Yleistä tietoa kokeesta

Samankaltaiset tiedostot
Yleistä tietoa kokeesta

Yleistä tietoa kokeesta

Kertausluento. Tilastollinen päättely II - 2. kurssikoe

Kertausluento. Tilastollinen päättely II - 1. kurssikoe

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Matemaattinen tilastotiede. Erkki Liski Matematiikan, Tilastotieteen ja Filosofian Laitos Tampereen Yliopisto

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

0 kun x < 0, 1/3 kun 0 x < 1/4, 7/11 kun 1/4 x < 6/7, 1 kun x 1, 1 kun x 6/7,

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

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

TN-IIa (MAT22001), syksy 2017

HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Tilastomatematiikka Kevät 2008

30A02000 Tilastotieteen perusteet

Tehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

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

Harjoitus 4 Tehtävä 1

TN-IIa (MAT22001), syksy 2018

Sovellettu todennäköisyyslaskenta B

Satunnaismuuttujien muunnokset ja niiden jakaumat

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

Sallitut apuvälineet: kirjoitusvälineet, laskin sekä käsinkirjoitettu, A4-kokoinen lunttilappu ja MAOL taulukkokirjaa

5 Tärkeitä yksiulotteisia jakaumia

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Matemaattisten tieteiden kandiohjelma / MTL Todennäköisyyslaskenta IIb Kurssikoe (kesto 2h 30 min)

Johdatus tn-laskentaan torstai

Todennäköisyyslaskenta IIa, syys lokakuu 2019 / Hytönen 3. laskuharjoitus, ratkaisuehdotukset

Tilastollinen päättely II (MAT22003), kevät 2019

Todennäköisyyslaskenta. β versio. Todennäköisyyslaskenta. Ilkka Mellin. Teknillinen korkeakoulu, Matematiikan laboratorio. Ilkka Mellin (2006) I

k S P[ X µ kσ] 1 k 2.

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Tilastollinen päättely II, kevät 2017 Harjoitus 1A

Tilastollinen päättely II (MAT22003), kevät 2018

4. laskuharjoituskierros, vko 7, ratkaisut

Nämä ovat siis minimivaatimukset, enemmänkin saa ja suositellaan

Lisää Diskreettejä jakaumia Lisää Jatkuvia jakaumia Normaalijakaumasta johdettuja jakaumia

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

Todennäköisyyden ominaisuuksia

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Matematiikan peruskurssi 2

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Todennäköisyyslaskenta

Mat Sovellettu todennäköisyyslasku A

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MAY1 Luvut ja lukujonot, opintokortti

Tilastollinen päättömyys, kevät 2017 Harjoitus 6B

Epäyhtälöt ovat yksi matemaatikon voimakkaimmista

Odotusarvo. Odotusarvon ominaisuuksia Satunnaismuuttujien ominaisuuksia 61

TN IIa yleistä keskustelua

o Ohjeet annetaan kurssin aikana. MAY1 Luvut ja lukujonot, Opintokortti

Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:

Kopulafunktiot. Joonas Ollila 12. lokakuuta 2011

MAA8 Juuri- ja logaritmifunktiot, Opintokortti

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

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

D ( ) E( ) E( ) 2.917

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

Sovellettu todennäköisyyslaskenta B

MAB2 Geometria, Opintokortti. Nimi:

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

Jatkuvat satunnaismuuttujat

Todennäköisyysjakaumia

3.6 Su-estimaattorien asymptotiikka

Ilkka Mellin (2008) 1/5

Diskreetin satunnaismuuttujan odotusarvo, keskihajonta ja varianssi

OPETUSSUUNNITELMALOMAKE

Lineaarialgebra ja matriisilaskenta I

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

LASKINTEN JA TAULUKOIDEN TARKISTUS

TN IIa ja TN IIb yleistä keskustelua

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

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

OPETUSSUUNNITELMALOMAKE

MAA5 Vektori, Opintokortti

Päähaku, matemaattisten tieteiden kandiohjelma Valintakoe klo

031021P Tilastomatematiikka (5 op) viikko 3

Johdatus tn-laskentaan perjantai

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

4. Todennäköisyyslaskennan kertausta

Martingaalit ja informaatioprosessit

3. laskuharjoituskierros, vko 6, ratkaisut

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Mat Sovellettu todennäköisyyslasku A

LASKINTEN JA TAULUKOIDEN TARKISTUS

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Satunnaisluvut, satunnaisvektorit ja niiden jakaumat

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Opiskelijanumero Yleisarvio Työläys Hyödyllisyys 12345A K K B U 3 3 3

8.1 Ehdolliset jakaumat

Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:

Transkriptio:

Yleistä tietoa kokeesta Kurssikoe on pe 27.10. klo 12.00-14.30 (jossakin auditorioista). Huomaa tasatunti! Seuraava erilliskoe on ke 1.11 klo 16-20, johon ilmoittaudutaan Oodissa (ilmoittautumisaika erilliskokeeseen päättyy tänä sunnuntaina 22.10. klo 23:59) Uusien ohjeitten mukaan korvaava kurssikoe järjestettäisiin juuri tuon erilliskokeen kanssa samaan aikaan, eli tuo erilliskoe korvaa korvaavan kurssikokeen Kurssikokeessa sallitut apuvälineet ovat 1) laskin sekä 2) lunttilappu. (MAOLtaulukoita ei sallita.) Lunttilapun pitää olla itse laadittu ja käsinkirijoitettu (eli ei tietokoneella tulostettu), eikä sillä ole muita rajoituksia kuin sen koko: yksi A4- kokoinen arkki (molemmat puolet saa käyttää). TN-laskennan erilliskokeessa (korvaa nyt siis korvaavan) saa käyttää laskinta (tässäkin on tullut uusia ohjeita ja näistä on luvattu tarkempia tietoja tänään). Korvaavassa kokeessa sallitut apuvälineet ovat samat kuin erilliskokeessa (ja samoin säädöksin kuin erilliskokeista) johtuen käytännön rajoitteista. Erilliskokeen tehtäväpaperin ohessa on kuitenkin minun (Petteri) laatima käsinkirjoitettu luntti. Tämän laitan ensi viikolla kurssisivulle nähtäväksi. Tämä hieman tasaa tilannetta. Koealue: 1. monisteen luvut 1-5. (kalvot ja/tai moniste) 2. Harjoitukset 1-6. 3. Kertaustehtäviäkin kannattaa laskea, sillä ne sisältävät vanhoja kurssikoekysymyksiäkin (kysymys T2/2011 (kertaustehtävä 21), T2/2015 (lähes) (kertaustehtävä 5, ainoa ero kysymykseen T2/2015:ssä Y ~ U(0,1)), T3/2015 (kertaustehtävä 23) ja T4/2015 (kertaustehtävä 24). Niiden ratkaisuehdotuksiin kannattaa myös perehtyä, mutta huom. kaikki ratkaisutavat käyvät. Ei ole yhtä malliratkaisua.

Kokeitten arvostelusta Arvostelusta: käytän arvionnissa perusperiaatetta "palkitse onnistumisista, älä rankaise virheistä". Tämä tarkoittaa käytännössä, että 1. vaikka tehtävän ns. lopputulos olisi näennäisesti varsin "etäällä" optimisuorituksen lopputuloksesta, voi pisteitä tulla silti paljon. 2. Vastaavasti vaikka lopputulos olisikin oikea, niin onnistumisia voi olla vähänkin (esim. laskin antaa suoraan vastauksen). 3. Eli: kerro aina mitä olet tekemässä tai mitä mielestäsi tulisi tehdä :-) tämä kannattaa vaikka tehtävää et osaisikaan loppuun asti. Arvostelusta: tämä tosin hidastaa arvostelua ja arvostelen kaikki kokeet, joten aikaa menee muutama viikko arvosteluun. Laitan Presemoon väliaikatietoja, kuinka pitkällä tarkastus on milloinkin (prosentteina).

Kokeessa ei kysytä seuraavia asioita: Jakson 2.9 loppu (alaotsikosta Täydentäviä huomautuksia lähtien): kf:n yleistetty käänteisfunktio; jakauman kvantiilin määrittely yleisessä tapauksessa. Siihen kohtaan asti jakso 2.9 sisältö on kurssin keskeistä sisältöä. Lause 2.13 jaksossa 2.10. Jakso 4.8 (karakteristinen funktio). Jakson 4.7 kalvojen log-normaaliesimerkki (ja yleensäkin täydentävät huomautukset) Jakso 5.1.4: negatiivisen binomijakauman ominaisuuksien selvittäminen binomisarjan avulla Jakso 5.2: beetafunktion esittäminen gammafunktion avulla. mittaintegraaliin liittyviä keskusteluja Lauseitten todistuksia eikä muutenkaan todistustehtäviä. Tässä tosin on syytä huomata, että esimerkiksi binomijakauman odotusarvon johtaminen odotusarvon lineaarisuuden avulla ei ole mielestäni todistamista. Todistustehtävä alkaisi Osoita, että... tai Todista, että... kun taas johtamistehtävätyypit joita voi hyvinkin tulla ovat muotoa: Johda..., Määrää..., Laske... tai Esitä...

Muuta lisätietoa kokeeseen valmistautumisesssa: Opettele seuraavat jakaumat niin, että osaat kirjoittaa niiden ptnf:n tai tf:n ja osaat johtaa sujuvasti niiden ominaisuuksia (kuten odotusarvon ja varianssin). Bernoullin jakauma ja binomijakauma. geometrinen jakauma Poissonin jakauma välin (a,b) tasajakauma eksponenttijakauma normaalijakauma Myös muita jakaumia saattaa tehtävissä esiintyä, mutta silloin ne karakterisoidaan tehtävänannossa Jakaumille käytetään materiaalissa merkintöjä (esimerkiksi X ~ U(a,b)), joten varmista että tunnistat jakaumat näiden merkintöjen avulla Kannattaa kerrata harjoitustehtäviä ja kysyä esimerkiksi Presemossa, jos jokin kohta tehtävissä on jäänyt epäselväksi

Ydinasioita Varmista että tiedät tn:n peruslaskusäännöt ja ehdollisen tn:n käsitteen ja osaat laskea niihin liittyviä tehtäviä Varmista että tiedät ptnf:n, tf:n, kf:n ja kvantiilifunktion käsitteet. Varmista että tunnistat jatkuvan ja diskreetin jakauman kf:stä ja osaat laskea muunnoksien jakaumia (ptnf:iä, kf:iä ja tf:iä) Varmista että tiedät odotusarvon ominaisuuksia (lause 4.3), osaat laskea niiden avulla ja osaat laskea (ainakin periaatteessa) muunnoksen odotusarvon (TTL, lause 4.5) Varmista että tiedät riippumattomuuden käsitteen ja osaat käyttää sitä apuna tulon odotusarvon laskemisessa Varmista että tiedät varianssin ja kovarianssin käsitteet sekä niiden ominaisuuksia ja osaat laskea niihin liittyviä tehtäviä Varmista että tiedät momenttien käsitteet ja tiedät momenttiemäfunktion määritelmän ja osaat laskea pari ensimmäistä momenttia momenttiemäfunktion avulla

Kokeen aikana Tee laskuissa järkevyystarkistuksia: onko laskemani tn p välillä 0 p 1? (Tiedämme, että tapahtuman todennäköisyys toteuttaa tuon aina) onko laskemani varianssi varmasti 0? (Varianssi on sm:n (X-EX)^2 odotusarvo, joten se on aina ei-negatiivinen) onko laskemani ei-negatiivisen satunnaismuuttujan odotusarvo varmasti 0? (edellisen kohdan yleistys :) onko laskemallani kertymäfunktiolla kertymäfunktion ominaisuudet? onko johtamani tiheysfunktio varmasti 0? Jos törmäät laskussa hankalaan kohtaan ja joudut aikapulaan, niin selosta koepaperissa, millä strategialla olet laskua laskemassa. Hyvästä strategiasta voi saada suuren osan jaossa olevista pisteistä. kysymyksiä voi (ja kannattaa tehdä) presemon kautta. Pidempiäkin vastauksia voin antaa (mitkä kirjoitan käsin (tai LaTeXilla), laitan kuvan Flingaan, tai laitan tiedoston sivulle ja kerron siitä presemossa)