UEF Statistics Teaching Bulletin, Fall 2017

Transkriptio

1 UEF Statistics Teaching Bulletin, Fall 2017 The minor subject of statistics offers methodological courses to all students of the university. In Fall 2017, we offer the following basic courses in Finnish: Tilastollinen ohjelmistokurssi, 2 op, Kuopio, kuvaus sivulla 2 Tilastotieteen johdantokurssi, 5 op, Kuopio, kuvaus sivulla 2 Kuvaileva tilastotiede ja aineiston hankinta, 2-4 op, Joensuu, kuvaus sivulla 3 Tilastolliset mallit ja testaus, 2-4 op, Joensuu, kuvaus sivulla 3 In Fall 2017, we offer the following basic course in English: Basic Statistic in English, 5 cr, Joensuu and Kuopio, description on page 4 For students with sufficient basic knowledge, we offer also intermediate and advanced courses which run every second year. These courses are suitable methodological Ph.D. studies in many fields. In fall 2017, we offer the following courses in Joensuu and Kuopio. Introduction to Statistical Inference 2, 4 cr, description on page 5 Tentative long term schedule of up coming courses can be found at We also provide statistical consultiong for PhD students and researchers of the university. For more details, see UEF statistics teaching bulletin, provides timely information on the available statistics courses to the students of UEF. The bulletin is published at the beginning of each semester and can be found from Yammer-group Statistics-Info or from http: // www. uef. fi/ web/ stat/ opetus 1

2 Tilastollinen ohjelmistokurssi, 2 op ( 2 op ) 20 t pienryhmäopetusta Ajoitus: 2. periodi ja 4. periodi Opettaja: Juho Kettunen juho.kettunen@uef.fi, Mika Hujo mika.hujo@uef.fi Sisältö: SPSS-ohjelmiston käyttöympäristö ja peruskäsitteet, havaintoaineiston muodostaminen, muokkaus sekä kuvailu tunnusluvuilla ja kuvioilla, muuttujamuunnokset, hypoteesin testaus (mm. odotusarvojen t-testit), regressio- ja varianssianalyysi. Esitietovaatimukset: Tilastotieteen johdantokurssi ja tilastotieteen peruskurssi tai vastaavat tiedot. Kurssin suorittaminen ei edellytä aiempaa kokemusta SPSS:n käytöstä Tilastotieteen johdantokurssi, 5 op ( 5 op) 34 t luentoja ja 14 t harjoituksia Ajoitus: 1. periodi. Opettaja: Juho Kettunen, juho.kettunen@uef.fi Sisältö: Kurssilla opiskelija oppii kuvailemaan havaintoaineiston tunnuslukujen ja kuvioiden avulla sekä tarkastelemaan kahden muuttujan välistä riippuvuutta ristiintaulukon ja hajontakuvion avulla. Kurssilla tutustutaan myös havaintoaineiston hankintaan liittyen erilaisiin tutkimusasetelmiin, tilastollisen koesuunnittelun periaatteisiin ja otantatutkimuksen perusmenetelmiin. Lisäksi kurssilla käsitellään todennäköisyyslaskennan perusteita ja todennäköisyysjakaumia sek tilastollisen testauksen peruteita. 2

3 Kuvaileva tilastotiede ja aineiston hankinta, 2-4 op ( 4 op) 24 t luentoja + 12 t harjoituksia+4 t tentti ( 2 op) 24 t luentoja + harjoitustehtäviä Ajoitus: 1. periodi Opettaja: Esko Valtonen, esko.valtonen@uef.fi Sisältö: Havaintoaineiston esittäminen kuvioilla ja tunnusluvuilla. Kahden muuttujan assosiaation tarkastelu ristiintaulukoinnilla ja sirontakuviolla. Yhden selittäjän regressiomalli. Tutkimusasetelmia, kokeellisen tutkimuksen periaatteita ja yksinkertainen satunnaisotanta Tilastolliset mallit ja testaus, 2-4 op ( 4 op) 24 t luentoja + 12 t harjoituksia+4 t tentti ( 2 op) 24 t luentoja + harjoitustehtäviä Ajoitus: 2. periodi Opettaja: Esko Valtonen, esko.valtonen@uef.fi Sisältö: Normaali- ja binomijakauma havaintojen mallina. Otantajakauma ja pättelymenetelmiä populaation keskiarvolle ja populaatio-osuudelle. Testausta yhden selittäjän lineaarisessa regressiomallissa. 3

4 Basic Statistic in English, 5 cr Teacher: Mika Hujo, in statistics, School of computing, mika.hujo@uef.fi Timing: 2nd period Teaching language: English Content: Basics of probability. Sampling distributions. Introduction to estimation and hypothesis testing. Inference on population mean and proportion. Analysis of two-way tables. Introduction to analysis of variance and regression. Prerequisites: Basics of descriptive statistics and sampling. Students without these knowledge should read e.g. the first part of the textbook Moore, McCabe and Craig (2012): Introduction to the practice of statistics, 7th edition.(part 1 Looking at data, chapters 1-3). 4

5 Introduction to Statistical Inference 2, 4 cr Teacher: Associate professor Lauri Meht atalo, lauri.mehtatalo@uef.fi Timing: 1st period (First lecture on ). timing and locations, see WebOodi. For complete information on Teaching language: English When studying a specific intermediate course/topic in statistics, such as regression analysis, linear mixed models, generalized linear models, spatial statistics, sampling, multivariate analysis, or Bayesian inference, student encounters some amount of theoretical knowledge that should have been mastered before. Courses statistical inference 1 and 2 are main theoretical courses of the statistics discipline, giving these basics in an easy way, but so that further studies are faciliated. Instead of focusing of proofs and mathematical details of the theory, we try to focus on understanding of them (e.g. through simulation) and emphasizing the meaning of the results in practice. The course is highly recommended for all students who are going to study statistics beyond the introductory level. Together with the first part (Introduction to statistical inference 1) it is a mandatory course for intermediate studies in statistics (tilastotieteen aineopinnot). The first part was lectured in spring 2017 and will be lectured again in spring The course starts with the basics of estimation theory: estimator and its properties and introduce methods to estimate the expected value, variance and covariance as well as the complete distribution of a random variable using observed data. We will cover the methods of least squares, moments, maximum likelihood and also discuss the Bayesian estimation methods. Then we move to the theory of statistical hypothesis testing and confidence intervals. In this context, we cover some distributions that practitioner will often face: the normal distribution, t-distribution, χ 2 -distribution, F -distribution and the links between those. We will also cover some fundamental theoretical results: the law of large numbers and central limit theorem (CLT) and discuss the practical implication of them. The recommended background knowledge includes the basics of probability calculus, matrix calculus and R-language (or some other corresponding tool such as MATLAB). This means that the student should have completed courses introduction to statistical inference 1 (or alternatively Probability and statistics and some course on matrix algebra) and R-course (see The course includes 32 hours of lectures and 12 hours of demonstrations, where the solutions of the weekly exercises are presented. Literature DeGroot-Schervish, Probability and Statistics, Casella-Berger, Statistical inference,