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

Assessment criteria, satisfactory (1-2) (course unit)

Student understands the difference between population and sample. Student is able to calculate measures of central tendency and variation. He/she knows the basic elements of research methods and is able to present data in charts and tables. Student understands the basic concepts of distributions. He/she is able to solve simple applications that are similar to the problems solved during the course. Justification of solutions and the usage of mathematical concepts may still be somewhat vague.

Assessment criteria, good (3-4) (course unit)

In addition, student is able to apply statistics thinking when handling data from different kind of research methods. Student knows basic elements of decision making with different size of samples. He/she understands meaning of results of regression analysis. Student is able to solve the given exercises independently and helps other students in the group.

Assessment criteria, excellent (5) (course unit)

In addition, student has an overall understanding of course topics. He/she can solve more demanding engineering problems and has the ability to present and justify the chosen methods of solution. Statistical notations and concepts are used precisely. Student is motivated and committed to help the group to manage the course.

Exam schedules

Katso arviointimenetelmät

Evaluation methods and criteria

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.

Assessment scale

0-5

Teaching methods

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

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
- opetusvideot

Student workload

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

Further information

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.

Assessment criteria - fail (0) (Not in use, Look at the Assessment criteria above)

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

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 analyysin ja luottamusvälin käytön perusteet. 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 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.