Γενική περιγραφή του μαθήματος
Σκοπός του μαθήματος είναι η εξοικείωση με τα μοντέλα, μεθοδολογία και συνήθη θέματα της εφαρμοσμένης στατιστικής καθώς επίσης και με τη χρήση στατιστικών πακέτων. Ως εκ τούτου το μάθημα έχει στόχο να εισάγει τους φοιτητές σε μία σειρά από πρακτικές στατιστικές τεχνικές καθώς και στη υλοποίησή τους με τη γλώσσα R. O σκοπός είναι να αναδείξει πώς ο συνδυασμός αυτός μπορεί να χρησιμοποιηθεί για ανάλυση δεδομένων, με στόχο την εξαγωγή συμπερασμάτων.
Το μάθημα δίνεται υπό το πρίσμα του τι είναι χρήσιμο στην αγορά εργασίας σήμερα και γι’ αυτό το λόγο δίνεται έμφαση στη χρήση δεδομένων από τον χώρο των επιχειρήσεων από τη Βιολογία, Ιατρική, Οικονομετρία κ.α.
Το μάθημα είναι εξάωρο/εβδομάδα (4 ώρες θεωρία και 2 εργαστηριακές ασκήσεις). Η R (www.r-project.org) χρησιμοποιείται τόσο στις εργασίες όσο και στην τελική εξέταση. Μπορείτε να την κατεβάσετε από τη διευθυνση: http://cran.cc.uoc.gr/mirrors/CRAN/. Δείτε επίσης και το r studio (https://www.rstudio.com/) για ένα φιλικό γραφικό περιβάλλον ειδικά σχεδιασμένο για την R.
Ωρες διδασκαλίας (όλες στην άιθουσα Γ109):
Δευτέρα: 17:00 - 19:45μμ
Τρίτη: 09:00 - 11:45μμ
Ωρες συνεργασίας (για απορίες πάνω στο υλικό του μαθήματος),
Δευτέρα, 15:00μμ-17:00μμ, γραφείο Δ328
Θέματα Στατιστικής Συμπερασματολογίας: https://repository.kallipos.gr/handle/11419/5687
Μαθηματική Στατιστική: https://repository.kallipos.gr/bitstream/11419/1899/1/13043.pdf
Στα βιβλία αυτά υπάρχει ελεύθερη πρόσβαση. Στοιχεία και απο τα δύο βιβλία χρησιμοποιούνται καθ' όλη τη διάρκεια του μαθήματος.
Επίσης στα κάτωθι βιβλία του εκδοτικού οικου Springer υπάρχει ελευθερη πρόσβαση από το δίκτυο του Πανεπιστημίου (σε παρένθεση τα κεφάλαια που είναι χρήσιμα για το μάθημα):
1) Examples in Parametric Inference with R: https://link.springer.com/book/10.1007/978-981-10-0889-4 (κεφάλαια 1-5),
2) Linear Regression: https://link.springer.com/book/10.1007/978-3-319-55252-1 (κεφάλαια 1,2,3,5),
3) Regression Modeling Strategies: https://link.springer.com/book/10.1007/978-3-319-19425-7 (κεφάλαια 2,4,5, 6),