ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Multivariate Techniques: Statistical Analysis and Case Studies

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ School of Geosciences
ΤΜΗΜΑ Department of Food Science and Technology
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Undergraduate
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ 276-190612 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 6th
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Multivariate Techniques: Statistical Analysis and Case Studies
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
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://moodle.teithe.gr/course/view.php?id=2539

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 specialized statistical methods related to the integrated profile of a product.
  • The understanding and interpretation of the physicochemical and organoleptic parameters that characterize the general properties of food or group of foods in terms of their structure.
  • The ability to statistically describe and evaluate the contribution rate of each parameter in the structural composition of the product.
  • The skill to organize experimental conditions for the synthesis of a product, to change and improve structural properties and to capture in detail the overall image of the product.
  • The acquisition of substantial experience in the application of statistical techniques to the degree of utilization of food quality.
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
  • Searching, analyzing, interpreting and synthesizing data and information, using the necessary technologies.
  • Adjusting in new situations.
  • Decision making.
  • Autonomous work.
  • Group work.
  • Working in an interdisciplinary environment.
  • Developing new research ideas.
  • Promoting free thinking.

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

The need to jointly investigate the relationship of a large number of variables measured on a specific substrate such as water volume, mass of a food, water volume, mass of a food habitat of organisms, led to the invention of special techniques known as multivariate analyses. These techniques are frequently and thoroughly applied to chemical, mechanical, organoleptic and other qualitative characteristics of processed food products, and are manipulated exclusively via statistical software. The contribution of these techniques dramatically advances the results of research and adds to the high satisfaction and scientific merit of the leader of the survey.

Summary of contents

  • Introduction to multidimensionality.
  • Multiple regression and correlation analysis. Diagnostic validity criteria of the proposed model.
  • Logistic regression: Binomial, Ordinal, Multinomial, Poisson. Diagnostic validity criteria of the methods.
  • Principal Components Analysis (PCA).
  • Factor Analysis.
  • Cluster Analysis.
  • Multivariate analysis of variance (MANOVA).
  • Multiple Discriminant Analysis (MDA).
  • Classification and regression trees.
  • Canonical Correlation.
  • Redundancy Analysis.
  • Reciprocal Averaging).
  • Canonical Correspondence Analysis.
  • Selection of the most appropriate experimental designs and application of specific statistical analyses with popular programs (MINITAB, JMP).

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 processing data from the food industry).
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 and statistical processing of data.
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
Lectures20
Project writing35
Independent Study20
Total75
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.

Written final exams including:

  • Multiple choice questions.
  • Critical thinking questions.
  • Problems based on data from the. food industry using the statistical software MINITAB.

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Συγγράμματα

  1. Agresti A. (1996). An Introduction to Categorical Data Analysis. John Wiley and Sons, New York, 372 p.
  2. Belsley D.A., Kuh E. and Welsch R.E. (1980). Regression Diagnostics. John Wiley & Sons, N. Jersey 310 p.
  3. Bowman A. W. and Azzalini A. (1997). Applied smoothing techniques for data analysis. Clarendon Press, Oxford. 193 p.
  4. Breiman L., Friedman J.H., Olshen R.A. and Stone C.J. (1984). Classification and regression trees.  Wadsworth & Brooks/Cole Advanced Books & Software., Monterey, 354 p.
  5. Collett D. (2003). Modelling Binary Data, 2nd ed. Chapman & Hall, London, 344 p.
  6. Gorsuch R. L. (1983). Factor Analysis, 2nd ed. Hillsdale, Lawrence Erlbaum Associates, New Jersey, 425 p.
  7. Greenacre M.J. (2007). Correspondence Analysis in Practice. 2nd ed., Academic Press, London, 296 p.Gower J.C. and Hand D.J. (1996). Biplots. Chapman and Hall, London, 277 p.
  8. Lance G.N. and Williams W.T. (1967). A general theory of classification sorting strategies. I. hierarchical systems. Computer Journal, 9, 373-380.
  9. McLachlan J.B. (2005). Discriminant analysis and strategical pattern recognition. John Wiley and Sons, N. Jersey, 544 p.
  10. Montgomery D.C., Peck E.A. and Vining G.G. (2012). Introduction to Linear Regression Analysis. 5th ed. John Wiley & Sons, N. Jersey, 672 p.
  11. Ter Braak C.J.F. (1986). Canonical correspondence analysis: a new eigenvector technique for multivariate direct gradient analysis. Ecology, 67, 1167-1179.
  12. Warton D.I. and Hudson H.M.2004. A MANOVA statistic is just as powerful as distance-based statistics, for multivariate abundances. Ecology, 85, 858-874.
  13. Velicer, W. F. and Jackson, D. (1990). Component analysis vs factor analysis: some issues in selecting an appropriate procedure. Multivariate Behavioral Research, 25, 1-28.

Συναφή επιστημονικά περιοδικά

  1. Journal of Multivariate Analysis.
  2. Ecotoxicology and Environmental Safety.
  3. Desalination and Water Treatment.
  4. Journal of Food Science.