Πολυμεταβλητή Αναλυτική Δεδομένων και Στατιστική Συμπερασματολογία
Περιγραφή

Πολυδιάστατα δεδομένα. Μέτρα θέσης και μεταβλητότητας και διαγράμματα παρουσίασης των δεδομένων. Τυχαία διανύσματα και πίνακες. Η έννοια του τυχαίου δείγματος. Η σημασία της στατιστικής απόστασης. Ιδιότητες της πολυμεταβλητής κανονικής κατανομής. Το τυχαίο δείγμα και η εκτίμηση των παραμέτρων της πολυμεταβλητής κανονικής κατανομής. Κατασκευή διαστημάτων εμπιστοσύνης και έλεγχοι στατιστικών υποθέσεων για τις παραμέτρους της πολυδιάστατατης κανονικής κατανομής. One-way ΜANOVA για ανεξάρτητα και εξαρτημένα δείγματα και σχετικοί έλεγχοι. Γενίκευση της γραμμικής παλινδρόμησης και η εφαρμογή της στην ερμηνεία-πρόβλεψη περισσοτέρων της μιας εξαρτημένων μεταβλητών. Ανάλυση σε Κύριες Συνιστώσες (Principal Components Analysis). Εύρεση των κυρίων συνιστωσών που προκύπτουν από την ανάλυση πινάκων (συνδιασπορών και συσχετίσεων αντιστοίχως). Δειγματικές κύριες συνιστώσες και στατιστική συμπερασματολογία με τη χρήση μεγάλων δειγμάτων δεδομένων. Ανάλυση Αντιστοιχιών (Correspondence Analysis). Μελέτη της ανάλυσης σε πίνακες συνάφειας (πίνακες διπλής εισόδου). Διαχωριστική Ανάλυση και Ταξινόμηση (Discriminant Analysis and Classification). Μελέτη των κανόνων διαχωρισμού των ομάδων. Ιεραρχικές και μη Ιεραρχικές μέθοδοι ομαδοποίησης (Hierarchical and Nonhierarchical Clustering Methods).

Τομέας: Στατιστικής - Θεωρίας Πιθανοτήτων, Επιχειρησιακής Έρευνας
Διδάσκοντες:

Συγγράμματα:

Πρόγραμμα Σπουδών:
Μεταπτυχιακό - MCDA
Εξάμηνο: Β
Πιστωτικές Μονάδες (ECTS): 7,5
Ωρες Διδασκαλίας (Θ/Φ/Ε): 3/0/0
Κωδικός: MCDA114
Φοιτητές Erasmus: Όχι




keyboard_arrow_up