Bio- ja elintarviketekniikan matemaattiset menetelmät (MATLB0120), 3 op

Perustiedot

Esitietovaatimukset

Matematiikan peruskurssit (MATLB0111 ja MATLB0112), tilastomatematiikan peruskurssi (MATLB0005)

Sisältö (ydinaines ja -osaaminen)

Empiiristen ja teoreettiset (mekanistiset) mallit. Muuttujatyypit matemaattisissa malleissa. Matemaattisten mallien luokittelu ja eri mallityyppien soveltuvuus bio- ja elintarviketekniikan erilaisiin sovelluksiin. Mallinnuksen keskeiset tilastolliset työkalut. Koevirhe, mallinnusvirhe ja residuaalit. Vertailukoesuunnitelmat ja ANOVA-mallit. Faktoriaaliset ja CC-koesuunnitelmat. Regressiomallit ja vastepinta-analyysi.

Sisältö (täydentävä ja erityisosaaminen)

2N-osakokeet, Taguchi-kokeet ja muita saturoituneita koesuunnitelmia. Monitavoitteinen optimointi..

Tiedolliset oppimistulokset (ydinaines ja -osaaminen)

Opiskelija ymmärtää minkä tyyppisissä ongelmissa matemaattisesta mallinnuksesta on hyötyä. Opiskelija osaa valita annettuun ongelmaan sopivan mallityypin yleisimmissä bio- ja elintarviketekniikan sovelluksissa. Opiskelija ymmärtää kokeiden suunnittelun tärkeyden sekä koevirheen merkityksen tulosten tulkinnassa. Opiskelija tietää koesuunnitelma vaikuttaa siihen, mitä tilastollisia menetelmiä tulosten analysointiin voi käyttää. Opiskelija tuntee tavallisimmat tilastolliset analyysityökalut (testit, ANOVA, regressio). Opiskelija tietää, milloin Excel on riittävä työkalu, ja milloin taas tarvitaan tilastollisia ohjelmistoja.

Taidolliset oppimistulokset (ydinaines ja -osaaminen)

Opiskelija osaa suunnitella kokeita. tyypillisissä bio- ja elintarviketekniikan tutkimus-, kehitys- ja laadunohjaushankkeissa. Opiskelija osaa analysoida suunnittelemansa kokeet. Opiskelija osaa raportoida koetuloksia käyttäen hyväksi tilastollisia menetelmiä

Kirjallisuus ja muu materiaali

Kurssimoniste

Lisämateriaalia:
P.D. Haaland, Experimental Design in Biotechnology, Marcel Dekker
Box, Hunter, Hunter, Statistics for Experimenters, Wiley
D.C. Montgomery, Design and Analysis of Experiments, Wiley
W.J. Kolarik, Creating Quality, Concepts, Systems, Strategies and Tools, McGraw-Hill
S.B. Vardeman, Statistics for Engineering Problem Solving, PWS
R. Carlson, Design and optimization in organic synthesis, Elsevier
Massart & al., Chemometrics: a textbook, Elsevier
Neter, Kutner, Nachtsheim, Wasserman, Applied Linear Statistical Models, McGraw-Hill

Opetusmenetelmät

Luokkahuoneopetusta: 14 h
Tietokoneharjoituksia: 21 h
Projektityö: 15
Tentti: 3
Opiskelijan itseopiskelu (kuormittavuusanalyysi tekemättä): 27 h
Yhteensä: 80 h
Kuormittavuusanalyysin seuranta tehty: -

Opiskelijan kuormittavuus

Arvioinnin perusteet

Tentti (vähintään 40 % maksimipistemäärästä), harjoitustyön hyväksytty suoritus

Koulutusohjelmakohtaiset kompetenssit

Teoreettinen perusta ja matemaattis-luonnontieteelliset valmiudet (T)