Tilastot ja analytiikka (5cr)

Code: R504TL99-3002

General information

Enrollment: 01.10.2021 - 25.12.2021; Registration for the implementation has ended.

Timing: 10.01.2022 - 28.02.2022; Implementation has ended.

Number of ECTS credits allocated: 5 cr

Mode of delivery: Contact learning

Teaching languages: finnish

Seats: 0 - 50

Degree programmes: Degree Programme in Information and Communication Technology

Teachers: Erkki Mattila

Teacher in charge: Erkki Mattila

Course: R504TL99

Evaluation scale

H-5

Objective

Opiskelija tuntee todennäköisyyslaskennan ja tilastotieteen perusteet. Hän osaa ratkaista yksinkertaisia todennäköisyyslaskennan ongelmia. Hän osaa esittää ja tulkita aineistoja tilastotieteen menetelmin. Hän ymmärtää luottamusvälien käsitteen ja osaa analysoida aineistoja tilastollisen testauksen menetelmillä. Datassa hyödynnetään kestävän kehityksen näkökulmia tukevia aineistoja.

Content

- Todennäköisyyslaskennan ja kombinatoriikan perusteet: klassinen ja tilastollinen todennäköisyys, todennäköisyyden laskusäännöt, Bayes’n teoreema, kombinaatiot ja permutaatiot.
- Tilastotieteen perusteet: mitta-asteikot ja graafit, tilastolliset tunnusluvut, datan luokittelu, regressio ja korrelaatio.
- Diskreetit ja jatkuvat todennäköisyysjakaumat. Luottamusvälit. Hypoteesien testaus.

Location and time

Adobe Connect -etäluokka ja Moodle-oppimisympäristö 10.1. - 4.3.2022.

Materials

Luentomateriaalit, esimerkit, tehtävät ja tehtävämateriaalit Moodle-työtilassa (ja OneDrive-pilvipalvelussa).

Oheislukemistot:
Karjalainen L. 2015. Tilastotieteen perusteet. Pii-kirjat
Ala-Lahti H. & al. 2021. Kvantitatiivisen tutkimuksen verkkokäsikirja (luettavissa: https://www.fsd.tuni.fi/fi/palvelut/menetelmaopetus/kvanti /)
Niemi A. 2004. Todennäköisyyslaskennan ja tilastomatematiikan perusteet. Jyväskylä : Antti Niemi 2004
Nummenmaa L. & Holopainen M. & Pulkkinen P. 2014. Tilastollisten menetelmien perusteet. Sanoma Pro

Teaching methods

Luennot Adobe Connect -etäluokassa, esimerkit ja harjoitustehtävät.

Exam schedules

Uusintasuoritukset tapahtuvat tentillä, jonka ajankohta sovitaan erikseen opettajan kanssa.

Student workload

Samaa laajempaa tehtävää jatketaan kerrasta toiseen ja uudet asiat perustuvat aiemmin opittuun, minkä vuoksi tehtävät kannattaa tehdä viikoittain kurssin etenemisen tahdissa.

Assessment criteria, satisfactory (1)

Opiskelija osaa ratkaista yksinkertaisia todennäköisyyslaskennan ongelmia. Hän osaa tehdä graafisia esityksiä data-aineistoista ja laskea niistä määrätyt tunnusluvut. Hän osaa käyttää luottamusväleihin ja tilastolliseen testaukseen liittyviä matemaattisia menetelmiä.

Assessment criteria, good (3)

Opiskelija osaa ratkaista monimutkaisempia todennäköisyyslaskennan ongelmia. Hän osaa tehdä data-aineistoista monipuolisia graafisia esityksiä ja ymmärtää tilastollisen tunnuslukujen merkityksen. Hän osaa soveltaa luottamusväleihin ja tilastolliseen testauksen liittyviä matemaattisia menetelmiä yksinkertaisiin aineistoihin.

Assessment criteria, excellent (5)

Opiskelija osaa ratkaista monimutkaisempia todennäköisyyslaskennan ongelmia. Hän osaa tehdä data-aineistoista monipuolisia graafisia esityksiä ja analysoida aineistoja tilastollisen tunnuslukujen avulla. Hän osaa soveltaa luottamusväleihin ja tilastolliseen testauksen liittyviä matemaattisia menetelmiä monipuolisesti erilaisiin aineistoihin.

Further information

Opiskelijalla tulee olla käytettävissään Excel-taulukkolaskentaohjelma. Muut tarvittavat ohjelmat voi ladata ilmaiseksi netistä.