Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 4102	R ile Yeniden Örnekleme Uygulamaları	SEÇMELİ	3	0	0	5

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ.DR. ENGİN YILDIZTEPE

Dersi Alan Birimler

İstatistik
İstatistik (İ.Ö)

Dersin Amacı

Bu dersin amacı öğrencilerin yeniden örnekleme yöntemlerini öğrenmelerini ve bu yöntemleri kestirim, güven aralıkları, hipotez testinde R dilini kullanarak uygulamalarını sağlamaktır.

Dersin Öğrenme Kazanımları

1	Yeniden örneklemenin temel kavramları tanımlayabilme
2	Jacknife, permütasyon testleri ve bootstrap yöntemlerini kavrayabilme
3	Parametre kestirimi için bootstrap yöntemlerini kullanabilme
4	Bootstrap hipotez testlerini kullanabilme
5	Regresyonda bootstrap yöntemlerini uygulayabilme
6	Yeniden örnekleme uygulamaları için R fonksiyonları yazabilme
7	R ile benzetim çalışmaları oluşturabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Yeniden örnekleme kavramı
2	R dilinin temel özellikleri, operatörler, veri tipleri
3	R `da Fonksiyonlar ve fonksiyon yazma
4	Çıkarsama için Monte Carlo yöntemleri
5	Jacknife ve bootstrap yöntemlerine giriş , standart hatanın kestirimi için yeniden örneklemeyi kullanmak
6	Bootstrap güven aralıkları; bootstrap percentile, bootstrap-t
7	Bootstrap güven aralıkları; BCa
8	R ile bootstrap güven aralıkları uygulamaları
9	Permütasyon testleri
10	Bootstrap hipotez testleri
11	Regresyonda bootstrap uygulamaları; bootstrapping pairs
12	Regresyonda bootstrap uygulamaları; bootstrapping residuals
13	R ile benzetim çalışmaları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Davison A.C., Hinkley D.V., Bootstrap Methods and their Application, 1997.
Efron B., Tibshirani R.J., An Introduction to the Bootstrap, 1993.
Yardımcı kaynaklar:
Chihara L., Hesterberg T., Mathematical Statistics with Resampling and R, 2011.
Zieffler A.S., Harring R.H., Long J.D., Comparing Groups Randomization and Bootstrap Methods Using R, 2011.
Referanslar:
Diğer ders materyalleri: Ders sunumları

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, örnekler ve bilgisayar laboratuvarında uygulama

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ1	1. Vize
2	FN	Final
3	BNS	BNS	VZ1 * 0.50 + FN * 0.50
4	BUT	Bütünleme Notu
5	BBN	Bütünleme Sonu Başarı Notu	VZ1 * 0.50 + BUT * 0.50

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavların 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
Final Sınavına Hazırlık	1	30	30
Ödev Hazırlama	2	7	14
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Vize Sınavına Hazırlık	1	21	21
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.6	PK.11
ÖK.1	4		4	3
ÖK.2	4		4	3
ÖK.3	4		4	3
ÖK.4	4		4	3
ÖK.5	4		4	3
ÖK.6	4	5	4	3	5
ÖK.7	4	5	4	3	5

DERS ADI

DERECE PROGRAMLARI