Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 2050	R İSTATİSTİKSEL PROGRAMLAMA DİLİ	ZORUNLU	2	2	0	6

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 lisans öğrencilerinin istatistiksel programlama ve grafikler için R kullanabilmelerini sağlamaktır.

Dersin Öğrenme Kazanımları

1	R programlama dilinin söz dizimi kurallarını tanımlayabilme,
2	Farklı veri tiplerini uygun olarak kullanabilme,
3	Verileri görselleştirme ve grafikler için uygun fonksiyonları kullanabilme
4	Kontrol yapılarını kullanabilme
5	İstatistiksel yöntemler için fonksiyonlar oluşturabilme
6	R fonksiyonlarını kullanarak temel istatistiksel analizleri 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 ortamı, Veri yapıları, vector, logical vector, factor
2	Veri yapıları; matrix, data.frame, list, array
3	Veri alış-verişi, veri manipülasyonu
4	Hazır fonksiyonlar, matematik, tanımlayıcı istatistik, metin fonksiyonları
5	Temel grafik fonksiyonları
6	Olasılık ve dağılımlar
7	Rassal veri, yoğunluk ve dağılım fonksiyonları
8	Kontrol yapıları, koşullu ifadeler, seçme ve eşleştirme
9	Kontrol yapıları, Döngüler, vektörel hesaplamalar, apply ailesi
10	Fonksiyonlar, kullanıcı tanımlı fonksiyonlar
11	Fonksiyonlar, kapsam, değişkenler, argümanlar
12	İleri grafikler
13	İleri grafikler, ggplot2 paketi
14	Monte Carlo benzetim çalışması

Ders İçin Önerilen Kaynaklar

Ana kaynak:
1. Braun W.J., Murdoch D.J., A First Course in Statistical Programming with R, Cambridge, 2016.
2. Matloff N., The Art of R programming, 2011.
Yardımcı kaynaklar:
1. Jones, O., Maillardet, R., & Robinson, A. (2014). Introduction to scientific programming and simulation using R. CRC Press.
2. Kabacoff, R. (2011). R in Action: Data Analysis and Graphics with R. Manning Publications Co.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev, örnekler ve bilgisayar laboratuvarında uygulama.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	OD	Ödev
3	FN	Final
4	BNS	BNS	VZ * 0.30 + OD * 0.30 + FN * 0.40
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.30 + OD * 0.30 + BUT * 0.40

*** 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

Salı 13.30-16.00

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	2	28
Uygulama	14	2	28
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Web'de Tarama ve Kütüphane Çalışması	1	8	8
Final Sınavına Hazırlık	1	30	30
Ödev Hazırlama	8	5	40
Final Sınavı	1	2	2
Vize Sınavı	0	0	0
TOPLAM İŞ YÜKÜ (saat)			150

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.10	PK.14
ÖK.1	5		5	4
ÖK.2	5		5	4
ÖK.3	5		5	4
ÖK.4	5		5	4
ÖK.5	5	4	5	4
ÖK.6	5	4	5	4
ÖK.7	5	4	5	4

DERS ADI

DERECE PROGRAMLARI