Keskeiset sisällöt

• tilastoaineiston havainnollistaminen ja tunnuslukujen määrittäminen
• regression ja korrelaation käsitteet
• havainto ja poikkeava havainto
• ennusteiden tekeminen
• todennäköisyyden käsite
• yhteen- ja kertolaskusääntö
• kombinaatiot ja tuloperiaate
• todennäköisyyslaskennan malleja

Tarkennuksia sisältöihin 

• Opintojakson aikana on luontevaa tutustua erilaisiin tiedonhankinnan ja -esittämisen tapoihin digiajassa sekä vahvistaa monilukutaitoa. Opintojakso voi olla esimerkiksi osa opintojaksoa, jonka aikana tutustutaan korkeakoulujen ja työelämän tapoihin käsitellä ja tuottaa tietoa mm. opintojaksoon yhdistetyn korkeakoulu- tai työelämävierailun yhteydessä. Opintojakson sisältöjä voi olla luontevaa yhdistää esimerkiksi luonnontieteisiin (mm. tilastolliset kuvaajat).
• Tilastoaineiston käsittely. Perusjoukko ja otos. Tutustutaan sekä diskreetteihin että jatkuviin tilastollisiin muuttujiin. Luokittelu: luokkarajat, todelliset luokkarajat, luokkakeskus (tasaväliset luokat). Frekvenssitaulukot ja tilastollinen todennäköisyys. Tilastolliset tunnusluvut: vaihteluväli, keskiluvut (moodi, mediaani, keskiarvo) ja keskihajonta (otoskeskihajonta). Tunnuslukujen laskentaperiaatteen ymmärtäminen. Tarkastellaan tilastoja eri aloilta, mm. biologia, maantiede, historia, terveystieto. 
• Tilaston havainnollistaminen. Tilaston kuvaamiseen sopivimman kaaviotyypin valinta: ympyrädiagrammi, pylväs- ja palkkikuvaaja, histogrammi (tasaväliset luokat) sekä viivakaavio (aikasarjat ja summafrekvenssikuvaaja), hajontakuvio. Kaavion tulkitseminen. 
• Poikkeava havainto. Poikkeava havainto on sellainen muuttujan arvo, joka poikkeaa suuresti havaittujen arvojen valtaenemmistöstä. Arvon poikkeavuus arvioidaan kuvaajasta. Ymmärrys, että poikkeavilla arvoilla voi olla merkittävästi vääristävä vaikutus tilastollisiin tunnuslukuihin, kuten keskiarvoon, hajontaan, regressiosuoraan jne. 
• Tilastollinen riippuvuus. Selittävä ja selitettävä muuttuja, hajontakuvio, lineaarisen riippuvuuden havainnoiminen hajontakuviosta. Regressiosuora ja korrelaatiokerroin. Ennusteiden tekeminen muodostetun regressiomallin avulla. Ennusteen arvioiminen esim. visuaalisesti ja tarkastelemalla ennusteiden mielekkyyttä: kuvaako malli ilmiötä tietyllä välillä tai välin ulkopuolella.
• Todennäköisyyslaskenta. Todennäköisyyden olemukseen tutustuminen esim. tekemällä havaintoja nopanheitosta. Todennäköisyyslaskennan mallit: klassinen, geometrinen ja tilastollinen todennäköisyys. Alkeistapausten laskemismenetelmiä (tuloperiaate ja kombinaatiot). Riippumattomien tapahtumien kertolaskusääntö ja erillisten tapahtumien yhteenlaskusääntö sekä komplementtisääntö. Venn-diagram-min hyödyntäminen laskusääntöjen havainnollistamisessa.