DERS ADI

: Oşinografide Uygulamalı İstatistik Yöntemler

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
COE 5039 Oşinografide Uygulamalı İstatistik Yöntemler SEÇMELİ 2 0 0 7

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. EYÜP MÜMTAZ TIRAŞIN

Dersi Alan Birimler

Kıyı Mühendisliği Doktora
Kıyı Mühendisliği Yüksek Lisans

Dersin Amacı

Bu dersin amacı, deniz bilimcilere oşinografik veriler üzerinden gelişmiş modern veri analiz araçlarını öğretmektir. Deniz bilimlerinin farklı dalları (fiziksel, kimyasal, biyolojik ve jeolojik) tamamen farklı nitelik ve nicelikte veriler kullanmaktadır. Gelişmiş veri değerlendirme araçları, bu disiplinler arası topluluğun kendi veri kümeleri ve istatiksel bilgisayar programları (R ve CANOCO gibi) kullanılarak uygulanacaktır.

Dersin Öğrenme Kazanımları

1   Oşinografik araştırmalarda örnekleme tasarımı ve istatistiksel analizin gerekliliğini tanımak.
2   İstatistiksel ve araştırma hipotezleri formüle edebilme becerisini göstermek ve deniz bilimleri alanında deneyler veya araştırmalar tasarımlamak.
3   Ham oşinografik veriler toplamak ve bunları düzenleyerek istatistiksel analizlere hazır hale getirmek.
4   Toplanan verileri tanımlayacak ve özetleyecek bütün örneklem istatistiklerini hesaplamak ve yine bu verilerin içerdiği bilgileri görselleştirecek ileri düzeyde grafikler üretmek.
5   Toplanan veriler hakkında çıkarımlar yapmak ve anlamlı ve geçerli sonuçlara ulaşmak için tek ve çok değişkenli istatistiksel analiz yöntemlerini uygulamak.
6   Verileri çözümlemek ve elde edilen sonuçları yorumlamak için R (R Project for Statistical Computing) ve CANOCO gibi bazı istatistiksel yazılımları kullanabilmek.
7   Gerek kendisinin gerekse başka araştırıcıların çalışmalarının güçlü ve zayıf yönlerinin değerlendirilmesinde eleştirel düşünme becerilerini göstermek.
8   Araştırma projelerinden elde edilen sonuçları yorumlamak, tartışmak ve ayrıca başkaları ile araştırmaları konusunda yazılı ve sözlü olarak iletişim kurmak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Giriş Dersin tanıtımı ve planı. Yararlanılacak kitaplar, diğer kaynaklar ve ev ödevleri. Oşinografik verilerin yapısı ve toplanması üzerine genel bir değerlendirme.
2 İstatiksel programlar R ve CANOCO'nun tanıtılması. CANOCO'daki istatistiksel modüller. Verilerin bu programların içine ve dışına aktarılması. Örnek uygulama: biyolojik oşinografi verileri.
3 İlgili istatistiksel yöntemlerin genel bir tekrarı Bazı temel oşinografik veri analiz yöntemlerinin (Basit doğrusal regresyon ve ANOVA) hatırlatılması ve uygulamaları. Fiziksel oşinografi verileriyle istatistiksel analiz.
4 Bileşik doğrusal regresyon Bileşik doğrusal regresyon modeli. Bağımsız değişkenlerin seçimi. Kukla değişkenler. Analiz sonrası değerlendirmeler.
5 Çok faktörlü varyans analizi Üç faktörlü ANOVA. Çok faktörlü ANOVA. Karma model.
6 Parametrik olmayan yöntemler. Parametrik ve parametrik olmayan yöntemler arasında seçim. Wald-Wolfowitz Runs testi. Mann-Whitney U testi. Kolmogorov-Smirnov iki-örneklem testi. Kruskal-Wallis ANOVA. Wilcoxon Signed-Rank testi. İşaret testi. Spearman R ve Kendall Tau testleri.
7 Sıklık çözümlemeleri (I) Uyum iyiliği testleri. Tek sınıflı uyum iyiliği testleri. Bağımsızlık testleri. İki yönlü olumsallık tablo analizleri.
8 Sıklık çözümlemeleri (II) Üç ve çok yönlü olumsallık tablo analizleri. Log-doğrusal modeller.
9 Ara sınav
10 Doğrusal olmayan modeller (I) Doğrusal olmayan regresyon modeli. Doğrusal olmayan regresyon analizi. Hata-yanılgı yapısı. Örnek uygulama: kimyasal oşinografi veri analizi.
11 Doğrusal olmayan modeller (II) Asimptotik regresyon. Lojistik regresyon. Probit regresyon. Örnek uygulama: biyolojik oşinografi veri analizi.
12 Çok değişkenli yöntemler (I) Çok değişkenli oşinografik veri. Çok değişkenli normal dağılım. Matris cebiri. Çok değişkenli varyans analizi. Örnek uygulama: deniz jeolojisi veri analizi.
13 Çok değişkenli yöntemler (II) Çok değişkenli uzaklıklar. Temel bileşenler analizi. Etken analizi. Kümelenme analizi. Atanma-sıralama. Uygunluk analizi.
14 Ara sınav

Ders İçin Önerilen Kaynaklar

Kaynak kitaplar (Uygun bölümler):

Devore, J. L., 2009. Probability and Statistics for Engineering and the Sciences (7th edition). Brooks/Cole, California, ABD.
Navidi, W., 2011. Statistics for Engineers and Scientists (3rd edition). McGraw-Hill Co., New York, ABD.
Thiébaux, H. J., 1994. Statistical Data Analysis for Ocean and Atmospheric Sciences. Academic Press, Londra, İngiltere.

Ek kaynaklar:

Dalgaard, P., 2002. Introductory Statistics with R. Springer, New York, ABD.
Snedecor, G. W. and Cochran, W. G., 1989. Statistical Methods (8th edition). Iowa State University Press. Ames, Iowa, ABD.
Sokal, R. R. and Rohlf, F. J., 2012. Biometry (4th edition). W. H. Freeman Co., New York, ABD.
Zar, J. H., 2010. Biostatistical Analysis (5th edition). Pearson Prentice-Hall, New Jersey, ABD.

Öğrenme ve Öğretme Yöntemleri

1. Dersler
Dersler sınıfta tümüyle interaktif bir formatta yapılmaktadır. Öğretim üyesi ders sırasında öğrencilerin katılımını pekiştirmek için sorular sorar, ortaya konan sorunlara çözüm önerileri bekler, farklı yaklaşımları özendirir. Dersler yoğun matematiksel anlatım yerine temel istatistiksel kavram ve tekniklerin öğrenciye aktarılmasına odaklanır. Örnekler olabildiğince gerçek hayattan seçilmekte ve konuların daha iyi anlaşılmasına yönelik ayrıntılı sözel ve görsel açıklamalar sağlanmaktadır.
2. Sınıf içi tartışmalar
Ev ödevleri ve sınıfta çözülen sorular öğrenilmesi gereken konuların temelini oluşturur. Öğrencilerin sınıf içi tartışmalara bireysel katılımı özellikle teşvik edilecektir.
3. Bilgisayar uygulamaları
İstatistiksel çözümleme ve grafik oluşturmaya yönelik ücretsiz yazılım ortamı R (R Project for Statistical Computing) ve CANOCO veri analizleri yapmak ve grafik üretmek için tanıtılacaktır.
4. Hesap makinesi
Her öğrenci sınıf içinde ve dışında ödevlere yönelik çeşitli hesaplamalar ve sınav için bilimsel bir hesap makinesine gereksinim duyacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ODV 1 ÖDEV 1
2 ODV 2 ÖDEV 2
3 ARS ARASINAV
4 YSS YIL SONU SINAVI
5 YSBN YIL SONU BAŞARI NOTU ODV 1 * 0.10 + ODV 2 * 0.10 + ARS * 0.20 + YSS * 0.60
6 BUT BÜTÜNLEME
7 BUTBN BÜTÜNLEME SONU BAŞARI NOTU + ODV 2 * 0.10 + ARS * 0.20 + BUT * 0.60


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

1. Dersin başarılı biçimde tamamlanması için düzenli katılım gereklidir. İstatistik biliminin öğrenilmesi kümülatif kazanımlara bağlı olup her yeni ders bir önceki dersin üzerine kurulmaktadır. Aşırı devamsızlık durumunda, potansiyel kapasitenize erişemezsiniz.
2. Öğrenci, ilgili derse katılmış olsun ya da olmasın tüm ev ödevlerinden, ödevlerdeki değişikliklerden veya sınıfta verilen diğer sözlü bilgilerden sorumludur.
3. Teslim tarihi gelen ödevlerin ders başında teslim edilmesi gerekmektedir.
4. Öğrencilerin derslerde ve sınavlarda yanlarında hesap makinesi bulundurmaları gerekmektedir.

Dersin Öğretim Üyesi İletişim Bilgileri

Yrd. Doç. Dr. E. Mümtaz TIRAŞIN
DEÜ Deniz Bilimleri ve Teknolojisi Enstitüsü, İnciraltı - Balçova.
Tel: (232) 2785565 / 165. E-posta: mumtaz.tirasin@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 12 2 24
Vize Sınavına Hazırlık 2 8 16
Final Sınavına Hazırlık 1 14 14
Haftalık Ders öncesi/sonrası hazırlıklar 11 5 55
Ödev Hazırlama 10 5 50
Vize Sınavı 2 2 4
Final Sınavı 1 4 4
TOPLAM İŞ YÜKÜ (saat) 167

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11
ÖK.133413112112
ÖK.243412113123
ÖK.344212112111
ÖK.455311122111
ÖK.554311112112
ÖK.655111112111
ÖK.755433222114
ÖK.855433332413