Integroivat menetelmät - Bayes-verkot
|
|
- Sakari Koskinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Integroivat menetelmät - Bayes-verkot Päivi Haapasaari
2 Esityksen sisältö Integroinnin tarve Mikä on Bayesmenetelmä? Teoria: Bayesmenetelmän tieteenfilosofinen perusta luonnontieteiden ja ihmistieteiden näkökulmasta Käytäntö: Sovelluksia Mentaaliset mallit / ongelmanmäärittely eri näkökulmista Päätösanalyysi luonnonvarojen käytön hallinnassa Ihmisen toiminnan epävarmuus päätöksenteon näkökulmasta integroiva malli Harjoitus
3 Integroinnin tarve Kompleksit ympäristöongelmat: epävarmuus, tulkinnanvaraisuus, arvot Ymmärtäminen - Kontrolloitavuus Kestävät hyväksytyt päätökset > Holistinen tarkastelu Eri näkökulmien / eri tyyppisen tiedon tarkastelu toistensa valossa tieteenalat, toimijat, riskit ja epävarmuudet, faktat ja arvot, tavoitteet Esim. Funtowicz & Ravetz: Post-normal science (tiede-päätöksentekoyhteiskunta, tieteenalat, akateeminen ja käytännön tieto) Tieteidenvälisyys (vs. monitieteisyys) Luonnontieteet, taloustiede, yhteiskuntatieteet Erot tieteenalojen välillä usein hankaluutena Käytännöt, paradigmat, menetelmät, kieli > kommunikointiongelmat Institutionaaliset puitteet Integroivat menetelmät > silta eteenalojen välille Yhteisen alueen, kielen ja sillan löytäminen ja käyttöönotto vaatii paradigman joustavuutta
4 Thomas Bayes Bayes-verkot 1990-luvulta lähtien eri tieteenaloilla (luonnontieteet, insinööritieteet, lääketiede, arkeologia, neurotieteet ) Tietokoneohjelmat Kompleksit metamallit Integroivat sovellukset ml. yhteiskuntatieteet seuraava kehittämisen paikka Jäsentää ja määrittelee ongelman muuttujiksi ja niiden välisiksi syyseuraussuhteiksi (kvalitatiivinen, graafinen) > päättelyketju, vrt. lääkärin diagnoosi Voimakkuudet kuvataan useimmiten ehdollisilla todennäköisyysjakaumilla (kvantitatiivinen) > kuvaa epävarmuutta eksplisiittisesti Jos jostakin muuttujasta saadaan uutta tietoa, todennäköisyyslaskenta (Bayes-kaava) päivittää muut ehdollistetut muuttujat > miten muutos yhdessä muuttujassa vaikuttaa muihin muuttujiin
5 Bayes-päättely
6 Bayes-teoria pähkinänkuoressa Mittaa epävarmuutta todennäköisyyksillä ja laskee epävarmojen muuttujien vaikutusta toisiinsa todennäköisyyslaskennan avulla (Bayes-kaava) Päivittää olemassa olevaa tietoa (a priori) uudella tiedolla > a posteriori tieto > oppiminen Todennäköisyys ei objektiivinen ( True probability does not physically exist ) vaan subjektiivinen (degree of belief) uskomusaste, riippuu siitä mitä tiedetään > todennäköisyydellä ei ole universaalia totuutta joka tieteen pitäisi löytää Data malliin voi tulla uudesta kokeellisesta tutkimuksesta, kirjallisuudesta, aiemmista malleista, tilastoista, eksperteiltä
7 Eroaa klassisesta frekventistisestä tilastotieteestä (objektiivisuus, suuret otokset, toistokokeet, harhaton analyysi ) luonnontieteissä frekventistit ja bayeslaiset
8 P. Haapasaari
9 Epävarmat muuttujat
10 Päätös- ja hyötymuuttujat Decision Uncertain Baltic Main Basin herring: framing the problem Time frame: Annual dynamics Manag. Measures for cod TAC Manag. Measures for sprat Fish.mort Seas.&spatial closure on Sp. grounds SSB not affecting Recr. (H-stick) Keep herring pop..on certain level Cod Sprat Size distribution Growth Biomass Natural Mort. Number of fish Survival of eggs Stomach sampling Size dist. In catch Catch in weight Catch in numbers Scientific surv. Observer 10 P. Haapasaari
11 Bayes-ajattelun epistemologinen perusta ja yhteiskuntatieteet Subjektiivisuus degree of belief Konstruktivismi (tiedon sosiaalisesti rakentunut luonne tieto on ihmisen sosiaalisessa kontekstissaan, vuorovaikutuksessa tuottamaa ja siksi suhteellista) Hermeneutiikka, tulkinnan teoria, hermeneuttinen kehä (Heidegger, Gadamer): tieto on prosessi jossa ihmiset jatkuvasti päivittävät ymmärrystään maailmasta Priori: Rajoittuneen horisontin rajoittunut esiymmärrys ( historiallisesti ja sosiokulttuurisesti muotoutunut tieto(isuus)) Posteriori: Horisonttien fuusio johtaa uuteen ymmärrykseen ymmärtäminen ja tulkinta analyysissä Integroivat menetelmä t: tieteidenvälinen / erilaisten tiedonpalasten fuusio
12 Bayes-verkot tiedon integroinnissa Menetelmän avulla voidaan linkittää toisiinsa eri tieteenalojen tuottamaa tietoa (epävarmuuksia) joita pidetään relevantteina ongelmanratkaisun kannalta > mahdollistaa oppimisen tieteenalojen välillä ja eri tyyppisen tiedon integroinnin Esim. biologinen data voidaan linkittää ihmistieteellisen kvalitatiivisen tutkimuksen tulosten kanssa, tai asiantuntijatiedon kanssa Todennäköisyydet yhteisenä kielenä Kompleksit ongelmat: Tietokoneohjelmat ja tekniikat Mallit aina vajavaisia > puuttuvat osat otetaan huomioon suurempina epävarmuuksina ja keskustelussa tuloksista ja johtopäätöksistä Malli tekijänsä näköinen: laaja vertaisarviointi tai osallistava mallinnus tuo kriittisyyttä ja uusia näkökulmia Mallin päivittäminen mahdollistaa oppimisen sekä horisontaalisesti (tieteidenvälisesti) että vertikaalisesti (aiemmat tutkimukset) P. Haapasaari
13 Esimerkki 1: Itämeren pääaltaan silakkakannan hoitoon, kalastukseen ja sen säätelyyn liittyvä ongelmanmäärittely mentaaliset mallit Osallistava mallinnus: 2 tutkijaa, manageri, kalastaja, ympäristöjärjestön edustaja > 5 näkökulmaa Oma mallinnustyöpaja jokaiselle 5 erilaista mallia (ryhmädynamiikan vaikutus pois) Vaikutuskaaviot P. Haapasaari
14 Decision Uncertain Utility Baltic Main Basin herring: framing the problem Time frame: Annual dynamics Closed areas /seasons Gear regulations TAC State of economy Dist. Of TAC Market situation Growth Natural Mort. Survival of eggs Size distribution Biomass Number of fish Size dist. In catch Catch in weight Catch in numbers Feedback! Number of fishermen Price of fish Type of processing Fishing capacity Price of fuel Fishing effort Gear cost Fishing cost Average salary for fiehermen, stable over years. Nation specific Forever, uncertain value Fishing tax Port costs
15 Decision Uncertain Baltic Main Basin herring: framing the problem Time frame: Annual dynamics Manag. Measures for cod TAC Manag. Measures for sprat Seas.&spatial closure on Sp. grounds Fish.mort Keep herring pop..on certain level SSB not affecting Recr. (H-stick) Cod Sprat Size distribution Growth Biomass Natural Mort. Number of fish Survival of eggs Stomach sampling Size dist. In catch Catch in weight Catch in numbers Scientific surv. Observer 15 P. Haapasaari
16 Ongelmanmäärittelyn merkitys Rakenteellinen epävarmuus: vaihtoehtoiset vaikuttavat tekijät ja kausaliteetit, lisää ymmärrystä Säätelytavoitteiden määrittely ja priorisointi eri näkökulmista (eksplisiittiset tavoitteet välttämättömät menestyksekkäälle säätelylle) Pohja säätelytoimenpiteiden vaikutuksen pohtimiselle Huomio eri toimijoiden päättelylogiikkaan: mitkä asiat ihmiset näkevät samoin, mitkä eri tavoin Helpottaa kommunikointia Havainnollinen jäsennelty pohja keskustelulle
17 Ongelmanmäärittelyn merkitys Holistinen kompleksien systeemien ja laajojen kokonaisuuksien strukturointi Biologisten kysymysten hahmottaminen suhteessa sosiaalisiin ja taloudellisiin Tutkimuksen priorisointi: mitä tietoa / minkä tieteenalan/alojen tutkimusta tarvitaan ongelman ratkaisemiseksi? Mikä näkökulma puuttuu?
18 Esimerkki 2. Kalastajaryhmien sitoutuminen kestävään kalastukseen ja mahdollisuudet parantaa sitoutumista Mitkä tekijät määrittävät kalastajien sitoutumista lohikantojen vahvistamiseen, missä määrin sitoutuminen vaikuttaa kalastamiseen, ja miten sitoutumista voitaisiin parantaa Eri toimenpiteiden hyödyt suhteessa sitoutumiseen Tavoitteena pystyä ennakoimaan P. Haapasaari kalastajien käyttäytymistä
19 Menetelmät & prosessi
20 BIREME SAP project: Model structure Knowledge action Commitment action Management action of fishing Way of fishing of justice Sense of justice Belief in wild salmon in river condition Belief in river condition in actors Trust in actors Trust in m Conf. in management of equipment Value of equipment t Commitment Commitment Catch Salmon abundance
21 Mallinnuksen anti? Mallin avulla pystyttiin demonstroimaan, miten kalastajien erilaiset näkemykset vaikuttavat heidän toimintaansa ja miten ne voidaan ottaa huomioon päätöksenteossa Osoitettiin, miten kvalitatiivisessa muodossa olevat kalastajien näkemykset voitiin muuntaa kvantitatiiviseen muotoon ja sisällyttää päätösmalliin
22 Taulukko: numeeriset ja verbaaliset todennäköisyydet (Druzdzel 1996) 0.0 impossible never very unlikely very rarely unlikely rarely fairly unlikely fairly rarely less likely than not less often than not 0.5 as likely as not as often as not more likely than not more often than not fairly likely fairly often likely commonly very likely very commonly 1.0 certain always
23 Esimerkki 3. Toimijaryhmien sitoutuminen Itämeren lohen pitkän aikavälin tavoiteohjelmavaihtoehtoihin Kalastajaryhmien näkökulma neljään vaihtoehtoiseen tavoiteohjelmaan Mikä säätely kannattaa toteuttaa jotta lopputulos mahdollisimman hyvä (= säätely toteutuu suunnitellusti, implementaatiovarmuus)
24 Aineiston keruu ja analyysi Otos: Avaininformantit (asiantuntijat) kolmesta kalastajaryhmästä kahdeksassa Itämeren maassa Asiantuntijatiedon uskottiin olevan parempi kuin satunnaisotoksella valitut vastaajat Ekspertiisin määrittely Ei mahdollisuutta haastatteluihin > lomakekysely (webropol) Ositettu tarkoituksenmukainen otanta (Stratified purposeful sampling) Strukturoidut ja avoimet kysymykset Analyysi: kvantitatiivinen (Bayes-verkot) ja kvalitatiivinen > triangulaatio
25 Vastaajat 29 informanttia 6 maassa osallistui otos katsottiin riittäväksi: (1) kaikki olivat asiantuntijoita eivätkä satunnaisesti valittuja vastaajia (2) metodologia sallii pienten aineistojen käytön (3) avoimet kysymykset oli huolellisesti täytetty ja sallivat kvantitatiivisen aineiston vertaamisen (4) tarkoitus oli ymmärtää asiantuntijoiden näkemyksiä ja muuttaa ne todennäköisyyksiksi, ei tarkastella tilastollisia riippuvuuksia.
26 Kysymykset Avoimet kysymykset Millaisia olisivat pitkän aikavälin säätelyvaihtoehdon (A/B/C/D) vaikutukset ryhmälle x jota edustat? Strukturoidut kysymykset Mikä on edustamasi ryhmän näkemys pitkän aikavälin säätelyvaihtoehtoon B? Olisiko se hyvä vaihtoehto/jokseenkin hyvä/ei hyvä/mahdoton.
27 Analyysi Rakennettiin Bayes-verkko joka kuvasi eri kalastajaryhmien sitoutumista eri vaihtoehtoihin eri maissa Vastaukset strukturoituihin kysymyksiin yhdistettiin, ja ehdolliset todennäköisyysjakaumat käsiteltiin multinomijakaumina niin, että prioriepävarmuus noudatti Dirichleen jakaumaa. Posteriorijakaumat laskettiin priorijakaumien ja havaintojen summana. Vastaukset avoimiin kysymyksiin analysoitiin kvalitatiivisesti (QSR NVivo). mallinnuksen tulkinta, tulosten vertailu, mallinnustulosten uskottavuuden arviointi
28 Sitoutumista kuvaava Bayesverkko Sitoutuminen kuvattiin todennäköisyyksinä!
29 Mallinnuksen anti Huomioi implementaatioepävarmuuden ja tavoitteiden saavuttamisen > edistää suunnitteluprosessin onnistumista Positiivinen viesti managereilta kalastajille että heidän näkemyksensä on otettu huomioon ja että niillä on merkitystä Ei korvaa dialogia, mutta luo lähtökohdan ja fokuksen keskustelulle Sitoutuminen kuvattiin kvantitatiivisessa muodossa todennäköisyyksinä > voitiin yhdistää biologisen ja ekonomisen tiedon kanssa ja evaluoida integroidusti
30 Esimerkki 4: Tieteidenvälinen päätösmalli Haluttiin evaluoida vaihtoehtoisia Itämeren lohikantojen pitkän aikavälin tavoiteohjelmia integroidusti Rakennettiin Bayes-malli, johon sisällytettiin 1) biologinen kanta-arvio, 2) bioekonominen ammattikalastuksen optimointianalyysi, 3) virkistyskalastuksen arvottamistutkimus ja 4) sosiologinen analyysi kalastajien sitoutumisesta vaihtoehtoisiin tavoiteohjelmiin Tarkoitus yhdistää erillisten tutkimusten tulokset ja arvioida eri päätösvaihtoehtoja suhteessa eri tavoitteisiin ja epävarmuuksiin
31 Integrointi vaati. Bio-ekonominen mallinnus: Neljän päätösvaihtoehdon (kalastuksen rajoittaminen) biologisten ja taloudellisten seurausten simulointi (ammattikalastus) kahdelle nuorten lohien selviytymistä kuvaavalle skenaariolle Virkistyskalastuksen analyysi: eri päätösvaihtoehtojen virkistyskalastukselle tuoman hyödyn laskeminen Sosiologinen tutkimus: päätösvaihtoehtojen toimeenpanovarmuuden määrittely suhteessa sitoutumiseen
32 Bayesilainen päätösmalli lohen Social capital:facilitates individual/collective action, emerges from social networks, reciprocity, trust, norms pitkän aikavälin säätelyohjelmaksi
33
34 Success in restoration presumes commitment of all the actors, including fishermen! P. Haapasaari
35 Toimeenpanoepävarmuus No change in effort 25% reduction in effort 50% reduction in effort 75% reduction in effort Committed 100 % 100 % 100 % 100 % Somewhat committed 100 % 80 % 60 % 50 % Slightly not committed 100 % 20 % 10 % 10 % Not committed 100 % 0 % 0 % 0 % Sitoutuminen vaikuttaa toimeenpanon onnistumiseen sitoutumisen ja toimeenpanon suhde määritel in todennäköisyysarvoilla
36 Tuloksia Ammattikalastuksen hyöty: ei vähennystä kalastukseen Biologinen ja virkistyskalastushyöty: 75% vähennys Kalastuksen leikkaaminen 50% tai 75% jos kaikki hyödyt otetaan samanarvoisina huomioon Biol objecteffort reducombinedrecr utilitycomm utilbiol utilitysocial utili 75 % % Both Kaikkien hyötyjen ottaminen huomioon yhtä aikaa vaatisi päätöksiä siitä, miten painotetaan eri hyötyjä
37 Toimeenpanoepävarmuus ühyötyjen erot pienet johtuen toimeenpanoepävarmuudesta üsitoutumisen puute epävarmuus minkä tahansa päätöksen lopputulos näyttää samalta ütulokset joissa oletettiin 100 % sitoutuminen johtivat korkeampiin hyötyarvoihin > päätöksillä näytti olevan suurempi vaikutus üintegroitu malli muutti osatutkimusten tuloksia
38 Tieteidenvälisen mallin anti: Demonstroitiin miten implementaatioepävarmuus vaikutti vaihtoehtoisten säätelyohjelmien tehokkuuteen Demonstroitiin ja mallinnettiin kalastuksensäätelyn monitavoitteista luonnetta Voitiin arvioida vaihtoehtojen hyötyjä sekä erikseen että yhdessä Sitoutumisen ja toimeenpanon onnistumisen merkityksen ja siihen liittyvän tutkimuksen merkityksen korostuminen Osoitti, että Bayes-verkot mahdollistavat eri tyyppisen tiedon ja eri tieteenalojen tutkimustulosten integroimisen
39 P. Haapasaari
40 Kertaus: Bayes-verkot integroivana menetelmänä Subjektiivinen, todennäköisyydet Kompleksit ongelmat: Pienet aineistot, asiantuntijatieto Metamallit Jäsentää kompleksin ongelman: elementit, tiedon tarve, tieteenalat Yhdistää faktat ja arvot Eri tapoja ilmaista kausaalisuhteiden voimakkuutta (+/- /0/epäselvä; nuolen paksuus; todennäköisyydet) Sekä kvalitatiivinen että kvantitatiivinen tieto muunnettavissa todennäköisyyksiksi
41 Harjoitus Tee parin kanssa/ryhmässä mentaalinen malli jostain tutkimusongelmasta satunnaismuuttujat, yhteiskunnalliset, taloudelliset ja luonnon tilaa koskevat tavoitteet, päätösmuuttujat mieti mitä tietoa/tieteenaloja/osaamista tarvittaisiin ratkaisemaan ongelma
SAP-ohjelman sosiaaliset vaikutukset ja kalastajien sitoutuminen uuteen tavoiteohjelmaan. Päivi Haapasaari HY ja Timo P. Karjalainen OY.
SAP-ohjelman sosiaaliset vaikutukset ja kalastajien sitoutuminen uuteen tavoiteohjelmaan Päivi Haapasaari HY ja Timo P. Karjalainen OY 1 Menetelmät Asiantuntijatieto: 2-osainen web-kysely 4 eri kalastajaryhmää
LisätiedotTAVOITTEIDEN JA TOIMENPITEIDEN SYNTYMINEN KALATALOUDESSA. Argumentaseminaari. Kotka 13.-14.2.08 Päivi Haapasaari OY
TAVOITTEIDEN JA TOIMENPITEIDEN SYNTYMINEN KALATALOUDESSA Argumentaseminaari Kotka 13.-14.2.08 Päivi Haapasaari OY 1 Uutinen 31.01.2008 Ammattikalastajat sytyttävät vainovalkeita Ammattikalastajat protestoivat
LisätiedotItämeren lohenkalastuksen säätelyohjelman sosio-ekonomisia vaikutuksia
Itämeren lohenkalastuksen säätelyohjelman sosio-ekonomisia vaikutuksia Tapani Pakarinen, RKTL, Soile Kulmala, Päivi Haapasaari ja Katja Parkkila, Helsingin Yliopisto Viikki 3.2.2009 Selvityksen keskeiset
LisätiedotLohipolitiikan verkostoanalyysi: pelissä arvot ja faktat
Lohipolitiikan verkostoanalyysi: pelissä arvot ja faktat Päivi Haapasaari RKTL:n tutkimuspäivät 31.10.-1.11.2012 Turku 1 www.helsinki.fi/science/fem/index.html RKTL:n tutkimuspäivät 2012 Turku Vaikeiden
LisätiedotTieteidenvälisyys Sotkua, järjestystä vai viisautta?
Tieteidenvälisyys Sotkua, järjestystä vai viisautta? Katri Huutoniemi Helsingin yliopisto Sosiaalitieteiden laitos 20.10.2014 1 Esityksen sisältö Tieteen viisaus on ideaali, jota ei voida saavuttaa ilman
LisätiedotSosiologinen näkökulma kalastuksen säätelyyn Kalastuksen säätely -kurssi Päivi Haapasaari
Sosiologinen näkökulma kalastuksen säätelyyn 86109 Kalastuksen säätely -kurssi Päivi Haapasaari 28.4. 2009 Luennon osat 1. TAC-prosessi ja sen riskit 2. Holistinen ja sosiologinen näkökulma kalastuksensäätelyyn
LisätiedotECONOMICS AND CONSERVATION OF THE BALTIC SALMON ITÄMEREN LOHEN SUOJELU TALOUSTIETEEN NÄKÖKULMASTA. Soile Kulmala
ECONOMICS AND CONSERVATION OF THE BALTIC SALMON ITÄMEREN LOHEN SUOJELU TALOUSTIETEEN NÄKÖKULMASTA Soile Kulmala Senior Scientist/Erikoistutkija Finnish Environment Institute/SYKE Finnish Partnership for
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4B Bayesläinen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy
LisätiedotItämeren lohen suojelu ja talous. Soile Kulmala. Erikoistutkija SYKE/LYNET-yhteistyö
Itämeren lohen suojelu ja talous Soile Kulmala Erikoistutkija SYKE/LYNET-yhteistyö Tämän esitelmän tavoitteena on esitellä luonnonvarataloustieteen näkökulma Itämeren lohikantojen suojeluun. Luonnonvarataloustiede
LisätiedotYhteistyötä sisältämätön peliteoria jatkuu
Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen
LisätiedotMITEN LUODA TIETEIDENVÄLINEN TUTKIMUSHANKE? KOKEMUKSIA JA SUOSITUKSIA
MITEN LUODA TIETEIDENVÄLINEN TUTKIMUSHANKE? KOKEMUKSIA JA SUOSITUKSIA STN VERKOSTOITUMISTILAISUUS 26.1. VIIKKI KATRI HUUTONIEMI JA KAISA KORHONEN-KURKI HELSINGIN YLIOPISTON YMPÄRISTÖTUTKIMUKSEN JA OPETUKSEN
LisätiedotBayesilainen päätöksenteko / Bayesian decision theory
Bayesilainen päätöksenteko / Bayesian decision theory Todennäköisyysteoria voidaan perustella ilman päätösteoriaa, mutta vasta päätösteorian avulla siitä on oikeasti hyötyä Todennäköisyyteoriassa tavoitteena
LisätiedotTieteen julkisuus ja tiedeviestintä. Esa Väliverronen
Tieteen julkisuus ja tiedeviestintä Esa Väliverronen 7.3.2007 Tiedeviestintä miksi nyt? Tieteen ja yhteiskunnan suhde murroksessa - kolmas tehtävä, vaikuttavuus... Tutkimuskulttuurit murroksessa - moni/poikkitieteellisyys,
LisätiedotYhteistyöaineiden edustajan puheenvuoro
Yhteistyöaineiden edustajan puheenvuoro Professori Ilkka Virtanen Talousmatematiikka Johdatus laskentatoimen ja rahoituksen tutkielmatyöskentelyyn 21.10.2002 Vaasan yliopisto Johdatus laskentatoimen ja
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Bayeslainen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi
LisätiedotBayes-mallinnus siltana teorian ja empiirisen evidenssin välillä
Bayes-mallinnus siltana teorian ja empiirisen evidenssin välillä Antti Penttinen Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Metodifestivaalit Jyväskylän yliopisto 21.5.2013 Suunnitelma
Lisätiedotarvioinnin kohde
KEMIA 9-lk Merkitys, arvot ja asenteet T2 Oppilas tunnistaa omaa kemian osaamistaan, asettaa tavoitteita omalle työskentelylleen sekä työskentelee pitkäjänteisesti T3 Oppilas ymmärtää kemian osaamisen
Lisätiedot30A02000 Tilastotieteen perusteet
30A02000 Tilastotieteen perusteet Kertaus 1. välikokeeseen Lauri Viitasaari Tieto- ja palvelujohtamisen laitos Kauppatieteiden korkeakoulu Aalto-yliopisto Syksy 2019 Periodi I-II Sisältö Välikokeesta Joukko-oppi
LisätiedotSuomenlahden öljykuljetusten biologisten riskien mallintaminen ja päätösanalyysi Bayes-verkoilla
Suomenlahden öljykuljetusten biologisten riskien mallintaminen ja päätösanalyysi Bayes-verkoilla Annukka Lehikoinen 02.12.2008 Helsingin yliopisto Bio- ja ympäristötieteiden laitos Luonnonvarojen käytön
LisätiedotKansallinen säätely YE4
Kansallinen säätely YE4 Säätelyn tarve Miten päästään open access tilanteesta kohti optimaalista tilannetta Pois taloudellisesta ja biologisesta liikakalastuksesta Säätelyn kustannukset vs hyödyt 1. Biologiset
Lisätiedotarvioinnin kohde
KEMIA 8-lk Merkitys, arvot ja asenteet T2 Oppilas asettaa itselleen tavoitteita sekä työskentelee pitkäjänteisesti. Oppilas kuvaamaan omaa osaamistaan. T3 Oppilas ymmärtää alkuaineiden ja niistä muodostuvien
LisätiedotTausta tutkimukselle
Näin on aina tehty Näyttöön perustuvan toiminnan nykytilanne hoitotyöntekijöiden toiminnassa Vaasan keskussairaalassa Eeva Pohjanniemi ja Kirsi Vaaranmaa 1 Tausta tutkimukselle Suomessa on aktiivisesti
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Bayeslainen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy
LisätiedotTUTKIMUSAINEISTON 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.
LisätiedotLiuenneen orgaanisen hiilen huuhtoutuminen ja kulkeutuminen - bayesilainen arviointi HENVI SCIENCE DAYS
Liuenneen orgaanisen hiilen huuhtoutuminen ja kulkeutuminen - bayesilainen arviointi HENVI SCIENCE DAYS 14.5.2014 Biotieteellinen tiedekunta / Mika Rahikainen www.helsinki.fi/yliopisto 15.5.2014 1 Esityksen
LisätiedotKuluttajien tutkiminen 23C580 Kuluttajan käyttäytyminen Emma Mäenpää
Kuluttajien tutkiminen 23C580 Kuluttajan käyttäytyminen Emma Mäenpää Case New Coke Vuonna 1985 Coca-Cola Company päätti tuoda markkinoille uuden kolajuoman New Cola Makeampi versio perinteisestä Coca Colasta
LisätiedotS-114.600 Bayesilaisen mallintamisen perusteet
S-114.600 Bayesilaisen mallintamisen perusteet Laajuus: 2 ov Opettajat: TkT Aki Vehtari, DI Toni Tamminen Slide 1 Sisältö: Bayesilainen todennäköisyysteoria ja bayesilainen päättely. Bayesilaiset mallit
LisätiedotBayesiläinen tilastollinen vaihtelu
Bayesiläinen tilastollinen vaihtelu Janne Pitkäniemi FT, dos. (biometria), joht. til. tiet Suomen Syöpärekisteri Hjelt-instituutti /Helsingin yliopisto Periaatteet Tilastollinen vaihtelu koskee perusjoukon
LisätiedotKvalitatiivinen tutkimustoiminta
Kvalitatiivinen tutkimustoiminta Kvalitatiivinen tutkimustoiminta Laadullisen tutkimusmenetelmän määrittelyä ja taustaa Hypermedian jatko-opintoseminaari 28.1.2005 Katja Kaunismaa Luennon teemat: * Kvalitatiivinen
LisätiedotMitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto
Mitä on laadullinen tutkimus? Pertti Alasuutari Tampereen yliopisto Määritelmiä Laadullinen tutkimus voidaan määritellä eri tavoin eri lähtökohdista Voidaan esimerkiksi korostaa sen juuria antropologiasta
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Bayesläiset piste- ja väliestimaatit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotTUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen
KEMIA Kemian päättöarvioinnin kriteerit arvosanalle 8 ja niitä täydentävä tukimateriaali Opetuksen tavoite Merkitys, arvot ja asenteet T1 kannustaa ja innostaa oppilasta kemian opiskeluun T2 ohjata ja
LisätiedotIlmastonmuutoksen vaikutus Suomen sisävesiin
Mat-2.142 Optimointiopin seminaari, syksy 1999 9.11.1999 Referaatti, esitelmä 12 Matti Vesanen, 44467j Lähde: Kuikka, S. & Varis, O. 1997. Uncertainties of climatic change impacts in Finnish watersheds:
LisätiedotFoA5 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.
LisätiedotHow to Support Decision Analysis with Software Case Förbifart Stockholm
How to Support Decision Analysis with Software Case Förbifart Stockholm (Valmiin työn esittely) 13.9.2010 Ohjaaja: Prof. Mats Danielson Valvoja: Prof. Ahti Salo Tausta -Tukholman ohikulkutien suunnittelu
LisätiedotPolitiikka-asiakirjojen retoriikan ja diskurssien analyysi
Politiikka-asiakirjojen retoriikan ja diskurssien analyysi Perustuu väitöskirjaan Sukupuoli ja syntyvyyden retoriikka Venäjällä ja Suomessa 1995 2010 Faculty of Social Sciences Näin se kirjoitetaan n Johdanto
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotLuento 2. Yksiparametrisia malleja. Binomi-malli. Posteriorijakauman esittämisestä. Informatiivisista priorijakaumista. Konjugaattipriori.
Luento 2 Binomi-malli Posteriorijakauman esittämisestä Informatiivisista priorijakaumista Konjugaattipriori Slide 1 Yksiparametrisia malleja Binomi Jacob Bernoulli (1654-1705), Bayes (1702-1761) Normaali
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotLaadullisen tutkimuksen luonne ja tehtävät. Pertti Alasuutari professori, Laitoksen johtaja Yhteiskuntatieteiden tutkimuslaitos
Laadullisen tutkimuksen luonne ja tehtävät Pertti Alasuutari professori, Laitoksen johtaja Yhteiskuntatieteiden tutkimuslaitos Mitä on tieteellinen tutkimus? Rationaalisuuteen pyrkivää havainnointia ja
LisätiedotTUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen
1 FYSIIKKA Fysiikan päättöarvioinnin kriteerit arvosanalle 8 ja niitä täydentävä tukimateriaali Opetuksen tavoite Merkitys, arvot ja asenteet T1 kannustaa ja innostaa oppilasta fysiikan opiskeluun T2 ohjata
Lisätiedothyvä osaaminen
MERKITYS, ARVOT JA ASENTEET FYSIIKKA T2 Oppilas tunnistaa omaa fysiikan osaamistaan, asettaa tavoitteita omalle työskentelylleen sekä työskentelee pitkäjänteisesti. T3 Oppilas ymmärtää fysiikkaan (sähköön
Lisätiedothyvä osaaminen. osaamisensa tunnistamista kuvaamaan omaa osaamistaan
MERKITYS, ARVOT JA ASENTEET FYSIIKKA 8 T2 Oppilas asettaa itselleen tavoitteita sekä työskentelee pitkäjänteisesti. Oppilas harjoittelee kuvaamaan omaa osaamistaan. T3 Oppilas ymmärtää lämpöilmiöiden tuntemisen
LisätiedotEdistyksen päivät, Helsinki. Voiko tutkija muuttaa maailmaa? Humanistista meta-analyysiä merkitysneuvottelevien koneiden avulla.
Edistyksen päivät, Helsinki Voiko tutkija muuttaa maailmaa? Humanistista meta-analyysiä merkitysneuvottelevien koneiden avulla Timo Honkela timo.honkela@helsinki.fi 5.10.2017 Taustaa: Rauhankone-konsepti
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotTILASTOLLINEN OPPIMINEN
301 TILASTOLLINEN OPPIMINEN Salmiakki- ja hedelmämakeisia on pakattu samanlaisiin käärepapereihin suurissa säkeissä, joissa on seuraavat sekoitussuhteet h 1 : 100% salmiakkia h 2 : 75% salmiakkia + 25%
LisätiedotESIPUHE... 3 SISÄLLYSLUETTELO... 4 1. JOHDANTO... 6
Sisällysluettelo ESIPUHE... 3 SISÄLLYSLUETTELO... 4 1. JOHDANTO... 6 2. LAADULLISEN TUTKIMUKSEN KÄSITTEITÄ... 9 1.1 TUTKIMUKSEN TEKEMISEN TAUSTAFILOSOFIAT... 10 1.2 LAADULLINEN TUTKIMUS VS. MÄÄRÄLLINEN
LisätiedotLuonnonvarataloustieteen näkökulmiakansallisen lohistrategiansuunnitteluun
Luonnonvarataloustieteen näkökulmiakansallisen lohistrategiansuunnitteluun Erikoistutkija Soile Kulmala SYKE/LYNET Esitetyt tutkimustulokset on tuotettu yhteistyössä: Maija Holma, Katja Parkkila, Emmi
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
LisätiedotGaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely)
Gaussiset prosessit derivaattahavainnoilla regressio-ongelmassa (valmiin työn esittely) Ohjaaja: TkT Aki Vehtari Valvoja: Prof. Harri Ehtamo Kandidaattiseminaari 21 1.11.21 Esityksen rakenne Tausta Derivaattahavaintojen
LisätiedotLuento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja
1 Luento 23.9.2014 KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja 2 Ristiintaulukko Esim. Toyota Avensis farmariautoja, nelikenttä (2x2-taulukko) 3 Esim. 5.2.6. Markkinointisuunnitelma
LisätiedotHAVAINTO LÄhde: Vilkka 2006, Tutki ja havainnoi. Helsinki: Tammi.
HAVAINTO LÄhde: Vilkka 2006, Tutki ja havainnoi. Helsinki: Tammi. 1 MIKÄ ON HAVAINTO? Merkki (sana, lause, ajatus, ominaisuus, toiminta, teko, suhde) + sen merkitys (huom. myös kvantitatiivisessa, vrt.
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Frekventistiset vs. bayeslaiset menetelmät Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotPikajohdatus bayesilaiseen tilastoanalyysiin ja monimuuttuja-analyysiin
ja monimuuttuja-analyysiin Loppuseminaari: Terveydenhuollon uudet analyysimenetelmät (TERANA) Aki Vehtari AB HELSINKI UNIVERSITY OF TECHNOLOGY Department of Biomedical Engineering and Computational Science
LisätiedotJärvitesti Ympäristöteknologia T571SA 7.5.2013
Hans Laihia Mika Tuukkanen 1 LASKENNALLISET JA TILASTOLLISET MENETELMÄT Järvitesti Ympäristöteknologia T571SA 7.5.2013 Sarkola Eino JÄRVITESTI Johdanto Järvien kuntoa tutkitaan monenlaisilla eri menetelmillä.
LisätiedotINTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E. Mat Optimointiopin seminaari Referaatti
12.11.1999 INTERVALLIPÄÄTÖSPUUT JANNE GUSTAFSSON 45433E Mat-2.142 Optimointiopin seminaari Referaatti Syksy 1999 1. JOHDANTO Thomas M. Stratin artikkeli Decision Analysis Using Belief Functions käsittelee
LisätiedotLaadullinen tutkimus. KTT Riku Oksman
Laadullinen tutkimus KTT Riku Oksman Kurssin tavoitteet oppia ymmärtämään laadullisen tutkimuksen yleisluonnetta oppia soveltamaan keskeisimpiä laadullisia aineiston hankinnan ja analysoinnin menetelmiä
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 11. lokakuuta 2007 Antti Rasila () TodB 11. lokakuuta 2007 1 / 15 1 Johdantoa tilastotieteeseen Peruskäsitteitä Tilastollisen kuvailun ja päättelyn menetelmiä
LisätiedotVaikutusten mittaaminen. Hannes Enlund Fimea Lääkehoitojen arviointi
Vaikutusten mittaaminen Hannes Enlund Fimea Lääkehoitojen arviointi Vaikutusten mittaamisen ydin Vaikeinta on oikean kysymyksen esittäminen ei niinkään oikean vastauksen löytäminen! Far better an appropriate
LisätiedotHarjoitus 7: NCSS - Tilastollinen analyysi
Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
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,
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotJohdanto päivän teemoihin. Osallistuva kaupunkisuunnittelu 31.10.2011 Joensuu
Johdanto päivän teemoihin Osallistuva kaupunkisuunnittelu 31.10.2011 Joensuu Kansalaaset tuloo Helsingin Roihuvuoren asukaspuiston yhteissuunnittelu (http://www.roihuvuori.com/index.php?option=com_content&task=view&id=2199
LisätiedotTilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
LisätiedotMTTTP1, 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
LisätiedotMTTTP1, luento KERTAUSTA
25.9.2018/1 MTTTP1, luento 25.9.2018 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2018/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
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas LUENNOT 2017 Luento Paikka Vko Päivä Pvm Klo 1 L 304 3 To 19.1.2016 12:15-14:00 2 MaA 103 3 Pe 20.1.2016 10:15-12:00 3 MaA 103 4 Ke
LisätiedotP(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu
1. Tyhjentävä tunnusluku (sucient statistics ) Olkoon (P(X = x θ) : θ Θ) todennäköisyysmalli havainnolle X. Datan funktio T (X ) on Tyhjentävä tunnusluku jos ehdollinen todennäköisyys (ehdollinen tiheysfunktio)
LisätiedotJohdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Normaalijakaumasta johdettuja jakaumia TKK (c) Ilkka Mellin (2005) 1 Normaalijakaumasta johdettuja jakaumia Johdanto χ 2 -jakauma F-jakauma t-jakauma TKK (c) Ilkka Mellin
LisätiedotKokonaisvaltainen mittaaminen ohjelmistokehityksen tukena
Kokonaisvaltainen mittaaminen ohjelmistokehityksen tukena Mittaaminen ja ohjelmistotuotanto seminaari 18.04.01 Matias Vierimaa 1 Miksi mitataan? Ohjelmistokehitystä ja lopputuotteen laatua on vaikea arvioida
LisätiedotKäytännön ideoita verkostotyöhön & toimintatutkimuksellinen ote verkostojen kehittämiseen. Timo Järvensivu, KTT Aalto-yliopiston kauppakorkeakoulu
Käytännön ideoita verkostotyöhön & toimintatutkimuksellinen ote verkostojen kehittämiseen Timo Järvensivu, KTT Aalto-yliopiston kauppakorkeakoulu Toimintatutkimus? Toimintatutkimus on sosiaalinen prosessi,
LisätiedotDBN Mitä sillä tekee? Dynaamisten Bayes-verkkojen määrittely aikasarja-analyysissä Janne Toivola jtoivola@iki.fi
DBN Mitä sillä tekee? Dynaamisten Bayes-verkkojen määrittely aikasarja-analyysissä Janne Toivola jtoivola@iki.fi Historiaa Bayesin kaavan hyödyntäminen BN-ohjelmistoja ollut ennenkin Tanskalaisten Hugin
LisätiedotENG3043.Kand Kandidaatintyö ja seminaari aloitusluento Tutkimussuunnitelman laatiminen
ENG3043.Kand Kandidaatintyö ja seminaari aloitusluento 12.9.2016 Tutkimussuunnitelman laatiminen Prof. (Professor of Practise) Risto Kiviluoma, Sillanrakennustekniikka Tutkimussuunnitelma Tutkimussuunnitelman
LisätiedotTutkimustiedosta päätöksentekoon
Tutkimustiedosta päätöksentekoon Nina Tynkkynen Tutkijatohtori Johtamiskorkeakoulu, Tampereen yliopisto nina.tynkkynen@uta.fi Näkökulma tutkimustietoon/tieteelliseen tietoon: Tieto tuotetaan sosio-materiaalisissa
LisätiedotOppimista tukeva, yhteisöllinen arviointi
Oppimista tukeva, yhteisöllinen arviointi Nokia 16.9.2015 Päivi Nilivaara 1 17.9.2015 Mikä edistää oppimista? Resurssit Opiskeluun käytetty aika Palautteen anto Tvt opetusvälineenä Kotitausta Luokalle
LisätiedotYmpäristötieto, riskit, ja epävarmuudet suunnittelussa TUUMA-hankkeen alustavia tuloksia
Ympäristötieto, riskit, ja epävarmuudet suunnittelussa TUUMA-hankkeen alustavia tuloksia Aino Rekola & Riikka Paloniemi Suomen ympäristökeskus SYKE Yhteistä ymmärrystä synnyttämässä Ympäristötiedon käyttö
LisätiedotTieteiden välinen kommunikaatio oikeus- ja yhteiskuntatieteiden välillä
Tieteiden välinen kommunikaatio oikeus- ja yhteiskuntatieteiden välillä Kaisa Raitio Yhteiskuntapolitiikan laitos Joensuun yliopisto Monitieteisen ympäristötutkimuksen metodit 12.-13.10.2006 SYKE Esityksen
LisätiedotIP/05/1470. Brysselissä 24. marraskuuta 2005
IP/05/1470 Brysselissä 24. marraskuuta 2005 Itämeren kalastuskiintiöt vuodelle 2006: Komissio ehdottaa, että turskankalastusmahdollisuuksien edellytykseksi asetettaisiin pyyntiponnistuksen vähentäminen,
Lisätiedotkertyminen Itämeren kaloihin Juha Karjalainen skylän yliopisto ristötieteidentieteiden laitos
PCB- ja PCDD/F-yhdisteiden kertyminen Itämeren kaloihin Juha Karjalainen Jyväskyl skylän yliopisto bio- ja ympärist ristötieteidentieteiden laitos juhakar@bytl.jyu.fi 15.11.27 DIOXMODE-hanke Itämeren tutkimusohjelmassa
LisätiedotIlkeät ongelmat moniammatillista johtamista monikulttuurisessa ympäristössä. Lape Pippuri, Verkostojohtamisen seminaari
Ilkeät ongelmat moniammatillista johtamista monikulttuurisessa ympäristössä Lape Pippuri, Verkostojohtamisen seminaari 26.8.2018 Pasi-Heikki Rannisto Professori, terveydenhuollon johtaminen Tampereen yliopisto
LisätiedotTIETOINEN HAVAINTO, TIETOINEN HAVAINNOINTI JA TULKINTA SEKÄ HAVAINNOLLISTAMINEN
TIETOINEN HAVAINTO, TIETOINEN HAVAINNOINTI JA TULKINTA SEKÄ HAVAINNOLLISTAMINEN Hanna Vilkka Mikä on havainto? - merkki (sana, lause, ajatus, ominaisuus, toiminta, teko, suhde) + sen merkitys (huom. myös
LisätiedotMatemaatikot ja tilastotieteilijät
Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat
LisätiedotMeta-analyysi ympäristön arvottamisessa
Meta-analyysi ympäristön arvottamisessa Heini Ahtiainen Maa- ja elintarviketalouden tutkimuskeskus Taloustutkimus Arvot ja arvottaminen -seminaari 24.5.2012 Esityksen sisältö Taloudelliset arvottamismenetelmät
LisätiedotVESIENSUOJELUTOIMIEN KUSTANNUSTEN JA HYÖTYJEN ARVIOINTI. Marjukka Porvari John Nurmisen Säätiö Itämerihaaste Photo: Jukka Nurminen
VESIENSUOJELUTOIMIEN KUSTANNUSTEN JA HYÖTYJEN ARVIOINTI Marjukka Porvari John Nurmisen Säätiö Itämerihaaste 22.1.2014 Photo: Jukka Nurminen Ekosysteemilähestymistapaan perustuva vesiensuojelupolitiikan
LisätiedotTentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence
Tentin materiaali Sivia: luvut 1,2,3.1-3.3,4.1-4.2,5 MacKay: luku 30 Gelman, 1995: Inference and monitoring convergence Gelman & Meng, 1995: Model checking and model improvement Kalvot Harjoitustyöt Tentin
LisätiedotMAT -2.3134 PÄÄTÖKSENTEKO JA ONGELMANRATKAISU
MAT -2.3134 PÄÄTÖKSENTEKO JA ONGELMANRATKAISU Syksy 2007 Ahti Salo / Juuso Liesiö 1 Miksi kurssi päätöksenteosta? Välitön oppimistavoite päätösongelmien jäsentäminen moniulotteisuuden hahmottaminen monenlaisiin
LisätiedotTeoreettisen viitekehyksen rakentaminen
Teoreettisen viitekehyksen rakentaminen Eeva Willberg Pro seminaari ja kandidaatin opinnäytetyö 26.1.09 Tutkimuksen teoreettinen viitekehys Tarkoittaa tutkimusilmiöön keskeisesti liittyvän tutkimuksen
LisätiedotLAADULLISESTA SISÄLLÖNANALYYSISTÄ
LAADULLISESTA SISÄLLÖNANALYYSISTÄ Aineiston ja teorian suhde INDUKTIIVINEN ANALYYSI Tulokset/teoria muodostetaan aineiston perusteella Tutkimuskysymykset muotoutuvat analyysin edetessä ABDUKTIIVINEN ANALYYSI
LisätiedotIhmistieteet vs. luonnontieteet: Ihmistieteet vs. luonnontieteet: inhimillinen toiminta. Tieteiden erot ja ihmistieteiden suhde luonnontieteisiin
Tieteiden erot ja ihmistieteiden suhde luonnontieteisiin Johdatus yhteiskuntatieteiden filosofiaan 7. Luento 4.2. Ihmistieteet vs. luonnontieteet: inhimillinen toiminta Inhimillinen toiminta on intentionaalista
LisätiedotEnnakointi, tulevaisuusajattelu ja strategiset tiekartat
VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Ennakointi, tulevaisuusajattelu ja strategiset tiekartat Mikko Dufva Foresight, organizational dynamics and systemic change team, VTT mikko.dufva@vtt.fi @mdufva
LisätiedotSocio-cultural valuation of ecosystem services provided by Baltic Salmon. Timo P. Karjalainen Thule Institute/University of Oulu Oulun yliopisto
Socio-cultural valuation of ecosystem services provided by Baltic Salmon Timo P. Karjalainen Thule Institute/University of Oulu Oulun yliopisto Sisällys/content The issue (kysymys): how to value and assess
LisätiedotLaskennallisten tieteiden tutkimusohjelma. Jaakko Astola
Laskennallisten tieteiden tutkimusohjelma Jaakko Astola Julkisen tutkimusrahoituksen toimijat Suomessa 16.11.09 2 Suomen Akatemian organisaatio 16.11.09 3 Suomen Akatemia lyhyesti Tehtävät Myöntää määrärahoja
LisätiedotJohdanto Itämeren ja valumaalueen. taloustieteellinen näkökulma. Kari Hyytiäinen
Johdanto Itämeren ja valumaalueen tutkimukseen: taloustieteellinen näkökulma Kari Hyytiäinen www.helsinki.fi/yliopisto 15.5.2014 1 Kuvamateriaali: Janne Artell, Ærtebjerg et al. 2003, HELCOM, YLE, MTV3,
LisätiedotTulkitsevan työtavan oppiminen ja kehittäminen robottikirurgiassa (WOBLEprojekti)
TEKNOLOGIAN TUTKIMUSKESKUS VTT OY Tulkitsevan työtavan oppiminen ja kehittäminen robottikirurgiassa (WOBLEprojekti) TULOS-seminaari 6.6.2016 Mikael Wahlström Tulkitsevuus työssä Kohteen kokonaisvaltaista,
Lisätiedot