Elliptiset jakaumat Kotitehtävän 6 ratkaisu Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki.

Slides:



Advertisements
Samankaltaiset esitykset
Standardimenetelmät markkinariskien mallintamiseen
Advertisements

Yleistä Läsnäolovelvollisuus Poissaolojen selvitys Käyttäytyminen
Komponenttien rakenteellinen tärkeys
Tilastollista päättelyä
Luottoriskit Esitys 14 Tero Jokinen
MAT-2118 Luotettavuustekniikka Urho Pulkkinen Uusiutumisprosessit •joskus voi olla tarpeen tarkastella järjestelmiä, joiden komponenttien elin- ja korjausaikajakaumat.
Peruskysymys: onko asteikko luonteeltaan luokitteleva vai jatkuva?
Epätäydellinen data & herkkyysanalyysi Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä 9 - Ratkaisu Ilkka Lampio Työn saa tallentaa.
Hypoteesin testeistä Testin valinta perustuu aina tutkimusongelmaan ja kuvailuun (joka perustuu mitta-asteikoihin) Testaus ei koskaan ole itsenäinen, vaan.
AS , Automaation signaalinkäsittelymenetelmät Laskuharjoitus 3
Testaus Tiptopissa draft Mats Lindstedt, Mika Rintala.
LOGARITMI Eksponenttiyhtälön 10x = a ratkaisua sanotaan luvun a logaritmiksi Merkintä x = lga Huom. vain positiivisilla luvuilla on logaritmi.
1.1. Itseisarvo * luvun etäisyys nollasta E.2. Poista itseisarvot
Ristiinvalidointi ja bootstrap-menetelmä
Vain demonstraatio- käyttöön © Menetelmäopetuksen tietovaranto 1 / 8 Ristiintaulukointi Ristiintaulukointia käytetään tutkittaessa kahden luokittelu- tai.
Aikasarja-analyysin perusteet
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (valmiin työn esittely) Jussi Hirvonen Ohjaaja: Eeva Vilkkumaa Valvoja:
Elliptiset jakaumat Esitys 6 kpl Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta.
lineaarinen regressio
Testaus Testaus Testauksella pyritään löytämään virheitä, jotka sitten korjataan. Yksittäinen testi on yleensä ohjelman suoritus (tietyillä.
Value Efficiency Analysis - menetelmä ja sovellus Mat Optimointiopin seminaari Kevät 2013 Esitelmä #6 Tuomas Lahtinen Työn saa tallentaa ja julkistaa.
Bayesilainen tilastoanalyysi - priorijakaumista
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 4 – Jussi Kangaspunta Optimointiopin seminaari - Kevät 2007 Kaksiulotteiset kuvaukset 2/2.
Menetelmä Markowitzin mallin parametrien estimointiin (aihe-esittely)
Tilastollinen testaus Χ 2 -testi nelikentässä kaikkein yksinkertaisin lähtökohta tilastolliselle testille Esim. materiaalin (rauta tai pronssi) ja korun.
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.
Standardointi tekee eri asteikollisista muuttujista vertailukelpoisia
S ysteemianalyysin Laboratorio Aalto-yliopiston teknillinen korkeakoulu Esitelmä 11 – Tuomas Nummelin Optimointiopin seminaari - Syksy 2010 Lokaalit uskottavuusmenetelmät.
Suomen rautatieverkoston robustisuus (aihe-esittely)
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 1 - Jirka Poropudas Optimointiopin seminaari - Syksy 2000 / 1 Kotitehtävän 2 ratkaisu Jirka.
Piste- ja väliestimointi:
Yo-kirjoitukset Yleisohje Matematiikka. Koetehtävät 15 samanarvoista tehtävää, laadittu pakollisten ja syventävien kurssien perusteella saa vastata enintään.
Lisäinformaation arvo monikriteerisessä projektiportfoliovalinnassa (aihe-esittely) Jussi Hirvonen Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo.
S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 21 – Osmo Salomaa Optimointiopin seminaari - Syksy 2005 / 1 Kotitehtävän 21 ratkaisu Osmo.
3.1. SOVELLUKSIA, pinta-ala
Kotitehtävän 2 malliratkaisu Mat Optimointiopin seminaari Kevät 2013 Kotitehtävä #2 Juho Andelmin Työn saa tallentaa ja julkistaa Aalto-yliopiston.
POTENSSIT eksponentti kantaluku a n = a ·a · · · ·a n kpl E.1. E = 3 · 3 · 3 · 3 = 81 Huom. Miljoona = 10 6 Miljardi = 10 9 Biljoona = Triljoona.
Tilastollinen testaus Mann-Whitneyn –testiä voidaan käyttää hyvin pienille n 2 ≤ 8 keskikokoisille 9 ≤ n 2 ≤ 20 suurille n 2 ≥ 20 otoksille –voidaan käyttää.
Riskimitat Value-at-Risk (VaR) ja Expected Shortfall (ES) Joonas Ollila 14. syyskuuta 2011 Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
Skaalatuotot - kotitehtävä Mat Optimointiopin seminaari Kevät 2013 Ratkaisu Ilkka Lampio Työn saa tallentaa ja julkistaa Aalto-yliopiston.
Kotitehtävän 8 ratkaisu Janne Kunnas Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet.
Funktio ja funktion kuvaaja
MAB3 suorat.
MATEMAATTISET OHJELMAT Oulun normaalikoulun TVT-koulutus 2006 Ari Heimonen.
Vektorit Trigonometria
Radiotaajuuksien generointimenetelmä Markus Hiltunen Ohjaaja: Kai Virtanen Valvoja: Kai Virtanen Työn saa tallentaa ja julkistaa Aalto-yliopiston.
Mihin on tultu?. Tutkimusprosessi (MOTV , muokattu De Vaus 1994, 21 pohjalta): Teoria Hypoteesit Empiiriset mittarit Aineiston kerääminen Aineiston.
UNIVERSITY OF TURKU LOGISTINEN REGRESSIOANALYYSI.
Mari Åman Department of Applied Mechanics Aalto University.
Lausekielinen ohjelmointi II Ensimmäinen harjoitustyö.
YFIA200 Kvantitatiiviset menetelmät, luento
18. Testaus.
Lineaariset regressiomenetelmät
VaR-mallien toimivuuden testaus historian avulla (backtesting)
YFIA202 Kvantitatiiviset menetelmät, luento
Kritiikin alkulähteillä
Tiedeprojektin otsikko
YFIA202 Kvantitatiiviset menetelmät, luento
Funktion kuvaaja ja nollakohdat
Stabiilit monistot ja kriisit
Ristiinvalidointi ja bootstrap-menetelmä kotitehtävän 14 ratkaisu
YFIA200 Kvantitatiiviset menetelmät, luento
Moottorin kuluttama sähköenergia
Parametriset ja Ei-parametriset testit
Kotitehtävä 3 palautus Sijoitukset $1M, osakkeissa pitkällä aikavälillä (eli etsi sopiva volatiliteetti). Laske VaR 97,5%-luotettavuustasolla.
Riippuvuustarkastelut
Kertausta FUNKTIOISTA MAB5-kurssin jälkeen (Beta 2.0)
Tilastolliset testit KHI.
TESTAUSKANVAS RAJAUS Mitä ratkaisua tai konseptia testataan?
Esityksen transkriptio:

Elliptiset jakaumat Kotitehtävän 6 ratkaisu Tuomas Nikoskinen Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla. Muilta osin kaikki oikeudet pidätetään.

Kotitehtävä Onko havaittu data elliptisesti jakautunut? Generoi elliptisesti jakautunut 2 ulotteinen datajoukko X –(esim. t-jakaumasta, ks. ?rmt) Estimoi ja (tyyli vapaa) Ota X:stä muunnos Y (ks. kalvo 18) Testaa X:n elliptisyys (siis Y:n pallosymmetrisyys) numeerisesti –Kalvon 18:n testi Raportoi käyttämäsi koodi ja sopivat kuvaajat HUOM! R:ssä matriisi potenssi hankala, lataa paketti ”expm”, jolle: %^% ottaa matriisi potenssin

Datan generointi Generoidaan 1000 havaintoa kaksiulotteisesta t-jakaumasta –df=3 –Cor(X1,X2)=0.8

Estimaattoreiden estimointi Tarvitaan estimaattorit ja Lasketaan standardit estimaattorit –Otoskeskiarvo ja -kovarianssimatriisi

Muunnos Muunnetaan elliptisesti jakautunut X pallosymmetrisesti jakautuneeksi Y

Pallosymmetrisyyden testaus Lasketaan R ja S Lasketaan pisteiden S määräämä kulma ja normeerataan se [0,1] välille

Pallosymmetrisyyden testaus

R ja S riippumattomia?? –Spearman rank correlation test –Nollahypoteesti: korrelaatio on nolla –P-arvo: > nollahypoteesti hyväksytään S uniformisti jakautunut yksikköympyrälle? –Kolmogorov-Smirnov testi –P-arvo > Nollahypoteesti tasajaukamasta hyväksytään Hyvin vahvaa näyttöä datan elliptisestä jakautuneisuudesta

Pallosymmetrisyyden testaus