Χαρακτηριστικά μαθήματος

Κύριος στόχος του μαθήματος είναι η εξοικείωση των μεταπτυχιακών φοιτητών με βασικές αρχές και μεθόδους της Βιοστατιστικής και τις εφαρμογές τους. Ιδιαίτερη έμφαση θα δοθεί σε πρακτικές εφαρμογές και η εξοικείωση με σύγχρονα υπολογιστικά στατιστικά συστήματα.

Εκπαιδευτικοί στόχοι

Οι φοιτητές μετά το πέρας της εκπαιδευτικής διαδικασίας θα πρέπει να είναι σε θέση να κατανοούν πολύπλοκες στατιστικές μελέτες και να αναλύουν ιατρικά / κλινικά δεδομένα και να συντάσσουν δικές τους μελέτες.

Περιγραφή μαθήματος

Το μάθημα περιλαμβάνει 11 ενότητες, οι οποίες αναλύονται παρακάτω

Εισαγωγή στη Στατιστική

• Αξιοποίηση Δεδομένων με Πίνακες και Γραφήματα
• Περιγραφή, Διερεύνηση και Σύγκριση Δεδομένων
• Εισαγωγή στην θεωρία Πιθανότητων και τυχαίες μεταβλητές
• Διακριτές Κατανομές Πιθανoτήτων
• Τυπική Κανονική Κατανομή Πιθανoτήτων
• Εκτίμηση Παραμέτρων και Προσδιορισμός Μεγέθους Δείγματος και στοιχεία σχεδιασμού πειράματος
• Έλεγχος Υπόθεσης
• Έλεγχος Υπόθεσης
• Συσχέτιση και Παλινδρόμηση
• Ειδικά θέματα εφαρμογών: Σπάνιες παθήσεις και μοντέλα σπανίων ενδεχομένων
• Σύντομη εισαγωγή στην μηχανική μάθηση (machine learning)

Τρόπος διεξαγωγής του μαθήματος

• Σχετική Θεωρία
• Παράθεση προβλήματος / παραδείγματος
• Επίλυση προβλήματος
• Ασκήσεις για επίλυση
• Πρακτική εξάσκηση στη χρήση του της γλώσσας python, και των ειδικών βιβλιοθηκών pandas, matplotlib, statsmodels μεταξύ άλλων

Σύνδεσμος e-class : θα προστεθεί στις αρχές Σεπτεμβρίου

https://eclass.upatras.gr/courses/