Στατιστική και Οπτικοποίηση Δεδομένων

Course ID
ΠΜΣ1-1
Κατεύθυνση
Εξάμηνο
Χειμερινό
Τύπος
Υποχρεωτικό 1ης κατεύθ.

Μαθησιακά Αποτελέσματα

Ο στόχος αυτού του μαθήματος είναι να βοηθήσει τους φοιτητές στο να γνωρίσουν και να μάθουν μια ποικιλία από τα βασικά στατιστικά εργαλεία, χρήσιμα για την Επιστήμη των Δεδομένων. Οι φοιτητές θα μάθουν πώς να μετατρέπουν ακατέργαστα δεδομένα σε περιγραφικές περιλήψεις που μπορούν εύκολα να οπτικοποιηθούν και να κατανοηθούν. Επιπλέον θα εισάγει τους φοιτητές στις θεμελιώδεις έννοιες της Στατιστικής Συμπερασματολογίας, όπως η εκτίμηση παραμέτρων και ο Έλεγχος Υποθέσεων, καθώς και σε στατιστικά εργαλεία πολυμεταβλητής ανάλυσης χρήσιμα στην Επιχειρησιακή Αναλυτική, όπως η Ανάλυση Παλινδρόμησης, η Παραγοντική Ανάλυση και η Ανάλυση κατά Συστάδες.  Για την υλοποίηση όλων των παραπάνω, θα χρησιμοποιηθεί η γλώσσα R, ώστε οι φοιτητές να εξοικειωθούν με το συγκεκριμένο λογισμικό και να μπορούν να πραγματοποιούν οποιαδήποτε ανάλυση δεδομένων.

Περιεχόμενο Μαθήματος

Προχωρημένα Θέματα Θεωρίας Πιθανοτήτων (Στοχαστικές Διαδικασίες, Θεωρία Ουρών). Εκτιμητική και Στατιστική Συμπερασματολογία. Απλή και Πολλαπλή Γραμμική Παλινδρόμηση. Γενικευμένα Γραμμικά Μοντέλα (Λογιστική Παλινδρόμηση). Μέθοδοι Πολυμεταβλητής Στατιστικής Ανάλυσης (Παραγοντική Ανάλυση, Ανάλυση κατά Συστάδες). Μέθοδοι Οπτικοποίησης Δεδομένων. Γλώσσα R.

ΓΕΝΙΚΕΣ ΙΚΑΝΟΤΗΤΕΣ

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

Προσαρμογή σε νέες καταστάσεις

Λήψη αποφάσεων

Αυτόνομη εργασία

Ομαδική εργασία

Εργασία σε διεπιστημονικό περιβάλλον

Παράγωγή νέων ερευνητικών ιδεών

Άσκηση κριτικής και αυτοκριτικής

Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

ΔΙΔΑΚΤΙΚΕΣ ΚΑΙ ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

Τρόπος Παρακολούθησης: Δια ζώσης 

Χρήση Τεχνολογιων Πληροφορίας και Επικοινωνιών: Χρήση e-class, e-studies. Γλώσσα R.

Δραστηριότητα Φόρτος Εργασίας
Εξαμήνου
Παρακολούθηση διαλέξεων 26
Εργαστηριακή Άσκηση 0
Ατομικές ή Ομαδικές Εργασίες 40
Αυτοτελής μελέτη 84
Σύνολο 150

ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Η αξιολόγηση της επίδοσης των φοιτητών βασίζεται σε εκπόνηση τελικής γραπτής εργασίας στο τέλος της διδασκαλίας της οποίας η βαθμολογία αντιστοιχεί στο 100 % του τελικού συνολικού βαθμού.

Τα βασικά κριτήρια αξιολόγησης των γραπτών εργασιών των φοιτητών/τριών είναι:
– η αποδεδειγμένη ευρεία χρήση των προγραμματιστικών εργαλείων, μεθόδων και βιβλιοθηκών που έχουν παρουσιαστεί κατά τη διάρκεια των διαλέξεων και εργαστηρίων
– η κριτική ανάλυση των υπό εξέταση προβλημάτων και παρουσίαση των αποτελεσμάτων
– η πληρότητα των συμπερασμάτων και προτάσεων
– η γενική δομή και μορφή της εργασίας (ενότητες, παραγραφοποίηση, σχήματα, πίνακες
– η επάρκεια παρουσίασης

Το παραπάνω κριτήριο αξιολόγησης από το οποίο εξαρτάται ο τελικός βαθμός γνωστοποιείται στους φοιτητές στο πρώτο μάθημα.

ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Τ.W. Anderson, “An Introduction to Multivariate Statistics”, John Wiley  Sons, 1984.

D.R. Anderson, D. Sweeney and T. Arthur, “Statistics for Business and Economics”, Mason, OH : South-Western Thomson Learning, 2002.

A. Basilevski, “Statistical Factor Analysis and Related Methods. Theory and Applications”, John Wiley  Sons, 1994.

J. Chambers, W. Cleveland, B. Kleiner and P. Tukey, “Graphical Methods for Data Analysis”, Wadswoth  Brooks/Cole, Pacific Grave, C.A., 1983

D. Freedman, R. Pisani, R. Purves and A. Adbikari, “Statistics”, 4th ed., Norton, New York, 2007

J. Tukey, “Ëxploratory Data Analysis”, Addison-Wesley, Reading, MA., 1977.
Δ. Καρλής, «Πολυμεταβλητή Στατιστική Ανάλυση», Εκδόσεις Σταμούλη, Αθήνα, 2005
Α. Κυριακούσης, «Στατιστικές Μέθοδοι», Εκδόσεις Συμμετρία, Αθήνα, 2000.