Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
STA 5103	Hesaplamalı İstatistik	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ ENGİN YILDIZTEPE

Dersi Alan Birimler

İstatistik Bütünleşik Doktora
İstatistik Doktora
İstatistik Yüksek Lisans

Dersin Amacı

Bu ders, istatistikte kullanılan modern, bilgisayar yoğun-hesaplama yöntemleri ile ilgilidir. Bu dersin amacı, istatistiksel hesaplama için güçlü özelliklere sahip olan bilgisayar programlama dillerininin (R, Python vb.) istatistiksel hesaplamalarda kullanımını öğrencilere tanıtmaktır.

Dersin Öğrenme Kazanımları

1	Hesaplamalı istatistiğin temel konularını anlamak
2	İstatistiksel hesaplama araçları ile Monte Carlo tekniklerini kullanabilmek
3	İstatistiksel programlama ile grafik gösterimler üretmek
4	İstatistiksel programlamanın gelişmiş yapısının anlaşılması
5	Öğrencilerin analitik düşünme, argümanları eleştirme ve sunma yeteneklerini geliştirmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	İstatistiksel hesaplama araçlarının tanıtımı, R kurulumu, R ortamı, Editörler, R-project, CRAN
2	R sözdizimi: değişkenler, operatörler, ifadeler, atama. Veri tipleri, vektör. Koşullu ifadeler
3	R Veri tipleri, matris, veri çerçevesi , liste. Veri alış/verişi
4	Hesaplamalı istatistikte temel grafik fonksiyonları
5	İterasyon ve yakınsama, kontrol yapıları, koşullu ifadeler, döngüler
6	İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, Rassal sayı üretilmesi, Monte Carlo Kestirimi
7	İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, Rassal örnekleme
8	İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, benzetim teknikleri
9	İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, benzetim deneylerinin raporlanması
10	Veri bölümleme ve biçimlendirme, eğitim ve test kümelerine bölme, basit doğrulama, çapraz doğrulama
11	Yeniden örnekleme, Jackknife ve Bootstrap
12	Yeniden örnekleme, Jackknife ve Bootstrap
13	Çeşitli sayısal yöntem algoritmalarının R uygulamaları
14	Öğrenci sunumları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
1. Rizzo, M. L. (2007). Statistical computing with R. Chapman and Hall/CRC.
2. Gentle, J. E. (2009). Computational Statistics. Springer
Yardımcı kaynaklar:
1. Braun, W. J., & Murdoch, D. J. (2016). A first course in statistical programming with R. Cambridge University Press.
2. Matloff, N. (2011). The art of R programming: A tour of statistical software design. No Starch Press.
Diğer ders materyalleri: Ders sunumları, R kılavuzları

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, uygulamalar

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	SUN	SUNUM
3	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.50 + SUN * 0.50

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ödevler, sunumlar ve rapor

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 Bilimleri Enstitüsü öğretim ve sınav uygulama esasları yönetmeliğini http://www.fbe.deu.edu.tr adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

Dr. Engin YILDIZTEPE
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
Final Sınavına Hazırlık	1	60	60
Ödev Hazırlama	1	25	25
Sunum Hazırlama	1	35	35
Diğer (Atölye, Laboratuvar vb. kapsamındaki çalışmalar)	1	25	25
Final Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			203

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.7	PK.8	PK.9	PK.10
ÖK.1		4	4	3	3	5	3	3	4	3
ÖK.2				5	5	3	3		4	3
ÖK.3		5	3	3	4	4			4	3
ÖK.4			5	3	3	4			5	4
ÖK.5	5					5			5	5

DERS ADI

DERECE PROGRAMLARI