ANDMEANALÜÜSI KONSPEKT Sisukord Andmefailid SPSS'is................................................................................................ 2 Normaaljaotuse kontroll.......................................................................................... 2 ANOVA vs T-test...................................................................................................... 2 ANVOA või regressioonanalüüs............................................................................... 3 Efekti suurus........................................................................................................... 3 Andmeanalüüs SPSS'is........................................................................................... 4 Kirjeldav statistika............................................................................................... 4 Kuidas testida normaaljaotust?.................................
Olgu uurija eesmärgiks hinnata teatava põllukultuuri saagikuse sõltuvust sellel põllul kasutatud väetamisskeemist ja katseaastatest. Selleks kasutati katseandmeid, mis saadi viiel aastal, kusjuures iga nelja erineva väetamisskeemi korral kolmelt erinevalt katsepõllult. Kas erinevate väetamisskeemide ja erinevate aastate lõikes on põllukultuuri saagikuses oluli Väetamisskeem Aasta B1 B2 B3 B4 B5 A1 6,98 7,86 6,50 6,88 7,86 7,40 7,29 6,20 7,30 8,50 7,55 7,54 6,52 7,40 8,65 A2 6,12 5,88 6,82 5,96 8,21 7,00 6,25 7,65 6,60 8,42 7,18 6,72 7...
Näide 5.6. Erinevate väetiste mõju selgitamiseks männipoogendite kasvule korraldati Mõisaküla seemlas katse, kus ühe ja sama klooni poogendeid väetati lämmastikväetisega (N), fosfo väetisega (NPK). Kontrollala ei väetatud. Kolmandal aastal peale väetamist mõõdeti iga katseala po valitud (ladvakasvu) okka pikkused millimeetrites. N 60 63 64 65 58 60 P 51 49 52 48 54 52 NPK 56 56 55 56 56 53 Kontroll 61 54 56 58 55 63 Kas saab tõestada, et erinevate väetamise variantide puhul on poogendite keskmised o Olulisuse nivooks valime 0,05. Funktsioontunnuseks on okka pikkus. Faktoriks on väetamise variant, milles on 4 taset: N, P, NPK ja kontroll. Nullhüpoteesiks on väide, et kõigi nelja väetamise varia...
Mitmene regressioonanalüüs ja mittelineaarne regressioonanalüüs PD <- read.csv("puud15.CSV") PD$d_k<-with(PD, ifelse(d2>0,(d1+d2)/2, d1)) PD.1<-subset(PD, prt==642 & aasta==2001 & h>0 & hv>0) PD.2<-subset(PD, prt==642 & aasta==2006, select=c(puu,rin,d_k,h,hv)) names(PD.2)<-c("puu","rin_2","d_k2","h_2","hv_2") PD.1.2<-merge(PD.1,PD.2,all.x=T) with(PD.1.2, table(rin,rin_2)) PD.1.2$rin12<-with(PD.1.2, paste(rin,rin_2,sep="")) table(PD.1.2$rin12) PD.1.2E<-subset(PD.1.2, rin12 %in% c("11","22")) # rinnaspindala juurdekasv PD.1.2E$ig5<-with(PD.1.2E, (d_k2^2 - d_k^2)*pi/4) hist(PD.1.2E$ig5) # M0: ig5 = a M0<-lm(ig5~1,PD.1.2E) summary(M0) # mean(PD.1.2E$ig5); sd(PD.1.2E$ig5) # R2: 1-(sd(PD.1.2E$ig5)/var(PD.1.2E$ig5))^2 # Md: ig5 = a + b*d Md<-lm(ig5~d_k,PD.1.2E) summary(Md) # Mh: ig5 = a + b*h Mh<-lm(ig5~h,PD.1.2E) summary(Mh) # Mhv: ig5 = a + b*hv Mhv<-lm(ig5~hv,PD.1.2E) summary(Mhv) ...
1. PRAKTIKUM 1) JÄRJESTAMINE NOOREMAST VANIMANI Parmeklõps Sort Ascending/Descending -> Kasvavas/Kahanevas järjestuses Data Sort cases Sort Ascending/Sort Descending (tuleb valida muutujad ka) 2) VARIABLE VIEW 3) KIRJELDAVAD ANDMED Leiame vanusele antud hinnangute keskmise, moodi, mediaani, maksimaalse ning minimaalse hinnangu. + HISTOGRAMM Käsklusrida: Analyze - Descriptive statistics Frequencies. Muutujatekasti liigutage muutuja. Statistics -Mean, Mode, Median, Minimum, Maximum. Charts - Histograms 2. PRAKTIKUM 1) UUE MUUTUJA ARVUTAMINE Tihtipeale tuleb andmete töötlemise jooksul tekitada uusi muutujaid eelmiste muutujate põhjal. Käesolevas praktikumis tutvume uue muutuja arvutamise põhitõdedega. Etteruttavalt võib öelda, et me arvutame saadavaloleva andmestiku põhjal uueks muutujaks kehamassiindeksi (BMI body mass index). Käsklusrida: ...
Statistiline modelleerimine – kokkuvõte Muutujad: Sõltuvad muutujad (dependent, outcome variables) – muutujad, mis on uurimise keskmes, millele uurija arvab, et teised muutujad mõju avaldavad. Nö katseisikust sõltuv muutuja. Sõltumatud muutujad (independent, predictor variables) – muutujad, mille kohta uurija arvab, et neil võiks olla mõju uuritavatele muutujatele. Statistilise analüüsi keskmes on uurida, kuidas teatud tunnused koos muutuvad. Kui on vaja muutujat iseloomustada, on kaks põhilist viisi, kuidas seda teha: o Milline on selle muutuja tüüpiline väärtus? o Kui hästi iseloomustab see tüüpiline väärtus kõiki mõõdetud juhtumeid? Ehk kui palju on varieeruvust selle tüüpilise väärtuse “ümber”? Statistika jagunemine: Kirjeldav statistika (descriptive stat.) meetodid andmetest kokkuvõtete tegemiseks ning kirjeldamiseks. („65-70% US...
SUMMARY OUTPUT Regression Statistics Multiple R 0,997117 R Square 0,994242 Adjusted R Square 0,993923 Standard Error 0,050087 Observations 20 ANOVA df SS MS F Significance F Regression 1 7,797748 7,797748 3108,303 1,3E021 Residual 18 0,045156 0,002509 Total 19 7,842905 Coefficients Standard Error t Stat Pvalue Lower 95%Upper 95% Lower 95,0% Upper 95,0% Intercept 0,02403 0,023267 1,03285 0,315351 0,07291 0,024851 0,07291 0,024851 X Variable 10,02166 0,000388 55,7522 1,3E021 0,02247 0,02084 0,02247 0,02084 SUMMARY OUTPUT Regression Statistics Multiple R 0,997434 R Square 0,994874 Adjusted R Square 0,994589 Standard Error 0,040604 Observations 20 ANO...
Test 1 mood, mediaan, aritmeetiline keskmine, asendikeskmine, mahukeskmine aritmeetiline keskmine, mood aritmeetiline keskmine, mood, mediaan, detsiilid detsiil, kvartiil lihtne harmooniline keskmine, kaalutud aritmeetiline keskmine, kaalutud harmooniline keskmine, lihtne aritmeetiline keskmine, mood, järjestusskaala kaalutud aritmeetiline keskmine, mediaan keskmise hinnaga, keskmine hind, arvukogumis, geomeetriline keskmine, harmooniline, aritmeetline mood, mediaan, harmooniline, aritmeetiline aritmeetiline, geomeetriline, harmooniline, mediaan Test 3 asümmeetriakordaja, püstakus, järku keskmoment, algmoment, tingmoment 1. 50 2. 65 3. 65 4. 90 5. 40 6. 70 kvartiilihaare, variatsiooniamplituud 3. 30 4. 10 5. 55,6 intervallskaala, standardhälve, püstakus kordaja, ekstsess järjestusskaala, mood, kvartiilhaare, standardhälbe valem, standardhälve tsebõsovi võrratus, variatsioonikoefit...
Labor 8 Multikollineaarsuse kindlakstegemine - VIFj MS.0151 Ökonomeetria 2011 Sõltumatute muutujate vahel esineva multikollineaarsuse kindlasktegemiseks leitakse varieeruvusindeks ehk dispersiooni mõju faktor VIF j (Variance Inflationary Factor). Varieeruvusindeks näitab argumendi mõju regressiooniparameetri hajuvusele. 1 VIF j= 1- R 2 j kus Rj2 on determinatsioonikordaja, mis on leitud sõltumatu muutuja X j (R2 leidmiseks teostada regressioonanalüüs, kus sõltuvaks muutujaks Y on uuritav X j) ja ülejäänud sõltumatute muutujate Xj vahel. Kui VIFj > 10, siis tuleb selline sõltumatu muutuja Xj eemaldada. Ülesanne Sõltumatute muutujate vahel esineva multikollineaarsuse kindlakstegemiseks leida varieeruvusindeks VIFj. Andmed ...
2.1 Koopia- Teenindaja Töötundide masinate tööstaaz, arv arv kuudes 1 1 12 SUMMARY OUTPUT 3,1 3 8 17 10 5 Regression Statistics 14 8 2 Multiple R 0,9346801 6 5 10 R Square 0,8736269 1,8 1 1 Adjusted R Square 0,8578302 11,5 10 10 Standard Error 2,056276 9,3 5 2 Observations 10 6 4 6 12,2 10 18 ANOVA df SS MS Regressi...
spetsialiseeru otsene näitaja misnäitaja mahunäitaja mahunäitaja Teravilja müügi Segavilja osakaal Segavilja Kasvupind jrk saagikus, kg/ha kogumüügist toodang, kg kokku, ha X1 X2 X3 X4 1 3148,148148148 1 68 000 178,90 2 2238,938053097 0,3082771129 50 600 124,91 3 1700 0,440320407 35 700 376,00 4 3007,692307692 0,0376854187 39 100 763,00 5 2304 0,5555555556 28 800 51,00 6 3098,591549296 0,4973633043 22 000 351,10 7 2000 0,113773135 4 000 26,40 ...
Statistika on teadus, mis uurib andmete kogumist, töötlemist, analüüsi ja järelduste tegemist. Üldistav statistika: andmete põhjal järelduste tegemine üldisemale grupile. Pakub meetodeid vea hindamiseks (vea me teeme nagunii). Kirjeldav statistika: kirjeldab neid andmeid, mida mõõtsime. Tehakse järeldusi, aga ainult nende andmete kohta, mida kogusime. Üldkogumi all mõeldakse kõiki juhtumeid või objekte, mille kohta meie poolt püstitatud järeldused, oletused kehtivad. Mõõtmiseks valitud (uuringusse kaasatud) üldkogumi osa nimetatakse valimiks. Valimi tingimused: Juhuslik – kõigil üldkogu liikmeil on võrdne võimalus sattuda valimisse. Esinduslik – samad proportsioonid, mis on üldkogus, peavad olema ka valimis. Piisavalt arvukas. Tunnused- nimi, järjestus, intervall, binaarne. Võtmeküsimused: Kas väärtused on järjestatavad? Kas skaalavahemikud on võrdsed? Nimitunnused nimi, sugu, perek. seis, elukoht, maakond. Väärtused ei ole üheselt järj...
Ülikoolist väljalangenute arv Kasvutempo Bakalaureuseõpe Magistriõpe BakalaureuseõpMagistriõpe 1993 2952 105 -226 81 1994 2726 186 -589 184 1995 2137 370 -105 100 1996 2032 470 197 65 1997 2229 535 157 -23 1998 2386 512 187 76 1999 2573 588 457 43 2000 3030 631 284 29 2001 3314 660 -267 102 2002 3047 762 945 237 2003 3992...
Biomeetria eksamiks ·Konstrueerige sagedustabel tunnusele"hommik" ---- insert PivotTable, joonise tegemisel copy andmed kõrvale (ilma grand total lahtrita) ·Diagrammi kujundamine - kustutada legend ja joonise pealkiri; y-telje põhikoordinaatjooned helehallid katkendlikud; y-teljele nimetus 'Tudengite arv'; x- teljele nimetus 'Mida te tavaliselt hommikul sööte?' ja tõstke see joonise sisse; telgede ühikute kirjasuurus 10 ja nimetustel 12 punkti; y-telje maksimum 29 ja miinimum 0 ühikut ning ühikute vahe (major unit) 5; tulpade vahe 120%; jooniseala (Chart Area) ümbert hall kastijoon kustutada; hall kastijoon teha ümber jooniseala (Plot Area) ·Suhteline sagedus grupi vaatluste arv/kõigi vaatluste arv. Home sakil saab teha protsendiks ·Pidevate arvtunnuste jaoks on vaja klasse. Klasside arvu leiab võttes vaatluste arvust ruutjuure, klassid peavad olema ühepikkuse...
Ülesande 1 lahendus Keskmine tellimuste arv 15 mminuti jooksul µ 7 Keskmine tellimuste arv 5 minuti jooksul 2.33 m P(x=m) Tõenäosus, et 5 min jookusl 0 0.097 ei ole ühtegi tellimust Töötajate Arenduskulud Firma Käive (mln $) arv (tuh) (mln $) Abbott Laboratories 10012 50.24 1072 Alza 326 1.44 20 American Home Products Corp 13376 64.71 1354 Bristol Myers Squibb 13767 49.14 1199 Carter Wallace Inc 662 3.61 26 Genentech Inc. 857 2.84 503 IVAX Corp. 1259 7.89 64 Johnson & Johnson ...
Kas eri tõugu sigade pekipaksus X1 oli statistiliselt oluliselt erinev? F-test 0,095078 P väärtus on suurem 0,05 t-Test: Two-Sample Assuming Equal Variances Tõug Tõug1 3 Mean 13,26 12,39 Variance 7,28 8,99 Observations 250,00 250,00 Pooled Variance 8,13 Hypothesized Mean Difference 0,000 df 498,00 t Stat 3,40 P(T<=t) one-tail 0,000 t Critical one-tail 1,65 P(T<=t) two-tail 0,001 P<0,05 t Critical two-tail 1,96 eri tõugude (tõug1 ja tõug 3) sigade pekipaksused erineb oluliselt tõugude vahel. Mitu põrsast saadakse pesakonnas rohkem või vähem, kui lihassilma läbimõõt (X2) suureneb 1 mm võrra. Regression Statistic...
Hüpoteeside koltrollimine 1. Oletus, väide 2. Sobiv hüpoteeside paar (millised tunnused on vaja võrrelda) 3. Olulise tõenäosus (p) 4. Järeldus (p>0,05 H0, p<0,05 H1) 5. Lõppvastus (sama, mis oli küsitud hüpoteesis) T-test sobivad valemid 1. T-test H0: keskmised võrdsed H1: keskmised erinevad 2. F-test sõltumatud valemid H0: dispersioonid võrdsed H1: dispersioonid erinevad P>a H0, P<0,05 H1 Võrdsete disp mittevõrdsete disp t-test t-test 3. Olulisuse tõenäosus 4. Lõppvastus (p<0,05 H0) Vormistus nii nagu iseseisvates töös Ülesanne Eesmärk Tunnusetüüp 1.T-test (f-test) Keskmiste erinevus kahes Pidev arvtunnus- keskmised grupis tunnus, ...
Labor 1 - ül 2 Leida regressioonimudel Y = a0 + a1 X, kui perede arv on X ja autode arv Y. Regressioonikordajate (parameetri hinnangute) ja usalduspiiride leidmiseks kasutada vahendit Andmed - Data Analysis - Regression. Alevik Perede arv (X) A 7000 B 7500 C 8000 D 6000 E 9000 Hinnata regressioonimudeli a) kirjeldatuse taset; b) statistilist olu...
Soo defineerimine: Variable view - soolahtrist Values... - 1=mees, 2=naine - data view - ülevalt view - value labels ette linnuke Kasvavas järjekorras järjestamine: Teed lahtri aktiivseks mida järjestada soovid - ülevalt Data - Sort cases - valid mida soovid sortida - linnuke ascending lahtri ees kindlalt ja OK Mingi väärtuse minimaalse ja maksimaalse väärtuse leidmine, standardhälve, keskmine: Analyze - descriptive statistics - descriptives/frequencies (kui vaja ekstsessi, histogrammi kellukat jn) - valid mille puhul tahad uurida - Options - valid milliseid väärtusi leida tahad ja ok, vastused ilmuvad OutPuti aknasse. Charts all on võimalik kasutada histogrammi joonistamise võimalust. Joonisel olev küsimärk käib osutatud linnukese kohta. Display frequency tables annab käskluse moodustada iga pikkuse kohta sagedustabel. Küsimärk on juurde tehtud, et uurida, kas sellise tabeli koostamine on vajalik. Uue muutuja arvutamine: Transform -...
1) Ökonomeetrilise mudeli komponendid: Endogeensed muutujad - sõltuvad muutujad, väärtused mudeli siseselt Y Eksogeensed muutujad – sõltumatud muutujad, modelleeritavat nähtust mõjutavad X Statistiliste meetoditega hinnatavad mudeli parameetrid β Juhuslik komponent – vabaliige u Y= f (X, β, u) 2) Andmetüübid: Arvandmed, ristandmed (erinevad objektid samal ajamomendil), aegread (sama objekti erinevatel ajamomentidel), paneelandmed (ristandmed + aegread) 3) Valimivaatlused ja parameetri hinnangu mõiste: Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. 4) Punkthinnang, intervallhinnang Punkthinnang – statistik, mis annab parameetrite ühese väärtuse (aritmeetiline keskmine on valimi punkthinnang kogumi keskväärtusele) Intervallhinnang – usaldusvahemik, lõik, mis sisaldab parameetri tegelikku väärtust mingi etteantud tõenäosusega. 5) Hinnangufunktsioon: Reegel üldkogum...
Et prognoosida sõltumatute muutujate seost testi keele õppimiseks kuluva ajaga (normaaljaotusega, arvtunnusega minutites) sisaldab regressioonianalüüsi mudel kolme sõltumatut muutujat: õpetaja toetus (a four-point scale with the response categories ‘never’, ‘some lessons’, ‘most lessons’ and ‘every lesson’ was used), kodused õppimist toetavad vahendid ja distrsiplineeriv keskkond (A four-point scale with the response categories ‘never’, ‘some lessons’, ‘most lessons’ and ‘every lesson’ was used. This index was inverted so that low values indicate a poor disciplinary climate). Tabelis 1. on ära toodud mudeli parameetrid, mis annavad ülevaate mudeli „headuse“ ja prognoosi täpsuse kohta. Regressoonimudeli eeslduste kohaselt on tunnused mõõdetud arvuliselt, kodeeritud on puuduvad väärtused, mis muidu ei ole arvulised. Tabel 1. Faktorite seos testi keele õppimiseks kuluva ajaga (minutit nädalas) Reg...
EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut osakond NIMI PRT 815 ANDMETÖÖTLUSE ALUSED KODUTÖÖ NR. 5 Juhendaja: lektor Tartu AASTA Sisukord Sisukord.............................................................................................................................2 Sissejuhatus....................................................................................................................... 3 2. Diameetri usalduspiirid..................................................................................................4 3. Mitut puud tuleks mõõta?..............................................................................................4 3.1 Mitut puud tuleks mõõta et saada keskväärtuse hinnang veaga 0,3 cm..................4 3.2 Mitut puud tuleks mõõta, et saada keskväärtuse hinnang veaga 1%.....
Eesti Maaülikool Metsandus- ja maaehitusinstituut Geomaatika osakond Matemaatika andmestiku analüüs Aruanne õppeaines matemaatiline statistika Koostajad: Juhendaja: Eve Aruvee Tartu Sisukord Sissejuhatus....................................................................................................................... 3 Tunnuste esmaanalüüs.......................................................................................................4 Seoste analüüs................................................................................................................... 8 Mudeli koostamine.......................................................................................................... 13 Kokkuvõte.................................................................................
Riik Populatsioon Immigratsioon Sünnid Hiina 1 336 450 000 3852000 181 340 000 India 1 178 436 000 5700000 26913000 Ameerika Ühendriigid 308 898 000 38355000 4399000 Indoneesia 231 369 500 160000 4220000 Brasiilia 192 651 000 641000 3105000 Pakistan 169 010 500 3254000 5337000 Bangladesh 162 221 000 1032000 3430000 Nigeeria 154 729 000 971000 6028000 Venemaa 141 927 297 12080000 1545000 Jaapan 127 430 000 2048000 1473000 Mehhiko 107 550 697 644000 2049000 Filipiinid 92 226 600 374000 2236000 Vietnam 85 789 573 21000 1267000 Saksamaa 81 757 600 10144000 ...
Arvutused: Katse nr m(g) f(gen), Hz f, Hz v, m/s v, m/s l d 1. 786 47 44.37 89 0.35 1 0.0004 2. 1600 67 63.30 127 0.50 m m 3. 2386 81 77.30 155 0.61 g S 4. 3208 87 89.63 179 0.71 9.818 1.26E-07 n 1 5. 5576 117 118.17 236 0.93 m/s2 m2 6. 786 95 88.73 ...
PRAKTILISE ANDMEANALÜÜSI EKSAM Nimi ja õppegrupp: Liis Peet PS-2-S-E-tal I kirjeldav andmeanalüüs Täitke kohase informatsiooniga tekstisisesed lüngad ja tabel ning pange ka tabelile pealkiri. 1.ülesanne Valim (n= 384) koosnes nii meestest (n = 205) kui naistest (n = 179), kõige sagedasem haridus valimis oli keskharidus (45%) ning keskmine tööstaaz 3,6 aastat (vt Tabel 1). Tabel 1: Keskmine vanus, keskmine tööstaaz, sagedasem haridustase ja sagedasem perekondlik seis sugude ja koguvalimi lõikes. Mehed Naised Koguvalim Keskmine vanus 34,5 a 39,3 a 36,7 a Keskmine 3,8 a 3,4 a 3,6 a tööstaaz Kõige sagedasem Keskharidus Keskharidus Keskharidus haridus Kõige sagedasem Abielus ja Abielus ja Abielus ja perekondlik seis vabaabielus vabaabielus ...
Hinnangud, hüpoteesid, regressioon Proovitükk nr. 6 Kolmas kodutöö õppeaines Metsandusliku andmetöötluse alused Lähteandmeteks on Teie proovitüki 1. rinde enamuspuuliigi keskmine diameeter (rühmitamata andmed). Kopeerige see tulp sellele samale töölehele. Punkthinnangud, vahemikhinnangud, valimi maht Eeldame, et teie proovitükil mõõdetud andmete põhjal tahame teha järeldusi samalaadse üldkogumi kohta Selleks arvuta järgmised statistikud oma proovitüki kohta 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: keskväärtuse hinnang (aritmeetiline keskmine), 4.921 dispersioon, 7.352 standardhälve, 2.712 standardhälbe viga 0.183 ...
Learning Foreign Language through an Interactive Multimedia Program: An Experimental Study on the Effects of the Relevance Component of the ARCS Model M. - M. CHANG ja J. D. LEHMAN Chang M.-M., Lehman, J. D. (2002). Learning Foreign Language through an Interactive Multimedia Program: An Experimental Study on the Effects of the Relevance Component of the ARCS Model. CALICO Journal. 20 (1), 81 – 89. Töös uuriti sisemise motivatsiooni (SM) ja eluliselt näitlikustatud tehnoloogiliste õppematerjalide (CBIM) kasutamise mõju inglise keelt võõrkeelena õppivate (EFL) õpilaste tulemustele. Uuringus osalesid Taiwani ülikooli õpilased vanuses 19 – 22 eluaastat, kes kõik olid inglise keelt varasemalt õppinud vähemalt 6 aastat. Õpilaste eriala ülikoolis ei olnud oluline. Lõplikes analüüsides kasutati 313 õpilase tulemusi. Uuringus püstitati 4 hüpotees: Kas õpilased, ke...
EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut Metsakorralduse osakond Mikk Sülla Proovitükk nr 613. Hinnangud, hüpoteesid, regressioon Kodune töö nr. 5 õppeaines Metsandusliku andmetöötluse alused II Juhendaja Külliki Kiviste Tartu 2012 Sisukord Sisukord Sissejuhatus Käesoleva töö eesmärgiks on analüüsida, kas proovitükil mõõdetud diameetri jaotus on lähendatav mõne klassikalise teoreetilise jaotusega. Töös on kasutatud Aakre metskonna proovitükki nr. 613 andmeid, mis on saadud EMÜ Metsanduse ja maakorralduse serveris võrgukaustast public:/Metsandusliku andmetöötluse alused 2011/2011]. Samuti on kasutatud K.Kiviste kodulehte [http://www.eau.ee/~kkiviste] kust oli võimalik saada väga täpseid juhiseid, l...
Gümnaasiumi hinded Hinded EMÜ-s Gümn_keskmHinne Gümn_matem õppeaine A õppeaine B õppeaine C õppeaine D 3,27 29 3 3 1 1. Ül.11.1 1 3,5 30 3 3 1 (Points: 2 2) Kopeerige 3,79 59 1 4 2 korrelatsioonimaatriks to 1 3,84 59 1 4 2 usaldusväärsust. 1 Missug 3,87 72 4 ...
ÜLESANNE 1 keskväärtus 12 Variandi Kumulatii esinemise vne inimeste arv tõenäosu tõenäosu Tõenäosu m s P(x=m) s P(xm) s P(x>m) 12 #NAME? #NAME? #NAME? Vastus: tõenäosus, et järgmise minuti jooksul helistab rohkem kui 12 inimest on ~0,424. t on ~0,424. 2 Läbimüük, Tootmisvarud, tuh. kr tuh. kr 192,78 9,400 197,51 9,550 SUMMARY OUTPUT 197,53 9,590 199,48 9,720 Regression Statistics 207,48 10,030 Multiple R 0,9312647 212,50 10,240 R Square 0,867254 200,22 9,820 Adjus...
Gretl - Gnu Regression, Econometrics and Time Series Library Gretl on avatud koodil põhinev vabavara, mida võib legaalselt installeerida oma kodusesse arvutisse või sülearvutisse. Programmi koduleht http://gretl.sourceforge.net/ TÖÖ PROGRAMMIGA Gretl Käivitada programm – avaneb menüü 1. Andmete importimine – File → Open data → Import → nimi.xlsx. Selleks et oleks võimalik andmetabelit Gretl-isse importida tuleb tabel eelnevalt sobivale kujule viia: a) kontrollida, et Exceli tabeli esimeses reas oleksid muutujate nimed (ei peaks sisaldama täpitähti) ning teisest reast alates andmed. sulgeda Exceli fail; b) avada programm Gretl; c) valida File/Open data/Import/Excel d) otsida Exceli fail (muuta Files of type) e) valida, mitmendast veerust ja reast importimist alustatakse f) näidatakse töölehtede , muutujate ja vaatlustulemus...
Mitmene lineaarne regressioon. Regressioonanalüüsi puhul vaatlen üht tunnust kui sõltuvat ning püüan leida tunnuseid, mille põhjal oleks võimalik kirjeldada ning ühtlasi ka prognoosida selle sõltuva tunnuse väärtusi. Käesolevas töös kasutan mitmest lineaarset regressioonimudelit, eesmärgiga uurida sõltumatute muutujate seost matemaatika ärevusega (kodeeritud: suurem väärtus tähendab suuremat ärevust) ja näha, kas vastaja sool on mõju matemaatika ärevusele. Andmebaasiks on PISA testis osalenud 15-aastased õpilased. Kokku vastas testidele 3162 õpilast, kellest 1619 olid tüdrukud (51%) ja 1543 poisid (49%). Joonisel 1 on näha, et uuritava tunnuse jaotus on lähedane normaaljaotusele Viieks sõltumatuks muutujaks käesolevas töös on: matemaatika õpetaja toimetulek klassiruumis (kategooriad:“nõustun täielikult”, “nõustun”, “ei nõustu” ja “üldse ei nõustu”. Suurem väärtus näitab paremat toimetulekut klassiruumis), huvi matemaatika vastu (k...
EESTI PÕLLUMAJANDUSÜLIKOOL Majandus- ja sotsiaalteaduskond Informaatika instituut PIIMA TOOTMINE 2000 AASTAL Kursusetöö aines Ökonomeetria Koostajad: Sille Kasvandik Maris Lees Juhendaja: J. Roots Tartu 2004 SISUKORD PIIMA TOOTMINE 2000 AASTAL.....................................................1 SISUKORD...................................................................................................................2 SISSEJUHATUS.......................................................................................................... 2 1. ÜLDINE STATISTILINE ANALÜÜS....................................................................4 1.1. Sisuline valitud muutujate analüüs.....................................................
Ökonomeetria KT kordamisküsimused 1. Ökonomeetrilise mudeli komponendid. ● Modelleeritavad näitajad: endogeenselt (sisemiselt) määratud ehk sõltuvad muutujad (Y). Väärtused määratakse mudeli siseselt ● Modelleeritavat nähtust mõjutavad näitajad: eksogeenselt (väliselt) määratud ehk sõltumatud, seletavad muutujad (X). Väärtused määratakse mudeli väliselt. ● Statistiliste meetoditega hinnatavad mudeli parameetrid (b). ● Juhuslik komponent ehk vealiige (u). 2. Andmetüübid. Ökonomeetriline mudel baseerub arvandmetel: ● Ristandmed (cross-sectional) ● Aegread (time series) ● Paneelandmed (panel data) Andmed saavad olla kas ● Kvalitatiivsed (ei saa mõõta arvudega, nt haridustase) ● Kvantitatiivsed (mõõdetakse arvudega, nt vanus) 3. Valimvaatlused ja parameetri hinnangu mõiste. ● Uuritav objekt on üldkogum ● Andmebaas on üldjuhul valim Järeldusi soovime teha üldkogumi kohta, selleks kasutame vali...
Järgnevalt on antud allalaadimiskiirus Telia võrgus fikseeritud mõõtepunktides (Mbit/s) Rühmitada andmed klassidesse ja arvutada jaotusfunktsiooni väärtused. Tõlgendada jaotusfunktsiooni neljandat väärtust. Allalaadimiskiirus (Mbit/s) Valimi maht 1.9 Väiksem tulemus 3.9 Suurim tulemus 4.5 Klasside arv 5 Klasside laius 5.6 6.3 6.3 7.6 8.4 9.7 10.9 11.3 11.6 1...
64; 1; 64; 40; 66; 66; 57; 13; 30; 49; 0; 68; 22; 73; 98; 20; 71; 45; 32; 95; 7; 70; 61; 22; 30; 84; 20; 89; 29; 32; 62; 55; 78; 55; 76; 11; 68; 71; 44; 98; 83; 52; 99; 54; 40; 32; 52; 48; 96; 62; 46; 31; 88; 73; 4; 61; 68; 75; 53; 31 Osa A. Hinnangud, usaldusvahemikud, statistilised hupoteesid ja jaotused. Korrastada algandmed arvreaks suuruse jargi ning hinnata eksed tabel 1 xi ni ni*xi ni*xi2 ni(xi-x)2 0 1 0 0 2816,0711 1 1 1 1 1 2710,93778 4 1 4 16 2407,53778 7 1 7 49 2122,13778 11 1 11 121 1769,60444 13 1 13 169 1605,33778 20 2 40 ...
TALLINNA TEHNIKAÜLIKOOL Matemaatika-loodusteaduskond Analüütilise keemia õppetool RASKEMETALLIDE MÄÄRAMINE AHVENAS Magistritöö Kristiina Fuchs Juhendaja: teadur Ph.D Anu Viitak Konsultandid: MSc Leili Järv Bioloogiakandidaat Mart Simm Tartu Ülikool Eesti Mereinstituut Tallinn 2009 Sisukord Sisukord..........................................................................................................................2 1. SISSEJUHATUS........................................................................................................3 2. Kirjanduse ülevaade...................................................................................................4 2.1 Raskemetallid............................................................
Sissejuhatus - Test 1 1. Järjesta skaalad informatiivsuse järgi, alustades kõige vähem informatiivsemast a. kõige vähem informatiivsem nimiskaala b. suurema informatiivsusega järjestusskaala c. kõige informatiivsem intervallskaala 2. Uuringufirma viib Eesti elanikkonna hulgas läbi tööjõu-uuringut. Vali õiged terminid, mis tähistavad toodud mõisteid. a. Eesti elanik objekt b. Uuringu teostamiseks kasutatakse intervjuusid mõõtmismeetod c. Tallinna elanikud osakogum d. need isikud, keda küsitletakse valim e. Intervjuul esitatavate küsimuste komplekt mõõtmisvahend f. Eesti elanikkond üldkogum g. inimese vanus tunnus h. need inimesed, kelle sissetulek on väiksem kui 5000 kr osakogum i. inimese sissetulek tunnus 3. Milliste vaatlustega on tegemist? ...
Loenguplaan · Seos kahe tunnuse vahel kovariatsioon korrelatsioon Harilik lineaarne · Harilik lineaarne regressioonmudel Vähimruutude meetod parameetrite hinnangute leidmiseks regressioonmudel ...
TALLINNA TEHNIKAÜLIKOOL Majandusteaduskond Rahandus ja majandusteooria instituut Matemaatika, statistika ja ökonomeetria õppetool Laura Kallasvee, Liisi Saksakulm BRUTOPALKADE SEOS HARIDUSE, SOO JA ELUKOHAGA EESTI MAAKONDADE LÕIKES AASTATEL 2005-2008 Ökonoomeetriline projekt Juhendaja: dotsent Ako Sauga Tallinn 2014 SISUKORD SISSEJUHATUS.........................................................................................................................4 1. REGRESSIOONANALÜÜS..................................................................................................7 1.1. Ökonomeetriline mudel....................................................................................................7 1.2. Töös kasutatavad andmed.....
Tõug Lakt Mass Piim Rasv_% Valk_% Piimakl EHF 1 492.9 6771.6 4.30 3.14 kõrgem Tunnuste kirjeldus EHF 1 547.8 9695.9 3.42 3.45 esimene EHF 1 506.5 10601.0 3.50 3.20 esimene Tõug - EHF 1 488.3 15697.9 3.52 3.52 esimene EHF eesti mustakirju holstein EHF 1 565.5 9419.2 3.41 3.63 sorditu EPK eesti punane tõug EHF 1 542.6 10558.3 3.72 3.37 kõrgem RHF eesti punasekirju holstein EHF 1 599.5 9806.6 3.55 3.39 kõrgem EHF 1 600.1 10152.1 3.65 3.00 kõrgem Lakt - lehma laktatsiooninumber EHF 1 630.3 9232.4 3.84 3.19 kõrgem Mass - lehma kehamass, kg EHF 1 556.2 11892.5 3.61 3.56 kõrgem Piim - lehma piima kogutoodang lüpsiperio EHF 1 617.3 8803.9 4.26 3.71 esimene Rasv...
Jrk HARIDUS SUGU ASULA TULU KULU PALK 1 4 1 2 240,40 817,51 1 000,00 2 2 1 1 708,29 674,66 2 000,00 3 4 1 1 725,00 754,21 3 500,00 4 5 1 1 800,00 641,75 1 600,00 5 3 1 2 880,82 1 351,81 2 000,00 6 5 2 2 908,63 709,14 1 700,00 7 3 2 1 1 035,67 818,93 2 115,00 8 4 2 2 1 050,84 917,61 1 428,00 9 5 1 1 1 119,87 1 429,05 4 500,00 10 5 2 1 1 370,20 1 011,09 2 780,00 11 5 1 1 1 383,33 925,63 1 800,00 12 6 2 2 1 414,59 914,67 2 700,00 13 5 ...
RIIK SUGU PIKKUS MASS PEA_P JALANR ODE_VEND MAT_HINNE HOMMIK PUDER Eesti M 186 95 59 44 1 4 võileib jah Eesti N 170 85 57 42 6 4 helbed või müsli nii ja naa Eesti N 169 50 54 38 1 3 võileib jah Eesti M 180 70 56 43 0 3 helbed või müsli nii ja naa Eesti N 170 55 55 37 1 4 ei söö tavaliselt ei hommikul Eesti N 160 58 55 38 1 5 võileib ei Eesti N 161 57 55 39 1 4 võileib jah Eesti N 171,5 59 57 38 1 ...
ÄRIUURINGUTE ALUSED TMO0150 UURINGUTE VAJALIKKUS Me ei saa otsustada tähtsates küsimustes ilma asjakohast informatsiooni sügavamalt uurimata, kogudes rohkem teavet aspekti kohta, millest me oleme huvitatud. Seejärel me analüüsime kogu seda informatsiooni, et võtta vastu otsus meie probleemi õige lahenduse kohta või vastata kerkinud küsimustele. Äriuuringutes töötame me tavaliselt probleemidega, millega puutuvad kokku juhid ja ettevõtted, näiteks: kuidas siseneda teatud turule; millised faktorid mõjutavad toiminguid ühisettevõttes; missugused tegurid mõjutavad uue toote edukat väljalaskmist; kas reklaami või kui palju reklaami on vaja kindla toote turundamiseks. Uurimata ei saa me vastata ülaltoodud või nendega sarnastele küsimustele. Niihästi kui informatsiooni süstemaatilist kogumist ja kriitilist analüüsi, on meil vaja õppida ka seda, kuidas asjad käivad, te...
Ülesanne 1. 2. 3. 4. 5. 6. ühele aastale 1 ja teistele panen 0 Aasta 2001 1999 1994 1 Harju 2002 0 0 0 2 Hiiu 2002 0 0 0 3 Ida-Viru 2002 0 0 0 4 Jõgeva 2002 0 0 0 5 Järva 2002 0 0 0 6 Lääne 2002 0 0 0 7 Lääne-Viru 2002 0 0 0 8 Põlva 2002 0 0 0 9 Pärnu 200...
Tartu Ülikool Loodus- ja tehnoloogiateaduskond Tartu Ülikooli Ökoloogia ja Maateaduste Instituut Geograafia osakond Magistritöö HALLISTE LUHA TAIMKATTE MUUTUSTEST Eha Puusild Juhendajad: Prof. Tõnu Oja MSc. Laimi Truus Tartu 2008 SISUKORD 1. SISSEJUHATUS...................................................................................................................3 1.1. Pool-looduslike koosluste mõiste ja väärtus................................................................3 1.2. Luharohumaade mõiste, kujunemine ja looduslikud tingimused (taimekooslused ja levik) .................................................................................................................
Termosüsteemides inimese südamerütmi kasutamise võimalikuse uuring Kokkuvõte Tänapäevase temperatuurimugavuse teooria järgi on ainevahetuse kiirus(metabolic rate) ja riiete isolatsioon ühed olulised kriteeriumid mis mõjutavad inimese temperatuuri tunnetust. Südamerütm on olulises seoses inimese ainevahetuse kiirusega seega võib uskuda, et see on otseses või vähemalt kaudses seoses inimese temperatuurimugavusega. Tänapäeva teooriates on inimese temperatuurimugavuse analüüsid tehtud põhiliselt lähtudes erinevate kehaosade temperatuurist või kogu keha temperatuurist, kuid südamerütmi mõju uuritavale valdkonnale pole siiani veel väga põhjalikult analüüsitud. Selles artiklis kirjeldatakse uuringut, mille eesmärk oli just uurida seos inimese südamerütmi ja välistemperatuuri vahelisi seoseid erinevate tegevuste vältel. Lisaks uuriti kas kehamassiindeks ja katsealuse sugu mõjutavad katsetulemusi. Tulemused näitasid, et südamerütmis oli märgat...
1. Andmestiku kirjeldus Analüüsile on võetud Statistikaameti poolt esitatud andmed. Andmestik on koos kahe tabeli alusel. Esimene on : PO047 Abiellud ja lahkumised (analoogne RV2 ABIELUD). Teine on PO032 : Sünnid, surmad ja loomulik kasv aasta sugu ja indikaatori alusel. Andmed olid valitud nii, et tabelist PO047 võetud aastad on 1 2014 ning PO032 1986 - 2015. See lubab oletada, et abiellude arv määrab järgm aastal sündinute laste arvu. Abiellude Sündide arv (xi) aasta (yi) aasta arv (xi) (yi) 1985 1986 12861 24106 1986 1987 13000 25086 1987 1988 13434 25060 1988 1989 12973 24318 1989 1990 12644 22...
Netosissetulek Sugu Vanus Haridustase Elukoht kuus Kehakaal 1 2 2 1 1 3 1 2 2 1 1 5 2 2 4 2 2 2 2 3 4 1 2 5 1 2 2 2 1 2 2 2 2 1 1 4 1 2 2 1 2 1 2 2 2 1 1 6 1 3 3 1 1 4 1 2 2 1 2 6 1 2 2 1 3 2 1 2 2 1 1 3 2 2 3 1 2 2 1 2 2 1 ...