1. a) A = 4; B = 4; D = 1 Imiteerimisvalemi kood T S0 4 LS 1 T0 2 LT 1 Y=g(X)=sign(X)D1-T|X|T x Y -10 -100.00 Teisendusfunktsiooni y=sign(x)D1-T|x|T graafik baasväärtustel S0 ja T0 -9 -81.00 150 -8 -64.00 100 -7 -49.00 -6 -36.00 50 -5 -25.00 0 -4 -16.00 -10-9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 -3 -9.00 -50 -2 -4.00 ...
Kirjeldav statistika Uuritavad indiviidide või esemete kogu või uuritavat juhulikku nähtus, mille kohta tahetakse otsuseid langetada, nimetatakse statistiliseks kogumiks (ka valimiks). Kogumit uuritakse tema objektide mingi omaduse järge, mida nimetatakse tunnuseks. Tunnused · Arvulised tunnused (pikkus, aeg, temperatuur jne) · Mittearvulised tunnused (silmade ja juuste värvus näiteks) Statistiline rida a1, a2, a3, ..., an - Statistilise rea liikmed N Kogumi maht (statistilise rea maht) 01) Ühe klassi kontrolltöö hinnete rida oli järgmine: 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 5. (variatsioonirida) Kui kirjutatakse realiikmed kasvavas või kahanevad järjekorras (võrdsed liikmed kirjutatakse järjest), siis saadakse variatsioonirida. Sagedustabel Hinne x 2 3 4 5 Sagedus fa 3 7 10 8 fb 2 5 9 6 N: 2+5+9+6 = 22 Igale hindele vastab tema esinemise arv. N ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valim A mahuga N=25 variatsioonirida: 69 10 76 79 84 41 15 87 44 49 38 16 58 7 24 19 82 1 40 38 35 87 51 1 69 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x = 44,80 Dispersioon: Excel: VAR Sx² = 814,417 Standardhälve: Excel: STDEV Sx = 28,538 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Excel: MEDIAN Me = 41 Haare: ...
Ande Andekas-Lammutaja Matemaatika Statistika Statistiliseks kogumiks e. valimiks nimetatakse uuritavat indiviidide või esemete kogu või uuritavat juhuslikku nähtust, mille kohta tahetakse otsust langetada. Tunnus jaguneb sõnaliseks (silmavärv) ja arvuliseks (kinganumber), mis jaguneb omakorda pidevaks (võib omada igat reaalarvulist väärtust) ning diskreetseks. Statistilises reas on andmed suvalises järjekorras. Variatsioonireas on andmed kasvavas või kahanevas järjekorras. Sagedustabeli esimeses reas on tunnus x, teises sagedus f. Jaotustabeli esimeses reas on tunnus x, teises suhteline sagedus W. Jaotushulknurk e. jaotuspolügoon on jaotustabelile vastav sirglõikdiagramm. Statistilise vahemiku e. klassi optimaalse arvu määrab N . Jooniseks saadakse tulpidagra...
Ülesanne1 Mis tüüpi tunnus on lehmade arv. Leia tunnuse lehmade arv jaoks: 1) Leia statistikud ja kirjelda nende abil tunnuse jaotust. 2) Kas tunnus on normaaljaotusega? 3) Tee histogramm 4) Leia üldkogumi keskväärtuse 95% usaldusintervall Valimi põhjal Lehmade arv Lehmade arv on diskreetne tunnus. 667 Lehmade arv 722 1339 Mean 842,4194 Keskväärtust ja mediaani võib lugeda ligilähedaseks, mi 1636 Standard Error 40,80659 Järsakus on väike. 1048 Median 832,5 1886 Mode 1074 klassipiirid 748 Standard Deviation 321,3114 400 401 Sample Variance 103241 600 1113 Kurtosis 0,795697 ...
Iseseisev töö nr 1. Mõõtmistulemuste asendi- ja hajuvuskarakteristikute arvutamine. Histogrammi koostamine. Ülesanne 1. Arvutada ühele suunale tehtud 50 lugemi sekundiosade põhjal mõõtmistulemuste asendi- ja hajuvuskarakteristikud. Koosta mõõtmistulemuste kohta histogramm. Vastavalt tööjuhendile koostame ette antud andmetest variatsioonirea kasutades selleks Excel’is olevat Sort funktsiooni. Järgnevalt leiame valimi aritmeetilise keskmise Average käsuga. Lisaks tuleb leida valimi mood, mediaan, dispersioon ja standardhälve kasutades selleks Excel’i funktsioone. Järgnevalt antud valimile vastavad mainitud suurused: 1. Aritmeetiline keskmine- 37,8 2. Valimi mood- 32,1 3. Valimi mediaan- 37,9 4. Valimi dispersioon- 9,7 5. Valimi standardhälve- 3,1 Lisaks tuleb leida valimile vastavad asendi-ja hajuvuskarakteristikud Excel’i ...
Oskar Lutsu Palamuse Gümnaasium Riina Meos 12. klass Uurimustöö Kas kehakaal sõltub toitumisharjumustest? Juhendaja: Kadri Lille Palamuse 2008 Sisukord ................................................................................................................................................2 Sissejuhatus............................................................................................................................ 3 Valimi iseloomustus...............................................................................................................5 1.1 Sagedustabel.................................................................................................................6 1.2 Histogramm......................
Oskar Lutsu Palamuse Gümnaasium Rauno Sander 12. klass Uurimustöö Kas õppeedukus sõltub koolitee pikkusest? Juhendaja: Kadri Lille Palamuse 2008 Sisukord ................................................................................................................................................2 Sissejuhatus............................................................................................................................ 3 Valimi iseloomustus...............................................................................................................5 1.1 Sagedustabel.................................................................................................................6 1.3 Histogramm............................................................
N N (variatsioonrida) Keskväärtus Dispersioon Standardhälve 12 1 45.12 1165.026667 34.1324869687 6 4 11 6 ÜL 4 62 7 Vahemikud Tõenäosus/laius 21 10 0-20 0.016 62 11 21-40 0.01 7 12 41-60 0.004 98 15 61-80 0.008 10 21 81-100 0.012 1 25 52 27 Normaaljaotus 27 33 Vahemikud Tõenäosus/laius 81 38...
Aine Rakendusstatistika MHT0031 Arvestusharjutus AGT-2 Nimi xxx Kood Rühm Imiteerimisvalemi kood TRAP S0 0,25 A 7 T0 4 B 6 LS 0,25 D 2 LT 1 n1 n2 n3 n4 n5 n6 1 0 3 6 3 0 A 7 B 6 D 2 T0 4 S0 0,25 U1 0,82262 U2 0,684927 D=2 1. T0=4 S0=0,25 Y=g(X)=sign(X)D1-T|X|T x y Teisendusfunktsiooni y=sign(x)D1-T|x|T graafik baasväärtuste -10 0,00 -9 0,00 0 -8 0,00 -7 0,00 0 -6 0,00 -5 0,00 ...
ELEKTRIMÕÕTMISED ELECTRICITY MEASUREMENTS 3. parandatud ja täiendatud trükk LOENGU KONSPEKT Koostas: Toomas Plank TARTU 2005 Sisukord Sissejuhatus ......................................................................................................................................... 5 MÕÕTMISTEOORIA ALUSED ........................................................................................................ 6 1. Mõõtmine, mõõtühikud, mõõtühikute vahelised seosed.............................................................. 6 1.1. Mõõtmine ............................................................................................................................ 6 1.2. Mõõtühikud ja nende süsteemid ..........................................................................................
docstxt/129544194986833.txt
TALLINNA ÜLIKOOL Loodus- ja terviseteaduste instituut Keskkonnakorralduse ja bioloogia õppekava TEADUSLIKU MÕTTEVIISI PRAKTILINE ANDMEANALÜÜS Iseseisev töö Koostajad: Tallinn 2017 Iseseisev töö nr 1 Ülevaade vastajatest Küsimustikule vastas 5836 inimest kellest 43% ehk 2528 olid mehed ja ülejäänud 56,7% naised. 28,5% ehk 1661vastanut olid Eestlased, 37,6% Soomlased ja 33,9% Lätlased. Kõige noorem vastaja oli 15 aastane ning vanim 96 aastane. 1)Sagedustabel sugu: Kui paljud suur osa vastanutest on naised? 2)Risttabel kõrgeima omandatud hariduse ja elukoha riigi suhe: Kui suur osa eestlastest oli lõpetamata kõrgharidusega kõigist vastanutest? 3)Kirjeldavad arvnäitajad vastajate kooliskäidud aastate kohta: 4)Tulpdiagramm vastajate perekonnaseisu kohta: Kui suur osa vastanutest on ...
Praktikum nr. 7. Polügonomeetriavõrgu tasandamine programmiga GEO Ülesanne. Teostada Tartu linna 2. järgu geodeetilise põhivõrgu osa tasandamine programmiga „Geo“. Vastavalt lähteandmetele koostame horisontaalse geodeetilise võrgu taasandusfaili. Sinna paneme mõõdetud nurgad ja joonepikkused. Lisaks nende standardhälbed. Samuti tuleb faili panna ka lähtepunktide koordinaadid ning tundmatute punktide esialgsed ligikaudsed koordinaadid. Esmalt teostame vaba tasanduse (DataAdjustFree adjustment with translation and rotation) ning seejärel lisaks seotud tasanduse (DataAdjustStrict adjustment). Saadud tasandusaruannete abil teostame F-testi. Koostame hüpoteesid: S 21 =1 või S 21 = S 22 H0: S 22 S 21 ≠1 või S 21 ≠ S 22 HA: S2 2 suurem dispersioon F- statistiku leiame F= väiksem dispersioon kaudu. Kuna tasandusaruannetes olevad dispersioonid on vaba tasanduse pu...
Kooli nimi Nimi 11. klass Uurimustöö KAS AJALOO JA ÜHISKONNAÕPETUSE HINDED ON OMAVAHEL SEOSES? Juhendaja: nimi aasta Sissejuhatus Minu uurimustöö eesmärgiks on teada saada kas ajaloo hindel on seos ühiskonnaõpetuse hindega või vastupidi. Valisin sellise teema, sest tahtsin teada saada kas ajaloo hinne sõltub ühiskonna hindest või vastupidi, või kas kahe aine vahel on üldse seost. Eelkõige tundus teema huvitav, sest kahte ainet õpetab üks õpetaja. Hüpotees: Kas ajaloo ja ühiskonnaõpetuse hinded on omavahel seoses? Uurimustöö üldkogum on 9. Klass, millest valimi moodustab 20 õpilast. 10 poissi ja 10 tüdrukut. Hinded sain teada suulise küsitlemise teel. Mõlema aine hinnete puhul on tegemist järjestustunnustega. Kõik arvutused on tehtud Microsoft Excelis vastavate valemitega. 1. Uurimustöö...
Osa A Variatsioonrida: N=25 1 4 6 7 1 1 1 1 2 2 2 3 3 4 5 6 6 7 7 8 8 9 9 9 98 0 1 2 5 1 5 7 3 8 6 2 2 2 1 4 1 7 4 5 6 N 1 1. ´x = N x i=45 i=1 N 1 s 2= N-1 i=1 ( xi -´x )2=1170 s= s2=34 Mediaan: variatsioonrea 13. element 38 x max-x min =97 Haare: 2. =0,10 t 0,95 ( 24 )=1,71 t 0,95 ( 24 ) s = =12 N Keskväärtuse alumine piir: ´x - =33 Ülemine piir: ´x + 57 20,05 (24)=13,85 ...
i xi N 25 1 71 Keskväärtus 44,12 2 43 Dispersioon 673,44333333 3 56 Standardhälve 25,950786758 4 17 Mediaan 51 5 56 Haare 88 6 9 7 29 8 24 0,1 9 33 t1-/2 0,95 10 4 f (vabadusaste) 24 11 53 12 51 t1-/2(f) (t kvantiil) 1,7109 13 80 (poollaius) 8,8798 14 36 15 54 Keskväärtuse usaldusvah. 16 84 alumine ...
Kool 14-18 AASTASTE TÜDRUKUTE TANTSIMAS KÄIDUD AASTAD Uurimustöö matemaatikas Nimi Klass Juhendaja Tallinn 2011 Sisukord Sissejuhatus..................................................................................................................... 3 Uurimustöös esinevad mõisted, tähised ja seletused....................................................... 3 1. Hinnete tabel küsitluse põhjal.......................................................................................... 5 2. Statistiline rida................................................................................................................. 5 3. Variatsioonirida..............................................................................................................
katse nr. ti |ti-to| [msek] [msek2] 1 2045 44 1936 2 1925 -76 5776 3 1951 -50 2500 4 2042 41 1681 5 1923 -78 6084 6 1937 -64 4096 7 2011 10 100 8 1937 -64 4096 9 1896 -105 11025 10 1808 -193 37249 11 1761 -240 57600 12 1981 -20 400 13 1957 -44 1936 14 1847 -154 23716 15 2127 126 15876 16 1936 -65 4225 17 1909 -92 8464 18 1972 -29 841 19 2006 5 25 20 1987 -14 ...
Harjutus 1 4 punkti Viidi läbi ostjate küsitlus leivatoodete eelistuste kohta. Küsitleti 40 ostjat ja küsimuseks oli: "Millist leiba kõige sagedamini ostate?" Vastusevariandid olid: Koosta sagedustabel. Loo histogramm, näita väärtused, leiva sordid, pealkiri, ilma raamita. Sort Kood Viru 1 Madise 2 Taluleib 3 Toolse 4 Muu 5 Ostja Vastus 1 #NAME? 2 1 3 3 4 4 5 2 6 3 7 4 8 1 9 2 10 2 11 1 12 3 13 2 14 1 15 2 16 3 17 2 18 2 19 1 20 ...
Keili Kajava Rakendusstatistika arvutusgraafiline töö 2010 Keili Kajava Osa A 1. Keskväärtus: Dispersioon: Standardhälve: Mediaani leidmiseks rivistan arvud tabelis kasvavasse järjekorda ja leian sealt valimi keskel oleva väärtuse ehk tabeli algusest või lõpust 13.-nda arvu (sest valimi maht on 25). Me=44 Haare: R=99-2=97 2. Keskväärtuse usaldusvahemiku leidmine 1 Keili Kajava (leitud t-jaotuse tabelist) Dispersiooni usaldusvahemiku leidmine (tuleb jaotuse tabelist) (tuleb jaotuse tabelist) 3. 3.1 Kuna |t| < t0,95(24) (|-0,648| < 1,711), siis võib järeldada, et põhikogumi keskväärtus ...
Osa A 2 i xi ( x i−´x ) 1 1 1921,946 2 1 1921,946 3 7 1431,866 4 10 1213,826 5 15 890,4256 6 16 831,7456 7 19 667,7056 8 24 434,3056 9 35 96,8256 10 38 46,7856 11 38 46,7856 12 41 14,7456 13 41 14,7456 14 44 0,7056 15 49 17,3056 16 51 37,9456 17 58 173,1856 18 69 583,7056 19 69 583,7056 20 76 970,9456 21 79 1166,906 22 82 1380,866 23 84 1533,506 24 87 1777,466 25 87 1777,466 ∑ 1121 19537,36 1. Selle valimi: ∑ xi ni = Keskväärtus: μ= n ∑ xi pi=44,84 N 1 1 Hinnang: ^μ= x´ = N ∑ x i= 25 ∙ 1121=44,8 ...
OSA A 1. Leian 1.1 keskväärtuse 1 N µ^ = x = xi = 46, 2 N i =1 Excel: AVERAGE 1.2 dispersiooni 1 N ^ 2 = s 2 = ( xi - x )2 = 867,9 N - 1 i =1 Excel: VAR 1.3 standardhälbe sx = sx2 = 29, 46 Excel: STDEV 1.4 mediaani Me = 46 Excel: MEDIAN 1.5 haarde R = xmax - xmin = 99 - 0 = 99 2. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,10, leian 2.1 keskväärtuse usaldusvahemikud P ( x - µ < µ < x + µ ) = p s 29, 46 µ = t1- ( f ) = 1, 7109 = 10, 29 2 N 24 Student'i teguri leidsin tabelist. P (46, 2 - 10, 29 < µ < ...
MHT0030 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. Keskväärtus =46,20 Dispersioon =867,91 Standardhäve =29,46 Mediaan Me=46 Haare R = xmax xmin = 99 0 = 99 2. Keskväärtuse usaldusvahemik eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10: t, N-1 on arvutatav Exceli TINV funktsiooniga: 1,711 Dispersiooni usaldusvahemik eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10 ning põhikogumit moodustavate mõõdiste arv n = 25: ja on arvutatav Exceli CHIINV funktsiooniga, ning on vastavalt: 36,415 ja 13,843 3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,10) 3.1 H0: = 50 alternatiiviga H1: 50 Et Hüpotees vastu võetaks, peab tkr > t; 1,71 > -0,645. Seega hüpotees ...
KODUNE ÜLESANNE NR. 5 IFI7041 Mart Rosin Euroopa Sotsiaaluuringu raames 2008 aastal läbiviidud uuringu andmestiku faili nr 5. Eesti andmete põhjal. 1. a) Kõrgeim omandatud haridustase b) Sektordiagramm c) d) Järeldus: Veerand uuringus osalenutest on põhiharidusega või alla selle. Ja liialt palju on kõrghariduse omandamise pooleli jätnud võrreldes lõpetanutega. 2. a) Tervislik seisund ja vanus, tulpades toodud välja vastanute vanusegrupi keskmine vanus. b) Tulpdiagramm c) d) Järeldus: Kui pensioniiga kätte jõuab on Eesti inimeste tervislik seisund juba väga halb, seega ei ole mõtet koguda raha pensionifondi. 50+ inimeste enese terviseseisundi hinnang on ülehinnatud, kuna võrreldes arenenud riikide sama vanusegrupi inimestega on Eesti elanikel selles vanusegrupis pigem juba halb tervis, mitte rahuldav. 3. a) Uuringus osalenud vastajate arv vanu...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 12 6 11 62 20 62 7 98 10 1 52 27 80 25 94 46 38 74 95 33 71 15 96 4 87 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=45, 04 Dispersioon: Excel: VAR Sx²=1164,123 Standardhälve: Sx=34,1193 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=38 Haare: R=97 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: ...
Andmeanalüüs Kordamisteemad 1) Uurimistsükkel: millised etapid eelnevad ja järgnevad andmeanalüüsile. Uurimisprobleem, kust probleem tuleb, teooria, praktiline probleem, varasemad uurimused Konkreetsed uurimisküsimused: mida teada tahan, millistele küssadele tahan vastust, hüpoteeside sõnastamine. Uurimismeetodid: Millised meetodid aitavad lahendada. Kvantitatiivsed meetodid- kui palju midagi esineb, arvuline, suhteliselt palju uuritavad. Kvalitatiivsed meetodid- Kuidas midagi kirjaldatakse, sõnaline, vähem uuritavad. Kombineeritud meetodid- kasut koos. Andmed.kas olemas või vaja koguda. Keda uurida: kas valim või üldkogum. Kuidas andmeid koguda: küsitlus, intervjuu, Vaatlus Andmete sisestamine ja analüüs, tulemuste esitamine ja järelduste tegemine 2) Ankeedi koostamine: mida tuleks silmas pidada hea ankeedi koostamisel; küsimuste tüübid, vastuste tüübid. Ankeedi struktuur · Sissejuhatus: miks uurimust tehakse, anonüümsus, võimal...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 75 10 79 32 32 0 68 94 96 2 99 53 31 15 48 47 29 70 7 75 28 30 42 47 46 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=46,20 Dispersioon: Excel: VAR Sx²=867,9167 Standardhälve: Sx=29,46 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=46 Haare: R=99 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: ...
# A N 25 xi F0(xi) 1 62 keskväärtus 53,24 77 9 0,09 2 37 dispersioon 705,69 264 15 0,15 3 81 standardhälve 26,56 771 18 0,18 4 54 mediaan 51 1 19 0,19 5 18 haare 85 1242 30 0,30 6 9 1957 32 0,32 7 43 T-qvantiil 1,711 105 33 0,33 8 89 delta mu 9,1 1279 37 0,37 9 19 1172 41 0,41 10 ...
Rakendusstatistika kodutöö aruanne Osa A 1. Leida keskväärtuse (aritmeetiline, harmooniline, geomeetriline), dispersiooni, standardhälbe, mediaani, moodi ja haarde hinnangud. Aritmeetiline keskmine 48,633 Geomeetriline 38,58 kesmine 26,53 Harmooniline keskmine Dispersioon 768,372 Standardhälve 27,720 Mediaan 47 Mood 33 Haare 95 Kasutatud valemid: Aritmeetiline keskmine N 1 ^= x´ = x N i =1 i Geomeetriline keskmine Harmooniline keskmine 2 N ^ =s 2= 1 ( x - x´ )2 Dispersioon ¿ N -1 i=1 i ¿ Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Mood tunnuse kõige sagedamini esinev...
Arvutusgraafiline töö | Mihkel Heinmaa | MHT0030 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Mihkel Heinmaa | YAGB31 | sügis 2010 Osa A 1. Keskväärtus: Excel: AVERAGE Dispersioon: ( ) Excel: VAR Standardhälve: Excel: STDEV Mediaan: Mediaan on va...
Euroakadeemia Kujunduskunsti teaduskond MD II Arvutigraafika Referaat Õppejõud: Tallinn 2013 Sisukord Sissejuhtus 1. Photoshopi paneelid 1.1 Tools presets 1.2 History 1.3 Action 1.4 Histogram 1.5 Layers 1.6 Channels 1.7 Paths 1.8 Paragraph 1.9 Character 1.10 Notes 1.11 Navigator 1.12 Color 1.13 Clone source 1.14 Adjustments 1.15 Swatches 1.16 Info 1.17 Brush 1.18 Brush presets 1.19 Timeline 2. Photoshopi tööriistad 2.1 Märgistamise tööriistad 2.1.1 Rectangular Marquee Tool 2.1.2 Elliptical Marque Tool 2.1.3 Lasso Tool 2.1.4 ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 0 2 7 1 0 1 5 2 8 2 9 3 0 3 1 3 2 3 2 4 2 4 6 4 7 4 7 4 8 5 3 6 8 7 0 7 5 7 5 7 9 9 4 9 6 9 9 Valimi A mahuga N=25 variatsioonirida: 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x = 46,20 Dispersioon: Excel: VAR Sx² = 867,92 Standardhälve: Sx = 29,46 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 46 Haare: R= 99 - 0 = 99 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 Dispersiooni usaldusvahemik: ...
Osa A Andmed: 7 2 3 3 1 1 4 3 3 3 6 5 6 1 2 9 7 5 7 8 5 2 4 1 8 7 9 7 4 8 5 3 1 9 3 5 9 5 8 4 6 1 3 0 7 6 9 1. Valimi parameetrite hindamine. Kasutan järgmisi valemeid: Keskväärtus: 44,28 Dispersioon: 772,46 Standardhälve: 27,79 Mediaani ja haarde leidmiseks teeme valimi liikmete ümberjärjestust: 1; 2; 5; 14; 18; 19; 25; 27; 31; 33; 37; 39; 39; 45; 46; 50; 56; 63; 65; 71; 74; 77; 83; 89; 98 Mediaan: 39 Haare: 98 1 = 97 2. Leian keskväärtuse ja dispersiooni usaldusvahemikud (usaldusnivoo = 0.10), eeldades üldkogumi normaaljaotust Keskväärtuse jaoks kasutame t-statistikut f = N 1 = 24 t0.95(24) = 1.711 = 9.51 Keskväärtuse usaldusvahemik arvutatakse valemiga: P(34,77 < < 53,79) = 90% Dispersiooni usaldusvahemiku leidmiseks kasutatakse 2-statistikut f = N 1 =...
Majandusstatistika eksamiküsimused FK100 1. Statistika mõiste. Üldkogum ja valim. Rühmitatud andmed. Statistilise materjali graafiline esitamine (histogramm ja kumulatiivse sageduse graafik). Statistika on andmete kogumine ja töötlemine, statistilised andmekogumid, teadusharu, mille põhiülesandeks on massinähtuste vaatlemine, nende kohta andmete kogumine ja analüüsimine ning selle põhjal järelduste ja üldistuste tegemine ning praktiliste lahenduste pakkumine Üldkogum antud tunnustega elementide hulk (nt. koolis õpilaste hulk), N Valim- juhuslik alamhulk üldkogumist (nt õpilaste seast tüdrukute hulk), valimi vaatluse läbi püütakse teha järeldusi üldkogumi kohta. Rühmitatud andmed- korrastamata statistilise rea andmed, mida rühmitatakse klassidesse e. intervallidesse skaalal Statistilise materjali graafiline esitamine: 1. Valimi elementide korrastatud hulk e. variatsioonirida (sageli rühmitatakse...
jrk ni xi ni * xi ni 2 1 1 2 2 2089.25 2088.49 0.04 4 2 1 4 4 1910.42 1909.69 0.08 7 3 1 7 7 1657.17 1656.49 0.12 8 4 1 8 8 1576.75 1576.09 0.16 9 5 1 9 9 1498.34 1497.69 0.2 13 6 1 13 13 1204.67 1204.09 0.24 18 7 1 18 18 882.59 882.09 0.28 24 8 1 24 24 562.09 561.69 0.32 26 9 1 26 26 471.25 470.89 0.36 34 10 1 34 34 187.92 187.69 ...
45.04 Keskväärtus 45 ül4 1 Dispersioon 1167.833 1164.123 intervalli 4 Mediaan 38 1 6 Haare 97 2 7 t-statistik -0.706614 3 10 μ 50 4 11 5 12 1.7108820667 15 20 25 0.4780363352 10 H 27 0.4168338365 9 33 1.710882 8 38 36.41503 7 46 13.84843 52 1164.123 6 62 34.11925 5 62 4 71 74 3 80 2 87 ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. Valim mahuga N = 25 jrk ni xi ni * xi ni * 2088, 1 1 2 2 2089,25 49 1909, 2 1 4 4 1910,42 69 1656, 3 1 7 7 1657,17 49 1576, 4 1 8 8 1576,75 09 1497, 5 1 9 9 1498,34 69 1204, 6 1 13 13 1204,67 09 882,0 7 1 18 18 882,59 9 561,6 8 1 ...
Andemanalüüsi konspekt: Mõisteid küsitakse eksamis: näidete toomise, selgitamise, võrdlemise ja analüüsimise tasandil. Binaarne tunnus- sugu; jah/ei Järjestustunnus- kooli tüüp, 1-väga hea, 2- hea jne(NB!- Õpilaste hinnang koolile), kui suured on klaassid- väga suured, suured jne, milline kooli maine- väga hea, hea jne, millisesse vahemikku jääb arv (0-200, 201-301 jne) oluline oleks, et Display frequence ees oleks linnuke, siis saab teha sagedustabeli Intervalltunnus- 1-väga hea, 2-hea jne (NB!_- Kooli hoolekogu hinnang eelmise õppeaasta tulemustele?/ Kooli hoolekogu hinnang eelmise aasta juhtimisele?) , hulk (n: minu klassi avatakse), vanus (keskmine vanus), kui kaugel asub kool millestki- km-tes, Nimitunnus- millegi nimi, huviringude nimed, kooli nimi jne, kas koolis töötab nõustaja- ei tööta, töötab, mõlemad jne, Kiire üle...
Andmed mingi tunnus või omadus. Tunnus omadus, nt keskmine pikkus, kummas paralleelklassis läks matemaatika eksamitöö paremini jne. Arvuline tunnus väärtuseks on arvud, nt pikkus, palk, hinne jne. Mittearvuline tunnus väärtuseks ei ole arvud, nt sugu, rahvus, haridus, juuste värv. Järjestustunnus tunnus, mille väärtusi saab sisu põhjal järjestada, nt matemaatika kt hinne, skaala küsitluses. Nominaaltunnus tunnus, millel on rohkem kui kaks erinevat väärtust, kuid ei leidu ühtegi sisulist järjestust, mis haaraks kõik tunnuse väärtused, nt rahvus, silmade värv. Binaarne tunnus ainult kaks teineteist välistavat tunnust, nt sugu. Pidev tunnus võib omandada kõiki reaalarvulisi väärtusi mingist piirkonnast, nt kaal, kasv, aeg, temperatuur. Diskreetne tunnus - tunnus võib omandada vaid üksteisest eraldatud väärtusi, väärtused saadakse tavaliselt loendamise teel, nt elanike arv majas, õpilaste arv klassis vms. Statistiline rida ...
TALLINNA TEHNIKAÜLIKOOL Automaatikainstituut Rauno Kaasik 093581 Juhuhälbed Labor 4. Aines ISS0050 Môôtmine Juhendaja: Rein Jõers Brigaadis: Rauno Kaasik Urmo Saar Esitatud: Kaitstud: Käesolevaga kinnitan, et töö on tehtud minu poolt ning selle aruande kirjutamisel ei ole kasutatud kõrvalist abi. ________________ (allkiri) Tallinn 2010 Töö iseloomustus Juhuhälvete pôhjusi on palju ning nende väärtusi ei ole vôimalik ennustada, küll aga hinnata. Töö eesmärk Käesolevas töös vaatleme olukorda, kus môôdetav suurus ise ei ole juhusliku iseloomuga, vaid juhuhälbed môôtmisel on pôhjustatud môôtmisprotsessist. Töövahendid Generaat...
Korrastamata algandmete valim 37,3 37,18 37,95 37,02 37,57 37,52 37,29 37,36 37,46 37,64 37,41 37,36 37,18 37,27 37,6 37,2 37,67 37,18 37,17 37,69 37,95 37,37 37,5 37,58 37,71 37,11 37,39 37,59 37,62 37,45 37,74 37,85 37,22 47,05 37,39 37,17 37,43 37,39 37,82 37,44 37,36 37,04 37,49 37,53 37,24 37,52 37,99 37,98 37,48 ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 22 96 91 75 74 75 25 79 12 38 95 10 71 0 79 24 86 91 96 5 40 85 69 82 39 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=58,36 Dispersioon: Excel: VAR Sx²=1072,74 Standardhälve: Excel: STDEV Sx=32,75 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Excel: MEDIAN Me=74 Haare: =96-0=96 R=96 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik...
Tallinna Tehnikaülikool, Automaatikainstituut Töö nr. 3 nimetusega JUHUHÄLBED aines LAV3730 Mõõtmine Töö tehti 8. mai 2001 brigaadiga koosseisus: Priit Kahn Anneli Kaldamäe Aruanne üliõpilane ANNELI KALDAMÄE 991476 LAP-41 aruanne esitatud aruanne kaitstud Töö iseloomustus Juhuhälvete pôhjusi on palju ning nende väärtusi ei ole vôimalik ennustada, küll aga hinnata. Töö eesmärk Käesolevas töös vaatleme olukorda, kus môôdetav suurus ise ei ole juhusliku iseloomuga, vaid juhuhälbed môôtmisel on pôhjustatud môôtmisprotsessist. Töövahendid Generaator G6-27, ajaintervallide mõõtja RC3-07-002 Töö käik Ajaintervallide käsitsi mõõtmine Katsetaja môôdab generaatori impulsi pikkust jälgides valgusdioodi ning vajutab nupule valguse süttides ja kustudes. Ajaintervalli kahe vajutuse vahel môôde...
1. Statistiline kogum – uuritav kogum, mille kohta tahetakse järeldusi teha 2. Arvtunnus – arvuline tunnus – tunnus, mille väärtuseks on arvud, nt inimese pikkus, palga suurus. Jaguneb pidevateks ja diskreetseteks. 3. Mittearvuline (nominaal) tunnus – tunnus, mille väärtuseks ei ole arvud, nt rahvus, silmade värv 4. Pidev tunnus – tunnus, mis võib saada kõiki reaalarvulisi väärtusi mingist piirkonnast, nt kehakaal, temperatuur. 5. Diskreetne tunnus – tunnus, mis võib saada vaid üksikuid eraldiseisvaid (tavaliselt täisarvulisi) väärtusi. Nt seemnete arv viljapeas, tähtede arv sõnas, lehekülgede arv raamatus. 6. Statistiline rida – uuritava kogumi objektide mõõtmisel saadav vaadeldava tunnuse väärtuste rida. (andmed ajalises/mõõtmise järjekorras, kõige varasem ees) 7. Statistilise rea maht, kogumi maht – tunnuse väärtuste arv N. N = f1 + f2 + f3 + … + fn 8. Variatsioonirida – rea liikmed kirjuta...
Ülesanne 1 Alljärgnevalt on toodud Jüri ja Mari kontrolltööde punktid ühel aastal. Uuri punktide varieerumist mõlema õpilase korral. Leia punktide aritmeetiline keskmine ( vastus ümarda kümnendikeni ), standardhälve( kümnendikeni) ja vari Mari Punktid ( x ) Sagedus ( f ) f*x Standardhälve ülemine osa 33 1 33 114,49 35 1 35 75,69 39 1 39 22,09 40 1 40 13,69 42 3 126 8,67 45 2 90 3,38 46 1 46 5,29 47 2 94 21,78 48 1 48 18,49 49 2 98 56,18 50 ...
RAKENDUSSTATISTIKA Kontrollküsimused 12.2005 1. Tõenäosus ja tõenäosuse põhilised omadused. Tingimuslik tõenäosus. Bayes'i valem 0 P(A) 1; P(AB) = P(A) + P(B), AB= või U. Tingimuslik tõenäosus tõenäosus sündmusele A kui toimus sündmus B - P(A/B) = P(AB) / P(B) 2. Sündmus ja vastandsündmus. Sõltuvad ja mittesõltuvad sündmused. Sündmuste väli P(A/B) = P(A), P(AB) = P(A)P(B) 3. Sündmuste algebralised operatsioonid. Sündmuste summa ja korrutis. C = F D> C =F D> F> 4. Juhuslik suurus X = X(e) 5. Jaotusseadus ja selle esitamine. Jaotusfunktsioon F(x) ja tema põhiomadused. Väärtus x ja tema tõenäosus p. F(x) juhuslikule suurusele X on tõenäosus, et X võtab väärtuse vähem kui antud arvul x. F(x) = P(Xx). P(x´ X x´´) = F(x´´) - F(x´); 0 F(x) 1; F(x1) F(x2) 6. Tõenäosuse tihedusfunktsioon f(x) ja tema põhiomadused. f(x) = lim P(xXx+x)...
Juhuslik sündmus on midagi, mis mingi katse tulemusel võib toimuda. Katse on mingi tingimuste kompleksi realiseerumine. Elementaarsündmused on mingid üksteist välistavad sündmused, millest iga katse korral üks tingimata toimub. Juhuslikud sündmused: *vastastikku välistuvad sündmused- ei sisalda samu elementaarsündmusi *vastastikku mittevälistuvad sündmused- sisaldavad samu elementaarsündmusi *sündmuste sisalduvus- kui toimub A, toimub ka B *vastansündmus- kõik elementaarsündmused, mis ei sisaldu sündmuses Tõenäosus iseloomustab sündmuse esinemissagedust katsetes. Tõenäousese määramisviisid: klassikalised(kombinatoorne, geomeetriline, statistiline), mtteklassikalised(subjektiivne,intersubjektiivne) Juhuslikuks suuruseks nim suurust, mis järjekordse katse tulemusel omandab mingi mittennustatava väärtuse mingist võimalikust väärtuste hulgast. Diskreetne juhuslik suurus: võimalike väärtuste hulk on lõplik Pidev juhuslik suur...
Rakendusstatistika arvestusharjutus. Osa A. N=25 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus Dispersioon Standardhälve Mediaan Me=49 Haare 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,71 Dispersiooni usaldusvahemik: = 0,10 ja 3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10) 3.1 H0: = 50 alternatiiviga H1: 50 Et Hüpotees vastu võetaks, peab tkr > t; 1,71 > 0,6. Hüpotees võetakse vastu. H0: 2 = 800 alternatiiviga H2: 2 800 Et hüpotees vastu võetaks peab jääme kahe kriitilise väärtuse vahele: 13,84 < 21,2< 36,42. Hüpotees võetakse vastu. 4. Leida valimile vastav empiiriline histogramm võrdlaiade vahemikega 0-20, 20-40, 40- 60, 60-80 ja 80-100 ning kontrollida 2 -testi järgi ...
TALLINNA MAJANDUSKOOL Majandusarvestuse ja maksunduse osakond Maria Kashirova FINANTSANALÜÜSI MEETODITE VÕRDLUS: ETTEVÕTTE PANKROTIOHU PROGNOOSIMINE Lõputöö Juhendaja: Rene Pihlak Tallinn 2011 SISUKORD SISSEJUHATUS ............................................................................................................................... 4 1 ETTEVÕTETE FINANTSSTABIILSUSE KUJUNEMISE TEOREETILISED ALUSED .............. 6 1.1 Finantsstabiilsus ja pankrotioht..................................................................................................... 6 1.2 Meetodid pankrotistumiste prognoseerimiseks .......................................................................... 8 1.3 Finantsstabiilsuse reitingu skoori meetod ..............................................
annaabi.ee 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
