R-Studio Kontrolltöö Mitu proovitükki on kogu andmestikus? #Mitu proovitükki on kogu andmestikus puud2015=read.csv("puud2015.csv",sep=";",dec=",") #Impordin andmed puud2015$D=ifelse(puud2015$D2>0,(puud2015$D1+puud2015$D2)/2,puud2015$D1) #Lisan tulba D length(table(puud2015$PRT)) #Vaatan mitu proovitükki on kogu andmestikus loetledes read > #Mitu proovitükki on kogu andmestikus > puud2015=read.csv("puud2015.csv",sep=";",dec=",") #Impordin andmed > puud2015$D=ifelse(puud2015$D2>0,(puud2015$D1+puud2015$D2)/2,puud2015$D1) #Lisan tulba D > length(table(puud2015$PRT)) #Vaatan mitu proovitükki on kogu andmestikus loetledes read [1] 229 VASTUS: Kogu andmestikus on 229 proovitükki. Mitu puud on sinu proovitükil? #Mitu puud on sinu proovitükil? PRT332=subset(puud2015,PRT=="332") #Teen eraldi andmestiku PRT332-st length(table(PRT332$PUU)) #Loetlen puude arvu PRT-l
erijooned Sotsiaalsed protsessid on allutatud väga paljude nii objektiivsete kui subjektiivsete asjaolude toimele. Erinevalt loodusteadustest olenevad andmed nt kontaktist, meeleolust jne. Empiirilise sotsiaaluurimuse erijooned Ühiskonnas on suur kaal subjektiivsel. · Uurija peab välja töötama oma subjektiivse "mõõduriista" - ankeedi, skaalad jne. Need unikaalsed vaid selle uurimuse tarvis. · See, mida käsitleme andmestikus objektiivsena, on sageli saadud läbi uuritavate inimeste subjektiivsuse (nt rahvaloendus). Empiirilise sotsiaaluurimuse erijooned Sotsiaalteadlane puutub kokku olukorraga, kus tema poolt uuritavad protsessid ja väljatoodavad seosed on loomult juhuslikud. See eeldab enamasti statistilist lähenemist: * empiirilised sotsioloogilised uurimused on sageli kvantitatiivsed, arvulised; * andmed kogutakse massiuurimustes;
nädal või rohkem). Näiteks vaadeldes ja pannes kirja klientide arvu, ootamisaegade ja teenindamisaegade pikkuse. Samuti mängib tähtsat rolli teenindajate ja kanalite arv, nende kvalifikatsioon ja töökogemus ning vajaminev vastaval tasemel tehniline pool, mis kõik koos kiirendavad protsessi. 3.2 Tuleb arvestada, et järjekorrateoorias põhineb suur osa juhuslikkusel ning seetõttu ei saa kunagi sajaprotsendiliselt olla kindel andmestikus ja tulemuslikkuses. Peab arvestama võimalike tehniliste viperustega, teenindajate/klientide tujude ja probleemidega jne. 3.3 Andmeid tuleks koguda kindlasti erinevate tööperioodide lõikes- esiteks tööpäevadel ja nädalavahetustel eraldi. Samuti pooldaksin ka tööpäevadel erinevatel lõikudel vaatlemist: 09.00-16.00 ehk enamuste inimeste tööpäev (mistõttu peaks teenindajate koormus olema väiksem) ning 16.00-19
Suurem väärtus näitab suuremat huvi), distsiplineeriv keskkond (kategooriad: “mitte kunagi”, “mõned tunnid”, “enamus tundidest” ja “iga tund”. Madalam väärtus näitab kehvemat distsiplineerivat keskkond), õpetaja tugi (kategooriad: “mitte kunagi”, “mõned tunnid”, “enamus tundidest” ja “iga tund”. Suurem väärtus näitab paremat õpetaja toetust.) ja sugu (nominaaltunnus, tunnusteks andmestikus 0=mees ja 1=naine). Regressoonimudeli eeslduste kohaselt on ülejäänud tunnused mõõdetud arvuliselt, kodeeritud on puuduvad väärtused, mis muidu ei ole arvulised. Mudeli statistilise olulisuse kontroll dispersioonanalüüsi ANOVA abil (F=102,8) näitab, et mudel sobib matemaatika ärevuse prognoosimiseks. Kuna antud mudeli puhul on olulisuse tõenäosus on 0,00 väiksem kui 0,05 võib öelda, et sõltumatute tunnuste mõju sõltuvale tunnusele on statistiliselt oluline.
Vastuse lahtrisse sisestage ainult üks sõna. Vastus: kvartiil Väär Selle esituse hinded 0/1. Question 10 Punktid: 1 Millised järgmistest tunnuste paaridest on sõltuvad tunnused ja millised on sõltumatu? Naise vanus ja rahaline kulu kosmeetikale ühe kalendrikuu jooksul Lapse pikkus ja vanus Inimese silmade värv ja kehakaal Inimeste stressi (ärrituse) tase ja vererõhk Meeste pikkus ja naiste sissetulek Õige Selle esituse hinded 1/1. Question 11 Punktid: 2 Kui andmestikus esineb mõni ebaharilikult suur või väike tunnuse väärtus, siis millist järgmistest karakteristikutest on otstarbekam kasutusele võtta hajuvuse hindamiseks? Vali üks vastus. a. ülemine kvartiil b. maksimaalne väärtus c. Kvartiilide vahe d. Haare Õige Selle esituse hinded 2/2. Question 12 Punktid: 1 Millises vahemikus asub lineaarse korrelatsioonikodaja r väärtus? Vali üks vastus. a. 0 kuni 1 b. -1 kuni 0 c. -1 kuni 1 Õige
kuid ei ole päris kindel, kuidas see seostub tegelikku populatsiooni moodustavate indiviidide arvuga. Aheldatus loodusliku valiku all olevate geenidega võib neutraalsetele alleelidele vähendada efektiivset populatsioonisuurust. Mida suurem on homoloogilise rekombinatsiooni sagedus, seda nõrgemaks jääb aheldatuse mõju ning koos sellega ka efektiivse populatsioonisuuruse avaldatav efekt. See efekt on nähtav molekulaarses andmestikus korrelatsioonina rekombinatsioonisageduse ja geneetilise mitmekesisuse vahel ning negatiivse korrelatsioonina geenide tiheduse ja mittekodeerivate regioonide mitmekesisuse vahel (ehk mida pikema vahemaa tagant geenid genoomis paiknevad, seda suurem on nende vahele jäävate mittekodeerivate regioonide mitmekesisus). Juhusest sõltuv seos teiste geenidega, mis on valiku all, ei ole sama, mis valimiviga ning seetõttu nimetatakse seda aheldatuse
võetud. 4. Vanus diferentseerib haridustaseme mõju sallivusele. Kuigi kolmas hüpotees on, et kõrgem haridustase tähendab suuremat sallivust, siis oleneb see vanusest. Noorematel inimestel (vanusegrupp 15-24-a), kellel ei ole veel haridustee lõpetatud ja kes on haridussüsteemis veel sees, ei tähenda madalam haridustase madalamat sallivust. Tunnuste kirjeldus Kasutan järgmisi tunnuseid: 1. Sugu (Gender) – kahe väärtusega kategoriaalne tunnus. Andmestikus oli 722 meest ja 1071 naist. 2. Vanusgrupid 10-aastase sammuga – 7 väärtusega kategoriaalne tunnus, mille lõin tunnuse vanus (Age of respondent, calculated) alusel. Vanusgrupid on: 15-24-a, 25- 34-a, 35-44-a, 45-54-a, 55-64-a, 65-74-a ja üle 74-aastased. Kõigis vanusgruppides on indiviide enamvähem võrdselt. 1 3
koordinaatsüsteem ning vaja on läbi teha ainult koordinaatsüsteemi teisendus ja teisel juhul võib algandmestik olla suvalises tundmatus koordinaatsüsteemis. Viimasel juhul (paberilt skaneeritud kihid) võib esialgseks koordinaatsüsteemiks võtta read ja veerud Geokorrelatsioon- geograafiline sidumine 7. Idrisi klassifitseerimise vahendid ja mida tehakse igaühega eraldi (milleks on mõeldud?) isoclust-iteratiivne iseennast parandav algoritm cluster-andmestikus oleva info klassifitseeritavuse analüüsimiseks. 8. Joonised. Tuleb aru saada ja lõpetada jooniste allkirjad ja põhjendada, miks nii otsustasite. Nt. millise satelliidi ja skanneriga on pildistatud vms. 9. Byte tüüpi rasterandmestiku teisendamine Integer (täisarvu) tüüpi rasterandmestikuks . 10. NDVI tüüpi vegetatsiooniindeksid. Spektraalse info põhjal taimkatee iseloomustamiseks tuletatavad tunnused
tõenäosus 2) dpois(3, 2) - kui tõenäoliselt omandab Poissoni jaotusega juhuslik suurus (parameetriga 2) väärtuse 3. 3) dpois(0:10, 2) - leiab kui tõenäoliselt omandab Poissoni jaotusega juhuslik suurus väärtuse 0, 1, 2, ..., 10. 4) ls() -näitab, milliseid nimesid oled objektide tähistamiseks kasutanud 5) rm(x) - saab objekti kustutada (praegu objektiks x) 6) Casefold- teeb suured tähed väikesteks ja vastupidi 7) names(tudengid) - andmestikus olevate tunnuste nimed 8) head(tudengid) - päis 9) tail(tudengid) - jalus/viimased read 10) tudengid$pikkus - väärtuste väljanoppimine 11) mean(tudengid$pikkus) - keskmine 12) attach(tudengid) - ühe andmestikuga töötamiseks 13) hist(pikkus) - histogramm 14) pikkus[1:4] - Nelja esimese tudengi pikkused 15) pikkus[c(1,3,4,25)] - nende tudengite pikkused 16) pikkus[olu=="13-"] - nende pikkused, kes joovad 13 ja enam pudelit õlut
väärtused. 40.Likerti skaala- Küsitletul palutakse hinnata väiteid "nõustun"- "ei nõustu" skaalal vahemikus 1-5, 1-7, 0 vms. 41.Semantiline diferentsiaal- Küsitletul palutakse anda hinnang vastandite skaalal. 42.Kontentanalüüs- loendatakse erinevaid signaale tekstis, analüüsitakse nende esinemist statistiliselt. 43.Suhtelised ja absoluutsed sagedused- Suhteline -milline on väärtuse osakaal (%) andmestikus (selle uuritavas osas).Absoluutne- näitab, mitu korda tunnuse mingi väärtus esineb andmestikus (selle uuritavas osas). 44.Risttabel, selle osad. Milleks kasutatakse risttabeleid?- 2-mõõtmeline analüüs, s.t. 2 tunnuse ühisjaotus uurimine .Ühe tunnuse väärtused määravad tabeli read, teise tunnuseväärtused määravad tabeli veerud. Veeru rea ristumiskoht tabelis näitab tunnusepaari vastavate väärtustega vastajate sagedust. 45
Hindepunkte 1.00/1.00 Valige üks: a. Kordaja r võib olla nii positiivne kui ka negatiivne. b. Kordaja r on positiivne. c. Kordaja r on negatiivne. Küsimus 11 Milline on mediaanpikkus järgmisel graafikul? (vastuse lahtrisse sisestage ainult arv) Õige Hindepunkte 1.00/1.00 Vastus: 185 Küsimus 12 Kui andmestikus esineb mõni ebaharilikult suur või väike tunnuse väärtus, siis millist järgmistest karakteristikutest on otstarbekam Õige kasutusele võtta hajuvuse hindamiseks? Hindepunkte 1.00/1.00 Valige üks: a. kvartiilide vahe b. haare=max-min c. ülemine kvartiil d. maksimaalne element Küsimus 13 Määra järgmiste tunnuste tüüp. Õige Hindepunkte
00/1.00 Vastus: 50 Märgi küsimus lipuga Küsimus 14 Dispersiooniks nimetatakse tunnuse üksikute väärtuste ja keskväärtuse vahede ruutude Õige Hindepunkte aritmeetilist keskmist. Õige 1.00/1.00 Hindepunkte 1.00/1.00 Märgi küsimus lipuga Küsimus 15 Kui andmestikus esineb mõni ebaharilikult suur või väike tunnuse väärtus, siis millist järgmistest karakteristikutest on otstarbekam kasutusele võtta hajuvuse hindamiseks? Õige Hindepunkte Valige üks: 1.00/1.00 a. ülemine kvartiil Märgi küsimus lipuga b. maksimaalne element c. kvartiilide vahe d. haare=max‐min Küsimus 16 Ettevõttes töötab 4 töötajat, kelle palgad on 600, 700, 600 ja 900 eurot
Count of rin rin pl 1 Y Grand Total KS 44 1 45 5 KU 63 63 MA 3 3 Grand Total 110 1 111 Proovitükil 772 on 1. rinde enamuspuuliigiks kuusk (KU), andmebaasis on esitatud andmed 63 esimese rinde kuuse kohta. Andmestikus on igal puul mõõdetud kaks diameetrit, d1 tsentri suunas, d2 risti tsentriga (Kiviste K 2011b). Lisan uue veeru ning arvutan igale puule keskmise diameetri. Kuna d2 võib olla 0, st. mõõtmata, kasutan keskmise leidmisel funktsiooni IF (=IF(d2>0; (d1+d2)/2; d1)). b) Filtreerisin välja selle puuliigi 1. rinde puud, mida oli risttabelis 1. rindes kõige rohkem ehk 1 rinde kuused. Kopeerisin nende diameetrid uuele töölehele (Kleebi
eesmärgiks oli välja selgitada, kas riigieksami tulemused sõltuvad soost. Soovisime teada ka, kas riigieksami tulemustel on seos valitud erialaga ja ülikoolis sooritatud matemaatika testiga. Mudeli koostamise eesmärgiks oli vaadata, kuidas kirjeldavad aasta, riigieksami tulemus, ja eriala tunnust matemaatika test. 3 Tunnuste esmaanalüüs Andmestik koosneb paljudest erinevatest tunnustest. Siinkohal toome välja andmestikus kasutatavate tunnuste tüübid: Aasta diskreetne Test diskreetne Sugu binaarne Hinne järjestus Eksam/kool järjestus Eriala nominaalne Matemaatika riigieksami tulemus Andmestikus on esitatud matemaatika eksami tulemused aastatel 2000, 2002, 2003 ja 2008. Tunnuse eksam/kool vaatluse väärtused muutuvad vahemikus 3-96 punkti. Kõige madalam punktisumma oli 3 ja kõige kõrgem 96. Loendusel on arvestatud 288 tulemust. Nende aastate keskmine punktisumma oli 50 (vt. Tabel 15)
Plots-> Normality Plots with tests Võite ära märkida, et tahate joonist histogrammi kujul. Kui olete need sammud ära teinud, peaks teile ilmuma tabel. Selleks, et vastata küsimusele kas on tegemist normaaljaotusega või mitte peame esmalt välja nuputama, millist testi vaatame. Kolmogorov-Smirnov testi on mõttekas vaadata siis, kui valim on väga suur (tuhanded indiviidid), Shapiro- Wilk test on kohane väikese valimi puhul (u 50-2000 indiviidi). Meie andmestikus on 1350 inimest, seega võiks kasutada Shapiro-Wilk testi. Järgnevalt tuleb vaadata Sig.-i. Kui Sig on väiksem kui 0.05, siis ei ole andmed normaaljaotuslikud. Sageduste võrdlemine: (Analyze Descriptive Statistics ->Crosstabs). Lisaks on võimalik tellida statistik (Statistics -> Chi- Square), mis näitab kas nimetatud seos (risttabeli andmetel ilmnev koosesinemine) on statistiliselt oluline. Hi ruut on statistiliselt oluline, kui olulisuse tõenäosus tabelis on väiksem kui 0.05. II KT:
naine ,071 742 ,000 ,989 742 ,000 a. Lilliefors Significance Correction Selleks, et vastata küsimusele kas on tegemist normaaljaotusega või mitte peame esmalt välja nuputama, millist testi vaatame. Kolmogorov-Smirnov testi on mõttekas vaadata siis, kui valim on väga suur (tuhanded indiviidid), Shapiro-Wilk test on kohane väikese valimi puhul (u 50-2000 indiviidi). Meie andmestikus on 1350 inimest, seega võiks kasutada Shapiro-Wilk testi. Juurde tasub aga märkida, et mõlemad testid on üsna tundlikud äärmuslike väärtuste ning valimi suuruse suhtes, mistõttu teatud olukordades ei pruugi nende testi alusel tehtud otsustused olla täpsed! Järgnevalt tuleb vaadata Sig.-i (olulisuse tõenäosus). Kui Sig on väiksem kui 0.05, siis ei ole testi(de) kohaselt andmed normaaljaotuslikud.
Millised vead olid : sisestusviga, skaala ebaloogiline, grupeerimine, palju oli missing. Teisendused on ka veebis olemas –mine vaata. 12.02.03 Võtame kaks intervalltunnust T1 : rahulolu ilmaga T2: rahulolu eluga Loo uus fail: Võta variable view: 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
Kuidas kunagi, vahel jälgin, vahel mitte Täiesti rahul Jälgin natuke, enamasti üritan toituda tervislikult Täiesti rahul 1. Leia andmestikust treening tunnus, mille väärtuseid oleks sobilik esitada histogrammi abil. Koosta histogramm, kujunda saa 2. Kasutage andmestiku treening andmeid ning leidke tabelarvutstarkvara abil (õpiku näiteid järgides) õpilaste pikkuse ja kaalu 3. Võrdle omavahel meeste-naiste keskmiseid kehamassiindekseid (KMI) andmestikus treening. Kirjuta tulemuste sisulist tähe 4. Kasuta andmestikku treening ning arvuta kahe vabalt valitud tunnuse kirjeldamiseks korrelatsioonikordaja ning tõlgenda selle 5. Koosta andmestiku treening tunnuse ,,Sugu" väärtuste jagunemise kirjeldamiseks tulpdiagramm sta histogramm, kujunda saadud tulemit ning kirjuta sellele uurimuse tekstis toodav lahtiseletus. des) õpilaste pikkuse ja kaalu keskväärtused Kirjuta tulemuste sisulist tähendust avav selgitus.
Farmitasandi (grupi) andmed - mis need on ja kogumise meetodid Keskkonda iseloomustavad (farmitasandi) andmed Näiteks farmi (tootmisüksuse) lähem uurimine ja intervjuu farmeriga annavad väärtuslikku informatsiooni farmitasandil mõjuvate tegurite kohta. Intervjueerija vaatlustele põhinedes saab registreerida lisainformatsiooni. Kõik ühe farmi kohta käivad andmed kehtivad selle farmi kõikide loomade suhtes. Saadakse küsimustikke kasutades. 16.Muutujad ja Vaatlused elektroonilises andmestikus; vaatluste registreerimise printsiibid. Kasutage lihtsaid muutujate nimetusi, mis poleks pikemad kui 8 märki. Sümboleid (! ? . ; ) mitte kasutada. Tühikuid mitte jätta. Kasutage tähendusega nimetusi, mida saab alles hoida kogu analüüsi ja dokumenteerimise vältel. Ärge kasutage andmete sisestamise lehtedel valemeid. Ärge sisestage andmebaasi lehele mingit muud informatsiooni kui ainult vaadeldud muutuja väärtused.
naine ,071 742 ,000 ,989 742 ,000 a. Lilliefors Significance Correction Selleks, et vastata küsimusele kas on tegemist normaaljaotusega või mitte peame esmalt välja nuputama, millist testi vaatame. Kolmogorov-Smirnov testi on mõttekas vaadata siis, kui valim on väga suur (tuhanded indiviidid), Shapiro-Wilk test on kohane väikese valimi puhul (u 50-2000 indiviidi). Meie andmestikus on 1350 inimest, seega võiks kasutada Shapiro-Wilk testi. Juurde tasub aga märkida, et mõlemad testid on üsna tundlikud äärmuslike väärtuste ning valimi suuruse suhtes, mistõttu teatud olukordades ei pruugi nende testi alusel tehtud otsustused olla täpsed! 4 Järgnevalt tuleb vaadata Sig.-i (olulisuse tõenäosus). Kui Sig on väiksem kui 0
Kehakaal Sugu Tähtkuju Pikkus (cm) (kg) Jalanumber (binaarne) (järjestustunnus) (pidev) (pidev) (diskreetne) naine Neitsi 172 63 39 mees Vähk 182 64 41 naine Sõnn 155 62 38 naine Kalad 171 55 38 naine Kaksikud 170 58 38 naine Neitsi 179 58 41 naine Veevalaja 173 55 38 naine Jäär 173 55 38 naine Kaljukits 170 58 40 naine Neitsi 173 65 41 naine Kaksikud 170 64 40 mees ...
** Emic väljendab kategooriaid ja kontseptsioone, mis vastavad uuritava subjekti poolt antavale tähendussüsteemile. Terminid pärinevad lingvistikast: phonetic – foneetika; phonemic – foneem. Kvantitatiivne uurimus Hüpoteesi testimine Numbrilise andmestiku kasutamine Protseduuriline objektiivsus Üldistatavus 4 Süstemaatiline mudelite identifitseerimine – statistilised tehnikad on kasutusel selleks, et kirjeldada andmestikus leitavaid mudeleid põhjus-tagajärg seostes, mitte juhuslikult tekkinud protsesside tulemusi Muutujate kontrollimine - reeglina kontrollitakse muutujaid kas eksperimentaalse meetodi abil või „statistiliselt“ cross-case analüüsi alusel suure valimi või populatsiooni baasil Vajadus uurida asju, mida ei saa mõõta Mis juhtub tavaliselt, reaalsetes tingimustes, mitte eksperimendi ajal? Vajadus vaadelda seda, mis juhtub, mitte seda, mida arvavad juhtunust respondendid,
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! Charts: võimalus tellida muutuja kohta graafikuid (histogrammi)
kirjanduses erinevalt; γ – mitmekesisus on piirkonna kogu mitmekesisus (nt liikide arv regioonis, piirkondlik liigirikkus). Kui α – mitmekesisus sõltub produktiivsusest sageli küüru-kujuliselt, siis β – ja γ - mitmekesisus produktiivsuse tõustes reeglina kasvavad (α –, β – ja γ - mitmekesisuse puhul on tegemist erinevate mõõtkavadega!). Indeksid näitavad kvantitatiivselt, kui palju erinevaid tüüpe (nt liike) esineb andmestikus (nt koosluses) ja samaaegselt võtavad arvesse, kui ühtlaselt on isendid jaotunud nende tüüpide vahel. Koosluse mitmekesisus näitab seda, kas antud kohas on liikide esinemine ühtlane, või domineerib mõni üksik liik ja teised esinevad vähese arvukusega. Shannon´i indeks - koosluse mitmekesisuse mõõt: kui liikide arv on uuritavates üksustes sama, on Shannon´i näitaja suurim kõigi liikide võrdse olulisuse korral (st liikide esinemine kooslustes on ühtlane)
väljaspoole Eestit ja kui paljud on käinud või käivad võõrsil tööl. Huvitav on teada saada, kuhu ja miks on mindud, kuidas neil võõrsil läheb, kas minu töös uuritud väljaränne ja Eesti väljarände pilt on sarnased või mitte. Suur osa eestlasi käib mujal tööl, kuid elupaik on Eestis. Mujal elavate vilistlaste jaoks koostasin ankeedi ja saatsin selle neile meili teel. Vastused tulid küll aegamööda, aga õnneks enamiku käest ikkagi tulid. Nende kohta, kes ei vastanud, on andmestikus vaid kooli lõpetamise aasta, riik, kus elatakse, ja amet, mõnel on ka pere kohta natuke infot. Need on andmed, mida koolikaaslastelt ja siin elavatelt pereliikmetelt sain. Väike osa vilistlastest on võõrsilt tagasi tulnud, uurin oma töös ka selle põhjusi. Tööle seadsin järgmised eesmärgid: 1) uurida välja, kes Lustivere Põhikooli vilistlastest on taasiseseisvunud Eesti Vabariigi ajal välja rännanud; 2) selgitada väljarände põhjused ja toimetulek mujal maailmas;
2. Variatsioonid koalestsentsis viib mittesobivusteni, mistõttu testi saab ootuspäraselt kasutada vaid suurte ja püsivate kahanemiste või kasvamistega isendite grupi korral (Ne). 5. Võrdle põhikomponentanalüüsi ja Fst analüüsi populatsioonide erinevuse määra ja iseloomu hindamisel KRISTINE. Põhikomponentide analüüs (PCA) on statistiline meetod, mida kasutades saab identifitseerida andmestikus mustrid. See võimaldab välja tuua sarnasused ning erinevused. PCA leiab limiteeritud hulga uusi muutujaid, mida kutsutakse põhikomponendi skooriks. Skoor summeerib originaalmuutujate info. Fst analüüs on esimene lihtne “ülevaateanalüüs” mida suuremahuliste genotüpiseerimisandmete puhul rakendatakse on paariviisiliste Fst de arvutus. Seda saab teha populatsiooni gruppide või populatsioonide tasemel.
kõrvalolevas tabelis, kus tunnus 115 1 79 62 28 91 Aeg tähistab ravi algusest 131 1 84 60 0 100 131 1 84 60 15 105 möödunud päevade arvu. 131 1 84 60 27 102 Iga patsiendi jaoks on nüüd 131 1 84 60 35 100 andmestikus nii palju ridu, 139 1 64 65 0 100 kui on temal tehtud mõõtmisi. 139 1 64 65 31 80 141 0 73 58 0 98 62 Matemaatika ja statistika 2008/2009 10 Andmete kirjeldamine 10.1 Sagedusjaotused
tõstavad esile paikkonna olulisi ajaloolis-kultuurilisi, keskkondlikke ja ka rahvusköögile omaseid elemente, liites neid uue jätkusuutliku arengu kontseptsiooniga. Võimaliku veebirakenduse seisukohast on aines lai ja liigendatud. See hõlmab traditsioonilisi arheoloogiamälestisi, hooneid ja paikset ajaloolis-kunstilist pärandit ning sagedamini koduloomuuseumite ja kohalike raamatukogude ja arhiividega seostatavaid üksusi, millel on maa-ala kohta esitatavas andmestikus oluline koht. Siia kategooriasse kuuluvad ka kaitsealad ja arheoloogiliselt tähtsad paigad, mida hallatakse institutsionaalselt, enamasti avalik-õiguslikult või avalikkuse huvidest lähtuvalt, ning eriprojektid, näiteks maa-ala stratigraafilised ja temaatilised uuringud, mida peetakse kompleksseteks näideteks inimtegevusest ning loodus- ja maastikuväärtustest. Kultuuri- ja teaduslike väärtuste levitamine ja kultuuri areng antud maa-alal saab kõige
annaabi.ee 
