Child pages
  • Data-analyysi, kevät 2012
Skip to end of metadata
Go to start of metadata

You are viewing an old version of this page. View the current version.

Compare with Current View Page History

« Previous Version 4 Next »

Data-analyysi, kevät 2012

Järjestävä yksikkö: Sosiaalitieteiden laitos, Tilastotiede - osa Helsingin yliopiston laajuista Tilastotieteen verkostoa, jota koordinoi Matematiikan ja tilastotieteen laitos.

(warning) Tilastotieteen sivuaineopiskelijoista etusijalla ovat valtiotieteellisen tiedekunnan opiskelijat.

Luennoitsija ja harjoitusten ohjaajat

Kimmo Vehkalahti
(info) Harjoitusten ohjaajien rekrytointi on alkamassa. Jos olet kiinnostunut, ota yhteyttä lokakuun 2011 aikana!

Laajuus

Osa 1: 5 op

Osa 2: 5 op

Tyyppi

Perusopintoja. Katso tutkintovaatimukset (2011-2012) tilastotieteen sivuaineopiskelijalle tai tilastotieteen pääaineopiskelijalle.

Esitietovaatimukset

Osa 1

Tilastotieteen johdantokurssi 10 (4+6) op laajuisena tai vastaavat perustiedot seuraavista aiheista:

Kyselytutkimus ja mittaus

  • Tilastotiede ja kyselytutkimus
  • Mittaus yhteiskuntatieteissä

Tiedonkeruu, tilastoaineiston kuvailu ja analysointi

  • Tiedonkeruu, kuvat ja tunnusluvut
  • Vaihtelu ja riippuvuus
  • Ristiintaulukointi

Todennäköisyyslaskennan perusteet

  • Todennäköisyyskäsite ja sen tulkinnat
  • Tavallisimmat päättelysäännöt
  • Ehdollinen todennäköisyys ja riippumattomuus
  • Binomijakauma ja normaalijakauma

Tilastollisen päättelyn perusteet

  • Parametrien estimointi ja luottamusvälit
  • Tilastollinen merkitsevyystestaus
  • Khi-toiseen -yhteensopivuustesti
  • Riippumattomien otosten t-testi
  • Regressio- ja varianssianalyysin perusteet
  • Khi-toiseen -riippumattomuustesti

Monia yllä luetelluista aiheista käsitellään tällä kurssilla itse tekemällä.

Osa 2

Osan 2 esitietovaatimuksena on osa 1. Suosituksena on vähintään hyvä arvosana (3) osasta 1.

Aikataulu

Viikkoaikataulussa pysyminen on välttämätöntä. Kaiken A ja O on Aktiivinen Osallistuminen opetustilaisuuksiin, mutta myös omatoimiseen työskentelyyn on varattava riittävästi aikaa. (Mikä on "riittävästi"? Joillekin 2h/viikko, toisille enemmän.)

Osa 1

Ensimmäisellä luennolla (17.1.2011 klo 8:15) selostetaan kurssin käytännöt: harjoitusryhmät, ohjelmistot, BSCW- oppimisympäristö, viikkoaikataulu sekä itse- ja vertaisarviointikäytännöt.

Osa 2

  • periodi IV
    • itsenäiseen työskentelyyn perustuva verkkokurssi (tarkemmat tiedot ja aikataulu osan 2 BSCW-alueella, joka avataan IV periodin alussa)

Tavoitteet

Tavoitteena on oppia data-analyysin perusteet ja jonkin tilastollisen tietojenkäsittelyjärjestelmän itsenäinen käyttötaito.

Sisältö

Osa 1

  • Ohjelmistot ja dokumentointi
    • dokumentoiva työskentelytapa (ei pelkät valikot)
    • käytössä ovat tällä kurssilla lähinnä Survo ja SPSS
      (esim. R tai SAS käyvät myös, mutta edellyttävät enemmän omatoimisuutta) - huomaa, että tarjolla on myös kurssi Data-analyysi R-ohjelmistolla
  • Aineiston perustaminen
    • oman harjoitusaineiston perustaminen
    • aineiston hallinta ja dokumentointi
    • aineistoon tutustuminen
  • Aineiston esikäsittely
    • yhden muuttujan jakaumat, tunnusluvut ja kuvat
    • muunnokset, luokittelut ja muokkaukset
    • kahden muuttujan taulukot ja kuvat
  • Analysointi ja testaus
    • riippuvuuksien tutkiminen ristiintaulukosta
    • hajontakuva, korrelaatio ja regressiosuora
    • regressioanalyysi ja t-testi

Osa 2

  • Osassa 1 opitun soveltaminen uuden aineiston analysointiin.

Suoritus

Osa 1

  • viikottaiset, dokumentoidut työraportit
    • itse- ja vertaisarviointi sanallisesti sekä asteikolla 0-5

Osa 2

  • itsenäisesti tehty harjoitustyö
    • arviointi asteikolla 0-5

Aineistot

Kurssilla analysoidaan mm. yhteiskuntatieteellisen tietoarkiston aineistoja.

Ilmoittaudu osaan 1

Unohditko ilmoittautua? Mitä tehdä.

(warning) Ilmoittaudu ajoissa, jotta pääset a) mukaan, b) verkkoalueelle (BSCW), kun se avataan.

Ilmoittaudu osaan 2

(Osan 2 ilmoittautuminen tapahtuu vasta lähempänä periodia IV.)
Unohditko ilmoittautua? Mitä tehdä.

(Oheis)kirjallisuutta

  • Alkula, Tapani & Pöntinen, Seppo & Ylöstalo, Pekka (1994). Sosiaalitutkimuksen kvantitatiiviset menetelmät. WSOY.
  • Boslaugh, Sarah (2005). An Intermediate Guide to SPSS Programming: Using Syntax for Data Management. Sage.
  • Kuusela, Vesa (2000). Tilastografiikan perusteet. Edita.
  • Mustonen, Seppo (1992). Survo, An Integrated Environment for Statistical Computing and Related Areas. Survo Systems.
  • Mustonen, Seppo (1996). Survo ja minä. Survo Systems.
  • Robbins, Naomi B. (2005). Creating More Effective Graphs. Wiley.
  • Valtari, Maarit (2006). SPSS-perusteet, SPSS:n versio 14. Helsingin yliopisto, Valtiotieteellinen tiedekunta, Tieto- ja viestintätekniikka.
  • Vehkalahti, Kimmo (2008). Kyselytutkimuksen mittarit ja menetelmät. Tammi.
  • Wild, Christopher J. & Seber, George A. F. (2000). Chance Encounters: a First Course in Data Analysis and Inference. Wiley.
  • No labels