Todennäköisyyslaskenta I, kevät 2017

Last modified by koskenoj@helsinki_fi on 2024/03/27 10:31

Todennäköisyyslaskenta I, kevät 2017

 

TN I:n Moodle  -  TN I:n Presemo  - TN I:n luentopäiväkirja 

Vastuuopettaja: Mika Koskenoja - Anna palautetta Mikalle!

Laajuus: 5 op

Tyyppi: Matematiikan aineopintoja. Tilastotieteen perusopintoja. Kurssi on osa tilastotieteen 25 op perusopintokokonaisuutta, jonka opetus on tarjolla myös Avoimen yliopiston kautta. (Avoimen yliopiston opiskelija: jos sinulla on kysyttävää kurssista, ota yhteyttä: Sirkka-Liisa Varvio )

Opetus:   Kurssin opetus koostuu laskuharjoitustehtävistä, tehtävien palautuksesta Moodle-oppimisympäristöön, tehtävien vertaisarvioinnista ja itsearvioinnista, ohjauksesta ja luennoista. Luennoilla ja ohjaustilanteissa käyminen on vapaaehtoista ja tehtäviin, jotka palautetaan digitaalisesti, saa digiohjausta. Kurssikoetta lukuunottamatta kurssi on mahdollista suorittaa kokonaan digitaalisesti.

Sisältö: Kurssi antaa perustiedot todennäköisyyslaskennasta, pääasiassa tapahtumien ja yksiulotteisten jakaumien näkökulmasta. Esitietoina edellytetään perustiedot integraalilaskennasta lukion pitkän matematiikan pohjalta. 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, R-ohjelmistoa käyttäen. Kurssi perustuu luennoitsijan luentomateriaaliin ja oppikirjaan Pekka Tuominen, Todennäköisyyslaskenta I ,  joka jokaisen kurssille osallistuvan kannattaa hankkia.

Esitietovaatimukset: Perustiedot integraalilaskennasta, esimerkiksi lukion matematiikan pitkän oppimäärän perusteellaJos et ole suorittanut lukion integraalilaskennan kurssia, niin hanki perusintegrointitaidot ennen kurssille osallistumista, todennäköisyyslaskennan kurssilla ei opeteta integroinnin perusteita. Esimerkiksi, osallistu samanaikaisesti periodissa III opetettavalle kurssille Integraalilaskenta, ehdit oppia integroimaan ennen kuin integrointitaitoja tarvitaan todennäköisyyslaskennassa.

Ajankohtaista

  • Harjoitus 1
  • Kurssin ensimmäinen luento on keskiviikkona 18.1.2017 klo 12-14 Exactumin auditoriossa A111 Kumpulan kampuksella.
  • Lisätehtäviä kurssikokeeseen kertaamista varten. Vertaisapua saa Moodlesta ja Presemosta. Lisätehtäväpaperin toisella sivulla on lueteltu koealueeseen kuuluvat asiat. Lisätehtävien ratkaisut.
  • 10.3.2017 pidetyn kurssikokeen ratkaisut ja pisteytys. Voit tutustua omien ratkaisujesi arvosteluun Mikan huoneessa D311 vastaanottoaikoina keskiviikkoisin klo 10-12.

Luentoajat ja kokeet

  • Luennot viikoilla 3-9 ke klo 12-14 ja pe klo 12-14 auditoriossa A111 Kumpulan kampuksella, Exactum-rakennuksen 1. kerroksessa.
    • Kurssikoe pe 10.3. klo 12.15-14.45 Exactumin auditorioissa
    • Kurssikokeen kesto on 2,5 h.
    • Kurssikokeessa on sallittua käyttää laskinta, muut apuvälineet (esim. taulukkokirja) ovat kiellettyjä. Koekysymyspaperin kääntöpuolella on standardinormaalijakauman kertymäfunktion arvojen taulukko sekä tärkeimpien jakaumien odotusarvot ja varianssit. 
    • Lisäaikaa tarvitsevan opiskelijan tulee käydä esittämässä lisäaikaan oikeuttava todistus Kumpulan Opiskelijapalvelupisteessä: http://www.helsinki.fi/ml/opiskelu/opiskelijapalvelut.html hyvissä ajoin ennen kurssikoetta. Kerro todistusta esittäessäsi, mihin kurssikokeisiin olet osallistumassa. Vaikka olisit käynyt jo käynyt aikaisemmin esittämässä todistuksen laitoksen entisessä kansliassa, tulee todistus esittää nyt uudestaan, jos tarvitset lisäaikaa.
    • Jos olet estynyt osallistumasta kurssikokeeseen 10.3., järjestetään korvaava kurssikoe yleistentissä 12.4.2017. Korvaavaan kurssikokeeseen on weboodissa tehtävän yleistenttiin ilmoittautumisen lisäksi ilmoittauduttava Mikalle s-postitse mika.koskenoja 'at' helsinki.fi. Viestissä on kerrottava syy, miksi et voinut osallistua kurssikokeeseen 10.3. Huom1! Korvaava kurssikoe ei ole kurssikokeen uusintakoe, eli jos osallistut kurssikokeeseen 10.3., niin voit yleistentissä 12.4. osallistua vain erilliskokeeseen. Huom2! Harjoituspisteet otetaan huomioon vain kurssikokeessa, ei erilliskokeissa. 

Harjoitustehtävät, kurssin Moodle-alue

  • Laskuharjoitustehtäviä annetaan viikoittain. Tehtäviä tekemällä ja samalla kurssin materiaaliin tutustumalla opiskellaan kurssin asiasisältöä.
  • Harjoituksissa käytetään jonkin verran R-ohjelmistoa, jonka osaamista ei edellytetä esitietovaatimuksena.
    •  https://www.r-project.org/logo/Rlogo.png-ohjelmistoa voi käyttää joko suoraan konsolista tai jonkin graafisen käyttöliittymän kautta; https://www.r-project.org/logo/Rlogo.pngja https://www.rstudio.com/wp-content/uploads/2016/09/RStudio-Logo-Blue-Gray-125.pngovat valmiiksi asennettuina käytännössä kaikissa yliopiston tietokoneluokkien koneissa.
    • Ohjelmiston asennus omalle koneelle:  
      https://www.r-project.org/logo/Rlogo.png
      http://www.r-project.org/
      https://www.rstudio.com/wp-content/uploads/2016/09/RStudio-Logo-Blue-Gray-125.png http://www.rstudio.com/
    • Jos et halua asentaa R:ää omalle koneellesi, voit käyttää R:ää interaktiivisesti osoitteessa http://www.r-fiddle.org/.
  • Ensimmäiset laskuharjoitustehtävät kattavat ensimmäisen viikon luennoilla käsiteltävän aihealueen.
    • Ensimmäiset laskuharjoitukset palautetaan Moodleen viimeistään tiistaina 24.1 klo 23.55.
      • Klo 24.00 Moodlessa avautuvat malliratkaisut ja tehtävien arviointi ja pisteytys alkaa, päättyen sunnuntaina 29.1 klo 23.55.
      • Tämän jälkeen ohjaajat tarkastavat onko kaikki kunnossa ja tarvittaessa tekevät korjauksia. Ensimmäisten laskuharjoitusten ja vertaisarviointien pisteytys on näkyvissä viimeistään keskiviikkona (1.2).
  • Toiset laskuharjoitustehtävät annetaan keskiviikkona 25.1, palautetaan viimeistään tiistaina 31.1, vertaisarvioinnit valmiit sunnuntaina  5.2 jne.
  • Tämä rytmi ja jäsennys jatkuu kurssin ajan ja viimeiset laskuharjoitukset annetaan 22.2.

Ohjaus:

  • Moodlessa digitaalisesti  18.1 alkaen. Tehtävien yhteydessä julkaistaan keskustelualue, jonne voi lähettää kysymyksiä ja saada vastauksia.
    • Digiohjaajia ovat Aku Leivonen, Joonas Nuutinen ja Aapeli Nevala.
  • Luokassa maanantaisin klo 12-14 ja tiistaisin klo 10-12 sekä 14-18.
    • Luokkaohjaajia ovat Nea Rantanen, Daniel Kari, Joonas Nuutinen ja Aapeli Nevala.
    • Ensimmäisen viikon lähiopetus, eli 23.1 ja 24.1 annetaan atk-luokassa C128 (Kumpulan kampus, Exactum -rakennus, 1. kerros). Erityisen kohderyhmän muodostavat kurssilaiset, jotka eivät ole aiemmin käyttäneet R-ohjelmistoa.
    • Tämän jälkeen, eli 30.1 eteenpäin ohjausta annetaan luokassa C323 (Kumpulan kampus, Exactum -rakennus, 3. kerros). 

Kurssin suorittaminen

  • Kurssin suoritus perustuu lopussa järjestettävään kurssikokeeseen ja viikoittaisiin laskuharjoituksiin.

  • Laskuharjoituksia kurssilla on kuutena viikkona.

  • Pisteet laskuharjoituksista tulevat oikein tehtyjen tehtävien palauttamisesta ja muiden opiskelijoiden vastauksiin annetusta vertaispalautteesta sekä itsearvioinnista.

  • Vertaispalaute on osa oppimisprosessia: oppi muiden kurssilaisten vastauksista sekä oppi siitä miten annetaan ja vastaanotetaan palautetta. Vertaispalaute annetaan malliratkaisujen perusteella. 

  • Maksimissaan kurssikokeesta ja laskuharjoituksista voi saada yhteensä 36 pistettä, joista 24 tulee tentistä ja 12 pistettä tulee laskuharjoituksista. Moodlessa kerrotaan tarkemmin, miten laskurajoituspisteet muodostuvat (12 pistettä laskuharjoituksista loppuarvosaanaan vaikuttavina pisteinä tarkoittavat viikoittaisista laskuharjoituksista, max 22 pistettä / viikko, max 132 kuudelta viikolta, näistä raakapisteistä 0-12 asteikolle skaalattuja pisteitä. 

  • Hyväksyttyyn suoritukseen vaaditaan 12 pistettä (arvosana 1) ja arvosanaan 5 vaaditaan vähintään 30 pistettä. 

Palautetta kurssista

Matematiikan ja tilastotieteen laitoksella on käytössä jatkuva palautteen keruu eli voit antaa palautetta missä tahansa kohdassa kurssia. Palautelomakkeeseen pääset täältä.