Opinto-opas

Tavoitteet

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.

Sisältö

- 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.

Aika ja paikka

Zoom-etäluokka ja Moodle-oppimisympäristö kevätlukukaudella 2023 lukujärjestykseen merkittyinä aikoina.

Oppimateriaalit

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

Opetusmenetelmät

Luennot Zoom-etäluokassa, esimerkit ja harjoitustehtävät.

Tenttien ajankohdat ja uusintamahdollisuudet

Uusintasuoritukset tapahtuvat tentillä, jonka ajankohta sovitaan erikseen opettajan kanssa. Arvosanan korottaminen korjaamalla jo kertaalleen arvioituja tehtäviä ei ole mahdollista!

Lisätietoja opiskelijoille

Opiskelijalla tulee olla käytettävissään MS Excel-taulukkolaskentaohjelma asennettavana sovelluksena. Excel Online ei ole riittävä työkalu. Muut tarvittavat ohjelmat voi ladata ilmaiseksi netistä.

Arviointiasteikko

H-5

Arviointikriteerit, tyydyttävä (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.

Arviointikriteerit, hyvä (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.

Arviointikriteerit, kiitettävä (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.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso arvioidaan asteikolla 1 - 5 ja hyl. Suoritus perustuu harjoitustehtäviin, joiden vastaukset tulee palauttaa Moodlen palautuskansioon kurssin loppuun mennessä. Tarkka määräaika näkyy Moodlen palautuskansiossa. Suoritukset tämän ajankohdan jälkeen ja mahdolliset arvosanan korotukset tapahtuvat uusintakokeella. Vähintään 30 prosenttia maksimipisteistä tarvitaan hyväksyttyyn arvosanaan.Tarkemmat suoritusvaatimukset kerrotaan opetussuunnitelmassa.