Εφαρμοσμένη Στατιστική [open]

Το μάθημα αυτό αποτελεί συνέχεια του υποχρεωτικού μαθήματος Ανάλυση Δεδομένων και στοχεύει στην παρουσίαση των τεχνικών ανάλυσης κατηγορικών δεδομένων και των τεχνικών ομαδοποίησης δεδομένων. Συγκεκριμένα, στο πλαίσιο του μαθήματος θα παρουσιαστούν τα μοντέλα παλινδρόμησης κατηγορικής εξαρτημένης μεταβλητής (probit, logit, λογαριθμική παλινδρόμηση) και οι μέθοδοι ελέγχου ανεξαρτησίας κατηγορικών μεταβλητών. Οι μέθοδοι της πολυμεταβλητής ανάλυσης, όπως ανάλυση κυρίων συνιστωσών, παραγοντική ανάλυση, διαχωριστική ανάλυση και ανάλυση κατά συστάδες, θα παρουσιαστούν, τόσο σε θεωρητικό επίπεδο όσο και σε πρακτικό επίπεδο, με την εφαρμογή τους για την επίλυση συγκεκριμένων προβλημάτων με τη χρήση των στατιστικών πακέτων SPSS και Minitab.

Στόχοι Μαθήματος

Με την ολοκλήρωση της μαθησιακής διαδικασίας ο φοιτητής θα είναι σε θέση να γνωρίζει τις τεχνικές ομαδοποίησης των δεδομένων να αναγνωρίζει τις τεχνικές ανάλυσης κατηγορικών δεδομένων να εφαρμόζει κατάλληλα τις τεχνικές ομαδοποίησης δεδομένων και ανάλυσης κατηγορικών δεδομένων για την ανάλυση δεδομένων να συνδυάζει και να αναπτύσσει τις τεχνικές σύμφωνα με τα δεδομένα να αξιολογεί και να ερμηνεύει τα αποτελέσματα της ανάλυσης των δεδομένων.

Προαπαιτούμενες Γνώσεις

Επαρκής γνώση της ύλης των μαθημάτων Στατιστική Α΄ & Β΄.

Περιεχόμενα

Ανάλυση Κυρίων Συνιστωσών Παραγοντική Ανάλυση Ανάλυση κατά Συστάδες Διαχωριστική Ανάλυση Ποιοτικά και Ποσοτικά Δεδομένα (Test Mc Neman ως X2 , Πίνακες Συνάφειας, Test Mc Neman ως X2, Τest Fisher) Πιθανοφάνεια, Συνάρτηση πιθανοφάνειας, Λόγος πιθανοφανειών Μέτρα Συσχέτισης (Μέτρα συνάφειας ως συναρτήσεις του Χ2 , Συντελεστής Pearson, Μέτρο Cramer, Λόγος πιθανοτήτων) Παλινδρόμηση Σταθμισμένων Ελαχίστων τετραγώνων (Weighted Least Squares Method Two stage Regression Analysis Γενικευμένα Γραμμικά Μοντέλα, Μοντέλο Λογιστικής Παλινδρόμησης, Εξαρτημένη Μεταβλητή Δίτιμη (Logit/ProbitModel), Log Linear Models, Ordinal Models