Luento 2 Riskien arvioinnista
|
|
- Auvo Tikkanen
- 8 vuotta sitten
- Katselukertoja:
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 Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Termistöä Vaara (engl. hazard) Tarkoittaa ei-toivotun
LisätiedotLuento 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)
LisätiedotLuento 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
LisätiedotMS-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
LisätiedotLuento 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
LisätiedotMS-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-,
LisätiedotMS-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
LisätiedotLuento 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
LisätiedotHY / 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
LisätiedotMS-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
LisätiedotTILASTOLLINEN 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%
Lisätiedot0.08 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
LisätiedotTodennäköisyys (englanniksi probability)
Todennäköisyys (englanniksi probability) Todennäköisyyslaskenta sai alkunsa 1600-luvulla uhkapeleistä Ranskassa (Pascal, Fermat). Nykyisin todennäköisyyslaskentaa käytetään hyväksi mm. vakuutustoiminnassa,
LisätiedotLuento 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
LisätiedotVaaran 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
Lisätiedot3.7 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
LisätiedotTodennäköisyys. 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,
LisätiedotSuotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä
Todennäköisyys 1 Klassinen todennäköisyys: p = Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä Esimerkkejä: Nopan heitto, kolikon heitto Satunnaismuuttuja Tilastollisesti vaihtelevaa
LisätiedotLuento 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.
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.
LisätiedotLuento 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
LisätiedotTutkimustiedonhallinnan peruskurssi
Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,
LisätiedotORMS2020 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
LisätiedotJärvenpään, 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
LisätiedotHelsingin, 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)
LisätiedotHelsingin, 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)
LisätiedotMS-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
LisätiedotMonimutkaisten 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
LisätiedotTilastollisia 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
LisätiedotSAFGOF-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
Lisätiedot031021P Tilastomatematiikka (5 op)
031021P Tilastomatematiikka (5 op) Jukka Kemppainen Mathematics Division Yleinen todennäköisyys Kertausmateriaalissa esiteltiin koulusta tuttuja todennäköisyysmalleja. Tällä kurssilla todennäköisyys on
LisätiedotMyrskylän liikenneturvallisuussuunnitelma: Onnettomuustarkastelut
Myrskylän liikenneturvallisuussuunnitelma: Onnettomuustarkastelut 29.5.2018 HUOM! Myrskylässä tilastopohja on hyvin pieni, joten analyyseja pitää tulkita varoen. Yhteenveto Myrskylän kunnan alueella tapahtuu
LisätiedotValitaan 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
LisätiedotAutojen 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,
LisätiedotSoodakattila 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
LisätiedotProjektin 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
LisätiedotMS-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,
LisätiedotLapinjärven liikenneturvallisuussuunnitelma: Onnettomuustarkastelut
Lapinjärven liikenneturvallisuussuunnitelma: Onnettomuustarkastelut 29.5.2018 Yhteenveto Lapinjärven kunnan alueella tapahtuu vuosittain keskimäärin seitsemän henkilövahinkoon johtavaa ja kymmenen omaisuusvahinkoon
LisätiedotLIIKENNETURVALLISUUSTILANNE JANAKKALASSA. Onnettomuusanalyysia vuosista 2002-2011
LIIKENNETURVALLISUUSTILANNE JANAKKALASSA Onnettomuusanalyysia vuosista - Janakkalan kunnan alueella tapahtuu vuosittain noin kaksikymmentä henkilövahinkoihin johtavaa liikenneonnettomuutta. Liikenneonnettomuuksissa
LisätiedotLuento 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
LisätiedotLuento 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
LisätiedotRiskienhallintasuunnitelma ja riskianalyysi
Riskienhallintasuunnitelma ja riskianalyysi ylitarkastaja jari.knuuttila@valvira.fi Keskustelutilaisuus hammasteknisten töiden valmistajille 10.5.2019 Valvira.fi, @ValviraViestii Valvira valvoo valtakunnallisesti
LisätiedotMS-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
LisätiedotPukkilan liikenneturvallisuussuunnitelma: Onnettomuustarkastelut
Pukkilan liikenneturvallisuussuunnitelma: Onnettomuustarkastelut 29.5.2018 HUOM! Pukkilassa tilastopohja on hyvin pieni, joten analyyseja pitää tulkita hyvin varoen. Yhteenveto Pukkilan kunnan alueella
LisätiedotT 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:
LisätiedotHyppylentämisen 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
LisätiedotP(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)
LisätiedotRiskin 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
LisätiedotTaipalsaaren liikenneturvallisuussuunnitelma. 1b. Nykytilan selvitys Liikenneonnettomuudet
Taipalsaaren liikenneturvallisuussuunnitelma 1b. Nykytilan selvitys Liikenneonnettomuudet 1.9.2015 Nykytilan selvitys - liikenneonnettomuudet Taipalsaarella vuosina 2009 2013 poliisin tietoon tulleista
LisätiedotMarkov-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
LisätiedotT 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:
LisätiedotKvantitatiivinen 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
LisätiedotKatsaus 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
LisätiedotMS-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
LisätiedotTurvallisuutta 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
LisätiedotMitä 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
LisätiedotJohdatus 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
LisätiedotSovellettu 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
LisätiedotH0: 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
LisätiedotLuento 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
LisätiedotRiskienhallintamalli. 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
LisätiedotVAAROJEN 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
LisätiedotBayesin 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
LisätiedotKynä-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
Lisätiedot5/11 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,
Lisätiedot3. 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
LisätiedotKurssilla 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
LisätiedotSuorituskyky- 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,
LisätiedotJOHDATUS 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
LisätiedotOtoskoko 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
LisätiedotTodennäköisyyden 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
LisätiedotVastuullinen 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.
LisätiedotT 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
LisätiedotTilastolliset 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
LisätiedotTilastollisen 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
LisätiedotJos 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
LisätiedotSatunnaisalgoritmit. 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
LisätiedotKemikaaliriskien 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
LisätiedotKustannustehokkaat 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
LisätiedotJuvan, Rantasalmen ja Sulkavan liikenneturvallisuussuunnitelmat
7.2.2018 Juvan, Rantasalmen ja Sulkavan liikenneturvallisuussuunnitelmat Onnettomuustarkastelut Yhteenveto onnettomuustarkasteluista Juvan, Rantasalmen ja Sulkavan kuntien alueella tapahtuu vuosittain
LisätiedotLuento 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
LisätiedotTilastollinen 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
LisätiedotSalmonellan esiintyminen suomalaisessa sianrehussa. Maria Rönnqvist, Evira
Salmonellan esiintyminen suomalaisessa sianrehussa Maria Rönnqvist, Evira Esityksen aiheita Riskinarviointi sianrehun salmonellariskistä Salmonella taudinaiheuttajana Salmonella sianlihan tuotannossa Salmonellan
Lisätiedot1. TILASTOLLINEN HAHMONTUNNISTUS
1. TILASTOLLINEN HAHMONTUNNISTUS Tilastollisissa hahmontunnistusmenetelmissä piirteitä tarkastellaan tilastollisina muuttujina Luokittelussa käytetään hyväksi seuraavia tietoja: luokkien a priori tn:iä,
LisätiedotMat-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
LisätiedotKULTTUURINEN 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
LisätiedotTyön 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
Lisätiedotb) 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
LisätiedotOHJEITA 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,
LisätiedotHELSINGIN 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.
LisätiedotOPAS 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.
LisätiedotSYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI
Päivitetty 28.3.2017 SYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI Riskianalyysiohjeen tarkoitus on tukea yrityksen toimintaa uhkaavien tilanteiden (riskien) tunnistamisessa,
Lisätiedotosana liikennejärjestelmää
Tieliikenne osana liikennejärjestelmää Osastonjohtaja Sami Mynttinen Aina voi tapahtua 2 Liikennejärjestelmä ja tieliikenne Määritelmä Liikennejärjestelmä koostuu liikenteen infrastruktuurista, sitä käyttävästä
LisätiedotEstimointi. 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
LisätiedotFoA5 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.
LisätiedotISO 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
LisätiedotOsa 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
LisätiedotT 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
LisätiedotMikrobikriteereiden arviointi esimerkkinä kampylobakteeri
Mikrobikriteereiden arviointi esimerkkinä kampylobakteeri Taustaa: NMDD-projekti 2011-2012 Rahoitus: pohjoismaiden ministerineuvosto Vast.tutkija: Maarten Nauta, DTU Epävarmuusanalyysin Bayes-mallinnus,
LisätiedotA-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