ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ

Transcript

1 Μ Π ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΕΙΔΙΚΕΥΣΗΣΣ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

2 ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΕΙΔΙΚΕΥΣΗΣ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΠΛΗΡΟΥΣ ΦΟΙΤΗΣΗΣ ΑΝΤΙΚΕΙΜΕΝΟ ΣΠΟΥΔΩΝ Το πρόγραμμα σπουδών στοχεύει: Στην άρτια επιστημονική κατάρτιση και εξειδίκευση επιστημόνων με γνώσεις Στατιστικής στην επιστήμη της Στατιστικής και τις εφαρμογές της, ώστε να έχουν τη δυνατότητα να αντιμετωπίζουν με επιστημονικό τρόπο και να επιλύουν ποσοτικά προβλήματα που αντιμετωπίζει ο δημόσιος και ιδιωτικός τομέας. Η μεταπτυχιακή εκπαίδευση των φοιτητών στο προτεινόμενο πρόγραμμα στοχεύει επίσης στη δημιουργία στελεχών που να έχουν τη δυνατότητα να ανταγωνίζονται στον συγκεκριμένο επιστημονικό κλάδο αντίστοιχους επιστήμονες από τα καλύτερα Ευρωπαϊκά Πανεπιστήμια. ΧΡΟΝΙΚΗ ΔΙΑΡΚΕΙΑ Η χρονική διάρκεια φοίτησης ορίζεται σε δύο διδακτικά εξάμηνα και επιπλέον ένα εξάμηνο έως ένα έτος για την εκπόνηση διατριβής. ΔΙΔΑΚΤΡΑ Τα δίδακτρα για το Μεταπτυχιακό Δίπλωμα Ειδίκευσης στη Στατιστική Πλήρους Φοίτησης ανέρχονται σε ευρώ, τα οποία καταβάλλονται σε δόσεις ανά εξάμηνο σπουδών. Για συμμετοχή στις διαδικασία επιλογής κάθε υποψήφιος πρέπει να καταβάλει παράβολο 30 ευρώ. ΟΡΟΙ ΦΟΙΤΗΣΗΣ Όταν αποφασίζεται η προκήρυξη των θέσεων, η Γ.Σ.Ε.Σ. καθορίζει τα μαθήματα που θα προσφέρονται κάθε εξάμηνο, ποια από αυτά θα είναι υποχρεωτικά, καθώς επίσης και τον αριθμό των ωρών διαλέξεων και φροντιστηριακών ασκήσεων για κάθε μάθημα. Η διδασκαλία και οι εξετάσεις θα γίνονται στην Αγγλική γλώσσα, εκτός εάν όλοι οι συμμετέχοντες είναι ελληνόφωνοι, οπότε τα μαθήματα θα γίνονται και στην Ελληνική γλώσσα, ενώ η βιβλιογραφία και η αρθρογραφία θα καλύπτει Ελληνικές και Διεθνείς πηγές. Η παρακολούθηση των μαθημάτων είναι υποχρεωτική και απουσία από διαλέξεις πέραν του 25% του συνόλου των ωρών διδασκαλίας ανά μάθημα συνιστά αποτυχία στο αντίστοιχο μάθημα. Οι φοιτητές υποβάλλονται στο τέλος κάθε εξαμήνου σε εξετάσεις σε όλα τα μαθήματα που διδάχθηκαν στο εξάμηνο αυτό. Δεν υπάρχει περιορισμός στον αριθμό των μαθημάτων που θα επιτρέπεται σε κάθε φοιτητή να μην επιτύχει στις εξετάσεις (μαζί με τις επαναληπτικές). Όμως, θα έχει το δικαίωμα να εξεταστεί στα μαθήματα αυτά μία ακόμα φορά μέχρι τον 2

3 επόμενο Σεπτέμβριο (δηλαδή κάθε μάθημα μπορεί να το εξεταστεί maximum 3 φορές). Αν αποτύχει σε τουλάχιστον ένα μάθημα μετά και από την 3 η εξέταση παίρνει ένα πιστοποιητικό για τα μαθήματα που πέρασε και ολοκληρώνει τη φοίτησή του. Οι μεταπτυχιακοί φοιτητές έχουν δικαίωμα να εκφράζουν εγγράφως, στη Γραμματεία Μεταπτυχιακών Σπουδών του Τμήματος, παράπονα ή να υποβάλλουν ενστάσεις σε αποφάσεις που έχουν ληφθεί από το Τμήμα και αφορούν τη λειτουργία του Μεταπτυχιακού Προγράμματος. ΥΠΟΤΡΟΦΙΕΣ Οι φοιτητές που γίνονται δεκτοί στο πρόγραμμα πλήρους φοίτησης της Στατιστικής και οι οποίοι έχουν βαθμό πτυχίου πάνω από 8 (οκτώ) απαλλάσσονται από το 1/3 των συνολικών διδάκτρων. Μερική ή ολική απαλλαγή από τα δίδακτρα μπορεί επίσης να δοθεί για φοιτητές οι οποίοι έχουν εξαιρετικές επιδόσεις (άριστα) στη διάρκεια των σπουδών τους, κατόπιν εισηγήσεως του υπευθύνου και του Διευθυντή του προγράμματος και εγκρίσεως της Γ.Σ.Ε.Σ.. ΚΑΤΗΓΟΡΙΕΣ ΠΤΥΧΙΟΥΧΩΝ ΠΟΥ ΓΙΝΟΝΤΑΙ ΔΕΚΤΟΙ Στο ΠΜΣ γίνονται δεκτοί πτυχιούχοι Τμημάτων Στατιστικής της ημεδαπής και της αλλοδαπής, με μέσο όρο πτυχίου τουλάχιστον «Λίαν Καλώς». Γίνονται επίσης δεκτοί, με υπολογισμό των κριτηρίων του Ν. 2083/92, πτυχιούχοι άλλων τμημάτων ΑΕΙ και ΤΕΙ της Ελλάδας ή ομοταγών τμημάτων του εξωτερικού. Η επιλογή για το πρόγραμμα γίνεται σε δύο φάσεις. Στην πρώτη φάση γίνεται επιλογή υποψηφίων με βάση τα στοιχεία που θα υποβληθούν (σπουδές, συστάσεις, κ.λ.π.). Για κάθε υποψήφιο είναι υποχρεωτική η κατάθεση δύο συστατικών επιστολών. Όσοι επιλεγούν με τη διαδικασία αυτή θα κληθούν σε προφορική συνέντευξη. Για τον καθορισμό της σειράς επιτυχίας λαμβάνονται υπόψη, με συντελεστές βαρύτητας που καθορίζει η Γ.Σ.Ε.Σ., κριτήρια επιλογής στα οποία περιλαμβάνονται: γενικός βαθμός πτυχίου (τουλάχιστον «Λίαν Καλώς») προφορική συνέντευξη, το επίπεδο γνώσης της Αγγλικής γλώσσας, η τυχόν προϋπάρχουσα ερευνητική δραστηριότητα και όποια άλλα κριτήρια υιοθετήσει η Γ.Σ.Ε.Σ. ΑΡΙΘΜΟΣ ΕΙΣΑΚΤΕΩΝ Ο αριθμός των εισακτέων καθορίζεται στο τέλος του ακαδημαϊκού έτους για το επόμενο ακαδημαϊκό έτος, όταν αποφασίζεται η αντίστοιχη προκήρυξη. 3

4 ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ Για το Μεταπτυχιακό Δίπλωμα Ειδίκευσης στη Στατιστική Πλήρους Φοίτησης απαιτείται η παρακολούθηση και επιτυχής εξέταση σε δώδεκα μαθήματα, διάρκειας 6 εβδομάδων το καθένα. Το πρόγραμμα διαμορφώνεται ως εξής: 1. Το 1 ο εξάμηνο περιλαμβάνει 4 υποχρεωτικά για όλους μαθήματα (σύνολο 30 ECTS) 2. Στο 2o εξάμηνο κάθε φοιτητής επιλέγει 2 από τα 3 πακέτα μαθημάτων εύρους 6 εβδομάδων (σύνολο 30 ECTS). 3. Οι 3 αυτές ομάδες είναι: Applied Statistics, A Computational Statistics, B Stochastics, C 4. Κάθε πακέτο μαθημάτων περιέχει τέσσερα μαθήματα. 5. Το 4 ο μάθημα κάθε κατεύθυνσης περιγράφεται γενικά καθώς αλλάζει από χρονιά σε χρονιά. ΠΡΟΓΡΑΜΜΑ ΜΑΘΗΜΑΤΩΝ Α Εξάμηνο Β Εξάμηνο Υποχρεωτικά για όλους Probability for Statistics (7,5 ΕCTS 36 ώρες) Computational Statistics Databases (7,5 ΕCTS 36 ώρες) Generalized Linear Models (7,5 ΕCTS 36 ώρες) Data Analysis (7,5 ΕCTS 36 ώρες) Α Πακέτο Applied Statistics Time Series Analysis (4 ΕCTS 18 ώρες) Biostatistics (4 ECTS 18 ώρες) Advanced Survey Sampling Methods (3,5 ΕCTS 18 ώρες) Advanced Models (3,5 ECTS 18 ώρες) Β Πακέτο Computational Statistics Statistical Learning (4 ΕCTS 18 ώρες) Bayesian Models in Statistics (4 ECTS 18 ώρες) Financial Econometrics (3,5 ECTS 18 ώρες) Topics in Statistics (3,5 ECTS 18 ώρες) Γ Πακέτο Stochastics Probability Theory (4 ECTS 18 ώρες) Advanced Stochastic Processes (4 ECTS 18 ώρες) Stochastic Models in Finance (3,5 ECTS 18 ώρες) Topics in Stochastics (3,5 ECTS 18 ώρες) 4

5 ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΩΝ Α Εξάμηνο Probability for statistics Basic probability and probability distributions, introduction to stochastic processes, likelihood, sufficiency, significance tests, hypothesis testing, introduction to Bayesian statistics, elements of asymptotic theory, basic asymptotic results. Computational Statistics Data Bases Η λέξη δεδομένα είναι έντονα συνδεδεμένη με την επιστήμη τη στατιστικής. Η ικανότητα να αποκτήσει πρόσβαση, να συνδυάσει και να διαχειριστεί τα δεδομένα του ένας στατιστικός είναι ένα σημαντικό βήμα πριν την οποιαδήποτε στατιστική ανάλυση. Ειδικά στις μέρες μας όπου η αφθονία δεδομένων δημιουργεί καινούριες και μεγαλύτερες ανάγκες διαχείρισης των δεδομένων. Στα πλαίσια λοιπόν αυτού του μαθήματος θα προσπαθήσουμε να συζητήσουμε θέματα σχετικά με τις βάσεις δεδομένων, το σχεδιασμό και τη διαχείριση τους με κατάλληλα και σύγχρονα εργαλεία και ιδέες από το κομμάτι του Business intelligence όπως αποθήκες δεδομένων, χρήση της SQL, κύβοι δεδομένων, OLAP, big data systems, queries κλπ. Κατά τη διάρκεια του μαθήματος θα χρησιμοποιηθεί η γλώσσα R για την υλοποίηση αρκετών από τις έννοιες που θα αναπτυχθούν και στη συνέχεια θα παρουσιαστούν σύγχρονες τεχνικές οπτικοποίησης των δεδομένων, αλλά και τεχνικές προσομοίωσης και χρήσης του υπολογιστή για προβλήματα στατιστικής συμπερασματολογίας, όπως οι μέθοδοι Bootstrap, randomization, jackknife και άλλες σχετικές. Generalized Linear Models Introduction to modeling through linear equations, exponential family and components of a GLM, binary data, logistic models, contingency tables, loglinear models, Poisson data, normal data, gamma data, normal mixed models, GLMM models. Data Analysis Projects on regression, design of experiments, ANOVA, likelihood fitting, normal longitudinal data, GLM for dependent observations, Bayesian modeling. 5

6 Β Εξάμηνο Πακέτο Α Applied Statistics Time Series Analysis Οι έννοιες αυστηρής και δευτέρας τάξεως στασιμότητας, Ορισμός και ιδιότητες της συνάρτησης αυτο συσχέτισης στάσιμης χρονολογικής ανελίξεως, Έλεγχος ανεξαρτησίας, Παραμετρική και μη παραμετρική αποσύνδεση συνιστωσών χρονολογικών σειρών, Μέθοδος διαφορών, Στατιστικές ιδιότητες δειγματικού μέσου, Εκτίμηση της συνάρτησης αυτο συσχέτισης και ιδιότητες της δειγματικής κατανομής της, Γραμμικές χρονοσειρές, Πρόγνωση στάσιμων χρονοσειρών και η συνάρτηση μερικής αυτοσυσχέτισης, Αυτοπαλίνδρομα και Κινητού Μέσου υποδείγματα (ARMA) για στάσιμες χρονολογικές σειρές, Αναπαραστάσεις γενικού γραμμικού τύπου των υποδειγμάτων ARMA και συνθήκες στασιμότητας αντιστρεψιμότητας, Θεώρημα διαμέρισης του Wold, Υπολογισμός των συναρτήσεων αυτοσυνδιακήμανσης και μερικής αυτοσυσχέτισης για μοντέλα ARMA, Εκτίμηση των παραμέτρων ενός AR(p), Ασυμπτωτικές ιδιότητες, επάρκεια, Υποκειμενικά και αντικειμενικά κριτήρια επιλογής ARMA υποδειγμάτων. Biostatistics Basic principles, hazard and Survival functions. Parametric methods likelihood function. Nonparameric methods: Kaplan Meier, Greenwood formula, Nelson Aalen estimator; Grpahical methods for goodness of fit. Cox Regression, non proportional hazards models (ACF etc). Competing Risks; Random effect models; model selection. Martingales approach in survival. Advanced Survey Sampling Methods Basic theory of sampling from finite populations, Use of auxiliary information in estimation, Calibration and Generalized Regression, Two phase sampling, Dual frame sampling, Domain estimation, small area estimation, Variance estimation in complex surveys (linearization, replication methods), Non sampling errors: Non response and Imputation, Sampling rare populations, indirect sampling, Use of models in survey sampling. Advanced Models (Population Models) The Role of Demographic Statistics, Populations: Open and closed, de facto and de jure populations. Sources of Demographic data. Cohort and case control studies. Lexis Diagram, Demographic Measures, Demographic databases. Sampling design and Inference. Agespecific rates and probabilities of vital events. Exposed to risk populations. Standardization techniques. The life table as a single decrement process. Stochastic investigation of life table functions. Survival function, force of mortality. Multiple decrement processes. Modeling mortality patterns. Parametric and nonparametric modeling. Mortality forecasting techniques. Fertility measures. Modeling fertility patterns. Parametric and nonparametric modeling. Population projections and forecasting techniques. Uncertainty in demographic forecasts: Concepts issues and evidence. Small area estimates and forecasts. 6

7 Πακέτο B Computational Statistics Statistical Learning Unsupervised learning: association rules, clustering, self organizing maps Supervised Learning: LDA, QDA, k nn, penalized LDA Kernel methods and regularization methods (Ridge, Lasso, Elastic Net) Model Assessment and Selection. Bayesian Models in Statistics Introduction to basic principles of Statistical Modeling Basic principles of Bayesian statistics (conjugate priors, Laplace approximations) MCMC algorithms for the estimation of the posterior distributions (Gibbs sampling, Metropolis Hastings, other algorithms) Model specification in WinBUGS The Deviance Information Criterion (DIC) Some simple examples for Bernoulli, Binomal, 2x2 Contingency Tables, 3 way Tables R2WinBUGS: Running WinBUGS from R Bayesian analysis of Normal linear models Bayesian ANOVA and the use of Dummy variables Bayesian GLMS (Poisson and Binomial models) o Advanced GLM based models and extensions General modeling issues: Model parameterizations and identifiability and priors Introduction to Hierarchical Models Hierarchical models using Examples from WinBUGS Bayesian model comparison and variable selection Financial Econometrics Introduction to Course: Outline of Topics, Basic Econometric Models Mean Variance Portfolio Theory, Return and risk, Portfolio diversification, Construction of optimal portfolios, Basic empirical application. Testing the Capital Asset Pricing Model (CAPM) and Multifactor Models, Market Model, Multifactor models, Multivariate multifactor models, Empirical application. Predicting Asset Returns, Autocorrelations, Alternative predictors and models, Out of sample forecasting performance, Empirical application. Heteroskedasticity Models, Characteristics of financial returns, ARCH, GARCH and EGARCH models, Properties of time varying models, Estimation of heteroskedastic models, Multivariate (G)ARCH models, Empirical application (portfolio construction). Risk Measures, Value at Risk, Expected Shortfall, Empirical application. Panel Data, Introduction to panel data, Fixed effects model, Random effects model, Empirical application. Topics in Statistics (Statistical Process Control) Basic concepts: Phase I/II, common/assignable causes of variation, ARL, ATS, Magnificent Seven, Six Sigma methodology. Control charts for variables, OC curve, variable sample size, estimating the parameters. Control charts for attributes: fraction non conforming (Binomial 7

8 Case), nonconformities (Poisson case) OC curve, Estimating the parameters. CUSUM and EWMA control charts. SPC for Autocorrelated data, Multivariate SPC, Change Point Methodology, Bayesian SPC, Engineering/Algorithmic Process Control, Acceptance Sampling. Πακέτο Γ Stochastics Probability Theory Χώροι Πιθανοτήτων, σ πεδία και μέτρα πιθανότητας. (Το γενικό πλαίσιο.) Borel Cantelli. Τυχαίες Μεταβλητές ως μετρήσιμες συναρτήσεις. Μέση τιμή και ολοκλήρωμα Lebesgue. Έννοιες σύγκλισης τυχαίων μεταβλητών: Με πιθανότητα 1, κατά πιθανότητα, στον L^p και κατά κατανομή. Ασθενής και Ισχυρός Νόμος των Μεγάλων Αριθμών. Δεσμευμένη μέση τιμή και δεσμευμένες πιθανότητες θεώρημα Radon Nikodym. Κεντρικο οριακο θεώρημα. Advanced Stochastic Processes Martingales σε διακριτό και συνεχή χρόνο. Η μαρκοβιανή ιδιότητα. Διαδικασίες Poisson. Κίνηση Brown. To στοχαστικό ολοκλήρωμα του Ito και οι ιδιότητές του. Στοχαστικές διαφορικές εξισώσεις. Stochastic Modeling in Finance Options pricing in the binomial model. Martingales. Stochastic Differential Equations. Change of measure and the Cameron Martin Girsanov theorem. Self financing portfolios. Black Scholes model. Pricing market securities. Interest rate models. Topics in Stochastics Stochastic Epidemic Models Introduction to Stochastic Epidemic Modelling, Stochastic versus deterministic models. Stochastic epidemics in large communities. The Sellke construction, The Markovian case, Exact results. Coupling methods. Examples, Definition of coupling, Applications to epidemics. The threshold limit theorem, The imbedded process, Convergence results, Duration of the Markovian SIR epidemic. Density dependent jump Markov processes. Multitype epidemics. Household model. Epidemics and graphs, Random graph interpretation, Epidemics and social networks. Disease Control. Estimating vaccination policy, Estimation of vaccine efficacy. 8

9 ΕΚΠΟΝΗΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΔΙΑΤΡΙΒΗΣ Μετά την επιτυχή ολοκλήρωση των μαθημάτων του ο κάθε φοιτητής, υπό την επίβλεψη συγκεκριμένου μέλους ΔΕΠ που διδάσκει στο ΜΔΕΣ, εκπονεί ερευνητική ή συνθετική διατριβή/εργασία. Ως προς την εκπόνηση, ισχύουν τα εξής: 1. Η διατριβή (thesis) κάθε φοιτητή παρουσιάζεται και η παρουσίαση έχει θέση εξέτασης (με 3 εξεταστές εκ των οποίων ο ένας θα είναι ο επιβλέπων καθηγητής). Η παρουσίαση γίνεται σε μία από τις τρεις περιόδους, τον Φεβρουάριο, τον Ιούνιο και τον Σεπτέμβριο σε προκαθορισμένο χρόνο. Σε περίπτωση αποτυχίας μπορεί να επανεξεταστεί μια ακόμα φορά μόνο. Αν αποτύχει πάλι o φοιτητής θα πάρει ένα πιστοποιητικό για τα μαθήματα που παρακολούθησε και θα ολοκληρώσει τη φοίτησή του. 2. Κάθε φοιτητής μπορεί να επιλέγει το θέμα της διατριβής του από μια λίστα θεμάτων η οποία θα αναρτάται στη σελίδα του Τμήματος μέχρι τα τέλη Απριλίου. Τα θέματα αυτά μπορούν να είναι ενδεικτικά χωρίς απαραίτητα να προσδιορίζουν με ακρίβεια το θέμα της εργασίας. H τελική ανάθεση των διατριβών γίνεται αποκλειστικά από αυτή τη λίστα των θεμάτων. 3. Κάθε μέλος ΔΕΠ έχει υποχρέωση να συνεισφέρει τουλάχιστον ένα θέμα διατριβής στη λίστα των θεμάτων. 9

10 ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΕΙΔΙΚΕΥΣΗΣ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΜΕΡΙΚΗΣ ΦΟΙΤΗΣΗΣ ΑΝΤΙΚΕΙΜΕΝΟ ΣΠΟΥΔΩΝ Το πρόγραμμα σπουδών στοχεύει: Στην άρτια επιστημονική κατάρτιση και εξειδίκευση επιστημόνων με γνώσεις Στατιστικής στην επιστήμη της Στατιστικής και τις εφαρμογές της, ώστε να έχουν τη δυνατότητα να αντιμετωπίζουν με επιστημονικό τρόπο και να επιλύουν ποσοτικά προβλήματα που αντιμετωπίζει ο δημόσιος και ιδιωτικός τομέας. Η μεταπτυχιακή εκπαίδευση των φοιτητών στο προτεινόμενο πρόγραμμα στοχεύει επίσης στη δημιουργία στελεχών που να έχουν τη δυνατότητα να ανταγωνίζονται στον συγκεκριμένο επιστημονικό κλάδο αντίστοιχους επιστήμονες από τα καλύτερα Ευρωπαϊκά Πανεπιστήμια. Το Μεταπτυχιακό Πρόγραμμα Στατιστικής Μερικής Φοίτησης παρέχει τις εξής κατευθύνσεις: Εφαρμοσμένη Στατιστική Εφαρμοσμένη Στατιστική στην Ιατρική Εφαρμοσμένη Στατιστική στη Διαχείριση Ασφαλιστικών Οργανισμών Ποσοτικές Μέθοδοι στη Λήψη Αποφάσεων ΧΡΟΝΙΚΗ ΔΙΑΡΚΕΙΑ Η χρονική διάρκεια για την απονομή του μεταπτυχιακού τίτλου "Ειδίκευσης στη Στατιστική" (Part Time) ορίζεται σε τέσσερα διδακτικά εξάμηνα από την εγγραφή στο πρόγραμμα και επιπλέον ένα εξάμηνο για την εκπόνηση διατριβής. Ο φοιτητής υποχρεούται να ολοκληρώσει τις σπουδές του εντός της πιο πάνω αναφερόμενης χρονικής διάρκειας. Σε έκτακτες περιπτώσεις η χρονική αυτή διάρκεια μπορεί να παραταθεί μέχρι ένα χρόνο. Μετά από τη λήξη της παράτασης και εφόσον ο φοιτητής δεν έχει συμμορφωθεί διαγράφεται από το Πρόγραμμα. ΔΙΔΑΚΤΡΑ Τα δίδακτρα για το Μεταπτυχιακό Δίπλωμα Ειδίκευσης στη Στατιστική Μερικής Φοίτησης καθορίζονται ως εξής, ανάλογα με την κατεύθυνση: i) Εφαρμοσμένη Στατιστική, ευρώ. ii) Εφαρμοσμένη Στατιστική στην Ιατρική, ευρώ. iii) Εφαρμοσμένη Στατιστική στη Διαχείριση Ασφαλιστικών Οργανισμών, ευρώ. iv) Ποσοτικές Μέθοδοι στη Λήψη Αποφάσεων, ευρώ. Τα δίδακτρα καταβάλλονται σε ισόποσες δόσεις ανά εξάμηνο, ενώ για την εγγραφή απαιτείται προκαταβολή (10% επί του συνόλου των διδάκτρων). Για συμμετοχή στις διαδικασία επιλογής κάθε υποψήφιος πρέπει να καταβάλει παράβολο 30 ευρώ. 10

11 ΟΡΟΙ ΦΟΙΤΗΣΗΣ Όταν αποφασίζεται η προκήρυξη των θέσεων, η Γ.Σ.Ε.Σ. καθορίζει τα μαθήματα που θα προσφέρονται κάθε εξάμηνο, ποια από αυτά θα είναι υποχρεωτικά, καθώς επίσης και τον αριθμό των ωρών διαλέξεων και φροντιστηριακών ασκήσεων για κάθε μάθημα. Η διδασκαλία και οι εξετάσεις θα γίνονται στην Ελληνική γλώσσα, ενώ η βιβλιογραφία και η αρθρογραφία θα καλύπτει Ελληνικές και Διεθνείς πηγές. Η παρακολούθηση των μαθημάτων είναι υποχρεωτική και απουσία από διαλέξεις πέραν του 25% του συνόλου των ωρών διδασκαλίας ανά μάθημα συνιστά αποτυχία στο αντίστοιχο μάθημα. Οι φοιτητές υποβάλλονται στο τέλος κάθε εξαμήνου σε εξετάσεις σε όλα τα μαθήματα που διδάχθηκαν στο εξάμηνο αυτό. Δεν υπάρχει περιορισμός στον αριθμό των μαθημάτων που θα επιτρέπεται σε κάθε φοιτητή να μην επιτύχει στις εξετάσεις (μαζί με τις επαναληπτικές). Όμως, θα έχει το δικαίωμα να εξεταστεί στα μαθήματα αυτά ως εξής: Αν είναι στο Α έτος, δύο ακόμη φορές μέχρι τον επόμενο Σεπτέμβριο (δηλαδή σε κάθε μάθημα μπορεί να εξεταστεί maximum 4 φορές). Αν είναι στο Β έτος, μία ακόμη φορά μέχρι τον επόμενο Σεπτέμβριο (δηλαδή σε κάθε μάθημα μπορεί να εξεταστεί maximum 3 φορές). Αν αποτύχει σε τουλάχιστον ένα μάθημα, μετά και από τις επαναληπτικές εξετάσεις, παίρνει ένα πιστοποιητικό για τα μαθήματα που πέρασε και ολοκληρώνει τη φοίτησή του. Οι μεταπτυχιακοί φοιτητές έχουν δικαίωμα να εκφράζουν εγγράφως, στη Γραμματεία Μεταπτυχιακών Σπουδών του Τμήματος, παράπονα ή να υποβάλλουν ενστάσεις σε αποφάσεις που έχουν ληφθεί από το Τμήμα και αφορούν τη λειτουργία του Μεταπτυχιακού Προγράμματος. ΚΑΤΗΓΟΡΙΕΣ ΠΤΥΧΙΟΥΧΩΝ ΠΟΥ ΓΙΝΟΝΤΑΙ ΔΕΚΤΟΙ Στο ΠΜΣ γίνονται δεκτοί πτυχιούχοι Τμημάτων Στατιστικής της ημεδαπής και της αλλοδαπής. Γίνονται επίσης δεκτοί, με υπολογισμό των κριτηρίων του Ν. 2083/92, πτυχιούχοι άλλων τμημάτων ΑΕΙ και ΤΕΙ της Ελλάδας ή ομοταγών τμημάτων του εξωτερικού. Η επιλογή για το πρόγραμμα γίνεται σε δύο φάσεις. Στην πρώτη φάση γίνεται επιλογή υποψηφίων με βάση τα στοιχεία που θα υποβληθούν (σπουδές, συστάσεις, κ.λ.π.). Όσοι επιλεγούν με τη διαδικασία αυτή θα κληθούν σε προφορική συνέντευξη. Για τον καθορισμό της σειράς επιτυχίας λαμβάνονται υπόψη, με συντελεστές βαρύτητας που καθορίζει η Γ.Σ.Ε.Σ., κριτήρια επιλογής στα οποία περιλαμβάνονται: γενικός βαθμός πτυχίου, προφορική συνέντευξη, το επίπεδο γνώσης της Αγγλικής γλώσσας, η τυχόν προϋπάρχουσα ερευνητική δραστηριότητα και όποια άλλα κριτήρια υιοθετήσει η Γ.Σ.Ε.Σ. ΑΡΙΘΜΟΣ ΕΙΣΑΚΤΕΩΝ Ο αριθμός των εισακτέων καθορίζεται στο τέλος του ακαδημαϊκού έτους για το επόμενο ακαδημαϊκό έτος, όταν αποφασίζεται η αντίστοιχη προκήρυξη. 11

12 ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ Για το Μεταπτυχιακό Δίπλωμα Ειδίκευσης στη Στατιστική Μερικής Φοίτησης απαιτείται η παρακολούθηση και επιτυχής εξέταση σε τουλάχιστον τέσσερα ανά εξάμηνο μαθήματα. Το πρόγραμμα διαμορφώνεται ως εξής: 1. Το 1ο έτος περιλαμβάνει 8 υποχρεωτικά μαθήματα, τα 5 είναι κοινά για όλες τις κατευθύνσεις. 2. Το 2 ο έτος περιλαμβάνει 5 υποχρεωτικά μαθήματα, το 1 είναι κοινό για όλες τις κατευθύνσεις και τα υπόλοιπα είναι ξεχωριστά για κάθε κατεύθυνση και 3 μαθήματα επιλογής από μία κοινή λίστα (σύνολο 10 ECTS). 3. Τα μαθήματα επιλογής έχουν διαφορετικές ECTS μεταξύ τους (σημειώνονται στον παρακάτω πίνακα). 4. Μετά την επιτυχή εξέταση στα μαθήματα του προγράμματος σπουδών (σύνολο 60 ECTS) ακολουθεί η εκπόνηση διπλωματικής εργασίας (σύνολο 30 ECTS). Εφαρμοσμένη Στατιστική Εφαρμοσμένη Στατιστική στην Ιατρική ΠΡΟΓΡΑΜΜΑ ΜΑΘΗΜΑΤΩΝ Εφαρμοσμένη Στατιστική στη Διαχείριση Ασφαλιστικών Οργανισμών Α και Β εξάμηνο (Υποχρεωτικά) 30.5 ECTS Ποσοτικές Μέθοδοι στη Λήψη Αποφάσεων Πιθανότητες Κατανομές (3,5 ECTS) Στατιστική Συμπερασματολογία (3,5 ECTS) Γραμμικά Μοντέλα (3,5 ECTS) Εφαρμογές της Στατιστικής Οικονομικά Μαθηματικά (4,5 ECTS) (4,5 ECTS) Γενικευμένα Γραμμικά Μοντέλα (4,5 ECTS) Βιοστατιστική (4 ECTS) Μέθοδοι Δειγματοληψίας (4 ECTS) Μπεϋζιανή Στατιστική (4 ECTS) Στατιστικός Έλεγχος Ποιότητας (4 ECTS) Χρονοσειρές (3,5 ECTS) Εισαγωγή στην Επιχειρησιακή Έρευνα (3,5 ECTS) Διαχείριση Κινδύνου (4,5 ECTS) Διαχείριση Αποθεμάτων (4 ECTS) Γ και Δ εξάμηνο (Υποχρεωτικά) 29.5 ECTS (19.5 ECTS) Ανάλυση Επιβίωσης (4 ECTS) Κλινικές Δοκιμές (4 ECTS) Επιδημιολογία (4 ECTS) Ανάλυση Κατηγορικών Δεδομένων (4 ECTS) Ασφάλειες Ζωής (4 ECTS) Γενικές Ασφάλειες (4 ECTS) Solvency II (4 ECTS) Επιχειρησιακή Έρευνα Γραμμικός, μη γραμμικός Προγραμματισμός (4 ECTS) Δυναμικός Προγραμματισμός και Εφαρμογές (4 ECTS) Θεωρία Αποθεμάτων και Εφοδιαστικές Αλυσίδες (4 ECTS) Στοχαστικά Μοντέλα στην Ασφαλιστική και στη Διοίκηση (4 ECTS) Πολυμεταβλητή Ανάλυση (3,5 ECTS) 12

13 Γ και Δ εξάμηνο (Επιλογής) ενδεικτική λίστα (10 ECTS) Λογιστική/Ανάλυση Κόστους (3,5 ECTS) Εισαγωγή στη Διοίκηση / Μάρκετινγκ (3,5 ECTS) Δημογραφία (3,5 ECTS) Χρηματοοικονομικά Μαθηματικά (3,5 ECTS) Εφαρμογές στην Ανάλυση Κλινικών Δεδομένων (3,5 ECTS) Μη Παραμετρική Στατιστική (3,5 ECTS) Χρηματοοικονομικά των Ασφαλιστικών Επιχειρήσεων (3,5 ECTS) Επιχειρησιακή Έρευνα ΙΙ Δίκτυα, Διακριτή Βελτιστοποίηση και Εφαρμογές (3,5 ECTS) Εισαγωγή στη μετα ανάλυση (3 ECTS) Αριθμητικές Μέθοδοι στα Χρηματοοικονομικά (3 ECTS) Επαναλαμβανόμενες Μετρήσεις & Μοντέλα Μικτών Επιδράσεων (3 ECTS) Θεωρία Παιγνίων (3 ECTS) Προσομοίωση (3 ECTS) Ειδικά Θέματα Στατιστικής (3 ECTS) 13

14 ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΩΝ Α Εξάμηνο Πιθανότητες Κατανομές Εκτιμητική, διαστήματα εμπιστοσύνης, έλεγχοι υποθέσεων. Μελέτη των κατανομών του ύψους απώλειας και των χαρακτηριστικών τους: Εκθετική, Κανονική κατανομή, Λογαριθμοκανονική, Pareto, Weibull και άλλες. Μεμειγμένες κατανομές, μεμειγμένη εκθετική κατανομή, μεμειγμένη κανονική κατανομή. Εκτίμηση των παραμέτρων των κατανομών, Υπολογισμός της μέση τιμής, της διακύμανσης, των ροπών και άλλων χρήσιμων ποσοτήτων των κατανομών. Προσομοίωση τυχαίων τιμών από τις παραπάνω κατανομές απώλειας. Εφαρμογή σε πραγματικά δεδομένα. Στατιστική Συμπερασματολογία Ιδιότητες δειγματικού μέσου, κεντρικό οριακό θεώρημα, ιδιότητες εκτιμητών, σημειακές συναρτήσεις, διαστήματα εμπιστοσύνης και έλεγχοι υποθέσεων μέσου, διαφορών μέσων, ποσοστού, διαφορών ποσοστών, διακύμανσης. Γραμμικά Μοντέλα Εισαγωγή στη γραμμική παλινδρόμηση. Απλό γραμμικό μοντέλο. Θεωρητικές υποθέσεις. Μεθοδολογία εκτίμησης παραμέτρων. Κριτήρια καλής προσαρμογής. Πίνακας Ανάλυσης διακύμανσης. Έλεγχοι σημαντικότητας παραμέτρων. Ανάλυση Καταλοίπων. Έλεγχος θεωρητικών υποθέσεων. Διαστήματα εμπιστοσύνης της αναμενόμενης τιμής της εξαρτημένης μεταβλητής. Διαστήματα πρόβλεψης. Μη γραμμικά μοντέλα. Πολλαπλή γραμμική παλινδρόμηση. Μέθοδοι επιλογής ανεξαρτήτων μεταβλητών. Κριτήρια καλής προσαρμογής. Εφαρμογές. Εφαρμογές της Στατιστικής Το μάθημα έχει στόχο να εξοικοιώσει τους φοιτητές στη χρήση του SPSS και της R μέσα από τη χρήση παραδειγμάτων. Οικονομικά Μαθηματικά Η έννοια του τόκου Θεωρία Επιτοκίων Συναρτήσεις Ανατοκισμού Είδη Ραντών Προεξόφληση και μέτρα απόδοσης Χρηματοροών Δάνεια Αποτίμηση Αξιόγραφων Επιτόκιο ως τυχαία μεταβλητή Θεωρία Ανοσοποίησης (Immunization) Σύγχρονη Λήξη Περιουσιακών Στοιχείων και Υποχρεώσεων (Asset/Liability Matching) Καμπύλη επιτοκίων ανάλογα με την διάρκεια (term structure) Δικαιώματα προαίρεσης (options). 14

15 Β Εξάμηνο Χρονοσειρές Α. Καθοριστικά Ντετερμινιστικά Υποδείγματα. Προβλέψεις και Χρονολογικές Σειρές. Έννοια Ορισμός Συμβολισμός Παραδείγματα. Είδη Χρονολογικών Σειρών. Συνιστώσες Χρονολογικών Σειρών. Σύνδεση Συνιστωσών Υποδείγματα. Προετοιμασία και έλεγχος δεδομένων. Στατιστικός προσδιορισμός Τάσης. Ενιαίες Μαθηματικές Συναρτήσεις Χρόνου και Επιλογή Υποδείγματος. Πολυωνυμική, Εκθετική, Ασυμπτωτική. Μέθοδος Κινητών Μέσων Όρων. Στατιστικός Προσδιορισμός Εποχικής Συνιστώσας. Σταθερό Εποχικό Πρότυπο. Μεταβλητό Εποχικό Πρότυπο. Β. Στοχαστικά Υποδείγματα. Γ. Εφαρμογές και πακέτο Eviews: Εισαγωγή στο EViews. Γραμμική Παλινδρόμηση Multiple Regression Analysis. Εκτίμηση Ενός Μοντέλου Γραμμικής Παλινδρόμησης. Έλεγχος των Καταλοίπων του Μοντέλου. Εκτίμηση Μοντέλων Γραμμικής Παλινδρόμησης, ARMAX Μοντέλα Autoregressive Moving Average Models with Exogenous. Variables. Επιλογή του Καλύτερου Μοντέλου με Βάση τη Προσαρμογή του στα Δεδομένα. Επιλογή του Καλύτερου Μοντέλου με Βάση τη Προβλεπτική του Ικανότητα Εισαγωγή στην Επιχειρησιακή Έρευνα Η Επιχειρησιακή Έρευνα έχει ως αντικείμενο την ανάπτυξη μεθοδολογίας για την υποστήριξη της διαδικασίας λήψης αποφάσεων. Η μεθοδολογία αυτή βασίζεται κυρίως (αλλά όχι αποκλειστικά) στη μελέτη προτύπων για την ποιοτική κατανόηση και την ποσοτική περιγραφή των πολύπλοκων συστημάτων στην οικονομία, την παραγωγή και την διοίκηση. Η Επιχειρησιακή Έρευνα, μαζί με την Στατιστική είναι οι δύο πυλώνες στους οποίους βασίζεται η ποσοτική ανάλυση για τη λήψη αποφάσεων. Εξέταση της μεθοδολογίας και εφαρμογές του μη γραμμικού προγραμματισμού, με έμφαση στον τετραγωνικό προγραμματισμό. Εισαγωγή στον στοχαστικό προγραμματισμό και τις εφαρμογές του σε προβλήματα οργάνωσης παραγωγής. Αναλυτικότερα: Τυπικά προβλήματα γραμμικού προγραμματισμού. Η μέθοδος Simplex: Ο αλγόριθμος και οι εφαρμογές του. Θεωρία του Δυϊσμού και οικονομική σημασία των δυϊκών μεταβλητών. Ανάλυση ευαισθησίας. Εφαρμογές και μοντελοποίηση. Ο γραμμικός προγραμματισμός ως εργαλείο λήψης αποφάσεων. Εφαρμογές με χρήση λογιστικών φύλλων (spreadsheets). Το πρόβλημα της μεταφοράς και της αντιστοίχησης. Θεωρία, αλγόριθμοι και εφαρμογές. Η μέθοδος Simplex σε δίκτυα. Προβλήματα μέγιστης ροής. Το λήμμα Farkas και το θεώρημα arbitrage. Στοιχεία της θεωρίας αποφάσεων και της θεωρίας παιγνίων. Μαρκοβιανές διαδικασίες αποφάσεων ως προβλήματα γραμμικού προγραμματισμού. Ακέραιος προγραμματισμός και προβλήματα σακιδίου (knapsack problems). Προβλήματα βελτιστοποίησης χωρίς περιορισμούς και με περιορισμούς στον Rn. Θετικά ορισμένοι πίνακες, οι πολλαπλασιαστές Lagrange και η οικονομική τους σημασία. Οι συνθήκες Kuhn Tucker: Παραδείγματα και εφαρμογές. Συνθήκες συμπληρωματικής χαλαρότητας. Τετραγωνικός προγραμματισμός και εφαρμογές. Εισαγωγή στον στοχαστικό προγραμματισμό. Εφαρμογές σε προβλήματα οργάνωσης παραγωγής και ελέγχου αποθεμάτων. 15

16 Γενικευμένα Γραμμικά Μοντέλα Γραμμικά Κανονικά Μοντέλα: Επανάληψη γραμμικής παλινδρόμησης και Μοντέλων ANOVA. Εφαρμογή με SPSS και R. Μοντέλα Ανάλυσης Συνδιακύμανσης: Δημιουργία ψευδομεταβλητών. Χρήση Κατηγορικών Μεταβλητών σε Παλινδρομικά Μοντέλα. Μοντέλα ANCOVA (μοντέλα παράλληλών και μη παράλληλων γραμμών κλπ.). Εφαρμογή σε SPSS και R. Εφαρμογή της ANCOVA στην Ανάλυση Βιοπεριεκτικότητας Εισαγωγή στα γενικευμένα γραμμικά μοντέλα και στη λογιστική παλινδρόμηση. Ορισμός Οdds Ratio και ο ρόλος του στην Ιατρική έρευνα. Σχέση OR από πίνακες 2x2 & λογιστικής παλινδρόμησης. Εφαρμοσμένη ανάλυση διωνυμικών μεταβλητών. Εφαρμογή σε δίτιμα δεδομένα με τη χρήση του SPSS. Δίτιμη Πολλαπλή Λογιστική παλινδρόμηση και μέθοδοι επιλογής μεταβλητών. Logit/Probit Διωνυμικά Μοντέλα λογιστικής παλινδρόμησης στο SPSS. Εφαρμογή σε διωνυμικά δεδομένα με τη χρήση του SPSS. Εισαγωγή στο μοντέλο PROBIT. Άλλες link functions. Poisson Λογαριθμο γραμμικά μοντέλα. Poisson Log linear μοντέλα για 2x2 Πίνακες. Σχέση Poisson Log linear μοντέλα και λογιστικής Παλινδρόμησης. Poisson Log linear μοντέλα στο SPSS. Πολυωνυμική λογιστική παλινδρόμηση. Χρήση Poisson Log linear μοντέλων για πολυωνυμική λογιστική παλινδρόμηση. Πολυωνυμική λογιστική παλινδρόμηση στο SPSS. Εφαρμογή Γενικευμένων Γραμμικών μοντέλων στο R. Παραδείγματα στο R (Logistic, Poisson & Gamma regression models). Βιοστατιστική Εισαγωγή. Τι είναι Επιδημιολογία, Ιστορική Αναδρομή, Βιοστατιστική. Ειδικές Ιατρικές και Επιδημιολογικές Μελέτες. Εισαγωγή κατηγορίες μελετών, Πειραματικές μελέτες και Μελέτες Παρατήρησης, Περιγραφικές και Αιτιολογικές Μελέτες, Σχέσεις Αιτιότητας κριτήρια ελέγχου μιας αιτιολογικής σχέσης, Δευτερογενής Αιτιολογική σχέση, Άμεση και έμμεση σχέση, Αιτιολογικές μελέτες παρατήρησης: Συγχρονικές Διατμηματικές μελέτες, Προοπτικές Μελέτες, Αναδρομικές μελέτες. Εξομοίωση & Έλεγχος Συγχυτικων Παραγόντων. Εξομοίωση (matching), Έλεγχος ισότητας ποσοστών σε δεσμευμένα δείγματα, έλεγχος McNemar, δείκτης συμφωνίας κάπα, Συγχυτικοί παράγοντες και στρωματοποίηση, Έλεγχος ανεξαρτησίας MANTEL HANSZEL για κάθε επίπεδο ενός συγχυτικού Παράγοντα, Διαφοροποίηση επιδράσεων και έλεγχος ομοιογένειας ΛΣΠ, Εκτιμητής MANTEL HAENSZEL κοινού ΛΣΠ για τα επίπεδα ενός συγχυτικού παράγοντα, Εκτίμηση ΛΣΠ σε εξαρτημένα δείγματα. Ανάλυση σε Εξομοιωμένες Μελέτες. ΛΣΠ (OR) σε εξομοιωμένες μελέτες, Παράδειγμα στρωματοποιημένης ανάλυσης & προτυποποίησης, Λογιστική παλινδρόμηση σε μελέτες μαρτύρων ασθενών, Έλεγχος συγχυτικών παραγόντων σε μελέτες μαρτύρων ασθενών με τη χρήση της λογιστικής παλινδρόμηση, Δεσμευμένη λογιστική παλινδρόμηση για εξομοιωμένα δεδομένα. Παραδείγματα με SPSS και R. Eιδικά Θέματα Επιδημιολογίας (π.χ. διατροφική ή ψυχιατρική επιδημιολογία) 16

17 Διαχείριση Κινδύνου Εισαγωγή στην θεωρία Κινδύνου. Κατηγορίες Κινδύνων. Ανάλυση του Ορισμού της διαδικασίας Διαχείρισης Κινδύνου. (Αναγνώριση Μείωση Κράτηση Μεταφορά). Κίνδυνος Επιτοκίου. Μοντέλο Ληκτότητας. Μοντέλο Διάρκειας. Μοντέλο Κυρτότητας. Τεχνικές Αντιστάθμισης με Παράγωγα. Κίνδυνος Αγοράς. Αρχές Διαχείρισης Χαρτοφυλακίου. Το Υπόδειγμα Value at Risk. Τεχνικές Αντιστάθμισης με Παράγωγα για Κίνδυνο Αγοράς. Πιστωτικός Κίνδυνος. Μοντέλα εκτίμησης Πιστωτικού Κινδύνου (Στατιστικά Δομικά). Τεχνικές Αντιστάθμισης με Παράγωγα. Λειτουργικός Κίνδυνος. Τεχνικός Ασφαλιστικός Κίνδυνος. Μορφές Αντασφάλισης. Εισαγωγή σε τεχνικές διαχείρισης χρηματοοικονομικού κινδύνου, value at risk, πιστωτικός κίνδυνος (credit risk). Διαχείριση Αποθεμάτων Εισαγωγικά Ορισμοί. Βασικά βήματα επενδύσεων, Απόδοση, Κίνδυνος, Σχέση Κινδύνου Απόδοσης, Benchmark, Διαφοροποίηση, Τύποι περιουσιακών στοιχείων, Πελάτες του χρηματοοικονομικού συστήματος. Ομόλογα, Τι είναι Ομόλογο, Bond Indenture, Κατηγορίες Ομολόγων. Μετοχές. Αγορές. Πρωτογενής και Δευτερογενής Αγορά. Εκδότες. Μεσάζοντες. Ομόλογα και Αποδόσεις (Yields). Χαρακτηριστικά Ομολόγων, κίνδυνος Default, αποτίμηση Ομολόγων. Αποδόσεις (Yields) Ομολόγων. Yield to Maturity, Effective Yield (EY), Current Yield (CY), Realized compound Yield (RCY), Simple Yield to Maturity (SY). Μεταβολή Τιμής Ομολόγων, Zero Coupon Bonds, Φορολογία. Η Καμπύλη Επιτοκίων (Term Structure). Η Καμπύλη Επιτοκίων, Αποτίμηση Ομολόγων, αποδόσεις Περιόδου Διακράτησης (Holding Period Returns), Forward Rates. Η Αβεβαιότητα των επιτοκίων. Θεωρίες της Καμπύλης Επιτοκίων. Εξήγηση της Καμπύλης Επιτοκίων. Μετοχές. Αποτίμηση μετοχών. Διαχείριση Χαρτοφυλακίου Σταθερού Εισοδήματος. Επιτοκιακός Κίνδυνος, Ευαισθησία Επιτοκίων, Μέτρηση της μεταβλητότητας της τιμής των ομολόγων. Παθητική Διαχείριση Ομολόγων, Bond Index Funds, Immunization, Net Worth Immunization, Target Date Immunization, Cash Flow Matching, Προβλήματα με την συμβατική ανοσοποίηση. Ενεργή Διαχείριση Ομολόγων, Πηγές Ενδεχόμενου Κέρδους, Horizon Analysis, Contingent Immunization. 17

18 Γ & Δ Εξάμηνο (Υποχρεωτικά) Μέθοδοι Δειγματοληψίας Γενικά για τη δειγματοληψία και τις δειγματοληπτικές Έρευνες. Πεπερασμένος πληθυσμός. Δειγματοληψία έναντι πλήρους απογραφής. Συμπερασματολογία: Εκτίμηση των παραμέτρων του πληθυσμού, είδη εκτιμητών και σφάλματα. Εύρεση ελάχιστου απαιτούμενου μεγέθους δείγματος. Γενικοί ορισμοί και κατευθύνσεις. Μελέτη των βασικών δειγματοληπτικών μεθόδων: Απλή Τυχαία Δειγματοληψία, Στρωματοποιημένη (αναλογική και βέλτιστη), Συστηματική, Κατά Ομάδες (σε ένα και σε δύο στάδια). Δειγματοληπτική έρευνα σε πολλά στάδια. Σφάλματα στις Δειγματοληπτικές Έρευνες. Ελλιπή πληροφορία (non response), ποσό μεροληψίας λόγω μη απάντησης. Μέθοδοι χειρισμού της ελλιπούς πληροφορίας (imputation, reweighing). Μπεϋζιανή Στατιστική Σκοπός του συγκεκριμένου μαθήματος είναι να εισάγει τους φοιτητές στην κατά Bayes θεώρηση της στατιστικής. Τα θέματα με τα οποία θα ασχοληθούμε περιλαμβάνουν: Χαρακτηριστικά της κατά Bayes προσέγγισης και διαφορές από την κλασική προσέγγιση Αρχή της πιθανοφάνειας. Ερμηνείες του κανόνα του Bayes. A priori κατανομή και τρόποι επιλογής της. Στατιστική συμπερασματολογία κατά Bayes. Προσέγγιση κατά Bayes στα γραμμικά μοντέλα. Πολυμεταβλητή στατιστική κατά Bayes. Στατιστικός Έλεγχος Ποιότητας Το μάθημα αποσκοπεί στην εμβάθυνση των εννοιών της ποιότητας καθώς επίσης και της χρήσης στατιστικών μεθοδολογιών για την βελτίωση της ποιότητας παραγωγικών διαδικασιών. Κατά τη διάρκεια του μαθήματος θα γίνει ανάπτυξη των παρακάτω σημείων: Η βελτίωση της ποιότητας στο σύγχρονο επιχειρηματικό περιβάλλον Εισαγωγή στις βασικές μεθόδους του Στατιστικού Ελέγχου Διεργασιών Διαγράμματα ελέγχου μεταβλητών Διαγράμματα ελέγχου ιδιοτήτων Δείκτες ικανότητας διεργασιών CUSUM και EWMA διαγράμματα ελέγχου Εισαγωγή στον έλεγχο πολυμεταβλητών διεργασιών Διαγράμματα ελέγχου για αυτοσυσχετισμένες διεργασίες Σύγχρονες τάσεις και εφαρμογές του στατιστικού ελέγχου διεργασιών Η μεθοδολογία 6σ 18

19 Ανάλυση Κατηγορικών Δεδομένων Είδη κατηγορικών μεταβλητών, πίνακες συνάφειας (2x2), από κοινού, περιθώριες και δεσμευμένες πιθανότητες. Ανεξαρτησία. Τρόποι σύγκρισης δύο ποσοστών (διαφορά δύο ποσοστών, relative risk, odds ratio). Έλεγχος ανεξαρτησίας σε (2x2) και (IxJ) πίνακες συνάφειας: Χ^2, Fisher s exact test κ.α. Ελεγχοι ανεξαρτησίας σε τακτικές μεταβλητές. Λογιστική παλινδρόμηση για κατηγορικές δίτιμες εξαρτημένες μεταβλητές. Μοντέλα με κατηγορικές ή συνεχείς ή συνεχείς και κατηγορικές επεξηγηματικές μεταβλητές. Λογαριθμογραμμικά μοντέλα για πίνακες συνάφειας (IxJ) και (IxJxΚ). Ελεγχος διαφόρων τύπων εξάρτησης μεταξύ κατηγορικών μεταβλητών. Πολυμεταβλητή Ανάλυση Στο μάθημα παρουσιάζονται: Βασικά στοιχεία Πολυμεταβλητής Ανάλυσης. Ανάπτυξη κι εφαρμογή των κυριότερων από τις τεχνικές Πολυμεταβλητής Ανάλυσης Ανάλυση Κυρίων Συνιστωσών Factor Analysis Cluster Analysis Το μάθημα γίνεται στο εργαστήριο με εφαρμογή των μεθόδων στα στατιστικά πακέτα SPSS και S Plus. Ανάλυση Επιβίωσης Περικομμένα Δεδομένα. Ορισμός συναρτήσεων χρόνου επιβίωσης και οι μεταξύ τους σχέσεις. Παραδείγματα δεδομένων επιβίωσης. Μη Παραμετρικές Μέθοδοι Εκτίμησης Συναρτήσεων Επιβίωσης, εκτιμητής Kaplan Meier, Greenwood formula. Μη Παραμετρικές Μέθοδοι Σύγκρισης Συναρτήσεων Επιβίωσης. Γραφικές Μέθοδοι Προσαρμογής Κατανομών και Έλεγχοι Καλής Προσαρμογής. Cox Regression, non proportional hazards models Ανάλυση Δεδομένων. Κλινικές Δοκιμές Βασικές αρχές κλινικών δοκιμών, τύποι δοκιμών, πρωτόκολλο δοκιμής, τυφλοποίηση Τυχαιοποίηση, μέγεθος δείγματος, μέθοδοι τυχαιοποίησης, ορισμοί πληθυσμών όπως εμφανίζονται στις κλινικές δοκιμές Στατιστικές τεχνικές (covariate adjustment, λογιστική παλινδρόμηση, παλινδρόμηση ordinal δεδομένων, μη γραμμική παλινδρόμηση) Ερευνες cross over, ανάλυση δεδομένων, Early stopping, αρχές ανάλυσης δεδομένων με missing data. 19

20 Επιδημιολογία Εισαγωγή. Τι είναι Επιδημιολογία, Ιστορική Αναδρομή, Βιοστατιστική. Ειδικές Ιατρικές και Επιδημιολογικές Μελέτες. Εισαγωγή κατηγορίες μελετών, Πειραματικές μελέτες και Μελέτες Παρατήρησης, Περιγραφικές και Αιτιολογικές Μελέτες, Σχέσεις Αιτιότητας κριτήρια ελέγχου μιας αιτιολογικής σχέσης, Δευτερογενής Αιτιολογική σχέση, Άμεση και έμμεση σχέση, Αιτιολογικές μελέτες παρατήρησης: Συγχρονικές Διατμηματικές μελέτες, Προοπτικές Μελέτες, Αναδρομικές μελέτες. Εξομοίωση & Έλεγχος Συγχυτικων Παραγόντων. Εξομοίωση (matching), Έλεγχος ισότητας ποσοστών σε δεσμευμένα δείγματα, έλεγχος McNemar, δείκτης συμφωνίας κάπα, Συγχυτικοί παράγοντες και στρωματοποίηση, Έλεγχος ανεξαρτησίας MANTEL HANSZEL για κάθε επίπεδο ενός συγχυτικού Παράγοντα, Διαφοροποίηση επιδράσεων και έλεγχος ομοιογένειας ΛΣΠ, Εκτιμητής MANTEL HAENSZEL κοινού ΛΣΠ για τα επίπεδα ενός συγχυτικού παράγοντα, Εκτίμηση ΛΣΠ σε εξαρτημένα δείγματα Ανάλυση σε Εξομοιωμένες Μελέτες. ΛΣΠ (OR) σε εξομοιωμένες μελέτες, Παράδειγμα στρωματοποιημένης ανάλυσης & προτυποποίησης, Λογιστική παλινδρόμηση σε μελέτες μαρτύρων ασθενών, Έλεγχος συγχυτικών παραγόντων σε μελέτες μαρτύρων ασθενών με τη χρήση της λογιστικής παλινδρόμηση, Δεσμευμένη λογιστική παλινδρόμηση για εξομοιωμένα δεδομένα. Παραδείγματα με SPSS και R. Eιδικά Θέματα Επιδημιολογίας (π.χ. διατροφική ή ψυχιατρική επιδημιολογία) Ασφάλειες Ζωής Συνάρτηση επιβίωσης, Απλός πίνακας θνησιμότητας και οι σχετικές συναρτήσεις, Ένταση θνησιμότητας, Κλασικοί νόμοι θνησιμότητας, Αναλογιστικοί πίνακες και συναρτήσεις μετατροπής, Στοχαστική προσέγγιση στις Ασφαλίσεις Ζωής. Ενδεχόμενα επιβίωσης, Ράντες Ζωής με μία ή περισσότερες πληρωμές ετησίως, Σχέσεις μεταξύ των διαφόρων ραντών, Ενδεχόμενα θανάτου, Ασφάλειες Ζωής διαφόρων ειδών, Σχέσεις ραντών και ασφαλειών, Διακυμάνσεις επιτοκίου και θνησιμότητας. Καθαρά και εμπορικά ασφάλιστρα, Έννοια και διαδικασία υπολογισμού αποθεμάτων, Σχέσεις μεταξύ διαδοχικών τιμών αποθεμάτων. Πίνακες και Αναλογιστικές συναρτήσεις επί δύο ή περισσοτέρων ατόμων, Μη βέβαιες αναλογιστικές συναρτήσεις, Μεταβιβαζόμενες ράντες. 20

21 Γενικές Ασφάλειες Αβεβαιότητα, Κίνδυνος, Ασφάλιση, Ασφαλιστικές Εταιρίες, Αναλογιστές, Ασφαλιστικές Αρχές, Προϊόντα, Αναλογιστική βάση Υπολογισμών. Συχνότητα, Σφοδρότητα και Μέθοδοι Τιμολόγησης, Αναπροσαρμογές ασφαλίστρων, Προβολές και τάσεις για τις τελικές αποζημιώσεις με την χρησιμοποίηση γραμμικών και άλλων μοντέλων Διαδικασία Αποθεματοποίησης, Ανάλυση Ασφαλιστικών Δεδομένων, Δομικές Μεθόδοι Αποθεματοποίησης, Ολικές Μεθόδοι Αποθεματοποίησης, Προεξόφληση Αποθεμάτων και Διαστήματα Εμπιστοσύνης Συνήθη, Σύνθετα Αντασφαλιστικά Σχήματα και ελαχιστοποίηση της διασποράς τους. Συστήματα Ασφάλισης «Bonus Malus» και Μαρκοβιανές Αλυσίδες. Solvency II Το Solvency II (Φερεγγυότητα ΙΙ) αποτελεί κοινοτική οδηγία που ρυθμίζει απαιτήσεις κεφαλαιακής επάρκειας ασφαλιστικών επιχειρήσεων. Έχει τεθεί σε εφαρμογή από την 31 ην Οκτωβρίου Το Solvency II θεσπίζει ένα ενιαίο σύστημα υπολογισμού των κεφαλαιακών αιτήσεων σε όλα τα κράτη μέλη της Ε.Ε., το οποίο αντικατέστησε πλήρως το προηγούμενο σύστημα, υιοθετώντας τεχνικές διαχείρισης κινδύνων, εταιρικής διακυβέρνησης και διαφάνειας, οι οποίες κρίνονται πλέον απαραίτητες για την ορθή λειτουργία της αγοράς και την προστασία του καταναλωτή ασφαλισμένου μέσα στο σύγχρονο, πολύπλοκο και συνεχώς εξελισσόμενο χρηματοοικονομικό σύστημα. Επιχειρησιακή Έρευνα Γραμμικός, μη γραμμικός Προγραμματισμός Η μέθοδος Simplex σε δίκτυα. Προβλήματα μέγιστης ροής. Το λήμμα Farkas και το θεώρημα arbitrage. Στοιχεία της θεωρίας αποφάσεων και της θεωρίας παιγνίων. Μαρκοβιανές διαδικασίες αποφάσεων ως προβλήματα γραμμικού προγραμματισμού. Ακέραιος προγραμματισμός και προβλήματα σακιδίου (knapsack problems). Προβλήματα βελτιστοποίησης χωρίς περιορισμούς και με περιορισμούς στον Rn. Θετικά ορισμένοι πίνακες, οι πολλαπλασιαστές Lagrange και η οικονομική τους σημασία. Οι συνθήκες Kuhn Tucker: Παραδείγματα και εφαρμογές. Συνθήκες συμπληρωματικής χαλαρότητας. Τετραγωνικός προγραμματισμός και εφαρμογές. Εισαγωγή στον στοχαστικό προγραμματισμό. Εφαρμογές σε προβλήματα οργάνωσης παραγωγής και ελέγχου αποθεμάτων. Στοχαστικά Μοντέλα στην Ασφαλιστική και στη Διοίκηση Κατανομές ζημιών και ασφαλιστικά σχήματα. Πρότυπα μιας και πολλών περιόδων. Διαδικασία του πλεονάσματος και θεωρία της χρεωκοπίας. Μαρκοβιανά πρότυπα στην θεωρία αναμονής. Εφαρμογές στην παραγωγή και στις υπηρεσίες. 21

22 Δυναμικός Προγραμματισμός και Εφαρμογές Μοντέλα Πεπερασμένου Ορίζοντα: Το ελάχιστο αναμενόμενο κόστος. Εξίσωση του δυναμικού προγραμματισμού και εύρεση της βέλτιστης πολιτικής. Παραδείγματα: Ένα μοντέλο σχετιζόμενο με ένα τυχερό παιχνίδι, εύρεση της ελάχιστης διαδρομής σε ένα δίκτυο, παραγωγή ενός αποδεκτού προϊόντος, μεγιστοποίηση της πιθανότητας να κερδίσουμε ένα στοίχημα, ένα μοντέλο για την αγορά μιας μετοχής, το πρόβλημα της Γραμματέως (The Secretary Problem), τιμολόγηση ενός αμερικανικού δικαιώματος πώλησης, το πρόβλημα της δρομολόγησης ενός οχήματος (The Vehicle Routing Problem), ένα μοντέλο για τον βέλτιστο έλεγχο μιάς επιδημίας, το πρόβλημα του σακιδίου (Τhe Knapsack Problem). Αποπληθωρισμένος Δυναμικός Προγραμματισμός: To ελάχιστο αναμενόμενο αποπληθωρισμένο κόστος. Η έννοια της στάσιμης πολιτικής. Η εξίσωση βελτιστοποίησης. Εύρεση της βέλτιστης πολιτικής με την μέθοδο της βελτίωσης των πολιτικών (αλγόριθμος του Howard). Eύρεση της βέλτιστης πολιτικής με τη μέθοδο των διαδοχικών προσεγγίσεων. Παραδείγματα: Ένα μοντέλο για τον έλεγχο αποθεμάτων, ένα μοντέλο γιά την αντικατάσταση ενός μηχανήματος. Προγραμματισμός μέσου κόστους: To ελάχιστο αναμενόμενο μακροπρόθεσμo μέσο κόστος. Σχετικές τιμές (relative values) μιας στάσιμης πολιτικής. Η εξίσωση της βελτιστοποίησης. Εύρεση της βέλτιστης πολιτικής με την μέθοδο βελτίωσης των πολιτικών. Ένα μοντέλο για τη βέλτιστη συντήρηση ενός μηχανήματος. Θεωρία Αποθεμάτων και Εφοδιαστικές Αλυσίδες Έλεγχος αποθεμάτων γνωστής ζήτησης και συνεχούς επιθεώρησης. οικονομική ποσότητα παραγγελίας (EOQ model), ελλείμματα, εκπτώσεις για μεγάλες παραγγελίες, σταδιακή ομοιόμορφη αναπλήρωση αποθέματος, πολλά είδη προϊόντων και πεπερασμένος χώρος αποθήκευσης. Συστήματα ελέγχου αποθεμάτων περιοδικής επιθεώρησης: δυναμικός προγραμματισμός και πρότυπο Wagner Whittin, εισαγωγή στο MRP. Συστήματα ελέγχου αποθεμάτων στοχαστικής ζήτησης μιας περιόδου και συστήματα στοχαστικής ζήτησης και συνεχούς επιθεώρησης: Η πολιτική (s,s) και το στοχαστικό πρότυπο EOQ. Συστήματα ελέγχου αποθεμάτων στοχαστικής ζήτησης πολλών περιόδων. Προβλήματα σχεδιασμού και βελτιστοποίησης στην διαχείριση της εφοδιαστικής αλυσίδας. Ανάλυση ζήτησης και προσφοράς σε µια εφοδιαστική αλυσίδα. Εφαρµογές και µαθηµατική προτυποποίηση. Μεταφορά και διανοµή προϊόντων στην εφοδιαστική αλυσίδα. Μελέτες περιπτώσεων πραγµατικών προβληµάτων (Μοντελοποίηση, ανάπτυξη, µέθοδος επίλυσης). 22

23 Γ & Δ Εξάμηνο (Επιλογής) ενδεικτική λίστα Λογιστική/Ανάλυση Κόστους Ισολογισμοί εταιρειών. Χρήση των τεχνικών της ανάλυσης κόστους/ωφελείας με παραδείγματα για την αξιολόγηση προγραμμάτων τόσο στον ιδιωτικό όσο και στον δημόσιο τομέα. Συγκεκριμένα πραγματικά προβλήματα παρουσιάζονται και αναλύονται και στους δύο τομείς. Εισαγωγή στη Διοίκηση / Μάρκετινγκ Έχει γίνει ευρέως αντιληπτό, ότι οι σύγχρονες επιχειρηματικές δομές, απαιτούν τη υιοθέτηση της φιλοσοφίας του Μάρκετινγκ και την γνώση και εφαρμογή ενός μίγματος πρακτικών Marketing με στόχο την αποτελεσματική ικανοποίηση των πελατών της επιχείρησης ή του οργανισμού. Στόχος του μαθήματος είναι να κατανοήσουν οι συμμετέχοντες την φύση, την φιλοσοφία και τις εφαρμογές της επιστήμης του Μάρκετινγκ μέσα από την ανάπτυξη και περιγραφή του ρόλου του Μάρκετινγκ στην κοινωνία και στην επιχείρηση. Οι γενικές αρχές του Marketing, οι πρακτικές έρευνας αγοράς, η ποιοτική διάσταση που λαμβάνει το Marketing στον ευαίσθητο τομέα των υπηρεσιών, η χρήση των σύγχρονων μεθόδων και πρακτικών Επικοινωνίας και οι Δημόσιες Σχέσεις αποτελούν τους βασικούς κορμούς διάρθρωσης του κύκλου εισηγήσεων με τίτλο Marketing, Επικοινωνία & Δημόσιες Σχέσεις. Ο ρόλος του Μάρκετινγκ στους οργανισμούς, το περιβάλλον Μάρκετινγκ. Καταναλωτική αγορά και αγοραστική συμπεριφορά. Τμηματοποίηση αγοράς και τοποθέτηση προϊόντος και υπηρεσίας. Έρευνα αγοράς και μάρκετινγκ. Μείγμα μάρκετινγκ (προϊόν, τιμή, διάθεση, προβολή και προώθηση). Στρατηγικό και Τακτικό Μάρκετινγκ. Έννοια του μάρκετινγκ των υπηρεσιών. Διαφοροποιήσεις του μάρκετινγκ υπηρεσιών. Ορισμός και έννοια της ποιότητας των υπηρεσιών. Δημιουργία και παροχή της υπηρεσίας. Επικοινωνιακή στρατηγική και στρατηγική διανομής των επιχειρήσεων παροχής υπηρεσιών. Ανάπτυξη της εξυπηρέτησης πελατών που αποτελεί παράγοντα επιτυχίας αλλά και διαφοροποίησης από τον ανταγωνισμό. Περιεχόμενο και αποστολή των δημοσίων σχέσεων. Ομάδες κοινού προς τις οποίες απευθύνονται οι δημόσιες σχέσεις. Τρόποι επικοινωνίας. Δημιουργία προγράμματος δημοσίων σχέσεων. Προβολή οργανισμού και εικόνα. Έρευνα και χρήση μέσων ενημέρωσης. Επιρροή και σχέσεις με το πολιτικό, κοινωνικό και οικονομικό περιβάλλον. Η έννοια της οργάνωσης υπό το πρίσμα της παγκοσμιοποίησης των αγορών Οργανωτικός Σχεδιασμός Σύγχρονες τάσεις Οργανωτικών Δομών. Κίνητρα εργασίας και Επαγγελματική Ικανοποίηση Προσδιοριστικοί Παράγοντες Επαγγελματικής Ικανοποίησης Επαγγελματική εξουθένωση. Τύποι ομάδων Χαρακτηριστικά / Δυναμική / Ανάπτυξη ομάδας. Η έννοια της ηγεσίας στο σύγχρονο μάνατζμεντ Μοντέλα Ηγεσίας Χαρισματική Ηγεσία. Η Κουλτούρα της Οργάνωσης Κουλτούρα και Οργανωτική Αλλαγή Αποτελεσματική Διοίκηση Αλλαγής. Η έννοια της Διοίκησης Συγκρούσεων στο πλαίσιο της οργάνωσης Τύποι Συγκρούσεων (άτομα, ομάδες, τμήματα). Προσδιοριστικοί παράγοντες συγκρούσεων (επικοινωνία, τυποποίηση διαδικασιών, διαδικασία λήψεως αποφάσεων) Μέθοδοι διοίκησης συγκρούσεων (εναρμόνιση, παραχώρηση, επιβολή, αποφυγή, συμβιβασμός). Διοίκηση Συγκρούσεων και Συναισθηματική Νοημοσύνη Διαστάσεις Συναισθηματικής Νοημοσύνης. 23

24 Δημογραφία Δημογραφικά μέτρα, μέθοδοι ανάλυσης θνησιμότητας, Μέθοδοι προτυποποίησης, Πιθανότητα θανάτου, Πίνακας επιβίωσης, Ένταση θνησιμότητας, Στοχαστική προσέγγιση των συναρτήσεων του πίνακα επιβίωσης, πίνακας πολλαπλών κινδύνων. Μετρήσεις θνησιμότητας, Μορφή της ειδικής κατά ηλικίας θνησιμότητας, Συγκρίσεις θνησιμότητας και μέθοδοι τυποποίησης, Πίνακες επιβίωσης kai πολλαπλών κινδύνων. Επιλογή πινάκων επιβίωσης (Έλεγχος Χ2, Μεμονωμένων τυποποιημένων αποκλίσεων, Μεμονωμένων απολύτων τυποποιημένων αποκλίσεων, αθροιστικών αποκλίσεων, προσήμων, αλλαγής προσήμων, ομάδων προσήμων) Εκτεθειμένος στον κίνδυνο πληθυσμός (Αναλυτική ακριβής μέθοδος, μέθοδος της απογραφής, μέθοδος βασισμένη στο lx) Τεχνικές εξομάλυνσης εμπειρικών δεδομένων (Γραφική Μέθοδος, Παραμετρικά μοντέλα, Αθροιστικοί τύποι εξομάλυνσης Εξομάλυνση με αναφορά σε τυπικό πίνακα επιβίωσης. Τεχνικές εξάπλωσης πίνακα επιβίωσης (Μέθοδος Lagrange, Παραμετρικό μοντέλο). Χρηματοοικονομικά Μαθηματικά Το μάθημα αυτό εισάγει τις βασικές έννοιες των χρηματοοικονομικών μαθηματικών οι οποίες είναι απαραίτητες για την κατανόηση και την σωστή χρήση των σύγχρονων χρηματοοικονομικών εργαλείων τα οποία χρησιμοποιούνται στην θεωρία χαρτοφυλακίου και την διαχείριση κινδύνου. Το μάθημα αυτό εισάγει τους φοιτητές σε μια από τις πολύ ενδιαφέρουσες και νευραλγικές για την σύγχρονη οικονομία εφαρμογές της ποσοτικής θεωρίας λήψης αποφάσεων, στις χρηματοοικονομικές αγορές. Η φιλοσοφία του μαθήματος επικεντρώνει στην παρουσίαση των σύγχρονων ποσοτικών θεωριών, τεχνικών και εργαλείων με απώτερο σκοπό την κατανόηση των υποδειγμάτων και την δυνατότητα παραγωγής νέας γνώσης και τεχνικών στο ραγδαία εξελισσόμενο και μεταβαλλόμενο αυτό αντικείμενο. Η ύλη καλύπτει μια ευρεία γκάμα θεμάτων όπως π.χ. θεωρία αποφάσεων υπό αβεβαιότητα, εισαγωγή στη λειτουργία και την δομή των αγορών και την φύση των χρηματοοικονομικών τίτλων, μοντέλα τιμολόγησης, παράγωγα συμβόλαια, ομόλογα, θεωρία χαρτοφυλακίου, εισαγωγή στη διαχείριση κινδύνου κ.α. Εφαρμογές στην Ανάλυση Κλινικών Δεδομένων Το μάθημα παρουσιάζει περιπτώσεις ανάλυσης πραγματικών δεδομένων και γίνεται με εργασίες τις οποίες παρουσιάζουν οι φοιτητές. Στόχο έχει τη μεγαλύτερη δυνατή εξοικείωση των φοιτητών με συνήθεις ή μη συνήθεις περιπτώσεις ανάλυσης δεδομένων στην πράξη. Μη Παραμετρική Στατιστική Βασικές ιδέες για τη μη παραμετρική στατιστική. Η εννοια των κατατάξεων (ranks). Χρήση των ranks για ελέγχους υποθέσεων. Συνετελεστές συσχετισης Spearman και Kendall. Έλεγχοι βασισμένοι στην διωνυμική κατανομή: διωνυμικός έλεγχος για ποσοστά, διωνυμικός έλεγχος για εκατοστιαία σημεία, προσημικός έλεγχος, παραλλαγές προσημικού 24

25 έλεγχου (έλεγχος Mc Nemar, έλεγχος Cox και Stuart, έλεγχος συσχέτισης), Έλεγχος Wilcoxon, έλεγχος των προσημασμένων τάξεων μεγέθους Wilcoxon (περιπτώσεις ενός και δύο δειγμάτων), έλεγχος Mann Whitney, Ελεγχοι Kruskal Wallis και Friedman. 'Ελεγχος διακύμανσης, Πίνακες συνάφειας, έλεγχος διάμεσου, έλεγχοι συσχέτισης, έλεγχος Χ2 καλής προσαρμογής, Στατιστικές συναρτήσεις τύπου Kolmogorov και Smirnov. Ελεγχοι τυχαιοποιησης Χρηματοοικονομικά των Ασφαλιστικών Επιχειρήσεων Επιχειρησιακή Έρευνα ΙΙ Δίκτυα, Διακριτή Βελτιστοποίηση και Εφαρμογές Το πρόβλημα minimum spanning tree, το πρόβλημα maximum flow, το πρόβλημα minimum cost flow. Η μέθοδος Network Simplex. Δέντρα αποφάσεων. Εισαγωγή στη μετα ανάλυση Εισαγωγή στη μετα ανάλυση, στόχος, effect size και ακρίβεια σε διάφορους τύπους δεδομένων, παράγοντες που επηρεάζουν το effect size. Μετα ανάλυση σταθερών επιδράσεων, μοντέλο, λύση, μέτρηση ετερογένειας, μετα ανάλυση τυχαίων επιδράσεων. Κατανόηση ετερογένειας, ανάλυση υποομάδων, μετα παλινδρόμηση. Ειδικά θέματα μεταανάλυσης, publication bias, πολλαπλές συγκρίσεις, ανάλυση ισχύος, ανάλυση p values. Αριθμητικές Μέθοδοι στα Χρηματοοικονομικά Το μάθημα αυτό αποτελεί συνέχεια του μαθήματος των Χρηματοοικονομικών Μαθηματικών και εισάγει τους φοιτητές στις αριθμητικές τεχνικές οι οποίες εφαρμόζονται στην μελέτη των χρηματοοικονομικών. Το μάθημα αυτό είναι μεγάλης σημασίας καθώς η πολυπλοκότητα των υποδειγμάτων των σύγχρονων χρηματοοικονομικών απαιτεί την χρήση του ηλεκτρονικού υπολογιστή και την δημιουργια νέων αριθμητικών τεχνικών για την επίλυση αυτών των προβλημάτων. Η φιλοσοφία του μαθήματος είναι η βαθειά κατανόηση των αριθμητικών τεχνικών και όχι απλά η χρήση ενός υπολογιστικού πακέτου, με απώτερο σκοπό οι φοιτητές να είναι σε θέση να γνωρίζουν με ακρίβεια τα δυνατά σημεία και τις αδυναμίες των αλγορίθμων που χρησιμοποιούν αλλά και να μπορούν να μεταφέρουν τις τεχνικές τους σε διαφορετικά υπολογιστικά περιβάλλοντα όποτε αυτό χρειαστεί. Το μάθημα έχει σημαντικό εργαστηριακό κομμάτι, το οποίο γίνεται στην γλώσσα προγραμματισμού Matlab ή Octave, η οποία έχει επιλεγεί τόσο για τις υπολογιστικές της και γραφικές δυνατότητες όσο και για την εγγύτητα της σε άλλες γλώσσες προγραμματισμού. Στο τέλος του μαθήματος οι φοιτητές έχουν κατανοήσει και σε μεγάλο σημείο γράψει μόνοι τους ένα μεγάλο αριθμό αλγορίθμων και προγραμμάτων σχετικά με την τιμολόγηση χρηματοοικονομικών τίτλων, τον σχεδιασμό χαρτοφυλακίου, τον υπολογισμό και την διαχείριση κινδύνου κλπ. Επαναλαμβανόμενες Μετρήσεις & Μοντέλα Μικτών Επιδράσεων Ορισμός και μορφές δεδομένων επαναλαμβανόμενων μετρήσεων, απλά γραφήματα και αναλύσεις summary measures. Μονομεταβλητά μοντέλα ANOVA, μοντέλα split plot, 25