õppeaine eesmärgid eesti k
Süvendada teadmisi juhuslikkusest ja kujundada stohhastilist mõtlemisviisi.
Anda oskusi juhuslikkuses peituvate seaduspärasuste kirjeldamiseks matemaatilise analüüsi ja statistika meetodite abil. Süvendada teadmisi ja oskusi andmetöötluses.
õppeaine eesmärgid inglise k
To deepen the knowledge about randomness and create the stochastical kind of thinking. To give knowledge about the laws of random phenomena and ability to indentify them by means of methods of mathematical analysis and statistics. To deepen knowledge and skills for data processing.
õppeaine õpiväljundid eesti k.
Kursuse läbinud üliõpilane
- tunneb tõenäosusteooria põhimõisteid, oskab leida sündmuste summa ja korrutise tõenäosust ning kasutada täistõenäosuse, Bayesi ja Bernoulli valemeid ülesannete lahendamisel;
- tunneb juhusliku suuruse, selle jaotusfunktsiooni, jaotustiheduse ja teiste karakteristikute mõisteid ning oskab lahendada ülesandeid enamlevinud jaotuste parameetrite määramise ja nendega seotud tõenäosuste arvutamise kohta;
- omab teadmisi piirteoreemide kohta;
- tunneb juhusliku vektori, selle jaotusfunktsiooni, jaotustiheduse, tinglike jaotustiheduste, kovariatsiooni ja korrelatsiooni mõisteid ning oskab lahendada vastavaid ülesandeid;
- tunneb matemaatilise statistika põhimõisteid, oskab leida punkt- ja vahemikhinnanguid;
- tunneb Bayesi statistika põhimõtet;
- oskab kasutada klassikalise statistika teste;
- omab teadmisi statistiliste hüpoteeside kontrollimise kohta ja oskab kasutada vähimruutude meetodit;
- oskab kasutada statistika tarkvara klassikalise statistika piires
õppeaine õpiväljundid ingl k.
Student having passed the course
- knows the main concepts of the theory of probability, is able to find probabilities of sums and products of events and use the formula of total probability and Bayes and Bernoulli formulas to solve problems;
- knows the concepts of the random variable, distribution function, density function and other characteristics and is able to solve problems to find parameters of distributions and to compute related probabilities;
- has knowledge about limit theorems;
- knows the concepts of random vector, its distribution function, density, conditional densities, covariation and correlation and is able to solve related problems;
- knows of main concepts of the mathematical statistics, is able to find point and interval estimators;
- knows the principle of Bayesian statistics;
- is able to use classical tests of statistics;
- has a knowledge about verification of statistical hypotheses and is able to use the least squares method;
- is able to use software of statistics in the framework of classical statistics
õppeaine sisu lühikirjeldus eesti k
Juhuslik sündmus. Tehted sündmustega. Tõenäosuse definitsioon. Tõenäosuste liitmis- ja korrutamislause. Täistõenäosus. Bayesi valem. Bernoulli valem.
Juhusliku suuruse mõiste. Jaotus- ja tihedusfunktsioon. Juhusliku suuruse keskväärtus, dispersioon ja muud karakteristikud. Enamlevinud juhusliku suuruse jaotused. Piirteoreemid.
Juhuslik vektor ning selle jaotusfunktsioon ja jaotustihedus. Tinglikud jaotusfunktsioonid, tihedused ja Bayesi meetodid. Juhusliku vektori komponentide vaheline sõltuvus.
Matemaatilise statistika aine. Üldkogum. Valim. Empiiriline jaotusfunktsioon. Sagedustabel. Empiirilised arvkarakteristikud kui juhuslikud suurused. Vahemikhinnangud. Suurima tõepära meetod. Usalduspiirkond ja usaldusnivoo.
Hüpoteeside kontroll. Ühe- ja kahepoolsed hüpoteesid. Randomiseeritud kriteerium. Mitme üldkogumi keskmise võrdlemine. Dispersioon- ja korrelatsioonanalüüs. Üldine lineaarne regressioon.
Statistika tarkvara (Excel või R).
õppeaine sisu lühikirjeldus ingl k
Event. Operations with events. Definition of probability. Addition and multiplication of probabilities. Total probability. Bayes and Bernoulli formulas. Random variable. Probability distribution and density. Mathematical expectation, dispersion and other characteristics. Most important distributions. Limit theorems. Random vector and its distribution function and density function. Conditional distributions and densities. Bayesian methods. Dependence of vector components.
The subject of mathematical statistics. Statistical population. Sample. Empirical distribution. Frequency table. Empirical numerical characteristics like random variables. Interval estimations. Maximum likelihood method. Confidence interval and confidence level. Verification of hypotheses. One-sided and two-sided hypotheses. Randomized criterium. Comparizon of means of several populations. Dispersion and correlation analysis. General linear regression. Software of statistics (Excel or R).
hindamisviis eesti k
Harjutustundides antakse lahendamiseks koduülesanded + kodune kontrolltöö andmetöötlusest, mille korrektsed lahendused tuleb kohustuslikus korras esitada harjutustunde läbiviivale õppejõule. Lisaks tuleb sooritada kaks kontrolltööd harjutustundide materjali kohta (ülesanded). Lõplik teadmiste kontroll toimub eksamil. Üliõpilane peab eksamile pääsemiseks olema lahendanud kodused ülesanded, esitanud andmetöötluse koduse kontrolltöö lahenduse ja sooritanud kaks kontrolltööd. Eksamil kontrollitakse üliõpilase teoreetilisi teadmisi: mõistete definitsioone ja vaadeldavate matemaatiliste objektide omadusi, samuti tõestusi nõutud mahus. Aine koondhinne kujuneb ülesannete tööde ja eksami tulemuse kaalutud keskmisena.
hindamisviis ingl k
Home exercises and a homework about data analysis will be given in exercise classes. These
tasks must be correctly performed and presented to the instructor of the exercises. In addition, 2 auditorial tests will be given concerning the exercises. Final verification of the knowledge will be performed in the form of an exam. In order to qualify for the exam, the student must present the home exercises, the homework about the data analysis and perform two auditorial tests. At the exam the theoretical knowledge of the student will be examined: definitions of concepts, properties of mathematical objects and proofs in a required amount. The final grade of the course will be computed as a weighted mean of the tests and the exam.
iseseisev töö eesti k
Iseseisev töö seisneb teoreetiliste materjalide läbitöötamises ja kodutööde täitmises. Töö maht statsionaarses õppes - 64 tundi.
iseseisev töö ingl k
The self-dependent work of students consists in the learning of the theoretical material of the subject and solving the home-problems. Learning capacities of the subject in the stationary learning is 64 hours.
õppekirjandus
Kohustuslik:
K. Pärna, Tõenäosusteooria algkursus (I osa), Tartu, 2013.
I. Traat, Matemaatilise statistika põhikursus, Tartu, 2006.
Soovituslik:
Tammeraid, I. Tõenäosusteooria ja matemaatiline statistika. Tallinn, TTÜ kirjastus 2004
Gurski, J. Tõenäosusteooria ja matemaatilise statistika elemendid. Tallinn, Valgus 1986
Keres, K., Levin, A. Matemaatiline statistika. Ülesannete kogu. Tallinn, TTÜ kirjastus, 2006
õppevormid ja mahud
päevaõpe: nädalatunnid
4.0
sessioonõppe töömahud (semestris):
praktikume
0.0
praktikume
0.0