Μόνο μαθητές που έχουν παρακολουθήσει το μάθημα μπορούν να το αξιολογήσουν
Περιγραφική Στατιστική και οι Εφαρμογές της στο SPSS
Απαντήστε όλα σας τα ερωτήματα και καλύψτε τα κενά σας στην επιστήμη της Στατιστικής. Ειδική εκπαίδευση για φοιτητές, επαγγελματίες και ερευνητές. Αποκτήστε τις απαραίτητες βάσεις στην Περιγραφική Στατιστική με ταυτόχρονη εφαρμογή των γνώσεων στο SPSS.
Στατιστικολόγος
Περίληψη Μαθήματος
Παρακολουθώντας το μάθημα θα μπορέσετε να αποκτήσετε όλες τις απαραίτητες γνώσεις και βάσεις για τα πεδία της περιγραφικής στατιστικής και της θεωρίας πιθανοτήτων. Θα είστε σε θέση να ορίζετε ορθά τα θεμέλια των στατιστικών αναλύσεων ξεκινώντας από την διαχείριση των μεταβλητών και την αναγνώριση και την ερμηνεία συνόλων δεδομένων έως και την στατιστική επεξεργασία και ερμηνεία των αποτελεσμάτων στα πλαίσια της περιγραφικής στατιστικής.
Η επεξεργασία των δεδομένων γίνεται με την χρήση του SPSS, δίνοντας τα εφόδια σε κάθε εκπαιδευόμενο να εξοικειωθεί με την χρήση του σε θέματα στατιστικών αναλύσεων.
Η επιτυχής ολοκλήρωση του μαθήματος αυτού, θα ενισχύσει το ακαδημαϊκό υπόβαθρο των συμμετεχόντων με σκοπό την περαιτέρω ανάπτυξή του στο πλαίσιο του επόμενο σταδίου της στατιστικής συμπερασματολογίας και της δημιουργίας ολοκληρωμένων αναφορών.
Διάρκεια Μαθήματος
Το μάθημα θα ξεκινήσει τη Δευτέρα 8 Μαρτίου 2021. Η διάρκεια ολοκλήρωσης του μαθήματος ορίζεται στις 3 εβδομάδες με δυνατότητα επέκτασης του χρόνου εκπαίδευσης καθόλη τη διάρκεια του 2021, ανάλογα με τις ανάγκες του εκάστοτε σπουδαστή.
Ο απαιτούμενος φόρτος του μαθήματος είναι 40 ώρες, μέσα στις οποίες περιλαμβάνεται η παρακολούθηση του υλικού μέσω Video καθώς και ενασχόληση των εκπαιδευομένων σε ολοκλήρωση Quiz και επίλυση Ασκήσεων.
Αναλυτικά Περιεχόμενα Μαθήματος
Στοιχεία Πιθανοτήτων
Πληθυσμός – Δείγμα | ||
Δειγματοχώρος | ||
Γεγονότα | ||
Πειράματος τύχης | ||
Ανεξαρτησία γεγονότων | ||
Ορισμός πιθανότητας | ||
Δεσμευμένη πιθανότητας (Bayes) | ||
Στοιχεία συνδυαστικής |
Τυχαίες Μεταβλητές
Τυχαία μεταβλητή | ||
Ορισμός ποιοτικών και ποσοτικών δεδομένων | ||
Είδη μεταβλητών |
Κυριότερες κατανομές πιθανοτήτων
Συναρτήσεις πιθανοτήτων (απλές και αθροιστικές) | ||
Διακριτές και συνεχείς κατανομές πιθανοτήτων | ||
Κεντρικό Οριακό Θεώρημα |
Ροπές κατανομών
Ορισμός στατιστικών συναρτήσεων | ||
Ορισμός ροπών |
Παραδείγματα
Παραδείγματα σε κάθε υποενότητα από κοινωνικές-ψυχομετρικές- ιατρικές και άλλου είδους έρευνες για το πως ορίζονται τα παραπάνω και ποια είναι σημαντικότητά τους. |
Στοιχεία Εκτιμητικής
Τι είναι εκτιμητής | ||
Ποιες είναι οι κυριότερες μορφές εκτίμησης | ||
Τι σημαίνει αμεροληψία εκτιμητή |
Αριθμητικά Περιγραφικά Μέτρα
Ορισμός μέτρων θέσης | ||
Ορισμός μέτρων διασποράς | ||
Ορισμός μέτρων μεταβλητότητας |
Γραφικές Μέθοδοι Δεδομένων
Γραφικές παραστάσεις ποιοτικών δεδομένων (ραβδόγραμμα, κυκλικό διάγραμμα) | ||
Γραφικές παραστάσεις ποσοτικών δεδομένων (ιστόγραμμα, θηκόγραμμα) |
Παράτυπα Σημεία
Αναγνώριση και διαχείριση ακραίων τιμών |
Παραδείγματα
Παραδείγματα σε κάθε υποενότητα από κοινωνικές-ψυχομετρικές- ιατρικές και άλλου είδους έρευνες για το πως ορίζονται τα παραπάνω και ποια είναι σημαντικότητά τους |
Εφαρμογές με την χρήση του SPSS
Ανάλυση demo data βάση των παραπάνω ενοτήτων – Ορισμός και αναγνώριση τύπου μεταβλητών, εκτίμηση παραμέτρων, γραφικές αναπαραστάσεις μεταβλητών κτλ |
Ορισμός Ομαδοποιημένων Δεδομένων
Τι είναι ομαδοποιημένα δεδομένα | ||
Πως κάνουμε ομαδοποίηση ποιοτικών δεδομένων | ||
Πως κάνουμε ομαδοποίηση ποσοτικών δεδομένων |
Δημιουργία και Διαχείριση Πινάκων Συχνοτήτων
Τι είναι πίνακας συχνότητων | ||
Πως δημιουργούμε έναν πίνακα συχνοτήτων και πως τον επεκτείνουμε |
Γραφική αναπαράσταση ομαδοποιημένων δεδομένων
Πως αναπαριστούμε γραφικά τα ομαδοποιημένα δεδομένα | ||
Τι είναι πολύγωνο απλών συχνοτήτων και αθροιστικών συχνοτήτων |
Παραδείγματα
Παραδείγματα σε κάθε υποενότητα από κοινωνικές-ψυχομετρικές- ιατρικές και άλλου είδους έρευνες για το πως ορίζονται τα παραπάνω και ποια είναι σημαντικότητά τους. |
SPSS
Εφαρμογές με την χρήση του SPSS |
Περιεχόμενα Μαθήματος και Τρόπος Παρακολούθησης
Το μάθημα είναι χωρισμένο σε 3 ενότητες (εβδομάδες). Σε κάθε ενότητα, καλείστε να παρακολουθήσετε τις διαλέξεις που βρίσκονται σε μορφή Video σε ημέρες και ώρες που βολεύουν τον προσωπικό σας προγραμματισμό καθώς και να ολοκληρώστε τις δραστηριότητες που περιλαμβάνει το μάθημα.
Οι δραστηριότητες αυτές είναι:
- Mini Quiz μετά από μια σειρά από video
- Εβδομαδιαία Quiz στο τέλος κάθε θεματικής εβδομάδας
- Ασκήσεις όπου καλείστε να δουλέψετε πάνω σε πραγματικά προβλήματα.
Οι δραστηριότητες των Quiz απαιτούνται να ολοκληρωθούν από τους εκπαιδευόμενους ώστε να τους χορηγηθεί η βεβαίωση ολοκλήρωσης του μαθήματος του Letstudy. Ακόμη όμως και να μην είναι η βεβαίωση ο σκοπός σας, καλό θα είναι να ασχοληθείτε με τις δραστηριότητες ώστε να επιτύχετε καλύτερα μαθησιακά αποτελέσματα.
Στις ασκήσεις καλείστε να συγκρίνετε τη λύση σας με την πρότυπη λύση που σας παρέχουμε, ώστε να μπορέσετε να αντιληφθείτε τυχόν παραλήψεις στην προσέγγιση σας.
Σε ποιους Απευθύνεται
Το μάθημα αυτό απευθύνεται σε όλους όσους απασχολούνται στο πεδίο της επεξεργασίας δεδομένων τόσο σε Ακαδημαϊκό επίπεδο για φοιτητές Ανωτάτων Ακαδημαϊκών Ιδρυμάτων όσο και σε ιδιώτες, υπαλλήλους και επιχειρηματίες των οποίων η επαγγελματική εξέλιξη απαιτεί την διαχείριση και την σωστή ερμηνεία των διαθέσιμων δεδομένων τους.
Τι θα μου προσφέρει το μάθημα
Το μάθημα έχει σχεδιαστεί και αναπτυχθεί με τέτοιο τρόπο ώστε οι εκπαιδευόμενοι με την επιτυχή ολοκλήρωση του να μπορούν να:
- Αναγνωρίζουν τις έννοιες των δειγματοχώρων, των τυχαίων μεταβλητών και των κατανομών πιθανοτήτων που συναντώνται σε ολοένα και περισσότερα ερευνητικά πεδία τα τελευταία χρόνια.
- Διαθέτουν τις γνώσεις σχετικά με τον τρόπο που ερμηνεύουν ένα σύνολο δεδομένων δίνοντας έμφαση στο είδος των μεταβλητών του και παρουσιάζοντας τα απαραίτητα διαγράμματα και περιγραφικά μέτρα.
- Κατανοούν πως δημιουργούμε, διαχειριζόμαστε και επεξεργαζόμαστε τα ομαδοποιημένα δεδομένα με χρήση περιγραφικών μέτρων και γραφικών παραστάσεων.
- Αποκτήσουν όλο το απαραίτητο ακαδημαϊκό υπόβαθρο για όσους ενδιαφέρονται ή ασχολούνται ενεργά με την ανάλυση δεδομένων με χρήση γλωσσών ανοιχτού κώδικα (Python, R, MatLab, Mathematica, Ruby κτλ) στο πλαίσιο της περιγραφής των συνόλων δεδομένων καθώς και της χρήσης του λογισμικού SPSS.
- Ενισχύσουν το Ακαδημαϊκό υπόβαθρο για την ενασχόληση με πιο προχωρημένες στατιστικές μεθόδους στα πλαίσια της στατιστικής συμπερασματολογίας (Inferential Statistics – Hypothesis Testing).
Προαπαιτούμενα
Δεν υπάρχουν αυστηρά προαπαιτούμενα για να παρακολουθήσει κάποιος εκπαιδευόμενος το μάθημα καθώς δεν προϋποθέτει προηγούμενη γνώση στατιστικής.
* Όλα τα προγράμματα της Letstudy έχετε τη δυνατότητα να το αποπληρώσετε σε άτοκες δόσεις με χρήση πιστωτικής κάρτας. Ο μέγιστος αριθμός των δόσεων καθορίζεται από το κόστος του εκάστοτε προγράμματος και μπορεί να κυμανθεί από 3 έως 12 δόσεις.

Ιωάννης Καραγιώτας
Στατιστικολόγος
Ειδικός Στατιστικολόγος
Αξιολογήσεις
Δεν υπάρχει ακόμη αξιολόγηση για το μάθημα