Ανάλυση Δεδομένων

Κωνσταντίνος Περάκης

Περιγραφή

Το μάθημα ενέχει την θέση προχωρημένης Στατιστικής. Με τα πρώτα μαθήματα αφιερωμένα αναλυτικά στα διαστήματα εμπιστοσύνης των παραμέτρων σειγματοληπτικών στατιστικών κατανομών και χαρακτηριστικούς δειγματοληπτικούς στατιστικούς ελέγχους των τιμών και συναρτήσεων των τιμών τους, συνεχίζει με μια εισαγωγή στην θεωρία δειγματοληψίας, εκθέτοντας τα στάδια αυτής και παρουσιάζοντας τις πιο χαρακτηριστικές δειγματοληψίες με πιθανότητα :την τυχαία την στρωματοποιημένη και την συστηματική. Τέλος ο κυρίως όγκος του μαθηματος αφιερώνεται στις παλινδρομήσεις : γραμμική, εκθετική, παραβολική και πολλαπλή, την πλέον κλασσική μέθοδο συμπίεσης δεδομένων την ανάλυση σε κύριες συνιστώσες και τέλος μετά από μια σύντομη εισαγωγή στις ιεραρχικές και μη ιεραρχικές μεθόδους ταξινόμησης, παρουσιάζεται αναλυτικά η ομαδοποίηση  των κ-μέσων κατά συστάδες.

Κωδικός: MHXA244
Κατηγορία: Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης » Προπτυχιακό
CC - Αναφορά - Μη Εμπορική Χρήση - Παρόμοια Διανομή
CC - Αναφορά - Μη Εμπορική Χρήση - Παρόμοια Διανομή

Θεματικές Ενότητες

1.1 Εισαγωγή στις κατανομές τυχαίων μεταβλητών

1.2 Εκτιμητές, διαστήματα εμπιστοσύνης, εισαγωγικά στους στατιστικούς ελέγχους

1.3 Δειγματοληπτικές κατανομές στατιστικών παραμέτρων (διαφορών)

1.4 Πολυωνυμική κατανομή και έλεγχος χ2

2.1 Μέθοδοι δειγματοληψίας, Απλή Τυχαία Δειγματοληψία, Στρωματοποιημένη Δειγματοληψία, Συστηματική Δειγματοληψία

3.1 Γραμμική παλινδρόμηση, συντελεστής συσχέτισης, ANOVA, παράδειγμα με Excel και SPSS

3.2 Εκθετική παλινδρόμηση, θεωρία και παράδειγμα, Παραβολική παλινδρόμηση

4.1 Ανάλυση σε Κύριες Συνιστώσες

5.1 Ομαδοποίηση κατά συστάδες (Cluster Analysis)

Ανοικτό Ακαδ. Μάθημα

Ανοικτά Ακαδημαϊκά Μαθήματα
Επίπεδο: A+

Αρ. Επισκέψεων :  921
Αρ. Προβολών :  7469

Ημερολόγιο