Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 4037	Çok Değişkenli İstatistiksel Çözümleme	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

Bilimin her alanında çok değişkenli veri ile karşılaşılır. Dersin amacı, öğrencilere gerçek hayatta sıkça karşılaşılan Çok Değişkenli İstatistiksel Yöntemleri öğretmektir. Temel Bileşenler Analizi, Faktör Analizi, Kanonik Korelasyon Analizi, Ayrıştırma Analizi, Kümeleme ve Çok Boyutlu Ölçekleme yöntemleri teorik ve uygulamalı olarak ele alınacaktır.

Dersin Öğrenme Kazanımları

1	Doğrusal cebir terimlerinin (rank, determinant, özdeğer, özvektör vs.) istatistiksel anlamlarını kavrayabilme,
2	Çok değişkenli tanımlayıcı istatistikleri elde edebilme (ortalama vektörü, varyans-kovaryans matrisi, korelasyon matrisi vs.),
3	Üç veya daha yüksek boyutlu veri çizimlerini yorumlayabilme,
4	Temel bileşenler analizini uygulayabilme,
5	Faktör analizini uygulayabilme,
6	Çok Değişkenli Normal dağılan iki kitle için ayrıştırma analizi yapabilme
7	Kümeleme Analizi
8	Çok Boyutlu Ölçekleme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Değişken Türleri, Veri matrisleri ve vektörler, Veri indisleri
2	Ortalama Vektörler ve Varyans-Kovaryans Matrisleri, Korelasyonlar ve Korelasyon Matrisleri, Standartlaştırılmış veri matris
3	Üç Boyutlu Veri Çizimi, Daha Yüksek Boyutta Verilerin Çizimi
4	Özdeğer ve Özvektörler, Geometrik tanımlamalar
5	Çok Değişkenli Normal Dağılım Kontör (Contour) Çizimi
6	Varyans-Kovaryans Matrisi ile Temel Bileşenler Analizi
7	Temel Bileşenlerin Tahmini, Korelasyon Matrisi P ile PCA
8	Arasınav
9	Faktör Analizinin Amaçları, Faktör Analizi Denklemleri
10	Uygun Faktör sayısını seçmek ,Faktör Döndürme
11	Çok Değişkenli Normal İki Kitle için Ayrıştırma
12	Maliyet Fonksiyonları ve Öncül Olasılıklar, Genel Ayrıştırma Kuralı (İki kitle için)
13	Kümeleme Analizi
14	Çok Boyutlu Ölçekleme Analizi

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Johnson, R.A. ve Wichern, D.W., 2007, Applied Multivariate Statistical Analysis, 6th Edn, Pearson International Edition

Yardımcı kaynak(lar):
Johnson, D.E. (1998) Applied Multivariate Methods for Data Analysts, Duxbury

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, kısa sınav, ödev-proje ve sunum

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	Q	Quiz
3	OD	Ödev
4	FN	Final
5	BNS	BNS	VZ * 0.30 + Q * 0.20 + OD * 0.10 + FN * 0.40
6	BUT	Bütünleme Notu
7	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.30 + Q * 0.20 + OD * 0.10 + BUT * 0.40

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Bir Arasınav, kısa sınavlar, belirli dönemlerde projesi ile ilgili bilgi alma, proje ve onun sunumu ve bir yarıyılsonu sınavın değerlendirilmesi.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

2022-2023 Eğitim Öğretim yılı Güz yarıyılında, dönem boyunca yapılan 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 61

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	1	24	24
Final Sınavına Hazırlık	1	33	33
Ödev Hazırlama	1	30	30
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			155

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.8	PK.9	PK.12	PK.13
ÖK.1	5	4							4
ÖK.2	5	4							4
ÖK.3	5	4							4
ÖK.4	5		5	4	4	4	3	4	5	5
ÖK.5	5		5	4	4	4	3	4	5	5
ÖK.6	5		5	4	4	4	3	4	5	5
ÖK.7
ÖK.8

DERS ADI

DERECE PROGRAMLARI