7. laskuharjoituskierros, vko 10, ratkaisut

Samankaltaiset tiedostot
Kaksiulotteinen normaalijakauma Mitta-asteikot Havaintoaineiston kuvaaminen ja otostunnusluvut

Ilkka Mellin (2008) 1/5

Sovellettu todennäköisyyslaskenta B

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

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

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

tilastotieteen kertaus

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

Harjoitus 2: Matlab - Statistical Toolbox

Sovellettu todennäköisyyslaskenta B

Tilastotieteen kertaus. Kuusinen/Heliövaara 1

Moniulotteisia todennäköisyysjakaumia

Sovellettu todennäköisyyslaskenta B

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

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Johdatus tilastotieteeseen Tilastollisten aineistojen kuvaaminen. TKK (c) Ilkka Mellin (2005) 1

Tilastollisten aineistojen kuvaaminen

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

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

Mat Sovellettu todennäköisyyslasku A

Mat Tilastollisen analyysin perusteet. Tilastollisten aineistojen kerääminen ja mittaaminen Tilastollisten aineistojen kuvaaminen Väliestimointi

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

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

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

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

Sovellettu todennäköisyyslaskenta B

Tilastomatematiikka Kevät 2008

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Mat Sovellettu todennäköisyyslasku A. Moniulotteiset jakaumat. Avainsanat:

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

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Estimointi. Vilkkumaa / Kuusinen 1

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

pisteet Frekvenssi frekvenssi Yhteensä

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

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

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

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3

Lisätehtäviä ratkaisuineen luentomonisteen lukuihin 2-4 liittyen

9. laskuharjoituskierros, vko 12-13, ratkaisut

Testejä suhdeasteikollisille muuttujille

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

4. laskuharjoituskierros, vko 7, ratkaisut

Moniulotteiset satunnaismuuttujat ja jakaumat

Til.yks. x y z

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

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

D ( ) E( ) E( ) 2.917

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

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Mat Sovellettu todennäköisyyslaskenta B

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

Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslasku A

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

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

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Mat Tilastollisen analyysin perusteet, kevät 2007

,ܾ jaü on annettu niin voidaan hakea funktion

Mat Tilastollisen analyysin perusteet, kevät 2007

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

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

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Otoskoko 107 kpl. a) 27 b) 2654

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Johdatus tn-laskentaan perjantai

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

MATEMATIIKKA 5 VIIKKOTUNTIA

Väliestimointi (jatkoa) Heliövaara 1

2. Jatkoa HT 4.5:teen ja edelliseen tehtavään: Määrää X:n kertymäfunktio F (x) ja laske sen avulla todennäköisyydet

Esim. Pulssi-muuttujan frekvenssijakauma, aineisto luentomoniste liite 4

Mat Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Hannu mies LTK 180 Johanna nainen HuTK 168 Laura nainen LuTK 173 Jere mies NA 173 Riitta nainen LTK 164

Vastaus: 10. Kertausharjoituksia. 1. Lukujonot lim = lim n + = = n n. Vastaus: suppenee raja-arvona Vastaus:

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

Preliminäärikoe Tehtävät A-osio Pitkä matematiikka kevät 2016 Sivu 1 / 4

3. laskuharjoituskierros, vko 6, ratkaisut

VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170

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

Todennäköisyyslaskun kertaus. Heliövaara 1

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,

Tilastollinen aineisto Luottamusväli

Määrällisen aineiston esittämistapoja. Aki Taanila

Preliminäärikoe Tehtävät A-osio Pitkä matematiikka kevät 2016 Sivu 1 / 4

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

Tilastollisen analyysin perusteet Luento 5: Jakaumaoletuksien. testaaminen

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo Ratkaisut ja pisteytysohjeet

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

8. laskuharjoituskierros, vko 11, ratkaisut

Regressioanalyysi. Kuusinen/Heliövaara 1

Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat. Moniulotteiset satunnaismuuttujat ja todennäköisyysjakaumat

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

Johdatus tn-laskentaan torstai

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Testit järjestysasteikollisille muuttujille

Transkriptio:

7. laskuharjoituskierros, vko 10, ratkaisut D1. a) Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 0, E(Y ) = 1, Var(X) = 1, Var(Y ) = 4 ja Cov(X, Y ) = 1. Määrää muuttujien X ja Y korrelaatio, muuttujan X regressiofunktio muuttujan Y suhteen ja muuttujan Y regressiofunktio muuttujan X suhteen sekä vastaavat ehdolliset varianssit. b) Olkoon muuttujan X regressiosuora muuttujan Y suhteen y = 8 3 x + 14 3 ja muuttujan Y regressiosuora muuttujan X suhteen Määrää muuttujien X ja Y odotusarvot. y = 3 2 x + 7 2 a) Lasketaan ensin standardipoikkeamat: D(X) = 1 ja D(Y ) = 2. Cor(X, Y ) = Cov(X, Y ) D(X)D(Y ) = 1 1 2 = 1 2 Muuttujan X regressiofunktio muuttujan Y suhteen on suora, jonka kulmakerroin on Cor(X, Y )D(X) D(Y ) = 1 0.5 2 = 1 4 Suoran yhtälö on siten: x = 1 (y 1) 4 (1 Cor(X, Y ) 2 )D 2 (X) = (1 ( 0.5) 2 ) 1 = 0.75 Muuttujan Y regressiofunktio muuttujan X suhteen on suora, jonka kulmakerroin on Cor(X, Y )D(Y ) D(X) = 2 0.5 1 = 1 Suoran yhtälö on siten: y 1 = x (1 Cor(X, Y ) 2 )D 2 (Y ) = (1 ( 0.5) 2 ) 4 = 3 b) Suorat leikkaavat pisteessä (1,2), joten: E(X) = 1 ja E(Y ) = 2.

D2. Alla on lueteltu joukko muuttujia. a) Mitä mitta-asteikkoja muuttujat noudattavat? b) Mitkä muuttujista ovat kvalitatiivisia ja mitkä kvantitatiivisia? c) Mitkä muuttujista ovat diskreettejä ja mitkä jatkuvia? 1. Mansikoiden C-vitamiinipitoisuus: mg/100g. 2. Alvarin aukiolta löydetyn kasvin laji. 3. Paine, joka vaaditaan teräksisen säiliön murtumiseen: kg/cm 2. 4. Henkilöiden reaktio väitteeseen Suomen on liityttävä NATO:on mitattuna asteikolla täysin eri mieltä, yhden tekevää, täysin samaa mieltä. 5. Jokereiden sijoitus jääkiekkoliigassa. 6. Teekkarin koulutusohjelma. 7. Teekkarin älykkyysosamäärä. 8. Teekkarin pistemäärä 1. välikokeessa. 9. Lentokoneen nopeus: km/h. a) Laatueroasteikollisia muuttujia: 2 ja 6. Järjestysasteikollisia muuttujia: 4, 5, 7 ja 8. Suhdeasteikollisia muuttujia: 1, 3 ja 9. b) Kvalitatiivisia muuttujia: 2, (4, 5), 6. Kvantitatiivisa muuttujia: 1, 3, 7, 8 ja 9. c) Diskreettejä muuttujia: 2, 4, 5, 6 sekä (7 ja 8). Jatkuvia muuttujia: 1, 3, (7, 8) ja 9. D3. Määrää tehtävän P4 aineiston kahden viimeisen sarakkeen kahdeksan luvun aritmeettinen keskiarvo, otosvarianssi ja otoshajonta. Lasketaan tarpeelliset välitulokset taulukon avulla: x i x 2 i 1500 2250000 2900 8410000 1800 3240000 2200 4840000 1700 2890000 3200 10240000 1500 2250000 2500 6250000 Σ 17300 40370000

Keskiarvo, otosvarianssi ja otoshajonta ovat siis: x = 1 n x i = 1 17300 = 2162.5 8 s 2 = 1 ( n (x 2 i ) n x 2) = 1 n 1 7 (40370000 8 2162.52 ) 422678, 57 s = s 2 650, 14 P4. Erään talon asukkailla on seuraavat kuukausitulot (e/kk): 3300 3200 1500 1700 4300 1900 2900 3200 800 1700 1800 1500 1200 700 2200 2500 Määrää aineistosta seuraavat tunnusluvut: a) minimi ja maksimi b) vaihteluväli ja vaihteluvälin pituus c) mediaani d) Vinous e) Huipukkuus 2 p. Asiat sujuvat paljon yksinkertaisemmin, jos käytössä on järjestetty otos: 700 800 1200 1500 1500 1700 1700 1800 1900 2200 2500 2900 3200 3200 3300 4300 a) Minimi = 700 ja maksimi = 4300. b) Vaihteluväli on (700, 4300) ja vaihteluvälin pituus on 4300 700 = 3600. c) Me = (1800 + 1900)/2 = 1850 Vinouden ja huipukkuuden määrittämiseksi täytyy määrittää havaintoarvojen jakauman 2., 3. ja 4. keskusmomentti: m 2 = 1 n m 3 = 1 n m 4 = 1 n (x i x) 2 (x i x) 3 (x i x) 4

Momenttien laskeminen tapahtuu helpoiten taulukoinnilla. (Esim. Excelillä tällaisen taulukon arvojen laskeminen käy hyvin helposti.) x i x i x (x i x) 2 (x i x) 3 (x i x) 4 0.700-1.450 2.1025-3.0486 4.4205 0.800-1.350 1.8225-2.4604 3.3215 1.200-0.950 0.9025-0.8574 0.8145 1.500-0.650 0.4225-0.2746 0.1785 1.500-0.650 0.4225-0.2746 0.1785 1.700-0.450 0.2025-0.0911 0.0410 1.700-0.450 0.2025-0.0911 0.0410 1.800-0.350 0.1225-0.0429 0.0150 1.900-0.250 0.0625-0.0156 0.0039 2.200 0.050 0.0025 0.0001 0.0000 2.500 0.350 0.1225 0.0429 0.0150 2.900 0.750 0.5625 0.4219 0.3164 3.200 1.050 1.1025 1.1576 1.2155 3.200 1.050 1.1025 1.1576 1.2155 3.300 1.150 1.3225 1.5209 1.7490 4.300 2.150 4.6225 9.9384 21.368 Summa 34.400 0 15.100 7.0830 34.893 Keskiarvo 2.150 0 0.9438 0.4427 2.1808 d) Havaintoarvojen jakauman vinous saadaan laskettua 2. ja 3. keskusmomentin avulla: c 1 = m 3 m 3/2 2 = 0.4427 = 0.4828 0.94383/2 Havaintoarvojen jakauma on siis positiivisesti vino. e) Havaintoarvojen jakauman hupukkuus saadaan laskettua 2. ja 4. keskusmomentin avulla: c 2 = m 4 m 2 3 = 2.1808 2 0.9438 2 3 = 0.5517 Havaintoarvojen jakauma on siis laakea verrattuna normaalijakaumaan. P5. Muodosta tehtävän P4 aineistosta luokiteltu frekvenssijakauma, jonka luokat ovat: 0-2000, 2001-4000 ja 4001-5000. Määrää myös tätä frekvenssijakaumaa vastaavan histogrammikuvion suorakaiteiden korkeudet, kun ensimmäistä luokkaa vastaavan suorakaiteen korkeudeksi on valittu 15 ruutua ruutupaperilla. Hahmottele myös ko. histogrammikuvio paperille. 1 p.

Histogrammi muodostuu suorakaiteista, joiden pinta-alat suhtautuvat toisiinsa kuten vastaavat luokkafrekvenssit (tai suhteelliset luokkafrekvenssit). Näin saadaan laskettua suorakaiteiden korkeudet, kun tiedetään että ensimmäisen suorakaiteen korkeus h 1 on 15 ruutua: 2000 h 1 2000 h 2 = 9 6 2000 h 1 1000 h 3 = 9 1 = h 2 = 6 9 h 1 = 10 ruutua = h 3 = 2 9 h 1 = 10 3 ruutua Luokka Luokkafrekvenssi Suorakaiteen korkeus 0-2000 9 15 2001-4000 6 10 4001-5000 1 10/3 Lopullinen kuvaaja näyttää seuraavanlaiselta: 20 15 10 5 0 2000 4000 5000 euroa P6. Määrää tehtävän P4 aineiston kahden ensimmäisen sarakkeen kahdeksan luvun aritmeettinen keskiarvo, otosvarianssi ja otoshajonta. 1 p. Lasketaan tarpeelliset välitulokset taulukon avulla: x i x 2 i 3300 10890000 4300 18490000 800 640000 1200 1440000 3200 10240000 1900 3610000 1700 2890000 700 490000 Σ 17100 48690000

Keskiarvo, otosvarianssi ja otoshajonta ovat siis: x = 1 n x i = 1 17100 = 2137.5 8 s 2 = 1 ( n (x 2 i ) n x 2) = 1 n 1 7 (48690000 8 2137.52 ) 1734107.14 s = s 2 1316.86 L7. Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 1, E(Y ) = 1, Var(X) = 9, Var(Y ) = 4 ja 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) regressiofunktiota vastaavien suorien leikkauspiste ja vertaa sitä muuttujien X ja Y odotusarvoja vastaavaan pisteeseen. Lasketaan ensin standardipoikkeamat eli keskihajonnat: D(X) = 3 ja D(Y ) = 2. a) Cov(X, Y ) = Cor(X, Y )D(X)D(Y ) = 0.5 3 2 = 3 b) Muuttujan X regressiofunktio muuttujan Y suhteen on suora, jonka kulmakerroin on Cor(X, Y )D(X) D(Y ) = 0.75 Suoran yhtälö: x 1 = 0.75 (y + 1) Var(X Y ) = ( 1 Cor(X, Y ) 2) Var(X) = (1 0.5 2 ) 9 = 6.75 Muuttujan Y regressiofunktio muuttujan X suhteen on suora, jonka kulmakerroin on Cor(X, Y )D(Y ) D(X) = 1 3 Suoran yhtälö: y + 1 = 1 (x 1) 3 Var(Y X) = ( 1 Cor(X, Y ) 2) Var(Y ) = (1 0.5 2 ) 4 = 3 c) Suorien leikkauspiste on odotusarvojen määräämä piste (1, 1).

L8. Olet ottanut 10000 euron lainan, jota et voi lyhentää kahden ensimmäisen vuoden aikana. lainasopimuksen mukaan korko on 1. vuotena 10% ja 2. vuotena 20 %, jolloin takaisin maksettava lainapääoma kasvaa kahdessa vuodessa x %. Oletetaan, että lainasopimusta muutetaan niin, että korkona käytetään kumpanakin vuotena samaa korkoa, mutta tämä vakiona pidettävä korko valitaan niin, että takaisin maksettava lainapääoma kasvaa kahdessa vuodessa yhtä paljon kuin alkuperäisen sopimuksen mukaan. a) Totea, että x/2 % ei ole uuden sopimuksen vakiokorko. b) Totea, että oikea vakiokorko saadaan laskutoimituksella ( 1.1 1.2 1) 100%. Huomautus: Laskutoimituksessa on sovellettu geometrisen keskiarvon kaavaa: Positiivisten lukujen x 1, x 2,..., x n geometrinen keskiarvo on: G = n x 1 x 2 x n Lainapääoma 1. vuoden lopussa: (1 + 0.1) 10000 = 11000. Lainapääoma 2. vuoden lopussa: (1 + 0.2) 11000 = 13200. Lainapääoma on kasvanut kahdessa vuodessa 32%. Siis x = 32%. a) x/2 = 16%. 16% korolla: Lainapääoma 1. vuoden lopussa: (1 + 0.16) 10000 = 11600. Lainapääoma 2. vuoden lopussa: (1 + 0.16) 11600 = 13456. Lainapääoma on kasvanut kahdessa vuodessa 34.56% 32%. b) 1.1 1.2 14.89%. 14.89% korolla: Lainapääoma 1. vuoden lopussa: (1 + 0.1489) 10000 = 11489. Lainapääoma 2. vuoden lopussa: (1 + 0.1489) 11489 = 13200. Lainapääoma on kasvanut kahdessa vuodessa 32%.