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.
Εκπαιδευτής: Ιωάννης Καραγιώτας
Στατιστικολόγος
Στατιστικολόγος
Έναρξη: Καθημερινά
Περίληψη Μαθήματος
Στο παρόν μάθημα, αναλύονται λεπτομερώς όλες οι απαραίτητες ορολογίες στο πλαίσιο της περιγραφικής στατιστικής και της θεωρίας πιθανοτήτων, ξεκινώντας από τις αντίστοιχες θεμελιώδεις έννοιες των πεδίων αυτών.
Αρχίζοντας από τους βασικούς ορισμούς του δείγματος, της μεταβλητής και της πιθανότητας, παρουσιάζονται όλα τα απαραίτητα βήματα που χρειαζόμαστε για την εκτίμηση και την ερμηνεία των αριθμητικών περιγραφικών μέτρων ενός συνόλου δεδομένων, τις ορθές γραφικές παραστάσεις των μεταβλητών, ανάλογα με το είδος τους, έως και τη διαχείριση των παράτυπων σημείων (outliers). Επίσης, αναλύονται όλες οι απαραίτητες ενέργειες για την δημιουργία και την επεξεργασία πινάκων συχνοτήτων σε ομαδοποιημένα δεδομένα, μαζί με τις αντίστοιχες εκτιμήσεις των αριθμητικών περιγραφικών μέτρων και των ορθών γραφικών παραστάσεων τους.
Η επεξεργασία και η διαχείριση των δεδομένων γίνεται με τη χρήση του λογισμικού IBM SPSS, όπου αναλύονται οι διαδικασίες για την παρουσίαση ορθών στατιστικών αποτελεσμάτων, ξεκινώντας από τα εισαγωγικά βήματα χρήσης και εξοικείωσης του χρήστη με το περιβάλλον του λογισμικού, την εισαγωγή των δεδομένων και τον ορισμό των μεταβλητών έως και την στατιστική επεξεργασία τους σύμφωνα με την αντίστοιχη θεωρία του παρόντος διαδικτυακού μαθήματος.
Η επιτυχής ολοκλήρωση του μαθήματος αυτού, θα ενισχύσει το ακαδημαϊκό υπόβαθρο των συμμετεχόντων στο πλαίσιο της περιγραφικής στατιστικής και της χρήση του λογισμικού στατιστικής επεξεργασίας IBM SPSS, με σκοπό την ορθή εκπόνηση στατιστικής ανάλυσης για σύνταξη ερευνητικών αναφορών καθώς και την εξοικείωση με ορολογίες που είναι απαραίτητες για το επόμενο στάδιο της επαγωγικής στατιστικής και των ελέγχων υποθέσεων.
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.
Διάρκεια Μαθήματος
Το μάθημα μπορείτε να το ξεκινήσετε οποτεδήποτε το επιθυμείτε. Η προτεινόμενη 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 και με βάση το προγραμματισμό τον οποίο εσείς καθορίζετε. Η προτεινόμενη διάρκεια έχει οριστεί με το σκεπτικό να έχετε συχνή ενασχόληση με το υλικό του μαθήματος. Την πραγματική διάρκεια την ορίζεται εσείς με βάση τον προσωπικό σας προγραμματισμό.
Ο απαιτούμενος φόρτος του μαθήματος είναι 30 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 και γεγονότα | ||
| Ορισμός πιθανότητας | ||
| Δεσμευμένη πιθανότητας (Bayes) – Μέρος 1ο | ||
| Δεσμευμένη πιθανότητας (Bayes) – Μέρος 2ο | ||
| Στοιχεία συνδυαστικής |
Τυχαίες Μεταβλητές
| Τυχαία μεταβλητή | ||
| Ορισμός ποιοτικών και ποσοτικών δεδομένων | ||
| Είδη μεταβλητών |
Κυριότερες κατανομές πιθανοτήτων
| Συναρτήσεις πιθανοτήτων (απλές) | ||
| Συναρτήσεις πιθανοτήτων (αθροιστικές) | ||
| Διακριτές κατανομές πιθανοτήτων (Bernoulli, Δυωνυμική) | ||
| Διακριτές κατανομές πιθανοτήτων (Γεωμετρική, Αρνητική Δυωνυμική, Poisson) | ||
| Συνεχείς κατανομές πιθανοτήτων – Μέρος 1ο | ||
| Συνεχείς κατανομές πιθανοτήτων – Μέρος 2ο |
Ροπές κατανομών
| Ροπές κατανομών – Μέρος 1ο | ||
| Ροπές κατανομών – Μέρος 2ο | ||
| Εφαρμογές Θεωρίας Πιθανοτήτων |
Στοιχεία Εκτιμητικής
| Στοιχεία Εκτιμητικής και τυχαίο δείγμα | ||
| Κατηγορίες Εκτιμητικής |
Αριθμητικά Περιγραφικά Μέτρα
| Εισαγωγή στα αριθμητικά περιγραφικά μέτρα | ||
| Μέτρα κεντρικής τάσης | ||
| Mέτρα Διασποράς Μεταβλητότητας | ||
| Μέτρα ασυμμετρίας | ||
| Περιγραφή Κατανομής | ||
| Διαστήματα εμπιστοσύνης |
Γραφικές Μέθοδοι Δεδομένων
| Γραφικές παραστάσεις ποιοτικών δεδομένων (ραβδόγραμμα, κυκλικό διάγραμμα) | ||
| Γραφικές παραστάσεις ποσοτικών δεδομένων (ιστόγραμμα, θηκόγραμμα) |
Παράτυπα Σημεία
| Αναγνώριση και διαχείριση ακραίων τιμών (1ο Μέρος) | ||
| Αναγνώριση και διαχείριση ακραίων τιμών (2ο Μέρος) |
Παραδείγματα
| Εκτίμηση δείγματος κατανομής | ||
| Ιστόγραμμα και θηκόγραμμα δείγματος κατανομής | ||
| Κανονική Κατανομή | ||
| Κατανομή T-Student | ||
| Κατανομή x chi-square και κατανομή F |
Εφαρμογές με την χρήση του SPSS
| SPSS Μέρος 1ο | ||
| SPSS Μέρος 2ο | ||
| SPSS Μέρος 3ο | ||
| SPSS Μέρος 4ο | ||
| SPSS Μέρος 5ο | ||
| SPSS Μέρος 6ο | ||
| SPSS Μέρος 7ο | ||
| SPSS Μέρος 8ο |
Ορισμός Ομαδοποιημένων Δεδομένων
| Ορισμός & Διαχείριση Ομαδοποιημένων 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 | ||
| Περιγραφικά μέτρα ομαδοποιημένων δεδομένων | ||
| Παραδείγματα Περιγραφικών μέτρων ομαδοποιημένων δεδομένων |
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.
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.
Share on facebook
Share on twitter
Share on linkedin
Ιωάννης Καραγιώτας
Στατιστικολόγος
Ιδρυτής της KQS Analytics
Ο Ιωάννης Καραγιώτας είναι, πτυχιούχος μαθηματικός με ειδίκευση στη στατιστική επεξεργασία δεδομένων και κάτοχος μεταπτυχιακού τίτλου στη στατιστική και μαθηματική μοντελοποίηση.
Κατά τις μεταπτυχιακές σπουδές του εξειδικεύτηκε περαιτέρω σε θέματα πολυδιάστατης στατιστικής, μαθηματικής μοντελοποίησης, δειγματοληψίας και ανάλυσης δειγματοληπτικών δεδομένων ενώ εκπόνησε την διπλωματική του εργασία σε συνεργασία με το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών της Πολυτεχνικής Σχολής του ΑΠΘ, όπου και εργάσθηκε στην ανάλυση μη παραμετρικής αιτιότητας για πολυδιάστατες χρονοσειρές από πολυμεταβλητά χαοτικά δυναμικά συστήματα. Έχει εργασθεί πάνω σε πληθώρα στατιστικών αναλύσεων ακαδημαϊκού και ερευνητικού ενδιαφέροντος, είναι συ-συγγραφέας επιστημονικών δημοσιεύσεων ενώ τον Σεπτέμβριο του 2020 ίδρυσε την εταιρεία στατιστικών αναλύσεων και δειγματοληπτικών ερευνών, KQS Analytics, με έδρα την Θεσσαλονίκη.
Κατά τις μεταπτυχιακές σπουδές του εξειδικεύτηκε περαιτέρω σε θέματα πολυδιάστατης στατιστικής, μαθηματικής μοντελοποίησης, δειγματοληψίας και ανάλυσης δειγματοληπτικών δεδομένων ενώ εκπόνησε την διπλωματική του εργασία σε συνεργασία με το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών της Πολυτεχνικής Σχολής του ΑΠΘ, όπου και εργάσθηκε στην ανάλυση μη παραμετρικής αιτιότητας για πολυδιάστατες χρονοσειρές από πολυμεταβλητά χαοτικά δυναμικά συστήματα. Έχει εργασθεί πάνω σε πληθώρα στατιστικών αναλύσεων ακαδημαϊκού και ερευνητικού ενδιαφέροντος, είναι συ-συγγραφέας επιστημονικών δημοσιεύσεων ενώ τον Σεπτέμβριο του 2020 ίδρυσε την εταιρεία στατιστικών αναλύσεων και δειγματοληπτικών ερευνών, KQS Analytics, με έδρα την Θεσσαλονίκη.
Αξιολογήσεις
Δεν υπάρχει ακόμη αξιολόγηση για το μάθημα