Ποιοτική Εκπαίδευση και Έρευνα στη Στατιστική Μεθοδολογία, Ανάλυση Δεδομένων και τη Στοχαστική Ανάλυση
Το Τμήμα
Το τμήμα Στατιστικής του Οικονομικού Πανεπιστημίου Αθηνών ιδρύθηκε το 1989. Ο σκοπός του είναι η παροχή καινοτόμων και υψηλής ποιότητας προπτυχιακών και μεταπτυχιακών σπουδών στις Πιθανότητες και τη Στατιστική. Κάθε ακαδημαϊκό έτος γίνονται δεκτοί 120 προπτυχιακοί και περίπου 60 μεταπτυχιακοί φοιτητές.
Το τμήμα απολαμβάνει διεθνούς φήμης για την ανάπτυξη στατιστικής μεθοδολογίας, η οποία προέρχεται από μια μακρά ιστορία ενεργού συμβολής στην έρευνα και τη διδασκαλία της στατιστικής επιστήμης.
Τα προγράμματά μας Msc in Statistics (δύο εξάμηνα), Msc in Applied Statistics and Data Analytics (τέσσερα εξάμηνα), Msc in Quantitative Management of Actuarial and Financial Risk (τέσσερα εξάμηνα) και Msc in Data Science (πρόγραμμα δύο ή τεσσάρων εξαμήνων) προσφέρουν εξειδικευμένη κατάρτιση στην στατιστική με εφαρμογές στην επιστήμη της εκπαίδευσης, τις φυσικές, ιατρικές και κοινωνικές επιστήμες, τα οικονομικά, την οικονομετρία και την αναλογιστική επιστήμη.
Δεχόμαστε αιτήσεις για εκπόνηση διδακτορικού από φοιτητές με εξαιρετικές μεταπτυχιακές σπουδές και ενδιαφέρον σε πολλούς τομείς της στατιστικής, όπως Bayesian statistics, στοχαστική μοντελοποίηση, οικονομικά μαθηματικά, αναλογιστική στατιστική, πολυμεταβλητή στατιστική και άλλα.
Εδώ μπορείτε να δείτε μια λίστα με τους υποψήφιους διδάκτορες.
Εδώ μπορείτε να δείτε μια λίστα με τους διδάκτορες του τμήματος.
Η Πολιτική Διασφάλισης Ποιότητας του Τμήματος Στατιστικής βρίσκεται εδώ.
Τα προσφερόμενα προγράμματα είναι τα παρακάτω:
Ποσοτική Διαχείριση Αναλογιστικού & Χρηματοοικονομικού Κινδύνου
Το πρόγραμμα επικεντρώνει στα ακόλουθα γνωστικά πεδία:
α) Στοχαστική και στατιστική μοντελοποίηση χρηματοοικονομικού, ασφαλιστικού και αναλογιστικού κινδύνου
β) Τεχνικές διαχείρισης κινδύνου
γ) Τεχνικές επιλογής χρηματοοικονομικών και ασφαλιστικών χαρτοφυλακίων
Το ΠΜΣ πλήρους φοίτησης απευθύνεται σε πτυχιούχους πανεπιστημίων με πολύ καλό υπόβαθρο σε ποσοτικά θέματα και σε πληροφορική και συγκεκριμένα με βασικές γνώσεις προγραμματισμού και επιστήμης υπολογιστών, καλή γνώση μαθηματικών και στατιστικών εννοιών, μεθόδων και τεχνικών, και εμπειρία στην αλγοριθμική θεώρηση των προβλημάτων.