Postgraduate Section 3 1001: Διαφορά μεταξύ των αναθεωρήσεων
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"...' |
Χωρίς σύνοψη επεξεργασίας |
||
| Γραμμή 131: | Γραμμή 131: | ||
|- | |- | ||
! Course Code | ! Course Code | ||
| | | ΣΕΕ5 | ||
|- | |- | ||
! Semester | ! Semester | ||
Αναθεώρηση της 22:49, 13 Μαρτίου 2026
Γενικά
| Σχολή | Σχολή Θετικών Επιστημών |
|---|---|
| Τμήμα | Τμήμα Μαθηματικών |
| Επίπεδο Σπουδών | Μεταπτυχιακό |
| Κωδικός Μαθήματος | ΣEE5 |
| Εξάμηνο | 2 |
| Τίτλος Μαθήματος | ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ & ΣΤΑΤΙΣΤΙΚΑ ΠΑΚΕΤΑ |
| Αυτοτελείς Διδακτικές Δραστηριότητες | Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5) |
| 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 eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων. |
Μαθησιακά Αποτελέσματα
| Μαθησιακά Αποτελέσματα | Με την ολοκλήρωση του μαθήματος ο μεταπτυχιακός φοιτητής θα είναι σε θέση να διεξάγει, πέραν των βασικών, αναλύσεις ποσοτικών-ποιοτικών δεδομένων και να παρουσιάζει τα αποτελέσματα τους (έκθεση αναφοράς). |
|---|---|
| Γενικές Ικανότητες |
|
Περιεχόμενο Μαθήματος
Διαχείριση δεδομένων. Έλεγχοι κανονικότητας. Έλεγχοι καλής προσαρμογής. Σύντομη επανάληψη σε βασικές αναλύσεις (έλεγχο υποθέσεων που αφορούν τη μέση τιμή ενός πληθυσμού, τις μέσες τιμές δύο πληθυσμών με εξαρτημένα και ανεξάρτητα δείγματα, ανάλυση διακύμανσης κατά ένα παράγοντα). Πολλαπλή γραμμική παλινδρόμηση και διαγνωστικοί έλεγχοι. Ανάλυση διακύμανσης με ίσο και άνισο αριθμό παρατηρήσεων. Εισαγωγή στη Λογιστική Παλινδρόμηση. Επαναληπτικές μετρήσεις. Ανάλυση αξιοπιστίας και Παραγοντική Ανάλυση.
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
| Τρόπος Παράδοσης | Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος. | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών | Χρήση Τ.Π.Ε. στην επικοινωνία με τους φοιτητές καθώς και στην παράδοση εργασιών. | ||||||||||
| Οργάνωση Διδασκαλίας |
| ||||||||||
| 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 Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:
General
| School | School of Science |
|---|---|
| Academic Unit | Department of Mathematics |
| Level of Studies | Graduate |
| Course Code | ΣΕΕ5 |
| Semester | 2 |
| Course Title | Data Analysis and Statistical Packages |
| Independent Teaching Activities | Lectures (Weekly Teaching Hours: 3, Credits: 7.5) |
| Course Type | Specialised 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 eCourse, the Learning Management System maintained by the University of Ioannina. |
Learning Outcomes
| Learning outcomes |
The students should be able to understand which statistical method is appropriate for each problem under study and to confirm that the relative assumptions hold. Moreover, the student should be able to present and interpret the results of the above analysis. |
|---|---|
| General Competences |
|
Syllabus
Descriptive Statistics. Review of basic undergraduate concepts like t-test, Mann Whitney test etc. Multiple Regression and Diagnostics. One Way and Two Way Analysis of Variance. Introduction to Logistic Regression. Repeated Measures Analysis. Reliability and Factor Analysis. Introduction to Survival Analysis: Roc curves, Cox PH Regression Model.
Teaching and Learning Methods - Evaluation
| Delivery | Classroom (face-to-face) | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Use of Information and Communications Technology | Use of ICT in communication with students | ||||||||||
| Teaching Methods |
| ||||||||||
| Student Performance Evaluation |
Final written exam in Greek (in case of Erasmus students in English) which includes analysis of real data sets. |
Attached Bibliography
See the official Eudoxus site. Books and other resources, not provided by Eudoxus:
- ---