DERS ADI

: Genelleştirilmiş Doğrusal Modeller

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
STA 5106 Genelleştirilmiş Doğrusal Modeller SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF.DR. AYLİN ALIN

Dersi Alan Birimler

İstatistik Doktora (İngilizce)
İstatistik Yüksek Lisans (İngilizce)
İstatistik Bütünleşik Doktora (İngilizce)

Dersin Amacı

Bu ders ile öğrenciler genelleştirilmiş doğrusal modellerin parçalarını, kestirim algoritmasını ve bu ailede yer alan en önemli modellerin özelliklerini öğreneceklerdir.

Dersin Öğrenme Kazanımları

1   Genelleştirilmiş doğrusal modellerin ana parçalarını ayırt edebilme
2   Genelleştirilmiş doğrusal modeller için parametre kestirmi yapabilme
3   Bu modeller için en uygun modeli belirleyebilme
4   Sabit varyanslı sürekli veriler için model kurabilme
5   İkili veriler için model kurabilme
6   Çoklu veriler için model kurabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Model belirleme süreci; Genelleştirilmiş doğrusal modellerin parçaları
2 Uyum iyiliğinin ölçülmesi; Artıklar
3 Genelleştirilmiş doğrusal modeller için bir algoritma
4 Sabit varyanslı sürekli verilerin modelleri için hata yapısı ve sistematik parça
5 Sabit varyanslı sürekli verilerin modelleri için model formulasyonu ve örtüşme kavramı
6 Sabit varyanslı sürekli verilerin modelleri için Kestirim; Verilerin tablo olarak verilmesi, Ödev 1
7 Sabit varyanslı sürekli verilerin modelleri için en küçük kareler algoritması
8 Sabit varyanslı sürekli verilerin modelleri için açıklayıcı değişkenlerin seçimi
9 İkli verilere giriş; Binom dağılımı; İkili bağımlı değişkenler için modeller, Ödev 2
10 Olabilirlik fonksiyonu; Fazla yayılım; Örnekler
11 Çoklu veriler için modellere giriş; Ölçekler
12 Çok terimli dağılım
13 Olabilirlik fonksiyonu; Fazla yayılım kavramı, Ödev 3
14 Örnekler

Ders İçin Önerilen Kaynaklar

McCullagh P, Nelder J. A. , Generalized Linear Models, 2nd ed.,.Chapman and Hall, CRC, 1989.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı ve ödev.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ODV 1 ÖDEV 1
2 ODV 2 ÖDEV 2
3 ODV 3 ÖDEV 3
4 YSS YIL SONU SINAVI
5 YSBN YIL SONU BAŞARI NOTU ODV 1 + ODV 2 + ODV 3/3 * 0.40 + YSS * 0.60
6 BUT BÜTÜNLEME
7 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ODV 1 + ODV 2 + ODV 3/3 * 0.40 + BUT * 0.60


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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ödevlerin ve yarıyıl sonu sınavının 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: aylin.alin@deu.edu.tr
Tel: 0232 301 85 72

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 13 3 39
Final Sınavına Hazırlık 1 36 36
Ödev Hazırlama 3 25 75
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 194

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.15555
ÖK.25555
ÖK.35555
ÖK.455555
ÖK.555555
ÖK.655555