Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi

Koko: px
Aloita esitys sivulta:

Download "Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi"

Transkriptio

1 Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 5

2 Seuraava etappi Datan keruu alkanut välinäyttönä palautetaan aineisto SPSS-tiedostona palaute tiedostosta

3 Viimeksi jäi faktorianalyysi vaivaamaan jos pudotetaan ei-kelpo muuttuja pois ja tehdään uusi faktorianalyysi, kuinka käy?

4 Rotated Factor Matrix a Rotated Factor Matrix a x390: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedonhaku? x390_b: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkkolehtien lukeminen? x390_e: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on musiikin kuuntelu? x390_f: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkkopelaaminen? x390_g: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedostojen imuroiminen? x390_h: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on sähköposti? x390_i: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on Web-surffailu? x390_j: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on keskustelu- ja uutisryhmät? x390_k: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkko-ostaminen? x390_l: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on laskujen maksaminen? x390_m: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on muiden raha-asioiden hoito? x390_n: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on treffipalvelut? x390_o: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on omien www-sivujen teko? x390_p: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on chat- ja irc-palvelut? x390_c: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on portaaleilla? x390_d: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on etäopiskelu? Extraction Method: Principal Axis Factoring. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 10 iterations. Factor ,094,517,053,071,25,162,323,279,149,13,688 -,114,362 -,136,0,562,032,332 -,071,0,618,276,076,051,08,044,551 -,021,199,17,375,441,265,042 -,2,191,383,525 -,026 -,1,391,237,014,208,12 -,039,250,008,495,03,040,026,035,847,10,085,013,473,118,19,282,232,247,067,31,335 -,007,550 -,105,09,306,249,109,070,27 -,001,175,113,081,60 EI selkeyttänyt tulkintaa tällä kertaa! Factor x390: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedonhaku? x390_d: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on etäopiskelu? x390_e: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on musiikin kuuntelu? x390_f: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkkopelaaminen? x390_g: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on tiedostojen imuroiminen? x390_h: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on sähköposti? x390_i: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on Web-surffailu? x390_j: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on keskustelu- ja uutisryhmät? x390_k: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on verkko-ostaminen? x390_l: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on laskujen maksaminen? x390_m: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on muiden raha-asioiden hoito? x390_n: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on treffipalvelut? x390_o: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on omien www-sivujen teko? x390_p: Kuinka merkitt. tekijä netin käytöss. tällä hetkellä on chat- ja irc-palvelut? Extraction Method: Maximum Likelihood. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 7 iterations.

5 Analyysimenetelmät ja muuttujien mitta-asteikko (vielä kertausta)

6 Luento 5 Kerätyn aineiston laadun arviointi - normaalijakaumatesti Kerätyn aineiston muokkaaminen (transformaatio) uudelleenluokittelu summamuuttujat, uudet muuttujat Menetelmien käyttö SPSS-ohjelmassa Vastauksia kysymyksiin/ongelmiin

7 Laadun arviointi ajetaan kaikista muuttujista jakaumat - minimi, maksimi, graafinen jakauma, keskiarvo, hajonta - Analyze Descriptive statistics Descriptives - miten EOS on tallennettu? (kalvo 21) kammataan läpi ja etsitään selviä mahdottomia arvoja tai todellisia mutta liian poikkeavia arvoja kun tällainen löytyy, se paikannetaan Data viewtilassa hakutoiminnolla

8 Aktivoi ensin se muuttuja jota tarkastat Haku-kuvake (kiikari) Kirjoita Find what kenttään löytämäsi mahdoton lukuarvo ja klikkaa Find next Näin löydät sen vastaajan jonka kohdalla ongelmallinen arvo on. Sinulla on muutama ratkaisuvaihtoehto: 1) selvität mikä on alkuperäinen oikea arvo (tarkista paperilomake) 2) poistat kyseisen arvon kokonaan koska et voi tietää mikä on oikea vastaus 3) korvaat arvon kyseisen muuttujan keskiarvolla (imputointi)

9 Jakauman normaalisuus Jos on epäselvyyttä jakauman normaalisuusehdon toteutumisesta, voi/pitää suorittaa testin: 1-sample Kolmogorov-Smirnov Two-Independent-Samples tests Analyze Nonparametric test 1-sample K-S / 2 independent samples

10 Esim. K-S-testistä Ikäjakaumat sukupuolen mukaan Tässä p-arvon pitää YLITTÄÄ.05 jotta 0-hypoteesi toteutuu (ei eroja) On siis huono, jos arvo jää alle.05. Johtopäätös on, että jakaumat eivät sovellu testeihin sellaisinaan. Niitä pitää muuntaa matemaattisen kaavan mukaan (muuttujamuunnoksista seuraavaksi).

11 Uudelleenluokittelu Miksi? - Tehdään vain perustellusti sillä samalla menetetään informaatiota. Halutaan tiivistää ja hävittää turhaa tietoa (liikaa yksityiskohtia) Jatkuva muuttuja luokitellaan graafista esitystä varten luokkia yhdistellään ristiintaulukointia varten (liian pienet frekvenssit) ei kuitenkaan liikaa! - joitakin luokkia ei voi yhdistää (esim. eronneet ja lesket )

12 Esimerkki: ikäjakauma Alkuperäinen jakauma aivan liian pikkutarkka, vaikea hahmottaa ja hankala raportoida sanallisesti tekstissä.

13 esimerkki jatkuu: uusitaan luokittelua muoto siistiytyy jo Jakauma normalisoituu ja on helposti ilmaistavissa sanallisesti ja nopeasti miellettävissä

14 Sama SPSS:ssä Transform - Recode - Into different variables Keskikenttään valitaan muutettava vanha muuttuja. Annetaan uudelle luokitellulle muuttujalle nimi ja kuvaus Klikataan Old and new values Vasemmalta valitaan vanhat arvot ja oikealle annetaan niitä vastaavat uudet arvot ja klikataan Add, jotta uudelleen luokittelu astuu voimaan. Taulukosta näet miten vanhoista tulee uusia. Klikataan Continue ja sen jälkeen päävalikossa vielä OK. Nyt kone muodosti uuden muuttujan matriisin viimeiseksi (oikea reuna)

15 uuden muuttujan arvojen nimeäminen Uuden muuttujan arvot kannattaa heti määritellä, jotta ne ovat ymmärrettävät esim. pylväsdiagrammeissa Tämä tehdään Variable View tilassa Huom! Voi käyttää myös: Transform Visual Bander

16 Matemaattinen muuttujamuunnos Summamuuttuja Halutaan kääntää muuttujien arvot samansuuntaisiksi (yleensä summamuuttujia varten) Ei-normaali jakauma halutaan normaaliksi Kysytty syntymävuosi, halutaan ikä Painoindeksi Ennen-jälkeen-arvo ryhmien välistä vertailua varten

17 Summamuuttuja Transform - Compute Target: annetaan summamuuttujalle nimi (ole systemaattinen) Numeric expression: Syötetään näppäimistöltä tai valikosta kaava ja halutut muuttujat. Tässä tehdään summamuuttuja Vastaajien kiinnostuksesta pelata rahapelejä eri päätelaitteiden kautta (3 eriä, kaikki asteikolla 1-4) Huom! Summamuuttujan sijaan saattaisi olla fiksua käyttää keskiarvoa näistä kolmesta muuttujasta. Tällöin asteikko pysyisi 1-4 välillä kun se summamuuttujassa on 3-12 Keskiarvo otetaan Function groupista: statistical ja alemmasta kentästä Mean. Sulkujen väliin halutut muuttujat pilkulla erotettuina

18 Milloin summamuuttuja? Muuttujien tulee ehdottomasti mitata samaa asiaa, muuten ei ole tulkinnallisesti tai teoreettisesti mielekäs - niiden välillä on korrelaatio - faktorianalyysin tuloksena voi rakentaa summamuuttujan

19 Muuttujien kääntäminen samansuuntaisiksi Halutaan kun on kysytty samaa asiaa käänteisin kysymyksin - esim. Kännykän käyttäminen on minusta helppoa ja Minun on vaikea oppia käyttämään kännykkää - Jos näihin vastaa asteikolla 4 = olen täysin samaa mieltä niitä ei ole mieltä laskea yhteen koska lukuarvo 8 ei kerro meille mitään. - Ratkaisu: käännetään jommat kummat toiseen suuntaan, esim. negatiiviset mielipiteet samansuuntaisiksi positiivisten kanssa Uusi arvo = 5 vanha arvo (jos asteikko oli 1-4) Tällöin 4 -> 1 3 -> 2 2 -> 3 1 -> 4 Tehdään SPSS:ssä samalla tavoin Transform Compute kuten edellä summamuuttujan kanssa

20 Ei-normaali jakauma normaaliksi tehdään matemaattinen muunnos, uusi muuttuja ln(x) 1 x X jokin näistä Jos mikään ei toimi, ei voida jatkaa parametrisella testillä -> pitää siirtyä nonparametriisiin testeihin (ei käydä tarkemmin tällä kurssilla) Transform Compute Ln = luonnollinen logaritmi, Sqrt=neliöjuuri

21 Uusi muuttuja = kaava(vanha muuttuja) Vuodesta ikä Transform-Compute Ikä = vuosi nyt syntymävuosi Painoindeksi Indeksi = paino (kg) / (pituus * pituus) (m)

22 Ennen-jälkeen-arvo vertailua varten Esim. internet-koulutuksen vaikutus sukupuolten kokemaan käytön miellyttävyyteen - Mitataan koettu miellyttävyys ennen koulutusta ja sen jälkeen (2 muuttujaa) - Tehdään uusi muuttuja: Kurssin tulos = koettu miellyttävyys kurssin jälkeen koettu miellyttävyys ennen kurssia (oletus: näin saadaan plusmerkkisiä arvoja) - Suoritetaan t-testi uudelle muuttujalle sukupuolen suhteen

23 Huomioita suunnitelmistanne! monivaihtoehtoiset muuttujat Jos vastaaja saa rastittaa monta vastausta samaan kysymykseen - esim. valitse kolme sinulle tärkeää ominaisuutta - tällöin vastauksia ei voi käsitellä numeroarvoina eikä tehdä laskutoimituksia! - jokaista vastausta tulee käsitellä omana muuttujanaan

24 EOS:n huomioiminen jos EOS:lle annettu tallennettaessa jokin asteikon ulkopuolinen erillinen numeraalinen arvo, pitää tarkistaa ettei sitä lasketa esim. keskiarvoihin! (luku 9 vaikuttaa erittäin haitallisesti jos asteikko on muuten 1-4) Variable view: asetetaan Missing valueskohtaan haluttu EOS arvo puuttuvaksi ( discrete missing values )

25 Kysymyksiä? Ongelmia? voidaan käydä uudestaan läpi haluamianne vaiheita/menetelmiä Huom! Kun alatte analysoida omaa aineistoanne, annan tarvittaessa ohjausta

TUTKIMUSOPAS. SPSS-opas

TUTKIMUSOPAS. SPSS-opas TUTKIMUSOPAS SPSS-opas Johdanto Tässä oppaassa esitetään SPSS-tilasto-ohjelman alkeita, kuten Excel-tiedoston avaaminen, tunnuslukujen laskeminen ja uusien muuttujien muodostaminen. Lisäksi esitetään esimerkkien

Lisätiedot

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3 OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset

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

Tilastolliset ohjelmistot 805340A. Pinja Pikkuhookana

Tilastolliset ohjelmistot 805340A. Pinja Pikkuhookana Tilastolliset ohjelmistot 805340A Pinja Pikkuhookana Sisältö 1 SPSS 1.1 Yleistä 1.2 Aineiston syöttäminen 1.3 Aineistoon tutustuminen 1.4 Kuvien piirtäminen 1.5 Kuvien muokkaaminen 1.6 Aineistojen muokkaaminen

Lisätiedot

4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla

4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla 4 Aineiston kuvaaminen numeerisesti 1 4.1 Frekvenssijakauman muodostaminen tietokoneohjelmilla Tarkastellaan lasten syntymäpainon frekvenssijakauman (kuva 1, oikea sarake) muodostamista Excel- ja SPSS-ohjelmalla.

Lisätiedot

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2

OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2 OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 2 Luento 2 Kuvailevat tilastolliset menetelmät Käytetyimmät tilastolliset menetelmät käyttäjäkokemuksen

Lisätiedot

Kvantitatiiviset tutkimusmenetelmät maantieteessä

Kvantitatiiviset tutkimusmenetelmät maantieteessä Kvantitatiiviset tutkimusmenetelmät maantieteessä Harjoitukset: 2 Muuttujan normaaliuden testaaminen, merkitsevyys tasot ja yhden otoksen testit FT Joni Vainikka, Yliopisto-opettaja, GO218, joni.vainikka@oulu.fi

Lisätiedot

4 Riippuvuus 1. Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta

4 Riippuvuus 1. Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta 4 Riippuvuus 1 Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta x 2 = sisaruksien luku- Tarkastellaan äidin ja lapsen pituuden välistä riippuvuutta havaintomatriisilla, joka on

Lisätiedot

SPSS OPAS. Metropolia Liiketalous

SPSS OPAS. Metropolia Liiketalous 1 Metropolia Liiketalous SPSS OPAS Aihe sivu 1. Ohjelman periaate 2 2. Aineistoikkuna 3 3. Frekvenssit 4 4. Muuttujien arvojen luokittelu 5 5. Tunnusluvut 6 6. Ristiintaulukointi 7 7. Hajontakaavio 8 8.Korrelaatio

Lisätiedot

IBM SPSS Statistics 21 (= SPSS 21)

IBM SPSS Statistics 21 (= SPSS 21) Tarja Heikkilä IBM SPSS Statistics 21 (= SPSS 21) SPSS = Statistical Package for Social Sciences Ohjelman käynnistys Aloitusikkuna Päävalikot Työkalut Muuttujat (Variables) Tapaukset (Cases) Tyhjä datataulukko

Lisätiedot

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö

SPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin

Lisätiedot

Muuttujien määrittely

Muuttujien määrittely Tarja Heikkilä Muuttujien määrittely Määrittele muuttujat SPSS-ohjelmaan lomakkeen kysymyksistä. Harjoitusta varten lomakkeeseen on muokattu kysymyksiä kahdesta opiskelijoiden tekemästä Joupiskan rinneravintolaa

Lisätiedot

SPSS-ohjeita. Metropolia Pertti Vilpas

SPSS-ohjeita. Metropolia Pertti Vilpas 1 Metropolia Pertti Vilpas SPSS-ohjeita Aihe sivu 1. Ohjelman periaate 2 2. Aineistoikkuna 3 3. Frekvenssit 4 4. Muuttujien arvojen luokittelu 5 5. Tunnusluvut 6 6. Ristiintaulukointi 7 7. Hajontakaavio

Lisätiedot

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös):

54. Tehdään yhden selittäjän lineaarinen regressioanalyysi, kun selittäjänä on määrällinen muuttuja (ja selitettävä myös): Tilastollinen tietojenkäsittely / SPSS Harjoitus 5 Tarkastellaan ensin aineistoa KUNNAT. Kyseessähän on siis kokonaistutkimusaineisto, joten tilastollisia testejä ja niiden merkitsevyystarkasteluja ei

Lisätiedot

Teema 3: Tilastollisia kuvia ja tunnuslukuja

Teema 3: Tilastollisia kuvia ja tunnuslukuja Teema 3: Tilastollisia kuvia ja tunnuslukuja Tilastoaineiston peruselementit: havainnot ja muuttujat havainto: yhtä havaintoyksikköä koskevat tiedot esim. henkilön vastaukset kyselylomakkeen kysymyksiin

Lisätiedot

RISTIINTAULUKOINTI JA Χ 2 -TESTI

RISTIINTAULUKOINTI JA Χ 2 -TESTI RISTIINTAULUKOINTI JA Χ 2 -TESTI Kvantitatiiviset tutkimusmenetelmät maantieteessä Ti 27.10.2015, To 2.11.2015 Miisa Pietilä & Laura Hokkanen miisa.pietila@oulu.fi laura.hokkanen@outlook.com KURSSIKERRAN

Lisätiedot

Tilastomenetelmien lopputyö

Tilastomenetelmien lopputyö Tarja Heikkilä Tilastomenetelmien lopputyö Lopputyössä on esimerkkejä erilaisista tilastomenetelmistä. Datatiedosto Harjoitusdata.sav on muokattu tätä harjoitusta varten, joten se ei vastaa kaikkien muuttujien

Lisätiedot

(Jos et ollut mukana viime viikolla, niin kopioi myös SPSS-havaintoaineistotiedostot Yritys2 ja neljän kunnan tiedot.)

(Jos et ollut mukana viime viikolla, niin kopioi myös SPSS-havaintoaineistotiedostot Yritys2 ja neljän kunnan tiedot.) Tilastollinen tietojenkäsittely / SPSS Harjoitus 2 Kopioi (ÄLÄ SIIS AVAA TIEDOSTOJA VIELÄ!) U-palvelimen hakemiston STAT2100 SPSS kansiosta Aineistoja harjoituksiin 2 tiedosto loputkunnat (SPSS-havaintoaineisto)

Lisätiedot

Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 6

Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 6 Ihminen ja tekniikka seminaari Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 6 Käytännön asioita seminaariin liittyen Vastaanotto 2.2. -16.3. To 13.00-13.45 huone TF 112 Sähköposti: ihtesem@cs.tut.fi

Lisätiedot

Graph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute.

Graph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute. COMPUTE x=rv.ormal(0,0.04). COMPUTE y=rv.ormal(0,0.04). execute. compute hplib_man_r = hplib_man + x. compute arvokons_man_r = arvokons_man + y. GRAPH /SCATTERPLOT(BIVAR)=hplib_man_r WITH arvokons_man_r

Lisätiedot

Faktorianalyysi. Tarja Heikkilä. Esimerkki

Faktorianalyysi. Tarja Heikkilä. Esimerkki Tarja Heikkilä on monimuuttujamenetelmä, jonka avulla pyritään löytämään muuttujajoukosta yhteisiä piirteitä tai ulottuvuuksia. Eksploratiivisen faktorianalyysin avulla etsitään keskenään eniten korreloivat

Lisätiedot

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi

1. Normaalisuuden tutkiminen, Bowmanin ja Shentonin testi, Rankit Plot, Wilkin ja Shapiron testi Mat-2.2104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yhteensopivuuden ja homogeenisuden testaaminen Bowmanin ja Shentonin testi, Hypoteesi, 2 -homogeenisuustesti, 2 -yhteensopivuustesti,

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

JY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT

JY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT JY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT SPSS-ohjelmiston Complex Samples- toiminto otoksen poiminnassa ja estimaattien laskennassa Mauno Keto, lehtori Mikkelin AMK / Liiketalouden laitos

Lisätiedot

YLEISKUVA - Kysymykset

YLEISKUVA - Kysymykset INSIGHT Käyttöopas YLEISKUVA - Kysymykset 1. Insight - analysointityökalun käytön mahdollistamiseksi täytyy kyselyn raportti avata Beta - raportointityökalulla 1. Klikkaa Insight välilehteä raportilla

Lisätiedot

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...

Metsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO... Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3

Lisätiedot

II Tilastollisen aineiston ja analyysin edellytysten tarkistaminen

II Tilastollisen aineiston ja analyysin edellytysten tarkistaminen II Tilastollisen aineiston ja analyysin edellytysten tarkistaminen - Tietojen syöttö - Karma&Komulainen aineisto (tutustuminen) - Muuttujien jakauman tarkistus - Puuttuva tieto ja sen käsittely - Muunnokset,

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

KAHDEN RYHMÄN VERTAILU

KAHDEN RYHMÄN VERTAILU 10.3.2015 KAHDEN RYHMÄN VERTAILU Jouko Miettunen Center for Life-Course and Systems Epidemiology jouko.miettunen@oulu.fi Luennon sisältö Luokitellut muuttujat Ristiintaulukko, prosentit Khiin neliötesti

Lisätiedot

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus

Lisätiedot

Mat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat:

Mat-2.104 Tilastollisen analyysin perusteet. Testit suhdeasteikollisille muuttujille. Avainsanat: Mat-.04 Tilastollise aalyysi perusteet / Ratkaisut Aiheet: Avaisaat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahde riippumattoma otokse t-testit, Nollahypoteesi, p-arvo, Päätössäätö, Testi,

Lisätiedot

DBN 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 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

Lisätiedot

Aineistokoko ja voima-analyysi

Aineistokoko ja voima-analyysi TUTKIMUSOPAS Aineistokoko ja voima-analyysi Johdanto Aineisto- eli otoskoon arviointi ja tutkimuksen voima-analyysi ovat tilastollisen tutkimuksen suunnittelussa keskeisimpiä asioita. Otoskoon arvioinnilla

Lisätiedot

KAAVAT. Sisällysluettelo

KAAVAT. Sisällysluettelo Excel 2013 Kaavat Sisällysluettelo KAAVAT KAAVAT... 1 Kaavan tekeminen... 2 Kaavan tekeminen osoittamalla... 2 Kaavan kopioiminen... 3 Kaavan kirjoittaminen... 3 Summa-funktion lisääminen... 4 Suorat eli

Lisätiedot

Aki Taanila AIKASARJOJEN ESITTÄMINEN

Aki Taanila AIKASARJOJEN ESITTÄMINEN Aki Taanila AIKASARJOJEN ESITTÄMINEN 4.12.2012 Viivakaavio Excelissä voit toteuttaa viivakaavion kaaviolajilla Line (Viiva). Viivakaavio onnistuu varmimmin, jos taulukon ensimmäisessä sarakkeessa ovat

Lisätiedot

I Keskiarvot ja hajonnat muuttujista 3-26 niin, että luokittelevana muuttujana on muuttuja 2 eli sukupuoli

I Keskiarvot ja hajonnat muuttujista 3-26 niin, että luokittelevana muuttujana on muuttuja 2 eli sukupuoli I Keskiarvot ja hajonnat muuttujista 3-26 niin, että luokittelevana muuttujana on muuttuja 2 eli sukupuoli Group Statistics Luk1 Kirj1 Kielt1 Khuol1 Kirjall1 Ilmharj1 äyt1 Viest1 Sanaluokat1 Luk2 Kirj2

Lisätiedot

Tämä on PicoLog Windows ohjelman suomenkielinen pikaohje.

Tämä on PicoLog Windows ohjelman suomenkielinen pikaohje. Tämä on PicoLog Windows ohjelman suomenkielinen pikaohje. Asennus: HUOM. Tarkemmat ohjeet ADC-16 englanninkielisessä User Manual issa. Oletetaan että muuntimen kaikki johdot on kytketty anturiin, käyttöjännite

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

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

Aki Taanila VARIANSSIANALYYSI

Aki Taanila VARIANSSIANALYYSI Aki Taanila VARIANSSIANALYYSI 18.5.2007 VARIANSSIANALYYSI 1 JOHDANTO...2 VARIANSSIANALYYSI...3 Yksisuuntainen varianssianalyysi...3 Kaksisuuntainen varianssianalyysi ilman toistoja...6 Kaksisuuntainen

Lisätiedot

Christina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3

Christina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3 Christina Gustafsson Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 3 Kevät 2014 SISÄLLYSLUETTELO 9. REGRESSIOSTA... 2 10. EPÄPARAMETRISIA TESTEJÄ... 7 10.1. Kahden riippumattoman

Lisätiedot

Tavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset.

Tavanomaisten otostunnuslukujen, odotusarvon luottamusvälin ja Box ja Whisker -kuvion määritelmät: ks. 1. harjoitukset. Mat-.04 Tilastollisen analyysin perusteet Mat-.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit suhdeasteikollisille muuttujille Hypoteesi, Kahden riippumattoman otoksen t-testit,

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

Perusnäkymä yksisuuntaiseen ANOVAaan

Perusnäkymä yksisuuntaiseen ANOVAaan Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja

Lisätiedot

Liian taipuisa muovi

Liian taipuisa muovi Muoviteollisuuden laboratoriossa on huomattu, että tuotannosta tullut muovi on liian taipuisaa. Tämän vuoksi laadunvalvontalaboratorio tutkii IR:n avulla eteenin pitoisuuden muovissa. TAUSTAA Polypropeeni

Lisätiedot

Kaisa Kirves. kaisa.kirves@uta.fi. Tampereen yliopisto, YKY, psykologia

Kaisa Kirves. kaisa.kirves@uta.fi. Tampereen yliopisto, YKY, psykologia Ma a ra lliseen aineistoon perustuvien tutkielmien menetelma opas Kaisa Kirves kaisa.kirves@uta.fi Tampereen yliopisto, YKY, psykologia Esipuhe Ohjasin kevään 2013 aikana Tampereen yliopiston psykologian

Lisätiedot

Monivalintamuuttujien käsittely

Monivalintamuuttujien käsittely Tarja Heikkilä Monivalintamuuttujien käsittely Datatiedosto: Yhdistä.sav Yhdistetään SPSS-ohjelmalla samaan kysymykseen kuuluvat muuttujat. Esimerkkiin liittyvä kysymys ja muita vastaavia kysymyksiä on

Lisätiedot

SEM1, työpaja 2 (12.10.2011)

SEM1, työpaja 2 (12.10.2011) SEM1, työpaja 2 (12.10.2011) Rakenneyhtälömallitus Mplus-ohjelmalla POLKUMALLIT Tarvittavat tiedostot voit ladata osoitteesta: http://users.utu.fi/eerlaa/mplus Esimerkki: Planned behavior Ajzen, I. (1985):

Lisätiedot

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2

2.3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. b b 4ac = 2 .3 Juurien laatu. Juurien ja kertoimien väliset yhtälöt. Jako tekijöihin. Toisen asteen yhtälön a + b + c 0 ratkaisukaavassa neliöjuuren alla olevaa lauseketta b b 4ac + a b b 4ac a D b 4 ac sanotaan yhtälön

Lisätiedot

Ylläpitoalue - Etusivu

Ylläpitoalue - Etusivu Crasmanager 5.2 Ylläpitoalue - Etusivu Sivut osiossa sisällön selaus ja perussivujen ylläpito. Tietokannat osiossa tietokantojen ylläpito. Tiedostot osiossa kuvien ja liitetiedostojen hallinta. Työkalut

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

KESKUSTANUORTEN NETTISIVUT- OHJEITA PIIRIYLLÄPITÄJÄLLE 1. KIRJAUTUMINEN

KESKUSTANUORTEN NETTISIVUT- OHJEITA PIIRIYLLÄPITÄJÄLLE 1. KIRJAUTUMINEN KESKUSTANUORTEN NETTISIVUT- OHJEITA PIIRIYLLÄPITÄJÄLLE 1. KIRJAUTUMINEN -Mene osoitteeseen keskustanuoret.fi/user - Kirjoita saamasi käyttäjätunnus ja salasana - Klikkaa yllä olevaa piirisi logoa niin

Lisätiedot

Tekstieditorin käyttö ja kuvien käsittely

Tekstieditorin käyttö ja kuvien käsittely Tekstieditorin käyttö ja kuvien käsittely Teksti- ja kuvaeditori Useassa Kotisivukoneen työkalussa on käytössä monipuolinen tekstieditori, johon voidaan tekstin lisäksi liittää myös kuvia, linkkejä ja

Lisätiedot

Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä

Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä Lauri Tarkkonen: Validiteetti ja reliabiliteetti 1 Ellei tutkijalla ole käsitystä mittauksensa validiteetista ja reliabiliteetista, ei johtopäätöksillä ole pohjaa. Rakennevaliditeetin estimoiminen 1. Mitattavan

Lisätiedot

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een 031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 5.4.2014 klo. 9.00-12.00 saleissa L1,L3 Koealue: luentojen luvut 7-11

Lisätiedot

VIIKON VINKKI: Kannattaa tutustua ensin koko tehtävänantoon ja tehdä tehtävä vasta sitten.

VIIKON VINKKI: Kannattaa tutustua ensin koko tehtävänantoon ja tehdä tehtävä vasta sitten. Tilastollinen tietojenkäsittely / SPSS Harjoitus 1 VIIKON VINKKI: Kannattaa tutustua ensin koko tehtävänantoon ja tehdä tehtävä vasta sitten. 1. Avaa SPSS-ohjelma. Tarkoitus olisi muodostaa tämän sivun

Lisätiedot

Valitse aineisto otsikoineen maalaamalla se hiirella ja kopioimalla (Esim. ctrl-c). Vaihtoehtoisesti, Lataa CSV-tiedosto

Valitse aineisto otsikoineen maalaamalla se hiirella ja kopioimalla (Esim. ctrl-c). Vaihtoehtoisesti, Lataa CSV-tiedosto Versio k15 Näin laadit ilmastodiagrammin Libre Officen taulukkolaskentaohjelmalla. Ohje on laadittu käyttäen Libre Officen versiota 4.2.2.1. Voit ladata ohjelmiston omalle koneellesi osoitteesta fi.libreoffice.org.

Lisätiedot

Copyright Maarit Valtari ja HY:n valtiotieteellisen tiedekunnan TVT, 2006

Copyright Maarit Valtari ja HY:n valtiotieteellisen tiedekunnan TVT, 2006 SPSS-PERUSTEET SPSS:n versio 14 Maarit Valtari Helsingin yliopisto Valtiotieteellinen tiedekunta Tieto- ja viestintätekniikka Copyright Maarit Valtari ja HY:n valtiotieteellisen tiedekunnan TVT, 2006 ISBN

Lisätiedot

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een

031021P Tilastomatematiikka (5 op) kertausta 2. vk:een 031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 31.03.2012 klo. 9.00-12.00 saleissa L1,L3 Jukka Kemppainen Mathematics

Lisätiedot

FENG OFFICE -PROJEKTINHALLINTATYÖKALU

FENG OFFICE -PROJEKTINHALLINTATYÖKALU 1(5) FENG OFFICE -PROJEKTINHALLINTATYÖKALU Verkkoprojektissa tarkoituksenmukaisen projektinhallintatyökalun käyttö vähentää viestintään kuluvaa työaikaa merkittävästi, kun projektin osapuolilla on reaaliaikainen

Lisätiedot

SPSS -alkeisopas. Statistical Package for Social Sciences. Tero Mamia

SPSS -alkeisopas. Statistical Package for Social Sciences. Tero Mamia SPSS -alkeisopas Statistical Package for Social Sciences Tero Mamia Tampereen yliopisto 5/2005 Lukijalle Tämä opas on tarkoitettu SPSS for Windows tilasto-ohjelmiston käytön alkeiden opiskeluun. Opas on

Lisätiedot

Pikaohje formaatin valmistamiseen

Pikaohje formaatin valmistamiseen Pikaohje formaatin valmistamiseen Esko Otava Oy ver.1.0 Pääikkunasta (tulostusikkunasta) valitaan Cards-Show cards manager Paina Add 2 Paina New Kortinsuunnitteluikkuna on jaettu kolmeen osaan: Vasemmalla

Lisätiedot

LIIAN TAIPUISA MUOVI TAUSTAA

LIIAN TAIPUISA MUOVI TAUSTAA LIIAN TAIPUISA MUOVI Muoviteollisuuden laboratoriossa on huomattu, että tuotannosta tullut muovi on liian taipuisaa. Tämän vuoksi laadunvalvontalaboratorio tutkii IR:n avulla eteenin pitoisuuden muovissa.

Lisätiedot

SAC RDS Futurline MAX Tupla-robotin ohjeet näytteenottoon ja päivämaidon lähetykseen

SAC RDS Futurline MAX Tupla-robotin ohjeet näytteenottoon ja päivämaidon lähetykseen RDS - ohjeet 1 (18) SAC RDS Futurline MAX Tupla-robotin ohjeet näytteenottoon ja päivämaidon lähetykseen Näytteenoton aloittaminen Shuttlen säädöt robotilla Telineen vaihto Näytteenoton lopettaminen Näyteraportin

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

Basic Raster Styling and Analysis

Basic Raster Styling and Analysis Basic Raster Styling and Analysis QGIS Tutorials and Tips Author Ujaval Gandhi http://google.com/+ujavalgandhi Translations by Kari Salovaara This work is licensed under a Creative Commons Attribution

Lisätiedot

Geenikartoitusmenetelmät. Kytkentäanalyysin teoriaa. Suurimman uskottavuuden menetelmä ML (maximum likelihood) Uskottavuusfunktio: koko aineisto

Geenikartoitusmenetelmät. Kytkentäanalyysin teoriaa. Suurimman uskottavuuden menetelmä ML (maximum likelihood) Uskottavuusfunktio: koko aineisto Kytkentäanalyysin teoriaa Pyritään selvittämään tiettyyn ominaisuuteen vaikuttavien eenien paikka enomissa Perustavoite: löytää markkerilokus jonka alleelit ja tutkittava ominaisuus (esim. sairaus) periytyvät

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

OHJE BE ONLINE VERKKOKAUPPAAN

OHJE BE ONLINE VERKKOKAUPPAAN OHJE BE ONLINE VERKKOKAUPPAAN BE Online on verkkokauppa, joka antaa mahdollisuuden BE Groupin asiakkaille syöttää ostotilauksen suoraan BE Groupin Dynamics AX järjestelmään ja kysellä tilauksen tilaa.

Lisätiedot

Ohjelmoinnin perusteet Y Python

Ohjelmoinnin perusteet Y Python Ohjelmoinnin perusteet Y Python T-106.1208 3.2.2010 T-106.1208 Ohjelmoinnin perusteet Y 3.2.2010 1 / 36 Esimerkki: asunnon välityspalkkio Kirjoitetaan ohjelma, joka laskee kiinteistönvälittäjän asunnon

Lisätiedot

Moodle-oppimisympäristö

Moodle-oppimisympäristö k5kcaptivate Moodle-oppimisympäristö Opiskelijan opas Sisältö 1. Mikä on Moodle? 2. Mistä löydän Moodlen? 3. Kuinka muokkaan käyttäjätietojani? 4. Kuinka ilmoittaudun kurssille? 5. Kuinka käytän Moodlen

Lisätiedot

Tilitoimistojen Asiakkuudet helmikuu 2012

Tilitoimistojen Asiakkuudet helmikuu 2012 Tilitoimistojen Asiakkuudet helmikuu 2012 Raportin kohderyhmä: Yrityspalvelu Pirjo Lundeqvist Oy Vastaajia yhteensä: 19 1 Raportin lukuohjeet - Raportin alussa näytetään tää indeksit: it Indeksi tarkoittaa

Lisätiedot

TW- EAV510 / TW- EAV510 AC: OpenVPN

TW- EAV510 / TW- EAV510 AC: OpenVPN TW- EAV510 / TW- EAV510 AC: OpenVPN OpenVPN- yhteys kahden TW- EAV510/TW- EAV510AC laitteen välille HUOM! Jos yhteyttä käytetään 3G/4G/LTE- verkon yli, pitää käytössä olla operaattorilta julkiset IP- osoitteet

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio: Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti

Lisätiedot

Excel syventävät harjoitukset 31.8.2015

Excel syventävät harjoitukset 31.8.2015 Yleistä Excel on taulukkolaskentaohjelma. Tämä tarkoittaa sitä että sillä voi laskea laajoja, paljon laskentatehoa vaativia asioita, esimerkiksi fysiikan laboratoriotöiden koetuloksia. Excel-ohjelmalla

Lisätiedot

Usean selittävän muuttujan regressioanalyysi

Usean selittävän muuttujan regressioanalyysi Tarja Heikkilä Usean selittävän muuttujan regressioanalyysi Yhden selittävän muuttujan regressioanalyysia on selvitetty kirjan luvussa 11, jonka esimerkissä18 muodostettiin lapsen syntymäpainolle lineaarinen

Lisätiedot

AC-huoneen ulkonäkö ja käyttö poikkeaa ipadissa oleellisesti tietokoneen AC-huoneesta.

AC-huoneen ulkonäkö ja käyttö poikkeaa ipadissa oleellisesti tietokoneen AC-huoneesta. KIPAn opintoihin osallistuminen ipadilla AC-YHTEYDEN KÄYTTÖ AC edellyttää erillisen ohjelman asentamista ipadille. Ohjelman saa ilmaiseksi esim. itunesista. Ohjelman pääsee hakemaan joko etsimällä sen

Lisätiedot

Til.yks. x y z 1 2 1 20.3 2 2 1 23.5 9 2 1 4.7 10 2 2 6.2 11 2 2 15.6 17 2 2 23.4 18 1 1 12.5 19 1 1 7.8 24 1 1 9.4 25 1 2 28.1 26 1 2-6.2 33 1 2 33.

Til.yks. x y z 1 2 1 20.3 2 2 1 23.5 9 2 1 4.7 10 2 2 6.2 11 2 2 15.6 17 2 2 23.4 18 1 1 12.5 19 1 1 7.8 24 1 1 9.4 25 1 2 28.1 26 1 2-6.2 33 1 2 33. Tehtävien ratkaisuja. a) Tilastoyksiköitä ovat työntekijät: Vatanen, Virtanen, Virtanen ja Voutilainen; muuttujina: ikä, asema, palkka, lasten lkm (ja nimikin voidaan tulkita muuttujaksi, jos niin halutaan)

Lisätiedot

Luento 5. Timo Savola. 28. huhtikuuta 2006

Luento 5. Timo Savola. 28. huhtikuuta 2006 UNIX-käyttöjärjestelmä Luento 5 Timo Savola 28. huhtikuuta 2006 Osa I Shell-ohjelmointi Ehtolause Lausekkeet suoritetaan jos ehtolausekkeen paluuarvo on 0 if ehtolauseke then lauseke

Lisätiedot

Testejä suhdeasteikollisille muuttujille

Testejä suhdeasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testejä suhdeasteikollisille muuttujille TKK (c) Ilkka Mellin (007) 1 Testejä suhdeasteikollisille muuttujille >> Testit normaalijakauman

Lisätiedot

https://njr.yap.fi/cgi-bin/soj2/dispat.exe

https://njr.yap.fi/cgi-bin/soj2/dispat.exe Jäsenrekisteriin kirjautuminen Avaa internet ja kirjoita selaimen osoitekenttään: https://njr.yap.fi/cgi-bin/soj2/dispat.exe Kirjoita käyttäjätunnus ja salasana, ja paina Sisäänkirjaus. Kirjauduttua avautuu

Lisätiedot

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.

Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. 1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin

Lisätiedot

3M Online Center sivuston käyttöopas

3M Online Center sivuston käyttöopas 3M Online Center sivuston käyttöopas 1 3M 2015. All Rights Reserved. 3M Online Center -sivuston käyttöopas Tuotteiden tilaaminen...3 1. Tilaa nyt...4 2. Pikatilaus...5 3. Lataa tilaustiedosto...6 4. Ostoslistat

Lisätiedot

DOORSin Spreadsheet export/import

DOORSin Spreadsheet export/import DOORSin Spreadsheet export/import 17.10.2006 SoftQA Oy http/www.softqa.fi/ Pekka Mäkinen Pekka.Makinen@softqa.fi Tietojen siirto DOORSista ja DOORSiin Yhteistyökumppaneilla ei välttämättä ole käytössä

Lisätiedot

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä

Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto 29.12.2003 ii Ohjelmien

Lisätiedot

INTERNET KYSELYN TOTEUTUS

INTERNET KYSELYN TOTEUTUS INTERNET KYSELYN TOTEUTUS 1. Tutkimuksen suunnittelu ja lomakkeen teko Kysymysten määrää ei ole rajoitettu. Kysymykset voivat olla luokiteltuja tai avovastauksisia. Luokitelluissa kysymyksissä voidaan

Lisätiedot

2. Aineiston kuvaaminen graafisesti 1

2. Aineiston kuvaaminen graafisesti 1 2. Aineiston kuvaaminen graafisesti 1 Esimerkki 3. Frekvenssijakaumien muokkaaminen [Hei08, s.151-152] 1. Avataan http://users.metropolia.fi/~pasitr/opas/ran15a/02/esim/pytinki2003.sav. 2. Suoritetaan

Lisätiedot

Pohtimiskaavio ja analyysimatriisi lähdekirjallisuuden argumentaatioanalyysin

Pohtimiskaavio ja analyysimatriisi lähdekirjallisuuden argumentaatioanalyysin Pohtimiskaavio ja analyysimatriisi lähdekirjallisuuden argumentaatioanalyysin apuna @jatellaan yhdessä -hanke (eeducation) Miika Marttunen & Carita Kiili Jyväskylän yliopisto Kasvatustieteiden laitos Hankkeen

Lisätiedot

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1

Ilkka Mellin Tilastolliset menetelmät. Osa 3: Tilastolliset testit. Tilastollinen testaus. TKK (c) Ilkka Mellin (2007) 1 Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Tilastollinen testaus TKK (c) Ilkka Mellin (2007) 1 Tilastolliset testit >> Tilastollinen testaus Tilastolliset hypoteesit Tilastolliset

Lisätiedot

Lionsverkkokauppa.fi tilaaminen

Lionsverkkokauppa.fi tilaaminen Lionsverkkokauppa.fi tilaaminen Lions Clubs International MD 107 Finland Lionsverkkokauppa.fi muutokset Uutuutena verkkokaupassa on tarvikemyynnin tuotteet, Monta tapaa tehdä hyvää tuotteet ja Punainen

Lisätiedot

Excelin käyttö mallintamisessa. Regressiosuoran määrittäminen. Käsitellään tehtävän 267 ratkaisu.

Excelin käyttö mallintamisessa. Regressiosuoran määrittäminen. Käsitellään tehtävän 267 ratkaisu. Excelin käyttö mallintamisessa Regressiosuoran määrittäminen Käsitellään tehtävän 267 ratkaisu. 1)Kirjoitetaan arvot taulukkoon syvyys (mm) ikä 2 4 3 62 6 11 7 125 2) Piirretään graafi, valitaan lajiksi

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

Lisätiedot

Ohjelmoinnin peruskurssi Y1

Ohjelmoinnin peruskurssi Y1 Ohjelmoinnin peruskurssi Y1 CSE-A1111 16.9.2015 CSE-A1111 Ohjelmoinnin peruskurssi Y1 16.9.2015 1 / 26 Mahdollisuus antaa luentopalautetta Goblinissa vasemmassa reunassa olevassa valikossa on valinta Luentopalaute.

Lisätiedot

HSC-ohje laskuharjoituksen 1 tehtävälle 2

HSC-ohje laskuharjoituksen 1 tehtävälle 2 HSC-ohje laskuharjoituksen 1 tehtävälle 2 Metanolisynteesin bruttoreaktio on CO 2H CH OH (3) 2 3 Laske metanolin tasapainopitoisuus mooliprosentteina 350 C:ssa ja 350 barin paineessa, kun lähtöaineena

Lisätiedot

VAAKAPESÄSEURANNAN KÄYTTÖOHJEET

VAAKAPESÄSEURANNAN KÄYTTÖOHJEET VAAKAPESÄSEURANNAN KÄYTTÖOHJEET Sisällys 1 Lyhyesti vaakapesäsovelluksesta... 1 2 Vaakapesätietojen selaus... 1 3 Kirjautuminen tunnuksilla... 5 4 Omien tietojen tarkistus... 5 5 Omat vaakapesät... 6 1

Lisätiedot

Sisällysluettelo. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5

Sisällysluettelo. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...

Lisätiedot

WCONDES OHJEET ITÄRASTEILLE (tehty Condes versiolle 8)

WCONDES OHJEET ITÄRASTEILLE (tehty Condes versiolle 8) WCONDES OHJEET ITÄRASTEILLE (tehty Condes versiolle 8) 1 UUDEN KILPAILUTIEDOSTON AVAUS Avaa Wcondes ohjelma tuplaklikkaamalla wcondes.lnk ikonia. Ohjelma avaa automaattisesti viimeksi tallennetun kilpailutiedoston.

Lisätiedot

1 Kirjautuminen ja Käyttöliittymä... 2. 1.1 Kirjautuminen... 2. 1.2 Käyttöliittymä... 2. 2 Uuden varauksen tekeminen... 3. 2.1 Normaali varaus...

1 Kirjautuminen ja Käyttöliittymä... 2. 1.1 Kirjautuminen... 2. 1.2 Käyttöliittymä... 2. 2 Uuden varauksen tekeminen... 3. 2.1 Normaali varaus... 1 Kirjautuminen ja Käyttöliittymä... 2 1.1 Kirjautuminen... 2 1.2 Käyttöliittymä... 2 2 Uuden varauksen tekeminen... 3 2.1 Normaali varaus... 3 2.2 Alustava Varaus... 5 2.2.1 Alustavan varauksen muuttaminen

Lisätiedot