Tulemused Risttabelid e. liigendtabelid (paigutada esitada töölehtedel Otsing_1 ja Otsing_2. töölehele Risttabel+Diagramm) Etteantavate väärtuste lahtritele määrata valideerimine loeteluga. Koostada risttabel inimeste hobide esinemissageduste analüüsimiseks Leida kõige vanema töötaja perekonnaseis. naiste/meeste ja linnade lõikes. Risttabeli andmete alusel koostada sobiv Leida, mittu etteantud liiki lemmiklooma on etteantud diagramm. ametis töötavatel inimestel. Koostada risttabel koduloomade liigi ja arvu Leida, kes on kõige vanema töötaja koduloom. kohta naiste/meeste ja linnade lõikes. Risttabeli andmete alusel koostada sobiv Leida, mittu etteantud liiki lemmiklooma on etteantud diagramm
0 Väljastada töölehele Filter_1 nende töötajate esinemissageduste analüüsimiseks ees- ja perenimed, kelle palk on suurem kui linnade ja vanusegruppide lõikes. 10000. Vanusegrupid koostada 15 aasta kaupa. Väljastada töölehele Filter_2 nende inimeste Risttabeli andmete alusel koostada isikukoodid ning ees- ja perenimed, kellel ei sobiv diagramm. ole ühegi teise töötajaga sama sünniaasta. 1 Moodustada töölehele Filter_1 nimekiri Koostada risttabel inimeste hobide meesautojuhtide hobidest (ainult unikaalsed esinemissageduste analüüsimiseks väärtused). linnade ja osakondade lõikes.
0 Väljastada töölehele Filter_1 nende töötajate esinemissageduste analüüsimiseks ees- ja perenimed, kelle palk on suurem kui linnade ja vanusegruppide lõikes. 10000. Vanusegrupid koostada 15 aasta kaupa. Väljastada töölehele Filter_2 nende inimeste Risttabeli andmete alusel koostada isikukoodid ning ees- ja perenimed, kellel ei sobiv diagramm. ole ühegi teise töötajaga sama sünniaasta. 1 Moodustada töölehele Filter_1 nimekiri Koostada risttabel inimeste hobide meesautojuhtide hobidest (ainult unikaalsed esinemissageduste analüüsimiseks väärtused). linnade ja osakondade lõikes.
kes on sündinud 70-ndatel (sünniaasta 196...) Väljastada töölehele Filter_1 nende töötajate ees- ja perenimed, kelle palk on rohkem kui 10000. Väljastada töölehele Filter_2 nende inimeste isikukoodid ning ees- ja perenimed, kellel ei ole ühegi teise töötajaga sama sünniaasta. Risttabelid e. liigendtabelid (paigutada töölehele Risttabel+Diagramm) Koostada risttabel töötajate perekonnaseisu analüüsimiseks ametite ja linnade lõikes. Risttabeli andmete alusel koostada sobiv diagramm. Koostada risttabel töötajate perekonnaseisu analüüsimiseks ametite ja linnade lõikes. Risttabeli andmete alusel koostada sobiv diagramm. Koostada risttabel lemmikloomade liigi ja hulga kohta sugude ja linnade lõikes. Risttabeli andmete alusel koostada sobiv diagramm. Koostada risttabel hobide esinemissageduse analüüsimiseks meeste-naiste ja linnade lõikes. Risttabeli andmete alusel koostada sobiv diagramm.
0 Väljastada töölehele Filter_1 nende töötajate esinemissageduste analüüsimiseks ees- ja perenimed, kelle palk on suurem kui linnade ja vanusegruppide lõikes. 10000. Vanusegrupid koostada 15 aasta kaupa. Väljastada töölehele Filter_2 nende inimeste Risttabeli andmete alusel koostada isikukoodid ning ees- ja perenimed, kellel ei sobiv diagramm. ole ühegi teise töötajaga sama sünniaasta. 1 Moodustada töölehele Filter_1 nimekiri Koostada risttabel inimeste hobide meesautojuhtide hobidest (ainult unikaalsed esinemissageduste analüüsimiseks väärtused). linnade ja osakondade lõikes.
0 Väljastada töölehele Filter_1 nende töötajate esinemissageduste analüüsimiseks ees- ja perenimed, kelle palk on suurem kui linnade ja vanusegruppide lõikes. 10000. Vanusegrupid koostada 15 aasta kaupa. Väljastada töölehele Filter_2 nende inimeste Risttabeli andmete alusel koostada isikukoodid ning ees- ja perenimed, kellel ei sobiv diagramm. ole ühegi teise töötajaga sama sünniaasta. 1 Moodustada töölehele Filter_1 nimekiri Koostada risttabel inimeste hobide meesautojuhtide hobidest (ainult unikaalsed esinemissageduste analüüsimiseks väärtused). linnade ja osakondade lõikes.
Bonferroni – gruppide suurused erinevad. Korrelatsioon näitab seost kahe tunnuse vahel. Korrelatsiooni koefitsent on alati -1…1 ja näitab kahte asja: seose suunda ja tugevust. Pearson r eranditeta invervalltunnused, pole erandlikke väärtusi, seos lineaarne. Spearman ϱ järjestustunnus+järjestus, intervall+J, I+I Kendall τ järjestustunnus + järjestustunnus, väike valim palju sarnaseid väärtusi Cramer V (nimitunnust võrreldakse binaarsega, arvut risttabeli alusel, suunda ei näidata) Hii ruut- võrdleb binaarseid, nimi ja/või järjestustunnuseid risttabeli põhjal. Nt. 2 gruppi (M,N) võrreldi ühe järjestustunnuse (palk) sageduse (nt. kui suur osa N ja M teenib keskmist) põhjal. Mis on α?-veapiir mida teadlane endale lubab, 1% või 5%. TULEMUSED: Mean- keskmine. N- vastajate arv. Std. hälve e. mediaan- keskmine erinevus keskväärtusest ehk hajuvus. ρ -
need pole olulised, arvutatakase järjekorranumbri alusel. Saab arvutada nii intervall kui ka järjestustunnuse korral.või kui tegemist on erandlike juhustega Kendall (TT) arvutatakse objekti paaride korral. Kasutus sama nagu Spearmannil Cramer (V) - mitteparameetline korrelatsioni kordaja, nimi ja binaartunnuse korral. Ei tõlgenda suunda, kuna järeldused ei tule loogilised (mida rohkem mees, seda rohkem targem). Arvutatakse risttabeli põhjal. Võtad risttabeli, siis sealt kõrvalt statistiks ja valid phi ja crameri v Correlations sisetulek viimasel kuul haridustase Kendall's tau_b sisetulek viimasel kuul Correlation Coefficient 1,000 ,261** Sig. (2-tailed) (olulisus tõenäosus, kui suure tõenäosusega on saadud tulemus juhuslik.) . ,000 N 829 829 haridustaseCorrelation Coefficient ,261** 1,000 Sig. (2-tailed) ,000 . N 829 882
10 #VALUE! Summad arv M_kogus V_kogus M_maks V_maks Y_maks ärvide koond ark - materjali mark ogus - L aksumus - Kr Materjali kogused ja maksumused markide lõikes Materjali kogused ja ma Funktsiooni SUMIF kasutamine Risttabeli kasutamine Materjali kogused ja maksumused markide lõikes Risttabeli kasutamine Andmeloendid Värvide kogused ja maksumus kuupäevade lõikes Värvide kogused ja maksumus ku Funktsiooni SUMIF kasutamine Risttabeli kasutamine gused ja maksumus kuupäevade lõikes kasutamine Andmeloendid Funktsioon SUMIF SUMIF leiab kriteeriumile vastavad väärtused piirkonnas1 ning liidab kokku samades positsioonides olevad väärtused piirkonnas2.
Autotehnika Transport ja logistika Autotehnika Autotehnika Autotehnika Autotehnika Transport ja logistika Transport ja logistika Tootmiskorraldus Autotehnika Hoonete ehitus 1 Tööülesanne Ava fail Kysitlus.xslx. Kopeeri käesolev tööleht faili Kysitlus.xslx. Selleks klõpsa tööle klahvi ja vali Move or Copy. Vali ripploendist fail Kysitlus.xslx, väljal Before sheet end ja märgista Create a Copy. Seejärel jätka risttabelite loomisega. 3 Risttabelite vormin Vaata 2. risttabeli tulemust erinevate küljendustega: klõpsa 2. risttabelil; vali Design menüüst käsk Report Layout; vaheta erinevaid küljendusi. Muuda 3. risttabeli tekstid, sisestades järgnevad tekstid: Grand Total - Kokku, Max oled juba äppe kasutanud - Suurim, Min of Mitu aastat oled juba äppe kasu Väikseim, Column/Row Labels - Eriala/Elukoht. Sorteeri 2. risttabelis Rows alal olevad andmed vastupidiselt: klõpsa Row Labels lahtri ripploendi märgil; vali Sort Z to A.
võtta (R paketis teeb seda lausa vaikimisi). T-test võimaldab kergesti tellida ka paarikaupa võrdlusi, ehk siis, kui meil on sõltuvad valimid, testitakse, kas erinevus on 0. Meie näide ongi selline, sest kummastki järveosast on võetud igal aastal täpselt samal ajal. Kuna tegu on sama veekogu osadega, on samal ajal tehtud mõõtmised seotud (teatud mõttes sõltuvad) - ilmastik jms olud on sarnased. 12) Risttabel- on selline tabel, kus on esitatud vastajate jaotus kahe tunnuse lõikes. Risttabeli elementideks on read, veerud ja lahtrid, mille järgi nimetatakse ka tabelisse märgitavaid protsente. Rea protsendid: mitu % selle rea inimestest kuulub ühte või teise veergu. Veeru protsendid: mitu % selle veeru inimestest kuulub ühte või teise ritta. Üldised protsendid: mitu % selle tabeli inimestest kuulub ühte või teise lahtrisse. 13) Hii-ruut-statistik, selle kasutamine seose uurimiseks risttabelis, Crameri V
Hüpoteesid püstitatakse paaridena nullhüpoteesist ja alternatiivhüpoteesist. · Alternatiivhüpoteesi nimetatakse ka sisukaks hüpoteesiks. · Alternatiivhüpoteesis sõnastatakse tavaliselt see, mida tahetakse tõestada. · Nullhüpoteesiga väidetakse teatavas mõttes vastupidist alternatiivhüpoteesile. · Hüpoteesid sõnastatakse nii, et üks neist peab alati kehtima. 11) T-test keskmiste võrdlemiseks. 12) Risttabel, protsendid risttabelis. Risttabeli elementideks on read, veerud ja lahtrid, mille järgi nimetatakse ka tabelisse märgitavaid protsente. · Rea protsendid: mitu % selle rea inimestest kuulub ühte või teise veergu. · Veeru protsendid: mitu % selle veeru inimestest kuulub ühte või teise ritta. Üldised protsendid: mitu % selle tabeli inimestest kuulub ühte või teise lahtrisse 13) Hii-ruut-statistik, selle kasutamine seose uurimiseks risttabelis, Crameri V
Val 2011 Juriidiline isik Harju Maakond 1 2011 Füüsiline isik Pärnu Maakond Pärnu 1 2011 Juriidiline isik Harju Maakond Tallinn 1 2010 Füüsiline isik Saare Maakond Kuressaare 1 2011 Füüsiline isik Harju Maakond 1 Risttabeli loomiseks 1984 Füüsiline isik Määramata 1 klõpsa Insert menüü 2011 Juriidiline isik Harju Maakond Tallinn 1 vali risttabeli loomise 2006 Füüsiline isik Viljandi Maakond 1 Worksheet-Locatio 2011 Riigiasutus Harju Maakond Tallinn 25 lahtril, mille ümber o 2011 Riigiasutus Põlva Maakond 1 Seejärel vea paremp
esmaspäeval, 30 on reedel ja nädalasisestel päevadel igal 15? Jaotuse võrdlus Sagedamini kui mingi etteantud jaotusega võrdlemist läheb praktilises uurimistöös vaja kahe v rohkema grupi omavahelist võrdlust jaotuse alusel Seda saab teha risttabelite abiga Gruppide erinevus vs tunnuste vaheline seos Nt: kas meeste ja naiste huvi poliitika vastu on samasugune v erinev? Või: kas poliitikahuvi on seotud vastaja sooga? Risttabel Risttabeli elementideks on read, veerud ja lahtrid, mille järgi nimetatakse ka tabelisse märgitavaid protsente Rea protsendid: mitu% selle rea inimestest kuulub ühte v teise veergu Veeru protsendid: mitu % selle veeru inim. kuulub ühte v teise ritta Üldised protsendid: mitu % selle tabeli inim kuulub ühte v teise lahtrisse Seos risttabelis Hii-ruut statistiku idee: kõrvutada reaalset (nt küsitluse tulemusena
Millega võrdleksin modelleerimist. 2. Subjektiivsuse kõrvaldamine (formaliseerimine) modelleerimisprotsessis, näide- Staatiline mudel: Olgu meil vaja koostada mudel näiteks muruniiduki ostmiseks. Sõelale on jäänud 3 erinevate heade külgedega niidukit (odav niiduk, garantiiga niiduk, võimas rohukoguriga niiduk. Esiteks valime kriteeriumid, mida pidada antud otsuse korral oluliseks (hind, funktionaalsus, garantiitingimused, võimsus jne.) Koostame nende tähtsuse suhtes üksteisesse risttabeli Saaty skaala järgi (1-võrdselt tähtsad, 3-natuke parem, 5-oluliselt parem jne). Ühest suurem arv näitab, et rida on tähtsam kui veerg ja vastupidi. Nüüd leiame saadud tabeli iga rea geomeetrilise keskmise ja normeerime need (jagades kogusummaga). Oleme leidnud kriteeriumide olulisuse. Järgmiseks olgu meil valida 3 toote vahel, koostame iga kriteeriumi kohta toodete hinnangute risttabelid, kus leiame taas geom. Keskmised ja normeerime need. Lõpuks koostame valikute
99 € Seened Toidupood Puu- ja köögivili 0.5 2.25 € Seller Toidupood Puu- ja köögivili 2 1.99 € Suvikõrvits Turg Puu- ja köögivili 2 1.50 € Tomatid Turg Puu- ja köögivili 4 3.49 € Veiseliha Turg Liha 10 7.99 € Õunad Viljapuuaed Puu- ja köögivili 3 1.99 € Koosta risttabel eri kategooriate toodete koguste summa kohta. Risttabeli loomiseks märgista andmetabelis suvaline lahter, klõpsa Insert menüü käskudel PivotTable- PivotTable, vali risttabeli loomise koht (New Worksheet või Existing Worksheet- Location (klõpsa töölehel suvalisel tühjal lahtril, mille ümber on vaba ruumi). Seejärel vea parempaani ülaosast Choose fields to add to report loetelust väljad Kategooria ja Kogus parempaani alaosas olevatele aladele Row Field ja Values. Data
4) kuidas eri tüüpi sõidukid jagunevad mootori võimsuse alusel kümnestesse vahemikesse ( loomiseks klõpsa risttabelis oleval suvalisel võimsusel paremat hiireklahvi, vali kiirmenüüst Group j sisesta By lahtrisse vahemik); 5) eri maakondades registreeritud eri tüüpi sõidukite protsentuaalne jaotus maakondade lõi leidmiseks klõpsa risttabelis suvalisel sõidukite arvul hiire paremat klahvi, vali kiirmenüüst käsud Fi Show Values As-% of Row). Koosta neljanda risttabeli põhjal diagramm, kus muuda lineaarne skaala logaritmskaalaks (l aluseks 10) . Klõpsa PivotTable Tools menüü Options sakil käsku PivotChart. Vali diagrammi li Column. Klõpsa skaalal paremat hiire klahvi ja vali Format Axis-Logarithmic Scale-Base 10. Risttabeli loomiseks märgista andmetabelis suvaline lahter, klõpsa Insert menüü käskudel PivotTable- PivotTable, vali risttabeli loomise koht (New
Rivid (read) sisaldavad andmeid arvutite lõikes. Rivide märgised (Row Labels) pärinevad tulbast Arvuti. Muu sama. Ülemises ääres asub nn lehekülje ehk aruande filtri väli (Report Filter). Praegu pakub see võimalust teha ristabeleid kuupäevade lõikes (tulp Kuupäev lähtetabelis). Risttabeli tegemiseks 1. Viia kursor tabeli piirkonda 2. Valida vahekaardilt Insert korraldus Pivot Table Kuvatakse dialoogiboks Create Pivot Table. Sellel on näidatud lähteandmete piirkond (mida saab muuta) ja võimalus valida ristabeli asukoht: uus tööleht või olemasolev leht. Kui valitakse uus leht, siis see lisandub automaatselt. Risttabeli asukohta näitab ikoon lehe vasemas servas (asukohta saab muuta).
Wilk test on kohane väikese valimi puhul (u 50-2000 indiviidi). Meie andmestikus on 1350 inimest, seega võiks kasutada Shapiro-Wilk testi. Järgnevalt tuleb vaadata Sig.-i. Kui Sig on väiksem kui 0.05, siis ei ole andmed normaaljaotuslikud. Sageduste võrdlemine: (Analyze Descriptive Statistics ->Crosstabs). Lisaks on võimalik tellida statistik (Statistics -> Chi- Square), mis näitab kas nimetatud seos (risttabeli andmetel ilmnev koosesinemine) on statistiliselt oluline. Hi ruut on statistiliselt oluline, kui olulisuse tõenäosus tabelis on väiksem kui 0.05. II KT: Tunnustevaheliste korrelatsioonide leidmine /paariskorrelatsioon: Analyze-> Correlate -> Bivariate Valige kõik alatestid . Vaikimisi leitakse Pearsoni korrelatsioonikordaja. Kas see on õigustatud antud andmetel? Tunnused peavad olema arvud, vähemalt intervallskaalal Millised kaks testi on omavahel kõige suuremas korrelatsioonis
Väljastada töölehele Filter_2 nende inimeste ees-ja perenimed, kes on sündinud etteantud kuu Sünnikuu Jaanuar Eesnimi Perenimi Aasa Randla Erki Ainsaar Vilma Eesmaa Kaivo Berk Malle Põldmaa Kustav Salu ündinud etteantud kuus. Kriteeriumi lahtrile kuu nimetusega peab olema määratud valideerimine loeteluga. ine loeteluga. Koostada risttabel inimeste hobide esinemissageduste analüüsimiseks naiste/meeste ja linnade lõikes Risttabeli andmete alusel koostada sobiv diagramm. Linn Sugu Huviala Haapsalu 4 N 2 lumelauasõit 1 rahvatants 1 M 2
tõenäosus, mida me endale lubame), siis on sisukas hüpotees tõestatud. Kui olulisuse tõenäosus on suurem kui olulisuse nivoo, siis jääb hüpotees tõestamata. Kui p > lubatav viga jääda nullhüpoteesi juurde p < lubatav viga võtta vastu alternatiivhüpotees p olulisuse tõenäosus 12) Risttabel, protsendid risttabelis. Risttabel on selline tabel, kus on esitatud vastajate jaotus kahe tunnuse lõikes. Risttabeli elementideks on read, veerud ja lahtrid, mille järgi nimetatakse ka tabelisse märgitavaid protsente. ·Rea protsendid: mitu % selle rea inimestest kuulub ühte või teise veergu. ·Veeru protsendid: mitu % selle veeru inimestest kuulub ühte või teise ritta. ·Üldised protsendid: mitu % selle tabeli inimestest kuulub ühte või teise lahtrisse. 13) Hii-ruut-statistik, selle kasutamine seose uurimiseks risttabelis, Crameri V, milliste tunnuste puhul kasuatatakse hii-ruut statistikut
Neljas andmeanalüüsil kasutatav MS Exceli vahend on Pivot Table (nn. pöördtabel või risttabel), mille konstrueerimiseks tuleb liikuda menüüst Data käsule Pivot Table Report.... Esimese sammuna tuleb valida, millisel kujul on uuritav andmestik (vaikimisi ühel lehel paiknev Exceli andmetabel, ülejäänud valikud võimaldavad konstrueerida risttabeli ka mitte-Exceli andmete või mitme andmetabeli baasil). Edasi vaatame juhtu, kus andmestikuks on ühel lehel paiknev Exceli andmetabel. Teise sammuna tuleb määrata uuritav andmeblokk (kas klaviatuurilt või hiirega andmetabelist. Kui kursor asus enne analüüsi algust andmetabelil, pakub MS Excel vaikimisi andmeblokiks kogu andmestikku). Soovitud lahtrid võib
NB! andmeid ei tõsteta mujale. Lisada diagrammile ka vastavate näitajate arvväärtused. lintdiagramm (Bar) 2013. ja 2016. aasta rahvaarvudest tabelis toodud struktuuriüksuste lõikes. Ül 2. Korrastada tabel lehel SKP. Leida toodud majandusnäitajad ka ühe elaniku kohta (sellel aastal ja selles struktuuriüksuses). Ül 3. Alates lahtrist aadressiga N5 paigutada liigendtabel (Pivot Table): summad majandussektorite ja aastate lõikes Ül 4. Kirjutada risttabeli alla tingimuspiirkond ja leida selle alla arendatud filtri (Advanced Filter) ab nende struktuuriüksuste nimekiri, kus kasvõi ühel aastal vahemikus 2014 2016 oli sektoris Teenu ühe elaniku kohta suurem kui 4000 eurot Leida valemite abil nende maakondade summaarne SKP igal aastal. NB! Lisada arendatud filtri kasutamise kohta kirjeldus (lahtriaadressid või nimed): mida tuli kirjutada väljade lähtetabel (List range), tingimuspiirkond (Criteria Range), tulemuspiirkond (Copy to). Ül 5
inimeste andmed välja. 4. Lisaks eelmisega ühenda JOINi abil isiku nime juurde ka tema isa nimi 5. Trüki välja etteantud inimesest alates pärinev sugupuu alati kirjas, kes on kelle isa. 6. Lisa juurde arv, mitmes põlv ta tabelis näidatud esiisast on 7. Näita iga inimese kohta, mitu järeltulijat tal tabeli kaudu leitavas sugupuus on. PIVOT JA UNPIVOT Pivot tekitab tavalisest tabelist kahemõõtmelise risttabeli. Unpivot teeb täpselt vastupidist. Püüame tekitada risttabeli, milles oleks ridades laste sünnilinn ning veergudes sünniaastad ning andmetena laste keskmised pikkused: SELECT * FROM ( SELECT SynniAasta, SynniLinn, Pikkus FROM dbo.Laps_tbl ) AS data PIVOT ( AVG (Pikkus) FOR Synniaasta IN ([1995], [1996], [1997]) ) AS piv Vastupidise teisenduse saame korraldada UNPIVOT käsuga. Selleks salvestan eelnevalt eelmise
annaabi.ee 
