Kvantitatiivinen genetiikka moniste s. 56
|
|
- Viljo Korhonen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Kvantitatiivinen genetiikka moniste s määrällisten ominaisuuksien periytymisen hallinta - mendelismi oli aluksi vastatuulessa siksi että darwinistit, joilla oli paljon valtaa Britanniassa, olivat tottuneet määrällisen genetiikan piirteisiin: jatkuvat jakautumat, vähittäinen muutos jne - oli myös kehitetty BIOMETRIA (eli tilastotiede), jonka toimialaa määrällisten ominaisuuksien genetiikka on vieläkin (normaali- ym. jakautumat, korrelaatiot, regressiot ) PITUUDEN MUUNTELU JA HERITABILITEETTI IHMISPOPULAATIOSSA
2 Sulkeisliike normaalijakautumaan järjesty
3 Joitakin määrällisten ominaisuuksien hallinnan juttuja Keskiarvo Varianssi Keskihajonta Korrelaatio Regressio
4 Nilsson-Ehle (ruotsalainen) esitti ensimmäisenä mendelistisen mallin määrälliselle ominaisuudelle 908 Tutkittavana hällä oli vehnänjyvän punertava väri
5 Kühn: Grundriss der Vererbungslehre, 950
6 Kvantitatiivisen periytymisen malli aa Aa AA a 0 +d +a q 2 2pq p 2 m = p 2 a -q 2 a + 2pqd = a (p - q)(p + q) + 2pqd = a(p-q) +2pqd Jos d = 0, m = a ( - 2q) jos d =, m = a ( - 2 q 2 )
7 Kahden alleeliparin vaikutuksen yhdistäminen AA Aa aa p 2 2pq q 2 BB r 2 2a a + d 0 Bb 2rs a + d 2d d -a bb s 2 0 d - a -2a
8 Pyyhitäänpä dominanssi pois: AA Aa aa p 2 2pq q 2 BB r 2 2a a 0 Bb 2rs a 0 -a bb s 2 0 -a -2a aabb AABb AAbb Aabb AABB AaBB AaBb aabb aabb p 2 r 2 2rsp 2 +2pqr 2 q 2 r 2 +p 2 s 2 +4pqrs 2rsq 2 +2pqs 2 q 2 s 2 2a a 0 -a -2a 4 6 4
9 Pascalin kolmio eli binomijakautuma -taika 2 alleelipari paria , &c Tästä saa johdettua lukusuhteet, 2, 3, 4 tai vaikka kuinka monen alleeliparin jakautumille, helposti ja paljoakaan muistamatta. Lopulta jakautuma noudattaa normaalijakatumaa
10 Esimerkki: vanha kunnon käärmelasku Risteytetään 200 cm pitkät käärmeet A B C d E A B c d E x a b C d e a b C d E Peruspituus 50 cm. Jokainen isolla kirjaimella merkitty alleeli lisää pituutta 0 cm. Ennusta jälkeläisen jakautuma pituusluokkiin. Ratkaisu: heterotsygoottisia lokuksia on kuusi, eli niistä voi tulla jälkeläiselle pieni tai iso kirjain. Jokainen jälkeläinen saa varmasti yhden C:n ja yhden E:n, joten pienin poikanen on 70 cm Pituusluokka Pascal, rivi 7
11 Määrällisiin ominaisuuksiin vaikuttaa myös ympäristö, eikä suinkaan pelkästään 2 tai useampia +/- alleelipareja. Usein halutaankin tietää, kuinka iso osa varianssista eli yksilöiden välisistä eroista johtuu geneettisistä syistä, ja mikä osa ympäristöstä Geneettisen osuuden mitan nimi on heritabiliteetti
12 Jos populaatiossa on sellaisia segregoituvia alleelipareja, jotka vaikuttavat tiettyyn mittaominaisuuteen, siitä koituu tietenkin geneettistä muuntelua Muuntelua aiheuttaa myös ympäristö
13 Fenotyyppinen varianssi Vp aiheutuu eri osista: additiivisesta geneettisestä Va, dominanssin aiheuttamasta geneettisestä Vd, geeni-interaktioiden Vi aiheuttamasta geneettisestä ja vielä ympäristön Ve aiheuttamasta, sekä lopulta kaikkien näiden mahdollisista interaktioista eli vuorovaikutuksista. Vp = Va + Vd + Vi + Ve varianssi
14 additiivinen aa / AA dominanssi Aa /0 aa / (Aa+AA)
15 Heritabiliteetti Yksilöt antavat alleeleistaan näytteen gameettien kautta seuraavaan sukupolveen. Sellainen yksilö, jolla on monta plus-alleelia, antaa tietysti gameetteihinkin useampia plus-alleeleita kuin sellainen, jolla niitä on vähän. Tätä tosiasiaa käytetään hyväksi kvantitatiivisessa genetiikassa. Vanhempien ja jälkeläisten tai sisarusten välillä on tiettyä korrelaatiota näiden plus-alleelien määrässä. SUKULAISTEN VÄLINEN KORRELAATIO JOHTUU GEENEISTÄ
16
17 Kurssityönä tutkitaan, onko kurssilaisten ja heidän isiensä ja/tai äitiensä välillä korrelaatiota pituuden suhteen, ja esitetään, kuinka tästä kovarianssista voidaan laskea heritabiliteetti. Heritabiliteetti ahtaassa mielessä h² määritellään additiivisen geneettisen varianssin Va osuudeksi koko fenotyyppisestä varianssista Vp : h² = Va /Vp Tämä on tärkeä estimaatti koska jalostugenetiikka hyötyy vain ahtaasta heritabiliteetista
18 Heritabiliteettiestimaatteja
19 Jalostushyödyn ja heritabiliteetin välillä on seuraava helppo yhteys: G = h²i G on jalostushyöty (Gain), h² on additiivinen heritabiliteetti ja I on valinnan intensiteetti, so. se osuus populaatiosta joka karsitaan pois. Tämä johtuu hyvin yksinkertaisesti siitä, että jos "suuruus" johtuu tietyistä alleeleista, on niitä alleeleita "suurten" jälkeläisissä sitten enemmän kuin keskinkertaisten jälkeläisissä.
20 Aina kun ihminen tarvitsee tämän alan kertausta, sen pitää etsiä käsiinsä Falconer, vanha tai uusi
21 Descriptives Descriptive Statistics TYTÄR ÄITI(T) ISÄ(T) POIKA ÄITI(P) ISÄ(P) Valid N (listwise) N Minimum Maximum Mean Std. Deviation Correlations between parents in female (N=43) and male (N=4) populations ÄITI(T) ISÄ(T) Correlations Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N ÄITI(T) ISÄ(T).39** **. Correlation is significant at the 0.0 level (2 il d) ** Correlations ÄITI(P) ISÄ(P) ÄITI(P) Pearson Correlation.579* Sig. (2-tailed)..030 N 4 4 ISÄ(P) Pearson Correlation.579* Sig. (2-tailed).030. N 4 4 *. Correlation is significant at the 0.05 level (2-tailed). Genetiikan peruskurssi 2003
22 Variables Entered/Removed b 90 Variables Variables Entered Removed Method ÄITI(T) a. Enter 80 a. All requested variables entered. b. Dependent Variable: TYTÄR 70 Summary Adjusted Std. Error of R R Square R Square the Estimate.545 a a. Predictors: (Constant), ÄITI(T) TYTÄR ÄITI(T) ANOVA b Regression Residual Total Sum of Squares df Mean Square F Sig a a. Predictors: (Constant), ÄITI(T) b. Dependent Variable: TYTÄR Coefficients a (Constant) ÄITI(T) a. Dependent Variable: TYTÄR Unstandardized Coefficients Standardi zed Coefficien ts 95% Confidence Interval for B B Std. Error Beta t Sig. Lower Bound Upper Bound Genetiikan peruskurssi 2003
23 90 Variables Entered/Removed b 88 Variables Variables Entered Removed Method ISÄ(P) a. Enter a. All requested variables entered. b. Dependent Variable: POIKA Summary 76 Adjusted Std. Error of R R Square R Square the Estimate.62 a POIKA a. Predictors: (Constant), ISÄ(P) ISÄ(P) ANOVA b Regression Residual Total Sum of Squares df Mean Square F Sig a a. Predictors: (Constant), ISÄ(P) b. Dependent Variable: POIKA Coefficients a (Constant) ISÄ(P) a. Dependent Variable: POIKA Unstandardized Coefficients Standardi zed Coefficien ts 95% Confidence Interval for B B Std. Error Beta t Sig. Lower Bound Upper Bound Genetiikan peruskurssi 2003
24 Regression 90 Variables Entered/Removed b Variables Variables Entered Removed Method KESKIVAN a. Enter 80 a. All requested variables entered. 70 b. Dependent Variable: LAPSI Summary 60 Adjusted Std. Error of R R Square R Square the Estimate.580 a LAPSI a. Predictors: (Constant), KESKIVAN KESKIVAN ANOVA b Regression Residual Total Sum of Squares df Mean Square F Sig a a. Predictors: (Constant), KESKIVAN b. Dependent Variable: LAPSI Coefficients a (Constant) KESKIVAN a. Dependent Variable: LAPSI Unstandardized Coefficients Standardi zed Coefficien ts 95% Confidence Interval for B B Std. Error Beta t Sig. Lower Bound Upper Bound Genetiikan peruskurssi 2003
25 Tulokset vuoden 200 syksyn peruskurssin oppilaista: pituuden heritabiliteetti Genetiikan peruskurssi 200 syksy
26 idin pituus Isän pituus Isien ja äitien pituus ei ole merkitsevästi korreloitunut (P = 0.08), korrelaatiokerroin on.273 ja sen neliö eli selityskerroin vain 7.4 % Genetiikan peruskurssi 200 syksy
27 Correlations ISÄ Pearson Correlation ISÄ ÄITI Sig. (2-tailed) N ÄITI Pearson Correlation Sig. (2-tailed) N Genetiikan peruskurssi 200 syksy
28 Tyttären pituus Äidin pituus Jälkeläisen ja samaa sukupuolta olevan vanhemman regressiot Huomaa, että asteikot eivät ole identtiset Testitulokset seuraavassa slidessä Pojan pituus Isän pituus Genetiikan peruskurssi 200 syksy
29 Summary Std. Error Adjusted R of the R R Square Square Estimate.662 a a. Predictors: (Constant), ÄITI (Constant) ÄITI Unstandardized Coefficients a. Dependent Variable: HENKILÖ Coefficients a Standardi zed Coefficien ts B Std. Error Beta t Sig Tyttäret vs. äidit Summary b Std. Error Adjusted R of the R R Square Square Estimate.692 a a. Predictors: (Constant), ISÄ b. Dependent Variable: HENKILÖ (Constant) ISÄ Unstandardized Coefficients a. Dependent Variable: HENKILÖ Coefficients a Standardi zed Coefficien ts B Std. Error Beta t Sig Pojat vs. isät Genetiikan peruskurssi 200 syksy
30 Tyttären pituus Jälkeläisen ja vanhempien keskiarvon regressio Vain Y-akselit ovat erilaiset Vanhempien keskipituus Analyysi seuraavalla sivulla Pojan pituus Vanhempien keskipituus Genetiikan peruskurssi 200 syksy
31 Coefficients a Summary Std. Error Adjusted R of the R R Square Square Estimate.706 a a. Predictors: (Constant), MLENGTH (Constant) MLENGTH Unstandardized Coefficients a. Dependent Variable: HENKILÖ Standardi zed Coefficien ts B Std. Error Beta t Sig Tytöt vs. vanhempien keskiarvo Summary Std. Error Adjusted R of the R R Square Square Estimate.768 a a. Predictors: (Constant), MLENGTH (Constant) MLENGTH Unstandardized Coefficients a. Dependent Variable: HENKILÖ Coefficients a Standardi zed Coefficien ts B Std. Error Beta t Sig Pojat vs. vanhempien keskiarvo Genetiikan peruskurssi 200 syksy
32 Tyttären pituus Tyttären pituus Äidin pituus Vanhempien keskipituus Pojan pituus Pojan pituus Isän pituus Vanhempien keskipituus Genetiikan peruskurssi 200 syksy
33 Heritabiliteettiestimaatit olivat aika korkeita! Yhteisen ympäristön vaikutus on vaikea kitkeä pois Genetiikan peruskurssi 200 syksy
34 TYTÄR ÄITI(T) Genetiikan peruskurssi 2003
35 Graph POIKA ISÄ(P) Genetiikan peruskurssi 2003
36 Graph LAPSI KESKIVAN Genetiikan peruskurssi 2003
Kvantitatiivinen genetiikka
Kvantitatiivinen genetiikka - määrällisten ominaisuuksien periytymisen hallinta - mendelismi oli aluksi vastatuulessa siksi että darwinistit, joilla oli paljon valtaa Britanniassa, olivat tottuneet määrällisen
LisätiedotFrequencies. Frequency Table
GET FILE='C:\Documents and Settings\haukkala\My Documents\kvanti\kvanti_harjo'+ '_label.sav'. DATASET NAME DataSet WINDOW=FRONT. FREQUENCIES VARIABLES=koulv paino /ORDER= ANALYSIS. Frequencies [DataSet]
LisätiedotData-analyysi II. Sisällysluettelo. Simo Kolppo [Type the document subtitle]
Data-analyysi II [Type the document subtitle] Simo Kolppo 26.3.2014 Sisällysluettelo Johdanto... 1 Tutkimuskysymykset... 1 Aineistojen esikäsittely... 1 Economic Freedom... 1 Nuorisobarometri... 2 Aineistojen
Lisätiedot[MTTTA] TILASTOMENETELMIEN PERUSTEET, KEVÄT 209 https://coursepages.uta.fi/mttta/kevat-209/ HARJOITUS 5 viikko 8 RYHMÄT: ke 2.5 3.45 ls. C6 Leppälä to 08.30 0.00 ls. C6 Korhonen to 2.5 3.45 ls. C6 Korhonen
LisätiedotEsim Brand lkm keskiarvo keskihajonta A ,28 5,977 B ,06 3,866 C ,95 4,501
Esim. 2.1.1. Brand lkm keskiarvo keskihajonta A 10 251,28 5,977 B 10 261,06 3,866 C 10 269,95 4,501 y = 260, 76, n = 30 SS 1 = (n 1 1)s 2 1 = (10 1)5, 977 2 321, 52 SS 2 = (n 2 1)s 2 2 = (10 1)3, 8662
LisätiedotHarjoittele tulkintoja
Harjoittele tulkintoja Syksy 9: KT (55 op) Kvantitatiivisen aineiston keruu ja analyysi SPSS tulosteiden tulkintaa/til Analyysit perustuvat aineistoon: Haavio-Mannila, Elina & Kontula, Osmo (1993): Suomalainen
LisätiedotSPSS-perusteet. Sisältö
SPSS-perusteet Sisältö Ikkunat 3 Päävalikot 5 Valikot 6 Aineiston käsittely 6 Muuttujamuunnokset 7 Aineistojen kuvailu analyysit 8 Havaintomatriisin luominen ja käsittely 10 Muulla sovelluksella tehdyn
LisätiedotPerusnäkymä yksisuuntaiseen ANOVAaan
Metsämuuronen 2006. TTP Tutkimuksen tekemisen perusteet ihmistieteissä Taulukko.51.1 Analyysiin mukaan tulevat muuttujat Mja selite Merkitys mallissa F1 Ensimmäinen faktoripistemuuttuja Selitettävä muuttuja
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[TILTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2011 http://www.uta.fi/~strale/tiltp1/index.html 30.9.2011 klo 13:07:54 HARJOITUS 5 viikko 41 Ryhmät ke 08.30 10.00 ls. C8 Leppälä to 12.15 13.45 ls. A2a Laine
LisätiedotTeema 10: Regressio- ja varianssianalyysi
Teema 1: Regressio- ja varianssianalyysi Regressioanalyysi lienee t-testin ohella maailman eniten käytetty tilastollinen menetelmä. Sitä sivuttiin jo alustavasti Teemassa 4. Varianssianalyysi liittyy useallakin
LisätiedotOhjeita kvantitatiiviseen tutkimukseen
1 Metropolia ammattikorkeakoulu Liiketalouden yksikkö Pertti Vilpas Ohjeita kvantitatiiviseen tutkimukseen Osa 2 KVANTITATIIVISEN TUTKIMUSAINEISTON ANALYYSI Sisältö: 1. Frekvenssi- ja prosenttijakaumat.2
LisätiedotOHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi. Luento 3
OHJ-7600 Ihminen ja tekniikka -seminaari, 4 op Käyttäjäkokemuksen kvantitatiivinen analyysi Luento 3 Tutkimussuunnitelman rakenne-ehdotus Otsikko 1. Motivaatio/tausta 2. Tutkimusaihe/ -tavoitteet ja kysymykset
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
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
LisätiedotMTTTP1, luento KERTAUSTA
19.3.2019/1 MTTTP1, luento 19.3.2019 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
LisätiedotTilastollisten menetelmien perusteet II TILTP3 Luentorunko
Tilastollisten menetelmien perusteet II TILTP3 Luentorunko Raija Leppälä 29. helmikuuta 2012 Sisältö 1 Johdanto 2 1.1 Jatkuvista jakaumista 2 1.1.1 Normaalijakauma 2 1.1.2 Studentin t-jakauma 3 1.2 Satunnaisotos,
Lisätiedot1. PÄÄTTELY YHDEN SELITTÄJÄN LINEAARISESTA REGRESSIOMALLISTA
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Päättely yhden selittäjän lineaarisesta regressiomallista Ennustaminen, Ennuste, Ennusteen luottamusväli, Estimaatti, Estimaattori,
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
LisätiedotKandidaatintutkielman aineistonhankinta ja analyysi
Kandidaatintutkielman aineistonhankinta ja analyysi Anna-Kaisa Ylitalo M 315, anna-kaisa.ylitalo@jyu.fi Musiikin, taiteen ja kulttuurin tutkimuksen laitos Jyväskylän yliopisto 2018 2 Havaintomatriisi Havaintomatriisi
LisätiedotPerinnöllisyys. Enni Kaltiainen
Perinnöllisyys Enni Kaltiainen Tällä tunnilla: - Lyhyt kertaus genetiikasta - Meioosi - Perinnöllisyyden perusteet - Risteytystehtävät h"p://files.ko-sivukone.com/refluksi.ko-sivukone.com/j0284919.jpg Kertausta
LisätiedotVARIANSSIANALYYSI ANALYSIS OF VARIANCE
VARIANSSIANALYYSI ANALYSIS OF VARIANCE 1 Suomalaisten aikuisten pituusjakauma:.8.7.6.5.4.3.2.1 14 15 16 17 18 19 2 21 Jakauma ei ole normaali, sen olettaminen sellaiseksi johtaa virheellisiin päätelmiin.
LisätiedotTeema 3: Tilastollisia kuvia ja tunnuslukuja
Teema 3: Tilastollisia kuvia ja tunnuslukuja Tilastoaineiston peruselementit: havainnot ja muuttujat havainto: yhtä havaintoyksikköä koskevat tiedot esim. henkilön vastaukset kyselylomakkeen kysymyksiin
Lisätiedotalleelipareja dominoiva dominoiva resessiivinen
11 RISTEYTYKSET Merkintätapoja Mendelin säännöt Yhden alleeliparin periytyminen Monohybridiristeytys Multippelit alleelit Letaalitekijät Yhteisvallitseva periytyminen Välimuotoinen periytyminen Testiristeytys
LisätiedotSisällysluettelo 6 REGRESSIOANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...
LisätiedotOpetus talteen ja jakoon oppilaille. Kokemuksia Aurajoen lukion tuotantoluokan toiminnasta Anna Saivosalmi 9.9.2011
Opetus talteen ja jakoon oppilaille Kokemuksia Aurajoen lukion tuotantoluokan toiminnasta Anna Saivosalmi 9.9.2011 Aurajoen lukio ISOverstaan jäsen syksystä 2010 lähtien ISOverstas on maksullinen verkko-oppimisen
LisätiedotTässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. eli matriisissa on 200 riviä (havainnot) ja 7 saraketta (mittaus-arvot)
R-ohjelman käyttö data-analyysissä Panu Somervuo 2014 Tässä harjoituksessa käydään läpi R-ohjelman käyttöä esimerkkidatan avulla. 0) käynnistetään R-ohjelma Huom.1 allaolevissa ohjeissa '>' merkki on R:n
LisätiedotDarwin nuorena. Darwinin syntymästä on 201 vuotta ja "Lajien synnystä" 151 vuotta.
Darwin nuorena Darwinin syntymästä on 201 vuotta ja "Lajien synnystä" 151 vuotta. Evoluutio on dynaaminen prosessi, joka pohjautuu populaatiogenetiikkaan Darwinin suurin ansio oli luonnonvalinta adaptaation
LisätiedotTKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä. Tentti
TKMS7a-f/LRS20a-f/MAS2/KVS2/TMS82a-f/JOM/TJM/YRM Monimuuttujamenetelmien soveltaminen taloustieteissä Tentti 13.5.2014 Moduuli a: Faktorianalyysi Jos olet samaa mieltä esitetyn väitteen kanssa vastaa K,
LisätiedotI Keskiarvot ja hajonnat muuttujista 3-26 niin, että luokittelevana muuttujana on muuttuja 2 eli sukupuoli
I Keskiarvot ja hajonnat muuttujista 3-26 niin, että luokittelevana muuttujana on muuttuja 2 eli sukupuoli Group Statistics Luk1 Kirj1 Kielt1 Khuol1 Kirjall1 Ilmharj1 äyt1 Viest1 Sanaluokat1 Luk2 Kirj2
LisätiedotOhjeita tilastollisen tutkimuksen toteuttamiseksi SPSS for Windows -ohjelmiston avulla
1 Ohjeita tilastollisen tutkimuksen toteuttamiseksi SPSS for Windows -ohjelmiston avulla Raija Leppälä Opetusmoniste B 53 3. uudistettu painos Matematiikan, tilastotieteen ja filosofian laitos Toukokuu
LisätiedotMTTTP5, luento Luottamusväli, määritelmä
23.11.2017/1 MTTTP5, luento 23.11.2017 Luottamusväli, määritelmä Olkoot A ja B satunnaisotoksen perusteella määriteltyjä satunnaismuuttujia. Väli (A, B) on parametrin 100(1 - ) %:n luottamusväli, jos P(A
LisätiedotPerinnöllisyystieteen perusteita III Perinnöllisyystieteen perusteita
Perinnöllisyystieteen perusteita III Perinnöllisyystieteen perusteita 14. Useamman ominaisuusparin periytyminen 1. Avainsanat 2. Mendelin lait 3. Dihybridiristeytys 4. Mendelin tulosten taustaa 5. Tekijäinvaihdunta
Lisätiedotxi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =
1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista
LisätiedotGraph. COMPUTE x=rv.normal(0,0.04). COMPUTE y=rv.normal(0,0.04). execute.
COMPUTE x=rv.ormal(0,0.04). COMPUTE y=rv.ormal(0,0.04). execute. compute hplib_man_r = hplib_man + x. compute arvokons_man_r = arvokons_man + y. GRAPH /SCATTERPLOT(BIVAR)=hplib_man_r WITH arvokons_man_r
Lisätiedot1. USEAN SELITTÄJÄN LINEAARINEN REGRESSIOMALLI JA OSITTAISKORRELAATIO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat Usean selittäjän lineaarinen regressiomalli Estimaatti, Estimaattori, Estimointi, Jäännösneliösumma, Jäännöstermi, Jäännösvarianssi,
LisätiedotLisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen., jos otoskeskiarvo on suurempi kuin 13,96. Mikä on testissä käytetty α:n arvo?
MTTTP5, kevät 2016 15.2.2016/RL Lisätehtäviä ratkaisuineen luentomonisteen lukuun 6 liittyen 1. Valitaan 25 alkion satunnaisotos jakaumasta N(µ, 25). Olkoon H 0 : µ = 12. Hylätään H 0, jos otoskeskiarvo
Lisätiedotvoidaan hylätä, pienempi vai suurempi kuin 1 %?
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 5 viikko 42 6.10.2017 klo 10:42:20 Ryhmät: ke 08.30 10.00 LS C6 Paajanen ke 10.15 11.45 LS
LisätiedotA130A0650-K Tilastollisen tutkimuksen perusteet 6 op Tentti / Anssi Tarkiainen & Maija Hujala
Kaavakokoelma, testinvalintakaaviot ja jakaumataulukot liitteinä. Ei omia taulukoita! Laskin sallittu. Tehtävä 1 a) Konepajan on hyväksyttävä alihankkijalta saatu tavaraerä, mikäli viallisten komponenttien
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas Itse arvioidun terveydentilan ja sukupuolen välinen riippuvuustarkastelu. Jyväskyläläiset 75-vuotiaat miehet ja naiset vuonna 1989.
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
LisätiedotKorrelaatiokerroin. Hanna Heikkinen. Matemaattisten tieteiden laitos. 23. toukokuuta 2012
Korrelaatiokerroin Hanna Heikkinen 23. toukokuuta 2012 Matemaattisten tieteiden laitos Esimerkki 1: opiskelijoiden ja heidän äitiensä pituuksien sirontakuvio, n = 61 tyttären pituus (cm) 155 160 165 170
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
LisätiedotProspektiteoreettinen näkökulma
Miten paljon saneerausohjelmien onnistumiseen vaikuttaa yrittäjän kannustimet? Prospektiteoreettinen näkökulma Tapio Laakso 29.1.2010 Onnistumisen hyöty yrittäjälle vs. keskeytymisriski (Selvittäjän rooli?
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
LisätiedotRaija Leppälä. Ohjeita tilastollisen tutkimuksen toteuttamiseksi IBM SPSS Statistics -ohjelmiston avulla
Raija Leppälä Ohjeita tilastollisen tutkimuksen toteuttamiseksi IBM SPSS Statistics -ohjelmiston avulla TAMPEREEN YLIOPISTO INFORMAATIOTIETEIDEN YKSIKÖN RAPORTTEJA 55/2017 TAMPERE 2017 TAMPEREEN YLIOPISTO
LisätiedotMat Tilastollisen analyysin perusteet. Painotettu PNS-menetelmä. Avainsanat:
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Mallin valinta Painotettu PNS-menetelmä Alaspäin askellus, Askellus, Askeltava valikointi, Diagnostinen grafiikka, Diagnostiset
LisätiedotSPSS OPAS. Metropolia Liiketalous
1 Metropolia Liiketalous SPSS OPAS Aihe sivu 1. Ohjelman periaate 2 2. Aineistoikkuna 3 3. Frekvenssit 4 4. Muuttujien arvojen luokittelu 5 5. Tunnusluvut 6 6. Ristiintaulukointi 7 7. Hajontakaavio 8 8.Korrelaatio
LisätiedotDemotehtävä + liitteet (muuttujaluettelo, käytettävät analyysimenetelmät hypoteeseineen, osa SPSS-ohjelman tulostuslistasta)
1 KTE.139 Tutkimusaineiston analyysi Demot 5 ja 6 (7.3.-18.3.2005) Ritva Sakari-Rantala (sakari@sport.jyu.fi, puh. 260 2094) Demotehtävä + liitteet (muuttujaluettelo, käytettävät analyysimenetelmät hypoteeseineen,
LisätiedotE80. Data Uncertainty, Data Fitting, Error Propagation. Jan. 23, 2014 Jon Roberts. Experimental Engineering
Lecture 2 Data Uncertainty, Data Fitting, Error Propagation Jan. 23, 2014 Jon Roberts Purpose & Outline Data Uncertainty & Confidence in Measurements Data Fitting - Linear Regression Error Propagation
Lisätiedot1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta?
1. a) Luettele hyvän kvantitatiivisen tutkimuksen perusvaatimukset. b) Miten tutkimusraportissa arvioit tutkimuksen luotettavuutta? 2. Tehtävät 2-4 sekä 6 10 liittyvät keväällä 2002 suoritettuun ammattikorkeakoulusta
Lisätiedota. Mustan ja lyhytkarvaisen yksilön? b. Valkean ja pitkäkarvaisen yksilön? Perustele risteytyskaavion avulla.
1. Banaanikärpänen dihybridiristeytys. Banaanikärpäsillä silmät voivat olla valkoiset (resessiivinen ominaisuus, alleeli v) tai punaiset (alleeli V). Toisessa kromosomissa oleva geeni määrittää siipien
Lisätiedot1. YKSISUUNTAINEN VARIANSSIANALYYSI: AINEISTON ESITYSMUODOT
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Yksisuuntainen varianssianalyysi Bartlettin testi, Bonferronin menetelmä, F-testi, Jäännösneliösumma, χ 2 -testi, Kokonaiskeskiarvo,
LisätiedotGeenikartoitusmenetelmät. Kytkentäanalyysin teoriaa. Suurimman uskottavuuden menetelmä ML (maximum likelihood) Uskottavuusfunktio: koko aineisto
Kytkentäanalyysin teoriaa Pyritään selvittämään tiettyyn ominaisuuteen vaikuttavien eenien paikka enomissa Perustavoite: löytää markkerilokus jonka alleelit ja tutkittava ominaisuus (esim. sairaus) periytyvät
LisätiedotSPSS ohje. Metropolia Business School/ Pepe Vilpas
1 SPSS ohje Page 1. Perusteita 2 2. Frekvenssijakaumat 3 3. Muuttujan luokittelu 4 4. Kaaviot 5 5. Tunnusluvut 6 6. Tunnuslukujen vertailu ryhmissä 7 9. Ristiintaulukointi ja Chi-testi 8 10. Hajontakaavio
LisätiedotGenetiikan perusteet. Tafel V Baur E. (1911) Einführung in die experimentelle Vererbungslehre. Verlag von Gebrüder Borntraeger, Berlin.
Genetiikan perusteet Tafel V Baur E. (1911) Einführung in die experimentelle Vererbungslehre. Verlag von Gebrüder Borntraeger, Berlin. Transmissiogenetiikka l. mendelistinen genetiikka Historia Yksinkertaiset
LisätiedotEsim. Pulssi-muuttujan frekvenssijakauma, aineisto luentomoniste liite 4
18.9.2018/1 MTTTP1, luento 18.9.2018 KERTAUSTA Esim. Pulssi-muuttujan frekvenssijakauma, aineisto luentomoniste liite 4 pyöristetyt todelliset luokka- frekvenssi luokkarajat luokkarajat keskus 42 52 41,5
LisätiedotPylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 2003 LKM 14.8% 11.2% 19.7% 4.9% 3.6% 45.
Pylväsdiagrammi Suomen kunnat lääneittäin vuonna Piirakkadiagrammi Suomen kunnat lääneittäin vuonna 8.8% 8.9%.%.% 9.7%.7% Etelä Länsi Itä Oulu Lappi Ahvenanmaa Länsi Etelä Itä Oulu Lappi Ahvenanmaa Läänien
LisätiedotS Laskennallinen systeemibiologia
S-114.2510 Laskennallinen systeemibiologia 3. Harjoitus 1. Koska tilanne on Hardy-Weinbergin tasapainossa luonnonvalintaa lukuunottamatta, saadaan alleeleista muodostuvien eri tsygoottien genotyyppifrekvenssit
Lisätiedotvkp 4*(1+0)/(32-3)-1= vkp 2*(1+0)/(32-3)=
JÄRJESTYSKORRELAATIO 1. Hannu ja Kerttu pitävät karamelleista, mutta heidän mieltymyksensä poikkeavat hieman. Hannun mielestä punaiset karkit ovat parhaita ja keltaiset miellyttävät häntä vähiten. Kerttu
Lisätiedot1. REGRESSIOMALLIN SYSTEMAATTISEN OSAN MUOTO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Regressiodiagnostiikka Cooken etäisyys, Funktionaalinen muoto, Diagnostinen grafiikka, Diagnostiset testit, Heteroskedastisuus,
Lisätiedot(d) Laske selittäjään paino liittyvälle regressiokertoimelle 95 %:n luottamusväli ja tulkitse tulos lyhyesti.
2. VÄLIKOE vuodelta -14 1. Liitteessä 1 on esitetty R-ohjelmalla saatuja tuloksia aineistosta, johon on talletettu kahdenkymmenen satunnaisesti valitun miehen paino (kg), vyötärön ympärysmitta (cm) ja
LisätiedotSisällysluettelo 6 VARIANSSIANALYYSI. Metsämuuronen: Monimuuttujamenetelmien perusteet SPSS-ympäristössä ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...
Sisällysluettelo ALKUSANAT... 4 ALKUSANAT E-KIRJA VERSIOON...5 SISÄLLYSLUETTELO... 6 LYHYT SANASTO VASTA-ALKAJILLE... 7 1. MONIMUUTTUJAMENETELMÄT IHMISTIETEISSÄ... 9 1.1 MONIMUUTTUJA-AINEISTON ERITYISPIIRTEITÄ...
Lisätiedot2. Aineiston kuvailua
2. Aineiston kuvailua Avaa (File/Open/Data ) aineistoikkunaan tiedosto tilp150.sav. Aineisto on koottu Tilastomenetelmien peruskurssilla olleilta. Tiedot osallistumisesta demoihin, tenttipisteet, tenttien
LisätiedotMS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotResiduaalit. Residuaalit. UK Ger Fra US Austria. Maat
TAMPEREEN YLIOPISTO Tilastollisen mallintamisen harjoitustyö Teemu Kivioja ja Mika Helminen Epätasapainoisen koeasetelman analyysi Worksheet 5 Matematiikan, tilastotieteen ja filosofian laitos Tilastotiede
Lisätiedot4 Riippuvuus 1. Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta
4 Riippuvuus 1 Esimerkki 4. Korrelaation laskeminen SPSS-ohjelmalla rajatusta aineistosta x 2 = sisaruksien luku- Tarkastellaan äidin ja lapsen pituuden välistä riippuvuutta havaintomatriisilla, joka on
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016,
LisätiedotPopulaatiosimulaattori. Petteri Hintsanen HIIT perustutkimusyksikkö Helsingin yliopisto
Populaatiosimulaattori Petteri Hintsanen HIIT perustutkimusyksikkö Helsingin yliopisto Kromosomit Ihmisen perimä (genomi) on jakaantunut 23 kromosomipariin Jokaisen parin toinen kromosomi on peritty isältä
LisätiedotIlmoittaudu Weboodissa klo (sali L4) pidettävään 1. välikokeeseen!
8069 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2013 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOLLA 9! Ilmoittaudu Weboodissa 4.3.2013 klo
Lisätiedot1 TILASTOJEN KÄYTTÖ 7. Mitä tilastotiede on 7 Historiaa 8 Tilastotieteen nykyinen asema 9 Tilastollisen tutkimuksen vaiheet 10
SISÄLTÖ 1 TILASTOJEN KÄYTTÖ 7 Mitä tilastotiede on 7 Historiaa 8 Tilastotieteen nykyinen asema 9 Tilastollisen tutkimuksen vaiheet 10 Tilastoaineisto 11 Peruskäsitteitä 11 Tilastoaineiston luonne 13 Mittaaminen
LisätiedotMONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN MUUTTUJIEN NORMAALISUUS. Statistics
MONIMUUTTUJAMENETELMISTÄ RAKENNEYHTÄLÖMALLINNUKSEEN 28.4.2016 MANNE KALLIO 2016 MUUTTUJIEN NORMAALISUUS : Frequencies Statistics Output: Skewness ja kurtosis -1 1 < 2 X std.error Skewnessin ja kurtosiksen
LisätiedotRISTIINTAULUKOINTI JA Χ 2 -TESTI
RISTIINTAULUKOINTI JA Χ 2 -TESTI Kvantitatiiviset tutkimusmenetelmät maantieteessä Ti 27.10.2015, To 2.11.2015 Miisa Pietilä & Laura Hokkanen miisa.pietila@oulu.fi laura.hokkanen@outlook.com KURSSIKERRAN
LisätiedotTehtävä 1. (a) JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Parametrittomat ja robustit menetelmät Harjoitukset 7, vastaukset
JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Parametrittomat ja robustit menetelmät Harjoitukset 7, vastaukset 12.05.2009 Tehtävä 1 (a) x
LisätiedotJakaumien merkitys biologisissa havaintoaineistoissa: Löytyykö ratkaisu Yleistetyistä Lineaarisista (Seka)Malleista?
1 Hydrobiologian tutkijaseminaari 20.3.2000 Jakaumien merkitys biologisissa havaintoaineistoissa: Löytyykö ratkaisu Yleistetyistä Lineaarisista (Seka)Malleista? Jari Hänninen Turun yliopisto Saaristomeren
LisätiedotLauri Tarkkonen: Erottelu analyysi
Lauri Tarkkonen: Erottelu analyysi Erotteluanalyysin ongelma on kaksijakoinen:. Mikä havaittujen muuttujien (x i ) lineaarinen yhdistely erottaa mahdollisimman hyvin toisistaan tunnetut ryhmät? Siis selitettävä
LisätiedotTilastotieteen johdantokurssin harjoitustyö. 1 Johdanto...2. 2 Aineiston kuvaus...3. 3 Riippuvuustarkastelut...4
TILTP1 Tilastotieteen johdantokurssin harjoitustyö Tampereen yliopisto 5.11.2007 Perttu Kaijansinkko (84813) perttu.kaijansinkko@uta.fi Pääaine matematiikka/tilastotiede Tarkastaja Tarja Siren 1 Johdanto...2
Lisätiedot, Määrälliset tutkimusmenetelmät 2 4 op
6206209, Määrälliset tutkimusmenetelmät 2 4 op Jyrki Reunamo, Helsingin yliopisto, Opettajankoulutuslaitos 19.2.2015 1 Varianssianalyysi (Pallant 2007, Tähtinen & Isoaho 2001) Verrataan ryhmien keskiarvoja.
LisätiedotIII Perinnöllisyystieteen perusteita
Perinnöllisyystieteen perusteita III Perinnöllisyystieteen perusteita 12. Ominaisuuksien periytymistä tutkitaan risteytyksillä 1. Avainsanat 2. Geenit ja alleelit 3. Mendelin herneet 4. Monohybridiristeytys
LisätiedotOngelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?
Yhden otoksen suhteellisen osuuden testaus Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta? Hypoteesit H 0 : p = p 0 H 1 : p p 0 tai H 1 : p > p 0 tai H 1 : p < p 0 Suhteellinen osuus
LisätiedotPerhevapaiden palkkavaikutukset
Perhevapaiden palkkavaikutukset Perhe ja ura tasa-arvon haasteena seminaari, Helsinki 20.11.2007 Jenni Kellokumpu Esityksen runko 1. Tutkimuksen tavoite 2. Teoria 3. Aineisto, tutkimusasetelma ja otos
LisätiedotCoimisiún na Scrúduithe Stáit State Examinations Commission. Leaving Certificate 2011. Marking Scheme. Finnish. Higher Level
Coimisiún na Scrúduithe Stáit State Examinations Commission Leaving Certificate 2011 Marking Scheme Finnish Higher Level VASTAUKSET I Tehtävä: Vastaa kaikkiin kysymyksiin. 1. Selitä omin sanoin seuraavat
Lisätiedot} Vastinkromosomit. Jalostusta selkokielellä. Miten niin voidaan jalostaa?
Jalostusta selkokielellä Vuokatin jalostuskurssi 2015 Pirkko Taurén Miten niin voidaan jalostaa? Eri yksilöiden välillä on eroja Sukulaiset muistuttavat enemmän toisiaan kuin yksilöt keskimäärin Geenit
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotPertti Vilpas Metropolia 1. KVANTITATIIVINEN TUTKIMUS
1 Pertti Vilpas Metropolia 1. KVANTITATIIVINEN TUTKIMUS Tutkimuksen aineiston keräämisessä voidaan käyttää joko laadullista tai määrällistä tutkimusmenetelmää. Tutkimusmenetelmiä voidaan myös yhdistää,
Lisätiedot3. Useamman selittäajäan regressiomalli. p-selittäaväaäa muuttujaa. Y i = + 1 X i1 +...+ p X ip + u i
3. Useamman selittäajäan regressiomalli p-selittäaväaäa muuttujaa Y i = + 1 X i1 +...+ p X ip + u i i = 1,...,n (> p), missäa n = havaintojen lukumäaäaräa otoksessa. Oletukset kuten aiemmin: (1) E(u i
LisätiedotChristina Gustafsson. Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 2
Christina Gustafsson Tilastollinen tietojenkäsittely STAT2100 IBM SPSS Statistics 22 for Windows Osa 2 Kevät 2014 SISÄLLYSLUETTELO 5. YKSIULOTTEISET JAKAUMAT... 2 5.1. Frequencies-proseduuri... 2 5.2.
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
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-
LisätiedotMS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 3B Tilastolliset datajoukot Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Lukuvuosi 2016
LisätiedotHarjoitukset 4 : Paneelidata (Palautus )
31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 4 : Paneelidata (Palautus 7.3.2017) Tämän harjoituskerran tarkoitus on perehtyä
Lisätiedot7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)
7. Lohkominen ja sulautus 2 k kokeissa Lohkominen (Blocking) Lohkotekijät muodostuvat faktoreista, joiden suhteen ei voida tehdä (täydellistä) satunnaistamista. Esimerkiksi faktorikokeessa raaka-aine-erät
LisätiedotKvantitatiivisen tutkimuksen peruskurssi (5 op) - ay407040a
Kvantitatiivisen tutkimuksen peruskurssi (5 op) - ay407040a Osaamistavoitteet Kurssin suoritettuaan opiskelija osaa 1 määritellä ihmistieteellisen tutkimuksen lähestymistapojen ja menetelmien perusajatukset
LisätiedotMaksimit ja minimit 1/5 Sisältö ESITIEDOT: reaalifunktiot, derivaatta
Maksimit ja minimit 1/5 Sisältö Funktion kasvavuus ja vähenevyys; paikalliset ääriarvot Jos derivoituvan reaalifunktion f derivaatta tietyssä pisteessä on positiivinen, f (x 0 ) > 0, niin funktion tangentti
LisätiedotKvantitatiiviset menetelmät
Kvantitatiiviset menetelmät HUOM! Tentti pidetään tiistaina.. klo 6-8 V ls. Uusintamahdollisuus on rästitentissä.. ke 6 PR sali. Siihen tulee ilmoittautua WebOodissa 9. 8.. välisenä aikana. Soveltuvan
LisätiedotMuuttujien väliset riippuvuudet esimerkkejä
Tarja Heikkilä Muuttujien väliset riippuvuudet esimerkkejä Sisältö MUUTTUJIEN VÄLISTEN YHTEYKSIEN TUTKIMINEN TILASTOLLINEN TESTAUS MERKITSEVYYSTASO MUUTTUJIEN VÄLISTEN YHTEYKSIEN TUTKIMINEN SPSS-OHJELMALLA
LisätiedotEstimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla määritelty funktio
17.11.2015/1 MTTTP5, luento 17.11.2015 Luku 5 Parametrien estimointi 5.1 Piste-estimointi Estimointi populaation tuntemattoman parametrin arviointia otossuureen avulla Otossuure satunnaisotoksen avulla
LisätiedotSPSS-ohjeita. Metropolia Pertti Vilpas
1 Metropolia Pertti Vilpas SPSS-ohjeita Aihe sivu 1. Ohjelman periaate 2 2. Aineistoikkuna 3 3. Frekvenssit 4 4. Muuttujien arvojen luokittelu 5 5. Tunnusluvut 6 6. Ristiintaulukointi 7 7. Hajontakaavio
LisätiedotX-kromosominen periytyminen. Potilasopas. TYKS Perinnöllisyyspoliklinikka PL 52, 20521 Turku puh (02) 3131 390 faksi (02) 3131 395
12 X-kromosominen periytyminen TYKS Perinnöllisyyspoliklinikka PL 52, 20521 Turku puh (02) 3131 390 faksi (02) 3131 395 FOLKHÄLSANS GENETISKA KLINIK PB 211, (Topeliusgatan 20) 00251 Helsingfors tel (09)
LisätiedotPolttoaineen laadun ja poltossa käytetyn ilmamäärän vaikutukset palamisen hallintaan uudenlaista pellettipoltinta käytettäessä
Polttoaineen laadun ja poltossa käytetyn ilmamäärän vaikutukset palamisen hallintaan uudenlaista pellettipoltinta käytettäessä Simo Paukkunen Markus Hirvonen Karelia ammattikorkeakoulu Biotalouden keskus
Lisätiedot