Jäsenyysverkostot ominaisuudet, toimijoiden ja tapahtumien samanaikainen analyysi. Sisältö ja tavoitteet. Osallistujien ja tapahtumien ominaisuudet

Koko: px
Aloita esitys sivulta:

Download "Jäsenyysverkostot ominaisuudet, toimijoiden ja tapahtumien samanaikainen analyysi. Sisältö ja tavoitteet. Osallistujien ja tapahtumien ominaisuudet"

Transkriptio

1 Jäsenyysverkostot, toimijoiden ja tapahtumien samanaikainen anal Hypermedian jatko-opintoseminaari Antti Syvänen TaY / antti.syvanen@uta.fi 1 Sisältö ja tavoitteet Esitellään jäsenyysverkostojen, jotka voidaan laskea kytkösmatriisista tai 1-moodisista sosiomatriiseista Esitellään toimijoiden ja tapahtumien samanaikaisen analn menetelmät Galois n hiladiagrammi (Galois Lattice) Korrespondenssi-analmenetelmä Yhteenveto Perustuu teoksen Wasserman & Faust, 1994 lukujen ohella edelliseen esitykseen luvuista (Salonen 2009) Tutustu myös esityksiin Meriläinen (2009) (koheesiviset aliryhmät) ja Miilumäki (2009) (saavutettavuus, tiheys) 2 (Wasserman & Faust, 1994) Osallistujien ja tapahtumien Osallistumismäärät: kytkösmatriisien vaakarivien summat, sosiomatriisin diagonaalialkiot, 2-osaisessa graafissa toimijanoodien asteluvut» Osallistumismääristä laskettuja keskiarvoja voidaan käyttää esim. yhteisöjen vapaaehtoistyöorganisaatioihin osallistumishalukkuuden vertailuun Tapahtumien koot: kytkösmatriisien pystyrivien summat, sosiomatriisin diagonaalialkiot, 2-osaisessa graafissa tapahtumanoodien asteluvut» Tapahtumien koista laskettuja keskiarvoja voidaan käyttää esim. yhteisöjen vapaaehtoisorganisaatioiden kokojen vertailuun Jos aineistosta puuttuu dataa, on kyseessä otos ja keskiarvoilla ei em. kaltaisia vertailuja voida suoraan tehdä ennen niiden yleistettävyyden estimointia 3 1

2 Tutkitaan erikseen toimijoiden ja tapahtumien ominaisuuksia Tiheys:toimija- tai tapahtumaparien sidosten määrä Toimijoiden osallistumismäärät vaikuttaa tapahtumien välisten sidosten määrään Tapahtumien koot vaikuttavat toimijoiden välisten sidosten määrään Saavutettavuus (reachability): onko joidenkin verkoston kahden toimijan tai tapahtuman välillä yhteyttä Läpimitta (diameter): jäsenyysverkoston pisin polku, jolla toimija- tai tapahtumapari ovat yhteydessä (lyhyin = geodeesi) 4 Toimija- tai tapahtumapareja yhdistävien polkujen voimakkuus Jaettujen osallisuuksien määrä tapahtumissa (toimijat) Jaettujen toimijoiden määrä (tapahtumat) Voimakkuuksia voidaan tutkia koheesivisia aliryhmiä: esim. klikkejä (cliques), joissa 3 tai useampi toimija- tai tapahtumanoodi keskenään täysin verkottuneita Jäsenyysverkoston ollessa kyseessä etsitään toimijoiden ja tapahtumien klikkejä pareittain (joissa vähintään 3 toimijaa/tapahtumaa), jotka ovat yhteydessä c kpl tapahtuman kautta tai jakavat c kpl toimijaa 5 Toimitusjohtajat jalkapalloseuroissa: klikit toimijoiden yhteisosallistumisen suhteen Jalkapalloseurojen toimitusjohtajat: klikit tapahtumien päällekäisyyden suhteen Toimitusjohtajien ja jalkapalloseurojen klikkianal 6 2

3 Aliryhmän koon huomiointi: Toimijaparin yhteisosallisuus tapahtumissa (limittyneisyys, overlap) voi olla suuri riippumatta ovatko toimijat kiinnostuneita toisistaan Tapahtumaparin päällekkäisyys (limittyneisyys) voi olla olla suuri, koska kummassakin on paljon osanottajia riippumatta että se viehättäisi samanlaisia toimijoita Tarvitaan ryhmäkoosta loogisesti vapaa mitta odds-ratios 7 Toimijoiden lukumäärä: 1) molemmissa tapahtumissa, 2) jotka eivät kuulu kumpaankaan tapahtumaan ja 3) 4) jotka kuuluvat vain toiseen tapahtumista Jos arvo on suurempi kuin 1, toimijat ovat enemmän mukana toisessakin tapahtumassa; enemmän päällekäisyyttä 1) 2) 1) 4) 3) 4) 1) 2) 4) 3) 3) 2) Odds-ratios laskukaavat 8 Toimijoiden ja tapahtumien samanaikaisen analn menetelmät Galois n hiladiagrammi Korrespondenssi-anal 9 3

4 Galois n hiladiagrammi Galois n hiladiagrammi pyrkii huomioimaan jäsenyysverkostojen : osajoukot (subsets) ja kaksijakoisuuden (duality), mahdollistaen näiden samanaikaisen tarkastelun Osajoukoilla tarkoitetaan toimijoiden tapahtumiin muodostamia osanottajaryhmiä Kaksijakoisuus viittaa täydentävään perspektiiviin toimijoista tapahtumiin osallistujina, tapahtumista toimijoiden kokoontumispaikkoina Mutta ensin: mikä on tavallinen hiladiagrammi Esimerkki: kuuden lapsen ja kolmen syntymäpäivätapahtuman muodostama kytkösverkostomatriisi 10 Hiladiagrammi Hilaa voidaan käyttää havainnollistamaan kokoelmaa osajoukkoja, nolla joukko (null set, ) ja yhteyttä Oheisessa hiladiagrammissa pisteet edustavat lasten osajoukkoja: juhliin osallistumisen mukaiset osajoukot, osajoukko jossa kaikki ryhmät ja -joukko Syntymäpäiväjuhlien väliset yhteydet, lasten osajoukot (Wasserman & Faust, 1994) 11 Hiladiagrammi Tavallisessa hiladiagrammissa pisteellä on yksi nimike (yksittäinen osajoukko), joten tarvitaan kaksi hiladiagrammia toimijoiden ja tapahtumien havainnollistamiseen Tarvitaan Galois`n hiladiagrammi Lasten väliset yhteydet syntymäpäiväjuhlien osajoukot 12 4

5 Galois n hiladiagrammi Kukin piste edustaa kahden erillisen entiteetin (toimija, tapahtuma) muodostamaa paria Ylin piste: joukko jossa kaikki lapset, ei juhlia (kaikki lapset eivät käyneet kaikissa juhlissa) Alin piste: Ross sekä joukko, jossa kaikki juhlat (Ross kävi ainoana kaikissa juhlissa) Diagrammin alaosan lapset ryhmän keskellä, yläosassa syrjässä olevia (outliers) Lue alhaalta ylös Lasten ja syntymäpäiväjuhlien Galois n hiladiagrammi (Wasserman & Faust, 1994) 13 Galois n hiladiagrammi Hyödyt: keskittyy osajoukkoihin, joihin keskittyminen soveliasta erityisesti jäsenyysverkostojen havainnollistamiseen täydentävä yhteys toimijoiden ja tapahtumien välillä, jotka näkyvät diagrammissa toimijoiden ja tapahtumien välisten yhteyksien rakenteet saattavat näkyä selvemmin Haitat: kuvallisesta esityksestä voi tulla monimutkainen vaakaulottuvuus on sattumanvarainen (eritt. Ross & Eliot) Näistä syistä johtuen Galois n hiladiagrammi on ensisijaisesti tapa havainnollistaa jäsenyysverkostoja 14 Korrespondenssianal Korrespondenssianal on on laajasti käytetty metodi kahden tai useamman muuttujaryhmän korrelaatioiden tutkimiseen Useita eri muunnelmia korrespondenssianalsta, sopivin jäsenyysverkostojen analin on kuitenkin method of reciprocal averaging Toimijan saama pisteytys on suhteellinen tapahtumien painotetuille pisteille, joihin toimija osallistuu (ja toisinpäin) pistemäärillä voidaan siis kuvata toimijat ja tapahtumat yhtä aikaa tilassa siten, että ne asettuvat toistensa läheisyyteen sitä paremmin mitä paremmin ne ovat yhteydessä toisiinsa 15 5

6 Korrespondenssianal Yksittäiselle toimijalle annettu pistemäärä on tapahtumalle annettu painotettu keskiarvo pistemääristä, jotka on annettu tapahtumalle. Painotuksina ovat jäsenyysmatriisin solufrekvenssit, jaettuna kyseisen rivin summalla Näitä pistemääriä hyödyntäen voidaan paikantaa yksittäinen toimija tilassa, jota tapahtumat määrittävät Ja toisinpäin yksittäiselle tapahtumalle annettava pistemäärä lasketaan: 16 Korrespondenssianal Toimitusjohtajien (n) ja jalkapalloseurojen (m) korrespondenssianaln mukaiset koordinaatit 17 Korrespondenssianal Arvotettujen yhteyksien toimijoiden yhteisjäsenyydestä ja tapahtumien limittymisestä Toimitusjohtaja 14 kuuluu useampaan joukkueeseen kuin kukaan muu, toimitusjohtajat 17 ja 20 seuraavaksi eniten Joukkueessa 3 on eniten toimitusjohtajia, 2 ja 15 seuraavaksi eniten Analllä voi tunnistaa ydinryhmän aktiivisia toimijoita ja suuria tapahtumia Nojautuu Simmelin havaintoon: yksilön sosiaalinen identiteetti on määrittynyt niissä kollektiiveissa mihin yksilö kuuluu: Ja asia voitaneen muotoilla myös toisinpäin: kollektiivit määrittyvät niihin kuuluvien yksilöiden kautta: Jäsenyysverkostojen dualistisuus toteutuu näin ollen laskukaavoissa Oletetaan ihmisellä olevan yksi kiinteä identiteetti, mutta sosiaalipsykologian mukaan ihmisellä kokoelma identiteettejä kollektiivien mukaan (työ, harrastus, perhe jne.) 18 6

7 Yhteenveto Kukin tapahtuma koostuu toimijoiden osajoukoista ja kukin toimija on liittynyt tapahtumien osajoukkoihin, joten jäsenyysverkostodataa ei voida tutkia vain toimija- ja/tai tapahtumaparien kautta Jäsenyysverkostot määrittyvät osajoukkojen mukaan (ei parien), voi helposti tapahtua väärin tulkintaa kun tutkitaan vain 1- moodisia verkostoja (pidä kytkösverkostomatriisit & graafit käsillä) Mikäli datasta puuttuu toimijoita tai tapahtumia, tulee huolehtia otantatavoista ja luotettavuusarviointeista 19 Lähteet Salonen, J Jäsenyysverkostot. Kytkökset ja limittyneet aliryhmät sosiaalisten verkostojen analssä. Hypermedian jatko-opintoseminaari , Wasserman, S. & Faust, K Social Network Analysis: Methods and Applications. New York: Cambridge University Press 20 Kiitos tarkkaavaisuudesta Hyvää viikonloppua! 21 7

Jäsenyysverkostot Kytkökset ja limittyneet aliryhmät sosiaalisten verkostojen analyysissä

Jäsenyysverkostot Kytkökset ja limittyneet aliryhmät sosiaalisten verkostojen analyysissä Jäsenyysverkostot Kytkökset ja limittyneet aliryhmät sosiaalisten verkostojen analyysissä Hypermedian jatko-opintoseminaari 2008-2009 20.3.2009 Jaakko Salonen TTY / Hypermedialaboratorio jaakko.salonen@tut.fi

Lisätiedot

Suunnatut, etumerkilliset ja arvotetut graafit Sosiaalisten verkostojen analysoinnin näkökulmalla

Suunnatut, etumerkilliset ja arvotetut graafit Sosiaalisten verkostojen analysoinnin näkökulmalla Suunnatut, etumerkilliset ja arvotetut graafit Sosiaalisten verkostojen analysoinnin näkökulmalla Hypermedian jatko-opintoseminaari 2008-2009 12.12.2008 Jaakko Salonen jaakko.salonen@tut.fi TTY / Hypermedialaboratorio

Lisätiedot

Koheesiiviset alaryhmät

Koheesiiviset alaryhmät 1 Koheesiiviset alaryhmät Hypermedian jatko-opintoseminaari 2008-09 11. luento - 6.3.2009 Joonas Meriläinen TTY / Hypermedialaboratorio http://eclectic.ss.uci.edu/~drwhite/cases/transparencies/clique.gif

Lisätiedot

Sosiaalisten verkostojen data

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

Lisätiedot

Social Network Analysis Centrality And Prestige

Social Network Analysis Centrality And Prestige Hypermedian jatko-opintoseminaari 2008 2009 1 Social Network Analysis Centrality And Prestige Sosiaalisten verkostojen analyysi Keskeisyys ja arvostus 6.2.2009 Thumas Miilumäki thumas.miilumaki@tut.fi

Lisätiedot

Hypermedian jatko-opintoseminaari. MATHM-6750x. 2-6 op. Sosiaalisten verkostojen tutkimusmenetelmät

Hypermedian jatko-opintoseminaari. MATHM-6750x. 2-6 op. Sosiaalisten verkostojen tutkimusmenetelmät 1 Hypermedian jatko-opintoseminaari MATHM-6750x 2-6 op. Sosiaalisten verkostojen tutkimusmenetelmät 26.10.2008 Modernissa yhteiskunnassa ovat sekä yhteisöjen että laitteistojen muodostamat verkostot muodostuneet

Lisätiedot

Sosiaalisten verkostojen tutkimusmenetelmät - historiallisia ja teoreettisia perusteita sekä peruskäsitteitä

Sosiaalisten verkostojen tutkimusmenetelmät - historiallisia ja teoreettisia perusteita sekä peruskäsitteitä Sosiaalisten verkostojen tutkimusmenetelmät - historiallisia ja teoreettisia perusteita sekä peruskäsitteitä Stanley Wasserman and Katherine Faust: Social Network Analysis, Methods and Applications Sosiaalisten

Lisätiedot

BOOTSTRAPPING? Jukka Nyblom Jyväskylän yliopisto. Metodifestivaali

BOOTSTRAPPING? Jukka Nyblom Jyväskylän yliopisto. Metodifestivaali BOOTSTRAPPING? Jukka Nyblom Jyväskylän yliopisto Metodifestivaali 28.5.2009 1 1 Mitä ihmettä on bootstrap? Webster: 1. a loop of leather or cloth sewn at the top rear, or sometimes on each side of a boot

Lisätiedot

Rakenteellinen tasapaino ja transitiivisyys

Rakenteellinen tasapaino ja transitiivisyys 1 Hypermedian jatko-opintoseminaari 2008-2009 Rakenteellinen tasapaino ja transitiivisyys 20.2.2009 Seppo Pohjolainen 2 Rakenteellinen tasapaino Käsitteitä: Arvotettu graafi (signed graph) (+ tai - ) Suuntaamaton

Lisätiedot

Nimi: Muiden ryhmäläisten nimet:

Nimi: Muiden ryhmäläisten nimet: Nimi: Muiden ryhmäläisten nimet: PALKKIANTURI Työssä tutustutaan palkkianturin toimintaan ja havainnollistetaan sen avulla pienten ainepitoisuuksien havainnointia. Työn mittaukset on jaettu kolmeen osaan,

Lisätiedot

Kenguru 2015 Mini-Ecolier (2. ja 3. luokka) RATKAISUT

Kenguru 2015 Mini-Ecolier (2. ja 3. luokka) RATKAISUT sivu 1 / 10 3 pistettä 1. Kuinka monta pilkkua kuvan leppäkertuilla on yhteensä? (A) 17 (B) 18 (C) 19 (D) 20 (E) 21 Ratkaisu: Pilkkuja on 1 + 1 + 1 + 2 + 2 + 1 + 3 + 2 + 3 + 3 = 19. 2. Miltä kuvan pyöreä

Lisätiedot

Uolevin reitti. Kuvaus. Syöte (stdin) Tuloste (stdout) Esimerkki 1. Esimerkki 2

Uolevin reitti. Kuvaus. Syöte (stdin) Tuloste (stdout) Esimerkki 1. Esimerkki 2 Uolevin reitti Kuvaus Uolevi on ruudukon vasemmassa ylänurkassa ja haluaisi päästä oikeaan alanurkkaan. Uolevi voi liikkua joka askeleella ruudun verran vasemmalle, oikealle, ylöspäin tai alaspäin. Lisäksi

Lisätiedot

Luku 21. Evoluution perusteet

Luku 21. Evoluution perusteet 1. Evoluutio käsitteenä a. Mitä käsite evoluutio tarkoittaa? b. Miten evoluutiota tapahtuu? c. Mitkä ovat evoluution päämääriä? 2. Evoluution todisteita Mitä seuraavat evoluution todisteet osoittavat evoluutiosta?

Lisätiedot

Sosiaalityö osallisuuden tiloissa

Sosiaalityö osallisuuden tiloissa Sosiaalityö osallisuuden tiloissa Esitys osallisuuden tila - toiminnalliset designtyökalut sosiaalisesti esteettömien tilojen kehitystyössä sessiossa Helsinki Design -viikolla Esitys on osa Euroopan sosiaalirahaston

Lisätiedot

Kuva Suomen päätieverkko 1 Moottoritiet on merkitty karttaan vihreällä, muut valtatiet punaisella ja kantatiet keltaisella värillä.

Kuva Suomen päätieverkko 1 Moottoritiet on merkitty karttaan vihreällä, muut valtatiet punaisella ja kantatiet keltaisella värillä. POHDIN projekti TIEVERKKO Tieverkon etäisyyksien minimointi ja esimerkiksi maakaapeleiden kokonaismäärän minimointi sekä ylipäätään äärellisen pistejoukon yhdistäminen reitityksillä toisiinsa niin, että

Lisätiedot

Reilun Pelin työkalupakki: Kiireen vähentäminen

Reilun Pelin työkalupakki: Kiireen vähentäminen Reilun Pelin työkalupakki: Kiireen vähentäminen Tavoitteet Tämän toimintamallin avulla opit määrittelemään kiireen. Työyhteisösi oppii tunnistamaan toistuvan, kuormittavan kiireen sekä etsimään sen syitä

Lisätiedot

Naisten suuri osuus hallituksissa ei nosta naisten määrää johtoryhmissä

Naisten suuri osuus hallituksissa ei nosta naisten määrää johtoryhmissä Eron suuruusluokka prosenttiyksikköinä Keskuskauppakamarin selvitys 6.3.2014 Naisten suuri osuus hallituksissa ei nosta naisten määrää johtoryhmissä Keskuskauppakamari julkaisi viime marraskuussa selvityksensä

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48 MS-A3/A5 Matriisilaskenta Malliratkaisut 5 / vko 48 Tehtävä (L): a) Onko 4 3 sitä vastaava ominaisarvo? b) Onko λ = 3 matriisin matriisin 2 2 3 2 3 7 9 4 5 2 4 4 ominaisvektori? Jos on, mikä on ominaisarvo?

Lisätiedot

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari Tehtävä 9 : 1 Merkitään kirjaimella G tehtäväpaperin kuvan vasemmanpuoleista verkkoa sekä kirjaimella H tehtäväpaperin kuvan oikeanpuoleista verkkoa. Kuvan perusteella voidaan havaita, että verkko G on

Lisätiedot

Omien laskukaavojen käyttö

Omien laskukaavojen käyttö Omien laskukaavojen käyttö Asiantuntija Laura Heinonen 12.11.2014 Hintapisteiden määrittäminen Tavallisesti hintavertailu lasketaan hankinnan kohteiden yksikköhinnoilla Vertailuhinnat suhteutetaan toisiinsa

Lisätiedot

Laadullisen tutkimuksen luonne ja tehtävät. Pertti Alasuutari professori, Laitoksen johtaja Yhteiskuntatieteiden tutkimuslaitos

Laadullisen 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

Lisätiedot

Hypermedian jatko-opintoseminaari

Hypermedian jatko-opintoseminaari Matematiika laitos & Hypermedialaboratorio Thumas Miilumäki SNA Matriisit verkostoje mallitamisessa 9..29 2 3 4 5 6 7 8 9 2 3 4 5 6 7 8 9 2 Hypermedia jatko-opitosemiaari 28 29 Matrices i Social Network

Lisätiedot

PARITUS KAKSIJAKOISESSA

PARITUS KAKSIJAKOISESSA PARITUS KAKSIJAKOISESSA GRAAFISSA Informaatiotekniikan t iik seminaari i Pekka Rossi 4.3.2008 SISÄLTÖ Johdanto Kaksijakoinen graafi Sovituksen peruskäsitteet Sovitusongelma Lisäyspolku Bipartite matching-algoritmi

Lisätiedot

Valmistelut: Aseta kartiot numerojärjestykseen pienimmästä suurimpaan (alkeisopiskelu) tai sekalaiseen järjestykseen (pidemmälle edenneet oppilaat).

Valmistelut: Aseta kartiot numerojärjestykseen pienimmästä suurimpaan (alkeisopiskelu) tai sekalaiseen järjestykseen (pidemmälle edenneet oppilaat). Laske kymmeneen Tavoite: Oppilaat osaavat laskea yhdestä kymmeneen ja kymmenestä yhteen. Osallistujamäärä: Vähintään 10 oppilasta kartioita, joissa on numerot yhdestä kymmeneen. (Käytä 0-numeroidun kartion

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0007 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A000 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2..205 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x x 2 =

Lisätiedot

Talous- ja velkaneuvonta: Asiakasrekisteri. Tarjousten vertailu. Tiivistelmä

Talous- ja velkaneuvonta: Asiakasrekisteri. Tarjousten vertailu. Tiivistelmä Talous- ja velkaneuvonta: Asiakasrekisteri Tiivistelmä Versio 1.0 23.03.2012 HELSINGIN KAUPUNKI Asiakasrekisteri 2 / 5 SISÄLLYSLUETTELO 1 Tarjouskilpailun pisteytys... 3 1.1 Yhteenveto ja lopputulos...

Lisätiedot

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto

Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto 3. Oletetaan, että kunnan K karakteristika on 3. Tutki,

Lisätiedot

RUUTUAJAN TUOLLA PUOLEN JOHDATUS PELIKASVATUKSEEN

RUUTUAJAN TUOLLA PUOLEN JOHDATUS PELIKASVATUKSEEN RUUTUAJAN TUOLLA PUOLEN JOHDATUS PELIKASVATUKSEEN LEVEL UP! YLIVIESKA 22.3.2018 Mikko Meriläinen @MVMerilainen www.mikkomerilainen.com mikko.merilainen@uta.fi Tutkija, Tampereen yliopisto Väitöskirjatutkija,

Lisätiedot

Monihyppyisten OFDM(A)-linkkien dupleksitilojen ja välitysprotokollien kehitys ja analyysi lectio praecursoria

Monihyppyisten OFDM(A)-linkkien dupleksitilojen ja välitysprotokollien kehitys ja analyysi lectio praecursoria Monihyppyisten OFDM(A)-linkkien dupleksitilojen ja välitysprotokollien kehitys ja analyysi lectio praecursoria diplomi-insinööri Taneli Riihonen Design and Analysis of Duplexing Modes and Forwarding Protocols

Lisätiedot

Jäljitettävyyden valvontaprojekti v. 2015

Jäljitettävyyden valvontaprojekti v. 2015 EVO-projekti 2015 Jäljitettävyyden valvontaprojekti v. 2015 Ylitarkastaja Jussi Peusa, Evira jussi.peusa@evira.fi Tässä esityksessä Käydään läpi pääpiirteittäin miksi kyseinen projekti mitä tavoitellaan

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen

Lisätiedot

Johdatus graafiteoriaan

Johdatus graafiteoriaan Johdatus graafiteoriaan Syksy 2017 Lauri Hella Tampereen yliopisto Luonnontieteiden tiedekunta 166 Luku 4 Erilaisia graafeja 4.1 Eulerin graafi 4.2 Hamiltonin graafi 4.3 Tasograafi 4.4 Graafin värittäminen

Lisätiedot

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1

Peliteoria luento 1. May 25, 2015. Peliteoria luento 1 May 25, 2015 Tavoitteet Valmius muotoilla strategisesti ja yhteiskunnallisesti kiinnostavia tilanteita peleinä. Kyky ratkaista yksinkertaisia pelejä. Luentojen rakenne 1 Joitain pelejä ajanvietematematiikasta.

Lisätiedot

Ikääntyvien köyhyys ja sen heijastumat hyvinvointiin

Ikääntyvien köyhyys ja sen heijastumat hyvinvointiin Ikääntyvien köyhyys ja sen heijastumat hyvinvointiin Lahden tiedepäivä 29.11.2011, Antti Karisto & Marjaana Seppänen 1.12.2011 1 Esityksessä tarkastellaan Miten köyhyys kohdentui ikääntyvän väestön keskuudessa

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

VÄESTÖN JA ASIAKASRYHMIEN PALVELUJEN KÄYTÖN TARKASTELU REKISTERIAINEISTOJEN AVULLA

VÄESTÖN JA ASIAKASRYHMIEN PALVELUJEN KÄYTÖN TARKASTELU REKISTERIAINEISTOJEN AVULLA VÄESTÖN JA ASIAKASRYHMIEN PALVELUJEN KÄYTÖN TARKASTELU REKISTERIAINEISTOJEN AVULLA PKPK verkoston työpaja 18.9.2018 19.9.2018 Laita data töihin / Mikko Peltola 1 TAVOITE Antaa perustietoa rekistereistä

Lisätiedot

Matematiikka vuosiluokat 7 9

Matematiikka vuosiluokat 7 9 Matematiikka vuosiluokat 7 9 Matematiikan opetuksen ydintehtävänä on tarjota oppilaille mahdollisuus hankkia sellaiset matemaattiset taidot, jotka antavat valmiuksia selviytyä jokapäiväisissä toiminnoissa

Lisätiedot

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 6.3.08 HYVÄN VASTAUKSEN PIIRTEITÄ Alla oleva vastausten piirteiden, sisältöjen ja pisteitysten luonnehdinta ei sido ylioppilastutkintolautakunnan arvostelua. Lopullisessa

Lisätiedot

Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä

Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Data Envelopment Analysis (DEA) - menetelmät + CCR-DEA-menetelmä Mat-2.4142 Optimointiopin seminaari kevät 2011 Esityksen rakenne I osa Tehokkuudesta yleisesti DEA-mallin perusajatus CCR-painotus II osa

Lisätiedot

Ohjelmoinnin peruskurssi Y1

Ohjelmoinnin peruskurssi Y1 Ohjelmoinnin peruskurssi Y1 CS-A1111 19.9.2018 CS-A1111 Ohjelmoinnin peruskurssi Y1 19.9.2018 1 / 18 Oppimistavoitteet: tämän luennon jälkeen Osaat kirjoittaa Python-ohjelman, joka suorittaa eri kerroilla

Lisätiedot

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1 2 k -faktorikokeet Vilkkumaa / Kuusinen 1 Motivointi 2 k -faktorikoe on k-suuntaisen varianssianalyysin erikoistapaus, jossa kaikilla tekijöillä on vain kaksi tasoa, matala (-) ja korkea (+). 2 k -faktorikoetta

Lisätiedot

Graphs in Social Network Analysis And Modeling. Graafit sosiaalisten verkostojen mallintamisessa

Graphs in Social Network Analysis And Modeling. Graafit sosiaalisten verkostojen mallintamisessa Hypermedian jatko-opintoseminaari 2008 2009 1 Graphs in Social Network Analysis And Modeling Graafit sosiaalisten verkostojen mallintamisessa 28.11.2008 Thumas Miilumäki thumas.miilumaki@tut.fi Sisältö

Lisätiedot

Lukutaitotutkimukset arviointiprosessina. Sari Sulkunen Koulutuksen tutkimuslaitos, JY sari.sulkunen@jyu.fi

Lukutaitotutkimukset arviointiprosessina. Sari Sulkunen Koulutuksen tutkimuslaitos, JY sari.sulkunen@jyu.fi Lukutaitotutkimukset arviointiprosessina Sari Sulkunen Koulutuksen tutkimuslaitos, JY sari.sulkunen@jyu.fi Kansainväliset arviointitutkimukset Arvioinnin kohteena yleensä aina (myös) lukutaito Kansallisista

Lisätiedot

Mat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008

Mat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008 Korko riippuu usein laina-ajan pituudesta ja pitkille talletuksille maksetaan korkeampaa korkoa. Spot-korko s t on se korko, joka kertyy lainatulle pääomalle hetkeen t (=kokonaisluku) mennessä. Spot-korot

Lisätiedot

1. Tilastollinen malli??

1. 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

Lisätiedot

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ

MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ HYVÄN VASTAUKSEN PIIRTEITÄ MATEMATIIKAN KOE, LYHYT OPPIMÄÄRÄ 24.9.2019 HYVÄN VASTAUKSEN PIIRTEITÄ Alustavat hyvän vastauksen piirteet on suuntaa-antava kuvaus kokeen tehtäviin odotetuista vastauksista ja tarkoitettu ensisijaisesti

Lisätiedot

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120

= 5! 2 2!3! = = 10. Edelleen tästä joukosta voidaan valita kolme särmää yhteensä = 10! 3 3!7! = = 120 Tehtävä 1 : 1 Merkitään jatkossa kirjaimella H kaikkien solmujoukon V sellaisten verkkojen kokoelmaa, joissa on tasan kolme särmää. a) Jokainen verkko G H toteuttaa väitteen E(G) [V]. Toisaalta jokainen

Lisätiedot

Sisällysluettelo ja ohjeet tilastojen tulkintaan (osa 1) 1.1 Esittelee kyselyn tulokset kokonaisuudessa

Sisällysluettelo ja ohjeet tilastojen tulkintaan (osa 1) 1.1 Esittelee kyselyn tulokset kokonaisuudessa Sisällysluettelo ja ohjeet tilastojen tulkintaan (osa 1) 1.1 Esittelee kyselyn tulokset kokonaisuudessa - Kurin määritelmät ovat x-koordinaatistolla - Vastaukset on esitetty graafi sesti värikoodeja käyttäen.

Lisätiedot

Monikeskuksinen kaupunki elinympäristönä. Saavutettavuus ja laatu Helsingin, Tampereen ja Turun seutujen keskuksissa

Monikeskuksinen kaupunki elinympäristönä. Saavutettavuus ja laatu Helsingin, Tampereen ja Turun seutujen keskuksissa Monikeskuksinen kaupunki elinympäristönä Saavutettavuus ja laatu Helsingin, Tampereen ja Turun seutujen keskuksissa Panu Söderström 13.6.2014 Monikeskuksisen kaupunkirakenteen voimistuessa erilaisten keskusalueiden

Lisätiedot

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).

Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta). Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)

Lisätiedot

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

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

Lisätiedot

Graafin 3-värittyvyyden tutkinta T Graafiteoria, projektityö (eksakti algoritmi), kevät 2005

Graafin 3-värittyvyyden tutkinta T Graafiteoria, projektityö (eksakti algoritmi), kevät 2005 Graafin 3-värittyvyyden tutkinta T-79.165 Graafiteoria, projektityö (eksakti algoritmi), kevät 2005 Mikko Malinen, 36474R 29. maaliskuuta, 2005 Tiivistelmä Artikkelissa käydään läpi teoriaa, jonka avulla

Lisätiedot

isomeerejä yhteensä yhdeksän kappaletta.

isomeerejä yhteensä yhdeksän kappaletta. Tehtävä 2 : 1 Esitetään aluksi eräitä havaintoja. Jokaisella n Z + symbolilla H (n) merkitään kaikkien niiden verkkojen joukkoa, jotka vastaavat jotakin tehtävänannon ehtojen mukaista alkaanin hiiliketjua

Lisätiedot

perustelu Noudatetaan sääntöjä. Opetuskortit (tehtävät 16 28), palikoita, supermarketin pohjapiirustus, nuppineuloja, tangram-palat

perustelu Noudatetaan sääntöjä. Opetuskortit (tehtävät 16 28), palikoita, supermarketin pohjapiirustus, nuppineuloja, tangram-palat Harjoitus 12: INDUKTIIVISEN PÄÄTTELYN KERTAUS Tavoiteltava toiminta: Kognitiivinen taso: Ominaisuuksien ja suhteiden kertaus Toiminnan tavoite ja kuvaus: Oppilaat ratkaisevat paperi- ja palikkatehtäviä

Lisätiedot

Turvallisempi huominen

Turvallisempi huominen lähiturvallisuus 3STO Pääsihteeri Kristiina Kumpula Suomen Punainen Risti 23.01.2013 Tulevaisuuden usko Minkälaisena näet tulevaisuuden? Uskotko, että saat tukea ja apua, jos sitä tarvitset? Sosiaalinen

Lisätiedot

Projektiportfolion valinta

Projektiportfolion valinta Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Portfolion valinta Käytettävissä on rajallinen määrä resursseja, joten ne on allokoitava mahdollisimman hyvin eri projekteille

Lisätiedot

Allu-tapahtumanhallintajärjestelmä

Allu-tapahtumanhallintajärjestelmä -tapahtumanhallintajärjestelmä Tarjousten pisteytyskriteerit Pisteet lasketaan tiedonkeruutaulukkoon (LIITE 16) ilmoitettujen tietojen perusteella. Pisteytys painotetaan seuraavasti: 25 %: Rakentamisen

Lisätiedot

Koulutusta tulevaisuuden kirkkoon

Koulutusta tulevaisuuden kirkkoon Koulutusta tulevaisuuden kirkkoon Diakin kehittämispäivät 17.9.2010 Kirkkona elämisen kerrokset I kerrostuma Dominoi 1800-luvun puoliväliin saakka Staattinen Paikallisyhteisökeskeinen Olla ihminen oli

Lisätiedot

Oma ääni kuuluviin omat taidot näkyviin

Oma ääni kuuluviin omat taidot näkyviin Oma ääni kuuluviin omat taidot näkyviin Hyvää Ikää Kaikille seminaari Seinäjoella 18.9.2014 Marjut Mäki-Torkko Vammaispalvelujen johtaja, KM Mitä ajattelet ja sanot minusta Sitä luulet minusta Sinä olet

Lisätiedot

Kuinka turvaat työllisyytesi?

Kuinka turvaat työllisyytesi? Kuinka turvaat työllisyytesi? Ida Mielityinen Akava Työurat ja osaaminen koetuksella 20.9.2016 Esimerkkejä tulevaisuuden ammateista ihmisten keinotekoisten kehonosien valmistajat nano-teknikot, geneettisten

Lisätiedot

Luku 7. Verkkoalgoritmit. 7.1 Määritelmiä

Luku 7. Verkkoalgoritmit. 7.1 Määritelmiä Luku 7 Verkkoalgoritmit Verkot soveltuvat monenlaisten ohjelmointiongelmien mallintamiseen. Tyypillinen esimerkki verkosta on tieverkosto, jonka rakenne muistuttaa luonnostaan verkkoa. Joskus taas verkko

Lisätiedot

Nimitys Symboli Merkitys Negaatio ei Konjuktio ja Disjunktio tai Implikaatio jos..., niin... Ekvivalenssi... jos ja vain jos...

Nimitys Symboli Merkitys Negaatio ei Konjuktio ja Disjunktio tai Implikaatio jos..., niin... Ekvivalenssi... jos ja vain jos... 2 Logiikkaa Tässä luvussa tutustutaan joihinkin logiikan käsitteisiin ja merkintöihin. Lisätietoja ja tarkennuksia löytyy esimerkiksi Jouko Väänäsen kirjasta Logiikka I 2.1 Loogiset konnektiivit Väitelauseen

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

20 suurimman kaupungin tuottavuusohjelma Mittarit-kärkihankkeen sote tiedonkeruun tuloksia 2012. Kuntamarkkinat 2012

20 suurimman kaupungin tuottavuusohjelma Mittarit-kärkihankkeen sote tiedonkeruun tuloksia 2012. Kuntamarkkinat 2012 20 suurimman kaupungin tuottavuusohjelma Mittarit-kärkihankkeen sote tiedonkeruun tuloksia 2012 Kuntamarkkinat 2012 Sisällys Yleistä Tiedonkeruun tulokset» Lasten päivähoito» Vanhainkotihoito» Tk pitkäaikaishoito»

Lisätiedot

Tehtävä: FIL Tiedostopolut

Tehtävä: FIL Tiedostopolut Tehtävä: FIL Tiedostopolut finnish BOI 2015, päivä 2. Muistiraja: 256 MB. 1.05.2015 Jarkka pitää vaarallisesta elämästä. Hän juoksee saksien kanssa, lähettää ratkaisuja kisatehtäviin testaamatta esimerkkisyötteillä

Lisätiedot

MAANPUOLUSTUSKORKEAKOULU 1 (7) Opintoasiainosasto Liite 1

MAANPUOLUSTUSKORKEAKOULU 1 (7) Opintoasiainosasto Liite 1 MAANPUOLUSTUSKORKEAKOULU 1 (7) PÄÄHAUN VALINTAPISTEIDEN MÄÄRÄYTYMINEN määräytyvät alkupisteiden ja pääsykoepisteiden perusteella. Valintapisteiden enimmäismäärä on 165. 1 ALKUPISTEET Alkupisteet muodostuvat

Lisätiedot

Etnografia palvelumuotoilun lähtökohtana

Etnografia palvelumuotoilun lähtökohtana People-centric problem solving Etnografia palvelumuotoilun lähtökohtana Gemic on strategiseen tutkimukseen, ihmislähtöisiin innovaatioihin ja liiketoiminnan kehittämiseen erikoistunut konsulttitoimisto.

Lisätiedot

Tehtävä 1 2 3 4 5 6 7 Vastaus

Tehtävä 1 2 3 4 5 6 7 Vastaus Kenguru Ecolier, vastauslomake Nimi Luokka/Ryhmä Pisteet Kenguruloikka Irrota tämä vastauslomake tehtävämonisteesta. Merkitse tehtävän numeron alle valitsemasi vastausvaihtoehto. Jätä ruutu tyhjäksi, jos

Lisätiedot

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas

TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi

Lisätiedot

Sisätuloavaruudet. 4. lokakuuta 2006

Sisätuloavaruudet. 4. lokakuuta 2006 Sisätuloavaruudet 4. lokakuuta 2006 Tässä esityksessä vektoriavaruudet V ja W ovat kompleksisia ja äärellisulotteisia. Käydään ensin lyhyesti läpi määritelmiä ja perustuloksia. Merkitään L(V, W ) :llä

Lisätiedot

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

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

Lisätiedot

Taulukot. Jukka Harju, Jukka Juslin 2006 1

Taulukot. Jukka Harju, Jukka Juslin 2006 1 Taulukot Jukka Harju, Jukka Juslin 2006 1 Taulukot Taulukot ovat olioita, jotka auttavat organisoimaan suuria määriä tietoa. Käsittelylistalla on: Taulukon tekeminen ja käyttö Rajojen tarkastus ja kapasiteetti

Lisätiedot

T Luonnollisten kielten tilastollinen käsittely Vastaukset 11, ke , 12:15 14:00 Puheentunnistus ja kielimallien evaluointi Versio 1.

T Luonnollisten kielten tilastollinen käsittely Vastaukset 11, ke , 12:15 14:00 Puheentunnistus ja kielimallien evaluointi Versio 1. T-61.020 Luonnollisten kielten tilastollinen käsittely Vastaukset 11, ke 18.4.2007, 12:1 14:00 Puheentunnistus ja kielimallien evaluointi Versio 1.0 1. Käytämme siis jälleen viterbi-algoritmia todennäköisimmän

Lisätiedot

Sosiaalisten verkostojen datan notaatio. Notation for Social Network Data

Sosiaalisten verkostojen datan notaatio. Notation for Social Network Data Sosiaalisten verkostojen datan notaatio Notation for Social Network Data Jari Jussila 14.11.2008 2 Notaatio Notaatiota tarvitaan / auttaa kuvaamaan: toimijat tai toimijoiden muodostamat joukot, toimijoiden

Lisätiedot

Projektiportfolion valinta

Projektiportfolion valinta Projektiportfolion valinta Mat-2.4142 Optimointiopin seminaari kevät 2011 Kotitehtävän 1 ratkaisu Kotitehtävä Kirkwood, G. W., 1997. Strategic Decision Making: Multiobjective Decision Analysis with Spreadsheets,

Lisätiedot

ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6

ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON... 5 SISÄLLYSLUETTELO... 6 Sisällysluettelo ALKUSANAT 4 ALKUSANAT E-KIRJA VERSIOON 5 SISÄLLYSLUETTELO 6 1 PERUSASIOITA JA AINEISTON SYÖTTÖ 8 11 PERUSNÄKYMÄ 8 12 AINEISTON SYÖTTÖ VERSIOSSA 9 8 Muuttujan määrittely versiossa 9 11

Lisätiedot

Kenguru 2013 Ecolier sivu 1 / 8 (4. ja 5. luokka)

Kenguru 2013 Ecolier sivu 1 / 8 (4. ja 5. luokka) Kenguru 2013 Ecolier sivu 1 / 8 3 pistettä 1. Missä kuviossa mustia kenguruita on enemmän kuin valkoisia kenguruita? Kuvassa D on 5 mustaa kengurua ja 4 valkoista. 2. Nelli haluaa rakentaa samanlaisen

Lisätiedot

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi

Tehtävä 1. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi Tehtävä. Jatka loogisesti oheisia jonoja kahdella seuraavaksi tulevalla termillä. Perustele vastauksesi lyhyesti. a) a, c, e, g, b),,, 7,, Ratkaisut: a) i ja k - oikea perustelu ja oikeat kirjaimet, annetaan

Lisätiedot

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2

Kuva 1: Funktion f tasa-arvokäyriä. Ratkaisu. Suurin kasvunopeus on gradientin suuntaan. 6x 0,2 HY / Matematiikan ja tilastotieteen laitos Vektorianalyysi I, syksy 018 Harjoitus Ratkaisuehdotukset Tehtävä 1. Olkoon f : R R f(x 1, x ) = x 1 + x Olkoon C R. Määritä tasa-arvojoukko Sf(C) = {(x 1, x

Lisätiedot

Laskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta

Laskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta Laskennallinen menetelmä puun biomassan ja oksien kokojakauman määrittämiseen laserkeilausdatasta Pasi Raumonen, Mikko Kaasalainen ja Markku Åkerblom Tampereen teknillinen ylipisto, Matematiikan laitos

Lisätiedot

Ohje. Perusdiabetesseurantataulukko: OpenOffice 3.2 Ohjeen versio: 1.0

Ohje. Perusdiabetesseurantataulukko: OpenOffice 3.2 Ohjeen versio: 1.0 Ohje Perusdiabetesseurantataulukko: OpenOffice 3.2 Ohjeen versio: 1.0 Tämän ohjeen tarkoituksen on tutustuttaa sinut Diabetesseurantataulukon käyttöön. Ohjeen lähtökohtana on, että et ennestään hallitse

Lisätiedot

Luento 6: 3-D koordinaatit

Luento 6: 3-D koordinaatit Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 Luento 6: 3-D koordinaatit AIHEITA (Alkuperäinen luento: Henrik Haggrén, 16.2.2003, Päivityksiä: Katri Koistinen 5.2.2004

Lisätiedot

Fenomenografia. Hypermedian jatko-opintoseminaari Päivi Mikkonen

Fenomenografia. Hypermedian jatko-opintoseminaari Päivi Mikkonen Fenomenografia Hypermedian jatko-opintoseminaari 12.12.2008 Päivi Mikkonen Mitä on fenomenografia? Historiaa Saksalainen filosofi Ulrich Sonnemann oli ensimmäinen joka käytti sanaa fenomenografia vuonna

Lisätiedot

Kortinhaltijat joilla on maksukeskeytys Maksuryhmään liitettyjen kortinhaltijoiden lukumäärä, joiden maksut ovat tilapäisesti keskeytetty.

Kortinhaltijat joilla on maksukeskeytys Maksuryhmään liitettyjen kortinhaltijoiden lukumäärä, joiden maksut ovat tilapäisesti keskeytetty. 1(6) MAKSURYHMÄN HALLINTA Maksuryhmäkohtaiselle sivulle pääset klikkaamalla yksittäisen maksuryhmän nimeä verkkopalvelun etusivulla tai valitsemalla ryhmän Maksuryhmät - osion listalta. Sivun tiedot ja

Lisätiedot

Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita

Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita risto.lehtonen@helsinki.fi OHC Survey Tilastollinen analyysi Kysymys: Millä

Lisätiedot

SAS-ohjelmiston perusteet 2010

SAS-ohjelmiston perusteet 2010 SAS-ohjelmiston perusteet 2010 Luentorunko/päiväkirja Ari Virtanen 11.1.10 päivitetään luentojen edetessä Ilmoitusasioita Opintojakso suoritustapana on aktiivinen osallistuminen harjoituksiin ja harjoitustehtävien

Lisätiedot

RYHMÄKERROIN ÄÄNILÄHDERYHMÄN SUUNTAAVUUDEN

RYHMÄKERROIN ÄÄNILÄHDERYHMÄN SUUNTAAVUUDEN ÄÄNILÄHDERYHMÄN SUUNTAAVUUDEN ARVIOINNISSA Seppo Uosukainen, Jukka Tanttari, Heikki Isomoisio, Esa Nousiainen, Ville Veijanen, Virpi Hankaniemi VTT PL, 44 VTT etunimi.sukunimi@vtt.fi Wärtsilä Finland Oy

Lisätiedot

VirtuaaliAMK Potilaan polku tietojärjestelmässä v.2ver8 > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%)

VirtuaaliAMK Potilaan polku tietojärjestelmässä v.2ver8 > 80 % % % < 50 % Suhteellinen osuus maksimiarvosta (%) Oppimisaihion arviointi / Arvioinnin tulos 9 Aineiston arvioinnin tulos arviointialueittain VirtuaaliAMK Potilaan polku tietojärjestelmässä v.2ver8 > 80 % 80 60 % 60 50 % < 50 % Arviointialue Ominaisuuksien

Lisätiedot

Osafaktorikokeet. Heliövaara 1

Osafaktorikokeet. Heliövaara 1 Osafaktorikokeet Heliövaara 1 Osafaktorikokeet Kun faktorien määrä 2 k -faktorikokeessa kasvaa, tarvittavien havaintojen määrä voi ylittää kokeentekijän resurssit. Myös estimoitavien korkean asteen yhdysvaikutustermien

Lisätiedot

LAUSELOGIIKKA (1) Sanalliset ilmaisut ovat usein epätarkkoja. On ilmaisuja, joista voidaan sanoa, että ne ovat tosia tai epätosia, mutta eivät molempia. Ilmaisuja, joihin voidaan liittää totuusarvoja (tosi,

Lisätiedot

Määrällisen aineiston esittämistapoja. Aki Taanila

Määrällisen aineiston esittämistapoja. Aki Taanila Määrällisen aineiston esittämistapoja Aki Taanila 24.4.2017 1 Kategoriset muuttujat Lukumääriä Prosentteja (muista n-arvot) Pylväitä 2 Yhteenvetotaulukko (frekvenssitaulukko) TAULUKKO 1. Asunnon tyyppi

Lisätiedot

Ohjelmoinnin peruskurssi Y1

Ohjelmoinnin peruskurssi Y1 Ohjelmoinnin peruskurssi Y1 CSE-A1111 14.9.2015 CSE-A1111 Ohjelmoinnin peruskurssi Y1 14.9.2015 1 / 17 Mahdollisuus antaa luentopalautetta Goblinissa vasemmassa reunassa olevassa valikossa on valinta Luentopalaute.

Lisätiedot

Lineaarialgebra MATH.1040 / Piirianalyysiä

Lineaarialgebra MATH.1040 / Piirianalyysiä Lineaarialgebra MATH.1040 / Piirianalyysiä 1 Kirchoffin ensimmäinen laki: Missä tahansa virtapiirin liitoskohdassa pisteeseen saapuvien sähkövirtojen summa on yhtä suuri kuin siitä poistuvien sähkövirtojen

Lisätiedot

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta Luento 5 Riippuvuudet vikapuissa Esimerkkejä S:sta hti Salo Teknillinen korkeakoulu L 1100, 0015 TKK 1 Toisistaan riippuvat vikaantumiset Riippuvuuksien huomiointi erustapahtumien taustalla voi olla yhteisiä

Lisätiedot

HALLINTOTIETEIDEN MAISTERIN TUTKINTO Valintakoe 8.6.2012 Pisteet yhteensä (tarkastaja merkitsee)

HALLINTOTIETEIDEN MAISTERIN TUTKINTO Valintakoe 8.6.2012 Pisteet yhteensä (tarkastaja merkitsee) HALLINTOTIETEIDEN MAISTERIN TUTKINTO Valintakoe 8.6.2012 Pisteet yhteensä (tarkastaja merkitsee) VALINTAKOKEEN PISTEYTYS Valintakokeesta on mahdollisuus saada maksimissaan 60 pistettä. Tehtävät perustuvat

Lisätiedot

metsämatikkaa Sata käpyä Lukuja metsästä Laskutarina Mittaaminen punaisella narulla Päin mäntyä (metsän yleisin puu)

metsämatikkaa Sata käpyä Lukuja metsästä Laskutarina Mittaaminen punaisella narulla Päin mäntyä (metsän yleisin puu) metsämatikkaa Sata käpyä Lukuja metsästä Laskutarina Mittaaminen punaisella narulla Päin mäntyä (metsän yleisin puu) Vinkki! MAPPAsta www.mappa.fi löytyy haulla matematiikkaa ulkona valmiita tuntisuunnitelmia

Lisätiedot

"Emme voi ratkaista ongelmia ajattelemalla samalla tavalla kuin silloin, kun loimme ne. Albert Einstein

Emme voi ratkaista ongelmia ajattelemalla samalla tavalla kuin silloin, kun loimme ne. Albert Einstein "Emme voi ratkaista ongelmia ajattelemalla samalla tavalla kuin silloin, kun loimme ne. Albert Einstein Maarit Kairala Sosiaalityön e- osaamisen maisterikoulutus Lapin yliopisto/ Oulu 18.4.2013 Lähtökohtiani:

Lisätiedot

Korko ja inflaatio. Makrotaloustiede 31C00200 Kevät 2016

Korko ja inflaatio. Makrotaloustiede 31C00200 Kevät 2016 Korko ja inflaatio Makrotaloustiede 31C00200 Kevät 2016 Sisältö Nimellis ja reaalikorot, Fisher yhtälö Lyhyt ja pitkä korko Rahapolitiikka ja korot Korko ja inflaatio Nimellinen korko i: 1 tänä vuonna

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Ohjelmoinnin peruskurssi Y1

Ohjelmoinnin peruskurssi Y1 Ohjelmoinnin peruskurssi Y1 CSE-A1111 21.9.2016 CSE-A1111 Ohjelmoinnin peruskurssi Y1 21.9.2016 1 / 22 Mahdollisuus antaa luentopalautetta Goblinissa vasemmassa reunassa olevassa valikossa on valinta Luentopalaute.

Lisätiedot