Postgraduate Section 3 1016 - Ιστορικό εκδόσεων

Ktzuvara: /* Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση */

2026-04-01T20:30:24Z

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 23:30, 1 Απριλίου 2026
Γραμμή 99:		Γραμμή 99:
	! Οργάνωση Διδασκαλίας		! Οργάνωση Διδασκαλίας
	\|		\|
	{\| class="wikitable"		{\| class="wikitable" style="width: 100%;"
	! Δραστηριότητα		! Δραστηριότητα
	! Φόρτος Εργασίας Εξαμήνου		! Φόρτος Εργασίας Εξαμήνου
	\|-		\|-
	\| Διαλέξεις -Εργαστήριο		\| Διαλέξεις -Εργαστήριο
	\| 39		\| style="text-align: center;" \|39
	\|-		\|-
	\| Αυτοτελής Μελέτη		\| Αυτοτελής Μελέτη
	\| 78		\| style="text-align: center;" \|78
	\|-		\|-
	\| Επίλυση ασκήσεων-εργασίες		\| Επίλυση ασκήσεων-εργασίες
	\| 70.5		\| style="text-align: center;" \|70.5
	\|-		\|-
	\| Σύνολο Μαθήματος		\| Σύνολο Μαθήματος
	\| 187.5		\| style="text-align: center;" \|187.5
	\|}		\|}
	\|-		\|-

Ktzuvara: /* Teaching and Learning Methods - Evaluation */

2026-04-01T20:29:54Z

Teaching and Learning Methods - Evaluation

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 23:29, 1 Απριλίου 2026
Γραμμή 218:		Γραμμή 218:
	! Teaching Methods		! Teaching Methods
	\|		\|
	{\| class="wikitable"		{\| class="wikitable" style="width: 100%;"
	! Activity		! Activity
	! Semester Workload		! Semester Workload
	\|-		\|-
	\| Lectures		\| Lectures
	\| 39		\| style="text-align: center;" \|39
	\|-		\|-
	\| Working independently		\| Working independently
	\| 78		\| style="text-align: center;" \|78
	\|-		\|-
	\| Exercises-Homework		\| Exercises-Homework
	\| 70.5		\| style="text-align: center;" \|70.5
	\|-		\|-
	\| Course total		\| Course total
	\| 187.5		\| style="text-align: center;" \|187.5
	\|}		\|}
	\|-		\|-

Ktzuvara στις 16:30, 26 Μαρτίου 2026

2026-03-26T16:30:47Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 19:30, 26 Μαρτίου 2026
Γραμμή 9:		Γραμμή 9:

	<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">		<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">

			<div align = center>
			== '''Μη Παραμετρική Στατιστική''' ==
			</div>


Γραμμή 31:		Γραμμή 35:
	\|-		\|-
	! Τίτλος Μαθήματος		! Τίτλος Μαθήματος
	\| ~~ΜΗ ΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ~~		\| Μη Παραμετρική Στατιστική
	\|-		\|-
	! Αυτοτελείς Διδακτικές Δραστηριότητες		! Αυτοτελείς Διδακτικές Δραστηριότητες
Γραμμή 51:		Γραμμή 55:
	\| Δείτε το [https://ecourse.uoi.gr/ eCourse], την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.		\| Δείτε το [https://ecourse.uoi.gr/ eCourse], την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.
	\|}		\|}


	=== Μαθησιακά Αποτελέσματα ===		=== Μαθησιακά Αποτελέσματα ===
Γραμμή 74:		Γραμμή 77:
	* Σύνθεση δεδομένων και πληροφοριών.		* Σύνθεση δεδομένων και πληροφοριών.
	\|}		\|}


	=== Περιεχόμενο Μαθήματος ===		=== Περιεχόμενο Μαθήματος ===

			{\| class="wikitable"
			\|
	Παρουσίαση και εισαγωγή στις μη παραμετρικές μεθόδους. Μη παραμετρική εκτίμηση της σ.π.π. με ιστόγραμμα και με την μέθοδο των πυρήνων (kernel density estimation). Ασυμπτωτικές ιδιότητες του ιστογράμματος και της εκτιμήτριας πυρήνα. Μη παραμετρική εκτίμηση της α.σ.κ με την εμπειρική α.σ.κ. και με τη μέθοδο των πυρήνων και ιδιότητες αυτών. Μέθοδοι και τεχνικές επιλογής εύρους ζώνης (bandwidth) για εκτιμήτριες πυρήνα. Βελτίωση εκτιμητών που προκύπτουν με τη μέθοδο των πυρήνων: βελτίωση μεροληψίας στα άκρα του διαστήματος εκτίμησης (boundary bias), βελτίωση του μέσου τετραγωνικού σφάλματος του εκτιμητή με χρήση μεταβλητού εύρους ζώνης ή μετασχηματισμών. Μη παραμετρική παλινδρόμηση με τη μέθοδο Nadaraya-Watson και με τη μέθοδο της τοπικής πολυωνυμικής προσαρμογής. Εκτίμηση πολυδιάστατων σ.π.π. και συναρτήσεων παλινδρόμησης, ειδικά θέματα.		Παρουσίαση και εισαγωγή στις μη παραμετρικές μεθόδους. Μη παραμετρική εκτίμηση της σ.π.π. με ιστόγραμμα και με την μέθοδο των πυρήνων (kernel density estimation). Ασυμπτωτικές ιδιότητες του ιστογράμματος και της εκτιμήτριας πυρήνα. Μη παραμετρική εκτίμηση της α.σ.κ με την εμπειρική α.σ.κ. και με τη μέθοδο των πυρήνων και ιδιότητες αυτών. Μέθοδοι και τεχνικές επιλογής εύρους ζώνης (bandwidth) για εκτιμήτριες πυρήνα. Βελτίωση εκτιμητών που προκύπτουν με τη μέθοδο των πυρήνων: βελτίωση μεροληψίας στα άκρα του διαστήματος εκτίμησης (boundary bias), βελτίωση του μέσου τετραγωνικού σφάλματος του εκτιμητή με χρήση μεταβλητού εύρους ζώνης ή μετασχηματισμών. Μη παραμετρική παλινδρόμηση με τη μέθοδο Nadaraya-Watson και με τη μέθοδο της τοπικής πολυωνυμικής προσαρμογής. Εκτίμηση πολυδιάστατων σ.π.π. και συναρτήσεων παλινδρόμησης, ειδικά θέματα.
			\|}

	=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===		=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===
Γραμμή 116:		Γραμμή 120:
	Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό.		Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό.
	\|}		\|}


	=== Συνιστώμενη Βιβλιογραφία ===		=== Συνιστώμενη Βιβλιογραφία ===

	Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος]. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:		Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος].
			<!-- Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος: -->
	</div>		</div>

	<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">		<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">

			<div align = center>
			== '''Non Parametric Statistics''' ==
			</div>


Γραμμή 146:		Γραμμή 154:
	\|-		\|-
	! Course Title		! Course Title
	\|		\| Non Parametric Statistics
	Non Parametric Statistics
	\|-		\|-
	! Independent Teaching Activities		! Independent Teaching Activities
Γραμμή 153:		Γραμμή 160:
	\|-		\|-
	! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Course Type]		! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Course Type]
	\|		\| Specialized general knowledge
	Specialized general knowledge
	\|-		\|-
	! Prerequisite Courses		! Prerequisite Courses
Γραμμή 163:		Γραμμή 169:
	\|-		\|-
	! Is the Course Offered to Erasmus Students		! Is the Course Offered to Erasmus Students
	\|		\| Yes (in English, reading Course)
	Yes (in English, reading Course)
	\|-		\|-
	! Course Website (URL)		! Course Website (URL)
	\| See [https://ecourse.uoi.gr/ eCourse], the Learning Management System maintained by the University of Ioannina.		\| See [https://ecourse.uoi.gr/ eCourse], the Learning Management System maintained by the University of Ioannina.
	\|}		\|}


	=== Learning Outcomes ===		=== Learning Outcomes ===
Γραμμή 192:		Γραμμή 196:
	* Criticism and self-criticism		* Criticism and self-criticism
	\|}		\|}


	=== Syllabus ===		=== Syllabus ===

			{\| class="wikitable"
			\|
	Presentation and Introduction to nonparametric methods. Nonparametric estimation of the probability density function (p.d.f.) by histogram and by kernel density estimation. Asymptotic properties of the derived estimates. Non parametric estimation of the cumulative distribution function (e.c.d.f.) with the empirical c.d.f., kernel smoothing and properties of the derived estimatres. Methods and techniques for bandwidth selection. Improvements of kernel estimates: elimination of boundary bias, variable bandwidth kernel estimates and transformation-based estimates. Nonparametric regression: the Nadaraya-Watson estimate and the local polynomial estimate. Multivariate kernel estimation and special topics.		Presentation and Introduction to nonparametric methods. Nonparametric estimation of the probability density function (p.d.f.) by histogram and by kernel density estimation. Asymptotic properties of the derived estimates. Non parametric estimation of the cumulative distribution function (e.c.d.f.) with the empirical c.d.f., kernel smoothing and properties of the derived estimatres. Methods and techniques for bandwidth selection. Improvements of kernel estimates: elimination of boundary bias, variable bandwidth kernel estimates and transformation-based estimates. Nonparametric regression: the Nadaraya-Watson estimate and the local polynomial estimate. Multivariate kernel estimation and special topics.
			\|}

	=== Teaching and Learning Methods - Evaluation ===		=== Teaching and Learning Methods - Evaluation ===
Γραμμή 231:		Γραμμή 236:
	\|-		\|-
	! Student Performance Evaluation		! Student Performance Evaluation
	\|		\| Final written exam in Greek (in case of Erasmus students in English).
	Final written exam in Greek (in case of Erasmus students in English).
	\|}		\|}


	=== Attached Bibliography ===		=== Attached Bibliography ===

	See the official [https://service.eudoxus.gr/public/departments#20 Eudoxus site]. Books and other resources, not provided by Eudoxus:		See the official [https://service.eudoxus.gr/public/departments#20 Eudoxus site].
			<!-- Books and other resources, not provided by Eudoxus: -->
	</div>		</div>

	<div style="text-align:left;">		<!-- <div style="text-align:left;">
	* ---		* --- </div> -->
	</div>
	</div>		</div>

Outlines-mw-admin στις 19:57, 13 Μαρτίου 2026

2026-03-13T19:57:32Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 22:57, 13 Μαρτίου 2026
Γραμμή 140:		Γραμμή 140:
	\|-		\|-
	! Course Code		! Course Code
	\| ~~ΣΣΕ14~~		\| ΣΕΕ14
	\|-		\|-
	! Semester		! Semester

G.R.Chrysostomidis: Νέα σελίδα με '{{DISPLAYTITLE:{{FULLPAGENAME}}}}

#pills-gr|Ελληνικά

2026-03-09T14:49:54Z

Νέα σελίδα με '{{DISPLAYTITLE:<span style="position: absolute; clip: rect(1px 1px 1px 1px); clip: rect(1px, 1px, 1px, 1px);">{{FULLPAGENAME}}</span>}} <ul class="nav nav-pills mb-2 justify-content-end" id="pills-tab-lang" role="tablist"> <li class="nav-item"><btn id="pills-gr-tab" data-toggle="pill" class="nav-link active" role="tab" aria-controls="pills-gr" aria-selected="true">#pills-gr|Ελληνικά</btn></li> <li class="nav-item"><btn id="pills-en-tab" data-toggle="pill"...'

Νέα σελίδα
{{DISPLAYTITLE:<span style="position: absolute; clip: rect(1px 1px 1px 1px); clip: rect(1px, 1px, 1px, 1px);">{{FULLPAGENAME}}</span>}}

<ul class="nav nav-pills mb-2 justify-content-end" id="pills-tab-lang" role="tablist">
<li class="nav-item"><btn id="pills-gr-tab" data-toggle="pill" class="nav-link active" role="tab" aria-controls="pills-gr" aria-selected="true">#pills-gr|Ελληνικά</btn></li>
<li class="nav-item"><btn id="pills-en-tab" data-toggle="pill" class="nav-link" role="tab" aria-controls="pills-en" aria-selected="false">#pills-en|English</btn></li>
</ul>

<div class="tab-content text-center" id="pills-content">

<div id="pills-gr" class="tab-pane fade show active" role="tabpanel" aria-labelledby="pills-gr-tab" style="text-align:left;">

=== Γενικά ===

{| class="wikitable"
|-
! Σχολή
| Σχολή Θετικών Επιστημών
|-
! Τμήμα
| Τμήμα Μαθηματικών
|-
! Επίπεδο Σπουδών
| Μεταπτυχιακό
|-
! Κωδικός Μαθήματος
| ΣEE14
|-
! Εξάμηνο
| 2
|-
! Τίτλος Μαθήματος
| ΜΗ ΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
|-
! Αυτοτελείς Διδακτικές Δραστηριότητες
| Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
|-
! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Τύπος Μαθήματος]
| Μάθημα Ειδίκευσης
|-
! Προαπαιτούμενα Μαθήματα
|
|-
! Γλώσσα Διδασκαλίας και Εξετάσεων
| Ελληνική
|-
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
| Ναι (στην Αγγλική γλώσσα)
|-
! Ηλεκτρονική Σελίδα Μαθήματος (URL)
| Δείτε το [https://ecourse.uoi.gr/ eCourse], την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.
|}

=== Μαθησιακά Αποτελέσματα ===

{| class="wikitable"
|-
! Μαθησιακά Αποτελέσματα
|
Με την επιτυχή παρακολούθηση του μαθήματος ο φοιτητής θα είναι σε θέση να
* κατανοεί τις μη παραμετρικές τεχνικές,
* εξηγεί τις θεμελιώδεις αρχές εκτίμησης με τη μέθοδο των πυρήνων,
* υλοποιεί μονοδιάστατες και πολυδιάστατες εκτιμήτριες για την σ.π.π., α.σ.κ. καθώς και συναντήσεων παλινδρόμησης με τη μέθοδο των πυρήνων (συμπεριλαμβανομένων και της παραμέτρου εύρους ζώνης)
* ποσοτικοποιεί την ακρίβεια τους, ώστε να μπορεί να κρίνει την καταλληλόλητα τους,
* εκτιμά συναρτήσεις ενδιαφέροντος και να διεξάγει ελέγχους για αυτές, χωρίς την υιοθέτηση ισχυρών υποθέσεων (βλέπε παραμετρικές μεθοδολογίες).
|-
! Γενικές Ικανότητες
|
* Αυτόνομη εργασία
* Ομαδική εργασία σε κάποιες περιπτώσεις
* Λήψη αποφάσεων
* Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
* Σύνθεση δεδομένων και πληροφοριών.
|}

=== Περιεχόμενο Μαθήματος ===

Παρουσίαση και εισαγωγή στις μη παραμετρικές μεθόδους. Μη παραμετρική εκτίμηση της σ.π.π. με ιστόγραμμα και με την μέθοδο των πυρήνων (kernel density estimation). Ασυμπτωτικές ιδιότητες του ιστογράμματος και της εκτιμήτριας πυρήνα. Μη παραμετρική εκτίμηση της α.σ.κ με την εμπειρική α.σ.κ. και με τη μέθοδο των πυρήνων και ιδιότητες αυτών. Μέθοδοι και τεχνικές επιλογής εύρους ζώνης (bandwidth) για εκτιμήτριες πυρήνα. Βελτίωση εκτιμητών που προκύπτουν με τη μέθοδο των πυρήνων: βελτίωση μεροληψίας στα άκρα του διαστήματος εκτίμησης (boundary bias), βελτίωση του μέσου τετραγωνικού σφάλματος του εκτιμητή με χρήση μεταβλητού εύρους ζώνης ή μετασχηματισμών. Μη παραμετρική παλινδρόμηση με τη μέθοδο Nadaraya-Watson και με τη μέθοδο της τοπικής πολυωνυμικής προσαρμογής. Εκτίμηση πολυδιάστατων σ.π.π. και συναρτήσεων παλινδρόμησης, ειδικά θέματα.

=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===

{| class="wikitable"
|-
! Τρόπος Παράδοσης
| Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος
|-
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
|
* Στατιστικά Πακέτα
* Χρήση Τ.Π.Ε. στην επικοινωνία με τους φοιτητές καθώς και στην παράδοση εργασιών
|-
! Οργάνωση Διδασκαλίας
|
{| class="wikitable"
! Δραστηριότητα
! Φόρτος Εργασίας Εξαμήνου
|-
| Διαλέξεις -Εργαστήριο
| 39
|-
| Αυτοτελής Μελέτη
| 78
|-
| Επίλυση ασκήσεων-εργασίες
| 70.5
|-
| Σύνολο Μαθήματος
| 187.5
|}
|-
! Αξιολόγηση Φοιτητών
|
Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό.
|}

=== Συνιστώμενη Βιβλιογραφία ===

Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος]. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:
</div>

<div id="pills-en" class="tab-pane fade" role="tabpanel" aria-labelledby="pills-en-tab" style="text-align:left;">

=== General ===

{| class="wikitable"
|-
! School
| School of Science
|-
! Academic Unit
| Department of Mathematics
|-
! Level of Studies
| Graduate
|-
! Course Code
| ΣΣΕ14
|-
! Semester
| 2
|-
! Course Title
|
Non Parametric Statistics
|-
! Independent Teaching Activities
| Lectures-Laboratory (Weekly Teaching Hours: 3, Credits: 7.5)
|-
! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Course Type]
|
Specialized general knowledge
|-
! Prerequisite Courses
| -
|-
! Language of Instruction and Examinations
| Greek
|-
! Is the Course Offered to Erasmus Students
|
Yes (in English, reading Course)
|-
! Course Website (URL)
| See [https://ecourse.uoi.gr/ eCourse], the Learning Management System maintained by the University of Ioannina.
|}

=== Learning Outcomes ===

{| class="wikitable"
|-
! Learning outcomes
|
This course aims at introducing nonparametric techniques in statistical analysis and the use of these techniques in a variety of disciplines. The course will focus on the so-called smoothing procedures for curve estimation. Students taking this course will develop an appreciation of nonparametric statistics and will be able to:
* understand the concept and scope of nonparametric techniques,
* explain the fundamental principles of smoothing and nonparametric curve estimation,
* estimate functions of interest without strong parametric assumptions,
* test hypotheses about these functions and construct confidence regions,
* use in practice the modern nonparametric techniques to answer concrete questions about real data sets,
* use the R software to generate output in regard to the previous point and for computing intensive methods such as the bootstrap.
|-
! General Competences
|
* Working independently
* Decision-making
* Production of free, creative and inductive thinking
* Criticism and self-criticism
|}

=== Syllabus ===

Presentation and Introduction to nonparametric methods. Nonparametric estimation of the probability density function (p.d.f.) by histogram and by kernel density estimation. Asymptotic properties of the derived estimates. Non parametric estimation of the cumulative distribution function (e.c.d.f.) with the empirical c.d.f., kernel smoothing and properties of the derived estimatres. Methods and techniques for bandwidth selection. Improvements of kernel estimates: elimination of boundary bias, variable bandwidth kernel estimates and transformation-based estimates. Nonparametric regression: the Nadaraya-Watson estimate and the local polynomial estimate. Multivariate kernel estimation and special topics.

=== Teaching and Learning Methods - Evaluation ===

{| class="wikitable"
|-
! Delivery
| Classroom (face-to-face)
|-
! Use of Information and Communications Technology
|
* Statistical software
* Use of ICT in communication with students
|-
! Teaching Methods
|
{| class="wikitable"
! Activity
! Semester Workload
|-
| Lectures
| 39
|-
| Working independently
| 78
|-
| Exercises-Homework
| 70.5
|-
| Course total
| 187.5
|}
|-
! Student Performance Evaluation
|
Final written exam in Greek (in case of Erasmus students in English).
|}

=== Attached Bibliography ===

See the official [https://service.eudoxus.gr/public/departments#20 Eudoxus site]. Books and other resources, not provided by Eudoxus:
</div>

<div style="text-align:left;">
* ---
</div>
</div>