Υπολογιστική Στατιστική Ανάλυση (ΣEE12): Διαφορά μεταξύ των αναθεωρήσεων
Από Wiki Τμήματος Μαθηματικών
Χωρίς σύνοψη επεξεργασίας |
Χωρίς σύνοψη επεξεργασίας |
||
(Μία ενδιάμεση αναθεώρηση από τον ίδιο χρήστη δεν εμφανίζεται) | |||
Γραμμή 1: | Γραμμή 1: | ||
* [[Computational Statistics Analysis (ΣΕΕ12)|English version]] | * [[Computational Statistics Analysis (ΣΕΕ12)|English version]] | ||
{{Course-Graduate-Top-GR}} | |||
{{Menu-OnAllPages-GR}} | |||
=== Γενικά === | === Γενικά === |
Τελευταία αναθεώρηση της 12:06, 15 Ιουνίου 2023
- English version
- Περιγράμματα Μεταπτυχιακών Μαθημάτων
- Τροποποίηση Περιγράμματος (η δυνατότητα αυτή απευθύνεται αποκλειστικά στα μέλη ΔΕΠ του Τμήματος)
- Τμήμα Μαθηματικών
- Αποθήκευση ως PDF ή Εκτύπωση (για αποθήκευση ως PDF, κάντε την σχετική επιλογή στη λίστα εκτυπωτών που θα εμφανιστεί)
Γενικά
Σχολή | Σχολή Θετικών Επιστημών |
---|---|
Τμήμα | Τμήμα Μαθηματικών |
Επίπεδο Σπουδών | Μεταπτυχιακό |
Κωδικός Μαθήματος | ΣEE12 |
Εξάμηνο | 2 |
Τίτλος Μαθήματος | ΥΠΟΛΟΓΙΣΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ |
Αυτοτελείς Διδακτικές Δραστηριότητες | Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5) |
Τύπος Μαθήματος | Μάθημα 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:
|
---|---|
Γενικές Ικανότητες |
|
Περιεχόμενο Μαθήματος
Το μάθημα καλύπτει τις ακόλουθες ενότητες, βασιζόμενο πάρα πολύ στην R: τεχνικές παραγωγής τυχαίων αριθμών. Οι μέθοδοι jackknife, bootstrap και οι θεωρητικές τους ιδιότητες. Cross validation, kernel density estimation, local regression. Μέθοδοι προσομοίωσης Monte Carlo και εφαρμογές.
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
Τρόπος Παράδοσης | Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών | Χρήση Τ.Π.Ε. στην επικοινωνία με τους φοιτητές καθώς και στην παράδοση εργασιών | ||||||||||
Οργάνωση Διδασκαλίας |
| ||||||||||
Αξιολόγηση Φοιτητών |
Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό. |
Συνιστώμενη Βιβλιογραφία
- Davison, A. C., Hinkley, D. V., (1997). Bootstrap methods and their application. Cambridge University Press.
- Rizzo, M. L., (2007). Statistical computing with R. Chapman & Hall/CRC.
- Robert, C. P., Casella, G., (2009). Introducing Monte Carlo methods with R. Springer Verlag.
- Gentle, J. E., (2009). Computational Statistics, Springer.
- Givens, G.H. and Hoeting, J.A., (2012). Computational Statistics, Wiley.
- [Περιοδικό / Journal] Statistics and Computing
- [Περιοδικό / Journal] Computational Statistics.
- [Περιοδικό / Journal] Computational Statistics & Data Analysis.