ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ
| Τίτλος | ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ / Statistics and Decision Making |
| Κωδικός | 0749 |
| Σχολή | Θετικών Επιστημών |
| Τμήμα | Μαθηματικών |
| Κύκλος / Επίπεδο | 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Χειμερινή |
| Υπεύθυνος/η | Φωτεινή Κολυβά μαχαίρα |
| Κοινό | Ναι |
| Κατάσταση | Ενεργό |
| Course ID | 40002468 |
Πρόγραμμα Σπουδών: ΠΜΣ Τμήματος Μαθηματικών (2018-σήμερα)
Εγγεγραμμένοι φοιτητές: 8
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΜΟΝΤΕΛΟΠΟΙΗΣΗ | Υποχρεωτικό | 1 | 1 | 10 |
| Τίτλος | ΣΤΑΤΙΣΤΙΚΗ ΚΑΙ ΛΗΨΗ ΑΠΟΦΑΣΕΩΝ |
| Ακαδημαϊκό Έτος | 2024 – 2025 |
| Περίοδος Τάξης | Χειμερινή |
| Διδάσκοντες άλλων Κατηγοριών | |
| Ώρες Εβδομαδιαία | 3 |
| Class ID | 600266968
|
Τύπος Μαθήματος 2016-2020
- Επιστημονικής Περιοχής
- Ανάπτυξης Δεξιοτήτων
Τύπος Μαθήματος 2011-2015
Ειδικού Υποβάθρου / Κορμού
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600266968
Γλώσσα Διδασκαλίας
- Ελληνικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Στατιστική , θεωρία πιθανοτήτων
Μαθησιακά Αποτελέσματα
1) Θα κατανοεί και θα είναι σε θέση να χρησιμοποιεί διαφορετικά είδη πηγών δεδομένων, όπως κλινικά δεδομένα, απογραφές, δειγματοληπτικές έρευνες, διοικητικές πηγές, καθώς και στο στατιστικό λογισμικό R.
2) θα είναι σε θέση να σχεδιάζει και να διαχειρίζεται διαδικασίες παραγωγής δεδομένων
3) θα είναι σε θέση να χρησιμοποιεί το μοντέλο της γραμμικής παλινδρόμησης και το γενικευμένο μοντέλο γραμμικής παλινδρόμησης για παρατηρητικές μελέτες όπως επίσης να εξετάζει έλλειψη προσαρμογής και καθαρά σφάλματα
4) Θα μπορεί να επιλέξει κατάλληλο μετασχηματισμό για προσαρμογή στην κανονική κατανομή ή εξισορρόπηση της μεταβλητότητας των δεδομένων.
5) Θα μπορεί να χρησιμοποιεί ειδικούς ελέγχους για τον εντοπισμό παράτυπης διασποράς ή παράτυπων σημείων σε μοντέλα ανάλυσης διασποράς.
6) Θα μπορεί να κατασκευάσει πολυεπίπεδα μοντέλα για δεδομένα κατά συστάδες, διαχρονικά δεδομένα καθώς και δεδομένα που προέρχονται από τυχαιοποιημένους σχεδιασμούς κατά ομάδες, όπως επίσης και γενικευμένα γραμμικά μοντέλα για την ανάλυση παρατηρητικών μελετών
7) θα είναι σε θέση να εφαρμόζει τις παραπάνω ειδικές στατιστικές στο περιεχόμενο των επίσημων στατιστικών, καθώς και να παρουσιάζει αποτελεσματικά τα αποτελέσματα σε διαφορετικά είδη ακροατηρίων
Γενικές Ικανότητες
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Ομαδική εργασία
- Εργασία σε διεθνές περιβάλλον
- Εργασία σε διεπιστημονικό περιβάλλον
- Παραγωγή νέων ερευνητικών ιδεών
Περιεχόμενο Μαθήματος
H χαρακτηριστική συνάρτηση για πολυδιάστατες τυχαίες μεταβλητές,,η πολυδιάστατη κανονική κατανομή και οι παραγόμενες από αυτήν κατανομές,εφαρμογές(θεώρημα του Cochran,ANOVA).Ελεγχοι υποθέσεων λήμμα Neyman-Pearson ,ελεγχοσυναρτήσεις γενικευμένου λογου πιθανοφανιών.
Εργαστήριο στην R: Το ελεύθερο λογισμικό R στο περιβάλλον RStudio. Έλλειψη προσαρμογής και καθαρό σφάλμα σε μοντέλα γραμμικής παλινδρόμησης. Μετασχηματισμός δεδομένων, παράτυπα σημεία, παράτυπη διασπορά, εύρεση κατάλληλου μετασχηματισμού με τις μεθόδους Box Cox κα Tukey’s spread-level plot, έλεγχοι Dixon, Grubbs, Cochran και χρήση του θηκογράμματος. Ιεραρχικά – πολυεπίπεδα μοντέλα με παράγοντες τυχαίων επιδράσεων. Ανάλυση σχεδιασμών τυχαιοποιημένων κατά ομάδες με τη χρήση Ιεραρχικών – πολυεπίπεδων μοντέλων. Μοντέλα τυχαίων συντελεστών για διαχρονικά κλινικά δεδομένα, Ανάλυση συνδιασποράς. Γενικευμένα γραμμικά μοντέλα σε παρατηρητικές μελέτες. Παραδείγματα επίσημων στατιστικών.
Λέξεις Κλειδιά
χαρακτηριστική συνάρτηση, κανονική κατανομή, θεώρημα του Cochran, Έλεγχοι υποθέσεων, Ανάλυση διασποράς, Γραμμική παλινδρόμηση, Γενικευμένα γραμμικά μοντέλα, Πολυεπίπεδα μοντέλα, Μετασχηματισμών δεδομένων, Επίσημες στατιστικές, R
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
- Πολυμεσικό υλικό
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
Περιγραφή
Χρήση του PowerPoint σε παραδόσεις της θεωρίας, Πρακτική με δεδομένα πραγματικών προβλημάτων και μελετών με χρήση του στατιστικού λογισμικύ R
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 39 | 1,3 | ✓ | ||
| Εργαστηριακή Άσκηση | 18 | 0,6 | ✓ | ||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 100 | 3,3 | ✓ | ||
| Συγγραφή εργασίας / εργασιών | 140 | 4,7 | ✓ | ✓ | |
| Εξετάσεις | 3 | 0,1 | ✓ | ||
| Σύνολο | 300 | 10 |
Αξιολόγηση Φοιτητών
Περιγραφή
Εξετάσεις (3 ώρ.) 70%
Γραπτές εργασίες 30%
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εξέταση με Ερωτήσεις Πολλαπλής Επιλογής (Διαμορφωτική, Συμπερασματική)
- Γραπτή Εξέταση με Ερωτήσεις Σύντομης Απάντησης (Διαμορφωτική, Συμπερασματική)
- Γραπτή Εξέταση με Ερωτήσεις Εκτεταμένης Απάντησης (Διαμορφωτική, Συμπερασματική)
- Γραπτή Εργασία (Διαμορφωτική, Συμπερασματική)
- Γραπτή Εξέταση με Επίλυση Προβλημάτων (Διαμορφωτική, Συμπερασματική)
- Άλλη / Άλλες (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
References
1. Lehman E.L. (1986), Testing Statistical hypotheses. John Wiley & Sons.
2. Patrick Billingsley (1995), Probability and Measure. John Wiley & Sons.
3. Feller W. (1971), An Introduction to probability theory and its
Applications.
John Wiley & Sons.
4. Dacunha Castelle P. and Duflo M. (1986), Probability and Statistics.
Volume I
and II. Springer-Verlag.
5. F. Kolyva-Machera (1998), Mathematical Statistics. Ziti,Thessaloniki.
6. Crawley J.M.. The R Book. John Wiley & Sons Ltd (2007)
7. Komsta L. Processing data for outliers. The Newsletter of the R Project. (2006)
8. Searle R. S. Linear Models. Wiley Classics Library (1997).
9. Fox J., Weisberg S.H. An R Companion to Applied Regression. Sage (2010).
10. Faraway J.J. Linear Models with R. CRC Press Taylor & Francis Group. (2015)
11. Faraway J.J. Extending the linear model with R : generalized linear, mixed effects and nonparametric regression models. Chapman & Hall/CRC (2016).
12. McCulloch E.C., Searle R.S. Generalized, Linear, and Mixed Models. Wiley-Interscience (2001).
13. Pinheiro C.J., Bates M.D. Mixed-Effects Models in S and S-PLUS. Springer New York (2000).
14. West T.B., Welch T.A., Galecki T.A., Linear Mixed Models. A Practical Guide Using Statistical Software. Chapman & Hall/CRC (2007).
Τελευταία Επικαιροποίηση
12-02-2020
