Karpdiagramm (0)

Sarnased õppematerjalid

7

docx

R-Studio KT

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 > #Mitu puud on sinu proovitükil? > PRT332=subset(puud2015,PRT=="332") #Teen eraldi andmestiku PRT332-st > leng

Dendrofüsioloogia

12

doc

Proovitüki nr. 722 andmete analüüs

EESTI MAAÜLIKOOL Põllumajandus- ja keskkonnainstituut Proovitüki nr. 722 andmete analüüs Kodune töö nr. 2 õppeaines ,,Andmetöötluse alused" Juhendaja lektor Külliki Kiviste Tartu 2011 2  Sisukord Sissejuhatus.............................................................................................................................4 1. Proovitüki üldiseloomustus.................................................................................................5 2. Tunnuste liigid.................................................................................................................... 5 3. Risttabel, filtreerimine........................................................................................................ 5 4. Rühmitamine.......................................................................................................................6 5.

Andmetöötlus alused

12

doc

Metsandusliku andmetöötluse alused 2.osa

Eesti Maaülikool Metsandus- ja maaehitusinstituut Metsakorralduse osakond Gabriel Kase Metsandusliku andmetöötluse alused II Proovitüki nr. 819 andmete analüüs Kodune töö nr. 2 Juhendaja - lektor Külliki Kiviste  Tartu 2012 Sisukord 2. Üldiseloomustus........................................................................................................ 3 3. Tunnuste liigid...........................................................................................................3 4. Rühmitamine............................................................................................................. 4 6. Graafikud...................................................................................................................7 11. Kasutatud kirjandus..........................................................................

Andmetöötlus alused

15

xls

Filtri kasutamine

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

Informaatikainsenerile

12

docx

Metsade hindamise konspekt

1. Mis on metsatakseerimine ning selle peamised eesmärgid. Metsatakseerimist võiks nimetada metsanduslikuks mõõtmisõpetuseks. Õpetus puude ja puistute kasvu ning arengu seaduspärasustest,metsamaterjalide langetatud ja kasvavate puude mahtude,puistute tagavarade ning puude ja puistute juurdekasvu mõõtmete teooriast ja praktikast. Metsatakseerimise ülesandeks on iseloomustada metsa, selle koosseisu, puidu varu ja tootlikkust ning prognoosida metsa seisukorda ka tulevikuks, teades metsa kasvus kehtivaid seaduspärasusi. Metsatakseerimine annab alusandmed metsapoliitika ja metsa majandamise kavandamiseks 2. Metsatakseerimise meetodid. Otsene mõõtmine ­ Võrdlemine etaloniga( Nt pikkuse mõõtmine joonlauaga) · Kaudne mõõtmine ­ Mõõteskaala tuletatakse arvutamise teel(Nt temperatuuri mõõtmine metalli paisumise kaudu) · Hinnang ­ Silmamõõduline 3. Puistute silmamõõduline takseerimine. Põhineb kogemustel ja suutlikkusel oma hinnanguid kontrollida taksee

Mõõtmistulemuste töötlemine

34

xls

Hinnangud, hüpoteesid, regressioon

Hinnangud, hüpoteesid, regressioon Proovitükk nr. 6 Kolmas kodutöö õppeaines Metsandusliku andmetöötluse alused Lähteandmeteks on Teie proovitüki 1. rinde enamuspuuliigi keskmine diameeter (rühmitamata andmed). Kopeerige see tulp sellele samale töölehele. Punkthinnangud, vahemikhinnangud, valimi maht Eeldame, et teie proovitükil mõõdetud andmete põhjal tahame teha järeldusi samalaadse üldkogumi kohta Selleks arvuta järgmised statistikud oma proovitüki kohta 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: keskväärtuse hinnang (aritmeetiline keskmine), 4.921 dispersioon, 7.352 standardhälve, 2.712 standardhälbe viga 0.183 valimi maht,

Andmetöötlus alused

13

docx

Nimetu

EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut Metsakorralduse osakond Mikk Sülla Proovitükk nr 613. Hinnangud, hüpoteesid, regressioon Kodune töö nr. 5 õppeaines Metsandusliku andmetöötluse alused II Juhendaja Külliki Kiviste Tartu 2012 Sisukord Sisukord Sissejuhatus Käesoleva töö eesmärgiks on analüüsida, kas proovitükil mõõdetud diameetri jaotus on lähendatav 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 valeme

Andmetöötlus alused

2

xls

Metsa ja puidu mõõtmine 4. praktikumi ülesanne

Iseseisev töö nr 4 Puistu puutüvede mahtude leidmine Bitterlichi meetodil Ülesande eesmärgid 1. Puistuelemendi täius ja hektaritagavara igal proovitükil eraldi 2. Puistuelementide keskmised täiused ja mahud hektari kohta 3. I ja II rinde mahud hektari ja kogu eraldise kohta 4. I ja II rinde täiused 5. I ja II rinde puuliikide koosseisukordajad Algandmed Eraldise pindala on 5,1 hektarit. Rinnas- Maht Puuliik Proovitpunkti number Keskm.Keskm.pind (G) täiusel ja 1 2 3 4 5 6 7 kõrgus diam. T=100%T=100% rinne Relaskoobilugem proovipunktis (m) (cm) m2 tm/ha Ks I 6 6 6 6 8 7 5 30 29 33,7 450 Hb I 7 9 9 8 10 8 10 32 31 42,5 580 Mä I 2 1 3

Metsa ja puidu mõõtmine

Kommentaarid (0)