Microsoft Word - loeng8.doc

Suurus: px
Alustada lehe näitamist:

Download "Microsoft Word - loeng8.doc"

Väljavõte

1 Struktuurivõrrandite mudelid 16. detsember Struktuurivõrrandite mudelid piirid ja piiritagused alad

2 Eeldatud jaotustest uuritavate tunnuste jaotus mtjus ML ja GLS hinnangute omadused asümptootiliselt efektiivne hinnangu dispersiooni hinnang Hii-ruut test normaaljaotus jah jah korrektne korrektne järsakus = 0 jah jah korrektne korrektne elliptiline jah jah vale vale üldjuhul jah ei vale vale Probleeme valmistab eelkõige endogeensete tunnuste jaotus (ehk mudelivigade jaotus). Kui eksogeensete tunnuste jaotus on sõltumatu mudeli vigade jaotusest (ning ei sõltu teistest otsitavatest parameetritest) siis erilisi probleeme ei esine. Mida teha, kui uuritavad tunnused pole soovitud jaotusega? a) Transformeerida uuritavaid tunnuseid; b) kasutada robustsemaid meetodeid.

3 Transformatsioonidest Kui õnnestub leida sobiv transformatsioon, mis muudab uuritava tunnuse jaotuse normaaljaotuseks, siis on kõik OK võime mudelis kasutada transformeeritud tunnust esialgse asemel (kui see ei tekita just interpreteerimisraskuseid). Üks sageli kasutatav meetod leida sobivat transformatsiooni on kasutada Box-Cox-i transformatsiooni. Struktuurivõrrandite mudelite juures pole Box-Coxi transformatsioon just ideaalne, sest ta minimiseerib eelkõige transformeeritud tunnuste asümmeetriakordaja väärtuseid (transformeeritud tunnus on võimalikult sümmeetriline). Struktuurivõrrandite puhul on aga asümmeetriast suuremaks mure allikaks järsakus. Sestap on välja pakutud modifitseeritud transformatsioon, mis aitab eelkõige vähendada järsakust (Jobson, 1992): X transform = sign(x-x med ) { ( X-X med +1)^a 1}/a, kui a <> 0; X transform = sign(x-x med ) ln{ ( X-X med +1) 1}, kui a = 0; Tuleb siiski silmas pidada, et Jobsoni meetodil transformeeritud tunnustele interpretatsiooni anda ei pruugi olla sugugi lihtne Box-Cox i meetodi puhul võiks see lihtsamini õnnestuda.

4 Näide: Jobsoni transformatsioon ja Box-Cox i transformatsioon R-is: library(mass); # boxcox funktsiooni jaoks jarsak=function (x) sum((x - mean(x))^4)/(length(x) * var(x)^2) 3 Jobson=function(X, lambda){ Xmed=median(X) n=length(lambda) obj=rep(na,n) for (i in 1:n){ a=lambda[i] if (a==0) Xtransform = sign(x-xmed)* log(abs(x-xmed)+1) else Xtransform = sign(x-xmed)*((abs(x-xmed)+1)^a - 1)/a obj[i] = abs(jarsak(xtransform)) } plot(lambda, obj, main="jobson i transformatsioon") return(lambda[which(obj==min(obj))]) } y=rpois(1000, lambda=2) Jobson(y, seq(-2,2, 0.1)) boxcox(lm(y+0.01~1), seq(-2, 2, 0.1))

5 Jobson i transformatsioon Box-Cox obj log-likelihood % lambda λ Jobson: jäta transformeerimata! (või kasuta astendajat 0,94) transf. järsakus -0,0007 Box-Cox: Võta ruutjuur! (või kasuta astendajat 0,55) y 0.55 järsakus -0,13

6 Robustsematest meetoditest: Sisuliselt mitteparameetriline meetod on nn WLS (Weighted Least Squares). Parameetrite hindamiseks minimiseeritakse funktsiooni F WLS väärtus: F WLS = [s-σ( )] T W -1 [s-σ( )] kus s valimi kovariatsioonimaatriksi 0.5(p+q)(p+q+1) unikaalsest elemendist moodustatud vektor, σ( ) vektor, mis on saadud vastavatest Σ( ) elementidest; W on positiivselt määratud kaalude maatriks. Browne (1982, 1984) näitas, et kui W on cov(s,s) mõjus hinnang, siis WLS meetod tagab asümptootiliselt efektiivsed hinnangud, nullhüpoteesi kehtides (N-1) F WLS ~ χ 2 ja lisaks on võimalik leida ka parameetrite vektori hinnangu asümptootilist kovariatsioonimaatriksit.

7 Kaalude maatriksi W valikust ACOV(s ij, s gh )= 1/N (σ ijgh - σ ij σ gh ), kus σ ijgh = E(X i - i) (X j j) (X g g) (X h h) σ ij = E(X i - i) (X j j). Praktikas asendatakse vastavad näitajad nende valimihinnangutega. Kaalutud vähimruutude meetodit, kus kaalude maatriks W on valitud ülaltoodud kujul, tuntakse ka ADF-meetodi nime all (ADF-Arbitrary Distribution Function). Paraku on 4. järku momentide valimihinnangud silmapaistvalt ebatäpsed ja sestap soovitatakse vastavat meetodit kasutada eelkõige vaid tõepoolest suurte valimite korral (N>>1000).

8 Üldistatud struktuurivõrrandid Kirjandus: Generalized Latent Variable Modeling. Multilevel, Longitudinal and Structural Equation Models. Anders Skrondal, Sophia Rabe-Hesketh (2004) või y j = X j β + Λ j η j + ε j µ i = g -1 (ν i ); ν i = X j β + Λ j η j + ε j Kus Λ j võib sisaldada nii mõõdetud tunnuste väärtuseid kui ka tundmatuid parameetreid. STATA (gllmm) M-Plus (

9 Võimalus 2: Satorra & Bentler muudetud hii-ruut statistik Kunagi ammu pakkus härra Browne (1982) välja idee, et jagades mudeli headust kontrolliva hii-ruut statistiku läbi (teataval viisil leitud suhtelise) mitmemõõtmelise järsakusega, on võimalik saada teststatistikut, mis on (asümptootiliselt) hii-ruut jaotusega suvalise elliptilise jaotuse korral. Satorra & Bentler (1988, 1994) täiendasid seda ideed konstant, millega jagatakse läbi hii-ruut statistik, sõltub neil lisaks mitmemõõtmelisele järsakusele veel mudeli vabadusastmete arvust jm. Simulatsioonid on näidanud, et väikeste või keskmise suurusega valimite korral töötab Satorra & Bentler i modifitseeritud hii-ruut test sageli paremini kui F WLS il baseeruv hii-ruut test. R-is hetkel kättesaadav lisamoodulis sem.additions

10 Võimalus 3: Bootstrap aitab alati? 1. leia S, Σ=Σ(θ) ja χ 2 -statistik. 2. leia uus, transformeeritud andmestik Z: Z=YS -0,5 Σ 0,5 (nullhüpotees kehtib). 3. vali tagasipanekuga välja N vaatlust andmestikust Z. Hinda oma mudel uuesti ja salvesta χ 2 -statistiku väärtus. 4. Korda sammu 3 tuhandeid kordi; 5. loe, mitu korda tuli bootstrapil χ 2 -statistiku väärtus suurem kui algne, sinu transformeerimata andmestiku põhjal leitud hii-ruut statistiku väärtus. Saadud tõenäosus ongi otsitav p-väärtus.

11 Näide bootstrapi programmist: mudel <- matrix(c( 'X -> Y', 'b1', NA, 'Y -> Z', 'b2', NA, 'X <-> X', 'd1', NA, 'Y <-> Y', 'd2', NA, 'Z <-> Z', 'd3', NA), ncol=3, byrow=true) aa=sem(mudel, cov(cbind(x,y,z)), n) summary(aa)$chisq sqrtsig=eigen(aa$c)$vectors%*%diag(sqrt(eigen(aa$c)$values))%*% t(eigen(aa$c)$vectors) sqrtsinv=eigen(aa$s)$vectors%*%diag(eigen(aa$s)$values^(-0.5))%*% t(eigen(aa$s)$vectors) Z=cbind(X,Y,Z)%*%sqrtSinv%*%sqrtsig salv=rep(na,1000) for (i in 1:1000){ Zuus = Z[sample(1:n, n, replace=true),] aboot = sem(mudel, cov(zuus), n, c("x","y","z")) salv[i] = summary(aboot)$chisq} pvalue = sum(salv>summary(aa)$chisq); pvalue

12 Latentsed tunnused Mitte alati ei pea latentsed tunnused olema pidevad. Eksisteerib küllaltki palju olukordi, kus osakme aimata latentne tunnus peab olema nominaalne/diskreetne vms. Sageli on vastavatele analüüsitehnikatele antud ka omad spetsiifilised nimed. Vaatame mõningaid tuntumaid meetodeid, kus latentne tunnus pole pidev.

13 Latent Class Analysis Näide (General Social Survey, 1987): Mõõdetud tunnused: Y1 luba religioonivastastel rääkida 1 jah, 2- ei Y2 luba religioonivastastel inimestel õpetada 1 jah, 2- ei Y3 eemalda raamatukogust religioonivastased raamatud Latentne tunnus X kaks võimalikku väärtust X=1 religioonivastasuse suhtes tolerantne X=2 religioonivastasuse suhtes mittetolerantne

14 Y1 Y2 Y3 Sagedus P(X=1 Y=y) P(X=2 Y=y) X=1 X=2 P(X=x) P(Y1=1 X=x) P(Y2=1 X=x) P(Y3=1 X=x) P( Y = y) = C x= 1 P( X = p x) Π l= 1 P( Y l = y l X = x)

15 Latent Class Regression varjatud faktortunnusega regression Mudel: jne. Y = c 0,1 + c 1,1 x + mudeli viga, kui vaatlus kuulub klassi 1; Y = c 0,2 + c 1,2 x + mudeli viga, kui vaatlus kuulub klassi 2; y x

16 Varjatud faktortunnusega regressioonanalüüs R-is library(flexmix) M1=flexmix(y~x,, k=2) M1 grupp=cluster(m1) toenaosus= posterior(m1) parameters(m1,1) parameters(m1,2) M2=flexmix(y~1,,k=2) # Suurem AIC- Akaike Information Criterion väärtus näitab paremat mudelit AIC(M1) AIC(M2)

17 Latentsed tunnused hüpoteetilised konstruktsioonid vajavad õigustamist. Hüpoteetilised konstruktsioonid on kindlasti mitmes valdkonnas kasulikud, aga võib konstrueerida ka lõputul hulgal sisutühje ja tähenduseta latentseid tunnuseid. Kontrollimaks, kas kasutatud hüpoteetilistel konstruktsioonidel võiks üldse olla mingi mõte (ja kas meie poolt arvatud tähendus on õige), tuleks neid valideerida. On välja pakutud erinevaid valiidsuse kriteeriume kui Sinu poolt kasutatud konstruktsioon rahuldab neid vallidsuse kriteeriume, siis suhtutakse Sinu konstruktsiooni ehk veidi heatahtlikumalt kui muidu. Konstruktsiooni valiidsuse (Construct validity) kontrollimine: - convergent validity - discriminant validity - nomological validity

18 Convergent Validity Kas mõni teine test, mis peaks mõõtma sama asja, annab sarnaseid tulemusi? Kui oled konstrueerinud testi mille abil mõõta inimese matemaatika-alaseid võimeid, siis teised testid (teiste küsimustega), näiteks keskkooli matemaatika lõpueksam vms. peaks andma sinu poolt konstrueeritud näitajaga kõrgelt korreleeritud tulemusi. Discriminant Validity Korrelatsioonid erinevate mõistete (erinevaid konstruktsioone) mõõtvate latentsete tunnuste vahel ei tohiks olla liiga suured.

19 Esmane kontroll tundub olevat OK. Väike korrelatsioon η 1 η 2 y 1 y 2 y 3 y 4 y 5 y 6

20 Probleemid valiidsusega: suur korrelatsioon η 1 η 2 y 1 y 2 y 3 y 4 y 5 y 6

21 Nomoloogiline valiidsus Teoreetiline konstruktsioon on nomoloogiliselt valiidne, kui mõiste(te) tähenduse järgi kirja pandud teoreetiline sõltuvusstruktuur kannatab välja vaatlusandmete abil teostatava kontrolli The nomological network is founded on a number of principles that guide the researcher when trying to establish construct validity. They are: Scientifically, to make clear what something is or means, so that laws can be set forth in which that something occurs. The laws in a nomological network may relate: o observable properties or quantities to each other o different theoretical constructs to each other o theoretical constructs to observables At least some of the laws in the network must involve observables. "Learning more about" a theoretical construct is a matter of elaborating the nomological network in which it occurs or of increasing the definiteness of its components. The basic rule for adding a new construct or relation to a theory is that it must generate laws (nomologicals) confirmed by observation or reduce the number of nomologicals required to predict some observables. Operations which are qualitatively different "overlap" or "measure the same thing" if their positions in the nomological net tie them to the same construct variable.

raamat5_2013.pdf

raamat5_2013.pdf Peatükk 5 Prognoosiintervall ja Usaldusintervall 5.1 Prognoosiintervall Unustame hetkeks populatsiooni parameetrite hindamise ja pöördume tagasi üksikvaatluste juurde. On raske ennustada, milline on huvipakkuva

Rohkem

Microsoft Word - Praks1.doc

Microsoft Word - Praks1.doc Segamudelid 1. praktikum Mida vähem andmeid, seda parem? (Üldistatud vähimruutude meetod ja heteroskedastilised andmed) Segamudelite praktikumides kasutame R-tarkvara. Kahel aastal on teostatud ühe füüsikalise

Rohkem

Osakogumite kitsendustega hinnang Kaja Sõstra 1 Eesti Statistikaamet Sissejuhatus Valikuuringute üheks oluliseks ülesandeks on osakogumite hindamine.

Osakogumite kitsendustega hinnang Kaja Sõstra 1 Eesti Statistikaamet Sissejuhatus Valikuuringute üheks oluliseks ülesandeks on osakogumite hindamine. Osakogumite kitsendustega hinnang Kaja Sõstra 1 Eesti Statistikaamet Sissejuhatus Valikuuringute üheks oluliseks ülesandeks on osakogumite hindamine. Kasvanud on nõudmine usaldusväärsete ja kooskõlaliste

Rohkem

ANOVA Ühefaktoriline dispersioonanalüüs Treeningu sagedus nädalas Kaal FAKTOR UURITAV TUNNUS Mitmemõõtmeline statistika Kairi Osula 2017/kevad

ANOVA Ühefaktoriline dispersioonanalüüs Treeningu sagedus nädalas Kaal FAKTOR UURITAV TUNNUS Mitmemõõtmeline statistika Kairi Osula 2017/kevad ANOVA Ühefaktoriline dispersioonanalüüs Treeningu sagedus nädalas Kaal FAKTOR UURITAV TUNNUS Factorial ANOVA Mitmefaktoriline dispersioonanalüüs FAKTOR FAKTOR Treeningu sagedus nädalas Kalorite kogus Kaal

Rohkem

Matemaatilised meetodid loodusteadustes. I Kontrolltöö I järeltöö I variant 1. On antud neli vektorit: a = (2; 1; 0), b = ( 2; 1; 2), c = (1; 0; 2), d

Matemaatilised meetodid loodusteadustes. I Kontrolltöö I järeltöö I variant 1. On antud neli vektorit: a = (2; 1; 0), b = ( 2; 1; 2), c = (1; 0; 2), d Matemaatilised meetodid loodusteadustes I Kontrolltöö I järeltöö I variant On antud neli vektorit: a (; ; ), b ( ; ; ), c (; ; ), d (; ; ) Leida vektorite a ja b vaheline nurk α ning vekoritele a, b ja

Rohkem

Microsoft PowerPoint - Loeng2www.ppt [Compatibility Mode]

Microsoft PowerPoint - Loeng2www.ppt [Compatibility Mode] Biomeetria 2. loeng Lihtne lineaarne regressioon mudeli hindamisest; usaldusintervall; prognoosiintervall; determinatsioonikordaja; Märt Möls martm@ut.ee Y X=x~ N(μ=10+x; σ=2) y 10 15 20 2 3 4 5 6 7 8

Rohkem

Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Ann-Mari Koppel Determinatsioonikordaja ja prognoosikordaja Bakala

Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Ann-Mari Koppel Determinatsioonikordaja ja prognoosikordaja Bakala Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Ann-Mari Koppel Determinatsioonikordaja ja prognoosikordaja Bakalaureusetöö (6 EAP) Juhendaja: Ene Käärik, PhD Tartu

Rohkem

Neurovõrgud. Praktikum aprill a. 1 Stohhastilised võrgud Selles praktikumis vaatleme põhilisi stohhastilisi võrke ning nende rakendust k

Neurovõrgud. Praktikum aprill a. 1 Stohhastilised võrgud Selles praktikumis vaatleme põhilisi stohhastilisi võrke ning nende rakendust k Neurovõrgud. Praktikum 11. 29. aprill 2005. a. 1 Stohhastilised võrgud Selles praktikumis vaatleme põhilisi stohhastilisi võrke ning nende rakendust kombinatoorsete optimiseerimisülesannete lahendamiseks.

Rohkem

Praks 1

Praks 1 Biomeetria praks 6 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht, nimetage see ümber leheküljeks Praks6 ja 3.

Rohkem

Microsoft PowerPoint - loeng2.pptx

Microsoft PowerPoint - loeng2.pptx Kirjeldavad statistikud ja graafikud pidevatele tunnustele Krista Fischer Pidevad tunnused ja nende kirjeldamine Pidevaid (tihti ka diskreetseid) tunnuseid iseloomustatakse tavaliselt kirjeldavate statistikute

Rohkem

TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Kristi Läll Mitmemõõtmeline analüüs peptiidide käitumise uurimisek

TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Kristi Läll Mitmemõõtmeline analüüs peptiidide käitumise uurimisek TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Kristi Läll Mitmemõõtmeline analüüs peptiidide käitumise uurimiseks Magistritöö Juhendajad: Mare Vähi, Anne Selart TARTU

Rohkem

Praks 1

Praks 1 Biomeetria praks 6 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht, nimetage see ümber leheküljeks Praks6 ja 3. kopeerige

Rohkem

VL1_praks6_2010k

VL1_praks6_2010k Biomeetria praks 6 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht (Insert / Lisa -> Worksheet / Tööleht), nimetage

Rohkem

Praks 1

Praks 1 Biomeetria praks 3 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik, 2. lisage uus tööleht, 3. nimetage see ümber leheküljeks Praks3 ja

Rohkem

(Tõrked ja töökindlus \(2\))

(Tõrked ja töökindlus \(2\)) Elektriseadmete tõrked ja töökindlus Click to edit Master title style 2016 sügis 2 Prof. Tõnu Lehtla VII-403, tel.6203 700 http://www.ttu.ee/energeetikateaduskond/elektrotehnika-instituut/ Kursuse sisu

Rohkem

DVD_8_Klasteranalüüs

DVD_8_Klasteranalüüs Kursus: Mitmemõõtmeline statistika Seminar IX: Objektide grupeerimine hierarhiline klasteranalüüs Õppejõud: Katrin Niglas PhD, dotsent informaatika instituut Objektide grupeerimine Eesmärk (ehk miks objekte

Rohkem

ITI Loogika arvutiteaduses

ITI Loogika arvutiteaduses Predikaatloogika Predikaatloogika on lauseloogika tugev laiendus. Predikaatloogikas saab nimetada asju ning rääkida nende omadustest. Väljendusvõimsuselt on predikaatloogika seega oluliselt peenekoelisem

Rohkem

lvk04lah.dvi

lvk04lah.dvi Lahtine matemaatikaülesannete lahendamise võistlus. veebruaril 004. a. Lahendused ja vastused Noorem rühm 1. Vastus: a) jah; b) ei. Lahendus 1. a) Kuna (3m+k) 3 7m 3 +7m k+9mk +k 3 3M +k 3 ning 0 3 0,

Rohkem

Image segmentation

Image segmentation Image segmentation Mihkel Heidelberg Karl Tarbe Image segmentation Image segmentation Thresholding Watershed Region splitting and merging Motion segmentation Muud meetodid Thresholding Lihtne Intuitiivne

Rohkem

Microsoft Word - EVS_ISO_IEC_27001;2014_et_esilehed.doc

Microsoft Word - EVS_ISO_IEC_27001;2014_et_esilehed.doc EESTI STANDARD EVS-ISO/IEC 27001:2014 INFOTEHNOLOOGIA Turbemeetodid Infoturbe halduse süsteemid Nõuded Information technology Security techniques Information security management systems Requirements (ISO/IEC

Rohkem

Statistikatarkvara

Statistikatarkvara Sissejuhatus statistika erialasse, sissejuhatus matemaatika erialasse, 20. september 2018 Statistikatarkvara põgus ülevaade Krista Fischer Statistikatarkvara kategooriad Võib jagada mitut moodi: Tarkvara,

Rohkem

MATEMAATILINE ANALÜÜS I. ESIMESE KONTROLLTÖÖ NÄITEÜLESANDED (1) Leida funktsiooni y = sin x + ln(16 x 2 ) määramispiirkond. (2) Leida funktsiooni y =

MATEMAATILINE ANALÜÜS I. ESIMESE KONTROLLTÖÖ NÄITEÜLESANDED (1) Leida funktsiooni y = sin x + ln(16 x 2 ) määramispiirkond. (2) Leida funktsiooni y = MATEMAATILINE ANALÜÜS I. ESIMESE KONTROLLTÖÖ NÄITEÜLESANDED () Leida funktsiooni y = sin + ln(6 ) määramispiirkond. () Leida funktsiooni y = arcsin( 5 + 5) + 9 määramispiirkond. () Leida funktsiooni määramispiirkond

Rohkem

Segamudelid2010.pdf

Segamudelid2010.pdf Peatükk 5 Dispersiooimaatriksi V hidamisest Üldistatud vähimruutude meetodit saame kasutada siis, kui teame vaatluste kovariatsiooimaatriksit V. Paraku eamasti pole uural sellist iformatsiooi. Seega tekib

Rohkem

E-õppe ajalugu

E-õppe ajalugu Koolituskeskkonnad MTAT.03.142 avaloeng Anne Villems September 2014.a. Põhiterminid Koolituskeskkonnad (Learning environments) IKT hariduses (ICT in education) E-õpe (e-learning) Kaugõpe (distance learning)

Rohkem

Ruutvormid Denitsioon 1. P n Ütleme, et avaldis i;j=1 a ijx i x j ; kus a ij = a ji ; a ij 2 K ja K on korpus, on ruutvorm üle korpuse K muutujate x 1

Ruutvormid Denitsioon 1. P n Ütleme, et avaldis i;j=1 a ijx i x j ; kus a ij = a ji ; a ij 2 K ja K on korpus, on ruutvorm üle korpuse K muutujate x 1 Ruutvormid Denitsioon. P n Ütleme, et avaldis i;j= a ijx i x j ; kus a ij = a ji ; a ij K ja K on korus, on ruutvorm üle koruse K muutujate x ;;x n suhtes. Maatriksit =(a ij ) nimetame selle ruutvormi

Rohkem

Kuidas hoida tervist töökohal?

Kuidas hoida tervist töökohal? Kuidas hoida tervist töökohal? Kristjan Port, TLU 25.04.2017 Tööinspektsiooni konverents Kas aeg tapab?. Mis on tervis? Teadmatus võib olla ratsionaalne. On olukordi milles teadmiste hankimise kulud ületavad

Rohkem

Regressioonanalüüsi kodutöö Indrek Zolk 30. mai a. 1 Andmestiku kirjeldus Käesoleva kodutöö jaoks vajalik andmestik on saadud veebiaadressilt ht

Regressioonanalüüsi kodutöö Indrek Zolk 30. mai a. 1 Andmestiku kirjeldus Käesoleva kodutöö jaoks vajalik andmestik on saadud veebiaadressilt ht Regressioonanalüüsi kodutöö Indrek Zolk 30. mai 2004. a. 1 Andmestiku kirjeldus Käesoleva kodutöö jaoks vajalik andmestik on saadud veebiaadressilt http://www-unix.oit.umass.edu/~statdata/statdata/stat-anova.html.

Rohkem

Relatsiooniline andmebaaside teooria II. 6. Loeng

Relatsiooniline andmebaaside teooria II. 6. Loeng Relatsiooniline andmebaaside teooria II. 5. Loeng Anne Villems ATI Loengu plaan Sõltuvuste pere Relatsiooni dekompositsioon Kadudeta ühendi omadus Sõltuvuste pere säilitamine Kui jõuame, siis ka normaalkujud

Rohkem

Mining Meaningful Patterns

Mining Meaningful Patterns Konstantin Tretjakov (kt@ut.ee) EIO õppesessioon 19. märts, 2011 Nimetuse saladus Vanasti kandis sõna programmeerimine natuke teistsugust tähendust: Linear program (~linear plan) X ülesannet * 10 punkti

Rohkem

Statistiline andmetöötlus

Statistiline andmetöötlus Biomeetria Kahe arvtuuse ühie käitumie, regressiooaalüüs Lieaare regressiooaalüüs Millal kasutada ja mida äitab? Kasutatakse progoosimaks ühe arvtuuse väärtusi teis(t)e järgi. Rümba hid, EEK/kg ( y ) Regressiooivõrrad:

Rohkem

EESTI STANDARD EVS-EN 1790:1999 This document is a preview generated by EVS Teemärgistusmaterjalid. Kasutusvalmid teekattemärgised Road marking materi

EESTI STANDARD EVS-EN 1790:1999 This document is a preview generated by EVS Teemärgistusmaterjalid. Kasutusvalmid teekattemärgised Road marking materi EESTI STANDARD EVS-EN 1790:1999 Teemärgistusmaterjalid. Kasutusvalmid teekattemärgised Road marking materials - Preformed road markings EESTI STANDARDIKESKUS EESTI STANDARDI EESSÕNA NATIONAL FOREWORD Käesolev

Rohkem

vv05lah.dvi

vv05lah.dvi IMO 05 Eesti võistkonna valikvõistlus 3. 4. aprill 005 Lahendused ja vastused Esimene päev 1. Vastus: π. Vaatleme esiteks juhtu, kus ringjooned c 1 ja c asuvad sirgest l samal pool (joonis 1). Olgu O 1

Rohkem

my_lauluema

my_lauluema Lauluema Lehiste toomisel A. Annisti tekst rahvaluule õhjal Ester Mägi (1983) Soran Alt q = 144 Oh se da ke na ke va de ta, ae ga i lust üü ri kes ta! üü ri kes ta! 3 Ju ba on leh tis lei na kas ke, hal

Rohkem

Ppt [Read-Only]

Ppt [Read-Only] EL 2020 strateegia eesmärkidest, mis puudutab varajast koolist väljalangemist ja selle vähendamist EL 2020 strateegia eesmärkidest, mis puudutab madala haridustasemega noorte osakaalu vähendamist Madal

Rohkem

Sügis 2018 Kõrgema matemaatika 2. kontrolltöö tagasiside Üle 20 punkti kogus tervelt viis üliõpilast: Robert Johannes Sarap, Enely Ernits, August Luur

Sügis 2018 Kõrgema matemaatika 2. kontrolltöö tagasiside Üle 20 punkti kogus tervelt viis üliõpilast: Robert Johannes Sarap, Enely Ernits, August Luur Sügis 2018 Kõrgema matemaatika 2. kontrolltöö tagasiside Üle 20 punkti kogus tervelt viis üliõpilast: Robert Johannes Sarap, Enely Ernits, August Luure, Urmi Tari ja Miriam Nurm. Ka teistel oli edasiminek

Rohkem

E-arvete juhend

E-arvete juhend E- arvete seadistamine ja saatmine Omniva kaudu Standard Books 7.2 põhjal Mai 2015 Sisukord Sissejuhatus... 3 Seadistamine... 3 Registreerimine... 4 E- arve konto... 5 Vastuvõtu eelistus... 5 Valik E-

Rohkem

19. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, Arvridade koonduvustunnused Sisukord 19 Arvridade koonduvustunnused Vahelduvat

19. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, Arvridade koonduvustunnused Sisukord 19 Arvridade koonduvustunnused Vahelduvat 9. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, 203-4. 9 Arvridade koonduvustunnused Sisukord 9 Arvridade koonduvustunnused 23 9. Vahelduvate märkidega read.......................... 24 9.2 Leibniz i

Rohkem

Matemaatiline analüüs IV 1 3. Mitme muutuja funktsioonide diferentseerimine 1. Mitme muutuja funktsiooni osatuletised Üleminekul ühe muutuja funktsioo

Matemaatiline analüüs IV 1 3. Mitme muutuja funktsioonide diferentseerimine 1. Mitme muutuja funktsiooni osatuletised Üleminekul ühe muutuja funktsioo Matemaatiline analüüs IV 1 3. Mitme muutuja funktsioonide diferentseerimine 1. Mitme muutuja funktsiooni osatuletised Üleminekul üe muutuja funktsioonidelt m muutuja funktsioonidele, kus m, 3,..., kerkib

Rohkem

Võrguinverterite valik ja kasutusala päikeseelektrijaamades Robert Mägi insener

Võrguinverterite valik ja kasutusala päikeseelektrijaamades Robert Mägi insener Võrguinverterite valik ja kasutusala päikeseelektrijaamades Robert Mägi insener Robert Mägi o Õpingud: Riga Technical University o Haridus: MSc (Electrical Engineering) MSc (Automatic Telecommunications)

Rohkem

VL1_praks2_2009s

VL1_praks2_2009s Biomeetria praks 2 Illustreeritud (mittetäielik) tööjuhend Eeltöö 1. Avage MS Excel is oma kursuse ankeedivastuseid sisaldav andmestik (see, mida 1. praktikumiski analüüsisite), 2. nimetage Sheet3 ümber

Rohkem

(loeng3-ohtlikud_koodiloigud)

(loeng3-ohtlikud_koodiloigud) #include int main (void) uint8_t arr[] = 0x11, 0x22 uint16_t *ptr; ptr = (uint16_t*)&arr[0]; printf ("arr: 0x%02x, 0x%02x\n", arr[0], arr[1]); printf ("ptr: 0x%04x\n", *ptr); /* vigane pointeri

Rohkem

Microsoft Word - essee_CVE ___KASVANDIK_MARKKO.docx

Microsoft Word - essee_CVE ___KASVANDIK_MARKKO.docx Tartu Ülikool CVE-2013-7040 Referaat aines Andmeturve Autor: Markko Kasvandik Juhendaja : Meelis Roos Tartu 2015 1.CVE 2013 7040 olemus. CVE 2013 7040 sisu seisneb krüptograafilises nõrkuses. Turvaaugu

Rohkem

EESTI STANDARD EVS-EN :2000 This document is a preview generated by EVS Terastraat ja traattooted piirete valmistamiseks. Osa 4: Terastraadist

EESTI STANDARD EVS-EN :2000 This document is a preview generated by EVS Terastraat ja traattooted piirete valmistamiseks. Osa 4: Terastraadist EESTI STANDARD EVS-EN 10223-4:2000 Terastraat ja traattooted piirete valmistamiseks. Osa 4: Terastraadist keevitatud võrkpiire Steel wire and wire products for fences - Part 4: Steel wire welded mesh fencing

Rohkem

Markina

Markina EUROOPA NOORTE ALKOHOLITARBIMISE PREVENTSIOONI PRAKTIKAD JA SEKKUMISED Anna Markina Tartu Ülikool Meie ülesanne on: Tuvastada ja välja valida erinevaid programme ja sekkumist, mida on hinnatud ja mille

Rohkem

Microsoft PowerPoint IntroRiskAnal.ppt

Microsoft PowerPoint IntroRiskAnal.ppt SISSEJUHATUS RISKIANALÜÜSI VETERINAARSES RAHVATERVISHOIUS Arvo Viltrop EMÜ VLI 1 Kasutatud allikad Woolridge ja Kelly Risk Analysis Course (2000) Vose Consulting Quantitative Risk Assessment for Animal

Rohkem

VKE definitsioon

VKE definitsioon Väike- ja keskmise suurusega ettevõtete (VKE) definitsioon vastavalt Euroopa Komisjoni määruse 364/2004/EÜ Lisa 1-le. 1. Esiteks tuleb välja selgitada, kas tegemist on ettevõttega. Kõige pealt on VKE-na

Rohkem

Kuidas, kus ja milleks me kujundame poliitikaid Kuidas mõjutavad meid poliitikad ja instrumendid Euroopa Liidu ja riigi tasandil Heli Laarmann Sotsiaa

Kuidas, kus ja milleks me kujundame poliitikaid Kuidas mõjutavad meid poliitikad ja instrumendid Euroopa Liidu ja riigi tasandil Heli Laarmann Sotsiaa Kuidas, kus ja milleks me kujundame poliitikaid Kuidas mõjutavad meid poliitikad ja instrumendid Euroopa Liidu ja riigi tasandil Heli Laarmann Sotsiaalministeerium Rahvatervise osakond 15.06.2018 Mis on

Rohkem

Microsoft Word - TallinnLV_lihtsustatud_manual_asutuse_juhataja_ doc

Microsoft Word - TallinnLV_lihtsustatud_manual_asutuse_juhataja_ doc Tallinna Linnavalitsuse sõnumisaatja kasutusjuhend asutuse juhatajale Sisukord 1. Süsteemi sisenemine...2 2. Parooli lisamine ja vahetamine...2 3. Ametnike lisamine ametiasutuse juurde...2 4. Saatjanimede

Rohkem

Kuidas ärgitada loovust?

Kuidas ärgitada loovust? Harjumaa ettevõtluspäev äriideed : elluviimine : edulood : turundus : eksport Äriideede genereerimine Harald Lepisk OPPORTUNITYISNOWHERE Ideed on nagu lapsed Kas tead kedagi, kelle vastsündinud laps on

Rohkem

Microsoft Word - Toetuste veebikaardi juhend

Microsoft Word - Toetuste veebikaardi juhend Toetuste veebikaardi juhend Toetuste veebikaardi ülesehitus Joonis 1 Toetuste veebikaardi vaade Toetuste veebikaardi vaade jaguneb tinglikult kaheks: 1) Statistika valikute osa 2) Kaardiaken Statistika

Rohkem

Share wave 5: 50+ in Europe - Coverscreenwizard version IF SKIP_INTROPAGE = 0 CoverscreenWizardIntroPage Järgnev sissejuhatus sisaldab üldküsimu

Share wave 5: 50+ in Europe - Coverscreenwizard version IF SKIP_INTROPAGE = 0 CoverscreenWizardIntroPage Järgnev sissejuhatus sisaldab üldküsimu Share wave 5: 50+ in Europe - Coverscreenwizard version 5.4.2 IF SKIP_INTROPAGE = 0 CoverscreenWizardIntroPage Järgnev sissejuhatus sisaldab üldküsimusi vastaja leibkonna kohta. Lugege tekst kõvasti ette.

Rohkem

Word Pro - digiTUNDkaug.lwp

Word Pro - digiTUNDkaug.lwp / näide: \ neeldumisseadusest x w x y = x tuleneb, et neeldumine toimub ka näiteks avaldises x 2 w x 2 x 5 : x 2 w x 2 x 5 = ( x 2 ) w ( x 2 ) [ x 5 ] = x 2 Digitaalskeemide optimeerimine (lihtsustamine)

Rohkem

Imbi Traat, Natalja Lepik (Tartu Ülikool), 2013 E-kursuse Bayesi statistika Markovi ahelatega materjalid Aine maht 6 EAP Imbi Traat, Natalja Lepik (Ta

Imbi Traat, Natalja Lepik (Tartu Ülikool), 2013 E-kursuse Bayesi statistika Markovi ahelatega materjalid Aine maht 6 EAP Imbi Traat, Natalja Lepik (Ta Imbi Traat, Natalja Lepik (Tartu Ülikool), 2013 E-kursuse Bayesi statistika Markovi ahelatega materjalid Aine maht 6 EAP Imbi Traat, Natalja Lepik (Tartu Ülikool), 2013 Bayesi statistika Markovi ahelatega,

Rohkem

Suunised Reitinguagentuuride meetodite valideerimise ja läbivaatamise suunised 23/03/2017 ESMA/2016/1575 ET

Suunised Reitinguagentuuride meetodite valideerimise ja läbivaatamise suunised 23/03/2017 ESMA/2016/1575 ET Suunised Reitinguagentuuride meetodite valideerimise ja läbivaatamise suunised 23/03/2017 ESMA/2016/1575 ET Sisukord 1 Kohaldamisala... 3 2 Mõisted, õiguslikud viited ja lühendid... 4 3 Eesmärk... 5 4

Rohkem

Sissejuhatus GRADE metoodikasse

Sissejuhatus GRADE metoodikasse Sissejuhatus GRADE metoodikasse Eriline tänu: Holger Schünemann ja GRADE working group www.gradeworkinggroup.org Kaja-Triin Laisaar TÜ peremeditsiini ja rahvatervishoiu instituut kaja-triin.laisaar@ut.ee

Rohkem

(Microsoft Word - Lisa_4_2_Solibri_l\374hijuhend)

(Microsoft Word - Lisa_4_2_Solibri_l\374hijuhend) Solibri Model Checker Programmi Solibri Model Checker juhend on leitav aadressilt: http://www.solibri.com/wpcontent/uploads/2014/03/getting-started-v9.pdf ja õppevideod aadressilt http://www.solibri.com/products/solibri-model-checker/tutorials/#model.

Rohkem

Microsoft Word - EHR.docx

Microsoft Word - EHR.docx earvekeskus E-ARVE TELLIMUSTE JUHEND 1 Sisukord E-arvete tellimused... 3 Klientide tellimused... 3 E-arve tellimuse lisamine... 3 E-arve tellimuse muutmine... 9 Minu tellimused... 10 Minu tellimuse sisestamine...

Rohkem

Eestikeelse teksti genereerimine keelemudelitega Projekt Kaido Lepik Arvutiteaduste Instituut, Tartu Ülikool 1 Töö eesmärk Viimastel aastatel on välja

Eestikeelse teksti genereerimine keelemudelitega Projekt Kaido Lepik Arvutiteaduste Instituut, Tartu Ülikool 1 Töö eesmärk Viimastel aastatel on välja Eestikeelse teksti genereerimine keelemudelitega Projekt Kaido Lepik Arvutiteaduste Instituut, Tartu Ülikool 1 Töö eesmärk Viimastel aastatel on välja töötatud terve hulk erinevaid keelemudeleid, mida

Rohkem

Skriptimiskeeli, mida ei käsitletud Perl Python Visual Basic Script Edition (VBScript) MS DOS/cmd skriptid Windows PowerShell midagi eksootilisemat: G

Skriptimiskeeli, mida ei käsitletud Perl Python Visual Basic Script Edition (VBScript) MS DOS/cmd skriptid Windows PowerShell midagi eksootilisemat: G Skriptimiskeeli, mida ei käsitletud Perl Python Visual Basic Script Edition (VBScript) MS DOS/cmd skriptid Windows PowerShell midagi eksootilisemat: GIMP Script-Fu 1 Skriptimiskeeli: Perl v1.0 loodud Larry

Rohkem

Creating presentations with this template...

Creating presentations with this template... EfTEN Kinnisvarafond AS portfelli hindamise kokkuvõte 2014 juuni HINDAMISTULEMUSE LÜHIKOKKUVÕTE Hindamisprotsessi tulemusel leitud EfTEN Kinnisvarafond portfelli (va hindamishetkel arendusfaasis olevad

Rohkem

Abiarstide tagasiside 2016 Küsimustikule vastas 137 tudengit, kellest 81 (60%) olid V kursuse ning 56 (40%) VI kursuse tudengid. Abiarstina olid vasta

Abiarstide tagasiside 2016 Küsimustikule vastas 137 tudengit, kellest 81 (60%) olid V kursuse ning 56 (40%) VI kursuse tudengid. Abiarstina olid vasta Abiarstide tagasiside 2016 Küsimustikule vastas 137 tudengit, kellest 81 (60%) olid V kursuse ning 56 (40%) VI kursuse tudengid. Abiarstina olid vastanutest töötanud 87 tudengit ehk 64%, kellest 79 (91%)

Rohkem

Microsoft PowerPoint - Kliiniliste auditite kogemused [Read-Only] [Compatibility Mode]

Microsoft PowerPoint - Kliiniliste auditite kogemused [Read-Only] [Compatibility Mode] Anneli Rätsep TÜ Peremeditsiini õppetool vanemteadur 25.04.2013 Alates 2002. aastast "Haigete ravi pikkuse põhjendatus sisehaiguste profiiliga osakondades 3-5 auditit aastas Müokardiinfarkti haige käsitlus

Rohkem

Microsoft Word - ref - Romet Piho - Tutorial D.doc

Microsoft Word - ref - Romet Piho - Tutorial D.doc Tartu Ülikool Andmetöötluskeel "Tutorial D" realisatsiooni "Rel" põhjal Referaat aines Tarkvaratehnika Romet Piho Informaatika 2 Juhendaja Indrek Sander Tartu 2005 Sissejuhatus Tänapäeval on niinimetatud

Rohkem

Mida me teame? Margus Niitsoo

Mida me teame? Margus Niitsoo Mida me teame? Margus Niitsoo Tänased teemad Tagasisidest Õppimisest TÜ informaatika esmakursuslased Väljalangevusest Üle kogu Ülikooli TÜ informaatika + IT Kokkuvõte Tagasisidest NB! Tagasiside Tagasiside

Rohkem

TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Astrid Haas Üldistatud lineaarne segamudel ESM-uuringu andmetele M

TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Astrid Haas Üldistatud lineaarne segamudel ESM-uuringu andmetele M TARTU ÜLIKOOL MATEMAATIKA-INFORMAATIKATEADUSKOND MATEMAATILISE STATISTIKA INSTITUUT Astrid Haas Üldistatud lineaarne segamudel ESM-uuringu andmetele Magistritöö (30 EAP) Finants- ja kindlustusmatemaatika

Rohkem

Microsoft Word - Loppukilpailu2015_16_tehtavat_viro_1

Microsoft Word - Loppukilpailu2015_16_tehtavat_viro_1 Põhikooli matemaatika võistlus Lõppvõistlus reedel 22.1.2016 OSA 1 Lahendamiseks aega 30 min Punkte 20 Selles osas kalkulaatorit ei kasutata. Lühikesed lahendused ja vajalikud joonised teha samale paberile.

Rohkem

Microsoft Word - alkohol_K2_SoKo.doc

Microsoft Word - alkohol_K2_SoKo.doc Soovituste koostamise kokkuvõte - SoKo Kliiniline küsimus nr 2 Kas kõigil alkoholi kuritarvitamise ja alkoholisõltuvuse kahtlusega patsientidel tuleb lisaks anamneesile kasutada diagnoosi täpsustamiseks

Rohkem

ArcGIS Online Konto loomine Veebikaardi loomine Rakenduste tegemine - esitlus

ArcGIS Online Konto loomine Veebikaardi loomine Rakenduste tegemine - esitlus PILVI TAUER Tallinna Tehnikagümnaasium ArcGIS Online 1.Konto loomine 2.Veebikaardi loomine 3.Rakenduste tegemine - esitlus Avaliku konto loomine Ava ArcGIS Online keskkond http://www.arcgis.com/ ning logi

Rohkem

1. Üliõpilased 1.1 Tõendid Vali menüüst: Üliõpilased tõendid tõendite trükkimine. Avaneb vorm Tõendite trükkimine, vali tõendi liik Tõend õppim

1. Üliõpilased 1.1 Tõendid Vali menüüst: Üliõpilased tõendid tõendite trükkimine. Avaneb vorm Tõendite trükkimine, vali tõendi liik Tõend õppim 1. Üliõpilased 1.1 Tõendid Vali menüüst: Üliõpilased tõendid tõendite trükkimine. Avaneb vorm Tõendite trükkimine, vali tõendi liik. 1.1.1 Tõend õppimise kohta TLÜ-s Seda tõendiliiki saab väljastada ainult

Rohkem

Microsoft PowerPoint - IRZ0020_praktikum4.pptx

Microsoft PowerPoint - IRZ0020_praktikum4.pptx IRZ0020 Kodeerimine i ja krüpteerimine praktikum 4 Julia Berdnikova, julia.berdnikova@ttu.ee www.lr.ttu.ee/~juliad l 1 Infoedastussüsteemi struktuurskeem Saatja Vastuvõtja Infoallikas Kooder Modulaator

Rohkem

Treeningvõistlus Balti tee 2014 võistkonnale Tartus, 4. novembril 2014 Vastused ja lahendused 1. Vastus: 15, 18, 45 ja kõik 0-ga lõppevad arvud. Olgu

Treeningvõistlus Balti tee 2014 võistkonnale Tartus, 4. novembril 2014 Vastused ja lahendused 1. Vastus: 15, 18, 45 ja kõik 0-ga lõppevad arvud. Olgu Treeningvõistlus Balti tee 014 võistkonnale Tartus, 4. novembril 014 Vastused ja lahendused 1. Vastus: 15, 18, 45 ja kõik 0-ga lõppevad arvud. Olgu b arvu k üheliste number ning a arv, mille saame arvust

Rohkem

Statistiline andmetöötlus 1997

Statistiline andmetöötlus 1997 STAT97FK STATISTILINE ANDMETÖÖTLUS MÕÕTMISTULEMUSTE TÖÖTLEMINE LOENGUD 997 TEHNILISED MÄRKUSED: Tekst peab olema hõlpsalt.5 või 2 korda vähendatav. Selleks reeglid:. Reavahe defineeritud ainult kui multiple.

Rohkem

Tallinna Ülikool/ Haridusteaduste instituut/ Üliõpilase eneseanalüüsi vorm õpetajakutse taotlemiseks (tase 7) ÜLIÕPILASE PÄDEVUSPÕHINE ENESEANALÜÜS Ül

Tallinna Ülikool/ Haridusteaduste instituut/ Üliõpilase eneseanalüüsi vorm õpetajakutse taotlemiseks (tase 7) ÜLIÕPILASE PÄDEVUSPÕHINE ENESEANALÜÜS Ül ÜLIÕPILASE PÄDEVUSPÕHINE ENESEANALÜÜS Üliõpilase nimi: Kuupäev: Pädevus Hindamiskriteerium Eneseanalüüs koos näidetega (sh vajadusel viited teoreetilistel ainekursustel tehtule) B.2.1 Õpi- ja õpetamistegevuse

Rohkem

I Generaatori mõiste (Java) 1. Variantide läbivaatamine Generaator (ehk generaator-klass) on klass, milles leidub (vähemalt) isendimeetod next(). Kons

I Generaatori mõiste (Java) 1. Variantide läbivaatamine Generaator (ehk generaator-klass) on klass, milles leidub (vähemalt) isendimeetod next(). Kons I Generaatori mõiste (Java) 1. Variantide läbivaatamine Generaator (ehk generaator-klass) on klass, milles leidub (vähemalt) isendimeetod next(). Konstruktorile antakse andmed, mis iseloomustavad mingit

Rohkem

MTAT Operatsioonisüsteemid - Turvalisus

MTAT Operatsioonisüsteemid - Turvalisus Regulaaravaldised ja skriptimine Windows ja UNIX operatsioonisüstemides WINDOWS 1. slaid Windows käsurida Käsureaks nimetan programme: cmd.exe powershell.exe command.com Nendesse saab kirjutada käske,

Rohkem

Saksa keele riigieksamit asendavate eksamite tulemuste lühianalüüs Ülevaade saksa keele riigieksamit asendavatest eksamitest Saksa keele riigi

Saksa keele riigieksamit asendavate eksamite tulemuste lühianalüüs Ülevaade saksa keele riigieksamit asendavatest eksamitest Saksa keele riigi Saksa keele riigieksamit asendavate eksamite tulemuste lühianalüüs 2014 1. Ülevaade saksa keele riigieksamit asendavatest eksamitest Saksa keele riigieksam on alates 2014. a asendatud Goethe-Zertifikat

Rohkem

Slide 1

Slide 1 TÖÖTUBA: ÕPIRÄNDE TUNNISTUSE TÄITMINE Margit Paakspuu 5163 Töötoa ülesehitus 1. Kellele ja milleks me õpirände tunnistusi väljastame? 2. Õpirände tunnistuse väljastamise protseduur 3. Õpirände tunnistuse

Rohkem

12. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, Algfunktsioon ja määramata integraal Sisukord 12 Algfunktsioon ja määramata integraal 1

12. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, Algfunktsioon ja määramata integraal Sisukord 12 Algfunktsioon ja määramata integraal 1 2. Marek Kolk, Kõrgem matemaatika, Tartu Ülikool, 203-. 2 Algfunktsioon ja määramata integraal Sisukord 2 Algfunktsioon ja määramata integraal 9 2. Sissejuhatus................................... 50 2.2

Rohkem

PÄRNU TÄISKASVANUTE GÜMNAASIUM ESITLUSE KOOSTAMISE JUHEND Pärnu 2019

PÄRNU TÄISKASVANUTE GÜMNAASIUM ESITLUSE KOOSTAMISE JUHEND Pärnu 2019 PÄRNU TÄISKASVANUTE GÜMNAASIUM ESITLUSE KOOSTAMISE JUHEND Pärnu 2019 SISUKORD 1. SLAIDIESITLUS... 3 1.1. Esitlustarkvara... 3 1.2. Slaidiesitluse sisu... 3 1.3. Slaidiesitluse vormistamine... 4 1.3.1 Slaidid...

Rohkem

TALLINNA TEHNIKAÜLIKOOL Majandusteaduskond Majandusanalüüsi ja rahanduse instituut Karl Ivar Maar TARBIMISMAKSUDE JA MAJANDUSKASVU SEOS EUROOPA LIIDU

TALLINNA TEHNIKAÜLIKOOL Majandusteaduskond Majandusanalüüsi ja rahanduse instituut Karl Ivar Maar TARBIMISMAKSUDE JA MAJANDUSKASVU SEOS EUROOPA LIIDU TALLINNA TEHNIKAÜLIKOOL Majandusteaduskond Majandusanalüüsi ja rahanduse instituut Karl Ivar Maar TARBIMISMAKSUDE JA MAJANDUSKASVU SEOS EUROOPA LIIDU RIIKIDE NÄITEL Bakalaureusetöö Juhendaja: Lektor Raivo

Rohkem

Microsoft PowerPoint - BPP_MLHvaade_juuni2012 (2)

Microsoft PowerPoint - BPP_MLHvaade_juuni2012 (2) Balti pakendi protseduur MLH kogemus Iivi Ammon, Ravimitootjate Liit Ravimiameti infopäev 13.06.2012 Eeltöö ja protseduuri algus Päev -30 MLH esindajad kolmes riigis jõuavad arusaamani Balti pakendi protseduuri

Rohkem

untitled

untitled Riistvara kirjelduskeel VHDL L4, L5. Riistvara kirjelduskeel VHDL L6. Mäluga süsteemid VHDL-s L7. VHDL ja süntees 1 Atribuudid Atribuut on väärtus, funktsioon, tüüp, vahemik, signaal või konstant, mida

Rohkem

Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Võrgupeo külastaja uurimine Andmeanalüüs I projekt Koostajad: Urma

Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Võrgupeo külastaja uurimine Andmeanalüüs I projekt Koostajad: Urma Tartu Ülikool Matemaatika-informaatikateaduskond Matemaatilise statistika instituut Võrgupeo külastaja uurimine Andmeanalüüs I projekt Koostajad: Urmas Kvell Riivo Talviste Gert Palok Juhendaja: Mare Vähi

Rohkem

Microsoft Word - Iseseisev töö nr 1 õppeaines.doc

Microsoft Word - Iseseisev töö nr 1 õppeaines.doc TALLINNA TEHNIKAÜLIKOOL Raadio- ja sidetehnika instituut Mikrolainetehnika õppetool Iseseisva töö nr 1 juhend õppeaines Sideseadmete mudeldamine Ionosfäärse sidekanali mudeldamine Tallinn 2006 1 Teoreetilised

Rohkem

10. peatükk Perevägivald See tund õpetab ära tundma perevägivalda, mille alla kuuluvad kõik füüsilise, seksuaalse, psühholoogilise või majandusliku vä

10. peatükk Perevägivald See tund õpetab ära tundma perevägivalda, mille alla kuuluvad kõik füüsilise, seksuaalse, psühholoogilise või majandusliku vä Perevägivald See tund õpetab ära tundma perevägivalda, mille alla kuuluvad kõik füüsilise, seksuaalse, psühholoogilise või majandusliku vägivalla aktid, mis leiavad aset perekonnas. Tunni eesmärgid Teada

Rohkem

Juhend nutiterminali seadistamiseks ja kaardimaksete vastuvõtmiseks Ingenico Link/2500 ja icmp

Juhend nutiterminali seadistamiseks ja kaardimaksete vastuvõtmiseks Ingenico Link/2500 ja icmp Juhend nutiterminali seadistamiseks ja kaardimaksete vastuvõtmiseks Ingenico Link/2500 ja icmp Terminali seadistamine Lülita telefonis või tahvelarvutis (edaspidi telefonis) sisse Bluetooth. (1) 1 1 Mudel

Rohkem

Microsoft Word - 03_ausus lisaylesanded.doc

Microsoft Word - 03_ausus lisaylesanded.doc ÕPL LS 3 LSÜLSNDD USUS ML eemat usus (sh teisi teemasid) saab sisse juhatada ka HHK- (H HLB KSULK) meetodil. Näiteks: Miks on ausus hea? Miks on ausus halb? Miks on ausus kasulik? H: Hoiab ära segadused

Rohkem

HWU_AccountingAdvanced_October2006_EST

HWU_AccountingAdvanced_October2006_EST 10. Kulude periodiseerimine Simulatsioone (vt pt 5) kasutatakse ka juhul, kui soovitakse mõnd saadud ostuarvet pikemas perioodis kulusse kanda (nt rendiarve terve aasta kohta). Selleks tuleb koostada erinevad

Rohkem

Microsoft Word - Referaat.docx

Microsoft Word - Referaat.docx Tartu Ülikool Andmeturve Referaat teemal: CVE-2016-1499 Koostaja: Sander Sats Kursus: Informaatika Tartu 2016 Sissejuhatus Käesolev referaat on kirjutatud seoses Tartu Ülikooli kursuse MTAT.03.134 Andmeturve

Rohkem

(geomeetria3_0000.eps)

(geomeetria3_0000.eps) Analüütilise geomeetria praktikum III L. Tuulmets Tartu 1980 3 4 Eessõna Käesolev analüütilise geomeetria praktikum on koostatud eeskätt TRÜ matemaatikateaduskonna vajadusi arvestades ning on mõeldud kasutamiseks

Rohkem

Microsoft PowerPoint - KESTA seminar 2013

Microsoft PowerPoint - KESTA seminar 2013 Preventiivsed meetodid rannikukeskkonna kaitseks Bert Viikmäe KESTA TERIKVANT seminar, 7.märts 2013 1 Merereostus oht rannikule Läänemeri - üks tihedamini laevatatav (15% maailma meretranspordist) mereala

Rohkem

PowerPoint Presentation

PowerPoint Presentation SUVISE RUUMITEMPERATUURI KONTROLL METOODIKA UUENDUSED Raimo Simson 23.04.19 MÕNED FAKTID Viimase 50 aastaga on Eesti suve keskmine temperatuur tõusnud ca 1.5K Aasta maksimumtemperatuurid on tõusnud ca

Rohkem

DK_prax3_2010

DK_prax3_2010 Praktikum 3 R ja selle lisamoodul Rcmdr: kirjeldav statistika, joonised, keskmiste võrdlemine OSA 1 --- Andmestiku avamine jmt R Commander is --- 1) Käivitage R. Käivitage lisamoodul Rcmdr trükkides käsureale

Rohkem

(Microsoft Word - Matsalu Veev\344rk AS aktsion\344ride leping \(Lisa D\) Valemid )

(Microsoft Word - Matsalu Veev\344rk AS aktsion\344ride leping \(Lisa D\) Valemid ) 1(6) 1. Vee- ja kanalisatsiooniteenuse hinna kujundamise põhimõtted Aktsiaselts tegevuskulude arvestuse aluseks on auditeeritud ja kinnitatud aastaaruanne. Hinnakujunduse analüüsis kasutatakse Aktsiaseltsi

Rohkem

VRB 2, VRB 3

VRB 2, VRB 3 Tehniline andmeleht Sadulventiilid (PN 6) VR - tee ventiil, sise- ja väliskeere 3-tee ventiil, sise- ja väliskeere Kirjeldus Omadused Mullikindel konstruktsioon Mehaaniline snepperühendus täiturmootoriga

Rohkem