Undergraduate Compulsory 1012

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση


Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Προπτυχιακό
Κωδικός Μαθήματος MAY331
Εξάμηνο 3
Τίτλος Μαθήματος ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΠΙΘΑΝΟΤΗΤΕΣ
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 5, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Επιστημονικής Περιοχής
Προαπαιτούμενα Μαθήματα

Βασικές έννοιες και τεχνικές Απειροστικού Λογισμού μία μεταβλητής. Υπολογισμοί ολοκληρωμάτων και αθροισμάτων θα πρέπει να είναι οικεία στους φοιτητές.

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

Στόχοι του µαθήµατος είναι η κατανόηση των βασικών ορισµών της πιθανότητας και των θεµελιωδών αρχών και νόµωντης θεωρίας πιθανοτήτων. Περεταίρω, η εισαγωγή στις έννοιες της τυχαίας µεταβλητής και της αντίστοιχης κατανοµής, καθώς επίσης και των χαρακτηριστικών τους, όπως η µέση τιµή, η διακύµανση, ροπές, ροπογεννήτρια, κ.λ.π. Ειδικές κατανοµές (π.χ. διωνυµική, Poisson, ομοιόμορφη, εκθετική, κανονική κατανομή κ.λ.π.) παρουσιάζονται και µελετώνται. Ιδιαίτερο ενδιαφέρον δίδεται στην αξιοποίηση των πιθανοθεωρητικών αυτών µοντέλων στις εφαρµογές. Το μάθημα είναι υποχρεωτικό, εισαγωγικού επιπέδου και επικεντρώνεται στην ανάπτυξη δεξιοτήτων, από την πλευρά των φοιτητών, για την κατανόηση, τη μελέτη και την κατασκευή μη αιτιοκρατικών, στοχαστικών ή πιθανοθεωρητικών μοντέλων για την μελέτη αντίστοιχων προβλημάτων.

Με την ολοκλήρωση του μαθήματος αναμένεται οι φοιτητές:

  • Να χειρίζονται τον κλασσικό και εμπειρικό ορισμό της πιθανότητας για τον υπολογισμό πιθανοτήτων, αξιοποιώντας, παράλληλα, μοντέλα της συνδυαστικής ανάλυσης.
  • Να έχουν κατανοήσει την αξιωματική θεμελίωση της έννοιας της πιθανότητας και να την αξιοποιούν για την παραγωγή και απόδειξη πιθανοθεωρητικών νόμων και ιδιοτήτων.
  • Να έχουν κατανοήσει και να αξιοποιούν πιθανοθεωρητικούς νόμους, όπως η πολλαπλασιαστική αρχή, το θεώρημα ολικής πιθανότητας, ο κανόνας Bayes, η ανεξαρτησία για τη μοντελοποίηση αντίστοιχων προβλημάτων. Έμφαση δίνεται στη χρήση διεπιστημονικών προβλημάτων τα οποία μοντελοποιούνται με την εφαρμογή των κανόνων αυτών.
  • Κατανόηση της αναγκαιότητας εισαγωγής και μελέτης της έννοιας της τυχαίας μεταβλητής, των χαρακτηριστικών της (μέση τιμή, διακύμανση κ.λ.π) και της αντίστοιχης κατανομής πιθανότητας και των δυνατοτήτων που οι έννοιες αυτές παρέχουν στη μοντελοποίηση προβλημάτων. Οι ειδικές διακριτές και συνεχείς κατανομές ορίζονται και μελετώνται και ταυτόχρονα αξιοποιούνται για την περιγραφή, την ανάλυση και τη μελέτη εφαρμογών από διάφορες περιοχές (κατανομές χρόνου ζωής, αξιοπιστία κ.λ.π.).
  • Να χειρίζονται με άνεση τις μονοδιάστατες κατανομές και τα χαρακτηριστικά τους, κάτι που αποτελεί τη βάση για επόμενα μαθήματα Πιθανοτήτων και Στατιστικής.
Γενικές Ικανότητες
  • Αυτόνομη εργασία
  • Λήψη αποφάσεων
  • Εργασία σε διεπιστημονικό περιβάλλον
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Άσκηση της κριτικής και αυτοκριτικής


Περιεχόμενο Μαθήματος

∆ειγµατικός χώρος - Ενδεχόµενα, πράξεις επί των ενδεχοµένων - Κλασικός ορισµός πιθανότητας - Πράξεις επί των πιθανοτήτων - Στοιχεία συνδυαστικής ανάλυσης - Έννοια τυχαίας µεταβλητής - Αθροιστική συνάρτηση κατανοµής - Τύποι τυχαίας µεταβλητής - Γνωστές διακριτές τυχαίες µεταβλητές - Γνωστές συνεχείς τυχαίες µεταβλητές - Αναµενόµενητιµή τυχαίας µεταβλητής - ∆ιακύµανση τυχαίας µεταβλητής - Ροπές - Ροπογεννήτρια συνάρτηση - Αλλαγή µεταβλητών.


Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Στην τάξη (πρόσωπο με πρόσωπο)
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
  • Υποστήριξη μαθησιακής διαδικασίας μέσω της ιστοσελίδας και της ηλεκτρονικής πλατφόρμας (eCourse).
  • Χρήση προβολικού (προτζέκτορας) και διαφανειών.
  • Επικοινωνία με τους/τις φοιτητές/τριες μέσω email αλλά και πλατφορμών όπως το GoogleMeet και το MsTeams.
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις (13Χ5) 65
Αυτοτελής Μελέτη 100
Επίλυση Ασκήσεων - εργασίες 22.5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών

Γλώσσα Αξιολόγησης: Ελληνική

Γλώσσα Αξιολόγησης για Φοιτητές Erasmus: Αγλλικά

Μέθοδοι Αξιολόγησης: Γραπτή τελική εξέταση (100%) που περιλαμβάνει θεωρία και επίλυση ασκήσεων.


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

ΜΑΥ331

Semester 3
Course Title

Introduction to Probability

Independent Teaching Activities

Lectures (Weekly Teaching Hours: 5, Credits: 7.5)

Course Type

General 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

The aim of this course is to provide with a comprehensive understanding of the basic definitions of probability and the basic principles and laws of probability theory. Further, the introduction to the concepts of the random variable and the distribution function, as well as, their characteristics, such as the mean, variance, moments, moment generating function, etc., is included in the main aims of the course. Special distributions, such as binomial, geometric, Pascal, Poisson, uniform, exponential, gamma, normal distribution, etc. are studied and their use and application is indicated. The course is compulsory, it is of an entry-level and it aims to develop skills that help the students to understand, design and exploit stochastic models to describe real problems. At the end of the course the students is expected to be able to:

  • Exploit and apply the classical and empirical definition of probability in order to calculate probabilities, by using combinatorial analysis.
  • Utilize the axiomatic foundation of the concept of probability and use it in order to derive and prove probabilistic laws and properties.
  • Understand and utilize classical probabilistic laws as the multiplicative theorem, the total probability theorem, Bayes’ formula, and independence for modeling respective problems. Emphasis is given to the use of interdisciplinary problems which are modeled by the application of the above probabilistic rules.
  • Understand the necessity of introducing and studying the concept of random variable, its characteristics (mean, variance, etc.) and the corresponding probability distribution. Special discrete and continuous distributions are defined and utilized for the description, analysis and study real problems from different areas (lifetime distributions, reliability etc.).
General Competences
  • Working independently
  • Decision-making
  • Production of free, creative and inductive thinking
  • Criticism and self-criticism


Syllabus

Basic ideas and laws of probability: Sample space and events. Classical-Statistical and Axiomatic definition of probability. Properties of probability and probabilistic formulas and laws. Elements of combinatorial analysis. Random variables and distribution functions. Discrete and continuous random variables and distribution functions. Standard discrete and continuous distributions: Binomial, Geometric, Pescal, Poisson, Uniform, Exponential, gamma, Normal etc. Characteristics of random variables and probability distributions: Expectation, variance, moments, moment generating function, properties. Transformation of random variables.


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 (13X5) 65
Working independently 100
Exercises-Homeworks 22.5
Course total 187.5
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:

  • Ι. Κοντογιάννης, Σ. Τουμπής. Στοιχεία πιθανοτήτων, [Προπτυχιακό εγχειρίδιο]. Κάλλιπος, Ανοικτές Ακαδημαϊκές Εκδόσεις. https://hdl.handle.net/11419/2810.
  • J. Blitzstein, J. Hwang. Introduction to Probability, 2nd edition, CRC Press, 2019.
  • R. Dobrow. Probability with Applications and R, Wiley, 2014.
  • H. Tijms. Understanding Probability, 3rd edition, Cambridge University Press, 2012.
  • H. Tijms. ProbabilityQ a lively introduction, Cambridge University Press, 2018.
  • [Περιοδικό / Journal] Annals of Probability (IMS)
  • [Περιοδικό / Journal] Electronic Journal of Probability (IMS)
  • [Περιοδικό / Journal] Journal of Applied Probability (Cambridge University Press)