 0.657 0.4 0.6554 0.659 0.668 0.6664 0.6700 0.6736 0.677 0.6808 0.6844 0.6879 0.5 0.695 0.6950 0.6985 0.709 0.7054 0.7088 0.73 0.757 0.790 0.74 0.6 0.757 0.79 0.734 0.7357 0.7389 0.74 0.7454 0.7486 0.757 0.7549 0.7 0.7580 0.76 0.764 0.7673 0.7704 0.7734 0.7764 0.7794 0.783 0.785 0.8 0.788 0.790 0.7939 0.7969 0.7995 0.803 0.805 0.8078 0.806 0.833 0.9 0.859 0.886 0.8 0.838 0.864 0.889 0.835 0.8340 0.8365 0.8389.0 0.843 0.8438 0.846 0.8485 0.8508 0.853 0.8554 0.8577 0.859 0.86. 0.8643 0.8665 0.8686 0.8708 0.879 0.8749 0.8770 0.8790 0.880 0.8830. 0.8849 0.8869 0.8888 0.8907 0.895 0.8944 0.896 0.8980 0.8997 0.905.3 0.903 0.9049 0.9066 0.908 0.9099 0.95 0.93 0.947 0.96 0.977.4 0.99 0.907 0.9 0.936 0.95 0.965 0.979 0.99 0.9306 0.939.5 0.933 0.9345 0.9357 0.9370 0.938 0.9394 0.9406 0.948 0.949 0.944.6 0.945 0.9463 0.9474 0.9484 0.9495 0.9505 0.955 0.955 0.9535 0.9545.7 0.9554 0.9564 0.9573 0.958 0.959 0.9599 0.9608 0.966 0.965 0.9633.8 0.964 0.9649 0.9656 0.9664 0.967 0.9678 0.9686 0.9693 0.9699 0.9706.9 0.973 0.979 0.976 0.973 0.9738 0.9744 0.9750 0.9756 0.976 0.9767.0 0.977 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.98 0.987. 0.98 0.986 0.9830 0.9834 0.9838 0.984 0.9846 0.9850 0.9854 0.9857. 0.986 0.9864 0.9868 0.987 0.9875 0.9878 0.988 0.9884 0.9887 0.9890.3 0.9893 0.9896 0.9898 0.990 0.9904 0.9906 0.9909 0.99 0.993 0.996.4 0.998 0.990 0.99 0.995 0.997 0.999 0.993 0.993 0.9934 0.9936.5 0.9938 0.9940 0.994 0.9943 0.9945 0.9946 0.9948 0.9949 0.995 0.995.6 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.996 0.996 0.9963 0.9964.7 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.997 0.997 0.9973 0.9974.8 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.998.9 0.998 0.998 0.998 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986 3.0 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990 3. 0.9990 0.999 0.999 0.999 0.999 0.999 0.999 0.999 0.9993 0.9993 3. 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995 3.3 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997 3.4 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998 vii viii

t-jakauma khi-toisee-jakauma alkuhätäkvatiileja χ -jakauma v.a. Kvatiili (alkuhätä) 0.005 0.00 0.05 0.05 0.0 0.5 0.50 0.75 0.90 0.95 0.975 0.99 0.995 0.39E-4 0.0006 0.00098 0.0039 0.058 0.0 0.455.3.7 3.84 5.0 6.63 7.88 0.000 0.00 0.0506 0.03 0. 0.575.39.77 4.6 5.99 7.38 9. 0.6 3 0.077 0.5 0.6 0.35 0.584..37 4. 6.5 7.8 9.35.3.8 4 0.07 0.97 0.484 0.7.06.9 3.36 5.39 7.78 9.49. 3.3 4.9 5 0.4 0.554 0.83.5.6.67 4.35 6.63 9.4..8 5. 6.7 6 0.676 0.87.4.64.0 3.45 5.35 7.84 0.6.6 4.4 6.8 8.5 7 0.989.4.69.7.83 4.5 6.35 9.04.0 4. 6.0 8.5 0.3 8.34.65.8.73 3.49 5.07 7.34 0. 3.4 5.5 7.5 0..0 9.73.09.70 3.33 4.7 5.9 8.34.4 4.7 6.9 9.0.7 3.6 0.6.56 3.5 3.94 4.87 6.74 9.34.5 6.0 8.3 0.5 3. 5..60 3.05 3.8 4.57 5.58 7.58 0.3 3.7 7.3 9.7.9 4.7 6.8 3.07 3.57 4.40 5.3 6.30 8.44.3 4.8 8.5.0 3.3 6. 8.3 3 3.57 4. 5.0 5.89 7.04 9.3.3 6.0 9.8.4 4.7 7.7 9.8 4 4.07 4.66 5.63 6.57 7.79 0. 3.3 7.. 3.7 6. 9. 3.3 5 4.60 5.3 6.6 7.6 8.55.0 4.3 8..3 5.0 7.5 30.6 3.8 6 5.4 5.8 6.9 7.96 9.3.9 5.3 9.4 3.5 6.3 8.8 3.0 34.3 7 5.70 6.4 7.56 8.67 0..8 6.3 0.5 4.8 7.6 30. 33.4 35.7 8 6.6 7.0 8.3 9.39 0.9 3.7 7.3.6 6.0 8.9 3.5 34.8 37. 9 6.84 7.63 8.9 0..7 4.6 8.3.7 7. 30. 3.9 36. 38.6 0 7.43 8.6 9.59 0.9.4 5.5 9.3 3.8 8.4 3.4 34. 37.6 40.0 8.03 8.90 0.3.6 3. 6.3 0.3 4.9 9.6 3.7 35.5 38.9 4.4 8.64 9.54.0.3 4.0 7..3 6.0 30.8 33.9 36.8 40.3 4.8 3 9.6 0..7 3. 4.8 8..3 7. 3.0 35. 38. 4.6 44. 4 9.89 0.9.4 3.8 5.7 9.0 3.3 8. 33. 36.4 39.4 43.0 45.6 5 0.5.5 3. 4.6 6.5 9.9 4.3 9.3 34.4 37.7 40.6 44.3 46.9 6.. 3.8 5.4 7.3 0.8 5.3 30.4 35.6 38.9 4.9 45.6 48.3 7.8.9 4.6 6. 8..7 6.3 3.5 36.7 40. 43. 47.0 49.6 8.5 3.6 5.3 6.9 8.9.7 7.3 3.6 37.9 4.3 44.5 48.3 5.0 9 3. 4.3 6.0 7.7 9.8 3.6 8.3 33.7 39. 4.6 45.7 49.6 5.3 30 3.8 5.0 6.8 8.5 0.6 4.5 9.3 34.8 40.3 43.8 47.0 50.9 53.7 3 4.5 5.7 7.5 9.3.4 5.4 30.3 35.9 4.4 45.0 48. 5. 55.0 3 5. 6.4 8.3 0..3 6.3 3.3 37.0 4.6 46. 49.5 53.5 56.3 33 5.8 7. 9.0 0.9 3. 7. 3.3 38. 43.7 47.4 50.7 54.8 57.6 34 6.5 7.8 9.8.7 4.0 8. 33.3 39. 44.9 48.6 5.0 56. 59.0 35 7. 8.5 0.6.5 4.8 9. 34.3 40. 46. 49.8 53. 57.3 60.3 36 7.9 9..3 3.3 5.6 30.0 35.3 4.3 47. 5.0 54.4 58.6 6.6 37 8.6 0.0. 4. 6.5 30.9 36.3 4.4 48.4 5. 55.7 59.9 6.9 38 9.3 0.7.9 4.9 7.3 3.8 37.3 43.5 49.5 53.4 56.9 6. 64. 39 0.0.4 3.7 5.7 8. 3.7 38.3 44.5 50.7 54.6 58. 6.4 65.5 40 0.7. 4.4 6.5 9. 33.7 39.3 45.6 5.8 55.8 59.3 63.7 66.8 4.4.9 5. 7.3 9.9 34.6 40.3 46.7 5.9 56.9 60.6 65.0 68. 4. 3.7 6.0 8. 30.8 35.5 4.3 47.8 54. 58. 6.8 66. 69.3 43.9 4.4 6.8 9.0 3.6 36.4 4.3 48.8 55. 59.3 63.0 67.5 70.6 44 3.6 5. 7.6 9.8 3.5 37.4 43.3 49.9 56.4 60.5 64. 68.7 7.9 45 4.3 5.9 8.4 30.6 33.4 38.3 44.3 5.0 57.5 6.7 65.4 70.0 73. 0.005 0.00 0.05 0.05 0.0 0.5 0.50 0.75 0.90 0.95 0.975 0.99 0.995 This table was produced usig APL programs writte by William Kight. t-jakauma kvatiileja 0.0 0.05 0.05 0.0 0.005 0.00 0.0005 (loppuhätä) 0.0 0.0 0.05 0.0 0.0 0.00 0.00 (kaksi hätää) -------+---------------------------------------------------------+----- V 3.078 6.34.7 3.8 63.66 38.3 637 a.886.90 4.303 6.965 9.95.330 3.6 p 3.638.353 3.8 4.54 5.84 0.0.9 3 a 4.533.3.776 3.747 4.604 7.73 8.60 4 u 5.476.05.57 3.365 4.03 5.893 6.869 5 s 6.440.943.447 3.43 3.707 5.08 5.959 6 a 7.45.895.365.998 3.499 4.785 5.408 7 s 8.397.860.306.896 3.355 4.50 5.04 8 t 9.383.833.6.8 3.50 4.97 4.78 9 e 0.37.8.8.764 3.69 4.44 4.587 0 e.363.796.0.78 3.06 4.05 4.437 t.356.78.79.68 3.055 3.930 4.38 3.350.77.60.650 3.0 3.85 4. 3 4.345.76.45.64.977 3.787 4.40 4 5.34.753.3.60.947 3.733 4.073 5 6.337.746.0.583.9 3.686 4.05 6 7.333.740.0.567.898 3.646 3.965 7 8.330.734.0.55.878 3.60 3.9 8 9.38.79.093.539.86 3.579 3.883 9 0.35.75.086.58.845 3.55 3.850 0.33.7.080.58.83 3.57 3.89.3.77.074.508.89 3.505 3.79 3.39.74.069.500.807 3.485 3.768 3 4.38.7.064.49.797 3.467 3.745 4 5.36.708.060.485.787 3.450 3.75 5 6.35.706.056.479.779 3.435 3.707 6 7.34.703.05.473.77 3.4 3.690 7 8.33.70.048.467.763 3.408 3.674 8 9.3.699.045.46.756 3.396 3.659 9 30.30.697.04.457.750 3.385 3.646 30 3.309.694.037.449.738 3.365 3.6 3 34.307.69.03.44.78 3.348 3.60 34 36.306.688.08.434.79 3.333 3.58 36 38.304.686.04.49.7 3.39 3.566 38 40.303.684.0.43.704 3.307 3.55 40 4.30.68.08.48.698 3.96 3.538 4 44.30.680.05.44.69 3.86 3.56 44 46.300.679.03.40.687 3.77 3.55 46 48.99.677.0.407.68 3.69 3.505 48 50.99.676.009.403.678 3.6 3.496 50 55.97.673.004.396.668 3.45 3.476 55 60.96.67.000.390.660 3.3 3.460 60 65.95.669.997.385.654 3.0 3.447 65 70.94.667.994.38.648 3. 3.435 70 80.9.664.990.374.639 3.95 3.46 80 00.90.660.984.364.66 3.74 3.390 00 50.87.655.976.35.609 3.45 3.357 50 00.86.653.97.345.60 3.3 3.340 00 -------+---------------------------------------------------------+----- 0.0 0.0 0.05 0.0 0.0 0.00 0.00 (kaksi hätää) 0.0 0.05 0.05 0.0 0.005 0.00 0.0005 (loppuhätä) This table was calculated by APL programs writte by William Kight. ix x

F-jakauma Merkity järjestykse testi F-jakauma loppuhätäkvatiilit f,α todeäköisyyksille α = 0.05, 0.05, 0.0 vapausasteille v ja v. Iverssit ovat F-jakauma alkuhätäkvatiilit f,α samoille todeäköisyyksille vapausasteille v ja v. Merkity järjestykse testi kriittisiä arvoja riskitasoille α = 0.05 ja α = 0.0 Kaksipuolie testi Toispuolie testi v v : 3 4 5 6 7 8 9 0 5 0 5 50 00 v 6 99 6 5 30 34 37 39 4 4 44 46 48 49 5 53 648 799 864 900 9 937 948 957 963 969 977 985 993 998 008 03 405 5000 5403 565 5764 5859 598 598 60 6056 606 657 609 640 6303 6334 8.5 9.00 9.6 9.5 9.30 9.33 9.35 9.37 9.38 9.40 9.4 9.43 9.45 9.46 9.48 9.49 38.5 39.00 39.7 39.5 39.30 39.33 39.36 39.37 39.39 39.40 39.4 39.43 39.45 39.46 39.48 39.49 98.50 99.00 99.7 99.5 99.30 99.33 99.36 99.37 99.39 99.40 99.4 99.43 99.45 99.46 99.48 99.49 0.3 9.55 9.8 9. 9.0 8.94 8.89 8.85 8.8 8.79 8.74 8.70 8.66 8.63 8.58 8.55 3 7.44 6.04 5.44 5.0 4.88 4.73 4.6 4.54 4.47 4.4 4.34 4.5 4.7 4. 4.0 3.96 3 34. 30.8 9.46 8.7 8.4 7.9 7.67 7.49 7.35 7.3 7.05 6.87 6.69 6.58 6.35 6.4 7.7 6.94 6.59 6.39 6.6 6.6 6.09 6.04 6.00 5.96 5.9 5.86 5.80 5.77 5.70 5.66 4. 0.65 9.98 9.60 9.36 9.0 9.07 8.98 8.90 8.84 8.75 8.66 8.56 8.50 8.38 8.3 4.0 8.00 6.69 5.98 5.5 5. 4.98 4.80 4.66 4.55 4.37 4.0 4.0 3.9 3.69 3.58 6.6 5.79 5.4 5.9 5.05 4.95 4.88 4.8 4.77 4.74 4.68 4.6 4.56 4.5 4.44 4.4 5 0.0 8.43 7.76 7.39 7.5 6.98 6.85 6.76 6.68 6.6 6.5 6.43 6.33 6.7 6.4 6.08 5 6.6 3.7.06.39 0.97 0.67 0.46 0.9 0.6 0.05 9.89 9.7 9.55 9.45 9.4 9.3 5.99 5.4 4.76 4.53 4.39 4.8 4. 4.5 4.0 4.06 4.00 3.94 3.87 3.83 3.75 3.7 6 8.8 7.6 6.60 6.3 5.99 5.8 5.70 5.60 5.5 5.46 5.37 5.7 5.7 5. 4.98 4.9 6 3.75 0.9 9.78 9.5 8.75 8.47 8.6 8.0 7.98 7.87 7.7 7.56 7.40 7.30 7.09 6.99 5.59 4.74 4.35 4. 3.97 3.87 3.79 3.73 3.68 3.64 3.57 3.5 3.44 3.40 3.3 3.7 7 8.07 6.54 5.89 5.5 5.9 5. 4.99 4.90 4.8 4.76 4.67 4.57 4.47 4.40 4.8 4. 7.5 9.55 8.45 7.85 7.46 7.9 6.99 6.84 6.7 6.6 6.47 6.3 6.6 6.06 5.86 5.75 5.3 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35 3.8 3. 3.5 3. 3.0.97 8 7.57 6.06 5.4 5.05 4.8 4.65 4.53 4.43 4.36 4.30 4.0 4.0 4.00 3.94 3.8 3.74 8.6 8.65 7.59 7.0 6.63 6.37 6.8 6.03 5.9 5.8 5.67 5.5 5.36 5.6 5.07 4.96 5. 4.6 3.86 3.63 3.48 3.37 3.9 3.3 3.8 3.4 3.07 3.0.94.89.80.76 9 7. 5.7 5.08 4.7 4.48 4.3 4.0 4.0 4.03 3.96 3.87 3.77 3.67 3.60 3.47 3.40 9 0.56 8.0 6.99 6.4 6.06 5.80 5.6 5.47 5.35 5.6 5. 4.96 4.8 4.7 4.5 4.4 4.96 4.0 3.7 3.48 3.33 3. 3.4 3.07 3.0.98.9.85.77.73.64.59 0 6.94 5.46 4.83 4.47 4.4 4.07 3.95 3.85 3.78 3.7 3.6 3.5 3.4 3.35 3. 3.5 0 0.04 7.56 6.55 5.99 5.64 5.39 5.0 5.06 4.94 4.85 4.7 4.56 4.4 4.3 4. 4.0 4.75 3.89 3.49 3.6 3. 3.00.9.85.80.75.69.6.54.50.40.35 6.55 5.0 4.47 4. 3.89 3.73 3.6 3.5 3.44 3.37 3.8 3.8 3.07 3.0.87.80 9.33 6.93 5.95 5.4 5.06 4.8 4.64 4.50 4.39 4.30 4.6 4.0 3.86 3.76 3.57 3.47 4.54 3.68 3.9 3.06.90.79.7.64.59.54.48.40.33.8.8. 5 6.0 4.77 4.5 3.80 3.58 3.4 3.9 3.0 3. 3.06.96.86.76.69.55.47 5 8.68 6.36 5.4 4.89 4.56 4.3 4.4 4.00 3.89 3.80 3.67 3.5 3.37 3.8 3.08.98 4.35 3.49 3.0.87.7.60.5.45.39.35.8.0..07.97.9 0 5.87 4.46 3.86 3.5 3.9 3.3 3.0.9.84.77.68.57.46.40.5.7 0 8.0 5.85 4.94 4.43 4.0 3.87 3.70 3.56 3.46 3.37 3.3 3.09.94.84.64.54 4.4 3.39.99.76.60.49.40.34.8.4.6.09.0.96.84.78 5 5.69 4.9 3.69 3.35 3.3.97.85.75.68.6.5.4.30.3.08.00 5 7.77 5.57 4.68 4.8 3.85 3.63 3.46 3.3 3. 3.3.99.85.70.60.40.9 4.03 3.8.79.56.40.9.0.3.07.03.95.87.78.73.60.5 50 5.34 3.97 3.39 3.05.83.67.55.46.38.3...99.9.75.66 50 7.7 5.06 4.0 3.7 3.4 3.9 3.0.89.78.70.56.4.7.7.95.8 3.94 3.09.70.46.3.9.0.03.97.93.85.77.68.6.48.39 00 5.8 3.83 3.5.9.70.54.4.3.4.8.08.97.85.77.59.48 00 6.90 4.8 3.98 3.5 3..99.8.69.59.50.37..07.97.74.60 This table is computed by Victor L. Bissoette. xi xii

Ma Whitey-testi Tolerassivälitaulukko kaksipuoliselle välille Ma Whitey-testi kriittisiä arvoja riskitasoille α = 0.05 ja α = 0.0 (kaksipuolie testi) o otoskoko siiä otoksessa, joka järjestyssumma o pieempi. This table is computed by Victor L. Bissoette. Taulukko ataa kertoime k arvo kaksipuoliselle tolerassivälille. k: γ =0. γ =0.05 γ =0.0 α =0. α =0.05 α =0.0 α =0. α =0.05 α =0.0 α =0. α =0.05 α =0.0 5 3.4993 4.44 5.3868 4.906 5.0767 6.5977 6.6563 7.87 0. 6 3.407 3.75 4.8498 3.735 4.43 5.758 5.3833 6.3656 8.90 7.99 3.4558 4.5087 3.3895 4.096 5.409 4.6570 5.598 7.907 8.754 3.699 4.707 3.560 3.7454 4.889 4.883 4.9694 6.48 9.6367 3.3 4.0945.9864 3.5459 4.638 3.8596 4.580 5.9803 0.5459 3.057 3.9579.8563 3.3935 4.4370 3.66 4.95 5.606.4734.9407 3.8488.7536 3.77 4.88 3.486 4.075 5.343.439.8706 3.759.670 3.748 4.555 3.793 3.8954 5.0956 3.3643.8 3.684.60 3.093 4.0505 3.557 3.7509 4.909 4.39.764 3.600.544 3.04 3.966 3.0537 3.630 4.753 5.855.796 3.5648.493.9648 3.885.9669 3.585 4.6 6.536.68 3.566.4485.935 3.889.896 3.4406 4.5078 7.57.649 3.4740.40.8685 3.7605.877 3.3637 4.4084 8.007.697 3.436.376.883 3.7088.77 3.966 4.33 9.784.5934 3.40.3460.795 3.667.70 3.36 4.433 0.583.5697 3.375.388.7603 3.60.6758 3.838 4.747.40.548 3.3437.94.73 3.583.6346 3.360 4.5.34.585 3.383.78.7047 3.5490.5979 3.094 4.056 3.083.505 3.95.53.6805 3.576.564 3.058 4.0044 4.0943.4940 3.735.35.658 3.4888.534 3.069 3.9580 5.083.4786 3.538.5.6378 3.46.5060.9836 3.947 6.0693.4644 3.354.990.687 3.4375.4797.9533 3.875 7.058.45 3.8.84.60 3.445.4560.947 3.8385 8.0477.4389 3.03.703.5846 3.3933.4340.8983 3.8048 9.0380.474 3.873.573.5693 3.3733.433.8737 3.77 30.089.466 3.73.450.5548 3.3546.3940.8509 3.746 3.003.4065 3.60.337.544 3.3369.3758.899 3.748 3.0.3969 3.477.30.585 3.305.3590.8095 3.6885 33.0045.3878 3.360.8.567 3.3048.3430.7900 3.6638 34.9973.3793 3.48.033.5053 3.90.379.777 3.6405 35.9905.37 3.43.094.4945 3.76.339.7557 3.685 36.9840.3635 3.043.0857.4844 3.68.3003.7396 3.5976 37.9779.356 3.0948.0775.4748 3.503.875.746 3.578 38.970.349 3.0857.0697.4655 3.38.753.705 3.5593 39.9664.345 3.077.063.4568 3.68.638.6966 3.544 40.96.336 3.0688.055.4484 3.58.57.6839 3.544 4.9560.330 3.0609.0485.4404 3.055.44.67 3.5085 4.95.344 3.0533.04.437 3.955.34.6593 3.497 43.9464.388 3.046.0359.454 3.860.8.648 3.4780 44.949.334 3.039.0300.483 3.768.37.637 3.4638 45.9376.3083 3.034.043.47 3.679.049.668 3.450 46.9334.3034 3.060.088.405 3.595.964.667 3.4370 47.994.987 3.099.036.3989 3.55.884.607 3.445 48.956.94 3.039.0086.399 3.435.806.5979 3.45 49.98.897 3.008.0037.387 3.360.734.5890 3.4008 50.983.855 3.006.9990.386 3.87.660.5805 3.3899 55.90.663.9776.9779.3564 3.0960.338.54 3.3395 60.8885.500.9563.9599.335 3.0680.063.5094 3.968 65.8766.359.9378.9444.366 3.0439.087.483 3.604 70.866.35.97.9308.3005 3.08.063.457 3.8 75.8570.6.9074.988.86 3.004.044.4355 3.00 80.8488.09.8947.908.735.9875.08.465 3.753 85.845.94.883.8986.6.976.039.3994 3.59 90.8348.86.878.8899.59.959.0008.3839 3.37 95.887.790.8634.880.45.9468.989.3700 3.43 00.83.73.8548.8748.338.9356.9784.357 3.0977 xiii xiv

Tolerassivälitaulukko toispuoliselle välille Taulukko ataa kertoime k arvo toispuoliselle tolerassivälille. k: γ =0. γ =0.05 γ =0.0 α =0. α =0.05 α =0.0 α =0. α =0.05 α =0.0 α =0. α =0.05 α =0.0 5.743 3.3998 4.6660 3.4066 4.07 5.74 5.367 6.5783 8.9390 6.4937 3.099 4.45 3.0063 3.7077 5.060 4.4 5.4055 7.3346 7.337.8938 3.970.7554 3.3994 4.647 3.859 4.779 6.40 8.86.7543 3.786.589 3.873 4.3539 3.497 4.85 5.88 9.39.6499 3.644.4538 3.03 4.430 3.404 3.973 5.3889 0.0656.5684 3.536.3546.90 3.98 3.0479 3.7383 5.0737.03.506 3.4434.753.850 3.853.8977 3.556 4.890.966.4483 3.3707.0.7364 3.747.7767 3.4099 4.6330 3.98.404 3.3095.554.6705 3.659.6770 3.896 4.470 4.8954.363 3.57.088.644 3.5845.593 3.886 4.337 5.8669.389 3.8.0684.5660 3.50.55 3.04 4.4 6.848.990 3.70.0330.537 3.4640.4594 3.079 4.33 7.895.74 3.369.007.486 3.444.405.967 4.0367 8.7995.486 3.054.9738.4530 3.3703.3570.905 3.9604 9.785.7 3.077.9487.43 3.3308.34.8539 3.894 0.765.078 3.055.960.3960 3.95.757.8079 3.836.7503.90 3.08.9053.374 3.68.408.7663 3.7766.7366.739 3.0069.8864.3490 3.33.09.785 3.768 3.740.589.9873.8690.383 3.06.80.6940 3.68 4.74.45.969.8530.3093 3.8.535.663 3.6395 5.705.33.954.838.97 3.579.90.633 3.60 6.694.04.9367.84.753 3.365.063.606 3.5656 7.680.09.9.84.600 3.65.085.58 3.536 8.673.0988.9085.7993.458 3.0978.0655.5577 3.509 9.6649.0890.8958.7880.34 3.0804.047.5359 3.4733 30.657.0798.8837.7773.98 3.0639.098.555 3.4465 3.6497.07.874.7673.080 3.0484.036.4963 3.44 3.647.069.867.7578.968 3.0338.9984.478 3.3977 33.636.055.855.7489.86 3.000.9840.46 3.3754 34.699.0478.849.7403.76 3.0070.9703.445 3.3543 35.639.0407.838.733.667.9946.9574.498 3.3343 36.68.034.84.746.577.988.945.454 3.355 37.68.077.858.773.49.976.9335.406 3.975 38.6076.06.8080.70.408.9609.94.3885 3.804 39.606.058.8004.7036.330.9507.98.3760 3.64 40.5979.003.793.697.55.9409.907.364 3.486 4.5934.0050.7863.69.83.936.89.358 3.337 4.5890.9998.7796.685.4.96.888.348 3.95 43.5848.9949.7733.6795.048.94.8739.334 3.059 44.5808.990.767.674.0985.9059.8654.34 3.99 45.5769.9857.763.6689.094.8979.8573.38 3.804 46.573.983.7556.6639.0865.8903.8495.305 3.684 47.5695.977.750.659.0808.8830.849.937 3.568 48.566.9730.7449.6544.0753.8759.8346.85 3.457 49.567.969.7398.6499.070.8690.875.768 3.349 50.5595.9653.7349.6455.0650.865.808.689 3.46 55.5447.948.76.658.049.836.790.330 3.0780 60.530.9333.6935.6089.0.8070.764.04 3.038 65.50.904.6769.594.0050.7849.744.759 3.0039 70.5.9090.663.58.9898.7654.76.56.9739 75.505.8990.6493.5697.9765.748.7040.3.9474 80.4947.8899.6377.5594.9644.736.6883.37.937 85.4877.887.67.550.9536.787.674.0973.904 90.483.8743.676.546.9438.706.663.084.883 95.4754.8675.6089.5338.9348.6945.6497.0688.8657 00.470.86.6009.568.965.6839.6390.0563.8496 xv