motivatsiooniline jõud. Tekkinud häiritustunne sunnib inimest tegutsema ebamugavust põhjustava ebakõla kõrvaldamise nimel. Sellise motivatsioonimehhanismi seletamiseks lõi Festinger kognitiivse dissonantsi teooria: ebakõla tunnetav inimene teeb ühte kahest võimalusest; 1. üritab suurendada probleemi omavahel kooskõlaliste elementide arvu; 2. muudab oma arvamusi nii, et ebakõla väheneks. Saavutusvajadus on hetkel tajutava või tulevikus prognoositava tunnustuse ebapiisavus või puudumine. See on edu saavutamise üks tingimus on vajadus edu saavutada- motivatsioon. Üldiselt kehtib saavutusmotivatsiooniga seoses kolm lihtsat tõde: 1. Inimene, kes püstitab endale eesmärgid, saavutab enamat, kui see, kellel selged eesmärgid puuduvad. 2. Inimene, kes püstitab endale kõrgemad eesmärgid kui teine, saavutab rohkem kui see, kes piirdus madalamate eesmärkidega. 3
ja tegelikke y väärtuste erinevust. Selliseks statistikuks on F-statistik, ning seda (ja selle kriitilist väärtust) leitakse järgmisi valemeid kasutades: Seega meie juhul s2ad = 3,61 2 sad F = 2 = 1,719 sy d = 2 (oluliste parameetrite arv on 2) f1 = 5 2 = 3 f2 = 7 1 = 6 Fkr = F0,95 (3, 6) = 4,534 F < Fkr, seega võtame null-hüpoteesi vastu (mudel on adekvaatne) 11.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1,x = 3 ja x = 5 Usaldusvahemikute leidmiseks peame leidma prognoositava y dispersiooni ja t-statistikut. Neid leiame kasutades järgmisi valemeid: Esiteks leiame t-statistikut f=6 t0,975(6) = 2,447 Nüüd leiame s(), y, ja usaldusvahemikud: x 1 3 5 s() 1,05 0,65 1,14 y 2,58 1,59 2,79 y -1,15 5,57 10,11 1,43 7,16 12,90
76,4 mln eurot • eraldis Eesti Haigekassale ravikindlustuseks 48 mln eurot • riigi kanded kohustuslikku pensionifondi 33,6 mln eurot • töötuskindlustusmaksed 27,6 mln eurot • otsetoetused põllumajandustootjatele 11,9 mln eurot • kõrgkoolide tegevustoetus 14,9 mln eurot • Euroopa Liidu makse 10,5 mln eurot RIIGIEELARVE TULUD • 2015. aasta riigi tulude prognoos lähtub Rahandusministeeriumi 2014. aasta suvisest majandus-prognoosist. Võrreldes 2014. aasta prognoositava laekumisega kasvavad tulud (koos edasiantavate tuludega) 2015. aastal 556 miljoni euro võrra ehk 7%. Mittemaksuliste tulude osakaal suureneb peamiselt välisvahendite mahu kasvu tõttu. RIIGIEELARVE TULUD • Tulude mahuks 2015. aasta riigieelarves on kavandatud 8 445 mln eurot. Sellest 5 803,4 mln eurot ehk 68,7 protsenti moodustavad maksulised tulud, 1 477,5 mln eurot ehk 17,5 protsenti mittemaksulised tulud ning edasiantavad tulud 1
b0 = t0,975(6) * s(b0) = 2,447 * 1,072 = 2,62 Usaldusvahemikud on järgmised: P(3,16 1,09 < b1 < 3,16 + 1,09) = 95% P(2,07 < b1 < 4,25) = 95% P(2,37 2,62 < b0 < 2,37 + 2,62) = 95% P( 0,25 < b0 < 4,99) = 95% 11.3 Kontrollida mudeli liikmete olulisust b1 > b1 3,16 > 1,09, seega b1 on oluline b0 b0 2,37 < 2,62, seega b0 ei ole oluline 11.4 Kontrollida mudeli adekvaatsust F < Fkr, seega võtame null-hüpoteesi vastu (mudel on adekvaatne) 11.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x=1, x=3, x=5 Usaldusvahemikute leidmiseks peame leidma prognoositava y dispersiooni ja t-statistikut. Neid leiame kasutades järgmisi valemeid: Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6 Regressioonisirge graafik koos katsepunktide ja p.11.5 leitud usaldusvahemikega. 12. Kokkuvõte. Antud töö A osas anti hinnangud valimi keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde osas
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
järeldamise teel ongi tegelikult üks füüsika põhilisi ülesandeid. Me oskame seda enesele aru andmatagi just tänu füüsikale teha. Ütleme et õues peetakse sünnipäeva, keskpäevaks välistemperatuur kasvab ning õhupallides olev õhk soojeneb ja paisub; järelikult õhupallid purunevad. Põhimõtteliselt igaüks oskab seletada miks nii juhtus, aga sellise oskuse on kõigile andnud koolis õpitud soojuspaisumise põhiteadmised. Füüsika teeb ettearvamatust maailmast prognoositava, luues võimalusi näiteks oma tegevuste planeerimiseks. Võib-olla ei suudakski me ette kujutada seda kuidas saavad eeltoodud avastused mõjuda kahjulikult, kui mitte ajalugu poleks seda kõike õpetanud. Kui aastal 1945 võeti aatomi- ja tuumafüüsikast lähtudes kasutusele tuumarelv, siis pidi inimkond vist esmakordselt selgesti tõdema, et füüsika arenguga kaasnevad ohud. Tegelikult lõid juba 19. sajandi
·näitajad peavad tulenema tööjõu ja füüsiliste ressursside piirangutest, soovitud kasvutempost, majanduslikest faktoritest; ·eelarve koostamine, analüüs ja kinnitamine peaks olema emotsioonivaba, muudatustele avatud, allüksuste vahel koordineeritud infol põhinev ühtne protsess; ·eelarved peavad olema juhtide hinnangul täidetavad. Eelarve koostamise süsteemid on erinevates ettevõtetes erinevad. Iga ettevõte peab kaaluma, milline eelarvetüüp on tema tegevusvaldkonna ja prognoositava tegevuse puhul õigustatud. Eelarvestamise üks oluline osa on eelarve täitmise analüüsi. Analüüsi tulemusel saadakse infot asjade seisust, selgitatakse välja põhjused, miks eelarve ja selle täitmine ei pole vastavuses ning tehakse kindlaks, kuidas tuleks eelarve täitmist korrigeerida. Eelarvesüsteemi loomisel on oluline määrata läbitavad eelarvestamise etapid, täitmise tähtajad ning täitmise eest vastutajad. Suuremates ettevõtetes moodustatakse tavaliselt
muutmine · Uudishimu soov rohkem teada · Kontrollitunne maailma adekvaatne tunnetus, veendumus enda asjatundlikkuses ja suutlikkuses antud valdkonnas tekitab meis kont rollitunde, teadmine, kuidas maailm toimib. · Kognitiivne dissonants tunnetuslik ebakõla tahaks koogi ära süüa, aga paks ka olla ei viitsi. · Saavutusvajadus hetkel tajutava või tulevikus prognoositava tunnustuse ebapiisavus või puudus. Sotsiaalsed vajadused: · Armastusevajadus · Eneseohverdus-ehk alturismivajadus · Empaatiliste, usaldusväärsete ja püsivate suhete olemasolu Bioloogilised vajadused tulevad inimese seest, kultuurilised-sotsiaalsed vajadused aga keskkonnast. Teiste inimeste juuresolek mõjutab inimest sotsiaalsele survele alluma, et nn sobida punti. 5. Koginitiivne dissonants on tunnetuslik ebakõla
perioodide andmetele, Viiakse läbi koos regressioonanalüüsiga, Ei saa kasutada uute toodete puhul); 8) perioodide andmetele, Viiakse läbi koos regressioonanalüüsiga, Ei saa kasutada uute toodete puhul); 8) Prognoos teiste toodete müügi põhjal: (Uuritakse mõne prognoositava tootega tihedalt seotud toodete Prognoos teiste toodete müügi põhjal: (Uuritakse mõne prognoositava tootega tihedalt seotud toodete müüki või sündmusi, Eeldab põhjus-tagajärg seose olemasolu); 9) Prognoos ostujõu põhjal: müüki või sündmusi, Eeldab põhjus-tagajärg seose olemasolu); 9) Prognoos ostujõu põhjal: (Müügiprognoos tehakse elanikkonna või sihtrühma ostujõu muutust arvesse võttes). (Müügiprognoos tehakse elanikkonna või sihtrühma ostujõu muutust arvesse võttes).
2.Milline toodud loetelust ei hälve aktsia mineviku ja mahu Eesti Väärtpaberiseaduse tuleviku prognoositavast alusel väärtpaberi mõiste alla? tulususest Vali üks vastus. Standardhälbe all veksel mõeldakse seda, kui palju hälbib tegelik tulusus ümber rahaturuinstrument prognoositava või keskmise märkimisõigus tulususe aktsia või muu samaväärne kaubeldav õigus 5.Efektiivse turu teooria väidab, et: 3.Finantsturul, kus väärtpaberi Vali üks vastus. hind kajastab igal ajahetkel kõigil investoritel on võrdne lisaks avalikule infole ka mitteavalikku ehk siseringi infot ligipääs turul olevale infole
3,2 3,24 y0 5 Kokku 12,46 s 2 ( y ) = 2,077 Hinnangu b0 usaldusvahemik: Hinnangu b1 usaldusvahemik: 9.3 kontrollida mudeli liikmete olulisust Mudeli liiget b1 võib lugeda mitteoluliseks. Mudeli liiget b0 võib lugeda mitteoluliseks. 9.4 Kontrollida mudeli adekvaatsust. Fkr > F (4,39 > 1,27), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 9.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud antud punktides. Punktis x = 1 Punktis x = 3 Punktis x = 5 0 9.6 Joonistada regressioonisirge graafik
temp b= 16,94256 suurem kui tkr temp a= -59,1262 väiksem kui tkr 10.4 Kontrollida mudeli sobivust d = 1- = = 0,98 = = = 46,92 = = = 2740,86 Järeldus: Mudel sobib, sest d 0,7 10.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud, kui y=min, y=kesk ja y=max. 10.6 Osa D. Juhuslike suuruste modelleerimine 11. Monte-Carlo meetod Keskaväärtus Xkesk= 53,07 Standardhälve Sc= 26,39 = = + X -6 0.53;0.82;0.69;0.79;0.77;0.47;0.46;0.25;0.29;0.16;0.10;0.38 5.86 X1=5,86-6=-0.14 Z1=25,44*(-0,14)+47,12=43,55 0.31;0.72;0.71;0.61;0.65;0.32;0.24,0.34;0.10;0.35;0.17;0.73;0 5,26 X2=5,26-6=-0,75 Z2=25,44*(-0,75)+47,13= 28.05 0,70;0.43;0.55;0.35;0.54;0
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. 10.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 10.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 9.5 leitud usaldusvahemikega
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. 10.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 Punktis x = 1 Punktis x = 3 Punktis x = 5 10.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 9.5 leitud usaldusvahemikega
kokk 1,943 12,517 u Hinnangute usaldusvahemikud 11.3 Kontrollida mudeli liikmete olulisust Mudeli liiget võib lugeda mitteoluliseks Mudeli liiget võib lugeda oluliseks. 11.4 Kontrollida mudeli adekvaatsust mudeli oluliste liikmete arv Fkr > F (4,534 > 1,120), seega leitud mudelit võib lugeda katseandmetega kooskõlas olevaks ja adekvaatseks. 11.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 (arvutused tehtud ülal olevate valemitega MS Excel'is) Punkt x = 1 Punkt x = 3 Punkt x = 5 11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p.11.5 leitud usaldusvahemikega. 12. Koostada osade A ja B lahenduste kohta lühike kokkuvõte. Andmete valimi A keskväärtuseks on 45,76 (usaldusvahemikuga 34,57...56,95),
11.4 Kontrollin mudeli adekvaatsust: Selleks leian F-statistiku, mis näitab selle mudeli poolt prognoositud ja tegelike y väärtuste erinevust. Xxxxx xxxxx xxxx Fkr > F (4,53 > 1,59), seega null-hüpotees on vastuvõetav ehk mudel on adekvaatne. 11.5 Leian mudeli poolt prognoositava väljundi usaldusvahemikud punktides x=1, x=3, x= 5. Leian t-statistiku tabelist: f = 6 (korduskatsete sarja pikkus minus 1) t1-/2(f) = t0.975(6) = 2.447 Esitan Excelis leitud arvutuste väärtused tabelina: x 1 3 5 s() 1,18 0,65 1,12 2,89 1,58 2,73 -3,95 1,42 4,32 -1,06 3,00 7,05 + 1,83 4,58 9,79 11
(( ) ( ) ( ) ( ) ( ) ) ( ) ( ) ( ) Fkr > F (4,53 > 1,67), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 9.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud antud punktides. (( ) ( ) ( ) ) ( ) ( ) ( ) ( ) ( ) ( )
ja 2009. aastal on üldjoontes samas suurusvahemikus. 1.5 Rahvastikuprognoos Viljandimaa rahvaarvu vähenemine on olnud püsiv probleem juba mitmeid aastaid ja ka tulevikuprognoosid ei ennusta selle näitaja paranemist lähima 20 aasta jooksul. Siinkirjutaja poolt koostatud prognoosid ei arvesta rahvastiku rännet, mis kardetavalt ka tulevikus püsivad tugevalt negatiivsed. Võttes arvesse tõenäolisemat varianti rahvastiku sündimusest ja suremusest arvutasin prognoositava sündide ja surmade arvu muutuse aastatel 2010 kuni 2030 (Joonis nr. 7 ja 8). Surmade arv on pidevas vähenemises, langedes 2030. aastaks 680 surmani. Sündide arv ennustatavalt kasvab esimese kümnendi, kuid seejärel taaskord langeb ja jõuab teise kümnendi lõpuks palju madalamale tasemele kui praegu. Optimistliku stsenaariumi kohaselt (Joonis nr.9) on keskmine laste arv naise kohta 2 ja rahvastiku tase püsib enam-vähem samal tasemel. Pessimistlik stsenaarium (Joonis nr
osaliselt korraldatud. Esmaseks lahenduseks on loodud tööturu teenistused, nende ülesandeks on mitte üksi arvestuse pidamine töötute kohta, teabe vahendamine töötute ja tööandjate vahel tööotsijate ja töötajate vajaduse kohta ja kestvalt töötute abistamine, vaid ka tööturu nõudluse uurimine ja prognoosimine kutsete ja kvalifikatsioonide kaupa ning tööelu eelset ja aegset haridust andva süsteemi ning kutsenõustajate varustamine andmetega tööturu prognoositava nõudluse kohta tulevikus.8 Siiski ei ole tänapäeva Eestis viidud kooskõlla ja töösse konventsioone, mis käsitlevad tööelu eelset ja aegset haridust ning samuti riigiosa töösuhete juhtimisel on osaline9. Nende tundmaõppimine ja töösse viimine võiks olla edasiviivaks lahenduseks. Tulevikule mõeldes, tuleks panustada teadus-ja arendustegevustesse. Lisaks eelnimetatule tuleks soodustada töökohtade loomist maapiirkonnas maksusoodustustega investeeringutele
peamisi puudusi. Inertsile tugineva prognoosi korral esitatakse kogutud informatsioon juhitamatute väliskeskkonna tingimuste taseme senisest kujunemisest vastavate tingimuste väärtuste aegridade kujul. Ajateguri alusel prognoosides eeldatakse, et ajas stabiilsed on nii tegurite absoluutsete juurdekasvude kvalitatiivsed ja kvantitatiivsed parameetrid väärtuse kui ka tegurite mõju intensiivsus. Ülaltoodust lähtudes kasutatakse inertsile tuginevat prognoosimist prognoositava nähtuse muutumise trendide modelleerimiseks, sest trend on tavaliselt prognoositava nähtuse muutumise peamine komponent ja kõige stabiilsem osa. PUUDUSED: Inertsile tugineva prognoosi korral on ennustatavad ainult uldised väliskeskkonna teguri muutumise omadused ja seaduspärasused, mis peegeldavad pusivaid põhjus-tagajärg suhteid.
F-statistik on sad2 N ( y i-( b 0 +b1 xi ) )2 ja s2(y) jagatis. Adekvaatsusdispersioon s 2ad = i=1 =5,49, kus N=5, N-d d=2. Tabelist Fkr=F1-(f1;f2), f1=N-d, f2=w-1, FFkr ja H0 järgi võib mudelit lugeda katseandmetega kooskõlas olevaks. Leidmaks mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x=3 ja x = 5, tuleb leida prognoositava väljundi dispersioon x x ^y|¿ ^y|¿ ning usaldusvahemik . s¿ ^y |x =t 1- /2 ( w-1 )s ¿ 20
H0: b=0 (ei ole oluline) H1:b≠0 b t EMP (b) ˆ xi2 3,27 t kr (0,05;3) 3,18 tEMP>tkr => kehtib H1: b0 (parameeter b on oluline) 10.4 Mudeli adekvaatsus s R2 d 1 s2 s R2 ( yi yˆ i ) 2 ei2 11,6 s 2 ( y y ) 2 yi2 53,3 d 0,78 Otsus: Mudel on suure adekvaatsusega. 10.5 Mudeli poolt prognoositava väljundi usaldusvahemikud punktides x=1, x=3. x=5 y 1,93 2,09 x x=1 => y=4,02 x=3 => y=8,19 x=5 => y=12,36 yi yˆ i t kr S yi 1 xi2 S y2ˆi ˆ 2 n x 2 i yi y t kr S yˆi S y2ˆ1 2,46 y1 4,02 4,74 S y2ˆ 3 0,80 y3 8,19 2,86 S y2ˆ 5 2,18 y5 12,36 5,02
Ehk siis heaolul ei ole mingisugust pistmist iibega. Pigem on see seotud sellega, mida inimesed väärtustavad- kas urbaniseerumist või maaelu, kas karjääri või perekonda. Lahendust näen mina õiglase maksusüsteemi leidmisel. Siinkohal olgu ära öeldud, et olen täiesti nõus A.Arraku poolt välja pakutud tulumaksusoodustustega lastevanematele. See aitaks kaasa soovile lapsi saada, suurendaks maksumaksjate arvu ja aitaks üle elada kriisi veelgi suurema prognoositava järeltõuke. Osa Euroopa riike on elanud üle oma võimete tuleviku arvelt. Suurendatud on riiklikke laenukoormusi ja nüüd ei osata enam kriisiolukorraga kohanduda. Mõnel EL liikmel on riigivõlaintress pea 12%. Üks selline riik on Kreeka, kus kulutatakse rohkem kui riigieelarvesse laekub. Kui riike, kes peale Kreeka ja Iirimaa abipakette vajavad peaks lisanduma, siis on lood väga kehvad. Kõige suurem oht hetkel ähvardab meid Itaalias toimuva näol.
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 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6. Joonistada regressioonisirge graafik koos katsepunktide ja punktis 11..5 leitud usaldusvahemikega
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 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 11.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 9.5 leitud usaldusvahemikega Lühikokkuvõte Siin arvutusgraafilises töös tuli esmalt leida põhilised arvkarakteristikud. Lisaks tuli kontrollida ka mitmeid hüpoteese. Neid kas ümberlükata või kinnitada.P
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 11.6 joonistada regressioonisirge graafik koos katsepunktide ja punktis 11.5 leitud usaldusvahemikega Kokkuvõte Kolmandas ülesandes kehtisid võrratused ning hüpoteesid võeti vastu. Neljandas ülesandes võis vastusetest järeldada, et üldkogumite jaoks on mingid teised väärtused. Seitsmendas
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. 11.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x =5 alumin x y(x) (x-) (x-) s()2 e ülemine 1 4,61 -2 4 1,18 2,89 1,73 7,49 3 11,11 0 0 0,66 1,61 9,50 12,72 5 17,61 2 4 1,18 2,89 14,73 20,49 Punktis x = 1 Punktis x = 3 Punktis x = 5 11
Esiteks, eemaldatakse ühekordsed tegurid. Juhul kui teatud aastal riik saab mingit tulu üle teatava protsendi, mida loetakse tavaliseks, siis ületav osa loetaks ühekordseks tuluks ja korrigeeritakse struktuurse tasakaalu arvutuses välja. Samamoodi korrigeeritakse välja ühekordseid kulusid suurendavad mõjud. Teiseks, arvestatakse majandustsükli mõju. See on keerukam. Kõigepealt tuleb välja arvutada potentsiaalne ehk majandusele jõukohase SKP maht ja võrrelda seda tegelik või prognoositava SKP mahuga, ehk leitakse nn ,,SKP lõhe". Positiivse SKP lõhe korral võib majandus olla üle kuumenemas, negatiivse puhul aga SKP maht allapoole selle potentsiaalset taset Euro-Plus Pakt (märts 2011) Peamised tegevussuunad: ·Palkade indekseerimise kõrvaldamine ·Pensioniea tõstmine ·Ettevõtete tulumaksule ühtse aluse kokkuleppimine (common base for corporate taxes) ·Laenamise pidurite kehtestamine ("Schuldenbremse") muudatused riikide
t kr (,) t kr (0,05;3) = 3,18 y -t kr^ y < a < y +t kr^ y -1,36 < b <1,06 10.3 Mudelite liikmete olulisus H0: b=0 (ei ole oluline) H1:b0 b t EMP (b) = ^ xi2 = -0,43 t kr (0,05;3) = 3,18 tEMP>tkr kehtib H0: b=0 (ei ole oluline) 10.4 Mudeli adekvaatsus s R2 d =1 - s2 s R = ( yi - y^ i ) 2 = ei2 = 5362,02 2 s 2 = ( y - y ) 2 = yi2 = 3456,66 d = 15,51 Otsus: Mudel on keskmiselt adekvaatne. 10.5 Mudeli poolt prognoositava väljundi usaldusvahemikud punktides x=1, x=3. x=5 y = 30,37 + ( -0,15) x x=1 => y=30,22 x=3 => y=29.92 x=5 => y=29,62 Y`i^ + tkr Syi Y`i^ - tkr Syi maxS2y1 221,381 tkr Sy1= 52,076 72,487 -31,665 S2y2 229,170 tkr Sy2= 52,984 83,055 -22,913 S2y3 253,973 tkr Sy3= 55,778 86,295 -25,261
(Euroopa Komisjon) Aastal 2008 oli Läänemereäärsete sadamate kaubamaht üle 822 400 000 tonni. (Wikipedia) BDI ehk Balti kuiv indeks arvestab erinevate põhitoorainete meretranspordi maksumust. BDI indeksit arvestatakse igapäevaselt 23 põhi laevamarsuudil veetavate kivisöe, rauamaagi, teravilja ja teiste tahkete ainete maksumust. Arvesse lähevad kogused, mis on suuremad kui minimaalselt nõutud 15 000 tonni. Indeksit arvutatakse igapäevaselt prognoositava transpordimaksumuse järgi erimarsuutidel. BDI sisaldab endas teekonnamarsuudi maksumust USD/tonni kohta. Joonisel 2 tuleb välja, kuidas BDI on selle kasutuselevõtust kuni tänapäevani liikunud. Stabiilses majandusolekus püsib BDI 1000-2000 punkti vahel. Jooniselt 2 tuleb välja hästi 21. sajandi esimese kümnendi majandusbuum, kui nõudlus toodete järgi tõusis ning oldi nõus toote transpordi eest rohkem maksma, mis hiljem väljendus
Projektide puhul, mille rakendamise tulemusena lisandub piirkonda tootlik investeering vähemalt 100 miljoni krooni ulatuses, on toetus projekti kohta kuni 50 000 000 krooni. Toetuse summa määramise aluseks on lisanduva tootliku investeeringu hinnanguline maht ja loodavate töökohtadega kaasnevad prognoositavad tööjõukulud, samuti arvestatakse lisanduva tootliku investeeringuga seotud äriplaani realistlikkust ja ettevõtte prognoositava ekspordikäibe näitajaid. Toetus võib katta kuni 85% projekti abikõlblikest kuludest. EAS on selgelt kirja pannud ka selle, et kontseptsiooni eesmärk on luua kodanikeühenduste riikliku rahastamise terviklik süsteem riigi ja kohaliku omavalitsuse tasandil. Lühidalt ja konkreetselt on oma nõudmised kirja pannud Kultuurkapital, tuues selgelt välja, et ebaselgelt ja puudulikult vormistatud projektidele ja aruandevõlglastele ja võlglastele, või juuriidilistele isikutele kelle
4 1,1 7,2 5,02 2,18 4,75 5 5,1 15,3 13,35 1,95 3,81 15,2 45,3 45,30 0,00 14,36 3,59 Arvutan Fisheri statistiku väärtuse: Seega saab vastu võtta ,leitud mudel on adekvaatne. 9.5 Leian mudeli poolt prognoositava väljundi usaldusvahemikud punktides: x = 1; x = 3; x = 5 Selleks koostan Exceli arvutuskeskkonnas järgmiste valemite põhjal arvutustabeli: x y(x) alumine ülemine 4,812876 1 6 -2,04 4,16 1,17 2,87 1,94 7,69 8,976723
· Maailma adekvaatne tunnetus ja veendumus oma suutlikkuses tekitab kontrollitunde sellele vastand kontrolli puudumine o Tähtis kontrollikese kas kontroll minu sees või väljaspool mind, Tunnetuslik ebakõla e. kognitiivne dissonants - Inimestel vajadus säilitada uskumuste, hoiakute ja arvamuste kooskõla oma välise käitumisega. Vastuolud tekitavad häirituse tunde · Leon Festinger'i igav katse · Saavutusvajadus tekib hetkel tajutava või tulevikus prognoositava tunnustuse ebapiisavusel või puudumisel · Henry Murray (1938) saavutusmotivatsioon on püüd ületada takistusi, rakendada võimu, pingutada millegi raske sooritamise nimel nii hästi ja kiiresti, kui võimalik Sotsiaal-kultuuriline motivatsioon ühiskond ja kultuur programmeerivad inimesi teatud liiki tegevusteks. · Ühiskonna mõju toimib väärtuste, hoiakute ja teadmiste kujunemise kaudu. Näiteks armastusehoolitsemise-, kiindumuse-, inimkooslustesse kuulumise vajadus.
,kus d on oluliste liikmete arv ehk 1 Arvutuse tegin Excelis =7,93 d=2 oluliste liikmete arv mudelis Fkr > F (4,76 > 4,01), see tähendab, et leitud mudelit võib lugeda katseandmetega kooskõlas olevaks. 11.5 leida mudeli poolt prognoositava valjundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 Punktis x = 1 0,767 Punktis x = 3 Punktis x = 5 11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p.11.5 leitud usaldusvahemikega.
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 11.6 Koostada regressioonimudeli graafik koos katsepunktidega ja p leitud usaldusvahemikega
horisontaalne Edasi vaatame kahte kogupakkumise mudelit lühiperioodil: Jäikade hindade mudel Mittetäieliku info mudel Mõlema mudeli korral kehtib Y=Y katusega+alfa(P-EP) Y katusega- tasakaalu seisundi skp steady state seisundi skp, mis saavutatakse kui kõik etteantud ressursid on ära kasutatud etteantud tehnoloogia korral Edasi peale Y katusega on valemis hinnast sõltuv teine tegur Väike a on konstantne parameeter (näitab kui tundlik kogutoodang võrrandi vasakul poolel tegeliku ja prognoositava hinnataesme erinevuse suhtes) (mida suurem a väärtus, seda rohkem rohkem tegelik kogutoodang reageerib sellele hinnataseme lõhele ja mida väiksem see parameeter on mida lähemal nullile, seda väiksem selle vale hinnaprognoosi mõju kogutoodangule) ja sulgudes on tegeliku hinnataseme P ja oodatava/prognoositava hinnataseme EP erinevus EP kokku on oodatav hinnatase, mida prognoositakse Y ja P (muude tingimuste samaks jäädes) positiivselt seotud, seega on SRAS kõver positiivse tõusuga
t EMP (b) = ^ x 2 i = 2,875 6164,8 =24,2 t EMP (b) = 24,8 t kr (0,05;3) = 2,78 tEMP>tkr kehtib H1: b0 (b on oluline) 10.4 Mudeli adekvaatsus s R2 d =1 - s2 s R2 = ( yi - y^ i ) 2 = ei2 = 11,5 s 2 = ( y - y ) 2 = yi2 = 1700,8 11,5 d =1 - = 0,99 1700,8 Kuna d>0,7 on mudel sobiv (adekvaatne) 10.5 Mudeli poolt prognoositava väljundi usaldusvahemikud kui y=min y=mid ja y=max. y = -0,92 + 0,523 x Ymin=1 => Y^min=0,1 10 Ymax=50 => Y^max=84,8 Ykesk=25,2 1 2 S yi = 2 2 + X i n X i 2 2 S y min = 1,55 2 S y max = 1,43 1 S ykesk = 2 = 0,48 2 n
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 F-statistik (arvutustlik) on: s2 3,9 F= 2A = 2,03 s ( y ) 1,92 Tabelist saadud Fkr on Fkr = F1- ( N -d , w -1) = F0 , 95 ( 4,6) = 4,53 Siit järeldame, et kuna kriitiline väärtus on suurem kui arvutuslik väärtus, siis mudel on katseandmetega kooskõlas ehk advekaatne. 10.5 leida mudeli poolt prognoositava väljundi usaldusvahemikud Punktides x=1 x=3 x=5 Usaldusvahemiku üldtingimus/võrrand: (ning valemid arvutamiseks) ^ µy ( y ) y ^ (x) - y P(y ^ ) = 1- ^ (x) + y ^ (x) = b 0 + b1 x y y ^ =t ( w -1) s ( y ^) 1 ( x - x )2 1- s ( y^) = s(y) + 2 N Vx
,,Eesmärkide puu" eeldab mitmete struktuursete ja hirearhiliste tasemete väljatoomist. Iga kõrgema taseme eesmärk peab olema esitletud alleesmärkide näol selliselt, et alleesmärkide arusaamade kogum määraks kindlaks esialgse Delfi meetod ja tesied prognoosimise meetodid 15 eesmärgi arusaama. ,,Eesmärkide puu" ülesehitamine nõuab mitmete prognoosiliste ülesannete lahendamist: objekti arengu prgnoos üldiselt; prognoositava eesmärgi, tasemete ja ,,eesmärgi puu" tippude stsenaariumi moodustamine; kriteeriumid ja nende osakaal ,,eesmärgi puu" tippude paigutamises. Nende ülesannete lahendamisel võib vajaduse korral kasutada ekspertide hinnagute meetodeid. [4] Kollektiivsed ekspertide hinnagute meetodid on individuaalsetega võrreldes tõepärasemad. Need eeldavad ekspertide hinnagute üksmeele kindlaksmääramist prognoosi objekti perspektiivsete arengusuundade teemal
Järeldus: Argument b puhul ,siis H0ei kehti, aga argument a puhul seega H0 kehtib a puhul. 10.4 Kontrollida mudeli sobivust S r2 d 1 S2 S r2 ( y i y i ) 2 ei2 11,48 S 2 ( y i Y ) 2 y i2 1700,83 11,48 d 1 0,99 1700,83 Järeldus: Kuna d>0,7, siis võib järeldada, et mudel on hea. 10.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud, kui y=min, y=kesk ja y=max. 1 x i2 1 2288,0 x min s 2 ( 2 ) 2,87( ) 1,5 n x i y1 2 6 6164,8 y1 t kr s 2y1 0,13 2,78 1,5 0,13 3,5 X Y 5,1 25,2 5,1
õppimine (learning ) S R II Klassikaline tingimine (classical conditioning) Radikaalne biheivioristlik lähenemine J. Watson, I. Pavlov · Tingitud ärritaja - Conditional stimulus (CS) stiimul, mis treeningu alguses ei kutsu esile prognoositavat reaktsiooni · Tingimatu ärritaja - Unconditional stimulus (UCS) stiimul, mis kutsub esile automaatse ja prognoositava reaktsiooni · Tingimatu reaktsioon - Unconditional response (UCR) automaatne ja prognoositav organismi reaktsioon tingimatule ärritajale · Tingitud reaktsioon - Conditioned response (CR) type S conditioning (Skinner) CS UCS UCR CS CR assotsiatsioonid S ja R vahel esilekutsutud reaktsioonid III Operantne käitumine (operant behavior)
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.Leida mudeli poolt prognoositava väljundi usaldusvahemikud punktides x = 1, x = 3 ja x = 5 Punktis x = 1 Punktis x = 3 Punktis x = 5 11.6. Joonistada regressioonisirge graafik koos katsepunktide ja punktis 11.5 leitud usaldusvahemikega 14 12 10 8 6 4 2 0 0 1 2 3 4 5 6 -2 -4 Lühikokkuvõte
10.4 Kontrollida mudeli sobivust S r2 d 1 S2 S r2 ( y i y i ) 2 ei2 34 S 2 ( y i Y ) 2 y i2 2740,4 34 d 1 0,988 2740,4 Järeldus: Kuna d>0,7, siis võib järeldada, et mudel on sobiv. 10.5 Leida mudeli poolt prognoositava väljundi usaldusvahemikud kui y=min, y=kesk ja y=max. 1 xi2 x min s y21 2 ( ) n xi2 y1 t kr s y21 X Y Syi
õppimine (learning ) S R II Klassikaline tingimine (classical conditioning) Radikaalne biheivioristlik lähenemine J. Watson, I. Pavlov · Tingitud ärritaja - Conditional stimulus (CS) stiimul, mis treeningu alguses ei kutsu esile prognoositavat reaktsiooni · Tingimatu ärritaja - Unconditional stimulus (UCS) stiimul, mis kutsub esile automaatse ja prognoositava reaktsiooni · Tingimatu reaktsioon - Unconditional response (UCR) automaatne ja prognoositav organismi reaktsioon tingimatule ärritajale · Tingitud reaktsioon - Conditioned response (CR) type S conditioning (Skinner) CS UCS UCR CS CR assotsiatsioonid S ja R vahel esilekutsutud reaktsioonid III Operantne käitumine (operant behavior)
0,59-2,78*0,014
0,496
t kr (0,05;4) = 2,78 tEMP>tkr kehtib H0, st liige ei ole oluline. tEMP>tkr kehtib H0, st liige ei ole oluline. 10.4 Mudeli adekvaatsus s2 d = 1 - R2 s s R = ( yi - y^ i ) 2 = ei2 = 16,06 2 s 2 = ( y - y ) 2 = yi2 = 1700,8 S R2 16,06 d =1- 2 =1- = 0,991 S 1700,8 Otsus: Mudel on üle 0,6, seega on tegu hea mudeliga. 10.5 Mudeli poolt prognoositava väljundi usaldusvahemikud kui y = min, y = mid, y = max y^ i ± t kr Sy^ i y^1 = 0,54 y2^ min = 2,12 2 1 Sy i = + ^ 2 xi2 ( ) y^ 2 = 9,07 y2^mid =1,29 2 n xi y^ 3 = 21,9
hüvede pakkumiseks. Sotsiaalmaksu kadu võib asetada veelgi rohkem kodanikke sotsiaalse riski alla ehk praegu kindlustamata inimeste protsent riigis kasvab. Töövõtjatele, kes tunnevad ennast kindlustatuna ka vanaduseas. Sotsiaalmaks moodustab ligi poole eelarvesse laekuvatest maksudest. Sotsiaalmaksu maara alandamine 1% võrra mõjutab negatiivselt eelarvesse maksu laekumisi. Juurde tekib 1785 uut töökohta, kuid nendelt laekuv sotsiaalmaks jaab alla prognoositava maksulaekumise vahenemise osa. Riigi eelarvesse tekib sotsiaalmaksete laekumise vahenemiselt puudujaak, millele tuleb otsida uusi rahastamise allikaid. Sotsiaalmaks on tervise- ja pensionisüsteemide sihiline rahastamise allikas ning 8 sellest sõltuvad sotsiaalsed toetused ja siis sotsiaalmaksu kaotamisega vahenevad ka riigi maksulaekumised. Tekib oht tervisekaitse rahastamise jatkusuutlikkuses. 3.3. Tulu-kulu analuus ja jareldused
Prognoosimismeetodid jagunevad kolmeks: Faktijärgsed meetodid Eksperthinnangute meetod (lihtne, sest eskperdid vastavad küsimustele) Kompleksmeetodid (haaravad endasse kõik ülejäänud meetodid, kõige mahukamad, eeldavad meeskonnatööd sh erinevate valdkondade inimeste vahelist koostööd). Need meetodid jagunevad omakorda: Faktijärgsed meetodid: Statistilised meetodid Prognoositava näitaja aegrea alusel Ekstrapolatsioon (ilma eksperthinnanguteta jääb ebapiisavaks) Paindlikud funktsioonid (tekib modelleerimise käigus, võivad sisse tulla trigonomeetrilised väljundid) Autoregressiivsed mudelid Eksponenttasandamine Harmooniliste kaalude võte Splain meetod Box-Jenkinsi mudelid Mitmeteguriline prognoosimine – on hea kui suudame kõik erinevad tegurid arvesse võtta
suundaandvates Kesk-Euroopariikides algas kodifitseerimisprotsess. Selle käigus püüti rooma õiguse põhimõtteid kui ka sätteid süsteemselt arendada vastavusse tööstusrevolutsiooni ning turumajanduse ajajärku astunud ühiskonna nõuetele. Kontinentaalse õigussüsteemi riikides mõistetakse õigusnorme eeskätt kui üldisi käitusmiseeskirju, mis peavadtagama üldise õigluse, moraali ja prognoositava käitumise ühiskonnas. Õigusnormid on peamiselt kirjutatud ehksätestatud õiguse normid. Õigusteadus uurib ja seletab seejuures kirjutatud õiguse olemust ja sisemisi seoseid.Õigusnormide kaudu on ajaloolisest aspektist vaadates algselt ja peamiselt pürgitud üksikkodanike vahelistesuhete reguleerimisele (eraõiguse valdkond). Algses rooma õiguses polnud välja arenenud süsteemsetavalikõigust (sh riigiõigust) niisugusel tasemel, nagu rooma eraõigus.
annaabi.ee 
