Puheentutkimuksen tilastoanalyysin perusteet
|
|
- Tuomo Salo
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Puheentutkimuksen tilastoanalyysin perusteet Pertti Palo
2 Kuka? Tekn.Lis. Pertti Palo pertti.palo (ät) helsinki.fi vastaanotto sopimuksen mukaan Todennäköisyyslaskua keväästä -99 Puhetieteiden jatko-opiskelijawannabe Mitäs muuta?
3 Mitä? Puheentutkimuksen tilastoanalyysin perusteet laajuus: 4op II-III periodi 1. luento 2.11., 1. harjoitus 10. tai (ryhmiä on kaksi) esitiedot: lukiosta voi olla apua, ilmankin selviää suorittaminen: luentokuulustelut ja harjoitustyöt tavoitteet: tehdä data-analyysin peruskäsitteistä arkipäiväisiä oppimateriaali: nämä kalvot, netissä julkaistava materiaali ja vaikkapa Baayen: Analyzing Linguistic Data A practical introduction to statistics luvut 1-4
4 ... ja kauanko siihen menee? Luentoja 7*2+3*2 = 20h Harjoituksia 6*2+4*2 = 20h Yhteensä 40h 4op = 4*26.7 = 106.8h 106.8h / 2 = 53.4h 53.4h - 40h = 13.4h Harjoitustyö + kahden opponointi = 13.4h / 3 4.5h
5 ... ja kalenterin kanssa? Alustavaa aikataulua: II periodin luennot II periodin harjoitukset III periodissa luennot 25.1., 1.2. ja III periodissa välisenä aikana muilla viikoilla toinen harjoitusryhmä ke ja toisen aika avoin 1. harjoitustyö DL n ja 3. harjoitustyö III periodissa Seminaariluennot 7.12., 1.2. ja alustavasti
6 Hä? Asiasisältöön kuuluu alustavasti (mm.): muuttujat, yhtälöt, kaavat, nominaaliset ja jatkuvat muuttujat, useampi ulotteiset muuttujat mittaustasot, laatuero yms. asteikot kuvailevien suureiden järkevä käyttö: mm. prosenttiosuudet vs. absoluuttiset suhteet datavektorit, suuret datamatriisit, datan visualisointi ja käsittely lineaariset ja logaritmiset asteikot suureiden (SPL, F0, formantit, kestot, tavumäärä) kuvaamisessa tilastolliset tunnusluvut: keskiarvo, otoskeskiarvo, varianssi, keskihajonta, kovarianssi otoskoon vaikutus tunnuslukuihin; outlierit ja datan rajaaminen muuttujien väliset suhteet: verrannollisuus, korrelaatio ja kausaalisuus
7 Kui oikeesti? No, näin: luentokuulusteluissa kaksi (helppoa) kysymystä joka kerralla -> max 20p -> arvosana 0-5 kolme harjoitustyötä ja kustakin arvosana 0-5 kurssin kokonaisarvosana (jos kaikki osat hyväksytty) 0.4*luennot + 0.2*(harjoitusten summa)
8 Kui oikeesti (siis suomeksi)? No, näin: Tämän kerran luentokuulustelu: 1. Mihin tilastollisilla menetelmillä tähdätään? 2. Mikä on skalaarin ja vektorin ero? Kolme harjoitustyötä jotka tehdään (2-)3 hengen ryhmissä jotka tehdään R -nimisellä tilasto-ohjelmalla joista kirjoitetaan raportti jotka opponoidaan ja arvostellaan ristiin ryhmien kesken joista yhden kukin ryhmä esittelee seminaarissa. Kurssin kokonaisarvosana muodostuu (painotettuna) summana edellisistä. Tarkoitukseni on saada kaikki tosissaan kurssia tekevät siitä läpi hyvällä arvosanalla.
9 Avoin kysymys: Kuinka alkupään harjoitukset, jotka eivät ole harjoitustöitä, pitäisi ottaa huomioon? Pitäisikö ylipäätään?
10 Entä jos...? No, säädetään: jos on ongelmia aikataulun kanssa, sovi poikkeusjärjestelystä jos jokin harjoitustyö on liian työläs, kertokaa heti jos jokin asia ei vain toimi, keksitään parempi ratkaisu / jätetään tarvittaessa vaikka osa tehtävästä tekemättä pidetään aina mielessä kokonaisuus ja kurssin tulevaisuus
11 Muita juttuja Nettisivut Palauteryhmä Harjoitusryhmiin jakautuminen Rästitentti Oliko muuta?
12 Aloitetaanpa sitten Kahvitauon paikka? Ensin kuitenkin Toisenlainen tapa nähdä matematiikka.
13 Toisenlainen tapa nähdä matematiikka Kumpi on tärkeämpää rakentajalle kantava talon runko ja sen pystyttämisen periaatteet vai ruuvit ja akkuvääntimen tekniikka? Talo itse vai sen rakentamiseen käytetyt työkalut? Tällä kurssilla opetellaan käyttämään työkaluja, joilla voidaan tehdä tutkimusta, analysoida dataa.
14 Toisenlainen tapa nähdä matematiikka Näitä työkaluja ovat: matemaattiset käsitteet ja menetelmät (muuttujat, yhtälöt, funktiot, derivaatta) elävät ideamaailmassa, todennäköisyyslaskun käsitteet ja menetelmät (ehdollinen todennäköisyys, satunnaismuuttujat, jakaumat, odotusarvo, korrelaatio, jne.) elävät ideamaailmassa, tilastotieteen käsitteet (otos, keskiarvo, otoshajonta jne.), tilastotieteen menetelmät (testit, mallit yms), tilastolliset ohjelmat kuten R, SPSS, Excel, Matlab elävät reaalimaailmassa. Nämä työkalut eivät ole: aina uusimpia ja hienoimpia, mustia laatikoita, pääasia.
15 Mikä sitten on pääasia? Oppia lukemaan aiempia tutkimuksia. Oppia käyttämään oikeita työkaluja oikeaan tarpeeseen. Oppia riittävästi työkalujen ominaisuuksista, jottei käytä vahingossa väärää työkalua. Oppia rakentamaan tarpeet siten, että käytettävissä olevat työkalut riittävät. Oppia suunnittelemaan kokeet siten, että esitettyihin kysymyksiin on mahdollista ja helppoa vastata. Oppia riittävästi, jotta selviää graduun tarvittavasta data-analyysista. Rakentaa pohjaa hienompien, uudempien menetelmien oppimiseen.
16 Kahvitauko Kahvitauon jälkeen Data-analyysia, muuttujia ja todennäköisyyksiä.
17 Data-analyysia 1 Millaista dataa haluamme? Riippuvuussuhteita kuvaavaa, moniulotteista, pitkältä ajalta kerättyä, usealta koehenkilöltä kerättyä, erilaisilla käsittelyillä saatua... Jopas on! Eikä siinä kaikki...
18 Data-analyysia 2 Millaista data yleensä on? Vajaata, virheellistä, biasoitunutta, kohinaista, epävarmaa, hankalaa....
19 Epävarmuutta ilmassa Miten siis toimia? Otetaan vajaus huomioon, korjataan ilmeisimmät virheet, oikaistaan bias ja hanskataan epävarmuus. Helppoa... sanoa.
20 Puretaan paloiksi - aloitetaan perusteista Ensin riippuvuussuhteiden (matematiikan ja tilastotieteen) peruskäsitteitä: muuttuja, mitta-asteikko, yhtälö, funktio. Sitten useampiulotteisia muuttujia (matematiikkaa): vektorit. Lopuksi epävarmuuden peruskäsitteitä (todennäköisyyslaskua): todennäköisyys ja ehdollinen todennäköisyys.
21 Muuttujatyyppejä ja mitta-asteikkoja Mitta-asteikkoja: nominaali- eli laatueroasteikko (foneemi) järjestysasteikko eli ordinaaliasteikko (? keksikääpä hyvä esimerkki) intervalli- eli välimatka-asteikko (syntymävuosi) suhdeasteikko (äänenpainetaso) Kaksi tärkeää muuttujatyyppiä: jatkuvat muuttujat (äänenpaine, aika) diskreetit muuttujat (tavujen lukumäärä, Likert-asteikko data)
22 Muuttujat, yhtälöt, funktiot y = 2x + 1 f (x) = 2x + 1 Kuvajainen... -> R y = f (x)
23 Esimerkkejä funktioista f (x) = sin(x) f (x) = x Kuvajainen -> R f (x) = 1
24 Vektorit Edellisissä funktioissa ja yhtälöissä x ja y ovat yksiulotteisia muuttujia. Niistä voidaan koota kaksiulotteinen muuttuja eli vektori: r = (x, y) tai [pystyvektori] eli piste xy-tasossa. Lisätään ulottuvuus: kolmiulotteinen vektori: r = (x, y, z) eli piste kolmiulotteisessa avaruudessa. Vähän vielä lisää: viisiulotteinen vektori: r = (x, y, z, φ, θ) eli EMA -käämin paikka ja kiertymiskulmat. Paljon lisää: r = 200 vastausta kysymykseen Likert-asteikolla mitattuna (1,2,3,4,5). Vieläkin lisää: r = 10 min puhesignaali näytteistettynä Hz taajuudella (10*60*44100-ulotteinen vektori).
25 Todennäköisyys Mittari joka on aina välillä [0, 1]. 0 = mahdoton tapahtuma. 1 = varma tapahtuma. Määritellään tapahtuma A = Salista valitun henkilön nimi on Pertti A:n todennäköisyys voidaan kirjoittaa: P( Salista valitun henkilön nimi on Pertti ) = P(A) =? B = Salista valittu henkilö on mies. P(B) =?
26 Ehdollinen todennäköisyys P(A B) =? P(B A) =? C = Foneetikko, D = Nainen P(C D) =? P(D C) =? P(A B) = P(A ja B) P(B) = P(A B) P(B) P(A A) = 1
27 Luentokuulustelu 1. Palautetta tästä luennosta: Mikä luennossa oli hyvää, mikä huonoa? 2. Parannusehdotuksia tulevia luentoja varten: Mitä haluaisit tehtävän toisin jatkossa? Miten lähestymistapaa voisi parantaa?
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.
LisätiedotLuento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja
1 Luento 23.9.2014 KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja 2 Ristiintaulukko Esim. Toyota Avensis farmariautoja, nelikenttä (2x2-taulukko) 3 Esim. 5.2.6. Markkinointisuunnitelma
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 9. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 9. luento Pertti Palo 22.11.2012 Käytännön asioita Eihän kukaan paikallaolijoista tee 3 op kurssia? 2. seminaarin ilmoittautuminen. 2. harjoitustyön
LisätiedotMat-2.129 Systeemien identifiointi
Luennot: TkT, erik. op. to 16-18 U261 Harjoitukset tekn.yo Ville Koskinen pe 10-12 joko mikroluokka U352 tai U261 Kurssikirja Ljung & Glad: Modeling of Dynamic Systems, Prentice-Hall, 1994 TAI Ibid.: Modelbygge
LisätiedotTILASTOLLINEN LAADUNVALVONTA
1 Aki Taanila TILASTOLLINEN LAADUNVALVONTA 31.10.2008 2 TILASTOLLINEN LAADUNVALVONTA Tasalaatuisuus on hyvä tavoite, jota ei yleensä voida täydellisesti saavuttaa: asiakaspalvelun laatu vaihtelee, vaikka
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Derivaatta Tarkastellaan funktion f keskimääräistä muutosta tietyllä välillä ( 0, ). Funktio f muuttuu tällä välillä määrän. Kun tämä määrä jaetaan välin pituudella,
LisätiedotTutkimuksen 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
LisätiedotMTTTP1, luento KERTAUSTA
26.9.2017/1 MTTTP1, luento 26.9.2017 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2017/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
LisätiedotFoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. 6. luento. Pertti Palo
FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa 6. luento Pertti Palo 1.11.2012 Käytännön asioita Harjoitustöiden palautus sittenkin sähköpostilla. PalautusDL:n jälkeen tiistaina netistä löytyy
LisätiedotARVIOINTIPERIAATTEET
PSYKOLOGIAN YHTEISVALINNAN VALINTAKOE 2012 ARVIOINTIPERIAATTEET Copyright Helsingin yliopisto, käyttäytymistieteiden laitos, Materiaalin luvaton kopiointi kielletty. TEHTÄVÄ 1. (max. 34.5 pistettä) 1 a.i)
LisätiedotHarjoitus 2: Matlab - Statistical Toolbox
Harjoitus 2: Matlab - Statistical Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen tavoitteet Satunnaismuuttujat ja todennäköisyysjakaumat
LisätiedotJohdatus tn-laskentaan perjantai 17.2.2012
Johdatus tn-laskentaan perjantai 17.2.2012 Kahden diskreetin muuttujan yhteisjakauma On olemassa myös monen muuttujan yhteisjakauma, ja jatkuvien muuttujien yhteisjakauma (jota ei käsitellä tällä kurssilla;
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 11. lokakuuta 2007 Antti Rasila () TodB 11. lokakuuta 2007 1 / 15 1 Johdantoa tilastotieteeseen Peruskäsitteitä Tilastollisen kuvailun ja päättelyn menetelmiä
LisätiedotMiten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä palamisaikaa?
21.3.2019/1 MTTTP1, luento 21.3.2019 7 TILASTOLLISEN PÄÄTTELYN PERUSTEITA Miten voidaan arvioida virheellisten komponenttien osuutta tuotannossa? Miten voidaan arvioida valmistajan kynttilöiden keskimääräistä
LisätiedotMS-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
LisätiedotMTTTP1, luento KERTAUSTA
25.9.2018/1 MTTTP1, luento 25.9.2018 KERTAUSTA Varianssi, kaava (2) http://www.sis.uta.fi/tilasto/mtttp1/syksy2018/kaavat.pdf n i i n i i x x n x n x x n s 1 2 2 1 2 2 1 1 ) ( 1 1 Mittaa muuttujan arvojen
LisätiedotOHJ-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
LisätiedotTytöt LVI-alalla - Perusraportti
Tytöt LVI-alalla - Perusraportti 1. Ikäni on Tämä kysymys antoi harhaanjohtavan tuloksen, sillä kaksi tytöistä täyttää 16 vuotta tänä vuonna mutta kaksi 17, vielä loppuvuoden aikana. 2. Aiempi koulutukseni
LisätiedotTN-IIa (MAT22001), syksy 2017
TN-IIa (MAT22001), syksy 2017 Petteri Piiroinen 4.9.2017 Todennäköisyyslaskennan IIa -kurssin asema opetuksessa Tilastotieteen pääaineopiskelijoille pakollinen aineopintojen kurssi. Suositus: toisen vuoden
LisätiedotPuheentutkimuksen tilastoanalyysin perusteet. 8. luento. Pertti Palo 20.1.2012
Puheentutkimuksen tilastoanalyysin perusteet 8. luento Pertti Palo 20.1.2012 Käytännön asioita Viimeisen seminaarin siirto: 2.3. 10-12 -> 2.3. 14-16. Miten seminaarin luentokuulustelun voi korvata? Harjoitustöiden
LisätiedotMATEMATIIKKA 5 VIIKKOTUNTIA
EB-TUTKINTO 2010 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 4. kesäkuuta 2010 KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Eurooppa-koulun antama taulukkovihkonen Funktiolaskin, joka ei saa
LisätiedotVALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 7.6.2011 Ratkaisut ja arvostelu
VALTIOTIETEELLINEN TIEDEKUNTA TILASTOTIETEEN VALINTAKOE 7.6.2011 Ratkaisut ja arvostelu 1.1 Noudattakoon satunnaismuuttuja X normaalijakaumaa a) b) c) d) N(5, 15). Tällöin P (1.4 < X 12.7) on likimain
LisätiedotKvantitatiiviset menetelmät
Käsitteiden operationalisointi Kvantitatiiviset menetelmät Mikko Mattila Yleisen valtio-opin laitos Kevät 2005 Teoriat ovat systemaattisia käsitteellisen tason kuvauksia ilmiöiden välisistä suhteista Jotta
LisätiedotVäli- ja loppuraportointi
Väli- ja loppuraportointi Hyvän raportin merkitys hankkeen tulosten kuvaamisessa Sari Ahvenainen ESR-koordinaattori 25.5.2011 Uudenmaan ELY-keskus Väliraportti (1/8) Miksi väliraportti tehdään? - Tarkoituksena
LisätiedotMUUTOS 14! - Sosiaaliset kriteerit julkisissa hankinnoissa!
Kysely Välkky-projektissa keväällä 2011 toteutetuista MUUTOS! -koulutuksista MUUTOS 14! - Sosiaaliset kriteerit julkisissa hankinnoissa! Aika ja paikka: 11.3.2011, MTC Oy, Pori Kouluttajat: Timo Martelius
LisätiedotHypoteesin testaus Alkeet
Hypoteesin testaus Alkeet Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Johdanto Kokeellinen tutkimus: Varmennetaan teoreettista olettamusta fysikaalisen systeemin käyttäytymisestä
LisätiedotMoniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?
TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (4) Moniulotteisia todennäköisyysjakaumia: Mitä
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
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,
LisätiedotJohdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (005) 1 Moniulotteisia todennäköisyysjakaumia Multinomijakauma Kaksiulotteinen normaalijakauma TKK (c) Ilkka
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
Lisätiedot7. laskuharjoituskierros, vko 10, ratkaisut
7. laskuharjoituskierros, vko 10, ratkaisut D1. a) Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 0, E(Y ) = 1, Var(X) = 1, Var(Y ) = 4 ja Cov(X,
Lisätiedot213a. MS-A0503 Todennäköisyyslaskenna n ja tilastotieteen per; M (vkot 3-7)
Energia- ja ympäristötekniikan mallilukujärjestys kevät-2014 III periodi 1. vuoden opiskelijalle viikot 2-8 (2-7) Ma Ti Ke To Pe 8.00 MS-A0206 Differentiaalija integraalilaskenta 2; 213a MS-A0206 Differentiaalija
LisätiedotValintaperusteet, syksy 2011: Sosiaali- ja terveysala
Valintaperusteet, syksy 2011: Sosiaali- ja terveysala 210 op, Sosiaali- ja terveysalan ammattikorkeakoulututkinto, Bioanalyytikko (AMK) 210 op, Sosiaali- ja terveysalan ammattikorkeakoulututkinto, Fysioterapeutti
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 21. syyskuuta 2007 Antti Rasila () TodB 21. syyskuuta 2007 1 / 19 1 Satunnaismuuttujien riippumattomuus 2 Jakauman tunnusluvut Odotusarvo Odotusarvon ominaisuuksia
LisätiedotMoniulotteisia todennäköisyysjakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen
LisätiedotIlkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (006) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen
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
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi. Viikko 3. Kaksiulotteiset satunnaismuuttujat
.9. Kaksiulotteiset satunnaismuuttujat MS-A Todennäköisslaskennan ja tilastotieteen peruskurssi Viikko Moniulotteiset satunnaismuuttujat sekä niiden jakaumat ja tunnusluvut; Moniulotteisia jakaumia Usein
LisätiedotOtanta ilman takaisinpanoa
Otanta ilman takaisinpanoa Populaatio, jossa N alkiota (palloa, ihmistä tms.), kahdenlaisia ( valkoinen, musta ) Poimitaan umpimähkään (= symmetrisesti) n-osajoukko eli otos Merkitään tapahtuma A k = otoksessa
LisätiedotSähköstaattisen potentiaalin laskeminen
Sähköstaattisen potentiaalin laskeminen Potentiaalienegia on tuttu mekaniikan kussilta eikä se ole vieas akielämässäkään. Sen sijaan potentiaalin käsite koetaan usein vaikeaksi. On hyvä muistaa, että staattisissa
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
LisätiedotTieVie-hanke 2001-02 Saksan kieli. Ritva Huurtomaa
TieVie-hanke 2001-02 Saksan kieli Ritva Huurtomaa Tavoitteet suunnitella ja toteuttaa verkkokurssina saksan kieliopin oppimiseen ja harjoittelemiseen innostava kokonaisuus saksan opintojaan aloittavia
LisätiedotSisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4
Sisällysluettelo ESIPUHE 1. PAINOKSEEN... 3 ESIPUHE 2. PAINOKSEEN... 3 SISÄLLYSLUETTELO... 4 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 6 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA... 7 1.2 AIHEESEEN PEREHTYMINEN...
LisätiedotAnalyyttinen mekaniikka I periodi 2012
Analyyttinen mekaniikka I periodi 2012 Luennot: Luennoitsija: Kurssin kotisivu: ma & to 10-12 (E204) Rami Vainio, Rami.Vainio@helsinki.fi http://theory.physics.helsinki.fi/~klmek/ Harjoitukset: to 16-18
LisätiedotJuuri 10 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty
Juuri 0 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 9..08 Kertaus K. a) Alapaineiden pienin arvo on ja suurin arvo 74, joten vaihteluväli on [, 74]. b) Alapaineiden keskiarvo on 6676870774
LisätiedotJohdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1
Johdatus tilastotieteeseen Testit järjestysasteikollisille muuttujille TKK (c) Ilkka Mellin (2004) 1 Testit järjestysasteikollisille muuttujille Järjestysasteikollisten muuttujien testit Merkkitesti Wilcoxonin
Lisätiedot5.6.3 Matematiikan lyhyt oppimäärä
5.6.3 Matematiikan lyhyt oppimäärä Matematiikan lyhyen oppimäärän opetuksen tehtävänä on tarjota valmiuksia hankkia, käsitellä ja ymmärtää matemaattista tietoa ja käyttää matematiikkaa elämän eri tilanteissa
LisätiedotEsimerkkejä derivoinnin ketjusäännöstä
Esimerkkejä derivoinnin ketjusäännöstä (5.9.008 versio 1.0) Esimerkki 1 Määritä funktion f(x) = (x 5) derivaattafunktio. Funktio voidaan tulkita yhdistettynä funktiona, jonka ulko- ja sisäfunktiot ovat
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotTUTKIMUSAINEISTON 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&idx=2&uilang=fi&lang=fi&lvv=2015
20.10.2015/1 MTTTP5, luento 20.10.2015 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585 &idx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa
LisätiedotII- luento. Etiikan määritelmiä. Eettisen ajattelu ja käytänteet. 1 Etiikka on oikean ja väärän tutkimusta
II- luento Eettisen ajattelu ja käytänteet Etiikan määritelmiä 1 Etiikka on oikean ja väärän tutkimusta 2. Etiikka ei ole samaa kuin moraali, se on moraalin tutkimusta 3. Etiikka ei ole tutkimusta siitä,
LisätiedotMatemaattinen tilastotiede. Erkki Liski Matematiikan, Tilastotieteen ja Filosofian Laitos Tampereen Yliopisto
Matemaattinen tilastotiede Erkki Liski Matematiikan, Tilastotieteen ja Filosofian Laitos Tampereen Yliopisto Alkusanat Tämä moniste perustuu vuosina 2002-2004 pitämiini matemaattisen tilastotieteen luentoihin
LisätiedotOPETUSSUUNNITELMALOMAKE
OPETUSSUUNNITELMALOMAKE Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit siis dokumentoida
LisätiedotGeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus
GeoGebra tutkivan oppimisen välineenä: havainto-hypoteesi-testaus Mitä jäi mieleen viime viikosta? Mitä mieltä olet tehtävistä, joissa GeoGebralla työskentely yhdistetään paperilla jaettaviin ohjeisiin
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
LisätiedotKvantitatiiviset 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
Lisätiedotr = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P
Markkinaportfolio on koostuu kaikista markkinoilla olevista riskipitoisista sijoituskohteista siten, että sijoituskohteiden osuudet (so. painot) markkinaportfoliossa vastaavat kohteiden markkina-arvojen
LisätiedotELEC-C5210 Satunnaisprosessit tietoliikenteessä
ELEC-C5210 Satunnaisprosessit tietoliikenteessä Esa Ollila Aalto University, Department of Signal Processing and Acoustics, Finland esa.ollila@aalto.fi http://signal.hut.fi/~esollila/ Kevät 2017 E. Ollila
LisätiedotLuento 6. June 1, 2015. Luento 6
June 1, 2015 Normaalimuodon pelissä on luontevaa ajatella, että pelaajat tekevät valintansa samanaikaisesti. Ekstensiivisen muodon peleissä pelin jonottaisella rakenteella on keskeinen merkitys. Aluksi
LisätiedotLUKUJÄRJESTYSPOHJA 2015-2016 Tekniikan ja luonnontieteiden TkK-tutkinto-ohjelma, Ympäristö- ja energiatekniikan opintosuunta
LUKUJÄRJESTYSPOHJA 2015-2016 Tekniikan ja luonnontieteiden TkK-tutkinto-ohjelma, Ympäristö- ja energiatekniikan opintosuunta Seuraavilla sivuilla on esitetty mallilukujärjestys ympäristö- ja energiatekniikan
LisätiedotT 61.152 Informaatiotekniikan seminaari: Kombinatorinen Optimointi
T 61.152 Informaatiotekniikan seminaari: Kombinatorinen Optimointi Johdantoluento (22.1.2008) Nikolaj Tatti ntatti@cc.hut.fi Johdantoluento Kurssijärjestelyt ja vaatimukset. Kurssin sisällöstä. Hyvä esitelmä
LisätiedotMS-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 2017 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
Lisätiedot4.1 Mitä autopaikalle saa pysäköidä?
4 Autopaikan ja autotallin käyttö 4.1 Mitä autopaikalle saa pysäköidä? Välillä taloyhtiöissä esiintyy erimielisyyttä siitä, saako autopaikalle pysäköidä esimerkiksi matkailuajoneuvon, pakettiauton tai
LisätiedotTodennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3
Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 3 Aiheet: Satunnaisvektorit ja moniulotteiset jakaumat Tilastollinen riippuvuus ja lineaarinen korrelaatio Satunnaisvektorit ja moniulotteiset
LisätiedotMittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku.
1/11 4 MITTAAMINEN Mittaaminen menettely (sääntö), jolla tilastoyksikköön liitetään tiettyä ominaisuutta kuvaava luku, mittaluku. Mittausvirhettä johtuen mittarin tarkkuudesta tai häiriötekijöistä Mittarin
LisätiedotKaavakokoelma, 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
LisätiedotALAJÄRVEN, LEHTIMÄEN, SOININ JA VIMPELIN LOMATOIMISTOJEN PUOLUEETON JA VANKKUMATON ÄÄNENKANNATTAJA. Täyttä asiaa, ei arvailuja - jo vuodesta 2008
LO M ATO I M I S TO N K E V ÄT K Ä R P Ä N E N ALAJÄRVEN, LEHTIMÄEN, SOININ JA VIMPELIN LOMATOIMISTOJEN PUOLUEETON JA VANKKUMATON ÄÄNENKANNATTAJA Täyttä asiaa, ei arvailuja - jo vuodesta 2008 TYÖTE RV
LisätiedotIV-kuntotutkimushanke_tutkijat
IV-kuntotutkimushanke_tutkijat 1. 1. Kuinka käyttökelpoisena pidät SuLVIn IV-kuntotutkimusohjeistusta yleisesti? 1 2 3 4 5 Yhteensä Keskiarvo Asteikko 0 0 0 3 0 3 4 2. 2. Kuinka hyvänä pidät IV-kuntotutkimuksen
LisätiedotMS-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 2016 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotMat-2.091 Sovellettu todennäköisyyslasku 5. harjoitukset/ratkaisut. Jatkuvat jakaumat
Mat-2.09 Sovellettu todennäköisyyslasku /Ratkaisut Aiheet: Jatkuvat jakaumat Avainsanat: Binomijakauma, Eksponenttijakauma, Jatkuva tasainen jakauma, Kertymäfunktio, Mediaani, Normaaliapproksimaatio, Normaalijakauma,
Lisätiedot7 Osa 7: Pidempiä esimerkkejä R:n käytöstä
7 Osa 7: Pidempiä esimerkkejä R:n käytöstä R:n pääasiallinen käyttö monelle on tilastollisten menetelmien suorittaminen. Käydään nyt läpi joitain esimerkkitilanteita, alkaen aineiston luvusta ja päättyen
LisätiedotHallintotieteiden opinto-opas lkv 2014 15, Yleisopinnot ok 16.4.14. Yleisopinnot
Yleisopinnot STAT1020 Tilastotieteen johdantokurssi 5 op TITE1022 Tietokone työvälineenä 3 op LIIK1200 Johdatus liiketoimintaosaamiseen 5 op Kansainvälistyminen 10 op OPIS0033 Harjoittelu 5 op Tilastotieteen
Lisätiedothttps://www10.uta.fi/opas/opintojakso.htm?rid=11585&i dx=2&uilang=fi&lang=fi&lvv=2015
12.1.2016/1 MTTTP5, luento 12.1.2016 1 Kokonaisuudet, joihin opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=11585&i dx=2&uilang=fi&lang=fi&lvv=2015 2 Osaamistavoitteet Opiskelija osaa
LisätiedotOppimistavoitematriisi
Oppimistavoitematriisi Lineaarialgebra ja matriisilaskenta I Esitiedot Arvosanaan 1 2 riittävät Arvosanaan 3 4 riittävät Arvosanaan 5 riittävät Yhtälöryhmät (YR) Osaan ratkaista ensimmäisen asteen yhtälöitä
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 Vuorikadulla V0 ls Muuttujien muunnokset Usein empiirisen analyysin yhteydessä tulee tarve muuttaa aineiston muuttujia Esim. syntymävuoden
LisätiedotHannu mies LTK 180 Johanna nainen HuTK 168 Laura nainen LuTK 173 Jere mies NA 173 Riitta nainen LTK 164
86118P JOHDATUS TILASTOTIETEESEEN Harjoituksen 3 ratkaisut, viikko 5, kevät 19 1. a) Havaintomatriisissa on viisi riviä (eli tilastoyksikköä) ja neljä saraketta (eli muuttujaa). Hannu mies LTK 18 Johanna
LisätiedotOPETUSSUUNNITELMALOMAKE
OPETUSSUUNNITELMALOMAKE Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit siis dokumentoida
LisätiedotTil.yks. x y z
Tehtävien ratkaisuja. a) Tilastoyksiköitä ovat työntekijät: Vatanen, Virtanen, Virtanen ja Voutilainen; muuttujina: ikä, asema, palkka, lasten lkm (ja nimikin voidaan tulkita muuttujaksi, jos niin halutaan)
LisätiedotTil.yks. x y z 1 2 1 20.3 2 2 1 23.5 9 2 1 4.7 10 2 2 6.2 11 2 2 15.6 17 2 2 23.4 18 1 1 12.5 19 1 1 7.8 24 1 1 9.4 25 1 2 28.1 26 1 2-6.2 33 1 2 33.
Tehtävien ratkaisuja. a) Tilastoyksiköitä ovat työntekijät: Vatanen, Virtanen, Virtanen ja Voutilainen; muuttujina: ikä, asema, palkka, lasten lkm (ja nimikin voidaan tulkita muuttujaksi, jos niin halutaan)
LisätiedotOpettajalle ohje opintojakson toteutuksen tekemiselle mallipohjana ja mallipohjan tuominen opintojakson toteutukseen.
1 Opettajalle ohje opintojakson toteutuksen tekemiselle mallipohjana ja mallipohjan tuominen opintojakson toteutukseen. (HUOM!): Toteutussuunnitelmat otetaan käyttöön vasta 2015 OPSista lähtien. (Connect
LisätiedotMTTTP5, luento Otossuureita ja niiden jakaumia (jatkuu)
21.11.2017/1 MTTTP5, luento 21.11.2017 Otossuureita ja niiden jakaumia (jatkuu) 4) Olkoot X 1, X 2,..., X n satunnaisotos (, ):sta ja Y 1, Y 2,..., Y m satunnaisotos (, ):sta sekä otokset riippumattomia.
Lisätiedot031021P Tilastomatematiikka (5 op) kertausta 2. vk:een
031021P Tilastomatematiikka (5 op) kertausta 2. vk:een Jukka Kemppainen Mathematics Division 2. välikokeeseen Toinen välikoe on la 31.03.2012 klo. 9.00-12.00 saleissa L1,L3 Jukka Kemppainen Mathematics
LisätiedotPäähaku, matemaattisten tieteiden kandiohjelma Valintakoe klo
Päähaku, matemaattisten tieteiden kandiohjelma Valintakoe 8.5.2019 klo 10.00 13.00 Kirjoita henkilö- ja yhteystietosi tekstaamalla. Kirjoita nimesi latinalaisilla kirjaimilla (abcd...), älä esimerkiksi
LisätiedotSyksyn aloituskampanjat lippukunnissa
Syksyn aloituskampanjat lippukunnissa Partiossa eletään nyt hyvää nousukautta. Jotta sama tilanne jatkuisi, olemme tehneet teille syksyn toiminnan aloittamisen tueksi tarkoitetun vihkon. Viime syksynä
LisätiedotJohdatus Ammattikorkeakoulun matematiikkaan ja fysiikkaan
Johdatus Ammattikorkeakoulun matematiikkaan ja fysiikkaan ammattiopiston viimeisenä keväänä vahvistaa AMK:uun pyrkivien taitoja pääsykoetta varten saada jo etukäteen 5 op:n suoritus valinnaisiin Tulos:
LisätiedotJOHTAMINEN, VIESTINTÄ JA MUUTOS VIESTINTÄPÄÄLLIKKÖ NIINA KAUPPINEN 13.5.2016
JOHTAMINEN, VIESTINTÄ JA MUUTOS VIESTINTÄPÄÄLLIKKÖ NIINA KAUPPINEN 13.5.2016 MIKSI ORGANISAATIOT VIESTIVÄT? olemassaolon oikeutus strategian ja vision viestiminen yhteisöllisyyden kasvattaminen, sitouttaminen
Lisätiedot12.12.2012. Henrika Honkanen Oulun yliopisto Biolääketieteen laitos Anatomian ja solubiologian yksikkö
12.12.2012 Henrika Honkanen Oulun yliopisto Biolääketieteen laitos Anatomian ja solubiologian yksikkö Taustaa 1. vuosikurssin lääketieteen opiskelijat Histologian harjoitustyöt 14 työtä (kuuluvat solubiologian
LisätiedotMatemaatikot ja tilastotieteilijät
Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A050 Todennäköisyyslaskennan ja tilastotieteen peruskurssi B Satunnaismuuttujat ja todennäköisyysjakaumat Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu
10.1.2019/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 10.1.2019 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2018 10.1.2019/2
LisätiedotViikko 1: Johdantoa Matti Kääriäinen matti.kaariainen@cs.helsinki.fi
Viikko 1: Johdantoa Matti Kääriäinen matti.kaariainen@cs.helsinki.fi Exactum C222, 29-31.10.2008. 1 Tällä viikolla 1. Käytännön järjestelyistä 2. Kurssin sisällöstä ja aikataulusta 3. Johdantoa Mitä koneoppiminen
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
LisätiedotKandidaatintyö Elektroniikan laitoksella
1 Kandidaatintyö Elektroniikan laitoksella Kandidaatintyövastaavat: Aki Korpela (sähkömagnetiikka) Erja Sipilä (elektroniikka) Kandidaatintyö koostuu seuraavista osista: Kandidaatintyön laajuus on 8 op,
Lisätiedot54. 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
LisätiedotHAVAINTO KIUSAAMISESTA KIUSAAMISEN KARTOITUS
KIUSAAMISEEN PUUTTUMINEN: HAVAINTO KIUSAAMISESTA KIUSAAMISEN KARTOITUS - TYÖNTEKIJÄ KIRJAA TAPAHTUMAT, MITEN, MILLOIN JA MILLAISTA KIUSAAMISTA ESIINTYY (VALMIIT LOMAKKEET) - KESKUSTELLAAN LAPSEN KIUSAAMISKOKEMUKSESTA
LisätiedotMetsämuuronen: Tilastollisen kuvauksen perusteet ESIPUHE... 4 SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 2. AINEISTO...
Sisällysluettelo ESIPUHE... 4 ALKUSANAT E-KIRJA VERSIOON... SISÄLLYSLUETTELO... 6 1. METODOLOGIAN PERUSTEIDEN KERTAUSTA... 8 1.1 KESKEISTEN KÄSITTEIDEN KERTAUSTA...9 1.2 AIHEESEEN PEREHTYMINEN...9 1.3
LisätiedotTUTKIMUSOPAS. 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