TILS1510 Missing data (2–5 cr)

Open the course unit brochure on Sisu
Study level:
Advanced studies
Grading scale:
0-5
Language:
Finnish
Responsible organisation:
Department of Mathematics and Statistics
Curriculum periods:
2020-2021, 2021-2022, 2022-2023, 2023-2024

Description

Kurssi käsittelee tilastollista päättelyä puuttuvan tiedon tapauksessa. Puuttuvan tiedon ongelma kohdataan lähes kaikissa empiirisissa aineistoissa ja puuttuvalla tiedolla voi olla suuri vaikutus aineiston pohjalta tehtäviin päätelmiin. Kaikille kurssilaisille suunnatussa osiossa käytetään moni-imputointia puuttuvan tiedon käsittelyyn.  Kurssilla käsitellään myös erilaisia tutkimusasetelmia puuttuvan tiedon näkökulmasta.

Tilastotieteen opintosuunnan opiskelijoille suunnatussa osiossa esitellään painotukseen, moni-imputointiin ja uskottavuuspäättelyyn perustuvat tavat puuttuvan tiedon käsittelyyn ja sovelletaan näitä menetelmiä  todellisiin ja simuloituihin aineistoihin. Osiossa käsitellään myös laskennallisten menetelmien toteuttamista (mm. EM-algoritmi) sekä keskeisiä teoreettisia tuloksia ja käytetään työvälineenä simulointia.

Learning outcomes

Kurssin suorittanut
  • ymmärtää puuttuvan tiedon vaikutuksen tilastolliseen päättelyyn,
  • tuntee puuttuvan tiedon lajit,
  • osaa tulkita tutkimusasetelman suunnitellusti puuttuvana tietona,
  • osaa toteuttaa moni-imputoinnin ohjelmistolla

Lisäksi tilastotieteen opintosuunnan opiskelija
  • osaa havaintojen painotukseen, moni-imputointiin ja mallintamiseen perustuvat tavat puuttuvan tiedon käsittelyyn
  • hallitsee käsiteltyihin menetelmiin liittyvän tilastotieteen teorian
  • osaa toteuttaa laskennallisia menetelmiä.

Additional information

Tilastotieteen opintosuunnan opiskelijoille kurssin laajuus on 5 op
Muilla opiskelijoilla luentoja on vähemmän ja kurssin laajuus on 2 op.

Description of prerequisites

Tilastotieteen opintosuunnan opiskelijoilla: Tilastollinen päättely 1 ja 2, Yleistetyt lineaariset mallit 1 ja 2, R-kurssi. Suositellaan myös Bayes tilastotiede 1

Muilla opiskelijoilla: Datasta malliksi tai Tilastomenetelmien peruskurssi tai vastaavat tiedot, perusvalmiudet R-ohjelmiston käyttöön.

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. Opetusohjelmassa on tarkemmat arviointiperusteet.
Select all marked parts
Parts of the completion methods
x

Teaching (2–5 cr)

Type:
Participation in teaching
Grading scale:
0-5
Evaluation criteria:
Arviointiin vaikuttavat menestys kurssitentissä ja mahdollisesti aktiivisuus harjoitustehtävien tms. tekemisessä sekä harjoitustyöstä suoriutuminen. Opetusohjelmassa on tarkemmat arviointiperusteet.
Language:
Finnish
Study methods:

Harjoitukset, harjoitustyö ja kurssitentti. Suoritustavat ovat tarkemmin opetusohjelmasssa.

Teaching

x

Exam (2–5 cr)

Type:
Exam
Grading scale:
0-5
Evaluation criteria:
Kurssin lopputentissä hyväksyttyyn suoritukseen vaaditaan yleensä vähintään puolet tentin maksimipisteistä. Opetusohjelmassa on tarkemmat arviointiperusteet.
Language:
Finnish
Study methods:

Kurssin lopputentti.
Suoritustavat ovat tarkemmin opetusohjelmasssa.

No published teaching