Διδαχθέντα μαθήματα
1. Aνάλυση Κατηγορικών ΔεδομένωνI (331-3704) [-Υ-]
Μάθημα Εξαμήνου Ε
(2 ώρες Θεωρία + 1 ώρα Εργαστήριο/Ασκήσεις)
3 Διδακτικές μονάδες και 5 ECTS μονάδες
Περίγραμμα:
Ορισμός και ανάλυση πινάκων συνάφειας (odds ratio, risk ratio), έλεγχος προσαρμογής, μοντέλα για κατηγορικές μεταβλητές, λογαριθμικά γραμμικά μοντέλα, ελλιπείς πίνακες, ανάλυση κατά Bayes, επαναλαμβανόμενες μετρήσεις (repeated measures), μοντέλα για matched pairs, χρήση των στατιστικών πακέτων GLIM και SAS.
Προαπαιτούμενες γνώσεις:
Πιθανότητες Ι, Πιθανότητες ΙΙ, Στατιστική Ι, Στατιστική ΙΙ και Εφαρμοσμένη Γραμμική Άλγεβρα Ι.
Συναφή μαθήματα που ακολουθούν:
Συγγράμματα που χρησιμοποιήθηκαν:
2. Δειγματοληψία (331-3253) [-Ε3-]
Μάθημα Εξαμήνου Ε
(2 ώρες Θεωρία + 1 ώρα Εργαστήριο/Ασκήσεις)
3 Διδακτικές μονάδες και 5 ECTS μονάδες
Περίγραμμα:
Κριτήρια επιλογής δειγματοληπτικών μεθόδων, κύριες τεχνικές δειγματοληψίας (απλή τυχαία, στρωματοποιημένη, συστηματική), καθορισμός σφαλμάτων, οργάνωση ερωτηματολογίου, μέθοδοι συλλογής και παρουσίασης στοιχείων. Δισταδιακή Δειγματοληψία. Λογοεκτιμήτριες. Εκτιμήτριες Παλινδρόμησης. Οι φοιτητές θα σχεδιάσουν και θα αναλύσουν δειγματοληπτικά μία έρευνα που άπτεται των ενδιαφερόντων τους.
Προαπαιτούμενες γνώσεις:
Πιθανότητες Ι, Εφαρμοσμένη Γραμμική Άλγεβρα Ι, και Στατιστική Ι.
Συναφή μαθήματα που ακολουθούν:
Συγγράμματα που χρησιμοποιήθηκαν:
3. Τεχνικές Προσομοίωσης με χρήση C++ και Matlab (331-3253) [-Υ- ΠΜΣ]
Μάθημα Εξαμήνου Α
(3 ώρες Θεωρία)
3 Διδακτικές μονάδες και 6 ECTS μονάδες
Περίγραμμα:
Η γλώσσα προγραμματισμού C++. Εισαγωγή στο matlab. Τεχνικές προσομοίωσης, γεννήτριες τυχαίων αριθμών, ολοκλήρωση Monte Carlo, έλεγχος τυχαίων αριθμών, μέθοδος Box-Muller, ανέλιξη Poisson, αλυσίδες Μarkov. Λογισμικό προσομοίωσης (χρήση γλωσσών προγραμματισμού και ειδικών πακέτων προσομοίωσης). Στατιστική ανάλυση των αποτελεσμάτων της προσομοίωσης.
Προαπαιτούμενες γνώσεις:
Συναφή μαθήματα που ακολουθούν:
Συγγράμματα που χρησιμοποιήθηκαν:
4.
Ανάλυση Κατηγορικών Δεδομένων (ΠΜΣ)5. Διερευνητική Στατιστική και Ανάλυση Δεδομένων (ΠΜΣ)
6. Ανάλυση Διακύμανσης
7. Στατιστικά Πακέτα