Sisältö. Päätöksenteon heuristiikat ja harhat. Heuristiset harhat. Intuitio ja tiedon saatavuus. Heuristiset harhat

Samankaltaiset tiedostot
Epätäydelliset sopimukset

Tchebycheff-menetelmä ja STEM

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

Tavoitteet skaalaavan funktion lähestymistapa eli referenssipiste menetelmä

4. A priori menetelmät

Painotetun metriikan ja NBI menetelmä

Mat Lineaarinen ohjelmointi

Jaksolliset ja toistuvat suoritukset

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Taustaa. Sekventiaalinen vaikutuskaavio. Päätöspuista ja vaikutuskaavioista. Esimerkki: Reaktoriongelma. Johdantoa sekventiaalikaavioon

Moraalinen uhkapeli: N:n agentin tapaus eli moraalinen uhkapeli tiimeissä

Kokonaislukuoptimointi

Mittausvirhe. Mittaustekniikan perusteet / luento 6. Mittausvirhe. Mittausepävarmuus ja siihen liittyvää terminologiaa

Eräs Vaikutuskaavioiden ratkaisumenetelmä

Luento 6 Luotettavuus Koherentit järjestelmät

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)

Jaetut resurssit. Tosiaikajärjestelmät Luento 5: Resurssien hallinta ja prioriteetit. Mitä voi mennä pieleen? Resurssikilpailu ja estyminen

Työn tavoitteita. 1 Johdanto. 2 Ideaalikaasukäsite ja siihen liittyvät yhtälöt

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät

Puupintaisen sandwichkattoelementin. lujuuslaskelmat. Sisältö:

Monte Carlo -menetelmä

6. Stokastiset prosessit (2)

HASSEN-WEILIN LAUSE. Kertausta

Paperikoneiden tuotannonohjauksen optimointi ja tuotefokusointi

Mat Lineaarinen ohjelmointi

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

ABTEKNILLINEN KORKEAKOULU

Työllistääkö aktivointi?

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

3. Datan käsittely lyhyt katsaus

FYSA220/2 (FYS222/2) VALON POLARISAATIO

TULEVAISUUDEN KILPAILUKYKY VAATII OSAAVAT TEKIJÄNSÄ. Suomen Ammattiin Opiskelevien Liitto - SAKKI ry

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

Mittausepävarmuus. Mittaustekniikan perusteet / luento 7. Mittausepävarmuus. Mittausepävarmuuden laskeminen. Epävarmuuslaskelma vai virhearvio?

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

FDS-OHJELMAN UUSIA OMINAISUUKSIA

Palkanlaskennan vuodenvaihdemuistio 2014

3.5 Generoivat funktiot ja momentit

Aamukatsaus

r i m i v i = L i = vakio, (2)

PPSS. Roolikäyttäytymisanalyysi Tämän raportin on tuottanut: MLP Modular Learning Processes Oy Äyritie 8 A FIN Vantaa info@mlp.

Johdatus tekoälyn taustalla olevaan matematiikkaan

Kuluttajahintojen muutokset

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

asettamia ehtoja veroluonteisesta suhdannetasausjärjestelmästä. komitean mietintöön. Esityksessä on muutama ratkaisevan heikko kohta.

Yrityksen teoria. Lari Hämäläinen S ysteemianalyysin. Laboratorio. Teknillinen korkeakoulu

TYÖVOIMAKOULUTUKSEN VAIKUTUS TYÖTTÖMIEN TYÖLLISTYMISEEN

Kansainvälisen konsernin verosuunnittelu ja tuloksenjärjestely

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen

Yrityksen teoria ja sopimukset

Geneettiset algoritmit ja luonnossa tapahtuva mikroevoluutio

Kollektiivinen korvausvastuu

Rahastoonsiirtovelvoitteeseen, perustekorkoon ja vakuutusmaksukorkoon liittyvät laskentakaavat ja periaatteet

Ilkka Mellin (2008) 1/24

Mekaniikan jatkokurssi Fys102

Mat Lineaarinen ohjelmointi

- Keskustelu symbolein. i

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

Sähkön- ja lämmöntuotannon kustannussimulointi ja herkkyysanalyysi

4. MARKKINOIDEN TASAPAINOTTUMINEN 4.1. Tasapainoperiaate Yritysten ja kuluttajien välinen tasapaino

VIHDIN KUNTA TOIMEENTULOTUKIHAKEMUS 1(5) PERUSTURVAKESKUS Perhehuolto

LIGNIININ RAKENNE JA OMINAISUUDET

HE 174/2009 vp. määräytyisivät 6 15-vuotiaiden määrän perusteella.

BL20A0600 Sähkönsiirtotekniikka

5. Datan käsittely lyhyt katsaus

SU/Vakuutusmatemaattinen yksikkö (5)

Lohkoasetelmat. Lohkoasetelmat. Lohkoasetelmat: Mitä opimme? Lohkoasetelmat. Lohkoasetelmat. Satunnaistettu täydellinen lohkoasetelma 1/4

Suurivaltaisin, Armollisin Keisari ja Suuriruhtinas!

Tilastollisen fysiikan luennot

REILUUS, SOSIAALISET PREFERENSSIT JA PELITEORIA

Tuotteiden erilaistuminen: hintakilpailu

Mat Tilastollisen analyysin perusteet, kevät 2007

1. YLEISKATSAUS MYYNTIPAKKAUKSEN SISÄLTÖ. ZeFit USB -latausklipsi Käyttöohje. Painike

AquaPro Bedienungsanleitung Operating instructions Gebruiksaanwijzing Käyttöohje FIN Rev.0607

VERKKO-OPPIMATERIAALIN LAATUKRITEERIT

Moderni portfolioteoria

in 2/ InHelp palvelee aina kun apu on tarpeen INMICSIN ASIAKASLEHTI

Tarkastellaan kuvan 8.1 (a) lineaarista nelitahoista elementtiä, jonka solmut sijaitsevat elementin kärkipisteissä ja niiden koordinaatit ovat ( xi

3.3 Hajontaluvuista. MAB5: Tunnusluvut

3 Tilayhtälöiden numeerinen integrointi

Galerkin in menetelmä

Yhdistä astianpesukoneesi tulevaisuuteen.

VERKKOJEN MITOITUKSESTA

Uuden opettajan opas

Kuntoilijan juoksumalli

= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

Valtion hankintojen digitalisointi toteutusohjelma Työpaja ohjelmapäällikkö Seija Friman, VK

Betoniteollisuus ry (43)

Automaattinen 3D - mallinnus kalibroimattomilta kuvasekvensseiltä

1, x < 0 tai x > 2a.

Nokian kaupunginkirjaston asiakaskysely 2010

Yhdistä kodinkoneesi tulevaisuuteen. Pikaopas

Mittalaitteet. M. Kuisma, T. Torttila, J. Tyster. Elektroniikan laboratoriotyöt 1 - Mittalaitteet 1

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18

JYVÄSKYLÄN YLIOPISTO Taloustieteiden tiedekunta

Lapsen osallisuuden ja hyvinvoinnin tukeminen moniammatillisessa yhteistyössä

7. Modulit Modulit ja lineaarikuvaukset.

Transkriptio:

Ssältö Päätöksenteon heurstkat ja harhat Samuel Aulanko 3.2.2010 Heurstset harhat Intuto ja tedon saatavuus Estystapojen vakutus (Prospektteora) Attrbuutten vahto Intuton korjaamnen Prototyyppheurstkat S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Heurstset harhat Ihmset huomovat kuuluuko asa A joukkoon B, muttevät pohd joukon B ylesyyttä Helpost saatavlla/mustssa oleva teto väärstää päätöstä Alkuarvaus luktsee lkaa Tetämättömyyden valltessa oletetaan tasajakauma (vrt. vme vkon esmerkk) S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Intuto ja tedon saatavuus Intuto Automaattsen tt ja ykstyskohtasen k päättelyn välmuoto S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Intuto ja tedon saatavuus Yleensä järkely e puutu ntutoon; hmset evät ole tottuneta työlääseen ajatteluun Intuto vo olla tehokasta ja tarkkaa Tatavat päätöksentekjät tekevät usen parempa p päätöksä ntuton avulla kun järkelemällä Intuto ja tedon saatavuus Ydnomnasuus ntutossa on ratkasun spontaanus ja helppous S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Intuto ja tedon saatavuus Intuto ja tedon saatavuus Tedon saatavuuteen vakuttava tekjötä Fyysset omnasuudet Kausaalset tapumukset Yllättävyydet Postvset/negatvset arvot Melala Kontekst S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Intuto ja tedon saatavuus E ylestä teoraa tedon saatavuudelle Olemassa mm. Gestaltn peraatteet asoden d esttämselle Ehdotukset tedon saatavuudelle ovat testattavssa Estystapojen vakutus Tarkasteltavan asan kannalta epärelevantt asat vakuttavat päätökseen Esmerkk: Aasan taut Ilman lääktystä 600 hmstä kuolee Olemassa kaks lääkettä, A ja B S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Estystapojen vakutus Jos A valtaan, 200 hmstä pelastuu Jos B valtaan, 1/3 todennäkösyydellä d 600 pelastuu ja 2/3 tod.näk. kakk 600 kuolee Jos A valtaan, 400 hmstä kuolee Jos B valtaan, 1/3 todennäkösyydellä kukaan e kuole ja 2/3 tod.näk. 600 hmstä kuolee S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Estystapojen vakutus Mten määrttää ovatko kaks päätösongelmaa samat? Kysymällä päätöksentekjöltä meltävätkö he ongelmat denttsks k Olemassa päätöksentekjötä, jotka pystyvät y paremmn hahmottamaan er versoden samankaltasuuden S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Estystapojen vakutus Perusajatus on, että tehtävän estystapa hyväksytään passvsest Rppumattomuutta e pystytä saavuttamaan äärellsellä järjellä j Helpost saatavlla oleva teto vakuttaa päätökseen E takuta, että parhaten saatavlla oleva teto ols myös oleellsn päätöksenteossa S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Päätöstä e välttämättä tehdä tehtävänannossa kerrottujen elementten avulla Esmerkks vakessa tehtävssä asa pyrtään srtämään helpompaan kontekstn S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Mtkä ovat hevosten koot, sellasna kun ne ovat seuraavassa kuvassa? S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Attrbuutten vahto Hevoset ovat yhtä suuret Kuva on 2-ulottenen, mutta hmnen ajattelee sen automaattsest 3-ulottesena S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Esmerkk 3 3 ryhmää Yks ryhmstä antaa esntymstodennäkösyydet 9 er pääanelle Estmaatt vahtelvat humansten 20 prosentsta krjastoteteen 3 prosenttn Kaks muuta ryhmää arvovat seuraavan opskeljan mahdollsta pääanetta S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Tom W. on älykäs mutte luova. Hän kapaa järjestystä ja selkeyttä, mssä jokasella ykstyskohdalla on sst oma pakka. Hänen krjotuksensa ovat varsn tylsä ja mekaansa, joskus jopa kornn sc-f- tyyppsä. ä Hänellä on vähän sympataa mulle hmslle ekä pdä paljoa sosaalssta tlantesta. t t Hänellä on kutenkn k korkea k moraal. S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Tomn kuvaus tehty vastaamaan mahdollsmman paljon krjastoteteen opskeljan melkuvaa Tomn arvontryhmälle on kerrottu, että kuvaus on vanha ja tehty heverösellä persoonallsuustestllä epäluotettavaa nformaatota S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Attrbuutten vahto Slt ensmmäsen ryhmän tekemän pääaneden esntymstheyksen ja Tomn pääanearvoden korrelaato ol -0.62 Tomn arvojat j vahtovat pääaneden d todennäkösyyksen arvonnn samankaltasuuden arvontn Attrbuutten vahto Esmerkk 4 Lnda on 31-vuotas ulospänsuuntautunut ja valosa snkku. Hän on valmstunut flosofasta ja opskeluakanaan k hän ol knnostunut syrjnnästä ja sosaalsesta okeudenmukasuudesta. Hän osallstu myös melenosotuksn ydnvomaa vastaan. S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Lndan arvojlle annettn 8 kuvausta, joden sopvuutta Lndan kuvaukseen pt arvoda Kaks kk krttstä kuvausta: Lnda on pankkvrkalja Lnda on pankkvrkalja ja aktvnen femnst Jälkmmänen arvotn todennäkösemmäks ä s S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Attrbuutten vahto Ydn on, että hmset tarjoavat järkevää vastausta kysymykseen, jota heltä e kysytty Esmerkk 5 Lukolaslta kysyttn kaks kysymystä: Kunka onnellnen olet elämääs ylesellä tasolla? Kunka monella treffellä kävt vme kuussa? S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Attrbuutten vahto Estetyssä järjestyksessä kysyttäessä vastaukset evät korreloneet Vastausten korrelaato kasvo 0.66:een, kun kysymysten järjestystä j vahdettn Intuton korjaamnen Jäkl Järkely tarkkalee kkl ntuton tekemä ratkasuja Kysymys kuuluu: mllon järkely herää tommaan? S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Intuton korjaamnen Vakuttava tekjötä: Kre Mona kogntvsa prosesseja Vrkeystla Melala Älykkyys Kogntvsen ajattelun tarve Tlastollselle ajattelulle altstumnen S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Intuton korjaamnen Ihmset korjaavat päätöksään, jos ovat tetosa heurstkosta On anakn kolme tapaa parantaa järkelyn osuutta: Nostaa valppautta Tarjota vahvempa vnkkejä vakuttavsta tekjöstä Laajamttanen sovelletun todenäkösyyslaskennan harjottelu S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Intuton korjaamnen Ammattlaset saadaan vastaamaan paremmn, jos kysymyksenasettelussa vhjataan hedän osaamsalueeseensa Intuton vastaukset tomvat helpost ankkurena lopullselle vastaukselle Järkelyn korjauslkkeet ovat usen varsn penä Prototyyppheurstkat Heurstkkoja, kk jotka jakavat samoja mekansmeja Laajennetun attrbuutn ja prototyypp esmerkn kästteet S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Prototyyppheurstkat 4 tehtävätyyppä (laajennetut attbtuutt) Kt Kategoran ennustus (onko Lnda Ld pankkvrkalja?) Tarvkkeen/asan hnnottelu tt (öljystä pelastetun t lnnun arvo?) Akasemman kokemuksen k k arvont (kvulaan lekkauksen melekkyys) Näytteen antama tuk hypoteeslle (tod.näk, että pallo on nostettu jostakn tetystä uurnasta) S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Prototyyppheurstkat Jos kategora on tarpeeks homogeennen, vodaan valta prototyyppattrbuutt, joka luonneht kategoraa Lnda-esmerkk: todennäkösyys että Lnda on pankkvrkalja on laajennettu muuttuja, mutta hänen yhtäläsyytensä keskverto pankkvrkaljaan on prototyyppattrbuutt. S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Kaks testä: S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Prototyyppheurstkat Laajentemsen huomotta jättämsen testaus Monotoonsuuden testaus Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Prototyyppheurstkat Laajentamsen huomotta jättämnen Laajennetun attrbuutn t arvo kasvaa, jos kategora kasvaa Esm: kvulaan tomenpteen t pdentämnen tekee stä kävämmän Tämä ä e kutenkaan k ana toteudu Esm: hmset ovat valmta maksamaan saman verran yhden järven puhdstamsesta kun kakken provnssn järven puhdstamsesta S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Prototyyppheurstkat Laajentamsen huomotta jättämnen Ihmset osaavat ottaa asan huomoon, jos Hellä on tetoa oleellsen asan laajennuksesta Hetä mustutetaan t t laajentamsen oleellsuudesta ll He huomaavat, että ntuton antama vastaus svuuttaa laajentamsen Prototyyppheurstkat Monotoonsuuden testaus Laajennetut t attrbuutt tt noudattavat t monotoonsuutta; postvsten lukujen summa on vähntään yhtä paljon kun osajoukon summa Monotoonsuutta rkotaan, kun laajennettua attrbuutta arvodaan prototyyppattrbuutlla S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010

Prototyyppheurstkat Monotoonsuuden testaus Esm: Koehenklölle tarjottn tt kahta astastoa: t A: 24 hyvässä kunnossa olevaa astaa B: Samat t24h hyvässä äkunnossa olevaa ja lsäks 7 hyvässä kunnossa ja 9 rkknästä astaa Ensmmäselle ryhmälle tarjottn A-astastoa, toselle B-astastoa: A-astastosta maksettn keskmäärn 33 $ ja B-astastosta 23 $. Kolmannelle ryhmälle tarjottn kumpaakn; sllon A-astastosta maksettn enemmän. S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Prototyyppheurstkat Loppuun velä esmerkk: Säänennustuksen ammattlaset antovat korkeamman todennäkösyyden tetynsuuruselle maanjärstykselle Kalfornassa kun samaselle maanjärstykselle jossakn pän USA:ta. S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010 Kottehtävä Valtse jokn asa/ongelma, jonka yleensä ratkaset ntutolla käyttäen jotakn heurstkkaa. Pohd tulstko toseen ratkasuun, jos järkelst asan perusteellsemmn? S ysteemanalyysn Laboratoro Teknllnen korkeakoulu Estelmä 5 Samuel Aulanko Optmontopn semnaar - Kevät 2010