• Suguküpseks saavad esimese eluaasta lõpul • On monogaamsed (moodustavad paare) Pesa ja toitumine • Pesa asub maapinnal tavaliselt männi all või tihedas puhmastikus. • Pesalohk vooderdatud roht- ja puhmastaimedega • Talvel põhiliseks toiduks paju-ja kasepungad koos võrsete tippudega • Suvel süüakse enamasti rohttaimede ja kanarbikulaadsete osi ning marju Arvukuse uurimise meetodid • ekstrapoleering (prooviala-andmete ekstrapoleerimine kogu Eestile). • eksperthinnang (hinnang liiki uurivate spetsialistide poolt). • umbmäärane hinnang – kasutati Eesti piirkondlikke hinnanguid ja asustustihedusi naabermaades (Lõuna-Soome, Läti). Arvukuse vähenemise algus • Esimesed viited rabapüü arvukuse vähenemise kohta pärinevad 1870. aastatest. • Eelmise sajandi lõpul ja selle sajandi algul oli ilmne, et arvukus väheneb pöördumatult • XX sajandi esimese veerandi jahistatistika
Digitaalsed andmebaasid 1 Paberkaartide skaneerimine (ja vektoriseerimine) 2 GPS ja välimõõtmised 3 Satelliidipildid ja ortofotod Andmete esitusviisid: Andmed käivad mingi nähtuse kohta(nt reljeef, maakasutus, elanike arv asulas) Vahetud ruumiandmete mõõtmised käivad "geograafilise punkti" kohta 5 Keerukamad andmed on neist tuletatavad(interpoleerimine, ekstrapoleerimine) tulemus sõltub kasutatavast meetodist ja parameetritest Interpoleerimineebakorrapäraselt või hajusalt asetsevate mõõtmisandmete täiendamine, et moodustada reljeefi või statistilise nähtuse kohta edasiseks töötluseks sobiv mudel ning selle põhjal kaardid. Andmekihid: Iga tükikest geograafilisest reaalsusest saab vaadelda koosnevana erinevatest temaatilistest kihtidest(Layer, Level, Theme) Erinevat tüüpi andmed(vektor, raster, TIN, ortofoto)
Selline käsitlemine ongi komplektsus, mida rohkem on arvestatud aspekte, seda selgem on ülevaade. 5. Palun selgitage 5-astmelist loogilist jada erinevate nähtuste ja protsesside käsitlemiseks. •Süntees- hulgast elementidest terviku kokkupanemine; •Analüüs- laia teema/objekti osadeks tegemine, et seda paremini mõista; •Klassifitseerimine- liigitamine. •Modelleerimine- abstraheeritud nägemus asjast, millel on samad tunnused, mis päris asjalgi. •Ekstrapoleerimine- olemasolevate faktide, protsesside pinnalt tuleviku etteaimamine. (Juristile väga oluline omadus, valdavad vaid vähesed) 6. Mis on probleem? Teaduses selline küsimus, mille lahendamiseks pole piisavalt teadmisi. Probleemi kui sellist ei saa lahendada, küll aga on võimalik parandada probleemi erinevaid põhjuseid. Probleem on tunnetatud vastuolu, mille suhtes on subjektil aktiivne hoiak. Kuidas erinevaid protsesse ja nähtusi probleemina käsitleda? Uurides ja
3. Alternatiivide valik. 4. Plaani väljatöötamine. 5. Plaani korrigeerimine. Plaane oma olemuselt võib jagada: * kontseptuaalne prognoos; * strateegiline plaan; * operatiivne plaan (kesk- ja lühiajaline); Planeerimise meetodeid võib klassifitseerida järgnevalt: 1. Juhtimistasandist lähtuvalt: * ülalt-alla-planeerimine (top-down-planning); * alt-üles-planeerimine (bottom-up-planning. 2. Lähtealustest ja detailsusest lähtuvalt * Prognoosimine - ekstrapoleerimine; * tootmisprogrammile ja normatiividele tuginev meetod; * tellimus portfellile tuginev meetod. 3. Ootustele põhinev planeerimine (kasumiootus). 4. Võrkplaneerimine (metwork analysis) kasutatakse näiteks projektide planeerimisel. 5. Dünaamiline planeerimine (dynamic programming) Mitmeastmeline planeerimine. Alustatakse lõppolukorra kirjeldamist ja siis tullakse aste astmelt protsessi algusesse. F. Stimulatsioonimudelid
5. Palun selgitage 5-astmelist loogilist jada erinevate nähtuste ja protsesside käsitlemiseks. Süntees- hulgast elementidest terviku kokkupanemine; Analüüs- laia teema/objekti osadeks tegemine, et seda paremini mõista; Klassifitseerimine- liigitamine. Modelleerimine- abstraheeritud nägemus asjast, millel on samad tunnused, mis päris asjalgi. Ekstrapoleerimine- olemasolevate faktide, protsesside pinnalt tuleviku etteaimamine. (Juristile väga oluline omadus, valdavad vaid vähesed) 6. Mis on probleem? Kuidas erinevaid protsesse ja nähtusi probleemina käsitleda? Kuidas probleemi karakteristikute kaudu avada? Kuidas leida probleemile lahendusi? Tooge näiteid. Probleem on vastuolu reaalsuse ja tegelikkuse vahel. Leiame kõik olulised objekti karakteristikud ning ka mitteolulised e ühtegi
klassifikatsiooni kõikidel elementidel - rakendusülikool ja akadeemiline ülikool (akadeemilises ei rakendu), ratastega auto (auto oma definitsioonis on kohe ratastega) modelleerimine- mõistus on suuteline mõtlema graafiliselt/ruumiliselt ja looma mudelit(lihtustatud versioon, millel on olemas samal ajal kõik iseloomulikud tunnused) /abstraheerida (taandada kõik mis on juhuslik) ekstrapoleerimine- olemasolemate faktide/protsesside pinnalt tuleviku ette aimamine, sudab näha millisel viisil asi toimuma hakkab (joonis a- b(efg)c(hij)d(klm) analüüs- millest asi koosneb (võtta tükkidena lahti), eseme või nähtuse jaotamine osadeks, koostisest arusaamine (näiteks lauseanalüüs, kus terviklikku lauset uuritakse üksikute sõnade kaupa) süntees- algosadest terviku kokkupanemine, üksikute osade mõtteline
Teist järku parabool sobib niisuguste aegridade tasandamiseks, kus rea tasemed kasvavad (vähenevad) teatud piirini ning seejärel hakkavad aja kulgedes vähenema (kasvama). · Parameetrite a0, a1 ja a2 normaalvõrrandite süsteem: · Leiame parabooli parameetrite a0, a1 ja a2 hinnangud normaalvõrrandite süsteemist Interpoleerimine aegrea puuduvate elementide arvväärtuste leidmine Ekstrapoleerimine trendi retrospektiivne ja/või perspektiivne leidmine n ( y^ t - y)2 D=R = 2 i =1 n (y t - y)2 i =1 Statistiline prognoosimine ja terve hulk lihtsamaid prognoosimudeleid tugineb senise arengutrendi kindlaksmääramisel ja selle ekstrapoleerimisele tulevikku Aproksimeerimisviga - Mudeli headust mõõdetakse enamasti tema kirjeldatuse tasemega ehk determinatsioonikordajaga, R 2
parameetrilised hinnangud, Leitakse teoreetilise joone punktide arvväärtused ning konstrueeritakse tasandusjoon(matemaatiline joon). Joon tehakse nii, et hälbed oleks minimaalsed. Võetakse joon, mille R on suurim. Matemaatiline joon- arvutad joone valemi järgi välja, asendad sinna x-d. · Interpoleerimine aegrea puuduvate elementide arvväärtuste leidmine · Ekstrapoleerimine vaatlustega hõlmatud osa põhjal tehtud järelduste üldistamist vaatlusega mittehõlmatud osale Aegrea komponendid: Üldjuhul eristatakse aegreas kolme komponenti: · Trend ehk arengutendents · Lühiajalised süstemaatilised võnked (sesoonsus, tsüklilisus vms) · Juhuslik komponent (hõlmab paljude juhuslike mõju avaldavate tegurite koondmõju) Trendiindeks= matemaatiline joon/algne keskmine(terve valimi)
otsenemeetod determeneeritud mudelite(ei sisalda tõenäosuse, riske) informatsiooni kogumine, töötlemine ja analüüs:*aegridade ettevalmistamine(andmete Tellimiskulud aastas D/Q*S, D-nõudlus aastas, Q tellimuse maht, S-tellimuse esitamise kulu. kasutamine. Võime kasutada: *kasumianalüüsi, *tulu- ja kuluanalüüsi, fikseerimine, inter- ja ekstrapoleerimine), *aegrea komponentide eristamine(trend, Hoidmiskulud aastas Q/2*H, H-ühe ühiku hoidmiskulu aastas. Kogukulud on minimaalsed, *matemaatilist programmeerimist Riskiolukord on olemas teatud tõenäosus tsükliline komponent, sesoonne komponent, jääkliige) 5)prognoosi(de) arvutamine kui tellimiskulud võrduvad varude hoidmiskuludega.Q= 2DS/H 2)Tellimus protsesside ja tegurite kohta
eraldi esile ja uuritakse neid komponente. Tuleks läbida järgmised analüüsietapid: 1)uuritava aegrea üksikute komponentide kindlakstegemine ja rea lahutamine osadeks nende komponentide järgi 2) üksikute komponentide põhjalik ja detailne statistiline analüüs 3)komponentide taasühendamine pärast kaht eelnevatanalüüsietappi Prognoosimine – 2 meetodi: interpoleerimine ja ekstrapoleerimine. IP – mitteteadaoleva sõltuva tunnuse hindamine määramispiirkonnas. Tuginetakse teadaolevatele väärtustele. Kasutatakse tasandamis ja elementaaranalüüsi meetodeid. EP – sõltuva tunnuse väärtuse hindamine väljaspool seose määramispiirkonda. Tuginetakse teadaolevatele väärtustele. EP jaguneb ajas tagasi vaatavaks retrospektiivseks EP-ks & tulevikku suunatud ehk perspektiivseks EP-ks. Näide MP mudeliga: Leitakse kohendatud keskmine ja /100. Saadakse mingi perioodi indeks
Vastavaid tendentse maksumuses saab esitada kas materjalide ja tööjõu kohta või siis teatud tüüpi ehitiste või nende konstruktsioonide maksumuste muutumisena. Kui maksumusandmeid vajatakse dünaamika uurimiseks, on andmed enamuses seotud baasaasta maksumusega ja erinevusi ajas iseloomustatakse indeksitega. Loomulikult ei näita maksumuse muutumine minevikus selle tendentsi usaldatavat jätkumist tulevikus ja põhjendamatu on vaid maksumuse dünaamika ekstrapoleerimine tulevikku, arvestamata kõiki võimalikke poliitilisi, sotsiaalseid ja majanduslikke tegureid. Nende tegurite arvestamine sõltub aga maksumuskonsultandi erialastest oskustest. 6.9. Maksumusteabe usaldatavus Kõik maksumusplaanimisel kasutatavad andmed saadakse mingite arvutusmeetodite abil ja tihti kaasneb sellega muutus kas täpsuses või sisus. Maksumuskonsultandilt saadavad andmed seonduvad siiski tüüpehitusega, kuhu lisatakse lühikokkuvõte mõnest maksumust mõjutavast tegurist
alguses väga haruldased. Kogemusteta kiskjad sõid esimesed hoiatusvärvusega loomad kohe ära. Õppimine oli seetõttu raskendatud ja saaklooma suremus väga kõrge. · Millised mehhanismid võisid aposematismi varajast evolutsiooni võimaldada? I Konservatiivne toitumine - paljud loomad väldivad uudseid toiduobjekte. (Võib seletada aposematismi teket) Ekstrapoleerimine - ühe saaklooma omadusi üldistatakse samastele objektidele asümmetriliselt (peak-shift - ajajooksul muutuvad värvused loomadel nt lepatriinul) Mõni värvus jääb paremini meelede ja ununeb aeglasemalt. II Kiskja eelistuste ja aposematismi koevolutsioon - silmatorkavaid aga söödavaid saakloomi jääb kiiresti vähemaks, see tekitab valiku kus kiskjad väldivad silmatorkavaid saakloomi.
Prognoosimise meetodite ja võtete hindamine ning valik: x meetodite ja nende modifikatsioonide (võtete) uuring; o lihtsustatud tehnilis-majanduslikud arvutused; o matemaatilis-statistilised ehk ökonomeetrilised meetodid; o eksperthinnangute meetodid; o kompleksmeetodid. x sobiva(te) meetodi(te) esmane valik. 4. Prognoosimiseks vajaliku informatsiooni kogumine, töötlemine ja analüüs: x aegridade ettevalmistamine (andmete fikseerimine, inter- ja ekstrapoleerimine); x aegrea komponentide eristamine (trend, tsükliline komponent, sessoonne komponent, jääkliige). 5. Prognoosi(de) arvutamine (väljatöötamine): x aegridade tasandamine (trendi ja teiste komponentide leidmine); x jääkliikmete analüüs. 6. Prognoosi(de) verifitseerimine: x prognoositulemuste analüüs (kas reaalsed üldse); x verifitseerimismeetodi(te) valik (prognoosi kontrollitakse teiste meetodite kaudu, prognoos lastakse teha
Selgitatakse välja põhjuslik seos ohtlikule ainele eksponeerumise ning ebasoodsate toimete tekke vahel indiviidide või populatsioonide tasemel. Kvantiteeritakse esimesel etapil samastatud ohud ning tehakse kindlaks ebasoodsa mõju intensiivsuse sõltuvus doosi suurusest. Viimane nõuab väga sageli ekstrapoleerimist loomkatsetel vajalikelt kõrgetelt doosidelt oluliselt madalamatele, millele võib kõige tõenäolisemalt eksponeeruda inimene. See ekstrapoleerimine sõltub primaarseks kuulutatud mõju tüübist. · Juhul, kui see on näiteks genotoksiline kantserogeensus, ei eeldata lävidoosi olemasolu ning riski hindamiseks madalatel doosidel saab kasutada vastavat matemaatilist mudelit. · Kui see on mittegenotoksiline, eeldatakse lävidoosi olemasolu. võib määrata ka kõrgeimat doosi, millele eksponeerumisel veel ei avaldu aine toksiline mõju. Sellist
Selgitatakse välja põhjusliku seose olemasolu ohtlikule ainele eksponeerumise ning ebasoodsate toimete tekke vahel indiviidide või populatsioonide tasemel. Kvantiteeritakse esimesel etapil samastatud ohud ning tehakse kindlaks ebasoodsa mõju e. toime intensiivsuse sõltuvus doosi suurusest. Viimane nõuab väga sageli ekstrapoleerimist loomkatsetel vajalikelt kõrgetelt doosidelt oluliselt madalamatele, millele võib kõige tõenäolisemalt eksponeeruda inimene. Selline ekstrapoleerimine sõltub muidugi primaarseks kuulutatud mõju tüübist. Juhul, kui see on näiteks genotoksiline kantserogeensus, ei eeldata lävidoosi olemasolu ning riski hindamiseks madalatel doosidel saab kasutada vastavat matemaatilist mudelit. Kui see on mittegenotoksiline, eeldatakse lävidoosi olemasolu. võib määrata ka kõrgeimat doosi, millele eksponeerumisel veel ei avaldu aine toksiline mõju. Sellist doosi (taset) nimetatakse
Jaapani aatompommi ohvrite uurimisel saadud andmed näitavad, et on olemas kindel ajavahemik (latentsiperiood) kiiritada saamise ja sellest tekkinud vähist põhjustatud surma vahel. Keskmine latentsiperiood leukeemia puhul on 10 aastat, teiste vähkide puhul enam kui 20 aastat. Isegi praegu, kui pommiplahvatustest on möödas üle 50 aasta, esineb nendes piirkondades ikka veel keskmisest kõrgemat haigestumist vähki. Suurte kiirgusdooside toimete väikestele doosidele ekstrapoleerimine. Pole kahtlust, et inimestel, kes on saanud kiiritada suurte (kuni paar Gy) doosidega, tekib mõne aja möödumisel erinevaid vähivorme. Samuti on teada, et madala LET-ga kiirguse (rö-, gamma- ja beetakiirgus) doosid saaduna pika aja jooksul (näit aasta) on väiksema toimega kui sama doos saaduna mõne tunni jooksul. Kõrge LET-iga kiirguste puhul on vastupidi. Samas ei ole bioloogilise toime tugevus täpselt proportsionaalne saadud doosiga, väiksemate
annaabi.ee 
