Mittaustulosten käsittely (T0210), 5 op

Perustiedot

Esitietovaatimukset

Matematiikan suoritetut peruskurssit, erityisesti tilastolliset valmiudet ovat tärkeät.

Sisältö (ydinaines ja -osaaminen)

Johdatusta aiheeseen, käsitteitä, kaavoja ja esimerkkejä
Eri tyyppiset mittaukset, testisuunnittelu ja datan puhdistaminen
Tilastollisten käsitteiden ja grafiikan periaatteiden omaksuminen ja käyttö
Datan siirto ja analysointi samanaikaisesti useaa ohjelmistoa käyttäen
Tilastollinen tulkinta
Funktion sovitus aineistoon; mallinnus yhden selittäjän erityyppisissä tilanteissa,
mallinnus usean muuttujan ja eri tyyppisten muuttujien datajoukoissa. Pääpaino on regressioanalyysissa
Mallin hyvyyden analysointi ja tuotettujen mallien vertailu


Työkalut:
· Excel ja sen Analysis-toolbox
· Statgraphics -tilasto-ohjelma
· Matlab ja sen Statistics Toolbox ja Curve Fitting
· koulun koneilta ja verkosta löytyvät muut matemaattiset ja tilastolliset ohjelmat sikäli kuin opiskelija niin haluaa.

Sisältö (täydentävä ja erityisosaaminen)

Vaativampi regressioanalyysi
Faktorianalyysi
Aikasarjat

Tiedolliset oppimistulokset (ydinaines ja -osaaminen)

Matemaattinen mallinnus on tietokonepohjainen opintojakso, jossa tutkitaan ja analysoidaan erityyppisiä suuria havaintoaineistoja. Tavoitteena on kehittää insinöörin työssä tarvittavia ongelmanratkaisutaitoja. Laboratoriotunneilla käsitellään paljon käytännön esimerkkejä pienissä opiskelijaryhmissä. Opiskelija saa valmiudet monimutkaisten matemaattisten mallien ja laatujärjestelmien kehittämiseen sekä tuloksien luotettavuuden kriittiseen arviointiin. Sopivien tietokone-ohjelmien (Excel, Matlab, Statgraphics Plus) käyttö antaa opiskelijalle mahdollisuuden keskittyä analyysitulkintojen tekemiseen.

Taidolliset oppimistulokset (ydinaines ja -osaaminen)

Opintojakson aikana opiskelija oppii katsomaan ja käsittelemään isoa informaatiojoukkoa.
Hän osaa asettaa oikeita kysymyksiä eri tyyppisten mittaustulosten yhteyteen ja analysoida ajatustensa oikeutusta. Oikeaksi osoittautuneet tulokset opiskelija pystyy esittämään tarkoituksenmukaisella tavalla.

Kirjallisuus ja muu materiaali

Neter-Kutner-Nachtsheim-Wasserman: Applied Linear Statistical Models,
H. Karttunen, CSC, Datan käsittely, yms. myöhemmin ilmoitettavia lähteitä.

Opetusmenetelmät

Laboraatiot 42 h
Projektit 24 h
Itseopiskelu 67 h
YHTEENSÄ 133 h

Opiskelijan kuormittavuus

Arvioinnin perusteet

-Lukujärjestyksen mukainen kontaktityöskentely matematiikan laboratoriossa on ehdottoman pakollinen ja perusedellytys kurssin hyväksymiselle.
-Vain äärimmäisessä erikoistapauksessa voi töitä tehdä jälkikäteen.
-Itseopiskelua ja rajoitetusti kotitehtävien suorittamista
-Yksilökohtainen loppuprojekti jonka laajuus vastaa kurssilla käsiteltyjen esimerkkien laajuutta.
-Projektin toteutustasolla opiskelija vaikuttaa arvosanaansa.

PROJEKTI:
a) Sanallinen kuvaelma lähtötilanteesta ja ongelmasta sekä tiivistelmä tuloksista
perusteluineen. Tämä osa voidaan tehdä tekstinkäsittelyohjelmalla.
b) Levyke, joka sisältää tuloksiin johtaneet pääanalyysit täydennettynä väli-
otsikoin (esim.%-merkillä matlabissa).
c) Projektin esittely ryhmälle.

Hyvin suoritetusta kurssista ilman projektia on mahdollista saada 3 op:n kurssi.

Koulutusohjelmakohtaiset kompetenssit