Το μάθημα παρέχει μια ολοκληρωμένη θεωρητική και εμπειρική βάση για την ανάπτυξη δεξιοτήτων στις μεθόδους έρευνας και στη στατιστική ανάλυση δεδομένων από δειγματοληπτικές έρευνες. Ειδική έμφαση δίνεται στην πρακτική εφαρμογή, με στόχο την ανάπτυξη της ικανότητας επιλογής της κατάλληλης μεθοδολογίας για την ανάλυση δεδομένων, την αξιολόγηση των προϋποθέσεων και τη διεξαγωγή διαγνωστικών ελέγχων. Επιπλέον, δίνεται έμφαση στην ερμηνεία των αποτελεσμάτων, υποστηρίζοντας την εξαγωγή τεκμηριωμένων συμπερασμάτων. Το μάθημα στοχεύει στην ενίσχυση των ερευνητικών δεξιοτήτων των φοιτητών, επιτρέποντάς τους να εφαρμόζουν μεθοδολογίες ανάλυσης δεδομένων σε ποικίλα ερευνητικά πεδία.
Το μάθημα επικεντρώνεται στη στατιστική ανάλυση δειγματοληπτικών δεδομένων και στην εφαρμογή προηγμένων μεθόδων ανάλυσης δεδομένων. Αρχικά, παρουσιάζονται βασικές έννοιες όπως οι κατανομές συχνοτήτων και τα στατιστικά μέτρα (κεντρικής τάσης, διασποράς, ασυμμετρίας και κύρτωσης), παρέχοντας τη θεωρητική βάση για την ανάλυση δεδομένων. Στο πλαίσιο της εκτιμητικής στατιστικής, εξετάζονται οι μέθοδοι σημειακής εκτίμησης και εκτίμησης διαστήματος, καθώς και τα διαστήματα εμπιστοσύνης.
Η διατύπωση και ο έλεγχος στατιστικών υποθέσεων αποτελούν κεντρικό άξονα του μαθήματος, συμπεριλαμβανομένης της ανάλυσης των σφαλμάτων που μπορεί να προκύψουν κατά τον έλεγχο. Εξετάζεται επίσης η ανάλυση διακύμανσης, με έμφαση στις υποθέσεις, τους ελέγχους πολλαπλών συγκρίσεων, τον έλεγχο καλής προσαρμογής και τις μεθόδους μετασχηματισμού και κανονικότητας.
Η δειγματοληψία αναλύεται μέσα από διάφορες μεθόδους, όπως η απλή τυχαία δειγματοληψία, η δειγματοληψία κατά στρώματα, ομάδες ή στάδια, καθώς και η κατευθυνόμενη δειγματοληψία, λαμβάνοντας υπόψη τα σφάλματα που σχετίζονται με κάθε μέθοδο. Παράλληλα, εξετάζονται μη παραμετρικές μέθοδοι ελέγχου υποθέσεων και συντελεστές συσχέτισης για δεδομένα που δεν πληρούν τις παραδοχές της κανονικότητας, με πρακτικές εφαρμογές στο λογισμικό SPSS.
Προχωρώντας, το μάθημα εστιάζει σε προηγμένα θέματα πολλαπλής παλινδρόμησης, οικονομετρική ανάλυση χρονολογικών σειρών, καθώς και στη μεθοδολογία ανάλυσης κατηγορικών δεδομένων, με χρήση κλιμάκων Likert και εφαρμογή στο πρόγραμμα SPSS. Τέλος, εξετάζονται πολυμεταβλητές μέθοδοι ανάλυσης, όπως η παραγοντική ανάλυση και η ταξινόμηση, παρέχοντας στους φοιτητές τις απαραίτητες δεξιότητες για την επεξεργασία και ερμηνεία σύνθετων δεδομένων.