Ανάλυση Πειραματικών Δεδομένων

ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
ΠΟΛΥΔΙΑΣΤΑΤΕΣ ΤΥΧΑΙΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΑΙ ΟΙ ΚΑΤΑΝΟΜΕΣ ΤΟΥΣ (Πολυωνυμική κ-διάστατη τ.μ, υπεργεωμετρική κ-διάστατη τ.μ, δισδιάστατη κανονική τ.μ. συνδιασπορά – συντελεστής συσχέτισης δύο τ.μ., ανεξάρτητες τ.μ., συναρτήσεις δύο ή περισσοτέρων τ.μ.). ΕΛΕΓΧΟΣ Χ2 (Ο έλεγχος Χ2 ως κριτήριο προσαρμογής, πίνακες συνάφειας, έλεγχος ανεξαρτησίας, έλεγχος ομογένειας, σύγκριση ποσοστών, έλεγχος. kolmogorov Smirnov) ΠΑΛΙΝΔΡΟΜΗΣΗ (Γραμμικό πιθανοθεωρητικό μοντέλο, μέθοδος ελαχίστων τετραγώνων, διαστήματα εμπιστοσύνης και έλεγχοι υποθέσεων για τις παραμέτρους του γραμμικού μοντέλου.) ΑΝΑΛΥΣΗ ΔΙΑΣΠΟΡΑΣ (Ανάλυση διασποράς με ένα, δύο παράγοντες) ΜΗ ΠΑΡΑΜΕΤΡΙΚΕΣ ΜΕΘΟΔΟΙ (Το κριτήριο των ροών, ροές πάνω και κάτω από τη διάμεσο, έλεγχος για τη διάμεσο, έλεγχος με το προσημικό κριτήριο, έλεγχοι: Wilcoxon, Mann – Whitney, Kruskall – Wallis, Friedman) ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ ΤΟΥ BAYES (Προβλήματα αποφάσεων – απώλεια – κίνδυνος, βέλτιστες αποφάσεις, η έννοια του κέρδους, συναρτήσεις κέρδους, κριτήρια απόφασης, αποφάσεις με πληροφορίες).
ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ
Στο μάθημα αυτό παρουσιάζονται προηγμένα εργαλεία και τεχνικές στατιστικής για την ανάλυση πειραματικών δεδομένων καθώς επίσης και το στατιστικό πακέτο SPSS 21.0.
Η ύλη του μαθήματος στοχεύει στην εξοικείωση των φοιτητών με τεχνικές όπως η απλή και η πολλαπλή παλινδρόμηση, η ανάλυση διασποράς και οι μη παραμετρικοί έλεγχοι υποθέσεων οι οποίες είναι πολύ συχνά είναι άρρηκτα συνδεμένες με βασικά προβλήματα των μηχανικών.
Τέλος, στόχος του μαθήματος αποτελεί και η εξοικείωση των φοιτητών με τη χρήση του στατιστικού πακέτου SPSS.
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να:
- χρησιμοποιεί μοντέλα παλινδρόμησης για την περιγραφή της γραμμικής σχέσης μεταξύ μίας εξαρτημένης μεταβλητής και μιας ή περισσοτέρων ανεξάρτητων μεταβλητών και την πρόβλεψη της τιμής της εξαρτημένης μεταβλητής με βάση την παρατήρηση των άλλων μεταβλητών.
- ελέγχει την κανονικότητα των διαθέσιμων δεδομένων και επιλέγει κατάλληλους ελέγχους υποθέσεων κάθε φορά.
- επιλέγει και εφαρμόζει κατάλληλες στατιστικές τεχνικές για να εξάγει χρήσιμα συμπεράσματα από τα διαθέσιμα δεδομένα του/της.
- αναλύει δεδομένα με χρήση του στατιστικού πακέτο SpSS.
Course Features
- Lectures 0
- Quizzes 0
- Διάρκεια 50 hours
- Skill level All levels
- Language English
- Students 0
- Assessments Yes