Παράκαμψη προς το κυρίως περιεχόμενο
x
Υπεύθυνος Μαθήματος: Θεόδωρος Δαγλής
Κωδικός Μαθήματος: 10500
Διδακτικές Μονάδες: 3
Μονάδες ECTS: 4
Είδος: Ελεύθερης Επιλογής (ΕΕ)
Εξάμηνο: 08 (Εαρινό)
Ώρες: 3 ώρες θεωρία

Το μάθημα "Ποσοτικές Μέθοδοι" αποτελεί μια εισαγωγή στην επιστήμη της στατιστικής και των ποσοτικών μεθόδων και αποσκοπεί στην κατανόηση της χρήσης αριθμητικών δεδομένων για την ανάλυση και τη λήψη αποφάσεων.

 

Βασικές έννοιες στατιστικής (πιθανότητα και βασικοί υπολογισμοί με πιθανότητες), μέτρα θέσης και διασποράς, κατανομές πιθανοτήτων με έμφαση στην κανονική κατανομή, σχεδιασμός έρευνας και μέθοδοι δειγματοληψίας, περιγραφικά μέτρα, έλεγχος υποθέσεων, είδη σφαλμάτων, έλεγχος Χ-τετραγώνου, παραμετρικοί και μη παραμετρικοί έλεγχοι  (διαφορά μέσων και διαμέσων, ανάλυση διακύμανσης), ανάλυση συσχέτισης, γραμμική παλινδρόμηση (απλή και πολλαπλή). Χρήση στατιστικού λογισμικού, όπως SPSS, R ή Excel, για την ανάλυση δεδομένων.

Πρακτικές εφαρμογές σε πραγματικά προβλήματα που αφορούν τη σχεδίαση προϊόντων και συστημάτων.

Στα πλαίσια του εν λόγω μαθήματος, η διδασκαλία μπορεί να περιλαμβάνει πρακτικές ασκήσεις και project που θα επιτρέψουν στους φοιτητές να ασκηθούν στη χρήση των ποσοτικών μεθόδων σε πραγματικές καταστάσεις και πρακτικά προβλήματα.

Το μάθημα "Ποσοτικές Μέθοδοι" παρέχει στους φοιτητές την ικανότητα να συλλέγουν, αναλύουν και ερμηνεύουν ποσοτικά δεδομένα, καθιστώντας τους πιο αποτελεσματικούς στη λήψη αποφάσεων και στην επίλυση προβλημάτων που αφορούν τη σχεδίαση προϊόντων και συστημάτων.

Στόχοι

  • Κατανόηση των βασικών αρχών της στατιστικής: Το μάθημα ξεκινά με την εξήγηση των βασικών εννοιών, όπως η πιθανότητα, ο μέσος όρος, η διακύμανση και η κανονική κατανομή.
  • Μεθοδολογίες συλλογής δεδομένων: Εξετάζονται διάφορες τεχνικές συλλογής δεδομένων, στα πλαίσια μίας έρευνας, πειράματος, καθώς και μέθοδοι δειγματοληψίας.
  • Εξειδικευμένες αναλύσεις: Το μάθημα χρησιμοποιεί προηγμένες ποσοτικές μεθόδους, όπως η ανάλυση διακύμανσης, η συσχέτιση και η γραμμική παλινδρόμηση.
  • Χρήση λογισμικού: Οι φοιτητές θα εκπαιδευτούν στη χρήση συγκεκριμένου λογισμικού (όπως το SPSS, R ή Excel) για την εκτέλεση στατιστικών αναλύσεων και τη διερεύνηση δεδομένων.
  • Εφαρμογές σε πραγματικά προβλήματα: Το μάθημα θα παρέχει πρακτικά παραδείγματα εφαρμογών στην σχεδίαση προϊόντων και συστημάτων.