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..................................
Eesti Maaülikool Põllumajandus- ja keskkonnainstituut Maastikukaitse ja -hoolduse osakond Proovitüki nr. 711 andmete analüüs Kodune töö nr. 2 õppeaines Andmetöötluse alused Juh.Külliki Kiviste Tartu 2009 Sisukord 1. Proovitüki üldiseloomustus Proovitüki 711 kvartaliks on RO204, eralduse number on 4, kasvukohatüübiks on mustika. Peapuuligiks on mänd, peapuuliigi vanuseks on 35 aastat. Proovitüki raadius 1 rinde puude jaoks on 15 cm, raadius 2 rinde puude jaoks puudub (0). Reljeef on laugjas, mikroreljeef on matlik. Andmed mõõdeti 1. Juulil 2002. aastal. 2. Tunnuste liigid
EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut Veemajanduse osakond PROOVITÜKI NR. 710 ANDMETE ANALÜÜS Informaatika insenerierialadele Kodune töö nr. 2 Juhendaja lektor Külliki Kiviste Tartu 2009 Sisukord Sissejuhatus....................................................................................................................... 3 1. Proovitüki üldiseloomustus........................................................................................... 4 2. Tunnuste liigid...............................................................................................................4 3. Risttabel.................
Metsandus- ja maaehitusinstituut osakond NIMI Proovitükk 815 Andmetöötluse alused II kodune töö Juhendaja: lektor juhendaja Tartu aasta Sisukord Sisukord.............................................................................................................................2 Sissejuhatus....................................................................................................................... 3 2. Diameetri aritmeetiline keskmine ja standardhälve.......................................................4 3. Normaaljaotus................................................................................................................5 3.1 Normaaljaotuse graafik............................................................................................5 3.2 Normaaljaotuse eeldusel.........................................................................................6 4
......................................................................................................... 3 2. Tunnuste liigid...............................................................................................................3 3.Risttabel, filtreerimine....................................................................................................4 4. Rühmitamine................................................................................................................. 4 5. Jaotusfunktsioon............................................................................................................4 6. Graafikud.......................................................................................................................5 7. Valemid......................................................................................................................... 6 9. Jaotuse kuju.............................................................................................................
25,2 11,8 13,2 18 0,12 0,25 12,4 14,6 16 38 0,26 0,51 19,15 17,4 18,8 29 0,20 0,71 15,75 20,2 21,6 30 0,20 0,91 8,45 23 24,4 11 0,07 Diameetri jaotushistogramm 0,99 24,05 25,8 27,2 2 0,01 1,00 19,75 147 1,00 40 21,25 35 17,25 30 12,35 7,7 25 8,95 Klassi kuuluvuse tõenäosus 20
3,756273 3. Et kontrollida, kas antud empiiriline jaotus võiks pärineda normaaljaotusega 4 üldkogumist, leia 2-statistik, vabadusastmete arv ja P-väärtus 0,4399943 4. Kas toodud empiiriline ja teoreetiline jaotus (normaaljaotus) on sobivad või sobimatud? sobivad Olgu proovitüki andmeil leitud männi diameetri aritmeetiline keskmine 35,2 cm ja standardhälve 5,1 cm (ülesannete 5 kuni 8 algandmed) 5. Eeldades männi diameetri normaaljaotust, leida mitu protsenti diameetritest on jämedamad, kui 28 cm P(X>28)= 92,0990 6. Eeldades männi diameetrite korral normaaljaotust, x0,7= 37,9 leida jaotuse 0,7-kvantiil, leia 0,2-täiendkvantiil. x0,8= 39,5
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
Diskreetne arvuliste tunnuste võimalike väärtuste hulk on lõplik või loenduv 5. Mittearvuline tunnus järjestustunnus, nominaaltunnus. Järjestustunnus mittearvuline tunnus, mille väärtused on järjestatavad (Krafti klass, puistu Orlovi boniteet). Nominaaltunnus mittearvuline tunnus, mille väärtused pole järjestatavad. 6. Juhuslik suurus ehk juhuslik muutuja suurus või muutuja, mille väärtus enne mõõtmist või katset ei ole teada. 7. Kuidas on defineeritud jaotusfunktsioon? Jaotusfunktsiooni skitseerimine, graafikult lugemine (kvantiil, kvartiil, mediaan, täiendkvantiil). · Juhusliku suuruse X jaotusfunktsiooni väärtus argumendi x kohal on sellest väiksemate väärtuste esinemise suhteline sagedus (tõenäosus) F(x) = P(X < x). · 0 F(x) 1 ehk jaotusfunktsiooni piirväärtused on 0 ja 1. · F(x) on mittekahanev ja pidev. · P(a < X b) = F(b) F(a) 8. Mis on juhusliku suuruse p-kvantiil? Mis on juhusliku suuruse q-täiendkvantiil?
osakond NIMI PRT 815 ANDMETÖÖTLUSE ALUSED KODUTÖÖ NR. 5 Juhendaja: lektor Tartu AASTA Sisukord Sisukord.............................................................................................................................2 Sissejuhatus....................................................................................................................... 3 2. Diameetri usalduspiirid..................................................................................................4 3. Mitut puud tuleks mõõta?..............................................................................................4 3.1 Mitut puud tuleks mõõta et saada keskväärtuse hinnang veaga 0,3 cm..................4 3.2 Mitut puud tuleks mõõta, et saada keskväärtuse hinnang veaga 1%.......................4 4. Usaldusnivoo...................................................
5. Mittearvuline tunnus järjestustunnus, nominaaltunnus. Järjestustunnusmittearvuline tunnus, mille väärtused on järjestatavad (Krafti klass, puistu Orlovi boniteet). Nominaaltunnusmittearvuline tunnus, mille väärtused pole järjestatavad. 6. Mis on juhuslik suurus? Juhuslikuks suurust nimetatakse, mis sõltub juhuslikest sündmustest ja mille väärtust pole seetõttu võimalik enne sündmuse toimumist kindlalt ennustada. 7. Kuidas on defineeritud jaotusfunktsioon? Jaotusfunktsiooni skitseerimine, graafikult lugemine (kvantiil, kvartiil, mediaan, täiendkvantiil). 8. Mis on juhusliku suuruse p-kvantiil? Juhusliku suuruse X p-kvantiiliks (ingl. k. percentile) nimetatakse niisugust väärtust p, mille korral Mis on juhusliku suuruse q-täiendkvantiil? 9. Mis on tihedusfunktsioon? Tihedusfunktsioon juhusliku suuruse tõenäosuse tihedus, mis avaldub jaotusfunktsiooni tuletisena. 10. Normaaljaotuse skitseerimine (tihedus- ja jaotusfunktsioon)
( esitatud
valemina, tabelina, arvupaaridena või graafikuna). keskväärtus - EX = E(X).
kus xi tähistab diskreetse juhusliku suuruse x väärtust ja p i selle
tõenäosust. Keskväärtus on juhusest sõltumatu suurus, mis paikneb väikseima ja suurima
väärtuse vahel
dispersioon, - Dispersioon on hälbe ruudu keskväärtus. DX = D(X) = E(X-EX) 2=
standardhälve - Standardhälve on ruutjuur dispersioonist
7. Jaotusfunktsioon. - Juhusliku suuruse jaotusfunktsioon on funktsioon, mis seob väärtusega
x vastavusse tõenäosuse, et Xx. Tähistame F-ga
F(x )=P(Xx ) tõenäosus, et JS kuulub paljude väärtuste korral
0 0
teatavasse piirkonda P(a
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
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
13,4 0,0 0,0 0,0 16,9 0,0 0,0 0,0 13,8 0,0 0,0 0,0 15,6 0,0 0,0 0,0 14,5 0,0 0,0 0,0 Hinnangud, hüpoteesid, regressioon Proovitükk nr. 1118 Kodune töö 4 õppeaines Andmetöötluse alused 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), 15,945 dispersioon, 10,725 standardhälve, 3,275 standardhälbe viga 0,205
................................................................................ 8 Sissejuhatus Käesolev praktikumi arvutustöö on koostatud metsaselektsiooni õppeaineaine raames. Töö eesmärgiks on variatsioon-statistilise, dispersioon- ja regressioonanalüüsi teostamine kolme mõõdetud katseala põhjal (katseala algandmed on saadud juhendajalt ning toodud Lisas 1). Igal proovitükil on mõõdetud 50 taime kõrgus (cm) ja võra diameeter kahes suunas (cm). Arvutustes on kasutatud kahe diameetri põhjal arvutatud aritmeetilist keskmist võra diameetrit (cm). Lisaks statistilistele näitajatele on arvutatud ka puude tüvemassid ja katseala puitmassi mahud. 1. Variatsioon-statistiline analüüs Iga proovitüki mõlemale elemendile (kõrgusele ja võra keskmisele diameetrile) on arvutatud erinevaid statistilisi näitajaid, mis on toodud tabelis 1. Aritmeetilise keskmisega leiti igale tunnusele keskmine väärtus katseala piires. Varieerumisulatus
j. tsentraalmoment xi ni Variatsioonikordaja 5.5 2 8.5 16 11.5 28 14.5 41 17.5 20 20.5 12 23.5 4 26.5 1 Joonis 1.1 Jaotusfunktsioon Klassi keskmised 45 40 35 30 25 20 15 10 5 0 5.5 8.5 11.5 14.5 17.5 20.5 23.5 26.5 Harm. Dispersioon St. Asümm. Kaalutud keskm. hälve kordaja Ekstsess Absoluut-hälve keskmine
Samas ei ole see materjal mõeldud matemaatilise statistika konspektiks, vastavad teadmised/materjalid eeldatakse kasutajal enesel olemas olevat. Seetõttu pole ka eriti tegeletud konkreetsete näidetega ega tulemuste tõlgendamisega. See konspekt ei ole Andres Kiviste 1998 aastal ilmunud vihiku "Matemaatilise statistika algteadmisi ja rakenduslikke näiteid MS Exceli keskkonnas" ümbertrükk. MS Wordi dokumendina oli ta olemas juba pool aastat enne ülalnimetatud raamatu ilmumist ja sai siis ka tudengitele kätte jagatud.
Eksponentjaotuse tiheduse ja sellele vastava hüpoteetilise histogrammi graafik Ühtlase jaotuse tiheduse ja sellele vastava hüpoteetilise histogrammi graafik Kõik jaotustiheduse ja empiirilise esinemissageduse graafikud ühes teljestikus 6. Küsimus Konstrueerida samas teljestikus järgmised graafikud: a. Empiirilise jaotusfunktsiooni graafik b. Ühtlase jaotusfunktsiooni graafik parameetritega a=0 ja b=100 Empiiriline jaotusfunktsioon on teoreetilise jaotusfunktsiooni nihutamata ja mõjus hinnang. See on trepina kasvav funktsioon, astme kõrgus on . 7. Küsimus Kontrollida Kolmogorovi- Smirnovi testi abil hüpoteesi, et põhikogumi jaotuseks on fikseeritud parameetritega a=0, b=100 ühtlane jaotus (eelmisel joonisel punasega). (=0,10; seega testi statistiku DN kriitiliseks väärtuseks on Dkr = 0,238) DN on empiirilise ja hüpoteetilise jaotusfunktsiooni maksimaalne erinevus, st.
n i =1 i =1 fi Andmetöötlus sotsiaalteadustes 10 Tulemuste kommenteerimisel võib arvestada, mida sarnasemad on aritmeetiline keskmine, mediaan ja mood, seda sarnasemad on suurem osa tunnuse väärtuseid ja seda rohkem võime uskuda ka aritmeetilist keskmist. Ka miinimum, alumine kvartiil, ülemine kvartiil ja maksimum aitavad hinnata andmete ühtsust ning otsustada, kas valimis on üksikuid erandlike väärtusi (erindeid). Kui valimis on uuritaval tunnusel üksikuid erindeid või kõik väärtused liiga erinevad, siis võib valim olla üldkogumile järelduste tegemiseks, üldistamiseks liiga ebaühtlane. Hindamaks konkreetselt uuritava tunnuse ebaühtlust või hajusust on kasutusele võetud vastavad hajuvuskarateristikud. 2.2.2. Hajuvuskarakteristikud
Muusikateaduse osakond GRETE KELLAMÄE Intonatsiooni varieeruvus diatoonilise helirea mängimisel viiulil I Proseminaritöö Juhendaja: Vanemteadur Allan Vurma Tallinn 2015 Sisukord ABSTRAKT................................................................................................................................2 1. SISSEJUHATUS.....................................................................................................................3 1.1 Helikõrgus........................................................................................................................3 1.2 Helirida.............................................................................................................................4 1.3 Intonatsioon.....................................................................................................
12. Kogumi alamhulk, mida uuritakse ja mille põhjal tehakse järeldusi kogumi kohta, on valim 13. Väljavõttelise vaatluse korral vaadeldakse valimit. 14. Kas on õige väide "Korraga saab võrrelda ainult kaht objekti omavahel" tõsi 15. Ankeetküsitluse korral põhjustab halvasti sõnastatud küsimus süstemaatilise vea. Statistilise kogumi keskmised - Test 2 1. Määra ära, millised keskmised on asendikeskmised ja millised mahukeskmised a. 1. Kvartiil - asendikeskmine b. Mood - asendikeskmine c. geomeetriline keskmine - mahukeskmine d. mediaan - asendikeskmine e. aritmeetiline keskmine mahukeskmine 2. Kõige tüüpilisem väärtus arvukogumis on selle arvukogumi mood 3. Kui arvukogumi aritmeetiline keskmine on väiksem kui mediaan, siis (Vali üks) a. d. esinevad üksikud ekstremaalselt väikesed väärtused 4. Arvukogumis on 10 arvu ja nende aritmeetiline keskmine on 17
Ligikaudseks rühmade arvu määramiseks kasutatakse valemit: r=1+3,32*log n. Kus r – rühmade(intervallide) arv, n – kogumi maht. Intervalliks nim. uuritava tunnuse väärtuse vahemikku, millega määratakse kindlaks missugusesse rühma rühmitatava kogumi liige tuleb arvata. Ms Excelis on rühmitamise jaoks funktsioon FREQUENCY. Kogutud andmed moodustavad statistilise rea, mida korrastatakse, rühmitatake, leitakse nendele statistilised karakteristikud, moodustatakse tabelid ja diagrammid. Kui statistilises reas korrastatakse andmed nende väärtuste kasvavas või kahanevas järjestuses, nim tulemust variatsioonireaks. Lihtsatest ridades on sama palju arve kui on vaatlusega hõlmatud kogumis liikmeid. Intervallitud variatsioonirida hõlmab 2 koostisosa – intervallide loetelu ja igasse interv. langevate rea liikmete arv. 5. Kaalutud aritmeetiline keskmine – tuleb kasutada kui iga variant stat
1. MÕÕTMINE Mõõtmine on objektide võrdlemine - Korraga saab võrrelda ainult kaht objekti omavahel. Kui objekte palju, valitakse välja üks (etalon) ning teisi võrreldakse sellega. Otsene mõõtmine ja kaudne mõõtmine – otseste mõõtmiste kaudu Nimi- ehk nominaalskaala – objektide eristamiseks – sugu, rahvus, huvid, kaubakood, ettevõtte registrinumber Järjestusskaala – võimaldab objekte järjestada mingi tunnuse alusel – nt ettevõtted: väikesed, keskmised, suured – küsitlus: "poolt", pigem poolt kui vastu", "pigem vastu kui poolt", "vastu" – intervallid skaalajaotuste vahel pole võrdsed Intervallskaala – skaalajaotuste intervallid on võrdsed Vahemikskaala – nullpunkti asukoht kokkuleppeline – ajaskaala, Celsiuse skaala temperatuuri mõõtmiseks – võib leida vahesid, ei tohi leida suhteid Suhteskaala – nullpunkt fikseeritud absoluutselt – objekti pikkus, kaal, töötajate arv, käive, m
ELEKTRIMÕÕTMISED ELECTRICITY MEASUREMENTS 3. parandatud ja täiendatud trükk LOENGU KONSPEKT Koostas: Toomas Plank TARTU 2005 Sisukord Sissejuhatus ......................................................................................................................................... 5 MÕÕTMISTEOORIA ALUSED ........................................................................................................ 6 1. Mõõtmine, mõõtühikud, mõõtühikute vahelised seosed.............................................................. 6 1.1. Mõõtmine ............................................................................................................................ 6 1.2. Mõõtühikud ja nende süsteemid .......................................................................................... 6 1.3. Dimensioonvalem
haridus Total Count 443 88 24 555 % within Respondendi 79,8% 15,9% 4,3% 100,0% haridus Chi-Square Tests Kui risttabel on liiga suur (palju tühje või Asymp. Sig. väikeste väärtustega lahtreid) võib neid Value df (2-tailed) kokku tõmmata kas andmeid filtreerides või Pearson 45,508 a
Eraldamine (extraction) Füüsikaline eraldamine Filtreerimine (filtration) Filtreerimine Assotsieerimine (association) Assotsieerimine Kogumine (collection) Kogumine Konstrueerimine (construction) Konstrueerimine Hindamine (evaluation) Hindamine Määratletud karakteristikud Mõõtetulemus Vastavuse hindamine Joon 1 Masinaehitusliku objekti geomeetrilise tolerantsi mudel 4 GEOMEETRILISED OMADUSED Üldist Masinaehituslik detaili saab koostada punktide, joonte, ringjoonte, tasapindade, sfääride, koonuste, silindrite ja ringtorude abil. Täielikuks kirjelduseks on vaja lisada mõõtmed. Sellega saadakse ideaalne detail.
Mainori Kõrgkool Matemaatika ja statistika Loengukonspekt Silver Toompalu, MSc 2008/2009 1 Matemaatika ja statistika 2008/2009 Sisukord 1 Mudelid majanduses ............................................................................................................. 4 1.1 Mudeli mõiste ......................................................................................................................... 4 1.2 Matemaatilise mudeli struktuur ja sisu ................................................................................... 4 2 Funktsioonid ja nende algebra............................................................................................... 5 2.1 Funktsionaalne sõltuvus ....................................
1. Suurus - on nähtuse, keha või aine oluline omadus, mida saab kvaliteetselt eristada ja kvantitatiivselt määrata. Esitatud mõiste suurus võib tähendada suurust üldiselt, nagu pikkus, mass, aeg, temp, takistus, ainehulga kontsentratsioon jne. või mingit konkreetset suurust, nagu teatud varda pikkus, antud traadi elektriline takistus, etanooli ainehulga kontsentratsioon mingis veinis. Mõiste suurus kasutatakse uurivate materjaalsete süsteemide, objektide, nähtuste, protsesside, jne. kirjeldamisel teaduse kõikides valdkondades (füüsika, keemia, jt,) Mõistet suurus ei ole õige rakendada vaadeldava nähtuse, keha või aine omaduse puht kogulises (kvalitatiivse) külje väljendamiseks, nagu mass, suurus, pikkuse suurus, radionukliidi aktiivsuse suurus, pinge suurus, jne., sest kõnealused nähtuse, keha või aine omaduse - mass, pikkus, jne. on ise suurused. Sellistel juhtudel tuleb kasutada mõisteid suuruse väärtust (massi väärtus, jne.) 2. Suuruste süsteem - suurus
EHITUSTEADUSKOND Eesti eluasemefondi puitkorterelamute ehitustehniline seisukord ning prognoositav eluiga Uuringu lõpparuanne Ehituskonstruktsioonid Ehitusfüüsika Tehnosüsteemid Sisekliima Energiatõhusus Tallinn 2011 EHITUSTEADUSKOND Eesti eluasemefondi puitkorterelamute ehitustehniline seisukord ning prognoositav eluiga Uuringu lõpparuanne Targo Kalamees, Endrik Arumägi, Alar Just, Urve Kallavus, Lauri Mikli, Martin Thalfeldt, Paul Klõšeiko, Tõnis Agasild, Eva Liho, Priit Haug, Kristo Tuurmann, Roode Liias, Karl Õiger, Priit Langeproon, Oliver Orro, Leele Välja, Maris Suits, Georg Kodi, Simo Ilomets, Üllar Alev, Lembit Kurik
andlikele direktiividele, mis nõudsid integreeritud ja laiaulatuslikku lähenemist looduslike ressursside kasutamise planeerimisel. Maastik jagatakse tsoonideks alates ürgloodusest kuni tiheasustatud linnaaladeni, hõlbustamaks füüsikaliste, bioloogiliste, sotsiaalsete ja korralduslike suhete mõistmist. Igas tsoonis hinnatakse seitset tunnust, mis määravad rekreatsioonivõimalused: 1) juurdepääs, 2) kaugus, 3) visuaalsed karakteristikud, 4) kaitserežiim, 5) külastuskorraldus, 6) juhuslikud kohtumised teiste külastajatega ja 7) külastajate mõjud. Protsessi etapid: 1. Külastuskogemust mõjutavate tegurite (nii füüsikaliste, sotsiaalsete kui ka halduslike) inventuur ja kaardistamine; 2. Analüüs, mis hõlmab endas konfliktide selgitamist, rekreatsioonivõimaluste klasside määratlemist, nende sidumist metsamajanduslike tegevustega, konfliktide
m t s - w + 0 = w (2.2) V s Teatud sügavusel z suspensiooni pealispinnast ei ole aja t möödudes enam sellise läbimõõduga teri, mille langemiskiirus on suurem kui z/t. Stokes'i valemi alusel on selliste terade diameeter millimeetrites 0,306 z d= (2.3) s - w t kus t on aeg minutites ja z sügavus sentimeetrites. Teistel suurustel on valemiga 2.1 samad ühikud.
TARTU ÜLIKOOL Majandusteaduskond Avatud ülikool KULUDE JUHTIMINE JA CONTROLLING MJJV.09.029 Koostanud professor Toomas Haldma Loengukonspekt ärijuhtimise magistriõppele finantsjuhtimise eriaines TARTU 2015 SISUKORD 1. ETTEVÕTTESISESE ARVESTUSE ROLL JA ARENGUD ............................3 1.1. Strateegiliste nõuete kasv juhtimisele ...............................................................3 1.2. Ettevõtte aruandluse arengusuunad ...................................................................4 1.3. Ettevõttesisese planeerimis- ja aruandlussüsteemi kujundamise vajadused .....6 1.4. Juhtimisarvestuse praktikat mõjutavad tegurid .................................................8 1.4. Ettevõtte kuluarvestuse süsteemi eesmärgid ja komponendid ..........................8 2. ETTEVÕTTE KULUARVESTUSE SÜSTEEM .................................................. 11 2.1.
annaabi.ee 
Sisene Facebook'ga
Sisene Google'ga
Sisene LinkedIn'ga
