Terminoloogia

Sndmuse tenosus:
Elementaarsndmus Vaadeldava protsessi vi lbiviidava katse tulemus. Sndmus nt: Sndmus A toimub kui katse tulemuseks on ks sndmus A mratavatest elementaarsndmustest. Vastandsndmus Toimub siis ja ainult siis kui sndmust ennast ei toimu. ksteist vlistavad sndmused Kui he sndmuse toimumine vlistab lejnute toimumise. Kindel sndmus Kui sndmus on mratud kogu elementaarsndmuste ruumil st A = . Vimatu sndmus A = , kuna vimatule sndmusele vastav hulk ei sisalda htegi elementaarsndmust, siis vimatu sndmus ei saa toimuda. Sndmuste summa Sndmuste summaks A nimetame sndmust . Hulk A sisaldab kiki neid elementaarsndmusi, mis kuuluvad vhemalt hte sndmustest . Seega vime elda, et sndmus A toimub parajasti siis kui toimub vhemalt ks sndmus . Sndmuste korrutis Sndmuste korrutiseks A nimetame sndmust . Hulk A sisaldab kiki neid elementaarsndmusi, mis kuuluvad kikidesse sndmustest . Seega vime elda, et sndmus A toimub parajasti siis, kui toimuvad kik sndmused . Sndmuse tenosus Arvuline karakteristik, mis lubab vrrelda eri sndmusi nende toimumise vimalikkuse seisukohalt. Tinglik tenosus Mingi sndmuse toimumise tenosus tingimusel, et toimus mingi muu sndmus. Tistenosus Tavaliselt rgime tistenosusest, kui enne katse tegemist tuleb teha valik mitme erineva katsekeskkonna vahel. Olgu sndmus A selline, et A vib toimuda ainult koos hega ja ainult hega sndmuste tielikku ssteemi moodustavatest sndmustest H1, H2, , Hn. See suhe annab tingliku tenosuse selleks, et sndmus A toimus just nimelt koos sndmusega

Juhuslik suurus:
Juhusliku suuruse miste Juhuslik suurus on suurus, mis sltuvalt juhusest vib omandada erinevaid vrtusi. Nende liigitamise seisukohalt ei ole oluline mitte see, milliseid konkreetseid vrtusi ks vi teine juhuslik suurus vib omandada, vaid see, kas vimalike vrtuste hulk on lplik vi lpmatu. Diskreetne juhuslik suurus Kui vib omandada lpliku vi loenduva hulga vrtus. Nt: tringu viskel saadud silmade arv, eksamihinne. (Ei pea olema tisarvud). Diskreetse juhusliku suuruse jaotus Eeskiri P(X), mis diskreetse juhusliku suuruse igale vrtusele seab vastavusse selle vrtuse omandamise tenosuse. Diskreetse juhusliku suuruse keskvrtus Matemaatiline ootus ehk ootevrtus. Leitakse: . Diskreetse juhusliku suuruse dispersioon Hindab hajuvust keskvrtuse suhtes. , ehk

Geomeetriline jaotus htlane jaotus - Kikide vrtuste esinemistenosused on vrdset, st et iga vrtuse tenosus on 1/n. htlase jaotuse keskvrtus on tegelikult vrtuste keskmine. Binoomjaotus - Juhuslikku suurust, mille vimalike vrtuste hulgaks on tisarvud 0,1,2,,n ja mille jaotus on mratud Bernoulli valemiga, nimetatakse binoomjaotusega juhslikuks suuruseks. Bernoulli valem: Poissoni jaotus he parameetriga jaotus, mida thistatakse P(). Jaotuse parameeter ei ole midagi muud kui Poissoni jaotusega juhusliku suuruse keskvrtus kui ka dispersioon. . Piirteoreem

Pidev juhuslik suurus Kui vib omandada lpmatu hulga vrtusi. Vrtused on reaalarvud mingist reaalarvude vahemikust. Nt: arbuusi kaal, he liitri bensiiniga lbi sidetud maa pikkus. Pideva juhusliku suuruse keskvrtus Pideva juhusliku suuruse keskvrtus on analoogiline diskreetse juhusliku suuruse keskvrtusega, ainult et definitsioonis peame summeerimise asemel kasutama intregeeerimist ja ksikvruste tenosuse asemel kasutame tihedusfunktsioone. Pideva juhusliku suuruse dispersioon - Hindab hajuvust keskvrtuse suhtes. . Standardhlve Kuna dispersiooni hik on samuti ruudus, siis selle vltimiseks vetakse praktikas kasutusele ruutjuur dispersioonist = . Jaotusfunktsioon Funktsioon, mis annab tenosuse, et juhuslik suurus X on viksem funktsiooni argumendi vrtusest x. Kirjeldab tenosuse kumulatiivset kasvu. Kasvab alati 0-st 1-ni, kusjuures vrtus 0 on juhul kui ja F(x) kui . Tihedusfunktsioon Mingi tihedusfunktsioon f(x) kirjeldab seda, milline on tenosus antud suuruse konkreetse arvulise vrtuse leidmiseks. Tihedusfunktsioon annab vimaluse arvutada tenosust, et antud suurus omaks konkreetset arvulist vrtust. Kvantiil Mediaani, kvartiili ja kvantiili ldistus, kui otsitakse juhusliku suuruse vrtust, mille korral jaotusfunktsioon omandab vastava tenosuse. Kvartiil - Mediaankeskmine nitab ra arvu, millest viksemat vrtust omavad pooled objektid. Alumine kvartiil nitab, seda vrtust, mille korral jaotusfunktsioon omandab vrtuse . lemine kvartiil nitab seda vrtust, mille korral jaotusfunktsioon oamandab vrtuse . Detsiil Punkt on k-s detsiil (k=1,2,,9) ning nitab siis seda vrtust, mille korral jaotusfunktsioon omandab vrtuse k/10. Normaaljaotus Juhuslik suurus on sageli normaaljaotusega, kui juhuslikku suurust mjutavad paljud faktorid ning iga ksiku faktori mju on vike. Normaaljaotusega juhusliku suuruse vrtused on lhedased mingile keskmisele, keskmisest suuri krvalekaldeid on vhe. Nt: kehakaal, kehapikkus. Standardiseeritud normaaljaotus Normaaljaotuse, mille parameetrite vrtused on , kohta eldakse, standartne normaaljaotus. Laplacei funktsioon on standardiseeritud normaaljaotuse jaotusfunktsiooniks. 3 reegel Normaaljaotusega juhuslik suurus praktiliselt ei hlbi oma keskvrtusest rohkem kui kolmekordse standardhlbe vrra.

Matemaatiline statistika:
ldkogum Mingil printsiibil mratletud, vaatluse alla vetav objektide koguhulk. Valim ldkogumist valitud objektide hulk. Valimi eesmrk on hinnata meid huvitavaid ldkogumi karakteristikuid valimi abil. Peab olema piisavalt suur ja koostatud juhuslikult. kogumi alamhulk, mida uuritakse ja mille phjal tehakse jreldusi kogumi kohta. Objekt Indiviid, nhtus, ese, mille kohta kogutakse informatsiooni, mida mdetakse vaadeldakse, ksitletakse. Tunnus - Nitaja, mida mdetakse ja mis vib erinevatel objektidel omada erinevaid vrtusi. Tunnused vivad olla uuritavad ja taust- ehk abitunnused. Punktihinnang Juhuslik suurus, mis muutub helt valimilt teisele lemineku korral. Punkithinnangu korral pole vimalik leida hinnangu tpsust. Vahemikhinnang Mratakse antud valimi jaoks vahemik, millesse otsitav parameeter etteantud tenosusega kuulub. ldkeskmine Aritmeetiline keskmine, mis iseloomustab siis kikide objektide keskmist. Valimikeskmine Aritmeetiline keskmine, mis iseloomustab siis valimi objektide keskmist. Valimikeskmise standardviga Kirjeldab sltuva tunnuse vrtuste keskmist krvalekallet ehk erinevust prognoosist. Standardviga on arvutatav valemiga

ldkogumi karakteristik ldkogumit iseloomustav tunnus. Usaldusnivoo Usaldusnivoo nitab tulemuse sattumise tenosust mingisse vahemikku. Tavaliselt vetakse selleks vahemikuks keskvrtusest mlemale poole he standardhlbe kaugusele ulatuv vahemik. Usaldusvahemik Vahemik (a, b), millesse ldkogumi hinnatav karakteristik kuulub tenosusega nimetatakse usaldusvahemikuks. Olulisusnivoo on leitav 1- = , st. et kui uuritav karateristik asub tenosusega vahemikus (a, b), siis tenosusega me teeme vea. Usalduspiirid Lbi usaldusnivoo vi olulisusnivoo on leitav usalduspiirid, ehk siis milliste vrtuste vahel karakteristik asub tenosusega . Usalduspiirid on arvutatavad valemiga:

Hinnangu viga Mida suurema usaldatavusega tahame anda hinnangut, seda laiem on usaldusvahemik, ning seda suurem on ka hinnangu viga. Hpotees Hinnang karakteristikute arvulisele vrtusele. Hpoteese vime pstitada mingi konkreetse karakteristiku kohta, olgu selleks siis ld-keskmine, standardhlve, keskmiste vahe, sagedus vi mni teine karakteristik, aga samuti ka vga mitmete teistsuguste videte testamiseks vi mberlkkamiseks, niteks kas tunnuste vahel on seos, kas tunnus on jaotunud eeldatava jaotuse jrgi jne.

Kordamisksimused
A. Sndmus ja tema tenosus
Sndmus: Elementaarsndmus Vaadeldava protsessi vi lbiviidava katse tulemust nimetame elementaarsndmuseks. (Tringu viskamise nide: kuus elementaarsndmust). Elementaarsndmuse ruum Suvalise elementaarsndmuste ruumi alamhulk mrab sndmuse. Elementaarsndmuste ruumi this . Kindel sndmus Sndmust A nimetatakse kindlaks sndmuseks, kui ta on mratud kogu elementaarsndmuste ruumil, st A = . Seega katse lbiviimisel sndmus A toimub kindlasti, kuna vastavalt elementaarsndmuste ruumi definitsioonile vhemalt ks elementaarsndmus toimub. p() = 1 Vimatu sndmus A = on vimatu sndmus, kuna vimatule sndmusele vastav hulk ei sisalda htegi elementaarsndmust. Vimatu sndmus ei saa toimuda. p() = 0 Vastandsndmus Sndmuse A vastandsndmus toimub siis ja ainult siis kui A ei toimu. . Vastandsndmuse vastandsndmus on sndmus ise. ksteist vlistavad sndmused Sndmuseid nimetatakse ksteist vlistavateks, kui he toimumine vlistab lejnute toimumise. Nt: lipilane sooritas eksami vi ei sooritanud eksami. Sndmuste summa - Sndmuste summaks A nimetame sndmust . Seega sndmus A toimub siis, kui toimub vhemalt ks sndmustest . Sndmuste korrutis - Sndmuste korrutiseks A nimetame sndmust . Seega sndmus A toimub siis, kui toimuvad kik sndmused . Sndmuste tielik ssteem Sndmused moodustavad sndmuste tieliku ssteemi kui nad on ksteist vlistavad ainuvimalikud sndmused.

Tenosus: Mida vljendab sndmuse tenosus? Sndmuse toimumise vi mittetoimumise vimalikkust. Defineeri sndmuse klassikaline tenosus? Sndmuse A toimumise vimalikkuse mra nimetatakse sndmuse tenosuseks P(A). Sndmuse A tenosuseks P(A) nimetatakse sndmuse toimumiseks soodsate juhuste arvu m suhet kigi vimalike juhuste arvusse n, kus juhused moodustavad elementaarsndmuste ruumi P(A) = . Sageli vljendatakse seda suhet igapevaelus protsentides. Piisavalt suure katsete arvu korral lheneb jlgitava sndmuse sagedus tema toimumise tenosusele. Mis on tinglik tenosus? Sndmuse A toimumise tenosust tingimusel, et toimus sndmus B, nimetatakse sndmuse A tinglikuks tenosuseks sndmuse B suhtes. Thistatakse P(A/B) ja leitakse valemiga P(A/B)= Sndmuste summa ja korrutise tenosus? Kasutades sndmuste korrutise tenosust, saame leida sndmuste summa tenosuse ka ldjuhul, kui ei eeldata, et sndmused on ksteist vlistatavad. Sndmuste A ja B summa tenosus on vrdne nende sndmuste

tenosuste summa ja korrutise tenosuse vahega: P(AUB) = P(A) +P(B) - P(AB). Kahe sndmuse A ja B korrutise tenosuseks P(AB) nimetatakse arvu, mis saadakse he sndmuse tenosuse korrutamisel teise sndmuse tingliku tenosusega esimese suhtes: P(AB)=P(B) P(A/B). Juhul kui sndmuse A toimumine ei sltu B toimumisest( sndmused on sltumatud), siis vib korrutamislause vlja kirjutada kujul: P(AB)=P(B) P(A) Kuidas mratakse sndmuste sltuvus (sltumatus)? Kaks sndmust on sltuvad, kui he toimumine mjutab teise toimumist nt ksteist vlistavad sndmused vi tinglikud sndmused. Kaks sndmust on sltumatud, kui he toimumine ei vlista teise toimumist. Nt tringu viskel jrgmine vise ei sltu eelmisest on sltumatud. Mis on sndmuse tistenosus? Tavaliselt rgime tistenosusest, kui enne katse tegemist tuleb teha valik mitme erineva katsekeskkonna vahel. Olgu sndmus A selline, et A vib toimuda ainult koos hega ja ainult hega sndmuste tielikku ssteemi moodustavatest sndmustest H1, H2, , Hn. Mida annab Bayesi valem? On vimalik leida sndmuse Hi tinglik tenosus eeldusel, et toimub sndmus A. Valem selle arvutamiseks: P( H i | A)

P( H i ) P( A | H i )

P( H
j 1

) P( A | H j )

B. Juhuslik suurus
Diskreetne juhuslik suurus: Diskreetne juhuslik suurus Juhuslik suurus on suurus, mis sltuvalt juhusest vib omandada erinevad vrtusi. Juhuslike suuruste liigitamisel ei ole oluline, milliseid konkreetseid vrtusi ks vi teine juhuslik suurus vib omandada, vaid see, kas vimalike vrtuste hulk on lplik vi lpmatu. Tegemist on diskreetse juhusliku suurusega, kui ta vib omandada lpliku vi loenduva hulga vrtusi. Erinevalt pideva juhusliku suurusega, mis vib omandada lpmatu hulga vrtusi. Diskreetse juhusliku suuruse jaotus Eeskirja P(X), mis diskreetse juhusliku suuruse igale vrtusele seab vastavusse selle vrtuse omandamise tenosuse, nimetatakse juhusliku suuruse (tenosuste) jaotuseks. Juhusliku suuruse jaotuse vib anda kas tabelina, funktsioonina, diagrammina vi muul sarnasel viisil, mis mrab ra vastavusse juhusliku suuruse vrtuse ja tenosuse, et see juhuslik suurus omandab selle vrtuse. Millised on diskreetse juhusliku suuruse jaotuse esitamise viisid? Diskreetset juhusliku suurust on vimalik edasi anda, kas tabelina, funktsioonina, diagrammina vi muul sarnasel viisil, mis seab vastavusse juhusliku suuruse vrtuse ning selle vrtuse tenosuse. Diskreetse juhusliku suuruse keskvrtus Diskreetse juhusliku suuruse X={} keskvrtuseks EX nimetatakse kikide tenosuste ja vrtuste korrutiste summat. . Mille poolest erineb diskreetse juhusliku suuruse vrtuste aritmeetiline keskmine juhusliku suuruse keskvrtusest, millal langevad nad kokku? Keskvrtus on n- kaalutud keskmine, mis arvestab ka sndmuste toimumise tenosust. Need kaks langevad kokku, kui sndmuste tenosused on samad, ehk kui meil on n- aus tring, siis iga sndmuse toimumise tenosus on 1/6, sellisel juhul oleks nii keskvrtus kui ka aritmeetiline keskmine sama, kui tegemist oleks n- ebaausa tringuga, et he silma saamise tenosus on 0,5 ning

lejnute silmade saamise tenosus on 0,1, siis oleks keskvrtuseks tulnud 2,5, kuigi aritmeetiline keskmine oleks jnud samaks. Teisisnu piisavalt paljude katsete korral oleks viskeseeriate keskmine lhenenud 2,5le e. keskvrtusele. Juhusliku suuruse dispersiooni omadused 1) Dc = 0 (toestada) 2) D(cX) = E(E(cX) - cX)2 = E(c2(EX-X)2) = c2E(Ex-X)2 = c2DX 3) DX = E(X-EX)2 = E(X2 -2XEX +(EX)2) = EX2 - 2EXEX + E(EX)2 = EX2 - (EX)2 4) D(X + Y) = E(X + Y)2 - (E(X+Y))2 = EX2 + 2 EX EY + EY2 - (EX)2 2 EX EY - (EY)2 = =EX2 -(EX)2 + EY2 -(EY)2 = DX +DY 5) D(X - Y) = E(X - Y)2 - (E(X-Y))2 = EX2 2 EX EY + EY2 - (EX)2 + 2 EX EY - (EY)2 =

=EX2 -(EX)2 + EY2 -(EY)2 = DX +DY

Olgu X ja Y keskvrtust omavad juhuslikud suurused. 1) Monotoonsus Kui 2) Lineaarsus kehtib alati (st ), siis ka .

iga reaalarvulise hulgas 3) Korrutavus Kui ja on sltumatud, siis see kehtida. , .

ja

korral. Muu

. ldjuhul ei pruugi

Juhusliku suuruse dispersioon ja standardhlve Krvuti juhusliku suuruse keskvrtusega on juhusliku suuruse iseloomustamisel oluline hinnata ka tema vrtuste hajuvust keskvrtuste suhtes. Hajuvuse mratlemiseks kasutatakse kige enam dispersiooni ja standarhlvet. Juhusliku suuruse dispersiooniks nimetatakse arvu . Dispersiooni korral kasutatakse summarse hajuvuse hindamiseks hlvete ruutude summat, et keskvrtuse suhtes erimrgilised hlbed summas ei kustutaks ksteist. Aga kuna ka hik on dispersioonis ruudus, siis selle vltimiseks vetakse praktikas kasutusele ruutjuur dispersioonist. Arvu = nimetatakse juhusliku suuruse standardhlbeks.

Juhusliku suuruse keskvrtuse omadused 1) Keskvrtus asub kindlasti juhusliku suuruse vhima ja suurima vimaliku vrtuse vahel, kuid ei tarvitse alati kuuluda suuruse vimalike vrtuste hulka. 2) Konstandi keskvrtuseks on alati sama konstant: E(c) = c Testus: Konstanti c vib vaadelda diskreetse juhusliku suurusena, mis tenosusega , saavutab oma ainukese vrtuse, milleks on see konstant ise: , seega tema keskvrtus on 3) Konstantse kordaja vib tuua keskvrtuse thise ette: Testus: (Diskreetse juhusliku suuruse korral)

4) Juhuslike suuruste summa keskvrtus on vrdne nende suuruste keskvrtuste summaga 5) Sltumatute juhuslike suuruste korrutise keskvrtus on vrdne nende suuruste keskvrtuste korrutisega: 6) Juhuslike suuruste summa keskvrtus on vrdne nende suuruste keskvrtuste summaga

Diskreetne htlane jaotus: Defineerida diskreetse juhusliku suuruse htlane jaotus Kui katse tulemuseks on diskreetne juhuslik suurus ja erinevate variantide tenosused on hesgused on tegemist diskreetse htlase jaotusega. Leia diskreetse htlase jaotusega juhusliku suuruse keskvrtus ja dispersioon Diskreetse juhusliku suuruse keskvrtus on vrdne aritmeetilise keskmisega, mis on siis arvutatav valemiga: Dispersioon on arvutatav valemiga Binoomjaotus: Binoomjaotus Juhuslikku suurust, mille vimalike vrtuste hulgaks on tisarvud 0,1,2,,n ja mille jaotus on mratud Bernoulli valemiga, nimetatakse binoomjaotusega juhslikuks suuruseks. Binoomjaotusega juhusliku suuruse keskvrtus ja standardhlve Keskvrtus on arvutatav valemiga: , kus p(k) sndmuse toimumise tenosus Kll aga peale mningast lihtsustamist, EX = np EX= Binoomjaotuse dispersioon on samuti arvutatav lihtsama valemiga DX = npq, seega standardhlve on ruutjuur sellest. Binoomjaotuse kasutamistingimused: millises situatsoonis saab kasutada binoomjaotust? Binoomjaotust saab kasutada, kui see rahuldab jrgmisi tingimusi: o Juhuslikuks suuruseks X = k on sndmuse esinemise kordade arv 0,1,,n katseseerias pikkusega n o Igal katsel vaadeldav sndmus toimub tenosusega p, mis on muutumatu kikide n katse korral

Poissoni jaotus:

Poissoni jaotus tleme, et tisarvulisi vrtusi omav juhuslik suurus k = 0,1,2.. on Poissoni jaotusega,kui iga vrtuse tenosus on leitav valemiga ning lambda>0 on

konstant. Poissoni jaotusega juhusliku suuruse keskvrtus ja standardhlve Poissoni jaotuse parameeter ei ole midagi muud kui Poissoni jaotusega juhusliku suuruse keskvrtus, seega EX = . Pannes EX = dispersiooni valemisse selgub, et selle jaotuse DX = . Jrelikult standardhlve on = . Poissoni jaotuse kasutamistingimused: millal kasutatakse Poissoni jaotust? Poissoni jaotust kasutatakse kui vaatleme juhuslike sndmuste voogu ajas ning seame eesmrgiks leida kindlas ajavahemikus toimuvate sndmuste arvu tenosust. Poissoni piirteoreem: binoomjaotuse lhendamine Poissoni jaotusega Binoomjaotuse rakendamisel vivad tekkida arvutuslikud raskused, kus avaldise vrtuse leidmine on piisavalt suur t, siis teoreem tleb, et kui juhuslik suurus X on binoomjaotusega B(n,p), siis katsete arvu piiramatul suurendamisel on binoomjaotuse lhendatav Poissoni jaotusega P(), kus = np. Poissoni jaotus lhendab binoomjaotust kllalt hsti just sndmuse toimumise vikeste tenosuste korral (p 0,1), kusjuures eeldatakse ikka piisavalt suurt katsete arvu. Arvutatav on see, asendades lambda npga Poissoni valemis.

Pidev juhuslik suurus: Pideva juhusliku suuruse jaotusfunktsioon ja tihedusfunktsiooni omadused Juhusliku suurust nimetatakse pidevaks juhuslikuks suuruseks, kui ta vib omandada vrtusi mingist reaalarvude vahemikust. Kuna suvalises reaalarvude vahemikus on lpmata palju erinevaid vrtusi, siis ei ole pideva juhusliku suuruse vimalike vrtuste hulk piiratud ja ldjuhul on mingi konkreetse vrtuse omandamine vrdne nulliga. Juhusliku suuruse X jaotusfunktsiooniks F(X) nimetatakse funktsiooni, mis annab tenosuse, et juhuslik suurus X on viksem funktsiooni argumendi vrtusest X, mis vib omandada mistahes reaalarvulisi vrtusi. 1) 2) 3) Jaotusfunktsioon on mittekahanev monotoonselt kasvav. See thendab, et kui , siis F( ) F( ) 4) 0 F( ) 1, see thendab, et jaotusfunktsiooni graafik asub sirgete y=0, ja y=1 vahel ja kulgeb ldiselt tusvalt:

5) Pideva juhusliku suuruse jaotusfunktsioon on pidev

6) Kui on teada, et juhusliku suuruse X vrtused saavad asuda ainult vahemikus (a; b), siis rahuldab jaotusfunktsioon jrgmisi tingimusi:

7) Tenosus selleks, et juhuslik suurus omandaks vrtusi poolligust [a; b) on vrdne jaotusfunktsiooni juurdekasvuga selles poolligus: Tihedusfunktsiooni omadused:

1) 2) 3) 4)

. ja

Pideva juhusliku suuruse tihedusfunktsiooni, seos jaotusfunktsiooniga ja omadused Jaotusfunktsiooni on vimalik leida tihedusfunktsiooni kaudu: Kui Teiselt poolt ja , siis ja seega .

Kvantiili miste, kvantiili erijuhud Kvantiil hlmab nii mediaani, kvartiili kui ka detsiili. Kvantiil on juhusliku suuruse vrtus, millest viksemaid vrtusi omandab juhuslik suurus tenosusega a. Matemaatiliselt vib a-kvantiili defineerida jrgmiselt: kui F(x) on jaotusfunktsioon, siis vrrandi lahendit nimetatakse a-kvantiiliks. Kvantiili erijuhtudeks on kvartiilid(lemine ja alumine) ning mediaan. Tiendkvantiili miste, seos kvantiiliga Juhusliku suuruse vrtus, millest suuremaid vrtusi omandab juhuslik suurus tenosusega alfa. Tiendkvantiil on juhusliku suuruse vrtus, millest suuremaid vrtusi omandab juhuslik suurus tenosusega Kvantiil ja tiendkvantiil on teineteise kaudu avaldatavad: Pideva juhusliku suuruse keskvrtuse ja dispersiooni definitsioon Kui f(x) on pideva juhusliku suuruse X tihedusfunktsioon, siis arvu EX, mis avaldub kujul nimetatakse pideva juhusliku suuruse keskvrtuseks. Juhusliku suuruse dispersiooniks nimetatakse arvu suuruse keskvrtuse definitsiooni, saame valemi kujul: . Kasutades pideva juhusliku .

Normaaljaotus: Normaaljaotuse definitsioon, parameetrid: keskvrtus ja standardhlve Juhuslik suurus on sageli normaaljaotusega, kui juhuslikku suurust mjutavad paljud faktorid ning iga ksiku faktori mju on vike. Normaaljaotusega juhusliku suuruse vrtused on lhedased mingile keskmisele, keskmisest suuri krvalekaldeid on vhe. Nt: kehakaal, kehapikkus. Normaaljaotuseks nimetatakse reaalarvulise juhusliku suuruse jaotust, mille tihedusfunktsioon avaldub kujul on reaalarv.

, kus jaotuse parameeter

ning

Standardhlve: = Normaaljaotuse tihedusfunktsiooni omadused ja sellest tulenev graafiku kuju 1) Tihedusfunktsiooni graafik on smmetriline sirge suhtes 2) Moodiks on punkt 3) Asmptoodiks on x-telg Tuginedes nendele omadustele, neb normaaljaotuse tihedusfunktsiooni graafiku kuju vlja selline:

Sellist graafikut nimetatakse Gaussi kveraks. Standardiseeritud normaaljaotuse miste Normaaljaotuse standardhlve ja keskvrtuse sidumine heks muutujaks, et leida vaadeldava juhusliku suuruse mingisse vahemikku langemise tenosust.. 3 reegel - Normaljaotusega juhuslik suurus ei hlbi oma keskvrtusest rohkem kui kolmekordse standardhlbe vrra. Normaaljaotust iseloomustavad tunnused 1) Normaaljaotusega juhusliku suuruse vrtused on smmeetrilised keskvrtuse suhtes. 2) Normaaljaotusega juhusliku suuruse vrtused on koondunud keskvrtuse mber ja ei erine keskvrtusest praktiliselt rohkem kui kolmekordse standardhlbe vrra.

3) Juhusliku suuruse tihedusfunktsioonil on Gaussi kverale sarnane kuju. Binoomjaotuse lhendamine normaaljaotusega - kui sndmuse esinemise ja mitteesinemise kordade arvu tenosused on ligikaudu vrdsed, vib binoomjaotuse ligikaudseks hindamiseks kasutada normaaljaotust, siis kehtivad Laplace lokaalne ja integraalne piirteoreem

Piirteoreemid: Tsentraalne piirteoreem - Kui hesuguse jaotusega sltumatud juhuslikud vrtused on hise keskvrtuse -ga ja dispersiooniga 62 siis nende juhuslike suuruste aritmeetilise keskmise jaotus liidetavate n kasvamisel lheneb normaaljaotusele Tsebevi suurte arvude seadus, tema thendus - Kui on hise keskvrtuse ga ja dispersiooniga 62 sltumatud juhuslikud suurused siis kehtib valem (| | ) , kus on juhuslike arvude summa ja on kuitahes vike arv. Teisiti eldes samatbiliste juhuslike suuruste aritmeetiline keskmine lheneb nende juhuslike suuruste hisele keskvrtusele. Kuna praktikas ei ole alati vimalik kasutada keskvrtuse definitsioone, siis tuleb appi Tsebevi suurte arvude seadus, mis vimaldab keskvrtuse ligikaudset hindamist. Bernoulli suurte arvude seadus, tema thendus - Katse kordamisel lpmatult arv kordi lheneb sndmuse toimimise sagedus sndmuse esinemise tenosusele. Kui n hesuguse katse tulemusena vaadeldav sndmus A toimub k korda, siis (| | ) , kus on kuitahes vike arv ja p on sndmuse A toimumise tenosus hel katsel. Teisiti eldes katse kordamisel lpmatult palju arv kordi lheneb sndmuse toimumise sagedus sndmuse esinemise tenosusele. See seadus tuleneb Tsebevi suurte arvude seadusest ja on tema erijuht. C. Matemaatiline statistika ldkogumi ja valimi karakteristikud: Mis on ldkogum: objekti ja tunnuse miste Mingil printsiibil mratletud, vaatluse alla vetav objektide koguhulk. Objekt Indiviid, nhtus, ese, mille kohta kogutakse informatsiooni, mida mdetakse vaadeldakse, ksitletakse. Tunnus - Nitaja, mida mdetakse ja mis vib erinevatel objektidel omada erinevaid vrtusi. Tunnused vivad olla uuritavad ja taust- ehk abitunnused. Mis on ldkogumi karakteristik ja milliseid karakteristikuid me vaatleme? ldkogumi iga tunnuse korral vib leida seda tunnust iseloomustavad karakteristikud, keskmine vrtus, hajuvus keskmise vrtuse s uhtes,smmeetria kordaja, meediaan jne. Nende vrtused on konkreetse ldkogumi korral heselt mratud arvulised suurused. Vaatame neid karakteristikuid, mis huvi pakuvad. Mis on valim; valimi statistikud ldkogumist valitud objektide hulk. Valimi eesmrk on hinnata meid huvitavaid ldkogumi karakteristikuid valimi abil. Peab olema piisavalt suur ja koostatud juhuslikult. kogumi alamhulk, mida uuritakse ja mille phjal tehakse jreldusi kogumi kohta. Valimi statistik on ldkogumi vaadeldava karakteristiku w hinnangu alus, teatud statistiline nitaja.

Mis on valimi tegemise eesmrk Matemaatilise statistika philesandeks on valimi phjal teha jreldusi ldkogumi kohta. Seega valimi tegemise eesmrk on hinnata meid huvitavaid ldkogumi karakteristikuid valimi abil. ldkogumi hindamiseks kasutatav valim peab olema piisavalt suur ja koostatud juhuslikult, st. ldkogumi iga objekt vib sattuda ldkogumisse vrdse tenosusega. Valimikeskmine kui juhuslik suurus, tema keskvrtus ja dispersioon (leida!) Valimikeskmine on arvutatav aritmeetilise keskmise valemiga. Valimikeskmist kasutatakse ldkeskmise hindamisel. Kuna valimikeskmine on juhuslik suurus, siis saab loomulikult ka tema phjal tehtud hinnang olla vaid teatud tpsusega hinnanguks. Valimikeskmise keskvrtus on vrdne ldkeskmisega e. . Valimikeskmise dispersioon on leitav valemiga: tulemused: ja

, seega kokkuvttes saime

. Valimikeskmise dispersioon sltub ldkogumi

standardhlbest ja vheneb valimi mahu kasvades. Millise jaotuse jrgi on jaotunud valimikeskmine kui juhuslik suurus? Eelmises punktis leitud valimikeskmise keskvrtus ja dispersioon ldkogumi ruuthlbega nitavad, et valimikeskmine on sama keskvrtuse ja dispersiooniga mratud juhuslike arvude aritmeetiline keskmine. Vastavalt tsentraalsele piirteoreemile on valimikeskmine kui aritmeetiline keskmine piisavalt suure liidetavate arvu korral (piisab suure valimi korral) jaotudunu normaaljaotuse jrgi. Erijuhul kui vaadeldav tunnus X on normaaljaotusega on valimieskmine, kui normaaljaotusega juhuslike suuruste summa, jaoutunud normaaljaotuse jrgi ka vikeste valimite korral Valimi standardhlve kui juhslik suurus, tema keskvrtus Nagu ka valimikeskmine , nii on ka valimi ruuthlve juhuslik suurus ning me vime leida tema,

kui juhusliku suuruse, karakteristikud. Punktihinnang: Mis on ldkogumi karakteristiku punktihinnang? Juhuslik suurus, mis muutub helt valimilt teisele lemineku korral. Punkthinnangu korral pole vimalik leida hinnangu tpsust. Mis on efektiivne hinnang; too efektiivse hinnangu nide - Nihutamata hinnangut, mille standardviga lheneb nullile, nimetatakse efektiivseks punkthinnanguks. Tuginedes laleldule vime elda, et valimikeskmine on ldkeskmise efektiivseks hinnanguks. Efektiivse hinnangu niteks viks olla, kui valimi asemel on vimalik ksitleda tervet kogumit, mille kohta jreldusi tehakse. Sel juhul tuleks standardvea vrtus null ning tegu oleks efektiivse hinnanguga.

Valimi pohjal arvutatud juhusliku suuruse vaartust nimetatakse uldkogumi karakteristiku nihutamata hinnanguks, kui selle juhusliku suuruse keskvaartus on vordne hinnatava karakteristikuga.
ldkeskmise vahemikhinnang:

Milline erinevus on punktihinnangul ja vahemikhinnangul? Vahemikhinnangu korral leitakse vahemik, millesse hinnatav karakteristik kuulub ning antakse hinnang usaldatavusele. Punktihinnang ei pruugi olla usaldusvrne. Vahemikhinnang sisaldab rohkem informatsiooni. Mis on usaldusvahemik ja mis on usaldusnivoo? Usaldusvahemik Vahemikku (a, b), millesse ldkogumi hinnatav karakteristik w kuulub tenosusega nimetatakse usaldusvahemikuks. Tenosust beeta nimetatakse usaldusnivooks ning a,b usalduspiirideks. Olulisusnivoo on leitav 1- = , st. et kui uuritav karateristik asub tenosusega vahemikus (a, b), siis tenosusega me teeme vea. Millisest vrrandist lhtume ldkeskmise vahemikhinnangu tuletamisel? Millised suurused on siin ette antud ja millised tuleb leida? ldkeskmise vahemikhinnangu valemi phikujuks on: . Enne ldkeskmise vahemikhinnangu leidmist sltub

meie valimi valik kolmest tingimusest: 1) Kas tegemist on suure valimiga vi vikse valimiga valimi maht 2) Kas meil on teada standardviga. 3) Tunnuse jaotus vikse valimi korral kas tegemist on normaaljaotusega vi mitte. Kui on teada standardviga, siis sobib lalantud valem. Juhul kui standardviga ei ole teada, siis see on arvutatav valemiga: . Vikese valimi korral, juhul kui tegemist

on normaaljaotusega, tuleks peale si asendada ka tiendkvantiil ning selle asemel vtta tjaotuse tiendkvantiil kohal . Juhul kui vikese valimi tunnuse jaotus on teadmata, siis ei ole midagi teha. Tuletada vahemikhinnang lkeskmisele suure valimi korral Suure valimi korral on vahemikhinnang leitav valemiga: .

Millised on ldkeskmise vahemikhinnangu erijuhud sltuvalt sellest, kas standardhlvet teame vi ei -

Valimi suuruse mramine: Milles sesineb valimi mahu mramise probleem? Millal on tarvis enne uurimist mrata valimi piisav suurus? Tihtipeale tahame, et hinnatav karakteristik ei erineks tegelikust vrtusest rohkem kui lubatava vea vrra mingil usaldusnivool. Et aga lahendada sarnane probleem, peab olema piisavalt suur valim. ldiselt kehtib valimi mahu mramisel phireegel mida suurem on valim, seda phjalikumat analsi saab teha, kuid majanduslikest kaalutlustest lhtudes mida viksem on valim, seda odavam on uuringut lbi viia. Leida ldkeskmise vahemikhinnangu korral valimimahu mramise eeskiri Praktikas ei ole valimi mahu mramiseks ilusat matemaatilist lahendust sellele probleemile. Praktikas kasutatakse valimi mahu mramiseks vea ja eksituse meetodit. Kigepealt koostatakse nn. proovivalim, mille maht mratakse suvaliselt: olgu selleks . Proovivalimi korral leitakse tema standardhlve ja arvutatakse sellest tulenevalt valimimaht. ( Kui selgub, et ) vi ( )

, siis see thendab, et proovivalim oli vike, tuleb valimit suurendada.

Seega tuleb ldkogumist valida tiendavalt elementi. Protsessi korratakse seni, kuni mingil sammul nutav valimi maht on viksem vajalikust, st . Suhtelise sageduse vahemikhinnang: Milles seisneb vide, et suhteline sagedus on erijuht ldkeskmisest? Kuna nende hindamise ldphimtted on samad. St. et koostatakse valim ja valimi phjal antakse hinnang suhtelisele sagedusele ldkogumis. Suhteline sagedus ldkogumis ja valimis ldkogumis vastab ldkeskmisele . avaldub . Valimi suhtelise sageduse keskvrtus ja dispersioon - Valimis vastab ldkeskmisele kujul keskvrtusele . ja

Suhtelise sageduse hinnangu valemi saamine ldkeskmise hinnangu valemist Valimi suuruse leidmine suhtelise sageduse hindamisel - Nagu ldkeskmise hinnangu korralgi, saab ka sageduse hinnangus leida valimi suuruse, mis usaldusnivool 1-a tagab, et usalduspiirid jvad etteantud lubatavast veast viksemaks. Selleks lhtume vaehinnangust

ja siit leiame

. Samuti ldkeskmisele vrdleme saadud tulemust

hetke valimimahuga. Hpoteesid: Hpoteeside pstitamise ja kontrollimise olemus Hpoteese vime pstitada mingi konkreetse karakteristiku kohta, olgu selleks siis ldkeskmine, standardhlve, keskmiste vahe, sagedus vms. Peale valimi moodustamist arvutame valimi statistiku kui ldkogumi vaadeldava karakteristiku hinnangu. Sltuvalt sellest, mis suhtes on arvutatud statistik pstitatud hpoteesi karakteristikuga antakse hinnang vitele. Hpoteeside tbid (kahepoolne ja hepoolsed) Kahepoolne hpotees: Selle hpoteesipaari korral on sisukas hpotees vide, et ldkogumi karakteristik ei ole vdeline meie poolt arvatava vrtusega. Hpotees suurem: Selle hpoteesipaari korral on sisukas hpotees vide, et vaadeldava ldkogumi karakteristik w on suurem meie poolt arvatavast vrtusest. Hpotees viksem: Selle hpoteesipaari korral on sisukas hpotees vide, et vaadeldava ldkogumi karakteristik on viksem meie poolt arvatavast vrtusest. Hpoteeside kontrollimise phimtted: nullhpoteesi juurde jmise phimte kahepoolse ja hepoolsete hpoteeside korral Kahepoolse hpoteesi korral kui oletame, et kehtib nullhpotees, siis testame sisukat et vita vastupidist. hepoolsete hpoteeside korral kui leidsime, et jme nullhpoteesi juurde, siis valim ei kummuta nullhpoteesi. Kll aga kui eelnevalt testasime sisuka hpoteesi, siis tekib ksimus, kas valimikeskmine on oletatavast ldkeskmisekst piisavalt palju viksem, et vtta vastu alternatiivne hpotees. Selle kontrollimiseks leiame kontrollstatistiku ning sellele vastava olulisustenosuse. Kui olulisustenosus on piisavalt vike, siis vime vastu vtta alternatiivse hpoteesi. ldkeskmise kohta kiva kahepoolse hpoteesi kontrollvalemi tuletamine Lubatud krvalekalle, mille korral jme usaldusnivoo 1-alfa nullhpoteesi juurde on leitav: P(| - |< )=1- . Otsitav suurus = * . Nullhpoteesi juurde jme, kui kehtib

vrratus Z=

< ja alternatiivse vtame vastu, kui .

. .

on teststatistik vi kontrollstatistik. Nullhpotees, kui |Z|<

ldkeskmise kohta kivate hepoolsete hpoteeside kontrollvalemite tuletamine Nullhpoteesi juurde jme tingimusel X<(w0+ ). Tingimus <( + ). Nullhpoteesi kriteerium: Z< . Sageduse (protsendi) kohta kivate hpoteeside kontrollvalemite tuletamine lhtudes hpoteesidest ldkeskmise kohta Sageduse korral on samuti tegemist ldkeskmise erijuhuga. Suurte valimitek korral on valimikeskmine (praegu ) tsentraalse piirteoreemi kohaselt jaotunud normaaljaotusega ning peab paika kik, mis ka ldkeskmise hpoteeside korral.Normaaljaotusega a-tiendkvantiiliga vrreldav teststatistik Z asendub thendusi arvestades teststatistiku kujul:
Kui hpoteeside ldkeskmise kohta oli vikese kontrollvalimi korral vimalik kasutada Studenti jaotuse tiendkvantiile, siis sageduse hindamisel seda teha ei saa ldkeskmiste vahe kohta kivate hpoteeside testamine ldkeskmise hpoteesidest

Juhusliku suuruse jaotuse leidmine: Jaotuse leidmise phimte Ei ole olemas sellist meetodit, mille korral, lhtudes uuritava juhusliku suuruse vrtustest, saab vahetult tuletada tema jaotuse. Jb le ks tee pstitada oletus jaotuse kohta, teha valim ja vaadata, kas meie oletus sobib vi ei. Tpiline hpoteeside pstitamise ja kontrollimise skeem. ldjuhul antakse juhusliku suuruse jaotus eeskirjaga (funktsiooniga), mis mrab tema vahemikku langemise tenosuse. Peame vrdlema juhusliku suuruse vahemikku langemise sagedusi eeldatava jaotuse korral vahemikku langemise sagedustega valimis. Seega omavahel on tarvis vrrelda vrtuste tabeleid. Kui erinevus nende vahel on kllaltki vike vib arvata, et nullhpoteesis antud jaotus kirjeldab piisavalt hsti juhusliku suurust. Jaotuse kindlaks tegemise kontrollstatistiku olemus Teststatistik on valimifunktsioon, mis mdab erinevust nullhpoteesis videtu ja andmetest ilmneva vahel kui erinevus on piisavalt suur, kummutatakse nullhpotees. Kui teststatistiku absoluutvrtus on suurem kui tema nullhpoteesiphise jaotuse kriitiline ) vrtus, loetakse igeks . (kui