Tilastollinen päättely II (MAT22003), kevät 2018 Petteri Piiroinen 14.1.2018
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).
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 :)
Esitiedot MAT22001 ja MAT22002 Todennäköisyyslaskenta IIa ja IIb (tai 57705 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.
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.
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.
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 23.5.2018, 13.7.2018 ja 8.8.2018. Jos et pääse kurssikokeeseen: Laskuharjoitushyvitys on ainakin kolmessa kurssin jälkeisessä erilliskokeessa.
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 4+2+4 = 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.
Opiskelun avuksi Apu on aina lähellä. Kurssin asioista voi keskustella anonyymisti kurssin Presemossa http://presemo.helsinki.fi/ppluento 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.
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.