Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä

Koko: px
Aloita esitys sivulta:

Download "Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä"

Transkriptio

1 Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto

2 ii Ohjelmien versiotietoja: JMP:

3 Luku 1 Regressio 1.1 Matriisilaskentaa ja multinormaalijakauma Ei esimerkkiä. 1.2 Lineaarinen regressiomalli Laskut voidaan tehdä JMP-ohjelmalla seuraavasti. Uusi taulu saadaan valitsemalla File New.Kirjoitetaan data tauluun: Sitten valitaan Analyze Fit Model ja annetaan faktorit ja vaste: 1

4 2 LUKU 1. REGRESSIO Sitten Run Model antaa halutut parametrit (ja paljon muuta): Matriisi C ei tule näkyviin, mutta korrelaatiomatriisik,joka lasketaanc:stä kaavasta k ij = c ij cii cjj saadaan valitsemalla Response Y:n viereisestä valikosta Estimates Correlation of Estimates. Samasta valikosta saadaan mallin muodostama pinta valitsemalla Factor Profiling Contour Profiler.

5 1.2. LINEAARINEN REGRESSIOMALLI 3 Ennustetut datan vasteen arvot ŷ saadaan näkyville kopioimalla malli tauluun valitsemalla Response Y:n viereisestä valikosta Save Columns Prediction Formula. Residuaali kopioidaan puolestaan valitsemalla Save Columns Residuals.Estimoitu standardivirhe kopioidaan valitsemalla Save Columns StdErr Pred Formula. Sitten kirjoitetaan halutut faktorit uudelle taulun riville ja ohjelma laskee vaste-ennusteen:

6 4 LUKU 1. REGRESSIO

7 1.3. HYPOTEESIEN TESTAAMINEN Hypoteesien testaaminen JMP-ohjelmalla mallin sovitus ja testaus suoritetaan seuraavasti. Data kirjoitetaan tauluun kuten 1.2 kohdan esimerkissä. Sitten Analyze Fit Model. Faktori X1*X2 saadaan malliin aktivoimalla Select Columns -listasta X1 ja X2, jonka jälkeen painetaancross. X2*X2 saadaan aktivoimallax2 sekä Select Columns että Construct Model Effects -listoista, jonka jälkeen Cross. Viimeinen faktori syntyy kun X2 aktivoidaanselect Columns -listasta jax1*x2 Construct Model Effects -listasta, jonka jälkeen Cross.Jotta faktorit tulisivat malliin sellaisenaan on poistettava optio, joka vähentäätoisen tai korkeamman asteen faktorien termeistä niiden keskiarvot. Tämä onnistuu valitsemalla Model Specification:n viereisestä valikosta Center Polynomials. Sitten Run Model.

8 6 LUKU 1. REGRESSIO Lopuksi kuva saadaan Response Y:n viereisestä valikosta valitsemalla Factor Profiling Contour Profiler.

9 1.4. MALLIN EPÄSOPIVUUDEN TESTAUS TOISTOKOKEIN Mallin epäsopivuuden testaus toistokokein JMP tulostaa varianssianalyysitaulun automaattisesti regressioanalyysia suoritettaessa (joka siis tehdään kuten kohdan 1.2 esimerkissä), mikäli datassa on toistoja ja SSLOF:lla on vapausasteita ainakin yksi. JMP:n tulostus antaa myös suureen Max RSq, joka kertoo kuinka suureen determinaatiokertoimeen R 2 päästäisiin nykyisistämuuttujista(tässä x 1 ja x 2 )muodostettuja faktoreita lisäämällä. Suure lasketaan kaavasta: Max RSq =1 SSPE SST. Huomaa, että kohdan 1.3. esimerkissä onkin päästy determinaatiokertoimen R 2 arvoon

10 8 LUKU 1. REGRESSIO 1.5 Mallin riittävyys Kun mallin sovitus on suoritettu uudelleen järjestetyllädatalla, residuaalin kuvaajan ennustetun vasteen tai järjestyksen funktiona saa Response Y:n vierestä valitsemalla Row Diagnostics Plot Residual by Predicted tai Plot Residual by Row. Residuaali kopioidaan tauluun valitsemalla Response Y:n vierestä Save Columns Residuals. Kun halutaan tarkistaa ulkolaiset saadaan studentoitu residuaali kopioitua tauluun valitsemalla Response Y:n vierestä Save Columns Studentized Residuals.

11 1.5. MALLIN RIITTÄVYYS 9 Residuaalin jakaumaa tarkastellaan valitsemalla Analyze Distribution. Valitaan oikea sarake jaok.saadussa ikkunassa Residual Y:n viereisestä valikosta valitaan Normal Quantile Plot. Normaalitodennäköisyyskuviossa akselit ovat erilailla kuin Matlabissa.

12 10 LUKU 1. REGRESSIO

13 Luku 2 KOESUUNNITTELUT 2.1 Datan muunnokset JMP-ohjelmalla standardointi ja koodaus tapahtuvat toisiinsa nähden hiukan eri tavalla. Standardointi onnistuu kun luodaan uudet sarakkeet, joihin lasketaan arvot standardointikaavan avulla. Sarakkeen ominaisuuksiin päästään kaksoisklikkaamalla otsikkoa. Sieltä valitaan New Property Formula: Sitten Edit Formula ja syötetään kaava. Standardoinnin kaava löytyy valmiiksiohjelmointuna Statistical Col Standardize: 11

14 12 LUKU 2. KOESUUNNITTELUT Kunsama menettely on toistettu faktorille x 2 näkyy taulussa standardoinnin tulos: Mallin sovitus kuten aikaisemmin, Analyze Fit Model ja faktorien valinta:

15 2.1. DATAN MUUNNOKSET 13 Mallin tulostuksessa on laitettu myös näkyviin Correlation of Estimates, josta standardoinnin hyötyjä voi tarkastella: Koodaus tapahtuu automaattisesti kun alkuperäisen datan sarakkeen ominaisuuksista valitaan New Property Coding: Kun sama on tehty myös faktorin x 2 arvoille, sujuu mallin sovitus tuttuun tapaan, josta tulostus:

16 14 LUKU 2. KOESUUNNITTELUT

17 2.2. ORTOGONAALISUUS JA KIERTOSYMMETRISYYS Ortogonaalisuus ja kiertosymmetrisyys JMP-ohjelmassa ortogonaalisuuden näkee korrelaatiomatriiseista (alkuperäinen, standardoitu ja koodattu data): Kiertosymmetrisyys ei näy korrelaatiomatriisista, eikä sitäsaamuutenkaan helposti näkyviin.

18 16 LUKU 2. KOESUUNNITTELUT 2.3 Simplex-koe Simplex-suunnittelua ei JMP anna. Plackett-Burman suoritetaan seuraavasti. Valitaan DOE Screening Design ja lisätään 9 jatkuvaa faktoria. Sitten Continue ja suunnittelun valinta. Ja taas Continue.

19 2.3. SIMPLEX-KOE 17 Codes-kohdassa näkyy suunnittelu koodeina ( vastaa 1:tä ja +1:tä). Datamatriisin ensimmäistä, vakiota vastaavaa saraketta ei näytetä.

20 18 LUKU 2. KOESUUNNITTELUT Make Table antaa suunnittelun tauluna.

21 2.3. SIMPLEX-KOE 19 Huomaa, ettäkyseinen suunnittelu on eri kuin Matlabilla suoritettu. Erilaisia Hadamardin matriiseja on monia. Toisaalta sarakkaiden valinnan voi suorittaa monella eri tavalla. Ortogonaalisuus säilyy valinnasta riippumatta, mutta muut kriteerit, kuten esimerkiksi kattavuus saattaa muuttua.

22 20 LUKU 2. KOESUUNNITTELUT 2.4 Kahden tason kokeet Valitaan DOE Screening Design ja lisätään malliin 5 jatkuvaa faktoria: Sitten Continue.Valitaan haluttu suunnittelu ja taas Continue. Oletuksena JMP antaa suunnittelun, jossa on kielletty faktorit x 1 x 2 x 3 x 4 ja

23 2.4. KAHDEN TASON KOKEET 21 x 2 x 3 x 5.Huomaa, että kun faktorien järjestys muutetaan esimerkiksi 1, 2, 3, 4, 5 5, 3, 4, 2, 1 ja järjestetään kokeet uudelleen, suunnittelu on sama kuin aikaisemmin. Vaihdetaan mallin generointisäännöt kiellettyjen faktorien x 1 x 2 x 4, x 1 x 3 x 5 mukaiseksi. Säännöt vaikuttavat Apply:n jälkeen.

24 22 LUKU 2. KOESUUNNITTELUT Nyt koodit vastaavat esimerkin alun datamatriisia.

25 2.4. KAHDEN TASON KOKEET 23 Make Table antaa taulun sunnittelusta.

26 24 LUKU 2. KOESUUNNITTELUT 2.5 Toisen kertaluvun regressiomalli Ei laskettu JMP:llä. 2.6 CCD-kokeet JMP:ssä CCD-kokeen suunnittelu tapahtuu kätevästi. Valitaan DOE Response Surface Design. Suunnittelussa on automaattisesti 2 faktoria. Continue:n jälkeen päästään valitsemaan suunnittelua. Valitaan CCD-Orthogonal ja Continue. Seuraavassa ruudussa voidaan tarkastella valintoja. Samoista α-arvoista (eli Axial Value) huomataan, ettäsuunnittelu on myös kiertosymmetrinen.

27 2.6. CCD-KOKEET 25 Make Table antaa suunnittelun tauluna. Aksiaaliosa on eri järjestyksessä.

28 26 LUKU 2. KOESUUNNITTELUT 2.7 Optimaaliset kokeet Ei laskettu JMP:llä.

29 Luku 3 VASTEEN OPTIMOINTI 3.1 Gradienttimenetelmä JMP:llä onkätevä ensin toteuttaa kahden tason täydellinen koesuunnittelu. Tämä tapahtuu valitsemalla DOE Screening Design.Käyttöalueet kannattaa määrittää faktoreihin, jolloin JMP antaa suoraan suoritettavien kokeiden tasot. Make Table antaa suunnittelun taulun. Vasteen paikalle kirjoitetaan kokeissa saadut arvot. 27

30 28 LUKU 3. VASTEEN OPTIMOINTI Sitten sovitetaan malli kuten ennenkin. Koodausta ei tarvitse erikseen sarakkeille valita, se tapahtuu automaattisesti. JMP antaa lähes kaiken tarpeellisen. Toisen vaiheen koesuunnittelu sujuu kuten ensimmäinenkin.

31 3.1. GRADIENTTIMENETELMÄ 29

32 30 LUKU 3. VASTEEN OPTIMOINTI 3.2 Ääriarvotarkastelu Ensimmäisen kertaluvun mallin sovitus sujuu kuten ennenkin, josta tuloste. Toisen kertaluvun mallille kannattaa ensin tehdä CCD-koesuunnittelu, jolloin kaikki sujuu lähes automaattisesti. Valitaan DOE Response Surface Design ja syötetään tarvittavat tiedot.

33 3.2. ÄÄRIARVOTARKASTELU 31 Make Table antaa taulun johon kirjoitetaan suoritetuissa kokeissa saadut vasteen arvot. Sitten Analyze Fit Model.Malli on määritelty valmiiksi.

34 32 LUKU 3. VASTEEN OPTIMOINTI Run Model:in jälkeen pääsemme tarkastelemaan tuloksia. Tulosteessa näkyy automaattisesti maksimipiste, vaste ja vielä kanonisen muodon kertoimet (ominaisarvot) ja pääakselien suunnatkin (ominaisvektorit).

35 3.2. ÄÄRIARVOTARKASTELU 33

36 34 LUKU 3. VASTEEN OPTIMOINTI 3.3 Harjuanalyysi Ei laskettu JMP:llä.

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,

Lisätiedot

TILASTOLLINEN KOKEIDEN SUUNNITTELU JA OTANTA. Keijo Ruohonen

TILASTOLLINEN KOKEIDEN SUUNNITTELU JA OTANTA. Keijo Ruohonen TILASTOLLINEN KOKEIDEN SUUNNITTELU JA OTANTA Keijo Ruohonen 2000 Sisältö I REGRESSIO Regressiomalli 2 2 Mallin estimointi ja käyttö 7 3 Varianssianalyysi (ANOVA) 2 4 Mallin epäsopivuuden testaus toistokokein

Lisätiedot

Valitse ruudun yläosassa oleva painike Download Scilab.

Valitse ruudun yläosassa oleva painike Download Scilab. Luku 1 Ohjeita ohjelmiston Scilab käyttöön 1.1 Ohjelmiston lataaminen Ohjeet ohjelmiston lataamiseen Windows-koneelle. Mene verkko-osoitteeseen www.scilab.org. Valitse ruudun yläosassa oleva painike Download

Lisätiedot

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011

Lisätiedot

SEM1, työpaja 2 (12.10.2011)

SEM1, työpaja 2 (12.10.2011) SEM1, työpaja 2 (12.10.2011) Rakenneyhtälömallitus Mplus-ohjelmalla POLKUMALLIT Tarvittavat tiedostot voit ladata osoitteesta: http://users.utu.fi/eerlaa/mplus Esimerkki: Planned behavior Ajzen, I. (1985):

Lisätiedot

Laskuharjoitus 9, tehtävä 6

Laskuharjoitus 9, tehtävä 6 Aalto-yliopiston perustieteiden korkeakoulu Jouni Pousi Systeemianalyysin laboratorio Mat-2.4129 Systeemien identifiointi Laskuharjoitus 9, tehtävä 6 Tämä ohje sisältää vaihtoehtoisen tavan laskuharjoituksen

Lisätiedot

4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla

4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla 4 Aineiston kuvaaminen numeerisesti 1 4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla Tarkastellaan lasten syntymäpainon frekvenssijakauman (kuva 1, oikea sarake) muodostamista Excel- ja SPSS-ohjelmalla.

Lisätiedot

Usean selittävän muuttujan regressioanalyysi

Usean selittävän muuttujan regressioanalyysi Tarja Heikkilä Usean selittävän muuttujan regressioanalyysi Yhden selittävän muuttujan regressioanalyysia on selvitetty kirjan luvussa 11, jonka esimerkissä18 muodostettiin lapsen syntymäpainolle lineaarinen

Lisätiedot

Tilastolliset ohjelmistot 805340A. Pinja Pikkuhookana

Tilastolliset ohjelmistot 805340A. Pinja Pikkuhookana Tilastolliset ohjelmistot 805340A Pinja Pikkuhookana Sisältö 1 SPSS 1.1 Yleistä 1.2 Aineiston syöttäminen 1.3 Aineistoon tutustuminen 1.4 Kuvien piirtäminen 1.5 Kuvien muokkaaminen 1.6 Aineistojen muokkaaminen

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

Excelin käyttö mallintamisessa. Regressiosuoran määrittäminen. Käsitellään tehtävän 267 ratkaisu.

Excelin käyttö mallintamisessa. Regressiosuoran määrittäminen. Käsitellään tehtävän 267 ratkaisu. Excelin käyttö mallintamisessa Regressiosuoran määrittäminen Käsitellään tehtävän 267 ratkaisu. 1)Kirjoitetaan arvot taulukkoon syvyys (mm) ikä 2 4 3 62 6 11 7 125 2) Piirretään graafi, valitaan lajiksi

Lisätiedot

MICROSOFT EXCEL 2010

MICROSOFT EXCEL 2010 1 MICROSOFT EXCEL 2010 Taulukkolaskentaohjelman jatkokurssin tärkeitä asioita 2 Taulukkolaskentaohjelmalla voit Käyttää tietokonetta ruutupaperin ja taskulaskimen korvaajana Laatia helposti ylläpidettäviä

Lisätiedot

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös): Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei

Lisätiedot

Matematiikka B2 - Avoin yliopisto

Matematiikka B2 - Avoin yliopisto 6. elokuuta 2012 Opetusjärjestelyt Luennot 9:15-11:30 Harjoitukset 12:30-15:00 Tentti Kurssin sisältö (1/2) Matriisit Laskutoimitukset Lineaariset yhtälöryhmät Gaussin eliminointi Lineaarinen riippumattomuus

Lisätiedot

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut MS-C34 Lineaarialgebra ja differentiaaliyhtälöt, IV/26 Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / t Alkuviikon tuntitehtävä Hahmottele matriisia A ( 2 6 3 vastaava vektorikenttä Matriisia A

Lisätiedot

USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI

USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI TEORIA USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI Regressiomalleilla kuvataan tilanteita, jossa suureen y arvot riippuvat joukosta ns selittäviä muuttujia x 1, x 2,..., x p oletetun funktiomuotoisen

Lisätiedot

17 BUDJETOINTI. Asiakaskohtainen Budjetti. 17.1 Ylläpito-ohjelma. Dafo Versio 10 BUDJETOINTI. Käyttöohje. BudgCust. 17.1.1 Yleistä

17 BUDJETOINTI. Asiakaskohtainen Budjetti. 17.1 Ylläpito-ohjelma. Dafo Versio 10 BUDJETOINTI. Käyttöohje. BudgCust. 17.1.1 Yleistä 17 Asiakaskohtainen Budjetti 17.1 Ylläpito-ohjelma 17.1.1 Yleistä BudgCust Ohjelmalla avataan järjestelmään asiakaskohtaisia budjetteja, jotka annetaan kuukausitasolla (oletus). 17.1.2 Parametrit Ohjelmaa

Lisätiedot

SIMULINK 5.0 Harjoitus. Matti Lähteenmäki 2004 www.tpu.fi/~mlahteen/

SIMULINK 5.0 Harjoitus. Matti Lähteenmäki 2004 www.tpu.fi/~mlahteen/ SIMULINK 5.0 Harjoitus 2004 www.tpu.fi/~mlahteen/ SIMULINK 5.0 Harjoitus 2 Harjoitustehtävä. Tarkastellaan kuvan mukaisen yhden vapausasteen jousi-massa-vaimennin systeemin vaakasuuntaista pakkovärähtelyä,

Lisätiedot

4 Riippuvuus 1. Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta

4 Riippuvuus 1. Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta 4 Riippuvuus 1 Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta x 2 = sisaruksien luku- Tarkastellaan äidin ja lapsen pituuden välistä riippuvuutta havaintomatriisilla, joka on

Lisätiedot

HSC-ohje laskuharjoituksen 1 tehtävälle 2

HSC-ohje laskuharjoituksen 1 tehtävälle 2 HSC-ohje laskuharjoituksen 1 tehtävälle 2 Metanolisynteesin bruttoreaktio on CO 2H CH OH (3) 2 3 Laske metanolin tasapainopitoisuus mooliprosentteina 350 C:ssa ja 350 barin paineessa, kun lähtöaineena

Lisätiedot

Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5

Tyyppi metalli puu lasi työ I 2 8 6 6 II 3 7 4 7 III 3 10 3 5 MATRIISIALGEBRA Harjoitustehtäviä syksy 2014 Tehtävissä 1-3 käytetään seuraavia matriiseja: ( ) 6 2 3, B = 7 1 2 2 3, C = 4 4 2 5 3, E = ( 1 2 4 3 ) 1 1 2 3 ja F = 1 2 3 0 3 0 1 1. 6 2 1 4 2 3 2 1. Määrää

Lisätiedot

Tilastotoiminnot. Seuraavien kahden esimerkin näppäinohjeet on annettu kunkin laskinmallin kohdalla:

Tilastotoiminnot. Seuraavien kahden esimerkin näppäinohjeet on annettu kunkin laskinmallin kohdalla: Tilastotoiminnot Seuraavien kahden esimerkin näppäinohjeet on annettu kunkin laskinmallin kohdalla: Muuttuja Frekvenssi 7 12 8 16 9 11 10 8 Tilastomoodin valinta. Tilastomuistin tyhjennys. Keskiarvon ja

Lisätiedot

KAAVAT. Sisällysluettelo

KAAVAT. Sisällysluettelo Excel 2013 Kaavat Sisällysluettelo KAAVAT KAAVAT... 1 Kaavan tekeminen... 2 Kaavan tekeminen osoittamalla... 2 Kaavan kopioiminen... 3 Kaavan kirjoittaminen... 3 Summa-funktion lisääminen... 4 Suorat eli

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 16.2.2010 T-106.1208 Ohjelmoinnin perusteet Y 16.2.2010 1 / 41 Kännykkäpalautetteen antajia kaivataan edelleen! Ilmoittaudu mukaan lähettämällä ilmainen tekstiviesti

Lisätiedot

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1 2 k -faktorikokeet Vilkkumaa / Kuusinen 1 Motivointi 2 k -faktorikoe on k-suuntaisen varianssianalyysin erikoistapaus, jossa kaikilla tekijöillä on vain kaksi tasoa, matala (-) ja korkea (+). 2 k -faktorikoetta

Lisätiedot

5 Osa 5: Ohjelmointikielen perusteita

5 Osa 5: Ohjelmointikielen perusteita 5 Osa 5: Ohjelmointikielen perusteita 5.1 Omat funktiot R on lausekekieli: Kaikki komennot kuten funktiokutsut ja sijoitusoperaatiot ovat lausekkeita. Lausekkeet palauttavat jonkin arvon. Lausekkeita voidaan

Lisätiedot

Näillä sivuilla Tilastomatematiikan esimerkit, joissa käsitellään tietokoneen käyttöä tilastollissa operaatioissa, on tehty Excel-2007 -versiolla.

Näillä sivuilla Tilastomatematiikan esimerkit, joissa käsitellään tietokoneen käyttöä tilastollissa operaatioissa, on tehty Excel-2007 -versiolla. Näillä sivuilla Tilastomatematiikan esimerkit, joissa käsitellään tietokoneen käyttöä tilastollissa operaatioissa, on tehty Excel-2007 -versiolla. Nämä ohjeet, samoin kuin Tilastomatematiikan kirjakaan,

Lisätiedot

Ohjelmoinnin peruskurssi Y1

Ohjelmoinnin peruskurssi Y1 Ohjelmoinnin peruskurssi Y1 CSE-A1111 30.9.2015 CSE-A1111 Ohjelmoinnin peruskurssi Y1 30.9.2015 1 / 27 Mahdollisuus antaa luentopalautetta Goblinissa vasemmassa reunassa olevassa valikossa on valinta Luentopalaute.

Lisätiedot

1 Funktiot, suurin (max), pienin (min) ja keskiarvo

1 Funktiot, suurin (max), pienin (min) ja keskiarvo 1 Funktiot, suurin (max), pienin (min) ja keskiarvo 1. Avaa uusi työkirja 2. Tallenna työkirja nimellä perusfunktiot. 3. Kirjoita seuraava taulukko 4. Muista taulukon kirjoitusjärjestys - Ensin kirjoitetaan

Lisätiedot

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä 3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä Lineaarinen m:n yhtälön yhtälöryhmä, jossa on n tuntematonta x 1,, x n on joukko yhtälöitä, jotka ovat muotoa a 11 x 1 + + a 1n x n = b 1 a 21

Lisätiedot

Juha Haataja 4.10.2011

Juha Haataja 4.10.2011 METROPOLIA Taulukkolaskenta Perusteita Juha Haataja 4.10.2011 Lisätty SUMMA.JOS funktion käyttö (lopussa). Tavoite ja sisältö Tavoite Taulukkolaskennan peruskäytön hallinta Sisältö Työtila Omat kaavat,

Lisätiedot

Sukupuu -ohjelma. Ossi Väre (013759021) Joni Virtanen (013760641)

Sukupuu -ohjelma. Ossi Väre (013759021) Joni Virtanen (013760641) Sukupuu -ohjelma Ossi Väre (013759021) Joni Virtanen (013760641) 7.11.2011 1 Johdanto Toteutimme C -kielellä sukupuuohjelman, johon käyttäjä voi lisätä ja poistaa henkilöitä ja määrittää henkilöiden välisiä

Lisätiedot

1. HARJOITUS harjoitus3_korjaus.doc

1. HARJOITUS harjoitus3_korjaus.doc Word - harjoitus 1 1. HARJOITUS harjoitus3_korjaus.doc Kopioi itsellesi harjoitus3_korjaus.doc niminen tiedosto Avaa näyttöön kopioimasi harjoitus. Harjoitus on kirjoitettu WordPerfet 5.1 (DOS) versiolla

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 25.2.2009 T-106.1208 Ohjelmoinnin perusteet Y 25.2.2009 1 / 34 Syötteessä useita lukuja samalla rivillä Seuraavassa esimerkissä käyttäjä antaa useita lukuja samalla

Lisätiedot

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin

Lisätiedot

Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa.

Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. Laskuharjoitus 1A Mallit Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. 1. tehtävä %% 1. % (i) % Vektorit luodaan

Lisätiedot

OHJE KILPIEN LISÄÄMISESTÄ ATJN KILPIVARASTOON

OHJE KILPIEN LISÄÄMISESTÄ ATJN KILPIVARASTOON OHJE KILPIEN LISÄÄMISESTÄ ATJN KILPIVARASTOON Kilpiä voidaan joutua lisäämään kilpivarastotiedoksi mm. alla mainituissa tilanteissa. Sarjakilpivarastoon: - Tunnus on määräytynyt ajoneuvolle LTJn aikaisessa

Lisätiedot

Tavoite on eliminoida sen vaikutus koetuloksista. 4. Satunnaistetut lohkokokeet, latinalaiset neliöt ja vastaavat asetelmat. Eliminointimenetelmiä:

Tavoite on eliminoida sen vaikutus koetuloksista. 4. Satunnaistetut lohkokokeet, latinalaiset neliöt ja vastaavat asetelmat. Eliminointimenetelmiä: 4. Satunnaistetut lohkokokeet, latinalaiset neliöt ja vastaavat asetelmat 4.1 Satunnaistettu lohkokoe (Randomized Block Design) Kiusatekijä (nuisance factor): Kiusatekijä on taustatekijä, joka voi vaikuttaa

Lisätiedot

PlanMan Project 2015 projektihallintaohjelmisto loma-aikataulu

PlanMan Project 2015 projektihallintaohjelmisto loma-aikataulu PlanMan Project 2015 projektihallintaohjelmisto loma-aikataulu (PlanMan Project 2015 projektihallintaohjelmisto on PlanMan Oy:n kehittämä ja ylläpitämä tuote) 23.10.2015 Pekka Väätänen Loma-aikataulupohjan

Lisätiedot

3. Useamman selittäajäan regressiomalli. p-selittäaväaäa muuttujaa. Y i = + 1 X i1 +...+ p X ip + u i

3. Useamman selittäajäan regressiomalli. p-selittäaväaäa muuttujaa. Y i = + 1 X i1 +...+ p X ip + u i 3. Useamman selittäajäan regressiomalli p-selittäaväaäa muuttujaa Y i = + 1 X i1 +...+ p X ip + u i i = 1,...,n (> p), missäa n = havaintojen lukumäaäaräa otoksessa. Oletukset kuten aiemmin: (1) E(u i

Lisätiedot

http://www.microsoft.com/expression/

http://www.microsoft.com/expression/ Verkkojulkaisuharjoitus1 TAVOITE Harjoituksen tarkoituksena on opiskella käyttämään verkkojulkaisueditoria (Microsoft Expression Web) ja käynnistämään verkkosivu internetissä. VERKKOSIVUEDITORIN KÄYTTÖOHJEITA

Lisätiedot

Alustavia käyttökokemuksia SAS Studiosta. Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke)

Alustavia käyttökokemuksia SAS Studiosta. Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke) Alustavia käyttökokemuksia SAS Studiosta Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke) 19.9.2014 Lyhyesti SAS-koodareille suunnattu uusi käyttöliittymä

Lisätiedot

Microsoft Outlook 2003 Automaattinen arkistointi

Microsoft Outlook 2003 Automaattinen arkistointi Sivu 1/5 Microsoft Outlook 2003 Automaattinen arkistointi Kaikilla tietohallinnon Outlook Exhange palvelua käyttävillä on määritelty henkilökohtainen postilaatikko jossa on rajoitettu levytilan määrä.

Lisätiedot

RAPORTIT. 1. Yleistä. Sisällysluettelo:

RAPORTIT. 1. Yleistä. Sisällysluettelo: RAPORTIT Sisällysluettelo: 1. Yleistä 2. Rekisteristä löytyvät raporttipohjat Normaalit Valmiit Kiinteät raportit ja työkalut 3. Uuden raportin luominen 4. Osoitetarrat ja sähköpostin lähettäminen suoraan

Lisätiedot

6.1 Tekstialueiden valinta eli maalaaminen (tulee tehdä ennen jokaista muokkausta ym.)

6.1 Tekstialueiden valinta eli maalaaminen (tulee tehdä ennen jokaista muokkausta ym.) 6. Tekstin muokkaaminen 6.1 Tekstialueiden valinta eli maalaaminen (tulee tehdä ennen jokaista muokkausta ym.) Tekstin maalaaminen onnistuu vetämällä hiirellä haluamansa tekstialueen yli (eli osoita hiiren

Lisätiedot

Kuksa -jäsenrekisterin käyttöohje ryhmänjohtajille

Kuksa -jäsenrekisterin käyttöohje ryhmänjohtajille Kuksa -jäsenrekisterin käyttöohje ryhmänjohtajille Mistä löydän ryhmäni tiedot? 1) Valitse ylävalikosta Ryhmät. Hakukentän alla näet ryhmiesi tiedot. Klikkaamalla ryhmän nimeä pääset ryhmän tietoihin.

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

WCONDES OHJEET ITÄRASTEILLE (tehty Condes versiolle 8)

WCONDES OHJEET ITÄRASTEILLE (tehty Condes versiolle 8) WCONDES OHJEET ITÄRASTEILLE (tehty Condes versiolle 8) 1 UUDEN KILPAILUTIEDOSTON AVAUS Avaa Wcondes ohjelma tuplaklikkaamalla wcondes.lnk ikonia. Ohjelma avaa automaattisesti viimeksi tallennetun kilpailutiedoston.

Lisätiedot

2. DC-SWEEP, AC-SWEEP JA PSPICE A/D

2. DC-SWEEP, AC-SWEEP JA PSPICE A/D 11 2. DC-SWEEP, AC-SWEEP JA PSPICE A/D Oleellista sweep -sovelluksissa on se, että DC-sweep antaa PSpice A/D avulla graafisia esityksiä, joissa vaaka-akselina on virta tai jännite, AC-sweep antaa PSpice

Lisätiedot

Complex publication pattern

Complex publication pattern Complex publication pattern HYK, Teollisuuskatu 23 10.10.2006 Jussi Kärki/SAMK 2 1. Complex-mallin tekeminen hankinta-moduulissa Mallin tekeminen aloitetaan samasta paikasta kuin perinteisenkin mallin

Lisätiedot

Aki Taanila LINEAARINEN OPTIMOINTI

Aki Taanila LINEAARINEN OPTIMOINTI Aki Taanila LINEAARINEN OPTIMOINTI 26.4.2011 JOHDANTO Tässä monisteessa esitetään lineaarisen optimoinnin alkeet. Moniste sisältää tarvittavat Excel ohjeet. Viimeisin versio tästä monisteesta ja siihen

Lisätiedot

LABORAATIOSELOSTUSTEN OHJE H. Honkanen

LABORAATIOSELOSTUSTEN OHJE H. Honkanen LABORAATIOSELOSTUSTEN OHJE H. Honkanen Tämä ohje täydentää ja täsmentää osaltaan selostuskäytäntöä laboraatioiden osalta. Yleinen ohje työselostuksista löytyy intranetista, ohjeen on laatinut Eero Soininen

Lisätiedot

Excel Perusteet. 2005 Päivi Vartiainen 1

Excel Perusteet. 2005 Päivi Vartiainen 1 Excel Perusteet 2005 Päivi Vartiainen 1 SISÄLLYS 1 Excel peruskäyttö... 3 2 Fonttikoon vaihtaminen koko taulukkoon... 3 3 Sarakkeen ja rivin lisäys... 4 4 Solun sisällön ja kaavojen kopioiminen... 5 5

Lisätiedot

4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA. T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen

4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA. T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen 4 / 2013 TI-NSPIRE CAS TEKNOLOGIA LUKIOSSA T3-kouluttajat: Olli Karkkulainen ja Markku Parkkonen 1 2 TI-Nspire CX CAS kämmenlaite kevään 2013 pitkän matematiikan kokeessa Tehtävä 1. Käytetään komentoa

Lisätiedot

FYYSINEN SUUNNITTELU

FYYSINEN SUUNNITTELU IIO30120 DATABASE DESIGN / TIETOKANTOJEN SUUNNITTELU JA IIO30220 DATABASE MANAGEMENT / TIETOKANNAN HALLINTA FYYSINEN SUUNNITTELU KIRJAN HOVI, HUOTARI, LAHDENMÄKI: TIETOKANTOJEN SUUNNITTELU & INDEKSOINTI,

Lisätiedot

SQL-perusteet, SELECT-, INSERT-, CREATE-lauseet

SQL-perusteet, SELECT-, INSERT-, CREATE-lauseet SQL-perusteet, SELECT-, INSERT-, CREATE-lauseet A271117, Tietokannat Teemu Saarelainen teemu.saarelainen@kyamk.fi Lähteet: Leon Atkinson: core MySQL Ari Hovi: SQL-opas TTY:n tietokantojen perusteet-kurssin

Lisätiedot

INFO / Matemaattinen Analyysi, k2016, L0

INFO / Matemaattinen Analyysi, k2016, L0 INFO / Matemaattinen Analyysi, k2016, L0 orms1010, Aikataulu 1 kevät 2016 ORMS1010 Matemaattinen analyysi, luennot Ke 14-16 Viikot 09-10 salissa F119 Ke 14-16 Viikot 11 salissa F140 Ke 14-16 Viikot 13-18

Lisätiedot

Proteiinituoton optimointi kuoppalevyllä

Proteiinituoton optimointi kuoppalevyllä Proteiinituoton optimointi kuoppalevyllä Johdanto Ennen ison mittakaavan proteiinituottoja kasvatusolosuhteita kannattaa optimoida. Perinteisesti näitä on tehty käsityönä, mutta solukasvatusten seuranta

Lisätiedot

Muuttujien määrittely

Muuttujien määrittely Tarja Heikkilä Muuttujien määrittely Määrittele muuttujat SPSS-ohjelmaan lomakkeen kysymyksistä. Harjoitusta varten lomakkeeseen on muokattu kysymyksiä kahdesta opiskelijoiden tekemästä Joupiskan rinneravintolaa

Lisätiedot

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY

Lyhyt yhteenvetokertaus nodaalimallista SÄTEILYTURVAKESKUS STRÅLSÄKERHETSCENTRALEN RADIATION AND NUCLEAR SAFETY AUTHORITY Lyhyt yhteenvetokertaus nodaalimallista SÄTELYTUVAKESKUS STÅLSÄKEHETSCENTALEN ADATON AND NUCLEA SAFETY AUTHOTY Ei enää tarkastella neutronien kulkua, vaan työn alla on simppeli tuntemattoman differentiaaliyhtälöryhmä

Lisätiedot

Analyysi on helpointa aloittaa painamalla EDIT-painiketta. (Tuotu tiedosto täytyy olla aktiivinen eli valittuna).

Analyysi on helpointa aloittaa painamalla EDIT-painiketta. (Tuotu tiedosto täytyy olla aktiivinen eli valittuna). 1 PRAAT OHJE Yleistä Praat on puheentutkimukseen tarkoitettu ilmainen ohjelma (GNU ohjelma, open source). Se sisältää useita eri analyysimahdollisuuksia, mahdollisuuden määrittää hyvin tarkasti kuvien

Lisätiedot

Tallinohjaus & TIMERGPS

Tallinohjaus & TIMERGPS TIMERGO Tallinohjaus & TIMERGPS Data-analysointi 1. Etusivu 2. Talliohjelma 2.1 Valmennusohjelmat 2.2 Hoito-ohjelmat 3. TimerGPS Analysointi TimerGo Osiot TimerGo Osiot 1. Etusivu Etusivu toimii TimerGo:n

Lisätiedot

SPSS OPAS. Metropolia Liiketalous

SPSS OPAS. Metropolia Liiketalous 1 Metropolia Liiketalous SPSS OPAS Aihe sivu 1. Ohjelman periaate 2 2. Aineistoikkuna 3 3. Frekvenssit 4 4. Muuttujien arvojen luokittelu 5 5. Tunnusluvut 6 6. Ristiintaulukointi 7 7. Hajontakaavio 8 8.Korrelaatio

Lisätiedot

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa.

MAY1 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 12.4.2016 Julkaiseminen sallittu vain koulun suljetussa verkossa. KERTAUS Lukujono KERTAUSTEHTÄVIÄ K1. Ratkaisussa annetaan esimerkit mahdollisista säännöistä. a) Jatketaan lukujonoa: 2, 4, 6, 8, 10, 12, 14, 16, Rekursiivinen sääntö on, että lukujonon ensimmäinen jäsen

Lisätiedot

Tilastolliset toiminnot

Tilastolliset toiminnot -59- Tilastolliset toiminnot 6.1 Aineiston esittäminen graafisesti Tilastollisen aineiston tallentamisvälineiksi TI-84 Plus tarjoaa erityiset listamuuttujat L1,, L6, jotka löytyvät 2nd -toimintoina vastaavilta

Lisätiedot

Lohkokaavio-muotoisen aikataulun laatiminen PlaNet -ohjelmassa

Lohkokaavio-muotoisen aikataulun laatiminen PlaNet -ohjelmassa Lohkokaavio-muotoisen aikataulun laatiminen PlaNet -ohjelmassa 20.1.2014 ASApro Projektipalvelu Asko Saarenpää Sisältö 0. Lohkokaavio-pohjan (Pert-kaavio) esille ottaminen... 2 1. Tehtävien lisääminen

Lisätiedot

Tilastokeskuksen rajapintapalveluiden käyttöönotto QGISohjelmistossa

Tilastokeskuksen rajapintapalveluiden käyttöönotto QGISohjelmistossa 1(13) Tilastokeskuksen rajapintapalveluiden käyttöönotto QGISohjelmistossa (QuantumGIS) Ohjeita laatiessa on käytetty QuantumGIS:n versiota 2.0.1. Ruudunkaappauskuvat ovat englanninkielisestä versiosta,

Lisätiedot

18 LIITTYMÄT MUIHIN JÄRJESTELMIIN

18 LIITTYMÄT MUIHIN JÄRJESTELMIIN 18 MUIHIN JÄRJESTELMIIN Prospekti DAFOon rakennettu liittymiä muiden ohjelmiston toimittajien järjestelmiin. Tässä yhteydessä ei tarkoiteta siirtotiedoston muodostamista, kuten reskontraan siirto tai lappujen

Lisätiedot

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus

Lisätiedot

RISTIINTAULUKOINTI JA Χ 2 -TESTI

RISTIINTAULUKOINTI JA Χ 2 -TESTI RISTIINTAULUKOINTI JA Χ 2 -TESTI Kvantitatiiviset tutkimusmenetelmät maantieteessä Ti 27.10.2015, To 2.11.2015 Miisa Pietilä & Laura Hokkanen miisa.pietila@oulu.fi laura.hokkanen@outlook.com KURSSIKERRAN

Lisätiedot

TIETOKONE JA TIETOVERKOT TYÖVÄLINEENÄ

TIETOKONE JA TIETOVERKOT TYÖVÄLINEENÄ 1 Kuva 1 Sakari Järvenpää sakari.o.a.jarvenpaa@student.jyu.fi TIETOKONE JA TIETOVERKOT TYÖVÄLINEENÄ 28.3.16 2 Sisällys 1 Kaaviot... 3 1.1 Kaavion osat... 3 1.2 Kaavion tekeminen... 4 1.3 Kaavion muokkaaminen...

Lisätiedot

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi Mat-2.2104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden ja homogeenisuden testaaminen Bowmanin ja Shentonin testi, Hypoteesi, 2 -homogeenisuustesti, 2 -yhteensopivuustesti,

Lisätiedot

Ensimmäisen asteen polynomifunktio

Ensimmäisen asteen polynomifunktio Ensimmäisen asteen polnomifunktio Yhtälön f = a+ b, a 0 määrittelemää funktiota sanotaan ensimmäisen asteen polnomifunktioksi. Esimerkki. Ensimmäisen asteen polnomifuktioita ovat esimerkiksi f = 3 7, v()

Lisätiedot

Toimittaja 1 2 3 Erä 1 2 3 4 1 2 3 4 1 2 3 4 1 2 2 1 1 0 1 0 2 2 1 3 1 3 0 4 2 4 0 3 4 0 1 2 0 4 1 0 3 2 2 2 0 2 2 1

Toimittaja 1 2 3 Erä 1 2 3 4 1 2 3 4 1 2 3 4 1 2 2 1 1 0 1 0 2 2 1 3 1 3 0 4 2 4 0 3 4 0 1 2 0 4 1 0 3 2 2 2 0 2 2 1 Mat-.03 Koesuunnittelu ja tilastolliset mallit / Ratkaisut Aiheet: Avainsanat: Hierarkkiset koeasetelmat -faktorikokeet Vastepintamenetelmä Aritmeettinen keskiarvo, Estimaatti, Estimaattori, -testi, aktorikokeet,

Lisätiedot

Puhelin: 0600 90099 (1,98 EUR/min+pvm/mpm)

Puhelin: 0600 90099 (1,98 EUR/min+pvm/mpm) Visma Navita on pilvipalveluna toimiva raportoinnin, budjetoinnin ja ennustamisen järjestelmä. Vakioraporttien, kuten tulos- ja taselaskelmien, lisäksi Navitaan voidaan luoda myös asiakaskohtaisia raportteja

Lisätiedot

Yhdistäminen. Tietolähteen luominen. Word-taulukko. Joukkokirje, osoitetarrat Työvälineohjelmistot 1(5)

Yhdistäminen. Tietolähteen luominen. Word-taulukko. Joukkokirje, osoitetarrat Työvälineohjelmistot 1(5) Työvälineohjelmistot 1(5) Yhdistäminen Yhdistämistoiminnolla voidaan tehdä esimerkiksi joukkokirjeitä, osoitetarroja, kirjekuoria, jne. Siinä yhdistetään kaksi tiedostoa: Pääasiakirja Tietolähde Pääasiakirjassa

Lisätiedot

DXL Library ja DXL-kielen olemus. Pekka Mäkinen Pekka.Makinen@softqa.fi SoftQA Oy http/www.softqa.fi/

DXL Library ja DXL-kielen olemus. Pekka Mäkinen Pekka.Makinen@softqa.fi SoftQA Oy http/www.softqa.fi/ DXL Library ja DXL-kielen olemus Pekka Mäkinen Pekka.Makinen@softqa.fi SoftQA Oy http/www.softqa.fi/ DOORS extension Language DXL on DOORSin laajennuskieli, jolla voidaan kehittää lisätoiminnallisuutta.

Lisätiedot

Written by Administrator Monday, 05 September 2011 15:14 - Last Updated Thursday, 23 February 2012 13:36

Written by Administrator Monday, 05 September 2011 15:14 - Last Updated Thursday, 23 February 2012 13:36 !!!!! Relaatiotietokannat ovat vallanneet markkinat tietokantojen osalta. Flat file on jäänyt siinä kehityksessä jalkoihin. Mutta sillä on kuitenkin tiettyjä etuja, joten ei se ole täysin kuollut. Flat

Lisätiedot

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3 OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset

Lisätiedot

Pikaohje formaatin valmistamiseen

Pikaohje formaatin valmistamiseen Pikaohje formaatin valmistamiseen Esko Otava Oy ver.1.0 Pääikkunasta (tulostusikkunasta) valitaan Cards-Show cards manager Paina Add 2 Paina New Kortinsuunnitteluikkuna on jaettu kolmeen osaan: Vasemmalla

Lisätiedot

Kuva 7.2 vastaustaulu harjoitukseen 7.2

Kuva 7.2 vastaustaulu harjoitukseen 7.2 Harjoitus 7. Lataa tiedosto http://users.metropolia.fi/~pasitr/opas/ran13b/data/ran13b.zip levylle Z: ja pura se. Kun olet tehnyt kaikki seuraavat 17 tehtävää palauta Tuubiin harjoituksen 7 vastauksena

Lisätiedot

VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Lauri Karppi j82095. SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI.

VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Lauri Karppi j82095. SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI. VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Oskari Uitto i78966 Lauri Karppi j82095 SATE.2010 Dynaaminen kenttäteoria DIPOLIRYHMÄANTENNI Sivumäärä: 14 Jätetty tarkastettavaksi: 25.02.2008 Työn

Lisätiedot

Käyttöohje. Energent MagiCAD plugin

Käyttöohje. Energent MagiCAD plugin Käyttöohje Energent MagiCAD plugin Sisältö 1. Yleistä 1 Dokumentin sisältö... 1 Ohjelman asennus... 1 Vaadittavat ohjelmistot... 1 Asennus... 1 Ohjelman käynnistys... 2 2. Toiminnallisuudet 3 Insert Energent

Lisätiedot

VIIKON VINKKI: Kannattaa tutustua ensin koko tehtävänantoon ja tehdä tehtävä vasta sitten.

VIIKON VINKKI: Kannattaa tutustua ensin koko tehtävänantoon ja tehdä tehtävä vasta sitten. Tilastollinen tietojenkäsittely / SPSS Harjoitus 1 VIIKON VINKKI: Kannattaa tutustua ensin koko tehtävänantoon ja tehdä tehtävä vasta sitten. 1. Avaa SPSS-ohjelma. Tarkoitus olisi muodostaa tämän sivun

Lisätiedot

Monivalintamuuttujien käsittely

Monivalintamuuttujien käsittely Tarja Heikkilä Monivalintamuuttujien käsittely Datatiedosto: Yhdistä.sav Yhdistetään SPSS-ohjelmalla samaan kysymykseen kuuluvat muuttujat. Esimerkkiin liittyvä kysymys ja muita vastaavia kysymyksiä on

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 7.2.2011 T-106.1208 Ohjelmoinnin perusteet Y 7.2.2011 1 / 39 Kännykkäpalautetteen antajia kaivataan edelleen! Ilmoittaudu mukaan lähettämällä ilmainen tekstiviesti

Lisätiedot

Pysäytettyjen töiden tulostus ja poisto Kun tulostuksessa ilmenee asetteluvirheitä Verify print -työt Reserve print -työt

Pysäytettyjen töiden tulostus ja poisto Kun tulostuksessa ilmenee asetteluvirheitä Verify print -työt Reserve print -työt Kun työ lähetetään tulostimeen, tulostinajurissa voidaan määrittää, että työ säilytetään muistissa. Kun tämä pidätetty työ halutaan tulostaa, se määritetään tulostettavaksi tulostimen käyttöpaneelin valikoissa.

Lisätiedot

2. Yhden selittäajäan lineaarinen regressiomalli. 2.1 Malli ja parametrien estimointi. Malli:

2. Yhden selittäajäan lineaarinen regressiomalli. 2.1 Malli ja parametrien estimointi. Malli: 2. Yhden selittäajäan lineaarinen regressiomalli Regressio-termi peräaisin Galtonilta. IsÄan ja pojan pituus: PitkÄa isäa lyhyempi poika, lyhyt isäa pidempi poika. Son height (cm) 21 2 19 18 17 16 15 15

Lisätiedot

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...

Lisätiedot

IsoCAM ohjelmisto ja BUNGARD -piirilevyjyrsin

IsoCAM ohjelmisto ja BUNGARD -piirilevyjyrsin H. Honkanen / M.Karppinen IsoCAM ohjelmisto ja BUNGARD -piirilevyjyrsin IsoCAM -> Avaa IsoCAM -> File -> Load Files (F3) [ Siirretään PADS :sta saadut tiedostot ] Huom! Tiedostoista siirretään vain : art

Lisätiedot

OpeOodi Opiskelijalistojen tulostaminen, opiskelijoiden hallinta ja sähköpostin lähettäminen

OpeOodi Opiskelijalistojen tulostaminen, opiskelijoiden hallinta ja sähköpostin lähettäminen Helsingin yliopisto WebOodi 1 OpeOodi Opiskelijalistojen tulostaminen, opiskelijoiden hallinta ja sähköpostin lähettäminen Opetustapahtuman opiskelijalistan tulostaminen Ilmoittautuneista opiskelijoista

Lisätiedot

Harjoitustyö: virtuaalikone

Harjoitustyö: virtuaalikone Harjoitustyö: virtuaalikone Toteuta alla kuvattu virtuaalikone yksinkertaiselle olio-orientoituneelle skriptauskielelle. Paketissa on testaamista varten mukana kaksi lyhyttä ohjelmaa. Ohjeita Noudata ohjelman

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 9.2.2009 T-106.1208 Ohjelmoinnin perusteet Y 9.2.2009 1 / 35 Listat Esimerkki: halutaan kirjoittaa ohjelma, joka lukee käyttäjältä 30 lämpötilaa. Kun lämpötilat

Lisätiedot

plot(f(x), x=-5..5, y=-10..10)

plot(f(x), x=-5..5, y=-10..10) [] Jokaisen suoritettavan rivin loppuun ; [] Desimaalierotin Maplessa on piste. [] Kommentteja koodin sekaan voi laittaa # -merkin avulla. Esim. #kommentti tähän [] Edelliseen tulokseen voi viitata merkillä

Lisätiedot

Oppilaan pikaopas. Project 2013 käyttöliittymä ja näkymät

Oppilaan pikaopas. Project 2013 käyttöliittymä ja näkymät 1 Oppilaan pikaopas Project 2013 käyttöliittymä ja näkymät Kun avaat Project 2013 -ohjelman, näet ensimmäisenä pelkistetyn näkymän. Uusi Project 2013 voi auttaa projektinhallinnassa kuten esim. projektitietojen

Lisätiedot

Visma L7 Lomapalkat. Asiakaspäivät

Visma L7 Lomapalkat. Asiakaspäivät Visma L7 Lomapalkat Asiakaspäivät Oppaan päiväys: 30.4.2012. Asiakaspalvelu: Helpdesk: www.visma.fi L7/Liinos6: 0207 560 506 Visma Software Oyj pidättää itsellään oikeuden mahdollisiin parannuksiin ja/tai

Lisätiedot

LUSAS tiedosto-opas. Matti Lähteenmäki 2010 http://home.tamk.fi/~mlahteen/

LUSAS tiedosto-opas. Matti Lähteenmäki 2010 http://home.tamk.fi/~mlahteen/ LUSAS tiedosto-opas 2010 http://home.tamk.fi/~mlahteen/ LUSAS tiedosto-opas 2 1. Johdanto LUSASia käytettäessä esiintyy useita erityyppisiä tiedostoja, joista osan käyttäjä luo ja nimeää itse ja osa syntyy

Lisätiedot

Joonas Ruotsalainen GIT PIKAOPAS. Tutkielma 2011

Joonas Ruotsalainen GIT PIKAOPAS. Tutkielma 2011 1 Joonas Ruotsalainen GIT PIKAOPAS Tutkielma 2011 2 SISÄLTÖ 1. JOHDANTO... 3 2. ASENTAMINEN... 4 3. KÄYTTÖ... 4 3.1 Perusasetukset... 4 3.2 Git:n ottaminen käyttöön projektissa... 5 3.3 Tiedostojen lisääminen

Lisätiedot

Microstation 3D laitesuunnittelu 2014

Microstation 3D laitesuunnittelu 2014 Microstation 3D laitesuunnittelu 2014 Uusi tiedosto Element Templates Graphic Groups Piirustus, Project Explorer Piirustuksen kuvannot Piirustusarkki 5/16/2014 1 Uusi tiedosto Siementiedostona voi käyttää

Lisätiedot

SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä. Antti Suoperä 16.11.2009

SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä. Antti Suoperä 16.11.2009 SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä Antti Suoperä 16.11.2009 SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä: Matriisi ja vektori laskennan ohjelmisto edellyttää

Lisätiedot