Todennäköisyyslaskentaa

Slides:



Advertisements
Samankaltaiset esitykset
Lisää tähän prosessin nimi Kerro tässä tuotteen ja yrityksen nimi.
Advertisements

Tunkeutumisreittianalyysi Jere Peltonen.
1. Presentation • Kanarian saarille muuttanut eläkeläinen punnitsee itsensä kylpyvaa´alla. Vaaka näyttää hänen painonsa a)Lisääntyneen hieman b)Vähentyneen.
lämpöoppia eri lämpötila, eri aineet, loppulämpötila?
Diskreetit todennäköisyysjakaumat
Vuorovaikutuksesta voimaan
ATTRIBUUTTITARKASTUS
Luotettavuus todennäköisyyskäsitteenä; vikaantumismallit
Luento 2: Tilastollisen tutkimuksen peruskäsitteet ja menetelmät
Perusarvon laskeminen ja prosenttilausekkeet
4.3. Normaalijakauma Normaalijakauman tiheysfunktio
Miten ihminen kohtaa annetun ympäristön
Aineen rakenteen standardimalli
TUME II / Tilastollinen osuus
TYTILM1 Tilastolliset menetelmät
Hypoteesin testeistä Testin valinta perustuu aina tutkimusongelmaan ja kuvailuun (joka perustuu mitta-asteikoihin) Testaus ei koskaan ole itsenäinen, vaan.
Käyttäytymistieteiden laitos
Perusopetuksen huoltajat 2014 Generated on :04.
Normaalijakauma NORMAALIJAKAUMA 1) laske normitettu arvo Gaussin käyrä
4. Jakaumien teoriaa Jos diskreetin satunnaismuuttujan x
KANTATAAJUINEN BINÄÄRINEN SIIRTOJÄRJESTELMÄ AWGN-KANAVASSA
Kalakantojen arviointi: Merkintä-takaisinpyynti
Mittaustekniikka (3 op)
1.1. Itseisarvo * luvun etäisyys nollasta E.2. Poista itseisarvot
Mittausepävarmuuden määrittäminen 1
Virhelähteet yksittäisten puiden latvusten ilmakuvamittauksessa Antti Mäkinen Maatalous-metsätieteellinen tiedekunta / Metsävarojen käytön laitos.
2.4. Raja-arvo äärettömyydessä ja raja-arvo ääretön E.1.
Funktion ääriarvokohdat ja ääriarvot
Vuorovesi.
Tilastollisia menetelmiä
Kalakantojen arviointi (KALAT22)
1. Usean muuttujan funktiot
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
Todennäköisyyslaskenta
tilastollinen todennäköisyys
5. Lineaarinen optimointi
Todennäköisyyslaskentaa
Bayesilainen tilastoanalyysi - priorijakaumista
T Todennäköisyyslaskenta 5.3Jatkuvat jakaumat.
Kotitehtävän 21 ratkaisu Ensimmäisen havaintoaineiston luokittelu – Ryhmäkeskiarvot hakeutuvat niin, että ryhmään kuuluvat pisteet ovat mahdollisimman.
Vaihteluväli ja keskipoikkeama
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 2 - Jirka Poropudas Optimointiopin seminaari - Kevät 2005 / 1 Bayes-verkoista s
Korrelaatio Kertoo kahden muuttujan välisestä lineaarisesta yhteydestä eli kuinka hyvin toisen muuttujan avulla voidaan ennustaa toisen muuttujan vaihtelua.
Todennäköisyyslaskentaa
Juurifunktio potenssifunktion käänteisfunktiona
Funktio.
Todennäköisyyslaskentaa
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Ohjaamaton oppiminen– Heikki Vesterinen Optimointiopin seminaari - Syksy 2010 Ohjaamaton.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 1 - Jirka Poropudas Optimointiopin seminaari - Syksy 2000 / 1 Kotitehtävän 2 ratkaisu Jirka.
Piste- ja väliestimointi:
2. MÄÄRÄTTY INTEGRAALI Pinta-alan käsite Kirja, sivut
Todennäköisyyslaskentaa
Neperin luku e ja funktio y = ex
Funktion jatkuva kohdassa x = x0 joss
ÄÄNI.
MAB3 prosenttilasku.
5. Datan käsittely – lyhyt katsaus Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman.
UNIVERSITY OF TURKU MONIMUUTTUJAMENETELMÄT SOSIAALITYÖN TUTKIMUKSESSA Leena Koivusilta Turun yliopisto, Sosiaalipolitiikan laitos.
Skeema Ihminen on sosiaalinen olento Ydinsisältö.
Älykkyys näkemyksiä yhdestä yleisälykkyydestä
Value at Risk:in laskeminen
Kokeellinen tutkimus OPERATIONALISOINTI: tutkittava ilmiö saatetaan mitattavaan muotoon esim. Kuinka väsyneisyys vaikuttaa motorisissa tehtävissä suoriutumiseen?
Psykoterapian vaikutta-
Kritiikin alkulähteillä
4 Työ, teho ja hyötysuhde.
Kotitehtävä 3 palautus Sijoitukset $1M, osakkeissa pitkällä aikavälillä (eli etsi sopiva volatiliteetti). Laske VaR 97,5%-luotettavuustasolla.
Tilastolliset tunnusluvut
Skeema Ihminen on sosiaalinen olento Ydinsisältö
Riippuvuustarkastelut
Tilastollinen päättely
Esityksen transkriptio:

Todennäköisyyslaskentaa 5.4 Normaalijakauma T055403

Yleistä normaalijakaumasta Gauss havaitsi planeettojen ratojen mittausvirheitä tutkiessaan, että virheet noudattavat likimain tiettyä jakaumaa. Normaalijakauma on tärkein jatku-va jakauma. T055403

Jos tutkittavan ilmiön satunnais-muuttujalle on ominaista, että - siitä saadaan suuri havainto- määrä - moni tekijä vaikuttaa siihen sa- manaikaisesti - mikään tekijä ei yksinään selitä vaihteluita, T055403

niin satunnaismuuttujan arvot jakautuvat likimain normaalisti. Jakauma noudattaa likimain Gaus-sin käyrää eli ns. kellokäyrää. Monet käytännön elämän asiat noudattavat normaalijakaumaa. T055403

Seuraavat ovat normaalijakautu-neita: - ihmisten henkiset ja fyysiset ominaisuudet - teollisuusprosesesseissa synty- vien tuotteiden ominaisuudet - mittausvirheet. T055403

Kun satunnaismuuttuja x noudattaa likimain normaalijakaumaa keskiar-vona  ja keskihajontana , niin merkitään x ~ N(, ). Tällöin sen tiheysfunktio on T055403

Normitettu normaalijakauma Normitetussa normaalijakaumassa keskiarvo  = 0 ja keskihajonta  = 1. Normitetun normaalijakauman tiheysfunktio on T055403

Normitetun normaalijakauman kertymäfunktio on

Edellistä integraalia ei voida esittää alkeisfunktioiden avulla. Siksi normitetun normaalijakauman kertymäfunktion arvoja on taulukoi-tu. Nämä arvot saa myös laskimesta. T055403

Esimerkki 1. Olkoon x ~ N (0, 1). Määritä a) P ( x  0), b) P ( x  1,54), c) P ( x  - 0, 2), d) P (x  1). T055403

Esimerkki 2. Olkoon x ~ N (0, 1). Määritä a) P ( 0,55 < x < 2,22), b) P ( - 0,55 < x < 2,22). T055403

Yleinen normaalijakauma Yleisen normaalijakauman tapauk-sessa, eli kun x ~ N(, ), on sa-tunnaismuuttujan arvot normitetta-va. Tällöin tehdään muuttujanvaih-to T055403

Esimerkki 3. Satunnaismuuttuja x noudattaa normaalijakaumaa keskiarvona 11 ja keskihajontana 1,3. Millä toden-näköisyydellä a) x < 10, b) 7 < x < 9? T055403

Esimerkki 4. Pakkauskone on tarkoitettu 0,4 – 0,6 kg painavien pussien pakkaami-seen. Pakattujen tuotteiden keski-hajonta on 0,018 kg. Kuinka suu-reksi pakkausten keskipaino on konetta säätämällä asetettava, T055403

jotta pakkauksen paino on 90 % todennäköisyydellä suurempi kuin 0,480 kg?

Normaalijakauman ominai-suuksia Oletetaan, että satunnaismuuttuja x noudattaa normaalijakaumaa N(, ). Seuraavia ominaisuuksia voidaan käyttää hyväksi tilastollisessa päättelyssä. T055403

Satunnaismuuttujan arvoista - 68 % on välillä [ - ,  + ] [ - 1,96,  + 1,96 ] - 99 % on välillä [ - 2,58,  + 2,58 ] T055403