GER1000

QUANTITATIVE REASONING (2015/2016, Semester 1) 

 MODULE OUTLINE Created: 13­May­2015, Updated: 21­Nov­2015
 
Module Code GER1000

Module Title QUANTITATIVE REASONING

Semester Semester 1, 2015/2016

Modular Credits 4

Faculty Science

Department Statistics & Applied Probability

Timetable Timetable/Teaching Staff

Module Facilitators
ASSOC PROF Yap Von Bing Lecturer
MS Chen Peiyi Co­Lecturer
ASSOC PROF Chua Tin Chiu Co­Lecturer
DR Ng Kah Loon Co­Lecturer
ASSOC PROF Pang Yu Hin Co­Lecturer
ASSOC PROF Victor Tan Co­Lecturer
ASSOC PROF QUEK, Ser Aik Co­Lecturer
DR Liu Yiqun Instructor
MR Yeun Jun Wei, Samuel Instructor
MR Yang Chenjie Instructor
MR Ganesh Swaminathan Instructor
MR Lau Chee Loong, Desmond Instructor
DR Hassanali Ghaedamini Harouni Instructor
MR Chng Yuan Zhang, Maurice Instructor

Weblinks
http://www.facebook.com/groups/nusqr
Please "+ Join Group" to discuss QR matters.
http://ivle.nus.edu.sg/Module/Student/default.aspx?
CourseID=12E3D730­C35F­4603­A90C­C4D9F68E3D09
Searchable NUS version of this site.
http://ivle.nus.edu.sg/lms/public/view_moduleoutline.aspx?
CourseID=12E3D730­C35F­4603­A90C­C4D9F68E3D09
Public version of this site.
http://yale­nus.edu.sg/curriculum/common­
curriculum/quantitative­reasoning
Corresponding Yale­NUS module.
http://usp.nus.edu.sg/curriculum/modules/foundation/#quantitative
Corresponding USP module.

Tags General­Education,Logical,Numerical,Quantitative,Reasoning

Contact Us! | Learning Outcomes | Prerequisites | Teaching Modes | Schedule | Synopsis | Syllabus | Assessment | Preclusions |
Workload

 CONTACT US! Top

Have non­admin queries about the content of this module?  Please raise them on www.facebook.com/groups/nusqr or post
them on IVLE Forum (see below).  If you require a personal reply, please email AskQR@nus.edu.sg using her NUS email
account.

If you have administrative queries:

(1) if you are appealing to add/drop the module, please do it via CORS appeal.  There is no other channel.  No one in this
module has a say in, or have access to, any module or tutorial allocation procedure, except possibly via CORS.
(2) other administrative enquiries, please post in the IVLE Forum http://ivle.nus.edu.sg/forum/menu.aspx?forumid=1a3173d7­
95cd­4b2b­84b2­23a581c95fb1 (click REFRESH if necessary) or, if you require a personal reply, email scissm@nus.edu.sg with
the Subject “Query on Quantitative Reasoning" and provide your Matriculation Number, using your NUS email account.

 LEARNING OUTCOMES Top

1.  To appreciate the role of data in addressing real­world issues.
2.  To understand potential pitfalls when drawing inferences from data.
3.  To understand differences between correlation and causality. 
4.  To quantify and characterize relationships between data.
5.  To use models (mathematical/statistical) in various applications – social, scientific, etc.
6.  To describe the reasoning process and conclusions clearly, in non­technical language.

 PREREQUISITES Top
Nil

 TEACHING MODES Top
Blended:

Recorded lectures
 Face­to­face tutorial discussions 

 SCHEDULE Top
Refer to "Lesson Plan" for weekly study plan
Click on the "Timetable" tab above for tutorial timeslots and classrooms.

 SYNOPSIS Top
The module will help students develop a framework for quantitative reasoning, as follows:

1.  Frame the question(s) to ask (in a manner amenable to quantitative reasoning).
2.  Specify what & how to measure (in a quantitative manner).
3.  Collect relevant data.
4.  Analyse data, possibly using a mathematical or statistical model, in order to answer the question(s).
5.  Communicate findings in clear non­technical language.

In the application of this framework, students will be reminded of the potential pitfalls, such as:

Questions that are not amenable to quantitative reasoning or too challenging to answer;
Measurement procedures that skew the original intention of the measured quantity;
Biases in data collection;
Questionable assumptions in analysis;
Reading too much into conclusions, such as confusing association with causation.

 SYLLABUS Top
The quantitative reasoning framework will be illustrated through the following topics (chapters), each of which will focus on
some parts of the framework and address some of the potential pitfalls that may be encountered:
 
1. Projection and Scenario Planning
2. Design of Studies
3. Association
4. Sampling
5. Uncertainty
6. Networks

 ASSESSMENT Top

Tutorial participation: 10%
Online quizzes: 5%
Mid­term CA: 25% [Saturday, 3­Oct­2015 (1.30­2.30pm). Format: MCQ] 
Group project: 30% [Submit Executive Summary 9­Nov­2015; Complete Poster: week 12. See more details here ]
Final exam: 30% [Saturday, 21­Nov­2015 (Afternoon); see bottom of
https://ivle.nus.edu.sg/Module/list_timetable.aspx?CourseID=12e3d730­c35f­4603­a90c­
 https://ivle.nus.edu.sg/Module/list_timetable.aspx?CourseID=12e3d730­c35f­4603­a90c­
c4d9f68e3d09&ClickFrom=StuViewBtn. Format: MCQ]

 PRECLUSIONS Top
Nil

 WORKLOAD Top
2­1­0­3­4
Workload Components : A­B­C­D­E 
A: no. of lecture hours per week 
B: no. of tutorial hours per week 
C: no. of lab hours per week 
D: no. of hours for projects, assignments, fieldwork etc per week 
E: no. of hours for preparatory work by a student per week

Contact Us! | Learning Outcomes | Prerequisites | Teaching Modes | Schedule | Synopsis | Syllabus | Assessment | Preclusions |
Workload

Close