ReplicaX työkalu avointen datakopioiden luomiseen

Koko: px
Aloita esitys sivulta:

Download "ReplicaX työkalu avointen datakopioiden luomiseen"

Transkriptio

1 ReplicaX työkalu avointen datakopioiden luomiseen Juha Karvanen ReplicaX on R-koodina toteutettu menetelmä avoimien datakopioiden tuottamiseen terveystiedosta ja muusta datasta, jota ei sellaisenaan voi julkaista. Marraskuu 2013

2 Johdanto Ihmisten terveydentilaan liittyviä tutkimusainestojen nykyistä laajempi hyödyntäminen edellyttää aineistojen julkaisemista tavalla, joka ei vaaranna tutkimukseen osallistuneiden tietosuojaa. Tietosuojaan ja aineiston hyödyntämiseen liittyvät kysymykset voidaan ratkaista, mikäli käytössä on menetelmä korkeatasoisen kopion luomiseen alkuperäisestä datasta. Tällaisiin datakopioihin kohdistuu kaksi keskeistä vaatimusta: 1. Henkilöiden tunnistaminen ei saa olla millään tavalla mahdollista esimerkiksi iän, sukupuolen, ammatin, koulutustason tai muiden vastaavien muuttujien avulla. 2. Ollakseen hyodyllinen, kopion tulee kaikilta tilastollisilta ominaisuuksiltaan mahdollisimman tarkasti vastata alkuperäistä aineistoa. Tämä vaatimus koskee paitsi jokaisen yksittäisen muuttujan reunajakaumaa (keskiarvo, varianssi, jne), myös muuttujien välisiä riippuvuusrakenteita (esim. Korrelaatiokertoimet).

3 ReplicaX: tekninen toteutus Kilpailutyössä on uusimpaa tilastotieteen tutkimusta hyödyntäen kehitetty yleiskäyttöinen menetelmä datakopioiden luomiseen. Menetelmä sekoittaa yksilöitä identifioivat tiedot mutta säilyttää muuttujien reunajakaumat ja riippuvuusrakenteen. Algoritmi hoitaa jatkuvien muuttujien reunajakaumien mallintamisen automaattisesti käyttäen parametristen mallien ja ydinestimoinnin yhdistelmää. Diskreeteille muuttujille käytetään menettelyä, jossa uusia havaintoja generoidaan naapurihavaintojen arvoja sekoittamalla. Menetelmä on toteutettu R-koodina ja se on vapaasti saatavilla osoitteestahttp://www.tilastotiede.fi/replicax/.

4 Esimerkki: THL:n MONICA-data Esimerkissä vertaillaan alkuperäistä dataa ja sen pohjalta luotua kopiota eri näkökulmista. Esimerkkiaineistona on käytetty Terveyden hyvinvoinnin laitoksen (THL) julkaisemaa otosta (N=11833) MONICA-datasta. Tietoa WHO:n MONICA-projektista:http://www.thl.fi/monica/ Linkki esimerkissä käytettyyn dataan Datan dokumentaatio: Datasta on esimerkkiä varten poimittu muuttujat: MARIT siviilisääty (diskreetti muuttuja) EDLEVEL koulutustaso (diskreetti muuttuja) SCHOOL koulutusvuodet (diskreetti muuttuja) HEIGHT pituus (jatkuva muuttuja) WEIGHT paino (jatkuva muuttuja) WAIST vyötärön ympärys (jatkuva muuttuja) HIP lantion ympärys (jatkuva muuttuja)

5 Esimerkkirivejä datasta ja kopiosta Alkuperäisessä datassa on 8 henkilöä, joiden siviilisäädyksi on merkitty 5 (muu): MARIT EDLEVEL SCHOOL HEIGHT WEIGHT WAIST HIP NA NA NA NA NA NA NA NA Vastaavat rivit kopiossa eivät ole tunnistettavissa: MARIT EDLEVEL SCHOOL HEIGHT WEIGHT WAIST HIP NA NA NA NA NA NA NA NA

6 Siviilisäädyn ja koulutustason ristiintaulukointi Alkuperäinen data: EDLEVEL MARIT Kopiossa kaikkein pienimmät frekvenssit karsiutuvat pois: EDLEVEL MARIT

7 Paino siviilisäädyn mukaan Alkuperäinen data: Kopio: MARIT N keskiarvo keskivirhe MARIT N keskiarvo keskivirhe

8 Riippuvuusrakenteet säilyvät: Korrelaatiomatriisit Korrelaatiomatriisi, alkuperäinen data: Korrelaatiomatriisi, kopio: HEIGHT WEIGHT WAIST HIP HEIGHT WEIGHT WAIST HIP HEIGHT WEIGHT WAIST HIP HEIGHT WEIGHT WAIST HIP

9 Yhteenveto MONICA-esimerkistä Esimerkkidatan tapauksessa menetelmä vaikuttaa toimivan hyvin: yksilöt eivät ole tunnistettavissa mutta reunajakaumat ja riippuvuusrakenteet vastaavat alkuperäistä dataa. Menetelmä on helppokäyttöinen, koska käyttäjän ei tarvitse tehdä mallinuspäätöksiä. Kyseessä on kuitenkin asiantuntijan työkalu: käyttäjän tulee aina huolellisesti tarkastaa kopiodatan laatu ennen sen julkaisemista.

10 Jatkokehitys Laajempi testaus erilaisilla datoilla. Koodin kehittäminen ja dokumentoinnin parantaminen. Tavoitteena on julkaista koodi R-pakettina CRAN-arkistossa. Projektia on myös mahdollista jatkaa tieteellisen julkaisun suuntaan. Tällöin keskeistä on menetelmän täsmällinen kuvaaminen ja vertailut R-paketeissa sdcmicro ja simpopulation esitettyjen menetelmien kanssa.

Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä. Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.

Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä. Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3. Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.2009 Tietosuoja - lähtökohdat! Periaatteena on estää yksiköiden suora

Lisätiedot

Harjoituksessa tarkastellaan miten vapaa-ajan liikunta on yhteydessä..

Harjoituksessa tarkastellaan miten vapaa-ajan liikunta on yhteydessä.. Harjoituksessa tarkastellaan miten vapaa-ajan liikunta on yhteydessä.. TEHTÄVÄ 1 Taulukko 1 Kuvailevat tunnusluvut pääkaupunkiseudun terveystutkimuksesta vuonna 2007 (n=941) Keskiarvo (keskihajonta) Ikä

Lisätiedot

Liikehavaintojen estimointi langattomissa lähiverkoissa. Diplomityöseminaari Jukka Ahola

Liikehavaintojen estimointi langattomissa lähiverkoissa. Diplomityöseminaari Jukka Ahola Liikehavaintojen estimointi langattomissa lähiverkoissa Diplomityöseminaari Jukka Ahola ESITYKSEN SISÄLTÖ Työn tausta Tavoitteen asettelu Johdanto Liikehavaintojen jakaminen langattomassa mesh-verkossa

Lisätiedot

TUTKIMUSOPAS. SPSS-opas

TUTKIMUSOPAS. SPSS-opas TUTKIMUSOPAS SPSS-opas Johdanto Tässä oppaassa esitetään SPSS-tilasto-ohjelman alkeita, kuten Excel-tiedoston avaaminen, tunnuslukujen laskeminen ja uusien muuttujien muodostaminen. Lisäksi esitetään esimerkkien

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon

Lisätiedot

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1 Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin

Lisätiedot

b6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia.

b6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia. 806109P TILASTOTIETEEN PERUSMENETELMÄT I 1. välikoe 11.3.2011 (Jari Päkkilä) VALITSE VIIDESTÄ TEHTÄVÄSTÄ NELJÄ JA VASTAA VAIN NIIHIN! 1. Valitse kohdissa A-F oikea (vain yksi) vaihtoehto. Oikeasta vastauksesta

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas Ilman Ruotsia: r = 0.862 N Engl J Med 2012; 367:1562-1564. POIKKEAVAN HAVAINNON VAIKUTUS PAIRWISE VAI LISTWISE? Kun aineistossa on muuttujia, joilla

Lisätiedot

Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4

Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...

Lisätiedot

Lectio praecursoria. Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin. Markus Ojala. 12.

Lectio praecursoria. Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin. Markus Ojala. 12. Lectio praecursoria Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin Markus Ojala 12. marraskuuta 2011 Käsitteet Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden

Lisätiedot

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet VAASAN YLIOPISTO/AVOIN YLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia 1 KURSSIKYSELYAINEISTO: 1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka

Lisätiedot

Teema 5: Ristiintaulukointi

Teema 5: Ristiintaulukointi Teema 5: Ristiintaulukointi Kahden (tai useamman) muuttujan ristiintaulukointi: aineiston analysoinnin ja tulosten esittämisen perusmenetelmä usein samat tiedot esitetään sekä taulukkona että kuvana mahdollisen

Lisätiedot

Kvantitatiiviset menetelmät

Kvantitatiiviset menetelmät Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 Vuorikadulla V0 ls Muuttujien muunnokset Usein empiirisen analyysin yhteydessä tulee tarve muuttaa aineiston muuttujia Esim. syntymävuoden

Lisätiedot

Tarkista vielä ennen analysoinnin aloittamista seuraavat seikat:

Tarkista vielä ennen analysoinnin aloittamista seuraavat seikat: Yleistä Tilastoapu on Excelin sisällä toimiva apuohjelma, jonka avulla voit analysoida tilastoaineistoja. Tilastoapu toimii Excelin Windows-versioissa Excel 2007, Excel 2010 ja Excel 2013. Kun avaat Tilastoavun,

Lisätiedot

tilastotieteen kertaus

tilastotieteen kertaus tilastotieteen kertaus Keskiviikon 24.1. harjoitukset pidetään poikkeuksellisesti klo 14-16 luokassa Y228. Heliövaara 1 Mitä tilastotiede on? Tilastotiede kehittää ja soveltaa menetelmiä, joiden avulla

Lisätiedot

Sote-tuloksellisuusmittarointia

Sote-tuloksellisuusmittarointia Sote-tuloksellisuusmittarointia Vaikuttavuus- ja kustannustieto-alaryhmän kuulumisia Etäesitys Seinäjoelle 8.4.2016 EPSOTE-taustatietotyöryhmän kokous Sote- ja aluehallintouudistuksen valmisteluorganisaatio

Lisätiedot

Hirsitaloasukkaiden terveys ja

Hirsitaloasukkaiden terveys ja Hirsitaloasukkaiden terveys ja tyytyväisyys y Altti-tutkimukseen perustuva selvitys Fil. yo. Mira Anttila, FM Maria Pekkonen, Dos. Ulla Haverinen-Shaughnessy Asumisterveyden ja rakennusten terveellisyyden

Lisätiedot

TALTIONI BIOPANKKITALLETTAJAN VERKKOPANKKI

TALTIONI BIOPANKKITALLETTAJAN VERKKOPANKKI TALTIONI BIOPANKKITALLETTAJAN VERKKOPANKKI Biopankkitoiminnan tavoitteet ja periaatteet Edistää lääketieteellistä tutkimusta ja tuotekehitystä sekä toimia henkilökohtaisen lääketieteen veturina Turvata

Lisätiedot

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO... Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3

Lisätiedot

Epävarmuuden hallinta bootstrap-menetelmillä

Epävarmuuden hallinta bootstrap-menetelmillä 1/17 Epävarmuuden hallinta bootstrap-menetelmillä Esimerkkinä taloudellinen arviointi Jaakko Nevalainen Tampereen yliopisto Metodifestivaalit 2015 2/17 Sisältö 1 Johdanto 2 Tavanomainen bootstrap Bootstrap-menettelyn

Lisätiedot

1.Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet

1.Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet VAASAN YLIOPISTO/KESÄYLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia A KURSSIKYSELYAINEISTO: 1.Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka

Lisätiedot

Neuvolan asiakastyytyväisyyskyselyn tulokset toiminnan kehittämisen perustana

Neuvolan asiakastyytyväisyyskyselyn tulokset toiminnan kehittämisen perustana Neuvolan asiakastyytyväisyyskyselyn tulokset toiminnan kehittämisen perustana Salla Sainio, kehittämispäällikkö, THL Eija Luoto, projektipäällikkö, THL Kansalliset asiakaspalautekyselyt Mitä ovat kansalliset

Lisätiedot

Maakunnan tiedolla johtaminen ja tietoaltaan hyödyntäminen Jyrki Tirkkonen Liiketoimintapäällikkö, Tiedolla johtaminen ja informaation hallinta

Maakunnan tiedolla johtaminen ja tietoaltaan hyödyntäminen Jyrki Tirkkonen Liiketoimintapäällikkö, Tiedolla johtaminen ja informaation hallinta Maakunnan tiedolla johtaminen ja tietoaltaan hyödyntäminen Jyrki Tirkkonen Liiketoimintapäällikkö, Tiedolla johtaminen ja informaation hallinta Jari Uotila Johtava konsultti, Uudet liiketoiminnot Istekki

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas RIIPPUVUUS ALARYHMISSÄ Riippuvuus saattaa olla erilaista jos samassa aineistossa on esim. tutkittavia molemmista sukupuolista Yhteys saattaa olla erilaista

Lisätiedot

GeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus

GeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus GeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus Mitä jäi mieleen viime viikosta? Mitä mieltä olet tehtävistä, joissa GeoGebralla työskentely yhdistetään paperilla jaettaviin ohjeisiin

Lisätiedot

Webropol-kyselyt. Tarja Heikkilä

Webropol-kyselyt. Tarja Heikkilä Webropol-kyselyt Tarja Heikkilä Internet-kyselyt Soveltuvat kyselyihin, joissa kaikilla perusjoukon jäsenillä on mahdollisuus internetin käyttöön, toisin sanoen on mahdollisuus edustavan aineiston saamiseen.

Lisätiedot

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. 1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin

Lisätiedot

Tilastomenetelmien lopputyö

Tilastomenetelmien lopputyö Tarja Heikkilä Tilastomenetelmien lopputyö Lopputyössä on esimerkkejä erilaisista tilastomenetelmistä. Datatiedosto Harjoitusdata.sav on muokattu tätä harjoitusta varten, joten se ei vastaa kaikkien muuttujien

Lisätiedot

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016 Osakesalkun optimointi Anni Halkola Turun yliopisto 2016 Artikkeli Gleb Beliakov & Adil Bagirov (2006) Non-smooth optimization methods for computation of the Conditional Value-at-risk and portfolio optimization.

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman

Lisätiedot

Peruspalvelujen kustannukset ja vaikuttavuus

Peruspalvelujen kustannukset ja vaikuttavuus Peruspalvelujen kustannukset ja vaikuttavuus Ismo Linnosmaa, THL/CHESS, ismo.linnosmaa@thl.fi Jutta Järvelin THL/CHESS, jutta.jarvelin@thl.fi Unto Häkkinen THL/CHESS, unto.hakkinen@thl.fi 1 Teemat I. CHESS:n

Lisätiedot

KURSSIKYSELYAINEISTO: HUOM! Aineiston tilastoyksikkömäärä 11 on kovin pieni oikean tilastotieteen tekemiseen, mutta Harjoitteluun se kelpaa kyllä!

KURSSIKYSELYAINEISTO: HUOM! Aineiston tilastoyksikkömäärä 11 on kovin pieni oikean tilastotieteen tekemiseen, mutta Harjoitteluun se kelpaa kyllä! VAASAN YLIOPISTO/KESÄYLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia A KURSSIKYSELYAINEISTO: HUOM! Aineiston tilastoyksikkömäärä 11 on kovin pieni oikean tilastotieteen tekemiseen, mutta Harjoitteluun

Lisätiedot

Imetys Suomessa Vauvamyönteisyysohjelma

Imetys Suomessa Vauvamyönteisyysohjelma Imetys Suomessa Vauvamyönteisyysohjelma 2017-2021 Imetys 10 kunnassa Jyväskylä 16.3.2017 Vieraileva tutkija Kirsi Otronen 21.03.2017 Kirsi Otronen 1 WHO:n uusi suositus v.2025 mennessä 50% lapsista olisi

Lisätiedot

YLEISKUVA - Kysymykset

YLEISKUVA - Kysymykset INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla

Lisätiedot

Teema 3: Tilastollisia kuvia ja tunnuslukuja

Teema 3: Tilastollisia kuvia ja tunnuslukuja Teema 3: Tilastollisia kuvia ja tunnuslukuja Tilastoaineiston peruselementit: havainnot ja muuttujat havainto: yhtä havaintoyksikköä koskevat tiedot esim. henkilön vastaukset kyselylomakkeen kysymyksiin

Lisätiedot

Esimerkkejä vaativuusluokista

Esimerkkejä vaativuusluokista Esimerkkejä vaativuusluokista Seuraaville kalvoille on poimittu joitain esimerkkejä havainnollistamaan algoritmien aikavaativuusluokkia. Esimerkit on valittu melko mielivaltaisesti laitoksella tehtävään

Lisätiedot

Julkaisuportaali ja yliopistojen julkaisutiedot

Julkaisuportaali ja yliopistojen julkaisutiedot Julkaisuportaali ja yliopistojen julkaisutiedot Kotimaiset tieteelliset artikkelit näkyviksi!, Helsinki 25.4.2013 Jyrki Ilva (jyrki.ilva@helsinki.fi) Mihin erillistä julkaisuportaalia tarvitaan? Julkaisuportaali

Lisätiedot

Terveyskeskuskohtaiset rokotustietoraportit 2013

Terveyskeskuskohtaiset rokotustietoraportit 2013 Terveyskeskuskohtaiset rokotustietoraportit 2013 Johdanto Vuonna 2012 THL järjesti terveyskeskusten potilastietojärjestelmien pääkäyttäjille rokotusten kirjausja rokotusrekisteri -koulutuspäivät. Koulutuspäivillä

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016

Lisätiedot

Data käyttöön! Ministeriön datapolitiikka osana työ- ja elinkeinopolitiikkaa 18.3.2014

Data käyttöön! Ministeriön datapolitiikka osana työ- ja elinkeinopolitiikkaa 18.3.2014 Data käyttöön! Ministeriön datapolitiikka osana työ- ja elinkeinopolitiikkaa 18.3.2014 Antti Eskola Kaupallinen neuvos Innovaatiopolitiikan ryhmä Työ- ja elinkeinoministeriö Data käyttöön mutta mikä data?

Lisätiedot

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) 805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) Tavoitteet (teoria): Hallita autokovarianssifunktion ominaisuuksien tarkastelu. Osata laskea autokovarianssifunktion spektriiheysfunktio. Tavoitteet

Lisätiedot

JulkICT Lab ja Dataportaali Avoin data ja palvelukokeilut

JulkICT Lab ja Dataportaali Avoin data ja palvelukokeilut JulkICT Lab ja Dataportaali Avoin data ja palvelukokeilut Pelvelukehityksen ekosysteemi julkisessa hallinnossa 3.12.2013 Mikael Vakkari JulkICT/YRO Palvelukehittämisen ekosysteemi Uusien palveluinnovaatioiden

Lisätiedot

Henkilötietosuojattu data

Henkilötietosuojattu data Henkilötietosuojattu data Päivi Timonen Johtaja Kuluttajatutkimuskeskus Valtiotieteellinen tiedekunta / Päivi Timonen/ henkilötietosuojattu data www.helsinki.fi/yliopisto 7.2.2017 1 Lähtökohtana henkilöt

Lisätiedot

Avoimen tieteen osaajakoulutus Työpaja: Avoin tiede ja tietohallinto 14.9.2015

Avoimen tieteen osaajakoulutus Työpaja: Avoin tiede ja tietohallinto 14.9.2015 Avoimen tieteen osaajakoulutus Työpaja: Avoin tiede ja tietohallinto 14.9.2015 Johdanto aiheeseen Mitä on avoin tiede? Avoimen tieteen ja tutkimuksen prosessi Palvelut ja tietojärjestelmät Esimerkkejä

Lisätiedot

Yleinen sosiaali- ja terveystieto sekä avuntarpeen itsearviointimenetelmät -projekti

Yleinen sosiaali- ja terveystieto sekä avuntarpeen itsearviointimenetelmät -projekti Yleinen sosiaali- ja terveystieto sekä avuntarpeen itsearviointimenetelmät -projekti SADe-ohjelman sosiaali- ja palvelukokonaisuuden kevätseminaari 23.4.2013 Anu Suurnäkki 19.4.2013 1 Mitä kehitetään ja

Lisätiedot

Vaikuttamisindeksi

Vaikuttamisindeksi Ohjeita viidensien mikroharjoitusten (vk 8) tekemiseksi omatoimisesti: 1. 2 7 12 17 27 32 Vaikuttamisindeksi Käynnistä Tixel-ohjelma työpöydän kuvakkeella, paina Enable Content, avaa ADD-INS, valitse Tixel8-valikosta

Lisätiedot

Omahoitopolut.fi Toteutuksen tilannekatsaus

Omahoitopolut.fi Toteutuksen tilannekatsaus Omahoitopolut.fi Toteutuksen tilannekatsaus PVM 1 Sisällysluettelo Aikataulu ja saavutukset tähän mennessä Aikataulu, seuraavaksi toteutettavat tehtävät Budjetti Kertynyt työmäärä suhteessa suunniteltuun

Lisätiedot

Sisältö. 2. Taulukot. Yleistä. Yleistä

Sisältö. 2. Taulukot. Yleistä. Yleistä Sisältö 2. Taulukot Yleistä. Esittely ja luominen. Alkioiden käsittely. Kaksiulotteinen taulukko. Taulukko operaation parametrina. Taulukko ja HelloWorld-ohjelma. Taulukko paluuarvona. 2.1 2.2 Yleistä

Lisätiedot

Määrällisen aineiston esittämistapoja. Aki Taanila

Määrällisen aineiston esittämistapoja. Aki Taanila Määrällisen aineiston esittämistapoja Aki Taanila 24.4.2017 1 Kategoriset muuttujat Lukumääriä Prosentteja (muista n-arvot) Pylväitä 2 Yhteenvetotaulukko (frekvenssitaulukko) TAULUKKO 1. Asunnon tyyppi

Lisätiedot

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Luentokalvoja tilastollisesta päättelystä Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Otanta Otantamenetelmiä Näyte Tilastollinen päättely Otantavirhe Otanta Tavoitteena edustava otos = perusjoukko

Lisätiedot

TIEDOTE HAASTATTELUSTA JA TIETOJEN KERÄÄMISESTÄ

TIEDOTE HAASTATTELUSTA JA TIETOJEN KERÄÄMISESTÄ TIEDOTE HAASTATTELUSTA JA TIETOJEN KERÄÄMISESTÄ Kiitos osallistumisestasi Kelan Työhönkuntoutuksen kehittämishankkeen toista vaihetta (TK2) koskevaan arviointitutkimukseen kuluneen vuoden aikana. Tutkimuksessa

Lisätiedot

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO

MTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO 8.9.2016/1 MTTTP1 Tilastotieteen johdantokurssi Luento 8.9.2016 1 JOHDANTO Tilastotiede menetelmätiede, joka käsittelee - tietojen hankinnan suunnittelua otantamenetelmät, koejärjestelyt, kyselylomakkeet

Lisätiedot

Erityisnäytteenotto, esimerkkinä Fineli

Erityisnäytteenotto, esimerkkinä Fineli Erityisnäytteenotto, esimerkkinä Fineli Näytteenottokoulutus 19. 20.11.2016 Mikä on Fineli? Elintarvikkeiden koostumustietokanta Terveyden ja hyvinvoinnin laitos (THL) ylläpitää perustettu vuonna 1984

Lisätiedot

Avoin data metsäntutkimuksessa E-P DIGI, , Seinäjoki

Avoin data metsäntutkimuksessa E-P DIGI, , Seinäjoki Avoin data metsäntutkimuksessa E-P DIGI, 22.3.2017, Seinäjoki Risto Lauhanen, tutkimus- ja kehittämispäällikkö, SeAMK Ruoka. Lisätiedot: risto.lauhanen@seamk.fi Seliina Päällysaho, tutkimuspäällikkö, SeAMK.

Lisätiedot

Tehtävä 1. Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä.

Tehtävä 1. Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä. Tehtävä 1 Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä Ei Hypoteesi ei ole hyvä tutkimushypoteesi, koska se on liian epämääräinen.

Lisätiedot

S09 04 Kohteiden tunnistaminen 3D datasta

S09 04 Kohteiden tunnistaminen 3D datasta AS 0.3200 Automaatio ja systeemitekniikan projektityöt S09 04 Kohteiden tunnistaminen 3D datasta Loppuraportti 22.5.2009 Akseli Korhonen 1. Projektin esittely Projektin tavoitteena oli algoritmin kehittäminen

Lisätiedot

Maahanmuuttajien terveys- ja hyvinvointitutkimus. Tutkimusprofessori Seppo Koskinen, THL

Maahanmuuttajien terveys- ja hyvinvointitutkimus. Tutkimusprofessori Seppo Koskinen, THL Maahanmuuttajien terveys- ja hyvinvointitutkimus Tutkimusprofessori Seppo Koskinen, THL Ulkomaalaistaustaisten suomalaisten määrä kasvaa nopeasti 1990 2011 Ulkomailla syntyneitä 65 000 266 000 (5 %) Vieraskielisiä

Lisätiedot

A TIETORAKENTEET JA ALGORITMIT

A TIETORAKENTEET JA ALGORITMIT A274105 TIETORAKENTEET JA ALGORITMIT HARJOITUSTEHTÄVÄT 6 DEADLINE 1.4.2009 KLO 9:00 Kynätehtävät tehdään kirjallisesti ja esitetään harjoituksissa. Välivaiheet näkyviin! Ohjelmointitehtävät sähköisesti

Lisätiedot

ATH-koulutus THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1

ATH-koulutus THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 ATH-koulutus THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelma Ositus ja 75 vuotta täyttäneiden ylipoiminta Painokertoimet Tulosten esittäminen: mallivakiointi Esimerkit

Lisätiedot

Yhteentoimivuutta edistävien työkalujen kehittäminen - JulkICTLab jatkohakemus

Yhteentoimivuutta edistävien työkalujen kehittäminen - JulkICTLab jatkohakemus Yhteentoimivuutta edistävien työkalujen kehittäminen - JulkICTLab jatkohakemus Pilottiehdotuksen osapuolet: CSC Tieteen tietotekniikan keskus Oy Aalto-yliopisto Verohallinto Yhteyshenkilö: Suvi Remes suvi.remes@csc.fi

Lisätiedot

Harjoitus 2: Matlab - Statistical Toolbox

Harjoitus 2: Matlab - Statistical Toolbox Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat

Lisätiedot

Semanttinen Finlex Arttu Oksanen ( )

Semanttinen Finlex Arttu Oksanen ( ) Semanttinen Finlex 7.3.2016 Arttu Oksanen ( arttu.oksanen@aalto.fi ) Taustaa Lainsäädäntö ja oikeuskäytäntö julkaistu aiemmin ihmisluettavina dokumentteina Finlexpalvelussa Data ei kuitenkaan ole ollut

Lisätiedot

Henkilö, johon asiakas voi ottaa yhteyttä henkilötietojen käsittelyä koskevissa asioissa.

Henkilö, johon asiakas voi ottaa yhteyttä henkilötietojen käsittelyä koskevissa asioissa. Laatimispäivä: 1/2015 Tämä on tietosuojaseloste, joka sisältää rekisteriselosteen ja asiakkaiden henkilötietojen käsittelyä koskevan informoinnin. 1. Toiminnasta vastaava rekisterinpitäjä Katuosoite: Kuopion

Lisätiedot

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0. 806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ

Lisätiedot

ISOISÄNSILTA URAKAN TIETOMALLIVAATIMUKSET, -BONUKSET JA -SANKTIOT BONUS- JA SANKTIOJÄRJESTELMÄ,

ISOISÄNSILTA URAKAN TIETOMALLIVAATIMUKSET, -BONUKSET JA -SANKTIOT BONUS- JA SANKTIOJÄRJESTELMÄ, ISOISÄNSILTA URAKAN TIETOMALLIVAATIMUKSET, -BONUKSET JA -SANKTIOT BONUS- JA SANKTIOJÄRJESTELMÄ, 2.10.2013 HELSINGIN KAUPUNKI Yleistä Nämä tietomallivaatimukset, -bonukset ja -sanktiot koskevat Isoisänsiltaa

Lisätiedot

Avoin lähdekoodi hankinnoissa Juha Yrjölä

Avoin lähdekoodi hankinnoissa Juha Yrjölä Avoin lähdekoodi hankinnoissa 9.6.2016 Juha Yrjölä Mitä on avoin lähdekoodi? 1. Lähdekoodi tulee jakaa ohjelmiston mukana tai antaa saataville joko ilmaiseksi tai korkeintaan luovuttamiskulujen hinnalla.

Lisätiedot

Rakenteinen tieto ja asiakastietojärjestelmä sosiaalityön pakotettu muutos

Rakenteinen tieto ja asiakastietojärjestelmä sosiaalityön pakotettu muutos Rakenteinen tieto ja asiakastietojärjestelmä sosiaalityön pakotettu muutos Sosiaalihuollon asiakastiedot ja niiden hyödyntäminen Sosiaalityön tutkimuksen päivät Helsingissä 2017 Erikoistutkija Paula Saikkonen,

Lisätiedot

Avoimen tieteen palvelut

Avoimen tieteen palvelut Avoimen tieteen palvelut Ville Tenhunen 26.11.2015 2015 OKM ATT 2014 2017 -hanke www.avointiede.fi Lisensoitu Creative Commons Nimeä 4.0 Kansainvälinen -käyttöluvalla Agenda Mihin palveluita tarvitaan?

Lisätiedot

- ALMA - Asumisen ja hyvinvoinnin alueelliset palvelumallit bes.tkk.fi

- ALMA - Asumisen ja hyvinvoinnin alueelliset palvelumallit bes.tkk.fi - ALMA - Asumisen ja hyvinvoinnin alueelliset palvelumallit Tieteiden talo 18.5.2010 Arto Huuskonen, DI TUTKIMUKSEN TAUSTATEKIJÄT Väestö ikääntyy ja palvelutarpeet muuttuvat Ikääntyvä väestö viettää enemmän

Lisätiedot

Potilas -ja asiakastietojärjestelmien vaatimukset ja valvonta Ammattimainen käyttäjä laiteturvallisuuden varmistajana

Potilas -ja asiakastietojärjestelmien vaatimukset ja valvonta Ammattimainen käyttäjä laiteturvallisuuden varmistajana Potilas -ja asiakastietojärjestelmien vaatimukset ja valvonta Ammattimainen käyttäjä laiteturvallisuuden varmistajana 26.5.2016 Yli-insinööri Antti Härkönen, Valvira Tietojärjestelmien valvonta Terveysteknologia-ryhmä

Lisätiedot

MATEMAATTIS- LUONNONTIETEELLINEN OSAAMINEN

MATEMAATTIS- LUONNONTIETEELLINEN OSAAMINEN MATEMAATTIS- LUONNONTIETEELLINEN OSAAMINEN Matematiikka ja matematiikan soveltaminen, 4 osp Pakollinen tutkinnon osa osaa tehdä peruslaskutoimitukset, toteuttaa mittayksiköiden muunnokset ja soveltaa talousmatematiikkaa

Lisätiedot

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)

Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot) R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n

Lisätiedot

Mittarityöpaja. Sosiaalityön mittareiden ja indikaattoreiden kokeilu- ja kehittämishankkeita Esityksen nimi / Tekijä

Mittarityöpaja. Sosiaalityön mittareiden ja indikaattoreiden kokeilu- ja kehittämishankkeita Esityksen nimi / Tekijä Mittarityöpaja Sosiaalityön mittareiden ja indikaattoreiden kokeilu- ja kehittämishankkeita 26.1.2017 Esityksen nimi / Tekijä 1 Sote-uudistuksessa sosiaalityöhön tarvitaan toimivat vaikuttavuuden arvioinnin

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen

Lisätiedot

Vankien poistumislupakäytännöt ja niiden yhteneväisyys

Vankien poistumislupakäytännöt ja niiden yhteneväisyys Miten tutkimuskysymyksiin on etsitty vastausta? Kolme esimerkkiä kriminologisista tutkimuksista Vankien poistumislupakäytännöt ja niiden yhteneväisyys Tutkimuksen tavoite 1: Selvittää empiirisesti vankien

Lisätiedot

ARTOn / ARTIVAn hyödyntäminen julkaisutiedonkeruussa

ARTOn / ARTIVAn hyödyntäminen julkaisutiedonkeruussa ARTOn / ARTIVAn hyödyntäminen julkaisutiedonkeruussa Korkeakoulujen julkaisutiedonkeruuseminaari 19.9.2014 Lassi Lager ARTO Kotimainen artikkeliviitetietokanta Yli 1,5 milj. viitettä Yli 1,5 milj. tiedonhakua

Lisätiedot

Lukemisen ja laskemisen perustaitojen esteetön arviointi Mukaan -tehtävillä. 2.4.2014 Helsinki. Tehtäväkuvaukset. neure

Lukemisen ja laskemisen perustaitojen esteetön arviointi Mukaan -tehtävillä. 2.4.2014 Helsinki. Tehtäväkuvaukset. neure Lukemisen ja laskemisen perustaitojen esteetön arviointi Mukaan -tehtävillä 2.4.2014 Helsinki Tehtäväkuvaukset neure Sisältö: 3 Nopeustehtävä 4 Määrien vertailu 1-9 5 Lukujen vertailu 1-9 6 Yhteenlasku

Lisätiedot

Käyntien odotusajat Salo, THL AVOHILMO perusterveydenhuollon lääkärit Käynnit Aika: 2015 09/2015 Palvelumuoto: Sairaanhoito Avosairaanhoito

Käyntien odotusajat Salo, THL AVOHILMO perusterveydenhuollon lääkärit Käynnit Aika: 2015 09/2015 Palvelumuoto: Sairaanhoito Avosairaanhoito 276/06.00.00/2016 Vastaus Lounais-Suomen aluehallintoviraston selvityspyyntöön hoitoonpääsyn toteutumisesta perusterveydenhuollossa Lounais-Suomen aluehallintoviraston pyytää kirjeellään LSAVI/3818/05.07.03/2015

Lisätiedot

Sosiaali- ja terveydenhuollon asiakastietojärjestelmät ja niiden uudistukset

Sosiaali- ja terveydenhuollon asiakastietojärjestelmät ja niiden uudistukset Sosiaali- ja terveydenhuollon asiakastietojärjestelmät ja niiden uudistukset Laki sosiaali- ja terveydenhuollon asiakastietojen sähköisestä käsittelystä 157/2009 Jussi Holmalahti, johtaja Lupaosasto Tietojärjestelmät

Lisätiedot

Yleistä. Nyt käsitellään vain taulukko (array), joka on saman tyyppisten muuttujien eli alkioiden (element) kokoelma.

Yleistä. Nyt käsitellään vain taulukko (array), joka on saman tyyppisten muuttujien eli alkioiden (element) kokoelma. 2. Taulukot 2.1 Sisältö Yleistä. Esittely ja luominen. Alkioiden käsittely. Kaksiulotteinen taulukko. Taulukko operaation parametrina. Taulukko ja HelloWorld-ohjelma. Taulukko paluuarvona. 2.2 Yleistä

Lisätiedot

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan 17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten

Lisätiedot

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut

χ = Mat Sovellettu todennäköisyyslasku 11. harjoitukset/ratkaisut Mat-2.091 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Yhteensopivuuden testaaminen Homogeenisuuden testaaminen Riippumattomuuden testaaminen Avainsanat: Estimointi, Havaittu frekvenssi, Homogeenisuus,

Lisätiedot

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,

Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 2016 Laskuharjoitus 5, Kotitehtävien palautus laskuharjoitusten

Lisätiedot

Anu Kantola (Luke) Minna Kallio (SYKE) Luonnonvarakeskus.

Anu Kantola (Luke) Minna Kallio (SYKE) Luonnonvarakeskus. LifeData 2011-2015 Anu Kantola (Luke) Minna Kallio (SYKE) 3.11.2015 http://www.metla.fi/life/lifedata/ Luonnonvarakeskus Lähtökohdat Luonnonvara- ja ympäristötutkimuksen yhteenliittymä LYNET 28.11.2013

Lisätiedot

Matlab-tietokoneharjoitus

Matlab-tietokoneharjoitus Matlab-tietokoneharjoitus Tämän harjoituksen tavoitteena on: Opettaa yksinkertaisia piirikaavio- ja yksikkömuunnoslaskuja. Opettaa Matlabin perustyökaluja mittausten analysoimiseen. Havainnollistaa näytteenottotaajuuden,

Lisätiedot

Eläketurvakeskuksen tutkimuksen ulkoinen arviointi. Susan Kuivalainen

Eläketurvakeskuksen tutkimuksen ulkoinen arviointi. Susan Kuivalainen Eläketurvakeskuksen tutkimuksen ulkoinen arviointi Susan Kuivalainen Arvioinnin sisältö ETK tilasi ulkoisen arvioinnin tutkimustoiminnastaan keväällä 2013. Arvio tutkimustoiminnasta yleisesti ja painopistealueittain

Lisätiedot

Työ tehdään itsenäisesti yhden hengen ryhmissä. Ideoita voi vaihtaa koodia ei.

Työ tehdään itsenäisesti yhden hengen ryhmissä. Ideoita voi vaihtaa koodia ei. Harjoitustyö 1 Harjoitustyö Tehtävä: ohjelmoi lötköjen kansoittamaa alkulimaa simuloiva olioperustainen ohjelma Java-kielellä. Lötköt säilötään linkitetyille listalle ja tekstitiedostoon. Työ tehdään itsenäisesti

Lisätiedot

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle

Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle Tilastollisen analyysin perusteet Luento 11: Epäparametrinen vastine ANOVAlle - Sisältö - - - Varianssianalyysi Varianssianalyysissä (ANOVA) testataan oletusta normaalijakautuneiden otosten odotusarvojen

Lisätiedot

Paremmat arjentaidot ja opintojen kautta töihin

Paremmat arjentaidot ja opintojen kautta töihin Paremmat arjentaidot ja opintojen kautta töihin Mikko Hytönen 18.4.2013 Paremmat arjentaidot ja opintojen kautta töihin ( 2007 2013) Projekteja käynnistetty kpl 27, 16 projektia päättynyt Monipuolisia

Lisätiedot

Green carevaikuttavuusseminaari. Tampere 3.6.2015. Teemu Peuraniemi

Green carevaikuttavuusseminaari. Tampere 3.6.2015. Teemu Peuraniemi Green carevaikuttavuusseminaari Tampere 3.6.2015 Teemu Peuraniemi Vihreä hyvinvointi Oy tuottaa ja kehittää uudella innovatiivisella tavalla sosiaali- ja terveyspalvelualalle luontoavusteisia: - Kuntoutuspalveluita

Lisätiedot

Maailma muuttuu muuttuuko koulu?

Maailma muuttuu muuttuuko koulu? Janne Pietarinen professori kasvatustiede, erityisesti perusopetuksen ja opettajankoulutuksen tutkimus Soveltavan kasvatustieteen ja opettajankoulutuksen osasto Maailma muuttuu muuttuuko koulu? Suomalaisen

Lisätiedot

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä Esri Finland LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä November 2012 Janne Saarikko Agenda Lidar-aineistot ja ArcGIS 10.1 - Miten LAS-aineistoa voidaan hyödyntää? - Aineistojen hallinta LAS Dataset

Lisätiedot

Maahanmuuttajien terveys ja hyvinvointitutkimus MAAMU: Esittelyä ja alustavia tuloksia

Maahanmuuttajien terveys ja hyvinvointitutkimus MAAMU: Esittelyä ja alustavia tuloksia Maahanmuuttajien terveys ja hyvinvointitutkimus MAAMU: Esittelyä ja alustavia tuloksia 14.5.2012 14.5.2012 Anu Castaneda 1 Esityksen sisältö 1. Maamu-tutkimus ja sen tavoitteet 2. Menetelmät 3. Tutkimuksen

Lisätiedot

Yksikkötestaus. import org.junit.test; public class LaskinTest public void testlaskimenluonti() { Laskin laskin = new Laskin(); } }

Yksikkötestaus. import org.junit.test; public class LaskinTest public void testlaskimenluonti() { Laskin laskin = new Laskin(); } } Yksikkötestauksella tarkoitetaan lähdekoodiin kuuluvien yksittäisten osien testaamista. Termi yksikkö viittaa ohjelman pienimpiin mahdollisiin testattaviin toiminnallisuuksiin, kuten olion tarjoamiin metodeihin.

Lisätiedot

Tilastolain muutoksen vaikutukset aineistojen tutkimuskäyttöön. Seminaari 27.2.2014

Tilastolain muutoksen vaikutukset aineistojen tutkimuskäyttöön. Seminaari 27.2.2014 Tilastolain muutoksen vaikutukset aineistojen tutkimuskäyttöön Seminaari 27.2.2014 Tilastolain tarkoitus Lain tarkoitusta laajennettiin tilastotarkoituksen lisäksi koskemaan myös tietojen tutkimuskäyttö.

Lisätiedot

Kaltoinkohdellun lapsen tutkinnan- ja auttamisen toimintamalli. L A S T A - h a n k e

Kaltoinkohdellun lapsen tutkinnan- ja auttamisen toimintamalli. L A S T A - h a n k e Kaltoinkohdellun lapsen tutkinnan- ja auttamisen toimintamalli L A S T A - h a n k e 2014 16 LASTA- hankkeen organisaatiokaavio 2013 Sosiaali- ja terveysministeriö (STM) Sisäasiainministeriö (SM)/Poliisihallitus

Lisätiedot

Hyvät t käytännöt t julkisiksi miksi ja miten?

Hyvät t käytännöt t julkisiksi miksi ja miten? Hyvät t käytännöt t julkisiksi miksi ja miten? Olemme kaikki kuulleet sanottavan, että virheistä opitaan ja kantapää on hyvä opettaja. Tekevälle tapahtuu virheitä ja niiden salliminen on välttämätöntä,

Lisätiedot

TKK @ Ilkka Mellin (2008) 1/5

TKK @ Ilkka Mellin (2008) 1/5 Mat-1.2620 Sovellettu todennäköisyyslaskenta B / Tehtävät Demo-tehtävät: 1, 3, 6, 7 Pistetehtävät: 2, 4, 5, 9 Ylimääräiset tehtävät: 8, 10, 11 Aiheet: Moniulotteiset jakaumat Avainsanat: Diskreetti jakauma,

Lisätiedot

TAMPEREEN TEKNILLINEN YLIOPISTO

TAMPEREEN TEKNILLINEN YLIOPISTO TAMPEREEN TEKNILLINEN YLIOPISTO Digitaali- ja Tietokonetekniikan laitos TKT-3200 Tietokonetekniikka ASSEMBLER: QSORT 11.08.2010 Ryhmä 00 nimi1 email1 opnro1 nimi2 email2 opnro2 nimi3 email3 opnro3 1. TEHTÄVÄ

Lisätiedot