Mootori Väljalaske Aasta Kuu nr Kategooria Mark Mudel võimsus aasta Tüüp 1994 4 M1 GAZ 20 12 1958 Füüsiline isik 2003 3 L3e SUZUKI GS 500EU 12 1991 Füüsiline isik 2004 5 N1 SUBARU E10 13 1991 Juriidiline isik 2005 9 M1 VOLKSWAGENGOLF 7 1992 Füüsiline isik 2005 9 M1 VOLKSWAGENGOLF VARIAN 24 1993 Füüsiline isik 2006 11 N1 SUBARU E12 ELCAT CI 14 1999 Füüsiline isik 2008 4 M1 ZEV SMILEY 7 2008 Füüsiline isik 2010 6 M1 OMAVALMISTAZEV SEVEN 14 2010 Riigiasutus 2011 3 M1 CITROEN C-ZERO 35 201...
Populaarsemad lastele pandud nimed 2010 Statistiline uurimustöö Autor: Juhendaja: JAANUARIKUU NIMED Poiste nimed Marten Gregor Kaspar Maksim Markus Kokku Sagedus 11 8 8 8 8 43 Sagedus (%) 26% 19% 19% 19% 19% 100% Tüdrukute nimed Maria Sandra Johanna Milana Polina Kokku Sagedus 9 8 7 7 7 38 Sagedus (%) 24% 21% 18% 18% 18% 100% VEEBRUARIKUU NIMED Poiste nimed Rasmus Martin Maksim Marten Oskar Kokku Sagedus 11 10 9 9 9 48 Sagedus (%) 23% 21% 19% 19% 1...
........................................................3 1.DIAGRAMMID JA RISTTABELID............................................................................................4 1.1.Diagramid...............................................................................................................................4 1.2.Risttabelid...............................................................................................................................7 2.FILTREERIMISE KÜSIMUSED JA SAGEDUSTABELID......................................................10 2.1.Filtreerimise küsimused.......................................................................................................10 2.2.Sagedustabelid......................................................................................................................10 KOKKUVÕTE..............................................................................................................................12 LISAD.....................
(nn. tehnilisi erinevusi on jooniste ja tabelite konstrueerimisel). Lühidalt peamistest andmeanalüüsi teostamise vahenditest Excelis Joonised Funktsioonid 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
13 6. FILTREERIMISE KÜSIMUSED Mitu materjali 10st on ehitusplaadid?; Mitme materjali hindasid ei ole bauhofis?; Mitme materjali korral oli Espak kõige soodsam ehituspood?; Millises ehituspoes oli bauroc kõige odavam? ; Millises poes oli EPS kõige kallim ja millises kõige odavam?. 14 7. SAGEDUSTABELID Tabel 5 Soodsaima kaupluse ja tootegruppide osakaal Soodsaim Saged Sagedus % Tootegrupp Sagedu Sagedus kauplus us s % K-Rauta 1 11% Viimistlus 0 0% Ehituse ABC 2 22% Värv 1 20% Bauhof 0 0% Kinnitusvahe 0 0% nd
1,1 - 2 1 4 2 2,1 - 3 3 0 3,1 - 4 10 2 3 4,1 - 5 11 25 sika kontrolltöö hinnete sagedustabelid. Matemaatika Füüsika 12 10 8 6 4 2 0 3 4 5 2 3 4
Esimene andmekogu kujutab endast Meeste ja naiste abielusid aastatel 1978- 2007. Teine andmekogu kujutab elussündisid samuti aastatel 1978-2007. Võtsin huvi pärast just sellised andmed, kuigi ega nad üksteisest täiesti ei sõltu, on siiski huvitav võrrelda abielusid ja elussünde (lapsesaamisi). Eelnimetatud andmete põhjal leidsin keskmised, , jaotuse kuju iseloomustavad näitarvud, sagedusklassid ning variatsioonnäitarvud. Lisasin ka diagrammi ning sagedustabelid. Andmekogumite kirjeldamine lõppeb tulemuste tõlgendamisega, andmekogumite hajuvuse ja jaotuvuse kuju võrdlemisega 2 2. Andmekogumite analüüs Analüüsin elussünde ning abielusid, nagu ennist juba öeldud- otseselt küll omavahel seotud ei ole, kuid olenevalt perekonnast ning traditsioonidest(enne abielu, siis laps), võib siit nii mõndagi järeldada. Keskmised on kogumit ühe arvuga iseloomustavad üldistavad näitarvud, mis
44 dke tunnuse kaal järgmised arvkarakteristikud: average harmean geomean min max max-min mode quartile(2) või median quartile(1) quartile(3) var stdev skew kurt var.amplituud / aritm. keskmine (väljenda %) st.hälve / aritm. keskmine (väljenda %) Koostage ülesande 1 andmetega ja funktsiooni frequency abil pikkuste intervallide sagedustabelid Leidke valemite abil järgmised arvkarakteristikud: aritmeetiline keskmine, mood ja mediaan. x f Pikkus (cm) Sagedus x' x'f Σ 165 - 168 5 166.5 832.5 5 168.5 - 171.5 9 170 1530 14 kus 172 - 175 14 173.5 2429 28 f – variantide kaalud 175.5 - 178
4 3 5 4 5 5 2.3 12.klass Füüsika Matemaatika hinne hinne 4 3 4 3 4 3 3 3 5 5 5 4 4 3 3 3 3 3 5 4 3. Sagedustabelid Sagedustabel näitab, mitmel korral antud tunnus saab antud väärtuse. 3.1 Füüsika Hinne 1 Hinne 2 Hinne 3 Hinne 4 Hinne 5 0 0 4 10 16 3.2 Matemaatika Hinne 1 Hinne 2 Hinne 3 Hinne 4 Hinne 5 0 0 14 9 7 2 4. Histogrammid
ANOVA, on kujul: H0: regressioonivõrrand ei ole statistiliselt oluline H1: regressioonivõrrand on statistiliselt oluline ehk H0: leitud võrrand ei ole parem võrreldes konstantse võrrandiga H1: leitud võrrand on parem võrreldes konstantse võrrandiga ehk H0: Pikkus = a H1: Pikkus = a + b×Jalanumber Reaalselt rakendada on põhjust vaid statistiliselt olulist regressioonivõrrandit. Praks 7 2-mõõtmelised sagedustabelid Pivot Table'i vahendiga; hii2-test funktsiooniga CHITEST. Kas sugu ja auto omamine on seotud, st kas autot omavate tudengite arv on mees- ja naistudengite hulgas erinev? Praks 8 Ühefaktoriline dispersioonanalüüs - protseduur Anova: Single Factor. Kordamine.
Kursusel osalejate elukoht soo alusel 12 10 8 Summa 6 N M 4 2 0 Linn Alev Maa-asula Suur linn Elukoht I OSA. Kirjeldav statistika 1. Koostada sagedustabelid 1.1 Sagedustabel Sugu Total N 29 M 10 Grand Total 39 1.2 Sagedustabel Elukoht Sugu Linn Alev Maa-asula Suur linn Grand Total N 10 9 4 6 29
uurimisprobleemi lahendamiseni. Andmete analüüsiks on välja töötatud terve rida statistilisi teste. Sellele lisanduvad veel mitmed arvutprogrammid. (mis arvutiprogramm, otsi välja) Andmete analüüsitulemus saab olla usaldusväärne vaid siis kui kogutud andmete kvaliteet on kõrge. Andmeid analüüsima asudes tuleks meeles pidada, et kõik analüüsimeetodid ei sobi erinevate probleemide lahendamiseks. Kaks kõige tüüpilisemat meetodigruppi on sagedustabelid ja arvnäitajad. 1.5. Järelduste ja soovituste väljatöötamine ja juhtkonnale esitamine 2 Teder, J. Puulinn, V. Mainori Majanduskooli turunduse alused õppeaine konspekt, Googledocs, lk 12 6 Turu uuringu lõppstaadiumis minnakse taas probleemi tekkepõhjuse juurde tagasi. Tulemuste esitamisel on tihti ettetulevaks veaks see, et pööratakse suuremat tähelepanu faktidele, jättes järeldused ja ettepanekud tagaplaanile.
arvkarakteristikud: average harmean geomean min max max-min mode quartile(2) või median quartile(1) quartile(3) var stdev skew kurt var.amplituud / aritm. keskmine (väljenda %) st.hälve / aritm. keskmine (väljenda %) Koostage ülesande 1 andmetega ja funktsiooni frequency abil pikkuste intervallide sagedustabelid. k ( f Mo f Mo 1 ) Leidke valemite abil järgmised arvkarakteristikud: Mo xMo aritmeetiline keskmine, mood ja mediaan
Andmete analüüsimiseks on mõistlik jätta puuduvale väärtusele vastav lahter tühjaks. Aruandes võib selguse mõttes kirjutada puuduva väärtuse kohale punkti või kriipsu. Kui ühe küsimuse puhul on lubatud valida mitu vastusevarianti, siis iga variant annab andmetabelis eraldi tunnuse (veeru). TULEMUSTE ESITAMINE Struktureeritud andmete esmaseks kokkuvõtteks ning ülevaatlikuks analüüsiks saab kasutada kirjeldava statistika meetodeid, mis võib jagada kolme suurde rühma: 1. Sagedustabelid 2. Arvjoonised ehk diagrammid 3. Arvnäitajad Sagedustabelid aitavad vastust leida kahte tüüpi küsimustele: · Kui palju on/oli? (arv, sagedus, absoluutne sagedus) · Kui suur osa on/oli? (protsent, osakaal, suhteline sagedus) Kui vastajaid on alla saja, kasuta tulemuste esitamisel ka sagedusi. Kui vastajaid on üle saja, siis kasuta protsente. Diagrammide ülesanne on esitada infot visuaalselt. Graafiliselt esitatud statistika on inimesele
kontingentsus koef. Nominaal - Crameri V, Phi, Crameri V, Phi, kontingentsus koef. kontingentsus koef. Nominaaltunnuste puhul saab valida Crameri V(m*n), Phi(2*2) ja kontingentsus koefitsiendi(m*m) vahel. Crameri V tuleb valida, kui sagedustabelid on ebasümmeetrilised ehk ühel tunnusel on rohkem väärtuseid kui teisel (näiteks abielulisel staatusel 5 gruppi, aga eluga rahulolul 3 gruppi). Phi sobib ainult 2x2 sagedustabeli puhul (N: mehed/naised ja töötab/ei tööta). Kontingentsus koefitsient sobib samuti ainult sümmeetriliste tabelite puhul (ükskõik, millise nxn puhul). Korrelatsioonanalüüsi etapid: 1) Mis liiki tunnusega on meil tegemist? 2) Kas seos muutujate vahel on lineaarne? 3) Korrelatsioonikordaja valik lähtudes
Statilised järeldused Isiklik veeb: www.tlu.ee/ˇkairio Kursuse veeeb: www.tlu.ee/ˇkairio/7070 Kursus hõlmab üldistavat statistikat. Tõmba SPSS 14p treial Võid ka vaadata nuditud vabavara PSPP Tunnused on väga oluline. Intervall - – väärtused on järjestatavad ning nende väärtuste vahemikud on võrdsed. Nt. sissetulek (123€, 125€, 130€, 1500€ jne.); -pikkus, kaal, avtelg, mitu eurot. Saab arvutada skeskväärtust. On anud vahemike otspunktid – siis läheb ta selle alla nt kui üks on hea ja 10 on halb, siis määramatu keskosa annab meile intervalltunnused. Järjestus- tunnused, mille väärtused moodustavad kategooriad ning neid saab omavahel järjestada. Samas ei ole nende väärtuste vahemikud võrdsed. Nt. hinnang (väga hea, hea, rahuldav) nt 0-100, 101-100 jne –vahemikud ei ole ühepikkuses, keskmist arvutada ei saa. Ka skaalad. – on olemas kindel järjekord aga v.heast heani ja heast halvani ei ole ühepikused Binaarne- sellel on ainu...
◦Mis mõjutab noorte kodanikukompetentsust? Faktoranalüüs - eesmärk leida ühisosa omavad tunnused ja moodustada nende põhjal uued kirjeldavad muutujad e. faktorid Mõõta seoseid: mitmemõõtmeline analüüs Klasteranalüüs – kasutatakse objektide kui ka tunnuste grupeerimiseks nende omavahelise sarnasuse alusel Kvantitatiivne kontentanalüüs I • Tekstide (enamasti meediatekstide kui ka dokumentide) analüüs kvantitatiivsete meetoditega • Tulemuseks arvud ja sagedustabelid: Näiteks: – mitu korda mõnda poliitikut mainiti, – mis märksõnadega seoses teda mainiti ja mitu korda, – mitu korda teda mainiti uudistes, mitu korda arvamusartiklites, – mitu korda teda oli mainitud esilehel… • Sobib kui: – Kui eesmärgiks on vastata pigem küsimusele “kui palju” ja teha üldistus laiemast hulgast meediakajastuste – Analüüsitavate tekstide hulk on suur • näiteks analüüsid sotsiaalpoliitika arutelusid Riigikogu stenogrammides 1999 –
p on väiksem või võrdne 0,05 seos on juhuslik 5% 100-st Statistiliselt olulisi tulemusi võib üldistada Kui seos pole stat.oluline, siis üldistada ei saa Kuidas tõsta statistiliselt olulisuse tõenäosust? Mida suurem on valim, seda lihtsam saavutada statistiliselt olulist seost Mida andmetega teha saab? Kirjeldada tunnuste varieeruvust valimis/üldkogumis Univariatiivne (ühemõõtmeline analüüs) Vahendid Sagedustabelid Keskväärtused Keskmine Mediaan Mood Sagedustabel uuringus osalenute arv riigiti Sektordiagramm Tuldiagramm Kulmulatiivne tulpdiagramm Moodi ja mediaani näide
Pealkiri: UURIMISTÖÖ ALUSED JA METOODIKA 2 SISUKORD 1.TEADUSTÖÖ ALUSED............................................................................................4 1.1Teadustöö põhimõisted..........................................................................................4 1.2Teaduskraadid ja nimetused.................................................................................. 8 1.3Teaduslik tunnetus.................................................................................................9 1.4Teaduslik tunnetus realiseerub teadustöö kaudu.................................................12 1.5Teadustöö tingimused..........................................................................................12 1.6Uurimuse kolm huvi............................................................................................13 1.7Mitmesugused...
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 üle...