Mittausepävarmuuden arviointi mikrobiologisissa viljelymenetelmissä. 1. Tilastollisesti riippumattomien epävarmuuskomponenttien yhdistäminen
|
|
- Simo Mattila
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 1 Seppo Niemelä, Mittasepävarmden arviointi mikrobiologisissa viljelymenetelmissä 1. Tilastollisesti riippmattomien epävarmskomponenttien yhdistäminen Olkoon mitatt kahden riippmattoman lähtösreen A ja B arvot sekä arvioit niiden mittasepävarmdet A ja B (keskihajonnat). A:sta ja B:stä johdettjen sien mttjien (A+B), (A-B), AB ja A/B yhdistetyt epävarmdet vektorismman periaatteella laskien ovat: Smmamttjan (A+B) standardiepävarms + = + ( ) Erotsmttjan (A-B) standardiepävarms = + ( ) Tlomttjan (AB) standardiepävarms AB A B = AB + A B Osamäärämttjan (A/B) standardiepävarms ( A/ B) A A B = + B A B Motoa ( x /x) 2 olevat lasekkeet kaavoissa ovat ns. shteellisia variansseja. Niiden neliöjret ( x /x) ovat shteellisia standardiepävarmksia (shteellisia keskihajontoja). Koska ne ovat tlo- ja osamäärämotoisten lasekkeiden (kts. s. 3) yhdistetyn epävarmden laskemisessa keskeisiä, ja mikrobiologiassa tavallisin tapas, on käytännöllistä merkitä niitä yhdellä kirjainsymbolilla. Otetaan käyttöön merkintä shteellinen mittasepävarms ( x /x)= w x. Se ilmaistaan joko prosentteina tai desimaalilkna ja on mikrobiologiassa kaikkein käytännöllisin mittasepävarmden ilmaistapa. Kahdesta jälkimmäisestä kaavasta saadaan tämän seraksena w w w AB = = + ( AB) ( AB)
2 2 w w ( A/ B ) = + ( A/ B) 2. Laimennskertoimen epävarms Yhden vaiheen laimennskerroin lasketaan kaavasta ( a + b) f =, missä a a= siirroksen tilavs b= laimennsneste-erän tilavs Kaavan osoittajan ja nimittäjän epävarmdet ovat korreloitneita (sama a). Korrelaation takia laimennskertoimen standardiepävarms lasketaan kaavasta 1 w = + b w ( a+ b) 2 f b a b = laimennslioksen standardiepävarms (ml) w a = siirroksen shteellinen standardiepävarms On helpottavaa tietää, että kertoimen f=10 tapaksessa on seimmiten aivan riittävää olettaa, että w f = w a Esimerkki 1. Olkoon a= 1 ml ja b= 9 ml ja mittasten shteelliset standardiepävarmdet samassa järjestyksessä 2% ja 1% Näinollen w a = 0,02 (2%) ja w b = 0,01 (1%) Laskkaavassa tarvitaan b:n absolttista keskihajontaa eli b = 0,01x9ml= 0,09 ml. Täydellisestä kaavasta saadaan 1 1 w f = + = + = ,09 9 0,02 0,0081 0,0324 0,0201 Likimääräisolets: w f = w a = 0,02 pitää tässä tapaksessa hyvin paikkansa. Kokonaislaimennskerroin on yksittäisten laimennskertoimien tlo, joten k kpl laimennsvaiheita sisältävän sarjan kokonaiskerroin F = f... 1 f2 fk Sen shteellinen standardiepävarms on tlon motoisesta lasekkeesta johten yksittäisten kertoimien shteellisten standardiepävarmksien vektorismma (neliösmman neliöjri).
3 3 2 wf = wf + w... 1 f + + w 2 fk 3. Mikrobiologisten viljelymenetelmien yhdistetty mittasepävarms Koetloksen yhdistetyn mittasepävarmden koostaminen edellyttää koetloksen laskkaavan kirjoittamista näkyviin. Siitä nähdään, minkä mittasten yhdistelmä koetlos on ja millä tavalla osat shtatvat matemaattisesti toisiinsa. Mikrobiologian klassisten standardimenetelmien koetloksen laskkaava on kaikille menetelmille yhteinen ja voidaan esittää modossa y = VF v V= standarditilavs (vesihygieniassa yleensä 100 ml tai 1 ml) F= laimennskerroin (laimennksen monikerta, esim ) v= viljellyn koeannoksen tilavs (ml) = koeannoksesta laskett pesäkelkmäärä Osamäärä /v on tlkittavissa päätesspension mikrobipitoisden (kpl/ml) arvioksi. MPN-menetelmissä talkoiden tai tietokoneohjelmien tlos on yleensä annett soraan standarditilavtta (esim. 100 ml) kohti, joten kaava on yksinkertaisesti y = F MPN Molemmissa kaavoissa mttjat ovat tlon/osamäärän motoisessa shteessa toisiinsa, joten koetlosten yhdistetty (koostett) epävarms edellyttää vain tlo- ja osamäärämttjien epävarmden kaavoja (kts. s. 1). Poikkeksen modostaa laimennskertoimen epävarms, koska jokainen laimennsvaihe merkitsee kahden nestetilavden (siirros ja laimennslios) yhdistämistä. Laimennskertoimen laskkaava sisältää myös yhteenlaska (vrt. s. 2) Korjaskertoimet Toisin kin fysiikassa ja kemiassa, mikrobiologisissa mittaksissa ei ole tottt korjastermien ja kertoimien käyttöön. Tosin laimennskerroin on tlkittavissa tyypilliseksi korjaskertoimeksi, jonka avlla persmittaksen (pesäkkeiden laskennan) tlos korjataan vastaamaan näytteen pitoisstasoa. Aivan vastaavasti voitaisiin ajatella erilaisia kasvalstan viljavdesta, näytteen säilytyksen aikaisista menetyksistä, tilavsmittasten systemaattisista virheistä, viljelymenetelmän aihettamasta stressistä, väärien positiivisten tlosten osdesta tai henkilökohtaisesta työtavasta johtvia korjaksia. Kaikki mikrobiologisten menetelmien korjakset olisivat lonteeltaan tlon tekijöitä, joilla koetlokset pitäisi kertoa. Jokaisella kertoimella olisi oma mittasepävarmtensa, joka toisi tällöin lisänsä koetloksen yhdistettyyn mittasepävarmteen.
4 4 Oletetaan täydellisesti korjatt koetlos, jonka laskemisessa tarvitaan n kpl erilaisia korjaskertoimia. y = k... 1 k2 kn V F v Tlon motoisesta lasekkeesta johten koetloksen yhdistetty shteellinen epävarms w c arvioitaisiin kaavalla w = w + w w + w + w + w n c k1 k2 k F v Kaavassa ei esiinny standarditilavden (V) epävarmtta, koska standarditilavs on valitt vakio, eikä sen arvoon liity mitään epävarmtta. Myöskin on phtaasti valinnainen asia sisällytetäänkö laboratorionäytteen tai kenttäkohteen epähomogeeniss epävarmskomponenttien jokkoon. Korjaskertoimien ja midenkin tekijöiden epävarmden arvojen löytämisessä käytetään monia keinoja omakohtaisista kalibrointimittaksista ja kenttähavainnoista tilastolliseen teoriaan, kirjallisstietoihin ja valistneeseen arvakseen saakka. Laskesimerkit valaisevat asiaa. Esimerkki 2. Kalvosodatsmenetelmää käyttäen on viljelty soraan vesinäytteestä 10 ml koeannos. Koeannoksen mittaamiseen käytettiin 10 ml mittapipettiä. Inkboinnin jälkeen laborantti laski kalvolta 42 kohdeorganismin pesäkkeiksi olettamaansa pesäkettä. Alstava (varmistamaton) koetlos pyydetään ilmoittamaan 100 ml kohti ja varstamaan epävarmsarviolla. Epävarmden laskemisessa vähimmäisvaatims on ottaa homioon koeannoksen tilavsmittaksen epävarms ja havaittn pesäkemäärään liittyvä epävarms. Oletetaan, että kyseisessä laboratoriossa on tehty kerran persteellinen 10 ml:n mittapipettien tarkists pnnitsemalla. Tilavden keskiarvoksi saatiin 9,7 ml ja shteellisen keskihajonnan (shteellisen standardiepävarmden) arvoksi 0,5%. Koska laimennsta ei tarvitt, koetloksen laskkaava on y= V/v V= 100 ml = 42 v= 9,7 ml
5 5 Koetlos y = 100x42/9,7= 433/100 ml (pyöristetään vasta lopptlosta ilmoitettaessa). Maljan ilmoitett pesäkelkmäärä 42 saattaa olla epävarma siitä syystä, että se perst silmämäärin tehtyyn laskentaan, johon liittyy myöskin tlkintaa. Jos oletetaan, että laboratoriolla ei ole mitään käsitystä kysymyksessä olevan laborantin tlosten lkemisepävarmdesta, voidaan joko olettaa lk 42 absolttisen varmaksi tai käyttää mta katta (esim. kirjalliss) saata tietoa laskemiseen liittyvästä epävarmdesta. Se on selvissä tapaksissa (esim. phdasviljelmäpesäkkeet) yleensä 1-2%. Merkitään tässä esimerkin voksi tloksen shteellista lkemaepävarmtta w T :llä ja oletetaan sen arvoksi 2% (0,02). Koetlokseksi ei yleensä riitä koeannoksen pesäkelkmäärä, vaan vesinäytteen mikrobipitoiss. Niin tässäkin tapaksessa. Vaikka koetlos ei siitä mt, niin silloin mkaan tlee si merkittävä epävarmskomponentti: hikkastilastollinen hajonta. Koeannokseen sattva todellinen mikrobimäärä näet vaihtelee satnnaisesti, niin että se olisi sattmalta voint olla paljonkin 42:sta poikkeava jossakin toisessa pipetillisessä. Tästä vaihtelsta johtvaa epävarmtta voidaan arvioida tilastollisen teorian ja kokemksen persteella. Täysin onnistneesti sekoitetissa näytteissä vaihtel nodattaa Poisson-jakamaa siten, että pesäkelkmäärän () shteellinen varianssi on 1/. Todellisdessa :n paikalla pitäisi käyttää jakaman oikeaa keskiarvoa. Se ei kitenkaan ole tiedossa. Ainoa sitä koskeva tieto on kokeessa havaitt pesäkemäärä 42. Tässä kokeessa shteelliset epävarmskomponentit olivat siis: Koeannoksen tilavden sht. epävarms w v = 0,005 Tloksen sht. lkemaepävarms w T = 0,02 1 Shteellinen hikkastilastollinen hajonta w = = 0, Yhdistetty shteellinen epävarms on 2 1 wc = w + wt + wv = + 0, , 005 = 0, , , 0000 = 0, Yhdistetty epävarms on siis 0,156 eli 15,6%. Se määräytyy melkein yksinomaan hikkastilastollisesta hajonnasta, joka jo yksin on srdeltaan 0,154. Milla epävarmskomponenteilla ei tässä tapaksessa ollt merkittävää vaiktsta. Koetlos ja sen epävarms voitaisiin ilmaista esimerkiksi seraavasti Näytteen alstava mikrobipitoiss oli 430/100 ml ja koetloksen shteellinen mittasepävarms 15,6%.
Seppo I. Niemelä: Mikrobiologian kvantatiivisten
Jlkais J1/001 MITTATEKNIIKAN KESKUS Jlkais J1/001 MIKROBIOLOGIAN KVANTITATIIVISTEN VILJELYMÄÄRITYSTEN MITTAUSEPÄVARMUUS Seppo I. Niemelä KEMIAN JAOSTO Mikrobiologian työryhmä Helsinki 001 ALKUSANAT Mikrobiologisten
LisätiedotKEMI-TORNION AMMATTIKORKEAKOULU. Tutkimus laboratoriomittausten mittausepävarmuudesta kahdessa testausympäristössä
KEMI-TORNION AMMATTIKORKEAKOULU Ttkims laoratoriomittasten mittasepävarmdesta kahdessa testasympäristössä Riikka Vaara Teknologiaosaamisen johtamisen koltsohjelman opinnäytetyö Knnossapito Insinööri(YAMK)
Lisätiedot763105P JOHDATUS SUHTEELLISUUSTEORIAAN 1 Ratkaisut 5 Kevät 2016
7635P JOHDATUS SUHTEELLISUUSTEORIAAN Ratkaist 5 Kevät 26. Aberraatio shteellissteoriassa a) Tlkoon valo kten tehtävän kvassa (x, y)-tason x, y > neljänneksestä: x ˆx + y ŷ c cos θ ˆx c sin θ ŷ. () Lorenz
Lisätiedot4. Derivointi useammassa ulottuvuudessa
6 VEKTORIANALYYSI Lento 3 4. Derivointi seammassa lottvdessa Osittaisderivaatta. Kerrataan alksi osittaisderivaatan käsite. Fnktio f f ( r) f ( x, y, z) on kolmen mttjan fnktio, jonka arvo yleensä mtt,
Lisätiedot= + + = 4. Derivointi useammassa ulottuvuudessa
30 VEKTORIANALYYSI Lento 4 4. Derivointi seammassa lottvdessa Osittaisderivaatta. Kerrataan alksi osittaisderivaatan käsite. Fnktio f= f( r) = f( xyz,, ) on kolmen mttjan fnktio, jonka arvo yleensä mtt,
LisätiedotPäijät-Hämeen ja Mäntsälän museoiden työryhmän kokous SOPENKORVEN KOKOELMAKESKUS
Päijät-Hämeen ja Mäntsälän mseoiden työryhmän kokos 10.4.2019 SOPENKORVEN KOKOELMAKESKUS Asialista 10.4.2019 1. Kokoelmaohjelmien kokoelmien historiaa, kehitystä ja nykytilaa koskevan osden lyhyt käsittely,
LisätiedotKasvupaikka ja boniteetti metsätalouden suunnittelussa
Kasvpaikka ja boniteetti metsätaloden snnittelssa Viljelymetsien kasv ja totos seminaari 31.10.2018 Risto Ojans 1 Snnittel perst ennstamisen Toimintaympäristön mtokset Ptavaran kysyntä (määrä, laat) Hinnat
LisätiedotMikrobiologisten tulosten laskeminen
Vastuuhenkilö Tuula Johansson Sivu/sivut 1 / 6 1 Pesäkkeiden laskeminen maljoilta 1.1 Yleistä Pesäkkeitä laskettaessa tarvittaessa apuna käytetään suurennuslasilla varustettua pesäkelaskijaa. Siihen kuuluu
LisätiedotMIKROTEORIA, HARJOITUS 3 KYSYNTÄ YLI AJAN JA EPÄVARMUUDEN VALLITESSA, OSTAJANA JA MYYJÄNÄ, SEKÄ TYÖN TARJONTA
MIKROTEORI, HRJOITUS 3 KYSYNTÄ YLI JN J EPÄVRMUUEN VLLITESS, OSTJN J MYYJÄNÄ, SEKÄ TYÖN TRJONT Voistojen eistämässä kylässä kasvatetaan ainoana elinkeinona vehnää Sadot vaihtelevat vosittain, siten, että
LisätiedotTurvallista koulumatkaa!
Trvallista kolmatkaa! Kolkljetkset hallinto-oikeden näköklmasta Lonais-Somen alehallintovirasto 23.5.2017 Hallinto-oikestomari Hannele Sarell ja hallinto-oikestomari Marja Peltoniemi Trn hallinto-oikes
LisätiedotPäijät-Hämeen ja Mäntsälän museoiden työryhmän kokous MUSEOKIOSKI
Päijät-Hämeen ja Mäntsälän mseoiden työryhmän kokos 8.4.2019 MUSEOKIOSKI Asialista 8.4.2019 1. Kokoelmaohjelmien kokoelmien historiaa, kehitystä ja nykytilaa koskevan osden lyhyt käsittely, mikäli tässä
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi
LisätiedotRahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu
Rahoitsriskit ja johdannaiset Matti Estola lento 1 Binomipt ja optioiden hinnoittel 1. Optiohintojen mallintaminen Esimerkki. Oletetaan, että osakkeen spot -krssi on $ ja spot -krssilla 3 kk:n kltta on
LisätiedotMittausepävarmuuden laskeminen ISO mukaisesti. Esimerkki: Campylobacter
Mittausepävarmuuden laskeminen ISO 19036 mukaisesti. Esimerkki: Campylobacter Marjaana Hakkinen Erikoistutkija, Elintarvike- ja rehumikrobiologia Mikrobiologisten tutkimusten mittausepävarmuus 18.3.2019
LisätiedotOULUN YLIOPISTO Konetekniikan osasto 460071A Autojen ja työkoneiden rakennejärjestelmät I 5 op Mauri Haataja. 1. Pyöräajoneuvojen ominaisohjaus
OUUN YIOPISTO Konetekniikan osasto 467A Atojen ja työkoneiden rakennejärjestelmät I 5 op Mari Haataja. Pyöräajonevojen ominaisohjas. Henkilöatojen pyöräntenta Hyötyajonevojen ajo-ominaisksiin vaikttavat
LisätiedotLukujonon raja-arvo 1/7 Sisältö ESITIEDOT: lukujonot
Lukujonon raja-arvo 1/7 Sisältö Esimerkki lukujonon raja-arvosta Lukujonossa a 1,a 2,a 3,... (jossa on äärettömän monta termiä) voivat luvut lähestyä jotakin arvoa, kun jonossa edetään yhä pidemmälle.
Lisätiedot4. Taajuusalueen suodatus 4.1. Taustaa. 4.2. Perusteita
4. Taajsaleen sodats 4.. Tastaa Forier esitti. 87 idean että laskien yhteen jaksollisia painotettja fnktioita oidaan esittää kinka tahansa monimtkainen jaksollinen fnktio. Ka 4.. esittää tällaista. Jaksolliset
LisätiedotOletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen
Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä
LisätiedotHelsingin hengessä sopua ja sovittelua työyhteisön arkeen
Helsingin hengessä sopa ja sovittela työyhteisön arkeen Helsingin kapngin toimintaohje ristiriitojen rakentavaan käsittelyyn ja sovitteln Tässä oppaassa määritellään, mitä ovat epäasiallinen kohtel ja
LisätiedotIdentifiointiprosessi
Identifiointiprosessi Koesnnittel, identifiointikoe Mittastlosten / datan esikäsittely Ei-parametriset menetelmät: - transientti-, korrelaatio-, taajs-, Forier- ja spektraalianalyysi => askel-, implssi-
LisätiedotOptioiden hinnoittelu binomihilassa
Mat-2.3114 Investointiteoria Optioien hinnoittel binomihilassa 26.3.2015 Yksiperioiset optiot 1/3 Olkoon S kohe-eten arvo perioin alssa siten, että perioin päättyessä sen arvo on S toennäköisyyellä p tai
LisätiedotTesomajärven koulusta Tesoman kouluksi
Tesomajärven kolsta Tesoman kolksi Tesomajärven kol aloitti toimintansa v.1967 Kola käytiin kahdessa vorossa, parhaimmillaan kola kävi yli 1000 oppilasta Tesomajärven alakoln liitettiin myöhemmin Ikrin
LisätiedotMATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017
MATEMATIIKKA Matematiikkaa pintakäsittelijöille Ongelmanratkaisu Isto Jokinen 2017 SISÄLTÖ 1. Matemaattisten ongelmien ratkaisu laskukaavoilla 2. Tekijäyhtälöt 3. Laskukaavojen yhdistäminen 4. Yhtälöiden
LisätiedotΣ on numeroituvasti ääretön. Todistus. Muodostetaan bijektio f : N Σ seuraavasti. Olkoon
17 Nmeroitat ja linmeroitat jokot Määritelmä 110 Jokko X on nmeroitasti ääretön, jos on olemassa bijektio f : N X Jokko on nmeroita, jos se on äärellinen tai nmeroitasti ääretön Jokko, joka ei ole nmeroita
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista
LisätiedotBraggin ehdon mukaan hilatasojen etäisyys (111)-tasoille on
763343A KIINTEÄN AINEEN FYSIIKKA Ratkaisut 2 Kevät 2018 1. Tehtävä: Kuparin kiderakenne on pkk. Käyttäen säteilyä, jonka aallonpituus on 0.1537 nm, havaittiin kuparin (111-heijastus sirontakulman θ arvolla
LisätiedotKäyttöarvon kvantitatiivisesta mittaamisesta. Tommi Höynälänmaa 19. marraskuuta 2012
Käyttöarvon kvantitatiivisesta mittaamisesta Tommi Höynälänmaa 19. marraskta 2012 1 1 Yleistä Ajan t mittainen henkilötyöaika keskimääräistyötä (tehokkdeltaan keskimääräistä työtä) saa tavarantotannossa
LisätiedotLIITE 1 VIRHEEN ARVIOINNISTA
1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten
LisätiedotVirhearviointi. Fysiikassa on tärkeää tietää tulosten tarkkuus.
Virhearviointi Fysiikassa on tärkeää tietää tulosten tarkkuus. Virhelajit A. Tilastolliset virheet= satunnaisvirheet, joita voi arvioida tilastollisin menetelmin B. Systemaattiset virheet = virheet, joita
LisätiedotS SÄHKÖTEKNIIKKA JA ELEKTRONIIKKA Aalto-yliopisto, sähkötekniikan korkeakoulu
S-55.00 SÄHKÖTKNIIKKA JA KTONIIKKA Aalto-yliopisto, sähkötekniikan korkeakol Kimmo Silvonen Tentti 30.5.03: tehtävät,3,4,6,0.. välikoe: tehtävät,,3,4,5.. välikoe: tehtävät 6,7,8,9,0. Saat vastata vain
LisätiedotShakkilinna
k Shakkilinna www.shakkilinna.fi info@shakkilinna.fi Kningatar on shakkipelin liikkvin nappla. Se liikk kin tornin ja lähen yhdistelmä. Siis jokaiseen sntaan, ja niin pitkälle kin mahdollista. eitä katselee,
LisätiedotOtoskoko 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
LisätiedotHY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 07 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan
LisätiedotS uay uvaxy uv 2 Ax 2 y... uv i Ax i y uv i wx i y.
3.8 Yhtedettömien kielten rajoitksista Yhtedettömille kielille on oimassa säännöllisten kielten pmppaslemman astine. Nt kitenkin merkkijonoa on pmpattaa samanaikaisesti kahdesta paikasta. Lemma 3.9 ( -lemma
Lisätiedoty z = (x, y) Kuva 1: Euklidinen taso R 2
Kompleksiluvut. Määritelmä Tarkastellaan euklidista tasoa R = {(, y), y R}. y y z = (, y) R Kuva : Euklidinen taso R Suorakulmaisessa koordinaatistossa on -akseli ja y-akseli. Luvut ja y ovat pisteen z
Lisätiedot10. Optiohinnoittelu binomihilassa
10. Optiohinnoittel binomihilassa 1. Sijoitskohteien hintaprosessit Moniperioisten investointitehtävien tarkastel eellyttää sijoitskohteien hintojen kehittymisen mallintamista joko iskreetteinä tai jatkvina
Lisätiedotr = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P
Markkinaportfolio on koostuu kaikista markkinoilla olevista riskipitoisista sijoituskohteista siten, että sijoituskohteiden osuudet (so. painot) markkinaportfoliossa vastaavat kohteiden markkina-arvojen
LisätiedotT 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:
Lisätiedotr = 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
LisätiedotKun annettu differenssiyhtälö z-muunnetaan puolittain, saadaan: 1 1 z Y z zy z z/4 4
DEE- Lineaariset järjestelmät Harjoits 8, rataisehdotset Tämän harjoitsen ideana on opetella -mnnosen ättöä differenssihtälöiden rataisemisessa. Lisäsi ätetään -mnnosen ehäpä hödllisintä ominaistta, eli
LisätiedotBiokasvu Oy. Maatalouden ja teollisuuden sivutuotteiden jatkojalostus ja uusiokäyttö kestävän kehityksen ehdoin
Biokasv Oy Toiminta-ajats: Maataloden ja teollisden sivtotteiden jatkojalosts ja siokäyttö kestävän kehityksen ehdoin 1 Biokasv Oy Totekehitykseen voimakkaasti panostava, laaja-alaisen kokemksen omaava
LisätiedotASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI. Mikko Kylliäinen
ASUINKERROSTALON ÄÄNITEKNISEN LAADUN ARVIOINTI Mikko Kylliäinen Insinööritoimisto Heikki Helimäki Oy Dagmarinkatu 8 B 18, 00100 Helsinki kylliainen@kotiposti.net 1 JOHDANTO Suomen rakentamismääräyskokoelman
LisätiedotTOIMEKSIANTOSOPIMUS. 1. Sopijapuolet. 2. Yhteyshenkilöt. 3. Sopimuksen tausta ja tavoitteet. Osoite: Kasurilantie 1, PL 5, 71801, Siilinjärvi
TOIMEKSIANTOSOPIMUS 1. Sopijapolet Toimeksiantaja: Siilinjärven knta (Jäljempänä Asiakas ) Osoite: Kasrilantie 1, PL 5, 71801, Siilinjärvi Y-tnns: 0172718-0 Toimeksiannon saaja: Vaktsmeklari Novm Oy (Jäljempänä
LisätiedotTesomajärven koulusta Tesoman kouluksi
Tesomajärven kolsta Tesoman kolksi Tesomajärven kol aloitti toimintansa v.1967 Kola käytiin kahdessa vorossa, parhaimmillaan kola kävi yli 1000 oppilasta Tesomajärven alakoln on liitetty myöhemmin Ikrin
LisätiedotMatemaatiikan tukikurssi
Matemaatiikan tukikurssi Kurssikerta 1 1 Funktiot Funktion määritelmä Funktio on sääntö, joka liittää kahden eri joukon alkioita toisiinsa. Ollakseen funktio tämän säännön on liitettävä jokaiseen lähtöjoukon
Lisätiedot1.3 Prosenttilaskuja. pa b = 100
1.3 Prosenttilaskuja Yksi prosentti jostakin luvusta tai suureesta on tämän sadasosa ja saadaan siis jakamalla ao. luku tai suure luvulla. Jos luku b on p % luvusta a, toisin sanoen jos luku b on p kpl
LisätiedotT 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:
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden
LisätiedotLaskentaa kirjaimilla
MAB1 Polynomit Laskentaa kirjaimilla Tähän asti olemme laskeneet luvuilla, jotka on esitetty numeroiden avulla. Matematiikan säännöt, laskentamenetelmät, kaavat samoin kuin fysiikan ja itse asiassa kaikkien
LisätiedotMittaustulosten tilastollinen käsittely
Mittaustulosten tilastollinen käsittely n kertaa toistetun mittauksen tulos lasketaan aritmeettisena keskiarvona n 1 x = x i n i= 1 Mittaustuloksen hajonnasta aiheutuvaa epävarmuutta kuvaa keskiarvon keskivirhe
LisätiedotMat Sovellettu todennäköisyyslasku A
TKK / Systeemianalyysin laboratorio Nordlund Mat-.090 Sovellettu todennäköisyyslasku A Harjoitus 7 (vko 44/003) (Aihe: odotusarvon ja varianssin ominaisuuksia, satunnaismuuttujien lineaarikombinaatioita,
Lisätiedot1. Matikan kurssin arvosanat jakautuivat seuraavalla tavalla:
MAA6.3 Loppukoe 9.11.01 Jussi Tyni Valitse kuusi tehtävää Muista merkitä vastauspaperiin oma nimesi ja tee etusivulle pisteytysruudukko. Kaikkiin tehtävien ratkaisuihin välivaiheet näkyviin! 1. Matikan
LisätiedotJärkeä ja logiikkaa maahanmuuttokeskusteluun. Panu Raatikainen Tampereen yliopisto
Järkeä ja logiikkaa maahanmttokesksteln Pan Raatikainen Tampereen yliopisto Johdanto Yhteisknnallisessa keskstelssa erilaiset kannat kilpailevat Kaikki mielipiteet eivät ole samanarvoisia Voidaan kysyä,
LisätiedotInsinöörimatematiikka A
Insinöörimatematiikka A Demonstraatio 3, 3.9.04 Tehtävissä 4 tulee käyttää Gentzenin järjestelmää kaavojen johtamiseen. Johda kaava φ (φ ) tyhjästä oletusjoukosta. ) φ ) φ φ 3) φ 4) φ (E ) (E ) (I, ) (I,
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 15. marraskuuta 2007 Antti Rasila () TodB 15. marraskuuta 2007 1 / 19 1 Tilastollisia testejä (jatkoa) Yhden otoksen χ 2 -testi varianssille Kahden riippumattoman
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio
Ilkka Mellin Todennäköisyyslaskenta Osa : Satunnaismuuttujat ja todennäköisyysjakaumat Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (7) 1 Momenttiemäfunktio ja karakteristinen funktio
LisätiedotTasasähköyhteyden suuntaaj-asema. Ue j0ƒ. p,q
EEC-E89 syksy 06 Ttkitaan alla olevan kvan mkaista heikkoon verkkoon kytkettyä srjännitteistä tasasähköyhteyttä. Tässä tapaksessa syöttävän verkon impedanssi (Theveninin impedanssi, kvassa j on j0,65,
LisätiedotSAT-ongelman rajoitetut muodot
SAT-ongelman rajoitetut muodot olemme juuri osoittaneet että SAT on NP-täydellinen perusidea on nyt osoittaa joukolle kiinnostavia ongelmia A NP että SAT p m A, jolloin kyseiset A myös ovat NP-täydellisiä
LisätiedotUraohjaukseen tarvitaan oikea-aikaisuutta ja monikanavaisuutta
Uraohjas2020-hanke, Uraohjasta kartoittaneen kyselyn tlokset Joona Tarja, Mäkelä Pentti ja Venhovaara Pirjo Uraohjakseen tarvitaan oikea-aikaistta ja monikanavaistta Keväällä 2018 kysyimme ammatillista
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotTehtävät 1/10. TAMPEREEN YLIOPISTO Informaatiotieteiden tiedekunta Valintakoe Matematiikka ja tilastotiede. Sukunimi (painokirjaimin)
1/10 Tehtävä 1 2 3 4 5 6 7 8 9 10 Yhteensä Pisteet (tarkastaja merkitsee) Kokeessa on kymmenen tehtävää, joista jokainen on erillisellä paperilla. Jokaisen tehtävän maksimipistemäärä on 6 pistettä. Tehtävien
LisätiedotMittausepävarmuuden laskeminen
Mittausepävarmuuden laskeminen Mittausepävarmuuden laskemisesta on useita standardeja ja suosituksia Yleisimmin hyväksytty on International Organization for Standardization (ISO): Guide to the epression
Lisätiedotw + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1.
Kotitehtävät, tammikuu 2011 Vaikeampi sarja 1. Ratkaise yhtälöryhmä w + x + y + z =4, wx + wy + wz + xy + xz + yz =2, wxy + wxz + wyz + xyz = 4, wxyz = 1. Ratkaisu. Yhtälöryhmän ratkaisut (w, x, y, z)
LisätiedotSisällysluettelo 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...
LisätiedotHoitoketjut sotealueella. Jukka Mattila Johtajaylilääkäri Lapin sairaanhoitopiiri
Hoitoketjt sotealeella Jkka Mattila Johtajaylilääkäri Lapin sairaanhoitopiiri 23.11.2017 Valinnanvapaslakilonnos Lasntokierroksella 15.12.2017 asti 4 Asiakkaan oikes valita Asiakkaalla on oikes valita
Lisätiedot1 Kompleksiluvut 1. y z = (x, y) Kuva 1: Euklidinen taso R 2
Sisältö 1 Kompleksiluvut 1 1.1 Määritelmä............................ 1 1. Kertolasku suorakulmaisissa koordinaateissa.......... 4 1.3 Käänteisluku ja jakolasku..................... 9 1.4 Esimerkkejä.............................
Lisätiedothavainnollistus, muokkaus ja viimeistely
Tekstin havainnollists, mokkas ja viimeistely Lettavs ja merkintätavat Tiina Airaksinen Kappaleiden jäsentäminen Kappale = asiakokonaiss Testi: Pystytkö keksimään otsikon? Ei yhden virkkeen / yhden sivn
LisätiedotJos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden
1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella
LisätiedotA B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1
Mapu I Viikko 4 tehtävä malli Millä q:n arvoilla vektori A(q) (, q, q ) on kohtisuora vektorin B (, 0, ) kanssa? Ovatko A:n eri ratkaisut keskenään kohtisuoria? Jos eivät, määrää niiden välinen kulma!
LisätiedotMaanjäristyksen kestävien kytkentäkotelotelineiden suunnittelu
Lari Nosiainen Maanjäristyksen kestävien kytkentäkotelotelineiden snnittel Metropolia Ammattikorkeakol Insinööri (AMK) Kone- ja totantotekniikka Insinöörityö 3.4.14 Tiivistelmä Tekijä Otsikko Sivmäärä
LisätiedotMuutokset matematiikan opetuksessa
Muutokset matematiikan opetuksessa Digitaalisten aineistojen pedagoginen hyödyntäminen matematiikassa, fysiikassa ja kemiassa Avauskeskustelu Päivän ohjelma ja esittely Päivä 1: Digitaaliset aineistot
LisätiedotS SÄHKÖTEKNIIKKA
S55.103 SÄHKÖTEKNIIKK. välikoe 7.4.1998 Kimmo Silvonen 1. Kva esittää yhdellä diodilla hätäratkaisna tehtyä kokoaaltotasasntaajaa. Sen toiminta ei tietenkään ole kovin ideaalista. Laske diodin ominaiskäyrän
LisätiedotMatematiikan tukikurssi, kurssikerta 2
Matematiikan tukikurssi kurssikerta 1 Relaatioista Oletetaan kaksi alkiota a ja b. Näistä kumpikin kuuluu johonkin tiettyyn joukkoon mahdollisesti ne kuuluvat eri joukkoihin; merkitään a A ja b B. Voidaan
Lisätiedot1. Logiikan ja joukko-opin alkeet
1. Logiikan ja joukko-opin alkeet 1.1. Logiikkaa 1. Osoita totuusarvotauluja käyttäen, että implikaatio p q voidaan kirjoittaa muotoon p q, ts. että propositio (p q) ( p q) on identtisesti tosi. 2. Todista
Lisätiedotcorporate governance Tämä on lyhennetty versio Cinia-konsernin laajemmasta, sisäisestä ohjeistuksesta
corporate governance Tämä on lyhennetty versio Cinia-konsernin laajemmasta, sisäisestä ohjeistksesta 1 1.1 Omistajarakenne Cinia Oy:n omistajarakenne koost Somen valtiosta (liikenne- ja viestintäministeriö)
Lisätiedotk S P[ X µ kσ] 1 k 2.
HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 28 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Osa tämän viikon tehtävistä ovat varsin haastavia, joten ei todellakaan
LisätiedotA ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.
Esimerkki otteluvoiton todennäköisyys A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä. Yksittäisessä pelissä A voittaa todennäköisyydellä p ja B todennäköisyydellä q =
LisätiedotVektorien 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
LisätiedotLaskun vaiheet ja matemaattiset mallit
Laskun vaiheet ja matemaattiset mallit Jukka Sorjonen sorjonen.jukka@gmail.com 28. syyskuuta 2016 Jukka Sorjonen (Jyväskylän Normaalikoulu) Mallit ja laskun vaiheet 28. syyskuuta 2016 1 / 22 Hieman kertausta
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 10.6.2013 klo 10-13 Ratkaisut ja pisteytysohjeet
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe.6. klo - Ratkaisut ja pisteytysohjeet. Ratkaise seuraavat epäyhtälöt ja yhtälö: a) x+ x +9, b) log (x) 7,
Lisätiedot8 Joukoista. 8.1 Määritelmiä
1 8 Joukoista Joukko on alkoidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukkooppi aksiomaattisesti. Näin ei tässä tehdä
Lisätiedothttps://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
1 MTTTP3 Tilastollisen päättelyn perusteet 2 Luennot 8.1.2015 ja 13.1.2015 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=6909&i dx=5&uilang=fi&lang=fi&lvv=2014
LisätiedotLaskun vaiheet ja matemaattiset mallit
Laskun vaiheet ja matemaattiset mallit Jukka Sorjonen sorjonen.jukka@gmail.com 26. syyskuuta 2016 Jukka Sorjonen (Jyväskylän Normaalikoulu) Mallit ja laskun vaiheet 26. syyskuuta 2016 1 / 14 Hieman kertausta
Lisätiedotx j x k Tällöin L j (x k ) = 0, kun k j, ja L j (x j ) = 1. Alkuperäiselle interpolaatio-ongelmalle saadaan nyt ratkaisu
2 Interpolointi Olkoon annettuna n+1 eri pistettä x 0, x 1, x n R ja n+1 lukua y 0, y 1,, y n Interpoloinnissa etsitään funktiota P, joka annetuissa pisteissä x 0,, x n saa annetut arvot y 0,, y n, (21)
LisätiedotLohkoasetelmat. Vilkkumaa / Kuusinen 1
Lohkoasetelmat Vilkkumaa / Kuusinen 1 Motivointi 1/3 Kaksisuuntaisella varianssianalyysilla voidaan tutkia kahden tekijän A ja B vaikutusta sekä niiden yhdysvaikutusta tutkimuksen kohteeseen Kaksisuuntaisessa
LisätiedotMTTTP5, 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.
Lisätiedot1. Esitä rekursiivinen määritelmä lukujonolle
Matematiikan laitos Johdatus Diskrettiin Matematiikkaan Harjoitus 4 24.11.2011 Ratkaisuehdotuksia Aleksandr Pasharin 1. Esitä rekursiivinen määritelmä lukujonolle (a) f(n) = (2 0, 2 1, 2 2, 2 3, 2 4,...)
Lisätiedotx = x x 2 + 2y + 3 y = x + 2y f 2 (x, y) = 0. f 2 f 1
Matematiikan K/P syksy Laskharjoits 9 Mallivastakset Tehtävän differentiaaliyhtälösysteemi: x = x x + y + y = x + y Merkitään f (x, y) = x x + y + ja f (x, y) = x + y Kriittisessä pisteessä f (x, y) =
Lisätiedotk = kiinteistötyypin mukainen kerroin seuraavan taulukon mukaan:
1 VESIHUOLTOLAITOKSEN TAKSA Liite PatL 2 / 17.12.2015 KIRKKONUMMEN KUNTA/VESIHUOLTOLAITOS Voimaantlopäivä 1.4.2016 Vesiholtolaitos perii, liittymistä ja käyttöä koskevat sopimsten ehdot ja yleiset toimitsehdot
LisätiedotHuom! (5 4 ) Luetaan viisi potenssiin neljä tai viisi neljänteen. 7.1 Potenssin määritelmä
61 7.1 Potenssin määritelmä Potenssi on lyhennetty merkintä tulolle, jossa kantaluku kerrotaan itsellään niin monta kertaa kuin eksponentti ilmaisee. - luvun toinen potenssi on nimeltään luvun neliö o
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi
LisätiedotYhteistyötä teatterista & Taiteesta tuotteeksi -hankkeet
Yhteistyötä teatterista & Taiteesta totteeksi -hankkeet Iisalmi, Keitele, Kirvesi, Lapinlahti, Pielavesi, Sonkajärvi ja Vieremä 10.8.2015 10.03.2016 Sisällys Johdanto... 3 Yhdistystoiminta ja osallistminen...
LisätiedotA = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:
11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 6A Tilastolliset luottamusvälit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotKehitysvammaisen ravitsemuksen erityispiirteitä. Heli Pyrhönen laillistettu ravitsemusterapeutti MKS 13.1.2016
Kehitysvammaisen ravitsemksen erityispiirteitä Heli Pyrhönen laillistett ravitsemsterapetti MKS 13.1.2016 Hyvä roka hellii aisteja, mieltä ja kehoa Hermoston kehityshäiriöillä on homattava vaikts ravitsemstilaan.
LisätiedotMS-C1340 Lineaarialgebra ja
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Matriisinormi Matriisinormi Matriiseille
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
LisätiedotLASKENTATOIMEN OSAAMINEN vs. LIIKETALOUDELLINEN ENNUSTETARKKUUS
LASKENTATOIMEN OSAAMINEN vs. LIIKETALOUDELLINEN ENNUSTETARKKUUS Helsinki 26..200 4 2 5 Seminaari 26..200 Mikko Hakola Laskentatoimen osaaminen Testatut tahot Selvittäjiä Yrittäjiä KLT-kirjanpitäjiä Virallisen
LisätiedotHelsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10-13
Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe.6. klo -. Ratkaise seuraavat epäyhtälöt ja yhtälö: a) x +9, b) log (x) 7, c) x + x 4 =.. Määrää kaikki ne
Lisätiedot