Tilastotieteen kandiseminaari, syksy 2016, kevät 2017

Last modified by Xwiki VePa on 2025/01/08 07:41

Tilastotieteen kandiseminaari,


Vastuuopettaja: Sirkka-Liisa Varvio 

Laajuus: 3 op

Tyyppi: suoritus rekisteröidään Weboodiin pakollisena muiden opintojen  opintojaksona 57593 Äidinkielen opinnot kandidaatintutkinnossa (kirjallinen ja suullinen osa), 3 op.

Sisältö:  Tutkielman esitys, toisen opiskelijan esityksen opponointi ja muiden opiskelijoiden esitysten seuraaminen yhden lukukauden ajan.

  • Tutkielma voi olla LuK-tutkielma, mutta se voi olla myös jokin muu tilastotieteeseen liittyvä tutkielma.
  • LuK-tutkielmaa ei ole siis ole enää pakko esittää kandiseminaarissa. Tämä korjaa epäkohdan: kandityön valmistuminen ja kandiksi valmistuminen on ollut sidoksissa lähes valmiin kandityön esitykseen seminaarissa.
  • Kandiseminaarista kirjataan muihin opintoihin kuuluvat äidinkielen opinnot (suullinen ja kirjallinen osa), 3 op, ja tämä opintosuoritus ei ole enää pakollisesti sidoksissa kanditutkielmaan.

Esitietovaatimukset: 1. vuoden tilastotieteen opinnot

Opetusajat

  • I - IV periodit, kokoontumisajat neuvotellaan kaikille osallistujille sopiviksi seuraavan perusteella:

  • Ilmoittaudu sähköpostilla vastuuopettajalle (sirkka-liisa.varvio at helsinki.fi) mahdollisimman pikaisesti, jotta selviää kuinka paljon osallistujia seminaariin on tulossa. Kun saadaan selville osanottajajoukko, suunnitellaan  seminaarin ajoitus, kuinka monta esitystä per sessio, haluatko valmistella esityksen kanditutkielmasta vai jostain muusta aiheesta.  Tarkempi kysely tulee sähköpostitse, kun alustava osallistujatilanne selviää!

  • Millaiseen ajankäyttöön sinun pitäisi varautua jotta saat seminaarin suoritettua?  Neljä osallistumiskertaa: se jossa pidät oman esityksen, se johon olet valmistellut opponoinnin toisen opiskelijan esitykseen, ja kaksi muuta.


Seuraava sessio

  •  Torstaina 2.3 klo 13.15, 3. kerroksen kokoushuoneessa D340, on esitys:

    Savi V, Nikkelin kuukausittaisen maailmanmarkkinahinnan vaihtelun mallintaminen ja ennustaminen. ARMA-GARCH mallit.

    Opponentti on Mikko T.