Päätöksentekomenetelmät
|
|
- Anna-Leena Keskinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 L u e n t o Päätösongelmia löytyy joka paikasta Hanna Virta / Liikkeenjohdon systeemit Päätöksentekomenetelmät Luennon sisältö Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut Päästökauppa: vähennetäänkö päästöjä itse vai ostetaanko päästöoikeuksia? TUTA 16-alfa-4 päästöoikeuksien hinta? tulevat päästörajoitukset? Opiskelijan ongelmia: kannattaako kouluttautuminen? keskitynkö opiskeluun vai hankinko samalla työkokemusta? työnsaanti tulevaisuudessa? Päätösongelmia löytyy joka paikasta Tuotantoratkaisut: millaisia tuotteita ja kuinka paljon valmistetaan? kysyntä? Sijoitusstrategiat: mikä sijoitusvaihtoehto on paras? sijoituksen arvo tulevaisuudessa? Päätöksentekotilanteen rakenne Päätöksentekijä Erilaisia toimintavaihtoehtoja eli strategioita Päätöksentekijän epäröinti Ongelman ympäristö, asiantila vaikuttaa toimintavaihtoehtojen tuottamiin tuloksiin ei ole päätöksentekijän kontrolloitavissa TUTA 16-alfa-3 TUTA 16-alfa-5
2 Päätöksenteko-ongelman ratkaiseminen Valinta ja asiantila vaikuttavat tuottoihin Valitaan paras toimintavaihtoehto Tavoitteena yleensä nettotuoton maksimointi tai kustannusten minimointi jatkossa oletetaan, että tavoitteena on nettotuoton maksimointi (asiat ovat sovellettavissa myös kustannusten minimointiin) (x 1 ) (x 2 ) (x 3 ) p(x 1 ) p(x 2 ) p(x 3 ) = 1850 TUTA 16-alfa-6 TUTA 16-alfa-9 Sijoitusesimerkin perustiedot Kolmenlaisia päätöksentekotilanteita Päätöksenteko varmuuden vallitessa Sijoituksen arvo sijoitusjakson lopussa (x 1 ) (x 2 ) (x 3 ) p(x 1 ) p(x 2 ) p(x 3 ) Päätöksenteko riskin vallitessa Päätöksenteko epävarmuuden vallitessa TUTA 16-alfa-8 TUTA 16-alfa-10
3 TUTA 16-alfa-11 Päätöksenteko varmuuden vallitessa Voi sattua vain yksi asiantilał ei epävarmuutta valitaan se toimintavaihtoehto, joka tuottaa parhaan tuloksen Jos tiedetään, että tulossa on korkeasuhdanne Päätösongelma: max(1850; 1300) = 1850 Ł sijoitetaan teollisuusosakkeisiin Päätöksenteko riskin vallitessa: odotusarvo TUTA 16-alfa-13 Mikä on toimintavaihtoehdon keskimääräinen nettotuotto tai kustannus pitkällä aikavälillä? Esim. teollisuusosakkeiden tuotto-odotus: 1850 x 0, x 0,3 + (-650) x 0,4 = 550 tuotto jos korkeasuhdanne tuotto jos tasainen p(korkeasuhdanne) p(tasainen ) tuotto jos lama p(lama) Päätöksenteko riskin vallitessa Vähintään kaksi mahdollista asiantilaa sijoitusesimerkissä kolme mahdollista asiantilaa - korkeasuhdanne - tasainen - lama Asiantilojen todennäköisyydet tunnetaan korkeasuhdanteen todennäköisyys 0,3 tasaisen n todennäköisyys 0,3 laman todennäköisyys 0,4 Päätöksenteossa voidaan käyttää odotusarvokriteeriä paras vaihtoehto: suurin nettotuoton odotusarvo Päätöksenteko riskin vallitessa Päätösongelma: max(550; 570) = 570 Ł sijoitetaan osakerahastoon 0,3 0,3 0,4 Tuoton odotusarvo TUTA 16-alfa-12 TUTA 16-alfa-14
4 Täydellisen informaation arvo Kuinka paljon päätöksentekijän kannattaa maksaa tiedosta, joka kertoo varmuudella, mikä asiantila toteutuu? Sovellusalue: päätöksenteko riskin vallitessa 1. Lasketaan tuoton odotusarvo annetuilla todennäköisyyksillä: EV imperfect 2. Lasketaan tuoton odotusarvo, kun tiedetään, mikä asiantila tapahtuu: EV perfect 3. Täydellisen informaation arvo: EV perfect - EV imperfect Päätöksenteko epävarmuuden vallitessa Vähintään kaksi mahdollista asiantilaa sijoitusesimerkissä kolme mahdollista asiantilaa - korkeasuhdanne - tasainen - lama Vähintään kahden asiantilan todennäköisyyksiä ei tunneta korkeasuhdanteen todennäköisyys? tasaisen n todennäköisyys? laman todennäköisyys? Päätöksenteossa käytettävä kuitenkin jotain kriteeriä TUTA 16-alfa-15 TUTA 16-alfa-17 Täydellisen informaation arvo: esimerkki TUTA 16-alfa-16 EV imperfect = max(550; 570) = 570 EV perfect = 1850 x 0, x 0,3 + 0 x 0,4 = 810 Täydellisen informaation arvo: EV perfect - EV imperfect = = 240 0,3 0,3 0,4 Odotusarvo TUTA 16-alfa-18 Päätöksenteon kriteereitä Pessimistin kriteeri eli maximin-kriteeri Optimistin kriteeri eli maximax-kriteeri Laplacen kriteeri Harmin minimointi -kriteeri (minimax)
5 Pessimistin kriteeri eli maximin Pessimistin oletus: luonto on aina pahansuopa asiantiloista toteutuu aina tehdyn päätöksen kannalta huonoin vaihtoehto Valitaan toimintavaihtoehto, jonka huonoin mahdollinen tulos on mahdollisimman hyvä (maximin) Hyvä kriteeri, jos ei ole varaa olla väärässä Pessimistin kriteeri eli maximin: kritiikkiä Pessimistin lähtöoletus epärealistinen lähtöoletus: asiantiloista toteutuu aina tehdyn päätöksen kannalta huonoin vaihtoehto Saatavissa olevasta informaatiosta käytetään vain pieni osa (vrt. payoff-taulukko) Valituksi tulleen vaihtoehdon järkevyys joissakin tapauksissa kyseenalainen Vaihtoehdot Minimituotto N 1 N 2 N 3 S S S TUTA 16-alfa-19 TUTA 16-alfa-21 Pessimistin kriteeri eli maximin: esimerkki TUTA 16-alfa-20 Päätösongelma: max(min(1850; 850; -650); min(1300; 600; 0)) = max(-650 ; 0) = 0 Ł sijoitetaan osakerahastoon Minimituotto??? TUTA 16-alfa-22 Optimistin kriteeri eli maximax Optimistin oletus: asiat kääntyvät aina parhain päin asiantiloista toteutuu aina tehdyn päätöksen kannalta paras vaihtoehto Valitaan toimintavaihtoehto, jonka paras mahdollinen tulos on mahdollisimman hyvä (maximax) Hyvä kriteeri, jos tavoitellaan mahdollisimman suurta voittoa eikä ole katastrofi, jos voittoa ei tule
6 Optimistin kriteeri eli maximax: esimerkki TUTA 16-alfa-23 Päätösongelma: max(max(1850; 850; -650); max(1300; 600; 0)) = max(1850 ; 1300) = 1850 Ł sijoitetaan teollisuusosakkeisiin Maksimituotto??? TUTA 16-alfa-25 Laplacen kriteeri Realistinen lähtöoletus koska asiantilojen sattumistodennäköisyyksiä ei tunneta, oletetaan, että kaikki asiantilat voivat sattua yhtä suurella todennäköisyydellä: p(x i ) = 1/N (N = asiantilojen lukumäärä). Valitaan toimintavaihtoehto, jonka odotusarvo on paras Optimistin kriteeri eli maximax: kritiikkiä Optimistin lähtöoletus epärealistinen Lähtöoletus: asiantiloista toteutuu aina tehdyn päätöksen kannalta paras vaihtoehto. Saatavissa olevasta informaatiosta käytetään vain pieni osa (vrt. payoff-taulukko). Valituksi tulleen vaihtoehdon järkevyys joissakin tapauksissa kyseenalainen Vaihtoehdot Maksimituotto N 1 N 2 N 3 S S S Laplacen kriteeri: esimerkki Päätösongelma: max(683,33; 633,33) = 683,33 Ł sijoitetaan teollisuusosakkeisiin 1/3 1/3 1/3 Tuoton odotusarvo , ,33 TUTA 16-alfa-24 TUTA 16-alfa-26
7 Harmin minimointi -kriteeri (minimax) Vasta jälkeenpäin tiedetään, mikä olisi ollut paras toimintavaihtoehto Päätöksentekijää harmittaa, jos hän valitsi jonkin muun kuin parhaan vaihtoehdon Oletus: harmin määrä on suoraan verrannollinen parhaan ja valitun vaihtoehdon tuottojen erotukseen Harmin minimointi -kriteeri (minimax): esim. Päätösongelma: min(max(0; 0; 650); max(550; 250; 0)) = min(650; 550) = 550 Ł sijoitetaan osakerahastoon Maksimiharmi TUTA 16-alfa-27 TUTA 16-alfa-29 Harmin minimointi -kriteeri (minimax): esim Paras kriteeri? Eri kriteereillä tehdyt valinnat voivat päätyä eri ratkaisuihin Parasta kriteeriä ei ole olemassa kriteerin valinta riippuu päätöstilanteesta ja päätöksentekijästä Harmitaulukko (harmimatriisi) = TUTA 16-alfa-28 TUTA 16-alfa-30
8 Yleistä päätöspuista Graafinen apuväline Sovellusalue: päätöksenteko riskin vallitessa Analysointi perustuu useimmiten tuoton tai kustannusten odotusarvoon. Päätöspuiden käyttö on erityisen hyödyllistä, jos on analysoitava useita peräkkäisiä, toisiinsa liittyviä päätöksiä Esimerkki: Päätöspuun piirtäminen 1/5 1. Hahmota päätöstilanne 0,3 0,3 0, TUTA 16-alfa-32 TUTA 16-alfa-34 Päätöspuun elementit Päätöspuun piirtäminen 2/5 2. Merkitse päätös- ja sattumatilanteet aikajärjestyksessä vasemmalta oikealle päätössolmut 1. Sijoituspäätös lopetussolmut haarat sattumasolmut 2. Sattuma: taloussuhdanne TUTA 16-alfa-35
9 Päätöspuun piirtäminen 3/5 3. Merkitse sattumasolmujen haarojen todennäköisyydet esim. haarojen yläpuolelle Päätöspuun piirtäminen 5/5 5. Laske jokaisen lopetussolmun kokonaistuotto/kustannus laske yhteen lopetussolmuun johtavien haarojen tuotot ja kustannukset Esim = 0 TUTA 16-alfa-36 TUTA 16-alfa-38 Päätöspuun piirtäminen 4/5 4. Merkitse haaroihin liittyvät kustannukset ja tuotot esim. haarojen alapuolelle Päätöspuun ratkaiseminen 1/4 1. Laske solmujen odotusarvot lopusta alkuun lopetussolmut: solmun odotusarvo = haaran tuotto/kustannus TUTA 16-alfa-37 TUTA 16-alfa-39
10 Päätöspuun ratkaiseminen 2/4 sattumasolmut: solmun odotusarvo lasketaan odotusarvon kaavalla. esimerkki: 1850 x 0, x 0,3 + (-650) x 0,4 = 550 Päätöspuun ratkaiseminen 4/4 2. Analysoi optimaalinen toimintastrategia esimerkki: sijoitetaan osakerahastoon, tuotto-odotus 570 TUTA 16-alfa-40 TUTA 16-alfa-42 Päätöspuun ratkaiseminen 3/4 päätössolmut: solmun odotusarvo = parhaan haaran odotusarvo esimerkki: maksimoidaan nettotuottoja: max(550, 570) = 570 TUTA 16-alfa-41 TUTA 16-alfa-43
Päätöksentekomenetelmät
L u e n t o Hanna Virta / Liikkeenjohdon systeemit Päätöksentekomenetelmät Luennon sisältö Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut Päätösongelmia löytyy joka paikasta Päästökauppa:
LisätiedotPäätöksentekomenetelmät
L u e n t o Päätöksentekomenetelmät Luennon sisältö Hanna Virta / Liikkeenjohdon systeemit Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut Johdanto päätöksentekoon Päätösongelmia löytyy
LisätiedotDynaaminen optimointi
Dynaaminen optimointi Tapa ratkaista optimointitehtävä Tehtävä ratkaistaan vaiheittain ja vaiheet yhdistetään rekursiivisesti Perustuu optimaalisuusperiaatteeseen: Optimaalisen ratkaisupolun loppuosa on
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008
ORMS00 Päätöksenteko epävarmuuden vallitessa Syksy 008 Harjoitus 3 Ratkaisuehdotuksia 1. Penan Grilli ja Jaskan Grilli ovat kilpailijoita. Molempien täytyy päättää samanaikaisesti ja toisistaan tietämättä
LisätiedotTILASTOLLINEN LAADUNVALVONTA
1 Aki Taanila TILASTOLLINEN LAADUNVALVONTA 31.10.2008 2 TILASTOLLINEN LAADUNVALVONTA Tasalaatuisuus on hyvä tavoite, jota ei yleensä voida täydellisesti saavuttaa: asiakaspalvelun laatu vaihtelee, vaikka
LisätiedotTaloustieteen perusteet 31A00110 2016 Mallivastaukset 3, viikko 4
Taloustieteen perusteet 31A00110 2016 Mallivastaukset 3, viikko 4 1. Tarkastellaan pulloja valmistavaa yritystä, jonka päiväkohtainen tuotantofunktio on esitetty alla olevassa taulukossa. L on työntekijöiden
LisätiedotARVIOINTIPERIAATTEET
PSYKOLOGIAN YHTEISVALINNAN VALINTAKOE 2012 ARVIOINTIPERIAATTEET Copyright Helsingin yliopisto, käyttäytymistieteiden laitos, Materiaalin luvaton kopiointi kielletty. TEHTÄVÄ 1. (max. 34.5 pistettä) 1 a.i)
LisätiedotLuento 6. June 1, 2015. Luento 6
June 1, 2015 Normaalimuodon pelissä on luontevaa ajatella, että pelaajat tekevät valintansa samanaikaisesti. Ekstensiivisen muodon peleissä pelin jonottaisella rakenteella on keskeinen merkitys. Aluksi
LisätiedotPuheenjohtajana taloyhtiössä rooli ja vastuut
Puheenjohtajana taloyhtiössä rooli ja vastuut Taloyhtiö 2016 -tapahtuma 6.4.2016 Simo Vihemäki lakimies, OTM, luvan saanut oikeudenkäyntiavustaja Kiinteistöliitto Uusimaa 2 Hallituksen puheenjohtaja (AOYL
LisätiedotPreference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi
Preference Programming viitekehys: epätäydellisen preferenssi-informaation elisitointi ja mallintaminen, dominanssi Mat-2.4142 Optimointiopin seminaari 9.2.2011 Lähteet: Salo, A. & Hämäläinen, R. P., 2010.
LisätiedotAluksi. 2.1. Kahden muuttujan lineaarinen epäyhtälö
Aluksi Matemaattisena käsitteenä lineaarinen optimointi sisältää juuri sen saman asian kuin mikä sen nimestä tulee mieleen. Lineaarisen optimoinnin avulla haetaan ihannearvoa eli optimia, joka on määritelty
Lisätiedot1. TILASTOLLINEN HAHMONTUNNISTUS
1. TILASTOLLINEN HAHMONTUNNISTUS Tilastollisissa hahmontunnistusmenetelmissä piirteitä tarkastellaan tilastollisina muuttujina Luokittelussa käytetään hyväksi seuraavia tietoja: luokkien a priori tn:iä,
LisätiedotMat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat
Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma,
LisätiedotNuorten tieto- ja neuvontatyön sekä verkkonuorisotyön avustukset. Emma Kuusi 19.5.2016
Nuorten tieto- ja neuvontatyön sekä verkkonuorisotyön avustukset Emma Kuusi 19.5.2016 Perusta Nuorisolaki Valtionavustuslaki Valtion talousarviossa kuvatut toimialan vaikuttavuus- ja tuloksellisuustavoitteet
LisätiedotRatkaisuehdotukset Kesäyliopisto 2014. 1. Kuvassa on esitetty erään ravintolan lounasbuffetin kysyntäfunktio.
Harjoitukset 2 Taloustieteen perusteet Ratkaisuehdotukset Kesäyliopisto 2014 1. Kuvassa on esitetty erään ravintolan lounasbuffetin kysyntäfunktio. a) Mikä on kysynnän hintajousto 12 :n ja 6 :n välillä?
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008
ORMS22 Päätöksenteko epävarmuuden vallitessa Syksy 28 Harjoitus 7 Ratkaisuehdotuksia. Liukuhihnafirma Oy tuottaa jipposensoreita liukuhihnalla. Liukuhihnalla on kuitenkin ylikapasiteettia. Siten Liukuhihnafirma
LisätiedotEräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus
Eräs tyypillinen virhe monitavoitteisessa portfoliopäätösanalyysissa + esimerkkitapaus Mat-2.4142 Optimointiopin seminaari 2.3.2011 Lähteet: Clemen, R. T., & Smith, J. E. (2009). On the Choice of Baselines
LisätiedotINTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti
12.11.1999 INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E Mat-2.142 Optimointiopin seminaari Referaatti Syksy 1999 1. JOHDANTO Thomas M. Stratin artikkeli Decision Analysis Using Belief Functions käsittelee
LisätiedotDiskreettiaikainen dynaaminen optimointi
Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u
Lisätiedot4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5)
4 Kysyntä, tarjonta ja markkinatasapaino (Mankiw & Taylor, 2 nd ed., chs 4-5) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3 Ratkaisuehdotuksia 1. (a) Päätöspuu on matala, jos mitään sattumasolmua ei välittömästi seuraa sattumasolmu eikä mitään päätössolmua
LisätiedotMarjan makuisia koruja rautalangasta ja helmistä -Portfolio
Marjan makuisia koruja rautalangasta ja helmistä -Portfolio Saara Lohi 2007 Suunnittelu ja tavoitteet Suunnittelun lähtökohtana oli kuva pihlajanmarjoista pajumatolla. Tavoitteena on suunnitella ja toteuttaa
LisätiedotItsehallintoalueen valmistelutilaisuus 19.4.2016. Jarkko Wuorinen Maakuntahallituksen puheenjohtaja
Itsehallintoalueen valmistelutilaisuus 19.4.2016 Jarkko Wuorinen Maakuntahallituksen puheenjohtaja Työllisyys- ja työttömyysaste (15-64-v.) Etelä-Savon maakunnassa 1998-2015, % Lähde: Tilastokeskus, Työvoimatutkimus
LisätiedotIISALMEN KAUPUNKI VIRRANPUISTO LIIKENNEMELUSELVITYS
Vastaanottaja Iisalmen kaupunki Tekninen keskus/kaupunkisuunnittelu Jukka Virtanen PL 10 74101 Iisalmi Asiakirjatyyppi Raportti Päivämäärä 20.5.2015 Viite 1510017219_B IISALMEN KAUPUNKI VIRRANPUISTO LIIKENNEMELUSELVITYS
LisätiedotTYÖSSÄOPPIMINEN JA AMMATTIOSAAMISEN NÄYTTÖ. Tutkinnon osa: Yrityksessä toimiminen 15 osp Tavoitteet:
TYÖSSÄOPPIMINEN JA AMMATTIOSAAMISEN NÄYTTÖ Tutkinnon osa: Yrityksessä toimiminen 15 osp Tavoitteet: arvioi oman alan tarjontaa ja uusien asiakkaiden löytymistä tuotteistamisen lähtökohdista. täsmentää
LisätiedotOikeudenmukaista ja älykästä liikennettä selvittävä työryhmä
Oikeudenmukaista ja älykästä liikennettä selvittävä työryhmä Tilannekatsaus 2.9.2013 Liikenneneuvos Tuomo Suvanto Sisältö Tausta Vaikutustarkastelut 2 Miksi selvitetään Syitä: Liikenteen kasvu edellyttää
LisätiedotKuntosaliharjoittelun kesto tunteina Kokonaishyöty Rajahyöty 0 0 5 1 5 10 2 15 8 3 23 6 4 29 4 5 33 -
Harjoitukset 1 Taloustieteen perusteet Ratkaisuehdotukset Kesäyliopisto 2014 1. Oheisessa taulukossa on esitettynä kuluttajan saama hyöty kuntosaliharjoittelun kestosta riippuen. a) Laske taulukon tyhjään
LisätiedotValintaperusteet, kevät 2013: Liiketalouden koulutusohjelma 210 op, Liiketalouden ammattikorkeakoulututkinto, Tradenomi
Valintaperusteet, kevät 2013: Liiketalouden koulutusohjelma 210 op, Liiketalouden ammattikorkeakoulututkinto, Tradenomi Valintakokeisiin kutsutaan kaikki hakukelpoiset hakijat. Lopulliseen opiskelijavalintaan
LisätiedotPilkeyrityksen liiketoimintaosaamisen kehittäminen. Timo Värre Jyväskylän ammattikorkeakoulu
Pilkeyrityksen liiketoimintaosaamisen kehittäminen Timo Värre Jyväskylän ammattikorkeakoulu 1 Talouden hallinnan keskeiset osat Tulevaisuus Pitääkö kasvaa? KASVU KANNATTAVUUS Kannattaako liiketoiminta?
LisätiedotTalousmatematiikan perusteet: Luento 11. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 11 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotSopimusteoria: Salanie luku 3.2
Sopimusteoria: Salanie luku 3.2 Antti Pirjetä Taloustieteiden kvantitatiiviset menetelmät Helsingin kauppakorkeakoulu 12.2.2008 1 Kilpaillut markkinat, yksi tai useampi päämies Agenttien 1 ja 2 tuottamat
LisätiedotTaloustieteen perusteet 31A00110 18.04.2016. Opiskelijanumero Nimi (painokirjaimin) Allekirjoitus
Taloustieteen perusteet 31A00110 18.04.2016 Opiskelijanumero Nimi (painokirjaimin) Allekirjoitus Pisteytys: 1 2 3 4 5 6 Yht Vastaukseen käytetään vain tätä vastauspaperia. Vastaa niin lyhyesti, että vastauksesi
LisätiedotPHYS-C0220 Termodynamiikka ja statistinen fysiikka Kevät 2016
PHYS-C0220 Termodynamiikka ja statistinen fysiikka Kevät 2016 Emppu Salonen Lasse Laurson Toni Mäkelä Arttu Lehtinen Luento 4: Entropia Pe 4.3.2016 1 AIHEET 1. Klassisen termodynamiikan entropia 2. Entropian
LisätiedotHypoteesin testaus Alkeet
Hypoteesin testaus Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Johdanto Kokeellinen tutkimus: Varmennetaan teoreettista olettamusta fysikaalisen systeemin käyttäytymisestä
LisätiedotTutkimusdatanhallinnan suunnittelu ja DMPTuuli-työkalu
Tutkimusdatanhallinnan suunnittelu ja DMPTuuli-työkalu KIRJASTON NEUVOTTELUKUNNAT MARI ELISA (MEK) KUUSNIEMI, TUULIN PROJEKTIPÄÄLLIKKÖ, TUTKIMUKSEN PALVELUT, HELSINGIN YLIOPISTON KIRJASTO Tutkimusprojektin
LisätiedotP-Frami sopimusasiakkaan käyttöohje
TALON KÄYTTÄJÄT - 1- ja 2- kerros ammattikorkeakoulun henkilökunta (+vieraspysäköinti) - 1-kerrokseen kulku sekä pohjois- että eteläpäästä - 2-kerrokseen suositellaan kulkua pohjoispäästä (kierrerampin
LisätiedotSalkin poliorokotekoe Ryhmän koko Sairastuvuus (per 100000) Hoitoryhmä 200000 28 Vertailuryhmä 200000 71 Ei saanut rokottaa 350000 46
TKK (c) Ilkka Mellin (2005) 1 suunnittelu: Johdanto Johdattelevia esimerkkejä suunnittelu ja tilastolliset mallit Johdanto TKK (c) Ilkka Mellin (2005) 2 suunnittelu: Johdanto Johdattelevia esimerkkejä
Lisätiedot(1) Pekan pakasta vetämät neljä korttia ovat hertta 5, hertta 6, hertta 7 ja pata 7. Mikä on todennäköisyys, että seuraava kortti
Todennäköisyyslaskenta: sarja 1 Todennäköisyyyslaskenta-tehtäväsarjassa on tehtäviä seuraavista asioista: klassinen todennäköisyys, todennäköisyyden laskusäännöt, kombinatoriikka, toistokoe sekä diskreetti-
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 7.6.2011 Ratkaisut ja arvostelu
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 7.6.2011 Ratkaisut ja arvostelu 1.1 Noudattakoon satunnaismuuttuja X normaalijakaumaa a) b) c) d) N(5, 15). Tällöin P (1.4 < X 12.7) on likimain
LisätiedotEspoon kaupunki Pöytäkirja 37. Nuorisovaltuusto 17.03.2015 Sivu 1 / 1
Nuorisovaltuusto 17.03.2015 Sivu 1 / 1 37 Sääntömuutos kohtiin: 6 Hallitus, 7 Tapahtumat ja tiedotus Selostus NYKYISET SÄÄNNÖT: 6 Hallitus Nuorisovaltuuston hallitukseen kuuluvat nuorisovaltuuston puheenjohtajisto
LisätiedotLuento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu
Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa
LisätiedotAluefoorumi 10.3.2016 Kuopio
Aluefoorumi 10.3.2016 Kuopio Millainen on hyvä lupahakemus Valvojan näkökulma 9.3.2016 Hyvä lupahakemus valvojan näkökulmasta 1/4 Viranomaisiin kannattaa ottaa yhteyttä ajoissa Hakemus oikein mitoitettu
LisätiedotMaaseudun kehittämisohjelma 2014-2020. Yritystuet
Maaseudun kehittämisohjelma 2014-2020 Yritystuet 1 Yritystuet / yleistä Tukea voidaan myöntää päätoimiseen yrittäjyyteen - pääasiallinen toimeentulo ainakin yhdelle yrittäjälle tai työntekijälle Yrityksellä
LisätiedotPeliteoria luento 2. May 26, 2014. Peliteoria luento 2
May 26, 2014 Pelien luokittelua Peliteoriassa pelit voidaan luokitella yhteistoiminnallisiin ja ei-yhteistoiminnallisiin. Edellisissä kiinnostuksen kohde on eri koalitioiden eli pelaajien liittoumien kyky
LisätiedotDemo 1: Excelin Solver -liitännäinen
MS-C2105 Optimoinnin perusteet Malliratkaisut 1 Ehtamo Demo 1: Excelin Solver -liitännäinen Ratkaise tehtävä käyttäen Excelin Solveria. max 3x 1 + x 2 s.e. 2x 1 + 5x 2 8 4x 1 + 2x 2 5 x 1, x 2 0 Ratkaisu
LisätiedotAjankohtaista tukien maksamisesta
772 5785 Ajankohtaista tukien maksamisesta Tuula Seurujärvi Yksikönjohtaja Tukien maksatusyksikkö Varainhoito-osasto Maksettu sidotusta (%) 30.4.2014 Lähde: HankeDW / TK Sis. toimintalinjojen 1, 3, 4 hanke
LisätiedotHelsingin kaupunki, Jäteyhtiön perustajaosakkaana. Jäteyhtiön osakkeenomistajat ( Osakkeenomistaja tai yhdessä Osakkeenomistajat )
Liite 7.4 Osakassopimusluonnos OSAKASSOPIMUS 1 OSAPUOLET Tämän sopimuksen osapuolia ovat Jätkäsaaren jätteen putkikeräys Oy (y-tunnus 2346319-8, Jäteyhtiö ) Helsingin kaupunki, Jäteyhtiön perustajaosakkaana
LisätiedotNumeeriset menetelmät TIEA381. Luento 8. Kirsi Valjus. Jyväskylän yliopisto. Luento 8 () Numeeriset menetelmät / 35
Numeeriset menetelmät TIEA381 Luento 8 Kirsi Valjus Jyväskylän yliopisto Luento 8 () Numeeriset menetelmät 11.4.2013 1 / 35 Luennon 8 sisältö Interpolointi ja approksimointi Funktion approksimointi Tasainen
LisätiedotVAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen TENTTI 5.3.1999
1(5) VAASAN YLIOPISTO TALOUSMATEMATIIKKA Päätöksenteko epävarmuuden vallitessa Prof. Ilkka Virtanen TENTTI 5.3.1999 Tehtävä 1. Liitteessä on kuvattu yksi luentojen perusesimerkeistä, Raiffan pallouurnia
LisätiedotKUNTIEN ROOLI MUUTOKSESSA Vaikuttamisiltapäivä ja EK-foorumi 3.2.
Päijät-Hämeen liitto The Regional Council of Päijät-Häme KUNTIEN ROOLI MUUTOKSESSA Vaikuttamisiltapäivä ja EK-foorumi 3.2. @Jari_Parkkonen #PHliitto Lähde: Tilastokeskus Kartta ja analyysi: Timo Aro Lähde:
LisätiedotSMG-2100: SÄHKÖTEKNIIKKA
SMG-2100: SÄHKÖTEKNIIKKA Vastusten kytkennät Energialähteiden muunnokset sarjaankytkentä rinnankytkentä kolmio-tähti-muunnos jännitteenjako virranjako Käydään läpi vastusten keskinäisten kytkentöjen erilaiset
Lisätiedot4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on
Mat-2.090 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Otanta Poisson- Jakaumien tunnusluvut Diskreetit jakaumat Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen
LisätiedotJohdatus diskreettiin matematiikkaan Harjoitus 7, 28.10.2015
Johdatus diskreettiin matematiikkaan Harjoitus 7, 28.10.2015 1. Onko olemassa yhtenäistä verkkoa, jossa (a) jokaisen kärjen aste on 6, (b) jokaisen kärjen aste on 5, ja paperille piirrettynä sivut eivät
LisätiedotKOMISSION PÄÄTÖS, annettu 30.6.2016,
EUROOPAN KOMISSIO Bryssel 30.6.2016 C(2016) 3942 final KOMISSION PÄÄTÖS, annettu 30.6.2016, teollisuuden päästöistä annetun Euroopan parlamentin ja neuvoston direktiivin 2010/75/EU 32 artiklan 6 kohdan
LisätiedotHarjoitus 4: Matlab - Optimization Toolbox
Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen
LisätiedotTILASTOKATSAUS 4:2016
Tilastokatsaus 6:212 TILASTOKATSAUS 4:216 1 24.3.216 YKSINASUVIEN TULOT VANTAALLA VUOSINA 2 213 Yksinasuvien määrä Vantaalla oli vuoden 213 lopussa kaikkiaan 95 4 asuntokuntaa, joista yksinasuvien asuntokuntia
LisätiedotAki 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
LisätiedotKulttuuripalvelut, toimintamallien vertailu
Kulttuuripalvelut, toimintamallien vertailu Mitkä asiat on oleellisia? Sitovuus Päätöksenteko Strateginen ohjaus ja toiminnan ohjaus Henkilöstöpolitiikka Asiakasrajapinnat/reagointikyky asiakastarpeisiin
LisätiedotArvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)
Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Hyöty (engl. utility) = arvo, jonka koemme riskitilanteessa eli, kun teemme päätöksiä epävarmuuden (todennäköisyyksien) vallitessa. Vrt.
LisätiedotTalousmatematiikan perusteet: Luento 12. Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla
Talousmatematiikan perusteet: Luento 12 Lineaarinen optimointitehtävä Graafinen ratkaisu Ratkaisu Excel Solverilla Esimerkki Esim. Yritys tekee kahta elintarviketeollisuuden käyttämää puolivalmistetta,
LisätiedotESITYKSEN PÄÄASIALLINEN SISÄLTÖ
Hallituksen esitys eduskunnalle laeiksi rajoitetusti verovelvollisen tulon verottamisesta annetun lain 3 :n, elinkeinotulon verottamisesta annetun lain 6 a :n ja tuloverolain 33 c :n muuttamisesta Esityksessä
Lisätiedot3. a) Otetaan umpimähkään reaaliluku väliltä [0,1]. Millä todennäköisyydellä tämän luvun ensimmäinen desimaali on 2 tai toinen desimaali on 9?
MAA6 Kurssikoe 1.10.20 Jussi Tyni Muista merkitä vastauspaperiin oma nimesi ja tee etusivulle pisteytysruudukko. Muista että välivaiheet perustelevat ratkaisusi! Lue ohjeet tarkasti! A-osio. Ei saa käyttää
LisätiedotY56 Laskuharjoitukset 4 Palautus viim. ti klo (luennolla!) Opiskelijan nimi. Opiskelijanumero
Y56 Kevät 2010 1 Y56 Laskuharjoitukset 4 Palautus viim. ti 30.3. klo 12-14 (luennolla!) Opiskelijan nimi Opiskelijanumero Harjoitus 1. Tuotantoteknologia Tavoitteena on oppia hahmottamaan yrityksen tuotantoa
LisätiedotTIEA382 Lineaarinen ja diskreetti optimointi
TIEA382 Lineaarinen ja diskreetti optimointi Jussi Hakanen Tietotekniikan laitos jussi.hakanen@jyu.fi AgC 426.3 Yleiset tiedot Tietotekniikan kandidaattiopintojen valinnainen kurssi http://users.jyu.fi/~jhaka/ldo/
LisätiedotString-vertailusta ja Scannerin käytöstä (1/2) String-vertailusta ja Scannerin käytöstä (2/2) Luentoesimerkki 4.1
String-vertailusta ja Scannerin käytöstä (1/2) Vertailuja tehdessä törmätään usein tilanteeseen, jossa merkkijonoa (esimerkiksi merkkijonomuuttujaa) pitää vertailla toiseen merkkijonoon. Tällöin tavanomainen
Lisätiedotmin x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2
TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4
LisätiedotLastensuojelun palvelujen käyttö, kustannukset ja vaikuttavuus tilastoissa ja tutkimuksessa Järvenpää 10.9.2010 Antti Väisänen Terveys- ja
Lastensuojelun palvelujen käyttö, kustannukset ja vaikuttavuus tilastoissa ja tutkimuksessa Järvenpää 10.9.2010 Antti Väisänen Terveys- ja sosiaalitalous-yksikkö (CHESS) Esityksen sisältö Sosiaalitalous
LisätiedotIlmastonmuutoksen hyödyt ja kustannukset - kommentti. Markku Ollikainen Taloustieteen laitos, ympäristöekonomia 3.12. 2007
Ilmastonmuutoksen hyödyt ja kustannukset - kommentti Markku Ollikainen Taloustieteen laitos, ympäristöekonomia 3.12. 2007 0. Taustaa Kokonaistaloudellisten politiikkamallien tulokset juontuvat lähinnä
LisätiedotMAA10 HARJOITUSTEHTÄVIÄ
MAA0 Määritä se funktion f: f() = + integraalifunktio, jolle F() = Määritä se funktion f : f() = integraalifunktio, jonka kuvaaja sivuaa suoraa y = d Integroi: a) d b) c) d d) Määritä ( + + 8 + a) d 5
LisätiedotTilaisuuden nimi pelastus- ja turvallisuussuunnitelma
Tilaisuuden nimi pelastus- ja turvallisuussuunnitelma tekijä työtehtävä työpaikka ajankohta 1 Sisällysluettelo Yleistä pelastussuunnitelman laadinnasta... 3 Kenelle?... 3 Ilmoitukset pelastusviranomaiselle...
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Derivaatta Tarkastellaan funktion f keskimääräistä muutosta tietyllä välillä ( 0, ). Funktio f muuttuu tällä välillä määrän. Kun tämä määrä jaetaan välin pituudella,
LisätiedotSuometsien hoidon organisointimallit Koneyrittäjien liitto ry:n metsänparannuspäivä 18.2.2010 Seinäjoki Sanna Kittamaa, Kari Kannisto, Jori Uusitalo
Suometsien hoidon organisointimallit Koneyrittäjien liitto ry:n metsänparannuspäivä 18.2.2010 Seinäjoki Sanna Kittamaa, Kari Kannisto, Jori Uusitalo Metsänhoidon kustannustehokkuuden ja laadun tutkimus-
LisätiedotSuomi Eurooppa kustannusten vertailua 2018
Suomi Eurooppa kustannusten vertailua 2018 EDF Benchmarks 2018 Henna Mero, Maitoyrittäjät ry STEFFI WILLE-SONK, Email: steffi.willesonk@dairyfarmer.net EDF:n tuotantokustannusvertailu 20 vuotta benchmarkausta
LisätiedotLuento 5: Peliteoriaa
Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan hieman peliteoriaan. Keskeisiä asioita ovat Nash-tasapaino ja sekastrategia. Cournot n duopolimalli vuodelta 1838 toimii oivallisena havainnollistuksena
Lisätiedotehdolla y = f(x1, X2)
3.3. Kustannusten minimointi * Voiton maksimointi: panosten määrän sopeuttaminen -----> tuotanto * Kustannusten minimointi: tiett tuotannon taso -----> etsitään optimaalisin panoskombinaatio tuottamaan
LisätiedotPellonkäytön muutokset ja tuottoriskien hallinta. Timo Sipiläinen Helsingin yliopisto, Taloustieteen laitos Omavara loppuseminaari Raisio 19.3.
Pellonkäytön muutokset ja tuottoriskien hallinta Timo Sipiläinen Helsingin yliopisto, Taloustieteen laitos Omavara loppuseminaari Raisio 19.3.2013 www.helsinki.fi/yliopisto 20.3.2013 1 Tausta ja tavoitteet
LisätiedotD ( ) E( ) E( ) 2.917
Mat-2.091 Sovellettu todennäköisyyslasku 4. harjoitukset/ratkaisut Aiheet: Diskreetit jakaumat Avainsanat: Binomijakauma, Diskreetti tasainen jakauma, Geometrinen jakauma, Hypergeometrinen jakauma, Kertymäfunktio,
LisätiedotIV. TASAINEN SUPPENEMINEN. f(x) = lim. jokaista ε > 0 ja x A kohti n ε,x N s.e. n n
IV. TASAINEN SUPPENEMINEN IV.. Funktiojonon tasainen suppeneminen Olkoon A R joukko ja f n : A R funktio, n =, 2, 3,..., jolloin jokaisella x A muodostuu lukujono f x, f 2 x,.... Jos tämä jono suppenee
LisätiedotTalousmatematiikan perusteet: Luento 15. Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta
Talousmatematiikan perusteet: Luento 15 Rajoitettu optimointi Lagrangen menetelmä Lagrangen kerroin ja varjohinta Viime luennolla Tarkastelimme usean muuttujan funktioiden rajoittamatonta optimointia:
LisätiedotViranhaltijapäätökset. Sari Anetjärvi
Viranhaltijapäätökset Sari Anetjärvi Viranhaltijapäätös Viranhaltijapäätös on hallintopäätös, josta asianosaisella ja seurakunnan jäsenellä voi olla oikaisuvaatimusoikeus. (Yhteinen) kirkkovaltuusto tai
Lisätiedot104 vuotta suomalaisen työn puolesta. Kotimaisen Työn Liitto 1912 Vuonna 1917 ensimmäinen alkuperämerkki
Vastuullisuus ja innovatiivisuus julkisissa hankinnoissa Suomalaisen Työn Liitto Yhteiskunnallinen yritys -merkki Niina Ollikka 14.9.2016 104 vuotta suomalaisen työn puolesta Kotimaisen Työn Liitto 1912
LisätiedotHaitallinen valikoituminen: Kahden tyypin malli
Haitallinen valikoituminen: Kahden tyypin malli Mat-2.4142 Optimointiopin seminaari Mikko Hyvärinen 29.1.2008 Haitallinen valikoituminen kahden tyypin malli Haitallinen valikoituminen tarkoittaa että päämies
LisätiedotViranomaistoiminnan tavoitteellisuudesta
Periaatteet, tavoitteet, säännöt ja viranomaistoiminta Viranomaistoiminnan tavoitteellisuudesta lain taustalla on arvoja, ideologioita: ympäristöpoliittinen tavoitteellisuus monitieteisyyden tuottama ympäristötieto
LisätiedotPuutarhaliiton hallitus. Tehtävät, vastuut ja rooli
Puutarhaliiton hallitus Tehtävät, vastuut ja rooli Pelisäännöt Yhdistyslaki Kirjanpitolaki ja asetus Puutarhaliiton säännöt (30.3.1990) Puutarhakulttuurirahaston säännöt (2.4.1993) Puutarhaliiton vaaliohjesääntö
LisätiedotRiskiviestintä ja tieteellinen epävarmuus. Lahden tiedepäivä 11.11.2014 Anu-Liisa Rönkä Helsingin yliopisto, DENVI-tohtorikoulutusohjelma
Riskiviestintä ja tieteellinen epävarmuus Lahden tiedepäivä 11.11.2014 Anu-Liisa Rönkä Helsingin yliopisto, DENVI-tohtorikoulutusohjelma Johdanto Osa väitöskirjaa HY sosiaalitieteiden laitokselle; yhteiskuntapolitiikka,
Lisätiedot4 Kysyntä, tarjonta ja markkinatasapaino
4 Kysyntä, tarjonta ja markkinatasapaino (Taloustieteen oppikirja, luku 4) Opimme tässä ja seuraavissa luennoissa että markkinat ovat hyvä tapa koordinoida taloudellista toimintaa (mikä on yksi taloustieteen
LisätiedotYleinen osa - Kuntoutuksessa tukena,
Yleinen osa - Kuntoutuksessa tukena, muutoksessa mukana Anneli Louhenperä Ma. kehittämispäällikkö 25.11.2015 1 Esityksen sisältö Kertausta: Mikä on standardi ja miksi sitä tarvitaan Diat 3 7 Muutokset:
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 8 To 29.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 8 To 29.9.2011 p. 1/36 p. 1/36 Interpolointi kuutiosplinillä Osavälit: I i = [t i 1,t i ], i = 1,2,...,n
LisätiedotLuento 6: Monitavoitteinen optimointi
Luento 6: Monitavoitteinen optimointi Monitavoitteisessa optimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f,,f m Esimerkki ortfolion eli arvopaperijoukon optimoinnissa: f
LisätiedotPunaisen Ristin valokuvaetsintä
Punaisen Ristin valokuvaetsintä Suomen Punainen Risti on mukana Punaisen Ristin kansainvälisen komitean aloittamassa Trace the Face -julistekampanjassa. Katastrofit ja kriisitilanteet saattavat erottaa
LisätiedotOSAKKEENOMISTAJIEN NIMITYSTOIMIKUNNAN TYÖJÄRJESTYS MUNKSJÖ OYJ (Y-TUNNUS 2480661-5)
OSAKKEENOMISTAJIEN NIMITYSTOIMIKUNNAN TYÖJÄRJESTYS MUNKSJÖ OYJ (Y-TUNNUS 2480661-5) Hyväksytty Munksjö Oyj:n varsinaisessa yhtiökokouksessa 6.4.201613.5.2013 SISÄLTÖ 1 Nimitystoimikunnan tarkoitus...3
LisätiedotMIKROTEORIA, HARJOITUS 4 KULUTTAJAN YLIJÄÄMÄ, MARKKINAKYSYNTÄ JA TASAPAINO
MIKROTEORIA, HARJOITUS 4 KULUTTAJAN YLIJÄÄMÄ, MARKKINAKYSYNTÄ JA TASAPAINO HUOM! Kun arvioidaan politiikkamuutoksen vaikutusta kuluttajien hyvinvointiin, täytyy pohtia kahta vaihetta: 1) miten muutos vaikuttaa
LisätiedotOnnistunut liikkumissuunnitelma - ohjeet liikkumissuunnitelman tekemiseen
Onnistunut liikkumissuunnitelma - ohjeet liikkumissuunnitelman tekemiseen Mikä on liikkumissuunnitelma ja miksi se kannattaa tehdä? Liikkumissuunnitelma antaa konkreettisen suunnan Liikkumissuunnitelma
LisätiedotVARSINAIS-SUOMEN KAUPAN PALVELUVERKKOSELVITYS 2013 VETOVOIMAMALLINNUS
VARSINAIS-SUOMEN KAUPAN PALVELUVERKKOSELVITYS 2013 VETOVOIMAMALLINNUS KAUPAN SIDOSRYHMÄSEMINAARI 29.10.2013 EERO SALMINEN RAMBOLL FINLAND OY ESITYKSEN SISÄLTÖ Vetovoimamallinnuksen teoreettinen tausta
LisätiedotMITTAUSSUUNNITELMA. Soran murskauksen aiheuttaman hengitettävien hiukkasten pitoisuuden mittaus. Rudus Oy, Sandhöjden, Porvoo. Rudus Oy Liisa Suhonen
Ilmanlaatu Suunnitelma PR3698 TY02 Sivu 1 (5) Rudus Oy Liisa Suhonen Turku 10.2.2016 MITTAUSSUUNNITELMA Rudus Oy, Sandhöjden, Porvoo Kunnioittavasti Jani Kankare Toimitusjohtaja, FM HELSINKI Viikinportti
LisätiedotPÄIHDEHAASTATTELU osio 2 - Päihdekartoitus
Potilas: Pvm: Haastattelija:_ Johdanto1b. Kysyisin sinulta nyt joitakin kysymyksiä päihteiden käyttöön liittyen. Kysyn sinulta alkoholista, huumausaineista, reseptittömästä lääkeaineiden käytöstä sekä
LisätiedotKuntatalous osana kansantaloutta
Kuntatalous osana kansantaloutta Mitä luottamushenkilön pitää tietää taloudesta? Pentti Meklin Emeritusprofessori Tampereen yliopisto 1 Oppi 1. Arkipäivässä esiintyviä talousasioita muutama käsite kansantaloudesta,
LisätiedotVapaasti mutta luotettavasti
Ohjelman esittely Vapaasti mutta luotettavasti Portaat luomuun ohjelma on vapaaehtoinen ja maksuton sitä hallinnoi EkoCentria ja rahoittaa MMM sen ensimmäinen vaihe käynnistyi vuonna 2002 Tavoitteena vahvistaa
LisätiedotRadonin mittaaminen. Radonkorjauskoulutus Tampere 11.2.2016 Tuukka Turtiainen
Radonin mittaaminen Radonkorjauskoulutus Tampere 11.2.2016 Tuukka Turtiainen 800 700 600 500 Bq/m 3 400 300 200 100 0 11.12. 18.12. 25.12. 1.1. 8.1. 15.1. 22.1. 29.1. 5.2. 12.2. 19.2. 26.2. 5.3. RADIATION
LisätiedotHALLINTOTIETEIDEN MAISTERIN TUTKINTO Valintakoe 6.6.2014 Pisteet yhteensä (tarkastaja merkitsee)
HALLINTOTIETEIDEN MAISTERIN TUTKINTO Valintakoe 6.6.2014 Pisteet yhteensä (tarkastaja merkitsee) VALINTAKOKEEN PISTEYTYS Valintakokeesta on mahdollisuus saada maksimissaan 60 pistettä. Tehtävät perustuvat
Lisätiedot