Undergraduate Elective 1079

• Ελληνικά
• English

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE832
Εξάμηνο	8
Τίτλος Μαθήματος	Στατιστική Ανάλυση Δεδομένων
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις-Εργαστήριο (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	Στο μάθημα αυτό γίνεται εφαρμογή, με τη βοήθεια του υπολογιστή και τη χρήση στατιστικών προγραμμάτων (SPSS, JASP, R) διαφόρων στατιστικών μεθοδολογιών. Δίνεται έμφαση στην επιλογή της κατάλληλης στατιστικής μεθοδολογίας και στην εξέταση αν πληρούνται οι υποθέσεις εφαρμογής της.
Γενικές Ικανότητες	Αυτόνομη εργασία Ομαδική εργασία σε κάποιες περιπτώσεις Λήψη αποφάσεων Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης Σύνθεση δεδομένων και πληροφοριών.

Περιεχόμενο Μαθήματος

Στο μάθημα αυτό γίνεται εφαρμογή, με τη βοήθεια του υπολογιστή και τη χρήση στατιστικών προγραμμάτων (SPSS, JASP, R) διαφόρων στατιστικών μεθοδολογιών. Με την ολοκλήρωση του μαθήματος ο/η φοιτητής/τρια θα είναι σε θέση να: εισάγει δεδομένα στον υπολογιστή διεξάγει περιγραφική στατιστική ανάλυση, δηλαδή να παρουσιάζει συνοπτικά τα διαθέσιμα δεδομένα, διεξάγει βασικές αναλύσεις δεδομένων (έλεγχο υποθέσεων που αφορούν τη μέση τιμή ενός πληθυσμού, τις μέσες τιμές δύο πληθυσμών με εξαρτημένα και ανεξάρτητα δείγματα, ανάλυση διακύμανσης κατά ένα παράγοντα,) προσαρμόζει γραμμικά μοντέλα απλής, πολλαπλής και δίτιμης λογιστικής παλινδρόμησης, ελέγχοντας αν παραβιάζονται ή όχι οι υποθέσεις εφαρμογής αυτών εφαρμόζει βασικές μεθοδολογίες της πολυδιάστατης ανάλυσης (συσταδοποίηση, παραγοντική ανάλυση) να παρουσιάζει τα αποτελέσματα των παραπάνω αναλύσεων (έκθεση αναφοράς).

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. Υποστήριξη Μαθησιακής διαδικασίας μέσω της ηλεκτρονικής πλατφόρμας e-class καθώς και της ιστοσελίδας του μαθήματος.
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 την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες.

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	Undergraduate
Course Code	ΜΑΕ832
Semester	8
Course Title	Statistical Data Analysis
Independent Teaching Activities	Lectures-Laboratory (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, reading Course)
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes	In this course, various statistical methodologies are applied with the help of the computer and the use of statistical programs (SPSS, JASP, R). Emphasis is placed on choosing the appropriate statistical methodology and examining whether the assumptions of its application are met.
General Competences	Working independently Decision-making Production of free, creative and inductive thinking Criticism and self-criticism.

Syllabus

In this course, various statistical methodologies are applied with the help of the computer and the use of statistical programs (SPSS, JASP, R).

Upon completion of the course, the student will be able to:

1. enter data into the computer
2. conduct descriptive statistical analysis, that is to summarize the available data,
3. conduct basic data analyzes (testing hypotheses concerning the mean of a population, the means of two populations with dependent and independent samples, one way analysis of variance etc.,)
4. fit simple-multiple linear regression models, binomial logistic regression models, checking whether the assumptions of their application are violated
5. apply basic methodologies of multidimensional analysis (clustering, factor analysis)
6. present the results of the above analyzes (reference report).

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-Homeworks 33 Course total 150
Student Performance Evaluation	Written final exam in Greek (in case of Erasmus students in English language) which includes the analysis of both real and educational datasets. During the semester, compulsory, usually individual, assignments are given.

Attached Bibliography

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

• ---