Undergraduate Elective 1080

• Ελληνικά
• English

Στατιστική Συμπερασματολογία

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE633
Εξάμηνο	6
Τίτλος Μαθήματος	Στατιστική Συμπερασματολογία
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος	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

Στόχος του μαθήματος είναι η παρουσίαση και μελέτη τεχνικών και μεθόδων παραμετρικής στατιστικής συμπερασματολογίας και ειδικότερα η εκτίμηση παραμέτρων σε σημείο, σε διάστημα και η ανάπτυξη της θεωρίας του ελέγχου στατιστικών υποθέσεων. Στόχος του μαθήματος αυτού, είναι ο φοιτητής να εντρυφήσει στις παραπάνω θεμελιώδεις έννοιες και μεθόδους της στατιστικής και να είναι σε θέση να εξάγει στατιστικά συμπεράσματα στη βάση πειραματικών δεδομένων, αξιοποιώντας τις μεθόδους αυτές. Με την ολοκλήρωση του μαθήματος οι φοιτητές θα έχουν αποκτήσει το θεωρητικό υπόβαθρο στο οποίο οικοδομούνται όλες οι μεθοδολογίες και τεχνικές της στατιστικής.

Γενικές Ικανότητες

Αυτόνομη εργασία Λήψη αποφάσεων Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης Σύνθεση δεδομεων και πληροφοριών.

Περιεχόμενο Μαθήματος

Εκτιμητική: Αμερόληπτοι, επαρκείς και συνεπείς εκτιμητές. Αμερόληπτοι εκτιμητές ελάχιστης διασποράς. Ανισότητα Cramer - Rao. Θεωρία Lehmann - Scheffe. Εκτιμητές μέγιστης πιθανοφάνειας και ιδιότητες αυτών. Μέθοδοι εκτιμήσεως (μεγίστης πιθανοφάνειας και μέθοδος των ροπών). Εκτίμηση παραμέτρων σε διάστημα. Διαστήματα και περιοχές εμπιστοσύνης. Έλεγχοι υποθέσεων: Λήμμα Neyman - Pearson. Έλεγχος απλών υποθέσεων, έλεγχος συνθέτων υποθέσεων. Ισχυρότατα τεστ. Τεστ πηλίκου πιθανοφανειών.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας	Στην τάξη (πρόσωπο με πρόσωπο).
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 Τ.Π.Ε. στην επικοινωνία με τους φοιτητές.
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 (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 Εύδοξος.

Statistical Inference

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Undergraduate
Course Code	ΜΑΕ633
Semester	6
Course Title	Statistical Inference
Independent Teaching Activities	Lectures (Weekly Teaching Hours: 3, Credits: 6)
Course Type	Special Background
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

The aim of the course is to present and study techniques and methods of parametric statistical inference. In particular, the interest is mainly focused on the theoretical development of the field of parameter estimation (point and interval) and the development of the theory of statistical tests for testing statistical hypotheses. Moreover, this course aims to provide the necessary tools and methods which help students to be able to draw statistical conclusions on the basis of experimental data and by utilizing these methods. At the end of the course students will have acquired the theoretical background of the parametric statistical inference methodologies.

General Competences

Working independently Decision-making Production of free, creative and inductive thinking Criticism and self-criticism.

Syllabus

Point estimation: unbiased, sufficient and efficient estimators, unbiased estimators with minimum variance, the Cramer-Rao lower bound for the variance, Lehmann-Scheffe theory, asymptotic properties of estimators, methods of estimation (method of maximum likelihood and method of moments). Interval estimation. Confidence intervals. Testing Statistical Hypothesis: the Neyman- Pearson lemma, simple and composite hypotheses, uniformly most powerful tests, likelihood ratio tests. Large sample tests. Applications.

Teaching and Learning Methods - Evaluation

Mode of Instruction	Classroom (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 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

See the official Eudoxus site.