Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Statistika excel 11,03". Need materjalid aitavad sul teemat sügavamalt mõista.
333333, sliku, malt, 3125, rahakotis, münti, polügoon, keskväärtus, saamiseni, jaotustabel, kull, graafik, jaotusfunktsioon, rahasumma, münte, partiid, korvpallur, viset, praak, binoomjaotus, kulli, 8125, visati, tõeäosus, 2271, urnis, kuuleäosused, jaotusfunktsiooni, 333333333, jaotuspolügoon, 1111, 2778, 1587, laskur, tabatakse, kumb3 0,254122 1 2 3 4 5 6 7 4 0,136137 m 5 0,046675 6 0,010002 7 0,001225 8 6,6E-005 NB! kõige tõenäosem on 2 (jooniselt puudu 0 seega m väärtused nihkuvad paremale) Ülesanne 5 Rahakotis on 7 münti - 3 kümnesendilist ja 4 kahekümnelist. Rahakotist võetakse juhuslikult 3 münti. Saadud rahasumma on juhuslik suurus x. Leida juhusliku suuruse: a) võimalikud üksikväärtused; b) üksikväärtuste tõenäosused; c) keskväärtus; d) dispersioon; e) jaotusfunkt.graafik. Rahakotis on võtan 3 münti ja on võimalik saada 3*10 30 (10+10+10) 4*20 40 (10+10+20) münti 50 (10+20+20)
022004 3 0.031769 9 0.012589 0.016202 11 0.019139 1 0.012538 0.004482 2 0.00896 10 0.00206 0.003615 12 0.00522 0 0.001393 0.000493 1 0.001565 11 0.000153 0.000421 13 0.000986 3.10E-005 0 0.000127 14 0.000115 15 6.28E-006 Rahakotis on 9 münti - 5 kahekümnesendilist ja ülejäänud on viiekümnesendilised. Rahakotist võeti m Keskväärtus on: 5*20 4*50 50 50 0.4444444444 70 20+50 0.2777777778 90 20+20+50 0.1587301587 110 20+20+20 0.0793650794 130 20+20+20 0.0317460317 150 20+20+20 0.0079365079
tõenäosemalt kuulus? (teisele). 21. Tõenäosus, et ajalehed saabuvad sidejaoskonda õigeaegselt, on 0,85. Leida tõenäosus, et viiest sidejaoskonnast vähemalt neli saavad ajalehed õigeaegselt. (0,8352) 22. Märgi tabamise tõenäosus on 0,25. Tulistati 21 lasku. Leida tõenäoseim tabamuste arv ning vastav tõenäosus. (5 ja 0,199) 23. Kindlustusagendil on üksikkliendiga lepingu sõlmimise tõenäosus 0,4. Agent kohtus 5 kliendiga. Koostada sõlmitud lepingute arvu jaotustabel. Leida vaadeldava juhusliku suuruse keskväärtus, dispersioon ja jaotusfunktsiooni graafik. (2 ja 1,2) 24. Sõiduki remondiks kuluv aeg (tundides) allub eksponentsiaalsele jaotusele parameetriga = 0,25. Kui suur on tõenäosus, et ühe sõiduki remondiaeg on alla kuue tunni? (0,777) 25. Tehase toodangu maht allub ligikaudselt normaaljaotusele keskväärtusega 134786 eset nädalas ja standardhälbega 13000 eset nädalas. 1) Leida tõenäosus, et nädala toodang ületab 150000 eset. (0,121)
juhusliku suuruse võimalikud väärtused ja nende tõenäosused pi=P(X=xi).
Tõenäosusfunktsiooni võib esitada valemina, tabelina, arvupaaridena või graafikuna.
Def: Juhusliku suuruse jaotusfunktsiooniks nimetame funktsiooni, mis seab väärtusele
x vastavusse tõenäosuse, et X
b 1 cdx = 1, millest cb – ca = 1 ja c = a ba . Seega tihedusfunktsioon avaldub kujul: 0, kuix a 1 f(x) = , kui a≤x≤b. ba 0, kuix a Graafiliselt on ühtlase jaotusega jaotusfunktsioon esitatav kujul: 2.5 Juhusliku suuruse keskväärtus Juhuslik suurus on täielikult iseloomustatud tema jaotus- või tihedusfunktsiooniga. Lisaks kasutatakse aga juhuslike suuruste mitmete oluliste külgede esiletoomiseks täiendavalt arvkarakteristikuid. Üks olulisemaid on keskväärtus, mille ümbergrupeeruvad juhusliku suuruse võimalikud väärtused. Diskreetse juhusliku suuruse keskväärtus ehk matemaatiline ootus n avaldub kujul: EX = x i 1 i pi .
Enne katse toimumist on tundmata. Üldjuhul tähistatakse X. Diskreetne juhuslik suurus on juhuslik suurus, mille väärtuste hulk on lõplik või loenduv. Praktiliselt vaatleme ainult selliseid DJS, mille võimalikud väärtused on 0, 1, 2, ... või alamhulk eelnevast. DJS jaotusseadus on eeskiri, mis seob juhusliku suuruse väärtused ja nende tõenäosused: pi=P(X=xi).( 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
Binoomjaotusega juhusliku suuruse esinevad üksteisest sõltumatult (st P(I on rikkis ja II töötab) = 0,9 * 0,95 + dispersioon on:DX´=pq 5. Poissoni sisuliselt eeldame, et rikaste protsent nii 0,1 * 0,8 = 0,935 jaotusega juhusliku suuruse keskväärtus on:EX=lamda6. Ühtlase hea tervisega kui ka halva tervisega N'ide21. Urnis on 5 punast 3 sinist ja 2 jaotusega juhusliku suuruse dispersioon on: kodanike hulgas on ühesugune). Leida rohelist kuulikest. Urnist võetakse DX=(b-a)*(b-a)/12 tõenäosus, et juhuslikult valitud kodanik üksteise järel kolm kuulikest. Milline on Tõenäosuse geomeetriline tähendus
=¿ 1-4*2/9*6=23-27 A=“kindla omadusega kõrvuti“ C 6 │Ω│=n=m! │A│=k=(m-l+1)!*l! Urnis on 2 valget ja 3 musta kuuli. Kaks poissi P(A)=(m-l+1)!*l!/m! võtavad urnist kordamööda huupi kuuli kuni esimese 5) (Geom) Kaks sõpra lõunatavad samas kohvikus kella valge kuuli saamiseni. Võetud kuule urni tagasi ei 12 ja 14 vahel. Mõlemal kulub selleks pool tundi. panda. Leidke tõenäosus, et esimesena saab valge Leidke tõenäosus, et antud päeval sõbrad selles kuuli see, kes 1)alustas, 2) ei alustanud. kohvikus kohtuvad. Lahendus: Ai= „i-ndal võtmisel valge kuul“ Lahendus: „kaks sõpra kohtuvad“ A= „valge kuuli sai alustaja“
Pidev suurus - väärtused täidavad mingi vahemiku täielikult ära Jaotusseadus - Diskreetse juhusliku suuruse X jaotusseaduseks nimetatakse vastavust suuruse kõikvõimalike väärtuste xi ja nende tõenäosuste pi vahel. Jaotusfunktsioon - tõenäosus, et juhusliku suuruse X väärtus on väiksem-võrdne mingist reaalarvust x. Valem: F(x)=P(X<=x) Keskväärtus ehk oodatav väärtus - Kui juhusliku suuruse X väärtuse xi esinemise tõenäosus on pi , siis selle juhusliku suuruse keskväärtus ehk oodatav väärtus. Oodatav väärtus on otsustamisel kriteeriumiks. Valitakse see alternatiiv, mille korral oodatav väärtus on ekstremaalne. Näiteks: oodatav kasum maksimaalne,oodatav kulu minimaalne Valem: µ=E[X]= ∑ pixi Dispersioon – diskreetse juhusliku suuruse dispersioon σ^2=∑(xi-µ)^2*pi Pidev juhuslik suurus - Pideva juhusliku suuruse korral ei saa rääkida mingi üksiku konkreetse väärtuse esinemise tõenäosusest
Juhuslikud suurused on kas diskreetsed või pidevad. Diskreetne juhuslik suurus X
omandab katsel ühe oma võimalikest väärtustest x1, x2, x3, ..., xn, st toimub üks järgmistest sündmustest:
X=x1, X=x2, ..., X=xn. Need sündmused kokku moodustavad täieliku sündmuste süsteemi, milles
üksiksündmuste tõenäosused on: p1=p(X=x1) jne. Summaarne tõenäosus (p=1) mingil viisil jaotub
juhusliku suuruse erinevate väärtuste vahel. Lihtsaim jaotusseadus on jaotusrida või nn jaotustabel.
Jaotushulknurk (sageduse polügoon) on graafiline kujutis jaotustabelile. Kasutades sündmuse tõenäosuse
kaudse arvutamise võtteid, on tuletatud alljärgnev tõenäosuse jaotus. Tõenäosus, et n võimalikust
sündmusest toimub m sündmust.
F2(x1; x2; t1; t2) = P((X(t1)
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valim A mahuga N=25 variatsioonirida: 1 2 17 81 97 75 22 21 94 62 81 73 74 52 79 45 14 70 2 71 48 79 77 39 19 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: = 51,8 Dispersioon: s x² = 968,58 Standardhälve: s x = 31,12 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 62 Haare:
(graafik läheb üles ja siis
alla).
23. Juhusliku suuruse antud vahemikku langemise tõenäosus –
Kui on tarvis leida kui tõenäone on, et juhuslik suurus omandab väärtuse
antud x1 ja x2 vahel. Sellisel juhul räägitakse sündmusest ,,juhusliku
suuruse sattumine antud vahemikku’’ ja tähistame P(x1
kus h(A) on sündmuse A toimumise arv N katsest. 20. Juhusliku suuruse jaotusseadus, Selle esitusviisid; tõenäosusfunktsioon, jaotusfunktsioon(integraalne jaotusseadus) tihedusfunktsioon(diferentsiaalne jaotusseadus) PILT! Juhusliku suuruse jaotusseadus iseloomustab täielikult juhuslikku suurust tõenäosuslikult vaatekohalt. Jaotusseadus võimaldab leida juhusliku suurusega seotud iga sündmuse tõenäosust. Jaotusseaduse põhikujudeks on teatavasti jaotustabel diskreetse juhusliku suuruse puhul ja jaotusfunktsioon (jaotustihedus) pideva juhusliku suuruse korral. Jaotusseadus-eeskiri, mis seab igale juhuslikule suuruse väärtusele vastavusse tema tõenäosuse. Juhusliku suuruse (tõenäosusfunktsioon) jaotusseadus on eeskiri, mis seob juhusliku suuruse võimalikud väärtused ja nende tõenäosused pi=P(X=xi). Näiteks: Diskreetne ühtlane jaotus on defineeritud oma tõenäosusfunktsiooni kaudu: P(X=i)=1/k, i=1,...,k. Täringuviske
nullhüpotees H0 . 4. Eksamitöö koosneb neljast punktist: a. Mõistete ja põhiseoste tundmine. (10p) Esitatakse 7 10 küsimust kogu kursuse ulatuses, millele oodatakse täpset lühivastust. Näiteks: Mis on maatriks? Mida nimetatakse kahe vektori skalaarkorrutiseks? Mida nimetatakse antud funktsiooni algfunktsiooniks? Mis on juhusliku suuruse keskväärtus? Jne b ) Üks pikemat vastust eeldav küsimuste kobar lineaaralgebrast (10p) Näiteks: Kahe maatriksi korrutis (tingimus korrutatavate maatriksite mõõtmetele, korrutise definitsioon, selle lahtiseletus, näide) c) Üks pikemat vastust eeldav küsimuste kobar analüütilisest geomeetriast (10p) Näiteks: Tasandi normaal. Tasandi võrrand ruumis. Võrrandi tuletamine normaali ja ühe punkti järgi. Näide võrrandi koostamisest.
1. Keskväärtuse, dispersiooni, standarthälbe, mediaani, moodi ja haarde hinnangud Keskväärtus xkesk =(xini)/n=2867/60=47,78 Dispersioon Dx=(ni(xi-xk)2)/n=49942,184/60=832,4 Standarthälbe S=Dx=832,4=28,85 Scor=(n/(n-1))*S)= =(60/(60-1))*28,85=29,09 Me=(45+46)/2=45,5 Mo=71 esines 3 korda Haare xmax-xmin=98-0=98 2. Keskväärtuse, dispersiooni ja standardhälbe usaldusvahemikud eeldusel, et põhikogumi jaotuseks on normaaljaotus ja olulisuse nivooks P = 95 %. Tõene keskväärtus on =0,05, P=95% korral t=1,96 : 47,78-1,96(29,09/60) < < 47,78+1,96(29,09/60) 40,41 < < 55,14 Standardhalbe usaldusvahemik q = (0,95;60)=0,21 29,09(1-0,21) < < 29,09(1+0,21) 22,98 < < 35,19 Dispersiooni usaldusvahemik (29,09 (1-0,21))² < D < (29,09(1+0,21))² 528 < D < 1238,3 3.Kontrollida järgmisi hüpoteese eeldusel, et põhikogumi jaotuseks on normaaljaotus ja olulisuse nivooks on P=95% 3.1 H0: =50 alternatiiviga H1: 50 T-kriteerium
teada ning firma teab palju rahvas seda umbkaudselt ostab. Kui tehakse tootearendus näiteks tuuakse turule uus vähem suhkrut sisaldav proteiinikohuke, siis on võimalik fikseeritud ajavahemiku jooksul (näiteks 3 kuud), vaadata, kuidas rahvas uuele tootele reageerib ja palju seda ostetakse. Antud toodete müügitulemused 3 kuu jooksul näitavad, kas tootearendus tasus ära (kas uut kohukest ostetakse või mitte). Sarnaste tulemuste võrdlemisel saab kasutada näiteks keskväärtus. Toidutööstuses tuleb väga tihti ette kvaliteedikontrolli, kus vaadatakse, kas pakendil välja toodud numbrid vastavad ka tegelikusele. Näiteks on paljude šokolaadide peal kirjas kakao sisaldus (70%, 80%, 90% vms), et olla selles kindel tuleb teha mitmeid katseid enne, kui toode poeletile jõuab. Selleks saab kasutada järgmiseid arvkarakteristikuid: keskväärtus, standardhälve, haare, mediaan jne. Korrelatsioon iseloomustab kahe sõltuva juhusliku suuruse vahelist seost. Seda saavad
sündmuste A ja B summa 2. Sündmus C, mille korral toimub nii sündmus A kui ka sündmus B C on sündmuste A ja B korrutis 3. Kindel on see, et toimub kas sündmus A või sündmus B või sündmus C A, B ja C moodustavad täeliku süsteemi 2. Juhusliku suuruse X väärtuste hulk on {2; 4; 5}. Vastavate väärtuste esinemise tõenäosused on p(2)=0,5; p(4)=0,2 ja p(5)=0,3. Suuruse X keskväärtus on järelikult 3,3 3. Kui sündmuse A tõenäosus p(A)= 0,7, siis selle vastandsündmuse tõenäosus on 0,3 4. Visatakse korraga kahte täringut. Kui suur on tõenäosus, et mõlemal täringul tuleb silmade arv "6"? 1/36 5. Kui p(A)=p(A|B), siis sündmused A ja B on sõltumatud 6. Kahe sündmuse korrutise tõenäosus võrdub nende sündmuste korrutiste tõenäosusega, kui sündmused A ja B on sõltumatud. 7
EESTI MAAÜLIKOOL VETERINAARMEDITSIINI JA LOOMAKASVATUSE INSTITUUT LOOMAGENEETIKA JA TÕUARETUSE OSAKOND ARETUSÕPETUS I OSA (POPULATSIOONIGENEETIKA) LOENGUKONSPEKT G P Koostaja: dots. E. Orgmets TARTU 2008 1 KORDAMISKÜSIMUSED 1. Populatsioonigeneetika. (populatsiooni mõiste, panmiksis, biotsönoos, populatsiooni evolutsioonitegurid, suletud ja avatud populatsioon, populatsioonimaht, valimi mõiste). 2. Juhuslikkus ja tõenäosus. Tõenäosuste korrutamise seadus. 3. Genotüübi sagedus ja selle arvutamine. 4. Geeni- ehk alleelisagedus ja selle arvutamine. Geenisageduse arvutamine alleeliseeria korral. 5. Hardy-Weinbergi seadus (definitsioon, tingimused, valem p2+2pq+q2=1). POPULATSIOONI GENEETILINE DÜNAAMIKA 6. Mutatsioon (otse- ja pöördmutatsioonid, nende esinemissagedus, mutatsioonirõhk).
Mõõtetulemus on reaalse katse tulemus. Mõõtetulemuste kogum annab informatsiooni mõõdetud suuruse võimalike väärtuste tõenäosuslikust jaotusest. Sellises käsitluses on mõõteväärtus nagu koordinaat, millega pannakse paika mõõtetulemusele omistatavate väärtuste kese arvteljel. Hinnatava füüsikalise suuruse iseloomustamiseks võime enamasti kasutada aritmeetilist keskväärtust. Oletame et me mõõtsime suuruse X väärtuse n korda, siis aritmeetiline keskväärtus avaldub valemiga 13 Mõõtmisteooria alused n xi x1 x2 xn i 1 x ,
1 10. klass Viljandi Täiskasvanute Gümnaasium KORDAMINE: FUNKTSIOONI GRAAFIK I Joonistel on kuue funktsiooni graafikud. Tee kindlaks, missuguste funktsioonidega on tegemist. 1 2 3 © Allar Veelmaa 2014 2 10. klass Viljandi Täiskasvanute Gümnaasium KORDAMINE: FUNKTSIOONI GRAAFIK II © Allar Veelmaa 2014 3 10. klass Viljandi Täiskasvanute Gümnaasium REAALARVUDE PIIRKONNAD Kuna erinevates õpikutes kasutatakse reaalarvude piirkondade märkimiseks erinevaid tähistusi, siis oleks kasulik teada mõlemat varianti. Nimetus Tingimus Esimene
MAJANDUSMATEMAATIKA I Ako Sauga Tallinn 2003 SISUKORD 1. MUDELID MAJANDUSES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Mudeli mõiste. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Matemaatiliste mudelite liigitus ja elemendid . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Matemaatilise mudeli struktuur ja sisu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2. FUNKTSIOONID JA NENDE ALGEBRA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Arvud ja nende hulgad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Funktsionaalne sõltuvus . . . . . . . . . .
2. Efektiivsus (efficiency). Iseloomustab hinnangute hajuvust. 3. Mõjusus (consistency). Iseloomustab koondumist suurte valimite korral – suure valimi korral 4. Asümptootiline jaotus – suure valimi korral 5. Asümptootiline efektiivsus – suure valimi korral 7. Hinnangu nihe, nihketa hinnang. Hinnangu nihe võrdub parameetri hinnangu keskväärtuse ning parameetri tegeliku väärtuse β vahega: Parameetri hinnang on nihketa (unbiased), kui hinnangu keskväärtus võrdub parameetri tegeliku väärtusega: ● Kahest hinnangfunktsioonist on parem see, mis on nihketa. ● Nihketa hinnangfunktsioone võib olla mitmeid nt sümmeetrilise jaotuse korral on üldkogumi mediaani nihketa hinnanguteks valimi aritmeetiline keskmine ja valimi mediaan. 8. Hinnangu efektiivsus, efektiivne hinnang. ● Efektiivne hinnang on nihketa vähima dispersiooniga hinnang kõigi nihketa hinnangute seas.
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
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. KVANTITATIIVSED JA KVALITATIIVSED ANALÜÜSI MEETODID 1.1. Analüütiliste mudelite liigitamine, eripära ja kasutusvõimalused ärikorralduses 1. Sihipärase kasutuse järgi: teoreetilis-analüütilised mudelid (teooria mudelid, kirjeldused, pigem doktoritöö), rakenduslikud mudelid (kvantitatiivset laadi, ei välista eelnevat teoreetilist käsitlust) 2. Tasandi ja problemaatika järgi: makromudelid (regioon); mikromudelid (ettevõte või selle allosa); problemaatikamudelid (rahandus, logistika v muu valdkond) 3. Matemaatiliste seoste järgi: funktsionaalsed (determineeritud) mudelid; stohhastilised (juhuslikkust arvestavad); lineaarsed mudelid; mittelineaarsed; aditiivsed ja multiplikatiivsed 4. Aja arvestamise järgi: staatilised mudelid (konkreetse hetke sisu); dünaamilised mudelid. Staatilisest võib tekitada dünaamilise kui lisada aegrida 5. Kasutatavate mõõtühikute järgi: naturaalsed mudelid (töökoha tasand); väärtuselised; segamudel
MÕÕTMESTAMINE JA TOLEREERIMINE 2 ×16 tundi Teema Kestvus h 1. Sissejuhatus. Seosed teiste aladega 2 Mõisted ja terminiloogia. GPS standardite maatriksmudel 2. Geometrilised omadused. Mõõtmestamise 2 üldprintsiibid. Ümbrikunõue, maksimaalse materjali tingimus 3. ISO istude süsteem. Tolerantsiväljad 2 4. Istud. Võlli ja avasüsteem 2 5. Soovitatavad istud. Istude rahvuslikud süsteemid 2 6. Istude kujundamise põhimõtted 2 Istude analüüs ja süntees 7. Liistliidete tolerantsid. 2 Üldtolerantsid 8. Geomeetrilised hälbed. Kujuhälbed. 2 Suunahälbed 9. Viskumise hälbed. Asetsemise hälbed. Lähted 2 Nurkade ja koonuste hälbed ja tolerantsid 10. Pinnahälb
EKSAMIKÜSIMUSED 2009 1. Infoedastussüsteemi struktuurskeemid. Üksikute osade: infoallikas, kooder, edastuskanal jne ühtsed kirjeldused. Infoedastuse põhiseadused. (Slaididelt: paragrahv 1) Struktuurskeem: info allikas -> kodeerimine -> edastuskanal -> dekodeerimine -> info tarbija Info allikas edastamisele kuuluvad teatud sõnumid ajalise järjestikuse jadana, siia lisandub ideaalne vaatleja, kes saab sõnumis aru; info allikad on pidevad (elektrilised signaalid) ja diskreetsed (lõplik arv teateid, diskreetsed allikad võivad olla lihtallikad ja kahendallikad); diskreetsed lihtallikad võivad olla mäluta (üksteiele järgnevad sümbolid on teineteisest statistiliselt sõltumatud) või mäluga (sümbolid on stat. sõltuvad); diskreetsel kahendallikal on kaks võimalikku väljundsümbolit null ja üks; Kodeerimine kooder on sobituste kogu; Edastuskanal edastuskanalil on välismõjud; edastuskanal on tehniliste vahendite kogum, toimib teatud reaalses füüsikalises
MÕÕTETULEMUSTE PÕHILISED JAOTUSEADUSED (ei ole otse konspektist) Juhuslikuks nimetatakse suurust, mis sõltub juhuslikest sündmustest ja mille väärtust pole seetõttu võimalik enne sündmuse toimumist kindlalt ennustada. Juhuslikku suurust, millel võib olla lõplik või loenduv arv väärtusi, nimetatakse diskreetseks juhuslikuks suuruseks. Diskreetne juhuslik suurus on määratud, kui on teada tema võimalikud väärtused ja nende väärtuste ilmumise tõenäosused, st. kui on antud jaotustabel. Korrastatud mõõtetulemused on väärtused suuruse järgi, mis on aluseks jaotusseadusele ja jaotusfunktsioonile F(x). Jaotusseadus - väärtus xk ja temale vastav tõenäosus pk=ni /ni (või teiste sõnadega - Diskreetse juhusliku suuruse jaotusseaduseks nimetatakse vastavust tema kõikide võimalike väärtuste x1, x2, ... ja nende tõenäosuste p1, p2, ... vahel. Juhusliku suuruse jaotusfunktsioon F(x) määrab tõenäosuse selleks, et juhuslik suurus on väiksem tõkkest x, s.t.
MTMM.00.340 Kõrgem matemaatika 1 2016 KÄRBITUD loengukonspekt Marek Kolk ii Sisukord 0 Tähistused. Reaalarvud 1 0.1 Tähistused . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 0.2 Kreeka tähestik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 0.3 Reaalarvud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 0.4 Summa sümbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1 Maatriksid ja determinandid 7 1.1 Maatriksi mõiste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.2 Tehted maatriksitega . . . . . . . . . . . . . . . . . . .
1. Hüdroloogia kui teadus, klassifikatsioon ja seos teiste teadustega. Uurimismeetodid. Hüdroloogia uurib looduslikku vett, selle ringet ja levikut Hüdroloogia on teadus, mis uurib Maa hüdrosfääri: veeringet, selles kulgevaid protsesse ning hüdrosfääri ja seda ümbritseva keskkonna vastastikust mõju. Hüdroloogia uurimisobjekt on hüdrosfäär – üks Maa geosfääre, mis hõlmab keemiliselt sidumata vee, s.o ookeanide, merede, järvede, jõgede, mulla-, põhja-, atmosfääri- ja liustikuvee. Hüdroloogia jaguneb ookeani- ja mereteaduseks e okeanoloogiaks (okeanograafiaks) ning sisevete (mandrivete) hüdroloogiaks. Sisevete hüdroloogia jaguneb omakorda jõgede, järvede, soode ja liustike hüdroloogiaks. Seosed teiste teadustega: Palju kasutatakse füüsika seadusi, eriti õpetust soojusest, elektromagnetlainetest, aine ehitusest. On vaja teada: matem, teoreetilist mehaanikat, hüdromehaanikat, geograafiat, astronoomiat. On seotud ka tihedalt: geofüüsika, merefüüsika, o
V.Jaaniso Pinnasemehaanika 1. SISSEJUHATUS Kõik ehitised on ühel või teisel viisil seotud pinnasega. Need kas toetuvad pinnasele vundamendi kaudu, toetavad pinnast (tugiseinad), on rajatud pinnasesse (süvendid, tunnelid) või ehitatud pinnasest (tammid, paisud) (joonis 1.1). a) b) c) d) J o o n is 1 .1 P in n a s e g a s e o tu d e h i tis e d v õ i n e n d e o s a d .a ) p i n n a s e le t o e t u v a d ( m a d a l - j a v a iv u n d a m e n t) b ) p i n n a s t t o e t a v a d ( t u g is e in a d ) c ) p in n a s e s s e r a j a tu d ( tu n n e li d , s ü v e n d i d d ) p in n a s e s t r a j a tu d ( ta m m i d , p a is u d ) Ehitiste koormuste ja muude mõjurite tõttu pinnase pingeseisund muutub, pinnas deformeerub ja võib puruneda nagu kõik teisedki materjalid. See põhjustab
EESTI MEREAKADEEMIA RAKENDUSMEHAANIKA ÕPPETOOL MTA 5298 RAKENDUSMEHAANIKA LOENGUMATERJAL Koostanud: dotsent I. Penkov TALLINN 2010 EESSÕNA Selleks, et aru saada kuidas see või teine masin töötab, peab teadma millistest osadest see koosneb ning kuidas need osad mõjutavad teineteist. Selleks aga, et taolist masinat konstrueerida tuleb arvutada ka iga seesolevat detaili. Masinaelementide arvutusmeetodid põhinevad tugevusõpetuse printsiipides, kus vaadeldakse konstruktsioonide jäikust, tugevust ja stabiilsust. Tuuakse esile arvutamise põhihüpoteesid ning detailide deformatsioonide sõltuvuse väliskoormustest ja elastsusparameetritest. Detailide pinguse analüüs lubab optimeerida konstruktsiooni massi, mõõdu ja ökonoomsuse parameetrite kaudu. Masinate projekteerimisel omab suurt tähtsust detailide materjali õige valik. Masinaehitusel kasutatavate materjalide nomenklatuur täieneb pidevalt, rakendatakse efekti
Teises analüüsivariandis hinnangu väärtuseks võetakse vahemiku alampiir. Kolmandas analüüsivariandis hinnangu vahemiku ülempiir. Parimaks nimetatakse hinnangut, mis rahuldab nelja tingimust: hinnang peab olema tõene, nihutamata, efektiivne, küllaldane. Tõene hinnang-; vaatluste arvu suurenedes hinnangu täpsus suureneb ning lõpmata suure katsete arvu korral hinnang t on võrdne parameetri -; tegeliku väärtusega. Nihutamata hinnag -; kui hinnangu kui juhusliku suuruse keskväärtus E(t) on võrdne hinnatava parameetri -; tegeliku väärtusega. Efektiivne hinnang - - mille dispersioon D(t) on minimaalne, st. hinnangu kui juhusliku suuruse varieeruvus on minimaalne. Küllaldane hinnang -; kui hinnang t sisaldab kogu seda informatsiooni, mis vaatlustulemustes olemas. Keskväärtuse parimaks hinnanguks on vaatlustulemuste aritmeetiline keskmine, mis rahuldab kõiki eelpool toodud nelja tingimust.Kõige lihtsamaks keskväärtuse hinnanguks on nn. äärmiste väärtuste keskmine
annaabi.ee 
