Statistics (3 cr)

Objectives (course unit)

Student is able to
- construct graphical presentation for statistical data.
- calculate basic statistical measures with computer.
- interpret data using statistical measures and graphs.
- understand basics of combinatorics.
- calculate probabilities.
- construct a confidence interval and perform a hypothesis test.
- understand the concepts of regression and correlation.

Content (course unit)

Probability, combinatorics, statistical measures, distributions (normal, binomial, t, Poisson), confidence interval, hypothesis testing, use of statistical computer program, regression

Prerequisites (course unit)

Basic use of Excel, Functions and matrices and Integral Calculus, or similar skills

Exam schedules

Tentistä ja korotuksista annetaan tarkemmat tiedot oppitunneilla - viimeistään kuitenkin lokakuun lopussa. Näistä voi kysyä erikseen myös opettajalta.

Assessment methods and criteria

Kurssi arvostellaan asteikolla 0-5.
Arvosana määräytyy projektitöiden perusteella seuraavasti. Alle yksi hyväksyttyä projektia: arvosana (as) 0. Yksi hyväksytty projektia: as 1. Kaksi hyväksyttyä projektia: as 2-3. Kolme hyväksyttyä projektia: 3-5. Lisäksi hypoteesit ja p-arvot: 4-5. Lisäksi tilastomatematiikan laskutehtävät: 5. Hyväksytyllä projektilla tarkoitetaan työohjeen mukaista, virheetöntä ja aikataulun mukaisesti palautettua työtä.
Lisäksi oman ylimääräisen mittausaineiston käsittely: tarvittaessa +1 numeroa. Sovi tästä kuitenkin erikseen opettajan kanssa.

Assessment scale

0-5

Teaching methods

lähiopetus, demonstraatiot, harjoitukset, harjoitustyöt, raportti ja työselostus, projektityöskentely

Learning materials

Osia 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
- lisäksi käytetään opettajan erikseen jakamia monisteita

Student workload

Opiskelijan keskimääräinen työmäärä on noin 80-85 tuntia, joka koostuu lähiopetuksesta, projektitehtävistä, harjoituksista, itsenäisestä työskentelystä ja palautusraporteista.

Content scheduling

Syyskuun ja lokakuun aikana tehdään harjoituksia ja projekteja tietokoneella koskien data-analyyttistä lähestymistapaa. Marraskuun aikana siirrytään tilastomatematiikan, todennäköisyyslaskenna ja tilastollisen päättelyn läpikäyntiin.

Completion alternatives

Kurssin voi suorittaa myös vaihtoehtoisella tavalla, joka tapahtuu itsenäisesti tehtävillä henkilökohtaisilla harjoituksilla myöskin ajalla 29.08.2016-16.12.2016. Tästä suoritustavasta voi kysyä tarkempia tietoja opettajalta. Tämä suoritustapa on voimassa sekä itsenäisillä että tavoiteaikataulun ylittäneillä opiskelijoilla.

Further information

Jos opetetuissa asioissa tai projekteissa on jotakin mitä et ymmärrä, älä epäröi kysyä. Vaikka seuraavankin pitäisi olla jo itsestään selvyys, niin tulkoon sekin vielä mainittua: Tämän opintojakson oppituntien aikana luokassa tehdään vain tähän kurssiin kuuluvia tehtäviä ja töitä!
Ajankohta
Opetus alkaa lukujärjestyksen mukaisesti viikolla 35. Tästä tulee syyskuussa erillinen täsmennys. Kurssi kestää joulukuulle 2016 asti.
Esitiedot
Insinöörin tietotekniikan perusteet. Wordin, Excelin ja TAMKin verkkopalveluiden riittävä osaaminen. Tietokoneella tehtävä laskenta tehdään Excelillä ja Excelin analyysityökaluilla.
Oppimistavoitteet
Opiskelija osaa kuvata tilastollista aineistoa sopivilla kuvaajilla
Opiskelija osaa käyttää tietokonetta tilastollisten perustunnuslukujen laskentaan
Opiskelija osaa tulkita aineistoa kuvaajien ja tunnuslukujen avulla
Tämä kurssi sisältää syksyllä 2016 kolme erilaista projektia, joiden sisällöt kerrotaan ja työohjeet annetaan myöhemmin oppitunneilla. Lisäksi tehdään todennäköisyyteen ja tilastomatematiikkaan liittyviä laskutehtäviä.
Projektit: Graafinen analyysi, jakaumat ja ristiintaulukot.

Assessment criteria - satisfactory (1-2) (Not in use, Look at the Assessment criteria above)

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 tilastollisten jakaumien perusteet.

Assessment criteria - good (3-4) (Not in use, Look at the Assessment criteria above)

Edellisten lisäksi opiskelija osaa soveltaa sekä khitoiseen- että t-jakaumaa erilaisten tutkimusasetelmien ja mittausjoukkojen käsittelyssä. Opiskelija hallitsee tilastollisen päättelyn perusteet erikokoisten otosten käsittelyssä. Opiskelija ymmärtää regressioanalyysin tulosten merkityksen ja diagnostisen tulkinnan. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti ja ottaa vastuun myös ryhmän suoriutumisesta.

Assessment criteria - excellent (5) (Not in use, Look at the Assessment criteria above)

Edellisen 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.