Μαθησιακά Αποτελέσματα
Σκοπός του μαθήματος είναι να εισάγει τον φοιτητή στις έννοιες και στα μοντέλα της στατιστικής επιστήμης και να τον καταστήσει ικανό να χρησιμοποιεί τις κατάλληλες μεθόδους για την ανάλυση των δεδομένων, έτσι ώστε τα προκύπτοντα συμπεράσματα να είναι αξιόπιστα με επιστημονική μεθοδικότητα και να τα χρησιμοποιεί κατά τον καλύτερο και οικονομικότερο τρόπο.
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:
- Υπολογίζει και εφαρμόζει μέτρα εντοπισμού θέσης και μέτρα για τις περιπτώσεις διασποράς – ομαδοποιημένων και μη ομαδοποιημένων δεδομένων
- Αντιλαμβάνεται και ερμηνεύει σωστά τη στατιστική σημαντικότητα
- Γνωρίζει τρόπο εφαρμογής διακριτών και συνεχών κατανομών πιθανότητας σε διάφορα προβλήματα
- Εκτελεί δοκιμή της υπόθεσης καθώς και υπολογίζει το διάστημα εμπιστοσύνης για μια παράμετρο πληθυσμού για ένα δείγμα και δύο δείγματα. Κατανοεί την έννοια των τιμών p
- Γνωρίζει τις μη παραμετρικές δοκιμές ως δοκιμές Χ2
- Υπολογίζει και ερμηνεύει τα αποτελέσματα της ανάλυσης με παλινδρόμηση και συσχέτιση, ανάλυση της διακύμανσης (ANOVA) και της δοκιμής F & t
- Κατανοεί τη σημασία και την εφαρμογή μιας εικονικής μεταβλητής όσο και τις παραδοχές που υπογραμμίζουν ένα μοντέλο παλινδρόμησης και να πραγματοποιεί πολλαπλή παλινδρόμηση χρησιμοποιώντας λογισμικό υπολογιστή
Γενικές Ικανότητες
- Προσαρμογή σε νέες καταστάσεις
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Ομαδική εργασία
- Άσκηση κριτικής και αυτοκριτικής
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
Περιγραφή: Βασικές απόψεις των στατιστικών μοντέλων, δειγματοληψίας, παραλλακτικότητας των στοιχείων, κατανομές, εκτίμηση των παραμέτρων, απλές δοκιμές σημαντικότητας, δοκιμές t, ανάλυση διακύμανσης, δοκιμές Χ2 και απλή παλινδρόμηση και συσχέτιση. Ειδικά παραδείγματα από την Τεχνολογία Τροφίμων. Ανάλυση διακύμανσης με πολλαπλή κατάταξη, συνδιακύμανση, πολλαπλή παλινδρόμηση, πολλαπλή και μερική συσχέτιση. Μη παραμετρική στατιστική. Στοιχεία πειραματικού σχεδιασμού.
Αναλυτικότερα το περιεχόμενο του μαθήματος περιλαμβάνει:
Ορισμός και βασικές έννοιες της στατιστικής. Συλλογή και οργάνωση δεδομένων. Στατιστικά μέτρα κεντρικής τάσεως και διασποράς. Παρουσίαση δεδομένων (πίνακες, διαγράμματα). Στοιχεία θεωρίας πιθανοτήτων. Κατανομές (διωνυμική, poison, κανονική). Δειγματοληψία, κατανομές δειγματοληψίας. Όρια εμπιστοσύνης, δοκιμές σημαντικότητας (t-test, δοκιμή F, δοκιμή x2). Στατιστικός έλεγχος ποιότητας. Εισαγωγή στην ανάλυση διακύμανσης (ANOVA), μέθοδοι για σύγκριση μέσων και μεταβλητών, ενός παράγοντα, δύο και τριών παραγόντων. Συντελεστής συσχέτισης, εισαγωγή στην φασματική πυκνότητα ανάλυσης, λειτουργία συσχέτισης και φασματικής ανάλυσης πυκνότητας. Γραμμική παλινδρόμηση και μοντέλα αλληλεπίδρασης (τετραγωνικό μοντέλο), πολλαπλή παλινδρόμηση. Ταχείες και μη παραμετρικές μέθοδοι. Πειραματικός σχεδιασμός και παραμετρική εκτίμηση (παραγοντικά σχέδια).
ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ
- Montgomery Douglas- Runger C. George (2017). Εφαρμοσμένη Στατιστική και Πιθανότητες για Μηχανικούς, 6η Έκδοση. Εκδόσεις ΤΖΙΟΛΑ.
- Πετρίδης Δ. (2016). Εφαρμοσμένη Στατιστική, με Έμφαση στην Επιστήμη Τροφίμων. BACK-OFFICE