Σπουδές Στατιστικής στην Ελλάδα

Συγκεντρώνω σε μία λίστα τις δημόσιες σχολές στατιστικής στην Ελλάδα και συγκρίνω τα βασικά τους στοιχεία με βάση τους οδηγούς σπουδών τους
R
Περιγραφικη αναλυση
Συγγραφέας

stesiam

Δημοσιευμένο

20 Ιουνίου 2023

Εισαγωγή

Σε αυτό το άρθρο θα ήθελα να συγκεντρώσω όλες αυτές τις διάσπαρτες πληροφορίες που υπάρχουν για τα τμήματα Στατιστικής στη χώρα μας. Θα αναλύσω ως επί το πλείστον πληροφορίες που μπορούν να βρεθούν στο διαδίκτυο σαν να είχα να συμπληρώσω μηχανογραφικό. Ωστόσο, σε κάθε περίπτωση σας αποτρέπω από το να επιλέξετε σχολή βασίζοντας την επιλογή σας σε μόνο αυτό το άρθρο. Σε αυτή τη κατηγορία εντάσσω απλά όσες σχολές σχετίζονται με τη Στατιστική. Τα τμήματα που θα συγκρίνω είναι τα εξής:

Δείξε τον κώδικα

Βάση εισαγωγής

Ένα πρώτο κριτήριο για αρκετούς είναι η βάση εισαγωγής, όπου είναι ο ελάχιστος βαθμός που πρέπει να έχεις πετύχει στις Πανελλήνιες για να εισαχθείς στην αντίστοιχη σχολή. Ή διαφορετικά ο βαθμός που έγραψε ο τελευταίος επιτυχόντας της σχολής, με δεδομένο τον αριθμό των θέσεων. Αν και κατά τη γνώμη μου αυτός ο δείκτης δείχνει κατά πόσο είναι επιθυμητή αυτή η σχολή και όχι το επίπεδο σπουδών αυτής. Παρακάτω, συγκέντρωσα ιστορικά στοιχεία των βάσεων (από το 2013 μέχρι το 2022) από τις τέσσερις σχολές Στατιστικής και έκανα ένα απλό διάγραμμα. Σε αυτό φαίνεται ότι ιστορικά το τμήμα με τη μεγαλύτερη βάση είναι του ΟΠΑ (με μόνη εξαίρεση το 2015). Δεύτερο σε προτίμηση έρχεται το τμήμα Στατιστικής του Πειραιά. Τελευταία σε προτίμηση είναι τα περιφερειακά τμήματα Στατιστικής, Αιγαίου και Δυτικής Μακεδονίας που εδραίουν στη Σάμο και στα Γρεβενά αντίστοιχα. Οι βάσεις τους ταυτίζονται σε μεγάλο βαθμό και ενδεχομένως το ότι βρίσκονται σε περιοχές μακριά των κύριων αστικών κέντρων της χώρας να μην είναι ιδιαίτερα ελκυστικά για τη πλειονότητα των υποψηφίων.

Δείξε τον κώδικα
title_text = "<strong>Βάσεις εισαγωγής σε τμήματα Στατιστικής</strong>"
subtitle_text = "Σχετικά σταθερή και αξιοπρεπής βάση στα τμήματα της Αττικής έναντι των περιφερειακών τμημάτων Στατιστικής"
caption_text = "Πηγή:</b>Βάσεις Πανελληνίων<br><span style='font-family:fb;'  >&#xf09b;</span> <b>stesiam</b>, 2024"

hchart(tmimata_statistikis, "line", hcaes(x = Year, y = Vasi, group = University)) |>
  hc_title(
    text = title_text,
    align = "left") |>
  hc_xAxis(title = "Έτος") |>
  hc_yAxis(title = "Βάση εισαγωγής") |>
  hc_subtitle(text = subtitle_text, align = "left") |>
  hc_caption(text = caption_text) %>%
  hc_tooltip(shared = TRUE)
Σχήμα 1: Βάσεις εισαγωγής σχολών Στατιστικής (2013 - 2022)

Θέσεις

Κάθε χρόνο το Υπουργείο Παιδείας ανακοινώνει τις διαθέσιμες θέσεις για κάθε σχολή και για κάθε κατηγορία εξεταζόμενων. Σε αυτή την ανάλυση ασχολούμαι με τους υποψήφιους των Γενικών Λυκείων που αποτελούν και τη συντριπτική πλειοψηφία των συμμετεχόντων. Με μία πρώτη ματιά παρατηρώ μία αντιστροφή των αποτελεσμάτων σε σύγκριση με τη βάση εισαγωγής. Δηλαδή, στις σχολές με την σχετικά υψηλότερη βάση παρέχονται λιγότερες θέσεις, ενώ οι περισσότερες θέσεις διατίθενται στις σχολές χαμηλότερης βάσης. Για του λόγου το αληθές, παρατηρώ το Στατιστικό του ΟΠΑ να κυμαίνεται στις 100 διαθέσιμες θέσεις, ακολουθούμενο από αυτό του Πανεπιστημίου Πειραιά το οποίο μείωσε σημαντικά τις θέσεις του τα τελευταία χρόνια και έχει πέσει σε επίπεδα προσφοράς θέσεων του τμήματος Στατιστικής του Αιγαίου. Τελευταία και ιδιαίτερη περίπτωση είναι το νεοσύστατο τμήμα των Γρεβενών του Πανεπιστημίου Δυτικής Μακεδονίας το οποίο είχε αρκετά μεγάλο αριθμό διαθέσιμων θέσεων και ενδεχομένως αυτή η μεγάλη προσφορά να οφείλεται στην μη ύπαρξη επιτυχόντων για το συγκεκριμένο τμήμα της περιφέρειας.

Δείξε τον κώδικα
title_text = "<b>Θέσεις εισαγωγής σε τμήματα Στατιστικής (ΓΛ90)</b>"
subtitle_text = "Oι διαθέσιμες θέσεις για φοίτηση στα τμήματα Στατιστικής. Συνήθως οι θέσεις σε τμήματα εκτός μεγάλων αστικών κέντρων μένουν ακάλυπτες."

caption_text = "<b> Πηγή:</b> Βάσεις Πανελληνίων<br><span style='font-family:fb;'  >&#xf09b;</span> <b>stesiam</b>, 2024"


hchart(tmimata_statistikis, "line", hcaes(x = Year, y = Theseis, group = University)) |>
  hc_title(
    text = title_text,
    align = "left") |>
  hc_xAxis(title = "Έτος") |>
  hc_yAxis(title = "Θέσεις εισαγωγής") |>
  hc_subtitle(text = subtitle_text, align = "left") %>%
  hc_tooltip(shared = TRUE)
Σχήμα 2: Διαθέσιμες θέσεις σχολών Στατιστικής (2013 - 2022)

Βέβαια, η παροχή των θέσεων δεν συνεπάγεται πάντοτε και πλήρωση αυτών. Πολλές από αυτές μπορεί να μείνουν αδιάθετες λόγω χαμηλής ζήτησης. Αυτό το φαινόμενο παρατηρείται σε σχολές εκτός των αστικών κέντρων. Τα τελευταία χρόνια υπάρχει και ένας επιπρόσθετος λόγος μιας και έχει θεσμοθετηθεί η ελάχιστη βάση εισαγωγής (ΕΒΕ), η οποία αποτρέπει την βάση μιας σχολής να πέσει κάτω από έναν συγκεκριμένο βαθμό (π.χ. κάτω από 7 ή 13) και για αυτό παρατηρείται στο πρώτο διάγραμμα των βάσεων μία απότομη αύξηση στις σχολές του Αιγαίου και της Δυτικής Μακεδονίας. από την εφαρμογή της να δούμε και άλλες αδιάθετες θέσεις. Έτσι, ο αριθμός των εισακτέων μπορεί πλέον να διαφέρει σημαντικά όχι απλώς μεταξύ τμημάτων εντός και μεγάλων αστικών κέντρων (π.χ. Πανεπιστήμιο Αιγαίου, Πανεπιστήμιο Δυτικής Μακεδονίας - Γρεβενά), αλλά και ως προς τον διαθέσιμο αριθμό εισακτέων και των εγγεγραμμένων φοιτητών.

Δείξε τον κώδικα
years <- unique(tmimata_statistikis$Year)

# Step 3: Prepare series data
series_data <- tmimata_statistikis %>%
  group_by(University) %>%
  summarise(data = list(Theseis)) %>%
  mutate(name = University) %>%
  select(name, data) %>%
  list_parse()


highchart() %>%
    hc_chart(type = "area") %>%
    hc_title(text = "Κατανομή προσφερόμενων θέσεων σε τμήματα Στατιστικής") %>%
    hc_subtitle(text = "Το τμήμα Στατιστικής του Πειραιά είναι αυτό που προσέφερε περισσότερες θέσεις αναλογικά με τις συνολικά προσφερόμενες σε πανελλήνιο επίπεδο. Πλέον το νεοσύστατο τμήμα των Γρεβενών έχει τη μεγαλύτερη προσφορά θέσεων.") %>%
    hc_xAxis(categories = years, tickmarkPlacement = "on", title = list(enabled = FALSE)) %>%
    hc_yAxis(title = list(text = "Ποσοστό (%)"), labels = list(format = "{value}%")) %>%
    hc_tooltip(shared = TRUE, pointFormat = "<span style='color:{series.color}'>{series.name}</span>: <b>{point.percentage:.1f}%</b> ({point.y:,.0f})<br/>") %>%
    hc_plotOptions(area = list(
        stacking = "percent",
        lineColor = "#ffffff",
        lineWidth = 1,
        marker = list(lineWidth = 1, lineColor = "#ffffff")
    )) %>%
    hc_add_series_list(series_data)
Σχήμα 3: Αναλογία προσφερόμενων θέσεων σε τμήματα Στατιστικής (2013 - 2022)

Προϋποθέσεις για πτυχίο

Και τα τέσσερα τμήματα προσφέρουν 4ετή φοίτηση και κάποιος ορίζεται ως πτυχιούχος με την απόκτηση 240 ECTS. Οι διαφορές τους ανάγονται κυρίως στο πλήθος των μαθημάτων ή στο αν υπάρχει προϋπόθεση για πτυχιακή. Σημειώνεται ότι οι παραπάνω πληροφορίες βασίζονται στους πρόσφατους οδηγούς σπουδών των παραπάνω τμημάτων (2022-2023).

Το UniPi2011 αναφέρεται στο πρόγραμμα σπουδών του τμήματος Στατιστικής του Πειραιά που ίσχυε για τους φοιτητές που μπήκαν στο τμήμα από το 2011 μέχρι το 2016. Οι εισακτέοι του τμήματος από το 2017 ακολουθούν το νέο πρόγραμμα σπουδών του 2017 (UniPI2017)

Δείξε τον κώδικα
highchart() %>%
  hc_chart(type = "bar") %>%
  hc_title(text = "Δομή απατούμενων μαθημάτων τμημάτων Στατιστικής") %>%
  hc_subtitle(text = "Ο αριθμός των μαθημάτων που απαιτούνται για την απόκτηση προπτυχιακού τίτλου σπουδών από τα δημόσια τμήματα Στατιστικής της χώρας μας. Αναλύεται και η σύνθεση των προγραμμάτων με βάση την ευελιξία προσαρμογής του προγράμματος σπουδών (αριθμός επιλεγόμενων ως ποσοστό των υποχρεωτικών).")  %>%
  hc_caption(text = "stesiam, 2025") %>%
  hc_xAxis(
       categories = degree_requirements$Images,
         labels = list(useHTML = TRUE),
         title = list(text = NULL)
   ) %>%
  hc_yAxis(title = list(text = "Μαθήματα για πτυχίο")) %>%
  hc_plotOptions(series = list(stacking = "normal")) %>%
  hc_add_series(name = "Επιλεγόμενα", data = degree_requirements$Elective, stack = "courses") %>%
  hc_add_series(name = "Υποχρεωτικά", data = degree_requirements$Comp, stack = "courses")
Σχήμα 4: Απαιτούμενα μαθήματα για τη λήψη πτυχίου ανά τμήμα

Επιλεγόμενα μαθήματα

Παραπάνω είδαμε σε πόσα μαθήματα θα πρέπει να εξεταστεί ένας σπουδαστής του αντίστοιχου τμήματος για να πάρει πτυχίο. Πόση ελευθερία υπάρχει σε κάθε τμήμα προκειμένου ο ίδιος ο φοιτητής να προσαρμόσει τις σπουδές του στις προτιμήσεις του και τα προσωπικά του ερευνητικά ενδιαφέροντα; Αυτό προσπάθησα να μελετήσω με την προσθήκη της μεταβλητής των ελεύθερων μαθημάτων και του ποσοστού που αποτελούν αυτά ως προς τα συνολικά μαθήματα.

Δείξε τον κώδικα
degree_requirements = degree_requirements |>
  arrange(-Electivepct)

highchart() %>%
  hc_chart(type = "bar") %>%
  hc_title(text = "Ευελιξία προγραμμάτων σπουδών") %>%
  hc_subtitle(text = "Ο αριθμός των επιλεγόμενων μαθημάτων ως ποσοστό των συνολικών μαθημάτων που απαιτούνται για το πτυχίο.")  %>%
  hc_caption(text = "stesiam, 2025") %>%
 hc_xAxis(
       categories = degree_requirements$Images,
         labels = list(useHTML = TRUE),
         title = list(text = NULL)
   ) %>%
  hc_yAxis(title = list(text = "Ποσοστό επιλεγόμενων/συνολικών μαθημάτων")) %>%
  hc_plotOptions(series = list(stacking = "normal")) %>%
  hc_add_series(name = "Επιλεγόμενα", data = degree_requirements$Electivepct, stack = "courses")
Σχήμα 5: Ποσοστό επιλεγόμενων επί του συνολικού αριθμού που απαιτούνται για την απόκτηση πτυχίου

Καθυστερημένη αποφοίτηση

Δείξε τον κώδικα
undergrads_by_year <- read_excel(here::here(work_dir, "undergrads_by_year.xls")) %>%
  dplyr::select(c(3,4,25)) %>%
  setNames(c("Dept", "StudentsUnEq6", "studentsOv6")) %>%
  tidyr::drop_na(Dept) %>%
  .[-c(1),] %>%
  mutate(across(c(StudentsUnEq6, studentsOv6), ~ as.integer(.))) %>%
  mutate(totalStudents = StudentsUnEq6 + studentsOv6,
         pctOv6 = studentsOv6 / totalStudents,
         nonPctOv6 = 1 - pctOv6) %>%
  arrange(-pctOv6) %>%
  dplyr::filter(str_detect(Dept, "ΣΤΑΤΙΣΤΙΚΗ"))
Δείξε τον κώδικα
highchart() %>%
  hc_chart(type = "bar") %>%
  hc_title(text = "Ποσοστό φοιτητών που ξεπέρασαν τα ν+2 έτη") %>%
  hc_subtitle(text = "Το τμήμα του Πειραιά έχει το μεγαλύτερο ποσοστό καθυστερημένης αποφοίτησης με 7 στους 10 φοιτητές του τμήματος να αποτελούν φοιτητές 7ου ή μεγαλύτερου έτους. Με μεγάλη ποσοστιαία διαφορά ακολουθούν τα τμήματα της Αθήνας και της Σάμου. Το τμήμα των Γρεβενών είναι νεοσύστατο και δεν έχει φοιτητές ν+2.") %>%
  hc_xAxis(categories = undergrads_by_year$Dept) %>%
  hc_yAxis(title = list(text = "Value")) %>%
  hc_plotOptions(series = list(stacking = "normal")) %>%
  hc_add_series(name = "Φοιτητές εώς 6ο έτος", data = undergrads_by_year$nonPctOv6) %>%
  hc_add_series(name = "Φοιτητές 7ου έτους και άνω", data = undergrads_by_year$pctOv6) %>%
  hc_yAxis(
    min = 0,
    max = 1,
    title = list(text = "Value"),
    plotLines = list(
      list(
        color = "orange",
        width = 2,
        value = 0.5,
        dashStyle = "ShortDash",
        label = list(
          y = 200,
          text = paste0("Μέσος όρος: ", round(50, 1)),
          align = "left",
          style = list(color = "orange", fontWeight = "bold", fontSize = 10)
        )
      )
    )
  ) %>%
  hc_tooltip(
  valueDecimals = 2
)
Σχήμα 6: Ραβδόγραμμα ποσοστού καθυστερημένης αποφοίτησης

Άλλες πληροφορίες

Δείξε τον κώδικα
reactable::reactable(others,
                     columns = list(

    Uni = colDef(name = "Πανεπιστήμιο"),
    Diloseis = colDef(name = "Όριο δηλώσεων", style = function(value) {
      if (value == "Όχι") {
        color <- "#008000"
      }  else {
        color <- "#e00000"
      }
      list(color = color, fontWeight = "bold")
    }
),
    Alysides = colDef(name = "Αλυσίδες μαθημάτων",
                      style = function(value) {
      if (value == "Όχι") {
        color <- "#008000"
      }  else {
        color <- "#e00000"
      }
      list(color = color, fontWeight = "bold")
    }
  ),
    Ptyxiaki = colDef(name = "Πτυχιακή",
                      style = function(value) {
      if (value == "Όχι") {
        color <- "#008000"
      }  else {
        color <- "#e8c010"
      }
      list(color = color, fontWeight = "bold")
    }),
    Vathmos =  colDef(name = "Υπολογισμός βαθμού")
  ))
Πίνακας 1

Βασικά χαρατηριστικά προγραμμάτων σπουδών

Χάρτης

Τέλος, θα είχε ενδιαφέρον να εξασκήσω τις ικανότητές μου στη δημιουργία χαρτών με την R. Συνήθως χρησιμοποιώ Shapefiles για να έχω μία βάση (στη προκειμένη περίπτωση τα όρια της Ελλάδας), ωστόσο αυτή τη φορά αποφάσισα να χρησιμοποιήσω το πακέτο rnaturalearth. Αξίζει να σημειωθεί ότι απαιτούνται και τα πακέτα rnaturalearthdata και rnaturalhires.

Δείξε τον κώδικα
students_by_dept = undergrads_by_year |>
  dplyr::filter(stringr::str_detect(Dept, "ΣΤΑΤΙΣΤΙΚΗ")) %>%
  mutate(Short = c("UniPi", "AUEB", "Aegean", "Grevena"))
Δείξε τον κώδικα
uni_coord = data.frame(
  uni = c("ΠαΠει", "Αιγαίου", "ΟΠΑ", "ΠαΔΜ"),
  unilong = c("Πανεπιστήμιο Πειραιά", "Πανεπιστήμιο Αιγαίου",
              "Οικονομικό Πανεπιστήμιο Αθηνών",
              "Πανεπιστήμιο Δυτικής Μακεδονίας"),
  dept = c("Στατιστική και Ασφαλιστική Επιστήμη", "Στατιστική και Αναλογιστική Επιστήμη", "Στατιστική", "Στατιστική"),
  studs = c(3207, 1035, 1203, 555),
  long = c(23.6529793, 26.5664138,23.7300928, 21.4565181),
  lat = c(37.77, 39.0851185, 38.1940201, 40.1197471),
  img = c("https://upload.wikimedia.org/wikipedia/en/thumb/a/a4/UNIPI_Emblem.png/250px-UNIPI_Emblem.png", "https://upload.wikimedia.org/wikipedia/en/d/df/Aegean_University_logo.gif", "https://upload.wikimedia.org/wikipedia/en/thumb/8/89/AUEB_EMBLEM.png/250px-AUEB_EMBLEM.png","https://upload.wikimedia.org/wikipedia/commons/thumb/4/42/UoWM.png/120px-UoWM.png"),
  established = c(1938, 1984, 1920, 2003),
  dpt_est = c(1977,2000, 1989, 2019),
  town = c("Πειραιάς", "Σάμος", "Αθήνα", "Γρεβενά")
)



uni_coord$symbol <- c(
  "url(https://upload.wikimedia.org/wikipedia/commons/e/e4/Map_marker_icon_%E2%80%93_Nicolas_Mollet_%E2%80%93_Pin.svg)",
  "url(https://upload.wikimedia.org/wikipedia/commons/e/e4/Map_marker_icon_%E2%80%93_Nicolas_Mollet_%E2%80%93_Pin.svg)",
  "url(https://upload.wikimedia.org/wikipedia/commons/e/e4/Map_marker_icon_%E2%80%93_Nicolas_Mollet_%E2%80%93_Pin.svg)",
  "url(https://upload.wikimedia.org/wikipedia/commons/e/e4/Map_marker_icon_%E2%80%93_Nicolas_Mollet_%E2%80%93_Pin.svg)"
)
raw <- paste(readLines("../../assets/js/gr-all.js", warn = FALSE), collapse = "")

# Extract everything between the first { and last }
json_str <- stringr::str_extract(raw, "(?<=\\= )\\{.*\\}")

gr_map <- jsonlite::fromJSON(json_str, simplifyVector = FALSE)# Load Greece Map
highchart(type = "map") %>%
  hc_add_series(
    mapData = gr_map,   # <-- your local map object
    name = "SA",
    showInLegend = FALSE
  ) %>%
  hc_add_series(
    data = uni_coord,
    type = "mappoint",
    hcaes(lon = long, lat = lat, name = uni),
    name = "Departments",
    color = "brown4",
    marker = list(
      symbol = "url(https://cdn-icons-png.flaticon.com/512/5081/5081368.png)",
      width = 20,
      height = 20
    )
  ) %>%
  hc_title(text = "<b>Σχολές Στατιστικής</b>") %>%
  hc_subtitle(text = "Στην Ελλάδα υπάρχουν συνολικά τέσσερις δημόσιες σχολές στατιστικής προπτυχιακού επιπέδου. Η φοίτηση σε αυτές είναι 4ετούς φοίτησης. Αυτές έχουν έδρα στην Αθήνα, στον Πειραιά, στη Σάμο και στα Γρεβενά") %>%
  hc_caption(text = "stesiam, 2025") |>
  hc_tooltip(
  useHTML = TRUE,  # Enables HTML formatting
  formatter = JS("
    function() {
      return '<div style=\"max-width: 330px; min-width: 200px; white-space: normal;\">' +
      '<div style=\"text-align: center; \">' + 
               '<b>' + this.point.unilong + '</b><br>(' + this.point.uni + ')</div>' + 
               '<br>' +
               '<div style=\"text-align: center;\"><em>' + this.point.dept + '</em></div>' +
                '<br>' +
               '<img style=\"margin: auto; display:flex; justify-content: center;\" src=\"' + this.point.img + '\" width=\"40\" height=\"40\" style=\"border-radius:10px; margin-top:5px;\" /><br>' +
               '<b>Πόλη:</b>' + this.point.town + '<br>' +
               '<b>Ίδρυση Πανεπιστημίου:</b> ' + this.point.established + '<br>' + 
               '<b>Ίδρυση Τμήματος:</b> ' + this.point.dpt_est + '<br>' + 
               '<b>Αριθμός προπτυχιακών:</b> ' + this.point.studs +
               '</div>';
    }
  ")
)  %>%
  hc_legend(enabled = FALSE)
Σχήμα 7: Χάρτης της Ελλάδας που αποτυπώνει τη γεωγραφική θέση όλων των προπτυχιακών τμημάτων Στατιστικής στη χώρα μας.

Επίλογος

Η προσωπική μου άποψη είναι ότι το τμήμα Στατιστικής του Αιγαίου είναι μία πολύ δελεαστική επιλογή. Παρουσιάζεται (το τονίζω αυτό, παρουσιάζεται) ως ένα σοβαρό τμήμα με έναν σύγχρονο οδηγό σπουδών (λίγα μαθήματα που αντισταθμίζεται με τον ανάλογο φόρτο εργασίας). Το συγκεκριμένο τμήμα κατά τη γνώμη μου αδικείται από τη βάση που έχει. Αν είχα την επιλογή να διαλέξω δίχως να λάβω υπόψιν το οικονομικό κριτήριο (κόστος ενοικίου κτλ.) θα ήταν η πρώτη μου επιλογή. Βέβαια, αυτή η επιλογή όπως έγραψα και στην αρχή βασίζεται αποκλειστικά σε πράγματα που θα έβρισκα στο διαδίκτυο και απλά τα μάζεψα σε ένα άρθρο. Υπάρχουν και άλλα πράγματα που έχουν σημαντικότατο ρόλο, όπως οι διδάσκοντες, το επίπεδο μαθήματος, τήρηση κανονισμών, εγκαταστάσεις, προσβασιμότητα και άλλα που δυστυχώς θα τα μάθετε, όταν θα είναι πολύ αργά.

Ευχαριστίες

Φωτογραφία από WOKANDAPIX από το Pixabay

Αναφορά

Αναφορά BibTeX:
@online{2023,
  author = {, stesiam},
  title = {Σπουδές Στατιστικής στην Ελλάδα},
  date = {2023-06-20},
  url = {https://stesiam.com/el/posts/statistics-studies-in-greece/},
  langid = {el}
}
Για απόδοση ευγνωμοσύνης, παρακαλούμε αναφερθείτε σε αυτό το έργο ως:
stesiam. 2023. “Σπουδές Στατιστικής στην Ελλάδα.” June 20, 2023. https://stesiam.com/el/posts/statistics-studies-in-greece/.