Töö eesmärk Gaaside saamine laboratooriumis. Gaasiliste ainete mahu, temperatuuri ja rõhu vaheliste seoste leidmine ning gaasiliste ainete molaarmassi leidmine. Töövahendid CO2 balloon, korgiga varustatud seisukolb (300 cm 3), tehnilised kaalud, mõõtesilinder (250 cm3), termomeeter, baromeeter. Kasutatavad ained CO2 balloonist. Töö käik 1. Kaaluda tehnilistel kaaludel korgiga varustatud umbes 300 cm 3 kuiv kolb (mass m1). Kolvi kaelale teha viltpliiatsiga märge korgi alumise serva kohale. 2. Juhtida balloonist kolbi süsinikdioksiidi 7-8 minuti vältel. Jälgida, et vooliku ots ulatuks peaaegu kolvi põhjani, aga ei oleks tihedalt vastu põhja. Muidu võib juhtuda, et kogu CO2 väljub voolikukimbu teistest harudest. 3. Sulgeda kolb kiiresti korgiga ja kaaluda uuesti (m 2). 4. Juhtida kolbi 1-2 minuti vältel täiendavalt süsinikdioksiidi, sulgeda korgiga ning kaaluda veelkord. Kolvi täitmist jätkata kons...
Nimetus Ava Võll Kuidas saab? Piirmõõde D d Ø järel olev arv Ülemine piirhälve ES es Algandmetest, suurim + Alumine piirhälve EI ei Algandmetest, suurim - Suurim piirmõõde Dmax dmax D+ES/d+es Vähim piirmõõde Dmin dmin D+EI/d+ei Tolerants TD Td TD = ES - EI /Td = es - ei Kõlblikud detailid Dmin kuni Dmax dmin kuni dmax Tabelist Kui on lõtkuga ist Suurim lõtk Smax Dmax - dmin Vähim lõtk Smin Dmin - dmax
Nimetus Ava Võll Kuidas saab? Piirmõõde D d Ø järel olev arv Ülemine piirhälve ES es Algandmetest, suurim + Alumine piirhälve EI ei Algandmetest, suurim - Suurim piirmõõde Dmax dmax D+ES/d+es Vähim piirmõõde Dmin dmin D+EI/d+ei Tolerants TD Td TD = ES - EI /Td = es - ei Kõlblikud detailid Dmin kuni Dmax dmin kuni dmax Tabelist Lõtkuga ist Suurim lõtk Smax Dmax - dmin Vähim lõtk Smin Dmin - dmax
Kristi n 175.5 38 Eva n 170 38 Margit n 168 38 Oliver m 183 44 Herkki m 180.5 44.5 Kätlin n 167 38 Tiina n 171.5 37 Agne n 172 38 Ellu n 167 38 ARVESTUSLIK TÖÖ Statistika 11r klass TÖÖLEHEL ON 5 ÜLESANNET 1. Sorteeri algandmetest tüdrukute kõik andmed eraldi lehele. Pane lehe nimeks tüdrukud. Järje 2. Kopeeri alljärgnev tabel oma tüdrukute lehele ning täida tabeli tühjad lahtrid. Tütarlapsed Pikkus Jala nr Aritmeetiline keskmine Mood Mida näitab mood? Mediaan Mida näitab mediaan? Minimaalne väärtus Maksimaalne väärtus
2. arvestatakse kahte esimest sümbolit, 3. sümbolid kodeeritakse järgnevalt: a 1, b 2, ..., z 26, tühik 0; suur- ja väiketähed on ekvivalentsed 4. paiskfunktsioon arvutatakse järgmiselt: h = 1.täht * 27 + 2.täht 5. primaaraadress arvutatakse järgmiselt: f = h mod T, kus T- tabeli maht; 2. kollisioonid lahendatakse järgmiselt: 1. sammuga 1, 2. sammuga s (algandmetest), 3. samm arvutatakse s= ( h mod (T-2) ) + 1, 4. kasutatakse 3-elemendilisi pakette (tabeli maht T=33 sõna). ALGANDMED Samm s = 21 12) the 26) much Sõnad: 13) input 27) evidence Samm s=21 14) variables 28) of Sänad: 15) would 29) the 1) or 16) presumably 30) uptake
> round(mean(HB$H),1) #Vaatan haava puude keskmist kõrgust ja ümradan ühe komakohani. [1] 33.4 VASTUS: Minu proovitüki enamuspuuliigi ehk haava keskmine kõrgus on 33,4 m Mitmel proovitükil kogu andmestikus on mõõdetud sinu proovitüki keskmisest puust kõrgemaid sama liiki puid? #Mitmel proovitükil kogu andmestikus (puud2015) on mõõdetud sinu proovitüki keskmisest puust kõrgemaid sama liiki puid? H33.4=subset(puud2015,H>33.4&PL=="HB") #Teen andmestiku algandmetest kus on välja toodud haavad, mis on kõrgemad kui PRT332 enamuspuuliigi keskmine kõrgus. length(table(H33.4$PRT)) #Vaatan proovitükkide arvu, kus on mõõdetud haavasid, mis on kõrgemad kui 33.4 > #Mitmel proovitükil kogu andmestikus (puud2015) on mõõdetud sinu proovitüki keskmisest puust kõrgemaid sama liiki puid? > H33.4=subset(puud2015,H>33.4&PL=="HB") #Teen andmestiku algandmetest kus on välja toodud haavad, mis on kõrgemad kui PRT332 enamuspuuliigi keskmine kõrgus.
olemasolu ja merepinna kohal tuule kiirust (lainevahu järgi). Arvestades, et Eestis on näiteks detsembris otsest päikesepaistet keskmiselt vaid umbes 10% võimalikust ehk 20 tundi, võib antud kohta pidevalt jälgivalt (geostatsionaarselt) satelliidilt kõlblikku pilti oodata päevi või nädalaid. Paljude vajalike suuruste jaoks kaugseiremeetodid lihtsalt puuduvad või ei ole küllalt täpsed. Valdav enamik meteoroloogiliste (ilmaennustus-) mudelite algandmetest saadakse jätkuvalt sondpallide ja maapealsete vaatlustega. Ainult sel moel saab määrata õhurõhu kõigis kolmes mõõtmes, ilma milleta ei saa ükski mudel põhimõtteliselt töötada. Viimastel aastakümnetel on selle kõrvale kerkinud maapealse ilmaradari andmestik, mille põhjal saab määrata pilvede veehulga, mis on tähtis nii sademete kui atmosfääri termodünaamika seisukohalt. Ka enamik saasteaineid ei jäta endast piisavalt tugevat ja üheselt tõlgendatavat jälge
Lahendus. Antud: Teeme joonise, mis kujutab t1 = 20 0C alumiiniumitüki kolme olekut. t2 = 80 0C Algul on alumiinium m = 3 kg temperatuuril t1, siis teda c = 890 J/(kg·K) soojendatakse (antakse juurde Q=? kindel soojushulk Q), mille tulemusena tekib lõppolek temperatuuriga t2. Enne lahendamise juurde asumist paar sõna algandmetest ja nende teisendamisest. Kui tavaliselt on vaja teisendada temperatuur Kelviniteks, siis soojushulga arvutamisel seda teha vaja ei ole, sest soojendamisel (jahutamisel) sõltub soojushulk alg- ja lõppoleku temperatuuride vahest. Kuna nii absoluutse temperatuuriskaala kui ka Celsiuse skaala kraadivahemik on ühesugune, pole temperatuuriühikuid teisendada vaja. Algandmetesse on paljudel juhtudel (eriti soojushulkade arvutamisel) vaja lisada antud aine kohta käivaid andmeid. Neid enamasti
................................................ 13 KASUTATUD KIRJANDUS ................................................................................................ 14 2 SISSEJUHATUS Antud kursusetöö eesmärgiks on projekteerida tõsteseade vastavalt lähteandmetele. Dimensioneeritud elemendid võetakse vastavast kursusetöö juhendist ja käsiraamatust. 1. LÄHTEANDMED Kursusetöö teostamisel lähtuti järgmistest algandmetest: [1] 1. Variandi number 06. 2. Konveieri tootlikkus on Q = 600 T/h. 3. Tõstekõrgus H = 5 m. 4. Kaldenurk on =12°. 5. Materjaliks on slakk, mille mahumass = 750 kg/m3 = 0,75 T/ m3. 6. Lindi kuju lame. 3 2. KONVEIERI LINDI ARVUTUS 2.1. Lindi laiuse B leidmine Lameda kujuga lindi laius B on arvutatud valemiga (2.1) Q B= ,(2.1) 576 tan v c
Kui võrrelda auto liikumist eri teelõikudel, siis esimesel lõigul on kiiruseks v1 = s1 / t1 = 60 km / h ja teisel lõigul v 2 = s 2 / t 2 = 100 km / h . Näidisülesanne 8. Auto sõidab pool tundi kiirusega 80 km/h ja pool tundi kiirusega 120 km/h. Leida auto keskmine kiirus. Lahendus. Kujutame liikumist järgmise skeemiga. Antud: t1 = 30 min = 0,5 h v1 = 80 km/h t2 = 30 min = 0,5 h v2 = 120 km/h Kuna liikumise koguaja saab algandmetest kohe leida, tuleb meil Leida: v = ? arvutada läbitud teepikkus. Arvestades, et liikumine on ühtlane, on aja t1 jooksul läbitud teepikkus s1 = v1 t1 ja aja t 2 jooksul läbitud teepikkus s2 = v2 t 2 . Keskmise kiiruse arvutamiseks saame nüüd valemi s v1t1 + v 2 t 2 v= = . t t1 + t 2 Asendades arvud, saame 80 0,5 + 120 0,5 v =( ) km/h = 100 km/h . 0,5 + 0,5
peal. Siis avanevad Sulle värvivalikud. Kui Sul on must-valge printer, ei ole oluline, kas valid mõne heleda värvitooni või halli välja prinditakse ikka kõik ühtemoodi hallina. Jälgi ainult, et Sa ei valiks liiga tumedat tausta, muidu ei paista kirjatekst välja! Siin näites valiti helehall. Samamoodi tooni ära ka 8 ja 9 rida ning ülejäänud lahtrid. Vastavalt näite-joonisele kirjuta ära ülejäänud tekst ja arvud, välja arvatud need arvud mis sõltuvad algandmetest Summa, Käibemaks ja Summa kokku. Kasuta kõiki eelpool kasutatuid kujundusvõtteid. Järgmisena paneme vahejooned. Nagu Sa eelnevalt prindi eelvaatuses märkasid, ei prindita välja halle abijooni. Väljaprinditavad jooned pead Sa ise panema. Võta märgistusse lahtrid, millele tahad väljaprinditavaid jooni vahele panna. Alusta ülemisest toonitud alast. Sellel on ümber peenike äärejoon. 5
kooli õpilased? Põhjenda vastust. Struktureeritud andmestik Enne arvulisel või struktureeritud kujul olevate andmete analüüsima asumist on mõistlik andmed sisestada andmetabelisse. Andmete analüüsimisel kasutada arvuti abi - säästab korduvast ja aeganõudvast andmete loendamisest ning võimaldab kiiresti ja mugavalt kasutada samu andmeid uute sisuliste analüüsiküsimuste vastamiseks Andmetabeli koostamine Algandmetest andmetabelit koostades tuleb eelkõige meeles pidada, et õige andmetabel peab olema hästi lihtsa ja alati samasuguse põhistruktuuriga: iga objekt saab endale tabelis ühe rea iga tunnus omale tabelis ühe veeru iga väärtus saab endale tabelis ühe lahtri Andmetabel 1 Tabel 1. Õpilase koostatud andmetabel Andmetabel 2 - mis on pildil valesti? Tabel 2. Professionaali koostatud andmetabel kodeeritud andmetega Andmete korrastamine
ei saa lühiajaliselt muuta, siis ei sõltu fikseeritud kulude suurus tootmismahust. Muutuvkulu on muutuvsisendiga seotud kulu. Kuivõrd muutuvsisendite mahtu on võimalik lühiajaliselt muuta, siis järelikult sõltuvad muutuvkulud tootmismahust. Mida rohkem ettevõte toodab, seda rohkem kasutab ta muutuvsisendeid ning seda suuremad on kogu muutuvkulud. Otsustamaks, kas käesolevas ülesandes on tegemist lühi või pikaajalise käsitlusega, peab vaatama, kas fikseeritud kulud on olemas. Algandmetest (tabelist) selgub, et kui tootmismaht on null, siis kogukulud on kaheksa. Need saavadki olla ainult püsikulud. Seega on tegemist lühiajalise käsitlusega. 6) Populaarse maailmakirjaniku Juhan Hõbeda kirjastaja teab, et nõudlust J. Hõbeda järgmisele romaanile iseloomustab allolev tabel. Autorile makstakse raamatu kirjutamise eest 2 miljonit eurot. Raamatu kirjastamise piirkulu on konstantne, 10 eurot raamatu kohta. Hind (P) Kogus (Q) 100 0 90 100 000
Töömahu ja ehitusmaksumuse poolest tegi uus sild silmad ette enamusele nõukogude perioodil Tartusse rajatud suurehitistele. Uue silla projekteerimise ja ehitamise näol oli tegemist linna toonase juhtkonna kinnismõttega, mis suudeti oskuslikult vajalikes instantsides ära kaitsta. Ka linnarahvas hakkas uut silda seostama toonase linna täitevkomitee esimehe Nikolai Preimaniga. Rahvasuus ristiti sild Preimani purdeks. Silla projekti lõplik maht sõltus tellija s.o. linna poolt antavatest algandmetest, mida Leningradi projekteerijad perspektiivselt välja arvutama asusid. Kahe eraldatud sõidusuunaga silla ööpäevaseks läbilaskevõimeks projekteeriti 20 000 autot, mis tolleaegsete arvestuste kohaselt pidi vastama 1990. aastate liikluskoormusele. Tegelikult ei olnuks Emajõe pärast sellises mahus silda, suurt rahasummat ja hiigelkogust ehitusmaterjale vaja olnud. Projekti kohaselt rajati Emajõkke neli sambapaari. Kokku oli sillal sambapaare aga 20
.................. 22 KASUTATUD KIRJANDUS ..................................................................................................... 23 2 SISSEJUHATUS Antud kursusetöö eesmärgiks on projekteerida tõsteseade vastavalt lähteandmetele. Dimensioneeritud elemendid võetakse vastavast kursusetöö juhendist ja käsiraamatust. 1. LÄHTEANDMED Kursusetöö teostamisel lähtuti järgmistest algandmetest: [1] 1. Variandi number 06. 2. Tõstetava koormuse väärtus Q = 80 kN. 3. Tõstekõrgus H = 11 m. 4. Reziim keskmine reziim. 5. Trossi väikseim lubatud varutegur kv = 5,5 [1, lk. 13, tabel 5] 6. Kandvate trossiharude arv z = 4 [1, lk. 12, tabel 4] 7. Veerelaagri kasutegur = 0,98 [1, lk. 13, tabel 6] 8. Polüsplasti ülekandearv Kn = 2 Seadme tõstevõime kilogrammides on leitud valemiga [2] Q 80000 N
Seetõttu on enne analüüsima asumist mõistlik andmed sisestada andmetabelisse kasutades selleks mõnd ,,ruudulise" töölehega programmi (nt MS Excel, OpenOffice.org Calc, Statistica, SPSS, jne) ning kasutada andmete analüüsimisel arvuti abi. Viimane päästab meid korduvast ja aeganõudvast andmete loendamisest ning võimaldab kiiresti ja mugavalt kasutada samu andmeid uute sisuliste analüüsiküsimuste vastamiseks. Algandmetest andmetabelit koostades tuleb eelkõige meeles pidada, et õige andmetabel peab olema ,,askeetlik" st hästi lihtsa ja alati samasuguse põhistruktuuriga: iga objekt saab endale tabelis ühe rea, iga tunnus omale ühe veeru ning iga väärtus ühe lahtri. Toon kaks näidet andmetabelitest, mis on mõlemad korrektse ülesehitusega, kuigi esimese puhul on tegu kooliõpilaste ning teisel puhul professionaalide poolt koostatud tabeliga.
Seetõttu on enne analüüsima asumist mõistlik andmed sisestada andmetabelisse kasutades selleks mõnd „ruudulise“ töölehega programmi (nt MS Excel, OpenOffice.org Calc, Statistica, SPSS, jne) ning kasutada andmete analüüsimisel arvuti abi. Viimane päästab meid korduvast ja aeganõudvast andmete loendamisest ning võimaldab kiiresti ja mugavalt kasutada samu andmeid uute sisuliste analüüsiküsimuste vastamiseks. Algandmetest andmetabelit koostades tuleb eelkõige meeles pidada, et õige andmetabel peab olema „askeetlik“ st hästi lihtsa ja alati samasuguse põhistruktuuriga: iga objekt saab endale tabelis ühe rea, iga tunnus omale ühe veeru ning iga väärtus ühe lahtri. Toon kaks näidet andmetabelitest, mis on mõlemad korrektse ülesehitusega, kuigi esimese puhul on tegu kooliõpilaste ning teisel puhul professionaalide poolt koostatud tabeliga.
Seetõttu on enne analüüsima asumist mõistlik andmed sisestada andmetabelisse kasutades selleks mõnd „ruudulise“ töölehega programmi (nt MS Excel, OpenOffice.org Calc, Statistica, SPSS, jne) ning kasutada andmete analüüsimisel arvuti abi. Viimane päästab meid korduvast ja aeganõudvast andmete loendamisest ning võimaldab kiiresti ja mugavalt kasutada samu andmeid uute sisuliste analüüsiküsimuste vastamiseks. Algandmetest andmetabelit koostades tuleb eelkõige meeles pidada, et õige andmetabel peab olema „askeetlik“ st hästi lihtsa ja alati samasuguse põhistruktuuriga: iga objekt saab endale tabelis ühe rea, iga tunnus omale ühe veeru ning iga väärtus ühe lahtri. Toon kaks näidet andmetabelitest, mis on mõlemad korrektse ülesehitusega, kuigi esimese puhul on tegu kooliõpilaste ning teisel puhul professionaalide poolt koostatud tabeliga. Tabel 1. Andmetabel
Uurimisküsimus – pluralism Argumendipluralism - demokraatlikus diskursuses ei saa (1) ühtki argumenti ette välistada, s.t. enne, kui see on püstitatud Huvide pluralism - ei saa ühtki huvi ette seadusetuks tembeldada, mis tähendab jällegi enne, kui seda on kaalutud. Vigade vältimine uurimisküsimuses: • Ratta leiutamine • Uurimisväite/-argumendi olemasolu, mitte ainult kirjanduse ülevaade ja kirjeldavad andmed (samas laialt kasutuses) • Uurimisväide ei ole tulenev algandmetest • Sea ja käo ühte patta panemine (võrreldamatute võrdlemine) 1-2 UURIMISKÜSIMUST Uurimistasand: • Isik • Tiim • Projekt • Üksus/osakond • Ettevõte • Tööstusharu • Riik • Maailmajagu Metoodika: ratsionaalsusnõuded: „kontrollitavus, korratavus, mõisteline selgus ja vastuolude puudumine“ „Kõik teadused, eriti ühiskonnateadused, peaksid hoidma andmast praktilisi hinnanguid, see tähendab, esitamast hinnangulisi väiteid oma ainese kohta“
Muutuvkulu on muutuvsisendiga seotud kulu. Kuivõrd muutuvsisendite mahtu on võimalik lühiajaliselt muuta, siis järelikult sõltuvad muutuvkulud tootmismahust. Mida rohkem ettevõte toodab, seda rohkem kasutab ta muutuvsisendeid ning seda suuremad on kogu muutuvkulud. Otsustamaks, kas käesolevas ülesandes on tegemist lühi või pikaajalise käsitlusega, peab vaatama, kas fikseeritud kulud on olemas. Algandmetest (tabelist) selgub, et kui tootmismaht on null, siis kogukulud on kaheksa. Need saavadki olla ainult püsikulud. Seega on tegemist lühiajalise käsitlusega. 11 8) Tulenevalt palgaläbirääkimistest on Eesti Sumoliit jätnud ära mitmeid turniire. Sumoliit ning kaks kohalikku klubi, Karvased ja Sulelised, on ainsad turniiride korraldajad Eestis. Seega võib öelda, et
5 Kokkuvõte meetodikasutamise tulemustest 5.1 Sekundaarandmete analüüs Selle osa juures kasutati Vabariigi Valimiskomisjoni andmeid, mis saadi nende arhiivist. Sekundaarandmete kasutamise plussideks on kindlasti see, et eelnevalt on keegi teine suure töö ära teinud, mis säästab teiste inimeste aega. Lisaks on plussiks kohene ülevaade tulemustest. Miinusteks on see, et puudub ülevaade algandmetest. Info võib olla lünklik ning mõnikord ka puudulik. Lisaks võib mõnikord tekkida kahtlus info autentsuse kohta. Antud teema kohta oli aga kasutatav info usaldusväärne, kergesti mõistetav ning leitav. Andmete leidmisega probleeme polnud. 5.2 Küsitlus Küsitlusel on mitmeid miinuseid: esiteks, kuna antud uurimustöös teostati küsitlus internetis ,ei saa olla kindel, et tulemused on tõesed, teiseks ,vastajaid oli kõigest 100 ja ei ole 100 %
Selle info ettevalmistamise eest vastutab samuti juhtkond. Audiitorit võidakse paluda sellele infole hinnangut, et tõsta selle usaldusväärsust.Erinevalt tagasivaatelisest infost on perspektiivse hindamine oluliselt keerukam. Ilmselt ei saa ka anda väga kõrge usaldusväärsusega hinnangut. Kõige rohkem võib audiitorilt nõuda – hinnata perspektiivse info ettevalmistamise protsessi ning seda kas saadud tulemused tulenevad loogiliselt algandmetest. Igaljuhul peaks audiitor vältmima arvamust selle kohta kas prognoositud tulemused saavutatakse või mitte. Perspektiivse finantsinfo hindamisel on oluline kas audiitor on ettevõttega varem koostööd teinud, kui jah siis on tõenäoline et ta sudab adekvaatsemalt hinnata ka perspektiivset infot, kuna tal on kogemused ja teadmised ettevõttest. Kui audiitor teeb esmakordselt koostööd või perspektiivse info hindamine võib osutuda väga töömahukaks ja vaatamata sellele võib
B on põhjuseks b-le C on põhjuseks c-le Seega A on a põhjuseks. (Vt veebis nt: http://en.wikipedia.org/wiki/Mill's_Methods ja üht rakendusnäidet: http://philosophy.hku.hk/think/sci/mill.php ) 3) Seletus-meetodid: Hüpoteetilis-deduktiivne järeldus empiirilistelt algandmetelt loogiliselt paratamatule järeldusele, mis algandmetest sõltuvalt võib siiski vale olla (seega on loogiliselt mittekehtiv). Hüpoteetilis-deduktiivne järeldus on sümmeetriline seletusega: Süllogism rakendatuna reaalsusele (empiiriliselt interpreteeritud süllogism): Inimesed on surelikud (H) Aristoteles on inimene (T) Aristoteles on surelik (JO) kus (H) on hüpoteetiline seaduspärasus, (T) algandmed ehk tõik (fakt), (JO) järeldusotsustus Empiirilise asjaolu seletus:
Kõige tähtasm on paika panna mõõtemudel: y = f(x1, x2, x3....xn). Peale selle, kui hakkame ise midagi kalibreerima või mõõtma ja püüame lisada määramatust, mis on kirjas vastavates aparaatidega kaasasolevates dokumentides, siis peavad ka sealsed andmed olema jälgitavad vastavate etaloonidega, ning peab olema seletatud ka mõõtetoiming. Mõõtetulemuse esitamisel tuleb: 1. kirjeldada mõõtetulemuse ja selle standardmääramatuse arvutamise metoodikat mõõdistest ja algandmetest lähtudes; 2. esitada kõik liitstandardmääramatuse komponendid ja täielikult dokumenteerida nende hindamine; 3. tuua ära kõik parandite ja konstantide väärtused ja nende allikad; 4. esitada andmetöötlus selliselt, et iga tähtsam samm oleks hõlpsasti jälgitav ja esitatud tulemuse arvutust saaks vajaduse korral sõltumatult kontrollida. Kuid lisma peks veel seda, et mõõtetulemus on antud selliste andmete põhjal, mis oli võtta ja mõõtetulemus peaks olema
vuse) keskmisi. Lisatakse OTU (või teine juba konstrueeritud klaster), mille keskmine kaugus kõigist klastri OTUdest on minimaalne. 17 7.3. Eri klasterdusmeetodid annavad tavaliselt isegi samu distantsiand- meid kasutades erineva fenogrammi, s.t. erineva klassifikatsiooniskeemi. Kui arvestada ka taksonite erinevuse / sarnasuse mõõtmise erinevaid meeto- deid, võime vastavat arvutiprogrammi kasutades samadest algandmetest saada vähem kui tunni jooksul 60-100 erinevat fenogrammi. Neist ükski pole õige ega ükski pole väär: oleme lihtsalt oma algandmeid mitmesugusel viisil kor- rastanud, ordineerinud. Iga fenogramm on nagu uuritavate taksonite tunnuste erineva vaatenurga alt nähtud pilt. Ometi on süstemaatika praktikas mõned meetodid eelistatumad. Lähimnaabri meetod võimaldab eelkõige näha seost, "üleminekuid" erinevate taksonite vahel. UPGMA on kasutatavaim, n.ö
andmed (samas laialt kasutuses) (lihtne/keeruline, andmete ja ressursside olemasolu) - Uuringu (lõputöö) struktuur (Ketokivi, 2008) · Uurimisväide ei ole tulenev algandmetest · Uue info leidmine ("no result is also result", "obvious results are no results") · Sea ja käo ühte patta panemine · Selgitamise võimalikkus (võrreldamatute võrdlemine)
Pandi rõhku tootmise moderniseerimisele, oskustööliste välja õpetamisele. Pandi uuesti rõhku ka kergetööstusele, räägiti ka kergetööstuse järele aitamisest. Tegelikkuses kujunes kergetööstusega sama olukord mis rasketööstusega- omistati suuremat tähelepanu, ei jõutud viisaastaku lõpuks selle arendamisele eriti kuskile välja. II viisaastakul oli aastaseks tööstustoodangu juurdekasvuks ette nähtud 15,5%. Kuna see lähtus valedest algandmetest, isegi kõrgem partei juhtkond sai sedapuhku aru, et II viisaastaku ülesandeid sel moel täita pole võimalik, 1934 korrigeeriti ametlikke eesmärke, vähendati. II viisaastaku ametlikud tulemused olid uhked, uute tööstusettevõtete arv kasvas 4500- ni, enamus neist objektidest, mis olid I viisaastaku plaanis sees olnud ja nüüd lõpetati, oli ka uusi. 1938 läks käima viimane, III viisaastak, oli planeeritud aastani 1943, kuna puhkes II ms, siis jäi pooleli. 1938-41 oli III viisaastak
annaabi.ee 
