TALLINNA TEHNIKAÜLIKOOL INFORMAATIKAINSTITUUT EKSPERTSÜSTEEM AJAKIRJA VALIKUKS Spetsifikatsioon 1. iseseisev töö õppeaines "Ekspertsüsteemid" Koostaja: Anneli Kaldamäe Martr. nr: 991476 Õpperühm: LAP-81 Esitatud: .................. Juhendaja: Jaak Tepandi Tallinn 2003 1. Sissejuhatus 1.1 Otstarve Kuna erinevaid ajakirju on väga palju, siis on inimestel üha raskem otsustada, millist neist tellida. Et kõiki ajakirju läbi sirvida, kuluks palju aega. Seega püüan ma luua ekspertsüsteemi, mis aitaks tellijal leida kiiresti ja vähese vaevaga endale sobivaim ja meelepäraseim. Ajakirjades käsitletakse väga paljusid teemasid ja neid ajakirju on nii palju, et kõiki erinevaid variante ei suudeta korraga haarata. Ekspertsüsteem peakski need probleemid lahendama
Tema initisatiivikus, kõrge enesehinnang ja veenmisvõime teevad tast tihtipeale varakama inimese, kui paljude teiste it-alade viljelejatest.: Confidence = 1 ___Kujundaja/disainer___Teie isiksusele sobib it-ga seotud valdkondadest kujundaja, disaineri, küljendaja ja copywriteri erialad. Kujundaja on iseseisev, loominguline inimene, kelle kõrge enesehinnang ning tugev argumenteeritus teevad temast töökollektiivi 'humanitaari'.: Confidence = 1 ___Programmeerija___Teie isikuga sobib hästi prorammeerija eriala. See nõuab tehnilist võimekust, tugevat taju reaalainetest, tehnoloogiliste vahendite head kasutamist, meeskonnatöö võimet ning kõrget stressitaluvust.Samas pole väga oluline vastutuse võtmine, projektide initsieerimine ning inimestevahelistest suhetes domineerimine.: Confidence = 1 ___Süsteemianalüütik___Süsteemianalüütik on it alade 'helilooja'. Suurte süsteemide väljamõtlemine ja kaardistamine
35. Rumal - stupid 36. Paindlik flexible 37. Järeleandmatu inflexible 38. Ambitsioonikas, edasipüüdlik ambitious 39. Kaine, praktiline mõistus common senise 40. Idioot and idiot 41. Esmamuljed first impressions 42. Väga head esmamuljet jätma make a very good impressioon 43. Näima come across as 44. Näima, paistma appears to be 45. Lahkus kindness 46. Optimism optimism 47. Täpsus punctuality 48. Laiskus laziness 49. Usaldus, kindlus, usk confidence 50. Ambitsioon ambition 51. Ülbe, upsakas arrogant 52. Kamandav bossy 53. Võistlev, konkureeriv competitive 54. Kaha jalaga maas downto-earth 55. Lojaalne loyal 56. Seltskondlik, sõbralik sociable 57. Intellektuaalne võimekus intellectual ability 58. Võimekus ability 59. Arukas, intelligentne intelligent 60. Terane, tark bright 61. Taibukas clever 62. Terane sharp 63. Nupukas, kaval shrewd 64. Võimeline able 65. Andekas gifted 66
Home reading Google+ vs Facebook: The Comparison Kevin Curran*, Scott Morrison, Stephen Mc Cauley Faculty of Computing & Engineering, University of Ulster, Derry, Northern Ireland e-mail: [email protected]* 1. search-engine otsingumootor 2. flop läbikukkumine 3. scene stseen 4. consent nõusolek 5. inconvenience ebamugavus 6. stack up kestma 7. perennially aastaringselt 8. concise kokkuvõtlik 9. simultaneously üheaegselt 10. depreciate alahindama 11. restrict piirama 12. interface liides 13. refinement täpsustus 14. overlay ülekate 15. bullying kiusamine 16. nurture hoolitsus 17. novelty uudsus 18. clutter korralagedus 19. monetize raha ringlusse laskma 20. thriving product edukas toode 21. flank tiib 22. slick õlilaik 23. hassle nägelus 24. skew viltune 25. devote pühendama 26.
Funktsioonide korral sisestatakse andmeblokk ilma tunnuse nimeta. Protseduur Descriptive Statistics Kolmas viis leida tunnuseid iseloomustavaid arvkarakteristikuid on protseduur Descriptive Statistics, mis peale "linnukese" tegemist valiku Summary statistics ette väljastab korraga kõik olulisemad valimi arvkarakteristikud ja valiku Confidence Level for Mean korral ka keskväärtuse usaldusintervalli. Protseduuri Descriptive Statistics (Tools -> Data Analysis) tellimisaknas tuleb määrata järgmised väljad: Input Range - algandmete blokk (võib sisaldada ka mitut veergu (rida), st. võib analüüsida korraga mitut tunnust); Grouped By - määratakse andmete paigutus blokis, tavaliselt on erinevad
RIIK SUGU PIKKUS MASS PEA_P JALANR ODE_VEND MAT_HINNE Eesti M 186 95 59 44 1 4 Eesti N 170 85 57 42 6 4 Eesti N 169 50 54 38 1 3 Eesti M 180 70 56 43 0 3 Eesti 179 72 55 40 1 4 Eesti N 170 55 55 37 1 4 Eesti N 160 58 55 38 1 5 Eesti N 161 57 55 39 1 4 Eesti N 171,5 59 57 38 1 4 Eesti N 180 63 58 41 2 5 Eesti N 168 54 57 38 1 4 Eesti N 170 57 52 40 2 3 Eesti N 163 61 57,5 39 0 4 Eesti M 172 66 54 42 1 4 Eesti M 183 73 54,5 44 4 Eesti M 185 72 56 44
Auto registreerimisnumbri automaatne tuvastamine 1. Tehtud pildid 0 kraadi all tehtud fotod valges ning hämaras. 30 kraadi all tehtud fotod valges ning hämaras. 45 kraadi all tehtud fotod valges ning hämaras. 60 kraadi all tehtud fotod valges ning hämaras. 2. Resolutsioon: 3264 x 2448 Kaamera: 8 Megapikslit 3. Numbrimärgi tuvastamiseks kasutasin veebilehekülge https://www.anpronline.net/demo.html Programm suutis välja lugeda 8-st pildist 7. Ainult hämaras ning 60 kraadise nurga alt tehtud pildilt ei suudetud numbrimärki tuvastada, pilt oli liialt hägune. Pilt, millest programm ei suutnud numbrimärki välja lugeda (60 kraadi alt ning hämaras):
(Towers Watson Global Workforce Study, 2012) Priority areas of focus Behaviors and actions that matter to employees Leadership · Is effective at growing the business · Shows sincere interest in employees' well being · Behaves consistently with the organization's core values · Earns employees' trust and confidence Stress, blance and · Manageable stress levels at work workload · A healthy balance between work and life · Enough employees in the group to do the job right · Flexible work arrangements Goals and objectives · Employees understand: · The organization's business goals · Steps they need to take to reach those goals
saj keskel, mil Norra statistik Kiaer avaldas oma töö representatiivsest valikumeetodist. Valimite moodustamise viisid jagunevad kaheks: 1. Valikuuring on statistiline uuring, milles otsustused kogumi kohta tehakse valimi (kogumi ühe osa) baasil. 2. Tõenäosuslikud valikud - iga kogumi objekti jaoks on teada tema üldkogumisse sattumise tõenäosus. Lihtne juhuvalik. Kõigil üldkogummi objektidel on võrdne valimisse sattumise tõenäosus. Näiteks juhuslike numbrite alusel. Süstemaatiline valik. Objektide valimine toimub fikseeritud sammuga. Näiteks sotsioloogilise uurimuse korral küsitletakse elanikke teatava numbriga korteritest, oletades, et uuritav tunnus ei sõltu korteri numbrist. Ostjate küsitlemisel küsitletakse igat kümnendat ostjat. Empiirilised valikud - ülkogumi objektide valimisse sattumise tõenäosused pole teada. Kvootide meetod. Selle meetodi korral määratakse soovitava valimi struktuur
Loenguplaan · Seos kahe tunnuse vahel kovariatsioon korrelatsioon Harilik lineaarne · Harilik lineaarne regressioonmudel Vähimruutude meetod parameetrite hinnangute leidmiseks regressioonmudel
631 Range 1532 1200 836 Minimum 354 1400 973 Maximum 1886 1600 388 Sum 52230 1800 1089 Count 62 2000 1094 Confidence Level(95,0%) 81,59782 609 alumine usalduspiir 760,8215 354 ülemine usalduspiir 924,0172 824 1273 n= 62 829 klasside arv= 7,874008 9 854 haare= 1532 1388 klassisamm= 194,5642 200 1074 549 1049 1178 1159 456 461 525 544 895
Mis on sellega kaasnev mõju fotole? Too näide kõrgest ISO-st. ISO arv määrab seda,kui valgustundlik on ISO tundlikkus(50,80,100) seda rohkem valgust on vaja,et pilti saada.Mida kõrgem on ISO tundlikkus(3600,6400...)seda vähem on valgust pildi tegemiseks vaja . Iga fotokaamera omanik saab määrata,missugust ISO tundlikkust pildistamisel kasutada.Kui seadistame kaameral kõrgema ISO tundlikkuse,hakkab pildi kvaliteet langema. 3. Kirjelda lühidalt, millised seaded valib kaamera kasutades ,,sportreziimi"? Spordireziim lähtub eeldusest,et tegu on kiiresti liikuvate objektidega.Selleks on vajalik lühike säriaeg,mis tähendab suuremat ava ehk väiksemat teravussügavust.Kui on liialt hämar ja välisest valgusest ei piisa,on vaja välku teha. 4.Millises olukorras võiks kasutada päevasel ajal päikeselises kohas välku? Õues läheda maa peslt portree pildistamine,kui näos on väga tugevad varjud külgpaikesest ;sundvälk 5
143. Simplicity doesn't mean to live in misery and poverty. You have what you need, and you don't want to have what you don't need. 144. The three grand essentials of happiness are: something to do, someone to love, and something to hope for. 145. Circus performers know that they can break their necks falling into a net; it is the uncertainty which keeps them skillful and careful. They know also that the net can save their lives; it is this confidence which makes them daring. 146. Who lives without folly is not so wise as he thinks. 147. Happiness is a journey, not a destination. So ... Work like you don't need the money, love like you've never been hurt, and dance like no one is watching. 148. There is a boundary to men's passions when they act from feelings; but none when they are under the influence of imagination. 149. All that is necessary for the triumph of evil is that good men do nothing. 150
Minimum 2000 1 1 3 1 1 Maximum 2008 2 15 96 5 4 Sum 611138 427 2529 14421 597 876 Count 305 305 305 288 171 305 Confidence Level(95,0%) 0,307623 0,05529 0,349987 2,87485541 0,138324 0,126968 Tabel 16. Normaaljaotusele lähenemise kontroll tunnusele aasta. H0 - tunnuse jaotus läheneb normaaljaotusele H1 - tunnus jaotus ei lähene normaaljaotusele normaal- jaotuse jaotus- funkts oodatav aasta tegelik sagedus punktid tõenäosus sagedus
Õppejõu kontaktandmed · Statistika ja ökonomeetria dotsent Ako Sauga ÖKONOMEETRIA · E-post [email protected] · Koduleht www.sauga.pri.ee TES0040 Bakalaureuseõpe TAAB 31, 32, 33, 51, 52 · Ruum SOC-480 MEM5220 Magistriõpe, TARM12 · Vastuvõtuajad (vajalik eelnev registreerimine õppejõu kodulehel): Ako Sauga Paaritu nädal N 19:00 20:00 Paarisnädal E 16:00 17:00 Loengukava Kellele see kursus on mõeldud? Bakalaureuseõppe TAAB 2. kursus (uus õppekava) · Sis
3) Millist objektiivi loetakse nö normaalobjektiiviks? - objektiivi, mille vaatenurk on sarnane sellega, mida näeb inimsilm EHK mis jääb vahemikku ~45°-57° - 35mm = 50mm (diagonaal on 43,3mm) - keskformaat = 80mm (diagonaal on 83,9 mm) - laiformaat = 180mm (või 150mm, sõltuvalt formaadist) (diagonaal on 162,6 mm) 4) Mis oleks ligikaudne normaalobjektiiv 35mm ekvivalendina, kui kaamera kaadrikordaja on 1,6? - 35mm x 1,6 = ~ 56mm 5) Esimesed elektroonilised pildisalvestusseadmed leiutati 70-aastatel. - 1973 esimene teadaolev - 1975 Kodak tegi CCD-sensoriga digikaamera prototüübi - 1981 Sony reaalselt käes hoitav tarbijale suunatud digi - 1986 leiutati esimene digisensor - 1988 FUJI DS-1P Photokina festivalil
15 12 33 95 10 87 25 1 62 52 98 94 62 46 11 71 79 75 24 91 40 71 96 12 82 4 6 96 38 27 7 74 20 96 69 86 10 80 25 91 74 85 22 5 39 0 38 75 95 79 xi ni xi*ni ni*xi2 ni*(xi-xk)2 0 0 1 0 0 2132,59 1 1 1 1 1 2041,23 3 3 1 3 9 1864,51 4 4 1 4 16 1779,15 7 7 1 7 49 1535,07 8 8 1 8 64 1457,71 10 10 2 20 200 2617,98 10 13 3 39 507 3302,74 13 15 1 15 225 972,19 13 20 2 40 800 1370,78 13 22 2 44 968 1169,34 15 24 1
15 12 33 95 10 87 25 1 62 52 98 94 62 46 11 71 79 75 24 91 40 71 96 12 82 4 6 96 38 27 7 74 20 96 69 86 10 80 25 91 74 85 22 5 39 0 38 75 95 79 xi ni xi*ni ni*xi2 ni*(xi-xk)2 0 0 1 0 0 2132,59 1 1 1 1 1 2041,23 3 3 1 3 9 1864,51 4 4 1 4 16 1779,15 7 7 1 7 49 1535,07 8 8 1 8 64 1457,71 10 10 2 20 200 2617,98 10 13 3 39 507 3302,74 13 15 1 15 225 972,19 13 20 2 40 800 1370,78 13 22 2 44 968 1169,34 15 24 1
Ülesanne 1. 2. 3. 4. 5. 6. ühele aastale 1 ja teistele panen 0 Aasta 2001 1999 1994 1 Harju 2002 0 0 0 2 Hiiu 2002 0 0 0 3 Ida-Viru 2002 0 0 0 4 Jõgeva 2002 0 0 0 5 Järva 2002 0 0 0 6 Lääne 2002 0 0 0 7 Lääne-Viru 2002 0 0 0 8 Põlva 2002 0 0 0 9 Pärnu 2002 0 0
Ökonomeetria mõisted 1. Autokorrelatsioon ja heteroskedastatiivsus võivad mudelis olla kahel põhjusel: 1) mudeli spetsifikatsioon on vale. Mudelist on välja jäetud mõned olulised muutujad ja/või mudeli funktsionaalne kuju on vale. Mudel tuleb ümber vaadata. 2) Tavalise vähimruutude meetodi rakendamise protseduur võib anda standardhälvete nihkega hinnangud. Tuleb kasutada uusi lähenemisi mudeli parameetrite hindamiseks. Autokorrelatsiooni testitakse aegridade puhul. Kui juhuslikud vead korreleeruvad omavahel, siis on olemas autokorrelatsioon. Kui autok. Esineb, tuleb mudel ümber vaadata, tuleb muuta spetsifikatsiooni. 2. Asümptootilised hinnangud kui juhuslike vigade normaaljaotuse eeldus ei ole täidetud, siis usalduspiirid on asümptootilised. Nad on täpsed siis, kui valimi maht on lõpmatu; lõpliku valimi mahu korral usalduspiirid on ligikaudsed.
kaameraga tehtud Mudel (pildi paar) – marsruudi sees kaks kõrvuti asetsevat pilti Marsruut – kõik kattuvad pildid, mis on tehtud üksteise järgi ühe lennu suuna sees Blokk – kõikide marsruutide kõik pildid Baas – vahemaa kahe kõrvuti asetseva pildi projektsiooni tsentrite vahel 1` = 12`` = 30.48 cm 1`` = 2.54 cm 1 m = 3.281` 1 cm = 0.394`` 2.Fotogramm-meetrilised skannerid ning nende resolutsioon Geomeetriline skaneerimise resolutsioon esitatakse ühikutega "dots per inch" (täppe tolli kohta) [dpi] või mikromeetrites [μm] ning see kajastab maksimaalses täpsuses, mida on võimalik saavutada. 600 dpi (42 μm) skaneerimise resolutsioon [dpi] ja [μm] teisendamine toimub järgmiste valemite järgi: Piksli suurus [μm] = 25400 / lahutusvõime [dpi]-s Lahutusvõime [dpi] = 25400 / piksli suurus [μm]-s Radiomeetriline skaneerimise resolutsioon
Mis funktsioon on fotoaparaadi diafragmal? Kirjelda lühidalt tööpõhimõtet. Kasutatakse objektiivi valgusjõu ja sügavusteravuse muutmiseks. Diafragma (koos katikuga) doseerib valguse hulka, mis pääseb kaamerasse. Koosneb tavaliselt metall-lamellidest ja reguleeritakse käsitsi või elektroonika abil. Mida määrab ISO arv? Mis on sellega kaasnev mõju fotole? Too näide kõrgest ISO-st. ISO arv näitab seda, kui valgustundlik on kaamera sensor. Mida madalam on ISO tundlikkus (50, 80, 100), seda rohkem valgust on vaja, et pilti saada. Mida kõrgem on ISO tundlikkus (3600, 6400, ...) seda vähem valgust on pildi tegemiseks vaja. Kvaliteetse kujutise saab kasutades madalat ISO tundlikkust. Sõltuvalt kaamerast on see tavaliselt kas 80, 100 või ka 200. Kui seadistada kaameral kõrgema ISO tundlikkuse, siis hakkab pildi kvaliteet langema. Mida nõrgemat signaali võimendada, seda rohkem hakkab
Lembit Õunapuu, PhD, dotsent Tartu Ülikool Sisukord SISUKORD............................................................................................................................................. 1 VALIMID KVANTITATIIVSETES JA KVALITATIIVSETES UURIMUSTES........................................... 2 VALIMI MÕISTE...................................................................................................................................... 2 KVANTITATIIVSE JA KVALITATIIVSE UURIMUSE VALIMITE ERIPÄRAD............................................................ 2 TÕENÄOSUSLIKE VALIMITE REPRESENTATIIVSUS...................................................................................... 3 VALIMI KOOSTAMISE TÕENÄOSUSLIKUD JA MITTETÕENÄOSUSLIKUD MEETODID ......................................... 3 Lihtne juhuvalim ............................................................................................................................. 4 Kihtv
A Osa L - mõõtetulemuse aluseks on mõõteriista näidud L. READ - lugemi võtmine K- kalibreerimistunnistuse (ümardamine parand lähima täisjaotiseväärtuse ni) PAR - mõõteliinide paralleelsus RECT - ristseis RS - baaspinna asend F - mõõtejõud T temperatuur RO pinnakaredus MAT materjal RE - mõõtmiste vähesed kordused Mudel üldkujul: - pinna hälve sirgjoonelisusest, STR = f(mõõtevahendi näit,Lmin; f(faktorid)= f(Lmax faktorid) K; READ, PAR, RECT, RS, F; T, hälve RO, RE) pindade paralleelsusest, PAR = f(mõõtevahendi näit, faktorid), PAR = f(faktorid)=f(PAR, RECT, RS, RO) rakis SYM =+f(faktorid)=f(READ, PAR, RECT, indikaatorkell, täpsustase 1 µm RS) + pikkusplaat sobib ideaalselt. Cp 1 B 18 H 11 L 180
MAJANDUSE ABC 5. TÖÖTURG, PALK JA TÖÖPUUDUS Muutused Eesti tööturul (tuhandetes) 900 825,8 806,6 800 761,4 698,9 675,4 700 633,4 619,3 613 602,5 575,3 568,3 572,2 600 500 Hõivatud 400 331,9 327,8 330,1
N N (variatsioonrida) Keskväärtus Dispersioon Standardhälve 12 1 45.12 1165.026667 34.1324869687 6 4 11 6 ÜL 4 62 7 Vahemikud Tõenäosus/laius 21 10 0-20 0.016 62 11 21-40 0.01 7 12 41-60 0.004 98 15 61-80 0.008 10 21 81-100 0.012 1 25 52 27 Normaaljaotus 27 33 Vahemikud Tõenäosus/laius 81 38 0-20 0.01
Skewness 0,289226 Range 350 Minimum 50 Maximum 400 Sum 42128,9 Count 213 Confidence Level(95,0%) 9,785885 Kasutades hii-ruut testi kontrollida andmete jaotuvust normaaljaotuse järgi. Vastusekasti kirjutage rühmad, nende sagedused, hii-ruut- emp, hii-ruut-teor ja järeldus. Kartuli saagikus
Informaatika II Tallinna Tehnikaülikool Tudeng: EAEI-21 Õppejõud: Kristina Murtazin Ristkülikmaatriks - leida minimaalne element antud veergude vahemikus - leida maatriksi selle rea elementide keskmine, kus asub leitud miinimum (S) - moodustada uus maatriks ridadest, kus esimene element on väiksem leitud keskmisest Ruutmaatriks - lahutada vektor maatriksi igast veerust (S) - leida ülalpool kõrvaldiagonaali asuvate elementide absoluutväärtuste keskmine vahetada read, kus asub maatriksi peadiagonaali minimaalne ja maksimaalne element 41 7 16 -42 -40 55 -98 52 63 42 -91 -17 73 58 -25 93 75 -89 90 -27 Tee maatriks Maatriks ridadest, kus esimene element on väiksem leitud keskmisest: -40
Koondtabelid - kokkuvõtted ja koo Materjal töövihikutes: Exc_Andmeloendid.x kkuvõtted ja koondid Exc_Andmeloendid.xlsm Data / Subtotal Ülesanne Luua antud töölehe veel kaks koopiat ja koostada jargmised vahekokkuvõtted, iga üks eraldi lehele: - iga riigi kohta keskmine vanus ja keskmine netovara väärtus; - iga riigi kohta maksimaalne vanus ja maksimaalne netovara väärtus; - iga riigi kohta summaarne netovara. FORBES 100 RICH LIST 2011 http://www.thisismoney.co.uk/news/article.html?in_article_id=525125&in_page_id=2 Auaste Nimi Vanus 8 Eike Batista 54 55 Jorge Paulo Lemann 71 68 Joseph Safra 72 65,66667 17 David Thomson & family 53
Rakendusstatistika kodutöö aruanne Osa A 1. Leida keskväärtuse (aritmeetiline, harmooniline, geomeetriline), dispersiooni, standardhälbe, mediaani, moodi ja haarde hinnangud. Aritmeetiline keskmine 48,633 Geomeetriline 38,58 kesmine 26,53 Harmooniline keskmine Dispersioon 768,372 Standardhälve 27,720 Mediaan 47 Mood 33 Haare 95 Kasutatud valemid: Aritmeetiline keskmine N 1 ^= x´ = x N i =1 i Geomeetriline keskmine Harmooniline keskmine 2 N ^ =s 2= 1 ( x - x´ )2 Dispersioon ¿ N -1 i=1 i ¿ Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Mood tunnuse kõige sagedamini esinev väärtus Haare
Osa A. Hinnangud, usaldusvahemikud, statistilised hüpoteesid ja jaotused xi ni xi*ni ni*xi2 ni*(xi-xk)2 0 1 0 0 2907,37 6 1 6 36 2296,33 7 1 7 49 2201,49 8 2 16 128 4217,29 9 1 9 81 2017,81 12 1 12 144 1757,29 13 2 26 338 3348,89 18 1 18 324 1290,25 23 1 23 529 956,05 24 1 24 576 895,21 26 2 52 1
Mati 0 mood 2 Kõige sagedamini esines laste arv 2 Page 4 NÄIDE Moodi leidmine nominaalskaala korral Enne tööruumide remonti viidi töötajate hulgas läbi küsitlus, milline võiks olla seinte värv. Välja oli pakutud neli varianti. Vastusevariant Kood Excelis on andmetöötlus võimalik vaid numbrite abil esitatud kollane 1 skaalade korral. Seepärast tuleb sõnadega esitatud nominaal- roheline 2 ja järjestikskaala korral kasutada kodeerimist. sinine 3 oranz 4 Andmed on toodud veergudes J:K. Leida kõige sagedamini esinenud vastusevariant. Mood 3 Vastus: Kõige sagedamini eelistati sinist värvi
i xi N 25 1 71 Keskväärtus 44,12 2 43 Dispersioon 673,44333333 3 56 Standardhälve 25,950786758 4 17 Mediaan 51 5 56 Haare 88 6 9 7 29 8 24 0,1 9 33 t1-/2 0,95 10 4 f (vabadusaste) 24 11 53 12 51 t1-/2(f) (t kvantiil) 1,7109 13 80 (poollaius) 8,8798 14 36 15 54 Keskväärtuse usaldusvah. 16 84 alumine ülemine 17 33