TILA142 Statistical Inference 2 (5 cr)

Study level:
Intermediate studies
Grading scale:
0-5
Language:
Finnish
Responsible organisation:
Department of Mathematics and Statistics
Curriculum periods:
2017-2018, 2018-2019, 2019-2020

Description

1. Uskottavuustarkasteluja (konstruktio, suurten otosten teoriaa, profiiliuskottavuus); 2. Hypoteesintestaus (merkitsevyystesti, uskottavuusosamäärän testi, permutaatiotesti, asymptoottisesti ekvivalentteja testejä, testin voimakkuus); 3. Empiirisiä menetelmiä (bootstrap, Jackknife); 4. Empiirinen Bayes -tilastotiede; 5. Ydinregressio; 6. Päätöksentekoteoriasta.


Learning outcomes

Kurssin käytyään opiskelija pystyy soveltamaan uskottavuuspäättelyä kompleksisille aineistoille käyttäen suurten otosten teoriaa. Edelleen opiskelija tuntee tärkeitä testien konstruktioperiaatteita ja ymmärtää, milloin tilastolliset testit ovat hyödyllisiä päättelyn työkaluja. Vaihtoehtoisista päättelyn menetelmistä opiskelija hankkii datalähtöisten empiiristen menetelmien (bootstrap ja jackknife) käyttövalmiuden ja ymmärryksen niiden hyödyllisesta sovetamisesta. Hänelle tulee myös valmius empiirisen Bayes-menetelmän ideasta ja soveltamisesta. Kurssin käynyt oppii myös, miten tilastollinen päättely liittyy päätöksentekoteoriaan.

Description of prerequisites

Data ja mittaaminen sekä Datasta malliksi tai vastaavat opinnot, perustiedot usean muuttujan derivoinnista ja integroinnista (matematiikan perusopinnot), Todennäköisyyslaskenta 1 ja 2 sekä Stokastiikan perusteet tai vastaavat tiedot, R-kurssi sekä Tilastollinen päättely 1 -kurssi.

Study materials

Penttinen, A. (2014): Tilastollinen päättely 2. Luentomoniste/handout, Jyväskylän yliopisto.

Penttinen, A. (2014): Tilastollinen päättely 1. Luentomoniste/handout, Jyväskylän yliopisto.

Literature

  • Davison, D. (2003). Statistical models. Cambridge University Press. (e-kirja kirjastossa); ISBN: 978-0-521-73449-3
  • Hastie, T. Tibshirani, R., Friedman, J. H. (2009). The elements of statistical learning : data mining, inference, and prediction, Springer cop. 2009. 2nd ed. (http://statweb.stanford.edu/~tibs/ElemStatLearn/); ISBN: 978-0-387-84857-0
  • Efron, B., Tibshirani, R.J. (1993): An introduction to the bootstrap. Chapman & Hall/CRC.; ISBN: 0-412-04231-2
  • http://statweb.stanford.edu/~tibs/ElemStatLearn/
  • Casella, G., Berger, R.L. (202): Statistical inference, 2nd ed., Duxbury, International student edition.; ISBN: 978053423128
  • Kalbflesch, J.G. (1985): Probability an statistical inference. Volume 2: Statistical inference, 2nd ed., Springer.; ISBN: 0-397-96183-6
  • Cox, D.R., Hinkley, D.V. (1974). Theoretical Statistics. Chapman & Hall.; ISBN: 0-412-16160-5

Completion methods

Method 1

Evaluation criteria:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen.
Select all marked parts

Method 2

Evaluation criteria:
Kurssin lopputentissä hyväksyttyyn suoritukseen vaaditaan yleensä vähintään puolet tentin maksimipisteistä.
Select all marked parts
Parts of the completion methods
x

Teaching (5 cr)

Type:
Participation in teaching
Grading scale:
0-5
Language:
Finnish

Teaching

x

Exam (5 cr)

Type:
Exam
Grading scale:
0-5
Language:
Finnish

Teaching