Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Aegread". Need materjalid aitavad sul teemat sügavamalt mõista.
autokorrelatsiooni, statistik, aegrida, statsionaarne, agregeeritud, karakteristikud, statsionaarse, mittestatsionaarne, keskväärtus, aegread, hindab, osutub, dispersion, vaatleme, mõjutamine, karakteristikuid, standardviga, sõltuvus, defineeritakse, statistikast, eemaldatud, nullhüpotees, valimite, pierce, nullid, müra, kahanevad, ajaperioodidelSõltuvate fiktiivsete muutujate kasutamiseks valitakse lineaarse tõenäosuse, logit ja probit mudeleid. Nende kasutamise põhiliseks probleemiks on see, et jääkliikmed on heteroskedastiivsed. Samuti probleemiks võib olla see, et tõenäosuste näitajad võivad mitte olla lineaarses seoses selgitava muutujaga. Tõenäosuse koefitsiendid võivad olla suurem kui üks või negatiivsed. (seda ei tohi olla) Determinatsioonikordaja võib olla väike. Millised on negatiivse autokorrelatsiooni vähendamise võimalused: Andmete teisendamine (nt logaritmeerimine) Faktoranalüüsi kasutamine Andmerea pikendamine Autokorrelatsiooni omapära (trendi) elimineerimine Sesoonsuse kasutamine, diferentside võtmine, uute andmete mudeli juurde võtmine Milles seisneb VAR mudelite põhimõte? Põhimõtte seisneb selles, et majanduses ei ole võimalik vahet teha eksogeensetel ja endogeensetel muutujatel
2. on alati moodist suurem 3. on alati geomeetrilisest keskmisest suurem 4. normaaljaotuse puhul on moodiga võrdne 5. ei ükski Standardhälve 1. leitav dispersiooni ruuduga 2. paikneb alati vahemikus 0 ... lõpmatus 3. ei saa olla lineaarhälbest suurem 4. varieeruvas reas = 0 5. ei ükski Normaaljaotuse korral 1. puudub sümmeetria 2. st. hälve = 0 3. Mo = Me ei võrdu aritmeetilise keskmisega 4. keskväärtus on alati = 0 5. ei ükski Seos Y = 18,5 + 0,48 X 1. kirjeldab X-i mõju Y-le 2. kirjeldab seose tugevust 3. kirjeldab Y-i mõju X-le 4. on pööratav ka kujule X = 18,5 + 0,48 Y 5. ei ükski Tasandusjoon Y = 18,5 – 0,48 X 1. näitab kasvavat lineaarset tendentsi 2. parameeter b ei tohi olla negatiivne 3. vabaliige 18,5 kirjeldab joone tõusu 4. igal ajaperioodil väärtused vähenevad 0,48 korda 5. ei ükski Eksponentkeskmine
Mo=Me ei võrdu aritmeetilise keskmisega (kõik peaks võrduma) 4. geom. Keskmine ja aritm. Keskmne on alati sama tähendusega 5. kolmandat järku standardmoment on võrdne nulliga 6. neljandat järku standardmoment on võrdne kolmega 7. kui ekstsess on neg, siis jaotuskõver on lamedam ja laiem 8. puudub sümmeetria (esineb sümmeetria) 9. standarthälve = 0 (siis on sirge) 11. keskväärtus on alati = 0 (ei ole alati, näiteks vanus või pikkus) Kümne aasta pikkusele aegreale arvutati tasandusjoone võrrand Y=20,5 2,5X. Kuidas saadud tulemus tõlgendada? 1. See funktsioon näitab sõltuva ja sõltumatu muutuja vahel väga tugeva seose olemasolu 2. Mitte kuidagi, sest parameeter b ei saa tulla negatiivne 3. Näitab sõltuva muutuja 2,5 ühikulist vähenemist x-i ühe ühikulise juurdekasvu korral 4
· Normaaljaotus kirjeldab tunnust, mille käitumine on normaalne. Normaaljaotus on piirjaotus, millele lähenevad paljud teised jaotused. · Normaaljaotuse üks parameetritest on standardhälve ehk sigma. · Normaaljaotuse omadused: * normaaljaotus on pidev jaotus *normaaljaotus on täielikult kirjeldatav kahe parameetriga: keskväärtusega ja dispersiooniga 2 *normaaljaotusele vastav kõver on sümmeetriline keskväärtuse suhtes * normaaljaotuse keskväärtus, mood ja mediaan ühtivad. · Mida suurem on standardhälve seda laugem (suurem) on äärmuste vahe!!! · Mediaan jaotab normaaljaotuse tagurpidi U kaheks osaks. Artitmeetiline keskmine on samas kohas kus mediaan kuna äärmused on normaaljaotusel võrdsed. Mood on samuti keskel ehk seal kus mediaan ja aritmeetiline keskmine kuna kõige suurem sagedus on seal (tipp). Aritmeetiline keskmine = Mood = Mediaan. · Normaaljaotuse puhul on tegu sümeetriaga.
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
testidega nagu Kolmogorov-Smirnovi või Shapiro-Wilki. Sageli võivad need testid näidata, et normaaljaotus puudub(kui sig on alla 0,05), kuid tsentraalse piirteoreemi kohaselt on suurte valimite korral alati tegu normaaljaotusega. Normaaljaotust saab hinnata ka visuaalselt- histogrammi, karpdiagrammi, tõenäosuspaberi jne abil. Meil on valim, mille abil tahame uurida keskväärtust üldkogumis. Testime hüpoteeside paari. H0 µ = µ0 üldkogumi keskväärtus vastab mingile standardile H1 µ µ0 üldkogumi keskväärtus ei vasta sellele standardile Kui eeldused on kontrollitud ja testitavad hüpoteesid on paigas, võime asuda t-testi läbiviimise juurde. Selleks tuleb meil välja arvutada t-statistiku väärtus(valemiga). Näiteks soovitakse kontrollida, kas noored, kes pärast ülikooli tööle lähevad, töötavad keskmiselt 40 tundi
Ligikaudseks rühmade arvu määramiseks kasutatakse valemit: r=1+3,32*log n. Kus r – rühmade(intervallide) arv, n – kogumi maht. Intervalliks nim. uuritava tunnuse väärtuse vahemikku, millega määratakse kindlaks missugusesse rühma rühmitatava kogumi liige tuleb arvata. Ms Excelis on rühmitamise jaoks funktsioon FREQUENCY. Kogutud andmed moodustavad statistilise rea, mida korrastatakse, rühmitatake, leitakse nendele statistilised karakteristikud, moodustatakse tabelid ja diagrammid. Kui statistilises reas korrastatakse andmed nende väärtuste kasvavas või kahanevas järjestuses, nim tulemust variatsioonireaks. Lihtsatest ridades on sama palju arve kui on vaatlusega hõlmatud kogumis liikmeid. Intervallitud variatsioonirida hõlmab 2 koostisosa – intervallide loetelu ja igasse interv. langevate rea liikmete arv. 5. Kaalutud aritmeetiline keskmine – tuleb kasutada kui iga variant stat
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 valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud.
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
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); väärtuselised; segamudelid; standardiseeritud (standardiseeritud mastaap, kõik x ja y ühte mõõdupuusse, jagatakse läbi standardhälbega, koefitsientide saamine); protsentuaalsed mudelid (algandmed protsentides, kasvu, juurdekasvu, indeksi protsent) 6. Lihtsustatuse astme järgi: agregeeritud mudelid (ühetaoliste majandussubjektide koondamine sektoriteks);
Pidev suurus - väärtused täidavad mingi vahemiku täielikult ära Jaotusseadus - Diskreetse juhusliku suuruse X jaotusseaduseks nimetatakse vastavust suuruse kõikvõimalike väärtuste xi ja nende tõenäosuste pi vahel. Jaotusfunktsioon - tõenäosus, et juhusliku suuruse X väärtus on väiksem-võrdne mingist reaalarvust x. Valem: F(x)=P(X<=x) Keskväärtus ehk oodatav väärtus - Kui juhusliku suuruse X väärtuse xi esinemise tõenäosus on pi , siis selle juhusliku suuruse keskväärtus ehk oodatav väärtus. Oodatav väärtus on otsustamisel kriteeriumiks. Valitakse see alternatiiv, mille korral oodatav väärtus on ekstremaalne. Näiteks: oodatav kasum maksimaalne,oodatav kulu minimaalne Valem: µ=E[X]= ∑ pixi Dispersioon – diskreetse juhusliku suuruse dispersioon σ^2=∑(xi-µ)^2*pi Pidev juhuslik suurus - Pideva juhusliku suuruse korral ei saa rääkida mingi üksiku konkreetse väärtuse esinemise tõenäosusest
Tunnus on iseloomulik omadus, mille poolest nähtused üksteisega sarnanevad või üksteisest erinevad. 1. arvulised ehk kvantitatiivsed: Pidev tunnus võib omada kõiki reaalarvulisi väärtusi Diskreetne tunnus saavad omada väärtusi ainult kindlate vahemike järel 2. mittearvulised ehk kvalitatiivsed: Järjestustunnus loogiliselt järjestatavad (haridustasemed) Nominaaltunnus - vastusevariantide jaoks ei leidu sisulist järjestust (rahvus) Binaarne tunnus tunnus, millel on ainult kaks võimalikku väärtust (sugu) Kogumi maht (liikmete arv) Moodustatavate rühmade arv 40 60 68 60 100 7 10 100 200 9 12 200 500 12 15 Intervalli laiuse saame, kui valimi suurima ja vähima väärtuse vahe jagame valitud intervallide arvuga. Sagedusjaotus näitab kui palju vaatlusi langeb igasse intervalli. Mahukeskmised aritmeetiline kesk
23. Vajaliku valimi koguse arvutus kordumistega ja kordumisteta juhuväljavõtul Kodumistega väljavõtul : μ=√δ2/n Kordumisteta: μ =√p(1-p)/n 24. Aegridade mõiste ja liigitus Aegreaks nimetatakse nähtuste ajalist muutumist iseloomustavate arvandmete rida. Aegrea elemendid on nähtust iseloomustava tunuse arvväärtused ja neile vastavad ajamomendid või ajaperioodid. Aegread liigitatakse : 1) momentread- aegrida, mille iga element on seotud teatud ajamomendiga (kuupäev, mingi aasta algus,-lõpp). Momentrea oluliseks iseärasuseks on see, et nähtust iseloomustava tunuse arvväärtuste summal ei ole reaalset sisu. Nii näiteks ei ole mõtet liita rahvaarve aastate alguses. 2) Perioodread- aegrida, mille iga element on seotud mingi ajamahemikuga, perioodiga (kuu, kvartal, aasta). a
Statistiline modelleerimine – kokkuvõte Muutujad: Sõltuvad muutujad (dependent, outcome variables) – muutujad, mis on uurimise keskmes, millele uurija arvab, et teised muutujad mõju avaldavad. Nö katseisikust sõltuv muutuja. Sõltumatud muutujad (independent, predictor variables) – muutujad, mille kohta uurija arvab, et neil võiks olla mõju uuritavatele muutujatele. Statistilise analüüsi keskmes on uurida, kuidas teatud tunnused koos muutuvad. Kui on vaja muutujat iseloomustada, on kaks põhilist viisi, kuidas seda teha: o Milline on selle muutuja tüüpiline väärtus? o Kui hästi iseloomustab see tüüpiline väärtus kõiki mõõdetud juhtumeid? Ehk kui palju on varieeruvust selle tüüpilise väärtuse “ümber”? Statistika jagunemine: Kirjeldav statistika (descriptive stat.) meetodid andmetest kokkuvõtete tegemiseks ning kirjeldamiseks. („65-70% U
f'(x0), siis funk-i väärtus f(x0) on: 1. relat max, kui f'(x)-e märk on vasakul + ja paremal- (x 0 suhtes). 2. relat min, kui f'(x)-e märk on vasakul- ja paremal +. 3. ei kumbki, kui f'(x)-e märk säilub (punkti x0 ümbruses). d) Teise tuletise test: Kui f'(x0)=0, siis f(x0) on: 1. relat max, kui f''(x0)<0 f''(x0)=0 korral mitterakenduv 2. relat min, kui f''(x0)>0 e) N-dat järku tuletise järk: Kui f'(x)=0 ja esimene nullist erinev tuletis punktis x0 on n-ndat järku: f(n)(x0)0, siis statsionaarne väärtus f(x0) on: 1. relat max, kui N=2k ja f(n)(x0)<0 2. relat min, kui N=2k ja f(N)(x0)>0 3. käänupunkt, kui N=2k+1. 17. Kitsendustega optimeerimine, kitsenduse efektid, statsionaarsete väärtuste leidmine, teist järku tingimused. Kitsendused on eritingimused otse valikmuutujatele. a) Kitsenduste efektid: Kitsenduste pealepanek opt ül-le tähendab teatud riiravate faktorite avastamistopt-e. Matemaatiliselt kitsendus tõmbab mäpi kokku
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 Funktsionaalne sõltuvus ....................................
olekuid ja need omakorda väljundit. Lisaks on olemas ka häiringud ehk sisendid süsteemil, mis on enamasti juhusliku iseloomuga ning mõjutavad/häirivad süsteemi käitumist, kontrollimatult ja tundmatu algupäraga. Ka häiringu rakenduskoht süsteemis on tihti ebaselga. Häiringuid saab käsitleda väljundsignaali tundmatu komponendina, ei ole mõõdetavad. Mittestatsionaarse süsteemi puhul sõltub olekusiirdefunktsioon ajast, statsionaarse puhul mitte. Kui igale sisendile vastab sama väljund, siis süsteem on staatiline ehk samale sisendile pannakse vastu konkreetne väljund, (väga aeglaselt muutuvate olekutega süsteem). Väljund sõltub ka sellest olekust, mis tal on või oli ja siis on protsess dünaamiline (muutuvad ajas). Süsteemi matemaatiline mudel ja selle koostamine: Süsteemi matemaatiline mudel on süsteemis toimivate füüsikaliste või muu päritoluga protsesside seaduspärasuste alusel koostatud
kirjeldatud regressioonimudeli poolt. Determinatsioonikordaja mõõdab, kui hästi regressioonisirge lähendab vaatlusandmeid. Determinatsioonikordaja väljendab regressioonimudeli poolt kirjeldatud hajuvuse (ESS) suhet modelleeritava näitaja (endogeense - sõltuva muutuja) koguhajuvusse (TSS). KOVARIATSIOONIKORDAJA Kahe muutuja vahelise seose tugevuse ja suuna kirjeldamiseks võib kasutada kovariatsioonikordajat: · muutujate X ja Y hälvete korrutiste keskväärtus · andmepaaride hälvete keskmine (murrujoone pealne osa on jagatud n-ga) iseloomustab tunnuse ühismuutuvuse (kovariatsiooni) astet Kovariatsiooni väljendav juhuslik suurus cov(X,Y) võib olla vahemikus (-, ) Kovariatsioon on : · positiivne, kui muutujate X ja Y keskmine hajumine ümber nende keskväärtuste toimub samas suunas; · negatiivne kui vastassuunas; · cov (X, Y)= 0, kui juhuslikud suurused on sõltumatud.
vastavate majandusnäitajate kujunemist tulevikus. Ökonomeetriliste probleemide lahendamiseks hangitavad arvandmed jagunevad kahte liiki: läbilõikeandmed , mis kujutavad endast valimit erinevate majandusüksuste(ettevõtete, talude, maakondade jne.) majandustegevust iseloomustavatest näitajatest. Kõik vaatlustulemused iseloomustavad ühte ja sama ajahetke või ajavahemikku.Aegread,mis iseloomustavad ühe ja sama majandusüksuse tegevust teatud perioodi kestel. Aegrida moodustavad näitajad kujutavast endast makromajanduslikke näitajaid( sisemajanduse koguprodukt, tarbijahinna indeks). Enamik ökonomeetrias kasutatavaid arvandmeid on hangitud statistikaorganite poolt, seega ökonomeetria vaatleb majandusprotsesse passiivselt. Ökonomeetrilise analüüsi põhialuseks on majandusteooria järeldused antud probleemi kohta. Ökonomeetriliseks mudeliks nim-teoreetiliste seisukohtade kogumit, mida me konkreetses analüüsis kasutame
MTMM.00.340 Kõrgem matemaatika 1 2016 KÄRBITUD loengukonspekt Marek Kolk ii Sisukord 0 Tähistused. Reaalarvud 1 0.1 Tähistused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 0.2 Kreeka tähestik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 0.3 Reaalarvud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 0.4 Summa sümbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1 Maatriksid ja determinandid 7 1.1 Maatriksi mõiste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.2 Tehted maatriksitega . . . . . . . . . . . . . . . . . . .
Uurimismeetodid psühholoogias (SOPH.00.282; 6 EAP) Kokku käsitletakse loengutes/seminarides/praktikumides seitset suuremat teemat, lisaks tuleb lugeda ka õpikust Kõigi teemade kohta on õppejõud koostanud lühikonspektid, mida auditoorse töö käigus pikemalt kommenteeritakse (koos näidetega). Mõnede teemadega kaasnevad praktilised tööd, kokku 5. Iga töö kohta tuleb vormistada aruanne/protokoll (tähtaeg määratakse iga töö kohta eraldi). Kuna on tegemist võimalikult praktilise kursusega, siis on auditoorsel tööl kohalolek kohustuslik. Aine lõpeb kirjaliku eksamiga. Eelduseks eksamile pääsemiseks on kontrolltöö sooritamine (9. aprill 2012) ja praktiliste tööde tegemine ning esitamine. Lisaks on vaja osaleda mõnes psühholoogilises uurimuses aineväliselt (2h). Teemad: · Eksperimentaalne meetod psühholoogias · Uurimistöö allikad. Uurimustöö eetika (praktiline töö nr. 1; Ch 6-7) · Mõõtmine ja mõõtmisskaalad (praktiline töö nr 2; Ch 8) ·
alamliigid. 1) Kahepositsiooniline 2) Kolmepositsiooniline Iga reguleerimisseadust saab kirjeldada põhivõrrandiga (dif. integr. võrrand) regulaatori ülekandefunktsiooni abil. Enamikel juhtudel aetakse läbi lineaarse reguleerimisega. Rangemas käsitluses päris lineaarset reguleerimisseadust on raske realiseerida, lineaarne reguleerimine on teatud määral mittelineaarne. Kõik reguleerimisseadused on idealiseeritud, nad on tüüpiliste mudelite karakteristikud ja vastavad reaalse reguleerimisaparatuuri omadustele ainult ligikaudu. Täpsemal vaatlusel osutuvad mudelitest erinevaks nii regulaatorite võrrandid, siirdekarakteristikud kui ka kõik ülejäänud karakteristikud. Mistahes reaalse regulaatori erinevust vastavast mudelist saab näidata regulaatori ülekandefunktsiooni abil, esitades selle lähimale reguleerimisseadusele (P, I, PI, PID või PD) vastava ideaalregulaatori ülekandefunktsiooni W IR(s) ja nn. ballastülekandefunktsiooni korrutisena
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 Funktsionaalne sõltuvus . . . . . . . . . .
Produkti tekib ainult ühte rada pidi: ES-i tekib ainult ühte rada pidi, on teist järku reaktsioon, samas läheb ES-i ära ka, seetõttu tuleb maha lahutada Need vanad ütlesid, et substraat-ensüüm kompleksi konts ajas ei muutu , seega Kuna , siis Kiirus: MM said, et VC said, et 2.MM võrrandi tuletamine statsionaarse faasi eeldused Kiire tasakaalu eeldus sai väga palju kriitikat, pole õigustatud. Briggs ja Haldane pakkusid välja üldisema lahenduse, ei teinud kiire tasakaalu eeldust. Nad ei teinud eeldusi üksikute kiiruskonstantide väärtuste kohta. Reaktsiooniskeem on ikka kaheastmeline (k1 on teist järku kiiruskonstant, k-1 ja k2 on esimest järku) Juurde toob ainult üks nool, + märgiga seega k1. Ära viivad kaks noolt, mõlemad tuleb maha lahutada.
LTMS.00.022 ÜHE MUUTUJA MATEMAATILINE ANALÜÜS Loengukursus Tartu Ülikooli loodus- ja täppisteaduste valdkonna üliõpilastele 2019./2020. õppeaasta Toivo Leiger Joonised: Ksenia Niglas Pisitäiendused 2016–20: Märt Põldvere, Natalia Saealle, Indrek Zolk, Urve Kangro 2 Sisukord 1 Reaalarvud 6 1.1 Järjestatud korpused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.1.1 Korpuse aksioomid . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.1.2 Järjestatud korpus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.1.3 Täielik järjestatud korpus . . . . . . . . . . . . .
3 ELEKTRIAJAMITE ELEKTROONSED SÜSTEEMID 4 Valery Vodovozov, Dmitri Vinnikov, Raik Jansikene Toimetanud Evi-Õie Pless Kaane kujundanud Ann Gornischeff Käesoleva raamatu koostamist ja kirjastamist on toetanud SA Innove Tallinna Tehnikaülikool Elektriajamite ja jõuelektroonika instituut Ehitajate tee 5, Tallinn 19086 Telefon 620 3700 Faks 620 3701 http://www.ene.ttu.ee/elektriajamid/ Autoriõigus: Valery Vodovozov, Dmitri Vinnikov, Raik Jansikene TTÜ elektriajamite ja jõuelektroonika instituut, 2008 ISBN ............................ Kirjastaja: TTÜ elektriajamite ja jõuelektroonika instituut 3 Sisukord Tähised............................................................................................................................5 Sümbolid .....................
1. Punktmassi kinemaatika. 1.1 Kulgliikumine 1.2 Vaba langemine 1.3 Kõverjooneline liikumine 1.4a Horisontaalselt visatud keha liikumine 1.4b Kaldu horisondiga visatud keha liikumine. 2. Pöördliikumine 2.1 Ühtlase pöördliikumisega seotud mõisted 2.2 Kiirendus ühtlasel pöördliikumisel 2.3 Mitteühtlane pöördliikumine. Nurkkiirendus 2.4 Pöördenurga, nurkkiiruse ja nurkkiirenduse vektorid. 3. Punktmassi dünaamika 3.1. Inerts. Newtoni I seadus. Mass. Tihedus. 3.2 Jõu mõiste. Newtoni II ja III seadus 3.3 Inertsijõud 4. Jõudude liigid 4.1 Gravitatsioonijõud 4.1a Esimene kosmiline kiirus. 4.2 Hõõrdejõud 4.2a Keha kaldpinnal püsimise tingimus. 4.2b Liikumine kurvidel 4.3 Elastsusjõud 4.3a Keha kaal 5 JÄÄVUSSEADUSED 5.1 Impulss 5.1a Impulsi jäävuse seadus. 5.1b Masskeskme liikumise teoreem 5.1c Reaktiivliikumine (iseseisvalt) 5.2 Töö, võimsus, kasutegur 5.3 Energia, selle liigid 5.3 Energia
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 kvaliteet ja teiselt pool
............................................................................................................ 50 6.2. Aatomdifusioon tahketes materjalides (joonis 4.8). ............................................... 51 6.3. Difusiooni vakantsmehhanism. ............................................................................... 51 6.4. Võrevaheline difusioonimehhanism........................................................................ 52 6.5. Statsionaarne difusioon (joonis 4.11, 4.12, 4.13).................................................... 52 6.6. Mittestatsionaarne difusioon (joonis 4.14, 4.15) .................................................... 53 4 6.7. Difusioonikiirust mõjutavad faktorid (joonis 4.16).................................................. 54 6.7.1. Temperatuuri mõju ..............................................................
Tallinna Polütehnikum Energeetika õppesuund Rein Kask ELEKTRIAJAMITE JUHTIMINE Õppevahend TPT energeetika õppesuuna õpilastele Tallinn, 2007 Saateks Erialaainete õpikute ja muude õppevahendite krooniline puudus on juba palju aastaid raskendanud kutsehariduskoolide õpilastel omandada erialaseid teadmisi. Käesolev kirjatöö püüab mingilgi määral leevendada seda olukorda Tallinna Polütehnikumi energeetika õppesuuna õpilastele sellise õppeaine kui ,,Elektriajamite juhtimine" õppimisel. Elektriajamid on üheks põhiliseks elektritarvitite liigiks ja neid kasutatakse laialdaselt kõikides eluvaldkondades. On selge, et tulevased elektriala spetsialistid peavad neid hästi tundma ja oskama neid ka juhtida. Elektriajamite juhtimine ongi valdkonnaks, mida käsitleb käesolev õppevahend. Selle koostamisel on autor lähtunud põhimõttest selgitada probleeme nii põhjalikult kui vajalik ja nii napilt kui võimalik siit ka õppe-
EESTI MAAÜLIKOOL VETERINAARMEDITSIINI JA LOOMAKASVATUSE INSTITUUT LOOMAGENEETIKA I OSA LOENGUKONSPEKT ÕPPEAINES VL.0779 ARETUSÕPETUS ÕPPEVAHEND EMÜ ÜLIÕPILASTELE Koostajad: A. Lüpsik E. Orgmets H. Viinalass TARTU 2009 GENEETIKA KUI TEADUS JA SELLE KOHT BIOLOOGIAS Geneetika on teadus organismide pärilikkusest. Mõiste geneetika tuleneb kreeka keelest ja tähendab sünnisse, põlvnemisse või tekkesse puutuvat. Tänapäeval on geneetika kujunenud bioloogia üheks keskseks haruks, sest ta uurib kõikidel organismidel esinevat nähtust pärilikkust ja selle muutumist ning geneetilise informatsiooni edastamise ja realiseerumise seaduspärasusi organismi elutsükli jooksul. Geneetika arengust sõltuvad elusorganismide soovikohase muutmise, valkude biosünteesi kontrolli ja ka põllumajandusloomade se
alaldatava pinge faaside arvust ja kasutatavast lülitusest. Kõiki alalduslülitusi iseloomustatakse järgmiste parameetritega: 1) Alaldustegur , see on alaldatud pinge keskväärtuse U ja alaldatava pinge 0 efektiivväärtuse U suhe. 2 2) Väljundpinge pulsatsiooni tegur. p. 3) Dioodidele mõjuv vastupinge U . R 4) Dioodi läbiv pärivoolu keskväärtus I . F Viimased kaks parameetrit on olulised dioodide valikul alaldisse, 3.2.1. Ühefaasiline poolperioodalaldi. Lihtsaimaks alalduslülituseks on ühefaasiline poolperioodalaldi kus kasutatakse ainult üht dioodi, milline on lülitatud tarbijaga järjestikku. Kui alaldatavas pinges on positiivne poolperiood, siis on diood pingestatud pärisuunas, tema takistus on väike(< 10) ja kogu alaldatud pinge toimib tarbijale
TALLINNA TEHNIKAKÕRGKOOL Arhitektuuri ja keskkonnatehnika teaduskond Tehnoökoloogia õppetool Villu Vares ENERGIA ja KESKKOND Konspekt 1 Villu Vares Energia ja keskkond Tallinn 2012 2(113) Villu Vares Energia ja keskkond SISUKORD SISUKORD.............................................................................................................................................................3 SISSEJUHATUS....................................................................................................................................................5 1 ENERGIAKASUTUS JA MAAILMAS JA EESTIS........................................................................................6 1.1 ENERGIAKASUTUS MAAILMAS JA EESTIS.
annaabi.ee 
