BAN601- Ποσοτικές μέθοδοι για την ανάλυση επιχειρήσεων

Το μάθημα εξετάζει μια σειρά ποσοτικών μεθόδων από τα Διακριτά Μαθηματικά και τη Στατιστική, οι οποίες θεωρούνται βασικές γνώσεις για τους φοιτητές που σπουδάζουν Business Analytics και Τεχνητή Νοημοσύνη σε επίπεδο MSc.
Από τη σκοπιά των Διακριτών Μαθηματικών, το μάθημα θα ξεκινήσει από τα πολύ βασικά περιεχόμενα, την προτασιακή λογική, την εισαγωγή στις αποδείξεις, την Άλγεβρα Boole και τη θεωρία συνόλων. Στη συνέχεια θα προχωρήσουμε σε τεχνικές μέτρησης, μεταθέσεις και συνδυασμούς και θα εισάγουμε κάποιες βασικές πτυχές της Διακριτής Πιθανότητας. Τέλος, θα παρουσιάσουμε πιο προχωρημένα θέματα, όπως αλγόριθμοι και η πολυπλοκότητά τους, αλγόριθμοι επαγωγής και αναδρομής, tress και γραφήματα.

Από τη σκοπιά της Στατιστικής, θα παρουσιάσουμε βασικούς ορισμούς της διερευνητικής ανάλυσης δεδομένων (μέτρα θέσης και μέτρα εξάπλωσης) και θα συζητήσουμε σημαντικούς τύπους διαγραμμάτων που μπορούν να χρησιμοποιηθούν για τη συζήτηση δεδομένων και την εξαγωγή συμπερασμάτων. Επίσης, βασιζόμενοι στην εισαγωγή για τη θεωρία συνόλων και τις διακριτές πιθανότητες στο μέρος των διακριτών μαθηματικών θα συζητήσουμε τις διακριτές και συνεχείς κατανομές, τις υπό συνθήκη και κοινές κατανομές, τις δειγματοληπτικές κατανομές και στη συνέχεια θα προχωρήσουμε στην επαγωγική στατιστική, δηλαδή την εκτίμηση σημείων και διαστημάτων, τον έλεγχο υποθέσεων και την παλινδρόμηση.

Το μάθημα θα κλείσει με μια σύντομη εισαγωγή στην Πολυμεταβλητή Στατιστική, η οποία θα βοηθήσει τους φοιτητές να προχωρήσουν στα μαθήματα Σύγχρονη ανάλυση δεδομένων, μηχανική μάθηση που θα ακολουθήσουν.

Κατά τη διάρκεια του μαθήματος, οι φοιτητές θα δουν τις θεωρητικές και πρακτικές πτυχές της ποσοτικής μεθοδολογίας. Εκτός από το παράδειγμα με τα παιχνίδια (μικρά) σύνολα δεδομένων που θα χρησιμοποιήσουμε για την εκμάθηση στην τάξη, θα έχουμε επίσης την ευκαιρία να εφαρμόσουμε αυτές τις μεθόδους σε μεγαλύτερα (πραγματικά) σύνολα δεδομένων χρησιμοποιώντας τη γλώσσα προγραμματισμού R.

Στο τέλος του μαθήματος περιμένουμε από τους φοιτητές να είναι σε θέση να συζητούν τις θεωρητικές πτυχές των θεμάτων που συζητούνται, καθώς και να είναι σε θέση να απαντούν σε βασικά ερευνητικά ερωτήματα ανάλυσης δεδομένων και στατιστικής συμπερασματολογίας σε πραγματικά δεδομένα.