Studiewijzer

Data Analyse en Statistiek, Januari 2025

Welkom bij het vak Data Analyse en Statistiek. In dit vak leer je de basisprincipes van statistiek en deze toe te passen op realistische gemodelleerde datasets.

Dit vak bestaat uit 4 hoorcolleges en 7 laptopcolleges. Voor het cijfer tellen de inleveropdrachten en de tussentoetsen mee. Voor het halen van dit vak moet je minimaal een 5,5 halen voor zowel het gemiddelde van de inleveropdrachten, als voor het gemiddelde van de tussentoetsen.

Voorbereiding en voorkennis

In dit vak gaan we aan de slag met opdrachten waarbij we python programmas gebruiken. Bereid je vast voor op dit vak door te zorgen dat python goed geïnstalleerd is en dat je je kennis hierover even opfrist.
Bijvoorbeeld: Zorg dat je weet hoe ‘for’ loops werken en hoe je een functie definieert.
Voor de installatie zelf kun je de instructies volgen. Als het test programmaatje werkt zonder foutmeldingen, dan kun je straks meteen aan de slag.

Docenten

De coördinator en docent voor dit vak is Hella Snoek. Marthe Schut is betrokken bij het materiaal van de website.
Je kunt via Canvas vragen stellen over het vak.

Hoorcolleges

In hoorcolleges bespreekt de docent de theorie van Data analyse en Statistiek waarmee je de laptopcollege opgaven kunt oplossen en die je voorbereidt op de toetsjes.

Inleveropdrachten

Tijdens de laptopcolleges werk je aan de inlever opdrachten die horen bij dit vak. Deze opdrachten moet je ook inleveren voor een cijfer. Voor de opdrachten van elke module is een deadline. Als je deze deadline niet haalt trekken we 2 punten van het cijfer voor de opdracht per dag af. Aanwezigheid op de laptopcolleges is verplicht, tenzij het werk voor die module al is ingeleverd via ANS.
Informatie over de inleveropdrachten vind je hier. Het gemiddelde van de inleveropdrachten tellen voor 80% mee aan het eindcijfer, je moet minimaal een 5,5 halen voor het gemiddelde van de opdrachten om het vak te halen. Om voor de herkansing in aanmerking te komen dienen alle inleveropdrachten te zijn ingeleverd.

Tussentoetsen

In week 2, 3 en 4 vindt een tussentoets plaats. Deze toetsen moet je gemiddeld met een voldoende (minimaal een 5,5) afronden om het vak te halen, het gemiddelde van de toetsen wegen voor 20% mee in het eindcijfer. Meer informatie over de tussentoetsen vind je hier.

Boeken

Er zijn geen boeken benodigd voor deze cursus. Wil je de stof een keer op een andere manier benaderen, dan vind je in het volgende boek wellicht wat je zoekt:

J.R. Taylor, 1997, ‘An introduction to error analysis’, University Science Books, Sausalito, 2, 1997, ISBN 978 0935 702 750.

Herkansing

Het opnieuw insturen van opdrachten is niet meer mogelijk na de deadline.

Als je niet zowel een voldoende hebt voor (het gewogen gemiddelde van) de inlevertoetsen als voor de tussentoetsen kun je het vak herkansen. Toegang tot de herkansing wordt alleen verleend als je alle opdrachten op tijd hebt ingeleverd.

Let op! De toets vorm van de herkansing staat voor dit jaar nog niet vast. Het zal afhangen van de hoeveelheid studenten die een herkansing nodig heeft.

Samenwerken, fraude en plagiaat

Verdenkingen van fraude en plagiaat zal ten alle tijden worden gemeld bij de examencommissie.

Natuurlijk is het heel nuttig om juist over het vak en de opdrachten te praten met je medestudenten. Zo leer je waarschijnlijk ook veel meer. Wat niet mag is dingen simpel overschrijven of overnemen van een andere student. Een simpele regel is dat je wel mag overleggen maar niet naar elkaars code of antwoorden te kijken. Kijk dus niet naar mekaars scherm.

Als je gebruik maakt van AI hulpmiddelen bij het programmeren van een opdracht en je kunt niet (achteraf) uitleggen hoe de code precies werkt dan behouden we het recht om geen punten toe aan die opdracht.

Als we zien dat (delen) van het werk zijn overgenomen van een andere student kunnen we niet inschatten of jij het zelf ook wel echt begrepen hebt - en dan kunnen we het werk ook geen cijfer geven. We melden dit ook altijd aan de examencommissie.

Fraude volgens de UvA: “Het handelen of nalaten van een student waardoor een juist oordeel over zijn kennis, inzicht en vaardigheden geheel of gedeeltelijk onmogelijk wordt.”

Zie ook: