Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 3108	R İLE VERİ ÇÖZÜMLEME VE GRAFİKLER	SEÇMELİ	3	0	0	5

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ ENGİN YILDIZTEPE

Dersi Alan Birimler

İstatistik
İstatistik (İ.Ö)

Dersin Amacı

Bu dersin amacı öğrencilerin R programlama dili ile veri manipülasyonu yapabilmelerini, grafikler, temel hesaplamalar ve istatistiksel prosedürler için program yazabilmelerini sağlayabilmektir.

Dersin Öğrenme Kazanımları

1	Dış veri kaynaklarından veri alabilme, verebilme
2	Değişken oluşturma ve manipüle edebilme
3	Temel ve ileri düzey grafikler oluşturabilme
4	Grafiklerin özelliklerini değiştirebilme
5	R daki ileri grafiklerin sözdizimi kurallarını anlayabilme
6	R ile çeşitli istatistiksel çözümlemeleri yapabilme
7	R ile bir Monte Carlo benzetim çalışması yapabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	R sözdizimi kurallarının tekrarı
2	Veri alış-verişi, veri manipülasyonu, özetleme ve bizçimlendirme, kontrol yapıları, koşullu ifadeler
3	Tanımlayıcı istatistikler ve veri özetleme
4	Olasılık ve dağılımlar
5	Rassal veri, yoğunluk ve dağılım fonksiyonları, güven aralığı ve kestirim
6	Hipotez testi
7	base grafik sistemi, temel grafikler, grafik aygıtları
8	base grafik fonksiyonları
9	İleri grafikler; ggplot2
10	İleri grafikler; ggplot2
11	Monte Carlo benzetim çalışması
12	R' daki gelişmeler

Ders İçin Önerilen Kaynaklar

Ana kaynak:
1. Maindonald, J., & Braun, J. (2010). Data analysis and graphics using R: an example-based approach. Cambridge University Press.
2. Jones, O., Maillardet, R., & Robinson, A. (2014). Introduction to scientific programming and simulation using R. CRC Press.
Yardımcı kaynaklar:
1. Kabacoff, R. (2015). R in Action: Data Analysis and Graphics with R. 2nd Ed. Manning Publications
2. Braun W.J., Murdoch D.J. (2016). A First Course in Statistical Programming with R. 2nd Ed.
Referanslar:
Diğer ders materyalleri: Ders sunumları, R Manuals

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev, örnekler ve bilgisayar laboratuarında uygulama.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	OD	Ödev
3	FN	Final
4	BNS	BNS	VZ * 0.35 + OD * 0.15 + FN * 0.50
5	BUT	BÜTÜNLEME
6	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	VZ * 0.35 + OD * 0.15 + BUT * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar, ödevlerin değerlendirilmesi.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve ödev teslimi ile ilgili belirtilen zamana uyulmalıdır. Derslerde ve sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Fakültesi öğretim ve sınav uygulama esasları yönetmeliğini http://web.deu.edu.tr/fen adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU Fen Fakültesi İstatistik Bölümü
e-posta: engin.yildiztepe@deu.edu.tr
Tel: 0232 301 86 04

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	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Vize Sınavına Hazırlık	1	21	21
Final Sınavına Hazırlık	1	30	30
Ödev Hazırlama	2	7	14
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			125

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.11
ÖK.1		5		5
ÖK.2		5		5
ÖK.3		5		5
ÖK.4		5		5
ÖK.5	3	5	4	5
ÖK.6	3	5	4	5
ÖK.7	3	5	4	5

DERS ADI

DERECE PROGRAMLARI