Pienalue-estimointi (78189) Kevät Risto Lehtonen Helsingin yliopisto

Koko: px
Aloita esitys sivulta:

Download "Pienalue-estimointi (78189) Kevät 2011. Risto Lehtonen Helsingin yliopisto"

Transkriptio

1 Pienalue-estimointi (78189) Kevät 2011 Risto Lehtonen Helsingin yliopisto

2 Pienalue-estimointi Kurssin kotisivu 2

3 Hyöyllisiä taustatietoja Otantamenetelmät Lehtonen R. an Djerf K. (2008). Survey sampling reference guielines. Luxembourg: Eurostat Methoologies an Working papers Saatavilla vapaasti osoitteessa: Tilastollisten mallien perusteita Lineaariset mallit Yleistetyt lineaariset mallit 3

4 Maailmanlaajuinen treni Yhteiskunnassa on lisääntyvä tarve tuottaa luotettavia tietoja alueellisille ja muille populaation (perusjoukon) osajoukoille Estimation for omains Small area estimation EU:n tutkkimuksen puiteohjelmien projekteja EURAREA Project ( ) AMELI Project ( ) SAMPLE Project ( ) 4

5 SAE Conferences EWORSAE European Working Group on Small Area Estimation SAE2005 (University of Jyväskylä) SAE2007 (University of Pisa) SAE2009 (University of M. Hernanez, Elche) Forthcoming: SAE2011 (University of Trier) SAE2013 (Polan) 5

6 Kirjallisuutta Rao J.N.K. (2003). Small Area Estimation. New York: John Wiley & Sons. Lehtonen R. an Pahkinen E. (2004). Practical Methos for Design an Analysis of Complex Surveys. Secon Eition. Chichester: John Wiley & Sons. Web extension: VLISS-Virtual Laboratory in Survey Sampling 6

7 Kirjallisuutta Lehtonen R. an Djerf K. (es.) (2001). Lecture Notes on Estimation for Population Domains an Small Areas. Statistics Finlan: Reviews 2001/15. Lehtonen R. an Veijanen A. (2009). Designbase methos of estimation for omains an small areas. Chapter 31 in Rao C.R. an Pfeffermann D. (Es.). Hanbook of Statistics. Vol. 29B. Sample Surveys: Inference an Analysis. New York: Elsevier. 7

8 SAE: Laskentatyökaluja SAS 9.2 Proceures SURVEYMEANS Proceure SURVEYREG - DOMAIN-lause EURAREA-projekti SAS-makro Stanar estimators SAS-makro EBLUPGREG Ohjelma DOMEST Ari Veijanen & Risto Lehtonen R-kielisiä ohjelmia 8

9 JOHDANTO LÄHESTYMISTAPOJA 9

10 Käsitteitä ja määritelmiä Perusjoukon osajoukko Domain Pienalue Small area Lääni, maakunta, seutukunta, kunta Väestön emografiset ja sosioekonomiset osajoukot Yritysten toimialakohtaiset osajoukot Estimoiaan otosaineiston perusteella tunnuslukuja: Kokonaismääriä Totals Keskiaroja Means Osuuksia Proportions Meiaaneja määritellyille perusjoukon osajoukoille (omains, small areas) 10

11 Erikoistapaus - SAE Small area estimation, SAE Estimointi tilanteessa, jossa osajoukkojen otoskoko on pieni Vaihtoehtoinen määritelmä (Partha Lahiri): Small area = Domain of interest, for which the sample size is not aequate to prouce reliable irect estimates 11

12 Tyypillinen estimointitehtävä Määritellään ja ientifioiaan osajoukot Osajoukkojen U lkm D on yleensä suuri Spesifioiaan tulosmuuttujan y parametrit Osajoukkototaalit Keskiarvot Y t / N, 1,..., D missä t k U y k N on osajoukon koko pj:ssa 12

13 Esimerkkejä Työttömien kokonaismäärän estimointi alueittain sukupuolen ja ikäryhmän mukaan muoostetuissa osajoukoissa Tilastokeskuksen työvoimatutkimuksen aineisto Kotitalouksien käytettävissä olevien tulojen meiaanin estimointi kunnittain EU:n SILC-tutkimusaineisto Alueellisten köyhyysasteien estimointi EU:n SILC-tutkimusaineisto 13

14 Tärkeitä kysymyksiä Osajoukkojen tyyppi? Suunnitellut / Ei-suunnitellut osajoukot Planne omains / Unplanne omains Aineistolähteet? Otosaineisto Lisäinformaatio Estimaattorin tyyppi? Suora / Epäsuora Direct / Inirect Asetelmaperusteinen / Malliperusteinen Design base / Moel-base Mallin tyyppi? Lineaarinen / Epälineaarinen Linear / Non-linear Kiinteät vaikutukset / Sekamallit (Mixe moels) 14

15 Osajoukon tyyppi Suunnitellut osajoukot Planne omains Tärkeimmät osajoukkotyypit pyritään määrittelemään otanta-asetelmassa ositteiksi (strata) Osajoukkojen otoskoot on kiinnitetty Otoskoot hallitaan kiintiöintimenetelmillä (allocation) Liian pienet otoskoot voiaan välttää Ei-suunnitellut osajoukot Unplanne omains Osajoukkojen otoskoot ovat satunnaismuuttujia Voi tulla osajoukkoja joien otoskoko pieni Käytännössä yleinen tilanne (Miksi?) 15

16 U s U U Planne omains U U Population Population omain Domains = Strata s U Sample in omain Sample size n in omain is fixe 1,..., D 16

17 U s s U U Unplanne omains U s U Population Sample Population omain s s U Sample in omain Sample size n in omain is ranom 1,..., D 17

18 Suora ja epäsuora estimaattori Suora estimaattori Direct estimator Direct omain estimator uses values of the variable of interest y only from the time perio of interest an only from units in the omain of interest (Feeral Committee on Statistical Methoology, 1993) Suunniteltujen osajoukkorakenteien tilanne Epäsuora estimaattori Inirect estimator Inirect omain estimator uses values of the variable of interest y from a omain an/or time perio other than the omain an time perio of interest Ei-suunniteltujen osajoukkorakenteien tilanne 18

19 Esimerkki: Suora HT-estimaattori Asetelmaperusteinen Horvitz-Thompson estimaattori tˆ HT yk / k k s käyttää y-arvoja vain osajoukosta s t ˆHT on suora estimaattori 19

20 Esimerkki: Suora GREG-estimaattori Suora asetelmaperusteinen malliavusteinen GREG-estimaattori t ˆ y ˆ ( y y ˆ ) / GREG k U k k s k k k käyttää lineaarisia malleja jotka on spesifioitu erikseen kullekin osajoukolle: Y x β, k U, 1,..., D k k k missä β on osajoukkokohtainen, ja y x β ˆ ovat sovitteita, laskettu jokaiselle ˆk k k U 20

21 Esimerkki: Epäsuora GREG-estimaattori Epäsuora asetelmaperusteinen GREG-estimaattori t ˆ y ˆ ( y y ˆ ) / GREG k U k k s k k k käyttää lineaarista mallia Y x β, k U k k k jossa vektori β on yhteinen kaikille osajoukoille ja y x β ˆ lasketaan kaikille k U ˆk k 21

22 Esimerkki: Epäsuora SYN-estimaattori Epäsuora malliperusteinen synteettinen SYN-estimaattori tˆ SYN k U yˆ k käyttää lineaarista mallia Y x β, k U k k k jossa β on yhteinen kaikille osajoukoille ja y x β ˆ lasketaan kaikille k U ˆk k 22

23 Voiman lainaaminen Borrow strength Epäsuorat estimaattorit pyrkivät lainaamaan voimaa Muista osajoukoista (spatiaalinen imensio) Saman osajoukon aikaisemmista mittauksista (temporaalinen imensio) Tyypillistä erityisesti pienten osajoukkojen tilanteissa (pieni otoskoko) Borrowing strength käytetään usein malliperusteisissa SAE-tilanteissa 23

24 Estimointitehtävä Suuri osajoukko Large omain Osajoukko jossa on mahollista tuottaa riittävällä tarkkuuella asetelmaperusteinen suora (irect) estimaatti Tämän kurssin alue: Estimation for omains an small areas Pieni osajoukko Small omain Pieni osajoukko = Osajoukko jossa ei ole mahollista tuottaa riittävällä tarkkuuella asetelmaperusteinen suora (irect) estimaatti Tarvitaan malliperusteisia epäsuoria (inirect) estimaattoreita Voiman lainaaminen Borrowing strength 24

25 Lisäinformaatio Kaikissa tarkasteltavissa menetelmissä on olennaista: Perusjoukkoa koskevan lisäinformaation hyvä saatavuus - Auxiliary ata, auxiliary information - Rekistereistä saatavat lisätieot, apumuuttujat Lisäinformaation tuonti estimointiproseuuriin tilanteeseen soveltuvien tilastollisten mallien avulla - Lineaariset mallit, logistiset mallit, sekamallit - Yleistetyt lineaariset sekamallit (Generalize linear mixe moels) 25

26 Asetelmaperusteiset menetelmät Asetelmaperusteiset suorat estimaattorit Horvitz-Thompson (HT) estimaattorit Hájek-tyyppinen estimaattori Asetelmaperusteiset malliavusteiset estimaattorit Suoria tai epäsuoria estimaattoreita Yleistetyt regressioestimaattorit (generalize regression estimators) GREG Kalibrointiestimaattorit - Särnal, Swensson an Wretman (1992) - Lehtonen, Särnal an Veijanen (2003, 2005) - Lehtonen an Pahkinen (2004), luku 6 - Lehtonen an Veijanen (2009) 26

27 Malliperusteiset menetelmät Synteettiset estimaattorit SYN EBLUP- ja EBP-estimaattorit Empirical Best Linear Unbiase Preictor Empirical Best Preictor Rao (2003) EURAREA-projekti, Domest-ohjelma Bayes-menetelmät Empirical Bayes, Hierarchical Bayes Poverty mapping Worl Bank, Peter Lanjouw, Chris Elbers, PovMap Software 27

28 HUOM: Tilastollisen mallin rooli Asetelmaperusteinen GREG Malleja käytetään avustavina työkaluina GREG-estimaattorit ovat malliavusteisia (moel-assiste) Malliperusteinen SYN Nojautuu kokonaisuuessaan tilastolliseen malliin SYN-estimaattorit ovat malliperusteisia (moel-base) tai mallisionnaisia (moel-epenent) 28

29 Estimaattoreien ominaisuuksia Table 1 Asetelmaperusteiset estimaattorit HT, GREG Likimain harhattomia Varianssi voi kasvaa suureksi, jos osajoukon otoskoko on pieni - Varianssi pienenee otoskoon kasvaessa Malliperusteiset estimaattorit SYN, EBLUP, EBP Harhaisia määritelmän mukaan (All moels are wrong but some are useful). - Harha ei pienene otoskoon kasvaessa! Varianssi voi olla pieni myös pienissä osajoukoissa MSE voi olla suuri jos harha on ominoiva 29

30 Estimaattoreien tilastollisten ominaisuuksien vertailu Osajoukkojen totaalien t estimaattoreien vertailu: Harha: Bias Bias( tˆ ) ( ˆ E t ) t Varianssi: 2 Precision Var( tˆ ) ( ˆ ( ˆ E t E t )) Keskineliövirhe: Accuracy 2 2 MSE( tˆ ) E( tˆ t ) Var( tˆ ) Bias ( tˆ ) 30

31 Design-base properties of estimators Bias Precision (Variance) Accuracy (Mean Square Error, MSE) Confience intervals Design-base methos HT, GREG, MC Design unbiase (approximately) by the construction principle Large variance for small omains Variance ecreases with increasing sample size MSE = Variance (or nearly so) Vali esign-base CI can be constructe Moel-base methos SYN, EBLUP, EB Design biase Bias oes not necessarily approach zero with increasing sample size Small variance for small omains Variance ecreases with increasing sample size MSE = Variance + square Bias Accuracy can be poor if the bias is substantial Vali esign-base CI not necessarily obtaine 31

32 Estimaattoreien työnjako Asetelmaperusteisia estimaattoreita (HT, GREG) käytetään tyypillisesti suurille osajoukoille (suuri otoskoko, pieni varianssi). Malliperusteisia estimaattoreita (SYN, EBLUP) käytetään pienille osajoukoille, (pieni otoskoko, pieni varianssi) joissa asetelmaperusteiset estimaattorit toimivat huonosti (suuri varianssi).

33 Natural application areas of estimation approaches by omain sample size DOMAIN SAMPLE SIZE ESTIMATION APPROACH Minor Meium Major Moel-base Synthetic SYN EBLUP, EBP Design-base Horvitz-Thompson HT GREG, MC Applicability 0 Not at all + Low ++ Meium +++ High 33

34 Selecte literature - Design-base Särnal, C.-E., Swensson, B. an Wretman, J. (1992). Moel assiste survey sampling. New York: Springer. Lehtonen R. an Pahkinen E. (2004). Practical Methos for Design an Analysis of Complex Surveys. Secon Eition. Chichester: John Wiley & Sons. Chapter 6. Lehtonen R. an Veijanen A. (2009). Design-base methos of estimation for omains an small areas. Chapter 31 in Rao C.R. an Pfeffermann D. (Es.). Hanbook of Statistics. Sample Surveys: Inference an Analysis. Vol. 29B. New York: Elsevier. 34

35 35

36 Selecte literature - Design-base Lehtonen, R. an Veijanen, A. (1998). Logistic generalize regression estimators. Survey Methoology 24, Lehtonen R., Särnal C.-E. an Veijanen, A. (2003). The effect of moel choice in estimation for omains, incluing small omains. Survey Methoology, 29, Lehtonen R., Särnal C.-E. an Veijanen A. (2005). Does the moel matter? Comparing moel-assiste an moelepenent estimators of class frequencies for omains. Statistics in Transition, 7, Särnal, C.-E. (2007). The calibration approach in survey theory an practice. Survey Methoology 33,

37 Selecte literature - Moel-base Rao J.N.K. (2003). Small Area Estimation. New York: John Wiley & Sons. Longfor N. (2005). Missing Data an Small-area Estimation: Moern Analytical Equipment for the Survey Statistician. New York: Springer. Fay, R.E., an Herriot, R.A. (1979). Estimates of income for small places: an application of James-Stein proceure to census ata. JASA 74,

38 Selecte literature - Moel-base Battese, G.E., Harter, R.M., an Fuller, W.A. (1988), An Error-Components Moel for Preiction of County Crop Areas Using Survey an Satellite Data, JASA 80, Ghosh, M., an Rao, J.N.K. (1994). Small area estimation: an appraisal. Statistical Science 9, Jiang J. an Lahiri P. (2006). Mixe moel preiction an small area estimation. TEST 15,

Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa

Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa Risto Lehtonen Helsingin yliopisto Kela 1 Tilastokeskuksen SAS-seminaari 16.11.2009 Aiheita Kelan tutkimustoiminta SAS-sovellukset vaativien

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

SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä. Antti Suoperä 16.11.2009

SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä. Antti Suoperä 16.11.2009 SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä Antti Suoperä 16.11.2009 SAS/IML käyttö ekonometristen mallien tilastollisessa päättelyssä: Matriisi ja vektori laskennan ohjelmisto edellyttää

Lisätiedot

LYTH-CONS CONSISTENCY TRANSMITTER

LYTH-CONS CONSISTENCY TRANSMITTER LYTH-CONS CONSISTENCY TRANSMITTER LYTH-INSTRUMENT OY has generate new consistency transmitter with blade-system to meet high technical requirements in Pulp&Paper industries. Insurmountable advantages are

Lisätiedot

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1

ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011

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

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

The relationship between leisuretime physical activity and work stress with special reference to heart rate variability analyses

The relationship between leisuretime physical activity and work stress with special reference to heart rate variability analyses The relationship between leisuretime physical activity and work stress with special reference to heart rate variability analyses Teisala Tiina, TtM, tohtorikoulutettava Jyväskylän yliopisto Terveystieteiden

Lisätiedot

Health 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013. Esa Virtala. etunimi.sukunimi@thl.

Health 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013. Esa Virtala. etunimi.sukunimi@thl. Health 2000/2011 Surveys Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013 Esa Virtala etunimi.sukunimi@thl.fi Terveyden ja hyvinvoinnin laitos (THL) PL 30 00271 Helsinki Puhelin:

Lisätiedot

Use of spatial data in the new production environment and in a data warehouse

Use of spatial data in the new production environment and in a data warehouse Use of spatial data in the new production environment and in a data warehouse Nordic Forum for Geostatistics 2007 Session 3, GI infrastructure and use of spatial database Statistics Finland, Population

Lisätiedot

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA

1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,

Lisätiedot

Research plan for masters thesis in forest sciences. The PELLETime 2009 Symposium Mervi Juntunen

Research plan for masters thesis in forest sciences. The PELLETime 2009 Symposium Mervi Juntunen Modelling tree and stand characteristics and estimating biomass removals and harvesting costs of lodgepole pine (Pinus contorta) plantations in Iceland Research plan for masters thesis in forest sciences

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

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

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking) 7. Lohkominen ja sulautus 2 k kokeissa Lohkominen (Blocking) Lohkotekijät muodostuvat faktoreista, joiden suhteen ei voida tehdä (täydellistä) satunnaistamista. Esimerkiksi faktorikokeessa raaka-aine-erät

Lisätiedot

LX 70. Ominaisuuksien mittaustulokset 1-kerroksinen 2-kerroksinen. Fyysiset ominaisuudet, nimellisarvot. Kalvon ominaisuudet

LX 70. Ominaisuuksien mittaustulokset 1-kerroksinen 2-kerroksinen. Fyysiset ominaisuudet, nimellisarvot. Kalvon ominaisuudet LX 70 % Läpäisy 36 32 % Absorptio 30 40 % Heijastus 34 28 % Läpäisy 72 65 % Heijastus ulkopuoli 9 16 % Heijastus sisäpuoli 9 13 Emissiivisyys.77.77 Auringonsuojakerroin.54.58 Auringonsäteilyn lämmönsiirtokerroin.47.50

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

The BaltCICA Project Climate Change: Impacts, Costs and Adaptation in the Baltic Sea Region

The BaltCICA Project Climate Change: Impacts, Costs and Adaptation in the Baltic Sea Region The BaltCICA Project Climate Change: Impacts, Costs and Adaptation in the Baltic Sea Region The BaltCICA Project is designed to focus on the most imminent problems that climate change is likely to cause

Lisätiedot

ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin. Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana

ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin. Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana Taustaa KAO mukana FINECVET-hankeessa, jossa pilotoimme ECVETiä

Lisätiedot

Jyrki Kontio, Ph.D. 11.3.2010

Jyrki Kontio, Ph.D. 11.3.2010 Jyrki Kontio, Ph.D. Principal Consultant, R & D-Ware Oy Risk mgmt consulting and training Software engineering consulting Technical due diligence Process management and improvement Board member at QPR

Lisätiedot

Millainen on onnistunut ICT-projekti?

Millainen on onnistunut ICT-projekti? Millainen on onnistunut ICT-projekti? Ohjelmistotuotannon lehtori Tero Tensu Ahtee Ohjelmistotekniikan laitoksella 1990- Projektityö-kurssilla 1991- pesunkestävä yliopistohampuusi ei päivääkään oikeissa

Lisätiedot

Laskuharjoitus 9, tehtävä 6

Laskuharjoitus 9, tehtävä 6 Aalto-yliopiston perustieteiden korkeakoulu Jouni Pousi Systeemianalyysin laboratorio Mat-2.4129 Systeemien identifiointi Laskuharjoitus 9, tehtävä 6 Tämä ohje sisältää vaihtoehtoisen tavan laskuharjoituksen

Lisätiedot

HPV ja irtosolututkimukset, kliinikon näkökulma. Pekka Nieminen Dosentti Klinikkaylilääkäri HYKS, naistentaudit

HPV ja irtosolututkimukset, kliinikon näkökulma. Pekka Nieminen Dosentti Klinikkaylilääkäri HYKS, naistentaudit HPV ja irtosolututkimukset, kliinikon näkökulma Pekka Nieminen Dosentti Klinikkaylilääkäri HYKS, naistentaudit Human Papilloma Virus DNA-virus Ilman HPV:tä ei synny kohdunkaulan syöpää Harald zur Hausen,

Lisätiedot

Basic Flute Technique

Basic Flute Technique Herbert Lindholm Basic Flute Technique Peruskuviot huilulle op. 26 Helin & Sons, Helsinki Basic Flute Technique Foreword This book has the same goal as a teacher should have; to make himself unnecessary.

Lisätiedot

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

Käytännön kokemuksia osallistumisesta EU projekteihin. 7. puiteohjelman uusien hakujen infopäivät 2011

Käytännön kokemuksia osallistumisesta EU projekteihin. 7. puiteohjelman uusien hakujen infopäivät 2011 Käytännön kokemuksia osallistumisesta EU projekteihin 7. puiteohjelman uusien hakujen infopäivät 2011 15.3.2010 07.09.2011 Markku Timo Ture Nikkilä T&K yritys, 8 henkilöä Elastopoli Oy PK-yritys, omistajina

Lisätiedot

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit

Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit Tilastollisen analyysin perusteet Luento 3: Epäparametriset tilastolliset testit s t ja t kahden Sisältö t ja t t ja t kahden kahden t ja t kahden t ja t Tällä luennolla käsitellään epäparametrisia eli

Lisätiedot

2. Yhden selittäajäan lineaarinen regressiomalli. 2.1 Malli ja parametrien estimointi. Malli:

2. Yhden selittäajäan lineaarinen regressiomalli. 2.1 Malli ja parametrien estimointi. Malli: 2. Yhden selittäajäan lineaarinen regressiomalli Regressio-termi peräaisin Galtonilta. IsÄan ja pojan pituus: PitkÄa isäa lyhyempi poika, lyhyt isäa pidempi poika. Son height (cm) 21 2 19 18 17 16 15 15

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

812336A C++ -kielen perusteet, 21.8.2010

812336A C++ -kielen perusteet, 21.8.2010 812336A C++ -kielen perusteet, 21.8.2010 1. Vastaa lyhyesti seuraaviin kysymyksiin (1p kaikista): a) Mitä tarkoittaa funktion ylikuormittaminen (overloading)? b) Mitä tarkoittaa jäsenfunktion ylimääritys

Lisätiedot

3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ

3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ Puhe ja kieli, 27:4, 141 147 (2007) 3 9-VUOTIAIDEN LASTEN SUORIUTUMINEN BOSTONIN NIMENTÄTESTISTÄ Soile Loukusa, Oulun yliopisto, suomen kielen, informaatiotutkimuksen ja logopedian laitos & University

Lisätiedot

Harjoitus 9: Excel - Tilastollinen analyysi

Harjoitus 9: Excel - Tilastollinen analyysi Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin

Lisätiedot

LÄHTEIDEN MERKITSEMINEN TEKSTIIN KANSANTALOUS 2008 Lähdeviitteiden käyttö kandidaatti- ja pro gradu työssä.

LÄHTEIDEN MERKITSEMINEN TEKSTIIN KANSANTALOUS 2008 Lähdeviitteiden käyttö kandidaatti- ja pro gradu työssä. LÄHTEIDEN MERKITSEMINEN TEKSTIIN KANSANTALOUS 2008 Lähdeviitteiden käyttö kandidaatti- ja pro gradu työssä. Pohjautuu ohjeisiin tiedekunnan yleisiin ohjeisiin lähteidenkäytöstä: http://www.uwasa.fi/kauppatieteet/opiskelu/kirjoitusohjeet/lahteet/

Lisätiedot

Tuloverotuksen vaikutus työn tarjontaan

Tuloverotuksen vaikutus työn tarjontaan Tuloverotuksen vaikutus työn tarjontaan Tuomas Matikka VATT Valtiovarainvaliokunta, verojaosto 19.2.2016 Tuomas Matikka (VATT) Tuloverotus ja työn tarjonta Verojaosto 1 / 11 Taustaa Esitys perustuu tammikuussa

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

TILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA. Pentti Nieminen 03.11.2014

TILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA. Pentti Nieminen 03.11.2014 TILASTOLLISTEN MENETELMIEN KIRJO JA KÄYTTÖ LÄÄKETIETEEN TUTKIMUSJULKAISUISSA LUKIJAN NÄKÖKULMA 2 TAUSTAKYSYMYKSIÄ 3 Mitä tutkimusmenetelmiä ja taitoja opiskelijoille tulisi opettaa koulutuksen eri vaiheissa?

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

Mitä mahdollisuuksia tuloksemme tarjoavat museoille?

Mitä mahdollisuuksia tuloksemme tarjoavat museoille? Mitä mahdollisuuksia tuloksemme tarjoavat museoille? Prof. Eero Hyvönen Helsinki Institute for Information Technology HIIT University of Helsinki, Dept. of Computer Science Semantic Computing Research

Lisätiedot

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely

MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Aikataulu ja suoritustapa (Katso MyCourses) Luennot

Lisätiedot

Data Quality Master Data Management

Data Quality Master Data Management Data Quality Master Data Management TDWI Finland, 28.1.2011 Johdanto: Petri Hakanen Agenda 08.30-09.00 Coffee 09.00-09.30 Welcome by IBM! Introduction by TDWI 09.30-10.30 Dario Bezzina: The Data Quality

Lisätiedot

5 Osa 5: Ohjelmointikielen perusteita

5 Osa 5: Ohjelmointikielen perusteita 5 Osa 5: Ohjelmointikielen perusteita 5.1 Omat funktiot R on lausekekieli: Kaikki komennot kuten funktiokutsut ja sijoitusoperaatiot ovat lausekkeita. Lausekkeet palauttavat jonkin arvon. Lausekkeita voidaan

Lisätiedot

TAPAUS-VERROKKITUTKIMUS

TAPAUS-VERROKKITUTKIMUS TAPAUS-VERROKKI TUTKIMUKSEN TYYPIT JA TULOSTEN ANALYYSI Simo Näyhä Jari Jokelainen Kansanterveystieteen ja yleislääketieteen laitoksen jatkokoulutusmeeting.3.4.2007 TAPAUS-VERROKKITUTKIMUS Idea Tutkimusryhmät

Lisätiedot

SIMULINK S-funktiot. SIMULINK S-funktiot

SIMULINK S-funktiot. SIMULINK S-funktiot S-funktio on ohjelmointikielellä (Matlab, C, Fortran) laadittu oma algoritmi tai dynaamisen järjestelmän kuvaus, jota voidaan käyttää Simulink-malleissa kuin mitä tahansa valmista lohkoa. S-funktion rakenne

Lisätiedot

TIETEEN PÄIVÄT OULUSSA 1.-2.9.2015

TIETEEN PÄIVÄT OULUSSA 1.-2.9.2015 1 TIETEEN PÄIVÄT OULUSSA 1.-2.9.2015 Oulun Yliopisto / Tieteen päivät 2015 2 TIETEEN PÄIVÄT Järjestetään Oulussa osana yliopiston avajaisviikon ohjelmaa Tieteen päivät järjestetään saman konseptin mukaisesti

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

* lotta.laine@cancer.fi for more information. Sakari Nurmela

* lotta.laine@cancer.fi for more information. Sakari Nurmela Finnish families and holidays in the Sun Views among parents of underaged children about sunprotection on holiday trips Lotta Laine*, Liisa Pylkkänen, and Tapani Koskela Cancer Society of Finland Finnish

Lisätiedot

Finland, Data Sources Last revision: 01-11-2011

Finland, Data Sources Last revision: 01-11-2011 Finland, Data Sources Last revision: 01-11-2011 LIVE BIRTHS Live births by age/cohort of mother 1976-1981: Väestö 1976-1981 Osa I, Väestörakenne ja väestönmuutokset, Koko maa ja läänit. Suomen Virallinen

Lisätiedot

ATH-koulutus THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1

ATH-koulutus THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 ATH-koulutus THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelma Ositus ja 75 vuotta täyttäneiden ylipoiminta Painokertoimet Tulosten esittäminen: mallivakiointi Esimerkit

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

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

Tavaroiden ulkomaankauppatilastojen tulkinnan haasteet. 22.3.2012 Timo Koskimäki

Tavaroiden ulkomaankauppatilastojen tulkinnan haasteet. 22.3.2012 Timo Koskimäki Tavaroiden ulkomaankauppatilastojen tulkinnan haasteet 22.3.2012 Timo Koskimäki 1 Sisältö Johdannoksi Esimerkit Mikro: Kännykän arvonlisän komponentit Makro: Suomen kauppatase ja viestintäklusteri Kauppatilastojen

Lisätiedot

Altisteiden ja sairauksien mittaaminen. Biostatistiikan näkökulmasta EPIDEMIOLOGIAN JA BIOSTATISTIIKAN PERUSTEET. L2 kevät 2007

Altisteiden ja sairauksien mittaaminen. Biostatistiikan näkökulmasta EPIDEMIOLOGIAN JA BIOSTATISTIIKAN PERUSTEET. L2 kevät 2007 EPIDEMIOLOGIAN JA BIOSTATISTIIKAN PERUSTEET L2 kevät 2007 mittaaminen Biostatistiikan näkökulmasta Janne Pitkäniemi VTM, MSc (biometry) HY, Kansanterveystieteen laitos 1 Perusjoukon ja otoksen käsitteet

Lisätiedot

Milloin. kannattaa paaluttaa? Väitöstutkimus. Turun perustustenvahvistuksesta

Milloin. kannattaa paaluttaa? Väitöstutkimus. Turun perustustenvahvistuksesta Milloin kannattaa paaluttaa? Väitöstutkimus Turun perustustenvahvistuksesta Jouko Lehtonen 26.1.2012 Perustustenvahvistushanke; rakennuttajan näkökulmia tekniikkaan, talouteen ja projektinhallintaan Underpinning

Lisätiedot

Vertailutestien tulosten tulkinta Mikä on hyvä tulos?

Vertailutestien tulosten tulkinta Mikä on hyvä tulos? Vertailutestien tulosten tulkinta Mikä on hyvä tulos? Pertti Virtala PANK-menetelmäpäivä 29.1.2015 Sisältö Mittaustarkkuuden käsitteitä Mittaustarkkuuden analysointi Stabiilius Kohdistuvuus Toistettavuus

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

Paikkatiedon semanttinen mallinnus, integrointi ja julkaiseminen Case Suomalainen ajallinen paikkaontologia SAPO

Paikkatiedon semanttinen mallinnus, integrointi ja julkaiseminen Case Suomalainen ajallinen paikkaontologia SAPO Paikkatiedon semanttinen mallinnus, integrointi ja julkaiseminen Case Suomalainen ajallinen paikkaontologia SAPO Tomi Kauppinen, Eero Hyvönen, Jari Väätäinen Semantic Computing Research Group (SeCo) http://www.seco.tkk.fi/

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

Big data tilastotoimessa: standardoinnin näkökulma, SFS-seminaari. Pasi Piela, 2.6.2015

Big data tilastotoimessa: standardoinnin näkökulma, SFS-seminaari. Pasi Piela, 2.6.2015 Big data tilastotoimessa: standardoinnin näkökulma, SFS-seminaari Pasi Piela, 2.6.2015 Rekisterit ja big data Vanha Big Data - Hallinnolliset rekisteriaineistot (verotus, väestö, sosiaaliturva, ulkomaankauppa

Lisätiedot

KYMENLAAKSO- FINLAND S LOGISTICS CENTRE- REGION OF OPPORTUNITIES Kai Holmberg, NELI-North European Logistics Institute RIGA 20.04.

KYMENLAAKSO- FINLAND S LOGISTICS CENTRE- REGION OF OPPORTUNITIES Kai Holmberg, NELI-North European Logistics Institute RIGA 20.04. KYMENLAAKSO- FINLAND S LOGISTICS CENTRE- REGION OF OPPORTUNITIES Kai Holmberg, NELI-North European Logistics Institute RIGA 20.04.2010 20.7.2012 Finland Land of A Thousand Lakes 187,888 lakes 5,100 rapids

Lisätiedot

ATLAS-kartan esittely - Peli palveluiden yhteiskehittämisen menetelmistä Päivi Pöyry-Lassila, Aalto-yliopisto

ATLAS-kartan esittely - Peli palveluiden yhteiskehittämisen menetelmistä Päivi Pöyry-Lassila, Aalto-yliopisto ATLAS-kartan esittely - Peli palveluiden yhteiskehittämisen menetelmistä Päivi Pöyry-Lassila, Aalto-yliopisto Serve Research Brunch 24.10.2013 Esityksen sisältö ATLAS-hanke lyhyesti ATLAS-kartan kehittäminen:

Lisätiedot

Miten koulut voivat? Peruskoulujen eriytyminen ja tuki Helsingin metropolialueella

Miten koulut voivat? Peruskoulujen eriytyminen ja tuki Helsingin metropolialueella Miten koulut voivat? Peruskoulujen eriytyminen ja tuki Helsingin metropolialueella 26.4.2012 1 "There is often a property bubble around catchment areas. If a school makes a house more saleable or desirable,

Lisätiedot

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.

Lisätiedot

Integration of Finnish web services in WebLicht Presentation in Freudenstadt 2010-10-16 by Jussi Piitulainen

Integration of Finnish web services in WebLicht Presentation in Freudenstadt 2010-10-16 by Jussi Piitulainen Integration of Finnish web services in WebLicht Presentation in Freudenstadt 2010-10-16 by Jussi Piitulainen Who we are FIN-CLARIN University of Helsinki The Language Bank of Finland CSC - The Center for

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman

Lisätiedot

Epävarmuus ja sen huomioiminen hydrologisessa mallinnuksessa

Epävarmuus ja sen huomioiminen hydrologisessa mallinnuksessa Epävarmuus ja sen huomioiminen hydrologisessa mallinnuksessa Jarkko J. Koskela Harri Koivusalo Yhdyskunta- ja ympäristötekniikan laitos Aalto-yliopiston insinööritieteiden korkeakoulu Mallinnusseminaari

Lisätiedot

Helsinki Metropolitan Area Council

Helsinki Metropolitan Area Council Helsinki Metropolitan Area Council Current events at YTV The future of YTV and HKL On the initiative of 4 city mayors the Helsinki region negotiation consortiums coordinating group have presented that:

Lisätiedot

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO

Aki Taanila YHDEN SELITTÄJÄN REGRESSIO Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...

Lisätiedot

Tilastokeskuksen liikevaihtoindeksien ennakkotietojen estimointimenetelmän kehittäminen. Heli Holtari. Tilastotieteen pro gradu -tutkielma

Tilastokeskuksen liikevaihtoindeksien ennakkotietojen estimointimenetelmän kehittäminen. Heli Holtari. Tilastotieteen pro gradu -tutkielma Tilastokeskuksen liikevaihtoindeksien ennakkotietojen estimointimenetelmän kehittäminen Heli Holtari Tilastotieteen pro gradu -tutkielma Jyväskylän yliopisto Matematiikan ja tilastotieteen laitos Kevät

Lisätiedot

USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI

USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI TEORIA USEAN MUUTTUJAN REGRESSIOMALLIT JA NIIDEN ANA- LYYSI Regressiomalleilla kuvataan tilanteita, jossa suureen y arvot riippuvat joukosta ns selittäviä muuttujia x 1, x 2,..., x p oletetun funktiomuotoisen

Lisätiedot

Requirements for Modelling Bicycle Traffic A project funded by Ministry of Transportation and Telecommunications (Finland)

Requirements for Modelling Bicycle Traffic A project funded by Ministry of Transportation and Telecommunications (Finland) Requirements for Modelling Bicycle Traffic A project funded by Ministry of Transportation and Telecommunications (Finland) Jukka Räsänen, Tuuli Järvi-Nykänen (Technical Research Centre of Finland) Jukka-Matti

Lisätiedot

Kyselytutkimusten. Erkki Pahkinen Kyselytutkimusten otantamenetelmät ja aineistoanalyysi. Erkki Pahkinen OTANTAMENETELMÄT JA AINEISTOANALYYSI

Kyselytutkimusten. Erkki Pahkinen Kyselytutkimusten otantamenetelmät ja aineistoanalyysi. Erkki Pahkinen OTANTAMENETELMÄT JA AINEISTOANALYYSI ISBN 978-951-39-4687-6 Otantamenetelmin kerätyt kyselyaineistot ja niis tä tuotetut tutkimukset ovat nyky-yhteiskunnan arkea. Kirja perehdyttää lukijan otanta-aineistojen keräysja analyysimenetelmien periaatteisiin

Lisätiedot

Students Experiences of Workplace Learning Marja Samppala, Med, doctoral student

Students Experiences of Workplace Learning Marja Samppala, Med, doctoral student Students Experiences of Workplace Learning Marja Samppala, Med, doctoral student Research is focused on Students Experiences of Workplace learning (WPL) 09/2014 2 Content Background of the research Theoretical

Lisätiedot

SQL SERVER 2012 PARALLEL DATA WAREHOUSE APPLIANCE

SQL SERVER 2012 PARALLEL DATA WAREHOUSE APPLIANCE SQL SERVER 2012 PARALLEL DATA WAREHOUSE APPLIANCE Toukokuu, 2013 Pekka Pykäläinen Tuote- ja ratkaisupäällikkö Application Platform Microsoft HYÖDYNNÄ KAIKKI KÄYTETTÄVISSÄ OLEVA TIETO NEW WORLD OF DATA

Lisätiedot

Software Signing System System overview and key domain concepts

Software Signing System System overview and key domain concepts Software Signing System System overview and key domain concepts Copyright 2004 F-Secure Corporation. All rights reserved. Contents 1 System overview...1 2 Main domain concepts...2 3 Roles and user groups...3

Lisätiedot

Perusterveydenhuollon erilaisten diabeteksen hoitomallien tuloksellisuuden vertailu (painopisteenä tyypin 1 diabetes)

Perusterveydenhuollon erilaisten diabeteksen hoitomallien tuloksellisuuden vertailu (painopisteenä tyypin 1 diabetes) SYLY- päivät 2014 Helsinki 28.11.2014 Perusterveydenhuollon erilaisten diabeteksen hoitomallien tuloksellisuuden vertailu (painopisteenä tyypin 1 diabetes) Diabeteslääkäri Mikko Honkasalo Nurmijärven terveyskeskus

Lisätiedot

Kuluttajabarometri: taulukot

Kuluttajabarometri: taulukot SVT Tulot ja kulutus 2014 Inkomst och konsumtion Income and Consumption Kuluttajabarometri: taulukot 2014, joulukuu Kuluttajien odotukset omasta taloudestaan ja yksityisen kulutuksen vuosimuutos 1995-2014

Lisätiedot

Ohjelmointikielet ja -paradigmat 5op. Markus Norrena

Ohjelmointikielet ja -paradigmat 5op. Markus Norrena Ohjelmointikielet ja -paradigmat 5op Markus Norrena Kotitehtävä 6, toteuttakaa alla olevan luokka ja attribuutit (muuttujat) Kotitehtävä 6, toteuttakaa alla olevan luokka ja attribuutit (muuttujat) Huom!

Lisätiedot

Mustat joutsenet pörssikaupassa

Mustat joutsenet pörssikaupassa Mustat joutsenet pörssikaupassa Kimmo Vehkalahti yliopistonlehtori, VTT soveltavan tilastotieteen dosentti Opettajien akatemian jäsen Yhteiskuntatilastotiede, Sosiaalitieteiden laitos Valtiotieteellinen

Lisätiedot

Miten yrittäjät reagoivat verokannustimiin? Tuloksia ja tulkintaa

Miten yrittäjät reagoivat verokannustimiin? Tuloksia ja tulkintaa Miten yrittäjät reagoivat verokannustimiin? Tuloksia ja tulkintaa Tuomas Matikka VATT VATT-päivä 8.10.2014 Tuomas Matikka (VATT) Miten yrittäjät reagoivat verokannustimiin? VATT-päivä 8.10.2014 1 / 14

Lisätiedot

Laskentaoletukset ja laskentamenetelmien kehitystarpeet

Laskentaoletukset ja laskentamenetelmien kehitystarpeet Laskentaoletukset ja laskentamenetelmien kehitystarpeet Jarek Kurnitski, Aalto- yliopisto, Tallinnan teknillinen yliopisto FInZEB- työpaja 5.6.2014 5.6.2014 1 nzeb laskentamenetelmä D3 2012 mahdolliset

Lisätiedot

Lausunto on KANNANOTTO mittaustuloksiin

Lausunto on KANNANOTTO mittaustuloksiin MetropoliLab Oy 010 3913 431 timo.lukkarinen@metropolilab.fi Viikinkaari 4, (Cultivator II, D-siipi) 00790 Helsinki Sisäilman VOC-tutkimuksia tehdään monista lähtökohdista, kuten mm.: kuntotutkimus esim.

Lisätiedot

TIEKE Verkottaja Service Tools for electronic data interchange utilizers. Heikki Laaksamo

TIEKE Verkottaja Service Tools for electronic data interchange utilizers. Heikki Laaksamo TIEKE Verkottaja Service Tools for electronic data interchange utilizers Heikki Laaksamo TIEKE Finnish Information Society Development Centre (TIEKE Tietoyhteiskunnan kehittämiskeskus ry) TIEKE is a neutral,

Lisätiedot

Englannin kielen ja viestinnän ja ammattiaineiden integrointiyhteistyö insinöörikoulutuksessa

Englannin kielen ja viestinnän ja ammattiaineiden integrointiyhteistyö insinöörikoulutuksessa Englannin kielen ja viestinnän ja ammattiaineiden integrointiyhteistyö insinöörikoulutuksessa Ammattikorkeakoulujen kielten ja viestinnän opettajien neuvottelupäivät Lapin ammattikorkeakoulussa 13.-14.11.2014

Lisätiedot

Nuorisotyöttömyys Euroopassa. Eurooppafoorumi: Työläisten Eurooppa, Tampere, 6.9.2013 Liisa Larja (liisa.larja@stat.fi)

Nuorisotyöttömyys Euroopassa. Eurooppafoorumi: Työläisten Eurooppa, Tampere, 6.9.2013 Liisa Larja (liisa.larja@stat.fi) Nuorisotyöttömyys Euroopassa Eurooppafoorumi: Työläisten Eurooppa, Tampere, 6.9.2013 Liisa Larja (liisa.larja@stat.fi) 2 Talouskriisin vaikutus nuorisotyöttömyyteen (15-24 v.) 25,0 20,0 15,0 23,3 20,1

Lisätiedot

Building Information Model (BIM) promoting safety in the construction site process. SafetyBIM research project 10/2007 2/2009. (TurvaBIM in Finnish)

Building Information Model (BIM) promoting safety in the construction site process. SafetyBIM research project 10/2007 2/2009. (TurvaBIM in Finnish) Building Information Model (BIM) promoting safety in the construction site process research project 10/2007 2/2009 (TurvaBIM in Finnish) Building Information Model (BIM) promoting safety in the construction

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

Karkaavatko ylläpitokustannukset miten kustannukset ja tuotot johdetaan hallitusti?

Karkaavatko ylläpitokustannukset miten kustannukset ja tuotot johdetaan hallitusti? For professional use only Not for public distribution Karkaavatko ylläpitokustannukset miten kustannukset ja tuotot johdetaan hallitusti? 08.02.2012 Jyrki Merjamaa, Head of Asset Management Aberdeen Asset

Lisätiedot

Kuluttajabarometri: taulukot

Kuluttajabarometri: taulukot Suomen virallinen tilasto Finlands officiella statistik Official Statistics of Finland Tulot ja kulutus 2015 Kuluttajabarometri: taulukot 2015, syyskuu Kysymyksen saldoluku saadaan vähentämällä vastausvaihtoehtoja

Lisätiedot

Kuluttajabarometri: taulukot

Kuluttajabarometri: taulukot Suomen virallinen tilasto Finlands officiella statistik Official Statistics of Finland Tulot ja kulutus 2015 Kuluttajabarometri: taulukot 2015, joulukuu Kysymyksen saldoluku saadaan vähentämällä vastausvaihtoehtoja

Lisätiedot

SELL Student Games kansainvälinen opiskelijaurheilutapahtuma

SELL Student Games kansainvälinen opiskelijaurheilutapahtuma SELL Student Games kansainvälinen opiskelijaurheilutapahtuma Painonnosto 13.5.2016 (kansallinen, CUP) Below in English Paikka: Nääshalli Näsijärvenkatu 8 33210 Tampere Alustava aikataulu: Punnitus 12:00-13:00

Lisätiedot

TIE-20200 Ohjelmistojen suunnittelu

TIE-20200 Ohjelmistojen suunnittelu TIE-20200 Ohjelmistojen suunnittelu Luento 1: Virtuaalifunktiot, Template method 1 Yleistä asiaa Muistakaa harkkatyöilmoittautuminen 23 ryhmää (mm. lihansyöjäkirahvi), vajaita ryhmiäkin on 44 henkeä vielä

Lisätiedot

Uusia kokeellisia töitä opiskelijoiden tutkimustaitojen kehittämiseen

Uusia kokeellisia töitä opiskelijoiden tutkimustaitojen kehittämiseen The acquisition of science competencies using ICT real time experiments COMBLAB Uusia kokeellisia töitä opiskelijoiden tutkimustaitojen kehittämiseen Project N. 517587-LLP-2011-ES-COMENIUS-CMP This project

Lisätiedot

Tree map system in harvester

Tree map system in harvester Tree map system in harvester Fibic seminar 12.6.2013 Lahti Timo Melkas, Metsäteho Oy Mikko Miettinen, Argone Oy Kalle Einola, Ponsse Oyj Project goals EffFibre project 2011-2013 (WP3) To evaluate the accuracy

Lisätiedot

KÄYTTÖOHJE PEL 1000 / PEL 1000-M

KÄYTTÖOHJE PEL 1000 / PEL 1000-M V1.0 (19.02.2015) 1 (8) KÄYTTÖÖNOTTO Asennus - Lähetin tulisi asentaa mittauskohdan yläpuolelle kondensoitumisongelmien välttämiseksi. - Kanavan ylipaine mitataan siten, että kanavan mittayhde yhdistetään

Lisätiedot

Land-Use Model for the Helsinki Metropolitan Area

Land-Use Model for the Helsinki Metropolitan Area Land-Use Model for the Helsinki Metropolitan Area Paavo Moilanen Introduction & Background Metropolitan Area Council asked 2005: What is good land use for the transport systems plan? At first a literature

Lisätiedot

Perhevapaiden palkkavaikutukset

Perhevapaiden palkkavaikutukset Perhevapaiden palkkavaikutukset Perhe ja ura tasa-arvon haasteena seminaari, Helsinki 20.11.2007 Jenni Kellokumpu Esityksen runko 1. Tutkimuksen tavoite 2. Teoria 3. Aineisto, tutkimusasetelma ja otos

Lisätiedot

1 TILASTOMENETELMIEN PERUSTEITA

1 TILASTOMENETELMIEN PERUSTEITA 1 TILASTOMENETELMIEN PERUSTEITA Insinööritieteissä suoritetaan usein erilaisia mittauksia tai kokeita, joiden tuloksena saadaan numeerisia havaintoaineistoja tutkittavasta ilmiöstä. Hyvinvointiteknologiassa

Lisätiedot

Asiakaskannattavuus. Cost Management Center to higher profits

Asiakaskannattavuus. Cost Management Center to higher profits Cost Management Center to higher profits Asiakaskannattavuus Tampereen teknillinen yliopisto Teollisuustalous Cost Management Center http://www.tut.fi/cmc/ jari.paranko@tut.fi +358 40 849 0220 Industrial

Lisätiedot

Guidebook for Multicultural TUT Users

Guidebook for Multicultural TUT Users 1 Guidebook for Multicultural TUT Users WORKPLACE PIRKANMAA-hankkeen KESKUSTELUTILAISUUS 16.12.2010 Hyvää käytäntöä kehittämässä - vuorovaikutusopas kansainvälisille opiskelijoille TTY Teknis-taloudellinen

Lisätiedot

Hankkeen toiminnot työsuunnitelman laatiminen

Hankkeen toiminnot työsuunnitelman laatiminen Hankkeen toiminnot työsuunnitelman laatiminen Hanketyöpaja LLP-ohjelman keskitettyjä hankkeita (Leonardo & Poikittaisohjelma) valmisteleville11.11.2011 Työsuunnitelma Vastaa kysymykseen mitä projektissa

Lisätiedot