Child pages
  • Tilastotieteen kurssien sisältökuvaukset
Skip to end of metadata
Go to start of metadata

TILASTOTIETEEN KURSSIEN SISÄLTÖKUVAUKSET

Pakolliset (P) kurssit

  • Tässä ovat myös ne kurssit, jotka ovat pakollisia vain toisen tiedekunnan tutkintovaatimuksissa, tai vain tietyllä erikoistumislinjalla.

Tutkintovaatimuksiin (pääaineopiskelijat)

Tutkintovaatimuksiin (sivuaineopiskelijat)


Perusopinnot

57046 Tilastollinen päättely I, 5 op (P)  (vanha nimi: Johdatus tilastolliseen päättelyyn)
Tavoitteena kurssilla on tutustua tilastollisen päättelyn peruskäsitteisiin sekä niiden tulkintoihin. Esitietoina edellytetään kurssin 57046 Todennäköisyyslaskenta I tiedot. Aihetta lähestytään sekä frekventistisen päättelyn että bayesiläisen päättelyn näkökulmasta. Havaintojen mallintaminen, todennäköisyysmalli, binomikoe, estimointiteoriaa, parametri ja tunnusluku, estimaatti, estimaattori, otantajakauma ja sen ominaisuuksia, tarkentuvuus, suurimman uskottavuuden menetelmä ja momenttimenetelmä, luottamusvälit ja luottamusjoukot, saranasuure, tilastollinen testaus, kahden populaation vertaaminen, yhteensopivuuden ja riippumattomuuden testaaminen ja lineaarinen regressio. Kurssin lopussa tutustutaan Bayes-päättelyn alkeisiin: priorin ja posteriorin tulkitseminen epävarmuuden kuvauksina, liittojakauma eli konjugaattijakauma, posteriorijakauman yhteenvetoja, bayesläisen päättelyn laskentamenetelmiä. Luennot perustuvat luentomonisteeseen (P Koistinen, Johdatus tilastolliseen päättelyyn, 2013) jossa on annettu myös taustakirjallisuutta.

57045 Todennäköisyyslaskenta I, 5 op (P) (vanha nimi: Johdatus todennäköisyyslaskentaan)
Kurssi antaa perustiedot todennäköisyyslaskennasta, pääasiassa tapahtumien ja yksiulotteisten jakaumien näkökulmasta. Esitietoina edellytetään perustiedot integraalilaskennasta. Myös kurssista 57033 Johdatus yliopistomatematiikkaan on apua. Keskeistä sisältöä ovat: todennäköisyyden käsite ja tulkinnat (symmetrinen, frekventistinen ja subjektiivinen). Todennäköisyyden aksiomaattinen käsittely ja peruslaskutoimitukset. Kombinatoriikka, tuloperiaate, otanta takaisinpanolla ja ilman. Ehdollinen todennäköisyys, riippumattomuus ja toistokoe; Bayesin kaava ja sen yksinkertaiset sovellukset. Yksiulotteisen satunnaismuuttujan käsite ja siihen liittyvät pistetodennäköisyysfunktio (diskreetti) tai tiheysfunktio (jatkuva satunnaismuuttuja). Eräitä tutuimpia jakaumia (binomi-, geometrinen, eksponentti-, ja normaalijakauma) ja tunnuslukuja (odotusarvo, mediaani ja varianssi). Lyhyt katsaus suurten lukujen lakiin ja keskeiseen raja-arvolauseeseen. Kurssilla tutustutaan myös jakaumien kokeelliseen tarkasteluun tietokoneen avulla. Kurssi perustuu luennoitsijan luentomateriaaliin, taustalukemistona P. Tuomisen kirja Todennäköisyyslaskenta.

57703 Tilastollinen päättely R-ohjelmistolla, 5 op (P, LuK perusopinnot, VTK aineopinnot) (vanha nimi: Data-analyysi R-ohjelmistolla)
Kurssilla perehdytään data-analyysin perusteisiin käyttäen avoimen lähdekoodin R-ohjelmistoa (http://www.r-project.org), joka on maailmanlaajuisesti merkittävä data-analyysin ja tilastollisen mallinnuksen työkalu. R on sekä matemaattisiin sovelluksiin suunnattu ohjelmointikieli että laajennettavissa oleva laskentaympäristö, jonka käyttöä erityissovelluksissa tukee suuri määrä näitä varten luotuja ohjelmakirjastoja. Kurssilla tarkastellaan erilaisia havaintoaineistoja sekä graafisesti että tilastollisten menetelmien avulla. Kurssi on tarkoitettu suoritettavaksi saman periodin kuluessa kuin Johdatus tilastolliseen päättelyyn. Valtiotieteellisen tiedekunnan tilastotieteen tutkinnossa tämä kurssi on pakollinen pääaineen opinnoissa, mutta on tarkoitettu suoritettavaksi jo ensimmäisen lukuvuoden aikana Johdatus tilastollisen päättelyyn kurssin rinnalla, kuten matemaattis-luonnontieteellisessä tiedekunnassakin.

57773 Tilastotiede tutuksi, 5-10 op (LuK: suositeltava, ja seuraavissa tutkintovaatimuksissa pakollinen perusopintokokonaisuuden kurssi)
Kurssi on ensimmäistä kertaa opetusohjelmassa syksyllä 2015. Sisältö: Luentoja, esseetehtäviä, Moodle-keskustelualustuksia kirjallisuuden perusteella, tentti, laskuharjoituksia. Osa kurssista on verkkokurssityöskentelyä, joka ei edellytä läsnäoloa. Kurssi koostuu kahdesta 5 op:n modulista, jotka ovat toisistaan riippumattomia, ja joista on mahdollista valita yksilölliseen opinto-ohjelmaan vain toinen. Molemmat modulit ajoittuvat  I ja II opetusperiodeihin.
Yksi 5 op moduli: Luennot, joista oppimispäiväkirja (90% luennoista on 3 op, 60% luennoista on 2 op, 30% luennoista on 1 op). Lisäksi esseetehtäviä, tenttimistä, keskustelualustuksia siten että opintopisteiden kokonaismääräksi tulee  5 op.  Opintopisteiden kerääminen on mahdollista räätälöidä yksilöllisesti, eli esimerkiksi vain esseetehtäviä. Materiaali annetaan kurssin alussa.Toinen 5 op moduli: Tilastotieteen peruskäsitteet viikottaisissa laskuharjoituksissa. Ohjattua työskentelyä ja verkkotyöskentelyä  Moodle-oppimisympäristössä.  Tilastotieteen sovellusalueet kattavat lähes kaikki tieteenalat  ja jokapäiväisen elämämme hahmottamisen, ilmiöiden kvantifioinnin ja päätelmien epävarmuuden dokumentoinnin. Kurssilla luodaan yleiskatsaus tähän laajaan kokonaisuuteen luentojen, esseiden, kirjallisuuden ja laskuharjoitusten avulla. Kurssin luento-osiossa on  tilastotieteilijöitä yliopiston muiltakin kampuksilta (Politiikan ja talouden tutkimuksen laitos, Suomen molekyylilääketieteen instituutti FIMM, Ympäristötieteiden laitos, Maataloustieteiden laitos), Terveyden ja hyvinnoinnin laitokselta (THL), Suomen Syöpärekisteristä, Luonnonvarakeskuksesta (Luke), Elintarviketurvallisuusvirastosta (Evira).  

Lukuvuoden 2016-2017 opetusohjelmassa kurssi Tilastotiede tutuksi koostuu kahdesta kurssista: 57773 Tilastotiede tutuksi ja R-ohjelmisto, 5 op, 57775 Tilastotiede tutuksi II, 5 op.

78211 Data-analyysi SAS-ohjelmistolla, 5 op (P, VTK)
Kurssilla perehdytään data-analyysiin SAS-ohjelmiston työkaluilla. Aiheita ovat mm. SAS-ohjelmointi (data-kieli, makrokieli, matriisialgebran kieli), keskeiset kuvailevat ja analyysiproseduurit, ohjelmiston käyttöliittymät (ml. SAS/EG), grafiikkaominaisuudet ja SAS- ja R-yhteiskäyttö. Esimerkkiaineistona on ESS-aineisto (European Social Survey). Kurssi opetetaan atk-luokassa ja suoritetaan harjoitustyöllä.

78210 Data-analyysi Survo- ja SPSS-ohjelmistoilla, 5 op (P, VTK)
Kurssilla opiskelija perehtyy yhteiskuntatieteissä tyypillisten kyselytutkimusaineistojen data-analyysiin: aineiston muokkaukseen, visualisointiin ja analysointiin sekä oman työn dokumentointiin ja tiiviiseen raportointiin. Näissä tehtävissä opiskelija oppii käyttämään avoimen lähdekoodin Survo-ohjelmistoa (Survo R, www.survo.fi) ja SPSS-ohjelmistoa (IBM SPSS, www.spss.com). Kurssin suoritus perustuu viikoittain laadittavien työraporttien itse- ja vertaisarviointeihin. Huom! Kurssilla oletetaan tunnetuksi (sivuaineopiskelijoille suunnatun) kurssin Johdatus yhteiskuntatilastotieteeseen (osat 1 ja 2) sisältö

7329330 Tilastojen yhteiskunta (P, VTK)
Kurssi perehdyttää osanottajat tilastojen käyttöön, tilastoinnin käytäntöihin ja tilastolaitosten rooliin tämän päivän kansainvälisessä yhteiskunnassa. Se ei edellytä tilastotieteen taitoja eikä sisällä laskuharjoituksia. Kurssilla opitaan tilastojen lukutaitoa laajassa merkityksessä. Sitä kutsutaan tilastojen lukemisen taidoksi.

Aineopinnot

57705 Todennäköisyyslaskenta II, 10 op (P)  (Vanha nimi: Todennäköisyyslaskenta)
Esitietona edellytetään perustietoja todennäköisyyslaskennasta (esim. 57045 Johdatus todennäköisyyslaskentaan). Käsitteet ja tekniikat, joita jokainen tilastotieteilijä tai muu todennäköisyyslaskennan soveltaja tarvitsee. Tavoitteena on oppia laskemaan käsitteiden avulla, Keskeistä sisältöä: todennäköisyys ja ehdollinen todennäköisyys sekä näiden perusuominaisuudet, satunnaismuuttuja sekä sen jakauma, satunnaismuuttujan ja sen muunnoksen odotusarvo, yksiulotteisten jakaumien kvantiilit sekä niiden tavanomaiset tunnusluvut. Sovelluksissa usein esiintyvät yksiulotteiset jakaumat, diskreetin jakauman käsittely pistetodennäköisyysfunktion avulla (sekä yksi- että moniulotteisissa tapauksissa), jatkuvan jakauman käsittely tiheysfunktion avulla (sekä yksi- että moniulotteisissa tapauksissa). muuttujanvaihtokaava tiheysfunktiolle (sekä yksi- että moniulotteisessä tapauksessa), moniulotteisen jakauman odotusarvo sekä kovarianssimatriisi, ehdollinen jakauma sekä ehdollinen odotusarvo, kaksiulotteisen jakauman hierarkkinen määrittely reunajakauman sekä ehdollisen jakauman avulla, moniulotteinen normaalijakauma, suurten lukujen laki, keskeinen raja-arvolause sekä eräät näihin tuloksiin perustuvat approksimaatiot. Luennot perustuvat luentomonisteeseen (P Koistinen, Todennäköisyyslaskenta, 2013) jossa on annettu taustakirjallisuutta. 

57701 Tilastollinen päättely II, 10 op (P) (Vanha nimi: Tilastollinen päättely)
Kurssilla perehdytään parametristen tilastollisten mallien ja niihin liittyvän tilastollisen päättely perusteisiin uskottavuuspäättelyn näkökulmasta, Kurssin esitietoina edellytetään perusvalmiudet yhden ja useamman muuttujan differentiaali- ja integraalilaskennassa sekä aineopintojen kurssi 57705 Todennäköisyyslaskenta. Kurssin keskeiseen sisältöön kuuluu parametrinen tilastollinen malli, uskottavuusfunktion käsite, suurimman uskottavuuden estimointimenetelmä, pistemäärän ja informaation käsitteet, estimaattorien ominaisuuksien tutkimisessa käytettävät kriteerit, suurimman uskottavuuden estimaattorin asymptotiikka, aineiston tiivistäminen ja tyhjentävyys, tilastollisten hypoteesien testaaminen ja uskottavuusfunktioon perustuvat testit sekä luottamusv älien ja luottamusjoukkojen muodostaminen. Luennot perustuvat luentomonisteeseen (P Nieminen ja P Saikkonen, Tilastollinen päättely, 2013). Taustakirjallisuutta on annettu kurssin kotisivulla.

57714 Lineaariset mallit I, 5 op (P) (Vanha nimi: Lineaariset mallit)
Kurssilla esitetään lineaaristen mallien perusteoria ja lineaaristen mallien perusteoria uskottavuuspäättelyn näkökulmasta ja lineaaristen mallien rakentamisen pääperiaatteet. Kurssi on tarkoitus suorittaa heti Tilastollisen päättelyn kurssin jälkeen ja esitietoina edellytetään myös Todennäköisyyslaskennan kurssi. Lineaarialgebran ja matriisilaskennan  tuntemus on välttämätöntä. Kurssin keskeiseen sisältöön kuuluu lineaarisen mallin määrittely, mallin parametrien estiminointi ja estimaattoreiden ominaisuudet, hypteesien testaaminen ja F-testin johtaminen yleiselle lineaariselle hypoteesille, luottamusvälien ja luottamusjoukkojen muodostaminen sekä yksisuuntainen varianssianalyysi.  Luennot perustuvat luentomonisteeseen (P Saikkonen, Lineaarinen malli, 2013). Taustakirjallisuutta annetaan kurssin kotisivulla.

57753 Bayes-päättely, 5 op (P, LuK)
Perustiedot Bayes-lähestymistavan soveltamisesta tilastolliseen päättelyyn. Esitietoina tarvitaan tuntemus todennäköisyyslaskennan käsitteistä (odotusarvo, varianssi, ehdollinen -, yhteis - ja marginaalijakauma), sekä todennäköisyyksien laskusääntöjen hallinta ja yleisimpien parametristen todennäköisyysjakaumien tuntemus diskreeteille ja jatkuva-arvoisille muuttujille. Uskottavuuspäättelyn perusteet siinä laajuudessa kuin ne sisältyvät kurssiin Tilastollinen päättely, ovat toinen esitietovaatimus. Bayes-päättelyn kurssi edellytetään esitietona useilla syventävien opintojen kursseilla. Keskeistä sisältöä on posterioritodennäköisyyksien määräytyminen uskottavuusfunktiosta ja priorijakaumasta. Posteriorien ratkaisemista ja laskentaa tarkastellaan sekä konjugaattiperheiden tapauksessa että yleisemmissä tilanteissa, joissa sovelletaan Monte Carlo - menetelmiä, BUGS-ohjelmistoa (http://www.mrc-bsu.cam.ac.uk/bugs/ ) ja jonkin verran myös R-ohjelmaa, lähinnä grafiikan tuottamiseen ja satunnaisotantaan. Keskeisiä käsitteitä: priori, posteriori, uskottavuusfunktio, informatiivisen ja epäinformatiivisen priorin soveltaminen, konjugaattiset (liitto)priorit, Monte Carlo - menetemä, graafinen malli (DAG-kaavio), ehdollinen riippumattomuus, ennustejakauma. Luennot  ovat perustuneet luentomonisteeseen (J Ranta, Introduction to Bayesian inference, 2014). Taustakirjallisuutta on annettu kurssin kotisivulla. 

78172 Proseminaari, 1-4 op (P, VTK)
Proseminaarissa keskitytään tieteellisen kirjoittamisen opetteluun. Proseminaari on tarkoitettu vain pääaineopiskelijoille. Edeltävät opinnot: Todennäköisyyslaskennan, Tilastollisen päättelyn ja Lineaaristen mallien kurssit.

57782 Tieteellinen viestintä I, 2 op (P, LuK)

Syventävät opinnot

57713 Tilastollinen päättely III, 5 op (P, syventävät opinnot) (Vanha nimi: Tilastollisen päättelyn jatkokurssi)
Kurssilla syvennetään ja laajennetaan aineopintojen tilastollista päättelyä ja sen teoriaa. Erona aineopintojen tilastolliseen päättelyyn on erityisesti keskittyminen vektoriparametriseen uskottavuuspäättelyyn ja sen asymptotiikan tarkasteluun riippuvien havaintojen tapauksessa. Esitettäviä tuloksia sovelletaan lineaariseen malliin. Esitietoina edellytetään aineopintojen tilastollisen päättelyn ja lineaaristen mallien kurssit sekä niiden edellytämät esitiedot. Kurssin keskeiseen sisälttöön kuuluu tarvittavien konvergenssikäsitteiden ja raja-arvolauseen esittely, tilastollinen malli ja uskottavuuspäättelyn peruskäsitteet, ehdollinen malli ja marginaalimalli uskottavuuspäättelyssä, suurimman uskottavuuden estimaattorin tarkentuvuus ja asymtppttinen normaalisuus sekä uskottavuusfunktioon perustuvat Waldin testi, Raon pistemäärätesti ja uskottavuusosamäärätesti.  Luennot perustuvat luentomonisteeseen (P Saikkonen, Tilastollisen päättelyn jatkokurssi, 2013), jossa on annettu taustakijallisuutta.

78185 Yleistetyt lineaariset mallit, 5 op (P, syventävät opinnot)
Kurssilla esitetään yleistettyjen lineaaristen mallien perusteoria ja sen erikoistapauksina erityyppisille vastemuuttujille soveltuvia malleja, kuten logistinen ja log-lineaarinen regressiomalli. Kurssi edellyttää Lineaaristen mallien kurssin tiedot. Kirjallisuus: McCullagh, P. and Nelder, J. A. (1989) Generalized Linear Models (Second edition). London: Chapman & Hall. Dobson, A. J. and Barnett, A. (2008) An Introduction to Generalized Linear Models (Third edition). London: Chapman & Hall, tai muu tentaattorin tai luennoijan osoittama materiaali.

78143 Otantamenetelmät, 6-8 op (P, yhteiskuntatilastotieteen erikoistumislinjalla)
Kurssilla annetaan yleiskuva tilastollisista otantamenetelmistä ja niiden käytöstä eri tieteenalojen empiirisessä tutkimuksessa. Otannan perusmenetelmien lisäksi käsitellään otoskoon määrittelyn perusteita ja lisäinformaation käyttöä otannassa ja estimoinnissa sekä vastaavia tilastollisia ohjelmistoja. Kirjallisuus: Lehtonen, Risto and Pahkinen, Erkki (2004) Practical Methods for Design and Analysis of Complex Surveys. Second Edition. Chichester: Wiley (luvut 1-4), tai muu tentaattorin tai luennoijan osoittama materiaali. Verkkosovellus VLISS: http://mathstat.helsinki.fi/VLISS/.

78187 Survey-metodiikka, 8-10 op (P, yhteiskuntatilastotieteen erikoistumislinjalla)
Kurssilla esitellään empiirisen kvantitatiivisen yhteiskuntatutkimuksen eli ns. surveyn keskeiset käsitteet, menetelmät ja suoritusvaiheet. Tarkasteltavia aiheita ovat tutkimusasetelmat, otannan perusteet, aineiston keruu ja lomakesuunnittelu, poikkileikkaus- ja pitkittäisaineistot, aineiston puhdistaminen (tilastollinen editointi, imputointi ja uudelleenpainotus), estimoinnin ja analyysin perusteet sekä aineiston jakelu ml. tilastolliset tietosuojamenetelmät. Kirjallisuus: Laaksonen, Seppo (2010) Surveymetodiikka. 214 sivua. Ventus Publishing ApS. Ilmainen nettikirja. http://bookboon.com/fi/student/statistics/surveymetodiikka. Leeuw, Edith, Hox, Joop and Dillman, Don (2008) International Handbook of Survey Methodology. 549 pages. Lawrence Erlbaum Associates. Taylor&Francis Group. New York, London, tai muu tentaattorin tai luennoijan osoittama materiaali.

57744 Bayesian theory with applications, 5-8 op (P, tilastollisen koneoppimisen erikoistumislinjalla)
.....

 

57733 Computational statistics, 5-10 op (P, tilastollisen koneoppimisen erikoistumislinjalla)
.....


Valinnaiset kurssit aakkosjärjestyksessä

  • Ellei toisin mainita, kurssi sopii sekä kandivaiheeseen että maisterivaiheeseen. Pakollisten kurssien listasta ne kurssit, jotka eivät ole pakollisia kaikille, sopivat muille valinnaisiksi kursseiksi.
  • Vain osa näistä kursseista on aktiivisessa opetusohjelmassa ja opetusohjelmaan saattaa tulla kursseja joita ei ole tässä listassa.
  • Täältä näet opetusohjelmia
  • Opetusohjelma uudelle lukuvuodelle julkaistaan vuosittain toukokuussa.

 

Tutkintovaatimuksiin (pääaineopiskelijat)

Tutkintovaatimuksiin (sivuaineopiskelijat)


 

78244 Applied logistic regression, 5 op
Syy- tai vaikutussuhteiteita selvittävässä tutkimuksessa selitettävä muuttuja on useing kaksiarvoinen: sairas/terve, asiakas ostaa/ei osta, vastaus on oikea/väärä jne. Kiinnostuksen kohteena on tällöin usein se, miten vastetapahtuman todennäköisyys riippuu taustatekijöistä. Logistinen regressio on keskeisin kaksiluokkaisten vasteiden analyysissä käytetty regressiomenetelmä. Kurssi on luonteeltaan soveltava, joten mallien teoreettisten ominaisuuksien käsittely on heuristista. Kurssi sijoittuu aineopintojen alkupäähän ja soveltuu kvantitatiivisesta yhteiskuntatutkimuksesta kiinnostuneille muiden alojen opiskelijoille. Laskentaan käytetään R-ohjelmistoa.

57795 Biometry and bioinformatics I, 5-10 op
........

57796 Biometry and bioinformatics II, 5-10 op
-------

57797 Biometry and bioinformatics III, 5-10 op
-------

78246 Discrete Markov Processes, 6 op (suositellaan vain syventäviin opintoihin)
Stochastic processes are probabilistic models for random phenomena that display some forms of dependencies over time or space. Markov processes are the most important subclass of such processes: they are mathematically tractable, yet have a wide range of applications. The primary goal of the course is to provide an introduction to discrete state Markov processes, notably Poisson processes and Markov chains. Illustrations discussed include include gambling (fair games), consumer behavior, simple Markov Chain Monte Carlo methods and Google search algorithms. Some examples of the simulation of the processes will be given using R.

78144 Ei-parametriset ja robustit menetelmät, 6-8 op
Kurssilla syvennytään merkkeihin ja järjestyslukuihin perustuviin tilastollisiin testeihin, estimaatteihin ja luottamusväleihin. Käsiteltäviä aiheita ovat mm. keskiarvotyyppiset menetelmät, mediaanityyppiset menetelmät, Hodges-Lehmann-tyyppiset menetelmät, robustisuus ja menetelmien ominaisuuksien tutkiminen tietokonesimulointien avulla. Kirjallisuus: Hettmansperger, T. P. (1984). Statistical Inference Based on Ranks. New York: Wiley. Huber, P. J. (1981). Robust Statistics. New York: Wiley, tai muu tentaattorin tai luennoijan osoittama materiaali.

78173 Ekonometria, 10 op
Aiheena ovat sekä klassiset että modernit ekonometrian menetelmät. Edeltävät opinnot: Tilastollinen päättely, Lineaariset mallit ja Regressioanalyysin jatkokurssi. Kirjallisuus: Russell Davidsonin ja James MacKinnonin Econometric Theory and Methods, luvut 7 (mikäli ei aiemmin suoritettu), 8-12 ja 15 (syventävät opinnot; 10 op) tai muu tentaattorin tai luennoijan osoittama materiaali.

57772 Epästationaariset aikasarjat, 5-10 op  (suositellaan vain syventäviin opintoihin)
Kurssille perehdytään epästationaaristen trendejä sisältävien aikasarjojen analysoinnissa käytettäviin malleihin ja tekniikoihin, jotka ovat keskeisiä etenkin taloudellisissa sovelluksissa. Käsiteltäviä aiheita ovat epästationaariset integroituneet ja yhteisintegroituneet prosessit, yhteisintegroitunut vektori autoregressiivinen (VAR) malli ja sen virheenkorjausesitys sekä näihin liittyvä estimointi- ja testiteoria. Edeltävät opinnot: Tilastollinen päättely, Lineaariset mallit, Stationaariset aikasarjat ja Moniulotteiset aikasarjat. Kirjallisuus: James Hamiltonin Time Series Analysis, luvut 15-20 tai luentomoniste (P Saikkonen, Moniulotteiset ja epästationaariset aikasarjat, jaksot 5-7, 5 op).

57741 Event-history analysis, 5-10 op
Elinaika-analyysissa ja tapahtumahistoria-analyysissa tarkastellaan todennäköisyysmallien avulla satunnaisten tapahtumien toteutumista tietyn seuranta-ajan kuluessa. Yksinkertaisimmillaan tutkitaan yhden tapahtuman toteutumisriskiä, mutta yleisemmin voidaan mallittaa useiden toisistaan riippuvien tapahtumien muodostamien ketjujen toteutumatodennäköisyyksiä. Tapahtumahistoria-analyysin matemaattisena perustana on pisteprosessien, erityisesti laskuriprosessien teoria.

78245 Generalized linear mixed models, 6-8 op (suositellaan vain syventäviin opintoihin)
The course provides an introduction to methods used in causal research, when the outcome of interest might be a binomial “yes/no” or a Poisson distributed count. The dependencies arise when experimental units form groups (such as members of a family, repeated measures from the same individual, or measures from close locations). The dependencies are modeled via random latent factors that are shared by the experimental units. The term “mixed” refers to the presence of both fixed and random effects in the generalized linear model. The application of likelihood methods into generalized linear models can be tedious as the required marginal models must be evaluated numerically. A large number of approximations are in use, but the results rely on asymptotics that may not always be tenable in practical applications. An effective alternative analysis is sometimes available via Bayesian formulations. R package is used for computation.

57748 Genetic analysis and molecular evolution, 5-10 op
.......

57743 Genome-wide association mapping, 2-5 op
.......

78240 Johdatus yhteiskuntatilastotieteeseen (osa 1), 5 op  (sivuaineopiskelijoille tarkoitettu kurssi)
78241 Johdatus yhteiskuntatilastotieteeseen (osa 2), 5 op  (sivuaineopiskelijoille tarkoitettu kurssi)
Kurssilla opiskelija oppii tilastollisen tutkimuksen perusteet erityisesti yhteiskuntatieteiden näkökulmasta. Osassa 1 päähuomion saa tilastollinen lukutaito nyky-yhteiskunnan kansalaistaitona. Opiskelija tarkastelee tilastollisten aineistojen keruuta ja kyselylomakkeen laatimisen tilastollisia näkökohtia. Lisäksi hän oppii, miten kerättyä dataa tiivistetään tilastollisiksi kuviksi ja tunnusluvuiksi sekä perehtyy erilaisiin tilastollisen vaihtelun ja riippuvuuden kuvaustapoihin. Osan 2 keskiössä ovat tilastolliset menetelmät. Opiskelija tutustuu todennäköisyyslaskentaan ja tilastolliseen päättelyyn siinä määrin, että kykenee soveltamaan niitä luottamusvälien tarkasteluun sekä tilastollisiin perusmenetelmiin kuten t-testiin ja regressioanalyysiin. Kurssi on suunnattu valtiotieteellisen tiedekunnan opiskelijoille, mutta muiden tiedekuntien opiskelijat ovat tervetulleita, ellei heidän omissa tiedekunnissaan ole tarjolla heille paremmin soveltuvia tilastotieteen peruskursseja.

78126 Lineaaristen mallien sovellukset, 6-8 op
Sovelluspainotteinen kurssi keskittyy regressioanalyysin käyttöön yhteiskunta- ja käyttäytymistieteellisessä tutkimuksessa. Tavoitteena on oppia analysoimaan käytännön tutkimusaineistoja, arvioimaan tilastollista mallia havaintoaineiston informaation tiivistäjänä sekä esittämään tutkimusongelmat ja tulokset selkeästi graafisia menetelmiä ja vastaavia tilastollisia esitystapoja käyttäen. Kirjallisuus: Sanford Weisberg: Applied Linear Regression; Dennis Cook & Sanford Weisberg: Applied Regression Including Computing and Graphics; Kimmo Vehkalahti: Kyselytutkimuksen mittarit ja menetelmät (luku 5), tai muu tentaattorin tai luennoijan osoittama materiaali.

78003 Lineaariset sekamallit, 6-8 op
Kurssilla perehdytetään opiskelija kausaalitutkimuksessa käytettyihin regressiomalleihin tilanteissa, joissa esiintyy sekä yksilö- että ryhmätason selittäjiä. ”Yksilö” voi viitata esimerkiksi perheenjäseneen tai oppilaaseen ja ”ryhmä” vastaavasti perheeseen tai koululuokkaan. Usein perheeseen tai koululuokkaan liittyy vaikeasti mitattavia piirteitä, jotka kuitenkin vaikuttavat selitettävään ilmiöön. Tällöin voidaan ajatella, että ryhmävaikutus on satunnainen ja niin sanottu sekamalli, joka sisältää sekä kiinteitä että satunnaisia vaikutuksia voi tulla kyseeseen. Kurssilla rajoitutaan lineaarisiin sekamalleihin ja oletetaan, että vastemuuttujien normaalisuus. Teoreettisesti uutena asiana käsitellään parametreista riippuvien kovariansirakenteiden estimointia. Laskentaan käytetään R-ohjelmistoa.

57746 Longitudinal data-analysis, 5-10 op
.......

78179 Luokitteluaineistojen analyysi, 5 op
Tilastoaineistot ovat vähintään luokitteluasteikollisia, joten kurssilla opiskeltavilla menetelmillä on paljon sovelluskohteita. Tarkasteltavia asioita ovat muun muassa suhteellisen osuuden ja suhteellisten osuuksien erotuksen luottamusvälien lasku ja testaus, tapahtumakerroinsuhteen (odds ratio) arviointi, frekvenssitaulukoiden analyysi (ml. kaltaisten parien tilanne), riippumattomuuden testaus ja logistinen regressio. Analyysit pohjautuvat uskottavuuspäättelyyn. Edeltävät opinnot: Tilastollinen päättely. Suositeltava edeltävä opinto: Lineaariset mallit. Kurssi sopinee kaikille tilastotieteen opiskelijoille linjavalinnasta riippumatta. Kurssi voidaan täydentää harjoitustyöllä syventäviksi opinnoiksi (5 op).

78221 Matriisilaskentaa tilastotieteilijälle, 3 op (soveltuu vain aineopintoihin)
Kurssilla perehdytään tilastotieteessä tarvittaviin matriisilaskennan alkeisiin. Kurssi on tarkoitus suorittaa ennen Lineaaristen mallien kurssia. Keskeisenä sisältönä ovat peruslaskutoimitukset, matriisin aste, neliömuodot, ominaisarvot- ja vektorit, singulaariarvohajotelma, lineaariset yhtälöryhmät ja ositetut matriisit.

57059 Markovian modelling and Bayesian learning, 5 op  (suositellaan vain syventäviin opintoihin)
........

78164 Mittaaminen ja mittausvirheiden tilastollinen hallinta, 6-8 op
Kurssilla perehdytään mittausvirheiden vaikutuksen arviointiin sekä tässä tarvittaviin tilastollisiin menetelmiin erityisesti yhteiskunta- ja käyttäytymistieteissä. Tarkasteltavia aiheita ovat mittaamisen tasot, niiden vaikutus analyysimenetelmiin, mittaamisen laadun arviointi (reliabiliteetti ja validiteetti), mittausmalli ja rakennevaliditeetti, mittauksen reliabiliteetin arvioiminen, mitta-asteikkojen laatiminen ja ennustevaliditeetti. Kirjallisuutta: Duane Alwin: Margins of Error, a Study of Reliability in Survey Measurement; Wayne Fuller: Measurement Error Models; Kimmo Vehkalahti: Kyselytutkimuksen mittarit ja menetelmät (luku 4), tai muu tentaattorin tai luennoijan osoittama materiaali.

78145 Monimuuttujamenetelmät, 6-8 op
Kurssilla perehdytään sovelluspainotteisesti usean muuttujan data-analyysiin sekä aineistojen moniulotteiseen kuvailuun ja mallintamiseen erityisesti yhteiskunta- ja käyttäytymistieteissä. Tarkasteltavia menetelmiä ovat faktorianalyysi, erilaiset ryhmittelymenetelmät, erotteluanalyysi, moniulotteinen skaalaus sekä korrespondenssianalyysi. Kirjallisuutta: Richard Johnson & Dean Wichern: Applied Multivariate Statistical Analysis; Brian Everitt: Multivariable Modeling and Multivariate Analysis for the Behavioral Sciences; Michael Greenacre: Biplots in Practice; Robert Cudeck & Robert MacCallum: Factor Analysis at 100, Historical Developments and Future; Kimmo Vehkalahti: Kyselytutkimuksen mittarit ja menetelmät (luvut 4, 6 ja 7); Seppo Mustonen: Tilastolliset monimuuttujamenetelmät, tai muu tentaattorin tai luennoijan osoittama materiaali.

78178 Monitasomallit, 6-8 op
Kurssilla tarkastellaan useilla aloilla, mm. yhteiskunta- ja käyttäytymistieteissä sekä organisaatiotutkimuksessa sovellettavia malleja, jotka on tarkoitettu hierarkkisesti rakentuneiden aineistojen analyysiin. Mallit ovat yleistyksiä tavallisista regressio- ja varianssianalyyseista ja niitä kutsutaan monitasomalleiksi, lineaarisiksi sekamalleiksi tai hierarkkisiksi malleiksi. Olennainen osa mallien rakentelua ja testausta on jonkin soveltuvan ohjelmiston (mm. Mplus, MLwiN, HLM, SAS/Mixed, Glimmix) opettelu. Kirjallisuutta: Harvey Goldstein: Multilevel Statistical Models (3. tai 4. painos); J.J. Hox (1995): Applied Multilevel Analysis; http://www.soziologie.uni-halle.de/langer/multilevel/books/hox95mla.pdf; T.Snijders & R.Bosker (2002): Multilevel Analysis, An Introduction to Basic and Advanced Multilevel Modeling; Ronald Heck & Scott Thomas: An Introduction to Multilevel Modeling Techniques, tai muu tentaattorin tai luennoijan osoittama materiaali.

57771 Moniulotteiset aikasarjat, 5-10 op  (suositellaan vain syventäviin opintoihin)
Kurssille perehdytään usean stationaarisen aikasarjan samanaikaiseen mallintamiseen, siinä tarvittaviin peruskäsitteisiin sekä empiirisesti suosittuun vektoriautoregressiiviseen (VAR) malliin ja sen soveltamisessa käytettäviin menetelmiin. Edeltävät opinnot: Tilastollinen päättely, Lineaariset mallit ja Stationaariset aikasarjat. Kirjallisuus: James Hamiltonin Time Series Analysis, luvut 7-11 (10 op) tai luentomoniste (P Saikkonen, Moniulotteiset ja epästationaariset aikasarjat, jaksot 1-4, 5 op).

57740 Nonparametric statistics, 5 op
........

78405 Otanta-aineiston analyysi, 6-8 op
Kurssilla perehdytään otanta-aineistojen tilastolliseen analyysiin erityisesti tilanteissa, joissa aineisto on kerätty jollakin mutkikkaalla otanta-asetelmalla. Keskiössä ovat menetelmät, joilla otanta-asetelman ominaispiirteitä (ositus, ryvästyminen, painokertoimet) voidaan ottaa huomioon tilastollisen analyysin yhteydessä. Pääpaino on ns. asetelmaperusteisissa (design-based) menetelmissä; lisäksi tarkastellaan suppeasti malliperusteisia menetelmiä (ml. sekamallit). Kirjallisuus: Lehtonen, Risto and Pahkinen, Erkki (2004) Practical Methods for Design and Analysis of Complex Surveys. Second Edition. Chichester: Wiley (luvut 5, 7-9), tai muu tentaattorin tai luennoijan osoittama materiaali. Verkkosovellus VLISS: http://mathstat.helsinki.fi/VLISS/.

57729 Phylogeny inference and data analysis, 5-10 op
........

78189 Pienalue-estimointi, 6-8 op
Kurssilla perehdytään perusjoukon osajoukkoja koskevan estimoinnin (small area estimation, SAE) teoriaan, malleihin, laskentamenetelmiin ja sovelluksiin. Asetelmaperusteisten malliavusteisten menetelmien (yleistetyt regressioestimaattorit ja kalibrointimenetelmät) ohella tarkastellaan malliperusteisia menetelmiä (synteettiset, EBLUP- ja EBP-estimaattorit) sekä estimointiin soveltuvia tilastollisia ohjelmistoja. Sovellukset ovat pääasiassa yhteiskuntatieteellisiltä ja terveystieteellisiltä aloilta. Kirjallisuus: Rao, J.N.K. (2003) Small Area Estimation. New York: Wiley, Lehtonen, Risto and Pahkinen, Erkki (2004) Practical Methods for Design and Analysis of Complex Surveys. Second Edition. Chichester: Wiley (luku 6), Lehtonen, Risto and Veijanen, Ari (2009) Design-based methods of estimation for domains and small areas. In: C. R. Rao and D. Pfeffermann (eds.), Handbook of Statistics, vol. 29B. Sample Surveys: Theory, Methods and Inference. Elsevier, tai muu tentaattorin tai luennoijan osoittama materiaali.

78177 Rakenneyhtälömallit, 6-8 op
Kurssilla tarkastellaan useilla aloilla, mm. yhteiskunta- ja käyttäytymistieteissä, sovellettavia rakenneyhtälömalleja, jotka ovat yleistyksiä tavallisista faktori- ja regressioanalyyseista. Olennainen osa mallien rakentelua ja testausta on jonkin soveltuvan ohjelmiston (mm. Mplus, Amos, Lisrel, Calis) opettelu. Kirjallisuutta: Barbara Byrne: Structural Equation Modelling with MPlus: Basic Concepts, Applications, and Programming; Kenneth Bollen: Structural Equations with Latent Variables; Randall Schumacker & Richard Lomax: A Beginner's Guide to Structural Equation Modeling; Mikko Ketokivi: Tilastollinen päättely ja tieteellinen argumentointi, tai muu tentaattorin tai luennoijan osoittama materiaali.

 78180 Regressioanalyysin jatkokurssi, 6-10 op
Kurssilla syvennetään lineaarisen regressiomallin tuntemusta. Kurssi sopii kaikille tilastotieteen opiskelijoille linjavalinnasta riippumatta. Edeltävät opinnot: Tilastollinen päättely ja Lineaariset mallit. Kirjallisuus: Russell Davidsonin ja James MacKinnonin Econometric Theory and Methods, luvut 1-6 (aineopinnot, 10 op) tai 1-7 (syventävät opinnot; 10 op) tai muu tentaattorin tai luennoijan osoittama materiaali. Kurssi voidaan täydentää vaihtoehtoisesti harjoitustyöllä syventäviksi opinnoiksi.

78137 Robustit regressiomenetelmät, 6-8 op
Kurssilla perehdytään erilaisiin robusteihin regressiomalleihin. Robustin regressioanalyysin pääasiallisena tarkoituksena on sovittaa havaintoaineistoon malli, joka ei ole herkkä poikkeaville havainnoille. Yleisesti käytössä olevassa lineaarisessa regressioanalyysissä mallin parametrit estimoidaan pienimmän neliösumman menetelmän avulla. Yksikin poikkeava havainto saattaa vaikuttaa merkittävästi pienimmän neliösumman menetelmällä saataviin estimaatteihin ja tuloksena saatava malli ei tällöin edusta suurinta osaa havaintoaineistosta. Rousseeuw, P. J. and Leroy, A. M. (1987). Robust Regression & Outlier Detection. New York: Wiley. Huber, P. J. (1981). Robust Statistics. New York: Wiley, tai muu tentaattorin tai luennoijan osoittama materiaali.

57770 Stationaariset aikasarjat, 5-10 op
Opiskeltaviin asioihin kuuluvat aikasarja-analyysin peruskäsitteet, empiirisesti paljon käytetyn autoregressiivisen liukuvan keskiarvon (ARMA) mallin ominaisuudet, valinta, estimointi, testaus ja ennustaminen sekä erityisesti finanssiaikasarjojen analysoinnissa keskeiset ehdollisen heteroskedastisuuden perusmallit. Edeltävät opinnot: Tilastollinen päättely ja Lineaariset mallit. Kurssi sopii kaikille tilastotieteen opiskelijoille linjavalinnasta riippumatta. Kirjallisuus: James Hamiltonin Time Series Analysis, luvut 1-5 tai luentomoniste (P Saikkonen, Stationaariset aikasarjat, 2011) (aineopinnot 8 op). Kurssi voidaan täydentää harjoitustyöllä syventäviksi opinnoiksi (10 op).
 

57739 Statistical methods in medicine and epidemiology, 5-10 op
Kurssilla tutustutaan tautien yleisyyden mittaamisessa sekä terveyteen liittyvien altistevaikutusten arvioimisessa käytettyihin tutkimusasetelmiin ja tilastollisiin menetelmiin. Perusaineksina ovat erilaiset todennäköisyysmallit ja niiden käyttö epidemiologian ongelmissa. Kurssilla käsitellään mm. kohortti- ja tapausverrokkitutkimusten suunnittelua ja tilastollista analyysia. 

 57734 Statistical genetics, 5-10 op
......

78203 Tilastotieteen jatkokurssi (osa 1), 5 op (sivuaineopiskelijoille tarkoitettu kurssi)
78204 Tilastotieteen jatkokurssi (osa 2), 5 op (sivuaineopiskelijoille tarkoitettu kurssi)
Kurssilla syvennetään todennäköisyyslaskennan ja tilastollisen päättelyn perustietoja ja opiskellaan soveltavan tutkimuksen kannalta tärkeimpiä tilastotieteellisiä menetelmiä. Kurssi on suunnattu valtiotieteellisen tiedekunnan opiskelijoille, mutta opiskelijat muista tiedekunnista ovat tervetulleita. Kurssi on tarkoitettu tilastotieteen sivuaineopiskelijoille. Kurssi on sisällöltään osin päällekkäinen tilastotieteen pääaineopiskelijoille tarkoitettujen kurssien Johdatus todennäköisyyslaskentaan ja Johdatus tilastolliseen päättelyyn kanssa. Yleensä on järkevää suorittaa vain joko jatkokurssi tai Johdatus todennäköisyyslaskentaan ja Johdatus tilastolliseen päättelyyn -kurssit muttei kaikkia kolmea. Kaikki kolme voidaan sisällyttää tilastotieteen perusopintokokonaisuuteen, mutta sisältöjen päällekkäisyyden takia kursseilla voi suorittaa vain 10 opintopistettä vaadituista perusopinnoista. (Jos suorittaa em. kolme kurssia, niin perusopinnot täytyy suorittaa 35 opintopisteen laajuisena.) Esitietovaatimukset: Johdatus yhteiskuntatilastotieteeseen (osat 1 ja 2) tai vastaavat tiedot. 

57798 Tilastotieteen juuret, 5-10 op
Kurssi on tilastotieteen pääaineopiskelijalle ensimmäinen kosketus tilastotieteeseen ja tarkoitus suorittaa ensimmäisen opiskeluvuoden syyslukukautena, matematiikan perusopintojen rinnalla. Kurssilla esitetään tilastotieteen perustuminen matemaattisiin valmiuksiin, tilastotieteen kenttää ja osa-alueita,  tilastotieteen historiaa sekä juuria muilla tieteenaloilla joista versoaa haasteita tilastotieteelle. 

78243 Väestötieteen menetelmät, 6 op
Ihmisväestöjen muutoksen kuvaus perustuu kirjanpitoyhtälöihinjoissa syntyvyys, kuolleisuus ja muuttoliike määräävät, miten väestön koko ja rakenne muuttuvat. Kurssilla tarkastellaan keskeisimpiä tunnuslukuja, joilla muutosprosesseja kuvataan ja niiden estimointia ryhmiteltyjen aineistojen avulla. Kurssi on tarkoitettu tilastotieteen aineopintojen alkuvaiheessa oleville opiskelijoille. Kurssin suoritettuaan opiskelija osaa hakea muutosprosesseja koskevia tietoja netistä, viedä ne sopivaan laskentaympäristöön ja laskea itsenäisesti tärkeimpiä tunnuslukuja R-ohjelmistolla.

57745 WinBUGS/OpenBUGS with applications, 5-10 op
......

78101 Ympäristötilastotieteen perusteet, 4 op
Ympäristötilastotiede on tilastollisten menetelmien soveltamista ympäristön tilan ja muutoksen kuvaamiseen. Erityisenä mielenkiinnon kohteena on ihmisen toiminnan vaikutus ympäristön tilaan ja tulevaisuuteen. Ympäristötilastotieteessä keskeistä on menetelmien soveltaminen. Kurssin tavoitteena on opettaa opiskelijoille ympäristön kuvaamiseen soveltuvia teorioita, metodeja ja käytännön laskentamenetelmiä.

 

  • No labels