ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Statistics for Food Technologists – Computational Statistics and Data Analysis

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ School of Geosciences
ΤΜΗΜΑ Department of Food Science and Technology
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Undergraduate
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ 276-190304 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 3rd
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Statistics for Food Technologists – Computational Statistics and Data Analysis
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων. 		ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Lectures 2 3
Laboratory 2 2
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.    
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
Γενικής Υποδομής (ΓΥ),Ειδικής Υποδομής (ΕΥ), Γενικών Γνώσεων (ΓΓΔ) και Επιστημονικής Περιοχής (ΔΔΤΝ, ΕΔ, ΕΥΣ, ΗΛ, ΠΑ) . 		 Special Background
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:  Greek
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Όχι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) https://exams-geo.the.ihu.gr/course/view.php?id=193

2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.
  • Acquiring knowledge in the basic principles of statistical analysis specially designed for the needs of the Food Industry.
  • Understanding of statistical terms and methodology in order to consolidate a different philosophy of thought and perception of experimental data and processes.
  • Ability to design simple experimental designs and ensure successful completion during their implementation.
  • Gain experience in managing statistical and graphical programs using a PC.
  • Facilitation in the recognition of problematic situations and faster understanding, interpretation and finding solutions by testing statistical knowledge.
Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση και των απαραίτητων τεχνολογιών - Προσαρμογή σε νέες καταστάσεις - Λήψη αποφάσεων - Αυτόνομη εργασία - Ομαδική εργασία - Εργασία σε διεθνές περιβάλλον - Εργασία σε διεπιστημονικό περιβάλλον - Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων - Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα - Σεβασμός στο φυσικό περιβάλλον - Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου - Άσκηση κριτικής και αυτοκριτικής - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Promoting creative initiative and transmission of thinking.
  • Encouraging participation in group assignment projects in the same workplace or interdisciplinary.
  • Projecting internal knowledge for decision making.
  • Searching and analyzing data using the acquired skills.
  • Flexibility in dealing with adverse conditions.
  • Respect in the work environment.

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

A) Statistics for food technologists

Adaptation of terms and examples of statistical analysis to food technology, because this science is a mosaic of scientific fields, where biology appears inextricably linked to physics and chemistry. Embedding the fundamental knowledge of basic statistics and, at the same time, the knowledge required to deal with practical and research needs for food technologists.

Summary of contents

  • Examination and processing of data: accuracy and reliability of the sample, reference scales, categories of variables, descriptive statistics (mean, standard deviation, median, quartiles, Box plot), basic distributions.
  • Rating scales ofcharacteristics of a product. Types of sampling: random, systematic, aggregate, longitudinal, stratified.
  • Parametric statistical tests: tests of the distribution and homogeneity of the variance, tests of the distribution t, one-way analysis of variance, random and fixed factors, tests of multiple comparisons of means. Simple linear regression and correlation. Comparison of linear regressions and correlations.
  • Non-parametric tests of rank variables (Mann-Witney, Wilcoxon, Kruskal-Walis and Mood tests, Spearman’s and Kendall’s tests), tests of comparison of proportions. Tests of categorical variables (x2and G-test), correlation indices.

B) Computational statistics and data analysis

Application of statistical methods of data analysis using statistical software. Learning the commands of descriptive statistics, descriptive statistics, two-sample hypothesis (t test,) analysis of variance (F test), regression, correlation and frequencies (categorical variables). Interpretation of the results of statistical analyses based on examples from food science.

Summary of contents

  • Computational statistics: Impact of computers on statistical methodology (bioinformatics, computational graphics), exploration and modeling of data. Methods of product optimization, evaluation and validity of results via statistical process.
  • Strategies for data analysis: application of methods to selected sciences (biostatistics, industrial statistics), data classification, population estimation, experimental design, parametric and non-parametric methods.
  • Specific applications: Comparison of statistical methods, application of statistics to real-life.
  • Comparison of statistics with real data (case studies).

4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.

Face to face:

  • Lectures (theory and problems) in the classroom.
  • Practical exercises (practice in the statistical software MINITAB by solving educational problems).
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές
  • Presentation with PowerPoint slides using PC and projector.
  • Posting course material and communicating with students on the Moodle online platform.
  • Use of electronic devices for recording data and solving practical exercises.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Teaching Organization

ActivitySemester workload
Lectures26
Practical exercises26
Project writing52
Independent study46
Total150
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες. Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

Evaluation methods:

  • Written final exams in the theoretical part of the course (Statistics for food technologists) (50% of the final grade).
  • Compulsory attendance at (at least) 80% of the practical exercises.
  • Written final exams in the practical part of the course (Computational statistics and data analysis) involving problem solving using the statistical software MINITAB (50% of the final grade).
  • Optional exams in the practical part of the course using computers as previously stated (20% of the previous grade).

The course material and the evaluation criteria are presented and analyzed at the beginning of the semester in the classroom but also permanently online.

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Συγγράμματα

Στατιστική για Τεχνολόγους Τροφίμων

  1. Agarwal B.L., (1988), Basic Statistics, 2nd Ed., Wiley Eastern Ltd., New Delhi, pp. 758.
  2. Everitt B.S., (1994), The Analysis of Contigency Tables, 2nd Ed., Chapman & Hall, London, pp. 164.
  3. Κάτος Α.Β., (1986), Στατιστική, Παρατηρητής, Θεσ/νίκη, σελ. 708.
  4. Κιόχος Π.Α., (1993), Περιγραφική Στατιστική, Εκδόσεις Interbooks, Αθήνα, σελ. 340.
  5. Κίτσος Χ.Π., (1991), Εισαγωγή στην Εφαρμοσμένη Στατιστική, Εκδόσεις Νέων Τεχνολογιών, Αθήνα, σελ. 290.
  6. Κίτσος Χ.Π., (1994), Στατιστική Ανάλυση Πειραματικών Δεδομένων, Εκδόσεις Νέων Τεχνολογιών, Αθήνα, σελ. 228.
  7. Κολυβά-Μαχαίρα Φ. & Μπόρα-Σέντα Ε., (1996), Στατιστική, Θεωρία και Εφαρμογές, Εκδόσεις Ζήτη, σελ. 495.
  8. Πετρίδης Δ. (2013). Εφαρμοσμένη Στατιστική με έμφαση στην επιστήμη τροφίμων. Εκδόσεις Δίβατον, σελ 520.

Υπολογιστική Στατιστική και Ανάλυση Δεδομένων

  1. Βλαχάβας Γ (2011)., Εφαρμοσμένη Στατιστική με χρήση του πακέτου Minitab. Εκδόσεις Τζιόλα.
  2. Casella, G. and R. Berger, Statistical Inference. Duxbury Press, 1990.
  3. Draper, N.R. and H. Smith, Applied Regression Analysis, Second Edition. John Wiley & Sons, Inc, 1981.
  4. Levene, H., Contributions to Probability and Statistics. Stanford University Press, 1960.
  5. Little, T.M., Interpretation and presentation of result. HortScience, 19:637–640, 1981.
  6. Piggott, J.R., Statistical procedures in food research. Elsevier Publishers, London, 1987.
  7. Minitab-specific: Joiner B., Cryer J., Ryan B., Minitab Handbook. Brooks/Cole Publishing, 2003.
  8. Mathews P.G., Design of Experiments with Minitab. Amer Society for Quality. 2004.
  9. Montgomery D., Design and Analysis of Experiments: Minitab Companion. John Wiley & Sons, Inc, 2011.
  10. Sincich T., Business Statistics By Example, SAS,SPSS, Minitab, ASP. Prentice-Hall, 1995.
  11. Sleeper A., Minitab Demystified. McGraw-Hill books, 2011.

Συναφή επιστημονικά περιοδικά

  1. Journal of Applied Statistics.
  2. Journal of Statistics Education.
  3. Biometrika.
  4. Teaching Statistics.