Sirvi Kuupäev , alustades "2013-06-12" järgi

Filtreeri tulemusi aasta või kuu järgi

Nüüd näidatakse 1 - 13 13

Liikluskindlustuse riskikoefitsiendi arvutusmeetodi uurimine
(Tartu Ülikool, 2013-06-12) Maarjakõiv, Maarja; Käärik, Meelis, juhendaja; Maldre, Tõnis, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Igapäevaelus tuleb meil vastu võtta otsuseid, millega kaasneb teatud risk. Sombuse ilmaga ilma vihmavarjuta kodust lahkudes on suur risk märjaks saada. Veel, kui rääkida juhtimise ajal telefoniga, on suur tõenäosus kaotada valvsus ja risk, et juhtub avarii. Sellise olukorraga peab liikluskindlustusfirma arvestama - mõni klient on riskialdim kui teine. Seega on lahenduseks võetud igale kliendile individuaalse kordaja määramine, mis määratleb tema riski teha kahju. Käesoleva töö eesmärk on hinnata ülaltoodud kordaja ehk riskikoefitsiendi arvutamise valemi õigsust klientide poolt kindlustusfirmale makstavate summade ehk preemiate kaudu. Töö koosneb üldjoontes kolmest etapist: esmalt tutvustatakse kahjukindlustuse baasmõisteid ja üldist teooriat, edasi tehakse analüüs läbi genereeritud andmestikul ja siis kasutatakse kindlustusfirma poolt saadud klientide andmeid. Esimeses peatükis tutvustatakse töö teoreetilist poolt, kus on ära toodud baasmõistete selgitused ja uuritavad probleemid. Teises peatükis on pikemalt juttu simulatsioonimeetodist, selle kasutamisest riskikoefitsiendi arvutamisel ja saadud tulemustest. Kolmandas peatükis on välja toodud reaalsete andmete kirjeldus, töö käik ja tulemused. Autori täiendavaks panuseks on programmikoodide kirjutamine analüüsi läbiviimiseks rakendustarkvara R abil.
MACD indikaator aktsiate tehnilises analüüsis
(Tartu Ülikool, 2013-06-12) Korts, Tõnis; Pärna, Kalev, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva bakalaureusetöö peamine eesmärk on anda ülevaade aktsiate tehnilises analüüsis kasutatavast MACD indikaatorist ja selle kasutamisest. Esimeses peatükis tutvustatakse üldiselt tehnilist analüüsi kui väärtpaberite analüüsimise distsipliini ning kirjeldatakse selle põhiseisukohti. Samuti on esimeses osas juttu trendidest, toetus- ja vastupanutasemetest ning trendi pöördumisest ja pöördumist kirjeldavatest hinnamustritest. Kuna MACD indikaator tugineb libisevatele keskmistele, siis käsitletakse töös ka järgnevat tüüpi libisevaid keskmisi: 1) lihtne libisev keskmine, 2) eksponentsiaalne libisev keskmine, 3) kaalutud libisev keskmine. Samuti on väga oluline roll libisevate keskmiste interpreteerimisel, sest just nende kasutamine aktsia hinna ümbruses võimaldab välja lugeda ostu- ja müügisignaale. Selleks, et saada ettekujutust MACD indikaatori efektiivsusest, programmeeritakse automaatne portfell, mis lähtub indikaatori poolt tekitatud tehingumärguannetest. Eesmärk on teada saada, kuidas käitub indikaator erinevate trenditüüpide puhul ning võrrelda selle tulemusi deposiithoiusega ning „Osta ja hoia“ strateegiaga. Programmeerimisel kasutati statistikapaketti R 2.15.0 ning selle abipaketti TTR.
Üliõpilaste tervisekaebused ja igapäevane käitumine
(Tartu Ülikool, 2013-06-12) Haas, Astrid; Vähi, Mare, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva töö eesmärk on hinnata kas ja missugused tervisekaebused võivad esineda arstiteaduskonna tudengitel ning anda hinnang erinevate tervisekaebuste esinemisele ja uurida, kas kursuseti esineb tervisekaebusi erinevalt. Veel püütakse hinnata tudengite üldist terviseseisundit ning uurida, kas see on kursuseti erinev. Antakse ka hinnang igapäevasele käitumisele ning uuritakse, kas see on seotud tervisliku seisundiga ja tervisekaebustega. Töö koosneb neljast osast. Esimeses osas antakse ülevaade küsitluste põhjal saadud andmetest. Teises osas uuritakse hinnanguid üldisele terviseseisundile, tervisekaebustele ning igapäevasele käitumisele ning nende seoseid soo ja erialaga. Kolmandas osas leitakse mudel, mis kirjeldaks võimalikult hästi tudengite enda tervisehinnangu ning leitud hinnangute seost. Neljandas osas tehakse faktoranalüüs hindamaks tegureid, mis mõjutavad igapäevast käitumist. Töös kasutatakse sõna „hinnang“, et märkida üldise terviseseisundi, tervisekaebuste ja argipäeva teema alla käivate küsimuste-vastuste summeeritud väärtusi. Töö tegemiseks on kasutatud rakendustarkvara SAS ([1], [2]) ning kontoritarkvarapaketti OpenOffice.
Mittesisuline vastamine õppeaine tagasiside ankeetides
(Tartu Ülikool, 2013-06-12) Pajuste, Fanny-Dhelia; Niitsoo, Margus, juhendaja; Vähi, Mare, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Bakalaureusetöö ülesandeks oli analüüsida tagasisidet õppeainetele ja tuvastada mittesisulisi vastuseid.
Hajuvusdiagrammid ning korrelatsioonimaatriksite illustreerimine statistikapaketis R
(Tartu Ülikool, 2013-06-12) Raudsik, Joosep; Kaart, Tanel, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Tihti pakub meile huvi kahe arvtunnuse omavaheline käitumine. Mõnikord on see lihtsalt mõistetav – näiteks rohkem õppides on tulemused tihti paremad ja pikemad inimesed kaaluvad enamasti rohkem. Sageli ei ole aga seos selgelt etteaimatav ning selle olemasolu, tugevuse ja suuna hindamiseks tuleb arvutada erinevaid seosekordajaid. Viimaste sisuliseks mõistmiseks on aga lisaks uuringu valdkonna tundmisele vaja teadmisi ka statistikast. Et sugugi mitte kõik uuringu tulemustest huvitatud isikud statistika-alaseid teadmisi ei oma, on statistikul vajalik osata esitada tulemusi selgelt, visuaalselt atraktiivselt ja intuitiivselt mõistetavalt. Juhul, kui uuritavaid tunnuseid on enam kui kaks, muutub vaid seosekordajate põhjal järelduste tegemine sageli keerukaks ka piisavalt statistikateadmisi omavale inimesele. On ju N tunnuse puhul kõikvõimalikke paarikaupa seoseid N(N-1)/2 – seega vaid kümne tunnuse puhul juba 45 –, millest kompaktse ülevaate saamine vaid arve vaadates on sageli pea võimatu ning appi tuleb võtta graafiline esitus. Hajuvusdiagrammid ja korrelatsioonimaatriksid on statistikas laialdaselt kasutatavad vahendid tunnuste vaheliste seoste kirjeldamiseks. Antud töö eesmärgiks on anda ülevaade statistikapaketi R võimalustest hajuvusdiagrammide konstrueerimiseks ja korrelatsioonimaatriksite illustreerimiseks. Bakalaureusetöö esimesed kolm peatükki tutvustavad erinevaid võimalusi visualiseerimaks tunnuste vahelisi seoseid vaid hajuvusdiagrammide abil ilma mingeid seosekordajaid arvutamata. Esimene peatükk sisaldab ülevaadet kahemõõtmeliste hajuvusdiagrammide moodustamisest funktsioonide plot ja scatterplot abil ning kolmamõõtmeliste hajuvusdiagrammide moodustamisest funktsiooni scatterplo3d abil, teine peatükk annab ülevaate kõrge tihedusega hajuvusdiagrammide konstrueerimisest kasutades funktsioone hexbin ja sunflowermatrix ning kolmas peatükk kirjeldab hajuvusdiagrammide maatriksite konstrueerimise võimalusi funktsioonide scatterplotmatrix ja pairs abil. Töö teises pooles annab autor ülevaate tunnuste vahelisi seoseid kirjeldavate korrelatsioonimaatriksite illustreerimisest. Neljas peatükk sisaldab põhjalikku kirjeldust funktsioonist corrplot. Töö viimases osas on ära toodud ülevaade paarist R-s seni realiseerimata võimalust kirjeldada korrelatsioonimaatrikseid hulknurkade abil. Töö autor eeldab lugejalt statistikapaketi R kasutusoskust ning kasutab statistikapaketi R versiooni 2.15.2.
Üliõpilaste stress
(Tartu Ülikool, 2013-06-12) Sahk, Angela; Vähi, Mare, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Bakalaureusetöö teema pärineb Tartu Ülikooli arstiteaduskonnast, kus uuriti üliõpilaste tervislikku seisundit seoses õppekoormuse ja elusündmustega. Ankeetküsitlused viidi läbi aastatel 2009 - 2012 koostöös Greifswaldi Ülikooliga. Bakalaureusetöö eesmärgiks on kirjeldada Tartu Ülikooli arstiteaduskonna tudengite stressitaset erinevatel kursustel. Uuritakse kas ja kuidas on stressi komponendid seotud tudengite elu ja heaolu kirjeldavate tunnustega (näiteks sugu, eriala, tervisekaebused jne). Lisaks vaadeldakse, kui hästi sobituvad stressitaset kirjeldavad küsimused faktoritesse. Töö koosneb viiest peatükist. Esimeses peatükis antakse ülevaade küsimustikust ja andmetest, mida on kasutatud edasises analüüsis. Teine peatükk sisaldab töös kasutatud meetodite kirjeldust. Kolmandas peatükis antakse andmete üldine kirjeldus. Neljandas peatükis vaadeldakse selgitava faktoranalüüsi tulemusi ja võrreldakse neid stressi küsimuste jaotumisega kolmeks komponendiks. Viiendas peatükis vaadeldakse stressi komponentide seoseid tudengite elu ja heaolu kirjeldavate tunnustega. Kogu analüüs toimub kursuste kaupa. Andmete analüüsiks on kasutatud tarkvarapaketti SAS.
Barnardi täpse testi võrdlus Fisheri täpse testiga
(Tartu Ülikool, 2013-06-12) Ždanovitš, Edwart; Möls, Märt, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Käesoleva töö eesmärgiks on võrrelda kahte erinevat testi, Barnardi ja Fisheri täpset testi. Peamine erinevus testide vahel seisneb tingimuslikkuses. Seda kas sagedustabelite kohta käivate hüpoteeside testimiseks kasutada pigem tingimuslikku või tingimusteta testi, on olnud kõneaineks juba üle 50 aasta. Tingimuslikkusega kaasnevad testi omaduste erinevused nagu näiteks testi võimsus ning tõenäosus teha I liiki viga. Üheks erinevuste põhjuseks võib lugeda 2 x 2 sagedustabelite põhjal leitud teststatistikute liigset diskreetsust. Kogu töö vältel on uurimise all peamiselt 2 x 2 mõõtmelised sagedustabelid. Testide diskreetsuse kirjeldamisel puututakse kokku vähesel määral ka 2 x m mõõtmelisi sagedustabeleid. Käsitletavad 2 x 2 mõõtmelised sagedustabelid on üles ehitatud binaarsetele andmetele, ehk eristatakse mingi sündmuse esinemiste/mitte esinemiste hulka kogu mõõtmistulemuste hulgast. 2 x 2 sagedustabelid leiavad kasutust paljudel pragmaatilistel aladel, kus nõutakse testi võimalikult suurt võimsust. Üheks selliseks valdkonnaks on meditsiin, kus mõõdetakse mingi ravi või vaktsiini ja farmakoloogiliselt toimetu ravimi manustamise tagajärjel terveks saanute või nakatunute hulka kõigi katses osalenute seas. Meditsiinilised eksperimendid võivad olla kulukad või muude ressursside poolt piiratud, mistõttu valimid on väiksed. Sarnastes katsetes võib testist tuleneval otsusel olla määrav tähtsus inimese paranemisel või surmast pääsemisel, mis seda enam suurendab nõudlust õigema testi valiku järele. Töö esimesed kaks peatükki koos alapeatükkidega annavad ülevaate nii Barnardi testi, kui ka Fisheri testi definitsioonist ning tööpõhimõttest. Seletatakse lahti Waldi teststatistik ning tema kasutuse eesmärk Barnardi testi rakendamisel. Kasutatakse ka näiteandmestikku arvutuskäikude seletamiseks. Kolmas peatükk on jaotatud neljaks alampeatükis, millest esimeses seletatakse lahti testi diskreetsus ning seda suurendavad ja vähendavad tegurid. Põhjendatakse, miks on Barnardi täpne test mingites kindlates situatsioonides võimsam Fisheri täpsest testist ning miks Barnardi ehk tingimusteta testi võimsuse eelis tabeli mõõtmete ja valimi mahu suurenedes kaob. Parema võrdlusmomendi saamiseks kaasatakse vaadeldavasse peatükki ka tõepärasuhte test, mis erinevalt eelnevalt kirjeldatutest ei ole täpne test. Viimases osas kirjeldatakse võimsusfunktsiooni definitsiooni ning leitakse nii Barnardi, Fisheri, kui ka tõepärasuhte testi võimsus sõltuvalt üldkogumis eksisteerivast parameerist ning sagedustabelile seatud tingimustest. Võimsuste erinevused on kirjeldatud graafikute alusel. Viimases peatükis rakendatakse nii Barnardi kui ka Fisheri testi järjest suuremate valimite sagedustabelitele ning mõõdetakse testi läbiviimseks kuluvat aega.
Korrespondentsanalüüs ja andmete dubleerimine
(Tartu Ülikool, 2013-06-12) Aru, Gertis; Pärna, Kalev, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Korrespondentsanalüüsi saab kasutada väga hästi risttabeliga, kus on 2 rida või 2 veergu, saades numbrilised väärtused nii rea, kui ka tulpade kategooriatele. Need väärtused (skoorid) saadakse nii, et need kirjeldaks kahe tunnusevahelist seost nii palju kui võimalik. Enamasti on rea ja tulba kategooriad esitatud kahemõõtmelisel graafikul, kus asuvad vastavate skooride paarid. Selline esitlus annab lugejale ülevaate rea- ja veerukategooriate erinevustest ja sarnasustest. See meetod on väga sarnane peakomponentide analüüsiga, mida saab kasutada selleks, et selgitada välja dimensioonid, mis kirjeldavad andmestikku kõige paremini. Korrespondentsanalüüsi saab kasutada ka väga suurte andmestike korral, kus nii ridade kui ka veergude arv on väga suur. Korrespondentsanalüüsi saab läbi viia mitmete statistikaprogrammide abil, nagu näiteks SAS, SPSS, BMDP jne. Meie kasutame siin töös aga rakendustarkvara SAS. Töö on jaotatud kahte suurde peatükki. Esimeses osas on autori eesmärk anda teoreetiline ülevaade korrespondentsanalüüsi matemaatilisest meetodist. Töö teises pooles on korrespondentsanalüüsi rakendamine reaalsete vaatlusandmete põhjal. Autor on lisaks viinud läbi ka andmete dubleerimise, et vaatlusandmeid põhjalikumalt analüüsida.
Nominaalsete sisendtunnuste vaheliste seoste kasutamine lähinaabrite meetodi korral
(Tartu Ülikool, 2013-06-12) Hendrikson, Reigo; Pärna, Kalev, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Lähinaabrite meetod on mitteparameetrilise regressiooni tehnika, mis kasutab uuritava tunnuse hindamiseks mingil objektil vaid neid treeningandmestikku kuuluvad objekte, mis on lähedal uuritavale objektile. Meetod tugineb eeldusele, et uuritava tunnuse väärtus sarnaneb väärtustega, mis vastavad pigem objektile lähemal kui kaugemal paiknevatele objektidele. Käesolev bakalaureusetöö keskendub lähinaabrite meetodi rakendamisele nominaalsetel tunnustel. Nominaaltunnuste korral traditsiooniliselt kasutatav kaugus on nn Hamming'i (0-1)-kaugus, mis on aga liiga kohmakas analüüsivahend. Samuti ei tundu olevat õige kasutada objektidevahelise kauguse mõõduna üksiktunnuste järgi võetud erinevuste summat, kuna see ei võta arvesse nominaaltunnuste vahelisi seoseid. Nominaaltunnuste vaheliste seoste arvesse võtmiseks pakume välja moodustada kõigist nominaaltunnustest liittunnus, mille väärtusteks on lähtetunnuste väärtuste kombinatsioonid. Liittunnuse probleemiks on aga väärtuskombinatsioonide paljusus ja erinevaid tunnuste kombinatsioone esindavate vaatluste vähesus. Selle probleemi lahendamiseks grupeerime tunnuste kombinatsioonid sarnasuse põhjal. Selleks defineerime uue kaugusfunktsiooni, mis erineb traditsioonilisest väärtustega 0 ja 1 kaugusfunktsioonist. Seega pakume antud bakalaureusetöös välja ühe võimaliku viisi nominaalsete tunnuste vaheliste seoste arvestamiseks lähinaabrite meetodi korral. Bakalaureusetöö on jagatud viieks osaks. Esimeses peatükis anname lühikese ülevaate lähinaabrite meetodist ja defineerime uue kaugusfunktsiooni. Teises osas kirjeldame töös kasutatavat meetodit uuritava tunnuse väärtuste prognoosimiseks. Töö kolmandas osas kirjeldame k-keskmise meetodit ja Lloyd'i iteratiivset algoritmi. Neljandas osas keskendume optimaalse klasside arvu määramisele ning viiendas osas rakendame teises peatükis kirjeldatud meetodit reaalsetel andmetel. Töös esitatud joonised ja andmed nende moodustamiseks on saadud programmi R abil. Töö on kirjutatud tekstitöötlusprogrammis MiKTeX.
Valikuuringute teooria I
(Tartu Ülikool, 2013-06-12) Lepik, Natalja; Traat, Imbi
Antud materjal on koostatud BeSt programmi toetusel loengute konspektina e-õpe raames läbiviiva aine "Valikuuringute teooria I" jaoks.
Osakogumite kooskõlaline hindamine PPS hüpergeomeetrilise ja Poissoni valiku korral
(Tartu Ülikool, 2013-06-12) Kokorev, Kristjan; Lumiste, Kaur, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Osakogumite hindamine on enamike uuringute korral tähtis eesmärk, eriti riiklike statistika agentuuride poolt läbiviidud suuremahuliste uuringute korral. Võimaluse korral kasutavad agentuurid hindamisel disainipõhist lähenemist. Selleks peab valimimaht olema piisavalt suur, et ka väiksemates osakogumites saadavad hinnangud oleksid rahuldava täpsusega (Estevao ja Särndal 2004). Antud töös käsitleme hindamismeetodeid, mille eelduseks on piisavalt suur valimimaht igas osakogumis. Simulatsioonülesande käigus uurime aga ka antud hinnangute käitumist väikestes osakogumites. Kaasaegne infoajastu võimaldab meil kerge vaevaga kätte saada andmeid varajasematest uuringutest ja registritest. Sealt saadud lisainformatsiooni saab ära kasutada hinnangute täpsuse tõstmiseks. Valikuuringute korral kasutatakse laialdaselt Deville’i ja Särndali (1992) poolt välja töötatud kalibreerimismeetodit. Kalibreerimine eeldab, et me teame ühe või mitme abitunnuse kogusummat üldkogumis. Meetodi tööpõhimõte seisneb disainikaalude kalibreerimisel nii, et antud valimi korral kaalutud abitunnused summeeruksid teadaolevateks suurusteks. Tänapäeval on sage olukord, kus viiakse samaaegselt või peaaegu samaaegselt läbi mitu uuringut, mis käsitlevad sama üldkogumit. Üsna tihti on nendes uuringutes mõned ühised tunnused. On loomulik nõuda, et hinnangud kahe erineva uuringu ühiste tunnuste parameetritele oleksid omavahel kooskõlas (Särndal ja Traat 2009). Hinnangute kooskõlalisus on eelkõige tähtis statistika tarbijatele, seega peab statistika tootja oma usaldusväärsuse säilitamiseks välja andma kooskõlalisi tulemusi. Kooskõlaliste hinnangute saamiseks on Hollandi Statistikaametis välja töötatud korduvkaalumise meetod. Korduvkaalumine kasutab kalibreerimise tööpõhimõtet ja on oma olemuselt kaheetapiline kalibreerimine. Eeldame, et on tegu eelmises lõigus kirjeldatud olukorraga, kusjuures on teada lisainformatsiooni üldkogumi tasemel. Esimesel sammul leitakse uued kaalud, kalibreerides disainikaale lisainformatsiooniga. Teise sammul kalibreeritakse saadud kaale ühistelt tunnustelt saadud informatsiooniga nii, et saavutatakse kooskõla varasemast uuringust leitud hinnangutega. Särndal ja Traat (2009) pakkusid välja alternatiivse lähenemise kooskõlaliste hinnangute saamiseks – AC-kalibreerimise. Sarnaselt korduvkaalumisega kalibreeritakse disainikaale nii abiinformatsiooniga kui ka ühiste tunnustega, kuid erinevalt korduvakaalumisest tehakse see ühel sammul. AC-kalibreeritud kaaludega leitud hinnangud saavutavad kooskõla nii lisainformatsiooniga kui ka varasema uuringu hinnangutega, korduvkaalumise korral saadakse kooskõla vaid ühiste tunnuste teadaolevate hinnangutega. Tulenevalt uuringu olemusest ja eesmärgist on mõnikord otstarbekas kasutada suurusega võrdelise tõenäosusega valikut. Antud disaini kasutatakse juhul, kui leidub taustatunnus, mis küllaltki hästi iseloomustab uuritava tunnuse muutumist – kui uuritav tunnus on oodatavalt ligikaudu võrdeline antud taustatunnusega. Antud bakalaureuse töö pühendubki AC-kalibreerimise ja korduvkaalumise meetodite rakendamisele suurusega võrdelise tõenäosusega disainide korral. Töös käsitleme kahte konkreetset disaini – Poissoni ja hüpergeomeetrilist (HG) valikut –, millest esimene on tagasipanekuta ja juhusliku valimimahuga ning teine tagasipanekuga ja fikseeritud valimimahuga disain. Käesoleva töö eesmärk on anda ülevaade kalibreerimisest, korduvkaalumisest ja AC-kalibreeritud hinnangust. Peamine eesmärk on tuletada kooskõlaliste hinnangute valemid HG ja Poissoni valikudisaini jaoks ja hiljem simulatsioonülesandega neid kontrollida ning võrrelda kahe kooskõlaliste hinnangute saamise meetodi – AC-kalibreerimise ja korduvkaalumise – käitumist. Töö esimeses peatükis toome sisse edasiseks vajalikud mõisted ja valemid, anname ülevaate suurusega võrdelise tõenäosusega valikust üldiselt ning kahest konkreetsest erijuhust – Poissoni ja hüpergeomeetrilisest valikudisainist. Teises peatükis tutvustame AC-kalibreerimise ja korduvkaalumise meetodeid ning tuletame valemid kahele vaatluse all olevale disainile. Töö viimases osas anname ülevaate läbiviidud simulatsioonülesandest ja saadud tulemustest.
Sõltuvate jadade mudel
(Tartu Ülikool, 2013-06-12) Sova, Joonas; Lember, Jüri, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Kui evolutsiooni käigus tekib ühest liigist kaks uut, on uute liikide genoomid omavahel sarnased. Selline uute liikide tekkimine tähendab, et eellasliigi DNA-jadaga on toimunud teisendusi, täpsemalt: 1) mõned jada elemendid on asendunud teistega (mutatsioonid), 2) jada varasemate elementide vahele on sisestatud uusi elemente (sisestused), 3) jadast on elemente kaduma läinud (kadumised). Seega, mida lähemal on liigid evolutsioonipuus üksteisele, seda sarnasemad on nende genoomid. Töö on jagatud kaheks peatükiks. Esimene peatükk on puhtteoreetiline. Siin konstrueeritakse mudel jada kahe järglasjada moodustumiseks koos mutatsioonide ja kadumistega. Lisaks esitatakse mõned teoreetilised tulemused mudeli kohta. Teine peatükk keskendub simulatsioonidele. Siin tutvustatakse üht lihtsamat pikima ühisjada pikkusel põhinevat jadade sarnasusmõõtu ning uuritakse, kuidas esimeses peatükis konstrueeritud järglasjadade sarnasus sõltub nende vahelisest sõltuvusmäärast. Töös esitatud tõestuskäigud on autor kas ise leidnud või leidnud etteantud skeemi või idee põhjal.
Triatloni areng Eestis
(Tartu Ülikool, 2013-06-12) Ojokas, Liis; Vähi, Mare, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituut
Triatlon on spordiala, mis koosneb kolmest üksteisele vahetult järgnevast vastupidavusalast: ujumisest, jalgrattasõidust ja jooksust. Triatloni distantside pikkused ulatuvad mõnesaja meetristest lastevõistlustest kuni täispika triatlonini, nn Raudmehe (Ironman) võistluseni, mille distantsid ulatuvad mitmesaja kilomeetrini. Eestis korraldati esimene triatlonivõistlus 1984. aastal. Tänaseks on triatlon Eestis suurt populaarsust kogunud ning hooaja jooksul toimub rohkem kui 30 erinevat võistlust, sealhulgas ka talitriatloni võistlusi, kus ujumine on asendatud suusatamisega. Korraldatakse nii rahvaspordiüritusi kui ka maailmakarika etappe ja Euroopa meistrivõistlusi. Hetkel on Eestis 19 erinevat triatloniklubi. Kõik eelnev loetelu justkui viitaks, et triatloni käekäik Eestis on jõudsalt arenemas. Otseselt pole varem Eestis võistlustulemusi nii detailselt analüüsitud. Käesoleva töö eesmärgiks ongi anda täpsem ülevaade võistlustulemustest aastatel 2008 kuni 2012. Töö käigus vaadeldakse, kuidas on vastaval ajavahemikul muutunud ametlike võistluste arv, nendel osalejate arv ja uuritakse lähemalt ka võistlejate profiile. Võistluste kohta on andmed saadud Eesti Triatloniliidult. Samuti otsitakse töös vastus igipõlisele küsimusele - mis on võidu valem? Võistlejate profiilide uurimiseks viidi läbi online-küsimustik, mis sai koostöös korraldajatega edastatud erinevatele triatlonivõistlustel osalejatele. Samuti oli küsimustik postitatud Eesti Triatloniliidu Facebooki lehele. Kokku vastas küsimustikule 344 inimest, mis on väga suur number, kui arvesse võtta, et Eesti triatloniliidu hinnangul on Eestis harrastajaid tuhande inimese ringis. Küsimustik aitab vastata kahele põhilisele uurimisküsimusele: 1) Missugune on tüüpiline Eesti triatleet? 2) Missugused on uued tulijad? Võidu valemi uurimiseks analüüsitakse täpsemalt võistlustulemusi ning üritatakse leida seoseid, kas võidavad pigem head ujujad, head ratturid või head jooksjad. Seejuures ka analüüsida ka tulemuste soolisi ja vanuselisi erinevusi: 1) Kas triatlonis on paremad pigem nooremad või vanemad? 2) Kui suur on naiste keskmine kaotus meestele? Seeläbi leida kas naistele sobib pigem lühike või pikk distants? Töö on koostatud MTÜ TriSmile tellimusel ning saadud tulemused avalikustatakse. Andmete analüüsis on kasutatud tarkvarasid Microsoft Office Excel 2007 ja SAS Enterprise Guide 4.3.