Sample Variance 9.7 Kurtosis (järsakuse kordaja) -0.9 Skewness (assümeetriakordaja ) -0.0 Range 11.2 Minimum 31.9 Maximum 43.1 Sum 1890.7 Count 50 Järgnevalt laseme Excel’il koostada histogrammi (Joonis 1), andes ette ainult valimi andmeveeru. Histogram 15 10 Sagedus 5 0 31.9 33.5 35.1 36.7 38.3 39.9 41.5 More Sekundid Joonis 1. Valimi histogramm ilma ette antud sagedusintervallideta Selleks, et anda programmile ette ka sagedusintervallid, tuleb esmalt arvutada vajalik intervallide arv. Kasutame selleks valemit k= √ n , kus n on valimi liikmete arv.
0,0112. Nüüd saame leida väärtused, mis programmile uue sagedustabeli tegemisel ette anda (Bin Range). Selleks hakkame variatsioonirea kõige väiksemale liikmele juurde liitma leitud intervalli ja seda seni, kuni saame tulemuseks variatsioonirea viimase tulemuse (kõige suurema). Saame 6 sagedusintervalli. Uute andmetega koostatud histogram on toodud joonisel 3. 4 Histogram 8 6 4 2 0 Sagedus Joonepikkus Joonis 3. Arvutatud intervallidega sagedustabel. Esmalt tuleb erindite leidmiseks leida mõõtmisseeria keskmine väärtus y , standardhälve S ja tõenäolise vea piirid valitud usaldusnivool (95%). Nende suuruste leidmiseks on otstarbekas kasutada Excel'is DataData Analysis Descriptive
paberil andmed juhendid tlu.ee/~kairio - tarkvara variable view- tunnus tulpasid ei saa ümber järjestada decimalt-komakohad type- numbreid sisestame label - diagrammide jne pealkiri, kui jääb tühjaks siis võtab nime lahtri (value labels- num,brid või kirjeldused) variable vaates saab copyda tervet rida need vastused kus saab vastata mitut vastusevarjanti siis lähevad need kõik erinevateks küsimusteks jah-ei, 1-0 type-string - laius oluline tühjad lahtrid on puuduvad vastused - system missing , 9 99 ERISTADA PUUDUVAID VASTUSEID Andmed on kogutud veebipõhiselt ning need tuleb SPSS-i üle tuua. 1. reas nimed, altes 2. reast andmed 2. exeli fail vaja kinni panna 3. pspp-vabavara, milles saab avada spssi ka transform menüü - autom. recode vigade otsimine skaalade pööramine liitmine - kategoriseerida tunnuse nimed korda nr - vis...
Euroakadeemia Kujunduskunsti teaduskond MD II Arvutigraafika Referaat Õppejõud: Tallinn 2013 Sisukord Sissejuhtus 1. Photoshopi paneelid 1.1 Tools presets 1.2 History 1.3 Action 1.4 Histogram 1.5 Layers 1.6 Channels 1.7 Paths 1.8 Paragraph 1.9 Character 1.10 Notes 1.11 Navigator 1.12 Color 1.13 Clone source 1.14 Adjustments 1.15 Swatches 1.16 Info 1.17 Brush 1.18 Brush presets 1.19 Timeline 2. Photoshopi tööriistad 2.1 Märgistamise tööriistad 2.1.1 Rectangular Marquee Tool 2.1.2 Elliptical Marque Tool 2.1.3 Lasso Tool 2.1
Sagedustabelid Pidev arvtunnus Diskreetne arvtunnus Mittearvuline tunnus Pidev arvtunnus Pideva arvtunnuse klassifitseerimiseks (rühmitamiseks) ja sagedustabeli moodustamiseks on MS Exceli statistikaprotseduuride (Tools -> Data Analysis) hulgas protseduur Histogram. Selle rakendamiseks on esmalt vaja moodustada rühmitamiseeskiri rühmade ülemiste piiride bloki näol. Näiteks, kui me soovime jagada tunnust 'pikkus' klassidesse: 165 ja alla selle, 166-180, 181-195 ja üle 195 cm, siis peame Excelis sisestama arvudebloki 165, 180, 195:
Ülemised pKeskpunktVastajate arv 3 1.5 2 6 4.5 4 9 7.5 2 12 10.5 3 15 13.5 1 18 16.5 0 21 19.5 0 24 22.5 0 Ülemised piirid Frequency Cumulative % 3 6 4 50.00% 0 50.00% Histogram 9 0 50.00% 5 200.00% 12 0 50.00% 100.00% Frequency 15 1 62.50% Frequency 0 0.00% Cumulative % More 3 100.00% Ülemised piirid Kasutades risttabelit, tooge välja, millised tooted millises kaupluses kõige soodsama hinnaga müügil on. Millises kaup
·Suhteline sagedus grupi vaatluste arv/kõigi vaatluste arv. Home sakil saab teha protsendiks ·Pidevate arvtunnuste jaoks on vaja klasse. Klasside arvu leiab võttes vaatluste arvust ruutjuure, klassid peavad olema ühepikkused. Klasside intervalli leidmiseks (max-min)/vaatluste arv. Tuleb teha abitabel, kus on klasside ülempiirid, kuid viimase klassi ülempiiri ei pane. ·Klassidele sagedustabeli moodustamiseks vali Data Analysis..... Histogram. Input range: vaadeldavad andmed. Bin range: ülempiirid. Diagrammi tegemiseks kirjuta välja klassid. ·Kas kehamass sõltub pudru söömisest? Pivottable puder läheb row labelisse, kehamass values. Field settings, kui tahad muuta summa nt tudengite arvuks. ·Keskmised, standardhälbed ja standardvead ümardada ühe kohani peale koma ·Data analysis - Descriptive statistics annab kõik keskmised, min, max .. jne
Eksam 1 nädal. 1. Püsipreparaatide ettevalmistamise põhietapid (iga etapi eesmärk). I. Fikseerimine II. Etanooliga veetustamine III.Ksüleeni immutamine IV. Paraffiini sisestamine Fikseerimine kindlustab kudedes toimuvate surmajärgsete muutuste ärahoidmise ja aitab kaasa tervikliku struktuuri säilitamisele. Selleks, et koetükki hüdrofoobsesse paraffiini panna, tuleb seda enne hüdrofoobsesse lahustisse immutada ehk kõigepealt hüdrofiilsest veest lahti saada. Seega, järgmiseks etapiks on koe etanooliga veetustamine ehk vee eemaldamine kude kasvavas etanooli gradiendis (50-100% etanooli) inkubeerides. Järgmisena, etanool asendatakse hüdrofoobsema lahusti ksüleeniga. Ksüleen on hüdrofoobne lahus, mis seguneb nii paraffiini kui ka etanooliga. Ja alles pärast ksüleeniga immutamist kude võib sulanud paraffiini sisestada. Pärast paraffiini tardumist kude lõigatakse õhukesteks lõikudeks, mis pannakse alusklaasile ja edasi värvitakse...
Histogramm 20.21 24 30 21.27 27 20 22.33 14 10 23.40 12 Frequency 0 24.46 14 25.53 5 26.59 4 Bin 27.66 1 More 2 Bin Frequency kuni 19,9 22 33 42 Histogram 24 24 50 26 12 Frequency 0 Frequency More 6 Bin (empty) Bin Frequency 19 11 25 98 Histogram 30 8 120 More 0 100 80
617 Tegemist ei ole normaaljaotusega. 754 570 1353 908 733 417 847 454 495 660 531 1031 865 1051 1074 860 614 1389 451 454 reetne tunnus. aani võib lugeda ligilähedaseks, mis tähendab, et on tegemist sümmeetrilise jaotusega. klassipiirid FrequencyCumulative % 400 2 3,23% Histogram 600 13 24,19% 16 120,00% 800 14 46,77% 14 100,00% 1000 13 67,74% 12 Frequency
Dn 0,140 60 0,20 0,072 80 0,20 0,072 100 0,20 0,032 Normaaljaotuse jaotustihedus ja histogram 0,35 0,016 0,30 0,014 0,25 0,012 0,010
c= 1,9845 =tv 36,488 väiksem kui 37,480 väiksem kui 38,472 Hii kriitiline vabadusaste =5 11,0704976935 keskväärtus s= 0,261863 hinnang 37,50 Vahemikud ni pi Hüpoteetilise xi ui normaaljaotuse fii(ui) histogram 37 - 37,124 6 0,061 37,124 -1,4184692366 0,14588071 37,124 - 37,248 13 0,131 37,248 -0,9449384102 0,25528037 37,248 - 37,371 12,00 13 0,131 37,371 -0,4752263809 0,35634405 37,371 - 37,495 19 0,192 37,495 -0,0016955545 0,39894171 37,495 - 37,619 12 0,121 37,619 0,4718352718 0,35691672
Soo defineerimine: Variable view - soolahtrist Values... - 1=mees, 2=naine - data view - ülevalt view - value labels ette linnuke Kasvavas järjekorras järjestamine: Teed lahtri aktiivseks mida järjestada soovid - ülevalt Data - Sort cases - valid mida soovid sortida - linnuke ascending lahtri ees kindlalt ja OK Mingi väärtuse minimaalse ja maksimaalse väärtuse leidmine, standardhälve, keskmine: 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 -...
0069 0.0129 0.01 20-40 4 5 5 5 0.0133 0.0089 0.01 40-60 8 7 4 5 0.0145 0.0061 0.01 60-80 2 6 3 5 0.0090 0.0042 0.01 80-100 7 3 2 5 0.0032 0.0029 0.01 5.1 Empiirilise jaotuse histogram 9 8 7 6 5 4 3 2 1 0 0-20 20-40 40-60 60-80 80-100 5.2 Normaaljaotuse tiheduse ja sellele vastava hüpoteetilise histogrammi graafik Normaaljaotus 8 0.016 7 0.014
VORMISTAMISE ÜLESANNE 2 TUNNITÖÖ Õppeaines: SISSEJUHATUS ERIALASSE Tehnoloogia ja ringmajanduse instituut Õpperühm: Juhendaja: Tallinn 2021 SISUKORD 2 ABSTRACT Pilling is an undesired defect of textile fabrics, consisting of a surface characterized by a number of roughly spherical masses made of entangled fibers. Mainly caused by the abrasion of fabric surface occurring during washing and wearing of fabrics, this defect needs to be accurately controlled and measured by companies working in the textile industry. Pilling measurement is traditionally performed using manual procedures involving visual control of fabric surface by human experts. Since the early nineties, great efforts in developing automatic and non-intrusive methods for pilling measurement have been made all around the world with the final aim of overcoming traditional, visual-based a...
2 0 2. ti] 2. [S 10. Elukoht Maa-asula (maakonnakeskus, alevik, küla) Muu linn Suur linn (Tartu, Pärnu, Narva, Kohtla-Järve) Tallinn Total Result Histogram 150 150.00% 100 100.00% Frequency Frequency 50 50.00% Cumulative 0 0.00%
on <0,1 või VIF>10, on tegemist problemaatilisel tasemel prediktorite-vahelise seotusega. Uurida ka mudeli jääke (Residuals) (normaaljaotuslikkus ja ekstreemsed juhtumid) o Casewide diagnostics, valida Standard residuals valikusse 2SD ühikut, mille sisse jääb >95% normaaljaotuse andmetest. Kontrollida, kas antud andmete hulk jääb <5% kogu andmestikust. o Standardized Residuals Histogram – jälgida, et andmed oleksid koondunud nulli ümber ja mõlemale poole nulli langeb enam-vähem võrdselt jääke. Ühtlasi: residual: statistics min, max ja mean selle hindamiseks. o Q-Q Plot Standardized Residuals - niinimetatud tõenäosuspaber ehk kvantiil- kvantiil diagramm (ingl. k. Q-Q plot). Sirge joon esindab normaaljaotust ja punktid jääke
Maximum 3,886047519 Sum 720,96072016 Count 239 2002. a. 13 9 2 2 1 35-40 40-45 45-50 0 50-55 55-60 60-65 /ha Histogram Column I Histogram Column I 10 15 20 25 30 35 40 45 50 55 60 65 More intervalli ülemine piir uuesti umise tõenäusus eh pi teoreetiline sag. sagedus teor.sag. HII RUUT 8,047
Aga samuti on see meetod üsna laialt kasutatav erinevates mitut gruppi (st enamat kui kahte gruppi) võrdlevates uuringutes. (Parameetrilise) ANOVA läbiviimiseks on mitmed eeldused: Vaatlused on teineteisest sõltumatud; Sõltuv muutuja on GRUPPIDE LÕIKES normaaljaotuslik. Seda saad testida nii: Analyze Descriptive Statistics Explore. Dependent. Määrake muutujad ning Plots alt valige Normality plots with tests ning Histogram (graafiliseks representatsiooniks). Kirjeldava statistika tabelid sialdavad ka asümmeetriakordajat ning ekstsessi, mis aitavad määratleda jaotuse kuju ning selle suhestumist normaaljaotusega. Hajuvused on sarnased (SPSS-is Levene's Test for Homogeneity of Variances näitab statistiliselt olulise erinevuse puudumist) Kui sõltuval muutujal on ainult üks tase (nt konkreetne testiskoor), saab kasutada
N Missing System Missing 6 1,1 Valid Missing Total 6 1,1 Kodakondsus 563 6 Total 569 100,0 Märkused: Histogram 600 Frequency: muutuja väärtuste sagedus Percent: protsent 500 Valid Percent: protsent ilma puuduvate väärtusteta
,,Teised ka ei tee seda" arvamusest ah ning 19 vastanut vastasid eitavalt Eestielu põhjal Sissetulekute summa Keskmine sissetulek 218764 2404 Eestlaste hulk Kõige vanem sünniaasta 57 20 Histogram Eestielu põhjal Piirid Sagedused 30 13 40 50 18 24 Histogram 60 21 40 70 15 20 Rohkem 9 Sagedus 0
Skewness 1.8892115412 Range 8 Minimum 0 Maximum 8 Sum 338.151 Count 188 Bin Frequency Cumulative % 0 2 1.06% 0.00782 1 1.60% 0.01564 1 2.13% Histogram 0.02346 0 2.13% 0.031281 0 2.13% 70 120 0.039101 0 2.13% 0.046921 0 2.13% 60 0.054741 0 2.13% 100 0.062561 1 2.66% 0.070381 0 2.66% 50 80. 0.078201 0 2.66% 0.086022 0 2.66% 40 0.093842 0 2
Haapsalu Kutsehariduskeskus Arvutigraafika Adobe Photoshop CS6 baasil Mario Metshein Sisukord Sisukord.......................................................................................................1 02 - Photoshop - Mis on arvutigraafika.........................................................4 03 - Photoshop - Tere Photoshop..................................................................9 04 - Photoshop - Esimene pilditöötlus (Ülesanne 1)...................................24 05 - Photoshop - Mittelõhkuv pilditöötlus (Ülesanne 2)..............................41 Ülesanne 2.................................................................................................61 06 - Photoshop - Pildiparandused (Ülesanne 3)..........................................63 Ülesanne 3.................................................................................................69 07 - Photoshop - Kihiline pilditöötlus (Ülesanne 4)..........
WINDOWS OUTSIDE Версия 1.00 С пожеланиями обращайтесь по адресу [email protected]. © skruks, 2013 Каждый имеет право воспроизводить, распространять и/или вносить изменения в настоящий Документ в соответствии с условиями GNU Free Documentation License, Версией 1.3 или любой более поздней версией, опубликованной Free Software Foundation; данный Документ не содержит Неизменяемых разделов, не содержит Текста, помещаемого на первой странице обложки и не содежит Текста, помещаемого на последней страницы обложки. Копия лицензионного соглашения размещена по адресу: www.gnu.org/copyleft/fdl.html. Неофициальный перевод данного соглашения на русский язык: ru.wikipedia.org/wiki/Википедия:Текст_лицензии_GNU_Free_Docume ntation_License_1.3 О книге Красным шрифтом указана информация, которая является кандидатом на удаление в следующих версиях книги. Сокр...