Γενικά
| Σχολή
|
Σχολή Θετικών Επιστημών
|
| Τμήμα
|
Τμήμα Μαθηματικών
|
| Επίπεδο Σπουδών
|
Προπτυχιακό
|
| Κωδικός Μαθήματος
|
MAE836
|
| Εξάμηνο
|
8
|
| Τίτλος Μαθήματος
|
ΥΠΟΛΟΓΙΣΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
|
| Αυτοτελείς Διδακτικές Δραστηριότητες
|
Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
|
| Τύπος Μαθήματος
|
Ειδίκευσης
|
| Προαπαιτούμενα Μαθήματα
|
|
| Γλώσσα Διδασκαλίας και Εξετάσεων
|
Ελληνική
|
| Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus
|
Ναι (στην Αγγλική γλώσσα)
|
| Ηλεκτρονική Σελίδα Μαθήματος (URL)
|
Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.
|
Μαθησιακά Αποτελέσματα
| Μαθησιακά Αποτελέσματα
|
Οι φοιτητές μετά την επιτυχή παρακολούθηση αυτού του μαθήματος θα πρέπει να είναι σε θέση να:
- εφαρμόζουν τις συνηθέστερες μεθόδους υπολογιστικής στατιστικής
- χρησιμοποιούν την R άλλα και άλλα στατιστικά προγράμματα για τον παραπάνω σκοπό
- παράγουν τυχαίους αριθμούς από διακριτές και συνεχείς κατανομές
- χρησιμοποιούν διαφορετικές μεθόδους επίλυσης ενός προβλήματος βελτιστοποίησης.
|
| Γενικές Ικανότητες
|
- Αυτόνομη εργασία
- Σύνθεση δεδομένων και πληροφοριών
- Λήψη αποφάσεων
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
- Σύνθεση δεδομένων και πληροφοριών.
|
Περιεχόμενο Μαθήματος
Παραγωγή τυχαίων αριθμών από διακριτές και συνεχείς κατανομές. Ολοκλήρωση Monte Carlo. Οπτικοποίηση κλασικών αποτελεσμάτων της στατιστικής συμπερασματολογίας μέσω προσομοιωμένων δειγμάτων (πχ. ασυμπτωτική κανονικότητα δειγματικού μέσου, (1-α)| 100% ΔΕ, εκτίμηση ισχύος και p-value ενός στατιστικού τεστ). Μέθοδοι επαναδειγματοληψίας (Jackknife και Bootstrap). Εκτίμηση πυκνότητας πιθανότητας και εφαρμογές (Kernel density estimation). Τεχνικές αριθμητικής βελτιστοποίησης (όπως Newton-Raphson, Fisher scoring, αλγόριθμος expectation-maximization [EM]). Το μάθημα είναι εργαστηριακό. Η γλώσσα προγραμματισμού που θα χρησιμοποιηθεί είναι η R.
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
| Τρόπος Παράδοσης
|
Στην Τάξη
|
| Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
|
|
| Οργάνωση Διδασκαλίας
|
| Δραστηριότητα
|
Φόρτος Εργασίας Εξαμήνου
|
| Διαλέξεις (13Χ3)
|
39
|
| Αυτοτελής Μελέτη
|
78
|
| Επίλυση Ασκήσεων - εργασίες
|
33
|
| Σύνολο Μαθήματος
|
150
|
|
| Αξιολόγηση Φοιτητών
|
Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν και συγκριτική αξιολόγηση στοιχείων θεωρίας.
|
Συνιστώμενη Βιβλιογραφία
Δείτε την υπηρεσία Εύδοξος ή το τοπικό αποθετήριο του Τμήματος Μαθηματικών για τα παρεχόμενα συγγράμματα ανά ακαδημαϊκό έτος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:
- Davison, A. C., Hinkley, D. V., Bootstrap methods and their application. Cambridge University Press 1997.
- Rizzo, M. L., Statistical computing with R. Chapman & Hall/CRC 2007.
- Robert, C. P., Casella, G., Introducing Monte Carlo methods with R. Springer Verlag 2009