MTMS.01.001

		lecture - 1. Matemaatilise statistika ülesanne, seos kirjeldava statistikaga. Juhusliku valimi definitsioon.Üldkogumi jaotus. Valimi elemendi jaotus.
 		lecture - 2. Punkthinnang, hinnangufunktsioon, statistik, hinnangufunktsiooni jaotus, hinnangu nihe, efektiivsus, mõjusus. Vaatlused erinevatest jaotustest.
 		lecture - 3. Tarvilikud ja piisavad tingimused mõjususeks. Suvalise jaotusega üldkogumi keskväärtuse ja dispersiooni hindamine. Hinnangute leidmise meetodid. Suurima tõepära meetod.
 		lecture - 4. Hinnangute leidmise meetodid: vähimruutude ja momentide meetod. Rakendused
normaaljaotuse parameetrite hindamiseks (üks valim ja kaks valimit).
 		lecture - 5. Rakendused Binoomjaotuse ja selle sugulaste (Bernoulli, hüpergeomeetrilise, Poissoni jaotuse) parameetrite hindamisele.
 		lecture - 6. Tõenäosusfunktsiooni, tihedusfunktsiooni ja jaotusfunktsiooni hindamine. Bayesi lähenemine hindamisülesandele.
 		lecture - 7. Vahemikhinnang. Üldine meetod. Tähtsad jaotused vahemikhinnangute leidmiseks. Hii-ruut jaotus. Aditiivsuse teoreem.
 		lecture - 8. Valimi elementide ruutude jaotus, kui valimi elemendid on normaaljaotusega. Üldistus.
 		lecture - 9. t-jaotus. valimikeskmise ja standardhälbe suhte jaotus. Normaaljaotuse parameetrite vahemikhinnangud. Ka kahe keskväärtuse vahe jaoks (sõltumatud ja sõltuvad valimid).
 		lecture - 10. Normaalne aproksimatsioon. Binoomjaotuse ja tema sugulaste parameetrite
vahemikhinnangud. Ka binoomjaotuste parameetrite vahe jaoks.
 		lecture - 11. Statistilised hüpoteesid. Mõisted. Üldine mõttekäik hüpoteesidepaari kontrolliks. Test, otsene test, olulisuse nivoo. Esimest ja teist liiki viga. Hüpoteeside kontrollimine usaldusvahemikuga.
 		lecture - 12. Võimsusfunktsioon. Hüpoteesid normaaljaotuse parameetrite kohta. Kahe üldkogumi võrdlemine (sõltumatud ja sõltuvad valimid).
 		lecture - 13. Hüpoteesid binoomjaotuse ja tema sugulaste parameetrite kohta. Kahe binoomjaotuse parameetri võrdlemine.
 		lecture - 14. Statistilise hindamisülesande laienemine mudelite parameetritele. Lihtsa regressioonanalüüsi parameetrite hinnangud ja hüpoteeside kontroll
 		lecture - 15. F-jaotus, hüpoteesid dispersioonide kohta, ühefaktoriline dispersioonanalüüsi mudel.Hüpoteesid faktori mõju kohta
 		lecture - 16. Jooksvad küsimused
 		practice learning - 1. arvutipraktikum: üldkogum, juhuslik valim, valimi karakteristikud.
 		practice learning - 2. arvutipraktikum: üldkogum, juhuslik valim, hinnangu ja selle jaotus.
 		practice learning - 3. tahvlipraktikum: ülesanded punkthinnangute leidmise ja omaduste peale
 		practice learning - 4. tahvlipraktikum: ülesanded punkthinnangute leidmise ja omaduste peale
 		practice learning - 5.tahvlipraktikum: ülesanded punkthinnangute leidmise ja omaduste peale
 		practice learning - 6. tahvlipraktikum: ülesanded punkthinnangute leidmise ja omaduste peale
 		practice learning - 7. Kontrolltöö punkthinnangute peale
 		practice learning - 8. ülesanded vahemikhinnangute ja hüpoteeside kontrolli peale
 		practice learning - 9. ülesanded vahemikhinnangute ja hüpoteeside kontrolli peale
 		practice learning - 10. ülesanded vahemikhinnangute ja hüpoteeside kontrolli peale
 		practice learning - 11. ülesanded vahemikhinnangute ja hüpoteeside kontrolli peale
 		practice learning - 12. ülesanded vahemikhinnangute ja hüpoteeside kontrolli peale
2		/		3
 		practice learning - 13. kontrolltöö vahemikhinnangute ja hüpoteeside kontrolli peale
 		practice learning - 14. arvutipraktikum: Vahemikhinnangud/ regressioonanalüüs
 		practice learning - 15. arvutipraktikum: dispersioonanalüüs
 		practice learning - 16. Kodutöö