GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| İST-527 | PARAMETRİK OLMAYAN VE YARI PARAMETRİK MODELLEME | Seçmeli Ders Grubu | 1 | 1 | 6,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Parametrik olmayan düzgünleştirme kavramı aynı anda modelin altında yatan yapıyı modellemek ve tahmin etmek için kullanılır. Bu kavramlar koşullu dağılım, regresyon yüzleri, yoğunluk fonksiyonları gibi yüksek boyutlu nesneleri içerir. Bu nesneleri kullanarak karışık, yüksek boyutlu ve kısmen gözlenmeyen değişkenlere sahip veri setleri için tahminler yapmak oldukça zordur. Yarı parametrik modellleme teknikleri kısmi parametrik bileşenleri kullanarak istatistik yöntemlerinin daha kullanışlı ve esnek olmasını sağlarlar. Bu bileşenler bazı değişkenler üzerindeki doğrusallık gibi yapısal şartları karşılamak ve kesikli değişkenin etkisini modellemek için kullanılabilir.
Dersi Veren Öğretim GörevlisiGörevlileri
Prof. Dr. Erol EĞRİOĞLU
Öğrenme Çıktıları
Öğrenim Türü
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Parametrik olmayan modeller; histogram, kernel yoğunluk fonksiyonu, parametrik olmayan regresyon Yarı parametrik olmayan modeller; Genelleştirilmiş Regresyon, Tek indeksli modeller, Genelleştirilmiş kısmi lineer modeller, Toplamsal ve Genelleştirilmiş toplamsal modeller
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Histogram | ||
| 2 | Parametrik Olmayan Olasılık Yoğunluk Fonksiyonunun Tahmini | ||
| 3 | Kernel Yoğunluk fonksiyonu | ||
| 4 | Kanonik Kernel Yoğunluk fonksiyonu | ||
| 5 | Çok değişkenli Kernel Yoğunluk Fonksiyonu | ||
| 6 | Tek Değişkenli Kernel Regresyon | ||
| 7 | Çok Değişkenli Kernel Regresyon | ||
| 8 | ARA SINAV | ||
| 9 | Genelleştirilmiş Lineer Modeller | ||
| 10 | Tek indeksli Modeller | ||
| 11 | Yarı parametrik En Küçük Kareler Yöntemi | ||
| 12 | Pseudo Olabilirlik Tahmini | ||
| 13 | Genelleştirilmiş Kısmi Lineer Modeller | ||
| 14 | Toplamsal Modeller | ||
| 15 | Genelleştirilmiş Toplamsal Modeller | ||
| 16 | FİNAL SINAVI |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Hardle W.,and Müller M., “ Nonparametric and Semiparametric Models”, 2004 ,Springer
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 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek