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...
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.....................................................
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...
Loenguplaan · Seos kahe tunnuse vahel kovariatsioon korrelatsioon Harilik lineaarne · Harilik lineaarne regressioonmudel Vähimruutude meetod parameetrite hinnangute leidmiseks regressioonmudel ...
Kodutöö: Lineaarne regressioonanalüüs PD <- read.csv("puud15.CSV") # parameeter sep="," ja dec="." PD$d_k<-with(PD, ifelse(d2>0,(d1+d2)/2, d1)) PD.<-subset(PD, prt==642 & aasta==2001) PD.<-droplevels(PD.) plot(h~d_k,data=PD.) PD.H <- subset(PD., h>0 & hv>0) table(PD.H$pl) PD.KU<-subset(PD.H, pl=="KU") par(mar=c(4.5,4.5,1,1)) plot(NULL,xlim=c(0,40),ylim=c(0,25),xlab="diameeter, cm", ylab="kõrgus, m") abline(v=seq(0,40,10),lty=3,col="grey75") abline(h=seq(0,25,5),lty=3,col="grey75") # abijooned points(h~d_k,data=subset(PD.KU),lwd=1) with(subset(PD., pl=="KU"),rug(d_k)) 1. Sirge h=a+b*d M1 <- lm(h~d_k, data=PD.KU) summary(M1) D<-0:40 M1.pred <- predict(M1,newdata=data.frame(d_k=D)) lines(D,M1.pred, col="red") coefficients(M1)[1] coefficients(M1)[2] # dobavit' p-value v tablicu v vide * summary(M1)$adj.r.squared summary(M1)$sigma # sqrt(sum(M1$residuals^2)/(length(M1$residuals)-2)) AIC(M1...
Psühhomeetria alused Psühholoogiline test – süstemaatiline protseduur isiku käitumise vaatlemiseks ja kirjeldamiseks numbriliste skaalade ja fikseeritud kategooriate abil. (cronbach). Teste on võimalik interpreteerida psühhomeetriliselt või impressinistlikult. Peamised omadused: - Objektiivsus - Standardiseeritud - Väljavõte käitumisest Olulisimad eeldused mis on testide usaldusväärsuse kasutamise aluseks - Sõnastuse ühine arusaamine - Adekvaatne enesehinnang - Aus vastus - Suhteline püsivus aja lõikes - Testi adekvaatsus mõõdetavatele omadustele Mida testidega uuritakse? Erinevaid psühholoogilisi omadusi: kognitiivsed võimed, huvid/hoiakud/värtused, isiksus, psühhopatoloogia. Testimise eesmärk on klassifitseerimine/diferentseerimine, tulemuslikkus ehindamine, teadusuuringud ja enesest arusaamine. Testitüübid - Tegevustestid - Kiirustest vs tulemustest - Käitumis evaatlemine ...
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, ...
EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut Metsakasvatuse osakond Praktikumi arvutustöö Iseseisev töö õppeaines Metsaselektsioon Juhendaja: dotsent Veiko Uri Tartu 2014 Sisukord Sissejuhatus................................................................................................ 3 1. Variatsioon-statistiline analüüs................................................................4 2.2 Variatsioonide ja mõju tugevuse leidmine..........................................6 3. Regressioonanalüüs................................................................................... 8 Sissejuhatus Käesolev praktikumi arvutustöö on koostatud metsaselektsiooni õppeaineaine raames. Töö eesmärgiks on variatsioon-statistilise, dispersioon- ja regressioonanalüüsi teostamine kolme mõõdetud katseala põhjal (katseala algandmed on saadud juhendajalt ning toodud Lisas 1)...
Andmeanalüüs MS Exceli abil Andmeanalüüs MS Exceli abil Järgnev õpetus püüab võimalikult 'puust ja punaselt' ette näidata elementaarse andmeanalüüsi teostamise võimalused MS Excelis. Samas ei ole see materjal mõeldud matemaatilise statistika konspektiks, vastavad teadmised/materjalid eeldatakse kasutajal enesel olemas olevat. Seetõttu pole ka eriti tegeletud konkreetsete näidetega ega tulemuste tõlgendamisega. See konspekt ei ole Andres Kiviste 1998 aastal ilmunud vihiku "Matemaatilise statistika algteadmisi ja rakenduslikke näiteid MS Exceli keskkonnas" ümbertrükk. ...
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?.................................
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 ...
1. MÕÕTMINE Mõõtmine on objektide võrdlemine - Korraga saab võrrelda ainult kaht objekti omavahel. Kui objekte palju, valitakse välja üks (etalon) ning teisi võrreldakse sellega. Otsene mõõtmine ja kaudne mõõtmine – otseste mõõtmiste kaudu Nimi- ehk nominaalskaala – objektide eristamiseks – sugu, rahvus, huvid, kaubakood, ettevõtte registrinumber Järjestusskaala – võimaldab objekte järjestada mingi tunnuse alusel – nt ettevõtted: väikesed, keskmised, suured – küsitlus: "poolt", pigem poolt kui vastu", "pigem vastu kui poolt", "vastu" – intervallid skaalajaotuste vahel pole võrdsed Intervallskaala – skaalajaotuste intervallid on võrdsed Vahemikskaala – nullpunkti asukoht kokkuleppeline – ajaskaala, Celsiuse skaala temperatuuri mõõtmiseks – võib leida vahesid, ei tohi leida suhteid Suhteskaala – nullpunkt fikseeritud absoluutselt – objekti pikkus, kaal, töötajate arv, käive, mingi tegev...
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? ...
Kordamine arvestustööks 1. Üldkogum (uurimisobjekt, populatsioon) on teatud nähtuste (objektide) hulk, mida soovitakse objektiivsete meetoditega tundma õppida. 2.. Valimiks nimetatakse teatud hulka üldkogumi elemente, mille mõõtmisandmed on uurija käsutuses. Esinduslik valim. 3. Valimi mõõtmisandmed moodustavad andmestiku. Rühmitamata ja rühmitatud andmestik. 4. Arvuline tunnus pidev, diskreetne. Pidev võib omada väärtusi mingil lõigul. Diskreetne arvuliste tunnuste võimalike väärtuste hulk on lõplik või loenduv 5. Mittearvuline tunnus järjestustunnus, nominaaltunnus. Järjestustunnus mittearvuline tunnus, mille väärtused on järjestatavad (Krafti klass, puistu Orlovi boniteet). Nominaaltunnus mittearvuline tunnus, mille väärtused pole järjestatavad. 6. Juhuslik suurus ehk juhuslik muutuja suurus või muutuja, mille väärtus enne mõõtmist või katset ei ole teada. 7. Kuidas on defineeritud jaotusfunktsioon? Jaotusfunktsiooni sk...
KORDAMINE ÖKONOMEETRIA KONTROLLTÖÖKS 2013 sügissemester kasutatud 2017. aasta sügissemestri KT õppimiseks Teooria 1. Ökonomeetrilise mudeli komponendid. Endogeensed (sõltuvad Y), eksogeensed (sõltumatud, X), hinnatavad parameetrid (beeta) ja juhuslik komponent ehk vealiige (u) 2. Andmetüübid. Kvalitatiivsed, kvantitatiivsed, ristandmed, aegread, paneelandmed 3. Valimvaatlused ja parameetri hinnangu mõiste. Uuritav objekt on üldvalim, andmebaas on üldjuhul valim. Järledusi teeme üldkogumi kohta ja selleks kasutame valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. Valim on juhuvalim, hinnang on juhuslik suurus. Suvaline valimi andmete põhjal arvutatud funktsioon on statistik ning erinevad valimid annavad statistikutele erinevad väärtused. Statistik on juhuslik suurus. 4. Punkthinnang, intervallhinnang. Punkthinnang on ...
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...
MAINORI KÕRGKOOL Juhtimise instituut Annika Krutto ANDMEANALÜÜS SOTSIAALTEADUSTES Loengukonspekt Tartu 2009 SISUKORD SISSEJUHATUS...........................................................................................................................3 1. ANDMEANALÜÜSI põhimõisted ......................................................................................... 3 1.1 Üldkogum ja valim............................................................................................................... 3 1.2. Valimi valikumeetodid.........................................................................................................4 1.3. Mõõtmismeetod ja mõõtmisvahend ....................................................................................5 1.4. Andmetabel................................................................................................
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...
KIRJELDAVAD STATISTIKUD INTERVALLITUD REAS Kirjeldav statistika on numbriliste andmete organiseerimine ja summeerimine, see on vajalik andmeanallüüsi esimesel etapil. Valimit kirjeldatakse, kuid üldistusi ei laiendata üldkogumile. Kirjeldav statistika annab järgmist informatsiooni: uuritava tunnuse väärtuste vahemik tunnuse kõige tüüpilisemad väärtused tunnuse varieeruvus Lisaks aitab kirjeldav statistika sõnastada hüpoteese ning tõlgendada uurimistulemusi. Asendikarakteristikud(annavad infot selle kohta, kuidas tunnuse väärtus paikneb). Need on aritmeetiline keskmine, mediaan ja mood. Nende välja arvutamine oleneb sellest, pas meil on tegu pidevate(mingi vahemik) või diskreetsete(1 väärtus) andmetega. Hajuvuskarakteristikud(kui erinevad on väärtused valimi erinevatelobjektidel).Nende eesmärgiks on mõõta andmete varieeruvust andmekogumis(iseloomustavad tunnuse üksikväärtuseerinevust kes...
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)...
1. Üldkogum – ehk populatsiooni all mõeldakse kõiki juhtumeid või situatsioone, mille kohta uurijad soovivad, et nende poolt saadud järeldused või prognoosid kehtiksid. Valim – liikmed tuleb valida juhuslikult, st igal üldkogumi liikmel peab olema võrdne võimalus saada valitud valimisse. Valimimaht – Valimisse valitavate objektide arv. Tunnuste- all mõistetakse liikmeid kirjeldavaid erinevaid omadusi. 2. Statistilise uurimistöö etapid. Mingi probleemi statistilise uurimisel läbitakse 4 tööetappi: Uuringu ettevalmistamine Statistiline vaatlus või eksperiment Vaatlusandmete kokkuvõtte ja esialgne töötlemine Andmete analüüs, järelduste ja üldistuste sõnastamine. 3. Statistlise vaatluse vead. Eristatakse vaatlusmeetodist tulenevaid metodoloogilisi vigu ja registreerimisvigu. Metodoloogilised nt : valimivaatlusel esinevad representatiivsusvead – valim ei kirjelda üldkogumit adekvaat...
KORDAMISKÜSIMUSED KONTROLLTÖÖKS (Psühhomeetria) 1. Mis on psühholoogiline test? Testi kui mõõtvahendi peamised omadused. Test on süstemaatiline protseduur isiku käitumise vaatlemiseks ja kirjeldamiseks (samas ka kahe v. enama isiku käitumise võrdlemiseks!) numbriliste skaalade ja fikseeritud kategooriate abil (Cronbach). Testi omadused: 1) objektiivsus (sh kvantifitseeritavus: numbriline väljund -skoorid-, mis võimaldab kasutada statistilisi meetodeid ja välja töötada ning kasutada normskaalasid).) - oleme kasutanud selgeid skaalasid ja saame nendest tulemustest edasi koostada normskaalad. 2) standardiseeritus (läbiviim., skoorim., interpret.) – kõik peaks olema ühte moodi, alates testi läbiviimisest, tulemuste skoorimisest või tulemuste interpreteerimisest. Vastuseid saab interpreteerida psühhomeetriliselt ja impressionistlikult (muljel põhinev). 3) väljavõte käitumisest! – sample of behaviour - testi tulemus on üks väljavõte käitumi...
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...
Mainori Kõrgkool Matemaatika ja statistika Loengukonspekt Silver Toompalu, MSc 2008/2009 1 Matemaatika ja statistika 2008/2009 Sisukord 1 Mudelid majanduses ............................................................................................................. 4 1.1 Mudeli mõiste ......................................................................................................................... 4 1.2 Matemaatilise mudeli struktuur ja sisu ................................................................................... 4 2 Funktsioonid ja nende algebra............................................................................................... 5 2.1 Funktsionaaln...
ni xini nx2 ni(x- x)2 xi 2 1 2 4 2512,01 6 1 6 36 2127,05 7 1 7 49 2035,81 12 1 12 144 1609,61 17 1 17 289 1233,41 18 4 72 1296 4656,70 20 1 20 400 1031,69 22 1 22 484 907,21 27 2 54 1458 1262,03 29 1 29 841 534,53 31 1 31 961 446,05 34 1 34 1156 328,33 ...
1. Ökonomeetrilise mudeli mõiste. Ökonomeetriliste mudelite abil saab analüüsida erinevate majanduspoliitiliste otsuste mõju majanduslikele protsessidele või prognoosida vastavate maj. näitajate kujunemist tulevikus. Teoreetiliste seisukohtade kogumit, mida me konkreetses analüüsis kasutame, nim. ökonomeetriliseks mudeliks. Ökonomeetriline mudel on matemaatilise mudeli eriliik, mis koosneb üldjuhul algebralistest võrranditest või/ja võrrandisüsteemidest, mille lahendamiseks kasut. matemaatilisi ja statistilisi lähenemisviise ja meetodeid. Ökonomeetrilise mudeli põhikomponendid: 1)modelleeritavad näitajad on sõltuvad e. endogeensed muutujad (Y); 2)modelleeritavat nähtust mõjutavad näitajad on eksogeensed e. sõltumatud muutujad (X); 3)juhuslik komponent; 4)matem. ja statistiliste meetoditega hinnatavad mudelite parameetrid. 2. Klassikaline regressioonanalüüs. Regressioonivõrrand. Seose tiheduse näitajad. Klassikaline regres...
RIIK SUGU PIKKUS MASS PEA_P JALANR ODE_VENDMAT_HINNEHOMMIK Eesti N 170 63 57 39 1 5 võileib Eesti N 161 57 59 37,5 2 4 võileib Eesti M 183 80 48 43 2 3 puder Eesti N 183 81 58 42 2 5 võileib Eesti M 174 74 56 43 0 4 võileib Eesti N 171 70 57 39 3 4 puder Eesti N 161 59 55 37 1 5 võileib Eesti N 172 80 56 41 2 4 võileib Eesti N 183,5 68 55,5 40 3 4 ei söö tavaliselt hommikul Eesti N 171 57 56 39 0 4 võileib Soome N 175 68 56 40 2 4 ei söö tavaliselt hommikul Eesti N 168 70 57 40 2 ...
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 ...
Korrastatud variatsioonirida: 1; 6; 7; 8; 9; 12; 13; 18; 19; 23; 24; 26; 26; 33; 34; 35; 35; 38; 39; 39; 41; 44; 44; 45; 45; 45; 46; 47; 48; 48; 48; 54; 56; 58; 58; 58; 59; 60; 61; 62; 66; 68; 68; 69; 71; 71; 74; 75; 76; 77; 80; 86; 88; 89; 89; 90; 94; 94; 97; 99. Eksete hindamine 𝑥3 −𝑥1 Min 𝑅𝑙𝑜𝑤 = 𝑥 = 0.06452 < 0.265 𝑛−2 −𝑥1 𝑥𝑛 −𝑥𝑛−2 Max 𝑅ℎ𝑖𝑔ℎ = 𝑥𝑛 −𝑥3 = 0.05435 < 0.265 DCRIT(0.05; 60)= 0.265 Järeldus: Eksed puuduvad, sest nii Rlow kui ka Rhigh on väiksemad kui DCRIT. Tõenäosus, et partiis n=60 esineb vähemalt 2 erinevat väärtust 𝑣äℎ𝑒𝑚𝑎𝑙𝑡 2 𝑒𝑟𝑖𝑛𝑒𝑣𝑎 𝑎𝑟𝑣𝑢 𝑒𝑠𝑖𝑛𝑒𝑚𝑖𝑠𝑒 ℎ𝑢𝑙𝑘 46 𝑃(𝑣äℎ𝑒𝑚𝑎𝑙𝑡 2 𝑒𝑟𝑖𝑛𝑒𝑣𝑎𝑡 𝑎𝑟𝑣𝑢) = = ∗ 100% =76.67 % 𝑘𝑜𝑔𝑢 𝑟𝑒𝑎 𝑎𝑟𝑣𝑢𝑑𝑒 ℎ𝑢𝑙𝑘 60 Tabel 1...
RIIK SUGU PIKKUS MASS PEA_P JALANR ODE_VEND MAT_HINNE Eesti M 186 95 59 44 1 4 Eesti N 170 85 57 42 6 4 Eesti N 169 50 54 38 1 3 Eesti M 180 70 56 43 0 3 Eesti 179 72 55 40 1 4 Eesti N 170 55 55 37 1 4 Eesti N 160 58 55 38 1 5 Eesti N 161 57 55 39 1 4 Eesti N 171,5 59 57 38 1 4 Eesti N 180 63 58 41 2 5 Eesti N 168 54 57 38 1 4 Eesti N 170 57 52 40 2 3 Eesti N 163 61 57,5 39 0 4 Eesti M 172 ...
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.....
Standardhälve 1. leitav dispersiooni ruuduga (ruutjuurega) 2. paikneb alati vahemikus 0 ... lõpmatus (kui on alternatiivne tunnus, siis saab olla kuni 0,5 see on triki küsimus, kui panid õige, siis on ÕIGE) 3. ei saa olla lineaarhälbest suurem (väiksem) 4. varieeruvas reas = 0 (st puhul rida just varieerub) 5. ei ükski Regressioonianalüüsi kõige üldisem eesmärk: 1. kirjldada korrlatiivset seost metemaatika funktsioonina Pidev juhuslik suurus... 1. võib omada ükskõik milliseid väärtusi tema võimalikke väärtusi hõlmavas arvuvahemikus. 2. juhuslikku suurust nim pidevaks juhuslikuks suurusesks, kui tema võimalike väärtuste hulk on loenduv. Lineaarne regressioonimudelil: 1. pole põhjus ega tagajärge 2. kordaja võb olla nii pos kui neg 3. vabaliikme abil saame kirjeldada seoste tugevust 4. regressiooni kordaja b abil saame kirjeldada seose tugevust Dispersioonanalüüsi...
SUGU PIKKUS MASS PEA_YMBJALANR ODE_VEND MAT_HINNE HOMMIK PUDER HAIGE N 160 86 50 39 0-1 3 võileib jah ei N 162 60 55 37 0-1 3 võileib nii ja naa jah N 164 51 55 38 0-1 3 puder jah jah 165 54 54 37 0-1 4 ei söö tavaliselt ei hommikul ei N 165 68 55 39 2-3 3 võileib nii ja naa ei N 168 58 56 41 >3 3 muu ei jah N 168 68 52 39 2-3 4 võileib ei ei N 169 60 50 40 0-1 4 muu ei ei N 169 65 55 39 2-3 4 ei söö tavaliselt ...
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 < ...
Eksponentkeskmist kasutatakse, kui on tegemist: 1. Keskmise taseme leidmisega väga pikkades aegridades 2. Keskmise taseme leidmisega momentreas ja ajavahemikud on võrdsed 3. Keskmise taseme leidmisega perioodreas ja perioodid ei ole võrdsed 4. Aegreaga ja väärtuste standardhälbe arvutamise juures 5. Aegreaga ja selle tasandamise juures Valimivaatluse korral 1. Usalduspiiride laius sõltub väärtuste varieerumisest 2. Suurema valimi kasutamisel usalduspiirid laienevad 3. Valitud usaldatavus ei avalda mõju moodustatava valimi suurusele 4. Keskmine esindusviga ei sõltu valimi suurusest 5. Suurem valimi kasutamine vähendab väärtuste varieerumist üldkogumis Esindusviga on oma sisult: 1. Viga mis tekib aritmeetilise keskmise ebatäpsuse tulemusena 2. Kõikide võimalike esindusvigade harmooniline keskmine 3. Väljavõtukogumi ja üldkogumi struktuurid erinevuse tulemusel tekkinud ebatäpsus ...
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...
Kuidas saada vastust? *Tuleb küsida 1-2 eksperdi käest või väga paljude käest. *Analüüsid – SWOT, PEST, 4 (6) Eesmärk – teadustöö kirjutamise kogemus, bakalaurusetöö kirjutamise kogemus. Anda üliõpilastele teoreetiline ettevalmistus ja reaalne kogemus ärialaste praktiliste ja akadeemiliste ülesannete lahendamiseks teaduslikel meetoditel. 2015 plaan : • Vähendada kodutöö kirjaliku osa mahtu • Uurida ettevõtete asemel kaastudengeid • Alustame uuringu ettevalmistust kohe esimestes seminarides Kodutöö üldteema ‘innovatsioon/ õppimisvõime’ Kvantitatiivne küsimustik Kvalitatiivne case-study – intervjuud (avatud küsimused, läheb sügavuti) Kodutöös on kohustuslik leida 25 kontakti Kvantitatiivne küsimustik: statistiline analüüs, seosed kodutööti erinevad – valim 50 Kvalitatiivne intervjuu – trantskribeerimine, within-case analüüs, märksõnade leidmine. Psühholoogilised faktorid: • Values • Traits • Beliefs • Emotions • Cognitive bias Väärtused...
MAJANDUSMATEMAATIKA I Ako Sauga Tallinn 2003 SISUKORD 1. MUDELID MAJANDUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Mudeli mõiste. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Matemaatiliste mudelite liigitus ja elemendid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Matemaatilise mudeli struktuur ja sisu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2. FUNKTSIOONID JA NENDE ALGEBRA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Arvud ja nende hulgad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 ...
1. KVANTITATIIVSED JA KVALITATIIVSED ANALÜÜSI MEETODID 1.1. Analüütiliste mudelite liigitamine, eripära ja kasutusvõimalused ärikorralduses 1. Sihipärase kasutuse järgi: teoreetilis-analüütilised mudelid (teooria mudelid, kirjeldused, pigem doktoritöö), rakenduslikud mudelid (kvantitatiivset laadi, ei välista eelnevat teoreetilist käsitlust) 2. Tasandi ja problemaatika järgi: makromudelid (regioon); mikromudelid (ettevõte või selle allosa); problemaatikamudelid (rahandus, logistika v muu valdkond) 3. Matemaatiliste seoste järgi: funktsionaalsed (determineeritud) mudelid; stohhastilised (juhuslikkust arvestavad); lineaarsed mudelid; mittelineaarsed; aditiivsed ja multiplikatiivsed 4. Aja arvestamise järgi: staatilised mudelid (konkreetse hetke sisu); dünaamilised mudelid. Staatilisest võib tekitada dünaamilise kui lisada aegrida 5. Kasutatavate mõõtühikute järgi: naturaalsed mudelid (töökoha tasand); väärt...
Operatsioonijuhtimine Kordamisküsimused 2012 Tootmis(teenindus)süsteem, selle sisendid, väljundid ja mõjurid Operatsioonisüsteem organisatsiooni kogu tootmis- või teenindustegevuse süsteem. Väljund eesmärk, kuhu peame jõudma. Väljunditeks on tooted ja teenused. Sisend ressurss. Näiteks: y kapital y materjal y tööjõud y energia y tooraine. Mõjuriteks on näiteks: y teave väliskeskkonnast teave toote või teenuse kohta, ressursside maksumus, tehnoloogia arengusuunad, valitsuse normatiivaktid jne. y teave sisekeskkonnast organisatsiooni eesmärgid, poliitika, arengusuunad jne. y teave süsteemi seisundi kohta. Erinevus tootmis- ja teenindussüsteemi vahel Ehe toode on käega katsutav, seda võib varuda, transportida, osta ja hiljem kas...
1. Tootmis(teenindus)süsteem ja operatsioonijuhtimise meetodid 1.1. Tootmis(teenindus)süsteem, selle sisendid, väljundid ja mõjurid Operatsioonisüsteem organisatsiooni kogu tootmis- või teenindustegevuse süsteem. Väljund eesmärk, kuhu peame jõudma. Väljunditeks on tooted ja teenused. Sisend ressurss. Näiteks: y kapital y materjal y tööjõud y energia y tooraine. Mõjuriteks on näiteks: y teave väliskeskkonnast teave toote või teenuse kohta, ressursside maksumus, tehnoloogia arengusuunad, valitsuse normatiivaktid jne. y teave sisekeskkonnast organisatsiooni eesmärgid, poliitika, arengusuunad jne. y teave süsteemi seisundi kohta. Erinevus tootmis- ja teenindussüsteemi vahel Ehe toode on käega katsutav, seda võib varuda, transportida, osta ja hiljem kasutada. Teenus seevastu ei ole käega katsetav nagu ta...
1. Ettevõtte keskkond, mõjugrupid ja nende peamised huvid. Sisekeskkond: juhid, omanikud, töötajad. Väliskeskkond: mikrokeskkond ja makrokeskkond. Makrokeskkond: riik, ühiskond, rahvusvahelised mõjurid. Väliskeskkonna loovad peamised väljaspool organisatsiooni olevad jõud, mis potentsiaalselt võivad oluliselt mõjutada kaupade või teenuste edu. Väliskeskkond jaguneb omakorda kaheks mikro- ja makrokeskkonnaks. Makrokeskkond on laiem ja hõlmab faktoreid, mis mõjutavad kõiki organisatsioone võrdselt. Makrokeskkonna osad on rahvusvaheline, majanduslik, sotsiaalne, õiguslik-poliitiline ja tehnoloogiline keskkond. Organisatsiooni mikrokeskkond on konkreetsem ja organisatsioonile lähemal ning haarab konkurente, tarnijaid, kliente, strateegilisi liitlasi jm survegruppe. Rahvusvaheline keskkond hõlmavad ülemaailmseid arengusuundi, sealhulgas otseselt ärielu mõjutavaid trende. Ülemaailmsed trendid on Euroopa Liidu laienemine, keskkonnakaits...
9/6/2011 Eesmärk · Kursuse läbinud üliõpilane: omab teadmisi teadusfilosoofia sissejuhatusest, äriuuringute spetsiifikast, uuringu ülesehitusest ja uurimisprotsessi etappidest; teadmisi kvantitatiivsete ja kvalitatiivsete andmete kogumise ja Majandusalased uurimismee...
1. Ettevõtte keskkond, mõjugrupid ja nende peamised huvid. Sisekeskkond: juhid, omanikud, töötajad. Väliskeskkond: mikrokeskkond ja makrokeskkond. Makrokeskkond: riik, ühiskond, rahvusvahelised mõjurid. Error! Reference source not found.Väliskeskkonna loovad peamised väljaspool organisatsiooni olevad jõud, mis potentsiaalselt võivad oluliselt mõjutada kaupade või teenuste edu. Väliskeskkond jaguneb omakorda kaheks mikro- ja makrokeskkonnaks. Makrokeskkond on laiem ja hõlmab faktoreid, mis mõjutavad kõiki organisatsioone võrdselt. Makrokeskkonna osad on rahvusvaheline, majanduslik, sotsiaalne, õiguslik- poliitiline ja tehnoloogiline keskkond. Organisatsiooni mikrokeskkond on konkreetsem ja organisatsioonile lähemal ning haarab konkurente, tarnijaid, kliente, strateegilisi liitlasi jm survegruppe. Organisatsiooni keskkonda tuleks käsitleda kui organisatsiooni suhtes erinevate huvide ja ootustega huvigruppide kooslust, kellega juhil org...
Kordamisküsimused aretusõpetuses 2012. a 1. Aretusõpetuse ajalugu kuni 1900 Juba Hippokrates (460...377 e.m.a.) märkis mõlema sugupoole tähtsust järglaste omaduste kujunemisel. Tema arvates eraldavad kõik kehaosad suguproduktidesse üliväikesi osakesi. Aristotelese (384...322 e.m.a.) arvates loode areneb ema verest, millele isa seeme annab arenemisskeemi. Seega mõistis ta info tähtsust organismi arengus. Avicenna (980...1037) rakendas Aristotelese seisukohti hobusekasvatuses. Ta kasutas puhasaretust isasloomade saamisel. Tema seisukohtadel oli oluline tähtsus araabia hobusetõu kujunemisel. Aga samuti lambakasvatuses. Edu saavutati Hispaanias peenvillalammaste aretuses. Kujunenud meriinotõud (peenvillalambad) panid aluse maailma peenvillalambakasvatusele. william harvey (1578...1657) hüpotees: elusorganismid arenevad munast, mida elustab isase seeme. sellega tehti lõpp hüpoteesilie, et elu tekib ise. Kapitalimiperiood tõi kaasa palju av...
Otsustusprotsesside küsimuste vastused jaanuar, 2013 Vastused võetud Janno Reiljani loengukonspektist „Majanduslike otsuste analüütiline põhistamine“ (2012), natuke on toetutud ka eelmise aasta tudengite poolt tehtud vastustefailile. Punase kaldkirjaga märgitud osad on päris puudu, puudulikud või minu subjektiivse arvamuse kohaselt kahtlased. Paremini ei osanud. Enjoy! 1. peatükk 1. Millised on majandusprotsesside komplitseerumise sisemised ja välised põhjused? - Sisemised põhjused peituvad tööjaotuse arengus, mille tulemusena jaotub ettevõttemajanduslik protsess üha spetsialiseeritumateks allosadeks. Riigi majanduslik arengutase ehk töö ühiskondlik lõpptulemus sõltub juhtide oskusest kujundada parimal võimalikul viisil inimtegevuse spetsialiseerunud osadest soovitud hüve näol tarbija poolt nõutud ühtne tervik. Pakutavas hüves tuleb tasakaalustada ühelt poolt kvalite...
TARTU ÜLIKOOL Pärnu kolledz Gerda Mihhailova TURISMIETTEVÕTTE JUHTIMINE JA PERSONALITÖÖ LOENGUKONSPEKT Pärnu 2011 SISUKORD SISSEJUHATUS 4 1. JUHTIMINE JA EESTVEDAMINE OLEMUS, SEOSED JA MÕISTED 5 1.1 Sissejuhatus ehk juhtimisega seonduvad mõisted...............................................................................5 1.2 Organisatsiooni keskkond juhi pilgu läbi ja juhi töö..........................................................................8 juhid on väga hõivatud ja nad töötavad pingeliselt, ................................................................................12 1.3 Juhtimine ja eest...
annaabi.ee 
