Luento 2 Riskien arvioinnista

Koko: px
Aloita esitys sivulta:

Download "Luento 2 Riskien arvioinnista"

Transkriptio

1 Luento 2 Riskien arvioinnista Ahti Salo Teknillinen korkeakoulu PL 1100, TKK 1

2 Termistöä Vaara (engl. hazard) Tarkoittaa ei-toivotun seuraamuksen (tappion, vahingon) toteutumisen mahdollisuutta Ei ota kantaa mahdollisuuden todennäköisyyteen» Esim. ydinvoimaonnettomuuden säteilypäästö (ilman lisätäsmenteitä) on tässä mielessä vaara Riski Täsmentää tappion lisäksi myös sen todennäköisyyden, jolla vaara toteutuu» Esim. kahden eri laitoksen ympäristöriskit ovat erilaisia riippuen siitä, miten niissä on riskejä rajattu ja estetty Huomioita Termistön käyttö osin epäyhtenäistä Riski viittaa myös tappioiden suuruuteen Terveysriskien arvioinnissa kuvataan usein altistumisen aiheuttamia seuraamuksia (dose-response, annos-reaktio)» Esim. syöpäkuolleisuus per säteilyannos Teknisten riskien haitalliset hyvinkin erilaisia» Ml. ympäristö-, talous-, terveys- jne. riskit Pyrkimyksenä järjestelmien tarkoituksenmukainen suunnittelu ja ylläpito, ei numerot sinänsä! 2

3 Riskien arviointi prosessina Peruskysymyksiä ❶ Mitkä kehityskulut voivat aiheuttaa vaaroja? ❷ Miten todennäköisiä nämä ovat? ❸ Mitä seuraamuksia voidaan odottaa tapahtuvan, jos vaara toteutuu? Riskien arviointiprosessi ❶ Täsmennetään vaaraskenaariot ❷ Estimoidaan kunkin todennäköisyys ❸ Arvioidaan vahingon määrä kussakin skenaariossa Riski voidaan määritellä kolmikkona R= S, P, C, i= 1,2, K, n i i i missä S i = i:s vaaraskenaario P i = i:nnen skenaarion todennäköisyys C i = vahingon suuruus ko. skenaariossa Huomioita Skenaarioiden määrittelyssä pyrittävä kattavuuteen» Muuten riskiarvio jää alakanttiin Vahingot er skenaarioissa eivät deterministiä Eli laaditaanko vähän yleisluontoisia skenaarioita vai paljon paremmin täsmennettyjä?» Haettavat tarkoituksenmukainen tasapaino 3

4 Tilastoperustainen riskien arviointi Frekvenssipohjainen yhdistely Jos tiedetään, ❶ mitkä ovat odotusarvoiset vahingot vaaratilanteissa ja ❷ miten usein vaaratilanteita toteutuu, niin riskiarvioita voidaan tuottaa näiden tietojen pohjalta Esim. USA:n liikennekuolemat USA:ssa on tilastojen valossa 15 miljoonaa liikenneonnettomuutta vuodessa siten, että 1 henkilö kuolee 300 onnettomuutta kohtia. Täten liikennekuolemien riskiä voidaan kuvata luvulla 6 onnettomuus 1 kuollutta = vuosi 300 onnettomuus kuollutta vuosi Huom! Tapahtumia oltava tarpeeksi paljon tilastollisesti» Vrt. suurten lukujen laki ennuste tarkentuu Tämä tulos varmaan saatavissa tilastoista suoraan Näkökulmana kansakunnan taso ei yksilön» Millä tn:llä yksi nimenomainen henkilö kuolee?» Miten ajotottumukset jne. vaikuttavat? 4

5 Esimerkkejä Salmonella Toiseksi yleisin ruokamyrkytyksen aiheuttaja» Esiintyy kananmunissa, pastöroimattomassa maidossa, lihassa jne. Tilastotietoja USAsta» 19 sairastumista per miljoona syötyä kananmunaa» 710 kuolemaa per miljoona sairastumista» 47 miljardia syötyä kananmunaa» $400 taloudellinen tappio per sairastapaus Mitkä ovat salmonellan odotusarvoiset tappiot (kuolemantapaukset, taloudelliset menetykset)?» sairastumisia 47x10 9 /(1x10 6 )x19= kpl» kuolemia x(710/1x10 6 ) = 634 kpl» taloudelliset tappiot x $ 400 = $ Autokolarit Tilastotietoja USA:sta v. 2003» väkiluku 250 miljoonaa» 6,3 miljoonaa kolaria» 1 loukkaantunut per 3 kolaria» 1 kuolemantapaus per 165 kolaria» kuolemaan johtaneen kolarin odotusarvoiset tappiot $ kuolemasta ja $ omaisuudesta» loukkaantumiseen johtaneen kolarin vastaavasti $ loukkaantumisesta ja $ omaisuudesta» muista kolareista $3 000 omaisuudesta Mitkä ovat kolarien taloudelliset riskit? 5

6 Autokolarit (jatkoa)

7 Riskin mittaamisesta Riskitaso suhteutettava asteikkoon Liikenteessä kuolleiden lukumäärä vähentynyt Suomessa Ajokilometriä kohden suhteutettu riski vähentynyt tätäkin enemmän 7

8 Tilastollinen aggregointi Riskien aggregointi R = i f c i i, missä f i = i:nnen skenaarion tilastollinen frekvenssi c i = odotettu tappio ko. skenaariossa Verrataan kahta tapausta ❶ Suuronnettomuus» Toteutuu todennäköisyydellä 1x10-6 / vuosi» Odotusarvoinen tappio 1x10 6 henkilön kuolema ❷ Pienonnettomuus» Toteutuu todennäköisyydellä 0,1/ vuosi» Odotusarvoinen tappio 10 henkilön kuolema Aggregoidut riskit yhtä suuria, koska (1x10-6 )x(1x10 6 )=(0,10)x(10)=1» Kummankin riski siis 1 kuolema/vuosi Ei vastaa intuitiivista riskikäsitystä» Suuria riskejä halutaan tyypillisesti välttää» Yksilöt ja yhteisöt usein riskipakoisia 8

9 Farmerin käyrä Tulkinta Liittää kuhunkin tappiotasoon todennäköisyyden, jolla päädytään tätä tasoa suurempaan tappioon Huom. kuvassa 2.3. virhe! Excel-esimerkki P(C>c) c 9

10 Farmerin käyriä (1/2) 10

11 Farmerin käyriä (2/2) 11

12 Todennäköisyystulkinnat (1/2) Frekventistinen tulkinta Todennäköisyys on raja-arvo, joka saadaan tarkastelemalla tilastollisesti äärettömän isoksi kasvavaa aineistoa Esim. kruunan (eng. head) todennäköisyys saadaan raja-arvona sarjasta P H N H =, N, N jossa kolikkoa heitetään äärettömän monesti ja jossa N = kaikkien heittojen määrä ja N H = saatujen klaavojen määrä Näkökohtia Reaali-ilmiöillä riittäviä toistoja ei voida tehdä» Mahdotonta, liian kallista, liian hidasta» Esim. tuotannonohjaus, koronnostot, suojavallit Toistot eivät tapahdu identtisissä olosuhteissa Tilastot antavat kuitenkin tukea muille analyyseille 12

13 Todennäköisyystulkinnat (2/2) Subjektiivinen todennäköisyys Kuvastaa kaiken käytettävissä olevan tietämyksen varaan perustuvaa näkemystä siitä, miten mahdollisena tapahtuman toteutumista voidaan pitää Näkökohtia» Kaikkea tietämystä vaikea hankkia» Osa näkemyksistä voi olla poikkeavia tai ristiriitaisiakin» Näkemykset päivitettävissä Bayesin kaavalla P( E H) P( H) P( H E) =, P( E)» missä P(H) = hypoteesin a priori tn P(E) = evidenssin saamisen tn P(H E) = hypoteesin posteriori tn Todennäköisyydet riskianalyysissä Ilmiöt monesti harvinaisia eivätkä toistettavissa Sovelletaan usein subjektiivisia todennäköisyyksiä Hyödynnetään käytettävissä olevia ja relevantteja tilastoja 13

14 Suorituskyvyn arvioinnista Suorituskyky Tarkoittaa järjestelmän kykyä suoriutua sille tarkoitetuista tehtävistä kaikkina ajankohtina Huomioita» Voidaan luonnehtia kvalitatiivisesti tai kvantitatiivisesti» Ei ole kvantitatiivisesssa mielessä deterministinen, riippuu ❶ toimintaympäristön asettamista vaatimuksista ❷ suoritusominaisuuksista Järjestelmä on suorituskykyinen, jos toimintaympäristön asettavat vaatimukset eivät ylitä sen suoritusominaisuuksia 14

15 Suorituskyvyn ulottuvuuksia Suoritustaso (engl. capability) Täsmentää, miten todennäköisesti järjestelmän suoritusominaisuudet (eng. capacity) vastaavat järjestelmään kohdistuvia vaatimuksia siten, että järjestelmä saavuttaa sille asetetut tavoitteet» Vrt. junaliikenteen suoritustaso max 5 min myöhästys» Jos vaatimukset ylittävät suoritustason, järjestelmä pettää failure Tehokkuus (engl. efficiency) Kuvastaa, miten tehokkaasti järjestelmä muuntaa käytetyt panokset tavoitteiden saavuttamiseksi» Järjestelmä on tehoton, jos se käyttää enemmän raaka-aineita, materiaaleja tms. panoksia kuin vaihtoehtoiset suorituskykyiset järjestelmät Tehokkuus on yksi vaihtoehtoisten järjestelmien arviointiperuste Käytettävyys (engl. availability) Täsmentää, miten todennäköisesti järjestelmä pystyy täyttämään sille asetetut tavoitteet eri ajanhetkinä 15

16 Riskiarvioinnin vaiheet (1/2) ❶ Vaarojen tunnistaminen ❶ Luonnonolosuhteista johtuvat ❷ Inhimillisistä järjestelmistä aiheutuvat Erottelu osin keinotekoinen (ks. Taulukko 2.2) Force majeur-tekijöitä ei kovin usein käsitellä» Esim. asteroidit liikenneriskien kannalta ❷ Esteiden tunnistaminen Esteet poistavat, estävät, rajoittavat ja vähentävät vaaroja, muuntavat näitä tai ennakoivat niiden toteutumista Esteet voivat olla joko» aktiivisia (so. nimenomaisesti esteeksi suunniteltuja) (vrt. tulvapadot)» passiivisia (so. esteinä muista syistä toimivia) (vrt. suomaastot) Samaa vaaraa voi estää yksi tai useampia esteitä ❸ Esteiden suorituskyvyn arviointi Vaara toteutuu, jos esteet pettävät tai vaatimukset ylittävät niiden suorituskyvyn Tällöin seurauksena vaaralle altistaminen 16

17 17

18 Riskianalyysin vaiheet (2/2) ❹ Altistumisen arviointi Määrittää, missä määrin henkilöt, tuotantovälineet, luonto ja muu ympäristö jne. altistuvat, jos järjestelmä pettää Kvalitatiisessa riskien arvioinnissa usein karkeita suuruusluokka-arvioita Kvantitatiivisessa riskien arvioinnissa altistuminen arvioidaan tarkemmin ja esitetään numeroin» Esim. kuinka paljon haitallisia ainesosia pääsee luontoon? ❺ Riskivaikutusten kuvaus Täsmentaa, miten altistuminen johtaa haitallisiin seuraamuksiin» Esim. kuinka moni henkilö altistuu, mitä on kunkin altistumisen määrä, mitä vaikutuksia altistumisella on yksilö- ja kokonaistasolla» Voidaan tukeutua annosreaktiomalleihin (esim rem/hlö aiheuttaa tilastollisessa mielessä yhden syöpätapauksen) 18

19 Riskien arviointi 19

Luento 2 Riskien arvioinnista

Luento 2 Riskien arvioinnista Luento 2 Riskien arvioinnista Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Termistöä Vaara (engl. hazard) Tarkoittaa ei-toivotun

Lisätiedot

Luento 3 Riskien arvioinnista

Luento 3 Riskien arvioinnista Luento 3 Riskien arvioinnista Jan-Erik Holmberg Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto jan-erik.holmberg@riskpilot.fi 1 Termistöä Vaara (engl. hazard)

Lisätiedot

Luento 2 Riskien arvioinnista

Luento 2 Riskien arvioinnista Luento 2 Riskien arvioinnista Jan-Erik Holmberg Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto jan-erik.holmberg@riskpilot.fi jan-erik.holmberg@aalto.fi

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4B Bayesläinen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy

Lisätiedot

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi Ahti Salo Teknillinen korkeakoulu PL 1100, 02015 TKK 1 Esimerkki Farmerin käyristä (1/2) Lähtökohtia Laitostyyppi hajoaa todennäköisyydellä

Lisätiedot

MS-E2117 Riskianalyysi (5 op) 2019

MS-E2117 Riskianalyysi (5 op) 2019 MS-E2117 Riskianalyysi (5 op) 2019 Jan-Erik Holmberg Systeemianalyysin laboratorio PL 11100, 00076 Aalto jan-erik.holmberg@aalto.fi 1 2 Lähtökohtia Taustaa Riskienhallinta on tärkeää» Talous-, ympäristö-,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Bayeslainen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi

Lisätiedot

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

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

Lisätiedot

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I Tehtävä 1 on klassikko. 1. Tässä tehtävässä tapahtumat A ja B eivät välttämättä

Lisätiedot

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5A Bayeslainen tilastollinen päättely Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy

Lisätiedot

TILASTOLLINEN OPPIMINEN

TILASTOLLINEN OPPIMINEN 301 TILASTOLLINEN OPPIMINEN Salmiakki- ja hedelmämakeisia on pakattu samanlaisiin käärepapereihin suurissa säkeissä, joissa on seuraavat sekoitussuhteet h 1 : 100% salmiakkia h 2 : 75% salmiakkia + 25%

Lisätiedot

0.08 bussimatkustajaa. 0.92 ei-bussimatkustajaa

0.08 bussimatkustajaa. 0.92 ei-bussimatkustajaa 141216 1 Riski R f C (a) Tarkastellaan kuolemaan johtaneita onnettomuuksia f bussi 13 onnettomuutta f muut 13 onnettomuutta 3 tulipalokuolemaa onnettomus 3 tulipalokuolemaa onnettomus 8 bussimatkustajaa

Lisätiedot

Todennäköisyys (englanniksi probability)

Todennäköisyys (englanniksi probability) Todennäköisyys (englanniksi probability) Todennäköisyyslaskenta sai alkunsa 1600-luvulla uhkapeleistä Ranskassa (Pascal, Fermat). Nykyisin todennäköisyyslaskentaa käytetään hyväksi mm. vakuutustoiminnassa,

Lisätiedot

Luento 10 Kustannushyötyanalyysi

Luento 10 Kustannushyötyanalyysi Luento 10 Kustannushyötyanalyysi Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Päätösanalyysistä Päätöksenteon teoriat Deskriptiiviset

Lisätiedot

Vaaran ja riskin arviointi. Toimintojen allokointi ja SIL määritys. IEC 61508 osa 1 kohta 7.4 ja 7.6. Tapio Nordbo Enprima Oy 9/2004

Vaaran ja riskin arviointi. Toimintojen allokointi ja SIL määritys. IEC 61508 osa 1 kohta 7.4 ja 7.6. Tapio Nordbo Enprima Oy 9/2004 Vaaran ja riskin arviointi Toimintojen allokointi ja SIL määritys IEC 61508 osa 1 kohta 7.4 ja 7.6 Tapio Nordbo Enprima Oy 9/2004 Riskiarvion tavoite Vahinkotapahtumat tunnistetaan Onnettomuuteen johtava

Lisätiedot

3.7 Todennäköisyysjakaumia

3.7 Todennäköisyysjakaumia MAB5: Todennäköisyyden lähtökohdat 4 Luvussa 3 Tunnusluvut perehdyimme jo jakauman käsitteeseen yleensä ja normaalijakaumaan vähän tarkemmin. Lähdetään nyt tutustumaan binomijakaumaan ja otetaan sen jälkeen

Lisätiedot

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko Todennäköisyys TOD.NÄK JA TILASTOT, MAA10 Todennäköisyyslaskennan juuret ovat ~1650-luvun uhkapeleissä. Kreivi de Mérén noppapelit: Jos noppaa heitetään 4 kertaa, niin kannattaako lyödä vetoa sen puolesta,

Lisätiedot

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Todennäköisyys 1 Klassinen todennäköisyys: p = Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Esimerkkejä: Nopan heitto, kolikon heitto Satunnaismuuttuja Tilastollisesti vaihtelevaa

Lisätiedot

Luento 9 Riskivertailut ja päätöksenteko

Luento 9 Riskivertailut ja päätöksenteko Luento 9 Riskivertailut ja päätöksenteko Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Tarkastelukulmia Riskejä koskeva

Lisätiedot

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio. Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.

Lisätiedot

Luento 4 Vikapuuanalyysit

Luento 4 Vikapuuanalyysit Luento 4 Vikapuuanalyysit Ahti Salo Teknillinen korkeakoulu PL 1100, 02015 TKK 1 Vikapuuanalyysin vaiheet ❶ Ongelman ja reunaehtojen määrittely ❷ Vikapuun rakentaminen ❸ Minimikatkosjoukkojen tunnistaminen

Lisätiedot

Tutkimustiedonhallinnan peruskurssi

Tutkimustiedonhallinnan peruskurssi Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,

Lisätiedot

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin?

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin? ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 200 Harjoitus Ratkaisuehdotuksia. Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin? (a) Todennäköisyys että kolikonheitossa saadaan lopulta

Lisätiedot

Järvenpään, Keravan ja Tuusulan liikenneturvallisuussuunnitelmat. Onnettomuustarkasteluja 2/2013

Järvenpään, Keravan ja Tuusulan liikenneturvallisuussuunnitelmat. Onnettomuustarkasteluja 2/2013 Järvenpään, Keravan ja Tuusulan liikenneturvallisuussuunnitelmat Onnettomuustarkasteluja 2/2013 Kalvosarjan sisältö Yleinen onnettomuuskehitys Lähde: Tilastokeskus Onnettomuuksien osalliset Lähteet: Tilastokeskus

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13 Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 2 x 2 3 2 3 x 1 4, (b) (x + 1)(x 2)

Lisätiedot

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.2012 klo 10 13 Ratkaisut ja pisteytysohjeet Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe 11.6.01 klo 10 13 t ja pisteytysohjeet 1. Ratkaise seuraavat yhtälöt ja epäyhtälöt. (a) 3 x 3 3 x 1 4, (b)

Lisätiedot

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi

Lisätiedot

Monimutkaisten järjestelmien toimintavarmuuden parantaminen Jussi Kangaspunta ja Ahti Salo

Monimutkaisten järjestelmien toimintavarmuuden parantaminen Jussi Kangaspunta ja Ahti Salo Monimutkaisten järjestelmien toimintavarmuuden parantaminen 22..202 Jussi Kangaspunta ja Ahti Salo Taustaa Yhteiskunnan turvallisuusstrategia ja elintärkeiden toimintojen turvaaminen Esim. myrskyjen aiheuttamat

Lisätiedot

Tilastollisia peruskäsitteitä ja Monte Carlo

Tilastollisia peruskäsitteitä ja Monte Carlo Tilastollisia peruskäsitteitä ja Monte Carlo Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo Tutkimustiedonhallinnan peruskurssi Tilastollisia peruskäsitteitä ja Monte Carlo 1/13 Kevät 2003 Tilastollisia

Lisätiedot

SAFGOF-hanke. Suomenlahden meriliikenteen kasvunäkymät 2007-2015 ja kasvun vaikutukset ympäristölle ja kuljetusketjujen toimintaan

SAFGOF-hanke. Suomenlahden meriliikenteen kasvunäkymät 2007-2015 ja kasvun vaikutukset ympäristölle ja kuljetusketjujen toimintaan SAFGOF-hanke Suomenlahden meriliikenteen kasvunäkymät 2007-2015 ja kasvun vaikutukset ympäristölle ja kuljetusketjujen toimintaan Eveliina Klemola Tutkimuskoordinaattori Helsingin yliopisto Bio- ja ympäristötieteiden

Lisätiedot

031021P Tilastomatematiikka (5 op)

031021P Tilastomatematiikka (5 op) 031021P Tilastomatematiikka (5 op) Jukka Kemppainen Mathematics Division Yleinen todennäköisyys Kertausmateriaalissa esiteltiin koulusta tuttuja todennäköisyysmalleja. Tällä kurssilla todennäköisyys on

Lisätiedot

Myrskylän liikenneturvallisuussuunnitelma: Onnettomuustarkastelut

Myrskylän liikenneturvallisuussuunnitelma: Onnettomuustarkastelut Myrskylän liikenneturvallisuussuunnitelma: Onnettomuustarkastelut 29.5.2018 HUOM! Myrskylässä tilastopohja on hyvin pieni, joten analyyseja pitää tulkita varoen. Yhteenveto Myrskylän kunnan alueella tapahtuu

Lisätiedot

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. 9.10.2018/1 MTTTP1, luento 9.10.2018 KERTAUSTA TESTAUKSESTA, p-arvo Asetetaan H 0 H 1 Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi. Lasketaan otoksesta testisuureelle arvo. 9.10.2018/2

Lisätiedot

Autojen turvatekniikka ja liikenneturvallisuus

Autojen turvatekniikka ja liikenneturvallisuus Autojen turvatekniikka ja liikenneturvallisuus Vaikuttajien Autoiluakatemia 11.-12.9.2012 Premier Parkissa Vakuutuskeskus, Vahingontorjuntayksikkö Pieni teollisuuskatu 7, FIN-02920 ESPOO Puh: +358 9 680401,

Lisätiedot

Soodakattila ja kemikaalionnettomuusriskit. Kemikaalikuljetukset, rautatie/maantieliikenne. Tietoturva- auditoinnit ja SOX vaatimukset

Soodakattila ja kemikaalionnettomuusriskit. Kemikaalikuljetukset, rautatie/maantieliikenne. Tietoturva- auditoinnit ja SOX vaatimukset 1 VAAROJA JA RISKEJÄ VÄHENTÄVIÄ TEKIJÖITÄ vaarat ja riskit Tekniikan tuoma muutos Koulutus, yrityskulttuurin muutos Henkilökohtaisen ajatustavan muutos ja sitoutuminen turvallisiin työ- ja toimintatapoihin

Lisätiedot

Projektin riskit, mahdollisuudet ja niiden hallinta

Projektin riskit, mahdollisuudet ja niiden hallinta Projektin riskit, mahdollisuudet ja niiden hallinta TU-C3010 Projektien suunnittelu ja ohjaus Aalto-yliopisto, Perustieteiden korkeakoulu, Tuotantotalous 9.8.2017 Jere Lehtinen Agenda Teeman jälkeen opiskelija

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 2A Satunnaismuuttujan odotusarvo Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,

Lisätiedot

Lapinjärven liikenneturvallisuussuunnitelma: Onnettomuustarkastelut

Lapinjärven liikenneturvallisuussuunnitelma: Onnettomuustarkastelut Lapinjärven liikenneturvallisuussuunnitelma: Onnettomuustarkastelut 29.5.2018 Yhteenveto Lapinjärven kunnan alueella tapahtuu vuosittain keskimäärin seitsemän henkilövahinkoon johtavaa ja kymmenen omaisuusvahinkoon

Lisätiedot

LIIKENNETURVALLISUUSTILANNE JANAKKALASSA. Onnettomuusanalyysia vuosista 2002-2011

LIIKENNETURVALLISUUSTILANNE JANAKKALASSA. Onnettomuusanalyysia vuosista 2002-2011 LIIKENNETURVALLISUUSTILANNE JANAKKALASSA Onnettomuusanalyysia vuosista - Janakkalan kunnan alueella tapahtuu vuosittain noin kaksikymmentä henkilövahinkoihin johtavaa liikenneonnettomuutta. Liikenneonnettomuuksissa

Lisätiedot

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia Jan-Erik Holmberg Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto jan-erik.holmberg@riskpilot.fi 1 Katkosjoukkojen

Lisätiedot

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia alto-yliopiston perustieteiden korkeakoulu Luento 5 Yhteisvikojen analyysi S:n sovelluksia hti Salo Systeemianalyysin laboratorio alto-yliopiston perustieteiden korkeakoulu L 11100, 00076 alto ahti.salo@aalto.fi

Lisätiedot

Riskienhallintasuunnitelma ja riskianalyysi

Riskienhallintasuunnitelma ja riskianalyysi Riskienhallintasuunnitelma ja riskianalyysi ylitarkastaja jari.knuuttila@valvira.fi Keskustelutilaisuus hammasteknisten töiden valmistajille 10.5.2019 Valvira.fi, @ValviraViestii Valvira valvoo valtakunnallisesti

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Tilastollisen merkitsevyyden testaus Osa II Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Pukkilan liikenneturvallisuussuunnitelma: Onnettomuustarkastelut

Pukkilan liikenneturvallisuussuunnitelma: Onnettomuustarkastelut Pukkilan liikenneturvallisuussuunnitelma: Onnettomuustarkastelut 29.5.2018 HUOM! Pukkilassa tilastopohja on hyvin pieni, joten analyyseja pitää tulkita hyvin varoen. Yhteenveto Pukkilan kunnan alueella

Lisätiedot

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1 T-61.281 Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti 10.2.2004, 8:30-10:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:

Lisätiedot

Hyppylentämisen Turvallisuusseminaari. Skydive Finland ry & Laskuvarjotoimikunta Utti, Finland

Hyppylentämisen Turvallisuusseminaari. Skydive Finland ry & Laskuvarjotoimikunta Utti, Finland Hyppylentämisen Turvallisuusseminaari Skydive Finland ry & Laskuvarjotoimikunta 5.-6.1.2019 Utti, Finland Hyppylentämisen riskikartoitus 2 Riskinarviointi NCO.SPEC.105 Ennen hyppylentotoiminnan aloittamista

Lisätiedot

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu 1. Tyhjentävä tunnusluku (sucient statistics ) Olkoon (P(X = x θ) : θ Θ) todennäköisyysmalli havainnolle X. Datan funktio T (X ) on Tyhjentävä tunnusluku jos ehdollinen todennäköisyys (ehdollinen tiheysfunktio)

Lisätiedot

Riskin arviointi. Peruskäsitteet- ja periaatteet. Standardissa IEC esitetyt menetelmät

Riskin arviointi. Peruskäsitteet- ja periaatteet. Standardissa IEC esitetyt menetelmät Ylitarkastaja Matti Sundquist Uudenmaan työsuojelupiiri Riskin arviointi Peruskäsitteet- ja periaatteet Standardissa IEC 61508-5 esitetyt menetelmät matti.sundquist@stm.vn.fi 2.9.2004 1 Toiminnallinen

Lisätiedot

Taipalsaaren liikenneturvallisuussuunnitelma. 1b. Nykytilan selvitys Liikenneonnettomuudet

Taipalsaaren liikenneturvallisuussuunnitelma. 1b. Nykytilan selvitys Liikenneonnettomuudet Taipalsaaren liikenneturvallisuussuunnitelma 1b. Nykytilan selvitys Liikenneonnettomuudet 1.9.2015 Nykytilan selvitys - liikenneonnettomuudet Taipalsaarella vuosina 2009 2013 poliisin tietoon tulleista

Lisätiedot

Markov-kustannusmallit ja kulkuajat

Markov-kustannusmallit ja kulkuajat 2B Markov-kustannusmallit ja kulkuajat Tämän harjoituksen tavoitteena on oppia laskemaan Markov-kustannusmallien kustannuskertymiä ja -vauhteja, ketjujen odotettuja kulkuaikoja sekä todennäköisyyksiä osua

Lisätiedot

T Luonnollisten kielten tilastollinen käsittely

T Luonnollisten kielten tilastollinen käsittely T-61.281 Luonnollisten kielten tilastollinen käsittely Vastaukset 3, ti 11.2.2003, 16:15-18:00 Kollokaatiot, Versio 1.1 1. Lasketaan ensin tulokset sanaparille valkoinen, talo käsin: Frekvenssimenetelmä:

Lisätiedot

Kvantitatiivinen riski Määrittäminen ja hyväksyttävyys

Kvantitatiivinen riski Määrittäminen ja hyväksyttävyys TEKNOLOGIAN TUTKIMUSKESKUS VTT OY Kuvapaikka (ei kehyksiä kuviin) Kvantitatiivinen riski Määrittäminen ja hyväksyttävyys Palotutkimuksen päivät 30.8.2017 Terhi Kling Esitelmän sisältö Riskin käsite Riskien

Lisätiedot

Katsaus laivaonnettomuuden todennäköisyyksiin Suomenlahdella

Katsaus laivaonnettomuuden todennäköisyyksiin Suomenlahdella Katsaus laivaonnettomuuden todennäköisyyksiin Suomenlahdella SAFGOF-projektin väliseminaari 2.12.2008 DI Maria Hänninen Teknillinen korkeakoulu, Sovelletun mekaniikan laitos maria.hanninen@tkk.fi Sisältö

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Bayesläiset piste- ja väliestimaatit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot

Turvallisuutta koskevassa vuosikatsauksessa esitetään Euroopan ja koko maailman lentoturvallisuutta koskevia tilastoja

Turvallisuutta koskevassa vuosikatsauksessa esitetään Euroopan ja koko maailman lentoturvallisuutta koskevia tilastoja TURVALLISUUTTA KOSKEVA VUOSIKATSAUS 13 Tiivistelmä Turvallisuutta koskevassa vuosikatsauksessa esitetään Euroopan ja koko maailman lentoturvallisuutta koskevia tilastoja Katsauksen sisältämät tiedot ovat

Lisätiedot

Mitä on bayesilainen päättely?

Mitä on bayesilainen päättely? Metodifestivaali 29.5.2009 Aki Vehtari AB TEKNILLINEN KORKEAKOULU Lääketieteellisen tekniikan ja laskennallisen tieteen laitos Esityksen sisältö Miksi? Epävarmuuden esittäminen Tietämyksen päivittäminen

Lisätiedot

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava TKK (c) Ilkka Mellin (2005) 1 Kokonaistodennäköisyys ja Bayesin kaava Kokonaistodennäköisyys ja Bayesin kaava: Johdanto Kokonaistodennäköisyyden

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 14. syyskuuta 2007 Antti Rasila () TodB 14. syyskuuta 2007 1 / 21 1 Kokonaistodennäköisyys ja Bayesin kaava Otosavaruuden ositus Kokonaistodennäköisyyden

Lisätiedot

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta 22.1.2019/1 MTTTA1 Tilastomenetelmien perusteet Luento 22.1.2019 Luku 3 2 -yhteensopivuus- ja riippumattomuustestit 3.1 2 -yhteensopivuustesti H0: otos peräisin tietystä jakaumasta H1: otos ei peräisin

Lisätiedot

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

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

Lisätiedot

Riskienhallintamalli. ja kuvaus riskienhallinnan kehittämisestä keväällä Inka Tikkanen-Pietikäinen

Riskienhallintamalli. ja kuvaus riskienhallinnan kehittämisestä keväällä Inka Tikkanen-Pietikäinen Riskienhallintamalli ja kuvaus riskienhallinnan kehittämisestä keväällä 2018 Inka Tikkanen-Pietikäinen 15.6.2018 1 Riskienhallinnan kehittämisen aikataulu ja työn tulokset 2018 helmikuu maaliskuu huhtikuu

Lisätiedot

VAAROJEN TUNNISTAMINEN JA RISKIEN ARVIOINTI KALANVILJELY-YRITYKSISSÄ

VAAROJEN TUNNISTAMINEN JA RISKIEN ARVIOINTI KALANVILJELY-YRITYKSISSÄ VAAROJEN TUNNISTAMINEN JA RISKIEN ARVIOINTI KALANVILJELY-YRITYKSISSÄ Työturvallisuuslain (738/2002, 10 ) mukaan on jokaisen työnantajan selvitettävä ja arvioitava työpaikalla esiintyvät vaaratekijät. Tämä

Lisätiedot

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä

Lisätiedot

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto Kynä-paperi -harjoitukset Taina Lehtinen 43 Loput ratkaisut harjoitustehtäviin 44 Stressitestin = 40 s = 8 Kalle = 34 pistettä Ville = 5 pistettä Z Kalle 34 8 40 0.75 Z Ville 5 8 40 1.5 Kalle sijoittuu

Lisätiedot

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3 Mat-.9 Sovellettu todennäköisyyslasku A / Ratkaisut Aiheet: Avainsanat: Verkot todennäköisyyslaskennassa Satunnaismuuttujat ja todennäköisyysjakaumat Jakaumien tunnusluvut Kertymäfunktio, Momentit, Odotusarvo,

Lisätiedot

3. laskuharjoituskierros, vko 6, ratkaisut

3. laskuharjoituskierros, vko 6, ratkaisut Mat-.9 Sovellettu todennäköisyyslasku, kevät - eliövaara, Palo, Mellin. laskuharjoituskierros, vko 6, ratkaisut D. Uurnassa A on 4 valkoista ja 6 mustaa kuulaa ja uurnassa B on 6 valkoista ja 4 mustaa

Lisätiedot

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

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

Lisätiedot

Suorituskyky- ja riskiperusteinen toimintamalli Liikenteen turvallisuusvirastossa

Suorituskyky- ja riskiperusteinen toimintamalli Liikenteen turvallisuusvirastossa Suorituskyky- ja riskiperusteinen toimintamalli Liikenteen turvallisuusvirastossa 17.9.2015 Vastuullinen liikenne. Rohkeasti yhdessä. Suorituskyky- ja riskiperusteisen toimintamallin tavoitteet Uusi viranomaisuus,

Lisätiedot

JOHDATUS TEKOÄLYYN LUENTO 4.

JOHDATUS TEKOÄLYYN LUENTO 4. 2009 CBS INTERACTIVE JOHDATUS TEKOÄLYYN LUENTO 4. TODENNÄKÖISYYSMALLINNUS II: BAYESIN KAAVA TEEMU ROOS Marvin Minsky Father of Artificial Intelligence, 1927 2016 PINGVIINI(tweety) :- true. Wulffmorgenthaler

Lisätiedot

Otoskoko 107 kpl. a) 27 b) 2654

Otoskoko 107 kpl. a) 27 b) 2654 1. Tietyllä koneella valmistettavien tiivisterenkaiden halkaisijan keskihajonnan tiedetään olevan 0.04 tuumaa. Kyseisellä koneella valmistettujen 100 renkaan halkaisijoiden keskiarvo oli 0.60 tuumaa. Määrää

Lisätiedot

Todennäköisyyden ominaisuuksia

Todennäköisyyden ominaisuuksia Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset

Lisätiedot

Vastuullinen liikenne. Yhteinen asia. Rautatieliikenteen turvallisuusindikaattorit

Vastuullinen liikenne. Yhteinen asia. Rautatieliikenteen turvallisuusindikaattorit Vastuullinen liikenne. Yhteinen asia. Rautatieliikenteen turvallisuusindikaattorit Rautatieliikenteen 1-tason turvallisuusindikaattorit 3 2 2 1 1 21 Merkittävien onnettomuuksien määrä 27-211 27 26 Merk.

Lisätiedot

T Luonnollisen kielen tilastollinen käsittely Vastaukset 5, ti , 8:30-10:00 N-grammikielimallit, Versio 1.1

T Luonnollisen kielen tilastollinen käsittely Vastaukset 5, ti , 8:30-10:00 N-grammikielimallit, Versio 1.1 T-6.28 Luonnollisen kielen tilastollinen käsittely Vastaukset 5, ti 24.2.2004, 8:30-0:00 N-grammikielimallit, Versio.. Alla on erään henkilön ja tilaston estimaatit sille, miten todennäköistä on, että

Lisätiedot

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut TILASTO-OPPIA Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut Diskreetit jakaumat ja niiden esittäminen frekvenssitauluna ja kaaviona Jakauma on diskreetti jos tilastomuuttuja voi saada vain

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

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan 17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten

Lisätiedot

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Satunnaisalgoritmit Topi Paavilainen Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Helsinki, 23. helmikuuta 2014 1 Johdanto Satunnaisalgoritmit ovat algoritmeja, joiden

Lisätiedot

Kemikaaliriskien hallinta ympäristöterveyden kannalta. Hannu Komulainen Ympäristöterveyden osasto Kuopio

Kemikaaliriskien hallinta ympäristöterveyden kannalta. Hannu Komulainen Ympäristöterveyden osasto Kuopio Kemikaaliriskien hallinta ympäristöterveyden kannalta Hannu Komulainen Ympäristöterveyden osasto Kuopio 1 Riskien hallinta riskinarvioijan näkökulmasta! Sisältö: REACH-kemikaalit/muut kemialliset aineet

Lisätiedot

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely) Joonas Lanne 23.2.2015 Ohjaaja: Eeva Vilkkumaa Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Juvan, Rantasalmen ja Sulkavan liikenneturvallisuussuunnitelmat

Juvan, Rantasalmen ja Sulkavan liikenneturvallisuussuunnitelmat 7.2.2018 Juvan, Rantasalmen ja Sulkavan liikenneturvallisuussuunnitelmat Onnettomuustarkastelut Yhteenveto onnettomuustarkasteluista Juvan, Rantasalmen ja Sulkavan kuntien alueella tapahtuu vuosittain

Lisätiedot

Luento 9 Riskivertailut ja päätöksenteko

Luento 9 Riskivertailut ja päätöksenteko Luento 9 Riskivertailut ja päätöksenteko Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Tarkastelukulmia Riskejä koskeva

Lisätiedot

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Tilastollinen testaus. Vilkkumaa / Kuusinen 1 Tilastollinen testaus Vilkkumaa / Kuusinen 1 Motivointi Viime luennolla: havainnot generoineen jakauman muoto on usein tunnettu, mutta parametrit tulee estimoida Joskus parametreista on perusteltua esittää

Lisätiedot

Salmonellan esiintyminen suomalaisessa sianrehussa. Maria Rönnqvist, Evira

Salmonellan esiintyminen suomalaisessa sianrehussa. Maria Rönnqvist, Evira Salmonellan esiintyminen suomalaisessa sianrehussa Maria Rönnqvist, Evira Esityksen aiheita Riskinarviointi sianrehun salmonellariskistä Salmonella taudinaiheuttajana Salmonella sianlihan tuotannossa Salmonellan

Lisätiedot

1. TILASTOLLINEN HAHMONTUNNISTUS

1. TILASTOLLINEN HAHMONTUNNISTUS 1. TILASTOLLINEN HAHMONTUNNISTUS Tilastollisissa hahmontunnistusmenetelmissä piirteitä tarkastellaan tilastollisina muuttujina Luokittelussa käytetään hyväksi seuraavia tietoja: luokkien a priori tn:iä,

Lisätiedot

Mat-2.3117 Riskianalyysi (5 op) 2015

Mat-2.3117 Riskianalyysi (5 op) 2015 Mat-2.3117 Riskianalyysi (5 op) 2015 Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Lähtökohtia Taustaa Riskienhallinta on

Lisätiedot

KULTTUURINEN JA TODELLINEN LIIKENNETURVALLISUUS

KULTTUURINEN JA TODELLINEN LIIKENNETURVALLISUUS KULTTUURINEN JA TODELLINEN LIIKENNETURVALLISUUS Rethinking Safety Liikenne ja maankäyttö 9.10.2019 Marjut Ollitervo varapuheenjohtaja Pyöräliitto marjut.ollitervo@pyoraliitto.fi LIIKENNETURVALLISUUS LIIKENNETURVALLISUUS

Lisätiedot

Työn vaarojen selvittämisen ja riskien arvioinnin periaatteet

Työn vaarojen selvittämisen ja riskien arvioinnin periaatteet Työn vaarojen selvittämisen ja riskien arvioinnin periaatteet Päivi Rauramo, asiantuntija TtM Työturvallisuuskeskus TTK Paivi.rauramo@ttk.fi 1 Turvallisuusjohtamisen perusmalli EU:ssa Vaarojen ja haittojen

Lisätiedot

b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa.

b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa. 2.9. Epävarmuus ja odotetun hyödyn teoria Testi. Kumman valitset a) 10 euroa varmasti. b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa. Odotettu arvo 0,5* 15 + 0,5*5

Lisätiedot

OHJEITA KURSSIPÄIVÄKIRJAN LAATIMISEEN Terveystiedon kurssi 2: Nuoret, terveys ja arkielämä

OHJEITA KURSSIPÄIVÄKIRJAN LAATIMISEEN Terveystiedon kurssi 2: Nuoret, terveys ja arkielämä OHJEITA KURSSIPÄIVÄKIRJAN LAATIMISEEN Terveystiedon kurssi 2: Nuoret, terveys ja arkielämä Palautetaan arvioitavaksi ennen koeviikkoa (palautelaatikkoon viimeistään ke 13.5.) Kurssipäiväkirja on oman oppimisesi,

Lisätiedot

HELSINGIN KAUPUNKI TOIMINTAOHJE 1/7 LIIKENNELIIKELAITOS Yhteiset Palvelut / Turvallisuuspalvelut K. Kalmari / Y. Judström 18.9.

HELSINGIN KAUPUNKI TOIMINTAOHJE 1/7 LIIKENNELIIKELAITOS Yhteiset Palvelut / Turvallisuuspalvelut K. Kalmari / Y. Judström 18.9. 1/7 Avainsanat: riskienhallinta, vaarojen tunnistaminen, riskien estimointi, vaararekisteri HKL:n metro ja raitiotieliikenteen riskienhallinnan toimintaohje 1 Riskienhallinta Helsingin kaupungin liikenneliikelaitoksessa.

Lisätiedot

OPAS KÄSINEIDEN VALINTAAN Viiltosuojaus

OPAS KÄSINEIDEN VALINTAAN Viiltosuojaus OPAS KÄSINEIDEN VALINTAAN Viiltosuojaus OHJEISTUS OIKEAN VIILTOSUOJAKÄSINEMALLIN VALINTAAN VASTAA UUTTA EN388:2016 STANDARDIA Varmin tapa oikean käsinemallin valintaan on käyttää 3-vaiheista tarvekartoitusta.

Lisätiedot

SYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI

SYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI Päivitetty 28.3.2017 SYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI Riskianalyysiohjeen tarkoitus on tukea yrityksen toimintaa uhkaavien tilanteiden (riskien) tunnistamisessa,

Lisätiedot

osana liikennejärjestelmää

osana liikennejärjestelmää Tieliikenne osana liikennejärjestelmää Osastonjohtaja Sami Mynttinen Aina voi tapahtua 2 Liikennejärjestelmä ja tieliikenne Määritelmä Liikennejärjestelmä koostuu liikenteen infrastruktuurista, sitä käyttävästä

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30. FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa Luentokuulustelujen esimerkkivastauksia Pertti Palo 30. marraskuuta 2012 Saatteeksi Näiden vastausten ei ole tarkoitus olla malleja vaan esimerkkejä.

Lisätiedot

ISO 9001:2015 JÄRJESTELMÄ- JA PROSESSIAUDITOIN- NIN KYSYMYKSIÄ

ISO 9001:2015 JÄRJESTELMÄ- JA PROSESSIAUDITOIN- NIN KYSYMYKSIÄ ISO 9001:2015 JÄRJESTELMÄ- JA PROSESSIAUDITOIN- NIN KYSYMYKSIÄ IMS Business Solutions Oy, J Moisio 10/ 2016 2.10.2016 IMS Business Solutions Oy 2 ISO 9001:2015 PROSESSIEN AUDITOINTIKYSYMYKSIÄ ISO 9001:2015

Lisätiedot

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Kokonaistodennäköisyyden ja Bayesin kaavat TKK (c) Ilkka Mellin (2007) 1 Kokonaistodennäköisyys ja Bayesin kaava >> Kokonaistodennäköisyys

Lisätiedot

T Luonnollisten kielten tilastollinen käsittely Vastaukset 5, ti , 16:15-18:00 N-grammikielimallit, Versio 1.0

T Luonnollisten kielten tilastollinen käsittely Vastaukset 5, ti , 16:15-18:00 N-grammikielimallit, Versio 1.0 T-61.281 Luonnollisten kielten tilastollinen käsittely Vastaukset 5, ti 25.2.2003, 16:15-18:00 N-grammikielimallit, Versio 1.0 1. Alla on erään henkilön ja tilaston estimaatit sille, miten todennäköistä

Lisätiedot

Mikrobikriteereiden arviointi esimerkkinä kampylobakteeri

Mikrobikriteereiden arviointi esimerkkinä kampylobakteeri Mikrobikriteereiden arviointi esimerkkinä kampylobakteeri Taustaa: NMDD-projekti 2011-2012 Rahoitus: pohjoismaiden ministerineuvosto Vast.tutkija: Maarten Nauta, DTU Epävarmuusanalyysin Bayes-mallinnus,

Lisätiedot

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei.

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei. PITKÄ MATEMATIIKKA PRELIMINÄÄRIKOE 7..07 NIMI: A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-. Taulukkokirjaa saa käyttää apuna, laskinta ei.. Valitse oikea vaihtoehto ja

Lisätiedot