Rakendustarkvara: R. Sügis 2017, 7. praktikum
|
|
- Tarmo Tuisk
- 2 aastad tagasi
- Vaatused:
Väljavõte
1 Rakendustarkvara: R. Sügis 2017, 7. praktikum 1 Andmetöötlus paketiga plyr Tihti soovime teostada mingit analüüsi andmestiku erinevatel alamosadel (nt arvutada meeste ja naiste keskmist palka koos usaldusvahemikuga). Selleks tuleb: andmestik jagada alamosadeks igal alamosal teostada soovitud toiming kombineerida tulemused kokku lihtsasti loetavaks ja töödeldavaks R-i baaspaketiga on kaasas tükiviisiliseks andmetöötluseks sobilikud käsud by(.), apply(.) jt. Neil käskudel on erinev süntaks ning erinev väljund (mis sageli on raskesti töödeldav). Paketis plyr on aga proovitud neid käske ühtlustada (baaspaketi funktsioonidele on loodud nn wrapper-funktsioonid). Selle paketi käsud kujul?!ply, kus? on ette antava sisendi tüüp (maatriks, andmetabel, list) ja! on soovitava väljundi tüüp (väljundit võib ka mitte olla). Allolevas tabelis on toodud ära käsud, mida erineva sisendi ja väljundi puhul kasutada: sisend/väljund array data frame list nothing array aaply(.) adply(.) alply(.) a_ply(.) data frame daply(.) ddply(.) dlply(.) d_ply(.) list laply(.) ldply(.) llply(.) l_ply(.) 1.1 Sisendi jagamine tükkideks Kui sisendiks on list, siis seda saab jagada ainult elementideks. Kui sisendiks on maatriks (array), siis seda saab jagada üksikuteks ridadeks või üksikuteks veergudeks, milleks tuleks a!ply(.) käsu argumendi.margins väärtuseks anda vastavalt 1 või 2. Kui sisendiks on andmetabel (see on kõige tüüpilisem olukord), siis seda võib tükkideks jagada mingi tunnuse väärtuste alusel (nt haridustase) või erinevate tunnuste väärtuste kombinatsioonide järgi (nt sugu ja haridustase). Selleks tuleb d!ply(.) käsu argumendi.variables väärtuseks anda vastavate veergude nimed. 1.2 Teostatava funktsiooni määramine Kui andmestik on jagatud tükkideks, siis peame neile rakendama mingit operatsiooni. Kõikidel?!ply(.) funktsioonidel on argument.fun, millega saab määrata tükil rakendatava funktsiooni nime (nimi kirjutada ilma jutumärkide ja argumentideta). Tihtipeale on väga kasulikud lihtsad funktsioonid nagu length, nrow või mean. Kui need rakendatavad funktsioonid vajavad lisaargumente (nt na.rm), siis saab ka need ette anda. library(plyr) # Kui pole, tuleb installida # teeme näite jaoks andmetabeli vr <- data.frame(nimi = c("mari", "Jaan", "Jüri"), kaal = c(68, 65, 100), pikkus = c(170, 180, 190), sugu = c(2, 1, 1), pulss0m = c(70, 80, 80), pulss10m = c(130, 120, 190), pulss30m = c(150, 120, NA)) Praktikumijuhendid põhinevad aine MTMS Rakendustarkvara: R (2 EAP) materjalidel, mille autorid on Mait Raag ning Raivo Kolde 1
2 # laply arvutab iga elemendi(andmeveeru) keskmise (sealjuures na.rm = T) ja tagastab vektori laply(vr[, 5:7], mean, na.rm = T) # data.frame on tegelikult list, elementideks veerud [1] Tihti soovime, et ühel tükil tehtaks mitu operatsiooni. Siis on võimalik ise koostada funktsioon (tutvume sellega hiljem) ja see argumendile.fun ette anda. Paketiga plyr on aga kaasas üks mugav funktsioon summarise(.), millele saab anda mitu erinevat funktsiooni ning määrata ära, kuidas nende funktsioonide tulemused nimetatakse: # leiame pulsi baasmõõtmise kohta karakteristikud summarise(vr, n = length(pulss0m), naisi.osakaal = round(sum(sugu == 1)/sum(!is.na(sugu)), 2), kesk0 = round(mean(pulss0m), 1), sd0 = round(sd(pulss0m), 1), haare0 = max(pulss0m) - min(pulss0m)) n naisi.osakaal kesk0 sd0 haare Kombineerides summarise(.) käsku ddply(.) käsuga, saame mugava vahendi mitmesuguste grupikokkuvõtete leidmiseks. # esmalt paneme kõik pulsi mõõtmistulemused ühte veergu m <- melt(vr, measure.vars = 5:7) # reshape2:melt # nüüd leiame kõigi kolme pulsi mõõtmise kohta karakteristikud ddply(m, "variable", summarise, n.kokku= length(value), naisi.osakaal = round(sum(sugu == 1)/sum(!is.na(sugu)), 2), kesk =round( mean(value, na.rm = T), 1), sd = round(sd(value, na.rm = T), 1), haare = max(value, na.rm = T) - min(value, na.rm = T)) variable n.kokku naisi.osakaal kesk sd haare 1 pulss0m pulss10m pulss30m # arvutame iga inimese keskmise ja minimaalse pulsi ddply(m, "nimi", summarise, keskmine = round(mean(value, na.rm = T), 1), miinimum = min(value, na.rm = T)) nimi keskmine miinimum 1 Jaan Jüri Mari Tulemuste ühendamine Mistahes tüüpi tulemusi saab alati kokku panna ühte listi. Enamasti soovime väljundiks aga saada andmetabelit. Sellisel juhul argumendile.fun ette antav funktsioon peab tagastama data.frame tüüpi objekti (summarise(.) funktsioon seda ka teeb). 2
3 1.4 Näiteid Näidetes on andmestikuks Massachusettsi osariigi valikuuringu andmed # leida igale inimesele, mis tunnuste osas on tal puuduvad väärtused # tulemuseks on list, sest vastusevektorid võivad olla eri pikkusega # argument 1 näitab, et töödelda tuleb igat RIDA eraldi alply(mass, 1, function(x) names(x)[is.na(x)])[1:4] $`1` [1] "COW" "WKHP" "INDP" "OCCP" $`2` [1] "MARHT" $`3` [1] "COW" "WKHP" "INDP" "OCCP" $`4` character(0) # Mitu puuduvat väärtust on igas veerus: aaply(mass, 2, function(x) sum(is.na(x))) AGEP CIT COW DDRS ESR id INDP INTP LANX MAR MARHT MIG MIL OCCP PINCP RAC1P SCHL SEX WAGP WKHP # Erineva soo ja päritoluga inimeste arv, keskmine palk ja töötundide arv: ddply(mass, c("sex", "CIT"), summarise, n = length(wagp), palk = round(mean(wagp, na.rm = T), 1), tunde = round(mean(wkhp, na.rm =T), 1)) SEX CIT n palk tunde 1 Female Born abroad of American parent(s) Female Born in PR, Guam, the U.S. VIs Female Born in the U.S Female Not a citizen of the U.S Female U.S. citizen by naturalization Male Born abroad of American parent(s) Male Born in PR, Guam, the U.S. VIs Male Born in the U.S Male Not a citizen of the U.S Male U.S. citizen by naturalization # vanuse histogramm, eraldi meetele ja naistele (baasgraafika) par(mfrow = c(1, 2), cex = 0.9) d_ply(mass, "SEX", summarise, joonis = hist(agep, freq = F, main = unique(sex))) 3
4 Female Male Density Density AGEP AGEP Paketis plyr on ka kasulik funktsioon mutate(.), mille abil saab andmestikku uusi tunnuseid lisada (+ neid kohe järgmise tunnuse leidmisel kasutada) vr1 <- mutate(vr, muutus1 = pulss10m - pulss0m, muutus2 = pulss30m - pulss10m, keskmine = (muutus1 + muutus2)/2 ) vr1 nimi kaal pikkus sugu pulss0m pulss10m pulss30m muutus1 muutus2 keskmine 1 Mari Jaan Jüri NA 110 NA NA Kombineerituna ddply(.)-ga on käsu mutate(.) abil võimalik lisada andmestikku grupipõhiseid näitajaid: # laiale andmetabelile lisame soo kaupa leitud näitajad ddply(vr, "sugu", mutate, keskmine = mean(pikkus), sd = round(sd(pikkus), 1), cv = round(sd/keskmine, 2)) nimi kaal pikkus sugu pulss0m pulss10m pulss30m keskmine sd cv 1 Jaan Jüri NA Mari NA NA # pikk andmestik: lisame igale inimesele kehamassindeksi väärtuse ddply(m, "nimi", mutate, KMI = round(kaal/(pikkus/100)^2, 1)) nimi kaal pikkus sugu variable value KMI 1 Jaan pulss0m Jaan pulss10m Jaan pulss30m Jüri pulss0m Jüri pulss10m Jüri pulss30m NA Mari pulss0m
5 8 Mari pulss10m Mari pulss30m Kui võrrelda funktsioone summarise() ja mutate(.) siis esimene agregeerib andmed teine mitte. Paketis plyr on ka spetsiaalne käsk andmestike ridade sorteerimiseks: arrange(.). Sellega on sorteerimise kirjapanek mugavam kui baaspaketi käskudega: arrange(vr, pulss0m, pulss10m) vr[order(vr$pulss0m, vr$pulss10m),] Ülesanded 1. Loe sisse Massachusettsi andmestik: mass <- read.table(" sep = "\t", header=t). 2. Koosta 10-aastased vanusgrupid ja arvuta iga vanusgrupi korral keskmine palk (veerus AGEP on täpne vanus, WAGP on palganumber), palga miinimum ja maksimum. Lisaks leia vanusgrupi inimeste arv ja inimeste arv vanusgrupis, kel on palgaväärtus puudu. 3. Arvuta samad näitajad igas vanus-soogrupis. Kujuta palga keskväärtust ning miinimumi-maksimumi ka sobiva joonisega. 1.5 Veel mõni lisafunktsioon paketist plyr Paketis plyr on veel paari tüüpi käske. r!ply(.) kordab suvalist R-i käsku etteantud arv kordi ja pärast ühendab tulemused; see on kasulik juhul, kui etteantavas käsus on midagi juhuslikku. m!ply(.) annab meid huvitavale funktsioonile ette erinevaid argumentide komplekte, mis on kirjas andmetabeli kujul. # Tekitame viis korda kolme-elemendilist juhuarvude vektorit ning igast vektorist leiame # minimaalse juhuarvu (standardnormaaljaotusest) rdply(5, min(rnorm(3))).n V # Tekitame maatriksi, kus on kahe-elemendilised vektorid (kokku kolm vektorit) raply(3, rnorm(2)) 1 2 [1,] [2,] [3,] # Defineerime andmetabeli funktsiooni argumendi väärtustega: argumendid <- data.frame(mean = c(0, 10, 100), sd = c(100, 10, 0)) # Genereerime viie-elemendilised vektorid meie poolt määratud normaaljaotuse parameetritega mdply(argumendid, rnorm, n = 5) mean sd V1 V2 V3 V4 V
6 2 Andmetöötlus paketiga dplyr dplyr pakett on paketi plyr käsu ddply(.) edasiarendus, aitamaks suuri andmestikke kiiremini töödelda/analüüsida. Põhjalik ülevaade selle paketi käskudest on paketi dokumentatsioonis 1. Põhifunktsioonid paketis on järgmised mutate() lisab andmestikku uusi tunnuseid, mis on leitud olemasolevate põhjal. select() valib andmestikust nime põhjal tunnused. filter() valib andmestikust vaatlused/read loogilise tingimuse põhjal. summarise() summaarsete näitajate leidmine. arrange() andmestiku ridade sorteerimine. Kõigi funktsioonide esimene argument on andmetabel, järgmised argumendid täpsustavad, mida andmestikuga teha tuues ära tunnuste nimed, mille kirjapanekuks siin käskudes jutumärke pole vaja kasutada. Kõik funktsioonid väljastavad tulemuseks omakorda andmetabeli. Kõiki funktsioone saab kombineerida käsuga group_by(), mis määrab toimingute tegemise gruppide kaupa. Nagu näha, siis mitu funktsiooninime langeb kokku paketiga plyr. Seega pakette kasutades peaks neist korraga valima ühe. Või aktiveerida mõlemad paketid, siis kindlasti enne plyr pakett, seejärel dplyr. 2.1 Paketi dplyr käskude kasutamine Käsk filter(.) aitab selekteerida teatud kriteeriumitele vastavaid ridu. See on kiirem kui kantsulgude kasutamine, sest kantsulgusid kasutades vaadatakse üksikud elemendid ükshaaval üle, ent filter(.) käsu puhul kasutatakse nutikamaid algoritme (enamasti andmed sorditakse mingil moel enne kui hakatakse üldse filtris määratud kriteeriumeid kontrollima). library(dplyr) # Kui pole, tuleb installida Attaching package: 'dplyr' The following objects are masked from 'package:plyr': arrange, count, desc, failwith, id, mutate, rename, summarise, summarize The following objects are masked from 'package:stats': filter, lag The following objects are masked from 'package:base': intersect, setdiff, setequal, union # rakendame filtrit ja selekteerime tunnuseid select(filter(mass, AGEP > 70, WAGP > ), contains("g")) AGEP MIG WAGP 1 84 No, different house in US or Puerto Rico Yes, same house (nonmovers) Yes, same house (nonmovers) Käsk group_by(.) aitab andmestiku tükkideks jagada, aga ei tee sellega midagi enamat. Kui tükkidel soovida midagi analüüsida, tuleb group_by(.) funktsiooni tulemus ette anda vastavaks analüüsiks kasutatavale funktsioonile. Siin kohal on jälle hea kasutada funktsiooni summarise(.): 1 6
7 summarise(group_by(mass, CIT), keskpalk = mean(wagp, na.rm = T), n = n(), notna = sum(!is.na(wagp))) # A tibble: 5 x 4 CIT keskpalk n notna <fctr> <dbl> <int> <int> 1 Born abroad of American parent(s) Born in PR, Guam, the U.S. VIs Born in the U.S Not a citizen of the U.S U.S. citizen by naturalization Lisaks on paketis dplyr defineeritud toru ehk aheldamisoperaator (kujul %>%), millega on võimalik ühe funktsiooni tulemused edasi anda järgmisele funktsioonile, ilma, et vahetulemust ekraanile prinditaks või uuele muutujale omistataks. Ehk koodi, kus on vaja rakenda kahte funktsiooni f1 ja f2 järgmiselt fun2(fun1(x), y) võib kirja panna kujul fun1(x) %>% fun2(y). Esimese funktsiooni tulemus antakse siin teisele funktsioonile ette esimeseks argumendiks. Toru kasutamine aitab mõnikord muuda koodi loetavamaks. Näiteks, kui on vaja leida andmestikust mass kodakondsuse, soo ja perekonnaseisu gruppides keskmist palka ning grupi mahtu ja saadud tulemustabelist näha esimesi ridu, siis aheldamisoperaatori abil saaks selle kirja panna järgmiselt: mass %>% group_by(cit, SEX, MAR) %>% summarise(keskpalk = mean(wagp, na.rm = T), n = n()) %>% head() # A tibble: 6 x 5 # Groups: CIT, SEX [2] CIT SEX MAR keskpalk n <fctr> <fctr> <fctr> <dbl> <int> 1 Born abroad of American parent(s) Female Divorced Born abroad of American parent(s) Female Married Born abroad of American parent(s) Female Never, or under 15 years Born abroad of American parent(s) Female Separated Born abroad of American parent(s) Female Widowed Born abroad of American parent(s) Male Married Kui paneksime sama asja kirja tavaliselt, siis peaksime koodirida alustama nö tagantpoolt ettepoole ehk alustama viimasest operatsioonist, mida andmetele rakendada (head) head(summarise(group_by(mass, CIT, SEX, MAR), keskpalk = mean(wagp, na.rm = T), n = n())) 7
8 2.1.1 Ülesanded 1. Leia inimeste vanuses 16 aastat kuni 89 aastat, keskmine ja maksimaalne nädala töötundide arv (WKHP), soo ja vanusgruppide(eelmises ülesandeplokis tehtud vanusgrupid) kaupa. Esita tabelis ka gruppide mahud ja vaatluste arv, mida on keskväärtuse/maksimumi leidmisel kasutatud. Leia küsitud tabel kahte moodi, nii toru kasutades kui ilma. 2. Tee eelmise ülesande andmete põhjal joondiagramm. 3. Aheldamisoperaatorit kasutades ühenda eelmised kaks ülesannet. 3 Pakett data.table Suurte andmete filtreerimiseks, teisendamiseks, agregeerimiseks ja grupeerimiseks sobib ka pakett data.table 2. Paketi andmetabel ehk data.table on tavalise andmetabeli data.frame-i edasiarendus. Nagu tavalise andmetabeli korral on data.table tabelist võimalik objekte ja veerge valida kantsulgudes indekseid määrates. Lisavõimalus on see, et data.table tabelis saab sel moel uusi tunnuseid arvutada, tunnuseid jooksvalt uuendada ning andmeid grupitunnuse põhjal agregeerida. Kui DT on data.table tüüpi andmetabel, siis põhisüntaksi kuju saab kirja panna järgnevalt DT[i, j, by] kus i määrab read/objektid, mida edasi kasutada j määrab veerud, mis valitakse, uuendatakse või tekitatakse by määrab vajadusel grupitunnuse j tehtavateks arvutustesse. Siinkohal mõned näiteid andmestikust objektide või veergude valimisest ja arvutuste kirjapanekust. Proovi need läbi ja uuri tulemust. Erinevalt tavalisest andmestikust ei ole data.table tabelites reanimesid, on ainult reanumbrid, seega rida nime järgi valida saa. Teiseks võib välja tuua, et tekstitunnused on neis tabelites vaikimisi character tüüpi, mitte factor tüüpi. library(data.table) Attaching package: 'data.table' # Kui pole, tuleb installida The following objects are masked from 'package:dplyr': between, first, last The following objects are masked from 'package:reshape2': dcast, melt # data.table tüüpi objekti moodustamine DT <- data.table(a = 1:10, b = rep(1:3, c(3, 3, 4)), c = rep(letters[5:7], c(4, 3, 3))) DT a b c 1: 1 1 E 2: 2 1 E 3: 3 1 E 2 8
9 4: 4 2 E 5: 5 2 F 6: 6 2 F 7: 7 3 F 8: 8 3 G 9: 9 3 G 10: 10 3 G str(dt) Classes 'data.table' and 'data.frame': 10 obs. of 3 variables: $ a: int $ b: int $ c: chr "E" "E" "E" "E"... - attr(*, ".internal.selfref")=<externalptr> Ridade ja veergude valik DT[1:2, ] DT[, a] DT[,"a"] DT[b > 1.5, 3] DT[c(1, 3:4),.(a, b)] Uue tabeli moodustamine, arvkarakteristikud, loendamine, uued tunnused: DT[,.(kv = mean(a), s = sd(a), mitu =.N), by = c] DT[a > 3,.N] DT[,.N, by = c] DT[,.(d = a + 50)] Olemasoleva tabeli sees muudatuste tegemine DT[, d := a + 50 ] DT[c(2, 4), a := a*100l] DT[, `:=` (b = -b, # olemasoleva vektori väärtuste teisendus uus = "lisatunnus" # uue tunnuse lisamine )] DT DT[, c("d", "uus") := NULL][] Ülesanded 1. Teisenda andmestik mass paketi data.table andmetüübiks käsuga as.data.table(.). 2. Kasutades DT[i, j, by] konstruktsiooni leia mitu meessoost üle 60 aastast on uuritavate hulgas. 3. Kasutades DT[i, j, by] konstruktsiooni leia perekonnaseisu sagedustabel. 4. Järjesta eelmine tabel sageduste järgi kasvavalt. 5. Täienda eelmist tabelit gruppide osakaaludega. 6. Tekita tabel, kus oleks soo ja perekonnaseisu gruppides leitud keskmine vanus, vanuse standardhälve ja levinum haridustase. 9
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
RohkemSQL
SQL Kuues loeng 3GL inside 4GL Protseduurid Funktsioonid Tavalised Funktsioonid (üks väljund) Ilma väljundita Protseduurid Viitargumentide kasutamise võimalus Tabel-väljundiga Protseduurid Create function
RohkemMicrosoft 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
RohkemVL1_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
RohkemStatistikatarkvara
Sissejuhatus statistika erialasse, sissejuhatus matemaatika erialasse, 20. september 2018 Statistikatarkvara põgus ülevaade Krista Fischer Statistikatarkvara kategooriad Võib jagada mitut moodi: Tarkvara,
RohkemDVD_8_Klasteranalüüs
Kursus: Mitmemõõtmeline statistika Seminar IX: Objektide grupeerimine hierarhiline klasteranalüüs Õppejõud: Katrin Niglas PhD, dotsent informaatika instituut Objektide grupeerimine Eesmärk (ehk miks objekte
Rohkemraamat5_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
RohkemMicrosoft 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
Rohkem1 / loeng Tekstitöötlus Sisend/väljund Teksti lugemine Sõnad
1 / 16 7. loeng Tekstitöötlus Sisend/väljund Teksti lugemine Sõnad 2 / 16 Sisend/väljund vaikimisi: Termid: read, write?-read(x). : 2+3. X = 2+3.?-write(2+3). 2+3 true. Jooksva sisendi vaatamine: seeing?-
RohkemAndmed arvuti mälus Bitid ja baidid
Andmed arvuti mälus Bitid ja baidid A bit about bit Bitt, (ingl k bit) on info mõõtmise ühik, tuleb mõistest binary digit nö kahendarv kahe võimaliku väärtusega 0 ja 1. Saab näidata kahte võimalikku olekut
RohkemMicrosoft 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
RohkemNeurovõrgud. 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.
RohkemPealkiri
Andmebaasid (6EAP) I praktikum Mida praktikumides tehakse? Õpitakse SQL i Tehakse andmebaas ope (igas praktikumis natuke, kuni lõpuks saab valmis) Tehakse andmebaas edu (kui ope on valmis, tehakse edu,
RohkemVL1_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
RohkemRegressioonanalüüsi 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.
RohkemPraks 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.
RohkemE-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-
RohkemG aiasoft Programmi VERP ja Omniva Arvekeskuse liidese häälestamine ja arvete saatmine-lugemine VERP 6.3 ja VERP 6.3E Versioon ja hilisemad K
Programmi VERP ja Omniva Arvekeskuse liidese häälestamine ja arvete saatmine-lugemine VERP 6.3 ja VERP 6.3E Versioon 6.3.1.51 ja hilisemad Kasutaja juhend 2016 Sisukord 1. Sissejuhatus...3 2. Liidese häälestus...3
RohkemI 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
RohkemMida räägivad logid programmeerimisülesande lahendamise kohta? Heidi Meier
Mida räägivad logid programmeerimisülesande lahendamise kohta? Heidi Meier 09.02.2019 Miks on ülesannete lahendamise käigu kohta info kogumine oluline? Üha rohkem erinevas eas inimesi õpib programmeerimist.
RohkemProgrammeerimiskeel APL Raivo Laanemets 17. mai a.
Programmeerimiskeel APL Raivo Laanemets 17. mai 2009. a. Sissejuhatus I APL - A Programming Language I Kenneth E. Iverson (1920-2004) I Elukutselt matemaatik I Uuris matemaatilist notatsiooni I 1960 -
RohkemEESTI RAHVASTIK RAHVALOENDUST...
EsA EESTI RAHVASTIK RAHVA- LOENDUSTE ANDMETEL POPULATION OF ESTONIA BY POPULATION CENSUSES III EESTI E STATISTIKAAMET T S T I A A T STATISTICAL T S T I A OFFICE F OF ESTONIA TALLINN L N 1996 9 ISBN 9985-826-82-5
RohkemMicrosoft Word - RM_ _17lisa2.rtf
Maksu- ja Tolliamet Maksukohustuslane Vorm KMD INF Nimi Registri- või isikukood A-osa ANDMED VÄLJASTATUD ARVETE KOHTA Esitatakse koos käibedeklaratsiooniga maksustamisperioodile järgneva kuu 20. kuupäevaks
RohkemImage segmentation
Image segmentation Mihkel Heidelberg Karl Tarbe Image segmentation Image segmentation Thresholding Watershed Region splitting and merging Motion segmentation Muud meetodid Thresholding Lihtne Intuitiivne
RohkemInfix Operaatorid I Infix operaatorid (näiteks +) ja tüübid (näiteks ->) kirjutatakse argumentide vahele, mitte argumentide ette. Näiteks: 5 + 2, 2*pi
Infix Operaatorid I Infix operaatorid (näiteks +) ja tüübid (näiteks ->) kirjutatakse argumentide vahele, mitte argumentide ette. Näiteks: 5 + 2, 2*pi*r^2, Float -> Int Infixoperaatori kasutamiseks prefix-vormis
RohkemPraks 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
RohkemMaksu- ja Tolliamet MAKSUKOHUSTUSLANE Vorm KMD INF Nimi Registri- või isikukood A-osa ANDMED VÄLJASTATUD ARVETE KOHTA. Esitatakse koos käibedeklaratsi
Vorm KMD INF A-osa ANDMED VÄLJASTATUD ARVETE KOHTA. Esitatakse koos käibedeklaratsiooniga maksustamisperioodile järgneva kuu 0. kuupäevaks Kinnitan, et deklareeritavad arved puuduvad Esitan arvete andmed
RohkemRelatsiooniline 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
RohkemSQL
SQL Teine loeng Mõtelda CREATE TABLE ( { INTEGER VARCHAR(10)} [ NOT NULL] ); Standard SQL-86 (ANSI X3.135-1986), ISO võttis üle 1987 SQL-89 (ANSIX3.135-1989) SQL-92 (ISO/IEC 9075:1992)
RohkemMicrosoft Word - Errata_Andmebaaside_projekteerimine_2013_06
Andmebaaside projekteerimine Erki Eessaar Esimene trükk Teadaolevate vigade nimekiri seisuga 24. juuni 2013 Lehekülg 37 (viimane lõik, teine lause). Korrektne lause on järgnev. Üheks tänapäeva infosüsteemide
RohkemFunktsionaalne Programmeerimine
Kõrvalefektid ja Haskell Kõik senised programmid on olnud ilma kõrvalefektideta; so. puhtalt funktsionaalsed. Programmi täitmise ainsaks efektiks on tema väartus. Osade ülesannete jaoks on kõrvalefektid
RohkemDIGITAALTEHNIKA DIGITAALTEHNIKA Arvusüsteemid Kümnendsüsteem Kahendsüsteem Kaheksandsüsteem Kuueteistkü
DIGITAALTEHNIKA DIGITAALTEHNIKA... 1 1. Arvusüsteemid.... 2 1.1.Kümnendsüsteem....2 1.2.Kahendsüsteem.... 2 1.3.Kaheksandsüsteem.... 2 1.4.Kuueteistkümnendsüsteem....2 1.5.Kahendkodeeritud kümnendsüsteem
RohkemWord 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)
RohkemMicrosoft 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
Rohkemloeng2
Automaadid, keeled, translaatorid Kompilaatori struktuur Leksiline analüüs Regulaaravaldised Leksiline analüüs Süntaks analüüs Semantiline analüüs Analüüs Masinkoodi genereerimine Teisendamine (opt, registrid)
RohkemPealkiri
Andmebaasid II praktikum Andmebaaside administreerimine Andmete sisestamine KESKKOND, KASUTAJAD, ÕIGUSED Mõisted Tabelid, vaated, trigerid, jpm on objektid Objektid on grupeeritud skeemi Skeemid moodustavad
RohkemDK_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
RohkemKom igang med Scratch
Alustame algusest Getting Started versioon 1.4 SCRATCH on uus programmeerimiskeel, mis lubab sul endal luua interaktiivseid annimatsioone, lugusid, mänge, muusikat, taieseid jm Scratch'i saab kasutada
RohkemMicrosoft 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
RohkemPowerPointi esitlus
Regulaaravaldised ja skriptimine Windows ja UNIX operatsioonisüsteemides WINDOWS 1. slaid Windows käsurida Käsureaks nimetan programme: cmd.exe powershell.exe Nendesse saab kirjutada käske, millega näiteks
Rohkem(10. kl. I kursus, Teisendamine, kiirusega, kesk.kiirusega \374lesanded)
TEISENDAMINE Koostanud: Janno Puks 1. Massiühikute teisendamine Eesmärk: vajalik osata teisendada tonne, kilogramme, gramme ja milligramme. Teisenda antud massiühikud etteantud ühikusse: a) 0,25 t = kg
RohkemWord Pro - diskmatTUND.lwp
Loogikaalgebra ( Boole'i algebra ) George Boole (85 864) Sündinud Inglismaal Lincolnis. 6-aastasena tegutses kooliõpetaja assistendina. Õppis 5 aastat iseseisvalt omal käel matemaatikat, keskendudes hiljem
RohkemHWU_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
RohkemKodutöö Töö eesmärk: Antud töö eesmärgiks on analüüsida vabalt valitud andmestikust leiduvat infot ning luua antud teema kohta ülesandeid, mille lahen
Kodutöö Töö eesmärk: Antud töö eesmärgiks on analüüsida vabalt valitud andmestikust leiduvat infot ning luua antud teema kohta ülesandeid, mille lahendamisel kasutan praktikumis omandatud oskusi. Käsitlen
RohkemExcel Valemite koostamine (HARJUTUS 3) Selles peatükis vaatame millistest osadest koosnevad valemid ning kuidas panna need Excelis kirja nii, et
Excel2016 - Valemite koostamine (HARJUTUS 3) Selles peatükis vaatame millistest osadest koosnevad valemid ning kuidas panna need Excelis kirja nii, et programm suudaks anda tulemusi. Mõisted VALEM - s.o
RohkemFailiotsing: find paljude võimalustega otsingukäsk find kataloog tingimused kataloog - otsitakse sellest kataloogist ja tema alamkataloogidest tingimu
Failiotsing: find paljude võimalustega otsingukäsk find kataloog tingimused kataloog - otsitakse sellest kataloogist ja tema alamkataloogidest tingimused: faili nimi faili vanus faili tüüp... 1 Failiotsing:
RohkemMicrosoft 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
RohkemMTAT 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,
RohkemMicrosoft Word - requirements.doc
Dokumendi ajalugu: Versioon Kuupäev Tegevus Autor 1.0 04.03.2008 Dokumendi loomine Madis Abel 1.1 09.03.2008 Kasutuslugude loomine Madis Abel 1.2 12.03.2008 Kasutuslugude täiendused Andres Kalle 1.3 13.03.2008
RohkemTELLIJAD Riigikantselei Eesti Arengufond Majandus- ja Kommunikatsiooniministeerium KOOSTAJAD Olavi Grünvald / Finantsakadeemia OÜ Aivo Lokk / Väärtusi
TELLIJAD Riigikantselei Eesti Arengufond Majandus- ja Kommunikatsiooniministeerium KOOSTAJAD Olavi Grünvald / Finantsakadeemia OÜ Aivo Lokk / Väärtusinsener OÜ Tallinnas 14.04.2014 Uuring Energiamajanduse
RohkemIFI6083_Algoritmid_ja_andmestruktuurid_IF_3
Kursuseprogramm IFI6083.DT Algoritmid ja andmestruktuurid Maht 4 EAP Kontakttundide maht: 54 Õppesemester: K Eksam Eesmärk: Aine lühikirjeldus: (sh iseseisva töö sisu kirjeldus vastavuses iseseisva töö
RohkemLisa 2 Maanteeameti peadirektori käskkirjale nr 0250 Kattega riigimaanteede taastusremondi objektide valikumetoodika Maanteeamet Tallinn 20
Lisa 2 Maanteeameti peadirektori 02.07.2013 käskkirjale nr 0250 Kattega riigimaanteede taastusremondi objektide valikumetoodika Maanteeamet Tallinn 2013 0 Sisukord Sisukord... 1 Sissejuhatus... 2 Metoodika
RohkemWord Pro - digiTUNDkaug.lwp
ARVUSÜSTEEMID Kõik olulised arvusüsteemid on positsioonilised ehk arvu numbrid asuvad neile ettenähtud kindlatel asukohtadel arvujärkudes a i : a a a a a a a - a - a - a - a i Ainus üldtuntud mittepositsiooniline
RohkemMicrosoft 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
RohkemSügis 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
RohkemRuutvormid 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
RohkemMatemaatilised 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
RohkemMicrosoft Word - Keypad-controller-manual-new_1.docx
Eraldiseisev ühe ukse juurdepääsukontroller Kasutusjuhend Enne seadme paigaldamist ja kasutamist lugege tähelepanelikult seda juhendit 1. Pakkeleht Nimi Kogus Märkused Sõrmistik 1 Kasutusjuhend 1 Kruvikeeraja
RohkemTartu Ülikool
Tartu Ülikool Code coverage Referaat Koostaja: Rando Mihkelsaar Tartu 2005 Sissejuhatus Inglise keelne väljend Code coverage tähendab eesti keeles otse tõlgituna koodi kaetust. Lahti seletatuna näitab
RohkemMicrosoft Word - Mesi, kestvuskatsed, doc
MEEPROOVIDE KESTVUSKATSED Tallinn 2017 Töö nimetus: Meeproovide kestvuskatsed. Töö autorid: Anna Aunap Töö tellija: Eesti Mesinike Liit Töö teostaja: Marja 4D Tallinn, 10617 Tel. 6112 900 Fax. 6112 901
RohkemMining 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
RohkemRühmatöö Moodle is Triin Marandi 2017 oktoober
Rühmatöö Moodle is Triin Marandi 2017 oktoober Kes on kasutanud rühmatööd? Nutitelefonid välja ja hääletama! www.menti.com KOOD: 14 10 00 https://www.mentimeter.com/s/1c1250be4e6b7c4ec7608a4fa6d7d591/3e66049189e0
RohkemAndmebaasid, MTAT loeng Normaalkujud
Andmebaasid, MTAT.03.264 6. loeng Normaalkujud E-R teisendus relatsiooniliseks Anne Villems Meil on: Relatsiooni mõiste Relatsioonalgebra Kus me oleme? Funktsionaalsete sõltuvuse pere F ja tema sulund
RohkemSuunised Euroopa turu infrastruktuuri määruse (EMIR) kohaste kesksetele vastaspooltele suunatud protsüklilisusvastaste tagatismeetmete kohta 15/04/201
Suunised Euroopa turu infrastruktuuri määruse (EMIR) kohaste kesksetele vastaspooltele suunatud protsüklilisusvastaste tagatismeetmete kohta 15/04/2019 ESMA70-151-1496 ET Sisukord I. Reguleerimisala...
RohkemMicrosoft 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
RohkemTartu 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
RohkemMicrosoft Word - HOTSEC kasutusjuhend v1.900.docx
HOTSEC Tarkvara kasutusjuhend v. 1.9 1 Sisukord Käivitamine:... 3 Programmi kasutamine... 4 Kasutajate lisamine ja eemaldamine:... 6 Jooksev logi:... 9 Häired:... 9 2 HOTSEC põhioperatsioonide kirjeldus
RohkemITI Loogika arvutiteaduses
Predikaatloogika Predikaatloogika on lauseloogika tugev laiendus. Predikaatloogikas saab nimetada asju ning rääkida nende omadustest. Väljendusvõimsuselt on predikaatloogika seega oluliselt peenekoelisem
RohkemOperatsioonisüsteemide ehitus
Lõimed Ülevaade Lõime mõiste Lõimede mudelid Probleemid lõimedega seoses Pthreads Solarise lõimed Windows 2000 lõimed Linuxi lõimed Java lõimed VARMO VENE & MEELIS ROOS 2 Ühe- ja mitmelõimelised protsessid
RohkemAutomaatjuhtimise alused Automaatjuhtimissüsteemi kirjeldamine Loeng 2
Automaatjuhtimise alused Automaatjuhtimissüsteemi kirjeldamine Loeng 2 Laplace'i teisendus Diferentsiaalvõrrandite lahendamine ilma tarkvara toeta on keeruline Üheks lahendamisvõtteks on Laplace'i teisendus
RohkemANOVA 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
RohkemArcGIS 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
RohkemMicrosoft Word - 08.doc
EESTI VÕIMALIK RAHVAARV JA VANUSKOOSSEIS AASTANI 2050 Aasa Maamägi Rahvastikustatistika talituse juhtivstatistik 2000. aasta rahva- ja eluruumide loenduse alusel Statistikaametis koostatud vaadeldava ajaperioodi
RohkemSissejuhatus 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
RohkemHAJUSSÜSTEEMID HAJUSSÜSTEEMID Kaugprotseduurid IDL kompileerimine ONCIDLnäide CORBAIDLnäide MIDLnäide DCERPCmuidomadusi XML-RPC JSON-RPC REST document
Kaugprotseduurid IDL kompileerimine ONCIDLnäide CORBAIDLnäide MIDLnäide DCERPCmuidomadusi XML-RPC JSON-RPC REST document.idl IDL kompilaator document_cstub.o document.h document_sstub.o #include document_client.c
RohkemHoia oma arvuti turvaline ja kiire 1.Leia start nupust alustades Juhtpaneel 2.Juhtpaneeli aadressiribalt leia Kõik juhtpaneeli üksused 3.Avanenud tööa
Hoia oma arvuti turvaline ja kiire 1.Leia start nupust alustades Juhtpaneel 2.Juhtpaneeli aadressiribalt leia Kõik juhtpaneeli üksused 3.Avanenud tööaknas leia Windows Update 4.Lase arvutil kontrollida
RohkemMTAT Operatsioonisüsteemid - Turvalisus
Regulaaravaldised ja skriptimine Windows ja UNIX operatsioonisüstemides WINDOWS 1. slaid Windows käsurida Käsureaks nimetan programme: cmd.exe powershell.exe command.com (tänapäevastes OS ei kasutata)
RohkemView PDF
Fitbit Ionic - ikoonilisest nutikellast natuke puudu, kuid spordiks ja kontoriks käib 11. aprill 2018-1:27 Autor: Kaido Einama Fitbiti nutikellad on balansseerinud pulsikella ja nutikella piiril ning viimasel
RohkemFunktsionaalne Programmeerimine
Geomeetrilised kujundid Geomeetriliste kujundite definitsioon: data Shape = Rectangle Side Side Ellipse Radius Radius RtTriangle Side Side Polygon [Vertex] deriving Show type Radius = Float type Side =
RohkemAndmeturve
Tulemüürid Tulemüüri mõiste Tulemüüride liigitus Paketifiltrid Võrguaadresside tõlkimine (NAT) Rakenduskihi tulemüürid Kombineeritud tulemüürid Demilitariseeritud tsoon Üksiku arvuti kaitsmine Personaalsed
RohkemTaskuprinter KASUTUSJUHEND
Taskuprinter KASUTUSJUHEND Täname, et ostsite taskuprinteri Polaroid Mint. Käesoleva kasutusjuhendi eesmärk on anda teile juhiseid toote ohutuks kasutamiseks ja et see ei kujutaks endast kasutajale mingit
RohkemEesti Keskkonnauuringute Keskus OÜ Pädevuskatsete programm 2019 Koostas: Urmas Muinasmaa Kinnitas: Margus Kört versioon Pädev
Pädevuskatsete programm 2019 Koostas: Urmas Muinasmaa Kinnitas: Margus Kört versioon 1 25.03.2019 www.klab.ee Pädevuskatsete programm 2019 1 (6) 1. SISSEJUHATUS Katselaborite tehnilise kompetentsi hindamise
Rohkem1
IDA-TALLINNA KESKHAIGLA Statsionaarsete patsientide rahulolu uuring 13 13 Sisukord 1. Uuringu läbiviimise metoodika... 2 2. Andmete analüüs... 2 3. Uuringu valim... 3 3.1. Vastanute iseloomustus: sugu,
RohkemI klassi õlipüüdur kasutusjuhend
I-KLASSI ÕLIPÜÜDURITE PAIGALDUS- JA HOOLDUSJUHEND PÜÜDURI DEFINITSIOON JPR -i õlipüüdurite ülesandeks on sadevee või tööstusliku heitvee puhastamine heljumist ja õlijääkproduktidest. Püüduri ülesehitus
RohkemMajandus- ja kommunikatsiooniministri 10. aprill a määrus nr 26 Avaliku konkursi läbiviimise kord, nõuded ja tingimused sageduslubade andmiseks
Majandus- ja kommunikatsiooniministri 10. aprill 2013. a määrus nr 26 Avaliku konkursi läbiviimise kord, nõuded ja tingimused sageduslubade andmiseks maapealsetes süsteemides üldkasutatava elektroonilise
RohkemVRB 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(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
RohkemDJI GOGGLES Kiirjuhend V1.0
DJI GOGGLES Kiirjuhend V1.0 DJI Goggles DJI Goggles on mugavad prillid, mis on disainitud mugavaks FPV lendamiseks DJI toodetega. Nad loovad ultra-kõrge kvaliteediga pildi, minimaalse viivitusega pikamaa
Rohkemlvk04lah.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,
RohkemTiia Salm 2011 Online kirjastus CALAMÉO Calameo kujutab endast on-line kirjastust, mis võimaldab oma dokumente avaldada e-raamatuna tasuta. Failid (Pd
Online kirjastus CALAMÉO Calameo kujutab endast on-line kirjastust, mis võimaldab oma dokumente avaldada e-raamatuna tasuta. Failid (Pdf, Word, Excel, PowerPoint, Open Office) tuleb esmalt keskkonda üles
Rohkem(Microsoft PowerPoint - seminar_6_n\365uded-ainemudel tagasiside.ppt [Compatibility Mode])
Tarkvara projekt seminar VI Eelmise iteratsiooni tagasivaade, testimine, installatsioonijuhend, järgmise iteratsiooni näited. Karel Kravik Administratiivset:protestid Probleem: protestide hulk ja kvaliteet
RohkemAntennide vastastikune takistus
Antennide vastastikune takistus Eelmises peatükis leidsime antenni kiirgustakistuse arvestamata antenni lähedal teisi objekte. Teised objektid, näiteks teised antennielemendid, võivad aga mõjutada antenni
RohkemPowerPoint Presentation
Mahara võimalused Marju Piir Triin Marandi Tartu Ülikool 2016 E-portfoolio Kogumik õppija poolt loodud, valitud, järjestatud, reflekteeritud ja esitletud materjalidest, tõendamaks õpitust arusaamist ja
RohkemEuroopa Liidu Nõukogu Brüssel, 24. september 2015 (OR. en) 12353/15 ADD 2 ENV 586 ENT 199 MI 583 SAATEMÄRKUSED Saatja: Kättesaamise kuupäev: Saaja: Eu
Euroopa Liidu Nõukogu Brüssel, 24. september 2015 (OR. en) 12353/15 ADD 2 ENV 586 ENT 199 MI 583 SAATEMÄRKUSED Saatja: Kättesaamise kuupäev: Saaja: Euroopa Komisjon 23. september 2015 Nõukogu peasekretariaat
RohkemAWK Aho Weinberger Kernighan struktuurse teksti töötlemise keel rikkalikult tekstitöötlusvahendeid omal alal suhteliselt lihtne ja kiiresti realiseeri
AWK Aho Weinberger Kernighan struktuurse teksti töötlemise keel rikkalikult tekstitöötlusvahendeid omal alal suhteliselt lihtne ja kiiresti realiseeritav AWK kasutusalad raportite genereerimine ühest formaadist
RohkemMOOCi „Programmeerimise alused“ ülesannete lahenduste analüüs
TARTU ÜLIKOOL LOODUS- JA TÄPPISTEADUSTE VALDKOND Arvutiteaduse instituut Informaatika õppekava Helen Hendrikson MOOCi Programmeerimise alused ülesannete lahenduste analüüs Bakalaureusetöö (9 EAP) Juhendaja:
RohkemHCB_hinnakiri2017_kodukale
Betooni baashinnakiri Hinnakiri kehtib alates 01.04.2016 Töödeldavus S3 Töödeldavus S4 / m 3 /m 3 km-ga / m 3 /m 3 km-ga C 8/10 69 83 71 85 C 12/15 73 88 75 90 C 16/20 75 90 77 92 C 20/25 78 94 80 96 C
Rohkem