Ανάλυση Δεδομένων

Περίγραμμα του μαθήματος

«Ανάλυση Δεδομένων»

Σκοπός του μαθήματος

Με την παροχή θεωρητικών γνώσεων στατιστικών ελέγχων υποθέσεων και βασικών μεθόδων ανάλυσης δεδομένων σε συνδυασμό με εργαστηριακές ασκήσεις εφαρμογών επιδιώκεται η παροχή γνώσεων συγκεκριμένων μεθόδων στατιστικής και ανάλυσης δεδομένων τόσο σε θεωρητικό επίπεδο όσο και στον χειρισμό στατιστικών λογισμικών. Το μάθημα αυτό έχει σκοπό να προσφέρει στους φοιτητές προχωρημένες γνώσεις στατιστικής ανάλυσης δεδομένων και ειδικότερα τη δυνατότητα εφαρμογής τους σε πραγματικά ή εικονικά δεδομένα.

Περιεχόμενο μαθήματος

Τα θεωρητικά μέρη του μαθήματος περιέχουν:

• ανάλυση της μεθοδολογίας των ελέγχων στατιστικών υποθέσεων,
• ανάλυση των βασικών μεθόδων δειγματοληψίας όπως, δειγματοληψίες με πιθανότητες, απλή τυχαία δειγματοληψία (Α. Τ. Δ.), στρωματοποιημένη δειγματοληψία και συστηματική τυχαία δειγματοληψία,
• ανάλυση παλινδρόμησης δηλ. προσδιορισμός των συντελεστών της ευθείας παλινδρόμησης, μελέτη της ευθείας παλινδρόμησης, παραβολική παλινδρόμηση, εφαρμογή της εκθετικής παλινδρόμησης και πολλαπλή παλινδρόμηση
• ανάλυση σε κύριες συνιστώσες δηλ. τυποποίηση του αρχικού πίνακα δεδομένων, δημιουργία του πίνακα συσχετίσεων, εύρεση των ιδιοτιμών και των ιδιοδιανυσμάτων του πίνακα συσχετίσεων, υπολογισμός του ποσοστού αδράνειας (διασποράς) του νέφους των σημείων στον κάθε έναν από τους νέους παραγοντικούς άξονες και υπολογισμός των συντεταγμένων των σημείων στους νέους άξονες
• μεθόδους αυτόματης ομαδοποίησης κατά συστάδες (Clustering) δηλ. ιεραρχικές μεθόδους όπως η μέθοδος του πλησιέστερου γειτονικού σημείου,την εύκαμπτη μέθοδο των Lance και Williams και μη ιεραρχικές μεθόδους όπως τη μέθοδο ομαδοποίησης γύρω από κινητά κέντρα (K-Means method). Οι εργαστηριακές ασκήσεις και εφαρμογές σε εικονικά ή και πραγματικά δεδομένα θα πραγματοποιούνται με την χρήση του λογισμικού στατιστικής επεξεργασίας δεδομένων S.P.S.S.

Η ύλη των ασκήσεων και εφαρμογών σε Η/Υ περιλαμβάνει τα εξής:

• Εισαγωγή στη χρήση του λογισμικού SPSS
• Διαδικασία εισαγωγής μεταβλητών και δεδομένων: η διαμόρφωση και διαχείριση μιας Βάσης Δεδομένων. Συμβατότητα με άλλα λογισμικά.
• Βασικές εντολές του SPSS (διάταξης, κωδικοποίησης, δημιουργίας νέων μεταβλητών)
• Περιγραφικές στατιστικές, πίνακες συνάφειας και γραφικά με το λογισμικό SPSS
• Σχέσεις μεταξύ δύο και περισσότερων μεταβλητών
• Στατιστικοί έλεγχοι υποθέσεων
• Εφαρμογή τυχαίας δειγματοληψίας σε πραγματικά χωρικά δεδομένα --Παλινδρόμηση και ανάλυση ANOVA, συντελεστές συσχέτισης (Pearson και του Spearman)
• Εφαρμογή της ανάλυσης σε κύριες συνιστώσες
• Εφαρμογή μεθόδων αυτόματης ομαδοποίησης κατά συστάδες

Το θεωρητικό και μεθοδολογικό περιεχόμενο του μαθήματος παρουσιάζεται υπό μορφή διαλέξεων.

Η ενότητα των εφαρμογών πραγματοποιείται με την μορφή εργαστηριακών ασκήσεων και εργασιών με εικονικά και πραγματικά δεδομένα με την χρήση του SPSS

Τρόπος Αξιολόγησης

Από το σύνολο του τελικού βαθμού η θεωρία παίρνει 50% της βαθμολογίας ενώ οι εργαστηριακές ασκήσεις και εφαρμογές το 50%. Η τυχόν εθελοντική ή κατευθυνόμενη πραγματοποίηση κάποιας (σχετικά μικρής) ερευνητικής ή μελετητικής εργασίας τόσο σε θεωρητικό όσο και σε εργαστηριακό επίπεδο θα συνεισφέρει στον τελικό βαθμό. Η πραγματοποίηση εργασίας είναι ΠΡΟΑΙΡΕΤΙΚΗ. Bonus σε φοιτητές που παρακολουθούν ανελλιπώς το μάθημα θα δοθούν με την μορφή ενός προαιρετικού διαγωνίσματος στο οποίο θα ληφθούν υπ’ όψη η απόδοση και οι παρουσίες.