Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 4038	Zaman Serileri Çözümlemesi	ZORUNLU	2	2	0	6

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF.DR. ESİN FİRUZAN

Dersi Alan Birimler

İstatistik
İstatistik (İ.Ö)

Dersin Amacı

Öğrencilerin, verilerin zamana bağlı sistematik yapılarını belirleyebilmelerini ve geçmiş gözlemlere dayanarak öngörü yapabilmelerini sağlamaktır. Öğrenciler, bu derste herhangi öngörü uzun dönem planlara karar verebilmede öğrendikleri teknikleri kullanabilmelidir.

Dersin Öğrenme Kazanımları

1	Zaman serileri bileşenlerini ayırt edebilme,
2	Bir stokastik sürecin otokovaryans fonksiyonunu elde edebilme,
3	Otokorelasyon ve Kısmi otokorelasyon fonksiyonlarını kullanarak Mevsimsel olmayan Box-Jenkins modellerini belirleyebilme,
4	Geçici olarak belirlenen ARIMA (p,d,q) modellerinin parametrelerinin anlamlılığını test edebilme,
5	Modelin yeterliliğine karar verebilme,
6	Mevsimsel model ile mevsimsel olmayan modelleri ayırt edebilme,
7	Oluşturulan ARIMA(p,d,q)x(P,D,Q) modeli kullanarak öngörü yapabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Zaman Serisinde Durağanlık Kavramı
2	Otokorelasyon Fonksiyonu
3	Kısmi Otokorelasyon Fonksiyonu
4	Mevsimsel Olmayan Box-Jenkins Modelinin Geçici Olarak Belirlenmesi
5	Otoregresif Model AR(p)
6	Hareketli Ortalamalar Modeli MA(q)
7	Karma Otoregresif Hareketli Ortalamalar Modeli ARMA(p,q)
8	Arasınav
9	Tahminleme- Tanısal Kontrol- Öngörüleme
10	Mevsimsel Box-Jenkins Modelleri
11	Mevsimse Otoregresif Model AR(P)
12	Mevsimse Hareketli Ortalamalar Modeli MA(Q)
13	Mevsimse Karışık Otoregresif Hareketli Ortalamalar Modeli ARIMA(p,d,q)(P,D,Q)
14	Tahminleme- Tanısal Kontrol- Öngörüleme

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Wei, W.W.S., 2006, Time Series Analysis, Univariate and Multivariate Methods, 2nd EdnPearson

Yardımcı kaynak(lar):
Bowerman L. B., O Connell R. T. (1993) Forecasting and Time Series, 3rd Edition, Duxbury.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev, proje ve sunum

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	Q	Quiz
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, ödev, proje ve sunumun değerlendirilmesi.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve proje 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: esin.firuzan@deu.edu.tr
Tel: 0232 301 85 57

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	13	2	26
Uygulama	13	2	26
Haftalık Ders öncesi/sonrası hazırlıklar	12	1	12
Vize Sınavına Hazırlık	0	0	0
Final Sınavına Hazırlık	1	35	35
Ödev Hazırlama	7	7	49
Final Sınavı	1	2	2
Vize Sınavı	0	0	2
TOPLAM İŞ YÜKÜ (saat)			152

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.3	PK.4	PK.5	PK.6	PK.8	PK.12	PK.13
ÖK.1	5	5			4		5	3
ÖK.2	5	5					5
ÖK.3	5	5			4		5	3
ÖK.4	5						5	3
ÖK.5	5	5					5	3
ÖK.6	5	5	3				5	3
ÖK.7	5	5	3	3		4	5	3

DERS ADI

DERECE PROGRAMLARI