(1) ΓΕΝΙΚΑ
| ΣΧΟΛΗ | Μηχανικών Παραγωγής και Διοίκησης | ||
| 2η ΣΧΟΛΗ | |||
| ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ | Προπτυχιακό | ||
| ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ | ΜΠΔ 228 | ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ | 4ο |
| ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ | ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ | ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ | |
| Διαλέξεις | 3 | ||
| Φροντιστηριακές ασκήσεις | 1 | ||
| Σύνολο | 4 | 6 | |
| ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ | Γενικού υποβάθρου | ||
| ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ | |||
| ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ KAI ΕΞΕΤΑΣΕΩΝ | Ελληνικά | ||
| ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS | Όχι | ||
| ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) | https://www.eclass.tuc.gr/courses/MPD226/ | ||
(2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ
| Μαθησιακά Αποτελέσματα |
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να:
|
| Γενικές Ικανότητες |
|
(3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ
Εισαγωγή στη στατιστική και τους κλάδους της. Πληθυσμός, δείγμα, τύποι δεδομένων και κλίμακες μέτρησης, μέθοδοι συλλογής δεδομένων. Γραφικές μέθοδοι απεικόνισης και αριθμητικές μέθοδοι σύνοψης δεδομένων. Μέθοδοι σημειακής εκτίμησης παραμέτρων και ιδιότητες σημειακών εκτιμητριών. Εκτίμηση διαστημάτων εμπι-στοσύνης για πληθυσμιακές παραμέτρους στην περίπτωση ενός και δύο πληθυσμών. Παραμετρικοί έλεγχοι στα-τιστικών υποθέσεων για έναν και δύο πληθυσμούς. Μη παραμετρικοί έλεγχοι υποθέσεων χ² καλής προσαρμο-γής, ανεξαρτησίας και ομοιογένειας. Ανάλυση παλινδρόμησης, απλή γραμμική παλινδρόμηση και μέθοδος ελαχί-στων τετραγώνων. Σχεδιασμός στατιστικών πειραμάτων και ανάλυση διακύμανσης για έναν παράγοντα και δυο παράγοντες με ή χωρίς αλληλεπίδραση.
(4) ΔΙΔΑΚΤΙΚΕΣ KAI ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ
| ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ | Με φυσική παρουσία | ||||
| ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ | ||||
| Στη διδασκαλία: | eclass | |||
| Στην επικοινωνία με τους φοιτητές: | eclass, email | |||
| ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ | ||||
| Διαλέξεις | 39 ώρες | |||
| Αυτοτελής μελέτη | 111 ώρες | |||
| Σύνολο | 150 ώρες | |||
Διδακτέα Ύλη ανά Εβδομάδα (13 εβδομάδες) :
1) Εισαγωγή, περιγραφική στατιστική, δειγματοληψία (ορισμοί πληθυσμού και δείγματος, βασικά στατιστικά μεγέθη δείγματος).
2) Εισαγωγή στην εκτιμητική. Αμερόληπτες εκτιμήτριες.
3) Αμερόληπτες εκτιμήτριες ελάχιστης διασποράς. Θεώρημα Cramer-Rao.
4) Εκτιμήτριες μέγιστης πιθανοφάνειας.
5) Κατασκευή διαστημάτων εμπιστοσύνης για εκτιμήτριες.
6) Εισαγωγή στον έλεγχο στατιστικών υποθέσεων. Λήμμα Neyman-Pearson. Έλεγχοι με χρήση πηλίκου πιθανοφάνειας λ.
7) Έλεγχος διασποράς, F-test.
8) Γραμμική παλινδρόμηση.
9) Εισαγωγή στους ελέγχους Χ2. Έλεγχος καλής προσαρμογής.
10) Έλεγχος ανεξαρτησίας, έλεγχος ομοιογένειας.
11) Ανάλυση Διακύμανσης με έναν παράγοντα.
12) Ανάλυση Διακύμανσης με δύο παράγοντες.
12) Επανάληψη του μαθήματος.
(5) ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
| Αθροιστική/Συμπερασματική (για βαθμό φοιτητή) Αξιολόγηση | ||||
| Γραπτή Τελική Εξέταση | 100% | (Ερωτήσεις πολλαπλής επιλογής / Αντιστοίχιση) | ||
| (Ερωτήσεις επίλυσης προβλημάτων) | ||||
(6) ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ
Προτεινόμενη Βιβλιογραφία:
- Κ.Γ. Δρακάτος, Στατιστική, 2η Έκδοση, Εκδόσεις Παπαζήση, 1984.
- Π.Ε. Ζαϊρης, Στατιστική μεθοδολογία, Αναθεωρημένη έκδοση, Εκδόσεις Κριτική, 2010.
- N. Μυλωνάς, B. Παπαδόπουλος, Πιθανότητες και Στατιστική για Μηχανικούς, Εκδόσεις Τζιόλα, 2016.
- R.E. Walpole, R.H. Myers, S.L. Myers, K. Ye, Στατιστική και Πιθανότητες, 9η Έκδοση, Εκδόσεις Τζιόλα, 2019.
- D. Montgomery, C.G. Runger, Εφαρμοσμένη Στατιστική και Πιθανότητες για Μηχανικούς, 6η Έκδοση, Εκδόσεις Τζιόλα, 2017.
Συναφής Βιβλιογραφία (μερική κάλυψη):
- M.R. Spiegel, Πιθανότητες και στατιστική, Εκδόσεις ΕΣΠΙ, 1977.
- M.R. Spiegel, J.L. Stephens, Στατιστική: Θεωρία και προβλήματα, Εκδόσεις Τζιόλα, 2017.
