Osioanalyysi. Sisältö. Kvantitatiivinen metodologia verkossa. Osioanalyysi. Osioiden tutkimiskriteerit
|
|
|
- Amanda Korhonen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen Helsingin yliopisto Sisältö Osioanalyysi Validiteetti Reliabiliteetti Vaikeustaso IRT-mallinnus HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 Osioanalyysi Osioanalyysin tehtävänä on erotella hyvät ja huonot osiot toisistaan Osioanalyysilla voidaan tutkia sekä osaamista että mielipiteitä mittaavia tehtäviä Osioiden tutkimiskriteerit Validiteetti Reliabiliteetti Vaikeustaso HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 3/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 4/3 Validiteetti Kuinka hyvin mittari mittaa sitä, mitä sillä on tarkoitus mitata. Painotus on siirtymässä mittarista tehtävien johtopäätösten validointiin: Validiteetilla tarkoitetaan niiden päätelmien sopivuutta, mielekkyyttä ja käyttökelpoisuutta, joita mittaustuloksista tehdään. (Psychological Testing 985 & Konttinen 997 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 5/3 Validiteetti on traditionaalisesti jaettu kolmeen alaryhmään. sisältövaliditeetti Vastaako tentti koealuetta. kriteerivaliditeetti (korrelaatio mittalukuna ennustevaliditeetti (valintakoe rinnakkaisvaliditeetti (standartoitu testi 3. käsitevaliditeeti l. rakennevaliditeetti l. konstruktiovaliditeetti Vastaako testin rakenne taustalla olevaa teoriaa ja ovatko kysymysten sisällöt halutun kaltaisia HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 6/3
2 Yleistetty validiteetti ( Messick 989, 994; Rantanen 3 Progressiivinen matriisi, jossa ulkoreunan solut sisältävät myös edellisten solujen sisällön Testin tulkinta Testin käyttö Ilmeiset Käsitevaliditeetti (KV Hyödyllisyys + KV perusteet Seuraamukselliset rvo ja teoreettiset Sosiaaliset seuraukset perusteet seuraamukset + KV + edelliset Reliabiliteetti Reliabiliteetti kuvaa mittauksen tarkkuutta Stabiliteetti, pysyvyyttä Konsistenssi, yhtenäisyyttä (alfa Yleisin relibiliteetin estimaatti on Cronbachin alfa Reliaabeliin kyselyyn annetut vastaukset eroavat, koska vastaajilla on erilaisia mielipiteitä - ei sen vuoksi, että kysely on hämmentävä tai monitulkintainen" (SPSS HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 7/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 8/3 Reliabiliteetti Mittauksen tulos eli mitta-arvo x, jakautuu kahteen eri komponenttiin, tosiarvoon τ ja mittavirheeseen ε x = τ + ε Reliabiliteetin r xx ( lukuarvo määritellään olevan tosiarvon varianssi jaettuna mitta-arvon varianssilla r xx. x σ = τ σ Mittavirheelle tehdään seuraavat oletukset Mittavirheiden keskiarvo on nolla Mittavirhe ei korreloi tosiarvon kanssa Rinnakkaistestien mittavirheet eivät korreloi keskenään HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 9/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 Reliabiliteetin lukuarvon estimointimenetelmät. Rinnakkaistestien välinen korrelaatio. Split-half -menetelmä ja Spearman- Brownin yhtälö ' ar r = + ( a r Reliabiliteetin lukuarvon estimointimenetelmät 3. Kaikkien mahdollisten split half reliabiliteettien keskiarvo a Kuder-Richardson yhtälöt KR- ja KR-, /-pisteytys N. pq rxx = N σ x b Cronbachin alfa, α, myös Likert asteikko = N σ x i r xx. N σ x HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3
3 Cronbachin alfan takana olevat oletukset. testin tulee mitata ainoastaan yhtä dimensiota. osioiden varianssien tulee olla yhtä suuret 3. osioiden korrelaatioiden tulee olla yhtä suuret lfa on ala-estimaatti reliabiliteetin arvolle. Todellinen reliabiliteetti on suurempi, joten alfa on riittävä ehto reliabiliteetille. Yleistetty reliabiliteetti (Tarkkonen, Vehkalahti Reliabiliteettivaatimuksia Lyhyessä osaamista mittaavassa testissä/kokeessa ( - 5 osiota reliabiliteetin tulee olla yli,5 Mielipidemittauksissa reliabiliteetin tulee mielellään olla yli,7 laskettaessa summamuuttujia Pitkässä testissä/kokeessa (yli 5 osiota reliabiliteetin tulee olla yli,8 Kaikissa kokeissa ja testeissä, joissa tehdään yksilön kannalta merkittäviä päätöksiä, tulee reliabiliteetin olla yli,8, mielellään yli,9. HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 3/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 4/3 Reliabiliteetin arviointi Reliabiliteettia voidaan arvioida laskemalla yksittäisten osioiden korrelaatio kokonaispistemäärään. Mikäli korrelaatio on pienempi kuin,5, niin osio todennäköisesti mittaa eri asiaa tai on virheellisesti muotoiltu Virheellisten vastausvaihtoehtojen (harhauttajien tulee olla vetovoimaisia. Negatiivinen korrelaatio kokonaispistemäärän kanssa. Osan vastaajista tulee valita kaikkia harhauttajia. HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 5/3 Testin optimaalinen vaikeustaso Testin vaikeustason tarkastelu tehdään seuraavan kolmen kohdan avulla:. Optimaalisen vaikeustason vertailu pisteiden havaittuun keskiarvoon. rvausrajan alle jääneiden osuus vastaajista 3. Täyden pistemäärän saaneiden osuus vastaajista Vastaajien tulisi tietää oikea vastaus noin 5 %:iin tehtävistä Osioista tulee ratkaista keskimäärin oikein 3% 8% Monivalintatehtävissä huomioitava arvaamisen vaikutus HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 6/3 Satunnaisen arvaamisen tuottama pistemäärä N = = N p N on osioiden lukumäärä µ on vastausvaihtoehtojen lukumäärä p on oikein arvaamisen todennäköisyys Mikäli vastaajan on tiedettävä vastaus κ osioon, tulee lopullinen hyväksymispisteraja asettaa pistemäärään χ. ( N κ χ = κ + HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 7/3 Testin optimaalinen vaikeustaso monivalintatehtäville N pn χ o = + N ( + = p N on osioiden lukumäärä on vastausvaihtoehtojen lukumäärä p on oikein arvaamisen todennäköisyys χ on lopullinen hyväksymispisteraja HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 8/3
4 Testin optimaalinen vaikeustaso Jakauman tarkastelu Lattiaefekti Testi on liian vaikea ja erottelee ainoastaan erittäin hyviä vastaajia Pistejakauma kasautuu lähelle satunnaisen arvaamisen pisterajaa. Jakauman muoto voi olla hämäävästi normaalijakauman muotoinen Kattoefekti Testi on liian helppo ja erottelee ainoastaan erittäin heikkoja vastaajia Pistejakauma kasautuu lähelle maksimipisteitä. Jakauma näyttää nojaavan seinään Jakauma on normaali Satunnaisen arvaamisen rajan alpuolella noin % vastaajista Vain harvat vastaajat ovat saaneet täydet pisteet Vastauksien keskiarvo on 7,59. Optimaallinen keskiarvo olisi 9,33. Testi on ollut hieman liian vaikea. Count Puhdas arvaus 4,67 Keskiarvo 7,59 Optimaalinen arvo 9, % Tarpeellinen ja tarpeeton tieto vaihtoehtoisia osiota 4 kpl HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 9/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 Osion erottelukyky kuvaa kuinka tarkasti osio erottelee vastaajat kokeessa/testissä menestymisen suhteen Osioon väärin vastanneiden ryhmässä tulisi erottelukykyisellä osiolla olla kokonaispistemäärä matala, ja osioon oikein vastanneiden joukossa kokonaispistemäärän tulisi olla korkea ä voidaan mitata usealla eri tavalla U L D = n U on oikein vastanneiden lukumäärä yläneljänneksessä L on oikein vastanneiden lukumäärä alaneljänneksessä. n on vastaajien lukumäärä neljänneksissä HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen /3 Osiovastekäyrät oikealle vastausvaihtoehdolle ja harhauttajille Oikein vastanneiden osuus Kokonaispistemäärä HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 3/3 IRT-mallinnus Item Response teoria Klassisen testiteorian yleistys Testin ja vastaajien ominaisuudet voidaan erottaa toisistaan Eri osioihin vastanneiden vastaajien pistemäärät ovat vertailukelpoisia Osioita voidaan verrata keskenään, vaikka niihin on vastannut osittain eri vastaajat Reliabiliteetti korvataan testin informaatiokäyrällä, joka kuvaa mittaustiedon tarkkuutta kullakin piirrearvolla. HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 4/3
5 IRT-mallinnus, Sovellukset Testit voidaan mittaustarkkuuden näkökulmasta tehdä optimaalisiksi kullekin vastaajaryhmän osaamistasolle Ryhmän sisällä voidaan käyttää eri osioita tehtäväpapereissa Peräkkäisten toistomittausten tekeminen tulee helpoksi, kun ei tarvitse käyttää samoja tehtäviä Mahdollistaa osiopankkien rakentamisen IRT-mallien käyttöä rajoittavia tekijöitä Mallintaminen vaatii jonkin verran tilastomatemaattista osaamista Pisteytys tehdään aina tietokoneellisesti, ja ohjelmat ovat melko hankalia käyttää Otoksien tulee olla suuria, jotta osioiden parametrit voidaan määrittää (- Piirrearvot ovat abstrakteja lukuarvoja, ja usein sekä tutkijat että opettajat haluavat helposti ymmärrettävät ja tulkittavat pisteytysperusteet. HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 5/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 6/3 IRT, Matemaattinen tausta Item Response -teoria perustuu logistisiin funktioihin IRT, Osiovastekäyrän tulkinta x-akselilla on piirrearvo y-akselilla todennäköisyys, jolla kyseisen piirrearvon omaava henkilö vastaa oikein kyseiseen osioon. yksiparametrinen Raschin malli (vaikeustaso b kaksiparametrinen Birnbaumin malli (erottelukyky a kolmeparametrinen IRT malli (pseudoarvausparametri c P c a Dai e Pi Θ = ci + ( ci + e ( Θ bi ( Dai ( Θ bi. b Θ HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 7/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 8/3 IRT, Osiovastekäyrän tulkinta Osio : Helppo Matala erottelykyky rvaaminen on mahdollista Osio B: Vaikea Korkea erottelukyky rvaaminen ei onnistu P c B Θ Information Osion informaatiokäyrä Test Information and Measurement Error Subtest : DR parametri 4.5 -parametria 4. 3-parametria M e d i a a n i Scale Score Metric Type Normal Standard Error... HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 9/3 HY/SVY Kvantitatiivinen metodologia verkossa Osioanalyysi Pekka Rantanen 3/3
2. luentokrt KOTITEHTÄVÄ: VASTAA UUDELLEEN KAHTEEN KYSYMYKSEESI TÄMÄN PÄIVÄN TIEDON PERUSTEELLA
KOTITEHTÄVÄ: VASTAA UUDELLEEN KAHTEEN KYSYMYKSEESI TÄMÄN PÄIVÄN TIEDON PERUSTEELLA 13.4.2015 1 2. luentokrt Taksonomiataulu osa 2 eli miten suunnitella opetusta ja oppilasarviointia tehtävien vaativuustasot
Otannasta ja mittaamisesta
Otannasta ja mittaamisesta Tilastotiede käytännön tutkimuksessa - kurssi, kesä 2001 Reijo Sund Aineistot Kvantitatiivisen tutkimuksen aineistoksi kelpaa periaatteessa kaikki havaintoihin perustuva informaatio,
ARVIOINTIPERIAATTEET
PSYKOLOGIAN YHTEISVALINNAN VALINTAKOE 2012 ARVIOINTIPERIAATTEET Copyright Helsingin yliopisto, käyttäytymistieteiden laitos, Materiaalin luvaton kopiointi kielletty. TEHTÄVÄ 1. (max. 34.5 pistettä) 1 a.i)
Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä
Lauri Tarkkonen: Validiteetti ja reliabiliteetti 1 Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä ole pohjaa. Rakennevaliditeetin estimoiminen 1. Mitattavan
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 31.03.2012 klo. 9.00-12.00 saleissa L1,L3 Jukka Kemppainen Mathematics
ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 MERKINTÖJÄ... 6 SISÄLLYSLUETTELO JOHDANTO JA TESTITEORIAN HISTORIAA... 10
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 MERKINTÖJÄ... 6 SISÄLLYSLUETTELO... 8 1. JOHDANTO JA TESTITEORIAN HISTORIAA... 10 2. MITTARIN RAKENTAMINEN... 13 2.1 KYSYMYS JOHON HALUTAAN
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 5.4.2014 klo. 9.00-12.00 saleissa L1,L3 Koealue: luentojen luvut 7-11
Lauri Tarkkonen: Kappa kerroin ja rinnakkaisten arvioitsijoiden yhdenmukaisuus
Lauri Tarkkonen: Kappa kerroin ja rinnakkaisten arvioitsijoiden yhdenmukaisuus Tässä rajoitutaan tarkastelemaan kahden arvioitsijan tapausta, Olettakaamme, että n havaintoa on arvioitu kahden arvioitsijan
VALTIOTIETEELLINEN 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
Hierarkkiset koeasetelmat. Heliövaara 1
Hierarkkiset koeasetelmat Heliövaara 1 Hierarkkiset koeasetelmat Kaksiasteista hierarkkista koeasetelmaa käytetään tarkasteltaessa seuraavaa kysymystä: Miten varianssianalyysissa tutkitaan kahden tekijän
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
Testejä suhdeasteikollisille muuttujille
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman
HALLINTOTIETEIDEN 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
Kankkunen P & Vehviläinen-Julkunen K: Tutkimus hoitotieteessä. 1.painos. WSOY.
HOITOTIETEEN PÄÄSYKOE 2010 Kankkunen P & Vehviläinen-Julkunen K: Tutkimus hoitotieteessä. 1.painos. WSOY. Kysymys 1. Määrittele triangulaatiotyypit (sivut 58-61), 5p. Arviointikriteerit: - Rakenne 0,5p
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2 Luento 2 Kuvailevat tilastolliset menetelmät Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen
Perusopetuksen aamu- ja iltapäivätoiminnan laadun arviointi 2016 Västankvarns skola/ Tukiyhdistys Almus ry.
Perusopetuksen aamu- ja iltapäivätoiminnan laadun arviointi 06 Västankvarns skola/ toteutti perusopetuksen aamu- ja iltapäivätoiminnan seurantakyselyn lapsille ja huoltajille huhtikuussa 06. Vuoden 06
KERAVAN NAISVOIMISTELIJAT KNV ry:n ASIAKASTYYTYVÄISYYSKYSELYN KOOSTE
KERAVAN NAISVOIMISTELIJAT KNV ry:n ASIAKASTYYTYVÄISYYSKYSELYN KOOSTE Valmennusryhmät Kyselyt oli suunnattu erikseen lapsille (alle 13v.), nuorille (yli 13v.) sekä vanhemmille. Eniten vastauksia tuli vanhemmille
Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset
806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.
806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ
Matematiikan 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,
KELAN INDUKTANSSI VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA. Miika Manninen, n85754 Tero Känsäkangas, m84051
VAASAN YLIOPISTO TEKNILLINEN TIEDEKUNTA SÄHKÖTEKNIIKKA Miika Manninen, n85754 Tero Känsäkangas, m84051 SATE.2010 Dynaaminen kenttäteoria KELAN INDUKTANSSI Sivumäärä: 21 Jätetty tarkastettavaksi: 21.04.2008
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
TILASTOLLINEN 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
2.7 Neliöjuuriyhtälö ja -epäyhtälö
2.7 Neliöjuuriyhtälö ja -epäyhtälö Neliöjuuren määritelmä palautettiin mieleen jo luvun 2.2 alussa. Neliöjuurella on mm. seuraavat ominaisuudet. ab = a b, a 0, b 0 a a b =, a 0, b > 0 b a2 = a a > b, a
Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma tiedetään. Se on normaalijakauma, havainnollistaminen simuloiden
1 KERTAUSTA JA TÄYDENNYSTÄ Luento 30.9.2014 Olkoon satunnaisotos X 1, X 2,, X n normaalijakaumasta N(µ, σ 2 ), tällöin ~ N(µ, σ 2 /n), kaava (6). Otoskeskiarvo on otossuure, jonka todennäköisyysjakauma
/1. MTTTP1, luento Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:
4.10.2016/1 MTTTP1, luento 4.10.2016 7.4 Normaalijakauma (jatkoa) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti: Samoin z /2 siten, että P(Z > z /2 ) = /2, graafisesti: 4.10.2016/2
Tehtävä 1. Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä.
Tehtävä 1 Hypoteesi: Liikuntaneuvonta on hyvä keino vaikuttaa terveydentilaan. Onko edellinen hypoteesi hyvä tutkimushypoteesi? Kyllä Ei Hypoteesi ei ole hyvä tutkimushypoteesi, koska se on liian epämääräinen.
Hypoteesin testaus Alkeet
Hypoteesin testaus Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Johdanto Kokeellinen tutkimus: Varmennetaan teoreettista olettamusta fysikaalisen systeemin käyttäytymisestä
Kvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 Vuorikadulla V0 ls Muuttujien muunnokset Usein empiirisen analyysin yhteydessä tulee tarve muuttaa aineiston muuttujia Esim. syntymävuoden
YHDYSKUNTATEKNISET PALVELUT 2018 Kyselytutkimuksen tulokset Kuopio Heikki Miettinen & Jarno Parviainen
Kyselytutkimuksen tulokset Kuopio 1..1 Heikki Miettinen & Jarno Parviainen 1 Johdanto 2 Selvityksen taustaa Tutkimus asukkaiden teknisiä palveluita koskevista mielipiteistä toteutettiin ensimmäisen kerran
Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit järjestysasteikollisille muuttujille Järjestysasteikollisten muuttujien testit Merkkitesti Wilcoxonin
Elämänlaatu. Minna-Liisa Luoma,tutkimuspäällikkö Minna-liisa.luoma@thl.fi. 28.10.2014 Esityksen nimi / Tekijä 1
Elämänlaatu Minna-Liisa Luoma,tutkimuspäällikkö Minna-liisa.luoma@thl.fi 28.10.2014 Esityksen nimi / Tekijä 1 Elämänlaadun määritelmiä Keskeistä kaikissa elämänlaadun määritelmissä on inhimillisen, subjektiivisen
Kyselytutkimus. Yleistä lomakkeen laadinnasta ja kysymysten tekemisestä - 1. Yleistä lomakkeen laadinnasta ja kysymysten tekemisestä - 2
Kyselytutkimus Graduryhmä kevät 2008 Leena Hiltunen 29.4.2008 Yleistä lomakkeen laadinnasta ja kysymysten tekemisestä - 1 Kysymysten tekemisessä kannattaa olla huolellinen, sillä ne luovat perustan tutkimuksen
Numeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.
A. r = 0. n = Tilastollista testausta varten määritetään aluksi hypoteesit. H 0 : Korrelaatiokerroin on nolla. H : Korrelaatiokerroin on nollasta poikkeava. Tarkastetaan oletukset: - Kirjoittavat väittävät
ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6
Sisällysluettelo ALKUSANAT 4 ALKUSANAT E-KIRJA VERSIOON 5 SISÄLLYSLUETTELO 6 1 PERUSASIOITA JA AINEISTON SYÖTTÖ 8 11 PERUSNÄKYMÄ 8 12 AINEISTON SYÖTTÖ VERSIOSSA 9 8 Muuttujan määrittely versiossa 9 11
YHDYSKUNTATEKNISET PALVELUT 2016 Kyselytutkimuksen tulokset 27 kunnassa Kuopio Heikki Miettinen
YHDYSKUNTATEKNISET PALVELUT 0 Kyselytutkimuksen tulokset kunnassa Kuopio..0 Heikki Miettinen YHDYSKUNTATEKNISET PALVELUT 0 1 Johdanto Selvityksen taustaa Tutkimus asukkaiden teknisiä palveluita koskevista
Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio
17.11.2015/1 MTTTP5, luento 17.11.2015 Luku 5 Parametrien estimointi 5.1 Piste-estimointi Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla
Osa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Väliestimointi TKK (c) Ilkka Mellin (2007) 1 Väliestimointi >> Todennäköisyysjakaumien parametrien estimointi Luottamusväli
Sisällysluettelo LUKU I METODOLOGIAN PERUSTEET IHMISTIETEISSÄ ESIPUHE...III ESIPUHE KIRJAN TOISEEN PAINOKSEEN... VIII SISÄLLYSLUETTELO...
Sisällysluettelo ESIPUHE...III ESIPUHE KIRJAN TOISEEN PAINOKSEEN... VIII SISÄLLYSLUETTELO... IX LUKU I METODOLOGIAN PERUSTEET IHMISTIETEISSÄ 1. JOHDANTO JA PÄÄMÄÄRÄT.. 2 1.1 TIETEELLISEN TIEDON OMINAISPIIRTEITÄ...3
MTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)
21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.
edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾
ËØÙ ÓØÓ Ø Mitta-asteikot Nominaali- eli laatueroasteikko Ordinaali- eli järjestysasteikko Intervalli- eli välimatka-asteikko ( nolla mielivaltainen ) Suhdeasteikko ( nolla ei ole mielivaltainen ) Otos
Rinnakkaislääketutkimus 2011 Rinnakkaislääketeollisuus Ry
Rinnakkaislääketutkimus 0 Rinnakkaislääketeollisuus Ry Research Insight Finland Oy RIF-07 Syyskuu 0 Elina Iivarinen Jorma Hakanen Slide Master Tutkimuksen tausta ja tavoitteet Rinnakkaislääketeollisuus
SMG-4200 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 4 ratkaisuiksi
SMG-400 Sähkömaneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 4 ratkaisuiksi Jatkuvuustilan D-lämpötilajakauma: differenssimenetelmä Differenssimenetelmän käyttämen lämpötehtävien ratkaisemiseen
Otoskoko 107 kpl. a) 27 b) 2654
1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää
Arkkitehtitoimistojen Liitto ATL ry Julkisten hankintojen lainsäädännön vaikutus arkkitehtipalveluihin Kesä-elokuu 2010, vastaajia: 66
Arkkitehtitoimistojen Liitto ATL ry Julkisten hankintojen lainsäädännön vaikutus arkkitehtipalveluihin Kesä-elokuu 2010, vastaajia: 66 1 Sisältö Tutkimuksen tausta ja toteutus 3 Vastaajien taustatiedot
Geenikartoitusmenetelmät. Kytkentäanalyysin teoriaa. Suurimman uskottavuuden menetelmä ML (maximum likelihood) Uskottavuusfunktio: koko aineisto
Kytkentäanalyysin teoriaa Pyritään selvittämään tiettyyn ominaisuuteen vaikuttavien eenien paikka enomissa Perustavoite: löytää markkerilokus jonka alleelit ja tutkittava ominaisuus (esim. sairaus) periytyvät
/1. MTTTP1, luento Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti:
2.10.2018/1 MTTTP1, luento 2.10.2018 7.4 Normaalijakauma (kertausta) Olkoon Z ~ N(0, 1). Määritellään z siten, että P(Z > z ) =, graafisesti: Samoin z /2 siten, että P(Z > z /2 ) = /2, graafisesti: 2.10.2018/2
Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.
1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin
S-114.3812 Laskennallinen Neurotiede
S-114.381 Laskennallinen Neurotiede Projektityö 30.1.007 Heikki Hyyti 60451P Tehtävä 1: Virityskäyrästön laskeminen Luokitellaan neuroni ensin sen mukaan, miten se vastaa sinimuotoisiin syötteisiin. Syöte
Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan
17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten
¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.
10.11.2006 1. Pituushyppääjä on edellisenä vuonna hypännyt keskimäärin tuloksen. Valmentaja poimii tämän vuoden harjoitusten yhteydessä tehdyistä muistiinpanoista satunnaisesti kymmenen harjoitushypyn
Mittaamisen maailmasta muutamia asioita. Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori
Mittaamisen maailmasta muutamia asioita Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori SISÄLTÖ 1. Mittari vs. indikaattori vs. menetelmä - mittaaminen 2. Luotettavat mittarit 3. Arvioinnin
Sisältö. Perusteiden Kertaus. Tilastollinen analyysi. Peruskäsitteitä. Peruskäsitteitä. Kvantitatiivinen metodologia verkossa
Sisältö Kvantitatiivinen metodologia verkossa Perusteiden Kertaus Pekka Rantanen Helsingin yliopisto Tilastollinen analyysi Tilastotieteen tavoitteet Kvantitatiivisen tutkimuksen peruskäsitteitä Tilastollisten
Yleistetyistä lineaarisista malleista
Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit
Opettajan pikaopas Opintojaksopalaute-järjestelmään
Opettajan pikaopas Opintojaksopalaute-järjestelmään Yleistä... 3 Sijainti... 3 Kirjautuminen... 3 Kyselyn rakenne... 3 Opettajan toiminnot kirjautumisen jälkeen... 3 Lukuvuoden opintojaksojen listaaminen...
Aluksi. 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
Regressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007
Mat-2.204 Tilastollisen analyysin perusteet, kevät 2007 3. luento: Pari sanaa vielä hypoteesien formuloinneista Kai Virtanen Hypoteesien muodoista Luennolla nro. 2 muotoiltiin nollahypoteesi - H 0 : θ
T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1
T-61.281 Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti 10.2.2004, 8:30-10:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:
c) Määritä paraabelin yhtälö, kun tiedetään, että sen huippu on y-akselilla korkeudella 6 ja sen nollakohdat ovat x-akselin kohdissa x=-2 ja x=2.
MAA4. Koe 8.5.0 Jussi Tyni Kaikkiin tehtäviin ratkaisujen välivaiheet näkyviin! Ota kokeesta poistuessasi tämä paperi mukaasi! Tee konseptiin pisteytysruudukko! Muista kirjata nimesi ja ryhmäsi. Valitse
Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka
Kemometriasta Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Mistä puhutaan? Määritelmiä Määritys, rinnakkaismääritys Mittaustuloksen luotettavuus Kalibrointi Mittausten
1 2 x2 + 1 dx. (2p) x + 2dx. Kummankin integraalin laskeminen oikein (vastaukset 12 ja 20 ) antaa erikseen (2p) (integraalifunktiot
Helsingin yliopisto, Itä-Suomen yliopisto, Jyväskylän yliopisto, Oulun yliopisto, Tampereen yliopisto ja Turun yliopisto Matematiikan valintakoe (Ratkaisut ja pisteytys) 500 Kustakin tehtävästä saa maksimissaan
Osallisuuden seuranta ja mittaaminen
Osallisuuden seuranta ja mittaaminen Kuntademokratiaverkoston tapaaminen 7.6.2018 Lars Leemann, 7.6.2018 Tausta Sosiaalisen osallisuuden edistämisen koordinaatiohanke Sokra koordinoi kaikki Euroopan Sosiaalirahaston
Itsehallintoalueen 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
YLEISKUVA - Kysymykset
INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla
LIIKETOIMINNAN KUNTOTESTI
LIIKETOIMINNAN KUNTOTESTI Suomen Liiketoimintapalvelu Oy on kehittänyt kyselyn nimeltä Liiketoiminnan kuntotesti. Kuntotestikyselyyn on vastannut lukuisia yrityksiä (N=45) syksyn 2017 aikana. Tämä raportti
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE Ratkaisut ja arvostelu < X 170
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 4.6.2013 Ratkaisut ja arvostelu 1.1 Satunnaismuuttuja X noudattaa normaalijakaumaa a) b) c) d) N(170, 10 2 ). Tällöin P (165 < X < 175) on likimain
( ) ( ) ( ) ( ( ) Pyramidi 4 Analyyttinen geometria tehtävien ratkaisut sivu 271 Päivitetty 19.2.2006. 701 a) = keskipistemuoto.
Pyramidi Analyyttinen geometria tehtävien ratkaisut sivu 7 Päivitetty 9..6 7 a) + y = 7 + y = 7 keskipistemuoto + y 7 = normaalimuoto Vastaus a) + y = ( 7 ) + y 7= b) + y+ 5 = 6 y y + + = b) c) ( ) + y
Mat-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,
Estimointi. Vilkkumaa / Kuusinen 1
Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman
KOKEMUKSIA TOIMINTAKYKYÄ. Itsenäiseen elämään sopivin palveluin -hanke 2011-2014 Merja Marjamäki
KOKEMUKSIA TOIMINTAKYKYÄ ARVIOIVISTA MENETELMISTÄ Itsenäiseen elämään sopivin palveluin -hanke 2011-2014 Merja Marjamäki Itsenäiseen elämään sopivin palveluin -hanke Tavoitteena on saada tietoa lievästi
Kvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan
A-OSA. Kyseessä on binomitodennäköisyys. 30 P(Tasan 10 sadepäivää ja muut 20 poutapäiviä) 0,35 (1 0,35) ,35 0, ,
MAB8-harjoituskoe RATKAISUT A-OSA 1. Eräänä kuukautena yksittäisen sadepäivän todennäköisyys on 35 %. Millä todennäköisyydellä kuukauden päivistä 10 on sadepäiviä ja 20 poutapäiviä, kun kuukaudessa on
Havaitsevan tähtitieteen peruskurssi I
Havaintokohteita 9. Polarimetria Lauri Jetsu Fysiikan laitos Helsingin yliopisto Havaintokohteita Polarimetria Havaintokohteita (kuvat: @phys.org/news, @annesastronomynews.com) Yleiskuvaus: Polarisaatio
Koesuunnittelu Latinalaiset neliöt. TKK (c) Ilkka Mellin (2005) 1
Koesuunnittelu Latinalaiset neliöt TKK (c) Ilkka Mellin (2005) 1 Latinalaiset neliöt Latinalaisten neliöiden koeasetelma ja sen malli Latinalaisten neliöiden koeasetelman analysointi Laskutoimitusten suorittaminen
TAITOTASOTAVOITE. PERUSOPETUKSEEN VALMISTAVA OPETUS keskimäärin A1.3 A2.1. PERUSOPETUS päättöarvioinnin kriteerit arvosanalle 8: kielitaito B1.1 B1.
TAITOTASOTAVOITE PERUSOPETUKSEEN VALMISTAVA OPETUS keskimäärin A1.3 A2.1 PERUSOPETUS päättöarvioinnin kriteerit arvosanalle 8: kielitaito B1.1 B1.2 AIKUISTEN PERUSOPETUKSEN ALKUVAIHE A2.2 (=YKI 2) LUKIOKOULUTUS
Monivalintatehtävät matematiikassa
Monivalintatehtävät matematiikassa Pekka Vienonen M.Sc. (Applied Mathematics & Computer Science) High school teacher, Mathematics, Physics, ICT Syyskoulutuspäivät 7.1.217 Voiko matematiikan osaamista mitata
Esimerkki 8. Ratkaise lineaarinen yhtälöryhmä. 3x + 5y = 22 3x + 4y = 4 4x 8y = 32. 3 5 22 r 1 + r 3. 0 13 26 4 8 32 r 3 4r 1. LM1, Kesä 2014 47/68
Esimerkki 8 Ratkaise lineaarinen yhtälöryhmä 3x + 5y = 22 3x + 4y = 4 4x 8y = 32. 3 5 22 r 1 + r 3 3 4 4 4 8 32 1 3 10 0 13 26 4 8 32 r 3 4r 1 1 3 10 3 4 4 r 2 3r 1 4 8 32 1 3 10 0 13 26 r 2 /13 0 4 8
/1. MTTTP5, luento Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla
16.11.2017/1 MTTTP5, luento 16.11.2017 3.5.5 Normaalijakauma (jatkuu) Binomijakaumaa voidaan approksimoida normaalijakaumalla ~,, ~,,. 16.11.2017/2 Esim. Tutkittiin uuden menetelmän käyttökelpoisuutta
10. laskuharjoituskierros, vko 14, ratkaisut
10. laskuharjoituskierros, vko 14, ratkaisut D1. Eräässä kokeessa verrattiin kahta sademäärän mittaukseen käytettävää laitetta. Kummallakin laitteella mitattiin sademäärät 10 sadepäivän aikana. Mittaustulokset
Suomi toisena kielenä -ylioppilaskoe. FT Leena Nissilä Opetusneuvos, yksikön päällikkö OPETUSHALLITUS
Suomi toisena kielenä -ylioppilaskoe FT Leena Nissilä Opetusneuvos, yksikön päällikkö OPETUSHALLITUS 1 Uusi opetussuunnitelma haastaa oppimisen Uusi opetussuunnitelma haastaa oppimisen Teknologian soveltaminen
5. Väliestimoi tehtävän 3 tilanteessa tulppien keskimääräinen kestoa.
MTTTP5, kevät 2016 4.2.2016/RL Lisätehtäviä ratkaisuiee luetomoistee lukuu 5 liittye 1. Olkoo puoluee A kaatusosuus populaatiossa 30 %. Tarkastellaa tästä populaatiosta tehtyä satuaisotosta, joka koko
Learning cafen yhteenveto. Helsinki 23.1.2014
Learning cafen yhteenveto Helsinki 23.1.2014 Miten ohjaamme asiakkaita ammatilliseen kuntoutukseen? Tieto tulleista muutoksista (palveluntuottajat), tiedon jakaminen sidosryhmille/ammattilaisille ja asiakkaille
Empatiaosamäärä. Nimi: ********************************************************************************
Empatiaosamäärä EQ Nimi: ******************************************************************************** Luen jokainen väite huolellisesti ja arvioi, miten voimakkaasti olet tai eri sen kanssa. 1. Huomaan
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.
T Luonnollisten kielten tilastollinen käsittely
T-61.281 Luonnollisten kielten tilastollinen käsittely Vastaukset 3, ti 11.2.2003, 16:15-18:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:
Kysymystyypit. Tentin kysymystyypit. Monivalinta
Kysymystyypit Tentin kysymystyypit Monivalinta Tosi/Epätosi Lyhytvastaus Numeerinen kysymys Laskutehtävä Essee Yhdistämistehtävä Yhdistämistehtävä lyhytvastauksista Aukkotehtävät Matemaattinen monivalinta
P-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
30 + x. 15 + 0,5x = 2,5 + x 0,5x = 12,5 x = 25. 27,5a + 27,5b = 1,00 55 = 55. 2,5a + (30 2,5)b (27,5a + 27,5b) = 45 55.
RATKAISUT, Insinöörimatematiikan koe 1.5.201 1. Kahdessa astiassa on bensiinin ja etanolin seosta. Ensimmäisessä astiassa on 10 litraa seosta, jonka tilavuudesta 5 % on etanolia. Toisessa astiassa on 20
Kankkunen P & Vehviläinen-Julkunen K: Tutkimus hoitotieteessä. 1.painos. WSOY.
HOITOTIETEEN PÄÄSYKOE 2010 Kankkunen P & Vehviläinen-Julkunen K: Tutkimus hoitotieteessä. 1.painos. WSOY. Kysymys 1. Määrittele triangulaatiotyypit (sivut 58-61), 5p. Arviointikriteerit: - Rakenne 0,5p
Valtteri Lindholm (Helsingin Yliopisto) Horisonttiongelma 21.11.2013 1 / 9
: Valtteri Lindholm (Helsingin Yliopisto) Horisonttiongelma 21.11.2013 1 / 9 Horisonttiongelma Valtteri Lindholm Helsingin Yliopisto Teoreettisen fysiikan syventävien opintojen seminaari Valtteri Lindholm
Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
MS-A0004 - Matriisilaskenta Laskuharjoitus 3
MS-A0004 - Matriisilaskenta Laskuharjoitus 3 atkaisut Tehtävä Merkitään matriisin rivejä, 2 ja 3. Gaussin eliminoinnilla saadaan 3 5 4 7 3 5 4 7 3 2 4 2+ 0 3 0 6 6 8 4 3+2 2 0 3 0 6 3 5 4 7 0 3 0 6 3+
A130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala
Kaavakokoelma, testinvalintakaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1 a) Konepajan on hyväksyttävä alihankkijalta saatu tavaraerä, mikäli viallisten komponenttien
MTTTP1, luento KERTAUSTA
26.9.2017/1 MTTTP1, luento 26.9.2017 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2017/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
TieVie-hanke 2001-02 Saksan kieli. Ritva Huurtomaa
TieVie-hanke 2001-02 Saksan kieli Ritva Huurtomaa Tavoitteet suunnitella ja toteuttaa verkkokurssina saksan kieliopin oppimiseen ja harjoittelemiseen innostava kokonaisuus saksan opintojaan aloittavia
Palauta jokainen funktio-tiedosto. Esitä myös funktiot vastauspaperissasi.
Tehtävä 1 Kirjoita neljä eri funktiota (1/2 pistettä/funktio): 1. Funktio T tra saa herätteenä 3x1-kokoisen paikkavektorin p. Se palauttaa 4x4 muunnosmatriisin, johon sijoitettu p:n koordinaattien mukainen
Mat-2.108 Sovelletun matematiikan erikoistyöt PSYKOLOGISTEN ILMIÖIDEN MITTAAMINEN. Auli Hämäläinen 48444R
Mat-2.108 Sovelletun matematiikan erikoistyöt PSYKOLOGISTEN ILMIÖIDEN MITTAAMINEN Auli Hämäläinen 48444R 1 Johdanto... 3 1.1 Työn tavoitteet... 3 1.3 Psykometriikan ja psykologisten testien historiaa...
Sovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo