s2 (b1) = 0,20 s2 (b0) = 2,04 Leiame t-statistikut: Mahuga w=7 , f = 6 (korduskatsete sarja pikkus - 1) t1-/2(f) = t0,975(6) = 2,447 t1- / 2 ( f ) s( b1 ) b1 = = 0,4837 N t1- / 2 ( f ) s( b0 ) b0 = = 1,5631 N P(3,78 < b1 < 4,81) = 0,95 P(-4,14 < b0 < -0,73) = 0,95 11.3 Kontrollida parameetrite olulisust b1 > b1 => b1 on oluline b0 > b0 => b0 on oluline 11.4 Kontrollida mudeli adekvaatsust Mudeli adekvaatsust kontrollitakse, leides statistikut, mis näitab selle mudeli poolt prognoositud ja tegelikke y väärtuste erinevust. Selliseks statistikuks on F-statistik, ning seda (ja selle kriitilist väärtust) leitakse järgmisi valemeid kasutades: Seega meie juhul s2ad = 3,61 2 sad F = 2 = 1,719 sy d = 2 (oluliste parameetrite arv on 2) f1 = 5 2 = 3 f2 = 7 1 = 6 Fkr = F0,95 (3, 6) = 4,534
Valitakse suund, aga kaheldakse, kas tehtu on õige. Osa läheb gümnaasiumisse, osa kutsekooli, mõni kaob klassikaaslaste jaoks jäljetult. Jääb vaid hajuv mälestus, mis pikkamööda koolivennast või õest sügavasse ajusoppi ununeb. Nüüdsest hakkab igaüks suuremal või vähemal määral oma elu kujundama, sest tekib juurde rohkem iseseisvust, samas ka vastutust. Mida aeg edasi, seda rohkem inimeselt oodatakse, sealhulgas iseäranis adekvaatsust ja emotsionaalset küpsust. Silmapiir hakkab laienema esimesena eelkõige äsjaõpitud vigadest, mis võivad kogetud saada nii koolis kui väljaspool seda, kuid suurt rolli mängib siinkohal isiksus. Ühes kohas elava kahe inimese elu võib kujuneda drastiliselt erinevaks. Olles kooli lõpetanud, haarab üks neist härjal sarvist ning teine jääb sihitult ekslema, paremal juhul astub sisse järgmisse kooli, mille lõpetab ja siis uue kahtluse ees seisab. Ta kahtleb ega julge midagi eriti
|
Z0,975=1,96
z0> z1-/2 , voib x ja y lugeda korreleeritud suurusteks.
11. Leida ühefaktoriline lineaarne regressioonimudel y = b0 + b1*x ja analüüsida selle
täpsust (võttes vastavates testides jm arvutustes olulisuse nivooks = 0.05):
11.1 leida mudeli parameetrite hinnangud b0 ja b1
11.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud
11.3 kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi igal juhul mõlemad
liikmed mudelisse alles)
11.4 kontrollida mudeli adekvaatsust
11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3
ja x = 5
11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p.11.5 leitud
usaldusvahemikega.
11.1
Mudel:
11.2
11.3
b1>b1
Mudeli liikme b1 võib lugeda oluliseks
b0
seeläbi saab olema. 3. Miks tekivad tajuvead? Kirjeldage ühe illusiooni tekkemehhanismi. Info liikumine ajju saab toimuda 2 juhteteed pidi. Tavaliselt liigub info 1 juhteteed pidi. Stiimuli vastuvõtmisel ajus kohandatakse tegevus vastavalt sellele, mis õigem on teha ja kuidas toime tulla lähtuvalt sellest infost. Kui info liigub aga 2 teed pidi ajju, siis võibki tekkida olukord, kus aju hetkeks ei oska situatsioonis adekvaatsust hinnata ja olukorraga kohaneda, nn. tajuviga. 2 bussi kõrvuti näide, kõrvalolev bussi liikudes on tunne, et liikumine toimub, kui buss mööda on liikunud, seisad siiski 1 koha peal. 4. Kuidas jõuavad teadmised psüühikasse I.Kanti ja J.Locke arvates? Milline on tänapäevase teadusliku psühholoogia seisukoht? Locke´i arvates aga kõik teadmised, mis väliskeskonnast tulevad, jõuavad lihtsalt meie teadmisse
Nende parameetrite arvulised väärtused - mõõdud - on omavahel seotud matemaatiliste seoste - valemitega. See arvude- valemite kompleks kannab nime matemaatiline mudel. Matemaatiline modelleerimine võimaldab uurida protsessi teda reaalselt üles ehitamata, varieerides mudeli parameetreid ja jälgides neist sõltuvate suuruste muutumist, st. protsessi käiku. Mudeli arengut reaalse protsessiga võrreldes saame hinnata mudeli täpsust ja adekvaatsust (vastavust tegelikkusele) ning teda vajaduse korral korrigeerida. Kriitilistel juhtudel viiakse läbi katse e. eksperiment - looduses tavaolukorras mitte esinev protsess, mida on vaja ühe või teise valemi kontrolliks. Füüsika keelt kasutama asudes oleks hea meeles pidada järgnevaid põhimýtteid: 1. Füüsika ei kasuta kvalitatiivseid määratlusi, nagu ilus, halb, punane, hapu, etc., vaid asendab need kvantitatiivselt määratavate suurustega nagu pikkus, aeg, voolutugevus, etc.
4,3 0,49 7,1 4,41 6,4 1,96 3,6 1,96 3,2 3,24 y0 5 Kokku 12,46 s 2 ( y ) = 2,077 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 9.3 kontrollida mudeli liikmete olulisust Mudeli liiget b1 võib lugeda mitteoluliseks. Mudeli liiget b0 võib lugeda mitteoluliseks. 9.4 Kontrollida mudeli adekvaatsust. Fkr > F (4,39 > 1,27), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 9.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud antud punktides. Punktis x = 1 Punktis x = 3 Punktis x = 5 0 9.6 Joonistada regressioonisirge graafik
y0 9 2,19238 s²(y) 1 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 10.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b1=3,955>3,861 Mudeli liikme b1 võib lugeda oluliseks b0=1,935>1,153 Mudeli liikme b0 võib lugeda oluliseks 10.4 kontrollida mudeli adekvaatsust Fkr > F (4,76 > 2,51), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 10.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 10.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 9.5 leitud usaldusvahemikega
suutelised kandma otsustega kaasnevat vastutust, pealegi ei vastuta kollektiivse otsuse põhjal mitte keegi. Ühe ohuna tuleb arvestada psühholoogilise hulga fenomeni. Psühholoogiline hulk tekib olukorras, kus grupiliikmete seisund (kontseptuaalne, emotsionaalne, füsioloogiline, energeetiline) sünkroniseerub. Iseloomulikuks tunnuseks on grupiteadvuse teke ja autonoomsuse kadu. Psühholoogiline hulk vähendab drastiliselt grupi liikmete adekvaatsust keskkonna, olukorra ja iseenda suhtes, väheneb ratsionaalse mõtlemise võime. Nii suudab ka kõige kõrgema IQ-ga isikute grupp psühholoogilise hulga tingimustes rakendada intellektuaalset võimekust, mis on iseloomulik algklasside ! õpilastele. Niisuguse grupi otsuseid juhivad teadvuse asemel instinktid ja kirg. Kaasav juhtimine on võimalik vaid siis, kui juhitavate subjektsuse määr ületab vajalikku kriitilist piiri. Ennast juhtivate
y0 9 2,19238 s²(y) 1 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 10.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b1=3,955>3,861 Mudeli liikme b1 võib lugeda oluliseks b0=1,935>1,153 Mudeli liikme b0 võib lugeda oluliseks 10.4 kontrollida mudeli adekvaatsust Fkr > F (4,76 > 2,51), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 10.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 10.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 9.5 leitud usaldusvahemikega
4 1,3 0,413 5 4,0 4,232 6 2,5 0,310 7 0,4 2,380 kokk 1,943 12,517 u Hinnangute usaldusvahemikud 11.3 Kontrollida mudeli liikmete olulisust Mudeli liiget võib lugeda mitteoluliseks Mudeli liiget võib lugeda oluliseks. 11.4 Kontrollida mudeli adekvaatsust mudeli oluliste liikmete arv Fkr > F (4,534 > 1,120), seega leitud mudelit võib lugeda katseandmetega kooskõlas olevaks ja adekvaatseks. 11.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 (arvutused tehtud ülal olevate valemitega MS Excel'is) Punkt x = 1 Punkt x = 3 Punkt x = 5 11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p.11.5 leitud
yi 1,3 4,6 8,8 0,7 0,4 11.2 Leian mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud. =5 Leian t-statistiku tabelist: f = 6 (korduskatsete sarja pikkus minus 1) t1-/2(f) = t0.975(6) = 2.447 Leian hinnangu b0 usaldusvahemiku: Leian hinnangu b1 usaldusvahemiku: 11.3 Kontrollin mudeli liikmete olulisust: 11.4 Kontrollin mudeli adekvaatsust: Selleks leian F-statistiku, mis näitab selle mudeli poolt prognoositud ja tegelike y väärtuste erinevust. Xxxxx xxxxx xxxx Fkr > F (4,53 > 1,59), seega null-hüpotees on vastuvõetav ehk mudel on adekvaatne. 11.5 Leian mudeli poolt prognoositava väljundi usaldusvahemikud punktides x=1, x=3, x= 5.
( ) Hinnangu b1 usaldusvahemik: ( ) ( ) 9.3 kontrollida mudeli liikmete olulisust Mudeli liiget b1 võib lugeda mitteoluliseks. Mudeli liiget b0 võib lugeda oluliseks. 9.4 kontrollida mudeli adekvaatsust. ( ( )) ( ) (( ) ( ) ( ) ( ) ( ) ) ( )
yo 3,69 S2(y) 2,02 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3. Kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi iga igal juhul mõlemad liikmed mudelisse alles) b1= -1,4 3,65 = Mudeli liikme b1 võib lugeda mitteoluliseks b0=6,3 > 1.101 = Mudeli liikme b0 võib lugeda oluliseks 11.4. Kontrollida mudeli adekvaatsust Fkr > F (4,76 > 0,39), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5.Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6. Joonistada regressioonisirge graafik koos katsepunktide ja punktis 11..5 leitud usaldusvahemikega
Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b= 2,033,91 Mudeli liige b1 ei ole oluline (seda ka absoluutväärtuses) b0= -3,091,16 kuid absoluutväärtuses: 3,09 1,16 Mudeli liikme b1 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust Fkr > F (4,76 > 2,12), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 9.5 leitud usaldusvahemikega Lühikokkuvõte
y0 = 4,81 = 1,92 = Leian t-statistiku: f=6 t1-/2(f) = t0.975(6) = 2.447 b1 = t0,975 (6) * s(b1) = 2,447 * 0,447 = 1,09 b0 = t0,975(6) * s(b0) = 2,447 * 1,072 = 2,62 Usaldusvahemikud on järgmised: P(3,16 1,09 < b1 < 3,16 + 1,09) = 95% P(2,07 < b1 < 4,25) = 95% P(2,37 2,62 < b0 < 2,37 + 2,62) = 95% P( 0,25 < b0 < 4,99) = 95% 11.3 Kontrollida mudeli liikmete olulisust b1 > b1 3,16 > 1,09, seega b1 on oluline b0 b0 2,37 < 2,62, seega b0 ei ole oluline 11.4 Kontrollida mudeli adekvaatsust F < Fkr, seega võtame null-hüpoteesi vastu (mudel on adekvaatne) 11.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x=1, x=3, x=5 Usaldusvahemikute leidmiseks peame leidma prognoositava y dispersiooni ja t-statistikut. Neid leiame kasutades järgmisi valemeid: Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6 Regressioonisirge graafik koos katsepunktide ja p.11.5 leitud usaldusvahemikega. 12. Kokkuvõte.
2,6 1,3 0,2 1,9 0,7 4,2 3,6 2,07 2,19 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) Mudeli liikme b1 võib lugeda oluliseks Mudeli liikme b0 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust Fkr > F (4,53 > 1,667), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 11.5 leitud usaldusvahemikega Kokkuvõte Kolmandas ülesandes kehtisid võrratused ning hüpoteesid võeti vastu. Neljandas ülesandes
34,70 13,06 r= 4,96 = Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b0=1,36<3,89 Mudeli liikme b0 võib lugeda mitteoluliseks b1=3,25>1,19 Mudeli liikme b1 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust Fkr > F (4,53 > 1,43), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. Mudel on adekvaatne. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 alumin x y(x) (x-) (x-) s()2 e ülemine 1 4,61 -2 4 1,18 2,89 1,73 7,49
1,590274 9 f=7-1 6 1,163818 6 3,891402 7 Tabelis esitatud suurused on arvutatud valemite järgi: usaldusvahemikud: kontrollin parameetrite olulisust: , seega parameeter b1 on oluline , seda ka absoluutväärtuses, seega parameeter b0 ei ole oluline. 9.4 Kontrollin mudeli adekvaatsust Leian statistiku, mis näitab selle mudeli poolt prognoositud ja tegelike y väärtuste erinevust. Selliseks statistikuks on Fisheri statistik. Selleks kasutan valemeid: Nr. 1 2,8 6,9 8,56 -1,66 2,76 2 2,2 6,1 7,31 -1,21 1,47 3 4 9,8 11,06 -1,26 1,58
mudelisse alles)
...(ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles). Kui b0 on väiksem kui b0 muutus,
siis võib mudeli liiget lugeda mitteoluliseks, kui ei siis vastupidi. Sama kehtib ka b 1 kohta.
b0=1,724
2,22 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi igal juhul mõlemad liikmed mudelisse alles) Mudeli liikme b1 võib lugeda oluliseks Mudeli liikme b0 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust 0,78 Fkr > F (4,53 > 0,386), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p leitud usaldusvahemikega
P(-1,26 0 6 ) = 0,95 1 Hinnang b usaldusvahemik P(3,16 - 1,086 0 3,16 +1,086 ) = 0,95 P(2,074 0 4,246 ) = 0,95 10.3 kontrollida mudeli liikmete olulisust ...(ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) Kui b0 on väiksem kui b0 muutus, siis võib mudeli liiget lugeda mitteoluliseks, kui ei siis vastupidi. Sama kehtib ka b1 kohta. b0 = 2,37 < b0 = 3,63 = mitteoluline b1 = 3,16 > b1 = 1,086 = oluline 10.4 kontrollida mudeli adekvaatsust Advekaatsust kontrollitakse F statistikuga N 1 2 sad = ( yi - (b0 + b1 xi )) 2 N - d j =1 ,kus d on oluliste liikmete arv ehk 1 Arvutuse tegin Excelis 2 sad = 3,8949... 3,9 F-statistik (arvutustlik) on: s2 3,9 F= 2A = 2,03 s ( y ) 1,92 Tabelist saadud Fkr on Fkr = F1- ( N -d , w -1) = F0 , 95 ( 4,6) = 4,53
Teine meetod tugineb ideel, et me võime prognoosida ka “ajas tagasi”. Selliselt on võimalik kasutada kogu aegreas sisalduvat informatsioon. Probleemiks on siin, et need tagasiprognoositud väärtused sõltuvad mudeli neist enestest määratud parameetrite väärtustest. Seetõttu viib selline lähenemine mittelineaarsete meetodite kasutamisele. Kolmandaks võib kasutada maksimaalse tõepära meetodit. 3) mudeli adekvaatsuse diagnoos; Mudeli adekvaatsust kontrollitakse kolme küsimusteringi vaadeldes: kontrollitakse kas statsionaarsuse tingimused on täidetud; kontrollitakse kas mudeli jääkliikmed moodustavad valge müra; kontrollitakse mudeli spetsifikatsiooni. 4) prognoosimine. Esmalt määratakse korrelogrammi põhjal kindlaks, mitmes aegrea diferents on statsionaarne. Teatavasti erinevad statsionaarse ja mittestatsionaarse aegrea korrelogrammid selle poolest, et
Tuli palju häid ideid kuid ikka kippus asi minema üle naljatamiseks. Ajurünnakus osalejad ise ütlesid, et neil on probleem et nad ei suuda mõelda. Ei oska mõelda, sest keegi seda ju ei ole iseenesest õpetanudki. Arvan et sellepärast kipuvad inimesed endale seadma piiranguid ning looma harjumusi, mis segavad mõtlemist ning uued ideed tulevad sedavõrd raskemini pähe. Kokku saime arvutiekraanile ligikaudu 40 ideed, kuna sildistamise meetodil ei ole võimalik praegu hinnata ideede adekvaatsust siis tegime väikse pausi, selgitasin miks. See on oluline et saaks hetkeks mõtted eemale. 25.09.2014 Selgitasin ajurünnakus osalejatele et uute ideede leidmine on loov mõtlemine. Selleks aga et tulemuslikult ja loovalt mõelda on sageli vaja minna tagasi algusesse ning kriitiliselt analüüsida kõik vastused üle. Seda me tegime, praakisime välja kehvemad ning alles jätsime vaid parimad.
y0 = 1,87 s 2 (y) = 1,98 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3. Kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi iga igal juhul mõlemad liikmed mudelisse alles) b1 = 2,00 < 3,75 = Mudeli liikme b1 võib lugeda mitteoluliseks b0 = -1,72 < 1.21 = Mudeli liikme b0 võib lugeda mitteoluliseks 11.4. Kontrollida mudeli adekvaatsust Fkr > F (4,76 > 0,39) See tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5.Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6. Joonistada regressioonisirge graafik koos katsepunktide ja punktis 11.5 leitud usaldusvahemikega 14 12 10 8 6 4 2 0
17. Maslow vajaduste hirearhia teine aste alt ülespoole minnes on a) Füsioloogilised vajadused b) Sots. Vajadused c) Tunnustusvajadus d) Eneseteostusvajadus e) Turvalisusvajadus 18. Tarbija funktsionaalne risk seisneb a) Tarbija tervise ohustamise tõenäosusel b) Kuivõrd võtavad teised tarbijad Teie omandatud tootedi vastu (nt sõbrad) c) Kas toode täidab kõiki ettenähtud funktsioone d) Rahapanuse ja ostu omavahelist adekvaatsust 19. Motiiv a) Tähendab ajendit, põhjust b) Tähendab motivatsioonide kogumit c) Tähendab saavutust 20. Hoiak tähendab a) Kogemustest tulevenat indiviidie käitumise muutumist b) Inimese kestvat suhtumist nii iseendasse kui teistesse c) Üksikisiku tavapärast elustiili 21. Arvamusliidrile on omane a) Tuntus, toote pädevus ja tundmine b) Teiste isikute vaadete ja käitumise mõjutamine c) Liikuda ühest sots. Kihist teise 22
𝑛 𝑎 𝑡𝑎 = √∑ ∆𝑥𝑖2 = −57.1782 𝜎̂ 𝑖=2 tkr(0,05; 5)=2,571 tb > tkr argument b puhul hüpotees H0 ei kehti ei ole oluline ta < tkr argument a puhul hüpotees H0 kehtib on oluline b erineb oluliselt nullist ja b≠0 10.4 Kontrollida mudeli y=a+bx adekvaatsust/sobivust valimile korrelatsiooni koefitsent d 0.986 sr^2 37.535 s^2 2740.857 d > 0,7 0.986 > 0,7 Mudel on adekvaatne. 10.5 Leida mudeli poolt prognoositava väljundi ±x usaldusvahemikud, kui y = min, y = mid ja y = max Ῡ𝑖 = 𝑦𝑘 + 𝑏∆𝑥𝑖 = 30.14 + 0.64∆𝑥𝑖
P ( 0 ,17 ≤ β 0 ≤ 2 ,55 )=0 , 95 Hinnangu b1 usaldusvahemik: P ( 3,25−3,6 ≤ β1 ≤ 3,25+ 3,6 )=1−0,05 P ( −0 , 35 ≤ β1 ≤6 ,85 )=0 , 95 11.3 Kontrollida mudeli liikmete olulisust b1=3,255> 1,191=∆ b 1 Mudeli liiget b1 võib lugeda oluliseks. b0 =1,36<6,123=∆ b0 Mudeli liiget b0 võib lugeda mitteoluliseks. 11.4 Kontrollida mudeli adekvaatsust. N 1 2 2 s ad = ∑ N −d j=1 ( y i − ( b 0 + b1 x i ) ) s 2ad F= s2 ( y ) x 3.7 1.1 5.1 2.8 2.2 y 13.1 7.2 19.3 8.9 6.8
Näen, et ma ei pruugi näha kõike. · Peatamine/tagasihoidmine olen valmis selleks, mis toimub siin ja praegu meie vahel, ei sildisa. Mida tähendab osalemine maailma? Osalemisest tuleb vajadus kuulata. Sidususest tuleb austus. Mida konfliktid meile annavad? Võimaluse teadlikkust tõsta (mille eest seisame), soodustavad muutusi, kohanemist, võivad motivatsiooni juurde anda/kahandada. Võib soodustada sisemist arengut, adekvaatsust, realistlikkust. Kaasatõmbav, kirge kasvatav. Tekitab enesekindlust, eneseväärtustamist. Tihti võivad meid halvata, panna lukku, purustada, panna isolatsiooni. Konfliktid võivad olla realistlikud/mitterealistlikud. Isikusisesed, isikutevahelised, grupisisesed, gruppidevahelised, organisatsiooni sisesed või organisatsioonide vahelised. Kui sinna minna, siis miks minna? Kui on aega, piisavalt tervist, liitlasi, võimalus lasta kellelgi teisel oma konflikti lahendama minna. Ennetamine
mediaanikriteeriumi järgi, kuid käänupunktide kriteeriumi järgi mitte. Töö B osas arvutasin korrelatsiooniteguri, milleks on -0,945 ja determinatsiooniteguri 0,893 Mõlema järgi kontrollisin x ja y korreleerimatust, mis ostutus tõeseks. Leidsin ka lineaarse regressioonimudeli y=6,3 – 1,4x. Seejärel leidsin mudeli parameetrite hinnangud b0 ja b1 ja nende usaldusvahemikud. Kontrollisin mudeli adekvaatsust ning selgus, et mudel on adekvaatne ja katseandmetega kooskõlas. Samuti arvutasin kolme punkti prognoositavad väljundid mudeli jaoks ning nende usaldusvahemikud. Osa C 13./14. Statistilisi meetodeid kasutatakse pea kõigis eluvaldkondades, seal hulgas ka toidutehnikas. Näiteks saab statistikat kasutades teha järeldusi, millised tooted on inimeste lemmikud või kuidas uusi tooteid turul vastu võetakse. Selleks kogutakse teadud aja jooksul andmeid, kui
1− 2 Leian hinnangu b1 usaldusvahemiku: P ( b1−∆ b1 ≤ β 1 ≤ b1 +∆ b1 )=1−α P ( 3,16−1,09 ≤ β1 ≤3,16+ 1,09 )=1−0,05 P ( 2,07 ≤ β 0 ≤ 4 , 25 )=0 , 95 Leian hinnangu b0 usaldusvahemiku: P ( 2,37−3,66 ≤ β 0 ≤ 2,37+3,66 )=1−0,05 P ( −1,29 ≤ β1 ≤6,03 )=0 , 95 11.3 Kontrollin mudeli adekvaatsust (lugedes mõlemad mudeli liikmed olulisteks) Selleks leian F-statistiku, mis näitab selle mudeli poolt prognoositud ja tegelike y väärtuste erinevust. N 1 2 1 s 2ad = ∑ N −d j=1 ( y i−( b 0+ b1 x i ) ) = 5−2 ∗15,5955=5,199 d=2 ( oluliste liikmete arv mudelil )
b1 = t1- ( w - 1) s (b1 ) = 2, 4469 0, 23 = 0,56
2
Hinnangu b0 usaldusvahemik:
P(-9,45<0<3,27)=0,95
Hinnangu b1 usaldusvahemik:
P(1,47< 1<2,59)=0,95
11.3 Kontrollin mudeli liikmete olulisust
Kui |bj|>bj, võib lugeda mudeli liikme bj olulisek; vastupidise võrratuse puhul loen liikme
mitteoluliseks.
Liikme b0 olulisus: -3,09<6,36 ja liikme b0 võib lugeda mitteoluliseks.
Liikme b1 olulisus: 2,03>0,56 ja liikme b1 võib lugeda oluliseks.
11.4 Kontrollin mudeli adekvaatsust
Kontrollin hüpoteesipaari {H0: 2ad = 2(y) ; H1: 2ad > 2(y)}. Kui F
Hinnangu b0 usaldusvahemik: P ( −2,044 ≤ β 0 ≤ 5,904 )=0,95 Hinnangu b1 usaldusvahemik: P ( 0,925≤ β 1 ≤ 3,245 ) =0,95 11.3 kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi igal juhul mõlemad liikmed mudelisse alles) kontrollin parameetrite olulisust: b1 > ∆ b1 → 2,085>1,16 , H0 on tagasi lükatud ja mudeli liige on oluline. b0 < ∆ b0 →1,930<3,974 , H1 on tagasi lükatud ja mudeli liige ei ole oluline. 11.4 kontrollida mudeli adekvaatsust. N 1 s 2ad s =2 ad ∑ N −d j=1 ( y i )2 y i− ^ F= 2 F kr=F 1−α ( f 1 , f 2 ) s ( y) y i=b 0+ b1 x i ^ f 1 =f ad=N−d ; f 2=w−1 Nr. xi yi
võimalik luua põhistatud teooria või hüpoteese - Kodeerimine lõpeb siis, kui edasine kodeerimine, kategooriate rikastamine (saturatsioon) ei anna uut teadmist Mitte terve intervjuu, aga kodeeritud osa peab olema piisavalt representatiivne. Uurimustulemuste kvaliteedi hindamine ja esitamine 15.05.12 Valiidsus ja reliaablus. Üldistatavus! · Valiidsus ja reliaablus on traditsioonilised teaduslikkusenõuded, s.t nende alusel hinnatakse uurimuse teaduslikku adekvaatsust · Valiidsuse ja reliaabluse hindamisel taotletakse uuritava objekti/fenomeni objektiivset esitamist uurimuses · Mõisted on välja töötatud loodusteadusliku uurimuse hindamiseks. Mis on uurimisobjekt? Sotsiaalses uurimuses uurimisobjekt, mis on sotsiaalteaduses uurimisobjekt? Näiteks sooline võrdõiguslikkus, sugu kui selline; kommunikatsioon; vaesus; kuritegevus; perekond; religioon; igasugused institutsioonid.. Kuidas, kuidas need asetsevad
rohkem kui oli ankeedis küsimusi. Latentsete tunnuste hindamine ankeedi abil tõstatab alati küsimuse tulemuste adekvaatsusest ehk küsimustiku kui mõõtmisvahendi valiidsusest ja reliaablusest. Valiidsus (validity) tähistab metoodika (mõõtmisvahendi) paikapidavust, kehtivust või Andmetöötlus sotsiaalteadustes 6 adekvaatsust. Valiidsus näitab, missugusel määral mõõdab metoodika seda, mida ta on plaanitud mõõtma. Reliaabluse (reliability) all mõistetakse kasutatava metoodika (mõõtmisvahendi) stabiilsust, järjekindlust, kooskõla või töökindlust. Reliaablust hinnatakse nii ühe metoodika korduval kasutamisel ühe uurija poolt kui ka ühe metoodika ühekordsel kasutamisel erinevate uurijate poolt. Seega on üliõpilase jaoks uue küsimustiku või testi koostamine alati seotud
· Ületreeningu ennetamine · Kasvamise ja bioloogilise vanuse hindamine · Koormustesti tulemuste alusel üldise töövõime, südameveresoonkonna ja hingamisfunktsiooni kohanemisprotsesside hindamine · Kokkuvõtete tegemine ja nõustamine treeningkoormuste, päevareziimi ja toitumise kohta.a Milleks just biokeemiline kontroll ehk monitoorig? Esiteks tervislikku seisundit (vaadata asjale meditsiini aspektist, saab hinnata toitumise adekvaatsust · Sportlase toitumine - NB! Hinnata valkude ja SV saamise koguseid · Hinnata tervislikku seisundit · Informatsiooni hankimine sportlase tervisliku seisundi objektiivseks hindamiseks · Haiguste varajane diagnoosimine Teiseks hinnata organismi metaboolset reaktsiooni kehalistele koormustele. · Üksikule kehalisele koormusele või ühele treeningule · Võistlusharjutuste sooritamisele · Organismi treenituse/ületreenituse hindamine
indeks; ,,Ämbrite" indeks Hinnangud viimase 3a jooksul koostatud skaalaga; indekseid võib teha loominguliselt; vajalik on hindamisskaala 2.4. Maatriksanalüüs ja modelleerimine Võib kasutada eri tasanditel (ettevõte, regionaalne, riikide vahel). Efektiivsusmaatriksi iga element on intensiivsustegur. Terve maatriks aga kirjeldab tootmise majanduslikku efektiivsust, hõlmates efektiivsust kujundavaid komponente. Kirjeldamise adekvaatsust tagab lähteparameetrite piisavalt suur arv. Mida rohkem on näitajaid, seda suurem on tõenäosus, et tekivad sidususnäitajad (näitajad, millel otsene nimetus puudub). Tulpadesse ja ridadesse pannakse erinevad tegurid. Tekivad sisuga majandusnäitajad. Toodang Kasum Tööjõud Põhivara Q P L K
Objektiivne ja sõltumatu individuaalsetest teguritest. Barker rõhutab, et alamehitatus on indiviidi seisukohalt produktiivne seisund see suurendab paiga liikmete ühtsust, komponendid lähenevad üksteisele, integreeritus suureneb vastastikune sõltuvus, samal ajal suureneb ka sõltumatus, samas suurene ka indiviidi aktiivsus ja subjetiivn rahulolu. Konkretiseerib ideed käitumispaiga terviklikkusest ja tema elementide vastastikkusest seotusest. Inimeste arv mõjutab paiga seisundit ja adekvaatsust, mis seal aset leiab. Indiviid on kk-ga seotud käitumispaiga kaudu ja kk mõju sõltub suhtest paigaga. Võimaldab ennustada käitumist, teades käitumispaiga seisundit sunnib inimesi teatud viislil käituma, nõudes kompenseerivaid jõupingutusi. A.Wicker püüab täpsemalt mõõta tasemeid ja astmeid adekvaatne mehitatuse piirkond tahavad osaleda ja on võimelised osalema, on väiksem või võrdne käitumispaiga mahutuvusega. Max hulk, mida paik suudab mahutada ja
a) füsioloogilised vajadused b) sotsiaalsed vajadused c) tunnustusvajadused d) eneseteostusvajadus e) turvalisusvajadus 18) Tarbija funktsionaalne risk seisneb a) tarbija tervise ohustamise tõenäosusel – füüsiline risk b) kuivõrd võtavad teised tarbijad Teie omandatud tooteid vastu (sõbrannade arvamus) – sotsiaalne risk c) kas toode täidab kõiki ettenähtud funktsioone d) rahapanuse ja ostu omavahelist adekvaatsust – rahaline risk 19) Motiiv a) tähendab ajendit, põhist b) tähendab motivatsioonide kogumit c) tähendab saavutust 20) Hoiak tähendab a) kogemustest tulenevat indiviidi käitumise muutumist - õppimine b) inimese kestvat suhtumist nii iseendasse kui teistesse c) üksikisiku tavapärast eluviisi – elulaad 21) Arvamusliidrile on omane a) tuntus, toote pädevus ja tundmine b) teiste isikute vaadete ja käitumise mõjutamine - võrdlusgrupp
Võõrkapitali puudumine või väike osakaal võib anda tunnistust sellest, et ettevõttel puuduvad tulusad projektid tegevuse arendamiseks tulevikus või ei leidu turul sobivaid laenuinstrumente. Omakapitali võlasiduvus (gear) näitab võõrkapitali ja omakapitali suhet. Seda on võimalik leida järgmiselt: D (5.20) GR = , E kus GR omakapitali võlasiduvus. 24 Panganduses käsitletakse maksevõime all panga kapitali adekvaatsust. 25 Üsna tihti arvutatakse võlakordajat ka kui võlgnevuste ja omakapitali jagatist. Statistikaametid kasutavad veel teisigi võimalusi, mida peab enne uurima, kui ettevõtete tulemusi saab võrrelda. Kapitaliseerituse kordaja (capitalization ratio) iseloomustab pikaajaliste kohustuste osatähtsust ettevõtte püsivates finantseerimisallikastes. Pikaajalise maksevõime seisukohalt avaldavad lühiajalised kohustused vähem mõju kui pikaajalised kohustused
Subjektiivsete tõenäosuste väljatoomiseks on kaks käsitlusviisi: uuritava teguri väärtuste esinemise tõenäosuste jaotust kirjeldatakse standardjaotuse kaudu; tõenäosuste tundmatut jaotust hinnatakse süstemaatilise ekspertküsitlusega. 19. peatükk 174. Selgitage, millistest aspektidest käsitletakse otsuse ettevalmistamisel kasutatava mudeli adekvaatsust (vastavust kasutamise tingimustele). - Otsuse ettevalmistamise rakendatavate mudelite adekvaatsust tuleb hinnata vähemalt viiest vaatepunktist lähtudes: vastavus juhtimisobjekti struktuurile ja omadustele; vastavus lahendatava juhtimisülesande sisust mudelile tulenevatele nõudmistele; vastavus mudelite koostamiseks kasutatavate meetodide võimalustele ja eeldustele;
seksuaalsuhe on meeldiv jne. Kulutuste alla lähevad aga nt majanduslikud kulutused, aeg, vabaduse puudumine, ebamugavused jne. See mudel määrab ära, et rahulolu suureneb kui 1) tasud suurenevad 2) kulutused vähenevad 3) ootused (mis baseeruvad eelnevatel suhetel) langevad. 30. SUHETE LAGUNEMISE MUDEL I - Interpsüühiline faas "ma ei suuda seda enam välja kannatada". * keskendutakse teise käitumisele *hinnatakse teise käitumise adekvaatsust *hinnatakse suhte halbu külgi *hinnatakse suhte positiivseid külgi *mõeldakse läbi lahkumineku hind *väljendatakse või loobutakse mõttest. II - Diaadilise faasi "minu otsus on õigustatud". *räägib teisele või väldib *räägitakse suhte probleemid läbi *proovitakse parandada või leppida *arutatakse läbi lahkumineku hind III - Sotsiaalne faas "Ma mõtlen seda tõsiselt". *arutatakse läbi lahutusejärgne olukord *levitatakse kõlakaid *räägitakse kes on
seksuaalsuhe on meeldiv jne. Kulutuste alla lähevad aga nt majanduslikud kulutused, aeg, vabaduse puudumine, ebamugavused jne. See mudel määrab ära, et rahulolu suureneb kui 1) tasud suurenevad 2) kulutused vähenevad 3) ootused (mis baseeruvad eelnevatel suhetel) langevad. Suhete lagunemise mudel Suhete lagunemise mudel (Duck 1988; 1992): I - Interpsüühiline faas "ma ei suuda seda enam välja kannatada". * keskendutakse teise käitumisele *hinnatakse teise käitumise adekvaatsust *hinnatakse suhte halbu külgi *hinnatakse suhte positiivseid külgi *mõeldakse läbi lahkumineku hind *väljendatakse või loobutakse mõttest. II - Diaadilise faasi "minu otsus on õigustatud". *räägib teisele või väldib *räägitakse suhte probleemid läbi *proovitakse parandada või leppida *arutatakse läbi lahkumineku hind III - Sotsiaalne faas "Ma mõtlen seda tõsiselt". *arutatakse läbi lahutusejärgne olukord *levitatakse kõlakaid *räägitakse kes on süüdi
· mõiste/mõte mõiste mida destilleeritakse (sinn) on keeruline. · Kogemusmõiste (meie individuaalne) keelemõiste (õpitud) Märk ei ole staatiline asi, märk kui väide (tegu) mis loob suhte tekstuaalse ja praktika tasandi vahel Kui oleme võimelised märke kasutame, oleme võimelised kultuuriliseks eneseväljenduseks, kultuuriliseks tähistamiseks. Iga tähistamine sisaldab väikest või suurt lubadust/pakkumist suurendada kultuuri kognitiivset adekvaatsust. Viia see paremini vastavusse tegelikkusega, mis meie endi tegevuse tagajärjel pidevalt muutub. Loeng 5 Vaatluse all on tekstide tekkemehhanisme kirjeldavad teooriad strukturalismi lähtekohtadest poststrukturalistlike vastulauseteni. Tähendusest tekstist: Kõnelemine ei toimu üksikute märkide abil. Need peavad ühinema tekstideks, tervikuteks. Kuidas tekstid moodustuvad ja kujunevad. Nikolai Trubetskoi ,,Fonoloogia põhijooned" 1939,
5 ' Olen v 170 cm pikk 6 ei Olen v 175 cm pikk -------------------------------------------------------- Seega skaala väited tuleb koostada nii, et igale järgmisele väitele "jah" vastates, oleks sellega hõlmatud ka eelnevate küsimuste "jah" vastused. Inimese skooriks jääb see skaalapunkt, kus ta viimati vastas "jah" enne esimest "ei" vastust. Kumulatiivse skaala adekvaatsust hinnatakse reprodutseeritavuse koefitsiendi abil (RK; coefficient of reproducibility), mis näitab perfektsete kumulatiivsete vastuste arvu. Juhul, kui näteks 20-st inimesest nelja puhul on saadud vastused, kus skaalal enne viimast "jah" vastust esineb üks "ei vastus (ja seega ainult 16 inimese puhul töötab skaala õigesti), on RK väärtus 16/20=0,8. Kokkuleppeliselt loetakse taset RK=0,9 madalaimaks RK väärtuseks, mille korral skaala loetakse suhteliselt hästi töötavaks
Punktiskoor väljendab tavaliselt hindamise järelduste usaldusväärsuse taset põhjus-tagajärg seose osas. Eeliseks on selle lihtsus: viiepalline skaala lubab liigitada uurimused nelja kategooriasse: toimivad, mittetoimivad, paljutõotavad ja teadmata mõjuga uurimused. Selline liigitus lubab võrrelda sekkumisprogrammide mõju eri keskkondades. TMS-i koostamise aluseks on uurimuste sisemine valiidsus. Valiidsus tähistab metoodika paikapidavust, kehtivust või adekvaatsust ning näitab, mil määral mõõdab metoodika seda, mida ta on plaanitud mõõtma. Valiidsuse ulatust näitab süstemaatiline viga ehk nihe. Sisemine valiidsus viitab põhjuslikele seostele sõltumatute ja sõltuvate muutujate vahel, st sisendite ja väljundite ehk tulemuste vahel. Skaala peamiseks tugevuseks- efektiivsust puudutavate järelduste tegemisel minnakse kaugemale kui ainult statistilise olulisuse kasutamine. Samuti saab seda skaalat rakendada
aluseks on eelkõige usaldusväärsed andmed hinnastatistika kohta. 16 Kinnisvarariski hindamise mudelis (property risk scoring model) on Adair ja Hutchison (2005: 262) jaganud vara koguriski neljaks alamkategooriaks: ● turu läbipaistvuse risk; ● investeeringu kvaliteedi risk; ● juriidiline (lepinguline) risk; ● amortisatsiooni ja kulumi risk. Kapitali hindamise adekvaatsust ja sealhulgas kinnisvarahindamise mudelite parendamist reguleerib Basel komitee (Basel Committee on Banking Supervision) riskide hindamise süsteemi väljatöötamise ja juurutamisega mitmete Euroopa pankade jaoks. Kinnisvarasektorile on enamasti iseloomulik tugev finantsvõimendus. Kui usutakse, et sissetuleku suurus tulevikus kasvab, suurendatakse tarbimist kas säästude kulutamise või laenamise abil (Deaton 1992: 134). See tähendab, et mida kiiremini ja kõrgemale
suhted (Duck 1988). Selle mudeli eelis seisneb asjaolus, et siin on hõlmatud nii lahutusega seonduvad personaalsed, diaadilised kui ka sotsiaalsed aspektid. Esimene faas ehk interpsüühiline faas kujutab endast inimese sees toimuvat arutelu selle suhte üle. Selle faasi jooksul keskendutakse teise käitumisele ja püütakse selles leida sellist, mis annaks võimaluse see suhe lõpetada. Näiteks hinnatakse teise käitumise adekvaatsust. Tavaliselt nad oma rahulolematusest partnerile veel ei räägi ja see ei pruugi neid ka eriti vaevata, seetõttu võivad neid probleeme põhjendada ka nt partneri haigusega või muude probleemidega. Samas toimub ka seesmine arutelu selle üle, mis on olnud selle suhte positiivsed ja negatiivsed küljed. Kui negatiivseid külgi on enam, siis suureneb ilmselt ka rahulolematus oma partneriga ning võib ilmneda ka ülikriitilisis
3. 3. Kiirguse filtreerimine. Lisafiltrite kombinatsioonid võimaldavad saada erinevateks ülesvõteteks vajalikku kalgimat või pehmemat röntgenikiirgust. Erilised nõuded on väljundkiirguse filtratsioonile mammograafides, kus kvaliteetse ülesvõtte saamiseks on vaja koherentset kiirgust. Pehmema kiirguse filtreerimine vähendab patsiendi doosi. Filtriteta aparaadiga töötamine on keelatud. Filtrite adekvaatsust kontrollitakse konstantsustestide tegemise ajal. 4. 4. Fookuskaugus. Pikem fookuskaugus vähendab kiirgusdoosi (kauguse ruudu seadus). Levinuim fookuskaugus on 1 m, kopsuülesvõtetel 2 m. Liikuvate ülesvõtteaparaatide eripära nõuab lühikest fookuskaugust, seega kasutatakse neid aparaate vaid juhul, kui patsienti ei saa radioloogiosakonda transportida. Mobiilsed röntgeniseadmed on ole mõeldud asendama statsionaarseid aparaate. 5. 5. Hajukiirguse filter
rahalise kohustuse tasumisega viivitamise fakt. 28. Mille poolest erineb kohustusega ühinemine käendusest? Kohustusega ühinemisel asutakse võlasuhtesse, võlgniku rolli, käenduse puhul tekib kohustus alles siis kui võlgnik lepingut rikub. Kas taganemisleping peab olema lepinguga samas vormis? Al on nõue B vastu. A ei ole oma kohustust täitnud ning loovutab selle Cle. Kas B peab oma kohustust täitma? Nõude loovutamise küsimus - Kas ja kuidas saab summa adekvaatsust mõõta kahju hüvitamise puhul? – mis sinu arvates on piisavalt suur summa, mis sinul mittevaralise kahju kompenseerib. Riigikohus on ka öeldnud, et mittevaralise kahju summad peavad olema võrreldavad, et kui on sarnaseid juhtumeid, mis siis nendes otsustes on välja mõistetud. - Mille poolest viivis erineb leppetrahvist? Võrrelda omavahel erinevaid õiguskaitsevahendeid tabeli näol. Mille hulgas leppetrahv erineb kahju hüvitamise nõudest?
Kui eriteadmised tuuakse menetlusse poolte kutsutud asjatundjate kaudu, on pooltel võrdne võimalus kohut veenda ja omalt poolt kohtule parim võimalik tõendusmaterjal esitada, kohtule aga saab osaks mitte just kadestamisväärne ülesanne valida erinevate käsitluste vahel ja hinnata, kui palju on selle käsitluse aluseks teadus ja kui palju asjatundja palganud menetlusosalise erahuvi. Siin on ohukohaks see, et kohtul puudub võimalus isesisvalt hinnata asjatundjate arvamuste sisulist adekvaatsust (natukene aitab see, kui vaadata, kas isik on riiklikult tunnustatud ekspert oma valdkonnas). Eriteadmisega isiku arvamuse hindamine Eriteadmisega isiku puhul tegu on isikulise tõendiallikaga, st temagi usaldusväärsust tuleb hinnata samade tegurite kaudu, mis tunnistaja usaldusväärsust mõjutavad siirus, väljendamisselgus, tajumistingimused ja mälu. Sõltuvalt asjaoludest võib nt
annaabi.ee 
