Undergraduate Elective 1063: Διαφορά μεταξύ των αναθεωρήσεων

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση
← Παλαιότερη επεξεργασία
ΟπτικήΚώδικας wiki
Ktzuvara (συζήτηση | συνεισφορές)
956 επεξεργασίες
Χωρίς σύνοψη επεξεργασίας
 
(2 ενδιάμεσες εκδόσεις από ένα χρήστη δεν εμφανίζονται)
Γραμμή 1: Γραμμή 1:
{{DISPLAYTITLE:<span style="position: absolute; clip: rect(1px 1px 1px 1px); clip: rect(1px, 1px, 1px, 1px);">{{FULLPAGENAME}}</span>}}
{{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;">


<ul class="nav nav-pills mb-2 justify-content-end" id="pills-tab-lang" role="tablist">
<div align = center>  
<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>
== '''Μη Παραμετρική Στατιστική - Κατηγορικά Δεδομένα''' ==
<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>
</div>
</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 ===
=== Γενικά ===
Γραμμή 39: Γραμμή 38:
|-
|-
! Προαπαιτούμενα Μαθήματα
! Προαπαιτούμενα Μαθήματα
|  
| 
|-
|-
! Γλώσσα Διδασκαλίας και Εξετάσεων
! Γλώσσα Διδασκαλίας και Εξετάσεων
Γραμμή 56: Γραμμή 55:
|-
|-
! Μαθησιακά Αποτελέσματα
! Μαθησιακά Αποτελέσματα
| Στόχος του μαθήματος αυτού είναι η εισαγωγή των φοιτητών στις μεθόδους και τις τεχνικές της Mη Παραμετρικής Στατιστικής (προσημικοί έλεγχοι, έλεγχοι καλής προσαρμογής κοκ), καθώς επίσης και η εφαρμογή τους σε πραγματικά πρακτικά προβλήματα. Σκοπός είναι με την παρακολούθηση του μαθήματος ο φοιτητής να έχει κατανοήσει τις βασικές μεθόδους της Μη Παραμετρικής Στατιστικής, να γνωρίζει πότε θα πρέπει να τις υιοθετεί και πως να τις εφαρμόζει.  
| Στόχος του μαθήματος αυτού είναι η εισαγωγή των φοιτητών στις μεθόδους και τις τεχνικές της Mη Παραμετρικής Στατιστικής (προσημικοί έλεγχοι, έλεγχοι καλής προσαρμογής κοκ), καθώς επίσης και η εφαρμογή τους σε πραγματικά πρακτικά προβλήματα. Σκοπός είναι με την παρακολούθηση του μαθήματος ο φοιτητής να έχει κατανοήσει τις βασικές μεθόδους της Μη Παραμετρικής Στατιστικής, να γνωρίζει πότε θα πρέπει να τις υιοθετεί και πως να τις εφαρμόζει. 
|-
|-
! Γενικές Ικανότητες
! Γενικές Ικανότητες
|
|
* Αυτόνομη εργασία
* Αυτόνομη εργασία 
* Σύνθεση δεδομένων και πληροφοριών
* Σύνθεση δεδομένων και πληροφοριών
* Λήψη αποφάσεων
* Λήψη αποφάσεων 
* Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
* Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
* Σύνθεση δεδομένων και πληροφοριών.
* Σύνθεση δεδομένων και πληροφοριών.
|}
|}


=== Περιεχόμενο Μαθήματος ===
=== Περιεχόμενο Μαθήματος ===
Γραμμή 93: Γραμμή 91:
|-
|-
| 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 108: Γραμμή 106:
| 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 116: Γραμμή 113:


<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- Categorical Data Analysis''' ==
</div>


=== General ===
=== General ===
{| class="wikitable"
{| class="wikitable"
|-
|-
Γραμμή 157: Γραμμή 160:
|}
|}


=== Learning Outcomes ===


=== Learning Outcomes ===
{| class="wikitable"
{| class="wikitable"
|-
|-
! Learning outcomes
! Learning outcomes
|
|
The aim of this course is to introduce students to the methods of Non parametric techniques (goodness-of-fit tests, ranks etc) as well as their application to real practical problems. At the end of the course the student should have understood the basic methods of Non-Parametric Statistics and Categorical Data, knowing when to adopt and how to apply them for analyzing data.  
The aim of this course is to introduce students to the methods of Non parametric techniques (goodness-of-fit tests, ranks etc) as well as their application to real practical problems. At the end of the course the student should have understood the basic methods of Non-Parametric Statistics and Categorical Data, knowing when to adopt and how to apply them for analyzing data. 
|-
|-
! General Competences
! General Competences
|
|
* Working independently
* Working independently 
* Decision-making
* Decision-making
* Production of free, creative and inductive thinking
* Production of free, creative and inductive thinking
* Criticism and self-criticism.
* Criticism and self-criticism.
|}
|}


=== Syllabus ===
=== Syllabus ===
Empirical distribution function, Goodness of fit tests: Kolmogorov-Smirnov test, Chi-square, Runs test, Sign tests, Wilcoxon - Mann - Whitney test, Kruskal - Wallis test. Correlation coefficients. Categorical Variables. Statistical inference for binomial and multinomial parameters, Contingency Tables, Comparing two proportions, Testing: independence, Symmetry, Homogeneity. 2 x 2  Tables (Exact Fisher's test, McNemar's test). Applications. Loglinear models.


{| class="wikitable" style="width: 100%;"
|
Empirical distribution function, Goodness of fit tests: Kolmogorov-Smirnov test, Chi-square, Runs test, Sign tests, Wilcoxon - Mann - Whitney test, Kruskal - Wallis test. Correlation coefficients. Categorical Variables. Statistical inference for binomial and multinomial parameters, Contingency Tables, Comparing two proportions, Testing: independence, Symmetry, Homogeneity. 2 x 2  Tables (Exact Fisher's test, McNemar's test). Applications. Loglinear models.
|}


=== Teaching and Learning Methods - Evaluation ===
=== Teaching and Learning Methods - Evaluation ===
{| class="wikitable"
{| class="wikitable"
|-
|-
! Delivery
! Delivery
|
| Classroom (face-to-face)
Classroom (face-to-face)
|-
|-
! Use of Information and Communications Technology
! Use of Information and Communications Technology
Γραμμή 195: Γραμμή 200:
|-
|-
| Lectures (13X3)
| Lectures (13X3)
| 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
|}
|}
|-
|-
! 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 ===
Γραμμή 219: Γραμμή 222:


<div style="text-align:left;">
<div style="text-align:left;">
* Agresti, A. (2007). An Introduction to Categorical Data Analysis. 2 ed. ISBN: 978- 0-470-38800-# Wiley
* Agresti, A. (2007). An Introduction to Categorical Data Analysis. 2 ed. ISBN: 978- 0-470-38800-# Wiley 
* Conover, W. J. (1999). Practical Nonparametric Statistics. 3 ed. ISBN: 978-0-471- 16068-# John Wiley & Sons
* Conover, W. J. (1999). Practical Nonparametric Statistics. 3 ed. ISBN: 978-0-471- 16068-# John Wiley & Sons 
* Ζωγράφος, Κ. (2009). Κατηγορικά Δεδομένα. Πανεπιστήμιο Ιωαννίνων.
* Ζωγράφος, Κ. (2009). Κατηγορικά Δεδομένα. Πανεπιστήμιο Ιωαννίνων.  
* Μπατσίδης, Α. (2010). Εισαγωγή στη Μη Παραμετρική Στατιστική. Πανεπιστήμιο Ιωαννίνων
* Μπατσίδης, Α. (2010). Εισαγωγή στη Μη Παραμετρική Στατιστική. Πανεπιστήμιο Ιωαννίνων
</div>
</div>


</div>
</div>

Τελευταία αναθεώρηση της 22:51, 3 Απριλίου 2026


Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Προπτυχιακό
Κωδικός Μαθήματος MAE735
Εξάμηνο 7
Τίτλος Μαθήματος Μη Παραμετρική Στατιστική - Κατηγορικά Δεδομένα
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
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 eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Στόχος του μαθήματος αυτού είναι η εισαγωγή των φοιτητών στις μεθόδους και τις τεχνικές της Mη Παραμετρικής Στατιστικής (προσημικοί έλεγχοι, έλεγχοι καλής προσαρμογής κοκ), καθώς επίσης και η εφαρμογή τους σε πραγματικά πρακτικά προβλήματα. Σκοπός είναι με την παρακολούθηση του μαθήματος ο φοιτητής να έχει κατανοήσει τις βασικές μεθόδους της Μη Παραμετρικής Στατιστικής, να γνωρίζει πότε θα πρέπει να τις υιοθετεί και πως να τις εφαρμόζει. 
Γενικές Ικανότητες
  • Αυτόνομη εργασία 
  • Σύνθεση δεδομένων και πληροφοριών
  • Λήψη αποφάσεων 
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Σύνθεση δεδομένων και πληροφοριών.

Περιεχόμενο Μαθήματος

  • Έλεγχος μέσης τιμής ή μέσων τιμών: (απλό προσημικό τεστ, προσημικό τεστ κατά ζεύγη, τεστ Wilcoxon, Wilcoxon - Mann - Whitney, Kruskal - Wallis). Τεστ καλής προσαρμογής (X2 τεστ , Kolmogorov - Smirnov). Μέτρα Συσχέτισης. Τεστ ροών.
  • Κατηγορικές Μεταβλητές. Δειγματικά μοντέλα, Στατιστικοί Έλεγχοι ποσοστών, Πίνακες Συνάφειας (Τεστ Ανεξαρτησίας, Συμμετρίας, Περιθώριας Ομοιογένειας), 2 x 2 Πίνακες Συνάφειας (Ακριβές Τεστ Fisher, Τεστ McNemar), Εφαρμογές, Λογαριθμογραμμικά μοντέλα για πίνακες συνάφειας.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Στην τάξη
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
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. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

Non Parametric Statistics- Categorical Data Analysis


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Undergraduate
Course Code ΜΑΕ735
Semester 7
Course Title Non Parametric Statistics- Categorical Data Analysis
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 6)
Course Type Special Background
Prerequisite Courses -
Language of Instruction and Examinations Greek
Is the Course Offered to Erasmus Students Yes (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

The aim of this course is to introduce students to the methods of Non parametric techniques (goodness-of-fit tests, ranks etc) as well as their application to real practical problems. At the end of the course the student should have understood the basic methods of Non-Parametric Statistics and Categorical Data, knowing when to adopt and how to apply them for analyzing data. 

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

Syllabus

Empirical distribution function, Goodness of fit tests: Kolmogorov-Smirnov test, Chi-square, Runs test, Sign tests, Wilcoxon - Mann - Whitney test, Kruskal - Wallis test. Correlation coefficients. Categorical Variables. Statistical inference for binomial and multinomial parameters, Contingency Tables, Comparing two proportions, Testing: independence, Symmetry, Homogeneity. 2 x 2  Tables (Exact Fisher's test, McNemar's test). Applications. Loglinear models.

Teaching and Learning Methods - Evaluation

Delivery Classroom (face-to-face)
Use of Information and Communications Technology -
Teaching Methods
Activity Semester Workload
Lectures (13X3) 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). 

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus:

  • Agresti, A. (2007). An Introduction to Categorical Data Analysis. 2 ed. ISBN: 978- 0-470-38800-# Wiley 
  • Conover, W. J. (1999). Practical Nonparametric Statistics. 3 ed. ISBN: 978-0-471- 16068-# John Wiley & Sons 
  • Ζωγράφος, Κ. (2009). Κατηγορικά Δεδομένα. Πανεπιστήμιο Ιωαννίνων.  
  • Μπατσίδης, Α. (2010). Εισαγωγή στη Μη Παραμετρική Στατιστική. Πανεπιστήμιο Ιωαννίνων
Ανακτήθηκε από «https://outlines.math.uoi.gr/index.php?title=Undergraduate_Elective_1063&oldid=1448»