Περιεχόμενο μαθήματος
Introduction to Statistics (fall 2017)
1. Descriptive Statistics: Numerical Measures
1.1 Measures of Location
1.2 Measures of Variability
1.3 Measures of Distribution Shape, Relative Location, and Detecting Outliers
1.4 Exploratory Data Analysis
1.5 Measures of Association Between Two Variables
1.6 The Weighted Mean and Working with Grouped Data
2. Introduction to Probability
2.1 Experiments, Counting Rules, and Assigning Probabilities
2.2 Events and Their Probabilities
2.3 Some Basic Relationships of Probability
2.4 Conditional Probability
2.5 Bayes’ Theorem
3. Discrete Probability Distributions
3.1 Random Variables
3.2 Discrete Probability Distributions
3.3 Expected Value and Variance
3.4 Binomial Probability Distribution
3.5 Poisson Probability Distribution
4. Continuous Probability Distributions
4.1 Uniform Probability Distribution
4.2 Normal Probability Distribution
4.3 Normal Approximation of Binomial Probabilities
4.4 Exponential Probability Distribution
5. Sampling and Sampling Distributions
5.1 The Electronics Associates Sampling Problem
5.2 Selecting a Sample
5.3 Point Estimation
5.4 Introduction to Sampling Distributions
5.5 Sampling Distribution of x
5.6 Sampling Distribution of p
5.7 Properties of Point Estimators
6. Interval Estimation
6.1 Population Mean: _ Known
6.2 Population Mean: _ Unknown
6.3 Determining the Sample Size
6.4 Population Proportion
7. Hypothesis Tests
7.1 Developing Null and Alternative Hypotheses
7.2 Type I and Type II Errors
7.3 Population Mean: _ Known
7.4 Population Mean: _ Unknown
7.5 Population Proportion
7.6 Hypothesis Testing and Decision Making
7.7 Calculating the Probability of Type II Errors
7.8 Determining the Sample Size for a Hypothesis Test About a Population Mean
8. Inference About Means and Proportions with Two Populations
8.1 Inferences About the Difference Between Two Population Means: and _Known
8.2 Inferences About the Difference Between Two Population Means: and _Unknown
8.3 Inferences About the Difference Between Two Population Means: Matched Samples
8.4 Inferences About the Difference Between Two Population Proportions
9. Inferences About Population Variances
9.1 Inferences About a Population Variance
9.2 Inferences About Two Population Variances
10. Tests of Goodness of Fit and Independence
10.1 Goodness of Fit Test: A Multinomial Population
10.2 Test of Independence
1.3 Goodness of Fit Test: Poisson and Normal Distributions
11. Experimental Design and Analysis of Variance
11.1 An Introduction to Experimental Design and Analysis of Variance
11.2 Analysis of Variance and the Completely Randomized Design
11.3 Factorial Experiment
12. Simple Linear Regression
12.1 Simple Linear Regression Model
12.2 Least Squares Method
12.3 Coefficient of Determination
12.4 Model Assumptions
12.5 Testing for Significance
12.6 Using the Estimated Regression Equation for Estimation and Prediction
12.7 Computer Solution
12.8 Residual Analysis: Validating Model Assumptions
12.9 Residual Analysis: Outliers and Influential Observations
13. Multiple Regression
13.1 Multiple Regression Model
13.2 Least Squares Method
13.3 Multiple Coefficient of Determination
13.4 Model Assumptions
13.5 Testing for Significance
13.6 Using the Estimated Regression Equation for Estimation and Prediction
13.7 Categorical Independent Variables
13.8 Residual Analysis
13.9 Logistic Regression
14. Regression Analysis: Model Building
14.1 General Linear Model
14.2 Determining When to Add or Delete Variables
14.3 Analysis of a Larger Problem
14.4 Variable Selection Procedures
14.5 Multiple Regression Approach to Experimental Design
14.6 Autocorrelation and the Durbin-Watson Test
Βιβλιογραφία
Text books: 1) STATISTICS FOR BUSINESS AND ECONOMICS 11 EDITION, David R. Anderson, Dennis J. Sweeney, Thomas A. Williams, pdf
2) Εισαγωγή στις Πιθανότητες με Στοιχεία Στατιστικής, Δ. Μπερτσεκάς και Ι. Τσιτσικλής (μετάφραση Α. Χούστη), Εκδόσεις Τζόλα, 2013.
Προαπαιτούμενα
1) Το γνωστικό αντικείμενο της στατιστικής απαιτεί γνώσης της θεωρίας πιθανοτήτων. Το μάθημα περιλαμβάνει μια σύντομη επανάληψη των βασικών στοιχείων θεωρίας πιθανοτήτων.
2) Για τις ασκήσεις του μαθήματος απαιτείται γνώση των υπολογιστικών περιβαλόντων Python, R, Excel, και SaS. Η γνώση αυτή παρέχεται στο μάθημα "Περιβάλλοντα Επίλυσης Προβλημάτων (ΠΕΠ) για Εφαρμογές στην Επιστήμη Δεδομένων". Οι φοιτητές που θα πάρουν το μάθημα "Εισαγωγή Στατιστικής" και δεν γνωρίζουν τα παραπάνω ΠΕΠ μπορούν να παρακαλουθήσουν τις σχετικές διαλέξεις μόνον.
Διδάσκοντες
Ομότιμοι Καθηγητές Α. Χούστη και Η. Χούστης
Προτεινόμενα συγγράμματα
1) STATISTICS FOR BUSINESS AND ECONOMICS 11 EDITION, David R. Anderson, Dennis J. Sweeney, Thomas A. Williams. (το pdf αρχείο του βιβλίου βρήσκεται στα έγγραφα του μαθήματος)
2) Εισαγωγή στις Πιθανότητες με Στοιχεία Στατιστικής, Δ. Μπερτσεκάς και Ι. Τσιτσικλής (μετάφραση Α. Χούστη), Εκδόσεις Τζόλα, 2013.
Μέθοδοι αξιολόγησης
Η μέθοδος αξιολόγησης θα εξαρτηθεί από τον αριθμό φοιτητών που θα δηλώσει το μάθημα.
Ο βασικός κορμός αξιολόγησης θα βασίζεται στις εργαστηριακές ασκήσεις και εργασίες / παρουσίασεις που μπορούν να εκτελούνται από ομάδες 1-3 φοιτητών. Οι διαλέξεις θα συνοδεύνται από εργασιακές ασκήσεις.
Στο τέλος του μαθήματος θα υπάρξει προφορική εξέταση στο παραπάνω έργο.