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

Ensimmäinen välikoe pidetään 23.2 kello 8:30 - 11:00 juhlasalissa. Toisen välikokeen tarkempi aika julkaistaan maaliskuun puolessa välissä.
Opintojakson päätyttyä koko opintojaksolle on kaksi uusintatenttiä. Hyväksyttyä arvosanaa voi korottaa 1. uusintatentissä. Näistä tulee tarkemmat päiväykset maaliskuun lopussa.
Mahdollisista tenttipäivien muutoksista sovitaan tunnilla ja ne päivitetään totsuun sekä niistä ilmoitetaan kurssiin ilmoittautuneille myös sähköpostilla. Opiskelija on velvollinen tarkistamaan mahdolliset tunnilla sovitut muutokset tenttiajoissa.
Kaikissa tenteissä saa olla mukana ainoastaan opettajan erikseen määrittelemät materiaalit ja välineet.
*Alustavat päivät*: 1.uusinta 11.05.2016 ja 2. uusinta syyskuun alku 2016.

Evaluation methods and criteria

Opintojakso suoritetaan laskuharjoituksilla, kotitehtävillä ja välikokeilla (2 kpl.
Laskuharjoituksista ja kotitehtävistä voi hankkiä yhteensä 10 pistettä arviointiin ja ne vaikuttavat myös uusinnan/korotuksen tuloksiin.
Lopullinen arvosana määräytyy välikokeiden (maksimi 32 pistettä) perusteella. Välikokeiden arvostelussa otetaan huomioon tilastomatemaattisten käsitteiden ja ilmiöiden ymmärrys, tilastollisten menetelmien soveltamistaito, ratkaisun oikeellisuus, valittu ratkaisutapa sekä esitystavan selkeys.
Varma läpipääsy on 16 pistettä.
Arvosteluun voi hankkia lisäpisteitä (0-5 pistettä) ohjelmoimalla jonkun tilastollisen menetelmän tai analyysin etukäteen sovitulla tavalla.

Assessment scale

0-5

Teaching methods

Lähiopetus, itsenäinen opiskelu, harjoitukset, laskutehtävät, harjoitustyö, ongelmalähtöinen opiskelu, yhteistoiminnallinen oppiminen, tentti.

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, kotitehtävistä, laskuharjoituksita, itsenäisestä työskentelystä ja kokeista.

Completion alternatives

Kurssin voi suorittaa myös vaihtoehtoisella tavalla, joka tapahtuu tentillä. Tämäkin vaihtoehto on voimassa myöskin ajalla 03.01.2016-12.05.2016. Tästä suoritustavasta voi kysyä tarkempia tietoja opettajalta. Tämä suoritustapa on voimassa sekä itsenäisillä että tavoiteaikataulun ylittäneillä opiskelijoilla.

Further information

Poissaolo välikokeista vastaa hylättyä suoritusta. Sairaustapauksissa vaaditaan lääkärintodistus.
Tekniikan kaavasto on tarpeellinen. Kurssilla käsiteltävät tehtävät lasketaan ja ratkaistaan pääosin kynällä ja paperilla. Tietokonetta ja laskinta voi käyttää ratkaisun tukena, jolloin tietokoneella tehtävä laskenta tehdään Excelillä ja Excelin analyysityökaluilla. Kaavat ja välivaiheet on kuitenkin aina esitettävä ratkaisujen yhteydessä.

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 binomijakauman ja normaalijakauman perusteet.

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

Edellisten lisäksi opiskelija osaa soveltaa t-jakaumaa 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.

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.