Tilastollinen päättely II (MAT22003), kevät 2018
|
|
- Väinö Kivelä
- 5 vuotta sitten
- Katselukertoja:
Transkriptio
1 Tilastollinen päättely II (MAT22003), kevät 2018 Petteri Piiroinen
2 Tilastollinen päättely II -kurssin asema opetuksessa Tilastotieteen pääaineopiskelijoille pakollinen aineopintojen kurssi. Pakollinen niille tilastotieteen sivuaineopiskelijoille, jotka suorittavat aineopinnot. Pakollinen kurssi vakuutus- ja finanssimatematiikan erikoistumislinjalla matematiikan koulutusohjelmassa (vanhan tutkintorakenteen mukaisesti).
3 Mitä on tilastollinen päättely? Koko tilastollisen analyysin perusta. Tilastollisen päättelyn menetelmien on tarkoitus auttaa soveltajaa tekemään päätelmiä reaalimaailman olosuhteista epäsuroein ja epävarmuutta sisältävien numeeristen havaintojen perusteella. Nykyään kaksi pääsuuntaa: frekventistinen/klassinen ja bayesiläinen (näistä lisää myöhemmin :)
4 Esitiedot MAT22001 ja MAT22002 Todennäköisyyslaskenta IIa ja IIb (tai Todennäköisyyslaskenta II). Lisäksi tarvitaan perusvalmiudet yhden ja useamman muuttujan differentiaali- ja integraalilaskennassa (nämä tulevat mukavasti Todennäköisyyslaskenta IIa/b:n mukana) Tilastotieteen ja tilastollisen päättelyn alkeiden (esim. MAT12004 (tai 57046) Tilastollinen päättely I) tuntemus on hyödyksi, mutta tämä kerrataan kyllä.
5 Oppimistavoitteita Lähestyt oppimistavoitteita (arvosana 1/5): Osaat laskea suuren osan sen uskottavuuspäättelyn ja parametriestimoinnin perustehtävistä, joita on käsitelty luennoilla ja harjoituksissa. Tunnet parametriseen päättelyyn liittyvät keskeisimmät määritelmät. Saavutat oppimistavoitteet (arvosana 5/5): Osaat laskea usealla erilaisella tavalla sellaisia (helpohkoja) laskuja, joissa joudut yhdistelemään erilaisia parametrisen päättelyn tietoja ja tekniikoita. Tunnet käsitteet ja osaat ne itse määritellä. Syvennät oppimistavoitteita (esim. muilla kursseilla): osaat todistaa lauseita; tutustut vähemmälle jätettyihin käsitteisiin ja aiheisiin ja pohdit, miksi ne jätettiin vähemmälle.
6 Kurssin rakenne Luentoja 4 h / viikko. Luennot perustuvat kurssimonisteeseen, jonka löydät kurssin kotisivulta. Muutamaan osaan lisään kurssimonisteesta puuttuvaa täydentävää materiaalia, mutta ne lisään kurssisivulle (puhtaaksikirjoitettuna). Lisäksi 2 h / viikko luentoja täydentävä sessio. Laskuharjoituksia 2 2 h / viikko. Alku- ja loppuviikon harjoituksissa on eri tehtävät. Mikään näistä ei ole pakollinen.
7 Kurssin rakenne II Suoritus yhdellä kurssikokeella (laskuharjoitushyvitys 0-10(??) pistettä, ja lunttilappu) tai erilliskokeella. Pyrin myös järjestämään korvaavan kurssikokeen huhtikuun tenttipäivälle. Kurssikokeen/kokeiden ajan täydennän pian Seuraavat erilliskokeet , ja Jos et pääse kurssikokeeseen: Laskuharjoitushyvitys on ainakin kolmessa kurssin jälkeisessä erilliskokeessa.
8 Mitä kurssi vaatii sinulta Varmista, että esitietosi ovat kunnossa! Jos nämä ovat hatarasti hallussa, varaudu siihen, että joudut käyttämään ylimääräistä työtä niiden kertaukseen kurssin aikana. Varsinkin Todennäköisyyslaskenta IIb-kurssin (Todennäköisyyslaskenta II -kurssin loppuosa) on hyvä palauttaa mieleen. Mutta elä huolestu, apu on aina lähellä! Joudut tekemään töitä! Opetusta on = 10 h viikossa käytä tämän kurssin opiskeluun 2 10 h = 20 h viikossa (karkea arvio). Laske ahkerasti harjoitustehtäviä. Lue kurssimonistetta, ja pyri ymmärtämään, kuinka teoriaa sovelletaan. Jos toimit näin, voit tulla kurssikokeisiin (tai erilliskokeeseen) jo kevyen kertauksen jälkeen.
9 Opiskelun avuksi Apu on aina lähellä. Kurssin asioista voi keskustella anonyymisti kurssin Presemossa minä (ja laskuharjoitusten pitäjät) vastailevat kysymyksiin (odotusarvoisesti muutaman tunnin viiveellä) ja antavat neuvoja. myös toiset opiskelijat usein vastailevat presemossa kysymyksiin eli aktiivisuus kannattaa! Kotisivua päivitän jatkuvasti ja lisään lisämateriaalia, esimerkkejä, liitutaulutekstejä ja muuta sinne. Seuraa siis kotisivua ja presemoa aktiivisesti.
10 Kurssin sisältö pääpiirteittäin Aloitamme parametrisen tilastollisen mallin käsite ja pääajatuksista Sitten esittelemme perehdymme uskottavuusfunktioon ja suurimman uskottavuuden estimointimenetelmään ja informaation käsitteisiin Seuraavaksi lisäämme kierroksia ja ryhdymme tarkastelemaan estimointiteoriaa ja sen käsitteitä ja menetelmiä Tämän jälkeen pohdimme hieman, milloin osan aineiston tiedosta voi unohtaa Mietimme kuinka koehypoteesien kanssa pelataan ja lopuksi arvioimme kuinka hyviä estimaattimme ovat.
Tilastollinen päättely II (MAT22003), kevät 2019
Tilastollinen päättely II (MAT22003), kevät 2019 Petteri Piiroinen 13.1.2019 Tilastollinen päättely II -kurssin asema opetuksessa Tilastotieteen pääaineopiskelijoille pakollinen aineopintojen kurssi. Pakollinen
LisätiedotTN-IIa (MAT22001), syksy 2017
TN-IIa (MAT22001), syksy 2017 Petteri Piiroinen 4.9.2017 Todennäköisyyslaskennan IIa -kurssin asema opetuksessa Tilastotieteen pääaineopiskelijoille pakollinen aineopintojen kurssi. Suositus: toisen vuoden
LisätiedotTN-IIa (MAT22001), syksy 2018
TN-IIa (MAT22001), syksy 2018 Petteri Piiroinen 4.9.2018 Todennäköisyyslaskennan IIa -kurssin asema opetuksessa Tilastotieteen opintosuunnassa pakollinen aineopintojen kurssi. Suositus: toisen vuoden syksyllä
LisätiedotYleistä tietoa kokeesta
Yleistä tietoa kokeesta Kurssikoe järjestetään maanantai 7.5. klo 12-15 jossakin Exactumin auditorioista. Korvaava kurssikoe keskiviikkona (yleisenä tenttipäivänä) 11.4. klo 16-19 jossakin Exactumin auditorioista.
LisätiedotKertausluento. Tilastollinen päättely II - 2. kurssikoe
Kertausluento Tilastollinen päättely II - 2. kurssikoe Yleistä tietoa TP II -2. kurssikokeesta 2. kurssikoe maanantaina 6.5.2019 klo 12.00-14.30 jossakin Exactumin auditoriossa Kurssikokeeseen ilmoittaudutaan
LisätiedotYleistä tietoa kokeesta
Yleistä tietoa kokeesta Kurssikoe on pe 27.10. klo 12.00-14.30 (jossakin auditorioista). Huomaa tasatunti! Seuraava erilliskoe on ke 1.11 klo 16-20, johon ilmoittaudutaan Oodissa (ilmoittautumisaika erilliskokeeseen
LisätiedotKertausluento. Tilastollinen päättely II - 1. kurssikoe
Kertausluento Tilastollinen päättely II - 1. kurssikoe Yleistä tietoa TP II -1. kurssikokeesta 1. Kurssikoe on to 7.3 klo 12.00-14.30 (jossakin Exactumin auditorioista, salijako selvinnee tuolloin torstiana).
LisätiedotTervetuloa! Matematiikka tutuksi
Tervetuloa! Matematiikka tutuksi Tavoitteet Yritetään vastata seuraaviin kysymyksiin: Mitä matematiikassa tutkitaan ja mihin sitä tarvitaan? Mitä tarkoitetaan todistuksella ja mitä hyötyä on käsitteiden
LisätiedotDigitalisoitu harjoitustehtävien ratkaisujen palautus sekä arviointi matematiikan ja tilastotieteen yliopisto-opinnoissa
Digitalisoitu harjoitustehtävien ratkaisujen palautus sekä arviointi matematiikan ja tilastotieteen yliopisto-opinnoissa Peda-forum -päivät, Vaasan yliopisto, 16. 17.8.2017 Joonas Nuutinen, Nea Rantanen
Lisätiedot031075P MATEMATIIKAN PERUSKURSSI II 5,0 op
031075P MATEMATIIKAN PERUSKURSSI II 5,0 op Kurssin jokaiseen kolmeen välikokeeseen on ilmoittauduttava erikseen WebOodissa (https://weboodi.oulu.fi/oodi/). Huom! Välikoeilmoittautuminen on PAKOLLINEN.
LisätiedotMatematiikka tai tilastotiede sivuaineena
Matematiikka tai tilastotiede sivuaineena Matematiikan sivuainekokonaisuudet Matematiikasta voi suorittaa 25, 60 ja 120 opintopisteen opintokokonaisuudet. Matematiikan 25 op:n opintokokonaisuus Pakolliset
Lisätiedot031075P MATEMATIIKAN PERUSKURSSI II 5,0 op
031075P MATEMATIIKAN PERUSKURSSI II 5,0 op Kurssin jokaiseen kolmeen välikokeeseen on ilmoittauduttava erikseen WebOodissa (https://weboodi.oulu.fi/oodi/). Huom! Välikoeilmoittautuminen on PAKOLLINEN.
LisätiedotMS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)
MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) Aalto-yliopisto 2016 Käytannön järjestelyt Luennot: Luennot ma 4.1. (sali E) ja ti 5.1 klo 10-12 (sali C) Luennot 11.1.-10.2. ke 10-12 ja ma 10-12
LisätiedotYleistä tietoa kokeesta
Yleistä tietoa kokeesta Kurssikoe on ma 18.12. klo 12.00-14.30 (jossakin auditorioista). Huomaa tasatunti! Seuraava erilliskoe on ke 10.1.2018 klo 10-14, johon ilmoittaudutaan Oodissa (ilmoittautumisaika
LisätiedotJohdatus tilastotieteeseen Estimointi. TKK (c) Ilkka Mellin (2005) 1
Johdatus tilastotieteeseen Estimointi TKK (c) Ilkka Mellin (2005) 1 Estimointi Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin ominaisuudet TKK (c) Ilkka Mellin (2005) 2 Estimointi:
LisätiedotMS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)
MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) Aalto-yliopisto 2017 Käytännön järjestelyt Luennot: Luennot maanantaisin (sali E) ja keskiviikkoisin (sali U4) klo 10-12 Luennoitsija: (lauri.viitasaari@aalto.fi)
LisätiedotMS-A0102 Differentiaali- ja integraalilaskenta 1
MS-A0102 Differentiaali- ja integraalilaskenta 1 Riikka Korte (Pekka Alestalon kalvojen pohjalta) Aalto-yliopisto 24.10.2016 Sisältö Käytännön asiat Jonot Sarjat 1.1 Opettajat luennoitsija Riikka Korte
Lisätiedot2. Uskottavuus ja informaatio
2. Uskottavuus ja informaatio Aluksi käsittelemme uskottavuus- ja log-uskottavuusfunktioita Seuraavaksi esittelemme suurimman uskottavuuden estimointimenetelmän Ensi viikolla perehdymme aiheeseen lisääkö
Lisätiedot213a. MS-A0503 Todennäköisyyslaskenna n ja tilastotieteen per; M (vkot 3-7)
Energia- ja ympäristötekniikan mallilukujärjestys kevät-2014 III periodi 1. vuoden opiskelijalle viikot 2-8 (2-7) Ma Ti Ke To Pe 8.00 MS-A0206 Differentiaalija integraalilaskenta 2; 213a MS-A0206 Differentiaalija
LisätiedotTietokoneen rakenne (2 ov / 4 op) Syksy 2006
Luento 0 581365 Tietokoneen rakenne (2 ov / 4 op) Syksy 2006 Teemu Kerola Helsingin yliopisto Tietojenkäsittelytieteen laitos Luento 0-1 Tietokoneen rakenne Asema opetuksessa u 1999 HajaTilin pakollinen,
LisätiedotOPETUSSUUNNITELMALOMAKE
OPETUSSUUNNITELMALOMAKE Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit siis dokumentoida
LisätiedotLuento 0: Kurssihallinto Tietokoneen rakenne (2 ov / 4 op) Syksy 2006
Luento 0 581365 Tietokoneen rakenne (2 ov / 4 op) Syksy 2006 Teemu Kerola Helsingin yliopisto Tietojenkäsittelytieteen laitos Luento 0-1 Tietokoneen rakenne Asema opetuksessa u 1999 HajaTilin pakollinen,
LisätiedotOPETUSSUUNNITELMALOMAKE
OPETUSSUUNNITELMALOMAKE Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit siis dokumentoida
LisätiedotTietokoneen rakenne (2 ov / 4 op) Syksy 2007 Liisa Marttinen. Helsingin yliopisto Tietojenkäsittelytieteen laitos
Luento 0 581365 Tietokoneen rakenne (2 ov / 4 op) Syksy 2007 Liisa Marttinen Helsingin yliopisto Tietojenkäsittelytieteen laitos Luento0-1 Tietokoneen rakenne Asema opetuksessa u 2005 HajaTilin valinnainen,
Lisätiedot031010P MATEMATIIKAN PERUSKURSSI I 5,0 op
031010P MATEMATIIKAN PERUSKURSSI I 5,0 op Kurssin jokaiseen kolmeen välikokeeseen on ilmoittauduttava WebOodissa (https://weboodi.oulu.fi/oodi/etusivu.html). Huom! Välikoeilmoittautuminen on PAKOLLINEN.
LisätiedotAalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi,
Aalto-yliopisto, Matematiikan ja systeemianalyysin laitos /Malmivuori MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi, kesä 2016 Laskuharjoitus 5, Kotitehtävien palautus laskuharjoitusten
LisätiedotOhjelmistojen mallintaminen, kesä 2010
582104 Ohjelmistojen mallintaminen, kesä 2010 1 Ohjelmistojen mallintaminen Software Modeling Perusopintojen pakollinen opintojakso, 4 op Esitietoina edellytetään oliokäsitteistön tuntemus Ohjelmoinnin
LisätiedotTärkeää huomioitavaa:
Siirtymäohjeistus tuotantotalouden kandidaattivaiheen opiskelijoille 2005 tutkintorakenteesta 2013 Teknistieteellisen kandidaattiohjelman tuotantotalouden pääaineeseen Tärkeää huomioitavaa: Pääsääntöisesti
LisätiedotTietokoneavusteinen arviointi kurssilla Diskreetin matematiikan perusteet. Helle Majander Aalto-yliopiston teknillinen korkeakoulu
Tietokoneavusteinen arviointi kurssilla Diskreetin matematiikan perusteet Helle Majander Aalto-yliopiston teknillinen korkeakoulu Oppimisen arviointi matematiikan kursseilla Arvioinnin tulisi olla luotettavaa
LisätiedotMatematiikka ja tilastotiede. Orientoivat opinnot /
Matematiikka ja tilastotiede Orientoivat opinnot / 27.8.2013 Tutkinnot Kaksi erillistä ja peräkkäistä tutkintoa: LuK + FM Laajuudet 180 op + 120 op = 300 op Ohjeellinen suoritusaika 3 v + 2 v = 5 v Tutkinnot
LisätiedotLuonnontieteellinen tiedekunta Sivuaineinfo. Katri Suorsa
Luonnontieteellinen tiedekunta Sivuaineinfo Katri Suorsa 6.9.2018 Monipuolinen luonnontieteellinen Tutkintoohjelmat Luonnontieteellinen tiedekunta: - Biologia - Maantiede - Matemaattiset ja fysikaaliset
LisätiedotOhjelmistojen mallintaminen, kesä 2009
582104 Ohjelmistojen mallintaminen, kesä 2009 1 Ohjelmistojen mallintaminen Software Modeling Perusopintojen pakollinen opintojakso, 4 op Esitietoina edellytetään oliokäsitteistön tuntemus Ohjelmoinnin
LisätiedotMatematiikan opintosuunta
Matematiikan opintosuunta Matematiikka: Mitä se on? Vastaus: (Oma vastaukseni:) Tyhjentävää vastausta on mahdotonta antaa. Matematiikka: Mitä se on? Vastaus: (Oma vastaukseni:) Tyhjentävää vastausta on
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät. Yleistä
Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2016 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto Yleistä Esitiedot: (kurssi
LisätiedotPalautekysely tilastollisen signaalinkäsittelyn kurssiin
Palautekysely tilastollisen signaalinkäsittelyn kurssiin Palautteeseen ei tarvitse laittaa nimeä. Kysymyksiä on molemmilla puolilla paperia 1. Muihin kursseihin verrattuna tämä kurssi oli mielestäni Vaikein
LisätiedotKurssiesite Lausekielinen ohjelmointi I Kesä Jorma Laurikkala Tietojenkäsittelytieteet Luonnontieteiden tiedekunta Tampereen yliopisto
Kurssiesite Lausekielinen ohjelmointi I Kesä 2018 Jorma Laurikkala Tietojenkäsittelytieteet Luonnontieteiden tiedekunta Tampereen yliopisto Vastuuopettaja Jorma Laurikkala, yliopistonlehtori. Kurssin materiaali
LisätiedotMS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op)
MS-C2103 Koesuunnittelu ja tilastolliset mallit (5 op) Aalto-yliopisto 2017 Todennäköisyyslaskennan kertaus Satunnaismuuttujat ja tn-jakaumat Tunnusluvut χ 2 -, F- ja t-jakauma Riippumattomuus Tilastotieteen
LisätiedotMatematiikan oppimisen uudet tuulet Metropolia Ammattikorkeakoulun talotekniikan koulutusohjelmassa
Matematiikan oppimisen uudet tuulet Metropolia Ammattikorkeakoulun talotekniikan koulutusohjelmassa Riikka Nurmiainen riikka.nurmiainen@metropolia.fi Arviointikokeiluja talotekniikan matematiikan opintojaksoilla
LisätiedotJuha Tervala Materiaali:
Juha Tervala 13.6.2017 Materiaali: http://blogs.helsinki.fi/jtervala/taloustieteen-kandiohjelma/ Iso pyörä on Helsingin yliopiston koulutusohjelmauudistus, jonka tavoitteena on aito kolmiportaisuus: ensin
LisätiedotMS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi
MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 4A Parametrien estimointi Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016, periodi
LisätiedotMarkkinoitten mallintaminen ja Internet-markkinat
Markkinoitten mallintaminen ja Internet-markkinat Kurssiohjeita: Lue ainakin kertaalleen huolella! Harjoitustyö ja harjoitukset Harjoitustyö palautetaan kahdessa osassa Moodleen. Ensimmäisen osan palautuspäivä
LisätiedotKohti ylioppilaskirjoituksia
Kohti ylioppilaskirjoituksia Hannu Lehto Lahden Lyseon lukio Aikataulu 1. Kurssikokeena preliminääri 8. 2. 2011 (jakson viimeinen päivä) Hannu Lehto 28. marraskuuta 2010 Lahden Lyseon lukio 2 / 4 Aikataulu
LisätiedotTärkeää huomioitavaa:
Siirtymäohjeistus tietotekniikan kandivaiheen opiskelijoille 2005 tutkintorakenteesta 2013 Teknistieteellisen kandidaattiohjelman tietotekniikan pääaineeseen Tärkeää huomioitavaa: Yli 7 vuotta vanhoilla
LisätiedotELEC-C7230 Tietoliikenteen siirtomenetelmät
A! Aalto University Comnet ELEC-C7230 Tietoliikenteen siirtomenetelmät Kurssisuunnitelma, kevät 2018 Olav Tirkkonen, Tietoliikenne- ja tietoverkkotekniikan laitos, Aalto-yliopisto A! Yleistä Esitiedot:
LisätiedotMS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely
MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2017 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotMS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely
MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotMallilukujärjestys Teknistieteellinen kandidaattiohjelma Tietotekniikka, 2. vuosikurssi
8.8.2016 Mallilukujärjestys 2016 2017 Yleisiä ohjeita Opinto-oppaat ja kurssikuvaukset Teknistieteellisen kandidaattiohjelman opinto-oppaat löytyvät osoitteesta http://studyguides.aalto.fi. Kurssien tarkemmat
LisätiedotMTTTP1 Tilastotieteen johdantokurssi Luento JOHDANTO
8.9.2016/1 MTTTP1 Tilastotieteen johdantokurssi Luento 8.9.2016 1 JOHDANTO Tilastotiede menetelmätiede, joka käsittelee - tietojen hankinnan suunnittelua otantamenetelmät, koejärjestelyt, kyselylomakkeet
LisätiedotAkateemiset taidot. Tapaaminen 11
Akateemiset taidot Tapaaminen 11 Kurssikokeet Muista ottaa mukaan kirjoitusvälineet ja opiskelijakortti tai henkilöllisyystodistus Koepaperiin tulee laittaa oma nimi, opiskelijanumero, kurssin nimi, päivämäärä
LisätiedotMS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely
MS-C2128 Ennustaminen ja Aikasarja-analyysi, 5 op Esittely Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Aikataulu ja suoritustapa (Katso MyCourses) Luennot
LisätiedotSarjat ja integraalit, kevät 2014
Sarjat ja integraalit, kevät 2014 Peter Hästö 12. maaliskuuta 2014 Matemaattisten tieteiden laitos Osaamistavoitteet Kurssin onnistuneen suorittamisen jälkeen opiskelija osaa erottaa jatkuvuuden ja tasaisen
Lisätiedot- Ilmoittaudu OODI:n kautta ainakin luentojen kohdalle, jotta olet mukana opintotoimiston listoilla.
Ohjeita Aikaisempaan versioon on tässä lisätty puuttuvat tiedot. - Ilmoittaudu OODI:n kautta ainakin luentojen kohdalle, jotta olet mukana opintotoimiston listoilla. - Kurssi etenee viikoittain niin, että
LisätiedotMATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M)
MATEMATIIKAN JA TILASTOTIETEEN LAITOS Analyysi I Harjoitus 7. 2. 2009 alkavalle viikolle Ratkaisuehdotuksia (7 sivua) (S.M) Luennoilla on nyt menossa vaihe, missä Hurri-Syrjäsen monistetta käyttäen tutustutaan
LisätiedotMATEMATIIKAN PERUSKURSSI b
MATEMATIIKAN PERUSKURSSI b Anna Kaasinen Itä-Suomen yliopisto Syksy 2016 Anna Kaasinen (Itä-Suomen yliopisto) MATEMATIIKAN PERUSKURSSI b Syksy 2016 0 / 9 MITÄ FLIPPED CLASSROOM ON? Flipped classroom eli
LisätiedotTalousmatematiikka (3 op)
Talousmatematiikka (3 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2011 Talousmatematiikka 2011 Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M231 Kurssin kotisivu
LisätiedotOhjelmistotekniikan menetelmät, kesä 2008
582101 - Ohjelmistotekniikan menetelmät, kesä 2008 1 Ohjelmistotekniikan menetelmät Methods for Software Engineering Perusopintojen pakollinen opintojakso, 4 op Esitietoina edellytetään oliokäsitteistön
LisätiedotAkateemiset taidot. Tapaaminen 13 Matematiikan kirjoittaminen
Akateemiset taidot Tapaaminen 13 Matematiikan kirjoittaminen Tutustu tekstiin ja pohdi itseksesi Mieti miten teksti on kirjoitettu. Missä kohdissa matemaattinen ilmaisu on hyvää ja missä kohdissa tekstiä
LisätiedotIlkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2006) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotELEC-C5210 Satunnaisprosessit tietoliikenteessä
ELEC-C5210 Satunnaisprosessit tietoliikenteessä Esa Ollila Aalto University, Department of Signal Processing and Acoustics, Finland esa.ollila@aalto.fi http://signal.hut.fi/~esollila/ Kevät 2017 E. Ollila
LisätiedotJyväskylän yliopisto 22.3.2013 Kemian laitos Kurssiarviot ja opetuksen kehittäminen lukuvuosi 2012-2013 Massaspektrometrian perusteet
Jyväskylän yliopisto 22.3.2013 Kemian laitos Kurssiarviot ja opetuksen kehittäminen lukuvuosi 2012-2013 Massaspektrometrian perusteet Kurssi ja koodi: Massaspektrometrian perusteet KEMS534 Kurssin ajankohta:
LisätiedotWebOodin opinto-opas ja ilmoittautuminen
Aloitus Homma alkaa osoitteesta www.helsinki.fi/weboodi. Jos et omista yliopiston atk-tunnuksia, voit hypätä kohdan 1. yli. Voit huoletta tutustua WebOodin saloihin ilman tunnuksiakin. WebOodin opinto-opas
LisätiedotEstimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?
TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman
Lisätiedot3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin
3 Yleistä estimointiteoriaa Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin 3.1 Johdanto Tähän mennessä olemme tarkastelleet estimointia
LisätiedotTN IIa ja TN IIb yleistä keskustelua
TN IIa ja TN IIb yleistä keskustelua 10:03» Hei. Aloitin uuden keskustelun tälle vuodelle ja uudelle kurssille. Tervetuloa! 06:43» Hei, onko kurssin materiaali vielä saatavilla? Ymmärsinkö oikein että
LisätiedotMenetelmiä jatkuvaan opiskeluun kannustamiseen ja oppimisen seurantaan
Menetelmiä jatkuvaan opiskeluun kannustamiseen ja oppimisen seurantaan Matemaattiset menetelmät, syksy 2012 Lassi Korhonen, Oulun yliopisto, Matematiikan jaos 4.12.2012 1 Lähtökohta, opiskelijan näkökulma
LisätiedotTilanne sekä MS-A0003/4* Matriisilaskenta 5 op
MATEMATIIKKA Mat-1.1210 Matematiikan peruskurssi S1 ei järjestetä enää MS-A0103/4* Differentiaali- ja integraalilaskenta I 5 op sekä MS-A0003/4* Matriisilaskenta 5 op Mat-1.1110 Matematiikan peruskurssi
LisätiedotHOPS Henkilökohtainen opintosuunnitelma LuK -tutkintoon
JYVÄSKYLÄN YLIOPISTO Matematiikan ja tilastotieteen laitos Tilastotiede HOPS - Tilastotiede HOPS Henkilökohtainen opintosuunnitelma LuK -tutkintoon Nimi: Syntymäaika: Ammatti ja urasuunnitelmat: Muuta:
LisätiedotFysikaaliset tieteet. Minkälaisia opintokokonaisuuksia saa fysiikasta? Miksi ja miten tehdä fysiikasta sivuaine?
Fysikaaliset tieteet Minkälaisia opintokokonaisuuksia saa fysiikasta? Miksi ja miten tehdä fysiikasta sivuaine? Oletko fysiikan opiskelija? Tässä olevia kokonaisuuksia ei tarjota sinulle aivan tälläisenään.
LisätiedotMATEMATIIKKA JA TILASTOTIEDE
MATEMATIIKKA JA TILASTOTIEDE Matematiikan ja tilastotieteen laitos PL 68 (Gustaf Hällströmin katu 2b) 00014 Helsingin yliopisto Puhelinnumero 1911 (vaihde), ohivalinta 191... Kotisivu: http://www.mathstat.helsinki.fi
LisätiedotOPETUSSUUNNITELMALOMAKE
OPETUSSUUNNITELMALOMAKE v0.90 Tällä lomakkeella dokumentoit opintojaksoasi koskevaa opetussuunnitelmatyötä. Lomake on suunniteltu niin, että se palvelisi myös Oodia varten tehtävää tiedonkeruuta. Voit
LisätiedotOhjelmistoprosessit ja ohjelmistojen laatu Ohjelmistoprosessit ja ohjelmistojen laatu (4op)
581361 Ohjelmistoprosessit ja ohjelmistojen laatu (4op) Ohjelmistojärjestelmien syventävien opintojen kurssi Myös ohjelmistotekniikan profiilin pakollinen kurssi eli ohjelmistotekniikka-aiheisen gradun
LisätiedotOppimisprosessissa opiskelijoiden tukena analytiikan opiskelua yhdessä tehden
Oppimisprosessissa opiskelijoiden tukena analytiikan opiskelua yhdessä tehden Katariina Vuorensola Luento-opetuksen tulevaisuus Oppimisseikkailu 2017 Analytiikan kurssi Analytiikan perusteet, 4 op Maisterivaiheen
LisätiedotOpinto-info 1/2: kurssit ja tutkinto
Opinto-info 1/2: kurssit ja tutkinto Sini Ruohomaa TKO-älyn fuksi- ja tuutorivastaava sini.ruohomaa@cs.helsinki.fi Esitys webissä: http://www.cs.helsinki.fi/u/ruohomaa/fuksit/opintoinfo/ Sisältö Alkuvalmisteluja
LisätiedotT DATASTA TIETOON
TKK / Informaatiotekniikan laboratorio Syyslukukausi, periodi II, 2007 Erkki Oja, professori, ja Heikki Mannila, akatemiaprofessori: T-61.2010 DATASTA TIETOON TKK, Informaatiotekniikan laboratorio 1 JOHDANTO:
LisätiedotKäyttöliittymän suunnittelu tilastotieteen verkko-opetukseen. Jouni Nevalainen
Käyttöliittymän suunnittelu tilastotieteen verkko-opetukseen Jouni Nevalainen Esityksen sisällysluettelo Työn tausta Ongelman asettelu Käsitteitä ja määritelmiä Käytetyt menetelmät Tulokset Johtopäätökset
LisätiedotPHYS-A0120 Termodynamiikka (TFM) Maanantai
PHYS-A0120 Termodynamiikka (TFM) Maanantai 26.10.2015 Käytännönjärjestelyt Kurssin alkuosan henkilökunnasta Kurssi jakautuu kahteen osaan: ensimmäistä 3 viikkoa luennoi TkT Kati Miettunen ja jälkimmäistä
LisätiedotKannustusta jatkuvaan oppimiseen Optima-ympäristön avulla. Saana-Maija Huttula OpinTori Oulun yliopisto 2015
Kannustusta jatkuvaan oppimiseen Optima-ympäristön avulla Saana-Maija Huttula OpinTori Oulun yliopisto 2015 1 Taustaa Atomifysiikka 1 on ainetason kurssi, sijoittuu 2. opiskeluvuoden syksylle Pakollinen
LisätiedotMatematiikka ja tilastotiede
Matematiikka ja tilastotiede Turun yliopistossa Lauri Heinonen lakahei@utu.fi 21.12 Laitilan lukiolla Minä Kirjoitin keväällä 2015 Laitilan lukiosta Matematiikan ja tilastotieteen koulutusohjelma Luen
LisätiedotMatematiikka ja tilastotiede. Orientoivat opinnot / 25.8.2015
Matematiikka ja tilastotiede Orientoivat opinnot / 25.8.2015 Tutkinnot Kaksi erillistä ja peräkkäistä tutkintoa: LuK + FM Laajuudet 180 op + 120 op = 300 op Ohjeellinen suoritusaika 3 v + 2 v = 5 v Tutkinnot
LisätiedotMuutoksen arviointi differentiaalin avulla
Muutoksen arviointi differentiaalin avulla y y = f (x) y = f (x + x) f (x) dy y dy = f (x) x x x x x + x Luento 7 1 of 15 Matematiikan ja tilastotieteen laitos Turun yliopisto Muutoksen arviointi differentiaalin
LisätiedotLataa Vektorianalyysi - Olli Martio. Lataa
Lataa Vektorianalyysi - Olli Martio Lataa Kirjailija: Olli Martio ISBN: 9789517452182 Sivumäärä: 182 Formaatti: PDF Tiedoston koko: 28.76 Mb Kirja käsittelee usean muuttujan differentiaali- ja integraalilaskentaa.
LisätiedotOsa 2: Otokset, otosjakaumat ja estimointi
Ilkka Mellin Tilastolliset menetelmät Osa 2: Otokset, otosjakaumat ja estimointi Estimointi TKK (c) Ilkka Mellin (2007) 1 Estimointi >> Todennäköisyysjakaumien parametrit ja niiden estimointi Hyvän estimaattorin
LisätiedotMATEMATIIKKA JA TILASTOTIEDE
mat.luon. sivut 05 28.6.2005 13:03 Sivu 47 MATEMATIIKKA JA TILASTOTIEDE Matematiikan ja tilastotieteen laitos PL 68 (Gustaf Hällströmin katu 2b) 00014 Helsingin yliopisto Puhelinnumero 1911 (vaihde), ohivalinta
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento , osa 1. 1 Kokonaisuudet johon opintojakso kuuluu
5.3.2018/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 5.3.2018, osa 1 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2017
LisätiedotOPS-MUUTOSINFO
1 OPS-MUUTOSINFO 3.9.201 Matemaattisten tieteiden tutkinto-ohjelma MUUTOKSEN TAUSTALLA 2 Oulun yliopiston strategia- ja rakennemuutokset Oulun yliopiston opetussuunnitelmatyön periaatteet o Opintojaksojen
LisätiedotFlippausta 3 korkeakoulun opiskelijoille
Pedaforum 2018 16.8.2018 Erkki Pesonen, yliopistonlehtori, Erkko Sointu tutkijatohtori Flippausta 3 korkeakoulun opiskelijoille UEF // University of Eastern Finland What is coming? Opintojakson sisältö
LisätiedotTentissä ratkaistaan neljä ohjelmointitehtävää Javalla. Tentti kestää kolme tuntia. Tehdään sähköisesti mikroluokkien Windows-koneilla.
Tentissä ratkaistaan neljä ohjelmointitehtävää Javalla. kestää kolme tuntia. Tule paikalle viimeistään noin 15 minuuttia ennen tentin alkua, koska tentti pyritään aloittamaan tasalta. Poistua voi aikaisintaan,
Lisätiedot4.2 Useampi selittävä muuttuja (kertausta)
14.2.2019/1 MTTTA1 Tilastomenetelmien perusteet Luento 14.2.2019 4.2 Useampi selittävä muuttuja (kertausta) Selittäjien lukumäärä k (k-ra) = + + + + Malliin liittyvät oletukset i ~ N(0, 2 ) ja i:t ovat
LisätiedotMTTTA1 Tilastomenetelmien perusteet 5 op Luento Kokonaisuudet johon opintojakso kuuluu
10.1.2019/1 MTTTA1 Tilastomenetelmien perusteet 5 op Luento 10.1.2019 1 Kokonaisuudet johon opintojakso kuuluu https://www10.uta.fi/opas/opintojakso.htm?rid=14600 &idx=1&uilang=fi&lang=fi&lvv=2018 10.1.2019/2
Lisätiedot811393A JOHDATUS TUTKIMUSTYÖHÖN
811393A JOHDATUS TUTKIMUSTYÖHÖN Harjoitus 1: Tutkimussuunnitelma 19.9.2017 Mari Karjalainen 1 Yleistä kurssin suorittamisesta Tutkimusaiheen päätät itse, voit laajentaa JTT-tutkielman pohjalta kandityön
LisätiedotJohdanto kurssille. Vastuuopettaja: Ilona Mikkonen, Yliopiston lehtori. Tapaaminen sopimuksen mukaan;
Markkinoinnin perusteet 23A00110 Johdanto kurssille Ilona Mikkonen, KTT Aalto yliopiston kauppakorkeakoulu Markkinoinnin laitos Henkilökunta Vastuuopettaja: Ilona Mikkonen, Yliopiston lehtori Tapaaminen
LisätiedotSAS-ohjelmiston perusteet 2010
SAS-ohjelmiston perusteet 2010 Luentorunko/päiväkirja Ari Virtanen 11.1.10 päivitetään luentojen edetessä Ilmoitusasioita Opintojakso suoritustapana on aktiivinen osallistuminen harjoituksiin ja harjoitustehtävien
LisätiedotTärkeää huomioitavaa:
Siirtymäohjeistus TFM:n kandivaiheen iskelijoille 2005 tutkintorakenteesta 2013 Teknistieteellisen kandidaattiohjelman teknillisen fysiikan tai matematiikan ja systeemitieteiden pääaineisiin Tärkeää huomioitavaa:
LisätiedotKEVÄÄN 2016 ABIKURSSEJA
Lapuan kristillinen opisto, Lapuan keskustassa Siiriläntie 11-13, 62100 Lapuan kr opisto (06) 4339 200, opisto@lapuankro.fi www.lapuankro.fi Käytä lukulomasi tehokkaasti! Osallistu opistomme edullisille
LisätiedotTässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:
4. Tyhjentyvyys Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä: Voidaanko päätelmät perustaa johonkin tunnuslukuun t = t(y) koko aineiston y sijasta? Mitä
LisätiedotPelaisitko seuraavaa peliä?
Lisätehtävä 1 seuraavassa on esitetty eräs peli, joka voidaan mallintaa paramterisena tilastollisena mallina tehtävänä on selvittää, kuinka peli toimii ja näyttää mallin takana oleva apulause (Tehtävä
Lisätiedot1. Tilastollinen malli??
1. Tilastollinen malli?? https://fi.wikipedia.org/wiki/tilastollinen_malli https://en.wikipedia.org/wiki/statistical_model http://projecteuclid.org/euclid.aos/1035844977 Tilastollinen malli?? Numeerinen
LisätiedotOpetuksen suunnittelu tehtävä, Mikrotalousteorian kurssi
Opetuksen suunnittelu tehtävä, Mikrotalousteorian kurssi Yleistä kurssista Pidin mikrotalousteorian kurssin syksyllä 2009. Kyseessä on aineopintojen kurssi, joka on keskeisessä asemassa kansantaloustieteen
LisätiedotMS-C1340 Lineaarialgebra ja differentiaaliyhtälöt
MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Syksy 2015 Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 27.10.2015 1 / 8 Kangaslampi Lineaarialgebra ja differentiaaliyhtälöt
LisätiedotNBE-C2102 Sähkömagneettisen kenttäteorian perusteet. Kurssiesittely 2017 Matti Stenroos
NBE-C2102 Sähkömagneettisen kenttäteorian perusteet Kurssiesittely 2017 Matti Stenroos Oppimistavoitteet Kurssin käytyään opiskelija osaa Luetella kokeelliset sähkö- ja magnetismiopin lait Selostaa sähkö-
Lisätiedot