MSI bakalaureusetööd – Bachelor's theses. Kuni 2015
Selle kollektsiooni püsiv URIhttps://hdl.handle.net/10062/30417
Sirvi
Sirvi MSI bakalaureusetööd – Bachelor's theses. Kuni 2015 Märksõna "bakalaureusetööd" järgi
Nüüd näidatakse 1 - 20 86
- Tulemused lehekülje kohta
- Sorteerimisvalikud
Kirje 2010. aastal Tartu Ülikooli arstiteaduskonda sisseastunud üliõpilaste terviseseisundi hindamine(Tartu Ülikool, 2014-06-16) Karp, Jaanika; Vähi, Mare, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesoleva töö eesmärgiks on uurida 2010. aastal Tartu Ülikooli arstiteaduskonda sisseastunud üliõpilaste tervist kolme esimese õppeaasta jooksul. Töö põhineb ankeetküsitlusest saadud andmetel. Töö koosneb kolmest osast. Esimeses peatükis kirjeldati tudengite vaimse ning füüsilise tervise näitajaid ning leiti, et viies semester on teistest raskem. Isiksusetüüp ning professionaalne efektiivsus semestriti ei erinenud. Teine osa oli metoodika kirjeldus. Kolmandas osas viidi läbi faktoranalüüs, kus jagati 12 küsimust üldise terviseseisundi kohta 3 faktorisse. Viimases osas leiti mudel tee analüüsi meetodil. Ilmnes, et isiksusetüüp ning tervisekaebused ei mõjuta üldist terviseseisundit.Kirje Andmete kogumise juhtimine tasakaaluindikaatori abil(Tartu Ülikool, 2013-06-10) Roosileht, Nora; Traat, Imbi, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesolev bakalaureusetöö käsitleb andmete kogumise juhtimist tasakaaluindikaatorite abil valikuuringutes. Kadu on sage probleem uuringutes. Valimisse sattunud objektidelt ei saada andmeid, sest inimesed jätavad küsimustele vastamata, neid ei saada kätte või ajapuuduse tõttu ei ole võimalik kõiki objekte küsitleda. Tagajärjeks on kallutatud vastanute hulk, mis on paljude näitajate osas ebaproportsionaalne valimi suhtes, ja mida kasutades tekivad nihkega hinnangud. Särndal (2011a) on välja töötanud indikaatorid, mis võimaldavad vastanute hulga tasakaalu mõõta. Indikaatorid võrdlevad abitunnuste keskmisi vastanute hulgas ja kogu valimis. Kui keskmised on lähedased, on vastanute hulk tasakaalus. Antud töö eesmärk on leida tasakaaluindikaatori abil mittevastanute hulgast üles need objektid, kelle andmed viiksid kogutud tulemused kõige enam tasakaalu valimi suhtes. Küsitlejate jõupingutused tuleb suunata siis just nende objektide kättesaamisele. Töö esimeses pooles tutvustatakse tasakaaluindikaatoreid, mille abil on võimalik mõõta vastanute hulga tasakaalu kogu valimi suhtes. Varasemas bakalaureusetöös, Mätik (2012), on juba käsitletud tasakaaluindikaatoreid, nende tuletamist ning omadusi, seetõttu tuuakse sellest materjalist välja vaid vajalik. Antud bakalaureusetöös vaadeldakse kõne all olevate indikaatorite käitumist praktikas. Töö teises pooles rakendataksegi tasakaaluindikaatorite leidmist ning vastanute hulga valimi suhtes tasakaalu viimist reaalsete andmete peal. Autori panuseks on tasakaaluindikaatori töö põhimõtte selgitamine, reaalsete andmete saamine ja kasutatavaks teisendamine, ülesande püstitamine, mis imiteerib andmekogumisprotsessi, programmi kirjutamine, mis võimaldab indikaatori katsetamist andmekogumisprotsessis ja selle protsessi suunamist, ning tulemuste interpreteerimine. Bakalaureusetöö on kirjutatud tekstitöötlusprogrammiga Texmaker. Programm on koostatud ja arvutused teostatud statistikapaketiga R.Kirje Andmete puudumise struktuuri määramise testid(Tartu Ülikool, 2015) Adermann, Ivo; Käärik, Ene, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutAntud töö eesmärk on anda ülevaade andmete puudumise struktuuridest ning kolmest testist, mille abil etteantud andmestike korral puudumise struktuure üksteisest eristada. Vaatluse all on järgnevad testid: Little’i test, t-testide test ja MM-test. Igat testi testiti nullhüpoteesi ja sisuka hüpoteesi tingimustes ning mõlemal juhul erineva suuruse ja ehitusega andmestike korral. Nullhüpoteesi simulatsioonides muudeti andmestiku pikkust, tunnuste arvu ja konstantset (ning võrdset) puudumise tõenäosust. Sisuka hüpoteesi simulatsioonides muudeti lisaks andmestiku mõõtmetele ka täpset puudumise struktuuri ennast. Kõik simulatsioonid sooritati R-is. MM-test osutus kasutuks. Ülejäänud kahest testist töötas Little’i test paremini väiksemate ning t-testide test suuremate andmestike korral. Kiireim ning samuti kõige töökindlam test oli t-testide test, mida võib neist kolmest kõige õnnestunumaks testiks pidada.Kirje 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 instituutKäesoleva 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.Kirje Benfordi seadus(Tartu Ülikool, 2014-06-16) Pajula, Gea; Selart, Anne, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesolevas bakalaureusetöös antakse ülevaade Benfordi seadusest, mille kohaselt algab arv numbriga 1 tõenäosusega log 2 0;301, numbriga 2 tõenäosusega log(3=2) 0;176 ja nii monotoonselt kahanevalt kuni tõenäosuseni log(10=9) 0;046, et esimene number on 9. See seadus kehtib paljudes andmestikes, näiteks rahvaarvude, riikide pindalade, aktsiaturgude indeksite ja valimistulemuste korral. Antud töös uuritakse ka 2013. aasta kohaliku omavalitsuse volikogu valimiste tulemuste Benfordi seaduse järgmist.Kirje Bootstrap valikuteoorias(Tartu Ülikool, 2001) Rjabinin, Jevgeni; Traat, Imbi, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Conus consors’i konopeptiidide geene ümbritsevate kordusjärjestuste statistiline analüüs(Tartu Ülikool, 2013-06-10) Lepamets, Maarja; Remm, Maido, juhendaja; Möls, Märt, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutMereteo Conus consors’i nagu paljude teiste mürgiste loomade toksiinigeene iseloomustab suur koopiate arv ja varieeruvus. Selle mitmekesisuse bioloogiline tekkemehhanism ei ole täpselt teada. Üheks suure varieeruvuse põhjuseks on arvatud lihtsate korduste esinemist geenide ümbruses. Käesoleva töö eesmärgiks on võrrelda lihtsate korduste esinemissagedust toksiini- ja teiste geenide (eksonite) ümbrustes. Lisaks testisime, kas leitud korduste pikkused on mõlemas valimis sarnased. Märgatavalt suurem korduste esinemistõenäosus või nende pikkuste oluline erinevus oleks potentsiaalseks kinnituseks hüpoteesile, et kordustel on oluline roll toksiinigeenide varieeruvuse tekitamisel. Bakalaureusetöö koosneb kahest peatükist. Esimene peatükk sisaldab uurimuse bioloogilise tausta ja terminite tutvustust, samuti töös kasutatud statistiliste testide ja suuruste teoreetiliste tagamaade kirjeldusi. Teine peatükk koosneb analüüsitava andmestiku kokkupanemise metoodika kirjeldusest, andmestiku kirjeldavast analüüsist ja tulemuste kokkuvõttest. Töö on kirjutatud Tartu Ülikooli Molekulaar- ja rakubioloogia instituudis Bioinformaatika õppetoolis. Töös kasutatud lähteandmed pärinevad Euroopa Liidu 6-nda raamprogrammi projektist CONCO – Cone Snail Genome Project for Health (LSHB-CT-2007/037592).Kirje Determinatsioonikordaja ja prognoosikordaja(Tartu Ülikool, 2014-06-16) Koppel, Ann-Mari; Käärik, Ene, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesoleva töö eesmärk on anda ülevaade determinatsioonikordajast ja prognoosikordajast. Esimeses peatükis kirjeldatakse determinatsioonikordajat ja parandatud determinatsiooni-kordajat vabaliikmega ja vabaliikmeta mudeli korral. Lisatud on antud kordajate valemid tarkvarapaketis SAS. Peatüki lõpus on tarkvarapaketi SAS abil läbiviidud näited, mille juurde on lisatud ka mudeli valiku põhimõte. Teises peatükis antakse ülevaade prognoositud jääkidest ja prognoosikordajast. Juurde on lisatud rakendustarkvara SAS valemid ning nende näitajate paremaks mõistmiseks on lisatud näited.Kirje Diferentsiaalvõrrandite lahendamine simulatsioonide abil(Tartu Ülikool, 2013-06-10) Näksi, Rauno; Kangro, Raul, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutDiferentsiaalvõrrandid on matemaatiliseks keeleks, mille abil on võimalik kirjeldada väga paljude reaalse maailma protsesside käitumist, seda nii füüsikas, keemias, bioloogias kui ka finantsmatemaatikas. Huvitaval kombel on paljusid selliseid võrrandeid võimalik ligikaudselt lahendada nii, et simuleerime nn osakese liikumist, vaatame kuhu see jõuab ning leiame lihtsa aritmeetilise keskmise teatud suurustest, mis on arvutatud selle osakese trajektoori ja selle lõppasukoha abil. Olulist rolli mängivad töös stohhastilised diferentsiaalvõrrandid (SDV). Tavalisel diferentsiaalvõrrandil on lahendi tulevikuväärtused määratud algtingimustega, kuid SDV korral on lahendiks juhuslik protsess, see tähendab, et samadele algtingimustele vastab palju erinevaid võimalikke tulevikukäitumisi. Töö eesmärgiks on uurida, kuidas on omavahel seotud tavaliste diferentsiaalvõrrandite lahendid ja SDV lahendid. Töö on jaotatud neljaks peatükiks. Esimeses peatükis tutvume põhjalikult Browni liikumisega. Teises peatükis vaatame, kuidas kasutada Browni liikumist, et defineerida uusi juhuslikke protsesse stohhastilise diferentsiaalvõrrandi abil. Kolmandas peatükis uurima, kuidas on omavahel seotud tavaliste diferentsiaalvõrrandite lahendid ja SDV lahendid ning peatüki lõpus toome esituse diferentsiaalvõrrandi lahendist kui keskväärtusest. Neljandas peatükis viime läbi eksperimendid, et veenduda teoreetiliste tulemuste kehtivuses ja uurime viga, mis tekib sellest, et juhusliku protsessi simuleerimisel kasutame lõplikku ajasammu. Käesolevas töös esitame illustreerivaid jooniseid tulemustest, toome erinevaid näiteid kirjeldatud meetodi rakendamisest. Töös kasutan simulatsioonide läbiviimiseks programmeerimiskeelt Python versioon 3.2.3 ja tarkvarapaketti Matlab versioon 7.12.0.384.Kirje Ebaõnnestunud toitmine TÜ Kliinikumi üldintensiivravi osakonna patsientidel(Tartu Ülikool, 2013-06-06) Starkopf, Liis; Fischer, Krista, juhendaja; Reintam Blaser, Annika, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesolevas bakalaureusetöös on uuritud Tartu Ülikooli Kliinikumi anestesioloogia ja intensiivravi kliiniku üldintensiivravi osakonna (edasipidi intensiivravi osakond) patsientide andmeid. Intensiivravi osakonna patsiendid on sageli aparaadihingamisel ning pole võimelised suu kaudu sööma. Seetõttu toidetakse neid üldiselt sondi kaudu otse makku. Kuna paljudel patsientidel on seedetrakti funktsioon häiritud, ei pruugi sondiga toitmine õnnestuda. Sellist situatsiooni nimetatakse ebaõnnestunud toitmiseks. Terminit „ebaõnnestunud toitmine“ kasutatakse intensiivravi osakonna igapäevatöös palju, kuid ühene definitsioon puudub. Bakalaureusetöö eesmärgiks on võrrelda erinevate ebaõnnestunud toitmise definitsioonide mõju ravitulemusele. Samuti on eesmärgiks selgitada välja intensiivravi osakonna haigete suremust prognoosivad tunnused, seejuures teha kindlaks, kas ka mõni ebaõnnestunud toitmise definitsioon on suremust prognoosivate tunnuste hulgas. Bakalaureusetöös on esmalt antud ülevaade andmete analüüsimiseks kasutatud meetoditest. Seejärel on lühidalt kirjeldatud uuritud andmeid, esitatud andmete modelleerimiseks vajalike uute tunnuste definitsioonid, sealhulgas ebaõnnestunud toitmise definitsioonid, ning nende tunnuste jaotuste kirjeldused. Suremuse ja ebaõnnestunud toitmise erinevate definitsioonide vaheliste seoste kindlaks tegemiseks on kasutatud 2 -testi, logistilist regressiooni ja elukestusanalüüsi. Olulised seosed ja mudelite kirjeldused on toodud tulemuste osas. Bakalaureusetöö on kirjutatud tekstitöötlusprogrammiga Microsoft Word 2003. Analüüsid on läbi viidud statistikapakettiga R. Olulisuse tõenäosuseks on kõikjal töös valitud = 0,05.Kirje Eesti hobuste tõuraamatu andmete analüüs(Tartu Ülikool, 2008) Ševtsova, Snežana; Kaart, Tanel, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Eesti kõrgkoolide matemaatika ja informaatika üliõpilaste enesetõhususe ja motivatsiooni analüüs(Tartu Ülikool, 2013) Einaste, Ingi; Käärik, Ene, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond.; Tartu Ülikool. Matemaatilise statistika instituut.Antud töö eesmärgiks oli uurida, millised tegurid mõjutavad Eesti kõrgkoolides matemaatikat ja informaatikat õppivate üliõpilaste akadeemilist enesetõhusust ja motivatsiooni. Uuritavateks teguriteks olid tudengite sugu, õpitav eriala, kursus, perekonnaseis, laste olemasolu, õpingute ajal töötamine, majanduslik olukord ning elukoht. Analüüsi alustati eesti keeles esimest korda kasutusel oleva akadeemilise motivatsiooni skaala ning akadeemilise enesetõhususe skaala faktoranalüüsiga. Seejärel kasutati t-testi ja dispersioonanalüüsi. Faktoranalüüsi käigus moodustati akadeemilise motivatsiooni skaala põhjal 5 faktorit: endale tõestamine ja rahulolu, motivatsiooni puudumine, väline reguleeritus, õppimine ja uute teadmiste omandamine, elamuste kogemine. Ka akadeemilise enesetõhususe skaala põhjal moodustus 5 faktorit: üliõpilase püsivus ja takistuste ületamine, pingutus, toimetulek, elamuste kogemine, realistlikud eesmärgid. T-testi ja dispersioonanalüüsi tulemustest selgus, et akadeemilist motivatsiooni mõjutavad tegurid olid: sugu, kursus, perekonnaseis ning kas tudeng on õpingute ajal töötanud ja töötab ka praegu. Kusjuures antud töö tulemusena saadud naisüliõpilaste kõrgem õpimotivatsioon on ka varasemalt tõestust leidnud Eymur & Gebani (2011) ning Marrs & Siegleri (2011) töödes. Akadeemilist enesetõhusust mõjutasid sugu, perekonnaseis ning sarnaselt õpimotivatsiooniga kaks tööga seotud tegurit. Üliõpilase õpimotivatsiooni ja akadeemilist enesetõhusust mõjutas ka kõrgkooli valik. Kõrge sisseastumise lävendiga Tallinna Tehnikaülikoolis olid tudengite keskmised skoorid akadeemilise motivatsiooni kahes alaskaalas ja enesetõhususe alaskaalas madalamad kui teiste ülikoolide üliõpilastel. Antud tööga alustati eesti kõrgkoolide matemaatika ja informaatika tudengite akadeemilise motivatsiooni ja enesetõhususe uurimist. See annab hea võimaluse motivatsiooni ja enesetõhusust tõstvate tegurite edasiseks hindamiseks.Kirje Eesti laste kasvukõverad(Tartu Ülikool, 2013-06-10) Salm, Erik; Käärik, Ene, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutLaste kasvu jälgimiseks on arenenud meditsiiniga maades juba üle 50 aasta kasutatud kasvukõveraid. Kehapikkus ja –kaal on füüsilise arengu ühed olulisemad näitajad ning visuaalsed graafikud võimaldavad efektiivselt jälgida lapse kasvamist ja kõrvalekaldeid normaalsest arengust. Laste korduv mõõtmine regulaarse ajavahemiku järel ning mõõtmistulemuste võrdlemine standardiga võimaldab varakult märgata kasvuhäireid. Kasvuhäire võib olla mitmete haiguste ilminguks ning seetõttu sunnib kõrvalekallete leidmine mõtlema võimalikele põhjustele. Kasvukõverate kasutamine kergendab kasvuhäiretega laste leidmist ja jälgimist perearstidel, pediaatritel, geneetikutel ja teistel spetsialistidel. Eestis koostati ja võeti kasvukõverad kasutusele esimest korda 1993. aastal. Need põhinesid 1970-ndatel aastatel tehtud ristläbilõikelistel ning longitudinaalsetel laste pikkuse ja kehakaalu mõõtmistel. Eestis kasutatavad kasvukõverad on jaotusega 3-protsentiilist kuni 97-protsentiilini. Praegused koolides kasutuselolevad normatiivid on koostatud 1996. aastal kogutud andmete põhjal. (Grünberg jt, 1998, 5) Nüüdseks on kogutud uuemad andmed ning töö eesmärk on anda ülevaade Eesti koolilaste füüsilisest arengust ja võrrelda tulemusi varasematega. Statistiliste testide abil uuritakse, kas laste füüsiline areng on piisavalt muutunud, et oleks vaja uusi normatiive. Töö tellijaks on Tartu ülikooli füüsilise antropoloogia keskus. Töös olevad arvutused ja joonised on tehtud statistikapaketi SAS abil. Mittestandardsete lahenduste kohta on esitatud ka vastavad juhendid, kuidas tulemusteni jõuda.Kirje Eesti leibkonnaliikme sissetulek ja tarbimiskulutused aastatel 2000-2004 võrrelduna Leedu ja Lätiga(Tartu Ülikool, 2006) Umbleja, Merili; Tiit, Ene-Margit, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Eesti sporthobuste täkkude geneetiline hindamine(Tartu Ülikool, 2014-06-16) Madison, Getter; Kaart, Tanel, juhendaja; Vähi, Mare, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesolev bakalaureusetöö keskendub eesti sporthobuste täkkude aretusväärtuste hindamisele nende järglaste ülevaatustulemuste põhjal. Selleks on kasutatud kolme erinevat meetodit, mida teoreetilises osas tutvustatakse. Parema ülevaate saamiseks on kõikide analüüsitud hobuste jaoks arvutatud soolised ja vanuselised erinevused. Kasutatud on 2011.-2013. aastate andmeid, kusjuures neis on kirjeldatud 510 erinevat hobust, kel 236 erinevat isa. Andmetes on hinnangud kümnele erinevale tunnusele, mille jaoks aretusväärtused leitakse. Samuti on leitud korrelatsioonimaatriks. Kümme täkku on võetud lähema vaatluse alla, et välja selgitada arvutuste ja reaalsuse kooskõla.Kirje Ekstremaalväärtuste lävendimudelid(Tartu Ülikool, 2005) Kaasik, Ants; Pärna, Kalev, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Ekstremaalväärtuste lävendimudelid(Tartu Ülikool, 2005) Kaasik, Ants; Pärna, Kalev, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Erinevate meetodite võrdlus puude aastarõngaste laiuse prognoosimisel(Tartu Ülikool, 1999) Pisarev, Heti; Fischer, K., juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Faktoranalüüsi mudel ja selle identifitseerimine(Tartu Ülikool, 2002) Kool, Pille; Parring, Anne-Mai, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKirje Finantssuhtarvud finantsanalüüsisüsteemis(Tartu Ülikool, 2014-06-16) Sarv, Kai; Käärik, Meelis, juhendaja; Ots, Ivar-Illimar, juhendaja; Grauberg, Jaanus, juhendaja; Tartu Ülikool. Matemaatika-informaatikateaduskond; Tartu Ülikool. Matemaatilise statistika instituutKäesoleva bakalaureusetöö eesmärk on anda ülevaade levinumatest finantssuhtarvudest ning võrrelda nende väärtusi erinevates ettevõtlusvaldkondades. Uuritud on kümne Eesti ja välismaa firma bilansi ja kasumiaruande põhjal arvutatud suhtarve. Antud ettevõtted jagunevad viide valdkonda: lennutransport, meretransport, ehitus ja kinnisvara, IT ja telekommunikatsioon, rõivakaubandus. Põhilised kasutatud analüüsimeetodid on dispersioonanalüüs ja statistilised olulisustestid.