45.04 Keskväärtus 45 ül4 1 Dispersioon 1167.833 1164.123 intervalli 4 Mediaan 38 1 6 Haare 97 2 7 t-statistik -0.706614 3 10 μ 50 4 11 5 12 1.7108820667 15 20 25 0.4780363352 10 H 27 0.4168338365 9 33 1.710882 8 38 36.41503 7 46 13.84843 52 1164.123 6 62 34.11925 5 62 4 71 74 3 80 2 87 ...
jrk ni xi ni * xi ni 2 1 1 2 2 2089.25 2088.49 0.04 4 2 1 4 4 1910.42 1909.69 0.08 7 3 1 7 7 1657.17 1656.49 0.12 8 4 1 8 8 1576.75 1576.09 0.16 9 5 1 9 9 1498.34 1497.69 0.2 13 6 1 13 13 1204.67 1204.09 0.24 18 7 1 18 18 882.59 882.09 0.28 24 8 1 24 24 562.09 561.69 0.32 26 9 1 26 26 471.25 470.89 0.36 34 10 1 34 34 187.92 187.69 ...
Arvutusgraafiline töö | Mihkel Heinmaa | MHT0030 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Mihkel Heinmaa | YAGB31 | sügis 2010 Osa A 1. Keskväärtus: Excel: AVERAGE Dispersioon: ( ) Excel: VAR Standardhälve: Excel: STDEV Mediaan: Mediaan on va...
MHT0030 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. Keskväärtus =46,20 Dispersioon =867,91 Standardhäve =29,46 Mediaan Me=46 Haare R = xmax xmin = 99 0 = 99 2. Keskväärtuse usaldusvahemik eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10: t, N-1 on arvutatav Exceli TINV funktsiooniga: 1,711 Dispersiooni usaldusvahemik eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10 ning põhikogumit moodustavate mõõdiste arv n = 25: ja on arvutatav Exceli CHIINV funktsiooniga, ning on vastavalt: 36,415 ja 13,843 3. Kontrollida järgmisi hüpoteese (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,10) 3.1 H0: = 50 alternatiiviga H1: 50 Et Hüpotees vastu võetaks, peab tkr > t; 1,71 > -0,645. Seega hüpotees ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. Valim mahuga N = 25 jrk ni xi ni * xi ni * 2088, 1 1 2 2 2089,25 49 1909, 2 1 4 4 1910,42 69 1656, 3 1 7 7 1657,17 49 1576, 4 1 8 8 1576,75 09 1497, 5 1 9 9 1498,34 69 1204, 6 1 13 13 1204,67 09 882,0 7 1 18 18 882,59 9 561,6 8 1 ...
Keili Kajava Rakendusstatistika arvutusgraafiline töö 2010 Keili Kajava Osa A 1. Keskväärtus: Dispersioon: Standardhälve: Mediaani leidmiseks rivistan arvud tabelis kasvavasse järjekorda ja leian sealt valimi keskel oleva väärtuse ehk tabeli algusest või lõpust 13.-nda arvu (sest valimi maht on 25). Me=44 Haare: R=99-2=97 2. Keskväärtuse usaldusvahemiku leidmine 1 Keili Kajava (leitud t-jaotuse tabelist) Dispersiooni usaldusvahemiku leidmine (tuleb jaotuse tabelist) (tuleb jaotuse tabelist) 3. 3.1 Kuna |t| < t0,95(24) (|-0,648| < 1,711), siis võib järeldada, et põhikogumi keskväärtus ...
Rakendusstatistika arvestusharjutus AGT-1 (Andmete kood: 38 42 36) OSA A 1. Leida keskväärtuse, dispersiooni, standarthälbe, mediaani ja haarde hinnangud Keskväärtus N 1 ´x = N ∑ xi i=1 ´x =53,24 Dispersioon N 1 s x 2= ∑ N−1 i=1 ( x i−´x )2 s x 2 =705,69 Standardhäve s x =√ s x 2 s x =26,56 Mediaan Me=51 Haare R = xmax – xmin = 94 – 9 = 85 2. Keskväärtuse μ usaldusvahemik eeldusel, et põhikogumi jaotus on normaaljaotus ja olulisuse nivoo = 0,10: sx s ( P ´x −t α , N−1 ∙ √N ) < μ< ´x +t α ,...
Osa A Andmed: 7 2 3 3 1 1 4 3 3 3 6 5 6 1 2 9 7 5 7 8 5 2 4 1 8 7 9 7 4 8 5 3 1 9 3 5 9 5 8 4 6 1 3 0 7 6 9 1. Valimi parameetrite hindamine. Kasutan järgmisi valemeid: Keskväärtus: 44,28 Dispersioon: 772,46 Standardhälve: 27,79 Mediaani ja haarde leidmiseks teeme valimi liikmete ümberjärjestust: 1; 2; 5; 14; 18; 19; 25; 27; 31; 33; 37; 39; 39; 45; 46; 50; 56; 63; 65; 71; 74; 77; 83; 89; 98 Mediaan: 39 Haare: 98 1 = 97 2. Leian keskväärtuse ja dispersiooni usaldusvahemikud (usaldusnivoo = 0.10), eeldades üldkogumi normaaljaotust Keskväärtuse jaoks kasutame t-statistikut f = N 1 = 24 t0.95(24) = 1.711 = 9.51 Keskväärtuse usaldusvahemik arvutatakse valemiga: P(34,77 < < 53,79) = 90% Dispersiooni usaldusvahemiku leidmiseks kasutatakse 2-statistikut f = N 1 =...
MHT0030 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Andmete kood: 248199 Osa A 1. Keskväärtus Dispersioon Standardhälve Mediaan Haare 2. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks leian usaldus- vahemikud. Keskväärtuse usaldusvahemik on arvutatud MS Exceli TINV-funktsiooniga: Dispersiooni usaldusvahemik ja on arvutatud MS Exceli CHIINV-funktsiooniga 3. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks kontrollin hüpoteese 3.1 alternatiiviga Et hüpotees vastu võetaks peab seega hüpotees võetakse vastu. 3.2 alternatiiviga Et hüpotees vastu võetaks peab jääma kahe kriitilise punkti vahele seega hüpotees võetakse vastu. 4. Valimi empiiriline histogramm võrdlaiade...
Xxxxx xxxxx xxxx MHT 0031 RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 1. 1) Keskväärtus =46,20 2)Dispersioon =867,92 3)Standardhäve =29,46 4)Mediaan Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=46 5)Haare R = xmax xmin = 99 0 = 99 2. Leian keskväärtuse usaldusvahemiku eeldusel, et põhikogumi jaotus on normaaljaotus ja o...
OSA A 1. Hindame valimi parameetreid Hindamiseks kasutame järgmised valemid: Keskväärtus: 44,12 Dispersioon: 673,44 Standardhälve: 25,95 Mediaani ja haarde leidmiseks teeme valimi liikmete ümberjärjestuse: Mediaan: 51 Haare: 92-4= 88 2. Leiame keskväärtuse ja dispersiooni usaldusvahemikud (usaldusnivoo = 0,10), eeldades üldkogumi normaaljaotust Keskväärtuse jaoks kasutame t-statistikut f = N 1 = 24 t0,95(24) = 1,7109 = 8,88 (poollaius) P(35,24 < < 53) = 0,9 Dispersiooni jaoks kasutame 2-statistikut f = N 1 = 24 20.95(24) = 36,415 20.05(24) = 13,848 P (443,9 < 2 < 1167,15) = 0,9 3. Kontrollime hüpoteese keksväärtuse ja dispersiooni kohta, eeldades üldkogumi normaaljaotust, ja kasutades usaldusnivood = 0,10 3.1 H0: = 50; H1: 50 Kontrollimiseks kasutame t-statistikut: t = 1,1329 f = N 1 = 24 Kriitiline t-statistiku väärtus t0,95(24) = 1,711 Kuna t < tkr, sii...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valim A mahuga N=25 variatsioonirida: 1 2 17 81 97 75 22 21 94 62 81 73 74 52 79 45 14 70 2 71 48 79 77 39 19 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: = 51,8 Dispersioon: s x² = 968,58 Standardhälve: s x = 31,12 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 62 Haare: R = 91 – 1 = 96 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks α = 0.10). Kes...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 22 96 91 75 74 75 25 79 12 38 95 10 71 0 79 24 86 91 96 5 40 85 69 82 39 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=58,36 Dispersioon: Excel: VAR Sx²=1072,74 Standardhälve: Excel: STDEV Sx=32,75 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Excel: MEDIAN Me=74 Haare: =96-0=96 R=96 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik...
Keili Kajava Rakendusstatistika arvutusgraafiline töö 2010 Keili Kajava Osa A 1. Keskväärtus: Dispersioon: Standardhälve: Mediaani leidmiseks rivistan arvud tabelis kasvavasse järjekorda ja leian sealt valimi keskel oleva väärtuse ehk tabeli algusest või lõpust 13.-nda arvu (sest valimi maht on 25). Me=44 Haare: R=99-2=97 2. Keskväärtuse usaldusvahemiku leidmine (leitud t-jaotuse tabelist) Dispersiooni usaldusvahemiku leidmine (tuleb jaotuse tabelist) (tuleb jaotuse tabelist) Keili Kajava 3. 3.1 Kuna |t| < t0,95(24) (|-0,648| < 1,711), siis võib järeldada, et põhikogumi keskväärtus saab olla 25 valimi alusel. Seega H0 hüpotees vastu võetud. 3.2 Kuna 2 jääb ja vahele (13,85 < 32,1 < 36,4), siis hü...
Osa A Variatsioonrida: N=25 1 4 6 7 1 1 1 1 2 2 2 3 3 4 5 6 6 7 7 8 8 9 9 9 98 0 1 2 5 1 5 7 3 8 6 2 2 2 1 4 1 7 4 5 6 N 1 1. ´x = N x i=45 i=1 N 1 s 2= N-1 i=1 ( xi -´x )2=1170 s= s2=34 Mediaan: variatsioonrea 13. element 38 x max-x min =97 Haare: 2. =0,10 t 0,95 ( 24 )=1,71 t 0,95 ( 24 ) s = =12 N Keskväärtuse alumine piir: ´x - =33 Ülemine piir: ´x + 57 20,05 (24)=13,85 ...
Eesti vooluveekogud* Ingmar Ott EMÜ PKI Limnoloogiakeskus 61117 Rannu Tartumaa [email protected] * Täpsemalt vt. monograafia "Eesti jõed" 2001. Toim. A. Järvekülg Vooluveekogud paiknevad vesikondades. Eestis neid määratud 3-6. Eri vesikondade jõed erineva pikiprofiiliga. Põhja-Eesti Lääne-Eesti Lõuna-Eesti · Niiske kliima ja liigestatud pinnamoe tõttu on vooluvete võrk Eestis võrdlemisi tihe. · Suur enamik, 94,3% üldarvust on väga väikesed, alla 10 km pikkused ojad ja peakraavid. Sellised moodustavad 68% vooluveekogude kogupikkusest. · Eestis on 7308 vooluveekogu kogupikkusega 31019 km, vooluveekogude keskmine tihedus 0,72 km/km2. ·Vooluveekogude jaotus on ebaühtlane. Väikseim on tihedus Pandivere kõrgustikul ja saarte rannikualadel. Pandiveres tingib seda õhuke pinnakate ja aluskivimi lõhed. MIKS ...
Rakendusstatistika arvestusharjutus AGT-1 Osa A 1. Arvkarakteristikud Keskväärtus N µ = xi pi µ = 44,8 i =1 (Kasutades Exceli funktsiooni AVERAGE) Dispersioon N 2 = ( xi - µ ) 2 p i 2 = 814,4 i =1 (Kasutades Exceli funktsiooni VAR.P lisaks kontrollisin Excelis vahetulemusi kasutades) Standardhälve = 2 = 814,4 = 28,54 Mediaan Me = 41 Variatsioonirea keskmine arv (juhul kui on tegemist paarituarvutlise valimiga) või kahe keskmise elemendi poolsumma (kui on tegemist paarisarvulise valimiga) (Lisaks saadav kasutades Exceli funktsiooni MEDIAN) Haare Valimi suurima ning väikseima elemendi vahe R = x max - x min R= 97 - 0 = 97 2. Jaotuse analüüs Võtan olulisuse nivooks = 0,10 ning eeldan normaaljaotust. Keskväärtuse usaldusvahemik 1) Keskväärtuse ja standardhälbe hinnangud: 1 N 1 N µ^ = xi = xi...
OSA A 1. Leian 1.1 keskväärtuse 1 N µ^ = x = xi = 46, 2 N i =1 Excel: AVERAGE 1.2 dispersiooni 1 N ^ 2 = s 2 = ( xi - x )2 = 867,9 N - 1 i =1 Excel: VAR 1.3 standardhälbe sx = sx2 = 29, 46 Excel: STDEV 1.4 mediaani Me = 46 Excel: MEDIAN 1.5 haarde R = xmax - xmin = 99 - 0 = 99 2. Eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0,10, leian 2.1 keskväärtuse usaldusvahemikud P ( x - µ < µ < x + µ ) = p s 29, 46 µ = t1- ( f ) = 1, 7109 = 10, 29 2 N 24 Student'i teguri leidsin tabelist. P (46, 2 - 10, 29 < µ < ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 12 6 11 62 20 62 7 98 10 1 52 27 80 25 94 46 38 74 95 33 71 15 96 4 87 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=45, 04 Dispersioon: Excel: VAR Sx²=1164,123 Standardhälve: Sx=34,1193 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=38 Haare: R=97 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 75 10 79 32 32 0 68 94 96 2 99 53 31 15 48 47 29 70 7 75 28 30 42 47 46 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=46,20 Dispersioon: Excel: VAR Sx²=867,9167 Standardhälve: Sx=29,46 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=46 Haare: R=99 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A 0 2 7 1 0 1 5 2 8 2 9 3 0 3 1 3 2 3 2 4 2 4 6 4 7 4 7 4 8 5 3 6 8 7 0 7 5 7 5 7 9 9 4 9 6 9 9 Valimi A mahuga N=25 variatsioonirida: 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x = 46,20 Dispersioon: Excel: VAR Sx² = 867,92 Standardhälve: Sx = 29,46 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me = 46 Haare: R= 99 - 0 = 99 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 Dispersiooni usaldusvahemik: ...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valim A mahuga N=25 variatsioonirida: 69 10 76 79 84 41 15 87 44 49 38 16 58 7 24 19 82 1 40 38 35 87 51 1 69 1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x = 44,80 Dispersioon: Excel: VAR Sx² = 814,417 Standardhälve: Excel: STDEV Sx = 28,538 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Excel: MEDIAN Me = 41 Haare: ...
Juhuslik sündmus - sündmus, mis antud vaatluse või katse korral võib toimuda, aga võib ka mitte toimuda Kindel sündmus-sündmus, mis teatud tingimuste korral alati toimub Sõltumatu sündmus -Kaht sündmust nimetatakse sõltumatuteks, kui neist ühe toimumune ei muuda teise tõenäosust. Teineteist välistavad sündmused-Sündmusi, mille korrutiseks on võimatu sündmus, nimetatakse teineteist välistavateks. Kombinatsioonid-Katses osaleb m elementi, katse tulemuseks on k erineva elemendi välja valimine nende elementide hulgast. Permutatsioon-Kõikvõimalike erinevate järjestuste arv etteantud elementidest nimetatakse permutatsioonideks Variatsioonid-Katses osaleb m elementi, katse tulemuseks on k erineva elemendi kindlas järjekorras välja valimine nende elementide hulgast Tõenäosuse geomeetriline tähendus-Tõenäosuse geomeetriline tähendus ühemõõtmelises ruumis väljendub lõigu pikkusena, kahemõõtmelises ruumis pindalana ja kolmemõõtmelises ruumi...
Andmed-A N= 25 jrk. Dispersioon= 37 9 1. Keskväärtus= 53,24 263,74 54 15 0,58 94 18 1661,38 32 19 451,14 19 30 1172,38 33 32 409,66 69 33 248,38 51 37 5,02 89 41 1278,78 43 43 104,86 18 43 ...
Statistika üldiseks eesmärgiks on: asjakohastest eeldustest lähtudes leida vaadeldava stohhastilise objekti kohta mingi tõenäosuslik mudel, sh hinnates mudeli arvparameetreid ja kontrollides erinevaid hüpoteese objekti mudeli kohta. Mediaani hinnang: - kasvavalt järjestatud valimi keskelement (kui valimi maht on paaritu arv) - kasvavalt järjestatud valimi keskelementide poolsumma (kui valimi maht on paarisarv) Haare: valimi suurima ja vähima elemendi vahe Statistika põhiteoreem: Empiiriline jaotusfunktsioon FN(x) on teoreetilise (üldkogumi) jaotusfunktsiooni F(x) nihutamata ja mõjus hinnang. Histogramm: Histogramm on enimkasutatav (üldkogumi) jaotustiheduse hinnang. Histogrammi kasutatakse ettekujutuse saamiseks üldkogumi jaotusseadusest ning ta kujutab endast tulpdiagrammi, mille tulpade kõrgused näitavad vastavasse vahemikku sattumise sagedust. 2-jaotus on kasutusel normaaljaotusega juhusliku suuruse dispersiooni hinnangu jaoks usaldu...
REISIJATEVEDU - TÖÖLEHT 1 kodus lahendamiseks TEEMA 1 - Transpordivõrk Rühma üliõpilased:...................................................................................................................... Õpperühm:......................kuupäev:................. Juhend töölehe täitmiseks Täitke tööleht õppejõu poolt moodustatud rühmades Võtke täidetud tööleht kaasa ja esitage õppejõule Ülesanne 1 Liini iseloomustamine Vali üks Tallinna ühistranspordi liin ning iseloomutsa seda Vihje 1: konspekt maksimaalset vastavalt käesoleva nädala teoreetilistes materjalides MOODLE keskkonnas käsitletud liini iseloomutsavate näitajate ja lisanäitajate abil. Vastuse kirjutamise koht: Vihje 2: Ülesanne 2 ...
MATEMAATIKA ARVESTUS 1. Kombinatoorika põhiprintsiibid-liitmis ja korrutamisprintsiip. Liitmisprintsiip- ,,kas üks või teine" . kui mingit objekti A on võimalik valida n erineval viisil ja objekti B m erineval viisil ning valida tuleb kas objekt A või objekt B, siis kõigi erinevate võimalike valikute arv on n + m. Korrutamisprintsiip- ,, nii üks kui ka teine" kui mingit objekti A on võimalik valida n erineval viisil ja objekti B m erineval viisil ning valida tuleb nii objekt A kui ka objekt B, siis kõigi võimalike erinevate valikute arv on n · m. 2. Permutatsiooni permutatsioonideks n erinevast elemendist nimetatakse nende elementide kõikvõimalikke erinevaid järjestusi. Pn = n! 3. Variatsioonid Variatsioonideks n elemendist k-kaupa (k n) nimetatakse nelemendilise hulga kõigi k-elemendiliste osahulkade elementide erinevaid järjestusi. Vnk = n!/(n-k)! k 0! = 1 Variatsioonides on oluline liikmete järjestus erinevalt kombinats...
SÜNDMUSE TÕENÄOSUS 1. Mis on sündmus tavaelus? 2. Mis on juhuslik sündmus? 3. Millisest aspektist me tahame sündmusi uurida? 4. Sündmuse matemaatiline definitsioon (elementaarsündmus, elementaarsündmuste ruum, sündmus). Elementaarsündmus on mingi vaadeldava protsessi või läbiviidava katse tulemus. Elementaarsündmuste ruumi moodustavad kõik elementaarsündmused ehk kõikvõimalike tulemuste hulk. Sündmuseks nimetatakse mingit suvalist elementaarsündmuste ruumi alamhulka. 5. Sündmuse toimumise kriteerium. Sündmuse toimumise juures on meile oluline vaid see, kas toimub või mitte. Sündmus toimub, kui toimub sündmust määravatest elementaarsündmustest üks. 6. Mitu erinevat sündmust saab moodustada n-elemendilise elementaarsündmuste ruumi põhjal? Tõesta! N-elemendilise elementaarsündmuste ruumi põhjal saab moodustada 2 n sündmust, mille hulka on arvestatud ka tühihulk. 7. Sündmuste liigitus (kindel, võimatu, vastandsün...
1. Tõenäosus ja tõenäosuse põhilised omadused. Tingimuslik tõenäosus. Bayes'i valem 0 P(A) 1; P(AB) = P(A) + P(B), AB= või U. Tingimuslik tõenäosus tõenäosus sündmusele A kui toimus sündmus B - P(A/B) = P(AB) / P(B)(TINGIMUSLIK) Tõenäosus sündmusele A tingimusel, et sündmus B on juba toimunud, P(B) > 0.BAYES kus P(A) = P(B1)*PB1(A)+P(B2) *PB2(A)+...+P(Bn) * PBn(A), i tähistab osasündmuse B numbrit 2. Sündmus ja vastandsündmus. Sõltuvad ja sõltumatud sündmused. Sündmuste väli P(A/B) = P(A), P(AB) = P(A)P(B) Sündmus fakt, toimumine, ilming jne, mis on seotud, kas toimub või ei teatud tingimustel. Vastandsündmus A sündmusele A Sündmus A ei ilmne kui esineb sündmus A. Sündmus A on sõltumatu sündmusest B kui tema tingimuslik on võrdne mittetingimusliku tõenäosusega. 3. Sündmuste algebralised operatsioonid. Sündmuste summa ja korrutis Summa: Sündmus C, mis ilmneb igal juhul kui ilmneb vähemalt üks sündmustest A või B. C = A B, Korrutis: O...
RAKENDUSSTATISTIKA ARVUTUSGRAAFILINE TÖÖ Osa A Valimi A mahuga N=25 variatsioonirida: 54 32 30 54 89 54 9 94 51 69 19 15 33 88 37 87 94 49 18 85 43 43 41 62 81 1.Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Keskväärtus: Excel: AVERAGE x=53,24 Dispersioon: Excel: VAR Sx²=705,69 Standardhälve: Sx=26,56 Mediaan: Mediaan on variatsioonirea keskmine element paarituarvulise valimi korral või kahe keskmise elemendi poolsumma paarisarvulise valimi korral. Me=51 Haare: R=94-9=85 2. Leida keskväärtuse ja dispersiooni usaldusvahemikud (eeldades üldkogumi normaaljaotust ning võttes olulisuse nivooks = 0.10). Keskväärtuse usaldusvahemik: = 0,10 t0,1; 24= 1,711 (Studenti tabelist) Dispersiooni usaldusvahemik: = 0,10 ja (leitud Exceli...
Peeter Tenjese inauguratsiooniloeng: ,, Nähtava ja tumeda aine jaotus galaktikates´´ Peeter Tenjes on lõpetanud Tartu Ülikooli füüsika ja keemia teaduskonna ning omandanud austronoomiadoktori kraadi. Tema peamised uurimisvaldkonnad on seotud galaktikate austronoomia struktuuridega. Tundengeid õpetades tundis huvi, kas tudengid said aru millest ta rääkis. Peeter Tenjes väidab, et austronoomid on väga õnnelikud inimesed. Austronoomiat võib nimetada täppisteaduseks. Galaktikad: Üheks galaktika näiteks oleks linnutee. Galaktikate heledused kõiguvad äärmiselt tugevalt. Galaktikate kujud ja liikumised varieeruvad. Lisaks varieerub veel tähtede koostis. Erinevates galaktikates on erineva vanusega tähti. Galaktikate ketas ajaga suureneb. See sõltub kosmoloogilistest parameetritest ja tumeda aine omadustest. Galaktikad pidid tekkima, et tähed saaksid hakata tekkima. Et galaktikad saaksid tekkida on vaja kokku...
44,84 Keskväärtus 44,84 ül4 1 Dispersioon 814,056666667 814,05667 intervalli nr. 1 Mediaan 38 28,531678 1 7 Haare 86 2 10 t-statistik -0,9043112513 3 15 50 4 16 5 19 1,7108820799 24 35 Histogr 38 0,4780363352 38 0,4168338365 8 41 1,7108820799 7 6 41 36,4150285018 5 44 13,8484250272 4 49 814,056666667 ...
45,04 Keskväärtus 45 ül4 1 Dispersioon 1167,833 1164,123 intervalli nr vahemik 4 Mediaan 38 1 0-20 6 Haare 97 2 20-40 7 t-statistik -0,706614 3 40-60 10 50 4 60-80 11 5 80-100 12 1,7108820799 15 20 10 Histogra 25 0,4780363352 9 27 0,4168338365 8 33 1,710882 7 38 36,41503 6 46 13,84843 5 52 1164,123 62 ...
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 ...
1. Metroloogia teadusharuna, selle alajaotused Metroloogia on teadusharu, mis käsitleb mõõtmisi ning nende üldsuse ja täpsuse tagamise meetodid ja vahendid. Jaguneb teoreetiliseks-, rakenduslikuks- ja legaalmetroloogiaks. Teoreetiline metroloogia on mõõtmiste üldteooria. Rakendusmetroloogia sisaldab:mõõtevahendite praktilise taotlemise õpetust ja metroloogilist järelvalvet, etalonide omavahelist võrdlemist. Legaalmetroloogia hõlmab endas metroloogiaga seotud seadusandlust ja normdokumentatsiooni. Metroloogia põhiprobleemid: mõõtmise üldteooria, füüsikaliste mõõtühikute otstarbekas määramine, etalonide ja taotlevmõõtude valik, hoidmine ja reprodutseerimine; mõõtühikute ülekandmine etalonidelt toatlevmõõtudele ja viimasena töömõõtudele. Põhiühikuid üritatakse määrata looduslike objektide kaudu. 2. Mõõtmise olemus ja eesmärk Mõõtmine on antud füüsikalise suuruse võrdlemine teise sama liiki suurusega, mis on...
9 11 12 15 k 17 t0,95(24) 27 X2+ 33 X2- 33 34 38 39 41 44 46 48 52 56 59 66 83 88 97 98 98 99 1 4 N 25 24 xx 49.72 1.710882 σ 868.7933 13.84843 s 29.4753 7 36.41503 M 44 Haare 90 8 2 Δμ 10.08575 Alumine piir 39.63425 9 Ülemine piir 59.80575 σ al piir 572.5944 σ ül piir 1505.661 3 10 t-statistik 0.047497 X -statistik 2 26.0638 N(μ,σ) X2-statistik U(0,100) X2-statistik DN-statistik 0.13 ...
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...
Juhuslik sü- midagi, mis mingi katse (mingi tingimuste kompleksi realiseerumine) tulemusel võib toimuda Lähtepunkt: elementaarsündmuste ruum, koosneb elementaarsündmustest (1-teist välistavad s, millest iga katse korral 1 kindl. Toimub) Juh. S p-mõisted: 1)vastastikku välistuvad (mis ei sisalda samu elementaars) 2)vastastikku mittevälistuvad (sisaldavad samu elementaars) 3) sündmuste sisalduvus (kui toimub A, toimub ka B kõik sündmuses A sisalduvad elementaars sisalduvad ka B-s) 4)vastandsündmus (sisaldab kõik elementaars, mis ei sisaldu sündmuses A) Tehted juh.s. : 1) Summa (ühend): sisaldab kõik el.s., mis sisalduvad väh 1 liidetavatest sündmustest, tähis U 2) korrutis (ühisosa): sisaldab kõik el.s., mis sisalduvad korraga kõigis korrutatavatessündmustes Tõenäosus: iseloomustab esinemissagedust katsetes, on sündmuse mõõduks, arv nullist üheni Omadused: 1) Normeeriusaksioom (0-1) 2)Liitmisaksioom (summa P=sündmuste P summa) 3)tinglik t...
1. Leida keskväärtuse, dispersiooni, standardhälbe, mediaani ja haarde hinnangud. Jr x i− ´x i ¿2 k N x i−´x i ¿ nr 1 1 -43,28 1873,158 2 2 -42,28 1787,598 3 5 -39,28 1542,918 4 14 -30,28 916,8784 5 18 -26,28 690,6384 6 19 -25,28 639,0784 7 25 -19,28 371,7184 8 27 ...
46,2 Keskväärtus 46,2 ül4 99 Dispersioon 867,9167 intervalli nr vahemik 32 Mediaan 38 1 0-20 10 Haare 99 2 20-40 96 t-statistik -0,644942 3 40-60 2 50 4 60-80 79 5 80-100 46 1,7108820799 31 29,46043 68 46 7 Histog 47 0,4780363352 6 28 0,4168338365 75 2,063899 5 29 36,41503 32 13,84843 4 7 S2 ...
Klaasplastist lipuvarras Rander Süld 135011 [email protected] Lipuvarrast on ajalooliselt kasutatud lipu heiskamiseks. Klaasplastist lipuvarda valmistamine Vardasse saab heisata nii riigilipu tähtpäevade puhul või Protsess algab vaiku kastetud klaaskiu kerimisega ümber patriootlikkuse näitamiseks kui ka organisatsioonide lippe, pöörleva spindli kohalikke lippe või kommertsotstarbel kasutatavaid lippe. Lipuvardad on kasutusel igas riigis ja ka Kuule maandumisel mängis tähtsat rolli lipu heiskamine. Maailma suurimaks lipuvarraste turuks võib pidada Ameerika Ühendriike, kus isamaalisus on eramaju omavate keskklassi perekondade seas laialt levinud ja seda soovitakse igal võimalusel näidata riigilipu heiskamisega. Alternatiivsed materjalid Algseks lipuvarda materjaliks oli puit, mis on aja jooksul asendunud erinevate metallisulamitega (valdavalt ...
Plaatimine Sein: Tööd tehes kasutatakse Kiilto Fibergum hüdroisolatsioonimastiksit. Esmalt valmistatakse sein ette. Seejärel krunditakse seinad Kiilto Fibergum Primeriga. Kui on tegemist kipsplaadiga ei ole kruntimine vajalik. Peale krundi kuivamist kantakse hüdroisolatsioonimastiks nurkadesse, vuukidesse, läbiviikudesse ja teistesse erinevate materjalide liitekohtadesse ning pannakse peale Kiilto nurgatugevdus lint. Läbiviikudesse ning kanalisatsioonitorudele on olemas 55mm ja 110mm kanga tükid, kui on suurus erinev tuleb see ise välja lõigata. Kui on tugevduslindid paigaldatud kantakse tervele seinale üks kiht hüdroisolatsioonimastiksit, mis kuivab normaaltingimustes umbes 2 tundi. Kui pind on kuivanud kantakse seinale teine kiht Fibergum-i. Põrand: Esmalt eemaldatakse põrandalt tolm tolmuimejaga. Seejärel krunditakse põrand Start Primeriga segatuna veega 1:4. Põrandapinda kruntides võib kasutada ...
Rakendusstatistika arvutusgraafilise töö andmed ja lahenduse kontrollelemendid MHT/2010 3 9 7 4 7 7 Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: 3.2.2011 Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs) 91 96 79 95 10 39 69 38 40 5 0 96 24 22 75 79 82 86 91 74 75 25 12 71 85 Andmed-B: valimid B1 ja B2 (regressioonimudeli leidmine ja analüüs) xi 2,8 2,2 4,0 1,1 5,1 yi 6,9 6,1 9,8 7,2 15,3 Valim B1: Paarisvalim (xi, yi) regressioonimudeli leidmiseks (mahuga N=5) Valim B2: Korduskatsete sari väljundi dispersiooni leidmiseks (mahuga w=7) 1,3 0,2 0,7 4,2 3,6 2,6 1,...
Rakendusstatistika arvutusgraafilise töö andmed ja lahenduse kontrollelemendid MHT/2010 Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs) 16 35 38 49 51 69 1 69 19 87 3 44 24 84 7 41 41 10 79 15 87 82 5 76 1 8 8 Andmed-B: valimid B1 ja B2 (regressioonimudeli leidmine ja analüüs) xi 4,0 1,0 5,0 3,0 2,0 yi 0,1 5,5 0,2 1,2 3,5 Valim B1: Paarisvalim (xi, yi) regressioonimudeli leidmiseks (mahuga N=5) Valim B2: Korduskatsete sari väljundi dispersiooni leidmiseks (mahuga w=7) 3,3 2,0 4,6 3,9 3,0 2,7 6,3 Lahenduse kontrollelemendid Ülesanne/alamülesanne 1 Keskväärtus: Dispersioon:814,0567 Standardhälve:28,53 Mediaan: ...
Liina Savtsik
x
Pidev juh. f-n F(x)=P(X
Rakendusstatistika arvutusgraafilise AGT-1 andmed ja lahenduse kontrollelemendid MHT/2013 Üliõpilane: Üliõpilaskood: Lahenduse esitamiskuupäev: 21.11.2013 Andmete kood: Andmed Andmed-A: valim A mahuga N=25 (arvkarakteristikud, jaotuse analüüs, dispersioonanalüüs, aegrida ) 37 54 94 32 19 33 69 51 89 43 18 88 9 30 62 41 81 54 49 54 15 94 85 43 87 Andmed-B: valimid B1 ja B2 ( korrelatsioon, regressioonimudeli leidmine ja analüüs) xi 1,1 2,8 2,2 5,1 3,7 yi 7,2 8.9 6,8 19,3 13,1 Valim B1: Paarisvalim (xi, yi) regressioonimudeli le...
Osa A 2 i xi ( x i−´x ) 1 1 1921,946 2 1 1921,946 3 7 1431,866 4 10 1213,826 5 15 890,4256 6 16 831,7456 7 19 667,7056 8 24 434,3056 9 35 96,8256 10 38 46,7856 11 38 46,7856 12 41 14,7456 13 41 14,7456 14 44 0,7056 15 49 17,3056 16 51 37,9456 17 58 173,1856 18 69 583,7056 19 69 583,7056 20 76 970,9456 21 79 1166,906 22 82 1380,866 23 84 1533,506 24 87 1777,466 25 87 1777,466 ∑ 1121 19537,36 1. Selle valimi: ∑ xi ni = Keskväärtus: μ= n ∑ xi pi=44,84 N 1 1 Hinnang: ^μ= x´ = N ∑ x i= 25 ∙ 1121=44,8 ...
Heitvee käitlemise alternatiivsed meetodid üksikmajapidamistes SISUKORD SISUKORD............................................................................................................................. 2 SISSEJUHATUS..................................................................................................................... 3 TAVAMEETODID HEITVEE KÄITLEMISEKS......................................................................... 4 ALTERNATIIVSED MEETODID.............................................................................................. 5 AEROOBSE TÖÖTLEMISE ÜKSUS................................................................................... 9 MAASISESED SÜSTEEMID................................................................................................ 9 ALTERNATIIVE TAVAMEETODITELE................................................................................. 14 ALTERNATIIVID KRUU...
OSA A Tabel1 Xi ni ni*xi ni*(xi)2 ni(xi-Xk)2 9 37 1 37 1369 263,74 15 54 3 162 26244 1,73 18 intervalli nr 94 2 188 35344 3322,76 19 1 32 1 32 1024,00 2809,00 30 2 19 1 19 361 1172,38 32 3 33 1 33 1089 409,66 33 4 69 1 69 4761 248,38 37 5 51 1 51 2601 5,02 41 89 1 89 7921 1278,78 43 43 2 86 7396 209,72 43 18 1 18 324 1241,86 49 9 88 ...
Pedosfäär Muldkatet nimetatakse pedosfääriks. Selles PPs sa õpid: Mis on muld Mulla koostis Mulla teke Maailma mullad Mullatekkeprotsessid Muldade kaitse Muld on.... Mullaks nimetatakse maakoore pealmist/pindmist kobedat kihti, mida aktiivselt kasutavad kõrgemad taimed ja mikroorganismid ning mida muudetakse organismide ja nende jäänuste laguproduktide poolt. Muld on tekkinud eluta ja elusa looduse pikaajalisel vastastikusel toimel. Muld on taimse protsessi produktsiooni saadus sest kivimist mullateke saab alguse taime orgaanilisest ainest. Muld on sageli mõjustatud inimese tegevusest. Mullale on iseloomulikud: Mullale on iseloomulikud: kindla seaduspärasusega mullaprofiili pindalaline levik mullatekke tingimustele vastav mulla koostis ja omadused Viljakus Mulla tähtsaim omadus on viljakus. Muld on ...
annaabi.ee 
