"erindid" - 16 õppematerjali

Objektorienteeritud JAVA 2.kontrolltöö konspekt

System.out.print(e.getMessage()); } Lisaks võimalik finally osa – täidetakse alati kui programm ellu jääb Exception ex = New Exception(„Viga”) :  tavaline uue objekti loomine  konstruktorile anname String-tüüpi argumendi „Viga” catch (SomeException e) :  püütakse kinni SomeException-tüüpi objekt, mida saab kasutada nime „e” abil 2. Mis vahe on kontrollitud (checked) ja kontrollimata (unchecked) erinditel? Checked exceptions – kontrollitud erindid:  Informeerivad kasutajat olukordadest, kus normaalse töö taastamine on võimalik,  Kasutaja peab nendega tegelema!  Kontrollime alati kas erind tekitati ..  Kui jah, siis töötleme seda  Võimalusel taastame programmi normaalse töö ...  ... ja/või vihjame kasutajale, kuidas seda teha Unchecked exceptions – kontrollimata  Taastumine pole tavaliselt võimalik  Kood kompileerub, aga kuskil on (loogika)viga

Normaaljaotuse kontrollimine. Erindite leidmine. Süstemaatiliste vigade leidmine ja eemaldamine.

i=1 n kõrguskasvude erinevuste summad di . Joonisele on lisatud ka regressioonisirge i=1 (Add Trendline) koos determinatsioonikordaja ruuduga (R2). Ülesanne 3: Kontrolli Tabelis 2 toodud joonemõõtmise seeria normaaljaotust graafiliselt histogrammi abil. Leia seeria hulgast erindid. Kas mõõtmisseeria on peale erindite eemaldamist täpsem. Mille põhjal otsustate? Histogrammi lasime Excelil esmalt teha nö vabalt- me ei andnud vahemikke (Bin Range) programmile ette. Tulemus on toodud joonisel 2. 3  Histogram(sagedustabel) 9 8 7 6 5 Sagedus 4 3 2 1 0 152.091 152.105 152.119 152.133 More

Objektorienteeritud programmeerimise loengutekst

..)) vahetu ülemklassi konstruktori (super(...)). · Kui kumbagi neist ei ole kasutatud, siis kompilaator lisab käsu super() konstruktori esimeseks lauseks. Vaikekonstruktor · Kui ei ole ühtegi teist konstruktorit kirjeldatud · Ilma argumentideta · Kutsub välja ülemklassi ilma argumentideta konstruktori Klassi Object on selline ilmutatult · Väärtustamata isendiväljadele vaikeväärtused int 0 String null 9. Loeng Erindid Erind (ingl. k. exception) · sün. erandolukord · Programmi töö käigus tekkida võiv selline eriolukord, mis ei pruugi tingimata olla saatuslik programmi edasisele täitmisele · Tüüpilisematele juhtudele on olemas vastavad süsteemsed erindiklassid · Erindi tekkimisel luuakse vastava erindiklassi isend, mis on abiks eriolukorda analüüsivas programmiosas Milleks on erindeid vaja? · Kõike ei õnnestu täpselt ette näha

Kordamiskusimused infoteadus

Andmeanalüüs 1)Uurimistsükkel: millised etapid eelnevad ja järgnevad andmeanalüüsile. Eelnevad: Uurimusprobleem, uurimusmeetodi valik (kvantitatiivne, kombineeritud, kvalitatiivne), valimi koostamine, andmestiku loomine. Järgnevad: Andmete analüüsimine ja tulemuste esitamine. Millised on alternatiivid kvantitatiivsetele meetoditele. kombineeritud, kvalitatiivne 2) Ankeedi koostamine: mida tuleks silmas pidada hea ankeedi koostamisel; küsimuste tüübid, vastuste tüübid. Võimalikult lühike, viisakalt sõnastatud, lihtsa grammatikaga, sisaldab infot ühe teema kohta, sama tähendusega kõigi jaoks, sobival spetsiifilisuse tasemel Ankeedi struktuur, sissejuhatus, miks uurimust tehakse, anonüümsus, võimalik tasu, tulemuste esitus, kontaktandmed, tänud juba ette, lihtsamad küsimused, avaküsimused, keerulised ja põhiküsimused. Sotsiaal-demograafilline osa, lõpusõna ja tänud. Küsimuste tüübid: Avatud ( vastaja vastab oma sõnadega) Su...

Karakteristikud

Märkide selgitus: x - võib arvutada ja andmeanalüüsis kasutada; (x) - kasutada piiratud juhtudel, sõltuvalt tunnusest; + - võib leida; - - kindalasti ei tohi andmeanalüüsis kasutada. Lisa. · Geomeetriline keskmine sobib positiivsete väärtustega tunnuse jaoks ( nullväärtusteta), kui tunnusel leidub üksikuid eriti suuri väärtusi, mis pole erindid. · Ruutkeskmisel on eriti suur rakenduslik väärtus just dispersioonanalüüsis, korrelatsioonikordajate leidmisel ja ka statistilise rea tasandamisel. Peale ruutkeskmise kasutatakse ka kuup ja neljanda astme keskmisi. · Mitme asendikeskmise kasutamine annab valimi kohta rohkem teavet, eriti kui nad üksteisest erinevad ja pole õige väita, et üks neist on parem kui teine. · Sümmeetrilise arvtunnuse korral langevad mediaan ja keskväärtus kokku. Mediaan pole

Andmeanalüüsi kordamisküsimused 2015

Kui tunnuste vahel on täielik lineaarne sõltuvus, on korrelatsioonikordaja absoluutväärtus võrdne ühega. Kui korrelatsioonikordaja väärtus on 0, siis öeldakse, et tunnused on mittekorreleeritud. Sellest ei järeldu aga, et need tunnused on sõltumatud. ·Korrelatsioonikordajate abiga saame mõõta tunnuste koosmuutuvust ehk kovariatsiooni. ·Seose sümmeetrilisus: enamasti ei saa öelda, kumb kumba põhjustab Nõrgad kohad: 1. erindid - teistest väga palju erinevad uurimisobjektid. 2. Ainult lineaarne 3. Kaks erinevat punktiparve 4. Anscombe´i kvartett ·Kui tunnuste vahel on märgata ühist käitumist, siis ei pruugi see tegelikult alati tuleneda nendevahelisest sisulisest seosest. ·Olla ettevaatlik seoste tõlgendamisel: erindid; erinevad grupid; seos, mis tuleneb mingitest kõrvalistest tunnustest/nähtustest Spearmani astakKK, astak - in. järjekorra nr. Soo, rahvuse lõikes ei saa korrelatsiooni kasutada

Ökonomeetria mõisted

24. Mediaan tunnuse väärtuste järjestamisel leitud n.ö keskmine väärtus ehk see tunnuse väärtus, millest väiksemate väärtuse osa on 50% ehk pool. 25. Mudeli diagnostika ­ kas sõltuv/sõltumatu muutuja on valitud õigesti. Kontrolli multikollineaarsust. Kas funktsionaalne kuju on õige? (logaritm, lineaarne, hüperbool jne). reg.mudeli statistiline analüüs, heteroskedestatiivsus, autokorrelatsioon, erindid. 26. Multikollineaarsus ­ maj. nähtused on omavahel tihedalt seotud. Nende modelleerimisel esineb sageli multikollineaarsust, mille põhjuseks on regressioonimudelisse lülitavate tunnuste omavaheline korrelatsioon. Sellisel juhul on raske eristada nende mõju. Mõned mult. koll. tunnused a) Mõne sõltumatute tunnuste paari omavaheline korrelatsioon on tugevam kui korrelatsioon sõltuva muutujaga

Harilik lineaarne regressioonmudel

okaspuu y^ = 1,01x Allikas: Lu, W et al, (2006), Estimation of U.S. Bark Generation and Implications for Horticultural Industries, Journal of Environmental Horticulture, Vol. 24 , 29-34 Näide: log-log mudel, 1 esinevad Näide: log-log mudel, 2 Kuidas töötasu (salary, tuh $) sõltub erindid Logaritmimata tunnused on väga asümmeetrilised. Sagedusdiagrammid: ettevõtte müügikäibest (sales, mln $) 209 USA ettevõtte andmed. salary sales Lineaarne mudel · = 1174 + 0,015sales salary R 2 = 0,015

44) Mis juhtub, kui juhuslike liikmete keskväärtus pole 0?  saame parameetrite hinnangud nihkega 45) Mis on heteroskedastiivsus, mis on homoskedastiivsus: Heteroskedastiivsus - Muutuv dispersioon var(u ) ≠ const Homoskedastiivsus – Konstantne dispersioon Var(ui)= 2 = const 46) Heteroskedastiivsuse võimalikud põhjused: Matemaatilise mudeli vale kuju Oluline tunnus välja jäänud Üks või mitu seletavat tunnust on asümmeetrilised Üksikud erindid vaatluste hulgas Andmekogumismeetodid paranevad (vaatlusvigad suurus väheneb -> juhuslikud liikmed vähenevad) Muud põhjused 47) Heteroskedastiivsuse mõju Vealiikmete dispersioon EI ESINE parameetrite HINNANGUTE arvutusvalemites. Järelikult heteroskedastiivsus parameetrite hinnanguid ei mõjuta. Need on ikka nihketa. Vealiikmete dispersioon ESINEB parameetrite hinnangute STANDARDVIGADE arvutusvalemites. – Parameetrite hinnangud ei ole enam efektiivsed

Andmeanalüüsi konspekt

(intercept) ning sirge tõus (gradient) kirjeldab sirge paiknemist y- ja x-telje vahel (vt Fieldi õpikust lk 199). Sisuliselt üritab lineaarne regressioon läbi andmepunktide parve joonistada sirge, millest võimalikult palju väärtusi on sarnase kaugusega. Regressioonianalüüsi läbiviimiseks on 6 eeldust: 1 sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus); 2 muutujatevaheline suhe on lineaarne; 3 puuduvad märkimisväärsed erindid (outliers); 4 vaatluste sõltumatus; 5 püsihajuvus (homoskedastilisus; homoscedasticity); 6 jääkide normaaljaotuslikkus (normality of residuals). Kui 1. ja 4. eeldust saab juba lausa enne uuringu läbiviimist täita, siis eeldused 2, 3 ja 5 on testitavad hajuvusdiagrammiga, st üldist pilti on võimalik vaadelda graafiliselt. Eeldust 6 saame testida siis, kui viime läbi regressioonianalüüsi.

C# materjal

.................................................................................. 56 Võrdlusoperaatorid............................................................................................................58 Ülesandeid.........................................................................................................................61 Abivahendid..............................................................................................................................62 Erindid...................................................................................................................................62 Püüdmine.......................................................................................................................... 62 Reageering tüübi põhjal.................................................................................................... 63 Püüdmine alamprogrammist...............................................................

Statistiline modelleerimine teooria kokkuvõte 2020

kõige rohkem tulemusi ja teeks kõige vähem vigu.  Nimetatakse ka Ordinary Least Squares OLS, kuna leitakse selle järgi, millisel juhul on ruutvigade summa kõige väiksem. Lineaarne- ehk paarisregressioon Eeldused:  Sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus);  Vaatluste sõltumatus;  Muutujatevaheline suhe on lineaarne – kontrollime hajuvusdiagrammiga;  Puuduvad märkimisväärsed erindid (outliers) – kontrollime hajuvusdiagrammiga; Koostamine JASPis:  Valige Regression - Linear Regression.  Tõstke sõltuv muutuja kasti nimega Dependent Variable ja sõltumatu muutuja ehk prediktor kasti nimega Covariate. Tulemuste tõlgendamine:   o Regressioonivõrrand: sissetulek = −3.57 × vanus + 409,98  a näitab, kui palju muutub y ühe x-ühiku muutumise korral (iga aastaga

Statistiline modelleerimine praktikumide juhised.

Sisuliselt üritab lineaarne regressioon läbi andmepunktide parve joonistada sirge, millest võimalikult palju väärtusi on sarnase kaugusega. Regressioonianalüüsi läbiviimiseks on 6 eeldust: 1 sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus); 2 muutujatevaheline suhe on lineaarne; 3 puuduvad märkimisväärsed erindid (outliers); 4 vaatluste sõltumatus; 5 püsihajuvus (homoskedastilisus; homoscedasticity); 6 jääkide normaaljaotuslikkus (normality of residuals). Kui 1. ja 4. eeldust saab juba lausa enne uuringu läbiviimist täita, siis eeldused 2, 3 ja 5 on testitavad hajuvusdiagrammiga, st üldist pilti on võimalik vaadelda graafiliselt. Eeldust 6 saame testida siis, kui viime läbi regressioonianalüüsi. Käsklusterida:

Java programmeerimise konspekt

k. try/catch) abil. Eriolukorra tekkimise kohas tekitatakse spetsiaalsete omadustega objekt klassist java.lang.Throwable või mõnest selle alamklassist. Juhtimine antakse seda tüüpi eriolukordi töötlevale programmiosale (catch-haru e. püünis) või tagasi antud meetodit välja kutsunud meetodile, kui antud meetod ise eriolukordi ei töötle. Vead ja erindid Laias laastus jagunevad eriolukorrad vigadeks (klass java.lang.Error) ning erinditeks (ingl.k. exception, klass java.lang.Exception). Vigu üldiselt töödelda ei saa, tegemist on tõsiste probleemidega, mille tekkimisel programm tööd jätkata ei saa. Erindite hulgas on alamklass java.lang.RuntimeException, mille isendeid võib

Andmebaasipõhiste veebirakenduste arendamine Microsoft Visual Studio ja SQL Server’i baasil

Sama koodilõigu juures võib ette tulla mitmesuguseid probleeme. Kord ei leita sobivat andmefaili, teinekord ei saa teksti arvuks muundada ning mõnikord võib hoopis ette tulla jagamine nulliga. Vanemate programmeerimiskeelte juures oli tavaks iga käsu juures kontrollida, kas see õnnestus, ning siis püüda koheselt reageerida. Kui kohene parandamine on võimalik, on selline lähenemine hea. Kui aga peab parandamiseks palju asju ära muutma, siis kulub palju tööd. Selle lihtsustamiseks erindid ja veahaldus välja mõeldigi. Ploki lõpus oleva catchi sulgudesse kirjutatakse selline erinditüüp, millele ollakse valmis reageerima. Nagu eespool oli - FormatException tekkis sisendandmete vormingu vea tõttu ning sellele probleemile ka reageeriti. Võib tekkida aga olukord, kus sisendiks on küll kõik numbrid, aga kokku tuleb int-vormingu jaoks liiga suur arv. Sellisel juhul heidetakse hoopis OwerflowException. Eraldi catchidega püüdes saab nendele vigadele sobivalt reageerida.

Nimetu

SystemExceptioni enese alt leiab omakorda näiteks ArithmeticExceptioni, mille juurest omakorda OverflowExceptioni ja DivideByZeroExceptioni. Kui me tahame liialt suurt arvu (ületäitumine) ning nulliga jagamist kontrollida sama catchi sees, siis võib piirduda ArithmeticExceptioni püüdmisega. Kui aga kummagi olukorra jaoks on soov käivitada eri kood, siis tasub need eraldi kinni püüda. Viga jääb kinni ainult ühes catch-plokis. Seepärast pannakse detailsemad erindid püüdmisel ettepoole ning üldisemad tahapoole. Muidu juhtuks, et teade jääb üldisematele tingimustele vastavasse plokki kinni ja väljavalitud lõiku kunagi ei pruugitagi. Tahtes kõik teated kindlasti kätte saada, võib lõppu panna catch(Exception). Sellele tüübile vastavad kõik veateated - ka need, mis on kõigist muudest püünistest juba mööda tulnud. Juhul, kui soovitakse saabunud veateate andmetega midagi lähemat ette võtta, saab selle püüda