Leidsid 28 sarnast õppematerjali, mis on seotud failiga "Rakendusstatistika KT". Need materjalid aitavad sul teemat sügavamalt mõista.
matemaat, matemaatika, hinnete, kontrolltööde, üldkogumis, kasutage, kvartiil, koostage, iseloomustage, usalduspiirid, kleebi, arvkarakteristikud, standardhälve, asümmeetria, andmetega, frequency, vormistatud, diagrammid, sagedustabelid176 70 198 90 187 80 199 90 169 87 199 90 Leidke tunnuse pikkus järgmised arvkarakteristikud: Aritmeetiline keskmine 182.4 Harmooniline keskmine 181.94 Geomeetriline keskmine 182.17 Miinimum 165 Maksimum 199 Variatsiooniamplituud 34 Mood 169 Mediaan 183.5 Alumine kvartiil 175 Ülemine kvartiil 189 Dispersioon 83.68 Standardhälve 9.15 Asümmeetria kordaja -0.005 Ekstsessi kordaja -1.05 Variatsioonikoefitsiendid variatsiooniamplituudi järgi 18.64 standardhälbe järgi 5.02 dke tunnuse pikkus järgmised arvkarakteristikud: average harmean geomean min max max-min mode
192 84 169 70 Mood 169 mode Mood 73 179 84 169 71 Mediaan 183.5 quartile(2) või median Mediaan 79 180 80 169 71 Alumine kvartiil 175 quartile(1) Alumine kvartiil 75 188 70 169 72 Ülemine kvartiil 189 quartile(3) Ülemine kvartiil 84 192 73 169 72 Dispersioon 83.676768 var Dispersioon 34.959495
Protseduurid Risttabelid (Pivot Table) Sagedustabelid ja -histogrammid Pidev arvtunnus Diskreetne arvtunnus Mittearvuline tunnus Arvkarakteristikud Usalduspiirid Hüpoteeside kontroll http://www.htg.tartu.ee/~a9tp/mirror/www.eau.ee/%257Ektanel/kool_ja_too/stat_excelis/ (1 of 2)29.05.2006 15:08:49 Andmeanalüüs MS Exceli abil Üldskeem z-test (keskväärtuse võrdlemine konstandiga, kahe üldkogumi keskväärtuste võrdlemine teadaolevate dispersioonide korral)
3. Kvoot- kaubanduskeskustes või telefoniküsitluste tüüpi 4. Lumepall- kasvab edasi leitud küsitletavate abil, kes juhatavad teiste sobivate küsitletavate juurde. Heas valimiuuringus on juhuslikud valikud. Valimi representatiivsus valimis on sama palju inimesi kui üldkogus. Valimi suuruse määrab aeg, raha, järelduste täpsusaste, uuritava populatsiooni suurus. Meetodi valik Vaadake, mis tüüpi on tunnus Nominaaltunnus: kasutage protsente, vastajate arve Järjestustunnus: kasutage protsente, vastajate arve Arvuline tunnus: kasutage keskmisi, standardhälbeid Arvtunnus Järjestustunnus Nominaaltunnus Nominaal-tunnus Keskmiste võrdlus. Risttabelid. Risttabelid. Usalduspiirid, T-test Seosekordajad (hii- Seosekordajad (hii- ruut-statistik) ruut-statistik)
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
........................................................................16 4.3. Statistiliste hüpoteeside kontrollimine...............................................................................16 4.3.1. Hüpoteesid ühe üldkogumi keskväärtusele.....................................................................17 4.3.2. Hüpoteesid ühe üldkogumi binaarse tunnuse väärtuse osakaalule ................................ 18 4.3.3. Hüpoteesid kahes sõltumatus üldkogumis keskväärtuste võrdlemiseks.........................18 4.3.4. Hüpoteesid kahes sõltuvas üldkogumis keskväärtuste võrdlemiseks.............................19 4.3.5. Hüpoteesid kahes üldkogumis binaarse tunnuse väärtuse osakaaludele.........................19 Lisa 1. Kriteeriumid sisuka hüpoteeside kontrollimiseks.......................................................20 Lisa 2. Valik Studenti t-jaotuse täiendkvantiilide väärtuseid..........................................
3. vabaliikme abil saame kirjeldada seoste tugevust 4. regressiooni kordaja b abil saame kirjeldada seose tugevust Dispersioonanalüüsi eesmärk on: 1. dispersioonide leidmine 2. uuritava nähtuste tegurite mõju olulisuse hindamine Valimi andmete põhjal saadi järgmised tulemused: aritm.keskmine=80 ja standardhälve 20. Üldkogumi maht 1200. Kui suur peaks olema valim, et teha kindlaks üle 110 väärtusega elementide osakaalu üldkogumis täpsusega +/-4 ühikut, usaldatavusega 95%. 1. 1700 (üldkogum 1200) 2. 1280 (üldkogum 1200) 3. Ei saa arvutada, sest dispersioon ei ole teada (standarthälbe väärtus on olemas, tõstam ruutu saan dispersiooni, 2. Tahan teha kindlaks elementide osakaalu, ehk et kui dispersiooni ei tea, saan arvutada võttes maksimaalse dispersiooni) 4. Ei ükski eelpool toodud valikutest Dispersioonanalüüsil 1
23,75 Selleks arvuta järgmised statistikud oma proovitüki kohta 24,85 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: 21,7 aritmeetiline keskmine, 18,05 dispersioon, 19 standardhälve, 25,35 valimi maht, 20,4 standardviga, 21,5 variatsioonikordaja, 21,4 suhteline standardviga e katsetäpsus. 17,5 2) Leida diameetri usalduspiirid: 20,25 aritmeetilise keskmise 95%lised usalduspiirid, 21,74 25,25 aritmeetilise keskmise 90%lised usalduspiirid, 21,88 19,35 dispersiooni 95%lised usalduspiirid, 18,39 29,7 dispersiooni 90%lised usalduspiirid, 19,11 23 standardhälbe 95%lised usalduspiirid, 4,29
rtuse hinnang Variatsi täpsuseg oonikor a 1%. daja 59,14 N= 3498 diameetrit 5) Usaldusnivoo on uurija poolt ette antud tõenäosus kuhu üldkogumi parameeter kuulub teatud (küllalt suure) tõenäosusega. Seda tähistatakse 1-. Selle väärtuseks võetakse tavaliselt metsanduslikes uurimustes 0,95. 6)Vastavalt usaldusnivoo etteeantud väärtustele arvutatakse usalduspiirid s.o. kaks arvu mille vahel asub üldkogumi parameeter tõenäosusega 1-. 7) Standartveaks nimetatakse aritmeetlise keskmise kui keskväärtuse hinnangu standarthälvet. 8) Katsetäpsuseks nimetatakse suhtelist standartviga protsentides. 9) Standardvea arvutamise valem (Equation Editoriga) sx sx = N 10) Katsetäpsuse arvutamise valem sx sx V = 100 = x Px = 100 x N x N 11) N leidmise valem, kui on ette antud standardviga
Eelduste kontrollimine: Tunnusetüüpi vaatleb uurija ise, normaaljaotuse olemasolu saab analüüsida testidega nagu Kolmogorov-Smirnovi või Shapiro-Wilki. Sageli võivad need testid näidata, et normaaljaotus puudub(kui sig on alla 0,05), kuid tsentraalse piirteoreemi kohaselt on suurte valimite korral alati tegu normaaljaotusega. Normaaljaotust saab hinnata ka visuaalselt- histogrammi, karpdiagrammi, tõenäosuspaberi jne abil. Meil on valim, mille abil tahame uurida keskväärtust üldkogumis. Testime hüpoteeside paari. H0 µ = µ0 üldkogumi keskväärtus vastab mingile standardile H1 µ µ0 üldkogumi keskväärtus ei vasta sellele standardile Kui eeldused on kontrollitud ja testitavad hüpoteesid on paigas, võime asuda t-testi läbiviimise juurde. Selleks tuleb meil välja arvutada t-statistiku väärtus(valemiga). Näiteks soovitakse kontrollida, kas noored, kes pärast ülikooli tööle lähevad, töötavad keskmiselt 40 tundi
valimi maht, 128 standardviga, 0,289 variatsioonikordaja, 20,539 variatsioonikordaja viga, 1,284 suhteline standardviga e katsetäpsus. 1,815 2) Leida diameetri usalduspiirid: keskväärtuse 95%lised usalduspiirid, 15,90914 15,98086 keskväärtuse 90%lised usalduspiirid, 15,91498 15,97502 dispersiooni 95%lised usalduspiirid, 8,82736 13,35753 dispersiooni 90%lised usalduspiirid, 9,215363 12,72356 standardhälbe 95%lised usalduspiirid, 2,971087 3,654795
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 .......................................................
● lineaarsed vaatluste yi suhtes. KUI Kehtivad klassikalise lineaarse mudeli eeldused Sellisel juhul annab vähimruutude meetod lineaarse regressioonmudeli jaoks parima lineaarse nihketa hinnangu (BLUE) 21. Lineaarse mudeli parameetrite tõlgendus üldjuhul. y = b + ax a - sirge tõus (näitab, kui palju muutub y, kui x muutub ühiku võrra) b - konstant ehk vabaliige (näitab, millega võrdub y, kui x=0) 22. Parameetrite hinnangute usalduspiirid, millest sõltub usaldusvahemiku laius Usalduspiiride leidmisel lähtutakse sellest, et parameetrite hinnangute standardiseeritud erinevused tegelikest väärtustest alluvad t jaotusele vabadusastmete arvuga v=n-2 Parameetrite hinnangute standardvead näitavad, kui täpsed on parameetrite hinnangud. Täpsemate hinnangute saamiseks peavad x väärtused võimalikult palju hajuma. Usalduspiiride leidmisel lähtutakse sellest, et parameetrite hinnangute standardiseeritud
mitu korda on ta eelmisest suurem. Ruutkeskmine – rakenduslik tähtsus on suur dispersioonanalüüsis, korrelatsioonikordajate leidmisel ja muudes statistliste protseduurides. 6. Mediaan – korrastatud statistilise rea keskliige, millest mõlemale poole jääb võrdne arv liikmeid. Ühele poole jäävad on väiksemad ja teisele poole jäävad suuremad. Kvartiilid –Jagavad stat rea neljaks osaks, millel igas on võrdne arv liikmeid. Esimene kvartiil on mediaan rea esimesest poolest, teine kv. on mediaan, kolmas mediaan rea teisest poolest. Detsiilid jaotavad stat rea kümneks osaks (D1..D9).Tsentiilid jaotavad stat rea 100 võrdse liikmete arvuga osaks(T1..T99) 7. Mood – kõige sagedamini korduv tunnuse väärtus. Seda kasutatakse siis, kui soovitakse kogumit iseloomustada temas kõige sagedamini esineva nähtuse alusel. Mood on kõige tüüpilisem väärtus.
Andemanalüüsi konspekt: Mõisteid küsitakse eksamis: näidete toomise, selgitamise, võrdlemise ja analüüsimise tasandil. Binaarne tunnus- sugu; jah/ei Järjestustunnus- kooli tüüp, 1-väga hea, 2- hea jne(NB!- Õpilaste hinnang koolile), kui suured on klaassid- väga suured, suured jne, milline kooli maine- väga hea, hea jne, millisesse vahemikku jääb arv (0-200, 201-301 jne) oluline oleks, et Display frequence ees oleks linnuke, siis saab teha sagedustabeli Intervalltunnus- 1-väga hea, 2-hea jne (NB!_- Kooli hoolekogu hinnang eelmise õppeaasta tulemustele?/ Kooli hoolekogu hinnang eelmise aasta juhtimisele?) , hulk (n: minu klassi avatakse), vanus (keskmine vanus), kui kaugel asub kool millestki- km-tes, Nimitunnus- millegi nimi, huviringude nimed, kooli nimi jne, kas koolis töötab nõustaja- ei tööta, töötab, mõlemad jne, Kiire ü
keskmine on lähedane üldkogumi keskväärtusele. Usalduspiirid Üldkogumi keskväärtuse usalduspiiriks nim. valimi põhjal määratud vahemikku, kuhu valimi keskmine kuulub teatud tõenäosusega (enamasti 95%, aga ka 99%). Ehk kui kordaksime testi, siis selle teatud tõenäosusega jääks ka uue valimi keskmine nendesse piiridesse. Kui näiteks kahe võrreldava grupi usalduspiirid ei kattu, saame öelda, et tõenäoliselt laieneb valimi erinevus ka populatsioonile. Vastavalt usaldusnivoo väärtusele arvutatakse parameetri usalduspiirid so. kaks arvu, mille vahel parameeter asub etteantud tõenäosusega. Valem 95% usalduspiiride arvutamiseks: Alumine usalduspiir= X̅-1.96SD*SEM Ülemine usalduspiir= X̅+1.96SD*SEM Usaldusnivoo (confidence level) on psühholoogias 95%, ehk et 95 % tõenäosusega
· Mõju parameetrite hinnangule · Parameetrite hinnangud on lineaarsed nihketa hinnangud, kuid nad ei ole parimad, st nad ei ole vähima dispersiooniga, nad ei ole efektiivsed. Mis juhtub heteroskedastiivsuse korral? · 1.Hinnangud ei ole efektiivsed. · 2.Parameetri hinnangute standardhälbed on nihkega ja üldjuhul ei ole teada, kas leitud standardhälve ülehindab või alahindab hinnangu tegelikku standardhälvet. · 3.Leitud usalduspiirid ei ole tõesed, seega ei pruugi usaldusväärsed olla ka hüpoteeside testimise tulemused. Heteroskedastiivsuse avastamine Heteroskedastiivsuse olemasolu vahetu kontrollimine ei ole enamasti võimalik, kuna valimi põhjal ei saa leida juhuslike vigade dispersioone. Analüüsitakse vaid hinnatud mudeli jääkliikmete ruutusid käsitledes neid juhuslike vigade dispersioonide hinnangutena. Jääkliikmete ruutude põhjal otsustatakse, kas mudelis on
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
Uurimismeetodid psühholoogias (SOPH.00.282; 6 EAP) Kokku käsitletakse loengutes/seminarides/praktikumides seitset suuremat teemat, lisaks tuleb lugeda ka õpikust Kõigi teemade kohta on õppejõud koostanud lühikonspektid, mida auditoorse töö käigus pikemalt kommenteeritakse (koos näidetega). Mõnede teemadega kaasnevad praktilised tööd, kokku 5. Iga töö kohta tuleb vormistada aruanne/protokoll (tähtaeg määratakse iga töö kohta eraldi). Kuna on tegemist võimalikult praktilise kursusega, siis on auditoorsel tööl kohalolek kohustuslik. Aine lõpeb kirjaliku eksamiga. Eelduseks eksamile pääsemiseks on kontrolltöö sooritamine (9. aprill 2012) ja praktiliste tööde tegemine ning esitamine. Lisaks on vaja osaleda mõnes psühholoogilises uurimuses aineväliselt (2h). Teemad: · Eksperimentaalne meetod psühholoogias · Uurimistöö allikad. Uurimustöö eetika (praktiline töö nr. 1; Ch 6-7) · Mõõtmine ja mõõtmisskaalad (praktiline töö nr 2; Ch 8) ·
Viies, parandatud trükk Toimetaja: Hele Kiisel Illustratsioonid ja graafikud: Elis Saar Korrektor: Maris Makko Kujundaja: Janek Saareoja ISBN 978-9949-489-95-4 (trükis) ISBN 978-9949-489-96-1 (epub) Trükitud trükikojas Print Best 4 Sisukord osa 0 – SISSEJUHATUS . .................... 17 OSA 2 – arvud ..................................... 75 matemaatika meie ümber ................... 20 arvuhulgad .......................................... 78 Matemaatika kui keel ....................................21 Naturaalarvud ...............................................78 Matemaatika muutub ja areneb .....................22 Täisarvud .......................................................82 Mis on matemaatika? ....................................23 Ratsionaalarvud ......
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
AAVO LUUK PSÜHHOLOOGIA ALUSED LOENGUKONSPEKT ESIMENE OSA TARTU 2003 Psühholoogia alused 2 SISUKORD 1. Sissejuhatus psühholoogia probleemidesse 3 2. Psühholoogia valdkonnad ja uurimismeetodid 6 3. Psüühika bioloogilised alused I. Närviraku ehitus ja funktsioneerimine 11 4. Psüühika bioloogilised alused II. Närvisüsteemi makrostruktuur 14 5. Aistingud I. Aistingute teooria ja mõõtmine 18 6. Aistingud II. Aistingud eri modaalsustes 21 7. Taju 26 8. Mälu I. Mälu liigid ja mudelid 30 9. Mälu II. Mälu struktuurid ja protsessid 35 10. Õppimine I. Käitu
UNIVISIOON Maailmataju Autor: Marek-Lars Kruusen Tallinn Detsember 2012 Esimese väljaande eelväljaanne. Kõik õigused kaitstud. 2 ,,Inimese enda olemasolu on suurim õnn, mida tuleb tajuda." Foto allikas: ,,Inimese füsioloogia", lk. 145, R. F. Schmidt ja G. Thews, Tartu 1997. 3 Maailmataju olemus, struktuur ja uurimismeetodid ,,Inimesel on olemas kõikvõimas tehnoloogia, mille abil on võimalik mõista ja luua kõike, mida ainult kujutlusvõime kannatab. See tehnoloogia pole midagi muud kui Tema enda mõistus." Maailmataju Maailmataju ( alternatiivne nimi on sellel ,,Univisioon", mis tuleb sõnadest ,,uni" ehk universum ( maailm ) ja ,,visioon" ehk nägemus ( taju ) ) kui nim
UNIVISIOON Maailmataju A Auuttoorr:: M Maarreekk--L Laarrss K Krruuuusseenn Tallinn Märts 2015 Leonardo da Vinci joonistus Esimese väljaande kolmas eelväljaanne. Autor: Marek-Lars Kruusen Kõik õigused kaitstud. Antud ( kirjanduslik ) teos on kaitstud autoriõiguse- ja rahvusvaheliste seadustega. Ühtki selle teose osa ei tohi reprodutseerida mehaaniliste või elektrooniliste vahenditega ega mingil muul viisil kasutada, kaasa arvatud fotopaljundus, info salvestamine, (õppe)asutustes õpetamine ja teoses esinevate leiutiste ( tehnoloogiate ) loomine, ilma autoriõiguse omaniku ( ehk antud teose autori ) loata. Lubamatu paljundamine ja levitamine, või nende osad, võivad kaasa tuua range tsiviil- ja kriminaalkaristuse, mida rakendatakse maksimaalse seaduses ettenähtud karistusega. Autoriga on võimalik konta
UNIVISIOON Maailmataju Autor: Marek-Lars Kruusen Tallinn Detsember 2013 Leonardo da Vinci joonistus Esimese väljaande teine eelväljaanne. NB! Antud teose väljaandes ei ole avaldatud ajas rändamise tehnilist lahendust ega ka ülitsivilisatsiooniteoorias oleva elektromagnetlaineteooria edasiarendust. Kõik õigused kaitstud. Ühtki selle teose osa ei tohi reprodutseerida mehaaniliste või elektrooniliste vahenditega ega mingil muul viisil kasutada, kaasa arvatud fotopaljundus, info salvestamine, (õppe)asutustes õpetamine ja teoses esinevate leiutiste ( tehnoloogiate ) loomine, ilma autoriõiguse omaniku ( ehk antud teose autori ) loata. Autoriga saab kontakti võtta järgmisel aadressil: [email protected]. ,,Inimese enda olemasolu on suurim õnn, mida tuleb tajuda." Foto allikas: ,,Inimese füsioloogia", lk. 145, R. F. Schmidt ja G. Thews, Tartu 1997.
KESKKONNAKAITSE JA KORRALDUS 1. loodus- ja keskkonnakaitse üldküsimused Keskkonnakaitse: atmosfääri, maavarade, hüdrosfääri ratsionaalse kasutamise ja kaitse, jäätmete taaskasutamise või ladustamise, kaitse müra, ioniseeriva kiirguse ja elektriväljade eest. Keskkonnakaitse on looduskaitse olulisim valdkond. Looduskaitse : looduse kaitsmist (mitmekesisuse säilitamist, looduslike elupaikade ning loodusliku loomastiku, taimestiku ja seenestiku liikide soodsa seisundi tagamine), kultuurilooliselt ja esteetiliselt väärtusliku looduskeskkonna või selle elementide säilitamine, loodusvarade kasutamise säästlikkusele kaasaaitamine 2. loodus- ja keskkonnakaitse mõiste Keskkonnakaitse- rahvusvahelised, riiklikud, poliitilis-administratiivsed, ühiskondlikud ja majanduslikud abinõud inimese elukeskkonna saastamise vähendamiseks ja vältimiseks ning l
Erakorralise meditsiini tehniku käsiraamat Toimetaja Raul Adlas Koostajad: Andras Laugamets, Pille Tammpere, Raul Jalast, Riho Männik, Monika Grauberg, Arkadi Popov, Andrus Lehtmets, Margus Kamar, Riina Räni, Veronika Reinhard, Ülle Jõesaar, Marius Kupper, Ahti Varblane, Marko Ild, Katrin Koort, Raul Adlas Tallinn 2013 Käesolev õppematerjal on valminud „Riikliku struktuurivahendite kasutamise strateegia 2007- 2013” ja sellest tuleneva rakenduskava „Inimressursi arendamine” alusel prioriteetse suuna „Elukestev õpe” meetme „Kutseõppe sisuline kaasajastamine ning kvaliteedi kindlustamine” programmi Kutsehariduse sisuline arendamine 2008-2013” raames. Õppematerjali (varaline) autoriõigus kuulub SA INNOVEle aastani 2018 (kaasa arvatud) ISBN 978-9949-513-16-1 (pdf) Selle õppematerjali koostamist toetas Euroopa Liit Toimetaja: Raul Adlas – Tallinna Kiirabi peaarst Koostajad: A
Eesti Rahvusraamatukogu digitaalarhiiv DIGAR Eesti Rahvusraamatukogu digitaalarhiiv DIGAR Ain Tulvi LOGISTIKA Õpik kutsekoolidele Tallinn 2013 Eesti Rahvusraamatukogu digitaalarhiiv DIGAR Käesolev õppematerjal on valminud „Riikliku struktuurivahendite kasutamise strateegia 2007- 2013” ja sellest tuleneva rakenduskava „Inimressursi arendamine” alusel prioriteetse suuna „Elukestev õpe” meetme „Kutseõppe sisuline kaasajastamine ning kvaliteedi kindlustamine” programmi „Kutsehariduse sisuline arendamine 2008-2013” raames.
annaabi.ee 
