Ποσοτική Ανάλυση Περιβαλλοντικών Δεδομένων
(1) Γενικά
| Σχολή: | Περιβάλλοντος | ||
| Τμήμα: | Ωκεανογραφίας και Θαλασσίων Βιοεπιστημών | ||
| Επίπεδο Σπουδών: | Μεταπτυχιακό | ||
| Κωδικός Μαθήματος: | Εξάμηνο σπουδών: | Α | |
| Τίτλος Μαθήματος: | Ποσοτική Ανάλυση Περιβαλλοντικών Δεδομένων | ||
| Αυτοτελείς Διδακτικές Δραστηριότητες | Εβδομαδιαίες Ώρες Διδασκαλίας | Πιστωτικές Μονάδες | |
| Οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος | 4 | ||
| Σύνολο μονάδων | 6 | ||
| Τύπος Μαθήματος: | Γενικών Γνώσεων | ||
| Προαπαιτούμενα Μαθήματα: | Δεν υπάρχουν προαπαιτούμενα μαθήματα. Απαραίτητα θεωρούνται η επάρκεια χρήσης Ηλεκτρονικού Υπολογιστή και η γνώση βασικών Μαθηματικών. | ||
| Γλώσσα Διδασκαλίας και Εξετάσεων: | Ελληνικά. | ||
| Το Μάθημα προσφέρεται σε Φοιτητές Erasmus: | Όχι | ||
| Ηλεκτρονική Σελίδα Μαθήματος (Url): | https://www.mar.aegean.gr/?lang=gr&lesson=4&pg=3.2.1 | ||
(2) Μαθησιακά Αποτελέσματα
Μαθησιακά Αποτελέσματα
Τα επιδιωκόμενα μαθησιακά αποτελέσματα σε επίπεδο γνώσεων, δεξιοτήτων και ικανοτήτων, συνοψίζονται στα εξής:
- Γνώση περιγραφικών στατιστικών μεθόδων.
- Γνώση της βασικής θεωρίας των δοκιμών μονοδιάστατης στατιστικής ανάλυσης.
- Γνώση των κυριότερων μεθόδων πολυδιάστατης στατιστικής ανάλυσης.
- Ικανότητα στατιστικής επεξεργασίας δεδομένων και ελέγχου υποθέσεων με τη χρήση των λογισμικών R και RStudio.
Γενικές Ικανότητες
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Προσαρμογή σε νέες καταστάσεις
- Λήψη αποφάσεων
- Αυτόνομη εργασία
- Παραγωγή νέων ερευνητικών ιδεών
(3) Περιεχόμενο Μαθήματος
1η εβδομάδα: Μέθοδοι Περιγραφικής Στατιστικής
2η εβδομάδα: Κατανομές-Κεντρικό Οριακό Θεώρημα
3η εβδομάδα: Έλεγχοι υποθέσεων
4η εβδομάδα: Δοκιμή t ενός δείγματος
5η εβδομάδα: Δοκιμές t δύο δειγμάτων, ανεξάρτητων και κατά ζεύγη
6η εβδομάδα: Μη παραμετρικές δοκιμές 2 δειγμάτων, ανεξάρτητων και κατά ζεύγη
7η εβδομάδα: Δοκιμή ANOVA ενός παράγοντα και μη παραμετρική Kruskal-Wallis
8η εβδομάδα: Post-hoc Δοκιμές μετά την ANOVA ενός παράγοντα-
9η εβδομάδα: Απλή και Πολλαπλή Γραμμική Παλινδρόμηση
10η εβδομάδα: Παραμετρικές και μη παραμετρικές Δοκιμές Συμμεταβολής
11η εβδομάδα: Εισαγωγή στην Πολυδιάστατη Ανάλυση
12η εβδομάδα: Ανάλυση κατά συστάδες
13η εβδομάδα: Ανάλυση Κύριων Συνιστωσών
14η εβδομάδα: Εφαρμογές στην παράκτια διαχείριση με τα λογισμικά R και RStudio
(4) Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση
| Τρόπος Παράδοσης: | Πρόσωπο με πρόσωπο-Χρήση μεθόδων τηλεκπαίδευσης | ||||||||||||||||||
| Χρήση Τεχνολογιών, Πληροφορίας & Επικοινωνιών: | Παραδόσεις στον πίνακα-Χρήση μεθόδων τηλεκπαίδευσης.
Το μάθημα υποστηρίζεται για τους εγγεγραμμένους στο μάθημα φοιτητές από την πλατφόρμα e-class στην διεύθυνση https://eclass.aegean.gr/courses/MAR188/
Οι φοιτητές ασκούνται στα λογισμικά R και RStudio | ||||||||||||||||||
| Οργάνωση Διδασκαλίας: |
| ||||||||||||||||||
| Αξιολόγηση Φοιτητών: | Με ατομικές εργασίες σε επιλεγμένα θέματα.
Οι φοιτητές και φοιτήτριες μετά τις εξετάσεις μπορούν να ελέγξουν τα γραπτά τους και να ζητήσουν διευκρινήσεις για τον τρόπο βαθμολόγησής τους. |
(5) Συνιστώμενη Βιβλιογραφία
- Προτεινόμενη Βιβλιογραφία:
- Εγχειρίδια του μαθήματος:
- Παρουσιάσεις διδασκόντων στις διαλέξεις (https://eclass.aegean.gr/courses/MAR188/)
- Συμπληρωματική βιβλιογραφία:
- Zar, J.H., 2010. Biostatistical Analysis, 5th Edition. ISBN-13: 978-0321656865, Northern Illinois University.
- Sharma, S., 1996. Applied Multivariate Techniques. ISBN: 978-0-471-31064-8, 512 pages, Wiley.
- http://manuals.bioinformatics.ucr.edu/home/programming-in-r
- http://cran.r-project.org/doc/manuals/R-intro.html
- Συναφή επιστημονικά περιοδικά:
- Journal of Statistical Software