Vajad kellegagi rääkida?
Küsi julgelt abi LasteAbi
Logi sisse

Statistika ülesanned 2. Andmetöötlus. (0)

1 Hindamata
Punktid




Likerti skaala: Data 1 Data 2 Data 3 1 - tugevalt ei nõustu 1 1 1 2 - pigem ei nõustus 1 1 2 3 - olen neutraalne 2 1 3 4 - pigem nõustun 2 2 4 5 - tugevalt nõustun 3 2 4 3 2 4 4 3 5 4 3 5 5 4 5 5 5 5 Arv =COUNT 10 10 10 Keskväärtus =AVERAGE 3 2.4 3.8 Mediaan =MEDIAN 3 2 4 Mood =MODE.SNGL 1 1 5 Mood =MODE.MULT 1 1 5 2 2 3
4
5 Keskmised arvkarakteristikud - eng. Measures of Central Tendency


Hälve Näide x x keskm. (x- keskm)^2 1 -2 4 1 -2 4 2 -1 1 2 -1 1 3 0 0 3 0 0 4 1 1 4 1 1 5 2 4 5 2 4 kokku 0 20 Keskväärtus 3 palli Dispersioon 2.22 pallid^2 Standardhälve 1.490712 Järeldus: hinnangute varieeruvus keskmise suhtes on 3+/-1,5 palli


Kaalutud keskmine ja mediaan - eng. Weighted Mean and Median F% H f p H*f H*p F cum f*(H-keskm)^2 1 15 0.11 15 0.11 15 10.79% 68.94 2 36 0.26 72 0.52 51 36.69% 47.11 3 25 0.18 75 0.54 76 54.68% 0.52 4 40 0.29 160 1.15 116 83.45% 29.32 5 23 0.17 115 0.83 139 100.00% 79.24 Total 139 1 437 3.14 397 225.1 H - hinnang
f - sagedus keskmine hinnang 3.14 p - suhteline sagedus e. osakaal mediaanhinnang 3 F -kumulatiivne sagedus moodhinnang 4 cum - kumulatiivne osakaal dispersioon 1.6 standardhälve 1.3 Järeldus: vastajate seas on erimeelsus, kuna keskmine on 3+/-1,3 palli


Likerti skaala:
1 - tugevalt ei nõustu
2 - pigem ei nõustus
3 - olen neutraalne
4 - pigem nõustun
5 - tugevalt nõustun Järeldus: vastajate seas on erimeelsus, kuna keskmine on 3+/-1,3 palli


Likerti skaala: 1 - tugevalt ei nõustu Data 1 Data 2 2 - pigem ei nõustus 1 1 3 - olen neutraalne 1 1 4 - pigem nõustun 2 1 5 - tugevalt nõustun 2 2 3 2 4 2 4 3 5 3 5 4
5 Arv =COUNT 9 10 Keskväärtus =AVERAGE 3 2.4 Mediaan =MEDIAN 3 2 Suurim väärtus =MAX 5 5 Väiksem väärtus =MIN 1 1 Valimi dispersioon =VAR.S 2.5 1.8 Üldkogumi dispersioon VAR.P 2.22 1.64 Valimi standardhälve =STDEV.S 1.58 1.35 Üldkogumi standardhälve =STDEV.P 1.49 1.28 Variatsioonikordaja CV=standardhälve/keskmine 52.7% 56.25% INC EXC Alumine kvartiil Q1=QUARTILE 2 1 Ülemine kvartiil Q3=QUARTILE 4.25 3.5 Haare =Max-MIN 4 4 Kvartiilide vahe IQR =Q3-Q1 2.25 2.5 assümeetriakordaja = SKEW 0 0.77 ekstsess = KURT -1.66 -0.13 Varieeruvuse arvkarakteristikud - eng. Measures of Variability


Data 3 1
2
3
4
4
4
5
5
5
5 10 3.8 4 5
1 2.0 1.76 1.40
1.33 36.8% EXC 2.75 5 4 2.25 -1.08 0.26


Keskmine elamispinna suurus elaniku kohta Eestis
Allikas: www.stat.ee
2000 a. rahvaloendus 2011 a. rahvaloendus Elupind f Elupind f alampiir 0 – 6 6060 0 – 6 3813 0 6 – 8 36227 6 – 8 22775 6 9 – 12 159590 9 – 12 101359 9 13 – 16 277190 13 – 16 186128 13 17 – 20 227312 17 – 20 174129 17 21 – 24 178430 21 – 24 152232 21 25 – 28 111988 25 – 28 115228 25 29 – 32 78890 29 – 32 93920 29 33 – 36 65266 33 – 36 85802 33 37 – 40 45699 37 – 40 68894 37 41 – 44 26413 41 – 44 33611 41 45 – 48 26118 45 – 48 40413 45 49 – 52 24477 49 – 52 44979 49 53 – 56 12138 53 – 56 20083 53 57 – 60 12116 57 – 60 24174 57 61 – 64 7213 61 – 64 12896 61 65 –  34,515 65 – 68 16801 65 69 – 72 9677 69 73 – 76 9293 73 77 – 80 8435 77 81 – 84 3381 81 85 –  34101 85 Kokku 1262124 Tähised
Elupind - elupinna suurus (m²) elaniku kohta Eestis
f - leibkondade arv ehk sagedus
m - intervalli keskmine
p - suhteline sagedus e. osakaal
F - kumulatiivne sagedus
cum - kumulatiivne osakaal Põhilised arvkarakteristikud grupeeritud andmetel - eng. Measures of Grouped Data


keskmine elupind ühe elaniku kohta 2021 a ülempiir m p F cum 6 3 0.30% 3813 0.3% 8 7 1.80% 26588 2.1% 12 11 8.03% 127947 10.1% 16 15 14.75% 310262 24.6% 20 19 13.80% 461616 36.6% 24 23 12.06% 512489 40.6% 28 27 9.13% 441589 35.0% 32 31 7.44% 361380 28.6% 36 35 6.80% 294950 23.4% 40 39 5.46% 248616 19.7% 44 43 2.66% 188307 14.9% 48 47 3.20% 142918 11.3% 52 51 3.56% 119003 9.4% 56 55 1.59% 105475 8.4% 60 59 1.92% 89236 7.1% 64 63 1.02% 57153 4.5% 68 67 1.33% 53871 4.3% 72 71 0.77% 39374 3.1% 76 75 0.74% 35771 2.8% 80 79 0.67% 27405 2.2% 84 83 0.27% 21109 1.7% 88 87 2.70% 45917 3.6% Tulemused 2011 2000 Keskmine elupind elaniku kohta 29.717059324 m2 Elupinna dispersioon 327.1 m^4 Elupinna standardhälve 18.1 m2 Elupinna mediaan 23.8 m2 Elupinna mood 15.6 m2 15,6m2 kõige tüüpilisem elupinna suurus ühe elaniku kohta Järeldus:elupinna varieeruvus keskmise suhtes on 29,6+/-18,1 m^2 Variatsioonu kordaja CV,% 61% Measures of Grouped Data m2


30.1 m2 m*f 11439 159425 1064270
2698856
3221387
3448055
3076588
2864560
2975184
2666485
1436310 Mediaani ja moodi arvutustabelid 1879205
2280623 mediaanklass: 21-24 1099007 kogumi maht n: 1262124 1420037 mediaanklassi alumine piir L: 21 806000 mediaanklassi laius d: 3 1120880 152232 684439 488204 694575 mediaan Med: 24.1 662148
279667 2957477 moodklass: 13-16 37506614 moodklassi alumine piir L: 13 moodklassi laius d: 3 101359
186128
174129 mood Mo: 15.6 15,6m2 kõige tüüpilisem elupinna suurus ühe elaniku kohta m2*f mediaanklassi sagedus f m: eelneva klassi kumulatiivne sagedus F m-1: moodklassile eelneva klassi sagedus f m-1: moodklassi sagedus f m:   moodklassile järgneva klassi sagedus f m+1: Aritmeetilise keskmise valem grupeeritud andmetel (kaalutud 
keskmine): 𝑥 ̅=1/𝑛 ∑_(𝑖=1)^𝑘▒ 〖𝑓 _𝑖∙𝑚_𝑖  〗 Dispersiooni valem grupeeritud andmetel: 𝑠^2=1/(𝑛−1)∙(∑_(𝑖=1)^𝑘▒ 〖𝑓 _𝑖∙(𝑚_𝑖−𝑥 ̅ )^2 
〗 )=1/(𝑛−1)∙(∑_(𝑖=1)^𝑘▒ 〖𝑚 _𝑖^2∙𝑓_𝑖−(∑2_(𝑖=1)^𝑘▒ 〖𝑚 _𝑖∙𝑓_𝑖  〗 )^2/𝑛 〗 ), kus n on kogumi maht, k - intervallide arv, 𝑓_𝑖 - intervalli sagedus, 𝑚_𝑖 - 
intervalli keskkoht. Standardhälve: 𝑠=√(𝑠^2 ). Mediaani hinnang grupeeritud andmetel: 𝑀𝑒𝑑=𝐿+𝑑/𝑓_𝑚 ∙(𝑛/2−𝐹_(𝑚−1) ), kus n on kogumi maht, 
L - mediaanklassi alumine piir,  d - mediaanklassi laius, 
𝑓_𝑚  - mediaanklassi sagedus,  𝐹_(𝑚−1)  - mediaanklassile eelneva klassi kumulatiivne sagedus Moodi hinnang grupeeritud andmetel: 𝑀𝑜=𝐿+𝑑∙(𝑓_𝑚−𝑓_(𝑚−1))/((𝑓_𝑚−𝑓_(𝑚−1) )+ 〖 (𝑓 〗 _𝑚−𝑓_(𝑚+1))) kus L  on moodklassi alumine piir, 
d - moodklassi laius, 
𝑓_𝑚  - moodklassi sagedus,  𝑓_(𝑚−1)  - moodklassile eelneva klassi sagedus, 𝑓_(𝑚+1)  - moodklassile järgneva klassi sagedus.


Aritmeetilise keskmise valem grupeeritud andmetel (kaalutud 
keskmine): 𝑥 ̅=1/𝑛 ∑_(𝑖=1)^𝑘▒ 〖𝑓 _𝑖∙𝑚_𝑖  〗 Dispersiooni valem grupeeritud andmetel: 𝑠^2=1/(𝑛−1)∙(∑_(𝑖=1)^𝑘▒ 〖𝑓 _𝑖∙(𝑚_𝑖−𝑥 ̅ )^2 
〗 )=1/(𝑛−1)∙(∑_(𝑖=1)^𝑘▒ 〖𝑚 _𝑖^2∙𝑓_𝑖−(∑2_(𝑖=1)^𝑘▒ 〖𝑚 _𝑖∙𝑓_𝑖  〗 )^2/𝑛 〗 ), kus n on kogumi maht, k - intervallide arv, 𝑓_𝑖 - intervalli sagedus, 𝑚_𝑖 - 
intervalli keskkoht. Standardhälve: 𝑠=√(𝑠^2 ). Mediaani hinnang grupeeritud andmetel: 𝑀𝑒𝑑=𝐿+𝑑/𝑓_𝑚 ∙(𝑛/2−𝐹_(𝑚−1) ), kus n on kogumi maht, 
L - mediaanklassi alumine piir,  d - mediaanklassi laius, 
𝑓_𝑚  - mediaanklassi sagedus,  𝐹_(𝑚−1)  - mediaanklassile eelneva klassi kumulatiivne sagedus Moodi hinnang grupeeritud andmetel: 𝑀𝑜=𝐿+𝑑∙(𝑓_𝑚−𝑓_(𝑚−1))/((𝑓_𝑚−𝑓_(𝑚−1) )+ 〖 (𝑓 〗 _𝑚−𝑓_(𝑚+1))) kus L  on moodklassi alumine piir, 
d - moodklassi laius, 
𝑓_𝑚  - moodklassi sagedus,  𝑓_(𝑚−1)  - moodklassile eelneva klassi sagedus, 𝑓_(𝑚+1)  - moodklassile järgneva klassi sagedus.


Allikas: Country Name Region Singapore Asia-Pacific 84.4 Switzerland Europe 84.2 Ireland Europe 82.0 Luxembourg Europe 80.6 New Zealand Asia-Pacific 80.6 Taiwan  Asia-Pacific 80.1 Estonia Europe 80.0 Netherlands Europe 79.5 Finland Europe 78.3 Denmark Europe 78.0 Sweden Europe 77.9 Australia Asia-Pacific 77.7 Iceland Europe 77.0 Norway Europe 76.9 Canada Americas 76.6 Germany Europe 76.1 Lithuania Europe 75.8 Latvia Europe 74.8 Korea, South Asia-Pacific 74.6 Chile Americas 74.4 Czech Republic Europe 74.4 Austria Europe 73.8 Cyprus Europe 72.9 United Kingdom Europe 72.7 United States Americas 72.1 Georgia Europe 71.8 Malta Europe 71.5 Barbados Americas 71.3 Bulgaria Europe 71.0 Mauritius Sub-Saharan Africa 70.9 Portugal Europe 70.8 Slovenia Europe 70.5 United Arab Emirates Middle East and North Africa 70.2 Uruguay Americas 70.0 Japan Asia-Pacific 69.9 Slovakia Europe 69.7 Belgium Europe 69.6 Asendikeskmised mediaan, kvartiilid, detsiilid ja protsentiilid - eng. Measures of Central Tendency: median, quartiles, deciles, percentiles
Jaotuse kujukarakteristikud asümmeetriakordaja ja ekstsess - eng. Measures of Form of Distribution: Skewness ja Kurtosis Majandusvabaduse indeks - eng World Index of Economic Freedom https://www.heritage.org/index/ 2022  Score


Bahamas Americas 68.7 Poland Europe 68.7 Samoa Asia-Pacific 68.3 Spain Europe 68.2 Malaysia Asia-Pacific 68.1 Israel Middle East and North Africa 68.0 Qatar Middle East and North Africa 67.7 Croatia Europe 67.6 Jamaica Americas 67.4 Romania Europe 67.1 Hungary Europe 66.9 Cabo Verde Sub-Saharan Africa 66.7 Albania Europe 66.6 Peru Americas 66.5 France Europe 65.9 North Macedonia Europe 65.7 Saint Vincent and the Grenadines Americas 65.7 Costa Rica Americas 65.4 Italy Europe 65.4 Panama Americas 65.4 Armenia Europe 65.3 Serbia Europe 65.2 Colombia Americas 65.1 Botswana Sub-Saharan Africa 64.8 Brunei Darussalam Asia-Pacific 64.8 Indonesia Asia-Pacific 64.4 Kazakhstan Asia-Pacific 64.4 Saint Lucia Americas 64.3 Mongolia Asia-Pacific 63.9 Mexico Americas 63.7 Bosnia and Herzegovina Europe 63.4 Guatemala Americas 63.2 Thailand Asia-Pacific 63.2 Dominican Republic Americas 63.0 Paraguay Americas 62.9 Vanuatu Asia-Pacific 62.9 Bahrain Middle East and North Africa 62.0 Azerbaijan Europe 61.6 Côte d'Ivoire Sub-Saharan Africa 61.6 Greece Europe 61.5 Moldova Europe 61.3 Philippines Asia-Pacific 61.1 Seychelles Sub-Saharan Africa 61.1 Benin Sub-Saharan Africa 61.0 Micronesia Asia-Pacific 61.0


Tonga Asia-Pacific 60.8 Vietnam Asia-Pacific 60.6 São Tomé and Príncipe Sub-Saharan Africa 60.3 Jordan Middle East and North Africa 60.1 Kosovo Europe 60.1 Senegal Sub-Saharan Africa 60.0 Ghana Sub-Saharan Africa 59.8 El Salvador Americas 59.6 Guyana Americas 59.5 Honduras Americas 59.5 Tanzania Sub-Saharan Africa 59.5 Bhutan Asia-Pacific 59.3 Kiribati Asia-Pacific 59.2 Morocco Middle East and North Africa 59.2 Namibia Sub-Saharan Africa 59.2 Madagascar Sub-Saharan Africa 58.9 Trinidad and Tobago Americas 58.8 Burkina Faso Sub-Saharan Africa 58.3 Kuwait Middle East and North Africa 58.3 Gambia Sub-Saharan Africa 58.0 Montenegro Europe 57.8 Togo Sub-Saharan Africa 57.2 Cambodia Asia-Pacific 57.1 Rwanda Sub-Saharan Africa 57.1 Turkey Europe 56.9 Belize Americas 56.6 Oman Middle East and North Africa 56.6 Solomon Islands Asia-Pacific 56.5 Fiji Asia-Pacific 56.4 South Africa Sub-Saharan Africa 56.2 Russia Europe 56.1 Mali Sub-Saharan Africa 55.9 Gabon Sub-Saharan Africa 55.8 Kyrgyz Republic Asia-Pacific 55.8 Uzbekistan Asia-Pacific 55.7 Saudi Arabia Middle East and North Africa 55.5 Djibouti Sub-Saharan Africa 55.3 Mauritania Sub-Saharan Africa 55.3 Niger Sub-Saharan Africa 54.9 Nicaragua Americas 54.8 Papua New Guinea Asia-Pacific 54.6 Dominica Americas 54.4 Nigeria Sub-Saharan Africa 54.4 Ecuador Americas 54.3 Guinea Sub-Saharan Africa 54.2


Tunisia Middle East and North Africa 54.2 Uganda Sub-Saharan Africa 54.2 Ukraine Europe 54.1 India Asia-Pacific 53.9 Brazil Americas 53.3 Sri Lanka Asia-Pacific 53.3 Belarus Europe 53.0 Malawi Sub-Saharan Africa 53.0 Cameroon Sub-Saharan Africa 52.9 Bangladesh Asia-Pacific 52.7 Angola Sub-Saharan Africa 52.6 Kenya Sub-Saharan Africa 52.6 Sierra Leone Sub-Saharan Africa 52.0 Eswatini Sub-Saharan Africa 51.4 Mozambique Sub-Saharan Africa 51.3 Comoros Sub-Saharan Africa 50.4 Argentina Americas 50.1 Haiti Americas 50.0 Chad Sub-Saharan Africa 49.8 Nepal Asia-Pacific 49.7 Tajikistan Asia-Pacific 49.7 Burma Asia-Pacific 49.6 Ethiopia Sub-Saharan Africa 49.6 Laos Asia-Pacific 49.2 Egypt Middle East and North Africa 49.1 Pakistan Asia-Pacific 48.8 Zambia Sub-Saharan Africa 48.7 Congo, Republic of Sub-Saharan Africa 48.5 Lesotho Sub-Saharan Africa 48.1 Suriname Americas 48.1 China Asia-Pacific 48.0 Liberia Sub-Saharan Africa 47.9 Congo, Democratic Republic of the Congo Sub-Saharan Africa 47.6 Lebanon Middle East and North Africa 47.3 Maldives Asia-Pacific 47.3 Equatorial Guinea Sub-Saharan Africa 47.2 Timor-Leste Asia-Pacific 46.3 Turkmenistan Asia-Pacific 46.2 Guinea-Bissau Sub-Saharan Africa 46.0 Algeria Middle East and North Africa 45.8 Central African Republic Sub-Saharan Africa 45.7 Bolivia Americas 43.0 Iran Middle East and North Africa 42.4 Eritrea Sub-Saharan Africa 39.7 Burundi Sub-Saharan Africa 39.4


Zimbabwe Sub-Saharan Africa 33.1 Sudan Sub-Saharan Africa 32.0 Cuba Americas 29.5 Venezuela Americas 24.8 Korea, North  Asia-Pacific 3.0


cum - kumulatiivne osakaal =PERCENTRANK.INC Moodusta variatsioonirida: Data -> Filter cum Põhilised arvkarakteristikud 100.00% 99.43% Riikide arv =COUNT 177 98.86%
97.72% Maksimaalne väärtus =Max 84.4 97.72%
97.15% Minimaalne väärtus =Min 3.0 96.59%
96.02% Keskväärtus =AVERAGE 59.999 95.45%
94.88% Mediaan =MEDIAN 59.8 94.31%
93.75% Alumine kvartiil Q1 =QUARTILE 53.3 93.18%
92.61% Ülemine kvartiil Q3 =QUARTILE 67.6 92.04%
91.47% Kvartiilide vahe =Q3-Q1 14.3 90.90%
90.34% Erandid e. ekstremaalsed väärtused 89.77%
88.63% Cuba 29.5 < 31.85 Q1-1,5*IQR 88.63% Venezuela 24.8 88.06% Korea, North 3.0 87.50%
86.93% puuduvad > 89.05 Q3+1,5*IQR 86.36%
85.79% Detsiil Järk Protsentiil =PERCENTILE 85.22% I 0.1 47.78 84.65% II 0.2 51.32 84.09% III 0.3 54.4 83.52% IV 0.4 56.98 82.95% V (med) 0.5 59.8 82.38% VI 0.6 62.96 81.81% VII 0.7 65.7 81.25% VIII 0.8 69.68 80.68% IX 0.9 74.68 80.11%
79.54% Measures of Central Tendency: median, quartiles, deciles, percentiles Measures of Form of Distribution: Skewness ja Kurtosis Vorminda arvud variatsioonireas vastavalt järgmistele reeglitele:  variatsioonirea esimene kümnendik - heleroheline
vahemik I detsiil kuni IX detsiil - helehall
variatsioonirea viimane kümnendik - helesinine Märgista andmed. Vali Home -> Conditional Formatting -> Highlight Cell Rules -> Less Than
Sisesta I detsiil lahtrisse. Vali värv. Sisesta analoogselt järgmised reeglid.


78.40% Kujukarakteristikud (koos eranditega) 78.40%
77.84% Asümmeetriakordaja =SKEW -0.76 <0 77.27%
76.70% Ekstsess =KURT 2.85 >0 76.13%
75.56%tsus jaotuse kuju kohta skooride jaotus on vasakule kallutatud ja terava tipuga
75.00%
74.43% Kujukarakteristikud (ilma eranditeta) 73.86%
73.29% Asümmeetriakordaja =SKEW 0.06 =0 72.72%
72.15% Ekstsess =KURT -0.24 =0 71.59%
71.02%tsus jaotuse kuju kohta skooride jaotus on sümmeetriline ja kergelt lameda tipuga
69.88%
69.88%
68.18%
68.18%
68.18%
67.61%
67.04%
66.47%
65.34%
65.34%
64.20%
64.20%
63.63%
63.06%
62.50%
61.93%
60.79%
60.79%
60.22%
59.09%
59.09%
58.52%
57.38%
57.38%
56.81%
56.25%
55.11%
55.11%
53.97%
53.97%


53.40%
52.84%
52.27%
51.13%
51.13%
50.56%
50.00%
49.43%
47.72%
47.72%
47.72%
47.15%
45.45%
45.45%
45.45%
44.88%
44.31%
43.18%
43.18%
42.61%
42.04%
41.47%
40.34%
40.34%
39.77%
38.63%
38.63%
38.06%
37.50%
36.93%
36.36%
35.79%
34.65%
34.65%
34.09%
33.52%
32.38%
32.38%
31.81%
31.25%
30.68%
29.54%
29.54%
28.97%
27.27%


27.27%
27.27%
26.70%
26.13%
25.00%
25.00%
23.86%
23.86%
23.29%
22.72%
21.59%
21.59%
21.02%
20.45%
19.88%
19.31%
18.75%
18.18%
17.61%
16.47%
16.47%
15.34%
15.34%
14.77%
14.20%
13.63%
13.06%
12.50%
11.36%
11.36%
10.79%
10.22% 9.65%
8.52%
8.52%
7.95%
7.38%
6.81%
6.25%
5.68%
5.11%
4.54%
3.97%
3.40%
2.84%


2.27%
1.70%
1.13%
0.56%
0.00%


Insert -> Charts -> Statistic Charts -> Box and Whisker 59.8 53.3 67.6 Insert -> Charts -> Scatter Q1-1,5*IQR Q3+1,5*IQR Protsentiil =PERCENTILE Karpdiagramm (ainult skoorid) - eng. Box plot Kumulatiivne polügoon - eng. Ogive Graph (Cumulative Frequency Curve) Vorminda arvud variatsioonireas vastavalt järgmistele reeglitele:  variatsioonirea esimene kümnendik - heleroheline
vahemik I detsiil kuni IX detsiil - helehall
variatsioonirea viimane kümnendik - helesinine Märgista andmed. Vali Home -> Conditional Formatting -> Highlight Cell Rules -> Less Than
Sisesta I detsiil lahtrisse. Vali värv. Sisesta analoogselt järgmised reeglid. This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will 
permanently break the chart.


skooride jaotus on vasakule kallutatud ja terava tipuga skooride jaotus on sümmeetriline ja kergelt lameda tipuga This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will permanently break the chart.


Karpdiagramm (regioonid ja skoorid) Insert -> Charts -> Statistic Charts -> Box and Whisker Ogive Graph (Cumulative Frequency Curve) Vorminda arvud variatsioonireas vastavalt järgmistele reeglitele:  variatsioonirea esimene kümnendik - heleroheline
vahemik I detsiil kuni IX detsiil - helehall
variatsioonirea viimane kümnendik - helesinine Märgista andmed. Vali Home -> Conditional Formatting -> Highlight Cell Rules -> Less Than
Sisesta I detsiil lahtrisse. Vali värv. Sisesta analoogselt järgmised reeglid. This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will 
permanently break the chart. This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will 
permanently break the chart. 0 10 20 30 40 50 60 70 80 90 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Kum. polügoon Estonia
Congo, democratic republic of the 
Congo
 
Column D 2022 score k u m .  o sa k a a l This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will permanently break the chart.


This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will permanently break the chart. This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will permanently break the chart.


This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will 
permanently break the chart. 0 10 20 30 40 50 60 70 80 90 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Kum. polügoon Estonia
Congo, democratic republic of the 
Congo
 
Column D 2022 score k u m .  o sa k a a l This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will permanently break the chart.


This chart isn't available in your version of Excel. Editing this shape or saving this workbook into a different file format will permanently break the chart.


0 10 20 30 40 50 60 70 80 90 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% Kum. polügoon Estonia
Congo, democratic republic of the 
Congo
 
Column D 2022 score k u m .  o sa k a a l


Funktsioonid COUNTIF, COUNTIFS, AVERAGEIF, AVERAGEIFS, SUMIF, SUMIFS, RANK Allikas:   Country Name Region Afghanistan Asia-Pacific Albania Europe Algeria Middle East and North Africa Angola Sub-Saharan Africa Argentina Americas Armenia Europe Australia Asia-Pacific Austria Europe Azerbaijan Europe Bahamas Americas Bahrain Middle East and North Africa Bangladesh Asia-Pacific Barbados Americas Belarus Europe Belgium Europe Belize Americas Benin Sub-Saharan Africa Bhutan Asia-Pacific Bolivia Americas Bosnia and Herzegovina Europe Botswana Sub-Saharan Africa Brazil Americas Brunei Darussalam Asia-Pacific Bulgaria Europe Burkina Faso Sub-Saharan Africa Burma Asia-Pacific Burundi Sub-Saharan Africa Cambodia Asia-Pacific Cameroon Sub-Saharan Africa Canada Americas Cabo Verde Sub-Saharan Africa Central African Republic Sub-Saharan Africa Chad Sub-Saharan Africa Chile Americas China Asia-Pacific Colombia Americas Comoros Sub-Saharan Africa Congo, Democratic Republic of the Congo Sub-Saharan Africa Congo, Republic of Sub-Saharan Africa Costa Rica Americas Côte d'Ivoire Sub-Saharan Africa https://www.heritage.org/index/


Croatia Europe Cuba Americas Cyprus Europe Czech Republic Europe Denmark Europe Djibouti Sub-Saharan Africa Dominican Republic Americas Ecuador Americas Egypt Middle East and North Africa El Salvador Americas Equatorial Guinea Sub-Saharan Africa Eritrea Sub-Saharan Africa Estonia Europe Eswatini Sub-Saharan Africa Ethiopia Sub-Saharan Africa Fiji Asia-Pacific Finland Europe France Europe Gabon Sub-Saharan Africa Gambia Sub-Saharan Africa Georgia Europe Germany Europe Ghana Sub-Saharan Africa Greece Europe Guatemala Americas Guinea Sub-Saharan Africa Guinea-Bissau Sub-Saharan Africa Guyana Americas Haiti Americas Honduras Americas Hungary Europe Iceland Europe India Asia-Pacific Indonesia Asia-Pacific Iran Middle East and North Africa Iraq Middle East and North Africa Ireland Europe Israel Middle East and North Africa Italy Europe Jamaica Americas Japan Asia-Pacific Jordan Middle East and North Africa Kazakhstan Asia-Pacific Kenya Sub-Saharan Africa Korea, South Asia-Pacific Kuwait Middle East and North Africa Kyrgyz Republic Asia-Pacific Laos Asia-Pacific


Latvia Europe Lebanon Middle East and North Africa Lesotho Sub-Saharan Africa Liberia Sub-Saharan Africa Libya Middle East and North Africa Lithuania Europe Luxembourg Europe North Macedonia Europe Madagascar Sub-Saharan Africa Malawi Sub-Saharan Africa Malaysia Asia-Pacific Maldives Asia-Pacific Mali Sub-Saharan Africa Malta Europe Mauritania Sub-Saharan Africa Mauritius Sub-Saharan Africa Mexico Americas Micronesia Asia-Pacific Moldova Europe Mongolia Asia-Pacific Montenegro Europe Morocco Middle East and North Africa Mozambique Sub-Saharan Africa Namibia Sub-Saharan Africa Nepal Asia-Pacific Netherlands Europe New Zealand Asia-Pacific Nicaragua Americas Niger Sub-Saharan Africa Nigeria Sub-Saharan Africa Norway Europe Oman Middle East and North Africa Pakistan Asia-Pacific Panama Americas Papua New Guinea Asia-Pacific Paraguay Americas Peru Americas Philippines Asia-Pacific Poland Europe Portugal Europe Qatar Middle East and North Africa Romania Europe Russia Europe Rwanda Sub-Saharan Africa Saint Lucia Americas Saint Vincent and the Grenadines Americas Samoa Asia-Pacific São Tomé and Príncipe Sub-Saharan Africa


Saudi Arabia Middle East and North Africa Senegal Sub-Saharan Africa Serbia Europe Sierra Leone Sub-Saharan Africa Singapore Asia-Pacific Slovakia Europe Slovenia Europe Solomon Islands Asia-Pacific Somalia Sub-Saharan Africa South Africa Sub-Saharan Africa Spain Europe Sri Lanka Asia-Pacific Sudan Sub-Saharan Africa Suriname Americas Sweden Europe Switzerland Europe Taiwan  Asia-Pacific Tajikistan Asia-Pacific Tanzania Sub-Saharan Africa Thailand Asia-Pacific Timor-Leste Asia-Pacific Togo Sub-Saharan Africa Tonga Asia-Pacific Trinidad and Tobago Americas Tunisia Middle East and North Africa Turkey Europe Turkmenistan Asia-Pacific Uganda Sub-Saharan Africa Ukraine Europe United Arab Emirates Middle East and North Africa United Kingdom Europe United States Americas Uruguay Americas Uzbekistan Asia-Pacific Vanuatu Asia-Pacific Venezuela Americas Vietnam Asia-Pacific Yemen Middle East and North Africa Zambia Sub-Saharan Africa Zimbabwe Sub-Saharan Africa


Funktsioonid COUNTIF, COUNTIFS, AVERAGEIF, AVERAGEIFS, SUMIF, SUMIFS, RANK GDP - SKP sisemajanduse koguprodukt SKP elaniku kohta Unemployment (%) Koht (SKP) 38.9 78.729 2390.024 11.7 5.6 159 2.8 40.737 14218.106 11.7 1.6 80 43.9 491.459 11112.187 12.8 2.4 99 32.9 215.105 6931.862 7.7 22.3 115 45.4 941.848 20750.99 11.7 42.0 57 3.0 39.38 13261.333 20.2 1.2 83 25.7 1329.878 51680.434 6.6 0.9 17 8.9 491.5 55218.46 5.8 1.4 14 10.1 145.77 14430.858 6.3 2.8 78 0.4 12.762 33148.146 14.4 0.0 40 1.7 73.804 48765.979 4.1 -2.3 20 164.7 874.047 5307.243 5.3 5.6 127 0.3 3.902 13552.686 12.8 2.9 81 9.4 189.922 20187.326 5.3 5.5 59 11.6 588.752 51096.132 6.0 0.4 18 0.4 2.531 6046.025 7.8 0.1 119 12.1 41.742 3436.722 2.5 3.0 145 0.8 8.988 12059.621 3.7 4.2 93 11.7 97.804 8343.912 5.6 0.9 110 3.3 49.339 15046.922 16.9 -0.6 74 2.4 39.638 16892.806 17.7 2.0 70 212.6 3153.63 14916.285 13.7 3.2 76 0.4 28.726 62371.126 8.4 1.9 8 6.9 164.623 23817.48 5.7 1.2 54 20.9 47.313 2262.427 5.0 1.9 163 54.4 278.848 5241.645 1.8 5.7 128 11.9 9.023 759.861 0.8 7.3 177 16.7 73.609 4695.073 0.3 2.9 135 26.5 96.798 3646.457 3.6 2.8 142 38.0 1850.066 48720.435 9.5 0.7 21 0.6 3.577 6424.051 13.4 0.6 117 4.8 4.731 979.403 4.3 2.3 175 16.4 26.462 1611.004 2.3 3.5 168 19.1 454.668 23366.265 11.5 3.0 55 1402.1 24142.83 17191.694 5.0 2.4 69 50.9 728.767 14323.895 15.4 2.5 79 0.9 2.735 3048.01 8.4 1.1 148 89.6 100.452 1106.371 4.6 11.3 173 5.5 19.605 4187.539 10.3 2.4 136 5.1 102.517 19990.085 17.1 0.7 60 26.4 144.631 5365.105 3.5 2.5 126 https://www.heritage.org/index/ GDP per Capita  (USD) Population  (Millions) GDP (Billions  USD) GDP per Capita  (USD) Inflation  (%)


4.0 112.123 27717.422 7.2 0.3 49 11.3 142.6 12600 3.9 n/a 91 1.2 35.531 40107.126 7.2 -1.1 33 10.7 434.364 40618.05 2.9 3.2 31 5.8 343.152 58932.766 5.7 0.3 9 1.0 5.649 5096.106 11.6 2.9 132 10.8 194.555 18608.133 8.9 3.8 66 17.6 192.77 11008.713 6.2 -0.3 100 102.3 1290.221 12789.913 10.5 5.7 89 6.5 54.621 8421.511 7.0 0.2 109 1.4 25.015 17788.365 9.2 4.8 68 3.6 6.456 1820.706 7.4 4.9 166 1.3 50.162 37745.14 6.5 -0.6 37 1.2 10.094 8956.868 23.4 3.9 107 115.0 282.612 2908.295 2.8 20.4 150 0.9 10.406 11566.584 4.8 -2.6 97 5.5 275.454 49853.326 7.8 0.4 19 67.4 2999.732 46061.96 8.6 0.5 23 2.2 33.661 15970.052 20.5 1.3 73 2.4 5.505 2275.495 9.6 5.9 162 3.7 55.25 14917.601 12.1 5.2 75 83.2 4496.784 54075.675 4.3 0.4 16 31.1 175.212 5692.643 4.5 9.9 122 10.7 307.909 28748.181 16.9 -1.3 47 16.9 149.026 8292.577 4.7 2.4 111 13.1 36.373 2604.139 4.4 10.6 154 2.0 4.261 2347.589 3.2 1.5 160 0.8 15.49 19683.729 15.8 0.7 61 11.4 33.244 2915.518 14.5 22.9 149 9.9 54.18 5449.575 9.4 3.5 125 9.7 322.698 33029.517 4.4 3.3 41 0.4 20.379 55965.786 5.0 2.9 12 1380.0 8907.116 6461.009 7.1 6.2 116 273.5 3302.41 12221.919 4.1 2.0 92 84.0 1100.09 13073.18 11.0 36.5 86 40.2 401.443 10002.965 13.7 0.6 104 5.0 471.357 94391.533 5.9 -0.5 3 9.2 373.689 40547.288 4.6 -0.6 32 59.6 2461.673 40861.285 9.3 -0.1 30 3.0 27.304 9975.179 8.4 5.2 105 125.8 5313.023 42248.002 3.0 0.0 27 10.2 105.206 10305.601 18.5 0.4 102 18.8 501.296 26564.615 6.1 6.8 52 53.8 239.836 4925.519 3.0 5.3 134 51.8 2310.43 44620.992 4.1 0.5 24 4.3 203.259 41626.899 6.8 2.1 29 6.6 32.819 5036.034 7.9 6.3 133 7.3 58.937 8110.929 1.0 5.1 112


1.9 60.073 31509.061 8.2 0.1 43 6.8 78.931 11564.192 6.6 88.2 98 2.1 5.604 2717.757 24.7 4.9 152 5.1 7.308 1556.992 3.3 17.0 170 6.9 39.153 5893.257 19.4 22.3 120 2.8 108.555 38824.046 8.4 1.1 34 0.6 73.882 118001.58 6.7 0.0 1 2.1 34.698 16712.04 18.4 1.2 71 27.7 44.099 1599.044 1.9 4.2 169 19.1 20.733 993.313 6.0 8.6 174 32.4 902.595 27402.241 4.6 -1.1 50 0.5 7.412 19608.983 7.2 -1.6 62 20.3 47.195 2400.817 7.5 0.6 158 0.5 22.052 42856.402 4.1 0.8 26 4.6 24.195 5833.875 10.7 2.3 121 1.3 25.712 20292.269 7.1 2.5 58 128.9 2444.68 19130.104 4.7 3.4 65 0.1 0.361 3445.598 16.2 0.5 144 2.6 33.745 12811.316 4.7 3.8 88 3.3 39.67 11825.249 4.3 3.7 96 0.6 11.994 19252.303 15.9 -0.2 63 36.9 273.95 7619.886 10.2 0.6 113 31.3 40.843 1276.615 3.4 3.1 171 2.5 23.776 9396.838 20.4 2.6 106 29.1 117.055 4060.595 4.4 6.2 138 17.4 1001.531 57534.173 4.1 1.1 11 5.1 213.863 42018.047 4.6 1.7 28 6.6 36.216 5574.78 5.8 3.7 124 24.2 30.469 1258.705 0.7 2.8 172 206.1 1069.2 5186.766 9.0 13.2 129 5.4 354.592 65800.1 4.6 1.3 6 5.1 134.151 30178.421 5.0 -0.9 46 220.9 1074.141 5150.037 4.7 10.7 131 4.3 115.532 27002.932 10.2 -1.6 51 8.9 33.66 3833.369 2.7 5.0 139 7.1 93.422 12881.025 7.6 1.8 87 33.0 397.612 11871.216 6.2 1.8 95 109.6 919.368 8452.403 3.4 2.6 108 38.0 1294.478 34102.774 3.6 3.4 38 10.3 350.208 34042.658 7.2 -0.1 39 2.9 261.979 93508.38 3.5 -2.7 4 19.3 589.707 30526.307 4.8 2.6 44 144.1 4096.528 27903.302 5.7 3.4 48 13.0 29.594 2336.728 1.4 8.0 161 0.2 2.417 13359.365 17.1 -1.8 82 0.1 1.394 12606.055 20.3 -0.6 90 0.2 1.147 5652.893 8.9 1.5 123 0.2 0.835 3829.284 13.9 9.8 140


34.8 1627.305 46810.63 8.2 3.4 22 16.7 58.267 3478.479 7.1 2.5 143 6.9 132.792 19145.561 9.1 1.7 64 8.0 13.772 1724.897 4.6 15.7 167 5.7 560.205 97056.534 5.2 -0.2 2 5.5 178.526 32709.862 6.8 2.0 42 2.1 81.334 38807.008 5.2 -0.1 35 0.7 1.608 2454.821 0.8 3.4 157 15.9 13.91 924.532 13.1 n/a 176 59.3 717.396 12032.412 28.7 3.3 94 47.4 1808.666 38392.273 15.7 -0.3 36 21.9 289.891 13214.802 4.8 4.6 84 43.8 181.714 4097.683 17.7 163.3 137 0.6 8.771 14513.354 8.7 34.9 77 10.4 561.999 54146.128 8.5 0.7 15 8.6 627.151 72873.716 4.9 -0.7 5 23.6 1316.049 55723.903 4.5 -0.2 13 9.5 34.827 3675.627 7.5 8.6 141 59.7 163.598 2820.598 2.2 3.0 151 69.8 1272.898 18236.36 1.0 -0.8 67 1.3 4.459 3382.312 5.1 0.5 146 8.3 18.218 2198.994 4.1 1.8 164 0.1 0.62 6191.05 4.4 0.2 118 1.4 35.031 25031.373 6.7 0.6 53 11.8 120.457 10119.767 16.7 5.7 103 84.3 2546.498 30252.675 13.9 12.3 45 6.0 98.192 16520.714 4.4 7.6 72 45.7 106.106 2573.998 2.4 3.8 156 44.1 543.828 13109.593 9.5 2.7 85 9.9 650.829 58753.003 5.0 -2.1 10 67.2 2959.924 44116.865 4.3 0.9 25 329.5 20932.75 63415.985 8.3 1.2 7 3.5 79.302 22459.484 12.7 9.8 56 34.2 252.576 7449.334 6.0 12.9 114 0.3 0.777 2585.77 2.0 2.9 155 28.4 144.737 5178.267 9.1 2355.1 130 97.3 1058.693 10868.858 2.3 3.2 101 29.8 62.583 1927.331 13.4 26.2 165 18.4 63.103 3341.987 12.2 16.4 147 14.9 39.824 2621.82 5.7 557.2 153


Vastused 1. 2.
3.
4.
5.
6.
7.
8.
9.
10.
11. Leia vastused järgmistele küsimustele: Mitu riiki asub Euroopa regioonis? Kasuta fn COUNTIF.
Mitmel riigil on rahvaarv suurem kui 100 miljonit?
Mitmel Euroopa riigil on rahvaarv väiksem kui 1 miljon? Kasuta fn COUNTIFS. Mitmel riigil on SKP ühe elaniku kohta väiksem kui 1000 USD? 
Mitmel Euroopa riigil on töötuse määr vahemikus 5-10%? 
Milline on Amerika riikide keskmine inflatsiooni määr (%)? Kasuta fn AVERAGEIF. 
Kui suur on regioonis Middle East and North Africa keskmine töötuse määr (%)? Kasuta fn  AVERAGEIFS. 
Mitu inimest elab regioonis Sub-Saharan Africa? Kasuta fn SUMIF.
Kui suur on rahvaarv regioonides Sub-Saharan Africa ja Middle East ja North Africa kokku? 
Kasuta fn SUMIFS. Mitu inimest elab nendest riikides, mis asuvad regioonis Sub-Saharan Africa ja kus töötuse 
määr on üle 20%?
Moodusta  riikide TOP10 tunnuse SKP ühe elaniku kohta järgi ning arvuta kokku kui suur on 
nende riikide kogu SKP. Kasuta fn RANK.EQ. Leia vastused järgmistele küsimustele: Mitu riiki asub Euroopa regioonis? Kasuta fn COUNTIF.
Mitmel riigil on rahvaarv suurem kui 100 miljonit?
Mitmel Euroopa riigil on rahvaarv väiksem kui 1 miljon? Kasuta fn COUNTIFS.
Mitmel riigil on SKP ühe elaniku kohta väiksem kui 1000 USD?  Mitmel Euroopa riigil on töötuse määr vahemikus 5-10%? 
Milline on Amerika riikide keskmine inflatsiooni määr (%)? Kasuta fn AVERAGEIF. 
Kui suur on regioonis Middle East and North Africa keskmine töötuse määr (%)? Kasuta fn  AVERAGEIFS. 
Mitu inimest elab regioonis Sub-Saharan Africa? Kasuta fn SUMIF.
Kui suur on rahvaarv regioonides Sub-Saharan Africa ja Middle East ja North Africa kokku? 
Kasuta fn SUMIFS. Mitu inimest elab nendest riikides, mis asuvad regioonis Sub-Saharan Africa ja kus töötuse 
määr on üle 20%?
Moodusta  riikide TOP10 tunnuse SKP ühe elaniku kohta järgi ning arvuta kokku kui suur on 
nende riikide kogu SKP. Kasuta fn RANK.EQ.


44
14 4
4 24 83.437 9.9923529
1125.7052 mln
1566.4422 mln
67.336834 mln
24304.623 mld Leia vastused järgmistele küsimustele: Mitu riiki asub Euroopa regioonis? Kasuta fn COUNTIF.
Mitmel riigil on rahvaarv suurem kui 100 miljonit?
Mitmel Euroopa riigil on rahvaarv väiksem kui 1 miljon? Kasuta fn COUNTIFS. Mitmel riigil on SKP ühe elaniku kohta väiksem kui 1000 USD? 
Mitmel Euroopa riigil on töötuse määr vahemikus 5-10%? 
Milline on Amerika riikide keskmine inflatsiooni määr (%)? Kasuta fn AVERAGEIF. 
Kui suur on regioonis Middle East and North Africa keskmine töötuse määr (%)? Kasuta fn  AVERAGEIFS. 
Mitu inimest elab regioonis Sub-Saharan Africa? Kasuta fn SUMIF.
Kui suur on rahvaarv regioonides Sub-Saharan Africa ja Middle East ja North Africa kokku? 
Kasuta fn SUMIFS. Mitu inimest elab nendest riikides, mis asuvad regioonis Sub-Saharan Africa ja kus töötuse 
määr on üle 20%?
Moodusta  riikide TOP10 tunnuse SKP ühe elaniku kohta järgi ning arvuta kokku kui suur on 
nende riikide kogu SKP. Kasuta fn RANK.EQ. Leia vastused järgmistele küsimustele: Mitu riiki asub Euroopa regioonis? Kasuta fn COUNTIF.
Mitmel riigil on rahvaarv suurem kui 100 miljonit?
Mitmel Euroopa riigil on rahvaarv väiksem kui 1 miljon? Kasuta fn COUNTIFS.
Mitmel riigil on SKP ühe elaniku kohta väiksem kui 1000 USD?  Mitmel Euroopa riigil on töötuse määr vahemikus 5-10%? 
Milline on Amerika riikide keskmine inflatsiooni määr (%)? Kasuta fn AVERAGEIF. 
Kui suur on regioonis Middle East and North Africa keskmine töötuse määr (%)? Kasuta fn  AVERAGEIFS. 
Mitu inimest elab regioonis Sub-Saharan Africa? Kasuta fn SUMIF.
Kui suur on rahvaarv regioonides Sub-Saharan Africa ja Middle East ja North Africa kokku? 
Kasuta fn SUMIFS. Mitu inimest elab nendest riikides, mis asuvad regioonis Sub-Saharan Africa ja kus töötuse 
määr on üle 20%?
Moodusta  riikide TOP10 tunnuse SKP ühe elaniku kohta järgi ning arvuta kokku kui suur on 
nende riikide kogu SKP. Kasuta fn RANK.EQ.

Document Outline

  • Central
  • Weighted Central
  • Variability
  • Grouped data
  • Percentiles and Shape
  • Logical

Vasakule Paremale
Statistika ülesanned 2-Andmetöötlus #1 Statistika ülesanned 2-Andmetöötlus #2 Statistika ülesanned 2-Andmetöötlus #3 Statistika ülesanned 2-Andmetöötlus #4 Statistika ülesanned 2-Andmetöötlus #5 Statistika ülesanned 2-Andmetöötlus #6 Statistika ülesanned 2-Andmetöötlus #7 Statistika ülesanned 2-Andmetöötlus #8 Statistika ülesanned 2-Andmetöötlus #9 Statistika ülesanned 2-Andmetöötlus #10 Statistika ülesanned 2-Andmetöötlus #11 Statistika ülesanned 2-Andmetöötlus #12 Statistika ülesanned 2-Andmetöötlus #13 Statistika ülesanned 2-Andmetöötlus #14 Statistika ülesanned 2-Andmetöötlus #15 Statistika ülesanned 2-Andmetöötlus #16 Statistika ülesanned 2-Andmetöötlus #17 Statistika ülesanned 2-Andmetöötlus #18 Statistika ülesanned 2-Andmetöötlus #19 Statistika ülesanned 2-Andmetöötlus #20 Statistika ülesanned 2-Andmetöötlus #21 Statistika ülesanned 2-Andmetöötlus #22 Statistika ülesanned 2-Andmetöötlus #23 Statistika ülesanned 2-Andmetöötlus #24 Statistika ülesanned 2-Andmetöötlus #25 Statistika ülesanned 2-Andmetöötlus #26 Statistika ülesanned 2-Andmetöötlus #27 Statistika ülesanned 2-Andmetöötlus #28 Statistika ülesanned 2-Andmetöötlus #29 Statistika ülesanned 2-Andmetöötlus #30 Statistika ülesanned 2-Andmetöötlus #31 Statistika ülesanned 2-Andmetöötlus #32 Statistika ülesanned 2-Andmetöötlus #33 Statistika ülesanned 2-Andmetöötlus #34 Statistika ülesanned 2-Andmetöötlus #35 Statistika ülesanned 2-Andmetöötlus #36 Statistika ülesanned 2-Andmetöötlus #37
Punktid Tasuta Faili alla laadimine on tasuta
Leheküljed ~ 37 lehte Lehekülgede arv dokumendis
Aeg2023-02-28 Kuupäev, millal dokument üles laeti
Allalaadimisi 0 laadimist Kokku alla laetud
Kommentaarid 0 arvamust Teiste kasutajate poolt lisatud kommentaarid
Autor lolikk Õppematerjali autor

Kasutatud allikad

Sarnased õppematerjalid

Maailmausundite statistika 3 - prognoos
26
pdf

Maailmausundite statistika 3 - prognoos

http://www.pewforum.org/2015/04/02/religious-projections-2010-2050/ APRIL 2, 2015 The Future of World Religions: Population Growth Projections, 2010-2050 Why Muslims Are Rising Fastest and the Unaffiliated Are Shrinking as a Share of the World’s Population The religious profile of the world is rapidly changing, driven primarily by differences in fertility rates and the size of youth populations among the world’s major religions, as well as by people switching faiths. Over the next four decades, Christians will remain the largest religious group, but Islam will grow faster than any other major religion. If current trends continue, by 2050 …  The number of Muslims will nearly equal the number of Christians around the world.  Atheists, agnostics and other people who do not affiliate with any religion – though increasing in countries such as the United States and France – will make up a declining share

Usundiõpetus
Andmetöötlus kodutöö 4
333
xlsx

Andmetöötlus kodutöö 4

8 6 5 1 2 3 4 5 6 1 2 3 4 5 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 9 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 1 2 3 4 5 4. Kodutöö Ülesande variantide saamiseks sisestage oma õpingukoodi number lahtrisse, mille nimi Exceli valemeid, töövahendeid ja Visual Basic' protseduure kasutades lahendage allolevad ülesand Kasutage Exceli valemites nimesid, kui see on mõistlik. Määrake väärtustele sobivad vormingud. VBA programmides kasutage lahtritele ja lahtriplokkidele viitamisel kindlasti isemääratud nimesid, Valemid töölehel peavad olema kopeeritavad ühe veeru/rea või terve tabeli jaoks. Vajadusel lisage abilahtreid/abiveerge. Lahendada tuleb ainult enda variandi ülesanded, teiste variantide lahendusi ei tohi esitatavas failis Lahendustega fail laadige üles Moodle kursusel. Töö esitamise tähtaeg on 6. detsember kell 2 Töölehel Coronavirus on andmed koroonaviirusesse nakatunute kohta erinevates riikides seisuga 2 1. Koostag

Ärilogistika
Student World Atlas-Maailma atlas
115
pdf

Student World Atlas (Maailma atlas)

Malestrom Major Rivers N am e Continent Out fl o w T o tal Lengt h (mi.) Nile Africa Mediterran ean Sea 4,1 60 Am azo n South Am erica Atlantic Oce an 4,000 Ch ang (Yangtze) Asia East China Sea 3,964 M ississippi-M iss o u ri N o rt h Am eri ca Gul f of Mexico 3,710 Major Deserts Name Continent Area (sq. m i.)

Geograafia
PETROLEUM
29
rtf

PETROLEUM

Tallinn 2013 Ott Speek Subject: English Geodesy Study group: GI-21b PETROLEUM PRESENTATION Petroleum (L. petroleum, from Greek: Πέτρα (rock) + Latin: oleum (oil) is a naturally occurring flammable liquid consisting of a complex mixture of hydrocarbons of various molecular weights and other liquid organic compounds, that are found in geologic formations beneath the Earth's surface. The name Petroleum covers both naturally occurring unprocessed crude oils and petroleum products that are made up of refined crude oil. A fossil fuel, it is formed when large quantities of dead organisms, usually zooplankton and algae, are buried underneath sedimentary rock and undergo intense heat and pressure. Petroleum is recovered mostly through oil drilling. This comes after the studies of structural geology (at the reservoir scale), sedimentary basin analysis, reservoir characterization (mainly in terms of porosity and permeable structures). It is refined and separated

Inglise keel
Statistika ülesanned 3-Andmetöötlus
68
xlsx

Statistika ülesanned 3. Andmetöötlus.

Näide 1 (binoomjaotus). Valikvastustega test koosneb kümnest küsimustest, iga küsimus sisaldab neli vastusevarianti, nendest ainult üks on õige. Oletame, et vastaja valib vastuseid huupi. Olgu juhuslik suurus X – õigesti vastatud küsimuste arv testis. Koostada juhusliku suuruse X jaotustabel ja tulpdiagramm, leida keskväärtus EX, dispersioon DX ja standardhälve σ. Binoomjaotuse B(n,p) parameetrid küsimuste arv valikvastustega testis: n= 10 tõenäosus, et vastaja vastab õigesti ühele küsimusele: p= 0.25 õigesti vastatud küsimuste arv k=1,2,…,10 Binoomjaotusele vastav jaotustabel Õigesti vastatud küsimuste arv k 0 tõenäosus P(X=k) =BINOMDIST(k;n;p;FALSE) 5.63135% kumulatiivne tõenäosus P(X<=k) =BINOMDIST(k;n;p;TR

Andme-ja tekstitöötlus
Statistika ülesanned-Andmetöötlus
47
xlsx

Statistika ülesanned. Andmetöötlus.

Korrelatsioon- ja regressioonanalüüs - eng. Correlation and Regression Lifetime Lost Due to Smoking Allikas: https://www.spreadsheetweb.com/time-lost-due-to-smoking-calculator/ time X - suitsetatud aastate arv # sig - keskmine suitsetatud sigarettide arv päevas lost Y - prognoositud kaotatud eluaastate arv Hajuvusdiagramm time X # sig lost Y 1 1 0.01 1 5 0.04 20 2 8 0.12 18 Kaotatud eluaastate arv 5 10 0.38 16 5 20 0.76 14 7 4

Andme-ja tekstitöötlus
Business peciliarities in Ukraine and Bealrus
106
pdf

Business peciliarities in Ukraine and Bealrus

TRADERUN MOODUL TRADERUN MODULE BUSINESS PECULIARITIES IN THE EU, RUSSIA AND EASTERN PARTNERSHIP COUNTRIES ÄRI ERIPÄRAD EUROOPA LIIDUS, VENEMAAL JA IDAPARTNERLUSRIIKIDES Lecturers: Ryhor Nizhnikau (responsible) Giorgi Gaganidze, Sergei Proskura, Andres Assor P2EC.00.202 (UT code), RIE 7044 (TLU code) Reading materials: Business peculiarities in Ukraine and Belarus Lugemismatejal: Äri eripärad Ukrainas ja Valgenenes Created by Andres Assor Tartu 2013 TABLE OF CONTENTS INTRODUCTION ................................................................................................................... 4 1. UKRAINE ...................................................................................................................... 5 1.1. General information .......

Inglise keel
TheCodeBreakers
946
pdf

TheCodeBreakers

Some of the things you will learn in THE CODEBREAKERS • How secret Japanese messages were decoded in Washington hours before Pearl Harbor. • How German codebreakers helped usher in the Russian Revolution. • How John F. Kennedy escaped capture in the Pacific because the Japanese failed to solve a simple cipher. • How codebreaking determined a presidential election, convicted an underworld syndicate head, won the battle of Midway, led to cruel Allied defeats in North Africa, and broke up a vast Nazi spy ring. • How one American became the world's most famous codebreaker, and another became the world's greatest. • How codes and codebreakers operate today within the secret agencies of the U.S. and Russia. • And incredibly much more. "For many evenings of gripping reading, no better choice can be made than this book." —Christian Science Monitor THE Codebreakers

krüptograafia




Meedia

Kommentaarid (0)

Kommentaarid sellele materjalile puuduvad. Ole esimene ja kommenteeri



Sellel veebilehel kasutatakse küpsiseid. Kasutamist jätkates nõustute küpsiste ja veebilehe üldtingimustega Nõustun