1. Milliseid juhuslikke suurusi nimetame pidevateks.

Juhuslikku suurust nimetatakse pidevaks juhuslikuks suuruseks, kui ta vib omandada vrtusi mingist reaalarvude vahemikust: X={x: x kuulub(a,b) }, ku a ja b on reaalarvud ning eeldame a<b. ldjuhul mingi konkreetse vrtuse omandamise tenosus on vrdne nulliga. 2. Defineerida pideva juhusliku suuruse jaotusfunktsioon. Juhusliku suuruse X jaotusfunktsiooniks F(x) nimetatakse funktsiooni, mis annab tenosuse, et juhuslik suurus X on viksem funktsiooni argumendi vrtuses x. F(x)=P(X<x) 3. Millega vrdub jaotusfunktsioon juhusliku suuruse vrtuste piirjuhul. Eeldades jaotusfunktsiooni pidevust kirjutame vlja suhte: F(x+kolmnurk x)-F(x)/kolmnurk x. Minnes le piirvrtusele ning kasutades krgemast matemaatikast tuntud misteid ning smboolikat saame leida funktsiooni f(x) kui jaotusfunktsiooni tuletise: lim (all kolmnukr x>0) F(x+kolmnurk x) F(x) / kolmnurk x = F(x)=f(x) Integreerides vrrandi F(x)=f(x) mlemaid pooli, vib saadud vrduse kirjutada kujul F(x) = integraal lp X-ni f(x)dx 4. Nidata, et jaotusfunktsioon on mittekahanev. Leida eeskiri juhusliku suuruse vahemikku langemise tenosuse arvutamiseks. Jaotusfunktsioon on mittekahanev, st suvalise kahe arvu a ja b korral, kui a<b, F(b) >=F(a). Testamiseks seome vaadeldavad arvuvahemikud sndmustega: olgu A sndmus, et X<a, B sndmus, et a<= X<b ja C sndmus, et X<b. Kehtib seos C=AuB liitmislause phjal saame P(C)=P(AuB)=P(A)+P(B). Arvestades A B C thendusi vime kirjutada P(X<b)=P(X<a)+P(a<=X<b) ja lhtudes jaotusfunktsiooni defist on meil F(b)=F(a)+P(a<=X<b) Sealt saamegi F(b)>=F(a). 5. Mis on pideva juhusliku suuruse tihedusfunktsioon ja kuidas ta on seotud jaotusfunktsiooniga. Kui leidub selline funktsioon f(x) et kehtib vrdus F(x)= integraal lp X-ni f(x)dx siis seda funktsiooni nimetatakse juhusliku suuruse X tihedusfunktsiooniks. 6. Tihedusfunktsiooni omadused

1) 2) 3) 4)

. ja

1) f(x)>=0. Tuleneb sellest, et jaotusfunktsioon F(x) on mittekahanev(murru lugeja ei ole negatiivne) ja f(x)=F(x)=lim(all kolmnurk x->0) F(x+ kolmnurk x) F(x) / kolmnurk x avaldub kahe positiivse arvu suhtena. 2) lim f(x)=0 ja lim(all x->lpmatus) (x)=0. Kuna piirsituatsioonis on jaotusfunktsioon konstantne F(-lpmatus)=0 ja F(lpmatus)=1, siis ka tema kasvukiirust vljendav funktsioon f(x) lheneb nullile. 3) Integraal lpmatuses lpmatuseni f(x)dx=1. Testus: Integraal lpmatusest lpmatuseni f(x)=dx=lim(all x->lpmatus) integraal lpmatusest x-ni f(x)dx=lim(all x->lpmatus) F(x)=1 P(a<=X<b)=integraal a-st b-ni f(x)dx: Testus:Tulenevalt jaotusfunktsioonist ja integraali omadustest P(a<=X<b)=F(b)-F(a)= | integraal lpmatusest b-ni f(x)dx- integraal lpmatusest a-ni f(x)dx=integraal a-st b-ni f(x)dx 7. Mis on juhusliku suuruse kvantiil, millised on kvantiili erijuhud? Kvantiil X on juhusliku suuruse vrtus, millest viksemaid vrtusi omandab juhuslik suurus tenosusega . Matemaatiiiliselt vime -kvantiili defineerida jrgmiselt: Kui F(x) on jaotusfunktsioon, siis vrrandi F(X)= lahendit X nimetatakse -kvantiiliks. 8. Mis on tiendkvantiil, kuidas ta on seotud kvantiiliga? Juhusliku suuruse X alfa-tiendkvantiiliks x alfa (x peal kriips) nimetatakse arvu, mille korral

kehtib vrdus P(X>x alfa kriips peal) =1-F(x alfa kriips peal)=a Seega tiendkvantiil on juhusliku suuruse vrtus, millest suuremaid vrtusi omandab juhuslik suurus tenosusega Alfa(0<alda<1) 9. Defineeri pideva juhusliku suuruse keskvrtus ja dispersioon. Kui f(x) on pideva juhusliku suuruse X tihedusfunktsioon, siis arvu EX, mis avaldub kujul EX= integraal lp lpmatuseni x*f(x)dx nimetatakse pideva juhusliku suuruse keskvrtuseks. Juhusliku suuruse dispersiooniks nimetatakse arvu: DX=E(X-EX) ruudus. DX= integraal lp lpmatuseni (EX-x) ruudus f(x)dx 10. Defineerida pidev htlane jaotus. Juhuslik suurus X on ligul [a, b] htlase jaotusega, kui ligu jaotamisel suvaliseks arvuks vrdse pikkusega osadeks on igasse osaliku sattumise tenosused vrdsed. Juhusliku suuruse X pidevaks htlaseks jaotuseks ligul [a, b] nimetatakse jaotust, mille tihedusfunktsioon avaldub kujul: f(x)= { 0,kui x<a | 1/b-a, kui a<=x<=b| 0, kui x>b kus a ja b on suvalised reaalarvud. 11. Leida pideva htlase jaotuse keskvrtus.

12. Leida pideva htlase jaotuse dispersioon.

13. Defineerida normaaljaotus. Normaaljaotuseks nimetatakse reaalarvulise juhusliku suuruse jaotust, mille tihedusfunktsioon avaldub kujul x) 1/*ruutjuur 2pii *e astmel (x-) ruudus/2 ruut, kus jaotuse parameeter

>0 ja on reaalarv.
14. Kuidas avalduvad normaaljaotusega juhusliku suuruse keskvrtus ja dispersioon? EX=1/ *ruutjuur 2pii integraal lp lpmatuseni x*e astmel (x- ) ruudus/2* ruut dx=...= DX= 1/ *ruutjuur 2pii integraal lp lpmatuseni (-x) ruudus * e astmel (x- ) ruudus/2* ruut dx=...= ruudus. 15. Tulenevalt tihedusfunktsiooni omadustest visanda tema graafik. Good luck with that. 16. leminek standardiseeritud normaaljaotusele ja mida see sisuliselt thendab. Nimetatakse ka Laplacei funktsiooniks. Tehakse valem vhe lihtsamaks, ei peaks pikalt ja keeruliselt arvutama vms. 17. 3 reegel(tuletada ja snastada) Vastavalt jaotusfunktsiooni omadustele on juhusliku suuruse X vahemikku (a,b) langemise tenosus P(a<=X<b) =F(b)-F(a). Eeldades, et juhuslik suurus X on jaotunud normaaljaotuse jrgi, saame P(a<=X<b) = (b- / )- (a- / ) 3 korral, kui a= -3, b = +3 saame P(-3<X< +3)= ((+2 )/ ) ((-2 )/ )= (3) (-3) = 0.9987-0,0013=0,9974 Normaaljaotusega juhuslik suurus praktiliselt ei hlbi oma keskvrtusest rohkem kui kolmekordse standardhlbe vrra.

18. Normaaljaotusega juhusliku suuruse iseloomulikud tunnudsed. Normaaljaotusega juhusliku suuruse vrtused on smmeetrilised keskvrtuse suhtes. Normaaljaotusega juhusliku suuruse vrtused on koondunud keskvrtuse mber ja ei erine keskvrtusest praktiliselt rohkem kui kolmekordse standardhlbe vrra, Juhusliku suuruse tihedusfunktsioonil on Gaussi kverale sarnanev kuju. 19. Binoomjaotuse lhendamine normaaljaotusega. Laplace piirteoreemid selle kohta. Vastavalt Poissoni piirteoreemile saab binoomjaotust lhendada Poissoni jaotusega. Osutub aga, kui sndmuse esinemise ja mitteesinemise kordade arvu tenosused on ligikaudu vrdsed, vib binoomjaotuse ligikauseks arvutamiseks kasutada normaaljaotust. Kehtivad Laplacei lokaalne ja integraalne piirteoreem. Laplacei lokaalne piirteoreem: Tenosus et n sltumatu katse tulemusena, milles igahes sndmus toimub tenosusega p, toimub sndmus tpselt k korda on piisavlt suure katsete arvu korral ligikaudu vrdne: P(n,k)= (1/ruutjuur 2pii * ruutjuur npq) *e astmel x ruudus/2, kus x= k-np/ruutjuur npq Laplace integraalne piirteoreem: Tenosus et n sltumatu katse tulemusena, milles iga hes sndmus toimub tenosusega p, toimub sndmus vhemalt k1 korda ja lemalt k2 korda on piisavalt suure katste arvu korral ligikaudne vrdne: mingi haigelt vrdja valemiga. 20. Kuidas, millise jaotuseeskirja jrgi jaotub juhuslike suuruste aritmeetiline keskmine? blablabla 21. Kuidas jaotub standardse normaaljaotusega juhuslike suuruste ruutude summa? Standardse normaaljaotusega sltumatute juhuslike suuruste X1,X2,..,Xv ruutude summa Y=(X1) ruudus + (X2) ruudus +...+(Xv) ruudus on hii ruut jaotusega juhuslik suurus. 22. Misted: ldkogum,objekt,tunnus,tunnuse jaotus, ldkogumi karakteristik, valim, valimi statistik, ldkogumi karakteristiku hinnang, hinnangu tbid. ldkogum on mingil printsiibil mratletud, vaatluse alla vetav objektide koguhulk, niteks kikide Eesti lipilaste hulk, kikide Scania tpi busside hulk jne. Objekt Uuritav asi vms. Tunnus iga objekti iseloomustab temal mdetud tunnused, sissetulek kuus, pikkus, kaal. Tunnuse jaotus Iga arvulist tunnust vib vaadelda kui juhuslikku suurust, mis omandab vrtusi kindlast vahemikust. Iga tunnuse, kui juhusliku suuruse, korral saame leida rtema jaotuse. ldkogumi karakteristik ldkogumi iga tunnuse korral vib leida seda tunnust iseloomustavad karakteristikud, keskmine vrtus, hajuvus keskmise vrtuse suhtes, smmeetria kordaja, meediaan jne. Nende vrtused on konkreetse ldkogumi korral heselt mratud arvulised suurused. Valim on ldkogumist valitud objektide hulk. Valimi statistik ldkogumi karakteristiku hinnang ldkogumi tunnuse karakteristiku punktihinnanguks nimetatakse valimi phjal teatud eeskirjade jrgi arvutatud vrtust. Kuna valim on juhuslik, siis arvutatud vrtus on samuti juhuslik. Sellist vrtust nimetatakse ldkogumi karakteristiku hinnanguks. Hinnangu tbid punktihinnang vi vahemikhinnang. Tuleb arvestada vimaliku vea suurust ja tenosuslikku hinnangut tpsusele. 23. Mis on ldskeskmine ja mis on ldkeskmise ruuthlve? ldkeskmine: = 1/N Summa mrk leval N all i=1 * xi ja ldkeskmise ruuthlve: ruut=1/N Summa mrk leval N all i=1 *(xi- ) ruudus.

24. Mis on valimikeskmine ja mis on tema standardhlve? Valimikeskmine: X kriips peal = 1/n Summa mrk leval n all i=1 *xi ja valimikeskmise ruuthlve: s ruudus = 1/n-1 Summa mrk leval n all i=1 *(xi-X kriips peal) ruudus. 25. Leia valimikeskmise keskvrtus. EX kriips X peal = E(1/n Summa mrk leval n all i=1 *xi)=1/n Summa mrk leval n all i=1 *Exi . EX Kriips X peal = 1/n Summa mrk leval n all i=1 Exi = 1/n Summa mrk leval n all i=1 * = . Seega valimikeskmise keskvrtus on vrdne ldkeskmisega. 26. Kuidas avaldub valimikeskmise standardhlve? Vist s=ruutjuure all kik 1/n-1 Summa mrk leval n all i=1 * (xi-X kriips peal) ruudus. 27. Milline on valimikeskmise jaotus? Valimikeskmine X kriips on sama keskvrtuse ja dispersiooniga mratud juhuslike arvude aritmeetiline keskmine. Vastavalt tsentraalsele piirteoreemile on valimikeskmine kui aritmeetiline keskmine piisavalt suure liidetavate arvu korral jaotunud normaaljaotuse jrgi: 28. Millist hinnangut nimetatakse ldkogumi karakteristiku efektiivseks hinnanguks? Nihutamata hinnangut, mille standardviga lheneb nullile, nimetatakse efektiivseks punkthinnanguks. Tuginedes laleldule vime elda, et valimikeskmine on ldkeskmise efektiivseks hinnanguks. 29. Mis on ldskeskmise efektiivseks punkthinnanguks? Nihutamata hinnangut, mille standardviga lheneb nullile nimetatakse efektiivseks punkthinnanguks. 30. Mis on vahemikhinnang ja mille pooles ta erineb punkthinnangust.Defineeri vahemikhinnang. Vahemikhinnangu korral leitakse vahemik, millesse hinnatav karakteristik kuulub ning antakse hinnang usaldatavusele. Punktihinnang ei pruugi olla usaldusvrne. Vahemikhinnang sisaldab rohkem informatsiooni. 31. ldkeskmise vahemikhinnangu eripra vikse valimi korral. Vikese valimi korral, kui uuritav tunnus on jaotunud normaaljaotuse jrgi ja me ei tea ldkogumi standardhlvet, kasutatakse ldkeskmise hindamisel valemit: X kriips peal t kriips peal all indeks alfa/2,n-1 * s/ruutjuur n < < X kriips peal + t kriips all indeks alfa/2,n1 * s/ruutjuur n 32. Millal on vaja leida vajalik valimimaht ja kuidas seda teha? Nutava tpsuse saame tagada vaid piisvalt suure valimi kasutamisel. Seega on meil tegemist lesandega: leda valimi maht, mille korral olulisusnivool alfa hinnatav karakteristik ei erine tegelikust vrtusest rohkem kui lubatava vea Ea vrra. E on see mar E. 33. Suhteline sagedus kui ldkeskmise erijuht, tema ruuthlve. Vrtusi 0 ja 1 omava tunnuse korral vastab ldkogumis ldkeskmisele ldkogumi suhtleine sagedus p ja standardhlve avaldub suhtelise sageduse kaudu kujul = ruutjuur pq 34. Valimikeskmine kui suhtleine sagedus, tema keskvrtus ja dispersioon. blablabla 35. Suhtleise sageduse vahemikhinnang. blablabla 36. Valimi suuruse mramine suhtelise sageduse vahemikhinnangus. Nagu ldkeskmise hinnangu korralgi, saab ka sageduse hinnangus leida valimi suuruse, mis usaldusnivool 1- alfa tagab, et usalduspiirid jvad etteantud lubatavast veast E viksemaks. 37. Hpoteeside pstitamise ja kontrollimise olemus. Hpoteese vime pstitada mingi konkreetse karakteristiku kohta, olgu selleks siis ldkeskmine, standardhlve, keskmiste vahe, sagedus vms. Ja ka videte mberlkkamiseks vi testamiseks.

38. Hpoteeside tbid. Kahepoolne hpotees: Hpotees suurem: Hpotees viksem: 39. Nullhpoteesi juurde jmise phimte kahepoolsete hpoteeside korral. H0:w=w0 H1:w=/=w0 Oletame et nullhpotees nitab kehtivat olukorda testame sisukat et vita vastupidi. 40. ldkeskmise kohta kiva kahepoolse hpoteesi kontrollvalemi tuletamine,. P(|X| -w0|<Ealfa)=1-alfa 41. Nullhpoteesi juurde jrmise phimte hpoteesi suurem korral. H0:w<=w0 H1: w>w0 42. ldkeskmise kohta kiva hpoteesi suurem kontrollvalemi tuletamine. P(X-w0<Ealfa)=1-alfa 43. Nullhpoteesi juurde jrmise phimte hpoteesi viksem korral. H0:w>=w0 H1:w<w0 44. ldkeskmise kohta kiva hpoteesi viksem kontrollvalemi tuletamine. P(w0-X<Ealfa)=1-alfa 45. Hpoteesid suhtelise sageduse kohta.