..., bk on nullist erinev. Nullhüpotees: Y on määratud oma keskväärtusega. F- statistiku empiirilist väärtust võrreldakse F jaotuse kriitilise väärtusega (või empiirilisele väärtusele vastavat olulisuse tõenäosust p võrreldakse olulisuse nivooga ). Kui empiiriline väärtus ületab kriitilise (p on väiksem kui alfa), võetakse vastu sisukas hüpotees: mudel on stat. Oluline. 36. Korrigeeritud determinatsioonikordaja kasutamine. Determinatsioonikordaja R2 puudus: lisades mudelisse uusi tunnuseid, determinatsioonikordaja alati suureneb. Et paremini võrrelda mudeleid, kus on erinev arv tunnuseid, kasutatakse korrigeeritud (modifitseeritud, adjusted) determinatsioonikordajat. Kui uue tunnuse lisamisel mudelisse Rm 2 suureneb, siis mudel paraneb. Kui Rm 2 väheneb, siis Kui uue tunnuse lisamisel mudelisse Rm 2 suureneb, siis mudel paraneb. Kui Rm 2 väheneb, siis uue tunnuse lisamine pole õigustatud.
....................................................5 6.2Formuleerida nullhüpotees mudeli kui terviku kohta. Teha otsustus (F-test)......................5 6.3Kuidas interpreteeritakse tunnusele vastavat regressioonikoefitsienti B (parameter estimate)................................................................................................................................. 5 6.4Nullhüpoteesi formuleerimine konkreetse sõltumatu tunnuse sobivuse kohta lineaarsesse mudelisse. Otsustus ühe sõltumatu tunnuse põhjal................................................................5 6.5Kui kõik tunnused sobivad mudelisse, kuid tahame ühe neist välja visata - kumma karakteristiku (parameter estimate "B", standardized estimate "beta") järgi me otsustuse teeme (näite põhjal)................................................................................................................ 6 7Faktoranalüüs.........................................................
statistiliselt oluline. 33. Korrigeeritud determinatsioonikordaja kasutamine. Determinatsioonikordaja R2 : • Väärtus on lihtsalt tõlgendatav • Maksimaalne väärtus 1, st saab võrrelda, kui lähedal on arvule 1. • Aga ei allu ühelegi tuntud jaotusseadusele, seega pole võimalik leida kriitilist väärtus, pole võimalik kasutada testimisel (kui suur peab olema, et mudel oleks usaldusväärne? Determinatsioonikordaja R2 puudus: lisades mudelisse uusi tunnuseid, determinatsioonikordaja alati suureneb. Ka siis, kui lisame suvalise juhusliku tunnuse. Et paremini võrrelda mudeleid, kus on erinev arv tunnuseid, kasutatakse korrigeeritud (modifitseeritud, adjusted) determinatsioonikordajat: kus n on valimi maht ja k mudeli parameetrite arv. Kui lisame mudelisse ühe tunnuse, siis on korraga kaks efekti: Korrigeeritud determinatsioonikordaja tõlgendus ei ole sama, mis tavalisel
hüpotees: mudel on statistiliselt oluline. NÄIDE: loomaliha nõudlusfunktsiooni erinevad Korrigeeritud determinatsioonikordaja kujud loomaliha.gdt Determinatsioonikordaja R2 puudus: lisades mudelisse uusi tunnuseid, determinatsioonikordaja alati suureneb. Mudel 1, Korrigeeritud ainult loomaliha hind pl determinatsioonikordaja Et paremini võrrelda mudeleid, kus on erinev arv tunnuseid, kasutatakse
3 slaid 13) Koguhajuvus iseloomustab sõltuva tunnuse hajumist ümber selle keskväärtuse. TSS ESS = TSS - RSS. Regressioonmudeliga seletatud hajuvus Jääkhajuvus RSS F-statistik on seletatud hajuvust iseloomustav keskruut jagatud jääkhajuvust iseloomustava keskruuduga. 25) Determinatsioonikordaja, selle arvutus ja tõlgendamine Kui suur osa koguhajumisest on mudeli poolt ära seletatud. R = ESS/TSS = 1 - RSS/TSS. R = r. Puudus: lisades mudelisse uusi tunnuseid alati suureneb 26) Mudeli korrektne esitamine Regressioonanalüüsi põhitulemuste esitamisel esitatakse: Parameetrite hinnangud, parameetrite standardvead, determinatsioonikordaja R2, valimi maht n 27) Regressioon läbi nullpunkti Ühe tunnuse korral y = ax + u Deterministlik komponent on võrdeline seos y = ax (Vabaliige garanteerib, et regressioonjääkide summa u = 0 )
Kolme aasta võrdlus ...................................................................................................................... 12 2 1. Mudeli andmete analüüs Mudeli kirjeldus · Pinnas on kogu põllu ulatuses kahe kihiline ning kihid mudelisse sisestatud kogu põllu ulatuses samade parameetritega, pinnase tüsedus ulatub kolme meetrini. Kihtide andmed on esitatud all olevas tabelis (Tabel 1.) Tabel 1. Kihi nimetus Ksat (cm/d) Theta sat (cm3/cm3) Kihi tüsedus (cm)
Mudeli testimise meetod hüpoteetilise mudeli täpsuse testimine. Antud meetod nõuab, et kõik kuuluvad mudelile muutujad oleksid mõõdetud. Muutujad on klassifitseeritud kolmeks: eksogeensed, endogeensed ja ülejäänud. Eksogeensed muutujad muutujad, mis on teoreetilise mudeli sees, kuid põhjustatud välisfaktoritest. Endogeensed muutujad need, mille variatsioon asub teoreetilise mudeli sees. Ülejäänud muutujad mõõtmata muutujad, mis ei kuulu mudelisse. Meetodi näide: On uuritud depressioonihaigusega inimesed ja tudengid. Sotsiaalne toetus mõjutas depressiooni kaudselt, kuuluvustunne oli kõige parim depressiooni ennustaja. Uurimismeetodid, mida ei kasutata traditsioonilistes uurimismudelites Ennetuse ja tervise edendamise uuringud Esmase ennetamise ja tervise edendamise meetodi eesmärgiks on proovida mõõta asju, mis et tohi juhtuda, seejärel mõõta mõju. Valim peab olema elanikkond. Meetod sisaldab endas
4)heaoluriigi 2 tunnust: a)heaoluriigil on astmeline maksusüsteem. B) 40-50% riigituludest peab minema sotsiaalsfääri 5) Kas oleksid nõus konservatiiv-korporatiivse heaoluühiskonna põhiteeside rakendamisega eestis? ei ole nõus: Nende üheks põhimõtteks on tööpanusega arvestamine, see soosib kõrge kvalifikatsiooni ning tööstaaziga töötajaid, eestis on vananenud ühiskond ning enamus on põhi või keskharidusega ( 5. Eesti kuulub sotsiaal-demokraatliku heaoluühiskonna mudelisse ) 6) Kas eesti on heaolu riik a)Jah, vaesuse leevendamiseks korraldatakse heategevusi üritusi ja akte, nt. jagatakse tasuta toidupakke b)Jah, üha enam toetatakse pensionäre, nt. tõsteti pensionit, mis vähendab sotsiaalset tõrjutust ( 6. Demokraatia kolm põhinõuet: 1) vabad, demokraatlikud konkurentsivate kandidaatidega valimised 2) inim- ja kodanikuõigustega arvestamine 3) kõik on seaduse ees võrdsed ) 7) kas eesti kuulub täielikult liberaalsete demo
Teisalt normaalne eesti naine on harjunud, et peab toitma 10 last ja hoidma korras suure maja, olles selle kõige juures veel rõõmsameelne ja armastav naine laste isale. Inimesed on nii erinevad. Igaühel oma lugu. See kõik ei puuduta muidugi üleüldist viisakust. Seda tuleks rakendada ükskõik millisele patsiendile. Pean silmas, et erinevatele inimestele tuleks läheneda erinevalt. Kunagi ei saa lähtuda mingi teatud mudeli järgi ja kõik erinevad inimesed sinna kitsasse mudelisse panna oleks väga vale ja see kõik ei toimiks. Personaalne lähenemine, mida praegu tehakse vaid erakliinikutes annaks tavahaiglatele palju pluss punkte juurde ja julgust inimestel pöörduda arsti poole. See ei kehti ainul meditsiinis vaid igal pool elus. Õpetajad nt ei saa kohelda kõiki lapsi ühtmoodi, sest kõik õpivad erineval ja saavad erinevalt asjadest aru. Ka õppimiskiirus on kõigil erinev.
Ennustame... näide 1: õpilaste lugemise tulemusi matemaatika tulemuste järgi. näide 2: Kas inimese pikkus ennustab tema kaalu? ehk Ennustame inimese kaalu tema pikkuse kaudu. Oluline ära taibata, kumb on sõltuv ja kumb sõltumatu muutuja! Analyze -> Regression -> Linear Dependent (sõltuv): PVREAD (muutuja mille muutumist ennustame, sõltuv muutuja) Indipendent (sõltumatu): PVMATH (muutujad, mida kasutatakse ennustamiseks) Arvutamise meetodid: Enter- kõik valitud tunnused pannakse mudelisse Foward- mudelisse lisatakse sammhaaval need tunnused, mis mõjutavad sõltuvat tunnust statistiliselt olulisel määral Backward- kõik tunnused pannakse mudelisse ning hakatakse statistiliselt vähem olulisi välja võtma. Paarisregressiooni puhul pole mingit tähtsust meetodil. Ehk vaikimisi meetod Enter sobib väga hästi. Vajuta OK! Tulemuseks mitu tabelit: Esimeses tabelis tuuakse ära muutujate vaheline korrelatsioon (R) ja determinatsioonikordaja (R square),
4. MIDA NÄITAB REGRESSIOONVÕRRANDI DETERMINATSIOONIKORDAJA? Mudeli headust hinnatakse tema kirjeldatuse tasemega, mida väljendab determinatsioonikordaja. Determinatsioonikordaja näitab argumendi X võimet kirjeldada uuritava suuruse Y hajuvust. D väärtus on 0 ja 1 vahel: 0<= D <= 1. Kui D=1, siis mudel (sõltumatu muutuja X) kirjeldab muutuja Y täielikult; kui D = 0, siis mudel ei kirjelda Y käitumist üldse. Determinatsioonikordaja on järgmise omadusega: uue muutuja mudelisse lülitamisel determinatsioonikordaja alati kasvab. Determinatsioonikordajate põhjal saab erinevate mudelite kirjeldatuse taset võrrelda, kui sõltuv muutuja mudelites on samal kujul.
6. UML trivia!!!! Loodi 90ndatel (1800) Booch, Jackobson, Rumbaugh poolt (valged mehed?), Rational Software firmast 97ndal Object Management Group (OMG) poolt standardiks võetud keel Praegune ver. 2.5 (Märts 2015) Iseennast kirjeldav e standard on kirjutatud UMLi enda vahendeid kasutades (klassidiagramme) 7. Mudel vs diagramm Mudel analoogia andmebaasiga, sisu mõttes on nagu tekstidokument (kasutusjuhtude puhul) Diagramm nagu vaade mudelisse (analoogia ekraanivormidega), illustreeriv, kokkuvõttev tähendus (kasutusjuhtude puhul) 8. Tuum (standard) vs laiendused (profiilid) Valdkonnaspetsiifilised modelleerimiskeeled nt Business, Real-time systems, database, web jne jaoks Mitte UML BPMN, ArchiMate, Entity-Relationship 9. UML diagrammid Jagunevad üldisemalt kaheks struktuuri (klassi, profiili, rakendus + veel 4) - ja käitumisdiagrammid (kasutusjuhud, oleku, tegevus + veel 4) 10. Kasutusjuhu diagramm
3. Iga alajaam ja ka elektrijaam peab olema ühendatud vähemalt 2 elektriliiniga (n-1). 4. Koostada plaani alusel elektrivõrgu elektriline skeem. 5. Skeemi koostamise käigus määrata trafode suurus ja arv, eeldusel et trafole on lubatud 10% ülekoormus. Trafode puhul peab olema täidetud tingimus n-1. 6. Koostada alajaamade ja liinide tabelid. 7. Sisestada elektrivõrk arvutusmudelisse. Lihtsustusena viime koormused ülempinge poolele ja trafosid ei sisesta mudelisse. 8. Mudelil teha järgmised katsed: a) Kontrollida kõikide sõlmepingete kvaliteeti (lubatud U=330±10%). b) Kontrollida n-1 kriteeriumi täitmist (lubatud U=330±15%). c) Leida igale sõlmele maksimaalselt võimalik koormus (lubatud U=330±10%). d) Kontrollida võrgu toimimist minimaalsetel koormustel (kõik koormused 50%) ja (lubatud U=330±10%). e) Leida võrgukaod maksimum ja miinimum koormustega.
|
Z0,975=1,96
z0> z1-/2 , voib x ja y lugeda korreleeritud suurusteks.
11. Leida ühefaktoriline lineaarne regressioonimudel y = b0 + b1*x ja analüüsida selle
täpsust (võttes vastavates testides jm arvutustes olulisuse nivooks = 0.05):
11.1 leida mudeli parameetrite hinnangud b0 ja b1
11.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud
11.3 kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi igal juhul mõlemad
liikmed mudelisse alles)
11.4 kontrollida mudeli adekvaatsust
11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3
ja x = 5
11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p.11.5 leitud
usaldusvahemikega.
11.1
Mudel:
11.2
11.3
b1>b1
Mudeli liikme b1 võib lugeda oluliseks
b0
Mõtlus on vahend oma meeleseisundite mõjutamiseks. See näitab teed, kuidas arendada oma meelt meele abiga, suurendades kõigepealt üldist tähelepanelikkust ja teadlikkust ning positiivset meelestatust ja seejärel kasutades tugevnenud ja puhastatud meelt, et näha asjade tõelist olemust. Mediteerides kasutakse abivahendina mandalaid, mis sümboliseerivad vaimset, kosmilist ja hingelist korrastatust. Mandala on maailma sümboolne projektsioon, mis on üle kantud geomeetrilisse mudelisse Neli õilsat tõde Neli õilsat tõde on budistliku usundi alusmõtted, mille ütles Gautama legendi järgi välja oma esimesel jutlusel. 1. Maailm on täis kannatusi. Kannatusi põhjustavad haigused ja surm, lahusolek, vihkamine ning võitlus oma vajaduste rahuldamiseks. Elu, mis pole vaba ihadest ja kirgedest, tekitab kurbust. 2. Inimliku kannatuse põhjused peituvad kehalistes tungides, naudingujanus ja pettekujutlustes. 3
mudeli, täiustatud konstrukti valiidsusest (vähemalt käitumis indeksitest lähtuvalt), mis viimistlevad selle kahte peamist külge edasi. Katsetades enimkasutatavaid antisotsiaalse ja psühhopaatilise isiksuse hindamisviise, vaadeldi, et nii antisotsiaalne isiksusehäire Struktureeritud Kliinilise Intervjuu kui ka Psühhopaatia Kontrollnimekirja kolmas tegur olid mitme muutujaga analüüsides üheselt seotud suitsiidikalduvusega ja korraga mudelisse kaasaarvamine seletas suitsiidikalduvust rohkem kui kumbki eraldi. Siiski lisas Psühhopaatia Kontrollnimekirja nimetatud tegur enesetapule kalduva 7 käitumise analüüsides intervjuu täiendavat paikapidavust nii, et mudelisse sisestamine polnud enam olulise kaaluga. Asjaolu, et isegi negatiivse emotsionaalsuse sisaldusega mudelis säilitas see
Koormusnäitajad võib jagada esmasteks ja tuletatuteks. Esmased näitajad saadakse matemaatilisest mudelist või koormusandmetest otse. Esmasteks on näiteks koormuse matemaatiline ootus E(t), ruuthälve S(t), temperatuuri mõju R(t)(t) jt. Koormuse ja temperatuuri tegelikke väärtusi P(t) ja T(t) võib samuti lugeda esmasteks koormusnäitajateks (tabel 5.3). Mõnikord on esmaste näitajate leidmiseks vaja lisaparameetreid, mis koormuse matemaatilisse mudelisse ei kuulu. Temperatuuri imiteerimisel tuleb näiteks lisada imiteerimistingimused. 10.Normaliseeritud ja imiteeritud koormus Normaliseeritud koormus - tegelikest andmetest on eemaldatud temperatuuri mõju, vastab temperatuuri normile. Imiteeritud koormus - etteantud temperatuuri kohane. 11.Koormuse lühiajaline ja pikaajaline prognoos Kõige tuntumaks koormusega seotud ülesandeks on elektrisüsteemi või selle regiooni summaarse koormuse lühiajaline prognoosimine. Eesmärgiks on kas
91
5,5
4,9
y0 4,957143
s²(y) 2,17619
Hinnangu b0 usaldusvahemik:
Hinnangu b1 usaldusvahemik:
11.3 kontrollida mudeli liikmete olulisust (markus: jatta edaspidi igal juhul molemad liikmed
mudelisse alles)
...(ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles). Kui b0 on väiksem kui b0 muutus,
siis võib mudeli liiget lugeda mitteoluliseks, kui ei siis vastupidi. Sama kehtib ka b 1 kohta.
b0=1,724
Teooriat ei püüta ümber lükata, vaid analüüsitakse teooria ja andmete kooskõla. 40. Tjaotus, lk 2728. Üks kasutatavamaid jaotusi. Sümmeetriline jaotus. Keskväärtus 0, dispersioon k/(k2). Defineeritav vaid juhul kui vabadusastmete arv on suurem kui 2. Mida suurem on vabadusastmete arv, seda enam läheneb tjaotus normaaljaotusele. 41. Vabadusastmete arv vt reg.mudeli statistiline analüüs. 42. Vabaliige lülitatakse mudelisse selleks, et vealiikme tinglik keskväärtus oleks null. Kui mudelisse mittelülitatud sõltumatute muutujate keskmine mõju sõltuvale muutujale Y on 0, siis vabaliige on nihketa. 43. Valim andmete alusel hinnatud mudel on valimi põhine mudel, mille alusel testitakse hüpoteese üldkogumi e maj.protsessi kohta. 44. Variatsioonikordaja (V) leitakse standardhälbe ja keskväärtuse alusel. Näitab kui palju
determ. kord. kasutatakse kui muutujate arv on erinev, kui ühesugune muutujate arv siis kasutatakse determ. kord. Nad võivad olla võrdsed juhul, kui mudelis ei ole probleeme, kui on ideaalne mudel. Kui nad on võrdsed, see tähendab, et mudelis kõik selgitavad muutujad on olulised ja selgitusvõime on 100%. 3. Regressiooni klassikalised eeldused ja mis juhtub, kui need ei ole täidetud; Juhuslike vigade tinglikud keskväärtused on võrdsed nulliga. See eeldus tähendab, et mudelisse mittelülitatud tegurite keskmine mõju muutujale Y on null ning enamasti on see eeldus täidetud. Eelduse mittetäidetus toob kaasa selle, et me saame vabaliikmele nihkega hinnangu. Kuna vabaliikme hinnang meile paljudel juhtudel huvi ei paku, siis ei ole isegi selle eelduse mittetäidetus eriline probleem. Juhuslike vigade tinglikud dispersioonid on konstantsed ja ei sõltu eksogeensetest muutujatest
Teooriast on teada, millise kujuga seos uuritavate suuruste vahel eksisteerib, on teada mudeli üldkuju. On vaja leida vaid konkreetsele andmestikule vastavad parameetrid, st mudeli konkreetne kuju. Regressiooni jääk on valimisse kuuluva objekti tegeliku väärtuse ja mudelväärtuse vahe: Mitmene regressioon - Sõltuvat tunnust mõjutab enamasti rohkem kui üks seletav tunnus. Käivet võib mõjutada toote hind, kulud reklaamile; Determinatsioonikordaja R^2 puudus: lisades mudelisse uusi tunnuseid, determinatsioonikordaja alati suureneb. Et paremini võrrelda mudeleid, kus on erinev arv tunnuseid, kasutatakse korrigeeritud determinatsioonikordajat kus n on valimi maht ja k seletavate tunnuste arv mudelis. Valem: Võrdleme mudeleid, kus tunnuste arv ühesugune: R^2 Võrdleme mudeleid, kus on erinev arv tunnuseid: Ra^2. Kui uue tunnuse lisamisel mudelisse Ra^2 suureneb, siis mudel paraneb. Kui Ra^2 väheneb, siis uue tunnuse lisamine pole õigustatud.
Xs=[0; 0] 10. Kommentaare tabelis olevate andmete kohta. Tabelisüks on kirj pandud katse andmed. Pidevaja skeemilt leidsin aja ja lubatud piiridesse mahtuva juhtoime alusel ksii ja omega väärtused. Parimaks sain andmetega ksii=0,8 ja oomega=2, millega aeg tuli t=1,5 ja Umax =-12V. Diskreetaja puhul oli Umax=-11. Häiringute suunamisel mudelisse suutis mudel taastada soovitud olekud. Maximum pingehäired on pidevaaja korral ±1 ja diskreetaja korral ±0,87. Pidevaja häiringu ±7,85 ja diskreetaja häiringu ±7 korral jäi olek lubatud piiridesse. Suurimaks diskreetimissammuks oli 0,2, kuid siis muutus häiringu mõju ±0,05 asemel ±0,06-ks. Järgmiseks tegin 2 katset väiksema, 1katse vastassuunalise ja 2 katset suurema siirdega. Vastassuunalise katse korral ei muutunud jälgitavate parameetrite absoluutväärtused
See võimaldab aja kokkuhoidu ning suuremat tootlikkust arhitektidel. Näiteks: üksikelement konstruktsioonis-POST. Postile on antud valemitega erinevad parameetrid, mis kirjeldab lisaks sellele, millest ta on tehtud, parameetritele ka seda, mis etapis see post paigaldatakse ning ressursse selle posti paigaldamiseks. (maksumus, inimesed, kraanad jne) ehituslik projekteerimine Ehitise konstruktsioonide modelleerimine on suhteliselt uus nähtus ehitustööstuses. BIM mudelisse lisatakse juba ajakulu ning maksumused tabelitena (5D). Peamine eesmärk on siis arvutada materjalide täpsed hulgad ja ennetada konflikte konstruktsioonides. Selline projekteerimine aitab ka ehitusfirmadel paremini koordineerida protsesse ning majandada raha ja ajafaktoritega kogu ehitusprotsessis. Sellisel puhul on mudeli täpsus ülioluliine. MUDELI TERVIKLIKKUS Oleme käsitlenud, kuidas mudeli eesmärk mõjutab töö käiku. Keerukad arhitektuurilised
Kuna saare suurus on üks ühik, siis tihedus ja populatsioon on samad, aga erinevad ühikud. Ajasammuks määrame 1 ja simulatsiooni pikkuseks 100. Koostame mudeli ja paneme tööle. 2. Varudel põhineva toidu kasutamise mõju populatsiooni kasvule. Lisame eelmisele mudelile väljavoolu ,,surmad", mida kontrollib ,,suremus". Viimast reguleerime söödava toidu hulgaga inimese kohta. Toiduvarud on etteantud ja vähenevad monotoonselt. 3. Põllumajanduse lisamine mudelisse. Eeldame, et pool populatsiooni suudab toitu toota, põllumaa on fikseeritud. Majandusteadlased leidsid seose ,,toidu toodang"=A*tootjad^b, parameetrid A=5 ja b=0.3, tootjad=1/2*populatsioon. Mudel muutub järjest suuremaks, keerukamaks ja vähem loetavamaks (selle parandamiseks kasutame ,,vaime") 4. Tööstuse lisamine mudelisse. Täiendame oma tootmisfunktsiooni lisades tööriistade tootmise kui sisendi põllumajanduslikku tootmisse
UML praegune versioon on 2.5 (Märts 2015). Mitu diagrammitüüpi UML keele standard 2.x pakub? Millisesse kahte suurde gruppi on need diagrammitüübid jagatud? 7+7, struktuur ja käitumis(3+4) Millisesse nimetatud kahest grupist kuulub kasutusjuhtude (use case) diagramm? käitumis Mis vahe on (UML keeles) Mudelil ja Diagrammil (skeemil) ? Kuidas on need mõisted (Mudel ja Diagramm) omavahel seotud? mudelit (analoogia andmebaasiga) ja diagramme kui vaateid mudelisse (analoogia ekraanivormidega). UML on ,,iseennast kirjeldav" (refleksiivne keel) s.t. tema standard (UML metamudel) on kirjeldatud UML keele enda vahendeid (peamiselt klassidiagramme) kasutades. Miks me teeme kasutusjuhtude diagramme? Mis on kasutusjuhtude diagrammi tegemise põhieesmärgiks? Kasutusjuhtude diagramm võimaldab modelleerida SÜSTEEMI ,,musta kastina" lähtudes temaga seotud tegutsejate ROLLIDEST ja EESMÄRKIDEST süsteemiga seoses,
paljusid inimelusid ja mida õnnestuks vältida. ! Üks peamistest põhjustest, mida olen paraku õige sagedasti oma silmadega näinud, on juhtide lähtumine üldtuntud kontseptsioonidest mitte ümbritsevast reaalsusest. Omandades kõrgkoolis või juhtimiskoolitusel mõne uue teooria või mõttemudeli, tekib kiusatus seda rakendada oludes, mis erinevad mudeli aluseks olnud reaalsusest olulisel määral. Nii ei nähta enam objektiivset reaalsust, vaid filtreeritakse välja mudelisse sobivad muutujad. Sellised mõtteviisid viivad kindlalt ebaõnnestumiseni. ! Teiseks levinud põhjuseks on ülekoormus, kus psüühika ei ole enam suuteline läbi analüüsima olukordi ja vastuvõetud otsused kipuvad olema juhuslikku laadi. Mõnede juhtimisvigade põhjus peitub juhtide psüühika eripäras. Tippjuhtide hulka satub keskmiselt enam sotsiopaatiliste kalduvustega enesekindlaid indiviide, kes oma võimuambitsioonide teostamisel ei hooli teiste heaolust ja kahjustavad oma
Dependent on sõltuv muutuja, Independent on prediktor. Statistics alt valida Estimates, Model Fit ning Descriptives. Salvestame ka regressioonijäägid uue muutujana: Save Residuals Unstandardized. Pärast analüüsi läbiviimist tuleb selle uue, salvestatud muutujaga läbi viia normaaljaotuslikku test. Tulemustena kuvatakse mitu tabelit. Leiate, et on (a) kirjeldavat statistikat (nt mõlema muutuja keskmised); (b) muutujatevahelised korrelatsioonid; (c) muutujate lisamine/eemaldamine mudelisse (paarisregressiooni puhul ebaoluline); (d) mudeli kokkuvõte, kus on kirjeldatud mh determinatsioonikordaja R2 korrutades seda väärtust 10 100-ga, saame teada, kui suure osa kogu ennustatava muutuja (siin: testitulemus) variatiivsusest kirjeldab ära prediktor (siin: vanus). (e) ANOVA tulemused mudeli olulisuse hindamiseks (kui Sig. <.05, on mudel statistiliselt
Hinnavõtja- firma või indiviid, kelle jaoks turuhind on etteantud suurus ja kes seetõttu peavad ostma või müüma kehtiva turuhinnaga. Lorenzi kõver- sissetulekute ebavõrdsuse graafiline kajastamine Avalikud kaubad- hüvis, mida saavad tarbida kõik soovijad, sõltumata sellest, kes selle hüvise eest maksab. Kui hüvis tekitab välistuli, võiks tema tootmist subsideerida Maksud ja säästud kujutavad endast väljavoogu tuluvoolust Tulu, mis lisanud ringkäigu mudelisse, on sissevoog tuluvoogu. See suurendab kodumajapidamiste ja ettevõtete tulutaset. Sisemajanduse koguprodukt- lõpphüviste turuväärtus ( riigi territoriaalsetes piirides ) Rahvamajanduse koguprodukt- riigi kodanike ja ettevõtete majanduslikku aktiivsuse mõõt. Kulutuste lähenemisviis- E=SKP= C(tarbimiskul)+ I (inv)+ G (avalksek. Kul)+ ( X-M ) ( eksport- import ) Sissetulekute lähenemisviis- SKP= palgad, intress, rent, kasum, amort, kaudsed maksud.
demokraatlikega (Toimub üleminek diktatuurilt demokraatiale). 1) Kaasajaühiskonna kujunemine (tööstus ja tööstusjärgse ühiskonna võrdlus, selgitada korraldusstruktuuri põhimõtted) Nüüdisühiskond kujunes välja tööstusühiskonna muutudes postindustriaalseks ehk tööstusjärgseks ühiskonnaks, mis ülemineku preioodil kujunes siirdeühiskonnaks ja seejärel infoühiskonnaks, selle järel kujunedes ühiskonnaks mis sobib nüüdisühiskonna mudelisse. Tööstusühiskond- Põhiline tegevus on tööstus ja ehitus Hankiv ja töötlev sektor põhiline Tööstutstootmine ja tootmisvõimsus majanduses tähtis Võimalikult suure kaubahulga tootmine määras riigi jõukuse Vajati rohkesti konveieritöölisi Töötstusjärgne ühiskond- Kõrgeltareenud tööstusühiskond Kõrgtehnoloogia kasutamine Kirju klassistruktuur Teeninudssektori osatähtsus suurem
Statistics alt valida Estimates, Model Fit, Descriptives. Regressioonijääkide salvestamiseks: Save Residuals Unstandardized Pärast analüüsi läbiviimist tuleb uue, salvestatud muutujaga läbi viia normaaljaotuslik test Tulemused: (a) kirjeldavat statistikat (nt mõlema muutuja keskmised); (b) muutujatevahelised korrelatsioonid; (c) muutujate lisamine/eemaldamine mudelisse (paarisregressiooni puhul ebaoluline); (d) mudeli kokkuvõte, kus on kirjeldatud mh determinatsioonikordaja R2 korrutades seda väärtust 100-ga, saame teada, kui suure osa kogu ennustatava muutuja (siin: testitulemus) variatiivsusest kirjeldab ära prediktor (siin: vanus). (e) ANOVA tulemused mudeli olulisuse hindamiseks (kui Sig. <.05, on mudel 1 statistiliselt oluline) ning
Regressioonimudel: y=1,94+3,96x 10.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud r 4,3 5,6 3,7 7,2 3,2 4,9 6,6 5,07142 y0 9 2,19238 s²(y) 1 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 10.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b1=3,955>3,861 Mudeli liikme b1 võib lugeda oluliseks b0=1,935>1,153 Mudeli liikme b0 võib lugeda oluliseks 10.4 kontrollida mudeli adekvaatsust Fkr > F (4,76 > 2,51), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 10
UP BOM on abstraktsioon sellest, kuidas äri töötajad ning äriolemid peavad olema seotud ning toimima koos äri tegemiseks. Väljendatakse erinevat tüüpi diagrammidega, kaasa arvatud käitumislikud diagrammid. Domeenimudel on mittetäielik BOM, mis keskendub domeeni olulistele "asjadele". Dünaamikavaadet ei sisalda. 6. Kasutajaliideste eskiisid kui vaated domeenimudelisse Kasutajaliideste eskiisid, mida võidakse joonistada kasutusjuhtude mudeli tegemisel, on "vaated" Domeeni mudelisse (e kontseptuaalsed klassidiagrammid), st kasutajaliidese andmeväljade sisu peab olema defineeritav kontseptuaalse klassidiagrammi "keeles": Kasutajaliidese ja domeenimudeli elementide seosed Eskiis on tehtud EA diagrammina, mille tüübiks on user interface. Kasutajaliides on vaade domeenimudelisse, st enamus kasutajaliidese andmeelementidest (väljadest) suhestatakse otseselt kontseptuaalse klassidiagrammi vastavate elementidega (atribuutidega). 7. Mustrid kui näidismudelid
huvi vaba aja kasutamise vastu. Kõigi mängimisvormidega tegelemise esmasteks eesmärkideks on nauding ja ajaviide. Laaste jaoks on mängimine ka oluline õppimise ja arengu vahend. Näiteks: last ja täiskasvanute hulgas mängimine: (mänguasjad, arvutimängud, youtube, jooga) kõik, kus nad saavad loovalt mõelda või siis joosta ja tunda end vabalt. (Roper, Logan, & Tierney, 1999, lk 293-294) ELAMISTOIMINGU SEOS ELUKAAREL Elukaare mudelisse lülitamine aitab meeles pidada, et elu jooksul iga elamistoimingu sooritamise viis muutub. See käib ka antud elamistoimingu kohta ning lisaks toimuvad elukaare erinevatel astmetel muutused mängimise ja töötamise toimingute omavahelises tasakaalus. (Roper, Logan, & Tierney, 1999, lk 294) Mängimine lapseeas Mängimine on lapseeas esmane. Mängimine arendab lapse ja nooruki füüsilist, intellektuaaset ja suhtlemisvõimet. Ollakse üksmeelsel seisukohal, et mängimisel
Regressioonimudel: y=2,03x-3,09 10.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud r 4,3 5,6 3,7 7,2 3,2 4,9 6,6 5,07142 y0 9 2,19238 s²(y) 1 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 10.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b1=3,955>3,861 Mudeli liikme b1 võib lugeda oluliseks b0=1,935>1,153 Mudeli liikme b0 võib lugeda oluliseks 10.4 kontrollida mudeli adekvaatsust Fkr > F (4,76 > 2,51), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 10
linnalises asulas olevad ettevõtted ning tööstused tehnoloogiliselt rohkem arenenud ning oma olemuselt suhteliselt spetsiifilised. Maapiirkondades olevad ettevõtted jäävad enamasti oma arengult alla linnades ja nende lähiümbruses olevatele ettevõtetele. Samuti on maapiirkonnas asustus ning töökohtade arv kümneid kordi väiksem kui linnas. Seetõttu on loogiline oletada, et kui töökoht asub linnalises asulas, on eeldus enamasti ka suuremale keskmisele brutopalgale. Vastava teguri mudelisse lülitamiseks on töö autorid lähendmuutujana kasutanud linnalises asulas elavate inimeste osakaalu kogu maakonna elanikest. Erinevad uuringud on näidanud, et meeste palgatase on märgatavalt kõrgem kui naistel. Seega võib oletada, et piirkonnad, kus on kõrgem meeste osakaal, on ka kõrgem palgatase. Seega on töö autorid testitavasse mudelisse lülitanud ühe muutujana ka meeste osatähtsuse kogu tööhõivest.
karaktereid, nii loomi kui inimesi, kuid kirjaniku enda minevikul peatutakse vaid põgusalt. Lugu algab ühe laudakassi sünniga ning lõpeb kui kass on juba auväärses raugaeas. Kuigi algselt tundub, et kassid on ühtlasi terve loo peategelased, selgub siiski, et neil on pigem kõrvaline kuid siiski asendamatu roll. Teose pealkirjal "Mandalal" on väga müstiline kõla. Tähenduselt on see maailma sümboolne projektsioon, mis on üle kantud geomeetrilisse mudelisse. Esiti ei suuda seda sõna tavaliste maakasside ja lihtsa maaeluga kuidagi seostada, kuid see tekitab romaani suhtes ootusi ning põnevust eelseisva ees. Teose keskosa lõpus ka üks liivamandala tehakse. Liivamandala on keeruline kunstiteos, mille igal detailil on sümboolne tähendus. Mandala tehakse värvilisest liivast ja pärast valmimist pühitakse see kokku, rõhutades sellega kõigi asjade püsitust, üht olulisimat arusaama budismis: kõigel, millel on algus, on ka lõpp
suuremaks diferentseerivaks faktoriks kui meeste puhul. 4 Joonis 5. Vanusgruppide ja soo mõju homoseksuaalide õiguste hinnangule. Joonis 6. Haridustaseme ja vanusgruppide mõju homoseksuaalide õiguste hinnangule. 5 Dispersioonanalüüs Järgnevalt tegin dispersioonanalüüsi, kaasates mudelisse kõik tausttunnused, kuid vaadates sõltuvaid tunnuseid eraldi. Immigrantide mõju hinnagu puhul osutus mudeli kirjeldusastmeks 10,5% (vaata ka Tabel 1). Olulisuse tõenäosusega alla 0,05 omasid mõju vanus ja sugu. Vanuse erinevus tuli ka varem keskmiste võrdluses välja, kuid soo erinevus tuli ainult dispersioonanalüüsis. Tabel 1. Dispersioonanalüüs immigrantide mõju elukeskkonnale hinnangute kohta. Homoseksuaalide õiguste puhul tuli mudeli kirjeldusaste 13,6% (vaata ka Tabel 2)
Regressioonimudel: y = 6,3 1,4x 11.2. Leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud r 3.0 6,3 3,9 2,0 2,7 4,6 3,3 yo 3,69 S2(y) 2,02 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3. Kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi iga igal juhul mõlemad liikmed mudelisse alles) b1= -1,4 3,65 = Mudeli liikme b1 võib lugeda mitteoluliseks b0=6,3 > 1.101 = Mudeli liikme b0 võib lugeda oluliseks 11.4. Kontrollida mudeli adekvaatsust Fkr > F (4,76 > 0,39), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5.Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5
= 2,08 Excel: VAR r 7,1 3,6 5,6 6,4 4,8 3,2 4,3 y0 5 s²(y) 2,07667 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b= 2,033,91 Mudeli liige b1 ei ole oluline (seda ka absoluutväärtuses) b0= -3,091,16 kuid absoluutväärtuses: 3,09 1,16 Mudeli liikme b1 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust Fkr > F (4,76 > 2,12), see tähendab, et leitud mudelit võib lugeda
11.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud r y0 3,6 2,6 1,3 0,2 1,9 0,7 4,2 3,6 2,07 2,19 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) Mudeli liikme b1 võib lugeda oluliseks Mudeli liikme b0 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust Fkr > F (4,53 > 1,667), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11
r yr yr-r (yr-r)2 1,00 4,20 -0,76 0,57 2,00 5,50 0,54 0,29 3,00 3,40 -1,56 2,42 4,00 7,10 2,14 4,59 5,00 3,20 -1,76 3,09 6,00 4,90 -0,06 0,00 7,00 6,40 1,44 2,08 34,70 13,06 r= 4,96 = Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) b0=1,36<3,89 Mudeli liikme b0 võib lugeda mitteoluliseks b1=3,25>1,19 Mudeli liikme b1 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust Fkr > F (4,53 > 1,43), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. Mudel on adekvaatne. 11
meetodite, mudelite ja vaadete süsteemidega. Aeg-ajalt kuulub nii mõnigi neist ümbervaatamisele, ajakohastamisele ja asendamisele.Neljast osast koosnev turundusmeetmestik on väga laialt levinud kogu maailmas. 90ndatel on seda aga kritiseeritud. Põhiliseks puuduseks on peetud seda, et 4 P-d (product, prize, place, promotion) sisaldav meetmestik ei sobi igale firmale ega igasse olukorda. Seetõttu lisatakse mudelisse veel üks P- personnel- personal, isikkoosseis, organisatsioon oma töötajate ja nende töö kvaliteediga. Viimasel kümnendil on huvi turunduse vastu järjest tõusnud. Üha enam äriühinguid ja organisatsioone on jõudnud arusaamisele, et turunduse põhiseisukohtade tundmine võimaldab oma tegevust tõhustada. Seda on kinnitanud ka paljude Eesti ettevõtete (SAKU, A. Le Coq, Baltika, Hansapank jt) kogemus,
kontaktide näiteid, kuid sellegipoolest on KKM sõnastatud üldteoreetiliselt ja ka mitte- türkoloogile piisavalt läbipaistvalt. Seni on KKMi kasutatud enamasti türgi keelte kontaktide kirjeldamiseks. KKMi kõige uuem põhjalik analüüs teiste kontaktlingvistika mudelite kontekstis on samuti pärit türgi keele kontaktidega tegeleva keeleteadlase sulest. Eestis on seda mudelit rakendanud siinkirjutaja. KKMi suur väärtus on selge ja mitte ülearu keerukas terminoloogia. Samasse mudelisse on koondatud nii sotsiolingvistilised kui ka puhtkeelelised aspektid. Mudel koondab ühe katuse alla erinevaid nähtusi, mida tavaliselt nimetatakse koodivahetuseks, laenamiseks, ülekandeks, tõlkelaenuks, konvergentsiks jne. Tihtilugu on kasulik ühendada keelekontaktide sünkrooniline ja diakrooniline aspekt ühes dünaamilises mudelis, mis ei luba üksnes näha kontaktide tulemusi, vaid ka jälgida kontakti protsessi ennast
Regressioonimudel: 11.2 leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud r y0 3,3 2,0 4,6 3,9 3,0 2,7 6,3 3,69 2,02 2,22 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3 kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi igal juhul mõlemad liikmed mudelisse alles) Mudeli liikme b1 võib lugeda oluliseks Mudeli liikme b0 võib lugeda oluliseks 11.4 kontrollida mudeli adekvaatsust 0,78 Fkr > F (4,53 > 0,386), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11
Lapsed kasutavad mängu mitmesuguste arenguga seotud, nende mõtteid haaravate teemade käsitluseks. Täiskasvanud peavad silaspidama, et mängust nad saavad osavõtta juhul, kui neilt seda soovitakse, mitte hakates ise mängu juhtima. Tüdrukute ja poiste mängudes on sageli tüüpilis erinevusi: tüdrukute mängudes tõusevad esile rohkem sotsiaalsed suhted, poste mängud on aga füüsilisemad ja neis on rohkem võistlust. Kõik tüdrukud ja poisid muidugi ei sobi ühte mudelisse, ja on olemas suur hul sooneutraalseid mänge. Rohke ja rikkalik kujutlusmaailm on tõhus vägivalla tõke. Kasvuprotsess algav opositsioonist vanemate vastu ja täiskasvnuks saamise hirmust ning lõpeb, kui noor inimene on saavutanud psüühilise sõltumatuse ja moraalse küpsuse ega pea teist sugupoolt enam hädaohtlikuks, vaid suudab sõlmida sellega positiivse suhte. Muinasjutud toetavad lapse arengut paremini kui visuaalne ajaviide. Esimesed muinasjutud on
0 1 Arvutan b ja b muutused b 0 = t0 ,975 ( w -1) s 2 (b0 ) b 0 = 2,447 2,205 = 3,63 b1 = t0,975 ( w -1) s 2 (b1 ) b1 = 2,447 0,197 = 1,086 Panen kirja usaldusvahemikud. 0 Hinnang b usaldusvahemik P(2,37 - 3,63 0 2,37 + 3,63 ) = 0,95 P(-1,26 0 6 ) = 0,95 1 Hinnang b usaldusvahemik P(3,16 - 1,086 0 3,16 +1,086 ) = 0,95 P(2,074 0 4,246 ) = 0,95 10.3 kontrollida mudeli liikmete olulisust ...(ent jättes edaspidi igal juhul mõlemad liikmed mudelisse alles) Kui b0 on väiksem kui b0 muutus, siis võib mudeli liiget lugeda mitteoluliseks, kui ei siis vastupidi. Sama kehtib ka b1 kohta. b0 = 2,37 < b0 = 3,63 = mitteoluline b1 = 3,16 > b1 = 1,086 = oluline 10.4 kontrollida mudeli adekvaatsust Advekaatsust kontrollitakse F statistikuga N 1 2 sad = ( yi - (b0 + b1 xi )) 2 N - d j =1 ,kus d on oluliste liikmete arv ehk 1 Arvutuse tegin Excelis 2 sad = 3,8949... 3,9
): „Vastavalt kahaneva piirkasulikkuse seadusele, saadav rahulolu apelsini mahla joomisest väheneb kui mahla hind tõuseb.“ Siinkohal peab mõistma eelduseid mida mikroökonoomikas tavatsetakse teha. Ja üheks selliseks arusaamaks kasulikkuse teooria juures on just see, et tarbimisest saadav kasulikkus sõltub sellest konkreetsest kaubast ja tarbitavast kogusest aga mitte selle kauba hinnast. Selliseid eelduseid teemegi selleks, et meie mudelisse valatud maailm lihtsamini käsitletav oleks (ja eks asjad enamasti ka niimoodi kipuvad olema). Loomulikult võib kujutada ette mingisuguseid väga erilisi kaupu mille kasulikkus tarbijale kujunebki tänu sellele, et sinna mingi väga erilise numbriga hinnasilt külge on pandud. Enamasti meil (suuremal osal tarbijatest) selliseid tarbimisotsuseid siiski teha ei ole võimalik. Seega pole sellel lähenemisel, et kasulikkus sõltub vaid sellest
saavutama endile püstitatud eesmärke, olles sealjuures võimelised töötama iseenda ja teistega parandamaks elukvaliteeti. (Kiipli, 2012) Jõustamise all mõistetakse püüdlust anda oma klientidele võimet teostada nii palju kui võimalik kontrolli oma elu üle ja kasutada keskkonnas olemasolevaid ressursse vastavalt oma vajadustele (Kiipli, 2012.) Jõustamise kontseptsioon toob traditsioonilisse probleemilahenduslikku mudelisse töö kliendi tugevuste ja jõuvarudega, alustades nende identifitseerimise ja sõnastamisega. Töö põhineb töötaja ja kliendi partnerlussuhtel süsteemi kõigil tasanditel, liikudes kliendi kompetentsuse paranemise suunas.(MTÜ Perede ja Laste Nõuandekeskus, 2012) Malcom Payne’i (1995) sõnul on jõustamise eesmärkideks lisaks eelnevale ka aidata inimestel mõista ennast kui põhjuslikke toimijaid, kes peavad leidma lahendusi oma probleemidele,
Keskmine 2,82 3,92 Kokku 8,03 Regressioonimudel: y = 2x – 1,72 11.2. Leida mudeli parameetrite hinnangute b0 ja b1 usaldusvahemikud r 1,9 0,1 2,0 4,5 0,7 1,5 2,4 y0 = 1,87 s 2 (y) = 1,98 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 11.3. Kontrollida mudeli liikmete olulisust (märkus: jätta edaspidi iga igal juhul mõlemad liikmed mudelisse alles) b1 = 2,00 < 3,75 = Mudeli liikme b1 võib lugeda mitteoluliseks b0 = -1,72 < 1.21 = Mudeli liikme b0 võib lugeda mitteoluliseks 11.4. Kontrollida mudeli adekvaatsust Fkr > F (4,76 > 0,39) See tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5
saadud andmeid kõigil uuringuetappidel, arvati uuringutest välja. Neid oli kokku 3370. On välja toodud ka, et uuringus osalenud naiste ja väljapraagitud andmetega naiste vahel olid ka väikesed demograafilised erinevused – mittetäielikke andmeid andnud naised olid sagemini madalama haridustasemega, ilma partnerita või partner oli töötu. Mittetäielikke andmeid analüüsis ei arvestatud. Selleks, et vältida potentsiaalset valestimõistmist segavate faktorite lisamisel mudelisse, kasutati puuduvate andmete lisamise tehnikat (puuduvate andmete ahelvõrrandit). Tulemused, mis saadi lisamise tehnikat kasutades olid sarnased eelnevatele andmetele, mis viitab sellele, et puuduvad andmed ei muutnud uuringut statistiliselt eksitavaks. Laste arengut mõõtva uuringu tulemusel tuli välja, et 9% lastest (ehk 893 last) loeti arengus mõnevõrra mahajäänuks. Kokku oli lastest enneaegselt sündinuid 612 ehk 5,5%, 51,4 olid
annaabi.ee 
