Opinto-opas

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Aika ja paikka

Ajat (ja paikat) on kerrottu TuniMoodlessa ja lukujärjestyksissä.

Tenttien ja uusintatenttien ajankohdat

Ensimmäinen välikoe 23.02.2024 klo 14.30-17.00 juhlasalissa D1-04.
Toinen välikoe 18.04.2024 klo 08.15-11.00 luokassa B4-25.
Välikokeisiin ei tarvitse ilmoittautua.

Uusintakokeet:
15.05.2024 klo 17.00-20.00 luokissa B4-18 & B4-27 ja
05.06.2024 klo 17.00-20.00 luokissa B4-18 & B4-27.

Ilmoittautuminen uusintakokeisiin sähköpostitse viimeistään uusintatenttiä edeltävänä sunnuntaina.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso arvioidaan asteikolla 0-5.

Kotitehtävistä on mahdollista saada 10 piste / palautuskerta, yhteensä 10 pistettä. Välikokeiden maksimipistemäärä 30 pistettä / välikoe. Yhteispistemäärä on täten 70 pistettä.

Arvosana määräytyy kotitehtävien ja välikokeiden yhteispistemäärän perusteella seuraavasti:

0 pistettä, arvosana 0
20 pistettä, arvosana 1
30 pistettä, arvosana 2
40 pistettä, arvosana 3
50 pistettä, arvosana 4
60 pistettä, arvosana 5

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, videot, kotitehtävät, välikokeet (2 kpl)

Oppimateriaalit

Opettajan tekemä oppimateriaali TuniMoodlessa.

Oppikirjoja:
Leila Karjalainen: Tilastomatematiikka (TAMK kirjasto)
Tarja Heikkilä; Tilastolliset menetelmät (TAMK kirjasto)
Antti Majaniemen moniste (TuniMoodlessa).

Opiskelijan ajankäyttö ja kuormitus

Lähiopetusta 30 tuntia + välikokeet 2 * 3 tuntia. Loput 81 h - 36 h = 45 tuntia opiskelijan omaa opetuksen ulkopuolista työtä.

Sisällön jaksotus

Sisällön jaksotus löytyy TuniMoodlesta.

Toteutuksen valinnaiset suoritustavat

-

Harjoittelu- ja työelämäyhteistyö

-

Kansainvälisyys

-

Lisätietoja opiskelijoille

Opetus alkaa lukujärjestyksen mukaisesti.
Opintojaksossa Moodle-toteutus.
Toteutuksen aikana annetaan kotitehtäviä, joista on mahdollisuus saada lisäpisteitä. Kotitehtävät palautetaan sähköisesti Moodleen. Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Aika ja paikka

Ajat (ja paikat) on kerrottu TuniMoodlessa ja lukujärjestyksissä.

Tenttien ja uusintatenttien ajankohdat

Koe 10.05.2024, 08.15 - 11.00, luokassa B2-35.
Kokeeseen ei tarvitse ilmoittautua.

Uusintakokeet:
15.05.2024 klo 17.00-20.00 luokissa B4-18 & B4-27 ja
05.06.2024 klo 17.00-20.00 luokissa B4-18 & B4-27.

Ilmoittautuminen uusintakokeisiin sähköpostitse viimeistään uusintatenttiä edeltävänä sunnuntaina.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso arvioidaan asteikolla 0-5.

Kotitehtävistä on mahdollista saada 1 piste / palautuskerta, yhteensä 6 pistettä. Kokeen pistemäärä on 34 pistettä. yhteispistemäärä on täten 40 pistettä.

Arvosana määräytyy kotitehtävien ja välikokeiden yhteispistemäärän perusteella seuraavasti:

0 pistettä, arvosana 0
10 pistettä, arvosana 1
16 pistettä, arvosana 2
22 pistettä, arvosana 3
28 pistettä, arvosana 4
34 pistettä, arvosana 5

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, videot, kotitehtävät, koe

Oppimateriaalit

Opettajan tekemä oppimateriaali TuniMoodlessa.

Oppikirjoja:
Leila Karjalainen: Tilastomatematiikka (TAMK kirjasto)
Tarja Heikkilä; Tilastolliset menetelmät (TAMK kirjasto)
Antti Majaniemen moniste (TuniMoodlessa).

Opiskelijan ajankäyttö ja kuormitus

Lähiopetusta 20 tuntia + koe 3 tuntia. Loput 81 tuntia - 23 tuntia = 58 tuntia opiskelijan omaa opetuksen ulkopuolista työtä.

Sisällön jaksotus

Sisällön jaksotus löytyy TuniMoodlesta.

Toteutuksen valinnaiset suoritustavat

-

Harjoittelu- ja työelämäyhteistyö

-

Kansainvälisyys

-

Lisätietoja opiskelijoille

Opetus alkaa lukujärjestyksen mukaisesti.
Opintojaksossa Moodle-toteutus.
Toteutuksen aikana annetaan kotitehtäviä, joista on mahdollisuus saada lisäpisteitä. Kotitehtävät palautetaan sähköisesti Moodleen. Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Aika ja paikka

Ajat (ja paikat) on kerrottu TuniMoodlessa ja lukujärjestyksissä.

Tenttien ja uusintatenttien ajankohdat

Tentti pidetään 10.11.2023 klo 14.15-17.00 luokassa D1-04.
Uusintatentit 21.11.2023 klo 14.15-17.00 luokassa B2-35 ja 13.12.2023 klo 12.00-15.00 juhlasalissa D1-04.
Ilmoittautuminen sähköpostitse viimeistään kaksi vuorokautta ennen tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso arvioidaan asteikolla 0-5.

Kotitehtävistä on mahdollista saada 1 piste / palautuskerta, yhteensä 8 pistettä. Kokeen maksimipistemäärä 42 pistettä. Yhteispistemäärä on täten 50 pistettä.

Arvosana määräytyy kotitehtävien ja kokeen yhteispistemäärän perusteella seuraavasti:

0 pistettä, arvosana 0
12,5 pistettä, arvosana 1
20 pistettä, arvosana 2
27,5 pistettä, arvosana 3
35 pistettä, arvosana 4
42,5 pistettä, arvosana 5

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, videot, kotitehtävät, tentti

Oppimateriaalit

Opettajan tekemää oppimateriaalia julkaistaan TuniMoodlessa.

Oppikirjoja:
Leila Karjalainen: Tilastomatematiikka (TAMK kirjasto)
Tarja Heikkilä; Tilastolliset menetelmät (TAMK kirjasto)
Antti Majaniemen moniste (TuniMoodlessa).

Opiskelijan ajankäyttö ja kuormitus

Lähiopetusta 30 tuntia sisältäen kokeen. Loput 81 h - 30 h = 51 tuntia opiskelijan omaa opetuksen ulkopuolista työtä.

Sisällön jaksotus

Sisällön jaksotus löytyy TuniMoodlesta.

Toteutuksen valinnaiset suoritustavat

-

Harjoittelu- ja työelämäyhteistyö

-

Kansainvälisyys

-

Lisätietoja opiskelijoille

Opetus alkaa lukujärjestyksen mukaisesti.
Opintojaksossa Moodle-toteutus.
Toteutuksen aikana annetaan kotitehtäviä, joista on mahdollisuus saada lisäpisteitä kokeeseen. Kotitehtävät palautetaan sähköisesti Moodleen. Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Aika ja paikka

Ajat (ja paikat) on kerrottu TuniMoodlessa ja lukujärjestyksissä.

Tenttien ja uusintatenttien ajankohdat

Tentti pidetään 25.04.2023 klo 14.15-17.00 juhlasalissa D1-04.
Uusintatentit 05.05.2023 klo 11.15-14.00 ja 11.05.2023 klo 17.00-20.00 juhlasalissa D1-04.
Ilmoittautuminen sähköpostitse viimeistään kaksi vuorokautta ennen tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso arvioidaan asteikolla 0-5.

Kotitehtävistä on mahdollista saada 1 piste / palautuskerta, yhteensä 10 pistettä. Kokeen maksimipistemäärä 40 pistettä. Yhteispistemäärä on täten 50 pistettä.

Arvosana määräytyy kotitehtävien ja kokeen yhteispistemäärän perusteella seuraavasti:

0 pistettä, arvosana 0
12,5 pistettä, arvosana 1
20 pistettä, arvosana 2
27,5 pistettä, arvosana 3
35 pistettä, arvosana 4
42,5 pistettä, arvosana 5

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, videot, kotitehtävät, tentti

Oppimateriaalit

Opettajan tekemää oppimateriaalia julkaistaan TuniMoodlessa.

Oppikirjoja:
Leila Karjalainen: Tilastomatematiikka (TAMK kirjasto)
Tarja Heikkilä; Tilastolliset menetelmät (TAMK kirjasto)
Antti Majaniemen moniste (TuniMoodlessa).

Opiskelijan ajankäyttö ja kuormitus

Lähiopetusta 39 tuntia sisältäen kokeen. Loput 81 h - 39 h = 42 tuntia opiskelijan omaa opetuksen ulkopuolista työtä.

Sisällön jaksotus

Sisällön jaksotus löytyy TuniMoodlesta.

Toteutuksen valinnaiset suoritustavat

-

Harjoittelu- ja työelämäyhteistyö

-

Kansainvälisyys

-

Lisätietoja opiskelijoille

Opetus alkaa lukujärjestyksen mukaisesti.
Opintojaksossa Moodle-toteutus.
Toteutuksen aikana annetaan kotitehtäviä, joista on mahdollisuus saada lisäpisteitä kokeeseen. Kotitehtävät palautetaan sähköisesti Moodleen. Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Aika ja paikka

Ajat (ja paikat) on kerrottu TuniMoodlessa ja lukujärjestyksissä.

Tenttien ja uusintatenttien ajankohdat

Tentti pidetään 25.04.2023 klo 14.15-17.00 juhlasalissa D1-04.
Uusintatentit 05.05.2023 klo 11.15-14.00 ja 11.05.2023 klo 17.00-20.00 juhlasalissa D1-04.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso arvioidaan asteikolla 0-5.

Kotitehtävistä on mahdollista saada 1 piste / palautuskerta, yhteensä 10 pistettä. Kokeen maksimipistemäärä 40 pistettä. Yhteispistemäärä on täten 50 pistettä.

Arvosana määräytyy kotitehtävien ja kokeen yhteispistemäärän perusteella seuraavasti:

0 pistettä, arvosana 0
12,5 pistettä, arvosana 1
20 pistettä, arvosana 2
27,5 pistettä, arvosana 3
35 pistettä, arvosana 4
42,5 pistettä, arvosana 5

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, videot, kotitehtävät, tentti

Oppimateriaalit

Opettajan tekemää oppimateriaalia julkaistaan TuniMoodlessa.

Oppikirjoja:
Leila Karjalainen: Tilastomatematiikka (TAMK kirjasto)
Tarja Heikkilä; Tilastolliset menetelmät (TAMK kirjasto)
Antti Majaniemen moniste (TuniMoodlessa).

Opiskelijan ajankäyttö ja kuormitus

Lähiopetusta 39 tuntia sisältäen kokeen. Loput 81 h - 39 h = 42 tuntia opiskelijan omaa opetuksen ulkopuolista työtä.

Sisällön jaksotus

Sisällön jaksotus löytyy TuniMoodlesta.

Toteutuksen valinnaiset suoritustavat

-

Harjoittelu- ja työelämäyhteistyö

-

Kansainvälisyys

-

Lisätietoja opiskelijoille

Opetus alkaa lukujärjestyksen mukaisesti.
Opintojaksossa Moodle-toteutus.
Toteutuksen aikana annetaan kotitehtäviä, joista on mahdollisuus saada lisäpisteitä kokeeseen. Kotitehtävät palautetaan sähköisesti Moodleen. Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Katso kohta "Arviointimenetelmät ja arvioinnin perusteet".

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Tenttien ja uusintatenttien ajankohdat

Katso arviointimenetelmät

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso suoritetaan tuntiharjoituksilla, harjoitustehtävillä ja projekteilla. Tämä suoritustapa on voimassa 01.08.2022-15.12.2022. Lisäksi pidetään kirjallinen lopputentti joulukuussa 2022. Tästä annetaan ohjeet kurssin alussa. Suoritukseen sisältyy myös kirjallinen itsearviointi.

15.12.2022 jälkeen kurssi suoritetaan kirjoja lukemalla, laskutehtävillä ja monivalintatentillä. Tentin maksimipistemäärä on 30 pistettä. Läpäisyyn riittää ainakin 15 pisteen arvoinen osaaminen. Tehtäviä on laskettava vähintään 30 kappaletta viidestä eri aihepiiristä. Tentti järjestetään keväällä 2023. Kirjalistan ja tentissä suoritettavat teemat saa kysyttäessä opettajalta. Kevään 2023 jälkeen ei järjestetä erillistä suoritusmahdollisuutta.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, itsenäinen opiskelu, harjoitukset, laskutehtävät, työpajat, projektit, ongelmalähtöinen opiskelu, yhteistoiminnallinen oppiminen, selittävät videot.

Oppimateriaalit

Osia ja ideoita seuraavista kirjoista
- Holopainen, Pulkkinen: Tilastolliset menetelmät, Weilin+Göös
- Leila Karjalainen: Tilastomatematiikka, Pii-kirjat
- Kume, Hitoshi: Laadun parantamisen tilastolliset menetelmät, Suomen laatuyhdistys
- opettajan antamat nettilinkit
- erilaiset verkkomateriaalit
- opetusvideot

Opiskelijan ajankäyttö ja kuormitus

Opiskelijan keskimääräinen työmäärä on noin 80-85 tuntia, joka koostuu lähiopetuksesta ja verkko-opetuksesta, kotitehtävistä, laskuharjoituksista ja työpajoista, itsenäisestä työskentelystä ja projekteista.

Lisätietoja opiskelijoille

Kurssiin sisältyvät projektit tehdään suomenkielisessä Office365 -ympäristössä. Laskelmiin tarvittavat kaavat ja funktiot käsitellään oppitunneilla. Kurssilla ylläpidetään myös Moodle-sivustoa, jossa tehtävät ja projektit kuvataan tarkemmin. Siellä on myös linkkejä lisätietoihin ja ohjeita itsenäisen opiskelun tueksi. Tietokoneella tehtävä laskenta tehdään Excelillä ja Excelin analyysityökaluilla. Projektit raportoidaan riittävän kattavasti ja yksityiskohtaisesti tunnilla (ja Moodlessa) annettujen lisäohjeiden mukaan. Tarkat arviointiperusteet esitetään oppitunneilla.

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Harjoitusten tekemättä jättäminen. Vähäistä enemmän virheitä palautuksissa. Myöhästyneet palautukset.

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten analyysin ja luottamusvälin käytön perusteet. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Edellisen lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija ymmärtää ja osaa hypoteesien testauksen käytön ja luottamusvälilaskennan perusteet. Opiskelija hallitsee keskeisten otantajakaumien käytön ja soveltamisen. Opiskelija on hyvin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Tavoitteet (OJ)

Opiskelija osaa
- havainnollistaa tilastollista aineistoa sopivilla kuvaajilla.
- käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan.
- tulkita aineistoa kuvaajien ja tunnuslukujen avulla.
- kombinatoriikan perusteet
- laskea todennäköisyyksiä sekä teoreettisesti että tietokoneella simuloiden.
- laskea otoksen luottamusvälin ja pystyy käyttämään tätä hyväkseen mm. hypoteesin testauksessa
- perustiedot regressiosta ja korrelaatiosta.

Sisältö (OJ)

Todennäköisyyden käsite, kombinatoriikan perusteet, tavallisimmat jakaumat, mm. normaali-, binomi-, t- ja Poisson-jakauma. Tilastollisen testauksen periaatteet, mittausaineiston käsittely tietokoneella ja sen kuvaaminen graafisesti.
Tärkeimpien tilastollisten tunnuslukujen käyttö ja merkitys. Regressiotekniikan käyttö mittausten mallintamisessa ja ennustamisessa.

Esitietovaatimukset (OJ)

Excelin peruskäyttö, Funktiot ja matriisit, Integraalilaskenta tai vastaavat tiedot

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit, kiitettävä (5) (OJ)

Edellisten lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija on erittäin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.

Tenttien ja uusintatenttien ajankohdat

Katso arviointimenetelmät

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso suoritetaan tuntiharjoituksilla, harjoitustehtävillä ja projekteilla. Tämä suoritustapa on voimassa 01.01.2022-30.4.2022. Lisäksi pidetään kirjallinen lopputentti huhtikuussa 2022. Tästä annetaan ohjeet kurssin alussa. Suoritukseen sisältyy myös kirjallinen itsearviointi.

1.5.2022 jälkeen kurssi suoritetaan kirjoja lukemalla, laskutehtävillä ja monivalintatentillä. Tentin maksimipistemäärä on 30 pistettä. Läpäisyyn riittää ainakin 15 pisteen arvoinen osaaminen. Tehtäviä on laskettava vähintään 30 kappaletta viidestä eri aihepiiristä. Tentit järjestetään joko syyskuussa 2022 tai lokakuussa 2022. Kirjalistan ja tentissä suoritettavat teemat saa kysyttäessä opettajalta. Lokakuun 2022 jälkeen ei järjestetä erillistä suoritusmahdollisuutta.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus, itsenäinen opiskelu, harjoitukset, laskutehtävät, työpajat, projektit, ongelmalähtöinen opiskelu, yhteistoiminnallinen oppiminen, selittävät videot.

Oppimateriaalit

Osia ja ideoita seuraavista kirjoista
- Holopainen, Pulkkinen: Tilastolliset menetelmät, Weilin+Göös
- Leila Karjalainen: Tilastomatematiikka, Pii-kirjat
- Kume, Hitoshi: Laadun parantamisen tilastolliset menetelmät, Suomen laatuyhdistys
- opettajan antamat nettilinkit
- erilaiset verkkomateriaalit
- opetusvideot

Opiskelijan ajankäyttö ja kuormitus

Opiskelijan keskimääräinen työmäärä on noin 80-85 tuntia, joka koostuu lähiopetuksesta ja verkko-opetuksesta, kotitehtävistä, laskuharjoituksista ja työpajoista, itsenäisestä työskentelystä ja projekteista.

Lisätietoja opiskelijoille

Kurssiin sisältyvät projektit tehdään suomenkielisessä Office365 -ympäristössä. Laskelmiin tarvittavat kaavat ja funktiot käsitellään oppitunneilla. Kurssilla ylläpidetään myös Moodle-sivustoa, jossa tehtävät ja projektit kuvataan tarkemmin. Siellä on myös linkkejä lisätietoihin ja ohjeita itsenäisen opiskelun tueksi. Tietokoneella tehtävä laskenta tehdään Excelillä ja Excelin analyysityökaluilla. Projektit raportoidaan riittävän kattavasti ja yksityiskohtaisesti tunnilla (ja Moodlessa) annettujen lisäohjeiden mukaan. Tarkat arviointiperusteet esitetään oppitunneilla.

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Harjoitusten tekemättä jättäminen. Vähäistä enemmän virheitä palautuksissa. Myöhästyneet palautukset.

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija ymmärtää perusjoukon ja otoksen välisen eron. Opiskelija osaa laskea keskeis-, hajonta- ja sijaintiluvut otoksen perusteella. Opiskelija osaa suunnitella yksinkertaisia koeasetelmia tilastollisen tutkimuksen tekoon ja havainnollistaa saadut tulokset sekä graafisesti että numeerisesti. Opiskelija ymmärtää jakaumien perusteet.

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Edellisten lisäksi opiskelija osaa soveltaa tilastollista ajattelua erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten analyysin ja luottamusvälin käytön perusteet. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Edellisen lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisuun sekä taito esittää ja perustella loogisesti valitut ratkaisut. Opiskelija ymmärtää ja osaa hypoteesien testauksen käytön ja luottamusvälilaskennan perusteet. Opiskelija hallitsee keskeisten otantajakaumien käytön ja soveltamisen. Opiskelija on hyvin motivoitunut ja ottaa sitoutuneesti vastuuta omasta ja ryhmän suoriutumisesta.