Στατιστική

Μαθησιακά Αποτελέσματα

Στα πλαίσια του μαθήματος διδάσκονται ορισμοί, μαθηματικά αποτελέσματα, θεμελιώδεις μέθοδοι Στατιστικής ανάλυσης και βασικές μέθοδοι εξαγωγής συμπερασμάτων σχετικά με τις μεθόδους στατιστικής ανάλυσης που απαντώνται στη θεμελίωση και στην εφαρμογή της επιστήμης των υπολογιστών Το μάθημα υποστηρίζει άμεσα τα περισσότερα αντικείμενα και μαθήματα του προγράμματος σπουδών: Ας σημειωθεί πως κατά τη διάρκεια του μαθήματος συζητούνται συγκεκριμένα παραδείγματα εφαρμογής σε ψηφιακά συστήματα (κρυπτογραφία, θεωρία πληροφορίας, τηλεπικοινωνιακά συστήματα, ηλεκτρονικές υπηρεσίες) με χρήση νέων Τεχνολογιών με τη βοήθεια προγραμμάτων όπως είναι το Matlab, το SPSS  και η R.

Μετά την επιτυχή παρακολούθηση αυτού του μαθήματος, ο φοιτητής/τρια θα είναι σε θέση:

• να γνωρίζει, να περιγράφει και να χειρίζεται τις βασικές γνώσεις της Στατιστικής ανάλυσης (ενδεικτικά: περιγραφική στατιστική, δειγματοληψία και κατανομές δειγματοληψίας, Εκτιμητική (αρχή μέγιστης πιθανοφάνειας), Στατιστική συμπερασματολογία, διαστήματα εμπιστοσύνης, έλεγχοι υπόθεσης, Χ^2 έλεγχοι ανεξαρτησίας και goodness of fit, γραμμική παλινδρόμηση, Ανάλυση διακύμανσης, Λογιστική παλινδρόμηση, Στατιστική ανάλυση με λoγισμικό, εφαρμογές στην επιστήμη της πληροφορικής).
• Να επιλέγει τις κατάλληλες μαθηματικές έννοιες της στατιστικής ανάλυσης και να μπορεί να μοντελοποιήσει το εκάστοτε πρόβλημα Πληροφορικής που καλείται να επιλύσει. Επιπλέον να αναπτύσσει μαθηματική σκέψη και να μπορεί να αναλύσει και να προσαρμόσει τις αποκτηθείσες γνώσεις σε εφαρμογές της επιστήμης των υπολογιστών.
• Να διακρίνει τους τύπους συμπερασμάτων που εξάγει η στατιστική συμπερασματολογία, να μπορεί να γνωρίζει ποιο είναι το κατάλληλο μοντέλο για την ανάλυση δεδομένων και να αξιολογεί την ακρίβεια των αποτελεσμάτων στατιστικών μεθόδων.
• Να γνωρίζει τα λογισμικά Matlab, SPSS και R και να μπορεί να ερμηνεύει τα αποτελέσματα που εξάγονται από αυτά.

Περιεχόμενα

• • Περιγραφική και επαγωγική στατιστική. Μέτρα θέσης, μέτρα διασποράς.
  • Θεωρία δειγματοληψίας. Τυχαία και μη τυχαία δειγματοληψία-Δειγματικές κατανομές
  • Συνδιακύμανση και συσχέτιση. Κεντρικό Οριακό Θεώρημα και εφαρμογές
  • Σημειακή εκτιμητική. Εκτιμητές μέγιστης πιθανοφάνειας. Μέθοδος των ροπών. Μέθοδος ελαχίστων τετραγώνων. Ιδιότητες εκτιμητριών συναρτήσεων. Αμερόληπτοι εκτιμητές και εφαρμογές
  • Διαστήματα εμπιστοσύνης. Εφαρμογές με χρήση του SPSS/R σε προβλήματα υπηρεσιών-δικτύων-θεωρίας πληροφορίας
  • Έλεγχοι υποθέσεων. Εφαρμογές με χρήση του SPSS/R σε προβλήματα υπηρεσιών-δικτύων-θεωρίας πληροφορίας
  • Χ^2 τεστ για μία ποιοτική μεταβλητή. Χ^2 τεστ για δύο ποιοτικές μεταβλητές
  • Γραμμική παλινδρόμηση και συνδιακύμανση-συσχέτιση για την παλιδρόμηση
  • Πολλαπλή παλινδρόμηση-Λογαριθμική πολυωνυμική παλιδρόμηση και μη παραμετρική τεστ
  • Ανάλυση διακύμανσης κατά ένα και κατά δύο παράγοντες με ή χωρίς αλληλεπίδραση (ΑΝΟVA). Πολυμεταβλητή στατιστική ανάλυση.

Προτεινόμενα Συγγράμματα