Παρουσίαση/Προβολή

Διδάσκοντες

Στέλιος Ζήμερας 

Dr. Stelios Zimeras holds a BSc. (Hons) on Statistics and Insurance Sciences from University of Piraeus (5fth in the rank) and Ph.D. on Statistics from the University of Leeds, U.K. He had received a full scholarship (fees and maintenance) during his research studies (1993-1997) from the University of Leeds.  Since 2008, he is a full time staff member (Assistant Prof) on statistics and probabilities at the Department of Mathematics, Division of Statistics and Financial-Actuarial Mathematics, University of the Aegean, Samos, Greece. He had worked as post-doc at University of Leeds, Department of Electrical Engineering (funded by EPSRC), at IRISA/INRIA-VISTA PROJECT institute, France (funded by EUMETSAT-ESA) and at MedCom GmbH, Germany (funded by Marie-Curie grants). Finally 2011-2012 he had worked during his sabbatical in University of Piraeus, Department of Digital Systems, in computer virus modelling.

In 2008 he has nominated the Best Paper for the 5th International Conference on Energy and Development - Environment - Biomedicine 2011 (EDEB '11) with title “Spatial Uncertainty”, pp. 203-208, by S. Zimeras, Y. Matsinos. He has involved in national and international projects (FP7, ESPA, Marie-Curie) involving Data Processing. Finally, he has publish 42 papers, 20 chapters in books, and 46 conference papers.  

His published material and presentations are on a number of topics of Data Processing, Statistical Simulations, Image analysis, Medical Image analysis, Spatial Statistics, Telemedicine, and Statistical Modelling with applications in biology, ecology, and medicine, statistical epidemiology, and Bayesian statistics. He has been a member of a number of professional and scientific societies and associations; while he is a reviewer for a number of conferences.  

Περιεχόμενο μαθήματος

• Εισαγωγή – μορφές κατηγορικών δεδομένων
• Πίνακες συνάφειας – Ανεξαρτησία – έλεγχοι ποσοστών
• Δειγματολήψια Poisson, πολυωνυμική, ανεξάρτητη πολυωνυμική – δοκιμασία καλής προσαρμογής
• Έλεγχος ανεξαρτησίας x²
• Μέθοδος μέγιστης πιθανοφάνειας – λόγος πιθανοφανειών
• Μέτρα συνάφειας
• Μέτρα κινδύνου για κατηγορικά δεδομένα
• Λογιστική παλινδρόμηση

Μαθησιακοί στόχοι

Κατά την περάτωση των ενοτήτων του μαθήματος, οι φοιτητές θα αποκτήσουν γνώσεις πάνω: στις κατανομές κατηγορικών δεδομένων, στην χρήση πιθανοτήτων σε συνδυασμό με την ανάλυση κατηγορικών δεδομένων, στην χρήση μεθόδων πιθανοφάνειας, στην χρήση μεθόδων καλής προσαρμογής, στην ανάλυση μέτρων συνάφειας, και στην ανάλυση κινδύνων απαραίτητων στην βιοστατιστική. 

Μέθοδοι διδασκαλίας

Η μέθοδος διδασκαλίας που χρησιμοποιείται είναι η διδασκαλία καθ’ έδρας με συμπληρωματική ενίσχυση από πλευράς ασκήσεων τόσο μέσα στην αίθουσα τόσο όσο και κατ’ιδίαν στους φοιτητές.

Μέθοδοι αξιολόγησης

Το μάθημα εξετάζεται στο τέλος του εξαμήνου με εξετάσεις. Κατά την διάρκεια των μαθημάτων δίνονται ασκήσεις με σκοπό να βοηθήσουν την καλύτερη κατανόηση της ύλης του μαθήματος. Οι ασκήσεις λαμβάνονται ως μπόνους κατά το τέλος των εξετάσεων και δεν είναι υποχρεωτικές. Κατά την διάρκεια των μαθημάτων δίνονται αλλά και λύνονται ασκήσεις παλαιότερων ετών με σκοπό οι φοιτητές να κατανοήσουν την μορφή των θεμάτων κατά την περίοδο των εξετάσεων.

Προαπαιτούμενα

Πιθανότητες Ι (331-2055) , Πιθανότητες ΙΙ) (331-2306), Στατιστική Ι (331-2158), Στατιστική ΙΙ (331-2454) και Εφαρμοσμένη Γραμμική Άλγεβρα Ι (331-1170).

Προτεινόμενα συγγράμματα

Σημειώσεις διδάσκοντα (διαφάνειες).

Βιβλιογραφία

• Agresti, A. (1990). Categorical Data Analysis, Wiley.

• Agresti, A. (1996). An Introduction to Categorical Data Analysis Wiley.

Ομάδα στόχος

Φοιτητές τμήματος Στατιστικής με θεματικές περιοχές: Πιθανότητες, Στατιστική, Βιοστατιστική, Ιατρική Στατιστική.