Postgraduate Section 3 1001

Από Περιγράμματα - Τμήμα Μαθηματικών
Αναθεώρηση ως προς 00:31, 25 Μαρτίου 2026 από τον Ktzuvara (συζήτηση | συνεισφορές)
(διαφορά) ← Παλαιότερη αναθεώρηση | Τελευταία αναθεώρηση (διαφορά) | Νεότερη αναθεώρηση → (διαφορά)
Μετάβαση σε: πλοήγηση, αναζήτηση



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΣEE5
Εξάμηνο 2
Τίτλος Μαθήματος Ανάλυση Δεδομένων & Στατιστικά Πακέτα
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
  • Αυτόνομη εργασία
  • Ομαδική εργασία σε κάποιες περιπτώσεις
  • Λήψη αποφάσεων
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Σύνθεση δεδομένων και πληροφοριών.

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
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις -Εργαστήριο 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 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.

Data Analysis and Statistical Packages


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

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
Activity Semester Workload
Lectures 39
Working independently 78
Exercises - Homework 70.5
Course total 187.5
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.