Undergraduate Elective 1092 - Ιστορικό εκδόσεων

G.R.Chrysostomidis στις 21:09, 3 Απριλίου 2026

2026-04-03T21:09:37Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 00:09, 4 Απριλίου 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>
			== '''Υπολογιστική Στατιστική''' ==
			</div>


Γραμμή 40:		Γραμμή 44:
	\|-		\|-
	! Προαπαιτούμενα Μαθήματα		! Προαπαιτούμενα Μαθήματα
	\|		\|
	\|-		\|-
	! Γλώσσα Διδασκαλίας και Εξετάσεων		! Γλώσσα Διδασκαλίας και Εξετάσεων
Γραμμή 59:		Γραμμή 63:
	\| Οι φοιτητές μετά την επιτυχή παρακολούθηση αυτού του μαθήματος θα πρέπει να είναι σε θέση να:		\| Οι φοιτητές μετά την επιτυχή παρακολούθηση αυτού του μαθήματος θα πρέπει να είναι σε θέση να:
	* εφαρμόζουν τις συνηθέστερες μεθόδους υπολογιστικής στατιστικής		* εφαρμόζουν τις συνηθέστερες μεθόδους υπολογιστικής στατιστικής
	* χρησιμοποιούν την R άλλα και άλλα στατιστικά ~~προγράμματα~~ για τον παραπάνω σκοπό		* χρησιμοποιούν την R άλλα και άλλα στατιστικά προγράματα για τον παραπάνω σκοπό
	* παράγουν τυχαίους αριθμούς από διακριτές και συνεχείς κατανομές		* παράγουν τυχαίους αριθμούς από διακριτές και συνεχείς κατανομές
	* χρησιμοποιούν διαφορετικές μεθόδους επίλυσης ενός προβλήματος βελτιστοποίησης.		* χρησιμοποιούν διαφορετικές μεθόδους επίλυσης ενός προβλήματος βελτιστοποίησης.
Γραμμή 96:		Γραμμή 100:
	\|-		\|-
	\| Διαλέξεις (13Χ3)		\| Διαλέξεις (13Χ3)
	\| 39		\| style="text-align: center;" \|39
	\|-		\|-
	\| Αυτοτελής Μελέτη		\| Αυτοτελής Μελέτη
	\| 78		\| style="text-align: center;" \|78
	\|-		\|-
	\| Επίλυση Ασκήσεων - εργασίες		\| Επίλυση Ασκήσεων - εργασίες
	\| 33		\| style="text-align: center;" \|33
	\|-		\|-
	\| Σύνολο Μαθήματος		\| Σύνολο Μαθήματος
	\| 150		\| style="text-align: center;" \|150
	\|}		\|}
	\|-		\|-
Γραμμή 118:		Γραμμή 122:

	<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>
			== '''Computational Statistics''' ==
			</div>


Γραμμή 204:		Γραμμή 212:
	\|-		\|-
	\| Lectures		\| Lectures
	\| 39		\| style="text-align: center;" \|39
	\|-		\|-
	\| Working independently		\| Working independently
	\| 78		\| style="text-align: center;" \|78
	\|-		\|-
	\| Exercises-Homeworks		\| Exercises-Homeworks
	\| 33		\| style="text-align: center;" \|33
	\|-		\|-
	\| Course total		\| Course total
	\| 150		\| style="text-align: center;" \|150
	\|}		\|}
	\|-		\|-

Ktzuvara στις 18:57, 29 Μαρτίου 2026

2026-03-29T18:57:47Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 21:57, 29 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;">


	=== Γενικά ===		=== Γενικά ===
Γραμμή 70:		Γραμμή 71:
	* Σύνθεση δεδομένων και πληροφοριών.		* Σύνθεση δεδομένων και πληροφοριών.
	\|}		\|}


	=== Περιεχόμενο Μαθήματος ===		=== Περιεχόμενο Μαθήματος ===
Γραμμή 111:		Γραμμή 111:
	\| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας.		\| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας.
	\|}		\|}


	=== Συνιστώμενη Βιβλιογραφία ===		=== Συνιστώμενη Βιβλιογραφία ===
Γραμμή 119:		Γραμμή 118:

	<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;">


	=== General ===		=== General ===

	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
Γραμμή 160:		Γραμμή 161:
	\|}		\|}

			=== Learning Outcomes ===

	~~=== Learning Outcomes ===~~
	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
Γραμμή 178:		Γραμμή 179:
	* Criticism and self-criticism.		* Criticism and self-criticism.
	\|}		\|}


	=== Syllabus ===		=== Syllabus ===
Γραμμή 188:		Γραμμή 188:

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

	{\| class="wikitable"		{\| class="wikitable"
	\|-		\|-
Γραμμή 218:		Γραμμή 219:
	\| Final written exam in Greek (in case of Erasmus students in English) which concentrates on the solution of problems which are motivated by the main themes of the course.		\| Final written exam in Greek (in case of Erasmus students in English) which concentrates on the solution of problems which are motivated by the main themes of the course.
	\|}		\|}


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

Ktzuvara: /* Syllabus */

2026-03-27T23:03:08Z

Syllabus

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 02:03, 28 Μαρτίου 2026
Γραμμή 181:		Γραμμή 181:

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

			{\| class="wikitable" style="width: 100%;"
			\|
	Using R the following topics will be discussed: Generation of random numbers from discrete and continuous distributions. Monte Carlo integration. Using simulation techniques to visualize classical results of statistical inference via simulated data (asymptotic normality of mean, power of a test etc). Density Estimation and Applications (Kernel density estimation). Methods of Resampling ς (Jackknife και Bootstrap). Numerical maximization techniques (Newton-Raphson, Fisher scoring, expectation-maximization [EM]).		Using R the following topics will be discussed: Generation of random numbers from discrete and continuous distributions. Monte Carlo integration. Using simulation techniques to visualize classical results of statistical inference via simulated data (asymptotic normality of mean, power of a test etc). Density Estimation and Applications (Kernel density estimation). Methods of Resampling ς (Jackknife και Bootstrap). Numerical maximization techniques (Newton-Raphson, Fisher scoring, expectation-maximization [EM]).
			\|}

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

Ktzuvara: /* Περιεχόμενο Μαθήματος */

2026-03-27T23:02:56Z

Περιεχόμενο Μαθήματος

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 02:02, 28 Μαρτίου 2026
Γραμμή 74:		Γραμμή 74:
	=== Περιεχόμενο Μαθήματος ===		=== Περιεχόμενο Μαθήματος ===

	Παραγωγή τυχαίων αριθμών από διακριτές και συνεχείς κατανομές. Ολοκλήρωση Monte Carlo. Οπτικοποίηση κλασικών αποτελεσμάτων της στατιστικής συμπερασματολογίας μέσω προσομοιωμένων δειγμάτων (πχ. ασυμπτωτική κανονικότητα δειγματικού μέσου, (1-α)\| 100% ΔΕ, εκτίμηση ισχύος και p-value ενός στατιστικού τεστ). Μέθοδοι επαναδειγματοληψίας (Jackknife και Bootstrap). Εκτίμηση πυκνότητας πιθανότητας και εφαρμογές (Kernel density estimation). Τεχνικές αριθμητικής βελτιστοποίησης (όπως Newton-Raphson, Fisher scoring, αλγόριθμος expectation-maximization [EM]). Το μάθημα είναι εργαστηριακό. Η γλώσσα προγραμματισμού που θα χρησιμοποιηθεί είναι η R.		{\| class="wikitable" style="width: 100%;"
			\|
			Παραγωγή τυχαίων αριθμών από διακριτές και συνεχείς κατανομές. Ολοκλήρωση Monte Carlo. Οπτικοποίηση κλασικών αποτελεσμάτων της στατιστικής συμπερασματολογίας μέσω προσομοιωμένων δειγμάτων (πχ. ασυμπτωτική κανονικότητα δειγματικού μέσου, (1-α)\| 100% ΔΕ, εκτίμηση ισχύος και p-value ενός στατιστικού τεστ). Μέθοδοι επαναδειγματοληψίας (Jackknife και Bootstrap). Εκτίμηση πυκνότητας πιθανότητας και εφαρμογές (Kernel density estimation). Τεχνικές αριθμητικής βελτιστοποίησης (όπως Newton-Raphson, Fisher scoring, αλγόριθμος expectation-maximization [EM]). Το μάθημα είναι εργαστηριακό. Η γλώσσα προγραμματισμού που θα χρησιμοποιηθεί είναι η R.
			\|}

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

Ktzuvara: /* Γενικά */

2026-03-27T21:47:42Z

Γενικά

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 00:47, 28 Μαρτίου 2026
Γραμμή 30:		Γραμμή 30:
	\|-		\|-
	! Τίτλος Μαθήματος		! Τίτλος Μαθήματος
	\| ~~ΥΠΟΛΟΓΙΣΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ~~		\| Υπολογιστική Στατιστική
	\|-		\|-
	! Αυτοτελείς Διδακτικές Δραστηριότητες		! Αυτοτελείς Διδακτικές Δραστηριότητες
Γραμμή 50:		Γραμμή 50:
	\| 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 ===

Outlines-mw-admin στις 22:54, 18 Φεβρουαρίου 2026

2026-02-18T22:54:44Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 01:54, 19 Φεβρουαρίου 2026
Γραμμή 50:		Γραμμή 50:
	\| 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 70:		Γραμμή 71:
	* Σύνθεση δεδομένων και πληροφοριών.		* Σύνθεση δεδομένων και πληροφοριών.
	\|}		\|}


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

	Παραγωγή τυχαίων αριθμών από διακριτές και συνεχείς κατανομές. Ολοκλήρωση Monte Carlo. Οπτικοποίηση κλασικών αποτελεσμάτων της στατιστικής συμπερασματολογίας μέσω προσομοιωμένων δειγμάτων (πχ. ασυμπτωτική κανονικότητα δειγματικού μέσου, (1-α)\| 100% ΔΕ, εκτίμηση ισχύος και p-value ενός στατιστικού τεστ). Μέθοδοι επαναδειγματοληψίας (Jackknife και Bootstrap). Εκτίμηση πυκνότητας πιθανότητας και εφαρμογές (Kernel density estimation). Τεχνικές αριθμητικής βελτιστοποίησης (όπως Newton-Raphson, Fisher scoring, αλγόριθμος expectation-maximization [EM]). Το μάθημα είναι εργαστηριακό. Η γλώσσα προγραμματισμού που θα χρησιμοποιηθεί είναι η R.		Παραγωγή τυχαίων αριθμών από διακριτές και συνεχείς κατανομές. Ολοκλήρωση Monte Carlo. Οπτικοποίηση κλασικών αποτελεσμάτων της στατιστικής συμπερασματολογίας μέσω προσομοιωμένων δειγμάτων (πχ. ασυμπτωτική κανονικότητα δειγματικού μέσου, (1-α)\| 100% ΔΕ, εκτίμηση ισχύος και p-value ενός στατιστικού τεστ). Μέθοδοι επαναδειγματοληψίας (Jackknife και Bootstrap). Εκτίμηση πυκνότητας πιθανότητας και εφαρμογές (Kernel density estimation). Τεχνικές αριθμητικής βελτιστοποίησης (όπως Newton-Raphson, Fisher scoring, αλγόριθμος expectation-maximization [EM]). Το μάθημα είναι εργαστηριακό. Η γλώσσα προγραμματισμού που θα χρησιμοποιηθεί είναι η R.


	=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===		=== Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση ===
Γραμμή 107:		Γραμμή 110:
	\| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας.		\| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας.
	\|}		\|}


	=== Συνιστώμενη Βιβλιογραφία ===		=== Συνιστώμενη Βιβλιογραφία ===
Γραμμή 112:		Γραμμή 116:
	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;">
Γραμμή 155:		Γραμμή 158:
	\| 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 173:		Γραμμή 177:
	* Criticism and self-criticism.		* Criticism and self-criticism.
	\|}		\|}


	=== Syllabus ===		=== Syllabus ===
	Using R the following topics will be discussed: Generation of random numbers from discrete and continuous distributions. Monte Carlo integration. Using simulation techniques to visualize classical results of statistical inference via simulated data (asymptotic normality of mean, power of a test etc). Density Estimation and Applications (Kernel density estimation). Methods of Resampling ς (Jackknife και Bootstrap). Numerical maximization techniques (Newton-Raphson, Fisher scoring, expectation-maximization [EM]).		Using R the following topics will be discussed: Generation of random numbers from discrete and continuous distributions. Monte Carlo integration. Using simulation techniques to visualize classical results of statistical inference via simulated data (asymptotic normality of mean, power of a test etc). Density Estimation and Applications (Kernel density estimation). Methods of Resampling ς (Jackknife και Bootstrap). Numerical maximization techniques (Newton-Raphson, Fisher scoring, expectation-maximization [EM]).


	=== Teaching and Learning Methods - Evaluation ===		=== Teaching and Learning Methods - Evaluation ===
	{\| class="wikitable"		{\| class="wikitable"

Ksimos στις 20:26, 18 Φεβρουαρίου 2026

2026-02-18T20:26:03Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 23:26, 18 Φεβρουαρίου 2026
Γραμμή 120:		Γραμμή 120:
	\|-		\|-
	! School		! School
	\|		\| School of Science
	School of Science
	\|-		\|-
	! Academic Unit		! Academic Unit
	\|		\| Department of Mathematics
	Department of Mathematics
	\|-		\|-
	! Level of Studies		! Level of Studies
	\|		\| Undergraduate
	Undergraduate
	\|-		\|-
	! Course Code		! Course Code
	\|		\| ΜΑΕ836
	ΜΑΕ836
	\|-		\|-
	! Semester		! Semester
	\|		\| 8
	8
	\|-		\|-
	! Course Title		! Course Title
	\|		\| Computational Statistics
	Computational Statistics
	\|-		\|-
	! Independent Teaching Activities		! Independent Teaching Activities
	\|		\| Lectures-Laboratory (Weekly Teaching Hours: 3, Credits: 6)
	Lectures-Laboratory (Weekly Teaching Hours: 3, Credits: 6)
	\|-		\|-
	! [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]
	\|		\| Special Background
	Special Background
	\|-		\|-
	! Prerequisite Courses		! Prerequisite Courses
Γραμμή 155:		Γραμμή 147:
	\|-		\|-
	! Language of Instruction and Examinations		! Language of Instruction and Examinations
	\|		\| Greek
	Greek
	\|-		\|-
	! 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)
Γραμμή 170:		Γραμμή 160:
	\|-		\|-
	! Learning outcomes		! Learning outcomes
	\|		\| Students completing this course should be able to:
	Students completing this course should be able to:
	* Apply the most common methods of computational statistics		* Apply the most common methods of computational statistics
	* generate random numbers from discrete and continuous distributions		* generate random numbers from discrete and continuous distributions
Γραμμή 190:		Γραμμή 179:
	\|-		\|-
	! Delivery		! Delivery
	\|		\| Classroom (face-to-face)
	Classroom (face-to-face)
	\|-		\|-
	! Use of Information and Communications Technology		! Use of Information and Communications Technology
Γραμμή 216:		Γραμμή 204:
	\|-		\|-
	! Student Performance Evaluation		! Student Performance Evaluation
	\|		\| Final written exam in Greek (in case of Erasmus students in English) which concentrates on the solution of problems which are motivated by the main themes of the course.
	Final written exam in Greek (in case of Erasmus students in English) which concentrates on the solution of problems which are motivated by the main themes of the course.
	\|}		\|}

Ksimos στις 13:09, 18 Φεβρουαρίου 2026

2026-02-18T13:09:06Z

← Παλαιότερη αναθεώρηση		Αναθεώρηση της 16:09, 18 Φεβρουαρίου 2026
Γραμμή 110:		Γραμμή 110:
	=== Συνιστώμενη Βιβλιογραφία ===		=== Συνιστώμενη Βιβλιογραφία ===

	~~<!-- Για να επεξεργαστείτε~~ την ~~βιβλιογραφία, επισκευτείτε την σελίδα -->~~		Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος]. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:
	~~<!--~~ https://~~wiki.math~~.~~uoi~~.gr/~~index~~.~~php~~/~~%CE%A0%CF%81%CF%8C%CF%84%CF%85%CF%80%CE%BF:MAE836-Biblio --~~>		</div>

	Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος] ή το [https://cloud.math.uoi.gr/index.php/s/62t8WPCwEXJK7oL τοπικό αποθετήριο] του Τμήματος Μαθηματικών για τα παρεχόμενα συγγράμματα ανά ακαδημαϊκό έτος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

	~~{{MAE836-Biblio}}~~
	~~</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;">
Γραμμή 227:		Γραμμή 223:
	=== Attached Bibliography ===		=== Attached Bibliography ===

	~~<!-- Για να επεξεργαστείτε την βιβλιογραφία, επισκευτείτε την σελίδα -->~~		See the official [https://service.eudoxus.gr/public/departments#20 Eudoxus site]. Books and other resources, not provided by Eudoxus:
	~~<!-- https://wiki.math.uoi.gr/index.php/%CE%A0%CF%81%CF%8C%CF%84%CF%85%CF%80%CE%BF:MAE836-Biblio -->~~

	~~Δείτε την υπηρεσία~~ [https://service.eudoxus.gr/public/departments#20 ~~Εύδοξος] ή το [https://cloud.math.uoi.gr/index.php/s/62t8WPCwEXJK7oL τοπικό αποθετήριο~~] ~~του Τμήματος Μαθηματικών για τα παρεχόμενα συγγράμματα ανά ακαδημαϊκό έτος~~. ~~Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος~~:

	~~{{MAE836-Biblio}}~~
	</div>		</div>

	<div style="text-align:left;">		<div style="text-align:left;">
	* ~~PHP 6 AND MYSQL 5 FOR DYNAMIC WEB SITES~~, ~~5 Edition~~, ~~LARRY ULLMAN~~, ~~ISBN-13: 978-0134301846~~, ~~2018~~.		* Davison, A. C., Hinkley, D. V., Bootstrap methods and their application. Cambridge University Press 1997.
	* ~~JAVASCRIPT~~ & ~~JQUERY interactive front-end web development~~, ~~Jon Duckett~~, ~~ISBN-13: 978-1118531648~~, ~~2017~~.		* Rizzo, M. L., Statistical computing with R. Chapman & Hall/CRC 2007.
			* Robert, C. P., Casella, G., Introducing Monte Carlo methods with R. Springer Verlag 2009
	</div>		</div>

	</div>		</div>

Ksimos: Νέα σελίδα με '{{DISPLAYTITLE:{{FULLPAGENAME}}}}

#pills-gr|Ελληνικά

2026-02-18T13:02:55Z

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
| Προπτυχιακό
|-
! Κωδικός Μαθήματος
| MAE836
|-
! Εξάμηνο
| 8
|-
! Τίτλος Μαθήματος
| ΥΠΟΛΟΓΙΣΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
|-
! Αυτοτελείς Διδακτικές Δραστηριότητες
| Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
|-
! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Τύπος Μαθήματος]
| 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
| Οι φοιτητές μετά την επιτυχή παρακολούθηση αυτού του μαθήματος θα πρέπει να είναι σε θέση να:
* εφαρμόζουν τις συνηθέστερες μεθόδους υπολογιστικής στατιστικής
* χρησιμοποιούν την R άλλα και άλλα στατιστικά προγράμματα για τον παραπάνω σκοπό
* παράγουν τυχαίους αριθμούς από διακριτές και συνεχείς κατανομές
* χρησιμοποιούν διαφορετικές μεθόδους επίλυσης ενός προβλήματος βελτιστοποίησης.
|-
! Γενικές Ικανότητες
|
* Αυτόνομη εργασία
* Σύνθεση δεδομένων και πληροφοριών
* Λήψη αποφάσεων
* Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
* Σύνθεση δεδομένων και πληροφοριών.
|}

=== Περιεχόμενο Μαθήματος ===

Παραγωγή τυχαίων αριθμών από διακριτές και συνεχείς κατανομές. Ολοκλήρωση Monte Carlo. Οπτικοποίηση κλασικών αποτελεσμάτων της στατιστικής συμπερασματολογίας μέσω προσομοιωμένων δειγμάτων (πχ. ασυμπτωτική κανονικότητα δειγματικού μέσου, (1-α)| 100% ΔΕ, εκτίμηση ισχύος και p-value ενός στατιστικού τεστ). Μέθοδοι επαναδειγματοληψίας (Jackknife και Bootstrap). Εκτίμηση πυκνότητας πιθανότητας και εφαρμογές (Kernel density estimation). Τεχνικές αριθμητικής βελτιστοποίησης (όπως Newton-Raphson, Fisher scoring, αλγόριθμος expectation-maximization [EM]). Το μάθημα είναι εργαστηριακό. Η γλώσσα προγραμματισμού που θα χρησιμοποιηθεί είναι η R.

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

{| class="wikitable"
|-
! Τρόπος Παράδοσης
| Στην Τάξη
|-
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
|
|-
! Οργάνωση Διδασκαλίας
|
{| class="wikitable"
! Δραστηριότητα
! Φόρτος Εργασίας Εξαμήνου
|-
| Διαλέξεις (13Χ3)
| 39
|-
| Αυτοτελής Μελέτη
| 78
|-
| Επίλυση Ασκήσεων - εργασίες
| 33
|-
| Σύνολο Μαθήματος
| 150
|}
|-
! Αξιολόγηση Φοιτητών
| Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας.
|}

=== Συνιστώμενη Βιβλιογραφία ===




Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος] ή το [https://cloud.math.uoi.gr/index.php/s/62t8WPCwEXJK7oL τοπικό αποθετήριο] του Τμήματος Μαθηματικών για τα παρεχόμενα συγγράμματα ανά ακαδημαϊκό έτος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

{{MAE836-Biblio}}
</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
|
Undergraduate
|-
! Course Code
|
ΜΑΕ836
|-
! Semester
|
8
|-
! Course Title
|
Computational Statistics
|-
! Independent Teaching Activities
|
Lectures-Laboratory (Weekly Teaching Hours: 3, Credits: 6)
|-
! [https://regulations.math.uoi.gr/index.php?title=Undergraduate_Department_Course_Types Course Type]
|
Special Background
|-
! 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
|
Students completing this course should be able to:
* Apply the most common methods of computational statistics
* generate random numbers from discrete and continuous distributions
* use R and other statistical software to perform statistical analysis
* use different methods to solve an optimization problem.
|-
! General Competences
|
* Working independently
* Decision-making
* Production of free, creative and inductive thinking
* Criticism and self-criticism.
|}
=== Syllabus ===
Using R the following topics will be discussed: Generation of random numbers from discrete and continuous distributions. Monte Carlo integration. Using simulation techniques to visualize classical results of statistical inference via simulated data (asymptotic normality of mean, power of a test etc). Density Estimation and Applications (Kernel density estimation). Methods of Resampling ς (Jackknife και Bootstrap). Numerical maximization techniques (Newton-Raphson, Fisher scoring, expectation-maximization [EM]).
=== Teaching and Learning Methods - Evaluation ===
{| class="wikitable"
|-
! Delivery
|
Classroom (face-to-face)
|-
! Use of Information and Communications Technology
| -
|-
! Teaching Methods
|
{| class="wikitable"
! Activity
! Semester Workload
|-
| Lectures
| 39
|-
| Working independently
| 78
|-
| Exercises-Homeworks
| 33
|-
| Course total
| 150
|}
|-
! Student Performance Evaluation
|
Final written exam in Greek (in case of Erasmus students in English) which concentrates on the solution of problems which are motivated by the main themes of the course.
|}

=== Attached Bibliography ===




Δείτε την υπηρεσία [https://service.eudoxus.gr/public/departments#20 Εύδοξος] ή το [https://cloud.math.uoi.gr/index.php/s/62t8WPCwEXJK7oL τοπικό αποθετήριο] του Τμήματος Μαθηματικών για τα παρεχόμενα συγγράμματα ανά ακαδημαϊκό έτος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

{{MAE836-Biblio}}
</div>

<div style="text-align:left;">
* PHP 6 AND MYSQL 5 FOR DYNAMIC WEB SITES, 5 Edition, LARRY ULLMAN, ISBN-13: 978-0134301846, 2018.
* JAVASCRIPT & JQUERY interactive front-end web development, Jon Duckett, ISBN-13: 978-1118531648, 2017.
</div>

</div>