Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Andmeanalüüs MS Exceli abil". Need materjalid aitavad sul teemat sügavamalt mõista.
excel, exceli, mean, andmeanalüüsr, excelis, regress, mirror, keskväärtus, sagedustabel, hüpotees, sagedustabeli, regressioon, blokk, dispersioonid, array, pivot, statistik, aknas, tabelid, graafik, usalduspiir, count, tudengi, sagedustabelid, chart, mannapuder, tudengite, tail, arvtunnus, usalduspiirid, analysis, lahtris, variableTails - hüpoteesi tüüp (1 - ühepoolne (kui on olemas eelinformatsioon muutuste suuna kohta: H 0:µRµH, H1: µR<µH.), 2 - kahepoolne hüpotees; Type - määratakse, millist tüüpi eeldusega on tegu: 1 - sõltuvad valimid, 2 - võrdsed dispersioonid, 3 - erinevad dispersioonid. t-Test: Two-Sample Assuming Equal Variances t-Test: Two-Sample Assuming Equal Variances Variable1 Variable2 Mean Aritmeetilised keskmised Variance Dispersioonid Observations Valimite mahud Võrdsete dispersioonide eeldusel Pooled Variance arvutatud ühine dispersioon
mõne klassikalise teoreetilise jaotusega. Töös on kasutatud Aakre metskonna proovitükki nr. 613 andmeid, mis on saadud EMÜ Metsanduse ja maakorralduse serveris võrgukaustast public:/Metsandusliku andmetöötluse alused 2011/2011]. Samuti on kasutatud K.Kiviste kodulehte [http://www.eau.ee/~kkiviste] kust oli võimalik saada väga täpseid juhiseid, lühendeid ja valemeid ülesande sooritamiseks. . Töö eesmärk on tundma õppida hinnangute, hüpoteeside ja regressiooni koostamist MS Exceli keskkonnas ning neid uurida proovitüki nr. 613 andmete põhjal. Lisamaterjalina kasutasin ka A.Kiviste poolt välja antud raamatut ,,Matemaatiline statistika MS Exeli keskkonnas" Punkt h i n n a n g u d , v a h e m i k h i n n a n g u d , v a li m i m a h t Eeldade s, et proovitü kil mõõdet ud andmete põhjal tahame teha
palju, siis ei kasutata sagedustabelit Seal esitatakse tunnuse väärtused (valid), nende esinemissagedus (frequence) ning protsendid (percent). Sagedustabeli järjestamiseks sagduste järgi: uus tabel: analyze/ferquences . tunnus perekonnaseis varialbel väljale ning klõpsame nupule format. Descending counts linnuke. Kui tunnusel on aga palju erinevaid väärtuseid, näiteks sissetulekud on kõikidel vastajatel tõenäoliselt erinevad, siis sagedustabel andmete kokkuvõtmiseks ei sobi. Andmestikus kultuur.sav on selliseks tunnuseks vanus. Koostades vanuse väärtustest sagedustabeli, on see liiga mahukas, et seda andmete esitamiseks kasutada. Statistics – Summarize – Frequencies Variable(s): millistest muutujatest sagedustabelit soovitakse Statistics: võimalus tellida muutuja(te) kohta statistikuid (kvartiile-min/max, keskmist, standardhälvet jne) – ainult rangelt arvandmete korral!
varjatud seoseid ja seaduspärasid. Nt võib ettevõtteid jaoatda rühmadeks majanduslike tulemuste, kasumi jms alusel. 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
Kokku 110 130 240 Kokku 110 130 240 Kas feromoonpüünis aitas oluliselt kaasa taimede kasvamaminekule? Esitage ka teoreetilised sagedused. 18) Mis on hüpoteesid H0 ja H1? H0-nullhüpotees-väljendab uurijat mittehuvitavat juhtu, seda ei ole võimalik tõe 19) Mis on 1. liiki viga? Tekib siis, kui võetakse vastu sisukas hüpotees, aga tegelikult on õige nullhüpo 20) Kui suur antakse ette tavaliselt 1. liiki vea tõenäosus? 0.05 21) Mis on olulisuse nivoo? Esimest liiki vea tegemise suurim lubatud tõenäosus 22) Mis on olulisuse tõenäosus? P-väärtus, vähim olulisuse nivoo, mille korral saab konkreetse valimi põhjal sis 23) Millal kasutatakse kahepoolset hüpoteesi ja millal ühepoolset? Kahepoolsete hüpoteeside korral kontroll
5 21 0,95018 0,23954 40,96176 Summad 171 0,95018 162,4808 p= 3,6579E-10 Järelikult H1 - tunnuse hinne jaotus ei lähene normaaljaotusele Tabel 15. Kirjeldavad statistikud. aasta sugu test eksam/kool hinne kood Mean 2003,731 1,4 8,291803 50,0729167 3,491228 2,872131 Standard Error 0,156329 0,028098 0,177857 1,46060454 0,070072 0,064523 Median 2003 1 8 53 4 3 Mode 2003 1 6 4 4 4 Standard Deviation 2,730164 0,490703 3,106143 24,787281 0,916312 1,126845
Hüpoteesi kontrollimiseks kasutatakse 13st isikust moodustatakse 3 49 42 nad jõuavad teha määratud aja jooksul. Kontrollida olulisuse nivool 5%, kas koputamise kiirus on parema ja vasak 4 51 31 5 54 57 6 32 33 7 43 38 8 48 37 9 55 49 Kui Exceli menüüsse Tools on lisatud nalüüsivahendite komplekt Data An 10 50 51 läbiviimiseks sõltuvate valimite korral kasutada vahendit t-test: Paired Tw Array1 on ühe valimi andmed, Array2 teise valimi andmed. Arvutatakse v 11 62 48 kahepoolse kui ühepoole hüpoteesi jaoks. Testi läbiviija peab valima, kum 12 38 42 13 41 37
· Mõõteskaalad, keskmised (aritmeetiline, mediaan, mood), · Põhiõpik varieerumine. Gujarati, D., Basic Econometrics · Tõenäosus p(A), tinglik tõenäosus p(A|B). · 3. trükk, TTÜ raamatukogus 20 eks · Keskväärtus E(x), dispersioon 2 (x), var(x). · 4. trükk, võimalik leida pdf fail · Jaotusseadused: normaaljaotus, t-jaotus, F-jaotus, 2 jaotus. · Täiendav kirjandus Paas, T. Sissejuhatus ökonomeetriasse. Tartu, 1995. · Valimvaatlused, usalduspiirid. (TTÜ rmtk momendil saadaval 18 eks)
ei valisin f testi kasutades oma proovitükki ja proovitükki 64 andmeid 16,368 21,578 equal 6,509 jah ül 16 t-Test: Two-Sample Assuming Equal Variances 19,809 19,727 tavaline elektron 0,836 Mean 19,80909 19,727272727 jah Variance 0,816909 0,8661818182 Observations 11 11 11. Pooled Variance 0,841545 20,3 Hypothesized Mean 0Difference 20,1 df 20
Smirnov (n > 2000) - Analyze -> Descriptive Statistics - > Explore -> Plots - Kui p > .05 siis on normaaljaotusega (st nullhüpotees on normaaljaotusega) - NB! kui asümmeetriakordaja (ingl. k. skewness) ja ekstsess (ingl. k. kurtosis) on vahemikus -1 kuni 1, siis võib pidada andmeid normaaljaotusele vastavaks ANOVA vs T-test - Esimest liiki viga tekib siis, kui võetakse vastu alternatiivne hüpotees, aga tegelikult on õige nullhüpotees (raske viga; näidatakse erinevuse või seose olemasolu, mida tegelikult pole). - Teist liiki viga tekib siis, kui jäädakse nullhüpoteesi juurde, ehkki tegelikult on õige alternatiivne hüpotees. See on kergem viga, mis tihti tähendab, et alternatiivse hüpoteesi tõestamiseks tuleb andmeid juurde koguda. - - Iga kord kui teete t-testi on I tüüpi vea tõenäosus 5 % (olulisusnivoo 0.05)
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
Pane nimed ja komakohad nulli: Valime skaala 1-5, kus 1 ei ole rahul ja 5 on väga rahul. Võta data view ja sisesta sinna vastuseid, mida valim on andnud: Valimisse tuli 17 objekti. Enne üldistamist antakse ülevaade, kes meil seal andmestikus on ehk räägime valimist, sest see on kõige alus. Meil on kaks tunnus –sagedustabeleid oleks halb teha. Arvutame keskväärtuse, standardhälbe ja võrdleks läbi selle. N=17 Võta alaize ja descripive statistics Kui öeldakse keskväärtus, siis mõeldakse aritmeetilist väärtust ja see on MEAN ehk MIlma puhul tuleb kindlasti standardhälve suurem, sest see sõltub vastuste varieeruvusest Tulemused: Kõik tulemused saab ka SPSSi keskkonda –nt wordi File-Export Standardhälve tuleb alati välja võrdluses. Erinevus on 1,88 punkti. Viiepunkti skaalal on see päris suur. Siit tuli välja, et kõik on eluga rohkem rahul kui ilmaga. See tulemus võib olla ilmselge, aga siiski peaks tegema alati t- testi. T test on
Analyze - descriptive statistics - descriptives/frequencies (kui vaja ekstsessi, histogrammi kellukat jn) - valid mille puhul tahad uurida - Options - valid milliseid väärtusi leida tahad ja ok, vastused ilmuvad OutPuti aknasse. Charts all on võimalik kasutada histogrammi joonistamise võimalust. Joonisel olev küsimärk käib osutatud linnukese kohta. Display frequency tables annab käskluse moodustada iga pikkuse kohta sagedustabel. Küsimärk on juurde tehtud, et uurida, kas sellise tabeli koostamine on vajalik. Uue muutuja arvutamine: Transform - Compute variable - kirjutad uue lahtri nimetuse (tühikuid ei kasuta) - liidad mida vaja liita (võrdusmärki pole vaja) Kehamassiindeks=Kaal kg'des jagadtud pikkus cm'tes ruudus (Pikkus x Pikkus) Andmete eraldamine: Data - select cases - If condition is satisfied ette linnuke - klikid If...-le - valid nt ainult meeste
2. Efektiivsus (efficiency). Iseloomustab hinnangute hajuvust. 3. Mõjusus (consistency). Iseloomustab koondumist suurte valimite korral – suure valimi korral 4. Asümptootiline jaotus – suure valimi korral 5. Asümptootiline efektiivsus – suure valimi korral 7. Hinnangu nihe, nihketa hinnang. Hinnangu nihe võrdub parameetri hinnangu keskväärtuse ning parameetri tegeliku väärtuse β vahega: Parameetri hinnang on nihketa (unbiased), kui hinnangu keskväärtus võrdub parameetri tegeliku väärtusega: ● Kahest hinnangfunktsioonist on parem see, mis on nihketa. ● Nihketa hinnangfunktsioone võib olla mitmeid nt sümmeetrilise jaotuse korral on üldkogumi mediaani nihketa hinnanguteks valimi aritmeetiline keskmine ja valimi mediaan. 8. Hinnangu efektiivsus, efektiivne hinnang. ● Efektiivne hinnang on nihketa vähima dispersiooniga hinnang kõigi nihketa hinnangute seas.
· joondiagramm Diagrammi ei ole mõtet kasutada, kui andmestik on väga hajutatud, andmed ei peegelda mingeid muutusi või kui andmeid on liiga vähe või liiga palju. ANDMEANALÜÜS: KIRJELDAV STATISTIKA Mood on variatsioonreas kõige sagedamini esinev liige. Mediaan on jaotuse keskmine liige, millest mõlemale poole jääb võrdne arv elemente. Kvantiilid on asendikeskmised, mis jaotavad korrastatud statistilise rea võrdseteks osadeks. Aritmeetiline keskmine on elementide keskväärtus. Variatsioon ehk hajuvus on kõige suurema ja kõige väiksema väärtuse vahe. Kõige levinumaks näitajaks on standardhälve. Standardhälve iseloomustab vastuste harjuvust keskmise ümber. Variatsioonikoefitsient on standardhälbe ja aritmeetilise keskmise suhe. VALIMI MOODUSTAMINE Valikuuring on statistiline uuring, milles otsustused kogumi kohta tehakse valimi (kogumi ühe osa) baasil. Valim peab olema representatiivne ehk andma õige ettekujutuse uuritava elanikkonna omadustest.
................................................................................................39 40.Absoluut- ja suhtaadress........................................................................................................................ 39 41.Segaaadressid.........................................................................................................................................40 1. 2. Exceli vaade Tabeliprogramm on keskkond, mis laseb sul töötada numbrite ja tekstiga suures lahtritejadas. Töölehel olevate andmete põhjal koostab Excel ka diagramme ja makrosid ning töötab kirjete või väljadena üles ehitatud andmebaasiga. Exceli faile nimetakse töövihikuteks. Üks töövihik mahutab nii palju lehti, kui parajasti mälusse mahub, ning need lehed on omavahel seotud nagu märkmikulehed. Lehed võib jagada töölehtedeks (tavaline arvutustabeli leht) ja
(a), asümmeetriakordaja 0,29; ekstsess -0,44 (c), asümmeetriakordaja 0,78; ekstsess 0,87 (b) 1. Kuni 20 punkti sai 20% üliõpilastest. 2. Üle 30 punkti sai 40% üliõpilastest. 3. 20 kuni 30 punkti sai 40% üliõpilastest kvartiil on 50 Mediaan on 65 2. kvartiil on 65 3. kvartiil on 90 Kvartiilhaare on 40 Variatsioonamplituud on 70 5. Täida lüngad arvudega. 1. Joonisel esitatud sagedustabel on saadud arvukogumi põhjal, kuhu kuulub 90 arvu. 2. Klassi, mille ülemine piir on 20, kumulatiivne sagedus on (sinine lahter) 69. 3. Klassi, mille ülemine piir on 10, kumulatiivne suhteline sagedus on (roheline lahter) 30%. 4. Vahemikku 25-30 jääb 10% kõikidest väärtustest. 5. 55, 6% kõikidest väärtustest ei ole suuremad kui 15. 6. Kui asümmeetriakordaja A >0, siis d. esineb ekstremaalselt suuri väärtusi oige e. mood on aritmeetilisest keskmisest vasakul oige 7
Hinnangfunktsioon on reegel parameetrite hinnangute leidmiseks. Tuntudmad regressioonmudeli parameetrite hindamismeetodid on: harilik vähimruutude meetod (OLS), suurima tõepära meetod, momentide meetod ja üldistatud vähimruutude meetod. 6. Hinnangute omadused. Nihe, efektiivsus, mõjusus 7. Hinnangu nihe, nihketa hinnang. Hinnangu nihe võrdub parameetri hinnangu Beeta keskväärtuse ning parameetri tegeliku väärtuse beeta vahega. Parameetri hinnang on nihketa kui hinnangu keskväärtus võrdub parameetri tegeliku väärtusega. Parem on see, mis on nihketa. Hinnangu keskväärtus - tegelik keskväärtus. Nihe hajuvus koondub ühte kohta, ühele poole keskmisest väärtusest. Nihe iseloomustab süstemaatilist viga 8. Hinnangu efektiivsus, efektiivne hinnang. Efektiivne hinnang on nihketa vähima dispersiooniga hinnang kõigi nihketa hinnangute seas. Väike hajuvus, efektiivne ja suur hajuvus vähem efektiivne. Efektiivsus iseloomustab hinnangute hajuvust 9
Hüpoteeside testimine ehk keskmiste võrdlemine: Vaja vastata küsimustele: (1) kas rühmad (või valimid ja nende jaotused) on nii sarnased, et võime öelda, et nad kuuluvad samasse üldkogumisse või (2) on nad nii erinevad, et esindavad kahte erinevat üldkogumit? (Nt. Kas naissoost üliõpilased saavad sõnavaratestis paremaid tulemusi kui meessoost üliõpilased?) Hüpoteesi kontrollimine: püstitada nullhüpotees (nt erinevust ei ole) ning alternatiivne e. sisuline hüpotees (erinevus on) defineerida testimise protseduur, sealhulgas olulisuse nivoo (psühholoogias 95%) otsustada, millist keskmiste erinevuste testi kasutada arvutada teststatistikud ja nendega seotud olulisuse tõenäosused arvutada efekti suuruse näitajad teha järeldus, kas andmed on kooskõlas nullhüpoteesiga või mitte Nullhüpotees ja alternatiivne hüpotees: Alustatakse eeldusest, et valimid ei erine; H0: μ1= μ 2 (nullhüpotees)
Käskluserida: Analyze Compare Means Independent Samples T Test Independent Samples T-testi tulemused ja nende tõlgendamine: a) Esimeses tabelis tuuakse ära mõlema grupi valimi suurus, aritmeetiline keskmine, standardhälve ja aritmeetilise keskmise standardviga. Group Statistics Std. Error Sugu N Mean Std. Deviation Mean matemaatika 1 608 9.46 4.516 .183 2 742 7.35 3.856 .142 b) Teise tabeli esimeses pooles tuuakse ära Levene'i test gruppide dispersioonide võrdlemiseks: c) Teise tabeli teises pooles on info gruppide keskmiste võrdlemiseks: Statistikas on saanud traditsiooniks kasutada olulisusnivoosid 0.01 (ehk 1%) ja 0
ui – mudeli vealiige i = 1, 2, 3, …, n, kus n on valimi maht (n=60) 1.2. Töös kasutatavad andmed Käesolevas töös kasutatavad andmed on võetud Eesti Statistikaameti kodulehelt. Autorid kasutavad töös andmeid Eesti 15 maakonna kohta aastatel 2005-2008. Seega tegemist on paneelandmetega. Kuna statistikaamet ei väljasta kõiki töös kasutatavaid andmeid suhtarvudena, siis need on leitud arvutuslikult autorite poolt, kasutades Exceli tarkvaraprogrammi. Lisaks osakaaludele on ka brutokuutasu leitud arvutuslikult brutotunnitasu ning keskmise ühe kuu töötundide arvu (168 tundi) korrutisena. Detailsed töös kasutatavad andmed on toodud töö lõpus, lisas 3. Kirjeldava statistika tabelist (vt tabel 1 ja lisa 4) on näha, et keskmise brutopalga väärtus üle kõigi maakondade on 541,9 eurot. Seejuures on brutopalga varieeruvus 467,1 eurot (minimaalne väärtus 381
d Andmetöötluse alused 25,3 Kodune töö 4 20,2 Proovitükk nr. 24,75 Hinnangud, hüpoteesid, regressioon 23,45 22,25 Punkthinnangud, vahemikhinnangud, valimi maht 16,85 22,8 Eeldame, et teie proovitükil mõõdetud andmete põhjal tahame teha järeldusi samalaadse 18 üldkogumi kohta 23,75 Selleks arvuta järgmised statistikud oma proovitüki kohta 24,85 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: 21,7 aritmeetiline keskmine, 18,05 dispersioon, 19 standardhälve, 25,35 valimi maht, 20,4 standardviga, 21,5 variatsioonikordaja, 21,4 suhteline standardviga e katsetäpsus. 17,5 2) Leida diameetri usalduspiirid: 20,25 aritmeetilise keskmise 95%lised usalduspiirid, 21,74 25,25 aritmeetilise keskmise 90%lised usald
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 uurimismeetodid
+ pole vaja täielikku valikuraami teiseste valikuühikute jaoks - muutujad võivad varieeruda klastrite vahel ja täpsus väheneb Replication – kordusuuring Kordusuuring, sarnaste tulemuste kontroll; Skoobi ja piirangute laiendamine. Hüpotees: Hüpoteesid on varasema kirjanduse kokkuvõte, mis juhib andmete kogumist ja analüüsi. Hüpotees on väide seose kohta uuritavate muutujate X ja Y vahel; võetakse kokku varasem ja arendatakse enda tähelepanekuid Dominantne hüpotees; Konkureeriv hüpotees. Hüpoteeside põhjendamine: – Hüpoteesi väidete vastavus varasemate teooriatega – Empiiriline tugi hüpoteesi väidetele. – Selgitav jutt. Mitmete teooriate kasutamine: *Teooriate vastandamine *Teooriate sidumine Sidusus Probleemid hüpoteeside kirjutamisel: • Lack of specificity • Fragmented theorizing • Stating the obvious Nullhüpoteesi ei ole võimalik tõestada. Selle vastuvõtmine tähendab, et kui uurija tahab mingit
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 ....................................
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) ·
.......84 PivotTable-aruande koostamine...............................................................................................84 Valideerimine ehk sisestuse kontroll............................................................................................86 Töölehe ja töövihiku kaitse...........................................................................................................90 5 6 Microsoft Excel on tabelarvutusprogramm, mis võimaldab koostada kõikvõimalikke tabeleid ja diagramme, vormistada andmeid nendes ning illustreerida värvide ja piltidega. Kui käivitate Exceli, on teie ees suur tühi ruudustik. Ülaservas on tähed ja vasakus servas ülevalt alla on numbrid. Allservas on lehesakid Leht1, Leht2 jne. Töö alustamine Võimalusi on selleks mitu, millest enamik erineb teistest siiski ainult nüansside poolest. 1. Klõpsutame nupul Start, 2. All Programs,
tutvu lausearvutuse keskkonnaga: http://logik.phl.univie.ac.at/~chris/gateway/formular-uk-zentral.html Millistel muutuja väärtustel on lause (Av(B&A))v(-A&(Cv(B&-C))) väär? Panna tuleb results only, 0 on väär 1 on õige Tutvu ajalooga saidis kuni II maailmasõda: http://www.maxmon.com/history.htm Loe läbi jutt ja proovi andmetega mängida: http://math.hws.edu/TMCM/java/DataReps/index.html Kahend süsteemi arvu(101101001) ->kümnend süsteemiks. Nr sisse ja bianarile punkt, ja vaatan base ten integeri kümnendarvudest annab Ecki appletis juuresoleva graafilise kujutise, teen kujundi ja vaatan base integeri mis vastab kahendsüsteemi arvule 1110001 ASCII tabelis? Nr sisse ja punkt bianari, vaatan ...teksti Kümnendsüsteemi arv 33 on kahendsüsteemis? 33 kirjutan ja Base-ten integer, vaatan bianary Loe läbi jutud Atbashi ja Caesari šifri (Caesar cipher) kohta: http://www.wikipedia.org 2 Tutvu ajalooga kuni 1970ndad: http://www.islandnet.com/~kpolsson/comphist/ 47-68 ingli
Total Count - MASS 8 30 18 56 Total Average - MASS 62,125 73 72,388889 71,25 Total StDev - MASS 9,4481669 16,220464 11,277979 14,26916574 Total Min - MASS 55 50 58 50 Total Max - MASS 80 102 100 102 Konstrueerige sagedustabel tunnusele ' ODE_VEND MAT_HINNE HOMMIK PUDER 1 4 võileib jah 6 4 helbed või müsli nii ja naa 1 3 võileib jah 0 3 helbed või müsli nii ja naa 1 4 võileib nii ja naa 1 4 ei söö tavaliselt hommikul ei
13. Liiklus ja Erlang (E) ühik Network traffic or data traffic is the amount of data moving across a network at a given point of time. Network data in computer networks is mostly encapsulated in network packets, which provide the load in the network. Erlang (E) on liikluse tiheduse mõõtmise ühik telekommunikatsiooni süsteemides: A=λ*h Kus: λ = keskmine kõnede saabumiste sagedus (the mean arrival rate of new calls), h = keskmine kõne pikkus (the mean call length or holding time), 1/h = teenindus sagedus (service rate), A = liikluse kogumaht Erlang-ides. 14. Mida näitab Erlangi B valem Erlangi B valem Tipptunni kanalite mahu arvutus GSM Kus: B=Erlang B blokeerimise tõenäosus, N=kanalite arv, A=liikluse kogu maht Erlang-ides, Summeerimine toimub üle kõikide kanalite i = 0-st N-ni. Online kalkulaator selleks: https://www.erlang
Programmeerimine keeles PHP Andrei Porõvkin Tartu Ülikool (2009) 1 1.1 Üldinfo Alguses oli interneti lehed omavahel seotud staatiliste html dokumentide süsteemina, aga selleks, et mingis dokumendis muutusi teha oli vaja lehti failisüsteemis käsitsi muuta. Kahjuks selline staatiline mudel ei jõua kiirelt muutuva kaasaegse maailma progressile järgi. Seega võeti kasutusele dünaamiline mudel. Dünaamilise mudeli korral ei hoita serveris staatilisi html lehte vaid neid genereeritakse selleks spetsiaalselt välja töötatud programmidega, mis serveril töötavad. Antud kursuse jooksul tutvume klient-server arhitektuuriga, installeerime enda arvutisse veebiserveri ja php interpretaatori ning saame baasteadmisi serveripoolsest keelest PHP. Kursuse teemad on pühendatud ainult PHP keelele (väljarvatud seitsmes teema), aga see ei tähenda, et sellest piisab suure ja eduka veebilehe loomiseks. Mahuka infosüsteemi ei saa ette kujutada ilma andme
Sisukord Eessõna Hea õpilane! Microsofti arenduspartnerid ja kliendid otsivad pidevalt noori ja andekaid koodimeistreid, kes oskavad arendada tarkvara laialt levinud .NET platvormil. Kui Sulle meeldib programmeerida, siis usun, et saame Sulle pakkuda vajalikku ja huvitavat õppematerjali. Järgneva praktilise ja kasuliku õppematerjali on loonud tunnustatud professionaalid. Siit leid uusimat infot nii .NET aluste kohta kui ka juhiseid veebirakenduste loomiseks. Teadmiste paremaks omandamiseks on allpool palju praktilisi näiteid ja ülesandeid. Ühtlasi on sellest aastast kõigile kättesaadavad ka videojuhendid, mis teevad õppetöö palju põnevamaks. Oleme kogu õppe välja töötanud vabavaraliste Microsoft Visual Studio ja SQL Server Express versioonide baasil. Need tööriistad on mõeldud spetsiaalselt õpilastele ja asjaarmastajatele Microsofti platvormiga tutvumiseks. Kellel on huvi professionaalsete tööriistade proovimiseks, siis tasub lähemalt tutvuda õppuritele
PRAISE FOR The 4-Hour Workweek "This is a whole new ball game. Highly recommended." --Dr. Stewart D. Friedman, adviser to Jack Welch and former director of the Work/Life Integration Program at the Wharton School, University of Pennsylvania "It's about time this book was written. It is a long-overdue manifesto for the mobile lifestyle, and Tim Ferriss is the ideal ambassador. This will be huge." --Jack Can eld, cocreator of Chicken Soup for the Soul®, 100+ million copies sold "Stunning and amazing. From mini-retirements to outsourcing your life, it's all here. Whether you're a wage slave or a Fortune 500 CEO, this book will change your life!" --Phil Town, New York Times bestselling author of Rule #1 "The 4-Hour Workweek is a new way of solving a very old problem: just how can we work to live and prevent our lives from being all about work? A world of in nite options awaits those who would read this book an
annaabi.ee 
