3622351 Tilastollinen data-analyysi, 6 op
Tunniste |
3622351 |
Voimassaolo |
01.01.1950 -
|
Nimi |
Tilastollinen data-analyysi |
Lyhenne |
TDA |
Laajuus | 6 op |
Vanhenemisaika |
|
Tyyppi | Aineopinnot |
Oppiaine | 0390 Tilastotiede |
Laji | Opintojakso |
Tuntimäärä |
|
Opinto-oikeus |
|
Arvostelu | 0-5 |
Suositeltu suoritusaika | |
| |
|
|
| |
Vastuuyksikkö |
Tietojenkäsittelytiede (J,K) |
|
Kuvaus:
Osaamistavoitteet |
Opiskelija hallitsee lineaarisen mallin ja sen tärkeimpien yleistysten perusteet sekä osaa toteuttaa ne R-ohjelmalla |
Sisältö |
Yhden selittäjän lineaarinen regressio ja usean selittäjän lineaarinen regressio matriisilaskennan merkinnöin, kun jäännökset ovat riippumattomia ja niillä on vakiovarianssi. Luokitteluasteikollisten ja jatkuvien selittävien käyttö mallissa ja parametrien tulkinta. Muunnosten käyttö. Pienimmän neliösumman (PNS) estimointi ja PNS estimaattorien ominaisuudet. Hypoteesien testaus, mallin diagnostiikka ja ennustaminen. t-testit, varianssianalyysi ja kovarianssianalyysi regressiomallin erikoistapauksina. Lineaarisen mallin muotoilu kun vakiovarianssi- ja riippumattomuusoletukset eivät toteudu (ns. yleinen lineaarinen malli). Yleistetty pienemmän neliösumman menetelmä (GLS), suurimman uskottavuuden menetelmä (ML) ja rajoitettu suurimman uskottavuuden menetelmä (REML). Katsaus yleistettyihin lineaarisiin malleihin (GLM, esim. binäärinen logistinen regressio). |
Suoritustavat |
Luennot (36 h), harjoitukset (18 h), välikokeet (2+2h), omatoiminen opiskelu ja harjoitustehtävien tekeminen (104 h). Kurssi voidaan suorittaa vaihtoehtoisesti tenttimällä kurssimateriaali yleisenä tenttipäivänä. |
Toteutustavat |
Viikoittain on neljä tuntia luentoja sekä 2 tuntia harjoituksia 9 viikon ajan. Opiskelijan tulisi varata kontaktiopetuksen lisäksi n. 8 h/viikko aikaa omatoimiseen opiskeluun ja harjoitustehtävien tekemiseen |
Oppimateriaalit |
Fahrmeir, L., Kneib, T., Lang, S. and Marx, Brian 2013. Regression models, methods and applications. Springer. Luvut 3-5. |
Arvosteluperusteet |
Arvosana 0-5. Arvosana perustuu tenttiin (joko 2 välikoetta tai loppukoe). Harjoituksilla voi korottaa arvosanaa. |
Edellytykset |
Tilastotieteen peruskurssi, R- kieli. Vahvasti suositellaan myös kursseja Data-analyysin todennäköisyyspäättely 1 ja 2. Matriisilaskennasta järjestetään tarvittaessa erillisiä ohjaustilaisuuksia., |
Ajankohta |
Syyslukukausi. |
Tarjontatieto |
Opintojakso on avoin kaikille. Osanottajamäärää ei ole rajoitettu. Soveltuu jatko-opiskelijoille, jotka käyttävät tilastomenetelmiä tutkimuksessaan. |
Lisätietoja |
Opetuksen kieli: Suomi ja englanti. Luennot suomeksi. Harjoitustilaisuudet tarvittaessa englanniksi. Materiaali englanninkielistä. Luennoista on katsottavissa englanninkieliset videotallenteet edellisvuodelta |
|
Kirjainlyhenne opetustapahtuman nimen edessä tarkoittaa kampusta, jolla opetus tai tentti järjestetään: J = Joensuu, K = Kuopio.
Meneillä oleva ja tuleva opetus
Tulevat tentit
Ei yleisiä tenttejä WebOodissa |