ΣΤΑΤΙΣΤΙΚΗ

Γενικού Υποβάθρου

Γενικού Υποβάθρου

Οι φοιτητές με την επιτυχή ολοκλήρωση του μαθήματος: • Θα κατανοήσουν τις θεμελιώδεις αρχές της στατιστικής • Θα είναι σε θέση να οργανώσουν και να συνοψίσουν τα δεδομένα αριθμητικά και με γραφικές παραστάσεις (κατηγορίες δεδομένων και μεταβλητών, κλίμακες μέτρησης, ιστογράμματα, πίνακες, δείκτες κεντρικής τάσεις και διασποράς, περιγραφή κατανομής συχνοτήτων, τύποι κατανομών) • Θα επιδείξουν την ικανότητα να εξετάσουν τη σχέση μεταξύ ποσοτικών δεδομένων (στικτογράμματα, κατεύθυνση και δύναμη συσχέτισης, διαφορές σχέσης και αιτίας, ευθύγραμμη παλινδρόμηση) • Θα κατανοήσουν τη σύνδεση της πιθανότητας με την επαγωγική στατιστική (ερευνητικές και μηδενικές υποθέσεις, έλεγχος και ερμηνεία της μηδενικής υπόθεσης) • Θα αναγνωρίζουν το στατιστικό τεστ που θα χρησιμοποιήσουν για να εξετάσουν τη σχέση μεταξύ ποσοτικών δεδομένων, τη δημιουργία απλής εξίσωσης παλινδρόμησης, και σύγκρισης δύο δειγμάτων: t-test. • Θα γνωρίζουν τις βασικές στατιστικές αναλύσεις με χρήση λογισμικών (περιγραφική στατιστική, συσχέτιση, παλινδρόμηση, σύγκριση δύο δειγμάτων) και ερμηνεία των αποτελεσμάτων.

ΣΚΟΠΟΣ ΚΑΙ ΠΕΡΙΓΡΑΦΗ ΤΟΥ ΜΑΘΗΜΑΤΟΣ Το μάθημα της Στατιστικής έχει ως σκοπό να εισαγάγει τους/τις φοιτητές/τριες στις βασικές έννοιες και τεχνικές της περιγραφικής και επαγωγικής στατιστικής, με άμεση εφαρμογή στη φυσική αγωγή και τον αθλητισμό. Οι φοιτητές θα κατανοήσουν τη σημασία της στατιστικής στην ανάλυση και ερμηνεία ερευνητικών δεδομένων, θα εξοικειωθούν με τη χρήση εργαλείων για την περιγραφή και σύγκριση δεδομένων, και θα μάθουν να εφαρμόζουν κατάλληλες στατιστικές δοκιμές (τεστ) για την εξαγωγή τεκμηριωμένων συμπερασμάτων. Το μάθημα εστιάζει τόσο στη θεωρητική κατανόηση όσο και στην πρακτική εξάσκηση μέσω παραδειγμάτων και ανάλυσης δεδομένων με τη χρήση λογισμικών. ΣΤΟΧΟΙ ΜΑΘΗΜΑΤΟΣ Το μάθημα στοχεύει: - Στην κατανόηση των βασικών αρχών της στατιστικής και της σημασίας τους στην επιστημονική έρευνα. - Στην ανάπτυξη ικανοτήτων για περιγραφή και σύνοψη δεδομένων μέσω στατιστικών δεικτών και γραφικών παραστάσεων. - Στην εξοικείωση με μεθόδους συσχέτισης και παλινδρόμησης ποσοτικών μεταβλητών. - Στην εφαρμογή επαγωγικών στατιστικών τεχνικών για τη σύγκριση ομάδων και τη λήψη αποφάσεων. - Στην εξάσκηση στη χρήση στατιστικών λογισμικών και την ερμηνεία των αποτελεσμάτων στην πράξη. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ Γνώσεις - Αναγνωρίζουν και κατανοούν βασικές στατιστικές έννοιες, τύπους μεταβλητών και στατιστικά μέτρα. - Περιγράφουν και συνοψίζουν δεδομένα χρησιμοποιώντας κατάλληλα εργαλεία (πίνακες, διαγράμματα, δείκτες τάσης και διασποράς). - Διακρίνουν μεταξύ των διαφόρων στατιστικών τεχνικών και γνωρίζουν πότε εφαρμόζεται κάθε μία. Δεξιότητες - Εκτελούν στατιστικές αναλύσεις όπως t-test, ANOVA, συσχέτιση και παλινδρόμηση. - Επιλέγουν και εφαρμόζουν το κατάλληλο στατιστικό τεστ ανάλογα με το είδος και τη φύση των δεδομένων. - Χειρίζονται στατιστικό λογισμικό για την ανάλυση δεδομένων και ερμηνεύουν τα αποτελέσματα με ακρίβεια. Ικανότητες - Συνδυάζουν στατιστική σκέψη με επιστημονική λογική για την υποστήριξη ερευνητικών συμπερασμάτων. - Εφαρμόζουν στατιστικές γνώσεις σε προβλήματα της φυσικής αγωγής και του αθλητισμού. - Επικοινωνούν στατιστικά ευρήματα με σαφή και τεκμηριωμένο τρόπο. ΑΝΑΛΥΤΙΚΟ ΠΕΡΙΕΧΟΜΕΝΟ ΚΑΙ ΑΝΤΙΣΤΟΙΧΙΣΗ ΜΑΘΗΣΙΑΚΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΜΕ ΤΙΣ ΔΙΔΑΚΤΙΚΕΣ ΕΝΟΤΗΤΕΣ 1. Εισαγωγική διάλεξη – Βασικές έννοιες και ορισμοί Η διάλεξη αυτή εισάγει τις βασικές έννοιες της στατιστικής, όπως πληθυσμός, δείγμα, παραμετρικές και μη παραμετρικές μέθοδοι, μεταβλητές και τύποι δεδομένων. Μαθησιακά αποτελέσματα: Οι φοιτητές θα κατανοήσουν το πλαίσιο και τη σημασία της στατιστικής στην επιστημονική έρευνα και θα αναγνωρίζουν βασικές έννοιες και όρους. ⸻ 2. Είδη μεταβλητών – Μέτρα κεντρικής τάσης και διασποράς Παρουσιάζονται τα είδη μεταβλητών (ποιοτικές, ποσοτικές) και τα βασικά μέτρα περιγραφής δεδομένων όπως μέσος όρος, διάμεσος, επικρατούσα τιμή, τυπική απόκλιση, διακύμανση και εύρος. Μαθησιακά αποτελέσματα: Οι φοιτητές θα μπορούν να ταξινομούν μεταβλητές και να υπολογίζουν και ερμηνεύουν μέτρα θέσης και διασποράς. ⸻ 3. Περιγραφική στατιστική Εμβάθυνση στις τεχνικές περιγραφικής στατιστικής, παρουσίαση δεδομένων με γραφήματα, πίνακες και αριθμητικά μέτρα, καθώς και ερμηνεία αυτών. Μαθησιακά αποτελέσματα: Οι φοιτητές θα μπορούν να περιγράφουν και να παρουσιάζουν σύνολα δεδομένων με κατάλληλα στατιστικά και γραφικές μεθόδους. ⸻ 4. Η κανονική κατανομή / Υποθέσεις και σφάλματα τύπου Ι και ΙΙ Ανάλυση της κανονικής κατανομής, των ιδιοτήτων της και της σημασίας της στις στατιστικές δοκιμασίες. Εισαγωγή στην έννοια της στατιστικής υπόθεσης και των σφαλμάτων τύπου Ι και ΙΙ. Μαθησιακά αποτελέσματα: Οι φοιτητές θα κατανοήσουν τη σημασία της κανονικής κατανομής και των στατιστικών σφαλμάτων στη λήψη αποφάσεων. ⸻ 5. Απλή γραμμική συσχέτιση Παρουσιάζεται η Pearson και Spearman συσχέτιση, η έννοια της σχέσης μεταξύ δύο μεταβλητών και η στατιστική της σημασία. Μαθησιακά αποτελέσματα: Οι φοιτητές θα είναι σε θέση να αναλύουν τη σχέση μεταξύ δύο μεταβλητών και να ερμηνεύουν τον συντελεστή συσχέτισης. ⸻ 6. Ανάλυση Χ² (Chi-square) Εισαγωγή στην ανάλυση Χ² για ανεξαρτησία και καλή προσαρμογή. Εφαρμογές σε κατηγορικά δεδομένα και δημιουργία πινάκων συνάφειας. Μαθησιακά αποτελέσματα: Οι φοιτητές θα μπορούν να εφαρμόζουν τη δοκιμή Χ² και να αξιολογούν σχέσεις μεταξύ ποιοτικών μεταβλητών. ⸻ 7. Paired samples t-test και Wilcoxon Παρουσίαση των δοκιμών για εξαρτημένα δείγματα: παραμετρικό (t-test) και μη παραμετρικό (Wilcoxon). Ερμηνεία των αποτελεσμάτων. Μαθησιακά αποτελέσματα: Οι φοιτητές θα γνωρίζουν πότε και πώς να εφαρμόζουν τις αντίστοιχες δοκιμές για εξαρτημένα δείγματα. ⸻ 8. Independent samples t-test και Mann–Whitney Ανάλυση παραμετρικών και μη παραμετρικών μεθόδων για ανεξάρτητα δείγματα. Συγκρίσεις μεταξύ δύο ανεξάρτητων ομάδων. Μαθησιακά αποτελέσματα: Οι φοιτητές θα μπορούν να αξιολογούν διαφορές μεταξύ δύο ανεξάρτητων ομάδων με κατάλληλες στατιστικές μεθόδους. ⸻ 9. One-way ANOVA test και Kruskal-Wallis Παρουσιάζονται οι μέθοδοι για τη σύγκριση περισσότερων από δύο ομάδων: παραμετρική (ANOVA) και μη παραμετρική (Kruskal-Wallis). Μαθησιακά αποτελέσματα: Οι φοιτητές θα κατανοήσουν πώς να εντοπίζουν διαφορές σε πολλές ομάδες και να επιλέγουν την κατάλληλη μέθοδο. ⸻ 10. Two-way ANOVA test Ανάλυση διπαραγοντικού σχεδιασμού για τη μελέτη της επίδρασης δύο ανεξάρτητων μεταβλητών και της μεταξύ τους αλληλεπίδρασης. Μαθησιακά αποτελέσματα: Οι φοιτητές θα μπορούν να ερμηνεύουν αποτελέσματα από πειραματικά σχέδια με δύο παράγοντες. ⸻ 11. Two-way repeated measures ANOVA και Friedman test Στατιστικές μέθοδοι για μετρήσεις σε επαναλαμβανόμενες συνθήκες: παραμετρική (repeated ANOVA) και μη παραμετρική (Friedman). Μαθησιακά αποτελέσματα: Οι φοιτητές θα αναγνωρίζουν τις κατάλληλες μεθόδους για πειράματα με επαναλαμβανόμενες μετρήσεις. ⸻ 12. Απλή γραμμική παλινδρόμηση Παρουσίαση της έννοιας της πρόβλεψης, της σχέσης αιτίου-αποτελέσματος και της στατιστικής μοντελοποίησης με την απλή γραμμική παλινδρόμηση. Μαθησιακά αποτελέσματα: Οι φοιτητές θα κατανοήσουν πώς να χρησιμοποιούν τη στατιστική για την πρόβλεψη μιας εξαρτημένης μεταβλητής. ⸻ 13. Επαναληπτική διάλεξη Ανασκόπηση του διδακτικού υλικού και προετοιμασία για την τελική αξιολόγηση. Επίλυση αποριών και πρακτική εφαρμογή μέσω ασκήσεων. Μαθησιακά αποτελέσματα: Οι φοιτητές θα ενοποιήσουν τις γνώσεις τους, θα αξιολογήσουν την κατανόηση των εννοιών και θα είναι προετοιμασμένοι για την τελική εξέταση.

στατιστική, ανάλυση δεδομένων, σύγκριση, συσχέτιση, περιγραφή, παλινδρόμηση

15-06-2025