Undergraduate Elective 1081
Στατιστική και Μοντελοποίηση κατά Bayes
Γενικά
| Σχολή | Σχολή Θετικών Επιστημών |
|---|---|
| Τμήμα | Τμήμα Μαθηματικών |
| Επίπεδο Σπουδών | Προπτυχιακό |
| Κωδικός Μαθήματος | MAE871 |
| Εξάμηνο | 8 |
| Τίτλος Μαθήματος | Στατιστική και Μοντελοποίηση κατά Bayes |
| 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 |
Ο στόχος του μαθήματος είναι να εισάγει τους φοιτητές στην κατά Bayes θεώρηση της στατιστικής και να συγκρίνει την κατά Bayes με την κλασική (Frequntist) προσέγγιση. Αρχικά το μάθημα δίνει τις βασικές έννοιες θεωρίας αποφάσεων και αποσκοπεί στην ανάπτυξη της ικανότητας αξιολόγησης εκτιμητριών ως προς τις ιδιότητες αμεροληψίας, ελάχιστου μέσου τετραγωνικού ή απόλυτου σφάλματος, επάρκειας, πληρότητας, συνέπειας κ.ο.κ. Στη συνέχεια, παρέχει μια εισαγωγή στη Μπεϋζιανή προσέγγιση της στατιστικής, με αφετηρία την κατανόηση των βασικών αρχών της και κατάληξη τη διεξαγωγή στατιστικής συμπερασματολογίας κατά Bayes (εκτίμηση σε σημείο και με διάστημα - έλεγχος υποθέσεων, παλινδρόμηση κατά Bayes, επιλογή μεταβλητών, Ιεραρχικά Μπεϋζιανά μοντέλα). Ειδικότερα, στόχος είναι η κατανόηση της έννοιας και των βασικών αρχών εκτίμησης αγνώστων παραμέτρων πληθυσμών, με σημείο και με διάστημα, με την κλασική και κατά Bayes προσέγγιση. |
|---|---|
| Γενικές Ικανότητες |
|
Περιεχόμενο Μαθήματος
|
Αντικειμενική και υποκειμενική πιθανότητα, χαρακτηριστικά της κατά Bayes προσέγγισης, αρχή της πιθανοφάνειας. A-priori κατανομή και τρόποι επιλογής της (συζυγείς - μη πληροφοριακές - ακατάλληλες - Jeffreys). Στατιστική συμπερασματολογία: θεωρία αποφάσεων - κίνδυνος κατά Bayes - κανόνας του Bayes και MINIMAX. Σημειακή εκτίμηση, εκτίμηση σε διάστημα, έλεγχοι υποθέσεων. Εφαρμογές της Μπεϋζιανής θεωρίας στη μοντελοποίηση: παλινδρόμηση κατά Bayes, Εφαρμογές Bayes στην επιλογή μεταβλητών, Ιεραρχικά Μπεϋζιανά μοντέλα. |
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
| Τρόπος Διδασκαλίας | Στην τάξη (πρόσωπο με πρόσωπο). | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές | Η επικοινωνία με τους φοιτητές γίνεται:
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 |
| ||||||||||
| 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:
Bayesian Statistics and Modeling
General
| School | School of Science |
|---|---|
| Academic Unit | Department of Mathematics |
| Level of Studies | Undergraduate |
| Course Code | ΜΑΕ871 |
| Semester | 8 |
| Course Title | Bayesian Statistics and Modeling |
| 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) |
| Course Website (URL) | See eCourse, the Learning Management System maintained by the University of Ioannina. |
Learning Outcomes
| Learning outcomes |
This course consists of two modules: the Decision Theory and Bayes Theory. The Decision Theory deals with problems of decision-making. Object of Statistical Decision Theory is decisions about unknown numerical quantities (parameters) by utilizing the presence of statistical knowledge. The aim of the course is the evaluation of the performance of the estimators subject to properties such as the unbiasedness, sufficiency, consistency etc.
|
|---|---|
| General Competences |
|
Syllabus
|
Decision Theory: decision function, loss function, risk function, admissible and minimax estimators; Bayesian inference: Bayes estimators, Bayes confidence intervals, minimax and Bayes tests. |
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:
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 |
| ||||||||||
| 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. Books and other resources, not provided by Eudoxus:
- Berger, J.O. (1985) Statistical decision theory and Bayesian analysis. Springer.
- Bernardo J. M. & Smith A. F. M., (1994). Bayesian Theory, Wiley, London.
- Congdon, P. (2007), Bayesian Statistical Modelling, Willey.
- Κ. Φερεντίνος (2005). Εκθετική οικογένεια κατανομών Θεωρία Bayes, Πανεπιστημιακές Παραδόσεις.