Please ensure Javascript is enabled for purposes of website accessibility

Παρουσίαση/Προβολή

Εικόνα επιλογής

Στατιστικές Μέθοδοι

(PHARM198) -  Ευάγγελος Δ. Καραλής

Περιγραφή Μαθήματος

Εισαγωγή σε βασικές γνώσεις της 'Στατιστικής'

 

Περιεχόμενο

  1. Εισαγωγή: Δείγμα-πληθυσμός, τεχνικές δειγματοληψίας
  2. Περιγραφική Στατιστική: Γραφικές μέθοδοι παρουσίασης δεδομένων. Μέτρα κεντρικής τάσης, διασποράς, ασυμμετρίας, κύρτωσης.
  3. Πιθανότητες: Θεώρημα Bayes, θεώρημα ολικής πιθανότητας. Διακριτές κατανομές (πείραμα Bernoulli, διωνυμική, ομοιόμορφη, γεωμετρική, υπεργεωμετρική, Poisson) και συνεχείς κατανομές (κανονική, t-student, ομοιόμορφη)
  4. Διαστήματα εμπιστοσύνης για τις παραμέτρους κανονικού πληθυσμού: ένα δείγμα, δύο δείγματα (ανεξάρτητα/ εξαρτημένα)
  5. Έλεγχοι υποθέσεων για τις παραμέτρους κανονικού πληθυσμού: ένα δείγμα, δύο δείγματα (ανεξάρτητα / εξαρτημένα)
  6. Συσχέτιση και παλινδρόμηση: Γραμμικά και μη γραμμικά μοντέλα
  7. Ανάλυση διασποράς. Ανάλυση διασποράς επαναλαμβανόμενων μετρήσεων
  8. Παραμετρικές – μη παραμετρικές μέθοδοι ανάλυσης. Έλεγχος κανονικής κατανομής. Μη παραμετρικές μέθοδοι σύγκρισης δύο ή περισσότερων δειγμάτων.
  9. Εισαγωγή σε άλλες τεχνικές: Πίνακες συνάφειας. Μέθοδος Χ2. Έλεγχος ανεξαρτησίας. Σύγκριση ποσοστών (ένα/δύο δείγματα, odds ratio, risk difference). Ανάλυση επιβίωσης.
  10. Στοιχεία τεχνητής νοημοσύνης: Μηχανική μάθηση, Τεχνητά νευρωνικά δίκτυα

Ημερομηνία δημιουργίας

Σάββατο 14 Μαρτίου 2015

  • Στατιστικές Μέθοδοι

    1. Εισαγωγή: Δείγμα-πληθυσμός, τεχνικές δειγματοληψίας
    2. Περιγραφική Στατιστική: Γραφικές μέθοδοι παρουσίασης δεδομένων. Μέτρα κεντρικής τάσης, διασποράς, ασυμμετρίας, κύρτωσης.
    3. Πιθανότητες: Θεώρημα Bayes, θεώρημα ολικής πιθανότητας. Διακριτές κατανομές (πείραμα Bernoulli, διωνυμική, ομοιόμορφη, γεωμετρική, υπεργεωμετρική, Poisson) και συνεχείς κατανομές (κανονική, t-student, ομοιόμορφη)
    4. Διαστήματα εμπιστοσύνης για τις παραμέτρους κανονικού πληθυσμού: ένα δείγμα, δύο δείγματα (ανεξάρτητα/ εξαρτημένα)
    5. Έλεγχοι υποθέσεων για τις παραμέτρους κανονικού πληθυσμού: ένα δείγμα, δύο δείγματα (ανεξάρτητα / εξαρτημένα)
    6. Συσχέτιση και παλινδρόμηση: Γραμμικά και μη γραμμικά μοντέλα
    7. Ανάλυση διασποράς. Ανάλυση διασποράς επαναλαμβανόμενων μετρήσεων
    8. Παραμετρικές – μη παραμετρικές μέθοδοι ανάλυσης. Έλεγχος κανονικής κατανομής. Μη παραμετρικές μέθοδοι σύγκρισης δύο ή περισσότερων δειγμάτων.
    9. Εισαγωγή σε άλλες τεχνικές: Πίνακες συνάφειας. Μέθοδος Χ2. Έλεγχος ανεξαρτησίας. Σύγκριση ποσοστών (ένα/δύο δείγματα, odds ratio, risk difference). Ανάλυση επιβίωσης.
    10. Στοιχεία τεχνητής νοημοσύνης: Μηχανική μάθηση, Τεχνητά νευρωνικά δίκτυα