Data Analysis (8 ECTS)

Course Code: 

Statistical methods in simple problems using statistical packages (emphasis on R and secondary on other statistical packages): Descriptive statistics, graphical representation, simulating random numbers from theoretical distributions, confidence intervals, hypothesis testing for 1 and 2 independent samples, hypothesis testing for 2 dependent samples, contingency tables, simple and multiple regression analysis, covariance analysis for one and two factors. Case studies and analysing real data sets from various scientific fields (economics, marketing, social sciences, sports, medicine, psychology and others). Basic principals for writing papers and presenting data analysis.

        Recommended Reading

  • Ντζούφρας Ι., Καρλής Δ., Εισαγωγή στον Προγραμματισμό και στη Στατιστική Ανάλυση με R,
  • Εκδόσεις Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα-Αποθετήριο “Κάλλιπος’’, 2016.
  • Marques de Sa, Joaquim P., Applied Statistics Using SPSS, STATISTICA, MATLAB and R, Editions Springer-Verlag, 2008.
  • Φουσκάκης Δ. (2013). Ανάλυση Δεδομένων με Χρήση της R. Εκδόσεις Τσότρας. Αθήνα.
  • Norusis M.J. (2012). Οδηγός ανάλυσης δεδομένων με το IBM SPSS 19 (Mετάφραση: Αρκουδέας Π.),  Κλειδάριθμος, ISBN 978-960-461-465-3.
  • Chatterjee S., Handcock M.S., Simonoff J.S. (1995). A Casebook for a First Course in Statistics and Data Analysis.  John Wiley & Sons.
  • Faraway J.J. (2002). Practical Regression and Anova using R. Free electronic book available at
  • Fox J. & Weisberg H.S. (2011). An R Companion to Applied Regression. 2nd edition. SAGE Publications Inc.

(old title: Data Analysis II)