סילבוס

הסילבוס הרשמי נמצא במערכת הסילבוסים של האוניברסיטה. הודעות, תרגילי בית והגשות נמצאים ב-Moodle.

על הקורס

הקורס מציג שיטות סטטיסטיות לאיסוף נתונים ולניתוחם, עם יישומים בתעשייה ובשירותים. ההדגשים: לבחור את השיטה הנכונה, לבדוק את ההנחות שלה, לפרש פלט של תוכנה ולבקר ניתוחים (גם כאלה שנוצרו בעזרת כלי AI).

דרישות קדם: סטטיסטיקה (0571-2804).

נושאים

1. שיטות א-פרמטריות
2. רגרסיה לינארית מרובה
3. ניתוח שונות חד-כיווני, ניגודים והשוואות מרובות
4. ניתוח שונות רב-כיווני
5. תכנון ניסויים
6. רגרסיה לוגיסטית
7. ניתוח גורמים ראשיים (PCA)
8. סדרות עתיות וחיזוי

הסדר המלא לפי שבועות מופיע בעמוד ההרצאות.

הערכה

רכיב	משקל
פרויקט (בקבוצות)	15%
בחינה סופית	85%

בבחינה מותר דף נוסחאות שהכנתם בעצמכם: עד 10 עמודים, או 15 עמודים למי שזכאי/ת להתאמות.

ספרות מומלצת

• Hines, W. W., Montgomery, D. C., Goldsman, D. M., & Borror, C. M. (2008). Probability and Statistics in Engineering. Wiley.
• Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). Wiley.
• Gibbons, J. D., & Chakraborti, S. (2011). Nonparametric Statistical Inference (5th ed.). CRC Press.