Opetusohjelmasta
Alla on julkaistu matematiikan ja tilastotieteen kandidaattiohjelman opetusohjelma. Tutkintorakenteen, tutkintoon vaadittavat opintojaksot sekä opintokokonaisuuksien sisällöt voi tarkistaa opinto-oppaasta. Opintojaksojen vastuuopettajat on julkaistu opetustietojen yhteydessä alla sekä Opiskelun oppaassa.
Myös ennen syksyä 2015 aloittaneet opiskelijat valitsevat opintojaksot tästä opetusohjelmasta, vaikka noudattaisivat aiemmin voimassa ollutta opetussuunnitelmaa. Vanhojen ja uusien opintojaksojen vastaavuudet on kuvattu kurssien kuvaustiedoissa ja vastaavuustaulukossa.
Ilmoittautuminen
Periodilla I alkavat kurssit: ke 1.8. - su 2.9.2018
Periodilla II alkavat kurssit: ma 17.9.- su 14.10.2018
Periodilla III alkavat kurssit: 14.11. - 19.12.2018 (HUOM. Muutettu vuodenvaihteen tietojärjestelmäkatkosten vuoksi.)
Periodilla IV alkavat kurssit: ma 28.1.-su 24.2.2019
Matematiikan ja tilastotieteen kursseille ilmoittaudutaan kurssin tiedoissa mainitulla tavalla (pääsääntöisesti NettiOpsussa). Mikäli et osallistu opetukseen, tulee ilmoittautuminen perua kahden viikon kuluessa opetuksen alkamisesta. Mikäli et osallistu opetukseen etkä peru kurssipaikkaa tai keskeytät kurssin, opintosuoritus arvioidaan arvosanalla hylätty.
Kurssien väli- tai loppukokeisiin ei yleensä tarvitse ilmoittautua (lisätiedot opettajalta). Yleisiin tentteihin ilmoittaudutaan NettiOpsussa vähintään 7 vrk ennen tenttiä.
Palaute
Opintojaksoista voi antaa palautetta kurssikohtaisella palautelomakkeella. Opettajat vastaavat palautteen keräämisestä ja palautemahdollisuuden tarjoamisesta.
Yleistä palautetta matematiikan ja tilastotieteen opetuksesta voi antaa e-lomakkeella.
Kokonaismerkinnät
Matematiikan ja tilastotieteen kokonaismerkinnät pyydetään tutkinto-ohjelman asiointiosoitteesta mtt-studies@uta.fi. Liitä pyyntöön nimen ja opiskelijanumeron lisäksi kokonaisuuden tiedot (nimi ja sisältö).
Tampere3-ristiinopiskelusta, TaY:n opiskelijat
Opetusohjelmaan on poimittu Tampereen teknillisen yliopiston järjestämät ja matematiikan aineenopettajaksi suuntatuville opiskelijoille suositellut kurssit:
Ristiinopiskelupalvelussa listattujen muiden kurssien vastaavuudet suhteessa TaY:n matematiikan opintoihin on listattu erillisessä taulukossa.
Kursseille hakeudutaan ristiinopiskelupalvelun kautta.
Tampere3-ristiinopiskelusta, muut T3-opiskelijat
Noudata oman organisaatiosi ja ristiinopiskelupalvelun ohjeita. Ristiinopiskelupalvelussa ja tässä opetusohjelmassa listatuille TaY:n matematiikan kursseille varataan paikkoja muiden T3-korkeakoulujen opiskelijoille. Kiintiö vaihtelee kursseittain.
Tutkinto-ohjelma
Jos ilmoittautumisaika on päättynyt, voit tiedustella mahdollisuudesta osallistua kurssille sähköpostitse suoraan vastaavalta opettajalta Ari Virtaselta.
Knowledge about statistical methods and data analysis is of great importance in almost any field of research. In this course, general concepts of statistics will be provided so that the students can be able to independently carry out a small scale empirical research with the statistical software R.
Contents
A maximum number of 50 students will be allowed in this course (70% doctoral students and 30% masters students).
Please note that this course cannot be included inside the minimum 120 ECTS of Master's Degree Programme in CBDA (basic level course).
MTTTP1 Tilastotieteen johdantokurssi lectured in period I, II or III-IV is recommended for Finnish students.
Harjoitukset järjestetään viikoilla 37, 38, 40 ja 42
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään opettajan ohjeiden mukaisesti kurssin alussa.
Vierailuluennot
Kurssin osana pidetään kaikille avoimia vierailuluentoja.
ma 24.9 (klo 14-15) Hyon-Jung Kim-Ollila: Introduction to statistics
ma 1.10 (klo 14-15) Ville Puuska: Topologinen data-analyysi
ma 8.10 (klo 14-15) Henry Joutsijoki: Johdatus koneoppimiseen
ma 15.10 (klo 14-15) Lasse Koskinen: Vakuutusmatemaatikon rooli vakuutusyhtiössä
Muutokset vierailuluentojen ajankohtiin ja teemoihin ovat mahdollisia.
Starttiluennolle osallistuminen on pakollista. Starttiluento (vk 35) ja sitä seuraava luento (vk 36) on kahdennettu, eli siitä järjesteään kaksi samansisältöistä toteutusta.
Ilmoittaudu kurssille NettiOpsussa ja harjoitusryhmään kurssin kotisivun ohjeiden mukaisesti.
Tietty määrä hyväksytysti ratkaistuja harjoitustehtäviä ja hyväksytty tentti.
Kurssisivun ohjeiden mukaisesti.
Näyttökokeeseen voivat osallistua ne, joilla ei ole opintosuoritusrekisterissä suoritusmerkintää jaksosta
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitus- ja SPSS-ryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Kurssin lopputentti: ti 30.10.18 klo 16-19 päätalon luentosalissa LS A1
Opintojakso toteutetaan tämän kurssin lisäksi avoimena yliopisto-opetuksena (iltaryhmä, periodi II) ja päiväopetuksena keväällä 2019.
Kurssilta varataan paikkoja TTY:n opiskelijoille (ristiinopiskelutarjonta). Mikäli kaikki ilmoittautuneet eivät mahdu kurssille ja osallistujamäärää joudutaan rajaamaan, etusijalla ovat TaY:n Matematiikan ja tilastotieteen tutkinto-ohjelman opiskelijat sekä TTY:n matematiikan opiskelijat, joille kurssi on pakollinen.
Opintojakso toteutetaan yhteistyössä TTY:n kanssa.
Luennot striimataan/tallennetaan ja yksi harjoitusryhmä järjestetään tarvittaessa TaY:n lisäksi myös TTY:lla. Yksityiskohdista tiedotetaan kurssilaisille Moodle-alueella.
Huom. Kandidaattiseminaarin suoritukseen kuuluu myös LaTeX-opetus, ks.opetusaikataulu.
Ilmoittautuminen/ryhmävalinta tehdään kandidaattiseminaarissa tai suoraan opettajalle (muut, jotka suorittavat vain LaTeX-osan).
Huom. LaTeX-opetus on osa kandidaattiseminaaria, ks. opetusaikataulu. Myös pelkkään LaTeX-opetukseen voi osallistua, mikäli tilaa on.
Opintojakson suorituksia voi tehdä koko lukuvuoden ajan sopimalla siitä opettajan kanssa. Tarkemmat suoritusohjeet kootaan opintojakson kotisivulle.
Tutkinto-opiskelijat
Jakson suoritusohjeet julkaistaan kurssin kotisivulla. Ei aloitusluentoa.
Avoimen yliopiston opiskelijat
Opintojakso suoritetaan harjoitustyöllä, jonka suoritusohjeet löydät kurssin kotisivulta.
Info 14.3.2019 klo 16-17, Pinni B0020, Kanslerinrinne 1 (osallistuminen ei ole pakollista).
Harjoitustyön palautuspäivä: 6.5.2019 opiskelijoilla, jotka hakevat väylän kautta tutkinto-opiskelijoiksi, muilla avoimen yliopiston opiskelijoilla 7.6.2019
Yhteys- ja lisätiedot
Harjoitustyön ohjaus ja arviointi: Jyrki Ollikainen, jyrki.ollikainen(at)uta.fi
CBDA-students are recommended to follow the study schedule of the English language version of the course MTTTA14 Matrices for Statistics and Computational Methods
Sisällöt:
koordinaattitaso
tason isometriat
kartioleikkaukset
symmetrisen matriisin diagonalisointi
pääakseliongelma
Edeltävät opinnot:
Kurssia edeltäviksi opinnoiksi suositellaan aineopintokursseja Lineaarialgebra 1A ja Lineaarialgebra 1B
Opiskelussa painottuu itsenäinen työskentely. Varsinaista opetusta on vain 2h/vko.
Kurssi käy osaksi Matematiikan aineenopettajan aineopintoja (erikseen sovittava opintojakso).
Kurssi käy opinto-oppaan 2012-2015 ja 2015-2018 mukaiseksi ylimääräiseksi aineopintokurssiksi, jolla voi korvata syventäviä opintoja aineenopettajan maisteriopinnoissa (ns. 15 opintopisteen sääntö).
This course explores methods for the analysis of longitudinal data and latent variable methods for linear models, generalized linear models, and nonlinear models. Focusing on applications, this course explores: the analysis of repeated measures ANOVA, multivariate approaches, random-effects regression, covariance-pattern models, generalized-estimating equations and generalizations, latent variable methods including finite mixture modelling, and likelihood methods. Students will develop expertise using the SAS and R computer packages, although no previous programming experience will be assumed. Grading is based on homework and computer assignments and a project, as well as several exams.
Course begins with a lecture on Monday 17th of September at 2 pm.
There are three exams during the course.
Recommended preceding studies:
Basic courses of statistics and Regression analysis
Työpajat on tarkoitettu matematiikan ja tilastotieteen opiskelijoille neuvojen ja ohjauksen saamista varten (laskuharjoitukset).
Pajaan voi tulla tekemään harjoitustehtäviä omassa rauhassa, jos niin tahtoo, ja halutessaan kääntyä ohjaajan puoleen. Minkäänlaisia vaatimuksia, ehtoja tms. ei opiskelijalle aseteta.
Matematiikan työpajassa on tarjolla ohjausta kandidaatintutkinnon pakollisiin matematiikan kursseihin ja erityisesti painotetaan ensimmäisen vuoden opintoja. Muidenkin kurssien (esim. aineopinnot) tehtäviä saa tulla tekemään.
Tilastotieteen työpaja on avoin kaikille tilastotieteen opinnoissa tukea kaipaaville opiskelijoille.
Työpaja tarjoaa tukea myös tilastollisten ohjelmistojen käyttöön (esim. SPSS ja R).
Työpajassa kerrataan opettajan johdolla matematiikan perustaitotestiä varten.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Avoimen yliopisto-opintojen opiskelijoiden kiintiö iltaryhmään on 50, tutkinto-opiskelijoiden kiintiö 45.
Tutkinto-opiskelijat: Huomaattehan, että opintojakso toteutetaan tämän kurssin lisäksi päiväopetuksena periodissa I ja keväällä 2019.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Opintojakso toteutetaan tämän kurssin lisäksi avoimena yliopisto-opetuksena (iltaryhmä) periodissa III. Kurssilla on 10 opiskelijan kiintiö tutkinto-opiskelijoille.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmä valitaan kurssin kotisivulla olevan linkin kautta.
Ilmoittautuminen ja aikataulut opintojakson kotisivun kautta.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään opintojakson kotisivuilla.
Kurssi on ensisijaisesti avoimen yliopisto-opintojen opiskelijoille. Avoimen yliopisto-opintojen opiskelijoiden kiintiö on 30, tutkinto-opiskelijoiden kiintiö 10.
Tutkinto-opiskelijat: Huomaattehan, että opintojakso toteutetaan tämän kurssin lisäksi päiväopetuksena periodissa II
Kurssi on yhdistetty opinto-oppaan 2012-2015 kursseista MTTTP2 Tilastollisen päättelyn perusteet 1 ja MTTTP3 Tilastollisen päättelyn perusteet 2.
Mikäli olet suorittanut molemmat vanhat kurssit tai pelkän MTTTP3:n, et voi saada MTTTP5:sta opintopisteitä. Mikäli olet suorittanut vain MTTTP2:n, voit suorittaa MTTTP5:n.
Harjoitusryhmän valinta tehdään myöhemmin kurssin kotisivulla olevan linkin kautta opettajan ohjeiden mukaisesti.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitus- ja SPSS-ryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Loppukoe:
Opintojakso toteutetaan periodin III lisäksi avoimena yliopisto-opetuksena periodissa IV (iltaryhmä, tutkinto-opiskelijoille varataan kurssille vähintään 10 opiskelijan kiintiö).
TTY:n opiskelijat ilmoittautuvat opintojaksolle ristiinopiskelupalvelun ohjeiden mukaisesti: www10.uta.fi/ristiinopiskelupalvelu
Opetus TTY:llä.
Kurssikuvaus TTY:n opinto-oppaassa: http://www.tut.fi/opinto-opas/wwwoppaat/opas2018-2019/perus/aineryhmat/Matematiikka/MAT-60750.html
TaY:n opiskelijat ilmoittautuvat ristiinopiskelupalvelun ohjeiden mukaisesti.
Kurssin kotisivun kautta viimeistään 5.3.
Aloitusluennolle osallistuminen on pakollista.
Kurssi on suoritettavissa Moodlessa 6.5.-20.5.2019 välisenä aikana, ilmoittautuminen ajalla 25.4.-6.5.2019
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitus- ja SPSS-ryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Huomaathan, että opintojakso toteutetaan tämän kurssin lisäksi päiväopetuksena periodissa I ja avoimena yliopisto-opetuksena periodissa II (iltaryhmä).
Kurssi-ilmoittautuminen NettiOpsussa. Lisäksi kurssilla on valittava harjoitusryhmä ilmoittautumalla ryhmään kurssisivulla olevan linkin kautta.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
Kurssi on ensisijaisesti avoimen yliopisto-opintojen opiskelijoille. Avoimen yliopisto-opintojen opiskelijoiden kiintiö on 30, tutkinto-opiskelijoiden kiintiö 10.
Tutkinto-opiskelijat: Huomaattehan, että opintojakso toteutetaan tämän kurssin lisäksi päiväopetuksena periodissa III
Content
It is quite common that we do not get all the information we want for our statistical analysis. For example, in medical research a person can refuse to provide certain information they feel sensitive, such as weight, substance abuse, sexual orientation etc. Particularly, missing data in longitudinal studies is more the rule than an exception. Missing data in statistical analysis causes all sorts of problems. For example, the desired statistical method cannot be directly applied; loss of information or the results obtained can be biased if the analysis is not done properly accomplished. The course introduces various missing data mechanisms and their effects on statistical analysis. In addition, it presents and evaluates some of the commonly used methods for statistical analysis with missing data. Also special methods for the analysis of longitudinal data are presented including likelihood-based methods and multiple imputation.
Modes of Study
Course work, exam.
This course is an intermediate study version of MTTS1 Statistical Analysis with Missing Data. The student can only complete one of the two versions.
Entisen TTY:n opiskelijat ilmoittautuvat jaksolle ristiinopiskelupalvelun ohjeiden mukaisesti.
Kurssi-ilmoittautuminen NettiOpsussa. Harjoitusryhmän valinta tehdään myöhemmin opettajan ohjeiden mukaisesti.
This course will give a detailed overview of statistical models for modern regression and classification with emphasis on applications. A number of examples and case studies will be examined. This course will cover a range of models from linear regression through various classes of more flexible models including fully nonparametric regression models. We will consider both regression and classification problems. Methods such as splines, additive models, multivariate adaptive regression splines (MARS), neural networks, classification and regression trees (CART), linear and flexible discriminant analysis, generalized additive models, nearest- neighbor rules and learning vector quantization will be discussed.
Recommended preceding studies:
Basic courses of statistics and Regression analysis.
Please note
Students who have completed course MTTA2 Ei-parametrinen regressio can not get full credits of this course because some of the contents overlap.