Μάθημα

Ποσοτικές Μέθοδοι

Διδακτικό Προσωπικό Μαλέσιος Χρυσοβαλάντης
Διάρκεια 13 Εβδομ.
Πτυχίο Ναι
Ενότητες 0
Χαρακτηριστικά Μαθήματος
Υποχρεωτικό Μάθημα
Διδακτικές Μονάδες : 5
Τμήμα : Αγροτικής Οικονομίας & Ανάπτυξης
Ώρες Θεωρίας : 5
Ώρες Εργαστηρίου : 0
Χειμερινό Εξάμηνο
Διδακτικό Προσωπικό
Επίκουρος Καθηγητής
Τα ερευνητικά του ενδιαφέροντα περιλαμβάνουν την εφαρμογή κλασικών και νεότερων στατιστικών/οικονομετρικών μεθόδων και προσεγγίσεων στα εξής επιστημονικά πεδία: Περιβαλλοντικά δεδομένα, οικονομικά του περιβάλλοντος, επιδημιολογικά δεδομένα με έμφαση στις ζωονόσους και τους μηχανισμούς μετάδοσής τους στο χώρο και το χρόνο, αειφόρο ανάπτυξη, περιβαλλοντική υπευθυνότητα, δείκτες αειφορίας, δασολογικά δεδομένα.
Περιγραφή Μαθήματος

Σκοπός του μαθήματος είναι να προσφέρει στους φοιτητές μαθηματικές γνώσεις οι οποίες έχουν ιδιαίτερη βαρύτητα στην οικονομική ανάλυση και στην γεωργική οικονομική και οι οποίες δεν διδάσκονται στα μαθήματα γενικών Μαθηματικών των δύο πρώτων εξαμήνων. Οι φοιτητές θα δουν και θα μάθουν εφαρμογές αυτών των μεθόδων τόσο στην διατύπωση και την διερεύνηση της θεωρίας, όσο και στην επίλυση συγκεκριμένων οικονομικών προβλημάτων που αντιμετωπίζουν οι επιχειρήσεις ή τη χάραξη πολιτικής. Οι φοιτητές θα κατανοήσουν την αναγκαιότητα των προηγούμενων μαθηματικών γνώσεων που απέκτησαν και τις οποίες θα ασκήσουν πάλι, και θα μπορούν να κρίνουν και να αποφασίζουν ποιες είναι οι συγκεκριμένες μαθηματικές μέθοδοι που διδάσκονται στο μάθημα αυτό και ενδείκνυνται προς επίλυση συγκεκριμένων προβλημάτων. Θα ασκηθούν στη σωστή εφαρμογή τους, βοηθούμενοι με ασκήσεις και παραδείγματα.

Οι εφαρμογές αυτών των μαθηματικών μεθόδων αναμένεται να:

  • βελτιώσουν την αντίληψή του φοιτητή/τριας πάνω σε θεωρητικά και πρακτικά προβλήματα αλλά και την κρίση τους για την επίλυση προβλημάτων βελτιστοποίησης με εφαρμογές ειδικά στην γεωργική οικονομική.
  • είναι σε θέση να κοινοποιούν πληροφορίες, αποτελέσματα και λύσεις με βάση την εφαρμογή κατάλληλων μαθηματικών μεθόδων βελτιστοποίησης (προβλήματα μεγιστοποίησης/ελαχιστοποίησης) τόσο σε ειδικευμένο όσο και σε μη εξειδικευμένο κοινό.

Επιπλέον, να αποκτήσουν απαραίτητες γνώσεις υποδομής στην μαθηματική βελτιστοποίηση που αναμφίβολα θα χρειαστούν σε όσους αποφασίσουν να συνεχίσουν με μεταπτυχιακές/διδακτορικές σπουδές και έρευνα.

Course Layout  (EN)

Περίγραμμα μαθήματος