Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Statistika konspekt". Need materjalid aitavad sul teemat sügavamalt mõista.
kvalitatiiantitati, osamuutus, üldkogum, üldindeks, valim, variatsiooni, reklaam, protsentide, normaaljaotus, kroonides, juurdekasvu, müügikogus, esindus, tarbijahinna, müügikäive, komponentalitatiivsed, geomeetriline, variantide, üldkogumis, arvuline, hüpotees, ford, sierra, autoturg, sääst, tuhat, juurdekasvutempo, tarbijahinnaindeks.. 200-300 200-300 250 28 7000 38 -179,5 32220,25 ... 300-400 300-400 350 42 14700 80 -79,5 6320,25 ... 400-600 400-600 500 50 25000 130 70,5 4970,25 ... Üle 600 600-1000 800 20 16000 150 370,5 137270,3 ... Kokku 150 64425 4822025 USALDUSINTERVALLID Usaldusintervalle on vaja selleks, et hinnata valimi ja üldkogumi vastavust. Valim on juhuslik,võib esineda erinevaid tulemusi. Tehes üldistusi üldkogumile,peame veaga arvestama. Usaldusintervalle kasutataksegi selle vea hindamiseks. Keskmine esindusviga. Valimi suurenedes esindusviga väheneb. Selle leidmiseks on erinevad valemid lähtuvalt sellest, kas üldkogumi suurus on teada või ei ole.(valimi mahu võtmisel ei arvestata missing lahtrit) Piiresindusviga. Jälle kaks valemit lähtuvalt üldkogumist. Kasutatakse t-jaotuse täiendkvantiili
(osakogumi x maht kogumis A / x maht kogumis B) 6) Intensiivsuhtarvud on omavahel kvalitatiivselt erinevate kogumite suhted. Iseloomustatakse 1 nähtuse leviku intensiivsust teise nähtuse suhtes.(rahvastiku tiheduse näitarv, mis iseloomustab rahvastiku levikut[esimene nähtus] riigi territooriumi [teine nähtus] suhtes). Intensiivsuhtarvu 2 liiki: 1) Tihedussuhtarv Leitakse : ( üldkogum x/ üldkogum y). Mitu lugejasoleva kogumi ühikut langeb nimetajas oleva kogumi ühele ühikule. 2)Sagedussuhtarv Leitakse: (sündmuste kogum/ esemete kogum) või (dünaamiline kogum/staatiline kogum). Sellega leitakse näiteks suremuse ja sündivuse koefitsente, nt sünnijuhtumite arv jagatakse keskmise rahvaarvuga. 9. Keskmise mõiste ja tema tunnetuslikud omadused Keskmised on levinumaid kvantitatiivseid üldistusi., keskmisi võib olla ühel kogumil mitu
STATISTIKA MÕISTED, VALEMID AEGRIDADE ANALÜÜS • Aegrida – nähtuste ajalist muutumist iseloomustavate arvandmete rida. • Aegrea elemendid – nähtust iseloomustava tunnuse arvväärtused ning neile vastavad teatud ajamomendid või –perioodid Aegread liigitatakse moment- ja perioodridadeks • Momentrida – aegrida, mille iga element on seotud teatud ajamomendiga. See kindel ajamoment võib olla mingi kindel kuupäev, näiteks aasta lõpp või algus, näiteks rahvaarv 1. jaanuari seisuga või bilanss mingi kuupäeva seisuga. Momentrea oluliseks iseärasuseks on asjaolu, et nähtust iseloomustava tunnuse arvväärtuste summal ei ole reaalset sisu. Näiteks ei oma sisu rahvaarvude liitmine 1. jaanuari seisuga. • Perioodrida – aegrida, mille iga element on seotud mingi ajavahemikuga, perioodiga (perioodiks võib olla kuu, kvartal, aasta). Selliseid ridu nimetataks
vaid tabeli või diagrammina. Teoreetilised jaotused - Teatud teoreetilistest printsiipidest tuletatud jaotusseadus on teoreetiline jaotus. Diskreetse juhusliku suuruse korral: valem tõenäosuste leidmiseks. Pideva juhusliku suuruse korral: valem jaotustiheduse leidmiseks. Tuntakse üle 100 erineva teoreetilise jaotuse. Diskreetsed jaotused: ühtlane jaotus, Bernoulli jaotus, Binoomjaotus, Poissoni jaotus. Pidevad jaotused: ühtlane ehk ristkülikjaotus, eksponentjaotus, normaaljaotus, t-jaotus, F-jaotus, χ 2-jaotus(hii-ruut jaotus) 1. Juhusliku suuruse iseloomu ja empiirilise jaotuse järgi leitakse sobiv teoreetiline jaotus. 2. Vaatlusandmete põhjal leitakse teoreetilise jaotuse parameetrid. 3. Teoreetilist jaotust kasutatakse tõenäosuste arvutamisel. Seda, kas valitud teoreetiline jaotus sobib, saab testida jaotuse sobivuse χ 2 testiga. Binoomjaotus - Binoomjaotusega on tegemist, kui • katse tulemus võib olla positiivne või negatiivne;
1. pole põhjus ega tagajärge 2. kordaja võb olla nii pos kui neg 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
keskväärtuse muutumise kiirust suuruse X mõjul; E on regressioonsirge algordinaat. Ideaalse mitmese regressioonanalüüsi korral on otsustusmuutujad sõltumatud, igaüks kirjeldab sõltuva muutuja hajuvusest üht kindlat osa. Otsustusmuutuja kordaja näitab otsustusmuutuja mõju juhusliku suuruse Y keskväärtusele, kui teised muutujad jäävad samaks. Näiteks: Y=13,07x1+82,28, kus Y on läbimüük ja x1 on reklaam. Kui reklaami näitamine kasvab 1 võrra, siis läbimüük kasvab 13,07 võrra. 21. Kuidas tõlgendada otsustusmuutujate kordajaid mitme otsustusmuutujaga regressioonvõrrandis? Näiteks: Y=8,23x1+0,29x2+86,25, Y on läbimüük, x1 on reklaam ja x2 on õhutemperatuur. Kui reklaami näitamine kasvab 1 võrra, siis läbimüük kasvab 8,23 võrra õhutemperatuuri muutumatuks jäädes. 22. Mis on faktoranalüüsi eesmärk?
üldkogumi keskmisest väärtusest Vahemikhinnangu andmisel usalduspiiris on suurema valitud usaltatavuse puhul laiemad Hüpoteeside kontrollimisel: On võimalik I tüüpi vea tekkimine kui lükatakse tagasi nullhüpotees Kui kasutada otsuste langetamisel väiksemat valimit, siis vea tekkimise võimalus suureneb Valimi suurus mõjutab hüpoteesi kontrollimisel tehtavad otsust Hüpoteesi kontrollimisel viga saab tekkida: kuna anname hinnangu valimi põhjal ja valim on moodustatud juhuväljavõtu teel Statistilite hüpoteeside kontrollimisel: võrreldakse empiirilistel andmetel leitud statistikut kontrollstatistikuga Normaalselt jaotuvad kogumis: ei ükski; Mood, mediaan ja aritmeetiline keskmine on võrdsed asümmeetriakordaja ei erine 0-st Dispersioon on standardhälbe ruut jaotuskõver on sümmeetriline Normaaljaotuse korral: Kolmandat järku standardmomemt on võrdne nulliga Tugeva neg lineaarse seose korral:
b. suurema informatiivsusega järjestusskaala c. kõige informatiivsem intervallskaala 2. Uuringufirma viib Eesti elanikkonna hulgas läbi tööjõu-uuringut. Vali õiged terminid, mis tähistavad toodud mõisteid. a. Eesti elanik objekt b. Uuringu teostamiseks kasutatakse intervjuusid mõõtmismeetod c. Tallinna elanikud osakogum d. need isikud, keda küsitletakse valim e. Intervjuul esitatavate küsimuste komplekt mõõtmisvahend f. Eesti elanikkond üldkogum g. inimese vanus tunnus h. need inimesed, kelle sissetulek on väiksem kui 5000 kr osakogum i. inimese sissetulek tunnus 3. Milliste vaatlustega on tegemist? a. küsimustiku täitmine veebis ankeetvaatlus b. andmete hankimine internetist dokumentaalvaatlus c
Kaup Esimene periood Teine periood hind kogus Hind kogus A 8 EEK 450 10 EEK 430 B 14 EEK 600 13 EEK 680 V: Käive oleks suurenenud 7,4% 2.) Valimi andmete põhjal saadi järgmised tulemused: aritm.keskmine=80 ja standardhälve 20. Kui suur peaks olema valim +/-3 ühikut, usaldatavusega 95%. V: Tuleb kasutada lühikest valimit, kuna üldkogum ei ole teada: N=2²*sigma²/D² 3.) 3 aasta pikkuse aegrea algtase oli 100 ja lõpptase 200. Milline oli juurdekasvutempo? 1. 240 2. 170 4.) Kümne aasta pikkuse aegrea algtase 100 ja lõpptase 200. Milline oli rea keskmine absoluutne juurdekasv? 1. ei saa arvutada, sest dispersioon ei ole teada 2. 10 ühikut 3. 11,1 ühikut 4. 9,2 ühikut 5
MAINORI KÕRGKOOL Juhtimise instituut Annika Krutto ANDMEANALÜÜS SOTSIAALTEADUSTES Loengukonspekt Tartu 2009 SISUKORD SISSEJUHATUS...........................................................................................................................3 1. ANDMEANALÜÜSI põhimõisted ......................................................................................... 3 1.1 Üldkogum ja valim............................................................................................................... 3 1.2. Valimi valikumeetodid.........................................................................................................4 1.3. Mõõtmismeetod ja mõõtmisvahend ....................................................................................5 1.4. Andmetabel.....................................................................................................
lineaarhälve on seotud tõenäosusteooria rakendustega, kuid standardhälve ei ole – VALE, vastupidi peavad olema mõlemasuunalised kõrvalekalded keskm.tasemest võrdvõimalikud – VALE võib kasutada dispersiooni – ÕIGE standardhälve (hälvete ruutkeskmine) on varieeruvas kogumis alati keskmisest lineaarhälvest (hälvete aritm keskm) väiksem – VALE, suurem Väljavõtukogumi suurus ei tohi sõltuda: üldkogumi suurusest (mida suurem üldkogum, seda suurem valim) üldkogumi keskmisest väärtusest – ÕIGE usaldatavusest (mida suurem usaldatavus, seda suurem valim) soovitud täpsusest (mida täpsemat tulemust tahan, seda suurem peab olema valim) väärtuste varieeruvusest üldkogumis (mida suurem dispersioon, seda suurem on valim) Keskmine esindusviga on oma sisult: vale keskmise valiku tulemusel tekkinud arvutusviga - esindusviga ei ole arvutusviga, valim esindab üldkogumit
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
B, kui kõneldakse alla 41 minuti kuus. ÜLESANDED Ülesanne 3-1 Üks klient toob keskmiselt sisse 60 kr. Mitu klienti päevas tuleks teenindada, et tulu päevas oleks 1500 kr? Ülesanne 3-2 Naisel kulus juuksuris kolm korda rohkem raha kui mehel. Kokku kulus neil raha 140 kr. Koostada võrrand. Mitu krooni kulutas juuksuri peale mees, mitu naine? Ülesanne 3-3 Kirjeldagu toote nõudlust turul nõudlusfunktsioon qD=-1000p+120000 ja pakkumist funktsioon qS=500p, kus p on toote hind kroonides. Leida hind, mille korral nõudmine ja pakkumine on tasakaalus. Ülesanne 3-4 Firma püsikulud kuus on 25 tuhat krooni. Muutuvkulu ühe toote kohta on 700 krooni. Kui suurt tootmismahtu võib kuus planeerida, kui summaarsed kulud kuus võivad olla 375 tuh kr? Ülesanne 3-5 Firmas A, mis tegeleb autode rentimisega, on hind 250 kr pluss 6 kr/km. Firmas B tuleb maksta 300 kr pluss 5 kr/km. Leida kriteerium, millal üürida ühest, millal teisest firmast. Ülesanne 3-6
Standardhälve ON ALATI varieeruvas kogumis keskmisest lineaarhälbest suurem. Normaaljaotuse üks parameetritest on standardhälve ehk sigma. Mida suurem on standardhälve seda laugem (suurem) on äärmuste vahe. NORMAALJAOTUS · Jaotuse püstakuse ehk ekstessi mõõtmisel tuginetakse neljandat järku normeeritud momendile ning jaotust võrreldakse normaaljaotusega (selle neljandat järku normeeritud moment on 3). · Normaaljaotus kirjeldab tunnust, mille käitumine on normaalne. Normaaljaotus on piirjaotus, millele lähenevad paljud teised jaotused. · Normaaljaotuse üks parameetritest on standardhälve ehk sigma. · Normaaljaotuse omadused: * normaaljaotus on pidev jaotus *normaaljaotus on täielikult kirjeldatav kahe parameetriga: keskväärtusega ja dispersiooniga 2 *normaaljaotusele vastav kõver on sümmeetriline keskväärtuse suhtes * normaaljaotuse keskväärtus, mood ja mediaan ühtivad.
1. Üldkogum – ehk populatsiooni all mõeldakse kõiki juhtumeid või situatsioone, mille kohta uurijad soovivad, et nende poolt saadud järeldused või prognoosid kehtiksid. Valim – liikmed tuleb valida juhuslikult, st igal üldkogumi liikmel peab olema võrdne võimalus saada valitud valimisse. Valimimaht – Valimisse valitavate objektide arv. Tunnuste- all mõistetakse liikmeid kirjeldavaid erinevaid omadusi. 2. Statistilise uurimistöö etapid. Mingi probleemi statistilise uurimisel läbitakse 4 tööetappi: Uuringu ettevalmistamine Statistiline vaatlus või eksperiment Vaatlusandmete kokkuvõtte ja esialgne töötlemine
.. f2(ym) Kovariatsioon cov(X,Y)=E[(X-EX)(Y-EY)] cov( X , Y ) Korrelatsioonikordaja = -1 1 DX DY Statistika teooria III 1. Matemaatilise statistika põhiülesanne. Lihtne juhuvalik. Matemaatilise statistika põhiülesanne on üldkogumi parameetrite hindamine valimi põhjal. Klassikalises matemaatilises statistikas loetakse üldkogum reeglina lõpmatuks ja üldkogumi elementidel mõõdetud tunnust käsitletakse juhusliku suurusena. Lihtne juhuvalik: · Valimi iga element võetakse samast üldkogumist. · Üldkogumi igal elemendil on võrdne võimalus sattuda valimisse. · Elemendi valimisse sattumine on sõltumatu mistahes teise elemendi valimisse sattumisest/mittesattumisest. 2. Valimkeskmine kui üldkogumi keskmise punkthinnang. Valimkeskmise kui juhusliku suuruse jaotus.
Mult.Kollineaarsuse avastamiseks viiakse lisaks regressioonianalüüsile läbi ka korrelatsioonianalüüs. St leitakse paarikaupa kõigi tunnuste korrelatsioonikordajad ja võrreldakse sõltuvate tunnuste omavahelist korrelatsiooni ja korrelatsiooni sõltuva tunnusega. Nihketa hinnang hinnangu keskväärtus võrdub parameetri tegeliku väärtusega. 27. Negatiivne korrelatsioon -- ühe suuruse kasvades teine suurus kahaneb. 28. Normaaljaotus On pidev jaotus. Kirjeldatav 2 parameetriga: keskväärtusega (müü ) ja dispersiooniga ( 2 st. ruut). Normaaljaotuse korral keskväärtus, mood ja mediaan ühtivad. Sobib tunnuste kirjeldamiseks, millel on teatud keskmine tase. Selle keskmise taseme lähedased väärtused esinevad tihti, suuri kõrvalekaldeid keskmisest väärtusest on harva. Graafiku joon: siil vaiba all sümmeetriline keskväärtuse suhtes. PS
● Statistiliste meetoditega hinnatavad mudeli parameetrid (b). ● Juhuslik komponent ehk vealiige (u). 2. Andmetüübid. Ökonomeetriline mudel baseerub arvandmetel: ● Ristandmed (cross-sectional) ● Aegread (time series) ● Paneelandmed (panel data) Andmed saavad olla kas ● Kvalitatiivsed (ei saa mõõta arvudega, nt haridustase) ● Kvantitatiivsed (mõõdetakse arvudega, nt vanus) 3. Valimvaatlused ja parameetri hinnangu mõiste. ● Uuritav objekt on üldkogum ● Andmebaas on üldjuhul valim Järeldusi soovime teha üldkogumi kohta, selleks kasutame valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. Valimi põhjal leiame mudeli parameetrite hinnangud. Valim on juhuvalim => hinnang on juhuslik suurus. 4. Punkthinnang, intervallhinnang. Punkthinnang (point estimate) on statistik, mis annab parameetrile ühese väärtuse. Näiteks valimi aritmeetiline keskmine on punkthinnang kogumi keskväärtusele.
aasta sügissemestri KT õppimiseks Teooria 1. Ökonomeetrilise mudeli komponendid. Endogeensed (sõltuvad Y), eksogeensed (sõltumatud, X), hinnatavad parameetrid (beeta) ja juhuslik komponent ehk vealiige (u) 2. Andmetüübid. Kvalitatiivsed, kvantitatiivsed, ristandmed, aegread, paneelandmed 3. Valimvaatlused ja parameetri hinnangu mõiste. Uuritav objekt on üldvalim, andmebaas on üldjuhul valim. Järledusi teeme üldkogumi kohta ja selleks kasutame valimit. Valimi parameetrite põhjal leitakse üldkogumi parameetrite hinnangud. Valim on juhuvalim, hinnang on juhuslik suurus. Suvaline valimi andmete põhjal arvutatud funktsioon on statistik ning erinevad valimid annavad statistikutele erinevad väärtused. Statistik on juhuslik suurus. 4. Punkthinnang, intervallhinnang. Punkthinnang on statistik, mis annab parameetrile ühese väärtuse (nt valimi arit. Keskmine on
a) f = g2 ja g = 3x - 1; b) f = g + 1 ja g = x 3; c) f = g2 - 2g + 2 ja g = 2x - 1; 2x & 1 d) f ' g ja g ' ; 3&x e) f = g2 , g = u - 3 ja u = 2x - 1 MAJANDUSMATEMAATIKA I Võrrandid 17 2.22 Nõudlus toote järele sõltub selle hinnast: q(p) = 400p2 + 3500 p + 2000, kus p on toote hind kroonides. Prognoos näitab, et lähitulevikus toote hind väheneb järgmise seaduse kohaselt: 50 p (t) ' t % 15 kus t on aeg kuudes alates praegusest. Leida funktsioon, mis kirjeldab nõudluse sõltuvust ajast. Milline on nõutav kogus praegu? Milline on nõutav kogus 3 kuu pärast? 2
küsimustele tahan vastuseid. Andmete kogumine. Enne kogumist kontrollida, ehk on andmed juba olemas ja arvestada aja- ning raharessursiga. Vaatlus: otsevaatlus, varjatud vaatlus, osalusvaatlus Eksperiment Intervjuu: struktureeritud, poolstruktureeritud või struktureerimata Küsitlus Kas uurida valimit või üldkogumit? Üldkogum ehk populatsioon. Valim on üldkogumist uurimiseks eraldatud osa, mille põhjal tehakse statistilisi järeldusi üldkogumi kohta. Valimi moodustamine: a)tõenäosuslik: 1. Lihtne juhu- nimekiri 2. Süstemaatiline juhu- nimekiri, millest iga 10. 3. Kiht- valin grupid, keda küsitlen 4. Klaster- valin kellegi grupist b) mittetõenäosuslik: 1. Mugavus- pilootuuring testina 2. Ettekavatsetud- vastavalt eelteadmistele valitud uuritavad 3
rühmade jaoks (independent samples t-test) Kui võrreldakse ühe ja sama katsegrupi seisundeid erinevail ajahetkedel (kordusmõõtmised), siis on tegemist omavahel sõltuvate rühmadega ja kasutatakse sõltuvate rühmade t-testi (dependent samples/ paired-samples t-test) Andmed peavad olema vähemalt intervall skaalal (mõõdetav tunnus peab olema pidev muutuja) Sõltuvate rühmade t-testi puhul peab olema normaaljaotus, mis on moodustatud järgmiselt: ühel korral mõõdetud tulemustest on lahutatud teisel korral mõõdetud tulemused. Sõltumatute gruppidega t-testi puhul peaksid olema dispersioonid sarnased (seda saab kontrollida Leveni testiga). Kui gruppide suurused on sarnased, siis ei ole selle eelduse rikkumine väga tõsine. JASPis saab arvutada t-testi statistiku, mis arvestab selle eelduse rikkumisega (Welchi statistik).
Tallinna Tehnikagümnaasium LOENGUKONSPEKT I OSA FINANTSARVESTUS 1 Tallinna Tehnikagümnaasium Õppeaine eesmärk Anda õpilastele majandusalaseid üldteadmisi ettevõtte majandustegevuse olulisematest külgedest, finantsarvestuse alustest, kontseptsioonidest seostatuna Eesti seadusandluse ja ärikeskkonna ning nendest tulenevate probleemidega. Aine käsitlemisel keskendutakse põhimõistete, struktuuride, reeglite ja protsesside ning metoodiliste võtete selgitamisele ettevõtluse esmatasandil. Loengukonspekti esimene osa sisaldab teoreetilisi aluseid. Teises osas on toodud aine omandamiseks vajalikud praktilised näited probleemsed ülesanded (nn. mini projektid), milledele on vaja anda majanduslik hinnang ja teha õiged otsused probleemide käsitlusel. 2
Tehnikagümnaasium TALLINNA TEHNIKAGÜMNAASIUM AINEKONSPEKT MAJANDUSÕPETUS II OSA FINANTSJUHTIMINE 1 Tehnikagümnaasium Õppeaine eesmärk Anda õpilastele majandusalaseid üldteadmisi ettevõtte majandustegevuse olulisematest külgedest, finantsarvestuse alustest, kontseptsioonidest seostatuna Eesti seadusandluse ja ärikeskkonna ning nendest tulenevate probleemidega. Aine käsitlemisel keskendutakse põhimõistete, struktuuride, reeglite ja protsesside ning metoodiliste võtete selgitamisele ettevõtluse esmatasandil. Loengukonspekt sisaldab teoreetilisi aluseid ja vajalikke praktilised näited probleemsed ülesanded (nn. miniprojektid), milledele on vaja anda majanduslik hinnang ja teha õiged otsused probleemide käsitlusel. Ülesannete kogumiku koostamisel on lähtutud vastavalt erinevate eriala omap�
Tehnikagümnaasium TALLINNA TEHNIKAGÜMNAASIUM AINEKONSPEKT MAJANDUSÕPETUS II OSA FINANTSJUHTIMINE 1 Tehnikagümnaasium Õppeaine eesmärk Anda õpilastele majandusalaseid üldteadmisi ettevõtte majandustegevuse olulisematest külgedest, finantsarvestuse alustest, kontseptsioonidest seostatuna Eesti seadusandluse ja ärikeskkonna ning nendest tulenevate probleemidega. Aine käsitlemisel keskendutakse põhimõistete, struktuuride, reeglite ja protsesside ning metoodiliste võtete selgitamisele ettevõtluse esmatasandil. Loengukonspekt sisaldab teoreetilisi aluseid ja vajalikke praktilised näited probleemsed ülesanded (nn. miniprojektid), milledele on vaja anda majanduslik hinnang ja teha õiged otsused probleemide käsitlusel. Ülesannete kogumiku koostamisel on lähtutud vastavalt erinevate eriala omap�
Tehnikagümnaasium TALLINNA TEHNIKAGÜMNAASIUM AINEKONSPEKT MAJANDUSÕPETUS II OSA FINANTSJUHTIMINE 1 Tehnikagümnaasium Õppeaine eesmärk Anda õpilastele majandusalaseid üldteadmisi ettevõtte majandustegevuse olulisematest külgedest, finantsarvestuse alustest, kontseptsioonidest seostatuna Eesti seadusandluse ja ärikeskkonna ning nendest tulenevate probleemidega. Aine käsitlemisel keskendutakse põhimõistete, struktuuride, reeglite ja protsesside ning metoodiliste võtete selgitamisele ettevõtluse esmatasandil. Loengukonspekt sisaldab teoreetilisi aluseid ja vajalikke praktilised näited probleemsed ülesanded (nn. miniprojektid), milledele on vaja anda majanduslik hinnang ja teha õiged otsused probleemide käsitlusel. Ülesannete kogumiku koostamisel on lähtutud vastavalt erinevate eriala omap�
............................................................................................................................... 17 3.4. Aritmeetilise keskmise standardhälve ja Atüüpi määramatus ......................................... 18 3.5. Usaldusnivoo leidmine histogrammi alusel....................................................................... 19 4. Jaotusfunktsioonid. jaotusfunktsiooni hüpoteesi kontrollimine ................................................ 20 4.1. Normaaljaotus.................................................................................................................... 20 4.2. Ühtlane jaotus .................................................................................................................... 20 4.3. Kolmnurkjaotus ................................................................................................................. 21 4.4. Usaldusnivoo hindamine jaotusfunktsiooni alusel ......................................
Kõige levinumaks näitajaks on standardhälve. Standardhälve iseloomustab vastuste harjuvust keskmise ümber. Variatsioonikoefitsient on standardhälbe ja aritmeetilise keskmise suhe. VALIMI MOODUSTAMINE Valikuuring on statistiline uuring, milles otsustused kogumi kohta tehakse valimi (kogumi ühe osa) baasil. Valim peab olema representatiivne ehk andma õige ettekujutuse uuritava elanikkonna omadustest. Valimi moodustamise meetodid: · Juhuslik valik teatud kogumist valitakse valim juhuslikult. Igal inimesel on võrdselt teistega võimalus sattuda valimisse. (Näide: võetakse kogu elanike nimekiri ja siis juhuslikult valitakse sealt vajalik arv inimesi välja) · Süstemaatiline valim objektide valimine toimub fikseeritud sammuga. (Näide: elanikkonnaregistrist võetakse iga kümnes inimene) · Kihtvalim selle meetodiga püütakse vältida juhusliku valiku poolt tekkivaid vigu. Valim
ennustada ühes klassis käivate laste mõõtmisel saadud keskmise pikkuse põhjal teises klassis käivate laste keskmist pikkust. Seepärast ei saa me olla täiesti täpsed, kuid statistika võimaldab meil määrata oma vigade ulatuse. Seega me võime peaaegu täpselt väita, et lapse pikkus on vahemikus 162 ± 0,25 cm; ning me võime arvutada, et 99-l juhul 100-st on laste keskmine pikkus teises klassis näiteks vahemikus 162 ± 3 cm. Kirjeldav ja järeldav statistika. Üldkogum ja valim. Enamuses statistika käsitlustes tõmmatakse selge piir kahe statistika valdkonna vahele: 1. KIRJELDAV STATISTIKA, mis pakub meetodeid (vaatlus)andmetest kokkuvõtete tegemiseks ja nende kirjeldamiseks ning 2. JÄRELDAV STATISTIKA, mis kasutab kogutud (vaatlus)andmeid baasina hinnangute ja prognooside tegemiseks (veel) mitte vaadeldud situatsioonide kohta. Vaatame veelkord neid lauseid igapäevasest elust, mida ma eelpool mainisin. Milliseid
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
Seminar (foorum) 1 Eesti majandus j p perioodil 1991-2009 Moto,, mis on iseloomustanud Eesti majandust j Valitsemine pole mitte valikute tegemine hea ja halva vahel, see on valikute tegemine ebameeldiva ja katastroofilise vahel. (J.K Galbraith) Lembit Viilup PhD IT Kolledz Küsimused Eesti majanduse kohta: I Miks tekkisid Eestis suured majanduslikud probleemid 1980 I. 1980. aastate lõpus? Eesti oli veel NSVL koosseisus. · Taasiseseisvus 20.08.1991 20 08 1991 aa. · Puudus ligipääs välismaa tipptehnoloogiale (embargo IT jt. strateegilistes majandusvaldkondades). · Sõjalis-tööstuslik kompleks oli suureks koormaks. USA "tähesõdade programm" kurnas majandust. · Ettevõtete omavahelised tsentraalselt paika pandud majanduslikud sidemed enam ei toiminud. · Rah
1. Ökonomeetria mõiste ja ülesanded. Ökonomeetria komponendid. MÕISTE: Ökonomeetria on teadus ja kunst kasutada statistilisi tehnikaid ja majandusteooriaid majanduslike andmete analüüsimisel. ÜLESANDED: 1) Majanduslike nähtuste vaheliste seoste kvantitatiivne kirjeldamine 2) Majandusteoreetiliste hüpoteeside kontrollimine 3) Majandusnäitajate ja majandusarengu prognoosimine KOMPONENDID: · Majandusteooria · Andmed · Statistilised ja matemaatilised meetodid 2. Ökonomeetrilise mudeli olemus, mudeli komponendid. Ökonomeetrilise modelleerimise etapid. MUDELI OLEMUS: · Mudel on lihtsustatud ettekujutus reaalsest objektist, protsessist või nähtusest · Mudel on tegelikkuse abstraktsioon, üldistus · Mudel peab peegeldama ainult olulist, jätma teatud probleemi käsitlemisel kõrvale mitteolulise ÖKONOMEETRILISE MUDELI OLEMUS: Ökonomeetriline mudel on matemaatilise mudeli eriliik, mis koosneb üldjuhul algebralistest võrrandit
Ettevõtte rahandus · Raamatupidamine · Finantsanalüüs · Mikro- ja makroökonoomika Rahanduse olemus Rahandus on teadus, mis hõlmab rahaliste vahendite liikumist ehk teisiti nende moodustamise allikaid ning kasutamise suundasid. Uurib rahaliste vahendite ringlust. Rahanduse võib jaotada erinevatesse tasaditesse: · Riigirahandus- kogu riigi rahalised resursid · Ettevõtete rahandus · Majanduseobjektide rahandus (pered, FIEd ja osaliselt väike ettevõtted) · Ettevõtlusega mitte tegelevad üksused (MTÜd ja sihtasutused) Ettevõtte rahandus käsitab ettevõtte rahalisete resursside tekkeallikaid ja nende suunamist. Vastavalt äriseadustikule peab iga ettevõte tegutsema kasumlikult ehk tootma kasumit. Annab iga tootmistsükkli järel kasumi üldreeglina, sest teatud juhtudel ettevõte ei pruugi olla kasumlik, aga see ei tohi olla pikaajaline. Ettevõtte majandustegevus C+V+m=T C- konstant. Tootmiskulud (kulud materjalile, toor
annaabi.ee 
