TILA142 Tilastollinen päättely 2 (5 op)

Avaa opintojakson esite Sisussa
Opinnon taso:
Aineopinnot
Arviointiasteikko:
0-5
Suorituskieli:
suomi
Vastuuorganisaatio:
Matematiikan ja tilastotieteen laitos
Opetussuunnitelmakaudet:
2020-2021, 2021-2022, 2022-2023

Kuvaus

Kurssi syventää kurssilla Tilastollinen päättely 1 opittuja asioita. Uskottavuuspäättelyä käytetään aiempaa monimutkaisemmissa tilanteissa. Kurssi luo pohjan tilastotieteen syventäville opinnoille.  Kurssin pääkohdat ovat : 1. Uskottavuusfunktion rakentaminen; 2. Luottamusvälien määrittäminen ja suurten otosten teoriaa; 3. Hypoteesintestaus ja päätöksenteko;  4. Empiirisiä menetelmiä (simulointi, bootstrap, Jackknife).

Osaamistavoitteet

Kurssin käytyään opiskelija pystyy soveltamaan uskottavuuspäättelyä kompleksisille aineistoille. Opiskelija osaa muodostaa estimaattorin luottamusvälin käyttäen suurten otosten teoriaa, simulointia ja  datalähtöisiä empiirisiä menetelmiä (bootstrap ja jackknife). Opiskelija osaa soveltaa näitä lähestymistapoja käytännön data-analyysissa.  Opiskelija osaa käyttää simulointia estimaattorien ominaisuuksien tutkimiseen. Edelleen opiskelija tuntee testien konstruktioperiaatteita ja ymmärtää, milloin tilastolliset testit ovat hyödyllisiä päättelyn työkaluja. Kurssin käynyt oppii myös, miten tilastollinen päättely liittyy päätöksentekoteoriaan.

Esitietojen kuvaus

Data ja mittaaminen sekä Datasta malliksi tai vastaavat opinnot, perustiedot usean muuttujan derivoinnista ja integroinnista (matematiikan perusopinnot), Todennäköisyyslaskenta 1 ja 2 tai vastaavat tiedot, R-kurssi sekä Tilastollinen päättely 1 -kurssi.

Oppimateriaalit

Penttinen, A. (2014): Tilastollinen päättely 2. Luentomoniste/handout, Jyväskylän yliopisto.

Penttinen, A. (2014): Tilastollinen päättely 1. Luentomoniste/handout, Jyväskylän yliopisto.

Kirjallisuus

  • Davison, D. (2003). Statistical models. Cambridge University Press. (e-kirja kirjastossa); ISBN: 978-0-521-73449-3
  • Hastie, T. Tibshirani, R., Friedman, J. H. (2009). The elements of statistical learning : data mining, inference, and prediction, Springer cop. 2009. 2nd ed. (http://statweb.stanford.edu/~tibs/ElemStatLearn/); ISBN: 978-0-387-84857-0
  • Efron, B., Tibshirani, R.J. (1993): An introduction to the bootstrap. Chapman & Hall/CRC.; ISBN: 0-412-04231-2
  • http://statweb.stanford.edu/~tibs/ElemStatLearn/
  • Casella, G., Berger, R.L. (202): Statistical inference, 2nd ed., Duxbury, International student edition.; ISBN: 978053423128
  • Kalbflesch, J.G. (1985): Probability an statistical inference. Volume 2: Statistical inference, 2nd ed., Springer.; ISBN: 0-397-96183-6
  • Cox, D.R., Hinkley, D.V. (1974). Theoretical Statistics. Chapman & Hall.; ISBN: 0-412-16160-5

Suoritustavat

Tapa 1

Arviointiperusteet:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen.
Opetusajankohta:
Periodi 3
Valitaan kaikki merkityt osat

Tapa 2

Arviointiperusteet:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen.
Valitaan kaikki merkityt osat
Suoritustapojen osat
x

Osallistuminen opetukseen (5 op)

Tyyppi:
Osallistuminen opetukseen
Arviointiasteikko:
0-5
Arviointiperusteet:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen. Opetusohjelmassa on tarkemmat arviointiperusteet.
Suorituskieli:
suomi
Työskentelytavat:

Harjoitukset, harjoitustyö ja kurssitentti tai kurssin lopputentti.
Suoritustavat ovat tarkemmin opetusohjelmasssa.

Opetus

x

Tentti (5 op)

Tyyppi:
Tentti
Arviointiasteikko:
0-5
Arviointiperusteet:
Kurssin lopputentissä hyväksyttyyn suoritukseen vaaditaan yleensä vähintään puolet tentin maksimipisteistä. Opetusohjelmassa on tarkemmat arviointiperusteet.
Suorituskieli:
suomi
Työskentelytavat:

Kurssin lopputentti.
Suoritustavat ovat tarkemmin opetusohjelmassa.

Opetus