Μη Παραμετρική Στατιστική (ΣEE14): Διαφορά μεταξύ των αναθεωρήσεων
Χωρίς σύνοψη επεξεργασίας |
Χωρίς σύνοψη επεξεργασίας |
||
Γραμμή 1: | Γραμμή 1: | ||
* [[ | * [[Non Parametric Statistics (ΣΕΕ14)|English version]] | ||
* [[Περιγράμματα Μεταπτυχιακών Μαθημάτων]] | * [[Περιγράμματα Μεταπτυχιακών Μαθημάτων]] | ||
* [https://math.uoi.gr Τμήμα Μαθηματικών] | * [https://math.uoi.gr Τμήμα Μαθηματικών] |
Αναθεώρηση της 17:03, 25 Νοεμβρίου 2022
Γενικά
Σχολή | Σχολή Θετικών Επιστημών |
---|---|
Τμήμα | Τμήμα Μαθηματικών |
Επίπεδο Σπουδών | Μεταπτυχιακό |
Κωδικός Μαθήματος | ΣEE14 |
Εξάμηνο | 2 |
Τίτλος Μαθήματος | ΜΗ ΠΑΡΑΜΕΤΡΙΚΗ 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 |
Με την επιτυχή παρακολούθηση του μαθήματος ο φοιτητής θα είναι σε θέση να
|
---|---|
Γενικές Ικανότητες |
|
Περιεχόμενο Μαθήματος
Παρουσίαση και εισαγωγή στις μη παραμετρικές μεθόδους. Μη παραμετρική εκτίμηση της σ.π.π. με ιστόγραμμα και με την μέθοδο των πυρήνων (kernel density estimation). Ασυμπτωτικές ιδιότητες του ιστογράμματος και της εκτιμήτριας πυρήνα. Μη παραμετρική εκτίμηση της α.σ.κ με την εμπειρική α.σ.κ. και με τη μέθοδο των πυρήνων και ιδιότητες αυτών. Μέθοδοι και τεχνικές επιλογής εύρους ζώνης (bandwidth) για εκτιμήτριες πυρήνα. Βελτίωση εκτιμητών που προκύπτουν με τη μέθοδο των πυρήνων: βελτίωση μεροληψίας στα άκρα του διαστήματος εκτίμησης (boundary bias), βελτίωση του μέσου τετραγωνικού σφάλματος του εκτιμητή με χρήση μεταβλητού εύρους ζώνης ή μετασχηματισμών. Μη παραμετρική παλινδρόμηση με τη μέθοδο Nadaraya-Watson και με τη μέθοδο της τοπικής πολυωνυμικής προσαρμογής. Εκτίμηση πολυδιάστατων σ.π.π. και συναρτήσεων παλινδρόμησης, ειδικά θέματα.
Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
Τρόπος Παράδοσης | Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος | ||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών |
| ||||||||||
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
- Silverman, B. (1986). Density Estimation for Statistics and Data Analysis, Chapman and Hall.
- Wand, M.P. and Jones, M.C. (1994). Kernel smoothing, First Edition, Chapman and Hall.
- Simonoff, J.S. (1996). Smoothing Methods in Statistics, Springer.
- Fan, J. and Gijbels, I. (1996). Local Polynomial Modelling and Its Applications, Chapman and Hall.
- Loader, C. (1999). Local Regression and Likelihood, Springer.
- Scott, D. (2015). Multivariate Density Estimation: Theory, Practice, and Visualization, Second edition, Wiley.
- Takezawa, K. (2006). Introduction to Nonparametric Regression, Wiley.
- Wasserman, L. (2006). All of Nonparametric Statistics, Springer.
- Klemela, J. (2009). Smoothing of Multivariate Data: Density Estimation and Visualization, Wiley.
- Tsybakov, A.B. (2009). Introduction to Nonparametric Estimation Springer.
- Chacón, J.E. and Duong, T. (2018). Multivariate Kernel Smoothing and its Applications, Taylor and Francis.
- [Περιοδικό / Journal] Journal of Nonparametric Statistics.