Postgraduate Section 3 1004: Διαφορά μεταξύ των αναθεωρήσεων

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση
Ktzuvara (συζήτηση | συνεισφορές)
Χωρίς σύνοψη επεξεργασίας
Ktzuvara (συζήτηση | συνεισφορές)
 
(6 ενδιάμεσες αναθεωρήσεις από τον ίδιο χρήστη δεν εμφανίζεται)
Γραμμή 48: Γραμμή 48:
! Γλώσσα Διδασκαλίας και Εξετάσεων
! Γλώσσα Διδασκαλίας και Εξετάσεων
| Ελληνική
| Ελληνική
|-
! Τρόπος Διεξαγωγής Μαθήματος
| Δια ζώσης (100%)
|-
|-
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
! Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
Γραμμή 86: Γραμμή 89:
{| class="wikitable"
{| class="wikitable"
|-
|-
! Τρόπος Παράδοσης
! Τρόπος Διδασκαλίας
| Στην τάξη
| Στην τάξη.
|-
! Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές
| Η επικοινωνία με τους φοιτητές γίνεται:
* Μέσω email.
* Δια ζώσης στο γραφείο.
* Κατά τη διάρκεια των διαλέξεων.
 
Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.
|-
! Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών
| Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
|-
|-
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
! Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
|
|
|-
! Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας
| Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
|-
! Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής
| Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
|-
! Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης
| Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
|-
|-
! Οργάνωση Διδασκαλίας
! Οργάνωση Διδασκαλίας
|
|
{| class="wikitable"
{| class="wikitable" style="width: 100%;"
! Δραστηριότητα
! Δραστηριότητα
! Φόρτος Εργασίας Εξαμήνου
! Φόρτος Εργασίας Εξαμήνου
|-
|-
| Διαλέξεις
| Διαλέξεις
| 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
|}
|}
|-
|-
Γραμμή 161: Γραμμή 184:
! Language of Instruction and Examinations
! Language of Instruction and Examinations
| Greek
| Greek
|-
! Mode of Course Delivery
| Face-to-face (100%)
|-
|-
! Is the Course Offered to Erasmus Students
! Is the Course Offered to Erasmus Students
Γραμμή 203: Γραμμή 229:
{| class="wikitable"
{| class="wikitable"
|-
|-
! Delivery
! Mode of Instruction
| Face-to-face
| Face-to-face.
|-
! Mode and Frequency of Communication with Students
| Communication with students takes place through:
* Email.
* In-person meetings during office hours.
* During lectures.
 
The frequency of communication with students is determined by their needs.
|-
! Ensuring Communication Among Students
| Collaboration and interaction are encouraged within the context of course delivery.
|-
|-
! Use of Information and Communications Technology
! Use of Information and Communications Technology
| Use of ICT in communication with students
| Use of ICT in communication with students.
|-
! Required Technological Equipment and Technology Skills
| No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
|-
! Course Policy on Plagiarism and Plagiarism Detection Tools
| Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
|-
! Course Policy on the Use of Artificial Intelligence
| The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
|-
|-
! Teaching Methods
! Teaching Methods
Γραμμή 216: Γραμμή 262:
|-
|-
| Lectures
| Lectures
| 39
| style="text-align: center;" |39
|-
|-
| Independent study
| Independent study
| 70
| style="text-align: center;" |70
|-
|-
| Study and analysis of bibliography, Fieldwork
| Study and analysis of bibliography, Fieldwork
| 78.5
| style="text-align: center;" |78.5
|-
|-
| Course total
| Course total
| 187.5
| style="text-align: center;" |187.5
|}
|}
|-
|-

Τελευταία αναθεώρηση της 23:49, 2 Ιουλίου 2026



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΣEE2
Εξάμηνο 1
Τίτλος Μαθήματος Γραμμικά Mοντέλα
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Μάθημα Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Τρόπος Διεξαγωγής Μαθήματος Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Σκοπός του μαθήματος είναι:
  • η εμβάθυνση σε γνώσεις των Γραμμικών Mοντέλων που έχουν αποκτηθεί κατά τη διάρκεια των προπτυχιακών σπουδών,
  • η επέκταση αυτών των εννοιών και
  • η παρουσίαση εξειδικευμένων γνώσεων Γραμμικών Mοντέλων με εφαρμογές σε ανάλυση στατιστικών δεδομένων.
Γενικές Ικανότητες
  • Αυτόνομη εργασία
  • Ομαδική εργασία σε κάποιες περιπτώσεις
  • Λήψη αποφάσεων
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Σύνθεση δεδομένων και πληροφοριών

Περιεχόμενο Μαθήματος

H θεωρία των ακόλουθων θεμάτων: Γενικό Γραμμικό Μοντέλο πλήρους βαθμίδας και στατιστικές ιδιότητες αυτού. Πολλαπλή Παλινδρόμηση: Έλεγχος υποθέσεων, διαγνωστικά μέτρα και ανάλυση υπολοίπων. Επιλογή Μεταβλητών. Μοντέλα μη πλήρους βαθμίδας. Εκτιμήσεις συναρτήσεις, Ανάλυση της Διακύμανσης κατά ένα, δύο και περισσότερους παράγοντες με ίσο και άνισο αριθμό παρατηρήσεων ανά κυψελίδα.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας Στην τάξη.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές Η επικοινωνία με τους φοιτητές γίνεται:
  • Μέσω email.
  • Δια ζώσης στο γραφείο.
  • Κατά τη διάρκεια των διαλέξεων.

Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.

Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις 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 επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας. Κατά τη διάρκεια του εξαμήνου δίνονται ατομικές εργασίες.

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Linear Models


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Graduate
Course Code ΣΕΕ2
Semester 1
Course Title Linear Models
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
Course Type Specialized general knowledge
Prerequisite Courses -
Language of Instruction and Examinations Greek
Mode of Course Delivery Face-to-face (100%)
Is the Course Offered to Erasmus Students Yes (in English, reading Course)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning Outcomes

By the end of the course students are expected to demonstrate:

  • A strong foundation in simple linear, multiple regression and in the one- and two-way analysis of variance as well as in extending these concepts,
  • Deep knowledge of the main assumptions of the general linear model and their implications when violated,
  • How to conduct diagnostics and correct for the violation of the assumptions of the general linear model,
  • How to interpret various coefficients and in general how to analyze data with linear models,
  • How to deal with multicollinearity effects, missing data e.t.c..
General Competences
  • Working independently
  • Decision-making
  • Adapting to new situations
  • Production of free, creative and inductive thinking
  • Synthesis of data and information, with the use of the necessary technology
  • Working in an interdisciplinary environment

Syllabus

The General Linear Model of full Rank and its statistical properties. Multiple Regression Analysis. Hypothesis tests, diagnostic measures and residual analysis. Variable selection. Models of non full rank. Estimable functions, One and two-way analysis of variance with equal and unequal numbers per cell.

Teaching and Learning Methods - Evaluation

Mode of Instruction Face-to-face.
Mode and Frequency of Communication with Students Communication with students takes place through:
  • Email.
  • In-person meetings during office hours.
  • During lectures.

The frequency of communication with students is determined by their needs.

Ensuring Communication Among Students Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology Use of ICT in communication with students.
Required Technological Equipment and Technology Skills No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods
Activity Semester Workload
Lectures 39
Independent study 70
Study and analysis of bibliography, Fieldwork 78.5
Course total 187.5
Student Performance Evaluation Final written exam in Greek (in case of Erasmus students in English).

Attached Bibliography

See the official Eudoxus site.