Στατιστική ανάλυση δεδομένων

Κωδικός Μαθήματος: 
ΒΑΦ 4.1
Τύπος Μαθήματος: 
Επιλογής, υποβάθρου, ανάπτυξης δεξιοτήτων
Κύκλος/Επίπεδο Σπουδών: 
2ος-Μεταπτυχιακό
Έτος Σπουδών: 
1o
Εξάμηνο: 
1
Πιστωτικές Μονάδες: 
2
Διδάσκοντες: 
Μαθησιακοί Στόχοι: 

Οι φοιτητές μετά το πέρας  του μαθήματος θα γνωρίζουν:

  • Να αντιμετωπίζουν τις απαιτήσεις στατιστικής ανάλυσης των δεδομένων τους με την κατάλληλη μέθοδο και στατιστικό πακέτο, αναζητώντας πληροφορία από το διαδίκτυο και από την παρεχόμενη βοήθεια των προγραμμάτων στατιστικής επεξεργασίας
  • Να αξιολογούν το αποτέλεσμα της στατιστικής επεξεργασίας
Προαπαιτήσεις: 

Βασικές γνώσεις στατιστικής, βασικές γνώσεις Η/Υ, γνώσεις λειτουργικού συστήματος WinXP ή Win Vista, εμπειρία στη χρησιμοποίηση δικτύου δεδομένων Η/Υ, internet browser, αγγλική γλώσσα.

Περιεχόμενο: 

Εισαγωγή: Στατιστικοί έλεγχοι και Στατιστικά μοντέλα. Γραμμική παλινδρόμηση. Λογιστική παλινδρόμηση. Δέντρα απόφασης. Στατιστική ανάλυση δεδομένων με άγνωστη για τους φοιτητές μέθοδο. Συλλογή πληροφορίας σχετικά με την μέθοδο, τον τύπο των δεδομένων και την αξιολόγηση του αποτελέσματος. Εφαρμογή σε κατάλληλο στατιστικό πακέτο.

Ανάθεση εργασίας: Ανάλυση δεδομένων παρουσίας – απουσίας φυτικών ειδών με α) Λογιστική παλινδρόμηση στο SPSS β) Δέντρο απόφασης.

Συνιστώμενη Βιβλιογραφία: 
  • Kompare B., Bratko I., Steinman F.  and D eroski S. (1994). Using machine learning techniques in the construction of models I. Introduction.  Ecological modelling 75-76: 617-628. doi:10.1016/0304-3800(94)90054-X.
  • Dalaka A., Kompare B., Robnik-Sikonja M. and Sgardelis S.P. (2000). Modelling the effects of environmental conditions on apparent photosynthesis of Stipa bromoides by machine learning tools. Ecological modelling 129: 245-257. doi:10.1016/S0304-3800(00)00237-4.
  • http://www.cs.waikato.ac.nz/ml/weka/.
Διδακτικές Μέθοδοι: 
Εισαγωγικές διαλέξεις, ατομική εργασία, εφαρμογή οδηγιών, πρακτική εξάσκηση εκπόνηση και παρουσίαση (προφορική) εργασίας.
Μέθοδοι Αξιολόγησης: 

Παρακολούθηση πορείας ανάλυσης στην αίθουσα.

Παρουσίαση (προφορική) αποτελέσματος.

Οι φοιτητές αξιολογούνται για τον βαθμό επιτυχίας τους στο:

  • Να κατανοούν την στατιστική μέθοδο που τους έχει υποδειχθεί το πεδίο εφαρμογής της και το είδος τους αναμενόμενου αποτελέσματος,
  • Να εφαρμόζουν σωστά την μέθοδο στο στατιστικό πακέτο που τους υποδείχθηκε,
  • Να αξιολογούν το αποτέλεσμα εφαρμογής της μεθόδου στα δεδομένα που τους δόθηκαν και να διατυπώνουν με σαφήνεια τα κύρια συμπεράσματα,
  • Να επιλέγουν και να παρουσιάζουν με λιτότητα, σαφήνεια και επάρκεια τα σημαντικότερα από τα αποτελέσματα τους σε περιορισμένο χρόνο.
Γλώσσα Διδασκαλίας: 
Ελληνική ή αν απαιτείται Αγγλική