T Digitaalinen signaalinkäsittely ja suodatus Tutkielma Signaalinkäsittely DNA-mikrosiruteknologiassa

Koko: px
Aloita esitys sivulta:

Download "T-61.246 Digitaalinen signaalinkäsittely ja suodatus Tutkielma Signaalinkäsittely DNA-mikrosiruteknologiassa"

Transkriptio

1 T Digitaalinen signaalinkäsittely ja suodatus Tutkielma Signaalinkäsittely DNA-mikrosiruteknologiassa Liisa-Ida Sorsa, 58714E

2

3 Sisällysluettelo i SISÄLLYSLUETTELO 1JOHDANTO BIOLOGIAA DNA-MIKROSIRUTEKNOLOGIALLA MOLEKYYLIBIOLOGIAN PERUSTEET DNA-MIKROSIRUTEKNOLOGIA SIGNAALINKÄSITTELYN MENETELMÄT MIKROSIRUDATAN PROSESSOINNISSA KUVASTA DATAKSI TILASTOLLINEN ANALYYSI KUNNIAAN AIKASARJADATA YHTEENVETO LÄHTEITÄ JA LISÄTIETOA... 4

4

5 11/24/ Johdanto DNA-mikrosiruteknologia on mullistanut molekyylibiologian tutkimuksen. Aikaisemmin tutkijat tutkivat yhtä molekyyliä kerrallaan. Nyt voidaan yhdestä kudosnäytteestä mitata tuhansien geenien yhtäaikaista toimintaa. Mikrosirudatan myötä on biologisen tiedon määrä ja luonne kuitenkin kasvanut valtavasti. Aikaisemmin pärjättiin visuaalisella tarkastelulla, ja hypoteeseihin saatiin kyllä ja ei -tyyppisiä vastauksia. Nyt numeerista dataa on enemmän kuin ihmissilmä ja -aivot kykenevät kerralla prosessoimaan, joten laskennalliset menetelmät ovat välttämättömiä myös perinteisesti ei-matemaattisessa biologiassa. Tässä tutkielmassa tarkastellaan DNA-mikrosirudatan analysointia signaalinkäsittelyn menetelmien avulla. Aiheesta ei ole mitään yksittäistä lähdeteosta, koska ala on vielä niin uusi. Lähteenä toimivat useat erilaiset tieteelliset artikkelit, koulusivistys ja vuoden työkokemus alalta. Tämä tutkielma on pikemminkin tekijänsä tulkinta aikaisempien tietojensa ja signaalinkäsittelyn kurssilla oppimansa materiaalin yhdistämisestä. Luvussa 2 kuvaillaan DNA-mikrosiruteknologian perusteet ja sitä millaisiin kysymyksiin sillä etsitään vastauksia. Luvussa 3 käydään läpi mikrosiruanalyysissä käytetyimpiä ja välttämättömimpiä signaalinkäsittelyn menetelmiä. Luvussa 4 esitetään vielä yhteenveto ja loppusanat. 2 Biologiaa DNA-mikrosiruteknologialla 2.1 Molekyylibiologian perusteet Elollinen aine koostuu itsenäisistä yksiköistä, soluista. Solun tuma on sen komentokeskus, jossa sijaitsee elämän ohjekirja, DNA-molekyylit. DNA koodaa bioaktiivisia makromolekyylejä, proteiineja, jotka osallistuvat lähes kaikkeen elävässä aineessa tapahtuvaan toimintaan. Ihmisen solun DNA koostuu noin 3 miljardista neljän erilaisen nukleotidiemäksen muodostamasta ketjusta. Geeni on lyhyt ( emäsparia pitkä) proteiinia koodaava pätkä DNA:ta. Ihmisen genomin arvioidaan koostuvan noin geenistä. Solu vastaa ympäristöstä saamiinsa ärsykkeisiin esimerkiksi valmistamalla proteiineja eli expressoimalla geenejään. DNA-mikrosiruteknologialla voidaan mitata geenin ekspressiotasoa. Molekyylibiologian keskusdogman mukaan DNA makes RNA makes protein eli DNA tekee RNA:n (DNA:n tyyppinen molekyyli), joka tekee proteiinin. Tämän hetkisen käsityksen mukaan geenin korkea ekspressiotaso johtaa sitä geeniä vastaavan proteiinin suureen tuotantoon. Tämän hetkinen molekyylibiologian suurimpia haaste on ymmärtää solun toimintaa ja geenien säätelyverkkoja geeniekspressiodatan avulla. Tällä hetkellä kahden organismin, hiivan (Saccharomycces cerecisiae) ja banaanikärpäsen (Drosophila melanogaster) geenisäätelyverkot tunnetaan pääpiirteittäin. Näiden eliöiden genomit koostuvat reilusti alle :sta geenistä. Geenisäätelyverkkojen tunteminen on vain yksi askel matkalla solun toiminnan selvittämiseen. Ei nimittäin riitä, että tiedetään geenin A aktivoivan geeniä B. Voi nimittäin olla, että geeni B aktivoituu vain silloin, kun geenin A ekspressio ylittää tietyn kynnysarvon. Toisaalta geeni C saattaa deaktivoitua silloin, kun geeni A aktivoi geenin B. Pitää muistaa,

6 11/24/ että ihmisen genomissa on noin muuttujaa, joista jotkut voivat vuorovaikuttaa useammankin kohteen kanssa. Molekyylibiologisen tiedon uskotaan tuottavan tulevaisuudessa uusia hoitomuotoja ja lääkkeitä perinöllisten sairauksien hoitoon. Puhutaan ns. räätälöidyistä lääkkeistä, myös siitä, että samaan vaivaan voidaan määrätä kahdelle eri henkilölle täysin erilaista lääkettä näiden henkilöiden geneettisen sormenjäljen, eli perimän, perusteella. Jo nyt on näyttöä siitä, että esimerkiksi sydän- ja verisuonitaudeilla on geneettisiä alttiustekijöitä ja että ihmiset, joilla on geenimuoto A eräästä geenistä hyötyvät olemassa olevasta lääkkeestä, kun taas potilaat, joilla on geenimuoto B, eivät hyödy samasta kalliista hoidosta mitenkään, koska heidän solunsa eivät kykene hyödyntämään sitä. 2.2 DNA-mikrosiruteknologia DNA-mikrosiruteknologia on yksinkertaisuudessaan sitä, että mitataan kuinka paljon mikrosirulle laitettua DNA-koetinta vastaavaa geeniä on tutkittavassa näytteessä. Fyysisesti mikrosiru on noin neliösenttimetrin kokoinen lasilevy, jolle sijoitetaan eri geeniä vastaavia koettimia. Esimerkiksi ihmisen geenejä mittaavissa siruissa on noin erilaista mittauspistettä, koetinsekvenssityyppiä, yhden neliösenttimetrin alueella. Lisäksi jokaisesta koetinsekvenssistä on miljoonia replikaatteja yhdessä mittauspisteessä. Käytännössä tutkittava DNA-näyte uutetaan perinteisillä molekyylibiologian tekniikoilla solusta. Koska yhdestä solusta ei voida saada tarpeeksi suurta määrää DNA:ta, otetaan näyte kudoksesta, joka on samankaltaisten solujen muodostama funktionaalinen kokonaisuus. Näyte leimataan fluoresoivalla aineella ja pipetoidaan mikrosirulle sekä annetaan näytteen DNA:n hybridisoitua eli liittyä koettimiin (Kuva 1). Tämän jälkeen siru skannataan laser-skannerilla. Laser saa näytteen fluoresenssileiman emittoimaan valoa ja skanneri vastaanottaa tuon valon intensiteetin. Tämän vaiheen jälkeen mikrosirudata on sähköisessä muodossa ja datan prosessointi alkaa. Kuva 1DNA-näyte otetaan soluryhmistä. Näytteen annetaan tarttua mikrosirun koettimiin. Näytteen emittoima fluoresenssivalo havaitaan skannerilla. Tuloksena on kuva geeniekspressioiden intensiteeteistä.[1]

7 11/24/ Signaalinkäsittelyn menetelmät mikrosirudatan prosessoinnissa 3.1 Kuvasta dataksi Skannauksen tuloksena on harmaaväripikselikuva, jossa kutakin mittauspistettä vastaa 16 pikseliä. Yleensä näiden 16 pikselin intensiteeteissä on hajontaa. Ensimmäinen tehtävä on siis määrittää, mikä on oikeasta geenin ekspressiosta tulevaa signaalia ja mikä taustakohinaa. Tämä on vaativa hahmontunnistustehtävä. Tarkoitus kun on erottaa viereiset mittauspisteet toisistaan ja tämän jälkeen vielä päättää mittauspisteiden sisäisen hajonnan tarkastelun jälkeen kompromissiarvo mittauspisteen geeniekspressiolle. Mittana voidaan käyttää mittauspisteen pikseleiden keskiarvoa, mediaania tai jotain muuta sopivaa arvoa. Mikrosiruja käytettäessä taustakohinan erottaminenkin on toisinaan ongelma. Käytännön teknisten ongelmien vuoksi taustakohina on erilaista sirun eri kohdissa. Esimerkiksi sirun reunoilla kohinaongelma on yleensä suurempi. Siksi taustakohinan poistamiseksi ei ole yhtä ja ainoata oikeaa ratkaisua. Tavoitteena olisi kuitenkin, että taustakohina, jos sitä ei voida poistaa kokonaan, ei olisi paikkariippuva. Skannatusta kuvasta lasketaan kohinanpoiston jälkeen geeniekspressiointensiteetit eli kuinka paljon kutakin geeniä ilmentyy tutkittavassa kudoksessa sillä ajan hetkellä ( lukumäärä ). Näitä intensiteettiarvoja käytetään, kun dataa aletaan tutkia tiedon löytämiseksi. Kuva 2 esittää kohinapoistettua ja false colour -värjättyä ekspressiodataa, josta ei vielä sinällään saada kunnollista tietoa, mutta voidaan osoittaa silmämääräiset ekspressiotasot. Vihreät ja punaiset pisteet osoittavat, että näytteistä joko vihreällä tai punaisella leimatut molekyylit dominoivat mittauspisteen geenin ilmentymistä. Keltainen väri indikoi, että molempien näytteiden geenien ekspressiot ovat kutakuinkin samat. Mustilta alueilta ei olla saatu mittausdataa. Joko siinä ei edes ole ollut koetinta mittaamaan geenin ekspressiota tai sitten ekspressiotaso ei ole yltänyt skannerin resoluutiotasolle. Kuva 2Geeniekspressiodata kuvana: hiivan geeniekspressio. [1], modifioitu

8 3.2 Tilastollinen analyysi kunniaan 11/24/2003 On muistettava, että mikrosirulla mitattu DNA on peräisin useista tuhansista soluista. Koska solut ovat itsenäisiä ympäristöönsä reagoivia yksiköitä, niiden geeniekspressiot eivät ole identtisiä. Voidaan kuitenkin olettaa, että kukin näytteen solu on osallisena yhtä suurella painolla ja siksi tulkita datapiste näytteen geeniekspressioiden keskiarvoksi. Tämä koskee siis vain yhtä datakuvan pikseliä. 3.3 Aikasarjadata Lienee helpointa tarkastella mikrosirudatan tulkintaa ja analyysiä signaalinkäsittelyn kannalta aikasarjojen avulla. DNA-mikrosiruista saadaan aikasarjadataa vain silloin, kun näytteitä otetaan tietyin aikavälein ja kustakin näytteestä tehdään oma sirunsa. Biologiset aikasarjat eroavat kuitenkin monista muista aikasarjoista. Ensinnäkin näytteitä on vaikea saada juuri tietyllä ajanhetkellä, koska näytteiden kanssa on oltava hyvin varovainen. Toisekseen DNA-analytiikka on hyvin kallista. Yksi sirukoe maksaa noin 1000 euroa. Toisin sanoen dataa ja taustatietoa on vähän ja aikasarjan näytteenottoajankohdat saattavat olla hieman epämääräiset. Useat biologiset prosessit ovat luonteeltaan syklisiä. Myös solun elämä on jatkuvaa kiertoa: solu jakaantuu, ylläpitää toimintojaan, valmistautuu jakaantumaan ja jakaantuu uudelleen. On hyvin tyypillistä, että tietoa etsiessä halutaan löytää geenit, joiden ekspressiot muuttuvat solusyklin mukana. Olettaen, että datassa on jotain jaksollisia komponentteja, ne pitäisi pystyä löytämään Fourier-muunnoksen avulla. Samalla nähdään minkä pituisia jaksoja ja kuinka voimakkaasti näitä jaksoja on olemassa. Joskus voidaan haluta selvittää jonkin geeniperheen reagointia tiettyyn ärsykkeeseen, esimerkiksi sitä miten koivuallergisen ihmisen silmäluomen epiteelisolut reagoivat koivun siitepölyyn. Tämän jälkeen voidaan seurata näiden geenien ekspressiotasojen muutoksia. Hyvänä apuna on risti- ja autokorrelaatiofunktiot, koska ihmissilmä näkee mieluusti korrelaatioita ja riippuvuuksia myös siellä, missä niitä ei oikeasti ole. 4 Yhteenveto Tässä tutkielmassa tarkasteltiin lyhyesti tavallisimpia signaalinkäsittelyn työkaluja mikrosiruanalytiikassa. Huomattiin, että ongelma on vaikea ja että vastauksia on vähemmän kuin kysymyksiä. Ymmärrettävien lähteiden vähyys on yksi ongelmista, joten asian käsittämisksi tarvitsee yhdistellä omia kokemuksia koulussa opittuihin asioihin. Kirjallisuudesta saa hyviä ideoita, ongelmaksi muodostuu kuitenkin se, että julkaisuissa mennään hyvin nopeasti niin syvälle, että ymmärryksen taso laskee eksponentiaalisesti luettujen sanojen määrän kasvaessa. Tässä tutkielmassa on lisäksi jätetty tilastolliset analyysimenetelmät kokonaan käsittelemättä, koska niiden käytössä on kyse jo muustakin kuin signaalinkäsittelystä. Lienee kuitenkin aiheellista muistaa ja korostaa vielä sitä, että signaalinkäsittely on kaiken DNA-mikrosiruanalyysin perusta, jota ilman ei koko dataa edes olisi olemassa. 4 5 Lähteitä ja lisätietoa Tässä tutkielmassa on käytetty lähteinä lähinnä tekijän omaa käytännön työkokemusta ja koulusivistystä aihealueen piiristä. Aihealueen kirjallisuus biologian osalta on laajaa. Datan

9 11/24/ analyysistä on olemassa lukuisia tieteellisiä artikkeleita, mutta sirun skannauksen ja mittauspisteiden erottelemisen osalta kirjallisuudessa on aukko ja tietoa on erittäin vaikea löytää. Ohessa kuitenkin viitteitä taustojen hahmottamisen helpottamiseksi. Googlen avulla voi kiinnostunut etsiä lisätietoa esimerkiksi hakusanoilla DNA microarray, systems biology ja gene expression. 1. European Bioinformatics Institute: A quick introduction to elements of biology - cells, molecules, genes, functional genomics, microarrays. Sivusto tarjoaa erinomaisen tiivistelmän siitä, mistä molekyylibiologiassa on kyse ja mitä mikrosiruilla voidaan tehdä. 2. Lähdesmäki H. et al.: Using signal processing tools to improve the quality of microarray time-series measurements. Technical report, Tampere University of Technology, Tamperelaiset ovat edelläkäviöitä systeemibiologisessa tutkimuksessa ja mikrosirudatan signaalinkäsittelyssä. 3. Flash-animaatio siitä, miten mikrosirukoe suoritetaan. Suosittelen katsomaan. Tällä pätkällä on viihdearvoa ja ääniefektit mukana.

DNA RNA proteiinit transkriptio prosessointi translaatio regulaatio

DNA RNA proteiinit transkriptio prosessointi translaatio regulaatio CELL 411-- replikaatio repair mitoosi meioosi fertilisaatio rekombinaatio repair mendelistinen genetiikka DNA-huusholli Geenien toiminta molekyyligenetiikka DNA RNA proteiinit transkriptio prosessointi

Lisätiedot

Perinnöllinen informaatio ja geneettinen koodi.

Perinnöllinen informaatio ja geneettinen koodi. Tehtävä A1 Kirjoita essee aiheesta: Perinnöllinen informaatio ja geneettinen koodi. Vastaa esseemuotoisesti, älä käytä ranskalaisia viivoja. Piirroksia voi käyttää. Vastauksessa luetaan ansioksi selkeä

Lisätiedot

Evoluutio ja luominen. Mian tekemä esitys Jannen esittämänä

Evoluutio ja luominen. Mian tekemä esitys Jannen esittämänä Evoluutio ja luominen Mian tekemä esitys Jannen esittämänä Väite: tiedemiehet ovat todistaneet evoluutioteorian todeksi Evoluutioteorialla tässä tarkoitan teoriaa, jonka mukaan kaikki elollinen on kehittynyt

Lisätiedot

Geneettisen tutkimustiedon

Geneettisen tutkimustiedon Geneettisen tutkimustiedon omistaminen Tutkijan näkökulma Katriina Aalto-Setälä Professori, sisätautien ja kardiologian erikoislääkäri Tampereen Yliopisto ja TAYS Sydänsairaala Etiikan päivät 9.3.2016

Lisätiedot

Otannasta ja mittaamisesta

Otannasta ja mittaamisesta Otannasta ja mittaamisesta Tilastotiede käytännön tutkimuksessa - kurssi, kesä 2001 Reijo Sund Aineistot Kvantitatiivisen tutkimuksen aineistoksi kelpaa periaatteessa kaikki havaintoihin perustuva informaatio,

Lisätiedot

VASTAUS 1: Yhdistä oikein

VASTAUS 1: Yhdistä oikein KPL3 VASTAUS 1: Yhdistä oikein a) haploidi - V) ihmisen sukusolu b) diploidi - IV) ihmisen somaattinen solu c) polyploidi - VI) 5n d) iturata - III) sukusolujen muodostama solulinja sukupolvesta toiseen

Lisätiedot

Perinnöllisyyden perusteita

Perinnöllisyyden perusteita Perinnöllisyyden perusteita Perinnöllisyystieteen isä on augustinolaismunkki Gregor Johann Mendel (1822-1884). Mendel kasvatti herneitä Brnon (nykyisessä Tsekissä) luostarin pihalla. 1866 julkaisu tuloksista

Lisätiedot

Evolutiiviset muutokset aivoalueiden rakenteessa, osa 2. 21.2. 2006, Nisse Suutarinen

Evolutiiviset muutokset aivoalueiden rakenteessa, osa 2. 21.2. 2006, Nisse Suutarinen Evolutiiviset muutokset aivoalueiden rakenteessa, osa 2 21.2. 2006, Nisse Suutarinen Aivoalueen monimutkaistuminen eriytymällä Eriytyminen (segregation) aivojen evoluutiosta puhuttaessa on tapahtuma, jossa

Lisätiedot

Biologia. Pakolliset kurssit. 1. Eliömaailma (BI1)

Biologia. Pakolliset kurssit. 1. Eliömaailma (BI1) Biologia Pakolliset kurssit 1. Eliömaailma (BI1) tuntee elämän tunnusmerkit ja perusedellytykset sekä tietää, miten elämän ilmiöitä tutkitaan ymmärtää, mitä luonnon monimuotoisuus biosysteemien eri tasoilla

Lisätiedot

DNA > RNA > Proteiinit

DNA > RNA > Proteiinit Genetiikan perusteiden luentojen ensimmäisessä osassa tarkasteltiin transmissiogenetiikkaa eli sitä, kuinka geenit siirtyvät sukupolvesta toiseen Toisessa osassa ryhdymme tarkastelemaan sitä, mitä geenit

Lisätiedot

Bioteknologian tutkinto-ohjelma Valintakoe Tehtävä 3 Pisteet / 30

Bioteknologian tutkinto-ohjelma Valintakoe Tehtävä 3 Pisteet / 30 Tampereen yliopisto Bioteknologian tutkinto-ohjelma Valintakoe 21.5.2015 Henkilötunnus - Sukunimi Etunimet Tehtävä 3 Pisteet / 30 3. a) Alla on lyhyt jakso dsdna:ta, joka koodaa muutaman aminohappotähteen

Lisätiedot

Mat 2.4177 Operaatiotutkimuksen projektityöseminaari

Mat 2.4177 Operaatiotutkimuksen projektityöseminaari Mat 2.4177 Operaatiotutkimuksen projektityöseminaari Kemira GrowHow: Paikallisen vaihtelun korjaaminen kasvatuskokeiden tuloksissa 21.2.2008 Ilkka Anttila Mikael Bruun Antti Ritala Olli Rusanen Timo Tervola

Lisätiedot

Toimittaja Sovellusarkkitehtuuritason pilkkominen. Kalle Launiala, ProtonIT Oy

Toimittaja Sovellusarkkitehtuuritason pilkkominen. Kalle Launiala, ProtonIT Oy Toimittaja Sovellusarkkitehtuuritason pilkkominen Kalle Launiala, ProtonIT Oy kalle.launiala@protonit.net +358445575665 Sisällön rakenne Tekninen ratkaisu vs. Looginen ratkaisu Looginen ratkaisu ja sen

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

Hiirten ja rottien sydännäytteistä tuotetun mikrosirudatan analysointi

Hiirten ja rottien sydännäytteistä tuotetun mikrosirudatan analysointi Hiirten ja rottien sydännäytteistä tuotetun mikrosirudatan analysointi Tiedonlouhinnan harjoitustyö 9.6.2013 Antti Kurronen Irene Pöllänen antti.kurronen@student.uef.fi 1 YLEISKUVAUS (ANTTI KURRONEN) Tutkimuksessa

Lisätiedot

DNA Tiina Immonen, FT, yo-lehtori HY Biolääketieteen laitos, Biokemia ja kehitysbiologia

DNA Tiina Immonen, FT, yo-lehtori HY Biolääketieteen laitos, Biokemia ja kehitysbiologia DNA 3.3.2015 Tiina Immonen, FT, yo-lehtori HY Biolääketieteen laitos, Biokemia ja kehitysbiologia Koordinaattori, Master s Degree Programme in Translational Medicine (TRANSMED) 1 Sisältö DNA:n rakenne

Lisätiedot

Proteiinien kontaktiresidyjen ennustaminen. Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari

Proteiinien kontaktiresidyjen ennustaminen. Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari Proteiinien kontaktiresidyjen ennustaminen Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari 13.12.12 Terminologiaa Aminohappo = proteiinien rakennuspalikka, luonto käyttää 20 erilaista

Lisätiedot

Round table -neuvottelu eduskunnassa

Round table -neuvottelu eduskunnassa 1 Round table -neuvottelu eduskunnassa 31.05.2005 STM:n visio biopankkilainsäädännöstä ja sen nykytila ministeriössä Apulaisosastopäällikkö Marja-Liisa Partanen, STM 2 Professori Juhani Eskola: Molekyylibiologiasta

Lisätiedot

NÄYTÖN ARVIOINTI: SYSTEMAATTINEN KIRJALLISUUSKATSAUS JA META-ANALYYSI. EHL Starck Susanna & EHL Palo Katri Vaasan kaupunki 22.9.

NÄYTÖN ARVIOINTI: SYSTEMAATTINEN KIRJALLISUUSKATSAUS JA META-ANALYYSI. EHL Starck Susanna & EHL Palo Katri Vaasan kaupunki 22.9. NÄYTÖN ARVIOINTI: SYSTEMAATTINEN KIRJALLISUUSKATSAUS JA META-ANALYYSI EHL Starck Susanna & EHL Palo Katri Vaasan kaupunki 22.9.2016 Näytön arvioinnista Monissa yksittäisissä tieteellisissä tutkimuksissa

Lisätiedot

PSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti

PSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti PSY181 Psykologisen tutkimuksen perusteet, kirjallinen harjoitustyö ja kirjatentti Harjoitustyön ohje Tehtävänäsi on laatia tutkimussuunnitelma. Itse tutkimusta ei toteuteta, mutta suunnitelman tulisi

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi

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

Kaksi yleismittaria, tehomittari, mittausalusta 5, muistiinpanot ja oppikirjat. P = U x I

Kaksi yleismittaria, tehomittari, mittausalusta 5, muistiinpanot ja oppikirjat. P = U x I Pynnönen 1/3 SÄHKÖTEKNIIKKA Kurssi: Harjoitustyö : Tehon mittaaminen Pvm : Opiskelija: Tark. Arvio: Tavoite: Välineet: Harjoitustyön tehtyäsi osaat mitata ja arvioida vastukseen jäävän tehohäviön sähköisessä

Lisätiedot

Aineistokoko ja voima-analyysi

Aineistokoko ja voima-analyysi TUTKIMUSOPAS Aineistokoko ja voima-analyysi Johdanto Aineisto- eli otoskoon arviointi ja tutkimuksen voima-analyysi ovat tilastollisen tutkimuksen suunnittelussa keskeisimpiä asioita. Otoskoon arvioinnilla

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

TAKAVARIKKO TULLISSA

TAKAVARIKKO TULLISSA TAKAVARIKKO TULLISSA KOHDERYHMÄ: Työ on suunniteltu lukiolaisille. Erityisesti työ soveltuu kurssille KE2. KESTO: n. 30 min. Riippuen näytteiden määrästä ja ryhmän koosta. MOTIVAATIO: Tullin haaviin on

Lisätiedot

MTTTS2 Pro gradu -tutkielma ja seminaari. Kevät 2014, 40op Jaakko Peltonen

MTTTS2 Pro gradu -tutkielma ja seminaari. Kevät 2014, 40op Jaakko Peltonen MTTTS2 Pro gradu -tutkielma ja seminaari Kevät 2014, 40op Jaakko Peltonen Osaamistavoitteet Opiskelija osaa tehdä itsenäisesti tilastollista tutkimustyötä ja osaa raportoida sekä käyttämiensä menetelmien

Lisätiedot

Mitä on konvoluutio? Tutustu kuvankäsittelyyn

Mitä on konvoluutio? Tutustu kuvankäsittelyyn Mitä on konvoluutio? Tutustu kuvankäsittelyyn Tieteenpäivät 2015, Työohje Sami Varjo Johdanto Digitaalinen signaalienkäsittely on tullut osaksi arkipäiväämme niin, ettemme yleensä edes huomaa sen olemassa

Lisätiedot

Geeniekspressio: Mikrosirut. Geneettinen bioinformatiikka

Geeniekspressio: Mikrosirut. Geneettinen bioinformatiikka Geeniekspressio: Mikrosirut Geneettinen bioinformatiikka Microarray Microarray is a compact device containing a very large number of capture molecules (synthetic oligos, PCR products, proteins, antibodies

Lisätiedot

SELVITYS SIITÄ MITEN ERÄÄT PERINNÖLLISET SAIRAUDET (KUTEN GPRA JA FUCOSIDOSIS) PERIYTYVÄT ENGLANNINSPRINGERSPANIELEISSA

SELVITYS SIITÄ MITEN ERÄÄT PERINNÖLLISET SAIRAUDET (KUTEN GPRA JA FUCOSIDOSIS) PERIYTYVÄT ENGLANNINSPRINGERSPANIELEISSA SELVITYS SIITÄ MITEN ERÄÄT PERINNÖLLISET SAIRAUDET (KUTEN GPRA JA FUCOSIDOSIS) PERIYTYVÄT ENGLANNINSPRINGERSPANIELEISSA Kaikki koiran perimät geenit sisältyvät 39 erilliseen kromosomipariin. Geenejä arvellaan

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

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5

keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 1 b 3 a 5 Johdatus diskreettiin matematiikkaan Harjoitus 6, 21.10.2015 1. Ovatko verkot keskenään isomorfiset? (Perustele!) Ratkaisu. Ovat. Tämän näkee indeksoimalla kärjet kuvan osoittamalla tavalla: a 2 b 4 a

Lisätiedot

Projektisuunnitelma. Projektin tavoitteet

Projektisuunnitelma. Projektin tavoitteet Projektisuunnitelma Projektin tavoitteet Projektin tarkoituksena on tunnistaa erilaisia esineitä Kinect-kameran avulla. Kinect-kamera on kytkettynä tietokoneeseen, johon projektissa tehdään tunnistuksen

Lisätiedot

Arcada yrkeshögskola Hållbar utveckling v 0.5 > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Arcada yrkeshögskola Hållbar utveckling v 0.5 > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%) Oppimisaihion arviointi / Arvioinnin tulos 9 Aineiston arvioinnin tulos arviointialueittain Arcada yrkeshögskola Hållbar utveckling v 0.5 > 80 % 80 60 % 60 50 % < 50 % Arviointialue Ominaisuuksien Arviointialue

Lisätiedot

BIOLOGIAN KYSYMYKSET

BIOLOGIAN KYSYMYKSET BIOLOGIAN KYSYMYKSET Biologian osakokeessa on 10 kysymystä. Tarkista, että saamassasi vastausmonisteessa on sivut 1-10 numerojärjestyksessä. Tarkastajien merkintöjä varten 1 2 3 4 5 6 7 8 9 10 max 80p

Lisätiedot

Aukkoja sekvensseissä. Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari

Aukkoja sekvensseissä. Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari Aukkoja sekvensseissä Tuomo Hartonen Teoreettisen fysiikan syventävien opintojen seminaari 25.04.13 Terminologiaa Aminohappo = proteiinien rakennuspalikka, proteiinit rakentuvat 22:sta erilaisesta, 20

Lisätiedot

Higgsin bosonin etsintä CMS-kokeessa LHC:n vuosien 2010 ja 2011 datasta CERN, 13 joulukuuta 2011

Higgsin bosonin etsintä CMS-kokeessa LHC:n vuosien 2010 ja 2011 datasta CERN, 13 joulukuuta 2011 Higgsin bosonin etsintä CMS-kokeessa LHC:n vuosien 2010 ja 2011 datasta CERN, 13 joulukuuta 2011 Higgsin bosoni on ainoa hiukkasfysiikan standardimallin (SM) ennustama hiukkanen, jota ei ole vielä löydetty

Lisätiedot

LOPPURAPORTTI. DNA Kaupan henkilöstön kehittämishanke

LOPPURAPORTTI. DNA Kaupan henkilöstön kehittämishanke 1 2016 LOPPURAPORTTI DNA Kaupan henkilöstön kehittämishanke DNA Kauppa järjesti yhdessä valmennusyritys Kaswun kanssa henkilöstön kehittämishankkeen. Tästä syntyi oppimisen iloa, sitoutumista ja tuloksia.

Lisätiedot

Königsbergin sillat. Königsberg 1700-luvulla. Leonhard Euler ( )

Königsbergin sillat. Königsberg 1700-luvulla. Leonhard Euler ( ) Königsbergin sillat 1700-luvun Königsbergin (nykyisen Kaliningradin) läpi virtasi joki, jonka ylitti seitsemän siltaa. Sanotaan, että kaupungin asukkaat yrittivät löytää reittiä, joka lähtisi heidän kotoaan,

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

OHJE 1 (5) 16.12.2011 VALMERI-KYSELYN KÄYTTÖOHJEET. Kyselyn sisältö ja tarkoitus

OHJE 1 (5) 16.12.2011 VALMERI-KYSELYN KÄYTTÖOHJEET. Kyselyn sisältö ja tarkoitus OHJE 1 (5) VALMERI-KYSELYN KÄYTTÖOHJEET Kyselyn sisältö ja tarkoitus Valmeri-kysely on työntekijöille suunnattu tiivis työolosuhdekysely, jolla saadaan yleiskuva henkilöstön käsityksistä työoloistaan kyselyn

Lisätiedot

YHTEISTEN TYÖPAIKKOJEN TYÖTURVALLISUUS TOT -raporttien analyysi

YHTEISTEN TYÖPAIKKOJEN TYÖTURVALLISUUS TOT -raporttien analyysi YHTEISTEN TYÖPAIKKOJEN TYÖTURVALLISUUS TOT -raporttien analyysi Tutkimuksen toteutus ja keskeisiä tuloksia Osa 1. TOT -tutkinta ja sen kehittäminen TOT -tutkintakäytännön ja - raporttien kehittämisehdotuksia

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

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas JAKAUMAN MUOTO Vinous, skew (g 1, γ 1 ) Kertoo jakauman symmetrisyydestä Vertailuarvona on nolla, joka vastaa symmetristä jakaumaa (mm. normaalijakauma)

Lisätiedot

HMM ja geenien etsintä

HMM ja geenien etsintä Kuten makovin mallien yhteydessä, niin HMM halutulla topologialla voidaan opettaa tunnistamaan geenejä. Ohessa eäs geenitunnistukseen käytetty topologia, joka tunnistaa ihmisen geenit (5 -> 3 ). Edellä

Lisätiedot

Kun älykkäät koneet ja muu teknologinen kehitys yhdistyvät asiantuntijatyössä

Kun älykkäät koneet ja muu teknologinen kehitys yhdistyvät asiantuntijatyössä Kun älykkäät koneet ja muu teknologinen kehitys yhdistyvät asiantuntijatyössä Dosentti Osmo Kuusi Aalto-yliopisto, Turun Yliopisto 11/15/16 Professiot asiantuntevuuden ydinryhmä Perinteisesti professiolla

Lisätiedot

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten Todennäköisyys Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten tietoliikennejärjestelmien ymmärtämisessä

Lisätiedot

Geneettiset algoritmit

Geneettiset algoritmit Geneettiset algoritmit Evoluution piirteitä laskennassa Optimoinnin perusteet - Kevät 2002 / 1 Sisältö Geneettisten algoritmien sovelluskenttä Peruskäsitteitä Esimerkkejä funktion ääriarvon etsintä vangin

Lisätiedot

Laboratoriotyöselostuksen laatiminen

Laboratoriotyöselostuksen laatiminen CHEM-C2210 Alkuainekemia ja epäorgaanisten materiaalien synteesi ja karakterisointi Kevät 2016 Laboratoriotyöselostuksen laatiminen Työselostus tehdään kurssin ryhmätyöstä: Atomi/molekyylikerroskasvatuksella

Lisätiedot

Tähtitieteen käytännön menetelmiä Kevät 2009

Tähtitieteen käytännön menetelmiä Kevät 2009 Tähtitieteen käytännön menetelmiä Kevät 2009 2009-01-12 Yleistä Luennot Luennoija hannu.p.parviainen@helsinki.fi Aikataulu Observatoriolla Maanantaisin 10.00-12.00 Ohjattua harjoittelua maanantaisin 9.00-10.00

Lisätiedot

Mitä suomen intonaatiosta tiedetään

Mitä suomen intonaatiosta tiedetään Mitä suomen intonaatiosta tiedetään ja mitä ehkä tulisi tietää? Tommi Nieminen Itä-Suomen yliopisto AFinLAn syyssymposium Helsinki 13. 14. 11. 2015 Johdanto Jäsennys 1 Johdanto 2 Mitä intonaatiosta tiedetään?

Lisätiedot

Geeniekspressioiden klusterointi

Geeniekspressioiden klusterointi Geeniekspressioiden klusterointi Katja Saarela Katja.Saarela@cs.helsinki.fi Klusterointimenetelmät-seminaari Helsingin yliopisto, tietojenkäsittelytieteen laitos Raportti C-2002-54, s. 64-75, marraskuu

Lisätiedot

A* Reitinhaku Aloittelijoille

A* Reitinhaku Aloittelijoille A* Reitinhaku Aloittelijoille Alkuperäisen artikkelin kirjoittanut Patrick Lester, suomentanut Antti Veräjänkorva. Suom. huom. Tätä kääntäessäni olen pyrkinyt pitämään saman alkuperäisen tyylin ja kerronnan.

Lisätiedot

Tutkimuspäiväkirja ja tutkimussuunnitelma Eeva Jokinen

Tutkimuspäiväkirja ja tutkimussuunnitelma Eeva Jokinen Tutkimuspäiväkirja ja tutkimussuunnitelma Eeva Jokinen Kääk!??? Idea! TUTKIMUSPÄIVÄKIRJA Empiirisessä tutkimuksessa tutkimustulokset saadaan tekemällä konkreettisia havaintoja tutkimuskohteesta ja analysoimalla

Lisätiedot

Etunimi: Henkilötunnus:

Etunimi: Henkilötunnus: Kokonaispisteet: Lue oheinen artikkeli ja vastaa kysymyksiin 1-25. Huomaa, että artikkelista ei löydy suoraan vastausta kaikkiin kysymyksiin, vaan sinun tulee myös tuntea ja selittää tarkemmin artikkelissa

Lisätiedot

Tausta tutkimukselle

Tausta tutkimukselle Näin on aina tehty Näyttöön perustuvan toiminnan nykytilanne hoitotyöntekijöiden toiminnassa Vaasan keskussairaalassa Eeva Pohjanniemi ja Kirsi Vaaranmaa 1 Tausta tutkimukselle Suomessa on aktiivisesti

Lisätiedot

TIIVISTELMÄ. Työstä eläkkeelle tulokehitys ja korvaussuhteet. Eläketurvakeskuksen raportteja 2010:3. Juha Rantala ja Ilpo Suoniemi

TIIVISTELMÄ. Työstä eläkkeelle tulokehitys ja korvaussuhteet. Eläketurvakeskuksen raportteja 2010:3. Juha Rantala ja Ilpo Suoniemi R RAPORTTEJA Eläketurvakeskuksen raportteja 2010:3 TIIVISTELMÄ Juha Rantala ja Ilpo Suoniemi Työstä eläkkeelle tulokehitys ja korvaussuhteet Tutkimuksessa arvioitiin, mitä muutoksia henkilön tuloissa ja

Lisätiedot

Kahden laboratorion mittaustulosten vertailu

Kahden laboratorion mittaustulosten vertailu TUTKIMUSSELOSTUS NRO RTE9 (8) LIITE Kahden laboratorion mittaustulosten vertailu Sisältö Sisältö... Johdanto... Tulokset.... Lämpökynttilät..... Tuote A..... Tuote B..... Päätelmiä.... Ulkotulet.... Hautalyhdyt,

Lisätiedot

Virtaa kielikokeisiin!

Virtaa kielikokeisiin! Virtaa kielikokeisiin! Tiedossa & tulossa Sähköisen kielikokeen rakenne Esimerkkitehtäviä julkaistu digabi.fi/kielet ylioppilastutkinto.fi digabi.fi Muutama ajatus aluksi Mikä on ylioppilaskokeen tehtävä?

Lisätiedot

DNA Tiina Immonen, FT, yo-lehtori HY Lääketieteellinen tiedekunta Biokemia ja kehitysbiologia

DNA Tiina Immonen, FT, yo-lehtori HY Lääketieteellinen tiedekunta Biokemia ja kehitysbiologia DNA 18.4.2016 Tiina Immonen, FT, yo-lehtori HY Lääketieteellinen tiedekunta Biokemia ja kehitysbiologia Koordinaattori, Master s Degree Programme in Translational Medicine (TRANSMED) 1 Sisältö DNA:n rakenne

Lisätiedot

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)

Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen) 1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi

Lisätiedot

Yhteistyöaineiden edustajan puheenvuoro

Yhteistyöaineiden edustajan puheenvuoro Yhteistyöaineiden edustajan puheenvuoro Professori Ilkka Virtanen Talousmatematiikka Johdatus laskentatoimen ja rahoituksen tutkielmatyöskentelyyn 21.10.2002 Vaasan yliopisto Johdatus laskentatoimen ja

Lisätiedot

DC-moottorin pyörimisnopeuden mittaaminen back-emf-menetelmällä

DC-moottorin pyörimisnopeuden mittaaminen back-emf-menetelmällä 1 DC-moottorin pyörimisnopeuden mittaaminen back-emf-menetelmällä JK 23.10.2007 Johdanto Harrasteroboteissa käytetään useimmiten voimanlähteenä DC-moottoria. Tämä moottorityyppi on monessa suhteessa kätevä

Lisätiedot

FM-opiskelijan opintopolku, perinnöllisyystiede, geneettisen bioinformatiikan erikoistumislinja (vastuuopettaja Päivi Onkamo)

FM-opiskelijan opintopolku, perinnöllisyystiede, geneettisen bioinformatiikan erikoistumislinja (vastuuopettaja Päivi Onkamo) FMopiskelijan opintopolku, perinnöllisyystiede, geneettisen bioinformatiikan erikoistumislinja (vastuuopettaja Päivi Onkamo) 1. PERINNÖLLISYYSTIETEEN SYVENTÄVÄT OPINNOT (527050), 94 op 1.1. Pakolliset

Lisätiedot

Tuntisuunnitelma: Teema 3

Tuntisuunnitelma: Teema 3 Tuntisuunnitelma: Teema 3 Aika: Oppimiskokonaisuuden 3. oppitunti Mobiililaboratorio-oppimiskokonaisuus, 7.-9. lk Aihe: Tulkitaan mittaustuloksia paikkatiedon avulla Oppitunnin tavoitteet: Oppilaat tutustuvat

Lisätiedot

Radioaktiivisen säteilyn läpitunkevuus. Gammasäteilty.

Radioaktiivisen säteilyn läpitunkevuus. Gammasäteilty. Fysiikan laboratorio Työohje 1 / 5 Radioaktiivisen säteilyn läpitunkevuus. Gammasäteilty. 1. Työn tavoite Työn tavoitteena on tutustua ionisoivaan sähkömagneettiseen säteilyyn ja tutkia sen absorboitumista

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 7: NCSS - Tilastollinen analyysi Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen

Lisätiedot

Batch means -menetelmä

Batch means -menetelmä S-38.148 Tietoverkkojen simulointi / Tulosten keruu ja analyysi 1(9) Batch means -menetelmä Batch means -menetelmää käytetään hyvin yleisesti Simulointi suoritetaan tässä yhtenä pitkänä ajona olkoon simuloinnin

Lisätiedot

VÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA

VÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA VÄRISPEKTRIKUVIEN TEHOKAS SIIRTO TIETOVERKOISSA Juha Lehtonen 20.3.2002 Joensuun yliopisto Tietojenkäsittelytiede Kandidaatintutkielma ESIPUHE Olen kirjoittanut tämän kandidaatintutkielman Joensuun yliopistossa

Lisätiedot

Biokemian menetelmät I kurssi, työselostukset, kevät 2016.

Biokemian menetelmät I kurssi, työselostukset, kevät 2016. Biokemian menetelmät I kurssi, työselostukset, kevät 2016. DEADLINET: työselostus tulostettuna paperille Työ 3: To 24.3.2016 klo 15:00 KE1132:n palautuspiste tai BMTK:n Työ 2: Pe 1.4.2016 klo 16:00 KE1132:n

Lisätiedot

EVTEK/ Antti Piironen & Pekka Valtonen 1/6 TM01S/ Elektroniikan komponentit ja järjestelmät Laboraatiot, Syksy 2003

EVTEK/ Antti Piironen & Pekka Valtonen 1/6 TM01S/ Elektroniikan komponentit ja järjestelmät Laboraatiot, Syksy 2003 EVTEK/ Antti Piironen & Pekka Valtonen 1/6 TM01S/ Elektroniikan komponentit ja järjestelmät Laboraatiot, Syksy 2003 LABORATORIOTÖIDEN OHJEET (Mukaillen työkirjaa "Teknillisten oppilaitosten Elektroniikka";

Lisätiedot

Laadunhallinta yliopistossa. Mikko Mäntysaari

Laadunhallinta yliopistossa. Mikko Mäntysaari Laadunhallinta yliopistossa Mikko Mäntysaari Luennon sisällöstä Luento on pidetty 28.10.2008 Jyväskylän yliopiston sosiaalityön yksikön kehittämispäivänä. Teemana on laadunhallinnan kehittäminen yliopistossa.

Lisätiedot

PHYS-A0120 Termodynamiikka (TFM) Käytännön järjestelyt ensimmäisessä projektityössä

PHYS-A0120 Termodynamiikka (TFM) Käytännön järjestelyt ensimmäisessä projektityössä PHYS-A0120 Termodynamiikka (TFM) Käytännön järjestelyt ensimmäisessä projektityössä Perjantai 30.10.2015 Projektityön tarkoitus Oppia termodynamiikkaa: esim. lämpövarastot, lämmönsiirto, erilaiset syklit,

Lisätiedot

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen 16.06.2014 Ohjaaja: Urho Honkanen Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Tiedon louhinnan teoria (ja käytäntö) OUGF kevätseminaari 2004 Hannu Toivonen

Tiedon louhinnan teoria (ja käytäntö) OUGF kevätseminaari 2004 Hannu Toivonen Tiedon louhinnan teoria (ja käytäntö) OUGF kevätseminaari 2004 Hannu Toivonen hannu.toivonen@cs.helsinki.fi 1 2 A 1 4 8 2 2 1 2 6 2 A 2 4 3 7 3 2 8 4 2 A 4 5 2 4 5 5 2 6 4 A 7 2 3 7 5 4 5 2 2 A 5 2 4 6

Lisätiedot

Σ!3674. Advanced Test Automation for Complex Software-Intensive Systems

Σ!3674. Advanced Test Automation for Complex Software-Intensive Systems Advanced Test Automation for Complex Software-Intensive Systems = Advanced Test Automation for Complex Software- Intensive Systems Pääteemana kompleksisten ja erittäin konfiguroitavien softaintensiivisten

Lisätiedot

Sosiaalisten verkostojen data

Sosiaalisten verkostojen data Sosiaalisten verkostojen data Hypermedian jatko-opintoseminaari 2008-09 2. luento - 17.10.2008 Antti Kortemaa, TTY/Hlab Wasserman, S. & Faust, K.: Social Network Analysis. Methods and Applications. 1 Mitä

Lisätiedot

Plagiointi opintosuorituksissa TaY:n plagiointityöryhmän toimenpide-ehdotuksia

Plagiointi opintosuorituksissa TaY:n plagiointityöryhmän toimenpide-ehdotuksia TAUCHI Tampere Unit for Computer-Human Interaction Plagiointi opintosuorituksissa TaY:n plagiointityöryhmän toimenpide-ehdotuksia Veikko Surakka Research Group for Emotions, Sociality, and Computing Tampere

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.

Lisätiedot

Käyttöopas (ver. 1.29 Injektor Solutions 2006)

Käyttöopas (ver. 1.29 Injektor Solutions 2006) KombiTemp HACCP Elintarviketarkastuksiin Käyttöopas (ver. 1.29 Injektor Solutions 2006) web: web: www.haccp.fi 2006-05-23 KombiTemp HACCP on kehitetty erityisesti sinulle, joka työskentelet elintarvikkeiden

Lisätiedot

Esimerkkejä vaativuusluokista

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

Lisätiedot

- Extra: PCR-alukkeiden suunnittelutehtävä haluttaessa

- Extra: PCR-alukkeiden suunnittelutehtävä haluttaessa Kertaus CHEM-C2300 0 Tällä luennolla: - Oletteko lukeneet artikkelia, käydäänkö läpi? - Ehdotuksia tenttikysymyksiin? - Käydään läpi kurssin keskeiset asiakokonaisuudet otsikkotasolla - Extra: PCR-alukkeiden

Lisätiedot

Kvalitatiiviset On Line Yhteisöt / KMM

Kvalitatiiviset On Line Yhteisöt / KMM 1 13.03.2013 Kvalitatiiviset On Line Yhteisöt / KMM KVALITATIIVISET ON LINE YHTEISÖT - tulevaisuuden mahdollisuuksia etsimässä - SMTS, Aamiaisseminaari 13.3.2013. - Kati Myrén Taloustutkimus 3 13.03.2013

Lisätiedot

Avainsanat: BI5 III Biotekniikan sovelluksia 9. Perimä ja terveys.

Avainsanat: BI5 III Biotekniikan sovelluksia 9. Perimä ja terveys. Avainsanat: mutaatio Monitekijäinen sairaus Kromosomisairaus Sukupuu Suomalainen tautiperintö Geeniterapia Suora geeninsiirto Epäsuora geeninsiirto Kantasolut Totipotentti Pluripotentti Multipotentti Kudospankki

Lisätiedot

SIJOITTAJAN OPAS ETF-rahastoihin

SIJOITTAJAN OPAS ETF-rahastoihin SIJOITTAJAN OPAS ETF-rahastoihin Pörssinoteerattu rahasto eli ETF (Exchange-Traded Fund) on rahasto, jolla voidaan käydä kauppaa pörssissä. ETF:ien avulla yksityissijoittajalla on mahdollisuus sijoittaa

Lisätiedot

Gradu-seminaari (2016/17)

Gradu-seminaari (2016/17) Gradu-seminaari (2016/17) Tavoitteet Syventää ja laajentaa opiskelijan tutkimusvalmiuksia niin, että hän pystyy itsenäisesti kirjoittamaan pro gradu -tutkielman sekä käymään tutkielmaa koskevaa tieteellistä

Lisätiedot

VAPAAEHTOISILLA TEHTY TESTIMITTAUS HARMONIFIN TM SUOJAAVIEN VAIKUTUKSIEN SELVITTÄMISEKSI SÄHKÖMAGNEETTISEN KENTÄN MILLIMETRIN AALLONPITUUSALUEELLA

VAPAAEHTOISILLA TEHTY TESTIMITTAUS HARMONIFIN TM SUOJAAVIEN VAIKUTUKSIEN SELVITTÄMISEKSI SÄHKÖMAGNEETTISEN KENTÄN MILLIMETRIN AALLONPITUUSALUEELLA VAPAAEHTOISILLA TEHTY TESTIMITTAUS HARMONIFIN TM SUOJAAVIEN VAIKUTUKSIEN SELVITTÄMISEKSI SÄHKÖMAGNEETTISEN KENTÄN MILLIMETRIN AALLONPITUUSALUEELLA ELIMISTÖSI HARMONIASSA Email: info@nanosmart.fi Web: www.nanosmart.fi

Lisätiedot

Tentti erilaiset kysymystyypit

Tentti erilaiset kysymystyypit Tentti erilaiset kysymystyypit Kysymystyyppien kanssa kannatta huomioida, että ne ovat yhteydessä tentin asetuksiin ja erityisesti Kysymysten toimintatapa-kohtaan, jossa määritellään arvioidaanko kysymykset

Lisätiedot

MONISTE 2 Kirjoittanut Elina Katainen

MONISTE 2 Kirjoittanut Elina Katainen MONISTE 2 Kirjoittanut Elina Katainen TILASTOLLISTEN MUUTTUJIEN TYYPIT 1 Mitta-asteikot Tilastolliset muuttujat voidaan jakaa kahteen päätyyppiin: kategorisiin ja numeerisiin muuttujiin. Tämän lisäksi

Lisätiedot

Eye tracking. Analysoimalla viestintääsi voit lisätä myyntiäsi

Eye tracking. Analysoimalla viestintääsi voit lisätä myyntiäsi Eye tracking Analysoimalla viestintääsi voit lisätä myyntiäsi Lisää myyntiä luomalla katseen vangitsevaa viestintää Näkevätkö asiakkaasi todellakin ne asiat, jotka haluat heidän laskussa, web sivuilla

Lisätiedot

Muistintutkimuksesta ja tulkin muistista. Muistintutkimuksesta ja tulkin muistista

Muistintutkimuksesta ja tulkin muistista. Muistintutkimuksesta ja tulkin muistista Muistintutkimuksesta ja tulkin muistista SKTL:n Tulkkijaos Koulutus- ja virkistäytymisp ytymispäivä Tampere-talo, 8.10.2011 www.muistikuisti.net Sinikka Hiltunen FK (käännöstiede 1992), FM (kognitiotiede

Lisätiedot

Pääluvun tekstin jälkeen tuleva alaotsikko erotetaan kahdella (2) enterin painalluksella,väliin jää siis yksi tyhjä rivi.

Pääluvun tekstin jälkeen tuleva alaotsikko erotetaan kahdella (2) enterin painalluksella,väliin jää siis yksi tyhjä rivi. KIRJALLISEN TYÖN ULKOASU JA LÄHTEIDEN MERKITSEMINEN Tämä ohje on tehty käytettäväksi kasvatustieteiden tiedekunnan opinnoissa tehtäviin kirjallisiin töihin. Töiden ohjaajilla voi kuitenkin olla omia toivomuksiaan

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

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on 13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu

Lisätiedot

6.4. Genomin koon evoluutio Genomin koko vaihtelee

6.4. Genomin koon evoluutio Genomin koko vaihtelee 6.4. Genomin koon evoluutio 6.4.1. Genomin koko vaihtelee C-arvo: genomin haploidi koko pg:na 1 pg = 0.98 x 10 9 bp = 1 milj. kb = 1000 Mb (ero: geneettinen genomin koko (cm)) Missäkohtaa genomiaon kokoeroja?

Lisätiedot

Suomen virtuaaliammattikorkeakoulu Teknillinen mekaniikka templateaihio > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

Suomen virtuaaliammattikorkeakoulu Teknillinen mekaniikka templateaihio > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%) Oppimisaihion arviointi / Arvioinnin tulos 9 Aineiston arvioinnin tulos arviointialueittain Suomen virtuaaliammattikorkeakoulu Teknillinen mekaniikka templateaihio > 80 % 80 60 % 60 50 % < 50 % Arviointialue

Lisätiedot

Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi

Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi Mitä elämä on? Astrobiologian luento 15.9.2015 Kirsi Määritelmän etsimistä Lukemisto: Origins of Life and Evolution of the Biosphere, 2010, issue 2., selaile kokonaan Perintteisesti: vaikeasti määriteltävä

Lisätiedot

KTT-kurssi toteutetaan sekä kontaktiopetuksena (20 tuntia) että verkkomuodossa.

KTT-kurssi toteutetaan sekä kontaktiopetuksena (20 tuntia) että verkkomuodossa. Taina Lehtinen (10.9.2015) Vaikuttava opetusvideo-kurssilla tavoitteenani on tehdä yksi videoklipsi, joka tulee olemaan osa laajempaa oppimateriaalin digitalisointia. Laajan digitalisointiprojektin kohteena

Lisätiedot

Kaikille avoin hiihtokoulu

Kaikille avoin hiihtokoulu Kaikille avoin hiihtokoulu Kaikille avoimessa hiihtokoulussa kaikki oppilaat ovat yhtä arvokkaita ja tervetulleita, hiihtokoulu ei rajaa ketään pois vamman tai toimintakyvyn vuoksi. Kaikilla on oikeus

Lisätiedot

S Laskennallinen systeemibiologia

S Laskennallinen systeemibiologia S-114.2510 Laskennallinen systeemibiologia 3. Harjoitus 1. Koska tilanne on Hardy-Weinbergin tasapainossa luonnonvalintaa lukuunottamatta, saadaan alleeleista muodostuvien eri tsygoottien genotyyppifrekvenssit

Lisätiedot