Statistics (3 cr)
Code: 5N00BC67-3025
General information
- Enrolment period
- 12.09.2018 - 16.10.2018
- Registration for the implementation has ended.
- Timing
- 22.10.2018 - 31.12.2018
- Implementation has ended.
- Credits
- 3 cr
- Local portion
- 3 cr
- Mode of delivery
- Contact learning
- Unit
- Bioproduct Engineering
- Campus
- TAMK Main Campus
- Teaching languages
- Finnish
- Degree programmes
- Degree Programme in Bioproduct and Process Engineering, students who began in 2014-2018
- Teachers
- Pekka Kaatiala
- Course
- 5N00BC67
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
Katso arviointimenetelmät
Evaluation methods and criteria
Opintojakso suoritetaan tuntiharjoituksilla, harjoitustehtävillä ja projekteilla. Tämä suoritustapa on voimassa 15.10.2018-15.12.2018. Lisäksi pidetään kirjallinen lopputentti. Tästä annetaan ohjeet kurssin aloituskerralla. Suoritukseen sisältyy myös kaksiosainen kirjallinen itsearviointi.
15.12.2018 jälkeen kurssi suoritetaan kirjoja lukemalla, laskutehtävillä ja monivalintatentillä. Tentin maksimipistemäärä on 30 pistettä. Läpäisyyn riittää 15 pisteen arvoinen osaaminen. Tehtäviä on laskettava vähintään 30 kappaletta viidestä eri aihepiiristä. Tentit järjestetään joko tammikuussa 2019 tai maaliskuussa 2019. Kirjalistan ja tentissä suoritettavat teemat saa kysyttäessä opettajalta. Maaliskuun 2019 jälkeen ei järjestetä erillistä suoritusmahdollisuutta.
Assessment scale
0-5
Teaching methods
Lähiopetus, itsenäinen opiskelu, harjoitukset, laskutehtävät, projektit, ongelmalähtöinen opiskelu, yhteistoiminnallinen oppiminen, opetusvideot.
Learning materials
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
- lisäksi käytetään opettajan erikseen jakamia monisteita
Student workload
Opiskelijan keskimääräinen työmäärä on noin 80-85 tuntia, joka koostuu lähiopetuksesta, kotitehtävistä, laskuharjoituksita, itsenäisestä työskentelystä ja projekteista.
Further information
Kurssiin sisältyvät projektit tehdään suomenkielisessä Excel 2016 -ympäristössä. Laskelmiin tarvittavat kaavat ja funktiot käsitellään oppitunneilla. Kurssilla ylläpidetään myös Tabula-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 annettujen lisäohjeiden mukaan. Tarkat arviointiperusteet esitetään oppitunneilla.
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 jakaumien perusteet.
Assessment criteria - good (3-4) (Not in use, Look at the Assessment criteria above)
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.
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.