GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| İST-515 | İSTATİSTİKSEL PROGRAMLAMA | Seçmeli Ders Grubu | 1 | 1 | 6,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, programlama mantığını öğrendikten sonra istatistiksel problemlerin çözümü için kodlar geliştirebilmektir.
Dersi Veren Öğretim GörevlisiGörevlileri
Doç. Dr. Fatma Zehra DOĞRU
Öğrenme Çıktıları
| 1 | Matematiksel ve İstatistiksel hesaplamaları bilgisayarda yapar |
| 2 | Örnekleme terminolojilerini ve örnekleme dağılımını bilme |
| 3 | İstatistiksel yöntemler için bilgisayar kodları yazar |
| 4 | İstatistiksel dağılımlar arası geçişleri bilme |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Matlabda istatistiksel toolbox kullanımı Matlabda istatistiksel programlama Örnekleme terminolojileri, örnekleme dağılımı Monte Carlo yöntemi ile simülasyon Çeşitli tahmin edicilerin Monte Carlo yöntemi ile karşılaştırılması İstatistiksel dağılımlar arası geçişler, rasgele değişken üretme teknikleri Q-Q grafiği, kutu grafiği, serpme diyagramı Bootstrap yöntemi Veri setinin histogramı kullanılarak verinin olasılık yoğunluk fonksiyonunun araştırılması Çeşitli testlerin güçlerinin hesaplanması, simule edilmiş değerlerle karşılaştırılması ve grafiklerinin çizdirilmesi
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | İstatistiksel yöntemlerin tanıtılması | ||
| 2 | Matlabda istatistiksel toolbox kullanımı | ||
| 3 | Matlabda istatistiksel programlama | ||
| 4 | Matlabda istatistiksel programlama | ||
| 5 | Örnekleme terminolojileri, örnekleme dağılımı | ||
| 6 | Monte Carlo yöntemi ile simülasyon | ||
| 7 | Çeşitli tahmin edicilerin Monte Carlo yöntemi ile karşılaştırılması | ||
| 8 | Matlab'da Verileri Sınıflama için Kod Yazımı | ||
| 9 | İstatistiksel dağılımlar arası geçişler, rasgele değişken üretme teknikleri | ||
| 10 | Rasgele değişken üretme teknikleri (devam) | ||
| 11 | Q-Q grafiği, kutu grafiği, serpme diyagramı | ||
| 12 | Bootstrap yöntemi | ||
| 13 | Veri setinin histogramı kullanılarak verinin olasılık yoğunluk fonksiyonunun araştırılması | ||
| 14 | Çeşitli testlerin güçlerinin hesaplanması, simule edilmiş değerlerle karşılaştırılması ve grafiklerinin çizdirilmesi |
Ders Kitabı Malzemesi Önerilen Kaynaklar
The Matlab 5 Handbook (Enander, E.P. & Sjöberg, A., 1999, Addison-Wesley) Computational Statistics (Givens, G. H. & Hoeting, J.A., 2005, Wiley-Interscience) Computational Statistics Handbook with MATLAB, 2007, Martinez M.L and Martinez A.R, Chapman & Hall/CRC, Taylor & Francis Group. Chapman & Hall/CRC) Understanding Robust and Exploratory Data Analysis (Hoaglin, D.C., Moesteller, F. & Tukey, J.W., 1983, John Wiley & Sons Inc.)
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 3 | 42 |
| Ara Sınav İçin Bireysel Çalışma | 14 | 4 | 56 |
| Final Sınavı içiin Bireysel Çalışma | 16 | 5 | 80 |
| Toplam İş Yükü (saat) | 180 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 1 | 3 | |||||||||||||
| ÖÇ 2 | 4 | 3 | |||||||||||||
| ÖÇ 3 | 3 | ||||||||||||||
| ÖÇ 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek