Dersin Adı | Uygulamalı İstatistik |
Kodu | Yarıyıl | Teori (saat/hafta) | Uygulama/Lab (saat/hafta) | Yerel Kredi | AKTS |
---|---|---|---|---|---|
MATH 462 | Güz/Bahar | 3 | 0 | 3 | 7 |
Ön-Koşul(lar) | Yok | |||||
Dersin Dili | İngilizce | |||||
Dersin Türü | Seçmeli | |||||
Dersin Düzeyi | Lisans | |||||
Dersin Veriliş Şekli | Karma | |||||
Dersin Öğretim Yöntem ve Teknikleri | TartışmaSoru & CevapAnlatım / Sunum | |||||
Dersin Koordinatörü | - | |||||
Öğretim Eleman(lar)ı | ||||||
Yardımcı(ları) |
Dersin Amacı | Bu ders, fen ve sosyal bilimler alanlarında kulanılan istatistiksel verilerin incelenmesi için gerekli yöntemleri sağlamayı amaçlamaktadır. |
Öğrenme Çıktıları | Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı | Bu ders değişik alanlarda kulanılan istatistiksel verilerin incelenmesi için gerekli yöntemleri sağlamaktadır. |
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları | |
| Temel Ders | X |
Uzmanlık/Alan Dersleri | ||
Destek Dersleri | ||
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
Hafta | Konular | Ön Hazırlık |
1 | Verileri tanımlamanın ve tanımlayıcı ilişkileri özetlemenin önemi | Okutman notlarının takip edilmesi gerekmektedir. |
2 | Anlamlı veriler elde etmek, verileri tanıtmak, veri tanıtma hataları | Okutman notlarının takip edilmesi gerekmektedir. |
3 | Tanımlayıcı ölçüler: Merkezi eğilim ölçüleri, değişkenlik ölçüleri | Okutman notlarının takip edilmesi gerekmektedir. |
4 | Bağıl konum ölçüleri | Okutman notlarının takip edilmesi gerekmektedir. |
5 | Aykırı verileri belirlemede kullanılan metotlar, ikili doğrusal ilişkiler elde etme | Okutman notlarının takip edilmesi gerekmektedir. |
6 | Veri analizinde kullanılan genel prensipler: Örnekleme kavramı, yansızlık ve minimum varyans örnek ortalamasının örneklem dağılımı ve merkezi limit teoremi | Okutman notlarının takip edilmesi gerekmektedir. |
7 | Veri analizinde kullanılan genel prensipler: Güven aralığı ve Hipotez testleriyle tek örneklem tahmini | Okutman notlarının takip edilmesi gerekmektedir. |
8 | Veri analizinde kullanılan genel prensipler: Güven aralığı ve Hipotez testleriyle iki örneklem tahmini | Okutman notlarının takip edilmesi gerekmektedir. |
9 | Deney tasarımı | Okutman notlarının takip edilmesi gerekmektedir. |
10 | Varyans analizi | Okutman notlarının takip edilmesi gerekmektedir. |
11 | Tek doğrusal regresyon | Okutman notlarının takip edilmesi gerekmektedir. |
12 | Çoklu regresyon ve model kurma | Okutman notlarının takip edilmesi gerekmektedir. |
13 | Kategorisel veri analizi | Okutman notlarının takip edilmesi gerekmektedir. |
14 | Bazı seçilmiş konular ve uygulamaları | Okutman notlarının takip edilmesi gerekmektedir. |
15 | Dersin gözden geçirilmesi | |
16 | Final Sınavı |
Ders Kitabı | |
Önerilen Okumalar/Materyaller | “Statistical Techniques for Data Analysis” by J.K. Taylor and C. Cihon, Chapman and Hall/CRC, 2nd Edition, 2004. ISBN: 9781584883852 |
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım | 1 | 10 |
Laboratuvar / Uygulama | ||
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | ||
Portfolyo | ||
Ödev | ||
Sunum / Jüri Önünde Sunum | 1 | 10 |
Proje | 1 | 20 |
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav | 1 | 30 |
Final Sınavı | 1 | 30 |
Toplam |
Yarıyıl İçi Aktivitelerin Başarı Notuna Katkısı | 4 | 70 |
Yarıyıl Sonu Aktivitelerin Başarı Notuna Katkısı | 1 | 30 |
Toplam |
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) | 16 | 3 | 48 |
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) | 16 | ||
Sınıf Dışı Ders Çalışması | 14 | 4 | 56 |
Arazi Çalışması | |||
Küçük Sınav / Stüdyo Kritiği | |||
Portfolyo | |||
Ödev | |||
Sunum / Jüri Önünde Sunum | 1 | 15 | |
Proje | 1 | 20 | |
Seminer/Çalıştay | |||
Sözlü Sınav | |||
Ara Sınavlar | 1 | 32 | |
Final Sınavı | 1 | 39 | |
Toplam | 210 |
# | Program Yeterlilikleri / Çıktıları | * Katkı Düzeyi | ||||
1 | 2 | 3 | 4 | 5 | ||
1 | Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur. | X | ||||
2 | Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir. | X | ||||
3 | Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder. | X | ||||
4 | Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir. | X | ||||
5 | Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır. | X | ||||
6 | Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar. | |||||
7 | Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır. | |||||
8 | Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular. | |||||
9 | Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur. | |||||
10 | Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar. | |||||
11 | Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar. | |||||
12 | İkinci yabancı dili orta düzeyde kullanır. | |||||
13 | İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest