Στατιστικά Προγράμματα ΙΙ

Μαθησιακά Αποτελέσματα

Σκοπός του μαθήματός είναι η εκμάθηση της στατιστικής γλώσσας R, η εμπέδωση των κατάλληλων εργαλείων εξόρυξης δεδομένων και η υιοθέτηση τεχνικών πρόβλεψης που θα επιτρέψουν στον φοιτητή να αποκτήσει γνώσεις και δεξιότητες αναφορικά με την αποτελεσματική ανάλυση στατιστικών δεδομένων.
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια αναμένεται να:

• Προγραμματίζει σε γλώσσα R
• Αξιοποιεί τα πλεονεκτήματα της συγκεκριμένης γλώσσας στην ανάλυση δεδομένων
• Να εκπονεί στατιστικές αναλύσεις και προβλέψεις
• Μοντελοποιεί πραγματικά προβλήματα και να εξάγει χρήσιμα συμπεράσματα

Περιεχόμενο Μαθήματος

• Εισαγωγή στη Στατιστική Γλώσσα Προγραμματισμού R (Το περιβάλλον R – Studio, Τύποι και Δομές Δεδομένων, Αποθήκευση και ανάκτηση δεδομένων, Δομές Ελέγχου και Επανάληψης, Η οικογένεια εντολών Apply, Διαχείριση δεδομένων με τα πακέτα dplyr & tidyr, Βασικά διαγράμματα στην R, Οπτικοποίηση δεδομένων με το πακέτο ggplot2)
• Περιγραφική Στατιστική ανάλυση και παρουσίαση ποιοτικών δεδομένων
• Περιγραφική Στατιστική ανάλυση και παρουσίαση ποσοτικών δεδομένων
• Εκτιμητική και Έλεγχος Στατιστικών Υποθέσεων: Βασικές Παραμετρικές και μη Παραμετρικές Μέθοδοι
• Ανάλυση κατηγορικών δεδομένων
• Μονοπαραγοντική Ανάλυση Διακύμανσης και Συνδιακύμανσης
• Ανάλυση συσχέτισης και μερικής συσχέτισης
• Εισαγωγή στην Μηχανική Μάθηση
• Ανάλυση Γραμμικής Παλινδρόμησης
• Λογιστική Παλινδρόμηση
• Συγγραφή ενός ερευνητικού άρθρου

Αξιολόγηση Φοιτητών

H αξιολόγηση των φοιτητών, προκειμένου να τους παρέχεται δυνατότητα επιλογών, προτιμήσεων και αξιοποίησης του χρόνου τους, γίνεται με δυο τρόπους:

• Πρόοδοι (60%) και Εκπόνηση Εργασίας (40%). Η συμμετοχή των φοιτητών στις προόδους είναι προαιρετική, οι φοιτητές εξετάζονται σε κάθε διακριτή ενότητα του μαθήματος. Η εκπόνηση εργασίας είναι προαιρετική, απαιτεί όμως εντατική ενασχόληση του φοιτητή με το αντικείμενο. Οδηγίες για την εκπόνηση τις εργασίας όπως και η ημερομηνία παράδοσης βρίσκονται σε ανακοίνωση στο e-class
• Γραπτή τελική εξέταση 100% για τους φοιτητές που δεν συμμετέχουν στις προόδους και δεν εκπονούν εργασία

Συνιστώμενη Βιβλιογραφία

Προτεινόμενη Βιβλιογραφία:

• Akalin, A. (2022). Υπολογιστική Γονιδιωματική με την R. Εκδόσεις: ΠΑΡΙΣΙΑΝΟΥ ΜΟΝΟΠΡΟΣΩΠΗ ΑΝΩΝΥΜΗ ΕΚΔΟΤΙΚΗ ΕΙΣΑΓΩΓΙΚΗ ΕΜΠΟΡΙΚΗ ΕΤΑΙΡΕΙΑ ΕΠΙΣΤΗΜΟΝΙΚΩΝ ΒΙΒΛΙΩΝ. Κωδικός Βιβλίου στον Εύδοξο: 112700859.
• Deitel, H., Deitel, P. (2021). Εισαγωγή στην Python για τις Επιστήμες Υπολογιστών και Δεδομένων. Εκδόσεις: Χ. ΓΚΙΟΥΡΔΑ & ΣΙΑ ΕΕ. Κωδικός Βιβλίου στον Εύδοξο:102070652.
• Field, A. Miles, J. Field, Z. (2019). Ανακαλύπτοντας την Στατιστική με τη Χρήση της R.Εκδόσεις ΠΡΟΠΟΜΠΟΣ Ι.Κ.Ε. Κωδικός Βιβλίου στον Εύδοξο: 112701531.
• Καραμπατζάκης, Φ., Καραμπατζάκης, Δ. (2022). Δομημένος Προγραμματισμός με Εφαρμογές σε Python. Εκδόσεις: ΔΙΣΙΓΜΑ ΙΚΕ. Κωδικός Βιβλίου στον Εύδοξο: 112693086.
• Νικολαου, Χ. (2023). Ανάλυση Δεδομένων με την R. Εκδόσεις: ΔΙΣΙΓΜΑ ΙΚΕ. Κωδικός Βιβλίου στον Εύδοξο: 122081759.

Πρόσθετο Διδακτικό Υλικό:

• David, D. (2020). Applied Statistics with R. https://book.stat420.org/applied_statistics.pdf.
• Crawley, M. J. (2014). Statistics: an introduction using R. John Wiley & Sons.
  https://minerva.it.manchester.ac.uk/~saralees/statbook4.pdf.
• Tattar, P. N., Ramaiah, S., & Manjunath, B. G. (2016). A Course in Statistics with R. John Wiley& Sons.http://students.aiu.edu/submissions/profiles/resources/onlineBook/Q7k6V9_A_Course_in_Statistics_with_R.pdf.
• Μαλεφάκη, Σ., Μπατσίδης, Α., Οικονόμου, Π. (2023). Στατιστική ανάλυση δεδομένων.Εκδόσεις: ΚΑΛΛΙΠΟΣ Ανοικτές Ακαδημαϊκές Εκδόσεις. Κωδικός Βιβλίου στον Εύδοξο: 122339299.

Συναφή επιστημονικά περιοδικά:

Computational Statistics.
Computational Statistics and Data Analysis.
Journal of Statistical Computation and Simulation.
Journal of Statistical Software.