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.

Location and time

Ajat (ja paikat) on kerrottu TuniMoodlessa ja lukujärjestyksissä.

Exam schedules

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.

Assessment methods and criteria

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

Assessment scale

0-5

Teaching methods

Lähiopetus, videot, kotitehtävät, välikokeet (2 kpl)

Learning materials

Opettajan tekemä oppimateriaali TuniMoodlessa.

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

Student workload

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

Content scheduling

Sisällön jaksotus löytyy TuniMoodlesta.

Completion alternatives

-

Practical training and working life cooperation

-

International connections

-

Further information

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".