jääkihtide paksus hetkel kasvamas ja Inda rannikul pole veepiiri tõusu täheldatud. Mõelda vaid, tuhat aastat tagasi harisid viikingid Gröönimaal põldu. Siinkohal küsiks Kas kõik mäletavad põhikooli päevil õpitud atmosfääri koostise graafikut? Niisiis - Väidetavalt on kõige tõsisem kliima soojenemise põhjustaja CO2. Atmosfääris on CO2te koos teiste kasvuhoonegaasidega umbes 3%. 96% sellest on veeaur, lisaks veel teised gaasid. Seega jääb statistikute jutu järgi CO2ele umbes 0.035%. Tõsi, kasvuhoonegaasid, nagu nimigi ütlevad, on sooja kinni hoidmiseks paremad kui teised. Samas ei ole eriti tõenäoline ja ka loogiline, et 0.035% CO2te tekitab hullemat kasvuhooneefekti kui 2.9 % veeauru. Siinkohal lõpetaksin väikese loogilise arutluskäiguga. Ütleme, et kliima siiski soojeneb, hoolimata kõikidest loogilistest vastuväidetest. Mis meil sellest? Eesti paikneb täpselt
Tulemus on toodud joonisel 8. Joonis 8. Kõrgusmudel Triangulation With Linear Interpolation meetodil 5) Nüüd leiame interpoleerimise standardhälbed iga meetodi puhul (Tabel 1). Selleks valime GridResiduals ning määrame andmefaili ja grid faili. Iga meetodi kohta saadud standardhälbed saame andmefaili eraldiseisva tulbana. Need kõik aktiivseks tehes ning valides DataStatistics saame valida, milliseid andmed meile kuvatakse (Joonis 9). Joonis 9. Statistikute leidmine Tabel 1. Erinevate meetodite sandardhälbed Residuals_kriging Residuals_mincurv Residuals_LocalPoly Residuals_triang Number of values 114 114 97 97 Sum 0.49481 59.96060 64.49540 25.73282 Minimum -5.95464 -5.91829 -13.07376 -6.31773 Maximum 14
Analyze poole. Käesolevas praktikumis vaatame kirjeldava statistika võimalusi selle käskluse alt. Valige Analyze käskluse alt Descriptive statistics ning sealt edasi Frequencies..., avaneb järgnev dialoogikast: ? Joonisel näete, et vasakul on muutujad. Kui te tahate mingi muutuja kohta kirjeldavat informatsiooni, viige see muutuja paremale poole (joonisel tühi kast). Seejärel klikake käsklusele Statistics. Sealt saate erinevate vajalike kirjeldavate statistikute arvutamist ,,tellida". Charts all on võimalik kasutada histogrammi joonistamise võimalust. Joonisel olev küsimärk käib osutatud linnukese kohta. Display frequency tables annab käskluse moodustada iga pikkuse kohta sagedustabel. Küsimärk on juurde tehtud, et uurida, kas sellise tabeli koostamine on vajalik. Mis on tabelite ja jooniste eesmärk? Kuidas testida normaaljaotust? Selleks järgige järgmist käskluste rida: Analyze-> Descriptive Statistics-> Explore-> (ärge unustage valida
tööleht, kus on eralditult ainult valitud andmestik; viimaseks variandiks on mittevalitud andmestiku kustutamine. Viimast ehk ei soovitaks, sest äkki on üldist andmestikku uuesti vaja vaadata. Ja küll on kehvasti, kui raske vaevaga kogutud andmeid kuidagi taastada ei saa. 3) KIRJELDAV STATISTIKA Analyze -> Descriptive statistics -> Frequencies... Statistics -> Sealt saate erinevate vajalike kirjeldavate statistikute arvutamist ,,tellida". Charts -> on võimalik kasutada histogrammi joonistamise võimalust Display frequency tables annab käskluse moodustada iga pikkuse kohta sagedustabel. NB! Uurida, kas sellise tabeli koostamine on vajalik 3. PRAKTIKUM 1) ANDMETEISENDUSED NT: Kodeerige muutujast SÜNNIAASTA muutuja VANUSEKLASS. Looge kolm vanuseklassi. Käsklusrida: Analyse -> Frequencies, kui palju on objekte igas vanuses. Ehk siis kui palju
05; mida saate öelda mudeli kirjeldatuse taseme kohta. b) millised muutujad on statistilised olulised olulisuse nivool 0.05; c) Leida muutuja X ees oleva kordaja 95% usalduspiirid. Lahendus. a) Mudel on statistiliselt oluline olulisuse nivoo 0.05 korral, kuna F-testi olulisuse tõenäosus p 0.001 on väiksem kui 0.05. Mudeli sõltumatud muutujad kirjeldavad ära 82% tarbimise varieeruvusest. b) Kuna muutujate X ja D t-statistikute absoluutväärtused on suuremad kui kriitiline väärtus ( 22.54 1.99; 2.34 1.99) , siis statistiliselt olulised muutujad mudelis on muutuja X ja muutuja D. Muutujate X ja D koostoimemuutuja DX on statistiliselt ebaoluline c) Usalduspiiride leidmiseks on esmalt vaja leida parameetri hinnangu standardviga ˆ vastavalt valemile se ˆ . Antud juhul se 0.93 / 22
epidemioloogilist meetodit. Omab tähtsust, kui suurt osa ja keda siseministeerium. Surmatõend täidetakse kõigi Eesti territooriumil väärtuse 1 osakaalu protsentides. Andmeid saab kirjeldada nii arvuliselt "mõõdetakse"= valimi suurus ja valiku printsiibid ning millist asetleidnud surmajuhtude kohta, kui surnud isik oli seitse või enam - tabelite ja kirjeldavate statistikute abil, kui ka graafiliselt. statistikat kasutatakse. Epidemioloogia liigid ·Rutiinne e igapäevane päeva vana. Elulemus · näitab negatiivse sündmuse (surma) 1.Sagedustabel: · Mittearvulised või diskreetsed tunnused (mitu korda
Model>OLS ??? Vähimruutude meetodi korral minimeeritakse sirge ja üksikute punktide vaheliste y-telje sihiliste hälvete ui ruutude summat. 2. Regressioonmudeli hindamise aruande tõlgendamine: ● parameetrite hinnangud; Parameetrite hinnangud leitakse vähimruutude meetodil (OLS). Parameetri a hinnang ja parameetri b hinnang (vabaliige) ● parameetrite standardvead; ● parameetrite t-statistikud; Parameetrite t-statistikud on gretlis t-ratio all. ● t-statistikute olulisuse tõenäosused; Parameetrite t-statistikute olulisuse tõenäosused on p-value all. ● mudeli statistilise olulisuse F-test; P-value (F) ● determinatsioonikordaja; R-squared ● korrigeeritud determinatsioonikordaja; Adjusted R-squared ● Durbin-Watsoni statistik. Durbin-Watson Gretl Tools->Statistical Tables->DW 3. Parameetrite statistilise olulisuse testimine. Parameetrite statistilise olulisuse testimine:
väljavõtukogumi struktuuride paremat kokkulangevust. Nt. 1000 in, Elanikkond jaguneb pooleks 50/50. Valimis 500 meest ja 500 naist. 500 meest ja naist valitakse juhuslikult. · Kui üldkogum on normaaljaotusega, siis on ka väljavõtukeskmiste jaotuseks normaaljaotus, kusjuures selle keskväärus võrdub üldkogumi keskväärtusega. · Üldkogumi parameetrite hindamine. Punkthinnangu andmisel antakse parameetri väärtuseks väljavõtukogumi mingi statistiku või statistikute kombinatsiooni arvväärtus. Me teame, et iga konkreetse punkthinnangu väärtus erineb hinnatava parameetri tegelikust väärtusest. Parameetri hinnangu ja tegeliku väärtuse erinevust nimetatakse esindusveaks. Selle tekkimise põhjuseks on väljavõtuvaatluse iseloomust tingitud valimi ja üldkogumi struktuuride erinevus. Esindusvea väärtuse määramine ei ole võimalik, sest see eeldaks parameetri tegeliku väärtuse teadmist.
Psühhiaatrilised häired on kompleksed, nad on põhjustatud mitmete geenide koosmõjust ning on ka mõjutatud keskkonna pool. 11. Which developments have enabled the recent quantification of shared genetic etiology between psychiatric disorders? SNP uuringud näitavad, et paljudes psühhiaatrilistel häiretel on geneetiline kattuvus. 12. Millistele kriteeriumitele peaksid vastama fenotüübid (haigused) ja markerid, mida saab GWAS'iga uurida? 13. Milliste statistikute alusel filtreeritakse GWASi tulemusi ja mida need statistikud näitavad? Teststatistikute alusel. Näitavad 14. Mis on põhilised sammud, millele tähelepanu pöörata fenotüübi tunnuste ettevalmistamisel GWAS'iks? Eemaldada isikud, kellel puudulik fenotüüp Muuta fenotüübid numbriliseks Fenotüübi formaat korrektseks (komad punktidega asendada, puuduvad väärtused NA-ks) Fenotüübi väärtuste transformatsioonid
Valimi mahu suurenedes usaldusvahemiku laius ja seega ka määramatus väheneb. Määrates valimi mahtu, tahetakse vältida liiga väikese valimi võtmist, mille korral hinnang oleks liiga ebatäpne ja ei omaks väärtust. Samavõrd tahetakse vältida valimit, mis on liiga suur, sest see raiskaks väärtuslikke ressursse. Seetõttu on valimimahtude täpne määramine tähtis, kuid võib olla üsna keeruline ja vajada mitmetel juhtudel statistikute abi (valimi mahu kalkulaator). HÜPOTEESID Hüpotees on üldkogumi kohta tehtud oletus. · sisukas hüpotees (H1): oletus kehtib · nullhüpotees (H0): oletus ei kehti Nullhüpoteesi ei tõestata, vaid selle juurde jäädakse, kuna nullhüpotees on teoreetiline abivahend, mis tegelikkuses niikuinii ei kehti. Hüpoteesi võib sõnastada: · võrdlushüpoteesina (võrreldakse tunnuseid) · seosehüpoteesina (seostatakse uuritavaid tunnuseid)
42. Iseloomustage bootstrap meetodit. Mille poolest erinevad bootstrap ja Jack-knife? Bootstrap ehk saapapaela meetod hindab valimiviga, s.o andmetest tulenevat viga, ei hinda konstrueeritud puu vastavust tegelikule puule. Jack-knife erineb bootstrapist pseudokoopiate koostamise strateegialt. Jack-knife meetod kasutab vähem informatsiooni (vähem pseudoandmestikke), kui bootstrap meetod. Kui jack-knife meetodis keskendutakse rohkem statistikute standardhälvete arvutamisele, siis bootstrap meetodi eesmärgiks on lisaks ka statistiku jaotust hinnata. 43. Mille poolest erineb parameetriline bootstrap bootstrapist? Parameetriline bootstrap – valimid genereeritakse konstrueeritud puu ja mudeli parameetrite põhjal. Klassikaliselt on bootstrap- meetod mitteparameetriline ehk me ei tee jaotuse kohta mingeid eelduseid. Juhul kui meil on aga teada, millisesse jaotusesse võiks
planeeritakse (seaduste mõjude kaardistamine, teaduspõhised arengukavad jne) ja vaja on andmeid mida statistikaamet rutiinselt ei kogu. Tahetakse seletada ja ennustada ühiskonnas toimuvaid muutusi * nt. perevägivalla levik; seosed rahvusliku päritolu ja tööhõive vahel; suhtumised teatud poliitikamuudatustesse jne * tavaline probleem on, et otsustajad suhtuvad tulemustese ,,nagu joodik lambiposti": mitte et näha, vaid et oleks millelegi toetuda * Siiski on sotsioloogid statistikute silmis tavaliselt amatöörid ja statistilised andmed ei ole iseenses ,,sotsioloogia". Tegemist on sotsioloogiaga alles siis, kui neid tõlgendatakse sotsioloogiliselt, paigutatakse sotsioloogilisse konteksti ja sotsioloogilisi teooriaid on rakendatud. C.W Mills: sotsioloogiline kujutlusvõime Sotsioloogia kui inimeste aitamine - Uuem nägemus sotsioloogiast Eestis seostub ,,sotsiaaltööga". Turumajanduse jalgade alla jäänute olukorra uurimine ja nende aitamine. Filantroopiline suhtumine
tegelikult, kas (1,9%), sugulane (1,1%), õde/vend (0,8%). kuritarvitamine on ka tegelikult sagedasemaks muutunud või oleme sellest nüüd lihtsalt teadlikumad. Jutt käib siinkohal rohkem seksuaalsest ärakasutamisest, millest lapsed harvemini räägivad ja mida täiskasvanud hästi uskuda ei taha. Et mõista, mida lapse ahistamine tähendab, peame mõõtma statistikute näitajaid: Ahistatud laps on löödud, pekstud, põletatud ja isegi tapetud. Laps on lämmatatud, et peatada nende karjumist või antud laksu, kui nad on oma riideid ära määrinud. Neid on terroriseeritud, rünnatud ja häbistatud. Lapsi, ka väga noori, on korduvalt kasutatud nii vanema kui ka mõne muu mistahes täiskasvanu seksuaalsete vajaduste rahuldamiseks,
annaabi.ee 
