ATH-koulutus: Stata 11 THL ATH-koulutus / Tommi Härkänen 1
|
|
- Onni Tuominen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 ATH-koulutus: Stata 11 THL ATH-koulutus / Tommi Härkänen 1
2 Sisältö Otanta-asetelman kuvaaminen Stata 11:llä Perustunnusluvut Regressioanalyysit Mallivakiointi ATH-koulutus / Tommi Härkänen 2
3 Aineiston lataaminen ja muuttujan arvojen selitetekstit use "Q:\data\2010\demo\ath_demo.dta", clear label define genderlabel 1 "male" 2 "female", replace label values rg_gender genderlabel label define educlabel 1 "basic" 2 "middle" 3 "high", replace label values rg_educ educlabel ATH-koulutus / Tommi Härkänen 3
4 Otanta-asetelman kuvaaminen svyset [pw=w_analysis], strata(w_strata) fpc(w_n) Painokerroin w_analysis, ositusmja w_strata, perusjoukon koko ositteessa w_n. svyset [pw=w_analysis], strata(w_strata) fpc(w_n) pweight: w_analysis VCE: linearized Single unit: missing Strata 1: w_strata SU 1: <observations> FPC 1: w_n ATH-koulutus / Tommi Härkänen 4
5 Analyysit Otanta-asetelma huomioidaan svy: -etuliitteellä Esim. BMI:n keskiarvo svy: mean ath_bmi. svy: mean ath_bmi (running mean on estimation sample) Survey: Mean estimation Number of PSUs = Population size = Mean Std. Err. [95% Conf. Interval] ath_bmi ATH-koulutus / Tommi Härkänen 5
6 Keskiarvo osajoukoittain Perustunnusluvuilla voi käyttää over() optiota Esim. sukupuolittaiset keskiarvot svy, over(rg_gender). svy, over(rg_gender): mean ath_bmi (running mean on estimation sample) Survey: Mean estimation Number of PSUs = Population size = male: rg_gender = male female: rg_gender = female Over Mean Std. Err. [95% Conf. Interval] ath_bmi male female ATH-koulutus / Tommi Härkänen 6
7 Keskiarvo osajoukoittain Perustunnusluvuilla voi käyttää myös subpop(if ) optiota Esim. miesten keskiarvo: svy, subpop(if rg_gender==1). svy, subpop(if rg_gender==1): mean ath_bmi (running mean on estimation sample) Survey: Mean estimation Number of strata = 28 Number of obs = 5222 Number of PSUs = 5222 Population size = Subpop. no. obs = 5222 Subpop. size = Design df = 5194 Mean Std. Err. [95% Conf. Interval] ath_bmi Note: 28 strata omitted because they contain no subpopulation members ATH-koulutus / Tommi Härkänen 7
8 Luokitellut muuttujat Frekvenssitaulut saadaan tabulate-komennolla Esim. svy: tabulate ath_bmi_3 rg_gender Number of PSUs = Population size = body mass index (1:<25, sukupuoli (1:mies, 2:25-<30, 2:nainen) 3:30+) male female Total Total Key: cell proportions Pearson: Uncorrected chi2(2) = Design-based F(1.99, )= P = ATH-koulutus / Tommi Härkänen 8
9 Luokitellut muuttujat Tulostusta voi muokata esim. col -optiolla Esim. svy: tabulate ath_bmi_3 rg_gender, col Number of PSUs = Population size = body mass index (1:<25, sukupuoli (1:mies, 2:25-<30, 2:nainen) 3:30+) male female Total Total Key: column proportions Pearson: Uncorrected chi2(2) = Design-based F(1.99, )= P = ATH-koulutus / Tommi Härkänen 9
10 Lineaarinen regressioanalyysi Luokiteltu selittäjä kuvataan käyttämällä i.-etuliitettä selittäjän edessä Esim. svy: regress ath_bmi i.rg_geo_area rg_gender rg_age_2 Number of PSUs = Population size = F( 4, 11995) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ _cons ATH-koulutus / Tommi Härkänen 10
11 Lineaarinen regressioanalyysi Luokitellun selittäjän referenssiluokan voi vaihtaa käyttämällä bx.- etuliitettä, jossa x on halutun referenssiluokan arvo Esim. svy: regress ath_bmi b2.rg_geo_area rg_gender rg_age_2 Number of PSUs = Population size = F( 4, 11995) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ _cons ATH-koulutus / Tommi Härkänen 11
12 Lineaarinen regressioanalyysi Yhdysvaikutus kuvataan # tai ## -merkinnöillä. Jälkimmäinen muodostaa myös päävaikutustermit Esim. svy: regress ath_bmi b2.rg_geo_area##rg_gender rg_age_2 Number of PSUs = Population size = F( 6, 11993) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_geo_area# rg_gender rg_age_ _cons ATH-koulutus / Tommi Härkänen 12
13 Useamman parametrin testaaminen Waldin testi on hyödyllinen esim. luokiteltujen selittäjien vaikutuksen testaamisessa Esim. yhdysvaikutusparametreja voi olla useita, jolloin Waldin testillä voidaan testata niiden merkitsevyys samanaikaisesti. testparm rg_geo_area#rg_gender Adjusted Wald test ( 1) 1.rg_geo_area#2.rg_gender = 0 ( 2) 3.rg_geo_area#2.rg_gender = 0 F( 2, 11997) = 4.51 Prob > F = ATH-koulutus / Tommi Härkänen 13
14 Logistinen regressiomalli Esim. svy: logistic ath_bmi_2 i.rg_geo_area rg_gender rg_age_2 Number of PSUs = Population size = F( 4, 11995) = Prob > F = ath_bmi_2 Odds Ratio Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ ATH-koulutus / Tommi Härkänen 14
15 Moniluokkainen, järjestysasteikollinen vaste Esim. svy: ologit ath_bmi_3 i.rg_geo_area rg_gender rg_age_2, or (Huom.: tärkeää varmistaa mallioletusten realistisuus) Survey: Ordered logistic regression Number of PSUs = Population size = F( 4, 11995) = Prob > F = ath_bmi_3 Odds Ratio Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_age_ /cut /cut ATH-koulutus / Tommi Härkänen 15
16 Luokka-asteikollinen vaste Esim. svy: mlogit ath_bmi_3 i.rg_geo_area rg_gender rg_age_2, rrr Number of PSUs = Population size = F( 8, 11991) = Prob > F = ath_bmi_3 RRR Std. Err. t P> t [95% Conf. Interval] 1 (base outcome) 2 rg_geo_area rg_gender rg_age_ rg_geo_area rg_gender rg_age_ ATH-koulutus / Tommi Härkänen 16
17 Mallivakiointi Sovitetaan regressiomalli Esim. alueen ja sukupuolen yhdysvaikutus ja jatkuva-arvoinen ikä (toisen asteen polynomina): svy: regress ath_bmi i.rg_geo_area##i.rg_gender c.rg_age_2##c.rg_age_2 Käytetään margins-komentoa: Esim. iän suhteen vakioidut alue- ja sukupuolittaiset mallivakioidut keskiarvot: margins rg_geo_area#rg_gender, vce(unconditional) grand ATH-koulutus / Tommi Härkänen 17
18 Mallivakiointi Regressioanalyysin tulostus: Number of PSUs = Population size = F( 7, 11992) = Prob > F = R-squared = ath_bmi Coef. Std. Err. t P> t [95% Conf. Interval] rg_geo_area rg_gender rg_geo_area# rg_gender rg_age_ c.rg_age_2# c.rg_age_ _cons ATH-koulutus / Tommi Härkänen 18
19 Mallivakiointi Mallivakioidut keskiarvot: tulokset kuvaavat tilannetta, jossa ikäjakauma olisi sama kaikissa alue- ja sp-ryhmissä Predictive margins Number of obs = Expression : Linear prediction, predict() Margin Std. Err. t P> t [95% Conf. Interval] rg_geo_area# rg_gender _cons ATH-koulutus / Tommi Härkänen 19
20 Mallivakiointi dikotomisella vasteella Regressiomallina logistinen malli, esim. Rg_age10 on luokiteltu ikä 20-29, 30-39, svy: logit ath_bmi_2 i.rg_educ##i.rg_age10##i.rg_gender i.rg_geo_area Tallennetaan mallivakioinnin tulokset post-optiolla: margins rg_educ#rg_gender, vce(unconditional) grand post Lasketaan esim. väestösyyosuus (PAR) joka kuvaa, miten suuri osa ylipainoisuudesta poistuisi, jos koko väestö olisi korkeasti koulutettujen naisten kaltaisia (ts. rg_educ==3 ja rg_gender==2): nlcom (PAR: 1 - _b[3.rg_educ#2.rg_gender] / _b[_cons]) ATH-koulutus / Tommi Härkänen 20
21 Mallivakiointi Regressioanalyysin tulostus (osa) Survey: Logistic regression Number of PSUs = Population size = F( 49, 11950) = Prob > F = ath_bmi_2 Coef. Std. Err. t P> t [95% Conf. Interval] rg_educ rg_age rg_educ# rg_age ATH-koulutus / Tommi Härkänen 21
22 Mallivakiointi Mallivakioidut esiintyvyydet (prevalenssit) koulutus- ja sukupuoliryhmittäin ikä- ja aluevakioituina _cons rivi kuvaa kokonaisprevalenssia Expression : Pr(ath_bmi_2), predict() Margin Std. Err. t P> t [95% Conf. Interval] rg_educ# rg_gender _cons ATH-koulutus / Tommi Härkänen 22
23 Mallivakiointi Koulutuksen ja sukupuolen väestösyyosuus ylipainosta. nlcom (PAR: 1 - _b[3.rg_educ#2.rg_gender] / _b[_cons]) PAR: 1 - _b[3.rg_educ#2.rg_gender] / _b[_cons] Coef. Std. Err. t P> t [95% Conf. Interval] PAR ATH-koulutus / Tommi Härkänen 23
ATH-koulutus: R ja survey-kirjasto THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1
ATH-koulutus: R ja survey-kirjasto THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelman kuvaaminen R:llä ja survey-kirjastolla Perustunnusluvut Regressioanalyysit 16. 2. 2011
LisätiedotATH-aineiston tilastolliset analyysit SPSS/PASW SPSS analyysit / Risto Sippola 1
ATH-aineiston tilastolliset analyysit SPSS/PASW 16.2.2011 SPSS analyysit / Risto Sippola 1 Aineiston avaaminen Aineisto on saatu SPSS-muotoon ja tallennettu koneelle sijaintiin, josta sitä voidaan käyttää
LisätiedotATH-koulutus THL 16.2.2011. 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1
ATH-koulutus THL 16.2.2011 16. 2. 2011 ATH-koulutus / Tommi Härkänen 1 Sisältö Otanta-asetelma Ositus ja 75 vuotta täyttäneiden ylipoiminta Painokertoimet Tulosten esittäminen: mallivakiointi Esimerkit
LisätiedotTommi Härkänen, Teppo Juntunen, Eero Lilja Analyysiohjeita Maahanmuuttajien terveys- ja hyvinvointitutkimusaineiston käsittelemiseksi.
Tommi Härkänen, Teppo Juntunen, Eero Lilja Analyysiohjeita Maahanmuuttajien terveys- ja hyvinvointitutkimusaineiston käsittelemiseksi Taustaa Otoksen ositus kunnittain ja maahanmuuttajaryhmittäin Katso
LisätiedotOtanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita
Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 3: Frekvenssiaineistojen asetelmaperusteinen analyysi: Perusteita risto.lehtonen@helsinki.fi OHC Survey Tilastollinen analyysi Kysymys: Millä
Lisätiedot1 Aineiston rakenne ja erikoisvaatimukset
TH, PK 13.01.2005 Tilastollisten ohjelmistojen käyttö Terveys 2000 tutkimuksen yhteydessä 1 Aineiston rakenne ja erikoisvaatimukset Aineiston keräämiskustannusten pienentämiseksi havaintoyksilöt poimittiin
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
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
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
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Logistinen regressioanalyysi Vastemuuttuja Y on luokiteltu muuttuja Pyritään mallittamaan havaintoyksikön todennäköisyyttä kuulua
LisätiedotOtanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 4: Asetelmaperusteinen monimuuttuja-analyysi
Otanta-aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 4: Asetelmaperusteinen monimuuttuja-analyysi Risto Lehtonen risto.lehtonen@helsini.fi Analyysimenetelmiä ja työaluja Lineaariset mallit Regressioanalyysi
LisätiedotLumipallo regressioanalyysista. Logistinen regressioanalyysi. Soveltuvan menetelmän valinta. Regressioanalyysi. Logistinen regressioanalyysi I
Lumipallo regressioanalyysista jokainen kirjoittaa lapulle yhden lauseen regressioanalyysista ja antaa sen seuraavalle Logistinen regressioanalyysi Y250. Kvantitatiiviset menetelmät (6 op) Hanna Wass tutkijatohtori
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
LisätiedotHealth 2000/2011 Surveys. Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013. Esa Virtala. etunimi.sukunimi@thl.
Health 2000/2011 Surveys Statistical Analysis using SAS and SAS-Callable SUDAAN Packages 17.6.2013 Esa Virtala etunimi.sukunimi@thl.fi Terveyden ja hyvinvoinnin laitos (THL) PL 30 00271 Helsinki Puhelin:
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,
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,
LisätiedotLiite artikkeliin Intohimo tasa-arvoon
Liite artikkeliin Intohimo tasa-arvoon Menetelmäkuvaus Artikkelissa käytetty regressiomalli on ns. binäärinen logistinen monitasoregressiomalli. Monitasoanalyysien ideana on se, että yksilöiden vastauksiin
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
LisätiedotHarha mallin arvioinnissa
Esitelmä 12 Antti Toppila sivu 1/18 Optimointiopin seminaari Syksy 2010 Harha mallin arvioinnissa Antti Toppila 13.10.2010 Esitelmä 12 Antti Toppila sivu 2/18 Optimointiopin seminaari Syksy 2010 Sisältö
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
LisätiedotA250A0050 Ekonometrian perusteet Tentti
A250A0050 Ekonometrian perusteet Tentti 28.9.2016 Tentissä ei saa käyttää laskinta. Tentistä saa max 80 pistettä. Hyväksytysti suoritetusta harjoitustyöstä saa max 20 pistettä. Huom. Merkitse vastauspaperin
LisätiedotOtanta-aineistojen analyysi
Helsingin yliopisto Otanta-aineistojen analyysi Kevät 2010 Periodi III Risto Lehtonen Teema 2 Estimaattoreiden varianssien estimointi Survey-analyysin lähestymistavat Kuvaileva survey Descriptive survey
LisätiedotHarjoitukset 3 : Monimuuttujaregressio 2 (Palautus )
31C99904, Capstone: Ekonometria ja data-analyysi TA : markku.siikanen(a)aalto.fi & tuuli.vanhapelto(a)aalto.fi Harjoitukset 3 : Monimuuttujaregressio 2 (Palautus 7.2.2017) Tämän harjoituskerran tehtävät
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
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
LisätiedotNäistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, kevät 2019 https://coursepages.uta.fi/mtttp1/kevat-2019/ HARJOITUS 3 Joitain ratkaisuja 1. x =(8+9+6+7+10)/5 = 8, s 2 = ((8 8) 2 + (9 8) 2 +(6 8) 2 + (7 8) 2 ) +
LisätiedotYleistetyistä lineaarisista malleista
Yleistetyistä lineaarisista malleista Tilastotiede käytännön tutkimuksessa -kurssi, kesä 2001 Reijo Sund Klassinen lineaarinen malli y = Xb + e eli E(Y) = m, jossa m = Xb Satunnaiskomponentti: Y:n komponentit
LisätiedotJohdatus Stata-ohjelmistoon
Johdatus Stata-ohjelmistoon Jani Erola Turun yliopisto, sosiaalitieteiden laitos 8.11.2010 Jani Erola (Turun yliopisto) Stata 2010 8.11.2010 1 / 27 Sisällys 1 Miksi Stata? 2 Aloitus 3 Aineiston manipulointi
LisätiedotTilastollisten menetelmien käyttö Kelan tutkimustoiminnassa
Tilastollisten menetelmien käyttö Kelan tutkimustoiminnassa Risto Lehtonen Helsingin yliopisto Kela 1 Tilastokeskuksen SAS-seminaari 16.11.2009 Aiheita Kelan tutkimustoiminta SAS-sovellukset vaativien
LisätiedotNäistä standardoiduista arvoista laskettu keskiarvo on nolla ja varianssi 1, näin on standardoidulle muuttujalle aina.
[MTTTP1] TILASTOTIETEEN JOHDANTOKURSSI, Syksy 2017 http://www.uta.fi/sis/mtt/mtttp1/syksy_2017.html HARJOITUS 3 viikko 40 Joitain ratkaisuja 1. Suoritetaan standardointi. Standardoidut arvot ovat z 1 =
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]
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
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
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
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
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
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
LisätiedotUsean selittävän muuttujan regressioanalyysi
Tarja Heikkilä Usean selittävän muuttujan regressioanalyysi Yhden selittävän muuttujan regressioanalyysia on selvitetty kirjan luvussa 11, jonka esimerkissä18 muodostettiin lapsen syntymäpainolle lineaarinen
LisätiedotTarkastusmuistio Yrittäjäkoulutuksen vaikutukset työllistymiseen ja yrittäjätuloihin
Tarkastusmuistio Yrittäjäkoulutuksen vaikutukset työllistymiseen ja yrittäjätuloihin Liittyy tarkastukseen: Yrittäjäkoulutus osana ammatillista työvoimakoulutusta Tekijät: Ville Vehkasalo, Osmo Halonen
Lisätiedot4.2 Useampi selittävä muuttuja (kertausta)
14.2.2019/1 MTTTA1 Tilastomenetelmien perusteet Luento 14.2.2019 4.2 Useampi selittävä muuttuja (kertausta) Selittäjien lukumäärä k (k-ra) = + + + + Malliin liittyvät oletukset i ~ N(0, 2 ) ja i:t ovat
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.
Lisätiedot(b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa
Oulun yliopiston matemaattisten tieteiden tutkimusyksikkö/tilastotiede 805306A JOHDATUS MONIMUUTTUJAMENETELMIIN, sl 2017 (Jari Päkkilä) Harjoitus 3, viikko 47 (19.20.11.): kotitehtävät Ratkaisuja 1. Floridan
Lisätiedot56 Ulkoilun useus Koko vuosi Tammi maaliskuu Kesä elokuu Syys joulukuu ja ajankäyttö Year around January March June-August September December viikossa Weekly frequency and time use Ka / Mean Koko väestö
LisätiedotHarjoitus 9: Excel - Tilastollinen analyysi
Harjoitus 9: Excel - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen regressioanalyysiin
LisätiedotTilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi. Esimerkit laskettu JMP:llä
Tilastollinen vastepintamallinnus: kokeiden suunnittelu, regressiomallin analyysi, ja vasteen optimointi Esimerkit laskettu JMP:llä Antti Hyttinen Tampereen teknillinen yliopisto 29.12.2003 ii Ohjelmien
LisätiedotMat Tilastollisen analyysin perusteet
/ Mat-2.21 04 Tilastollisen analyysin perusteet Tentti 24.5.2013/Virtanen Kirjoita selvasti jokaiseen koepaperiin alia mainitussa jarjestyksessa: Mat-2.2104 Tap 24.5.2013 opiskelijanumero kirjain TEKSTATEN
Lisätiedot(78143) Syksy 2009 TEEMAT 3 & 4. Risto Lehtonen Teema 3 ERITYISKYSYMYKSIÄ. Risto Lehtonen 2
Otantamenetelmät (78143) Syksy 2009 TEEMAT 3 & 4 Risto Lehtonen risto.lehtonen@helsinki.fi Teema 3 ERITYISKYSYMYKSIÄ Risto Lehtonen 2 1 Otannan erityiskysymyksiä Ryväsotanta Survey sampling reference guidelines
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
LisätiedotHARJOITUSKERTA 1: SPSS-OHJELMAN PERUSKÄYTTÖ JA MUUTTUJAMUUNNOKSET
HARJOITUSKERTA 1: SPSS-OHJELMAN PERUSKÄYTTÖ JA MUUTTUJAMUUNNOKSET OHJELMAN KÄYNNISTÄMINEN Käynnistääksesi ohjelman valitse All Programs > > IBM SPSS Statistics 2x, tai käynnistä ohjelma työpöydän kuvakkeesta.
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
LisätiedotPerusestimointi 5 Analyysiä survey-datalla Tee Suomen datalla jokin oma kokeilu käyttäen tätä mallia Esimerkki PISA 2006:sta SAS:lla
Perusestimointi 5 Analyysiä survey-datalla Tee Suomen datalla jokin oma kokeilu käyttäen tätä mallia Esimerkki PISA 2006:sta SAS:lla proc surveymeans data=pisa.impuoecd; where cnt='fin' or cnt='deu' or
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Johdatus regressioanalyysiin Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen vaihtelun avulla.
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
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
Lisätiedot1. REGRESSIOMALLIN SYSTEMAATTISEN OSAN MUOTO
Mat-2.104 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Regressiodiagnostiikka Cooken etäisyys, Funktionaalinen muoto, Diagnostinen grafiikka, Diagnostiset testit, Heteroskedastisuus,
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
LisätiedotMS-C2{04 Tilastollisen analyysin perusteet
MS-C2{04 Tilastollisen analyysin perusteet Tentti 7.4.20 4A/irtanen Kirjoita selvästi jokaiseen koepaperiin alla mainitussa järjestyksessä: OHlprrn (i) (ii) MS-C204 TAP 7.4.204 opiskelijanumero + kirjain
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
LisätiedotTilastolliset ohjelmistot 805340A. Pinja Pikkuhookana
Tilastolliset ohjelmistot 805340A Pinja Pikkuhookana Sisältö 1 SPSS 1.1 Yleistä 1.2 Aineiston syöttäminen 1.3 Aineistoon tutustuminen 1.4 Kuvien piirtäminen 1.5 Kuvien muokkaaminen 1.6 Aineistojen muokkaaminen
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
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
LisätiedotJY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT
JY / METODIFESTIVAALI 2013 PRE-KURSSI: KYSELYTUTKIMUS DEMOT SPSS-ohjelmiston Complex Samples- toiminto otoksen poiminnassa ja estimaattien laskennassa Mauno Keto, lehtori Mikkelin AMK / Liiketalouden laitos
LisätiedotRegressioanalyysi. Vilkkumaa / Kuusinen 1
Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen
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
Lisätiedot23 Laskettelu Downhill skiing Osallis. Harrastuskertoja vuodessa Lumilautailu Snowboarding Osallis. Harrastuskertoja vuodessa Telemarkhiihto Telemark
22 Hiihto Hiihtoretkeily > 20 km Skiing, > 20 km Maastohiihto, latu Crosscountry skiing on trail Maastohiihto, ei latua Crosscountry skiing without Skiing Osallis. Harrastuskertoja vuodessa Osallis. Harrastuskertoja
Lisätiedot33 Lähiulkoilukerta Aluetyyppi, etäisyys Visit closetohome Type of area, distance distance 0,5 h > 0,5 h % ulkoilukerroista / of visits Ulkoiluharrastus / Outdoor activity Kuntokävely, kävelylenkkeily
LisätiedotHPV ja irtosolututkimukset, kliinikon näkökulma. Pekka Nieminen Dosentti Klinikkaylilääkäri HYKS, naistentaudit
HPV ja irtosolututkimukset, kliinikon näkökulma Pekka Nieminen Dosentti Klinikkaylilääkäri HYKS, naistentaudit Human Papilloma Virus DNA-virus Ilman HPV:tä ei synny kohdunkaulan syöpää Harald zur Hausen,
LisätiedotTUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas
TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi Yksiulotteisen
LisätiedotJohdatus regressioanalyysiin. Heliövaara 1
Johdatus regressioanalyysiin Heliövaara 1 Regressioanalyysin idea Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun selittävien muuttujien havaittujen arvojen
LisätiedotRegressioanalyysi. Kuusinen/Heliövaara 1
Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin
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
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
Lisätiedotlinux linux: käyttäjän oikeudet + lisää ja - poistaa oikeuksia
L6: linux linux linux: käyttäjän oikeudet Käyttäjällä, username, on käyttöoikeus rajattuun levytilaan du -h /home/username/ tulostaa käytetyn levytilan. Yhteenvedon antaa du -h /home/jetsu/ - -summarize
LisätiedotSuhtautuminen Sukupuoli uudistukseen Mies Nainen Yhteensä Kannattaa Ei kannata Yhteensä
806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2011 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Eräässä suuressa yrityksessä
Lisätiedot27 Suunnistus Orienteering Kalliokiipeily Rock, mountain climbing Maastoratsastus Crosscountry horseback riding Osallis. Harrastuskertoja vuodessa Osallis. Harrastuskertoja vuodessa Osallis. Harrastuskertoja
LisätiedotA B DIFFERENCE
I Mat-2.21 04 Tilastollisen analyysin perusteet Tentti 10.5.2013Nirtanen Ki~oita selvasti jokaiseen koepaperiin alia mainitussa ja~estyksessa: 0HJEITA Mat-2.2104 Tap 10.5.2013 opiskelijanumero ki~ain TEKSTATEN
LisätiedotTUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012. Timo Törmäkangas
TUTKIMUSAINEISTON KVANTITATIIVINEN ANALYYSI LTKY012 Timo Törmäkangas KURSSIN SISÄLTÖ Johdanto Mittaaminen ja aineiston hankinta Mitta-asteikot Otanta Aineiston esittäminen ja data-analyysi Havaintomatriisi
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
LisätiedotMediaanikorko on kiinteäkorkoiselle lainalle korkeampi. Tämä hypoteesi vastaa taloustieteen käsitystä korkojen määräytymismekanismista.
Mat-2.04 Tilastollisen analyysin perusteet / Ratkaisut Aiheet: Avainsanat: Testit järjestysasteikollisille muuttujille Testit laatueroasteikollisille muuttujille Hypoteesi, Mannin ja Whitneyn testi (Wilcoxonin
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
LisätiedotMenestyminen valintakokeissa ja todennäköisyyslaskussa
21.5.21 Menestyminen valintakokeissa ja todennäköisyyslaskussa Esa Pursiheimo 45761L 1 JOHDANTO...2 2 LÄHTÖTIEDOT JA OTOS...3 3 PÄÄSYKOETULOKSIEN YHTEISJAKAUMA...4 4 REGRESSIOANALYYSI...9 4.1 MALLI JA
LisätiedotSosioekonominen asema / Socioeconomic status Maatalousyrittäjä Farmer Muu yrittäjä Entrepreneur Ylempi toimihenkilö Upperlevel employee Alempi toimihe
2 Kävely Retkeily, erävaellus Backpacking Patikointi Hiking Kuntokävely, kävelylenkkeily Walking for pleasure Walking Osallis. Harrastuskertoja vuodessa Osallis. Harrastuskertoja vuodessa Osallis. Harrastuskertoja
LisätiedotKvantitatiivinen genetiikka moniste s. 56
Kvantitatiivinen genetiikka moniste s. 56 - määrällisten ominaisuuksien periytymisen hallinta - mendelismi oli aluksi vastatuulessa siksi että darwinistit, joilla oli paljon valtaa Britanniassa, olivat
Lisätiedot... Vinkkejä lopputyön raportin laadintaan. Sisältö 1. Johdanto 2. Analyyseissä käytetyt muuttujat 3. Tulososa 4. Reflektio (korvaa Johtopäätökset)
LIITE Vinkkejä lopputyön raportin laadintaan Sisältö 1. Johdanto 2. Analyyseissä käytetyt muuttujat 3. Tulososa 4. Reflektio (korvaa Johtopäätökset) 1. Johdanto Kerro johdannossa lukijalle, mitä jatkossa
Lisätiedot8 Moottoriveneily (matkavene) Large motorboat Purjehdus (matkapurjevene) Large sailing boat Purjehdus (pienpurjevene) Small sailing boat Osallis. Harr
7 Veneily Boating Soutuveneily Rowing boat Osallis. Harrastuskertoja vuodessa Pienmoottoriveneily Small motorboat Osallis. Harrastuskertoja vuodessa Melonta Canoeing or kayaking Osallis. Harrastuskertoja
Lisätiedotlinux linux: käyttäjän oikeudet + lisää ja - poistaa oikeuksia
L6: linux linux linux: käyttäjän oikeudet Käyttäjällä, username, on käyttöoikeus rajattuun levytilaan du -h /home/username/ tulostaa käytetyn levytilan. Yhteenvedon antaa du -h /home/jetsu/ - -summarize
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
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
LisätiedotOpiskelija viipymisaika pistemäärä
806109 TILASTOTIETEEN PERUSMENETELMÄT I Harjoitus 7, viikko 9, kevät 2012 (Muut kuin taloustieteiden tiedekunnan opiskelijat) MUISTA MIKROLUOKKAHARJOITUKSET VIIKOILLA 8 JA 9! 1. Jatkoa harjoituksen 5 tehtävään
LisätiedotNaisten syrjintä miesenemmistöisissä työyhteisöissä
Naisten syrjintä miesenemmistöisissä työyhteisöissä Tuija Koivunen & Satu Ojala Tampereen yliopisto Työsuojelurahaston projekti Työssä koettu syrjintä ja myöhempi työura (2015 2017) 1. Tutkimuksessa analysoidaan
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
LisätiedotTaulukko 2. Regressioanalyysi, Työntekijän persoonaan kohdistuvat työn vaatimukset, k16b-i ja l
Taulukko 1. Faktorianalyysi työssä vaadittavista tekijöistä (k16). Muuttujia, joiden kommunaliteetti on alle 0, 3 ei ole otettu mukaan faktorianalyysiin. Kommunaliteetti Faktori 1 Korkea ammattitaito,200
LisätiedotSosioekonominen asema / Socioeconomic status Maatalousyrittäjä 18,4 8,2 12,2 2,6 19,1 76,0 8 Farmer Muu yrittäjä 46,8 23,8 29,3 2,3 2 2,4 7 7 Entrepre
174 53 Kuntien, valtion ja yksityisten alueet Municipal, state and private areas Koko väestö Total population Sukupuoli / Sex Nainen Female Mies Male Ikä / Age 15 24 25 44 45 64 65 74 * Kunnan alue Municipal
LisätiedotKaksisuuntaisen varianssianalyysin tilastollisessa malli voidaan esittää seuraavassa muodossa:
Mat-.03 Koesuunnittelu ja tilastolliset mallit Mat-.03 Koesuunnittelu ja tilastolliset mallit / Ratkaisut Aiheet: Avainsanat: Kaksisuuntainen varianssianalsi Aritmeettinen keskiarvo, Estimointi, F-testi,
LisätiedotEstimaattoreiden asetelmaperusteinen
Otanta-aineistojen aineistojen analyysi (78136, 78405) Kevät 2010 TEEMA 2: Estimaattoreiden varianssin estimointi Risto Lehtonen risto.lehtonen@helsinki.fi Estimaattoreiden asetelmaperusteinen varianssien
LisätiedotOtanta-aineistojen analyysi
Helsingin yliopisto Otanta-aineistojen analyysi Kevät 2010 Periodi III Risto Lehtonen Teema 4 Asetelmaperusteinen monimuuttujaanalyysi Logistinen ANOVA ja GWLS-estimointi Binäärinen tulosmuuttuja Diskreetit
LisätiedotSisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9
Sisällysluettelo SISÄLLYSLUETTELO...6 LYHYT SANASTO VASTA-ALKAJILLE...7 1. JOHDATUS PARAMETRITTOMIIN MENETELMIIN...9 1.1 PARAMETRITTOMIEN MENETELMIEN LYHYT HISTORIA 11 1.2 PARAMETRITTOMAT MENETELMÄT IHMISTIETEISSÄ
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
LisätiedotHARJOITUS- PAKETTI A
Logistiikka A35A00310 Tuotantotalouden perusteet HARJOITUS- PAKETTI A (6 pistettä) TUTA 19 Luento 3.Ennustaminen County General 1 piste The number of heart surgeries performed at County General Hospital
Lisätiedot