Osaamistavoitteet
Opintojakson suoritettuaan opiskelija osaa sovittaa empiiriseen aineistoon lineaarisen regressiomallin ja osaa johtaa ja todistaa lineaarisen regressioanalyysin perustulokset neliösummahajotelmineen. Lisäksi hän osaa tehdä lineaarisen regressioanalyysin matriisioperaatioiden avulla jollakin tilastollisella ohjelmistolla.
Sisältö
Yhden selittäjän lineaarinen regressioanalyysi, graafiset tarkastelut, lineaarisen mallin määrittely, parametrien estimointi, hypoteesien testaus, erityisiä regressiomalleja, regressiomallin rakentamiseen liittyviä ongelmia.
Vaadittavat opintosuoritukset
- Tutkinto-ohjelman omat opiskelijat
- Muut opiskelijat
- Avoimen yliopisto-opetuksen opiskelijat
- Tohtoriopiskelijat
- Vaihto-opiskelijat
- Tutkinto-ohjelman omat opiskelijat
- Muut opiskelijat
- Avoimen yliopisto-opetuksen opiskelijat
- Tohtoriopiskelijat
- Vaihto-opiskelijat
Arviointi
Numerolla 1-5.Kirjallisuus/Oppimateriaali
Opintojakso perustuu luentoihin. Oheislukemistona suositellaan:
Puntanen, S., Styan, G. P. H., Isotalo, J. (2012) Formulas useful for linear regression analysis and related matrix theory: It's only formulas but we like them. Springer. (Ilmestyy syyskuussa 2012.)
Puntanen, S., Regressioanalyysi I-II. B48-49/MTF, Tampereen yliopisto 1998.
Puntanen, S., Styan, G. P. H., Isotalo, J., Matrix Tricks for Linear Statistical Models: Our Personal Top Twenty. Springer 2011.
Draper, N. R., Smith, H., Applied Regression Analysis, 3rd ed. Wiley 1998.
Seber, G. A. F., Lee, A. J., Linear Regression Analysis, 2nd ed. Wiley 2003.
Weisberg, S., Applied Linear Regression, 3rd ed. Wiley 2005.
Kokonaisuudet johon opintojakso kuuluu
2018–2019
