Skenaariot suurpetokantojen verotuksen suunnittelussa
|
|
- Kaisa Kokkonen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Skenaariot suurpetokantojen verotuksen suunnittelussa Katja Holmala Riistapäivät
2 Esityksen rakenne Tausta Mallit ilveksen populaatiokehityksestä Malli 1: populaatiomalli Malli 2: skenaario- eli ennustemalli Skenaariomallin käyttö ja tulosten tulkitseminen Muutama sana karhumallista Yhteenvetoa
3 Tausta: miksi mallintaa? tarvetta uusille työkaluille mm. ilveskannan hallinnointiin kantaarviolausunnon rinnalle (v. 2012) Tarvetta analyyttisesti tarkastella havaittua kannan kehitystä ja siihen liittyviä osa-alueita Ilveksen metsästysmäärien voimakas kasvu viimeisten vuosien aikana -> ajankohtaista myös arvioida eri vaihtoehtoisten metsästysverotusmäärien vaikutusta ilveskannan lähivuosien mahdolliseen kehitykseen Koska työkalu näytti toimivalta ilvekselle, haluttiin testata kuinka sopisi myös karhulle v (kannanarvioinnissa tiettyjä yhtäläisyyksiä) Mallintaminen tuottaa aikaikkunan mahdollisiin tulevaisuuksiin
4 Mallit ilveksen populaatiokehityksestä 1. Populaatiomalli Aikasarjamalli (19 v) logaritmisille havaitun ilveskannan ja metsästettyjen yksilöiden lukumäärille vuosina State-base-mallinnus (SSM), jossa mallinnettavia systeemeitä on kaksi: 1. populaatioprosessille ja 2. havaitulle populaatiolle Huomioidaan prosessivirhe ja havainnointivirhe Mallintaa pitkällä aikavälillä havaittua kehitystä kannassa ja antaa sitä kautta arvoja kannan tulevaan kehittymiseen liittyville muuttujille mm. Populaation kasvukerroin ja sen vaihtelu Metsästysverotuksen ja havaitun muun kuolleisuuden merkitys havaitulle populaatiokehitykselle Arvioitu MSY (maximum sustainable yield) Muodostaa pohjan ennustemallin rakentamiselle
5 Mallin (SSM) tärkeimpien tekijöiden ja tekijöistä johdettujen tunnuslukujen MCMC-poiminnan mukaiset posteriori-jakaumat. Tekijä (SSM) Keskiarvo Keskihajonta Alaraja 2.5 % Yläraja 97.5 % a KASVU 0,175 0,020 0,134 0,216 b METS 1 0,001 0,998 1,002 Kasvukerroin 1,192 0,024 1,144 1,241 1-MSY 0,8396 0,017 0,806 0,875 var pop 0,0061 0,004 0,002 0,014 var hav 0,0009 0,001 0, ,0046 MSY: Maximum sustainable yield,maksimiverotus Kasvukerroin: luonnollinen kasvukerroin (kerrannallinen) todennäköisyyksien jakauma 3x iteraation (malliajon) kautta
6 2. Skenaariomalli Voidaan laskea erilaisia todennäköisyysjakaumia erilaisille tapahtumille Ei toimi hyvin kovin lyhyillä aikajaksoilla; mitä lyhyempi jakso, sitä suurempi epävarmuus tuloksiin liittyy Keskeisimmät epävarmuustekijät, jotka vaikuttavat populaatiokehitykseen ja sen ennustamiseen mahdolliset puutteet lisääntyneisiin naaraisiin liittyvässä havaintojen alueellisessa kattavuudessa, viive ilveskannan kasvun havaitsemisessa sekä naaraisiin kohdistuvan metsästysverotuksen muutokset. malli olettaa, että ilveskannan alueellinen tiheys ei vaikuta kannan kasvunopeuteen. Malli ei ota huomioon ikärakenteen mahdollista vaihtelua vuosittain ja tämän ilmiön vaikutusta populaation kasvukertoimeen.
7 Skenaariomallin käyttö ja tulosten tulkitseminen Ennuste 4 vuoden päähän Tarkastelussa 3 eri metsästysverotusosuutta: 10 % kasvava populaatio 16 % vakaa populaatio 20 % pienenevä populaatio
8 Taulukko 3 Ennustettu populaation koko ja hajontaluvut sekä metsästettävien naaraiden lukumäärien 95 % vaihteluväli mallin (SSM) mukaan Verotus Keskiarvopopulaatio v Keskihajonta Alaraja 2.5 % Yläraja 97.5 % Tn% (pop>600) Tn% (pop<300) Mets. alaraja 2.5 % 10 % , ,0 0, % , ,5 0, % , ,3 3, Mets. yläraja 97.5 % Lähtöpopulaation koko on 506 pentuetta. Eri metsästysverotusskenaarioille on laskettu todennäköisyydet (Tn), että populaatio kasvaa yli 500 tai laskee alle 300 pentueen vuonna 2018.
9 Pentueita Ilveksen skenaariomallin tulokset visuaalisesti v16_a v16_y v16_ka v20_a v20_y v20_ka v10_a v10_y v10_ka
10 Skenaariomallin tulosten tulkinnasta Verotusosuudet esimerkkejä, todennäköisyyksiä voidaan laskea muillekin prosenttiosuuksille, mutta tulokset asettuvat mallin antamaan peruskuvaan 300 ja 600 ilvespentueen rajat antavat kiinnekohtia todennäköisyyksien laskemiselle pentueiden määrien kehityksille Todennäköisyydet ovat vuodelle 2018, ei sitä edeltäville vuosille Päivitetyn mallin lähtövuosi jo tapahtuneet muutokset pentueiden määrään voidaan nähdä vasta tulevan talven havaintoaineistossa (1 vuoden viive). Metsästysverotuksen aikaansaama muutos lisääntymisikäisten naaraiden määrässä n. 2-3 vuoden viiveellä. Näiden seikkojen vuoksi ennustetta tulisi tarkastella kokonaisvaltaisesti, myös populaatioennusteiden vaihteluvälit huomioon ottaen.
11 Karhumallista lyhyesti Periaate samanlainen kuin ilveksen kohdalla karhulle sovitettu populaatiomalli Haastavampi ennustettava ilvekseen verrattuna mm. vuosittaista vaihtelua lisääntymismäärissä Empiirinen aineisto osoittaa lajin olevan herkkä reagoimaan yliverotukselle, reagointia välillä vaikea ennustaa tarkasti Skenaariomallin varovainen tulkinta ja mallin ominaisuuksien säätäminen herkemmäksi/karhumaisemmaksi 11
12 Yhteenvetoa Ennustemalli tuottaa populaation menneeseen kehitykseen pohjautuen todennäköisyysjakaumilla varustettuja kehityssuuntia valituille toimenpiteille populaatiossa käynnissä luonnollisia populaationkehitykseen vaikuttavia tekijöitä, jotka näkyvät viiveellä; myöskään lähtötieto ei ole absoluuttisen tarkkaa Uusi työkalu suurpetokantojen hallinnointiin mahdollistaa vaihtoehtojen etukäteispuntarointia sekä tavoitteenasettelua lyhyellä ja pitkällä aikavälillä aikaikkunan mahdollisiin tulevaisuuksiin Skenaariomallien parissa työskennelleitä: Jukka Rintala, Katja Holmala, Samuli Heikkinen, Ilpo Kojola
13 Kiitos!
2031/ / / /2017 Maa- ja metsätalousministeriö Luonnonvaraosasto PL Valtioneuvosto
2031/00 04 05/2017 1/11 4.7.2017 2031/00 04 05/2017 Maa- ja metsätalousministeriö Luonnonvaraosasto PL 30 00023 Valtioneuvosto Liite 1. Ilveskannan arviointiin vuonna 2017 liittyviä aineistoja ja lisätietoja
LisätiedotENNUSTE ILVESKANNAN KEHITYKSESTÄ VUOTEEN 2015 ENNUSTEMALLIN KUVAUS
ENNUSTE ILVESKANNAN KEHITYKSESTÄ VUOTEEN 2015 ENNUSTEMALLIN KUVAUS Tiivistelmä Jotta tulevaa ilveskannan kehitystä voitaisiin ennustaa, laadittiin havaittuun kannankehitykseen ja ilmoitettuihin verotusmääriin
LisätiedotLuonnonvara- ja biotalouden tutkimus 30/2018. Ilveskanta Suomessa Katja Holmala, Samu Mäntyniemi, Samuli Heikkinen ja Juha Heikkinen
Luonnonvara- ja biotalouden tutkimus 30/2018 Ilveskanta Suomessa 2018 Katja Holmala, Samu Mäntyniemi, Samuli Heikkinen ja Juha Heikkinen Ilveskanta Suomessa 2018 Katja Holmala, Samu Mäntyniemi, Samuli
LisätiedotLu8. vit vaikuttaa yleison kiinnostus ilmoittaa havaintoja jaltai median kiinnostus suurpetoasioihin.
Lu8 LUONNONVARAKESKUS 16.2.2015 Luke 251100 04 05/2015 Maa- ja metsitalousministerio Luonnonvaraosasto Kirjaamo kiriaamo@mmm.fi Viite: Maa- ja metsfitalousministeridn ja Luonnonvarakeskuksen tulossopimus2ol*2019,
LisätiedotIlveskannan seuranta Tiedosta ratkaisuja kestäviin valintoihin
Ilveskannan seuranta Katja Holmala RKTL Esitelmän sisältö Kannanarviointi RKTL:ssä Ilveksen levinneisyys ja levittäytyminen Ilveskannan arviointimenetelmän yksityiskohtia Erillislaskennat Muutama sananen
LisätiedotLuonnonvara- ja biotalouden tutkimus 16/2019. Karhukanta Suomessa Samuli Heikkinen, Ilpo Kojola & Samu Mäntyniemi
Luonnonvara- ja biotalouden tutkimus 16/2019 Karhukanta Suomessa 2018 Samuli Heikkinen, Ilpo Kojola & Samu Mäntyniemi Karhukanta Suomessa 2018 Samuli Heikkinen, Ilpo Kojola & Samu Mäntyniemi Luonnonvarakeskus,
LisätiedotLuonnonvara- ja biotalouden tutkimus 47/2019. Ilveskanta Suomessa Katja Holmala, Samu Mäntyniemi ja Juha Heikkinen
Luonnonvara- ja biotalouden tutkimus 47/2019 Ilveskanta Suomessa 2019 Katja Holmala, Samu Mäntyniemi ja Juha Heikkinen Ilveskanta Suomessa 2019 Katja Holmala, Samu Mäntyniemi ja Juha Heikkinen Luonnonvarakeskus,
LisätiedotTilaston esittäminen frekvenssitaulukossa ja graafisesti. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo.
Kertaus Tilaston esittäminen frekvenssitaulukossa ja graafisesti. Luokiteltu aineisto. Keskiluvut luokittelemattomalle ja luokitellulle aineistolle: moodi, mediaani, keskiarvo. Hajontaluvut luokittelemattomalle
LisätiedotSuurpetojen lukumäärä ja lisääntyminen vuonna 2000
1 Riistantutkimuksen tiedote 175:1-6. Helsinki, 15.8.2001. Suurpetojen lukumäärä ja lisääntyminen vuonna 2000 Ilpo Kojola Karhukannan kasvu näyttää olevan tasaantumassa. Karhun vähimmäiskanta oli vuoden
LisätiedotSuurpetojen lukumäärä ja lisääntyminen vuonna 2004
1 Riistantutkimuksen tiedote 203:1-7. Helsinki 22.8.2005 Suurpetojen lukumäärä ja lisääntyminen vuonna 2004 Ilpo Kojola, Elisa Määttä ja Harri Hiltunen Suomessa oli vuoden 2004 lopulla arviolta 810 850
LisätiedotSuurpetotutkimus/RKTL
Suurpetotutkimus/RKTL 9.12.2010 Pori photo Ilpo Kojola photo Ilpo Kojola photo: Ilpo Kojola photo de5stora.com Tietoa kestäviin valintoihin! Riista- ja kalatalouden tutkimuslaitos on noin 300 hengen asiantuntijaorganisaatio,
LisätiedotSuurpetojen lukumäärä ja lisääntyminen vuonna 2001
1 Riistantutkimuksen tiedote 182: 1-7. Helsinki 3.9.2 Suurpetojen lukumäärä ja lisääntyminen vuonna 1 Ilpo Kojola Riista- ja kalatalouden tutkimuslaitoksen suurpetoseurannan mukaan maamme karhukanta pysyi
LisätiedotProbabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto
Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Esimerkki Tarkastelemme ilmiötä I, joka on a) tiettyyn kauppaan tulee asiakkaita
LisätiedotKeskeiset termit kalakantaarvioiden. Ari Leskelä, RKTL
Keskeiset termit kalakantaarvioiden laadinnassa Ari Leskelä, RKTL 21.3.2014 Mitkä? SSB, kutukannan biomassa R, rekrytointi F, kalastuskuolevuus M, luonnollinen kuolevuus MSY, kestävä enimmäistuotto Kalakanta
LisätiedotSukulaisuuden merkitys ilvesnaaraiden elinalueiden sijoittumiselle: Kaakon osa hanke
Sukulaisuuden merkitys ilvesnaaraiden elinalueiden sijoittumiselle: Kaakon osa hanke Annika Herrero ja Katja Holmala, Riista ja kalatalouden tutkimuslaitos Esityksen sisältö Tekijöiden ja taustan esittely
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,
LisätiedotKoko maan ilveskanta-arvion taustasta ja erityisesti Etelä-Hämeen arviosta. Tiedosta ratkaisuja kestäviin valintoihin
Koko maan ilveskanta-arvion taustasta ja erityisesti Etelä-Hämeen arviosta Tiedosta ratkaisuja kestäviin valintoihin Erillislaskentojen pentuetulos talvi 2012/2013 Ensimmäinen tieto lehdistössä Pentueet
LisätiedotSAIMAANNORPPA Kannan koon arvioinnista Tero Sipilä & Tuomo Kokkonen Metsähallitus, Etelä-Suomen Luontopalvelut Akselinkatu 8, 57130, Savonlinna
Saimaannorppa, ilmastonmuutos ja kalastus seminaari. Rantasalmi 28.5.21 SAIMAANNORPPA Kannan koon arvioinnista Tero Sipilä & Tuomo Kokkonen Metsähallitus, Etelä-Suomen Luontopalvelut Akselinkatu 8, 5713,
LisätiedotHirvikannan koko ja vasatuotto pienenivät vuonna 2003
Riistantutkimuksen tiedote :-. Helsinki 0..00 Hirvikannan koko ja vasatuotto pienenivät vuonna 00 Vesa Ruusila, Mauri Pesonen, Samuli Heikkinen, Arto Karhapää, Riitta Tykkyläinen ja Maija Wallén Suomen
LisätiedotSuurpetokantojen arviointi
Suurpetokantojen arviointi Ilpo Kojola, RKTL Suurpetojen vähimmäislukumäärä vuoden lopussa (1978 2012) 2500 2000 4x 2500 2000 25x 1500 kesä 1500 1000 Karhu 1000 Ilves 500 500 0 1978 1984 1990 1996 2002
LisätiedotMatemaatikot ja tilastotieteilijät
Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat
Lisätiedot806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.
806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy 2012 1. Olkoon (X 1,X 2,...,X 25 ) satunnaisotos normaalijakaumasta N(µ,3 2 ) eli µ
LisätiedotKorvausvastuun ennustejakauma bootstrap-menetelmän avulla
Korvausvastuun ennustejakauma bootstrap-menetelmän avulla Sari Ropponen 13.5.2009 1 Agenda Korvausvastuu vahinkovakuutuksessa Korvausvastuun arviointi Ennustevirhe Ennustejakauma Bootstrap-/simulointimenetelmä
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon
LisätiedotIlmastonmuutos globaalina ja paikallisena ilmiönä
Ilmastonmuutos globaalina ja paikallisena ilmiönä Muuttuva Selkämeri Loppuseminaari 25.5.2011 Kuuskajaskari Anna Hakala Asiantuntija, MMM Pyhäjärvi-instituutti 1 Ilmasto Ilmasto = säätilan pitkän ajan
Lisätiedotpisteet Frekvenssi frekvenssi Yhteensä
806118P JOHDATUS TILASTOTIETEESEEN Loppukoe 15.3.2018 (Jari Päkkilä) 1. Kevään -17 Johdaus tilastotieteeseen -kurssin opiskelijoiden harjoitusaktiivisuudesta saatujen pisteiden frekvenssijakauma: Harjoitus-
LisätiedotVantaanjoen tulvat, ilmastonmuutos ja sateet
Vantaanjoen tulvat, ilmastonmuutos ja sateet Bertel Vehviläinen, SYKE Vantaan I tulvaseminaari: Tulvat, tulvariskit ja tulvavahingot Ma 26.11.2012 klo 12:30-16:00 Vantaan uusi valtuustosali/ Asematie 7
LisätiedotELÄMÄÄ SUURPETOJEN KANSSA. Keskustelutilaisuus Pohjois-Karjalan suurpetotilanteesta Matti Osara, Ympäristöministeriö
ELÄMÄÄ SUURPETOJEN KANSSA Keskustelutilaisuus Pohjois-Karjalan suurpetotilanteesta 11.10.2012 Matti Osara, Ympäristöministeriö Ympäristöministeriön näkökulma suurpetoihin Suurpetoja koskevat eräät luonnonsuojelulain
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 18. lokakuuta 2007 Antti Rasila () TodB 18. lokakuuta 2007 1 / 19 1 Tilastollinen aineisto 2 Tilastollinen malli Yksinkertainen satunnaisotos 3 Otostunnusluvut
LisätiedotKaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely)
Kaksintaistelun approksimatiivinen mallintaminen (valmiin työn esittely) Juho Roponen 10.06.2013 Ohjaaja: Esa Lappi Valvoja: Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.
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...
LisätiedotOptimal Harvesting of Forest Stands
Optimal Harvesting of Forest Stands (Presentation of the Complete Work) 11 April 2011 Instructor: Janne Kettunen Supervisor: Ahti Salo Tausta Ass. Prof. Janne Kettunen käsittelee osana väitöskirjatyötään
LisätiedotSektoritutkimusohjelman ilmastoskenaariot SETUKLIM. 12 Climate scenarios for Sectoral Research. Tavoitteet
Sektoritutkimusohjelman ilmastoskenaariot SETUKLIM 2011-12 12 Climate scenarios for Sectoral Research Ilmatieteen laitos Heikki Tuomenvirta, Kirsti Jylhä,, Kimmo Ruosteenoja, Milla Johansson Helsingin
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
LisätiedotTilastotieteen kertaus. Vilkkumaa / Kuusinen 1
Tilastotieteen kertaus Vilkkumaa / Kuusinen 1 Motivointi Reaalimaailman ilmiöihin liittyy tyypillisesti satunnaisuutta ja epävarmuutta Ilmiöihin liittyvien havaintojen ajatellaan usein olevan peräisin
LisätiedotTilastollinen aineisto Luottamusväli
Tilastollinen aineisto Luottamusväli Keijo Ruotsalainen Oulun yliopisto, Teknillinen tiedekunta Matematiikan jaos Tilastollinen aineisto p.1/20 Johdanto Kokeellisessa tutkimuksessa tutkittavien suureiden
LisätiedotIlmastonmuutos pähkinänkuoressa
Ilmastonmuutos pähkinänkuoressa Sami Romakkaniemi Sami.Romakkaniemi@fmi.fi Itä-Suomen ilmatieteellinen tutkimuskeskus Ilmatieteen laitos Ilmasto kuvaa säämuuttujien tilastollisia ominaisuuksia Sää kuvaa
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
LisätiedotKoulutuspaketti: ilvesten erillislaskenta 2012-13
Koulutuspaketti: ilvesten erillislaskenta 2012-13 Katja Holmala ja Samuli Heikkinen Riista- ja kalatalouden tutkimuslaitos RKTL Kanta-arvion muodostaminen - perustuu petoyhdyshenkilöiden tuottamiin petohavaintoihin
LisätiedotMAA- JA METSÄTALOUSMINISTERIÖN ASETUS POIKKEUSLUVALLA SALLITTA- VASTA ILVEKSEN METSÄSTYKSESTÄ METSÄSTYSVUONNA
MAA- JA METSÄTALOUSMINISTERIÖ Muistio Erityisasiantuntija 8.10.2018 Dnro 1479/01.03/2018 Jussi Laanikari MAA- JA METSÄTALOUSMINISTERIÖN ASETUS POIKKEUSLUVALLA SALLITTA- VASTA ILVEKSEN METSÄSTYKSESTÄ METSÄSTYSVUONNA
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:
LisätiedotMiten Suomen ilmasto muuttuu tulevaisuudessa?
28.1.2019 Miten Suomen ilmasto muuttuu tulevaisuudessa? Ari Venäläinen, Ilari Lehtonen, Kimmo Ruosteenoja, Mikko Laapas, Pentti Pirinen Ilmatieteen laitos, Sään ja ilmastonmuutoksen vaikutustutkimus Ilmastonmuutosta
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
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
Lisätiedotpitkittäisaineistoissa
Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf
LisätiedotLATVUSMASSAN KOSTEUDEN MÄÄRITYS METSÄKULJETUKSEN YHTEYDESSÄ
LATVUSMASSAN KOSTEUDEN MÄÄRITYS METSÄKULJETUKSEN YHTEYDESSÄ Metsä- ja puuteknologia Pro gradu -tutkielman tulokset Kevät 2010 Petri Ronkainen petri.ronkainen@joensuu.fi 0505623455 Metsäntutkimuslaitos
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
LisätiedotKäytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella:
8.1 Satunnaismuuttuja Käytetään satunnaismuuttujaa samoin kuin tilastotieteen puolella: Esim. Nopanheitossa (d6) satunnaismuuttuja X kertoo silmäluvun arvon. a) listaa kaikki satunnaismuuttujan arvot b)
LisätiedotEstimointi. Vilkkumaa / Kuusinen 1
Estimointi Vilkkumaa / Kuusinen 1 Motivointi Tilastollisessa tutkimuksessa oletetaan jonkin jakauman generoineen tutkimuksen kohteena olevaa ilmiötä koskevat havainnot Tämän mallina käytettävän todennäköisyysjakauman
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
LisätiedotHirvikannan koko ja vasatuotto vuonna 2005
Riistantutkimuksen tiedote :. Helsinki..00 Hirvikannan koko ja vasatuotto vuonna 00 Vesa Ruusila, Mauri Pesonen, Riitta Tykkyläinen, Arto Karhapää ja Maija Wallén Maamme hirvikannassa ei tapahtunut syksyn
LisätiedotACCLIM II hankkeen yleisesittely
http://ilmatieteenlaitos.fi/acclim-hanke II hankkeen yleisesittely Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos -ilmastoseminaari 8.3.211 ISTO-ohjelman
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Lineaarinen erotteluanalyysi (LDA, Linear discriminant analysis) Erotteluanalyysin avulla pyritään muodostamaan selittävistä muuttujista
LisätiedotPaloriskin ennustaminen metsäpaloindeksin avulla
Paloriskin ennustaminen metsäpaloindeksin avulla Ari Venäläinen, Ilari Lehtonen, Hanna Mäkelä, Andrea Understanding Vajda, Päivi Junila the ja Hilppa climate Gregow variation and change Ilmatieteen and
LisätiedotPeto- ja saaliskanta
Peto- ja saaliskanta Peto- ja saaliskantojen keskinäistä vuorovaikutusta voiaan mallintaa toisistaan riippuvien ifferentiaaliyhtälöien avulla. Tässä tarkastellaan yksinkertaista mallia, joka perustuu ns.
LisätiedotMAA- JA METSÄTALOUSMINISTERIÖN ASETUS POIKKEUSLUVALLA SALLITTA- VASTA ILVEKSEN METSÄSTYKSESTÄ METSÄSTYSVUONNA
MAA- JA METSÄTALOUSMINISTERIÖ Muistio Ylitarkastaja 6.9.2017 Dnro 1454/01.03/2017 Jussi Laanikari MAA- JA METSÄTALOUSMINISTERIÖN ASETUS POIKKEUSLUVALLA SALLITTA- VASTA ILVEKSEN METSÄSTYKSESTÄ METSÄSTYSVUONNA
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
LisätiedotMikrobikriteereiden arviointi esimerkkinä kampylobakteeri
Mikrobikriteereiden arviointi esimerkkinä kampylobakteeri Taustaa: NMDD-projekti 2011-2012 Rahoitus: pohjoismaiden ministerineuvosto Vast.tutkija: Maarten Nauta, DTU Epävarmuusanalyysin Bayes-mallinnus,
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotLuottamusvälit. Normaalijakauma johnkin kohtaan
Luottamusvälit Normaalijakauma johnkin kohtaan Perusjoukko ja otanta Jos halutaan tutkia esimerkiksi Suomessa elävien naarashirvien painoa, se voidaan (periaatteessa) tehdä kahdella tavalla: 1. tutkimalla
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotLuottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.
6.10.2016/1 MTTTP1, luento 6.10.2016 KERTAUSTA JA TÄYDENNYSTÄ Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla
LisätiedotPakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa
Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa Jouni Räisänen Helsingin yliopiston fysiikan laitos Kimmo Ruosteenoja Ilmatieteen laitos Sisältöä ACCLIM-skenaariot
LisätiedotKuljetuskelpoisuusluokitus
Kuljetuskelpoisuusluokitus alemmalla tieverkolla Metsätehon iltapäiväseminaari: Kuljetuslogistiikan kehitysnäkymät 3.4.2019 Otaniemi, Espoo Jussi Peuhkurinen Tuomo Puumalainen Arbonaut Taustaa Hyvät kokemukset
Lisätiedot4. Seuraavaan ristiintaulukkoon on kerätty tehtaassa valmistettujen toimivien ja ei-toimivien leikkijunien lukumäärät eri työvuoroissa:
Lisätehtäviä (siis vanhoja tenttikysymyksiä) 1. Erään yrityksen satunnaisesti valittujen työntekijöiden poissaolopäivien määrät olivat vuonna 003: 5, 3, 16, 9, 0, 1, 3,, 19, 5, 19, 11,, 0, 4, 6, 1, 15,
LisätiedotMAA- JA METSÄTALOUSMINISTERIÖN ASETUS POIKKEUSLUVALLA SALLITTA- VASTA ILVEKSEN METSÄSTYKSESTÄ METSÄSTYSVUONNA
MAA- JA METSÄTALOUSMINISTERIÖ Muistio Ylitarkastaja 2.10.2017 Dnro 1454/01.03/2017 Jussi Laanikari MAA- JA METSÄTALOUSMINISTERIÖN ASETUS POIKKEUSLUVALLA SALLITTA- VASTA ILVEKSEN METSÄSTYKSESTÄ METSÄSTYSVUONNA
LisätiedotUusinta tietoa ilmastonmuutoksesta: luonnontieteelliset asiat
Uusinta tietoa ilmastonmuutoksesta: luonnontieteelliset asiat Jouni Räisänen Helsingin yliopiston fysiikan laitos 3.2.2010 Lähteitä Allison et al. (2009) The Copenhagen Diagnosis (http://www.copenhagendiagnosis.org/)
LisätiedotKunnan väestöennustemalli
Kunnan väestöennustemalli VENNI kuntasuunnittelun työkaluna 2009 Tieto Corporation Markku Koskela Tieto Finland Oy markku.koskela@tieto.com Kunnan väestöennustemalli VENNI Venni on tilastokuutioilla toteutettu
LisätiedotSuurpetojen lukumäärä ja lisääntyminen vuonna 2003
1 Riistantutkimuksen tiedote 194:1-7. Helsinki 21.6.4 Suurpetojen lukumäärä ja lisääntyminen vuonna 3 Ilpo Kojola ja Elisa Määttä Riista- ja kalatalouden tutkimuslaitos arvioi suurpetojen vähimmäisyksilömääriksi
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 30. lokakuuta 2007 Antti Rasila () TodB 30. lokakuuta 2007 1 / 23 1 Otos ja otosjakaumat (jatkoa) Frekvenssi ja suhteellinen frekvenssi Frekvenssien odotusarvo
Lisätiedot6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely
3.12.2018/1 MTTTP5, luento 3.12.2018 6.1.2 Yhdessä populaatiossa tietyn tyyppisten alkioiden prosentuaalista osuutta koskeva päättely H 0 : = 0 Oletetaan, että populaatiossa viallisia %. Olkoon X 1, X
Lisätiedot-10 km² ruutuaineistoon perustuva tutkimus. Marika Hakala. Tutkimuksen taustaa
Sepelvaltimotautikuolleisuuden alueelliset erot Suomessa -10 km² ruutuaineistoon perustuva tutkimus Marika Hakala Tutkimuksen taustaa Suomessa kuolleisuudessa on merkittävää alueellinen vaihtelua: Itä-
LisätiedotIlmastonmuutoksen todennäköisyysennusteet. Jouni Räisänen Helsingin yliopiston fysiikan laitos
Ilmastonmuutoksen todennäköisyysennusteet Jouni Räisänen Helsingin yliopiston fysiikan laitos 13.1.2009 Epävarmuus ilmastoennusteissa Päästöskenaarioepävarmuus Ihmiskunnan tuleva käyttäytyminen Malliepävarmuus
LisätiedotLuottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.
5.10.2017/1 MTTTP1, luento 5.10.2017 KERTAUSTA Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla todennäköisyydellä,
LisätiedotJohtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun
Johtuuko tämä ilmastonmuutoksesta? - kasvihuoneilmiön voimistuminen vaikutus sääolojen vaihteluun Jouni Räisänen Helsingin yliopiston fysiikan laitos 15.1.2010 Vuorokauden keskilämpötila Talvi 2007-2008
LisätiedotRiista- ja kalatalouden tutkimuslaitoksen lausunto susitilanteesta
15.2.2010 Dnro 85/301/2010 Maa- ja metsätalousministeriö Kala- ja riistaosasto PL 30 00023 VALTIONEUVOSTO Viite MMM 513/444/2010 Lausuntopyyntö 4.2.2010 Riista- ja kalatalouden tutkimuslaitoksen lausunto
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi
LisätiedotRiistakolmiot: Riistatiedonkeruun voimannäyte. Katja Ikonen, suunnittelija
Riistakolmiot: Riistatiedonkeruun voimannäyte Katja Ikonen, suunnittelija Riista- ja peltokolmiolaskenta Pienriistakantojen vaihteluita on seurattu riistakolmiolaskennoilla jo 28 vuoden ajan. Seuranta
LisätiedotBayesiläinen tilastollinen vaihtelu
Bayesiläinen tilastollinen vaihtelu Janne Pitkäniemi FT, dos. (biometria), joht. til. tiet Suomen Syöpärekisteri Hjelt-instituutti /Helsingin yliopisto Periaatteet Tilastollinen vaihtelu koskee perusjoukon
Lisätiedotriippumattomia ja noudattavat samaa jakaumaa.
12.11.2015/1 MTTTP5, luento 12.11.2015 Luku 4 Satunnaisotos, otossuure ja otosjakauma 4.1. Satunnaisotos X 1, X 2,, X n on satunnaisotos, jos X i :t ovat riippumattomia ja noudattavat samaa jakaumaa. Sanonta
LisätiedotILMASTONMUUTOS TÄNÄÄN
ILMASTONMUUTOS TÄNÄÄN Aprés Ski mitä lumileikkien jälkeen? Prof. Jukka Käyhkö Maantieteen ja geologian laitos Kansallisen IPCC-työryhmän jäsen Viidennet ilmastotalkoot Porin seudulla 20.11.2013 Esityksen
LisätiedotSään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks
Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks Ari Venäläinen, Ilari Lehtonen, Hanna Mäkelä, Andrea Vajda,
LisätiedotHR-analytiikan seuraava vaihe: työkyvyn johtaminen ja henkilöstötuottavuus Ossi Aura, filosofian tohtori Petteri Laine, seniorikonsultti, Silta Oy
HR-analytiikan seuraava vaihe: työkyvyn johtaminen ja henkilöstötuottavuus Ossi Aura, filosofian tohtori Petteri Laine, seniorikonsultti, Silta Oy Taustaa Tuotannon kausitasoitettu ja työpäiväkorjattu
LisätiedotLaivat törmäyskurssilla - kuinka suurella todennäköisyydellä?
Laivat törmäyskurssilla - kuinka suurella todennäköisyydellä? DI Maria Hänninen Aalto-yliopiston teknillinen korkeakoulu Sovelletun mekaniikan laitos, Meritekniikka SAFGOF - Research for the Baltic -seminar
LisätiedotUhanalaisuusarvioinnin keskeiset käsitteet. Annika Uddström, Suomen ympäristökeskus,
Uhanalaisuusarvioinnin keskeiset käsitteet Annika Uddström, Suomen ympäristökeskus, 2.2.2017 Populaatio ja populaatiokoko (kriteerit A, C ja D) Populaatiolla tarkoitetaan lajin tarkastelualueella elävää
LisätiedotSuurpetojen lukumäärä ja lisääntyminen vuonna 2005
1 Riistantutkimuksen tiedote 208:1-5. Helsinki 1.8.2006 Suurpetojen lukumäärä ja lisääntyminen vuonna 2005 Ilpo Kojola, Elisa Määttä ja Harri Hiltunen Suomessa eleli vuoden 2005 lopussa arviolta 810 860
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
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotTervasrosoon vaikuttavat tekijät - mallinnustarkastelu
Tervasrosoon vaikuttavat tekijät - mallinnustarkastelu Ville Hallikainen Kuva: Risto Jalkanen Tutkimuskysymykset Mitkä luonnossa vallitsevat ekologiset ja metsänhoidolliset ym. tekijät vaikuttavat tervasroson
LisätiedotACCLIM II Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos ISTO-loppuseminaari 26.1.
http://www.fmi.fi/acclim II Ilmastonmuutosarviot ja asiantuntijapalvelu sopeutumistutkimuksia varten Kirsti Jylhä, Ilmatieteen laitos ISTO-loppuseminaari 26.1.211 TEHTÄVÄ: tuottaa ilmaston vaihteluihin
LisätiedotDynaamiset regressiomallit
MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen
LisätiedotTutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? Nollahypoteesi Vaihtoehtoinen hypoteesi (yksisuuntainen)
1 MTTTP3 Luento 29.1.2015 Luku 6 Hypoteesien testaus Tutkimusongelmia ja tilastollisia hypoteeseja: Perunalastupussien keskimääräinen paino? H 0 : µ = µ 0 H 1 : µ < µ 0 Nollahypoteesi Vaihtoehtoinen hypoteesi
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
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu
5.3.2018/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 5.3.2018, osa 1 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2017
LisätiedotLuottamisvälin avulla voidaan arvioida populaation tuntematonta parametria.
6.10.2015/1 MTTTP1, luento 6.10.2015 KERTAUSTA JA TÄYDENNYSTÄ Luottamisvälin avulla voidaan arvioida populaation tuntematonta parametria. Muodostetaan väli, joka peittää parametrin etukäteen valitulla
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila 16. marraskuuta 2007 Antti Rasila () TodB 16. marraskuuta 2007 1 / 15 1 Epäparametrisia testejä χ 2 -yhteensopivuustesti Homogeenisuuden testaaminen Antti
LisätiedotAki Taanila YHDEN SELITTÄJÄN REGRESSIO
Aki Taanila YHDEN SELITTÄJÄN REGRESSIO 26.4.2011 SISÄLLYS JOHDANTO... 1 LINEAARINEN MALLI... 1 Selityskerroin... 3 Excelin funktioita... 4 EKSPONENTIAALINEN MALLI... 4 MALLIN KÄYTTÄMINEN ENNUSTAMISEEN...
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
LisätiedotMittausepävarmuuden laskeminen ISO mukaisesti. Esimerkki: Campylobacter
Mittausepävarmuuden laskeminen ISO 19036 mukaisesti. Esimerkki: Campylobacter Marjaana Hakkinen Erikoistutkija, Elintarvike- ja rehumikrobiologia Mikrobiologisten tutkimusten mittausepävarmuus 18.3.2019
Lisätiedot