SPSS Statistics 17 tuoteperhe

Koko: px
Aloita esitys sivulta:

Download "SPSS Statistics 17 tuoteperhe"

Transkriptio

1 SPSS Statistics 17 tuoteperhe

2 Sisältö Peruspaketti: SPSS Base 3 SPSS Programmability 4 Lisämodulit: SPSS Statistics Tables 5 SPSS Statistics Regression 6 SPSS Statistics Advanced Statistics 7 SPSS Statistics Forecasting 8 SPSS Statistics Exact Tests 9 SPSS Statistics Categories 10 SPSS Statistics Missing Values 11 SPSS Statistics Conjoint 12 SPSS Statistics Complex Samples 13 SPSS Statistics Decision Trees 14 SPSS Statistics Data Preparation 15 SPSS Statistics Neural Networks 16 SPSS Statistics EZ RFM TM 17 Analyysiprosessin hallinta ja integraatio: SPSS Predictive Enterprise Services (PES) 18 2

3 SPSS Statistics 17 Base SPSS Statistics 17 Base SPSS Statistics Base sisältää kaikki toiminnot tiedon syöttöön, tietokantojen käsittelyyn ja hallintaan. Muuttujien uudelleenkoodaukset, uusien muuttujien luomiset sekä aikamuuttujien käsittelyt onnistuvat nopeasti helppokäyttöisillä muokkaustoiminnoilla. Mukana ovat myös tilastolliset tunnusluvut, suhdeluvut ja korrelaatiot. Seuraavat analyysit sisältyvät Base moduliin: Ristiintaulukointi ja khii-toiseen riippumattomuustesti Keskiarvotestit t-testit Yksi- ja useampisuuntainen varianssianalyysi sekä kovarianssianalyysi Lineaarinen regressioanalyysi sekä Curve estimation toiminto (11 eri regressiomallia yhden selittäjän ja yhden selitettävän mallille) Järjestysasteikollisten regressioanalyysi eli Ordinal Regression Ryhmittelyanalyysi Hierarkkinen ryhmittelyanalyysi K-Means Two Step ryhmittelyanalyysi Erotteluanalyysi Faktori- ja pääkomponenttianalyysi Reliabiliteettianalyysi ja moniulotteinen skaalaus (MDS) Ei-parametriset menetelmät Lähimmän naapuruuden menetelmä (Nearest Neighbor) Multiple Response taulukot (monivastausmuuttujien käsittely) Matriisikieli, makrot sekä toimintojen ohjelmoitavuus käyttäen ulkopuolista ohjelmointikieltä, esim. python. Tulokset esitetään pivot-taulukoina, joita voidaan pyöritellä, piilottaa, kopioida ja muokata haluttuun muotoon. Taulukot on helppo tallentaa muihin sovelluksiin Export-toiminnon avulla: HTML, txt-muoto, Word, Excel, PowerPoint ja pdf. Mukana on yli 50 yleisintä kuvatyyppiä. Kuvia voi tehdä joko standardigrafiikalla tai käyttäen Chart Builder interaktiivista kuvan rakennustoimintoa. Lisäksi käytettävissä Graphboard - toiminto, jossa SPSS Viz Designer TM :lla tuotettuja kuvatemplateja, joilla saa tehtyä perusgrafiikkaan kuulumattomia erikoiskuvia. 5 3

4 SPSS Statistics 17 Programmability Extension SPSS Statistics 17 Programmability Extension SPSS Statistics Basen sisältämä SPSS Programmability Extension mahdollistaa ulkoisten ohjelmontikielten käytön osana SPSS-komentokieltä ja SPSS-toimintojen käytön muista ohjelmista. SPSS versioon 16 on kehitetty mm. seuraavat ulkoisten ohjelmointikielten käytön mahdollistavat adapterit: SPSS-Python Integration Plug-In Python plug-in sallii Python-kielellä tehtyjen toimintojen ja menetelmien käytön osana SPSS komentokieltä sekä SPSS-ohjelman toimintojen käytön ulkopuolisesta, Pythonilla tehdystä ohjelmasta. SPSS-asennusmedian mukana toimitettava avoimeen lähdekoodiin perustuva Scientific Algorithms Library for Python (SCIPY) kirjasto sisältää mm. tilastollisia menetelmiä, optimointialgoritmeja, lineaarialgebran toimintoja sekä signaalin- ja kuvankäsittelyn menetelmiä. SPSS-R Integration Plug-In R-kieli on avoimeen lähdekoodiin perustuva ohjelmointikieli, joka on kehitetty tilastolliseen tutkimukseen. Se sisältää graafiikkatoimintoja ja suuren määrän erilaisia tilastollisia menetelmiä. Kieli on tiedeyhteisössä laajasti käytetty ja suuri osa uusista algoritmeista ja menetelmistä julkaistaan nimenomaan R-kielellä. SPSS-R Integration Plug-In mahdollistaa R-kielen käytön osana SPSS-komentokieltä. Tällä kielellä toteutetut menetelmät voivat näin käyttää SPSS-aineistoja ja tuottaa SPSStulosteita. SPSS-VB.NET Plug-In Nykyinen VB.NET adapteri mahdollistaa SPSS-aineistojen ja toimintojen käytön ulkopuolisesta VB.NET ohjelmasta. Siten toimintojen kutsuminen ja tuloksien käisttely tapahtuu VB.NET -kielellä kirjoitetussa ohjelmassa, ei SPSS käyttöliittymän kautta. 4

5 SPSS Statistics 17 Tables SPSS Statistics 17 Tables SPSS Statistics Tables tuottaa julkaisuvalmiita taulukoita, joiden ulkoasu ja sisältö voidaan määritellä tilanteen mukaan. SPSS Tables mahdollistaa moniulotteisen taulukon tuottamisen halutuilla tunnusluvuilla sekä monivastauskysymysten taulukoinnin. Mukana ryhmienväliset keskiarvo- ja jakaumatestit sekä khii-toiseen riippumattomuustesti. Testit myös monivastauskysymyksille. Samaan taulukkoon voidaan taulukoida useiden eri muuttujien jakaumia.taulukoiden määrittely on helppoa siirretään vain halutut muuttujat paikoilleen taulukon esikatseluosaan ja tarkennetaan, mitä tietoja taulukossa halutaan esittää. Jo määrittelyvaiheessa nähdään millainen taulukosta tulee. 5

6 SPSS Statistics 17 Regression Models SPSS Statistics 17 Regression Kun tavallinen lineaarinen regressio ei riitä tai sen vaatimat oletukset eivät ole voimassa, tarjoaa Regression lisämoduli lisää vaihtoehtoja. Voit tehdä erilaisia selitysmalleja käytettävissä olevien muuttujien ja ominaisuuksien puitteissa. Voit selittää binääristä ilmiötä logistisella regressiolla, moniluokkaisissa tapauksissa multinomisella logistisella regressiolla, tai jos selitettävä ilmiö ei ole lineaarinen, voit käyttää epälineaarista regressiota määrittelemällä itse mallin. Regression analyysit: Logistinen regressio (Binary Logistic Regression (BLR)) Multinominen logistinen regressio (Multinomial Logistic Regression (MLR)) Epälineaarinen regressio (Nonlinear Regression (CNLR/NLR)) Pienimmän neliösumman menetelmät Weighted Least Square Regression (WLS) Two-stage least squares (2SLS) Probit analyysi Kuva: Käytä binääristä logistista regressioita ennustamaan kaksiluokkaisen tapahtuman todennäköisyyttä. 6

7 SPSS Statistics 17 Advanced Statistics SPSS Statistics 17 Advanced Statistics SPSS Statistics Advanced Statistics tarjoaa luotettavat analyysit, kun selitettävä ilmiö koostuu useista muuttujista tai kun työskennellään hierarkisesti jakautuneen datan kanssa. Seurantatutkimusten yhteydessä tarvittavat toistomittaukset sekä tilanteet, joissa eri toistoilla on eri määrä mittareita tai eri havainnoilla eri mitta-asteikot, hoituvat myös Advanced Statisticsin menetelmillä. Lisämoduli tarjoaa myös huippuunsa kehitetyt elinaikamenetelmät, jos tarkastellaan tapahtuman historiaa ja kestoa, mm. Kaplan-Meier ja Cox Regression. Advanced Statistics analyysit: GENLIN (Generalized linear models) GEE (Generalized estimating equations ) Sekamallit (Mixed models) Monimuuttujainen varianssianalyysi (MANOVA, MANCOVA) Toistomittaukset (Repeated Measures) Varianssikomponenttianalyysi (VARCOMP) Eloonjäämisanalyysi (Survival) Kaplan-Meier - estimointi Cox Regressio Loglineaariset mallit Kuva: Kolmetasoisen toistomittauksen tuottama profiilikuva 7

8 SPSS Statistics 17 Forecasting SPSS Statistics 17 Forecasting Käsiteltäessä aikasarjadataa, esimerkiksi kuukausittaisia myyntilukemia ja halutaan tuottaa ennusteita edellisvuosien myynnin mukaan tai halutaan tarkastella bruttokansantuotteen kehittymistä vuosien varrella, SPSS Statistics Forecasting aikasarjapaketti tarjoaa tähän välineet. Forecasting-lisämodulin Expert Modeler etsii automaattisesti parhaan mallin, se myös kertoo mitkä tekijät parhaiten kykenevät selittämään aikajänteen kehitystä. Voit myös itse määritellä manuaalisesti omilla parametreilla sopivan mallin. ARIMA-mallien ja eksponentiaalisen tasoituksen lisäksi mukana myös spektraalianalyysi (SPECTRA) ja kausivaihtelutasoitus (SEASON) Kuva 1: Aikasarja-analyysin tuottama kuva (ennuste vs tapahtunut) Kuva 2: ACF-kuva kertoo autokorrelaation suuruuden eri viiveillä 8

9 SPSS Statistics 17 Exact Tests SPSS Statistics 17 Exact Test SPSS Statistics Exact Tests on lisämoduli tilanteisiin, joissa halutaan analysoida vinosti jakautuneita aineistoja (esimerkiksi suuri prosentti vastanneista yhdessä luokassa), tai kun otoskoko on pieni. SPSS Statistics Exact Tests laskee luotettavat tulokset huolimatta otoksesi rakenteesta ja jakaumasta. Mukana yli 30 tarkkaa testiä tilanteisiin, joissa perinteiset testit epäonnistuvat. Exact testeillä voit käyttää pienempiä otoskokoja ja silti luottaa tuloksiisi. Exact testit varmistavat että sinulla on aina oikea testi käytettävissäsi. Sisältää: Exact p-arvot (1- ja 2-suuntaisen testauksen p-arvot) Fisherin Exact -testin Monte Carlon p-arvot Exact testit löytyvät ristiintaulukoinnin (Crosstabs) alla oleville menetelmille sekä eiparametrisille testeille. Kuva: Lisämoduli ei tuo valikoihin lisäkohtia, mutta sen sisältämät testit näkyvät vaihtoehtoisina analyyseinä Exact -painakkeen alla. 9

10 SPSS Statistics 17 Categories SPSS Statistics 17 Categories SPSS Statistics Categories lisämodulin avulla ei tarvitse tyytyä epätarkkoihin tuloksiin aineiston ollessa perinteisten mallien vaatimusten vastainen. Korkealuokkaisten havaintokarttojen avulla voidaan nähdä helposti muuttujien ja eri luokkien väliset riippuvuudet. Lähellä toisiaan olevat luokat tai muuttujat riippuvat toisistaan ja mitä pidempi välimatka eri muuttujien tai luokkien välillä on, sitä vähemmän niillä on tekemistä toistensa kanssa. Kts kuva alla. SPSS Statistics Categories -lisämodulin tekniikat varmistavat, että kaikki tarvittavat työkalut ovat käytettävissä monimuuttujaisen luokitellun datan ja sen riippuvuuksien täydelliseen tutkimiseen. Categories sisältää seuraavat analyysit: Luokkamuuttujille regressioanalyysi (CATREG) Korrespondenssianalyysi perusristiintaulukoinnin jatkotarkasteluihin Moniulotteinen korrespondenssianalyysi (Multiple correspondence analysis) Luokkamuuttujille pääkomponenttianalyysi (CATPCA) Epälineaarinen kanoninen korrelaatioanalyysi (OVERALS) Moniulotteisen skaalauksen menetelmä PROXSCAL PREFSCAL (preference scaling) syntaksin kautta. Kuva: Tutki muuttujien eri luokkien välisiä yhteyksiä korrespondenssianalyysillä 10

11 SPSS Statistics 17 Missing Values SPSS Statistics 17 Missing Values Kyselytutkimukset tuottavat paljon puuttuvia tietoja, kun vastaajat eivät halua tai eivät osaa vastata joihinkin kysymyksiin. Missing Values on paljon puuttuvaa tietoa sisältävän aineiston analysointimenetelmä. Se tutkii aineiston reikiä eli puuttuvia arvoja. Kun otat puuttuvat havainnot mukaan tarkasteluun, saat tilastollisesti merkitsevämpiä tuloksia. Ohjelma tuottaa nopeasti ja helposti yhteenvedot puuttuvien tietojen yhteisistä tekijöistä. Missing Values -lisämodulin avulla tutkit, löytyykö puuttuvien tietojen taustalta yhtenäisiä ryhmiä. Ketkä ovat ne jotka eivät vastaa kysymyksiin, ja ovatko puuttuvat tiedot satunnaisia vai tietyn ryhmän aikaansaannoksia? Missing Values vertaa tiettyjen luokkamuuttujien välisiä eroja puuttuvien tietojen ja vastattujen välillä. Se sisältää myös puuttuvien tietojen korvaamismenetelmiä (EM ja Regressiomenetelmät) sekä SPSS Statistics 17:een uutena tulleen Multiple Imputation - menetelmän. supu Total Mies Nainen avioika Present Missing Count Percent % nap % na ,1 19,1, ,8 22,2 1,1 Indicator variables with less than 5% missing are not displayed ,7 16,8,6 Tabulated Patterns Missing Patterns a c sivsaaty c Number of Cases 1189 rotu supu sivsaaty ika opiskvuo tvkatsel avioika Complete if... b 1189 naimisissa 786 leski 159 eronnut 207 asumuserossa 37 naimaton X Patterns with less than 10% cases (150 or fewer) are not displayed. a. Variables are sorted on missing patterns. b. Number of complete cases if variables missing in that pattern (marked with X) are not used. c. Frequency distribution at each unique pattern Kuva: Missing Values luo ryhmittymiä puuttuvien tietojen perusteella, joista saa halutessa jakaumatiedot ja tunnusluvut taustatiedoille. Näiden avulla voidaan nähdä, jos ryhmittymissä on samanlaisia joukkoja. 11

12 SPSS Statistics 17 Conjoint SPSS Statistics 17 Conjoint Conjoint on analyysipaketti, jolla analysoit helposti asiakkaasi mieltymyksiä eri tuotteiden ominaisuuksien suhteen. Esimerkiksi Kuinka tärkeitä tuotteen hinta ja ympäristöystävällisyys itse asiassa ovatkaan? Kun halutaan tietää esim. Mitkä tuotteen ominaisuudet, piirteet tai palvelut tuottavat ostopäätöksen? Mitkä ominaisuudet yhdessä tuovat parhaan tuloksen? Mikä markkinasegmentti on kiinnostunein tuotteesta? Millainen viesti vetoaa parhaiten juuri tähän asiakasryhmään? SPSS Statistics Conjoint sisältää: Orthogonaalisen design menetelmän (Orthoplan) Plancards korttien tuottaminen suoraan siirrettäväksi esim. Wordiin jatkokäsiteltäväksi Conjoint analyysin (3 simulointimenetelmää) - Max utility - Bradley-Terry-Luce (BTL) - Logit Kuva: Conjointin tuottama Summary Utilities kuva. Voidaan nähdä ModelKR2 saanut parhaat pisteet, A-Design -tuotteella vähiten brändiarvoa 12

13 SPSS Statistics 17 Complex Samples SPSS Statistics 17 Complex Samples SPSS Statistics Complex Samples -lisämodulilla käsitellään luotettavasti moniasteisella otannalla poimittuja otoksia. Otanta voidaan suorittaa käyttäen perinteisiä otantamenetelmiä yksinkertaista satunnaisotantaa, systemaattista otantaa tai ositettua otantaa asteittain. Voidaan käyttää Complex Samplesin analyysejä myös valmiille moniasteisella otannalla poimitulle otokselle vain määrittelemällä, miten otanta on tehty. Sisältää kompleksisten otosten Frekvenssit Tunnusluvut Ristiintaulukoinnin (Crosstabs) Suhdeluvut (Ratio) Yleistetyt lineaariset mallit (CSGLM) Logistisen Regression (CSLOGISTIC) Ordinal Regression (CSORDINAL) Cox Regression (CSCOXREG) Sampling Plan Wizardin avulla suunnittelet ja määrittelet helposti otantaraamit moniasteiselle otannalle ja suoritat otannan halutulla tavalla. Analysis Preparation Wizardin avulla määrittelet otanta-asetelmasi ohjelmalle sekä valitset halutun estimointimetodin. Kun määrittelyt on tehty (käytetään ns. plan-tiedostoja, missä käytetyt menetelmät ja painot on määritelty), voidaan käyttää Complex Samplesin analysointitoimintoja. 13

14 SPSS Statistics 17 Decision Trees SPSS Statistics 17 Decision Trees Decision Trees on segmentointipaketti, joka tuottaa päätöspuita. Se etsii automaattisesti toisistaan eroavia tapaussegmenttejä tai ryhmiä sekä esittää tuloksen helposti luettavassa muodossa puudiagrammina. SPSS Statistics Decision Trees lisämodulin avulla voidaan selittää niin luokitellun kuin jatkuvankin muuttujan jakaumia. Menetelmät sopivat hyvin esimerkiksi markkinatutkimuksiin ja luottotietoanalyyseihin. Valittavana on neljä eri menetelmää: CHAID Exhaustive CHAID CRT QUEST Kuva: Tulokset ovat luettavissa helposti visuaalisen puudiagrammin avulla, jossa jakaumat esitetään joko taulukoina, kuvina tai molempina. 14

15 SPSS Statistics 17 Data Preparation SPSS Statistics 17 Data Preparation Data Preparation lisämoduli tutkii aineiston validiuden, puuttuvien havaintojen määrän ja poikkeavat havinnot. Voidaan luoda sääntöjä, joiden avulla löytyvät epä-validit arvot (esim. ei yli 100-vuotiaita) ja loogisia tarkistusehtoja (esim. ei voi olla sekä raskaana että mies ). Ohjelma tuottaa muuttujia, joiden avulla epä-validit tapaukset/havainnot voidaan halutessa poistaa tai niitä voidaan tutkia erikseen. Identify Unusual Cases toiminnolla voidaan löytää datasta poikkeavia havaintoja, joita yksittäisiä muuttujia tarkastelemalla ei pystyisi havaitsemaan. Optimal Binning luokittelee muuttujan automaattisesti toisistaan eroaviin ryhmiin. Case Case Report Validation Rule Violations Single-Variable a Cross-Variable Aikuisvastaajat (1) naimattomat avioituneet naimattomat avioituneet avioitunut ennen syntym avioitunut ennen syntym avioitunut ennen syntym Identifier Vastaajan id numero avioitunut ennen syntym 1581 a. The number of variables that violated the rule follows each rule Kuva: Validate data tuottaa taulukon, joka identifioi havainnot, jotka rikkovat luotuja sääntöjä 15

16 SPSS Statistics 17 Neural Networks SPSS Statistics 17 Neural Networks Lisämoduli Neural Networks tuo neuroverkkomenetelmät SPSS-käyttäjien avuksi. Se rakentaa neuroverkkojen avulla ennakointimalleja niin luokka- kuin jatkuvillekin muuttujille. Menetelmät: MLP Multilayer Perceptron RBF Radial Basis Function 16

17 SPSS Statistics 17 EZ RFM TM SPSS Statistics 17 EZ RFM TM SPSS Statistics 17:n myötä tullut uusi lisämoduli EZ RFM TM (nimi tulee sanoista: recency, frequency ja monetary) tuo RFM analyysit käyttöösi: RFM-analyysi antaa vastauksen kolmeen tärkeään kysymykseen: - kuinka usein? - paljonko määrällisesti? - paljonko rahallisesti? 17

18 SPSS Predictive Enterprise Services SPSS Predictive Enterprise Services PES on järjestelmä, joka mahdollistaa analyysiprosessin tehokkaamman hallinnan ja auttaa tulosten käyttöönottamisessa läpi koko organisaation. Analyyttisen omaisuuden hallinta PES parantaa tehokkuutta ja turvallisuutta keskittämällä aineistojen, mallien ja tulosten säilyttämisen yhteiseen tietovarastoon. Käyttöoikeudet ja versionhallinta tuovat toistettavuutta ja varmuutta koko prosessiin. Työn tulosten jakaminen ja uudelleenkäyttäminen puolestaan parantavat analyytikkotyön tuottavuutta. Kuva: Käyttäjien, mallien ja aineistojen lisäksi hallintatyökaluilla voidaan ohjata ja monitoroida palvelintuotteita kuten Clementine Server ja SPSS Server. 18

19 SPSS Predictive Enterprise Services Automatisointi ja prosessin hallinta PES mahdollistaa monia toimintoja sisältävien laskenta-ajojen automatisoinnin ja ajastamisen. PES voi käynnistää myös muita ohjelmia, kuten tietokanta-ajoja tai aineiston siirron verkosta. Työhön ja sen vaiheisiin voidaan liittää sähköposti-ilmoitukset, jotka kertovat prosessin kulusta. Kuva: Predictive Enterprise Services mahdollistaa monivaiheisten prosessien automatisoinnin ja ajastamisen. Kun eri tietolähteet, käytettävät palvelimet ja käyttäjätilit on määritelty PESiin, voidaan vakioprosessit suorittaa automaattisesti. Sähköpostiilmoitus ja hallintaportaalista luettavat logitiedot kertovat, mikäli toiminto ei suju odotetusti Vakioidut aineistonäkymät Vakioitu aineistonäkymä tarkoittaa sitä, että mallintamiseen käytettävän aineiston ja sen fyysisen sijainnin väliin luodaan rajapinta Predictive Enterprise View joka vakioi tiettyyn käyttötarkoitukseen tehtävien mallien käyttämän aineiston muodon. Tällä tavalla suurenkin mallimäärän kehittäminen, testaaminen ja jopa automaattinen päivittäminen muuttuu mahdolliseksi. Rajapintaa käyttävien mallien tarkkuutta voidaan seurata suorituskykymittaristosta, ja huonosti toimiva malli voidaan korvata kilpailevalla jopa automaattisesti. 19

20 SPSS Finland Oy Sinikalliontie ESPOO FINLAND Puh Fax SPSS on SPSS Inc:n rekisteröity tavaramerkki SPSS Finland Oy 2008

PASW Statistics 18 tuoteperhe

PASW Statistics 18 tuoteperhe PASW Statistics 18 tuoteperhe Sisältö Peruspaketti: 3 PASW Statistics Programmability 4 Lisämodulit: PASW Tables 5 PASW Regression 6 PASW Advanced Statistics 7 PASW Forecasting 8 PASW Exact Tests 9 PASW

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

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

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

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

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

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

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

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

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

Tutkimuksen suunnittelu / tilastolliset menetelmät. Marja-Leena Hannila Itä-Suomen yliopisto / Terveystieteiden tdk 25.8.2011

Tutkimuksen suunnittelu / tilastolliset menetelmät. Marja-Leena Hannila Itä-Suomen yliopisto / Terveystieteiden tdk 25.8.2011 Tutkimuksen suunnittelu / tilastolliset menetelmät Marja-Leena Hannila Itä-Suomen yliopisto / Terveystieteiden tdk 25.8.2011 Kvantitatiivisen tutkimuksen vaiheet Suunnittelu Datan keruu Aineiston analysointi

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

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

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

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

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

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Luentokalvoja tilastollisesta päättelystä Kalvot laatinut Aki Taanila Päivitetty 30.11.2012 Otanta Otantamenetelmiä Näyte Tilastollinen päättely Otantavirhe Otanta Tavoitteena edustava otos = perusjoukko

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

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

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

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

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto Tutkimusaineistomme otantoja Hyödyt Ei tarvitse tutkia kaikkia Oikein tehty otanta mahdollistaa yleistämisen

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

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

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

Lisätiedot

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

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

Lisätiedot

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

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

Tarkista vielä ennen analysoinnin aloittamista seuraavat seikat:

Tarkista vielä ennen analysoinnin aloittamista seuraavat seikat: Yleistä Tilastoapu on Excelin sisällä toimiva apuohjelma, jonka avulla voit analysoida tilastoaineistoja. Tilastoapu toimii Excelin Windows-versioissa Excel 2007, Excel 2010 ja Excel 2013. Kun avaat Tilastoavun,

Lisätiedot

Tech Conference 28.-29.5.2015. On-Premises Data Mining. Peruskäsitteet. Pekka.Korhonen@sovelto.fi. Sovelto Oyj 28.5.2015.

Tech Conference 28.-29.5.2015. On-Premises Data Mining. Peruskäsitteet. Pekka.Korhonen@sovelto.fi. Sovelto Oyj 28.5.2015. 1 Tech Conference 28.-29.5.2015 On-Premises Data Mining Pekka.Korhonen@sovelto.fi #TechConfFI Peruskäsitteet 2 2 Microsoft BI komponentit Azure Machine Learning Stream Analytics HDInsight DocumentDB Blob/table

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

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

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

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

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

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

Webropol-kyselyt. Tarja Heikkilä

Webropol-kyselyt. Tarja Heikkilä Webropol-kyselyt Tarja Heikkilä Internet-kyselyt Soveltuvat kyselyihin, joissa kaikilla perusjoukon jäsenillä on mahdollisuus internetin käyttöön, toisin sanoen on mahdollisuus edustavan aineiston saamiseen.

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

Sanajärjestyksen ja intensiteetin vaikutus suomen intonaation havaitsemisessa ja tuotossa

Sanajärjestyksen ja intensiteetin vaikutus suomen intonaation havaitsemisessa ja tuotossa Sanajärjestyksen ja intensiteetin vaikutus suomen intonaation havaitsemisessa ja tuotossa Martti Vainio, Juhani Järvikivi & Stefan Werner Helsinki/Turku/Joensuu Fonetiikan päivät 2004, Oulu 27.-28.8.2004

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

Microsoft Dynamics CRM 4.0. Jani Liukkonen

Microsoft Dynamics CRM 4.0. Jani Liukkonen Microsoft Dynamics CRM 4.0 Jani Liukkonen Microsoft Dynamics CRM kokonaisuus Täysi CRM toiminnallisuus ja joustavuus Vuorovaikutukset -Markkinointi Myynti -Asiakaspalvelu xrm -Prosessituki SOA -Joustava

Lisätiedot

Kirjastoasiointien tuottama hiilikuorma pääkaupunkiseudulla

Kirjastoasiointien tuottama hiilikuorma pääkaupunkiseudulla Kirjastoasiointien tuottama hiilikuorma pääkaupunkiseudulla MetropAccess-hankkeen (2011 2014) menetelmiä ja tuloksia jaani.lahtinen@helsinki.fi Päämäärä Muodostaa ennuste lainaajakannan lainaajien käyttämälle

Lisätiedot

Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu.

Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Ka6710000 TILASTOLLISEN ANALYYSIN PERUSTEET 2. VÄLIKOE 9.5.2007 / Anssi Tarkiainen Kaavakokoelma, testikaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1. a) Gallupissa

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

TIETOJEN TUONTI TIETOKANNASTA + PIVOT-TAULUKON JA OLAP-KUUTION TEKO

TIETOJEN TUONTI TIETOKANNASTA + PIVOT-TAULUKON JA OLAP-KUUTION TEKO TIETOJEN TUONTI TIETOKANNASTA + PIVOT-TAULUKON JA OLAP-KUUTION TEKO JOUNI HUOTARI 2005-2010 OLAP-OHJETEKSTIT KOPIOITU MICROSOFTIN OHJATUN OLAP-KUUTION TEKO-OHJEESTA ESIMERKIN KUVAUS JA OLAP-MÄÄRITELMÄ

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

Alustavia käyttökokemuksia SAS Studiosta. Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke)

Alustavia käyttökokemuksia SAS Studiosta. Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke) Alustavia käyttökokemuksia SAS Studiosta Timo Hurme Maa- ja elintarviketalouden tutkimuskeskus MTT (v. 2015 alusta Luonnonvarakeskus / Luke) 19.9.2014 Lyhyesti SAS-koodareille suunnattu uusi käyttöliittymä

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KAKSIULOTTEISEN EMPIIRISEN JAKAUMAN TARKASTELU Jatkuvat muuttujat: hajontakuvio Koehenkilöiden pituus 75- ja 80-vuotiaana ID Pituus 75 Pituus 80 1 156

Lisätiedot

Jouni Huotari OLAP-ohjetekstit kopioitu Microsoftin ohjatun OLAP-kuution teko-ohjeesta. Esimerkin kuvaus ja OLAP-määritelmä

Jouni Huotari OLAP-ohjetekstit kopioitu Microsoftin ohjatun OLAP-kuution teko-ohjeesta. Esimerkin kuvaus ja OLAP-määritelmä OLAP-kuution teko Jouni Huotari OLAP-ohjetekstit kopioitu Microsoftin ohjatun OLAP-kuution teko-ohjeesta Esimerkin kuvaus ja OLAP-määritelmä Tavoitteena on luoda OLAP-kuutio Northwind-tietokannan tilaustiedoista

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

b6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia.

b6) samaan perusjoukkoon kohdistuu samanaikaisesti useampia tutkimuksia. 806109P TILASTOTIETEEN PERUSMENETELMÄT I 1. välikoe 11.3.2011 (Jari Päkkilä) VALITSE VIIDESTÄ TEHTÄVÄSTÄ NELJÄ JA VASTAA VAIN NIIHIN! 1. Valitse kohdissa A-F oikea (vain yksi) vaihtoehto. Oikeasta vastauksesta

Lisätiedot

Aikasarja-analyysiä taloudellisilla aineistoilla

Aikasarja-analyysiä taloudellisilla aineistoilla Aikasarja-analyysiä taloudellisilla aineistoilla Leena Kalliovirta, Luonnonvarakeskus Leena.kalliovirta@luke.fi Kurssi Tilastotiede tutuksi HY matematiikan ja tilastotieteen laitos 1 Leena Kalliovirta

Lisätiedot

Ohjeita kvantitatiiviseen tutkimukseen

Ohjeita kvantitatiiviseen tutkimukseen 1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 2 KVANTITATIIVISEN TUTKIMUSAINEISTON ANALYYSI Sisältö: 1. Frekvenssi- ja prosenttijakaumat.2

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

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

Puuttuvan tiedon ongelmat pitkittäistutkimuksissa

Puuttuvan tiedon ongelmat pitkittäistutkimuksissa 1/27 Puuttuvan tiedon ongelmat pitkittäistutkimuksissa Jaakko Nevalainen Tampereen yliopisto Sosiaalilääketieteen päivät 3.-4.11.2014 2/27 Sisältö 1 Johdanto ja peruskäsitteet 2 Mallintamiseen pohjautuvat

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

SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON?

SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON? SISÄLTÖ 1 TILASTOJEN KÄYTTÖ...7 MITÄ TILASTOTIEDE ON?...7 TILASTO...7 TILASTOTIEDE...8 HISTORIAA...9 TILASTOTIETEEN NYKYINEN ASEMA...9 TILASTOLLISTEN MENETELMIEN ROOLIT ERI TYYPPISET AINEISTOT JA ONGELMAT...10

Lisätiedot

Logistinen regressio, separoivat hypertasot

Logistinen regressio, separoivat hypertasot Logistinen regressio, separoivat hypertasot Topi Sikanen Logistinen regressio Aineisto jakautunut K luokkaan K=2 tärkeä erikoistapaus Halutaan mallintaa luokkien vedonlyöntikertoimia (odds) havaintojen

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

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

Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9

Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9 Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9 1.1 PARAMETRITTOMIEN MENETELMIEN LYHYT HISTORIA 11 1.2 PARAMETRITTOMAT MENETELMÄT IHMISTIETEISSÄ

Lisätiedot

Tilastotieteen johdantokurssin harjoitustyö. 1 Johdanto...2. 2 Aineiston kuvaus...3. 3 Riippuvuustarkastelut...4

Tilastotieteen johdantokurssin harjoitustyö. 1 Johdanto...2. 2 Aineiston kuvaus...3. 3 Riippuvuustarkastelut...4 TILTP1 Tilastotieteen johdantokurssin harjoitustyö Tampereen yliopisto 5.11.2007 Perttu Kaijansinkko (84813) perttu.kaijansinkko@uta.fi Pääaine matematiikka/tilastotiede Tarkastaja Tarja Siren 1 Johdanto...2

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

Testit järjestysasteikollisille muuttujille

Testit järjestysasteikollisille muuttujille Ilkka Mellin Tilastolliset menetelmät Osa 3: Tilastolliset testit Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2007) 1 Testit järjestysasteikollisille muuttujille >> Järjestysasteikollisten

Lisätiedot

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä

LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä Esri Finland LAS- ja ilmakuva-aineistojen käsittely ArcGIS:ssä November 2012 Janne Saarikko Agenda Lidar-aineistot ja ArcGIS 10.1 - Miten LAS-aineistoa voidaan hyödyntää? - Aineistojen hallinta LAS Dataset

Lisätiedot

Matemaatikot ja tilastotieteilijät

Matemaatikot ja tilastotieteilijät Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat

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

Sisällysluettelo LUKU I METODOLOGIAN PERUSTEET IHMISTIETEISSÄ ESIPUHE...III ESIPUHE KIRJAN TOISEEN PAINOKSEEN... VIII SISÄLLYSLUETTELO...

Sisällysluettelo LUKU I METODOLOGIAN PERUSTEET IHMISTIETEISSÄ ESIPUHE...III ESIPUHE KIRJAN TOISEEN PAINOKSEEN... VIII SISÄLLYSLUETTELO... Sisällysluettelo ESIPUHE...III ESIPUHE KIRJAN TOISEEN PAINOKSEEN... VIII SISÄLLYSLUETTELO... IX LUKU I METODOLOGIAN PERUSTEET IHMISTIETEISSÄ 1. JOHDANTO JA PÄÄMÄÄRÄT.. 2 1.1 TIETEELLISEN TIEDON OMINAISPIIRTEITÄ...3

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

Työkalujen merkitys mittaamisessa

Työkalujen merkitys mittaamisessa Työkalujen merkitys mittaamisessa Mittaaminen ja Ohjelmistotuotanto -seminaari Toni Sandelin 18.4.2001, VTT Elektroniikka, Oulu 1 Sisältö Mihin työkalutukea tarvitaan? Työkalut & metriikat: luokitus Mittausohjelmien

Lisätiedot

Muuttujien väliset riippuvuudet esimerkkejä

Muuttujien väliset riippuvuudet esimerkkejä Tarja Heikkilä Muuttujien väliset riippuvuudet esimerkkejä Sisältö MUUTTUJIEN VÄLISTEN YHTEYKSIEN TUTKIMINEN TILASTOLLINEN TESTAUS MERKITSEVYYSTASO MUUTTUJIEN VÄLISTEN YHTEYKSIEN TUTKIMINEN SPSS-OHJELMALLA

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

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

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

Opinnäytetyön kvantitatiivinen osuus

Opinnäytetyön kvantitatiivinen osuus Opinnäytetyön kvantitatiivinen osuus Kajaanin ammattikorkeakoulu, Simo Määttä 2012 Liiketalous ja innovaatiot- sekä Aktiviteettimatkailun osaamisalueet 1. Tilastollisen opinnäytetyön ohjausprosessi Kvantitatiivisen

Lisätiedot

ReplicaX työkalu avointen datakopioiden luomiseen

ReplicaX työkalu avointen datakopioiden luomiseen ReplicaX työkalu avointen datakopioiden luomiseen Juha Karvanen ReplicaX on R-koodina toteutettu menetelmä avoimien datakopioiden tuottamiseen terveystiedosta ja muusta datasta, jota ei sellaisenaan voi

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

1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta?

1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta? 1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta? 2. Tehtävät 2-4 sekä 6 10 liittyvät keväällä 2002 suoritettuun ammattikorkeakoulusta

Lisätiedot

Yhdessä vai erillään?

Yhdessä vai erillään? Yhdessä vai erillään? Parisuhteet elämänkulun ja Ikihyvä-hankkeen kymmenvuotisseurannan näkökulmasta Tiina Koskimäki Lahden Tutkijapraktikum, Palmenia, Helsingin yliopisto Lahden Tiedepäivä 27.11.2012

Lisätiedot

Webforum. Version 15.1 uudet ominaisuudet. Päivitetty: 2015-03-28

Webforum. Version 15.1 uudet ominaisuudet. Päivitetty: 2015-03-28 Webforum Version 15.1 uudet ominaisuudet Päivitetty: 2015-03-28 Sisältö Tietoja tästä dokumentista... 3 Yleistä... 4 Dokumentit... 5 Uudet versiot dokumenttien katseluohjelmista ipadille... 5 Dokumenttien

Lisätiedot

Kieliversiointityökalu Java-ohjelmistoon. Ohje

Kieliversiointityökalu Java-ohjelmistoon. Ohje Kieliversiointityökalu Java-ohjelmistoon Ohje 2/6 SISÄLLYSLUETTELO 1 YLEISTÄ OHJELMASTA... 3 2 PÄÄ-IKKUNA...4 3 YLÄVALIKKO... 4 3.1 TIEDOSTO... 4 3.2 TOIMINTO... 4 3.3 ASETUKSET... 5 3.4 OHJE... 5 4 VÄLILEHDET...5

Lisätiedot

Lectio praecursoria. Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin. Markus Ojala. 12.

Lectio praecursoria. Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin. Markus Ojala. 12. Lectio praecursoria Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden arviointiin Markus Ojala 12. marraskuuta 2011 Käsitteet Satunnaistusalgoritmeja tiedonlouhinnan tulosten merkitsevyyden

Lisätiedot

Nimi: Opnro: Harjoitustyön suoritus: ( ) syksy 2006 ( ) syksy 2005 ( ) muu, mikä. 1. Selitä seuraavat termit muutamalla virkkeellä ja/tai kaaviolla:

Nimi: Opnro: Harjoitustyön suoritus: ( ) syksy 2006 ( ) syksy 2005 ( ) muu, mikä. 1. Selitä seuraavat termit muutamalla virkkeellä ja/tai kaaviolla: Harjoitustyön suoritus: ( ) syksy 2006 ( ) syksy 2005 ( ) muu, mikä 1. Selitä seuraavat termit muutamalla virkkeellä ja/tai kaaviolla: a) käytettävyys b) käyttäjäkeskeinen suunnittelu c) luonnollinen kieli

Lisätiedot

Office 2013 - ohjelmiston asennusohje

Office 2013 - ohjelmiston asennusohje Office 2013 - ohjelmiston asennusohje Tämän ohjeen kuvakaappaukset on otettu asentaessa ohjelmistoa Windows 7 käyttöjärjestelmää käyttävään koneeseen. Näkymät voivat hieman poiketa, jos sinulla on Windows

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

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

LATVUSMASSAN KOSTEUDEN MÄÄRITYS METSÄKULJETUKSEN YHTEYDESSÄ

LATVUSMASSAN KOSTEUDEN MÄÄRITYS METSÄKULJETUKSEN YHTEYDESSÄ LATVUSMASSAN KOSTEUDEN MÄÄRITYS METSÄKULJETUKSEN YHTEYDESSÄ Metsä- ja puuteknologia Pro gradu -tutkielman tulokset Kevät 2010 Petri Ronkainen petri.ronkainen@joensuu.fi 0505623455 Metsäntutkimuslaitos

Lisätiedot

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1

Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen. TKK (c) Ilkka Mellin (2005) 1 Johdatus tilastotieteeseen Tilastollisten aineistojen kerääminen ja mittaaminen TKK (c) Ilkka Mellin (2005) 1 ja mittaaminen Tilastollisten aineistojen kerääminen Mittaaminen ja mitta-asteikot TKK (c)

Lisätiedot

Sähköpostitilin käyttöönotto

Sähköpostitilin käyttöönotto Sähköpostitilin käyttöönotto Versio 1.0 Jarno Parkkinen jarno@atflow.fi Sivu 1 / 16 1 Johdanto... 2 2 Thunderbird ohjelman lataus ja asennus... 3 3 Sähköpostitilin lisääminen ja käyttöönotto... 4 3.2 Tietojen

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

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

Vankien poistumislupakäytännöt ja niiden yhteneväisyys

Vankien poistumislupakäytännöt ja niiden yhteneväisyys Miten tutkimuskysymyksiin on etsitty vastausta? Kolme esimerkkiä kriminologisista tutkimuksista Vankien poistumislupakäytännöt ja niiden yhteneväisyys Tutkimuksen tavoite 1: Selvittää empiirisesti vankien

Lisätiedot

Aki Taanila LINEAARISET REGRESSIOMALLIT

Aki Taanila LINEAARISET REGRESSIOMALLIT Aki Taanila LINEAARISET REGRESSIOMALLIT 17.6.2010 SISÄLLYSLUETTELO 0 Johdanto... 1 1 Keskiarvo ennustemallina... 2 2 Yhden selittävän muuttujan malli... 3 3 Useamman selittävän muuttujan malli... 6 4 Excel

Lisätiedot

Professional Statistics Pikaopas

Professional Statistics Pikaopas 2013-11-29 Webropol Oy Professional Statistics Pikaopas SISÄLTÖ 1. Miten pääset alkuun... 2 1.1. Systeemivaatimukset... 2 1.2. Professional Statistics avaaminen... 2 2. Perustoiminnot... 4 3. Mitä pitäisi

Lisätiedot

Risto Pelin Microsoft Project 2002 projekti- ja yritystason järjestelmänä

Risto Pelin Microsoft Project 2002 projekti- ja yritystason järjestelmänä Risto Pelin Microsoft Project 2002 projekti- ja yritystason järjestelmänä PROJEKTIJOHTAMINEN OY RISTO PELIN 3 Sisällysluettelo ESIPUHE 7 OSA I PROJEKTIN HALLINTA PROJEKTITASOLLA 1 JOHDANTO 11 1.1 Projektiohjelmien

Lisätiedot

Tietokantaraportointivälineen valintaopas

Tietokantaraportointivälineen valintaopas Tietokantaraportointivälineen valintaopas Opas on suunnattu Sinulle joka olet aloittamassa tietokantaraportointiprojektia. Olet ehkä vaihtamassa toiminnanohjausjärjestelmää tai nykyinen varastojärjestelmäsi

Lisätiedot

Mark Summary. Taitaja2015. Skill Number 206 Skill Verkkosivujen tuottaminen. Competitor Name

Mark Summary. Taitaja2015. Skill Number 206 Skill Verkkosivujen tuottaminen. Competitor Name Summary Skill Number 206 Skill Verkkosivujen tuottaminen ing Scheme Lock 08-04-2015 17:32:54 Final Lock 07-05-2015 14:59:04 Criterion Criterion Description s Day 1 Day 2 Day 3 Day 4 Total Award A B C D

Lisätiedot

Empiirinen projekti. Olli-Matti Laine Kauppatieteet

Empiirinen projekti. Olli-Matti Laine Kauppatieteet Empiirinen projekti Olli-Matti Laine Kauppatieteet 1 Contents 1. Johdanto... 3 2. Kuvaileva osa... 4 3. Analyysiosa... 17 4. Yhteenveto... 35 2 1. Johdanto Tutkin projektissa tilastollisin menetelmin kansantaloudellisia

Lisätiedot

Pikaopas. Ohjeiden etsiminen Hae ohjesisältöä napsauttamalla kysymysmerkkiä.

Pikaopas. Ohjeiden etsiminen Hae ohjesisältöä napsauttamalla kysymysmerkkiä. Pikaopas Microsoft Access 2013 näyttää erilaiselta kuin aiemmat versiot. Tämän oppaan avulla pääset alkuun nopeasti ja saat yleiskuvan uusista ominaisuuksista. Näyttökoon muuttaminen tai tietokannan sulkeminen

Lisätiedot

Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille tarvittaessa.

Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille tarvittaessa. NIMI: OPPILASNUMERO: ALLEKIRJOITUS: tehtävä 1 2 3 4 yht pisteet max 25 25 25 25 100 arvosana Kaikkiin kysymyksiin vastataan kysymys paperille pyri pitämään vastaukset lyhyinä, voit jatkaa paperien kääntöpuolille

Lisätiedot