Leikkijunan kunto toimiva ei-toimiva Työvuoro aamuvuoro päivävuoro iltavuoro

Samankaltaiset tiedostot
4. Seuraavaan ristiintaulukkoon on kerätty tehtaassa valmistettujen toimivien ja ei-toimivien leikkijunien lukumäärät eri työvuoroissa:

Leikkijunan kunto toimiva ei-toimiva Työvuoro aamuvuoro päivävuoro iltavuoro

3. a) Mitkä ovat tilastolliset mitta-asteikot? b) Millä tavalla nominaaliasteikollisen muuttujan jakauman voi esittää?

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

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

Mat Tilastollisen analyysin perusteet, kevät 2007

3.5 Generoivat funktiot ja momentit

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

Kuluttajahintojen muutokset

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

3. Datan käsittely lyhyt katsaus

AB TEKNILLINEN KORKEAKOULU

3.3 Hajontaluvuista. MAB5: Tunnusluvut

Aamukatsaus

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa

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

Ilkka Mellin (2008) 1/24

Työssä tutustutaan harmonisen mekaanisen värähdysliikkeen ominaisuuksiin seuraavissa

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Monte Carlo -menetelmä

2-suuntainen vaihtoehtoinen hypoteesi

Tchebycheff-menetelmä ja STEM

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen

Base unweighted Base weighted TK2 - TK2. Kuinka usein luette kemikaalien varoitusmerkit ja käyttöohjeet?

3 Tilayhtälöiden numeerinen integrointi

Yrityksen teoria ja sopimukset

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Mat Tilastollisen analyysin perusteet, kevät 2007

1, x < 0 tai x > 2a.

SMG-1100: PIIRIANALYYSI I

r i m i v i = L i = vakio, (2)

Painotetun metriikan ja NBI menetelmä

A = B = T = Merkkijonon A osamerkkijono A[i..j]: n merkkiä pitkä merkkijono A:

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

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

1. välikoe

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Mat Sovellettu todennäköisyyslasku A

Sähkökiukaan kivimassan vaikutus saunan energiankulutukseen

6. Stokastiset prosessit (2)

Mittaustulosten käsittely

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Luento 6 Luotettavuus Koherentit järjestelmät

T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

Kokonaislukuoptimointi

TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat Sovelletun matematiikan erikoistyö. Ei-normaalisten tuottojakaumien mallintaminen

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

FYSA220/2 (FYS222/2) VALON POLARISAATIO

Mat Sovellettu todennäköisyyslasku A

Mekaniikan jatkokurssi Fys102

= 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

Työllistääkö aktivointi?

1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

Tilastolliset menetelmät: Lineaarinen regressioanalyysi

Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

Timo Tarvainen PUROSEDIMENTIIANALYYSIEN HAVAINNOLLISTAMINEN GEOSTATISTIIKAN KEINOIN. Outokumpu Oy Atk-osasto

Suomen ja Ruotsin metsäteollisuuden kannattavuusvertailu v No. 47. Pekka Ylä-Anttila

ABTEKNILLINEN KORKEAKOULU

Moderni portfolioteoria

4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Yritysten ja kuluttajien välinen tasapaino

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

Tilastollisen fysiikan luennot

Rahastoonsiirtovelvoitteeseen ja perustekorkoon liittyvät laskentakaavat. Soveltaminen

1.Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet

. g = 0,42g. Moolimassat ovat vastaavasti N 2 :lle 28, 02g/ mol ja typpiatomille puolet tästä 14, 01g/ mol.

Kanoniset muunnokset

A250A0100 Finanssi-investoinnit Harjoitukset

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

5. Datan käsittely lyhyt katsaus

Muuttujien välisten riippuvuuksien analysointi

HASSEN-WEILIN LAUSE. Kertausta

- lzcht Frwaria ;:h'5ensuuntaisprc j sktioita

Yksikköoperaatiot ja teolliset prosessit

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet

TODENNÄKÖISYYSLASKENNASTA 1

SU/Vakuutusmatemaattinen yksikkö (5)

Ilkka Mellin (2006) 1/1

Paikkatietotyökalut Suomenlahden merenkulun riskiarvioinnissa

Yrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

4. A priori menetelmät

Segmentointimenetelmien käyttökelpoisuus

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18

KURSSIKYSELYAINEISTO: HUOM! Aineiston tilastoyksikkömäärä 11 on kovin pieni oikean tilastotieteen tekemiseen, mutta Harjoitteluun se kelpaa kyllä!

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

in 2/ InHelp palvelee aina kun apu on tarpeen INMICSIN ASIAKASLEHTI

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

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

MTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu

Usean muuttujan funktioiden integraalilaskentaa

Jaksolliset ja toistuvat suoritukset

5. KVANTTIMEKANIIKKAA

Transkriptio:

Lsätehtävä 1. Erään yrtyksen satunnasest valttujen työntekjöden possaolopäven määrät olvat vuonna 003: 5, 3, 1, 9, 0, 1, 3,, 19, 5, 19, 11,, 0, 4,, 1, 15, 4, 0,, 4, 3, 3, 8, 3, 9, 11, 19, 17, 14, 7 a) Luokttele havannot tasavälsest sten, että luokkaväln ptuus on 4. Estä possaolopäven frekvenssjakauma taulukkona. b) Muodosta jakaumasta sellanen tlastokuvo, jonka perusteella vot arvoda medaann. Mkä on medaanarvo? Kuvale myös lyhyest arvonttapaas. c) Laske jakauman artmeettnen keskarvo, keskhajonta ja varaatokerron.. Sanomalehtpapern nelömetrpanoja tutkttaessa saatn panon frekvenssjakaumaks eräässä otoksessa seuraava: pano (g/m ) lukumäärä 4.0 4.9 4 43.0 43.9 7 a) Määrtä panojakauman medaan 44.0 44.9 15 ja kvartlväl esm. sopvan kuvon 45.0 45.9 1 avulla. 4.0 4.9 7 b) Määrtä panojakauman keskarvo 47.0 47.9 10 ja keskhajonta. 48.0 48.9 1 c) Kuvale määrttämes tunnuslukujen avulla jakauman muotoa. 3. Metsäntutkmuslatoksen koealalta mtattn kovujen läpmttaa (rnnankorkeudelta) ja huomattn sen olevan normaaljakautunut odotusarvolla 0.5 cm ja varanssna.5 cm. a) Kunka monta prosentta kovusta on läpmtaltaan anakn 18 cm? b) Määrtä rnnankorkeusläpmtan alakvartl. 4. Seuraavaan rstntaulukkoon on kerätty tehtaassa valmstettujen tomven ja e-tomven lekkjunen lukumäärät er työvuorossa: Lekkjunan kunto tomva e-tomva Työvuoro aamuvuoro 473 30 pävävuoro 50 ltavuoro 37 30 Laske sellasen tlastollsen rppuvuustunnusluvun arvo, jonka perusteella vot päätellä, onko työvuorolla ja lekkjunan kunnolla yhteyttä. Mtkä ovat johtopäätökses? 5. Kuluttajavrasto on jälleen joulun alla testannut lelujen turvallsuutta. Tutkmukseen valttn myymälöstä sattumanvarasest 101 lekkkalua. Testatusta lelusta 9 täytt turvallsuusvaatmukset (Lähde: YLEn uutset, 9.1.004). Muodosta sellanen 95 %:n luottamusväl, jonka avulla vot arvoda, kunka monta prosentta kaksta myytävstä lekkkalusta on turvallsuusvaatmukset täyttävä.. Ohesessa taulukossa on estetty kolmen kulutusmuuttujan tlastollsa tunnuslukuja vuodelta 000. Havantoaneston tlastoyksköt ovat Euroopan mata (Lähde: Tlastokeskus, Maalma numerona.) Tulktse tuloksa ja vastaa seuraavn kysymyksn.

Statstcs N = havantojen määrä Mean = keskarvo Medan = medaan Mode = mood Std. Devaton = keskhajonta Varance = varanss Skewness = vnous Kurtoss = hupukkuus Mnmum = penn arvo Maxmum = suurn arvo Percentles = fraktlt 5 50 75 a. Multple modes exst. The smallest value s shown Vnn kulutus Oluen kulutus Väkeven kulutus 7 7 7 3,333 7,111,81 0,000 59,00 1,900 7,9 3,5 a,4 15,5075 39,03 1,4754 40,4838 157,935,1770,48,70 1,175 -,58,37,10 1,0 3,5,5 5,0 10,0 5, 9,700 37,100 1,00 0,000 59,00 1,900 33,00 95,400,800 = Moodeja on useta. Nstä estetään penn. a) Onko muuttujan Oluen kulutus jakauma normaaljakauma? Perustele vastaukses. b) Mkä keskluku sop nyt kuvaamaan muuttujan Oluen kulutus jakauman keskkohtaa? Perustele vastaukses. c) Onko muuttujan Vnn kulutus jakauma symmetrnen? Perustele vastaukses. d) Mkä on muuttujan Väkeven kulutus kvartlväln ptuus? e) Mllä muuttujalla on absoluuttsest penn hajonta? Perustele vastaukses. f) Mllä muuttujalla on suhteellsest suurn hajonta? Perustele vastaukses. 7. Tetyllä alueella suortettn kalloperän nkkelptosuuden selvtystyötä. Alueelta valttn 5 kvnäytettä, joden nkkelptosuuden keskarvo ol 10. % ja keskhajonta 3.1 %. a) Määrtä ko. alueen keskmääräselle nkkelptosuudelle 95 %:n luottamusväl. b) Määrtä ko. alueen keskmääräsen nkkelptosuuden 99 %:n luottamusväl, kun valttuja kvnäyttetä ols ollutkn 40 kpl (keskarvo ja keskhajonta pysyvät samona). 8. Wnnfear Oy:n johtaja on knnostunut stä, onko umapukujen myynnllä (y) ja kesäkuun päven kesklämpötlalla (x) yhteyttä. Vuosen varrelta on saatu seuraava tetoja: x 19 3 5 4 1 y 0 740 70 70 780 70 Laske Pearsonn korrelaaton arvo. (Avuks x 138, x 308, y 4380, y 30000, x y 10100 ) 9. Itkota nsee juhannuskokon ympärllä. Akasempen juhannuskokemusten perusteella tedät, että todennäkösyys slle, että saat tapetuksa yhden tkan on 0.4. Kokon ympärllä nsee 100 tkkaa. Mllä todennäkösyydellä saat tapettua nstä anakn 35? (Vot arvoda sopvalla jakaumalla.) 10. Yrtys lmott valmstavansa kasvsrasvan markknaosuudeks 13. %. Klpalja tutk vätettä pommalla er puollta maata 1 myymälän otoksen, jossa ko. rasvan keskmääränen markknaosuus ol 1..% ja markknaosuuksen keskhajonta 3. %. Testaa merktsevyystasolla 0.05, onko valmstajan lmotus okea, kun oletetaan, että markknaosuuden jakauma on normaaljakauma.

Vastauksa Tehtävä 1. a) Luokkaväln ptuus 4, joten luokka vs: päven lkm työntekjälkm 0 3 1 4 7 7 8 11 5 1 15 3 1 19 5 Yhteensä 3 b) useta vahtoehtoja, esm. frekvensshstogramma, summakäyrä ta runkolehtkuvo ja medaan n. 5 (kuvosta rppuen arvo vo olla hukan sompkn) c) x = 7.39 ja s =.11 ja V = 0.88 Tehtävä. a) Esm. summakäyrästä katsottuna Md non 45. ja kvartlväl non (44.3, 4.4) b) m f m f m 4.45 19.8 708.01 43.45 304.15 1315.3175 44.45.75 937.0375 45.45 77. 33051.4 4.45 35.15 15103.175 47.45 474.5 515.05 48.45 48.45 347.405 71 13077.5 x = 45.3 ja s = 1.5 c) Koska keskarvo ja medaan ovat lähes samat, on jakauma melko symmetrnen. Koska kvartlväl on melko kapea, on muuttuja-arvojen keskttymnen melko vomakasta. Tehtävä 3. a) P(x > 18) = 1- P(x < 18) = 1- ( 18 0.5 ) = 1- [ 1-0.8413 ; 84%.5 b) Standardodun normaaljakauman alakvartl on -0.7, koska (0.7) 0.75 ja edelleen symmetran taka (-0.7) 0.5. Kun satunnasmuuttujan x yläkvartl Q 1 standardodaan: Q 1 0.5 täytyy sen.5 vastata luku -0.7 el saadaan yhtälö Q 1 0.5 = -0.7, josta Q 1 = 18.85.5

Tehtävä 4. Rppuvuuslukuna vodaan käyttää kontngensskerronta. Seuraavassa taulukossa on teoreettset frekvensst Lekkjunan kunto tomva e-tomva Yhteensä Työvuoro aamuvuoro 473 30 503 pävävuoro 551 35 58 ltavuoro 33 1 357 Yhteensä 130 8 144 C 473 473 30 30 50 551 35 37 33 30 1 473.. 144 0.07 30 551 35 33 1. Kontngensskertomen arvo nn lähellä lukua 0, että kunnolla ja työvuorolla e ole yhteyttä. Tehtävä 5. n = 101 Otoksessa turvallsa leluja ol P = 9 100 = 8.3 %; = 0.05, z = 1.9 101 0.05 95 %:n luottamusväl turvallsten lelujen prosenttosuudelle on (59., 77.4) Tehtävä. a) e ole, koska jakauma e ole symmetrnen, vaan okealle loveneva el postvsest vno (vnous > 0.5) b) medaanarvo 59. (koska jakauma e ole symmetrnen) c) kohtalasen symmetrnen, koska vnous välllä (-0.5, 0.5) d) kvartlväln ptuus =.8 1. = 1. e) keskhajonta mttaa absoluuttsta hajaantumsta, ja penn keskhajonta on väkeven kulutuksella f) suhteellsta hajaantumsta mttaa varaatokerron ( keskhajonnan ja keskarvon suhde) ja suurn varaatokerron (0.5) on vnn kulutuksella Tehtävä 7. Sekä a) että b) kohdssa e tunneta populaatovaranssa, joten luottamusväl populaaton keskarvolle määrtetään sen estyksen avulla, mssä käytetään t-jakaumaa. a) n = 5, x = 10. ja s = 3.1; = 0.05, t 0.05 (5-1) =.04 95 %:n luottamusväl koko alueen keskmääräselle nkkelptosuudelle on sten (10..04 3.1, 10. +.04 3.1 ) = (8.9, 11.5) 5 5 b) n = 40, x = 10. ja s = 3.1; = 0.01, t 0.005 (40-1) t 0.005 (40) =.704

99 %:n luottamusväl koko alueen keskmääräselle nkkelptosuudelle on sten (10..704 3.1, 10. +.704 3.1 ) = (8.9, 11.5) 40 40 Tehtävä 8. 1384380 10100 r 138 4380 308 30000 = 0.851 Kesklämpötlan ja umapukujen myynnn välllä on postvsta lneaarsta rppuvuutta, ja sehän tarkottaa, että mtä lämpmämp kesäkuu on ollut, stä enemmän on umapukujakn myyty. Tehtävä 9. x = tapettujen tkoden lkm, tarkkana jakaumana Bn(100, 0.4) Lkman jakaumana N(40, 4) P(x > 35) = 1- P(x < 35)= 1- ( 35 40 ) 0.85 4 Tehtävä 10. Yhden otoksen keskarvotest, populaatovaranss tuntematon n = 1, x = 1., s= 3. Hypoteest: H 0 : = 13. H 1 : 13. = 0.05, t 0.05 (1-1) =.01 ja krttnen alue C ={ t t >.01} t = 1. 13. 3. / 1 = -1.34 Testsuureen arvo e ole krttsellä alueella, joten nollahypotees hyväksytään. Valmstajan lmotus näyttää okealta.