TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Ilmavälkkeen automaattinen luokittelu ja ominaisuudet 5 GHz:n kaksoispolarisaatiomittauksissa

Koko: px
Aloita esitys sivulta:

Download "TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Ilmavälkkeen automaattinen luokittelu ja ominaisuudet 5 GHz:n kaksoispolarisaatiomittauksissa"

Transkriptio

1 2012/816 ISSN (verkkojulkaisu) ISBN (PDF) TIIVISTELMÄRAPORTTI (SUMMARY REPORT) Ilmavälkkeen automaattinen luokittelu ja ominaisuudet 5 GHz:n kaksoispolarisaatiomittauksissa Tiivistelmä Teemu Mäkinen, Jarmo Koistinen, Seppo Pulkkinen, Pekka Rossi & Ari-Matti Harri Ilmatieteen laitos, PL 503, Helsinki / teemu.makinen@fmi.fi Tässä projektissa ilmavälkkeen tilastollisia ominaisuuksia tutkittiin datalähtöisesti valitsemalla operatiivisesta kaksoispolarisaatiotutkadatasta näytteitä eri tyyppisistä välkkeistä ja määrittämällä kunkin näytteen luokka meteorologisen asiantuntemuksen perusteella. Näin saatujen luokkien tilastolliset ominaisuudet mallinnettiin tarkoitusta varten kehitetyillä menetelmillä, jotka ottavat yksittäisen pisteen lisäksi huomioon ympäröivän alueen tekstuurin. Malleja vertailemalla voitiin kullekin luokalle määritellä yksinkertainen jäsenfunktio, joka mahdollistaa automaattisen ja reaaliaikaisen tutkadatan luokittelun. 1. Johdanto Troposfäärissä vallitsevien olosuhteiden tosiaikainen ja automaattinen tulkinta on hyvin merkityksellistä sotilaallisille operaatioille, erityisesti lento- ja tiedustelutoiminnalle. Haitallisten sääilmiöiden kuten rankkasade, pyry, jäätävä sade, rakeet, salamointi, turbulenssi, puuskat ja syöksyvirtaukset lisäksi siihen kuuluvat myös muut ilmakehässä mitatut ilmiöt kuten silppu, linnut, hyönteiset ja lentolaitteet, sekä todellista kohdetta vailla olevat häiriötekijät kuten vieraat lähettimet, peiliheijastukset, kohina ja sironta yksikäsitteisen tutkamittausalueen takaa. Laaja-alaisesta ilmakehän siroajajoukosta tulevaa tutkasignaalia nimitetään usein ilmavälkkeeksi. Ilmavälkkeen tunnistamisessa yllä mainittuihin eri aiheuttajiin on alettu etenemään vasta viime aikoina mitattujen polarisaatiosuureiden avulla, kun sääpalvelukäyttöön on otettu 5 GHz:n kaksoispolarisaatiosäätutkat. Laajemman mittaussuurevalikoiman johdosta kaksoispolarisaatio tarjoaa oivan välineen ilmavälkkeen ja muiden kohteiden tunnistamiseen. Operatiivista luokittelijaa kaikille kohteille ei ole kuitenkaan aikaisemmin ollut saatavilla, ja erityisesti ei-meteorologisten kohteiden tilastolliset ominaisuudet ovat olleet huonosti tunnettuja. Jatkuvasti mittaavia kaksoispolarisaatiotutkajärjestelmiä on Suomessa tällä hetkellä kolme sekä T&K-toiminnassa kaksi. Lähivuosina kaksoispolarisaatiojärjestelmät tulevat kattamaan koko Suomen. Kohteiden automaattinen luokittelija on mahdollista asentaa osaksi Ilmatieteen laitoksen operatiivista (24/7) säätutkapalvelutoimintaa Puolustusvoimille. Toinen tarve on sotilaallisessa suunnittelussa, missä täytyy mallintaa esimerkiksi lentävien järjestelmien selviytymistä erilaisissa skenaarioissa ilmavälkkeiden seassa. Mallinnusta varten on tunnettava ilmavälkkeen eri luokkien tilastolliset ominaisuudet tutkamittauksissa, mukaanlukien polarisaatiosuureet ja niiden tekstuurit. Tällainen tieto auttaa optimoimaan muun muassa oman kohteen häiveominaisuuksia ja toisaalta vieraan kohteen havaitsemisalgoritmeja. Postiosoite MATINE Puolustusministeriö PL HELSINKI Sähköposti matine@defmin.fi Käyntiosoite Puhelinvaihde Eteläinen Makasiinikatu HELSINKI (09) WWW-sivut Y-tunnus FI Pääsihteeri (09) OVT-tunnus/verkkolaskuosoite Itellan operaattorivälittäjätunnus Suunnittelusihteeri Toimistosihteeri (09) Faksi kirjaamo (09) Verkkolaskuoperaattori Yhteyshenkilö/Itella Itella Information Oy helpdesk@itella.net

2 2. Tutkimuksen tavoite ja suunnitelma Tutkimuksen keskeinen tavoite oli kehittää tarvittavat välineet ilmavälkkeen tosiaikaiseen tunnistamiseen ja kerätä riittävä tilastollinen perustieto sen mallintamiseen. Tämä päätavoite jakautui kolmeen selkeään alakohtaan: 1. Kehitetään ja testataan uusi matemaattinen menetelmä, jolla voidaan mallintaa moniulotteista ja osin puutteellista dataa halutulla tarkkuudella. Tehokkuusvaatimus ulottuu varsinaisesta mallin parametrien määrittelemisestä keskeisiin analyysin vaatimiin operaatioihin kuten pisteen luokkaan kuulumisen todennäköisyyteen (jäsenfunktio) tai mallien väliseen yhtenevyysmittaan (divergenssi). 2. Lasketaan laajan, noin 30 ilmavälkeluokkaan jaetun, kokeneen asiantuntijan poimiman kaksoispolarisaatiotutkadatan eri luokkien tilastolliset ominaisuudet ja esitetään ne havainnollisesti. 3. Määritellään kullekin luokalle optimoitu jäsenfunktio, joka mahdollistaa tutkadatan automaattisen ja reaaliaikaisen luokittelun. 3. Aineisto ja menetelmät Käsitelty tutkamittausaineisto poimittiin Ilmatieteen laitoksen kolmelta 5.6 GHz:n kaksoispolarisaatiotutkalta, jotka sijaitsevat Vantaalla, Anjalankoskella ja Ikaalisissa. Poiminta tehtiin tunnin välein operatiivisista sääpalvelua varten tehdyistä mittauksista, eli erityistä tutkimusmittausohjelmaa ei tarvittu. Mittaukset ovat tutkalla IRIS-formaatissa (Vaisala/SIGMET), josta ne muunnetaan jatkokäsittelyä varten eurooppalaisen säätutkayhteistyön käyttämään HDF5/ODIM-formaattiin. Kaikki valitut mittaukset olivat PPI-tyyppisiä, sisältäen mittaussuureet kokonaisheijastus dbt, korjattu kokonaisheijastus dbz, säteittäisnopeus V, spektrin leveys W, signaalin laatuindeksi SQI, korrelaatiokerroin ρ HV, heijastusero ZDR, vaihe-ero Φ DP, vaihe-eron muutos K DP sekä indeksin HydroClass, jota ei tutkimuksessa käytetty. Datalähtöinen luokittelumenetelmä tarvitsee toimiakseen edustavan näytteen kustakin kohdeluokasta. Nämä näytteet poimi kokenut asiantuntija, joka pystyi nimeämään ne luotettavasti. Tätä metadatan lisäämistä olemassa oleviin mittauksiin kutsutaan tässä yhteydessä kouluttamiseksi. Kouluttaminen onnistuu parhaiten etsimällä näytteitä, jotka edustavat mahdollisimman puhtaita kohdeluokkia. Projektin aikana luotiin graafinen koulutuskäyttöliittymä tutkadatan selaamiseen ja yksittäisten näytteiden rajaamiseen. Käyttöliittymän avulla voidaan määritellä sekä kohteen alueellinen ulottuvuus että mahdolliset raja-arvot mittaussuureille, helpottaen mittausdatan rajattua poimintaa kussakin tapauksessa niin, että se parhaiten edustaa puhdasta luokkaa. Jotta luokista saataisiin riittävän kattavat näytteet koulutustapauksia määriteltiin yhteensä yli tuhat kappaletta, sisältäen noin 7.7 miljoonaa tutkapistettä. Alustavan analyysin perusteella oli käynyt ilmeiseksi, että edes laajennettu kaksoispolarisaatiosuurejoukko ei ole riittävän laaja kaikkien haluttujen luokkien erottamiseksi toisistaan pelkästään mittauspisteen arvojen perusteella. Käytännössä kohteita luokitteleva meteorologi perustaa päätelmänsä sekä suureiden arvoihin että kohteen laajempaan muotoon ja tekstuuriin. Nämä tekijät sisällytettiin järjestelmään määrittelemällä joukko filttereitä, jotka antavat tietoa yksittäisen pisteen lähiympäristön tilastollisista ominaisuuksista kuten entropiasta tai yksityiskohtien tyypillisestä skaalasta. Näin johdettuja lisäsuureita käsiteltiin samoin kuin varsinaisia mittaussuureita, laajentaen mallinnetun datajoukon 58-dimensioiseksi. Jo projektin alussa oli tiedossa, että olemassa olevat monidimensioiset analyysimenetelmät eivät olleet erityisen sopivia vaadittua tehtävää varten, ja tämän vuoksi merkittävä osa projektista käytettiin uuden menetelmän kehittämiseen, toteuttamiseen ja testaukseen. Mene-

3 telmä pohjautuu ortogonaalipolynomeihin normalisoidussa koordinaatistossa ja sen matemaattisista yksityiskohdista on valmisteilla erillinen julkaisu. Projektin kannalta menetelmän oleellisia ominaisuuksia ovat suora parametrien määrittely (mallia luotaessa kukin datapiste käydään läpi vain kerran) ja mallien eksakti summautuvuus (summattu malli on invariantti datan jakamiselle mielivaltaisiin osajoukkoihin), käyttäjän määriteltävissä oleva mallinnustarkkuus, aidosti moniulotteinen malli sisältäen virhearvion, sekä nopeasti laskettavissa olevat pistekohtainen todennäköisyystiheys ja kahden mallin yhdenmukaisuustekijä. Teoreettisten tarkastelujen perusteella oli myös tiedossa, että mallin tarkkuus suhteessa vaadittujen parametrien määrään on heikompi voimakkaasti yksittäisten arvojen ympäristöön keskittyville jakaumille. Tällä oli merkitystä vain korrelaatiokertoimen ρ HV yhteydessä, mitattujen arvojen painottuessa useimmilla luokilla vaihteluvälin toiseen ääripäähän. Suureeseen kohdistettiin ennen mallintamista epälineaarinen muunnos, joka levitti mitatut arvot tasaisemmin vaihteluvälin alueelle, parantaen näin mallin tarkkuutta. Luokkakohtaiset mallit muodostettiin laskemalla yhteen kunkin luokan tapausten yksittäiset mallit. Näiden avulla etsittiin matalaulotteinen aliavaruus, joka minimoi mallien yhdenmukaisuustekijöiden neliösumman. 4. Tulokset ja pohdinta Kehitetty mallinnusmenetelmä toimi asetettujen vaatimusten mukaisesti. Koulutusdata voitiin käsitellä kokonaisuudessaan yhdessä päivässä tavallisella henkilökohtaisella tietokoneella. Valitun koulutusdatan koko oli noin 1.2 GB pakattua binääridataa. Mallinnusjoukon kooksi muodostui noin 800 MB pakkaamatonta ASCII-dataa, josta täydellisten luokkamallien osuus oli noin 26 MB. Optimaaliseen aliavaruuteen projisoidut luokittelumallit veivät yhteensä 133 kb. Mallijoukon kokoa voidaan jatkossa pudottaa vielä tästäkin murto-osaan ottamalla käyttöön parametri-optimointi, mikä kuitenkin tarvittavan työmäärän laajuuden vuoksi rajautui tämän projektin ulkopuolelle. Menetelmää kehittäessä hankittua tietotaitoa ja työkaluja voidaan jatkossa käyttää muihin, moniulotteisen datan analyysia vaativiin projekteihin. Mallinnusmenetelmä tuotti suoraan luokkien todennäköisyystiheysjakaumat määritellyssä suureavaruudessa. Näiden jakaumien yksi- ja kaksiulotteisia projektioita tarkastelemalla voitiin todeta sekä mallin että aliavaruusoptimoinnin toiminnan oikeellisuus. Tämän lisäksi yksiulotteisia projektioita verrattiin samasta datasta laskettuihin yksinkertaisiin frekvenssijakaumiin ja todettiin niiden olevan yhteneviä määritellyn tarkkuuden rajoissa. Nämä luokkakohtaiset jakaumat ovat projektin välittömimmin käyttökelpoinen päätulos, ja niiden yksityiskohtaisempia tarkasteluja tullaan lähiaikoina julkaisemaan erikseen. Luokittelun kannalta optimaaliset aliavaruudet olivat, yhdestä viiteen ulottuvuuteen, { O(W) }, { Φ DP, SQI }, { Φ DP, SQI, O(V) }, { Φ DP, SQI, V, O(V) } ja { Φ DP, SQI, V, O(V), R(dbT) }, missä O(X) merkitsee suureeseen X kohdistettua entropiafiltteriä ja R(X) kaistanpäästödifferenssifiltteriä. Tätä ylempiulotteisilla malleilla ei saavutettu merkittävää luokittelutarkkuuden parantumista geneerisen luokittelijan tapauksessa. Vastaavaan keskimääräiseen tarkkuuteen päästiin myös kaksi- tai kolmiulotteisilla malleilla määrittämällä kullekin luokalle oma optimaalinen aliavaruus. Tässä yksityiskohtaisemmassa analyysissä voitiin havaita selkeä kahtiajako meteorologisten ja ei-meteorologisten kohteiden välillä, ensimmäisten luokittelun pohjautuessa pääasiassa kokonaisheijastukseen ja sen johdannaisiin, ja jälkimmäisten luokittelun tukeutuessa ensisijaisesti signaalin laatuindeksiin.

4 Yksittäisten luokkaryhmien, kuten linnut tai hyönteiset, alaluokkia keskenään vertailemalla voitiin arvioida alajaon tarkkuus ja tarpeellisuus. Koulutustapausten perusteella esimerkiksi päivä- ja yöhyönteisten välinen ero ei ollut tunnistamisen kannalta merkittävä tekijä, maa- ja merihyönteisten välinen ero sen sijaan oli. Paitsi että nämä tarkastelut ovat mielenkiintoisia tieteellisessä mielessä, niiden avulla on myös mahdollista rakentaa tarpeen mukaan hyvin tarkkaan määritelty tuote. Mallinnusjärjestelmän komponenteista rakennettiin automaattisen luokittelijan prototyyppi, joka määrittää todennäköisimmän luokan yksittäisille tutkamittauksille. Toisin kuin suhteellisen raskas analysointivaihe, kokonaisen tutkakuvan luokittelu tapahtuu sekunnin murtoosissa, mahdollistaen reaaliaikaisen automaattisen luokittelun. Käytännössä operatiivinen luokittelija pitää räätälöidä asiakkaan tarpeiden mukaiseksi, ja projektin työkalujen modulaarinen toteutus sopii tähän erittäin hyvin. Suurin yksittäinen epävarmuustekijä on koulutustapausten luokittelun oikeellisuus. Tämä vaikutus todettiin minimaaliseksi vertaamalla kahden riippumattoman asiantuntijan luokittelua samalle aineistolle. Lisäksi itse mallinnusmenetelmää voitiin käyttää tarkastamaan luokan yhtenäisyys laskemalla yksittäisten tapausten väliset yhdenmukaisuustekijät, jotka todettiin korkeiksi. Tämä tulos osoittaa myös, että poimitut tapaukset muodostavat kattavan otoksen kustakin luokasta. 5. Loppupäätelmät Projekti saavutti kaikki sille asetetut tavoitteet ja osittain ylittikin ne, nostaen esiin uusia, mielenkiintoisia etenemissuuntia jatkotutkimuksille. Määriteltyjen luokkien tilastolliset ominaisuudet ovat sellaisenaan julkaisukelpoista materiaalia, ja muodostavat erinomaisen perustan sekä teoreettisille että käytännön tarkasteluille. Kehitetty mallinnusmenetelmä todettiin toimivaksi ja tehokkaaksi. Järjestelmän kyky suorittaa automaattista luokittelua todennettiin, ja projektissa kehitettyjen työkalujen avulla on varsin suoraviivaista rakentaa operatiivisia tuotteita tarkemmin määriteltyihin tarpeisiin. Menetelmää on jatkossa mahdollista vielä parantaa nykyisestä ottamalla käyttöön teknisiä ratkaisuja kuten yllä mainittu parametri-optimointi tai ketjutettu luokittelu. Tämän, välittömästi hyödynnettävien tieteellisten tulosten ja rakennettavissa olevien operatiivisten tuotteiden vuoksi aihepiiriin liittyvää tutkimus- ja kehitystoimintaa kannattaa ehdottomasti jatkaa. 6. Tutkimuksen tuottamat tieteelliset julkaisut ja muut mahdolliset raportit Kehitetystä menetelmästä ja tutkimuksen päätuloksista on valmisteilla julkaisuja. 7. Hankkeen seuraajan lausunto raportista Hankkeessa tutkittiin C-alueen tutkavälkkeen luokittelua Ilmatieteen laitoksen säätutkadatoja hyödyntäen. Ensinnäkin hankkeen aikana luotiin työkaluja tutkamaalien tyyppien ihmisavusteiseksi tunnistamiseksi. Tämä työvaihe on välttämätön luotettavan opetusaineiston saamiseksi luokitinta varten, ja onnistuu vain Ilmatieteen laitoksen asiantuntijoiden tekemänä. Kehitetyt työkalut parantavat suuren datamäärän käytettävyyttä myös muihin tutkimustarkoituksiin.

5 Varsinainen välke- ja maalityyppien luokittimen rakentaminen osoittautui sangen haastavaksi ongelmaksi. Ilmatieteen laitoksella kehitettiin erittäin innovatiivisia, täysin uusia, matemaattisia menetelmiä luokittimen eri toiminnallisuuksien toteuttamiseksi. Alustavat luokittelutulokset vaikuttavat hyvin lupaaville. Tutkimussuunnitelmassa asetetut tavoitteet saavutettiin kiitettävästi. Tulosten hyödynnettävyys varsinaisen luokittimen osalta sekä luokittelun lopputuotteen - reaaliaikainen tieto tutkamaalien tyypistä - osalta on erittäin hyvä. MATINE-hankkeen loppulaskutuksen edellytyksenä on loppuraportointi, joka koostuu tälle pohjalle laaditusta Tiivistelmäraportista sekä erillisestä vapaamuotoisesta Kustannusselvityksestä. (Tiivistelmäraportti korvaa aiemmin vaaditut Loppuraportin ja Tiivistelmän). Tiivistelmäraportti keskittyy hankkeen tieteellisiin aikaansaannoksiin tiedon käytettävyyttä ja sovellettavuutta korostaen. Tutkimustulosten osalta MATINE kannustaa avoimeen tieteelliseen kansainväliseen tai kansalliseen julkaisutapaan ja/tai muuhun aktiiviseen omatoimiseen julkaisemiseen (esim. tutkimuslaitoksen omissa sarjoissa); näissä julkaisuissa tulee MATINE mainita rahoittajana. Tiivistelmäraportin tulee olla itsenäinen esitys MATINEn rahoittaman tutkimushankkeen tavoitteista, sisällöstä, toteutuksesta ja tuloksista. Tiivistelmäraportti on pituudeltaan 6-10 sivua ja se julkaistaan sellaisenaan MATINEn verkkosivuilla. Tiivistelmäraportti kirjoitetaan Word-tiedostoon joko suomeksi tai englanniksi. Poikkeustapauksissa jolloin hankkeessa käsitellään tai hankkeessa on syntynyt maanpuolustuksellisista syistä salassa pidettävää tietoa, tulee tiivistelmäraportin laadinnassa rajoittua julkiselle tasolle. Kirjoita teksti harmaalle alueelle pohjaan tehdyn jaottelun mukaisesti otsakkeen alle (poista otsikosta tarpeeton engl. / suomenkielinen vaihtoehto). Fontti Verdana 10. Omia väliotsakkeita saa käyttää jäsentelyn tueksi. Käytä otsakkeissa ja tekstissä pohjan tyylejä. Kohtaan Tiivistelmä/Abstract on tarkoitus tehdä koko tutkimusta lyhyesti kuvaava teksti, jonka lukemalla saa käsityksen tutkimuksen sisällöstä. Tutkimuksen johtaja voi halutessaan pyytää asiantuntijalausunnon hanketta seuranneelta jaostolta tai hallinnonalan edustajalta hankkeen tulosten sovellettavuudesta ja relevanssista toimialalla. MATINEn sihteeristö pyytää MPKK:n kirjastosta julkaisulle sähköisen ISBN tunnuksen (PDF), jolloin tiivistelmäraporttiin voidaan viitata julkaisuna. Verkkojulkaisun ISSN numero on

TIIVISTELMÄRAPORTTI HAJASPEKTRISIGNAALIEN HAVAITSEMINEN ELEKTRONISESSA SO- DANKÄYNNISSÄ

TIIVISTELMÄRAPORTTI HAJASPEKTRISIGNAALIEN HAVAITSEMINEN ELEKTRONISESSA SO- DANKÄYNNISSÄ 2011/797 ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-25-2280-4 TIIVISTELMÄRAPORTTI HAJASPEKTRISIGNAALIEN HAVAITSEMINEN ELEKTRONISESSA SO- DANKÄYNNISSÄ Janne Lahtinen*, Harp Technologies Oy Josu

Lisätiedot

TIIVISTELMÄRAPORTTI POLARIMETRINEN MITTAAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ

TIIVISTELMÄRAPORTTI POLARIMETRINEN MITTAAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ 2013/836 1 (7) ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-25-2526-3 TIIVISTELMÄRAPORTTI POLARIMETRINEN MITTAAMINEN ELEKTRONISESSA SODANKÄYNNISSÄ Janne Lahtinen*, Harp Technologies Oy Josu Uusitalo,

Lisätiedot

Mittausjärjestelmän kalibrointi ja mittausepävarmuus

Mittausjärjestelmän kalibrointi ja mittausepävarmuus Mittausjärjestelmän kalibrointi ja mittausepävarmuus Kalibrointi kalibroinnin merkitys kansainvälinen ja kansallinen mittanormaalijärjestelmä kalibroinnin määritelmä mittausjärjestelmän kalibrointivaihtoehdot

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

1. Johdanto Todennäköisyysotanta Yksinkertainen satunnaisotanta Ositettu otanta Systemaattinen otanta...

1. Johdanto Todennäköisyysotanta Yksinkertainen satunnaisotanta Ositettu otanta Systemaattinen otanta... JHS 160 Paikkatiedon laadunhallinta Liite III: Otanta-asetelmat Sisällysluettelo 1. Johdanto... 2 2. Todennäköisyysotanta... 2 2.1 Yksinkertainen satunnaisotanta... 3 2.2 Ositettu otanta... 3 2.3 Systemaattinen

Lisätiedot

Pisteytysohje loppuraporttien vertaisarviointiin

Pisteytysohje loppuraporttien vertaisarviointiin Pisteytysohje loppuraporttien vertaisarviointiin Pisteytys olettaa kaikkien kuvattujen vaatimusten täyttymistä pistemäärän saavuttamiseksi. Esimerkiksi: Raportti täyttää rakenteen ja kieliasun osalta kaikki

Lisätiedot

Operaatiotutkimus ja MATINE Professori Ilkka Virtanen

Operaatiotutkimus ja MATINE Professori Ilkka Virtanen Operaatiotutkimus ja MATINE Professori Ilkka Virtanen FORS-seminaari Turvallisuus ja riskianalyysi Teknillinen korkeakoulu 13.11.2008 MATINEn tehtävä Maanpuolustuksen tieteellinen neuvottelukunta (MATINE)

Lisätiedot

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30. FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa Luentokuulustelujen esimerkkivastauksia Pertti Palo 30. marraskuuta 2012 Saatteeksi Näiden vastausten ei ole tarkoitus olla malleja vaan esimerkkejä.

Lisätiedot

Sanaluokkajäsennystä rinnakkaisilla transduktoreilla

Sanaluokkajäsennystä rinnakkaisilla transduktoreilla Sanaluokkajäsennystä rinnakkaisilla transduktoreilla Nykykielten laitos FIN-CLARIN-seminaarissa 4. marraskuuta 2010 Sanaluokkajäsennys Mr. Gelbert also has fun with language. NNP NNP RB VBZ NN IN NN. Sanaluokkajäsennin

Lisätiedot

Helsinki Testbedin säätuotteet tänään ja tulevaisuudessa

Helsinki Testbedin säätuotteet tänään ja tulevaisuudessa Helsinki Testbedin säätuotteet tänään ja tulevaisuudessa Helsinki Testbed Workshop 6.4.2006 Pekka Keränen 06.04.06 Johdanto Projektin www-sivusto http://testbed.fmi.fi Säätuotteet julkisiksi MM-kisoihin,

Lisätiedot

Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna

Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna Vesihuoltopäivät 11.5.2017 Tutkapohjaiset sadetuotteet hulevesisuunnittelun apuna Ilmatieteen laitos: Annakaisa von Lerber, Larissa Rimpiläinen, Jarmo Koistinen, Seppo Pulkkinen, Harri Hohti, Jani Tyynelä,

Lisätiedot

Automaattinen regressiotestaus ilman testitapauksia. Pekka Aho, VTT Matias Suarez, F-Secure

Automaattinen regressiotestaus ilman testitapauksia. Pekka Aho, VTT Matias Suarez, F-Secure Automaattinen regressiotestaus ilman testitapauksia Pekka Aho, VTT Matias Suarez, F-Secure 2 Mitä on regressiotestaus ja miksi sitä tehdään? Kun ohjelmistoon tehdään muutoksia kehityksen tai ylläpidon

Lisätiedot

Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro

Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro Rankkasateet ja taajamatulvat (RATU)/ Rankkasateet Jarmo Koistinen Timo Kuitunen Seppo Pulkkinen Harri Hohti Janne Kotro Avustivat: Lassi Pekka Laine, Kirsti Jylhä, Seppo Saku, Juha K. Aaltonen (SYKE/TKK),Tuomo

Lisätiedot

TIIVISTELMÄRAPORTTI. Klorofyllin käyttömahdollisuudet pigmenttinä naamiomaaleissa

TIIVISTELMÄRAPORTTI. Klorofyllin käyttömahdollisuudet pigmenttinä naamiomaaleissa 2012/MAT818 ISSN 1797-3457 (verkkojulkaisu) ISBN (PDF) 978-951-25-2412-9 TIIVISTELMÄRAPORTTI Klorofyllin käyttömahdollisuudet pigmenttinä naamiomaaleissa Pertti Lintunen, Pertti.Lintunen@vtt.fi, 020722

Lisätiedot

Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä. Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.

Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä. Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3. Menetelmät tietosuojan toteutumisen tukena - käytännön esimerkkejä Tilastoaineistot tutkijan työvälineenä - mahdollisuudet ja rajat 2.3.2009 Tietosuoja - lähtökohdat! Periaatteena on estää yksiköiden suora

Lisätiedot

Kvanttimekaniikan tulkinta

Kvanttimekaniikan tulkinta Kvanttimekaniikan tulkinta 20.1.2011 1 Klassisen ja kvanttimekaniikan tilastolliset formuloinnit 1.1 Klassinen mekaniikka Klassisen mekaniikan systeemin tilaa kuvaavat kappaleiden koordinaatit ja liikemäärät

Lisätiedot

Mittausepävarmuuden laskeminen

Mittausepävarmuuden laskeminen Mittausepävarmuuden laskeminen Mittausepävarmuuden laskemisesta on useita standardeja ja suosituksia Yleisimmin hyväksytty on International Organization for Standardization (ISO): Guide to the epression

Lisätiedot

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet

1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet VAASAN YLIOPISTO/AVOIN YLIOPISTO TILASTOTIETEEN PERUSTEET Harjoituksia 1 KURSSIKYSELYAINEISTO: 1. Työpaikan työntekijöistä laaditussa taulukossa oli mm. seuraavat rivit ja sarakkeet Nimi Ikä v. Asema Palkka

Lisätiedot

VINKKEJÄ CV-NETIN KÄYTTÖÖN. www.te-palvelut.fi

VINKKEJÄ CV-NETIN KÄYTTÖÖN. www.te-palvelut.fi VINKKEJÄ CV-NETIN KÄYTTÖÖN www.te-palvelut.fi TE-toimiston verkkoasiointiin pääset kirjautumaan www.te-palvelut.fi Oma asiointi Henkilöasiakas Kirjaudu sisään verkkopankkitunnuksilla ja hyväksy käyttöehdot

Lisätiedot

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)

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

Luento 3: 3D katselu. Sisältö

Luento 3: 3D katselu. Sisältö Tietokonegrafiikan perusteet T-.43 3 op Luento 3: 3D katselu Lauri Savioja Janne Kontkanen /27 3D katselu / Sisältö Kertaus: koordinaattimuunnokset ja homogeeniset koordinaatit Näkymänmuodostus Kameran

Lisätiedot

OHJE 1/7 19.1.2011. Antopäivä Dnr 19.1.2011 FI.PLM 2011-249 93/70.02.02/2011. Voimassaoloaika 19.1.2011 - toistaiseksi. Säädösperusta Johtovalta

OHJE 1/7 19.1.2011. Antopäivä Dnr 19.1.2011 FI.PLM 2011-249 93/70.02.02/2011. Voimassaoloaika 19.1.2011 - toistaiseksi. Säädösperusta Johtovalta OHJE 1/7 19.1.2011 Antopäivä Dnr 19.1.2011 FI.PLM 2011-249 93/70.02.02/2011 Voimassaoloaika 19.1.2011 - toistaiseksi Säädösperusta Johtovalta Kumoaa MATINEn ohjeet 309/Hm/09 18.12.2009 310/Hm/09 18.12.2009

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Myynnin ja suunnittelun automatisoinnilla lisää tuottavuutta yrityksellesi

Myynnin ja suunnittelun automatisoinnilla lisää tuottavuutta yrityksellesi Myynnin ja suunnittelun automatisoinnilla lisää tuottavuutta yrityksellesi Cielo on Ihme-3d Oy:n kehittämä pilvipohjainen, nettiselaimella käytettävä palvelu, jolla automatisoidaan mittatilaustyönä valmistettavien

Lisätiedot

ASUNTOSPRINKLAUS SUOMESSA

ASUNTOSPRINKLAUS SUOMESSA TIIVISTELMÄ ASUNTOSPRINKLAUS SUOMESSA Kati Tillander, Kaisa Belloni, Tuomo Rinne, Jukka Vaari ja Tuomas Paloposki VTT PL 1000, 02044 VTT Asuntosprinklaus Suomessa on kaksivaiheinen asuntosprinklauksen

Lisätiedot

Korkean resoluution ja suuren kuva-alueen SAR

Korkean resoluution ja suuren kuva-alueen SAR Korkean resoluution ja suuren kuva-alueen SAR Risto Vehmas, Juha Jylhä, Minna Väilä ja prof. Ari Visa Tampereen teknillinen yliopisto Signaalinkäsittelyn laitos Myönnetty rahoitus: 50 000 euroa Esityksen

Lisätiedot

Ilmanlaadun älykäs mallintaminen kaupunkiympäristössä. Lasse Johansson

Ilmanlaadun älykäs mallintaminen kaupunkiympäristössä. Lasse Johansson Ilmanlaadun älykäs mallintaminen kaupunkiympäristössä Lasse Johansson 16.8.2019 FMI-ENFUSER ilmanlaatumalli Paikallisen skaalan ilmanlaatumalli Tuottaa pääkaupunkiseudulle ennusteita 3/2018 lähtien osana

Lisätiedot

ABHELSINKI UNIVERSITY OF TECHNOLOGY

ABHELSINKI UNIVERSITY OF TECHNOLOGY Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä

Lisätiedot

Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia

Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia T-79.4001 Tietojenkäsittelyteorian seminaari 0..008 1 Alijärjestelmän mittaus ja muita epätäydellisiä mittauksia Loepp & Wootters, Protecting Information, luvut.4-.5 T-79.4001 Tietojenkäsittelyteorian

Lisätiedot

Radiotekniikan sovelluksia

Radiotekniikan sovelluksia Poutanen: GPS-paikanmääritys sivut 72 90 Kai Hahtokari 11.2.2002 Konventionaalinen inertiaalijärjestelmä (CIS) Järjestelmä, jossa z - akseli osoittaa maapallon impulssimomenttivektorin suuntaan standardiepookkina

Lisätiedot

Järvi 1 Valkjärvi. Järvi 2 Sysijärvi

Järvi 1 Valkjärvi. Järvi 2 Sysijärvi Tilastotiedettä Tilastotieteessä kerätään tietoja yksittäisistä asioista, ominaisuuksista tai tapahtumista. Näin saatua tietoa käsitellään tilastotieteen menetelmin ja saatuja tuloksia voidaan käyttää

Lisätiedot

Matematiikka ja teknologia, kevät 2011

Matematiikka ja teknologia, kevät 2011 Matematiikka ja teknologia, kevät 2011 Peter Hästö 3. helmikuuta 2011 Matemaattisten tieteiden laitos Sisältö Kurssi koostuu kuudesta (seitsemästä) toisistaan riippumattomasta luennosta. Aihepiirit ovat:

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

Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén

Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Projektisuunnitelma ja johdanto AS-0.3200 Automaatio- ja systeemitekniikan projektityöt Paula Sirén Sonifikaatio Menetelmä Sovelluksia Mahdollisuuksia Ongelmia Sonifikaatiosovellus: NIR-spektroskopia kariesmittauksissa

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

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

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma

S11-04 Kompaktikamerat stereokamerajärjestelmässä. Projektisuunnitelma AS-0.3200 Automaatio- ja systeemitekniikan projektityöt S11-04 Kompaktikamerat stereokamerajärjestelmässä Projektisuunnitelma Ari-Matti Reinsalo Anssi Niemi 28.1.2011 Projektityön tavoite Projektityössä

Lisätiedot

Oliosuunnitteluesimerkki: Yrityksen palkanlaskentajärjestelmä

Oliosuunnitteluesimerkki: Yrityksen palkanlaskentajärjestelmä Oliosuunnitteluesimerkki: Yrityksen palkanlaskentajärjestelmä Matti Luukkainen 10.12.2009 Tässä esitetty esimerkki on mukaelma ja lyhennelmä Robert Martinin kirjasta Agile and Iterative Development löytyvästä

Lisätiedot

Loppuraportti. Virtuaali-Frami, CAVE-ohjelmisto. Harri Mähönen projektiassistentti Seinäjoen ammattikorkeakoulu. Versio

Loppuraportti. Virtuaali-Frami, CAVE-ohjelmisto. Harri Mähönen projektiassistentti Seinäjoen ammattikorkeakoulu. Versio 1 Loppuraportti Virtuaali-Frami, CAVE-ohjelmisto Harri Mähönen projektiassistentti Seinäjoen ammattikorkeakoulu Versio 1.0 15.1.2006 2 Sisällys Tiivistelmä... 3 1 Johdanto... 4 1.1 Dokumentin tarkoitus...

Lisätiedot

Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla

Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla MATINE:n tutkimusseminaari 16.11.2017 Risto Vehmas, Juha Jylhä, Marja Ruotsalainen, Minna Väilä, Henna Perälä Tampereen teknillinen yliopisto Signaalinkäsittelyn

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

TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)

TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMISEN LAJIT OHJATTU OPPIMINEN: - ESIMERKIT OVAT PAREJA (X, Y), TAVOITTEENA ON OPPIA ENNUSTAMAAN Y ANNETTUNA X.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin

Lisätiedot

Käyttöohje. Versiohistoria: 1.0 7.5.2003 1. versio Mari 1.1 9.5.2003 Kommenttien perusteella korjattu versio

Käyttöohje. Versiohistoria: 1.0 7.5.2003 1. versio Mari 1.1 9.5.2003 Kommenttien perusteella korjattu versio Otus- projektinhallintatyökalu Käyttöohje Versiohistoria: 1.0 7.5.2003 1. versio Mari 1.1 9.5.2003 Kommenttien perusteella korjattu versio Mari Tampere 9. toukokuuta 2003 Kimmo Airamaa, Andreas Asuja,

Lisätiedot

Testausraportti. Orava. Helsinki Ohjelmistotuotantoprojekti HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos

Testausraportti. Orava. Helsinki Ohjelmistotuotantoprojekti HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Testausraportti Orava Helsinki 5.5.2005 Ohjelmistotuotantoprojekti HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Kurssi 581260 Ohjelmistotuotantoprojekti (6 ov) Projektiryhmä Juhani Bergström Peter

Lisätiedot

MOBISITE-TYÖKALUN SISÄLTÄMÄT TOIMINNOT

MOBISITE-TYÖKALUN SISÄLTÄMÄT TOIMINNOT MOBISITE-TYÖKALU MobiSite on työkalu matkapuhelimeen soveltuvan mobiilisivuston rakentamiseen. AIMO-järjestelmän jatkuvasti päivittyvä päätelaitetunnistus tunnistaa useimmat puhelinmallit ja mukauttaa

Lisätiedot

JÄTEHUOLLON ERIKOISTYÖ

JÄTEHUOLLON ERIKOISTYÖ Jari-Jussi Syrjä 1200715 JÄTEHUOLLON ERIKOISTYÖ Typpioksiduulin mittaus GASMET-monikaasuanalysaattorilla Tekniikka ja Liikenne 2013 1. Johdanto Erikoistyön tavoitteena selvittää Vaasan ammattikorkeakoulun

Lisätiedot

Mittaamisen maailmasta muutamia asioita. Heli Valkeinen, erikoistutkija, TtT TOIMIA-verkoston koordinaattori

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

Lisätiedot

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti

INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti 12.11.1999 INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E Mat-2.142 Optimointiopin seminaari Referaatti Syksy 1999 1. JOHDANTO Thomas M. Stratin artikkeli Decision Analysis Using Belief Functions käsittelee

Lisätiedot

Skedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi

Skedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi Skedulerisimulaattorin implementointi fysiikkatöille ja sen matemaattinen validointi 24.01.2011 Ohjaaja: Tapio Niemi Valvoja: Harri Ehtamo Tausta ja työn tavoite Työ tehtiin Helsinki Institute of Physics:ille,

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

Julkaisuportaali ja yliopistojen julkaisutiedot

Julkaisuportaali ja yliopistojen julkaisutiedot Julkaisuportaali ja yliopistojen julkaisutiedot Kotimaiset tieteelliset artikkelit näkyviksi!, Helsinki 25.4.2013 Jyrki Ilva (jyrki.ilva@helsinki.fi) Mihin erillistä julkaisuportaalia tarvitaan? Julkaisuportaali

Lisätiedot

Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4

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...

Lisätiedot

Malleja ja menetelmiä geometriseen tietokonenäköön

Malleja ja menetelmiä geometriseen tietokonenäköön Malleja ja menetelmiä geometriseen tietokonenäköön Juho Kannala 7.5.2010 Johdanto Tietokonenäkö on ala, joka kehittää menetelmiä automaattiseen kuvien sisällön tulkintaan Tietokonenäkö on ajankohtainen

Lisätiedot

Visualisointi kansanedustajista neljässä eri ulottuvuudessa

Visualisointi kansanedustajista neljässä eri ulottuvuudessa Visualisointi kansanedustajista neljässä eri ulottuvuudessa Jaakko Talonen talonen.dm@gmail.com Johdanto Helsingin Sanomat julkaisi eduskuntavaalien 2011 vaalikoneensa avoimena tietona. Vaalikoneen tietojen

Lisätiedot

OHJEITA TYÖSELOSTUKSEN LAATIMISEEN

OHJEITA TYÖSELOSTUKSEN LAATIMISEEN OHJEITA TYÖSELOSTUKSEN LAATIMISEEN Raportointi kuuluu tärkeänä osana jokaisen fyysikon työhön riippumatta siitä työskenteleekö hän tutkijana yliopistossa, opettajana koulussa vai teollisuuden palveluksessa.

Lisätiedot

Kaupan alueellinen määrävuosiselvitys 2009

Kaupan alueellinen määrävuosiselvitys 2009 Kauppa 2011 Kaupan alueellinen määrävuosiselvitys 2009 Liikevaihto suhteessa myyntipinta-alaan nousi noin 26 prosenttia vuodesta 2004 Suomen vähittäiskauppojen myyntipinta-ala oli yhteensä noin 9,6 miljoonaa

Lisätiedot

r = 0.221 n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

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

Lisätiedot

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010 TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta Yliassistentti Jussi Hakanen jussi.hakanen@jyu.fi syksy 2010 Optimaalisuus: objektiavaruus f 2 min Z = f(s) Parhaat arvot alhaalla ja vasemmalla

Lisätiedot

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta.

3 Suorat ja tasot. 3.1 Suora. Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3 Suorat ja tasot Tässä luvussa käsitellään avaruuksien R 2 ja R 3 suoria ja tasoja vektoreiden näkökulmasta. 3.1 Suora Havaitsimme skalaarikertolaskun tulkinnan yhteydessä, että jos on mikä tahansa nollasta

Lisätiedot

Mitä käytettävyys on? Käytettävyys verkko-opetuksessa. Miksi käytettävyys on tärkeää? Mitä käytettävyys on? Nielsen: käytettävyysheuristiikat

Mitä käytettävyys on? Käytettävyys verkko-opetuksessa. Miksi käytettävyys on tärkeää? Mitä käytettävyys on? Nielsen: käytettävyysheuristiikat Mitä käytettävyys on? Käytettävyys verkko-opetuksessa 21.8.2002 Jussi Mantere Learnability (opittavuus) Efficiency (tehokkuus) Memorability (muistettavuus) Errors prevented (virheiden tekeminen estetty)

Lisätiedot

Boardmanin BOARDMAPPING HALLITUSARVIOINTI. Esittelyaineisto

Boardmanin BOARDMAPPING HALLITUSARVIOINTI. Esittelyaineisto Boardmanin BOARDMAPPING HALLITUSARVIOINTI Esittelyaineisto Boardmanin BOARD MAPPING HALLITUSARVIOINTI Board Mapping -hallitusarviointi auttaa hallitusta arvioimaan omaa toimintaansa ja kehittämään sitä

Lisätiedot

Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa

Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa Lämpötilan ja valssausvoiman tilastollinen mallintaminen levyvalssauksessa VaProKe projekti (Ruukki, TEKES) Intelligent Systems Group, ILMARI JUUTILAINEN, 24.11.2011 Sisältö Projektin tavoitteet Voimamallinnuksen

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

Lataa Katkennut totuus. Lataa

Lataa Katkennut totuus. Lataa Lataa Katkennut totuus Lataa ISBN: 9789525718560 Sivumäärä: 311 Formaatti: PDF Tiedoston koko: 31.23 Mb Traumatutkielma Katkennut totuus käsittää joidenkin sellaisten keskeisten ja aivan perustavien kysymysten

Lisätiedot

Julian graafinen annotointityökalu ja erityisontologioiden editori. Jaason Haapakoski P Kansanterveyslaitos , 28.3.

Julian graafinen annotointityökalu ja erityisontologioiden editori. Jaason Haapakoski P Kansanterveyslaitos , 28.3. Julian graafinen annotointityökalu ja erityisontologioiden editori Jaason Haapakoski P. 040 7612 811 Kansanterveyslaitos 28.2.2006, 28.3.2006 Perusnäkymä Ohjelmalle on konfiguroitavissa useita eri käsitteistöjä

Lisätiedot

ELMAS 4 Laitteiden kriittisyysluokittelu 8.2.2012 1/10. Ramentor Oy ELMAS 4. Laitteiden kriittisyysluokittelu. Versio 1.0

ELMAS 4 Laitteiden kriittisyysluokittelu 8.2.2012 1/10. Ramentor Oy ELMAS 4. Laitteiden kriittisyysluokittelu. Versio 1.0 1/10 Ramentor Oy ELMAS 4 Laitteiden kriittisyysluokittelu Versio 1.0 2/10 SISÄLTÖ 1 Kuvaus... 3 2 Kriittisyysluokittelu ELMAS-ohjelmistolla... 4 2.1 Kohteen mallinnus... 4 2.2 Kriittisyystekijöiden painoarvojen

Lisätiedot

TIEDEPOSTERI. - Viestinnän välineenä. Marisa Rakennuskoski

TIEDEPOSTERI. - Viestinnän välineenä. Marisa Rakennuskoski TIEDEPOSTERI - Viestinnän välineenä Marisa Rakennuskoski POSTERILAJIT Mainosposteri(pääpaino kuvilla ja visuaalisuudella) Ammatillinenposteri(vapaamuotoinen, esim. jonkin projektin tapahtumia kuvaava,

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

Altistumisskenaarion laatimista koskeva ohje

Altistumisskenaarion laatimista koskeva ohje TIETOVAATIMUKSET JA KEMIKAALITURVALLISUUSARVIOINTI (OSA D) Viite: ECHA-08-GF-07-FI Päivämäärä: 21/07/2008 Kieli: suomi Altistumisskenaarion laatimista koskeva ohje (ECHA) julkaisee sarjan tiedotteita,

Lisätiedot

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016)

805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) 805324A (805679S) Aikasarja-analyysi Harjoitus 4 (2016) Tavoitteet (teoria): Hallita autokovarianssifunktion ominaisuuksien tarkastelu. Osata laskea autokovarianssifunktion spektriiheysfunktio. Tavoitteet

Lisätiedot

1.9 Harjoituksia. Frekvenssijakaumien harjoituksia. MAB5: Tilastotieteen lähtökohdat. a) Kaikki aakkoset b) Kirjaimet L, E, M, C, B, A ja i.

1.9 Harjoituksia. Frekvenssijakaumien harjoituksia. MAB5: Tilastotieteen lähtökohdat. a) Kaikki aakkoset b) Kirjaimet L, E, M, C, B, A ja i. MAB5: Tilastotieteen lähtökohdat 1.9 Harjoituksia 1.1 Ulkolämpömittari näytti eilen 10 C ja tänään 20 C. Onko tänään kaksi kertaa niin kylmä kuin eilen? Miksi tai miksi ei? 1.2 Minkä luokkien muuttujia

Lisätiedot

Käyttöohje Työturvallisuuskeskus RASSI Riskien arviointi sähköaloille Sisällys Yleistä Liitynnät Sovellusympäristö

Käyttöohje Työturvallisuuskeskus RASSI Riskien arviointi sähköaloille Sisällys Yleistä Liitynnät Sovellusympäristö Käyttöohje 1 (7) RASSI Riskien arviointi sähköaloille Sisällys Yleistä...1 Liitynnät...1 Sovellusympäristö...1 Rassin käyttö...2 Riskien arviointi...3 Riskitarkastelu, vaaraluettelon teko...4 Riskitarkastelu,

Lisätiedot

Visma Fivaldi -käsikirja Tehtävienhallinta- ohje käyttäjälle

Visma Fivaldi -käsikirja Tehtävienhallinta- ohje käyttäjälle Visma Fivaldi -käsikirja Tehtävienhallinta- ohje käyttäjälle 2 Sisällys 1 Palvelunhallinta... 3 1.1 Käyttäjäryhmän luominen... 3 2 Tehtävienhallinta- perustiedot... 4 2.1 Yhtiön perustiedot... 4 2.2 Tehtävä-/

Lisätiedot

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

Lisätiedot

Kansalliskirjaston julkaisuarkistopalvelut. Jyrki Ilva Erikoiskirjastojen neuvosto,

Kansalliskirjaston julkaisuarkistopalvelut. Jyrki Ilva Erikoiskirjastojen neuvosto, Kansalliskirjaston julkaisuarkistopalvelut Jyrki Ilva (jyrki.ilva@helsinki.fi) Erikoiskirjastojen neuvosto, 9.12.2011 Julkaisuarkiston idea Julkaisuarkiston (open repository, institutional repository)

Lisätiedot

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

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

Lisätiedot

Vaatimusmäärittely Ohjelma-ajanvälitys komponentti

Vaatimusmäärittely Ohjelma-ajanvälitys komponentti Teknillinen korkeakoulu 51 Vaatimusmäärittely Ohjelma-ajanvälitys komponentti Versio Päiväys Tekijä Kuvaus 0.1 21.11.01 Oskari Pirttikoski Ensimmäinen versio 0.2 27.11.01 Oskari Pirttikoski Lisätty termit

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

Koulutusohjelman vastuunhenkilön hyväksyntä nimen selvennys, virka-asema / arvo

Koulutusohjelman vastuunhenkilön hyväksyntä nimen selvennys, virka-asema / arvo Oulun yliopisto Lääketieteellinen tiedekunta Terveystieteiden laitos PRO GRADU-TUTKIELMAN ARVIOINTILOMAKE Tutkielman tekijä(t): Tutkielman nimi: Pääaine: Tutkielman ohjaaja(t): Tutkielman arviointi Tutkielman

Lisätiedot

Tietojen arviointi ja raportointi: (yksityiskohtaisen) tutkimustiivistelmän laatimisohjeet

Tietojen arviointi ja raportointi: (yksityiskohtaisen) tutkimustiivistelmän laatimisohjeet Tietojen arviointi ja raportointi: (yksityiskohtaisen) tutkimustiivistelmän laatimisohjeet Webinaari tietovaatimuksista 30. marraskuuta 2009 Kaikkien saatavilla olevien tietojen arviointi Vaihe 1: Tietojen

Lisätiedot

Teema 8: Parametrien estimointi ja luottamusvälit

Teema 8: Parametrien estimointi ja luottamusvälit Teema 8: Parametrien estimointi ja luottamusvälit Todennäköisyyslaskennan perusteet (Teemat 6 ja 7) antavat hyvän pohjan siirtyä kurssin viimeiseen laajempaan kokonaisuuteen, nimittäin tilastolliseen päättelyyn.

Lisätiedot

Kuinka määritellään 2 3?

Kuinka määritellään 2 3? Kuinka määritellään 2 3? y Nyt 3 = 1,7320508.... Luvut 3 2 x x 3 2 x 2 1 = 2, 2 1,7 3,2490, 2 1,73 3,3173, 2 1,732 3,3219,... ovat hyvin määriteltyjä koska näihin tarvitaan vain rationaalilukupotenssin

Lisätiedot

Ohjelmiston toteutussuunnitelma

Ohjelmiston toteutussuunnitelma Ohjelmiston toteutussuunnitelma Ryhmän nimi: Tekijä: Toimeksiantaja: Toimeksiantajan edustaja: Muutospäivämäärä: Versio: Katselmoitu (pvm.): 1 1 Johdanto Tämä luku antaa yleiskuvan koko suunnitteludokumentista,

Lisätiedot

Ohjelmistotekniikan menetelmät, luokkamallin laatiminen

Ohjelmistotekniikan menetelmät, luokkamallin laatiminen 582101 - Ohjelmistotekniikan menetelmät, luokkamallin laatiminen 1 Lähestymistapoja Kokonaisvaltainen lähestymistapa (top-down) etsitään kerralla koko kohdealuetta kuvaavaa mallia hankalaa, jos kohdealue

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin

Lisätiedot

Televerkon verkkotietojärjestelm

Televerkon verkkotietojärjestelm Televerkon verkkotietojärjestelm rjestelmän määrittely ja käyttk yttöönotto Lauri Turunen Diplomityöseminaari 10.10.2006 Valvoja: Ohjaaja: Prof. Heikki HämmH mmäinen DI Timo Kokkola Esityksen sisältö Verkkotietojärjestelmä

Lisätiedot

7.4 Sormenjälkitekniikka

7.4 Sormenjälkitekniikka 7.4 Sormenjälkitekniikka Tarkastellaan ensimmäisenä esimerkkinä pitkien merkkijonojen vertailua. Ongelma: Ajatellaan, että kaksi n-bittistä (n 1) tiedostoa x ja y sijaitsee eri tietokoneilla. Halutaan

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 21.1.2009 T-106.1208 Ohjelmoinnin perusteet Y 21.1.2009 1 / 32 Tyypeistä Monissa muissa ohjelmointikielissä (esim. Java ja C) muuttujat on määriteltävä ennen

Lisätiedot

Pro gradu -tutkielmien arvostelu maantieteessä

Pro gradu -tutkielmien arvostelu maantieteessä Pro gradu -tutkielmien arvostelu maantieteessä Tutkielman arvostelussa on käytössä viisiportainen asteikko (1-5): o Ykkönen (1) merkitsee, että työ on hyväksyttävissä, mutta siinä on huomattavia puutteita.

Lisätiedot

4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014

4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014 4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014 27. kesäkuuta 2014 Omnitele Ltd. Mäkitorpantie 3B P.O. Box 969, 00101 Helsinki Finland Puh: +358 9 695991 Fax: +358 9 177182 E-mail: contact@omnitele.fi

Lisätiedot

Käyttöliittymä ja tuotantokäsikirjoitus. Heini Puuska

Käyttöliittymä ja tuotantokäsikirjoitus. Heini Puuska Käyttöliittymä ja tuotantokäsikirjoitus Heini Puuska Sisältö 1 Käyttöliittymä... 1 2 Tuotantokäsikirjoitus... 2 2.1 Kurssin esittely... 2 2.2 Oppimistehtävä 1... 2 2.3 Oppimistehtävä 2... 2 2.4 Reflektio

Lisätiedot

PSYKOLOGIAN ARTIKKELI- JA MONOGRAFIAVÄITÖSKIRJOJEN RAKENNE MUISTILISTAA VÄITÖSKIRJOJEN OHJAAJILLE JA OHJATTAVILLE

PSYKOLOGIAN ARTIKKELI- JA MONOGRAFIAVÄITÖSKIRJOJEN RAKENNE MUISTILISTAA VÄITÖSKIRJOJEN OHJAAJILLE JA OHJATTAVILLE PSYKOLOGIAN ARTIKKELI- JA MONOGRAFIAVÄITÖSKIRJOJEN RAKENNE MUISTILISTAA VÄITÖSKIRJOJEN OHJAAJILLE JA OHJATTAVILLE TYÖN TARKASTUKSEN JA PAINATUKSEN ETENEMINEN Timo Suutama 8.10.2014 Artikkeliväitöskirjan

Lisätiedot

LIITE. asiakirjaan. Komission täytäntöönpanoasetus

LIITE. asiakirjaan. Komission täytäntöönpanoasetus EUROOPAN KOMISSIO Bryssel 16.7.2018 C(2018) 4351 final ANNEX 1 LIITE asiakirjaan Komission täytäntöönpanoasetus täytäntöönpanoasetuksen (EU) 2017/1152 muuttamisesta korrelaatiomenettelyn selventämiseksi

Lisätiedot

Johdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ]

Johdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ] Johdatus tekoälyyn Luento 6.10.2011: Koneoppiminen Patrik Hoyer [ Kysykää ja kommentoikaa luennon aikana! ] Koneoppiminen? Määritelmä: kone = tietokone, tietokoneohjelma oppiminen = ongelmanratkaisukyvyn

Lisätiedot

15. Ohjelmoinnin tekniikkaa 15.1

15. Ohjelmoinnin tekniikkaa 15.1 15. Ohjelmoinnin tekniikkaa 15.1 Sisällys For-each-rakenne. Lueteltu tyyppi enum. Override-annotaatio. Geneerinen ohjelmointi. 15.2 For-each-rakenne For-rakenteen variaatio taulukoiden ja muiden kokoelmien

Lisätiedot

Tenttikysymykset. + UML- kaavioiden mallintamistehtävät

Tenttikysymykset. + UML- kaavioiden mallintamistehtävät Tenttikysymykset 1. Selitä mitä asioita kuuluu tietojärjestelmän käsitteeseen. 2. Selitä kapseloinnin ja tiedon suojauksen periaatteet oliolähestymistavassa ja mitä hyötyä näistä periaatteista on. 3. Selitä

Lisätiedot

Kannettava sähköverkon analysaattori AR6

Kannettava sähköverkon analysaattori AR6 Kannettava sähköverkon analysaattori AR6 Kompakti huippuominaisuudet omaava digitaalinen mittalaite soveltuu erinomaisesti sähköverkon energiatehokkuuden analysoimiseen AR6:n ominaisuuksia: Se ottaa jänniteaallosta

Lisätiedot