Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
STA 5058	Çok Değişkenli İstatistik	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF.DR. ESİN FİRUZAN

Dersi Alan Birimler

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

Dersin Amacı

Bu dersin amacı çok değişkenli istatistik ve onun uygulamalarına ait üst düzeyde bilgi vermektir.

Dersin Öğrenme Kazanımları

1	Doğrusal cebirin istatistiksel yapısını anlamak (rank, determinant, öz vektör, öz değer vb.)
2	Çok değişkenli özetleyici bilgileri elde etmek (ortalama vektörü, varyans-kovaryans matrsi, korelasyon matrisi vb.)
3	Üç veya daha fazla boyutlu grafiklerin yorumlanması
4	Temel bileşenler analizi uygulaması
5	Faktör analizi uygulaması
6	İki değişkenli normal dağılım için diskiriminant analizinin uygulaması

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Değişken tipleri, veri matrisi ve vektörü, veri altsimgesi
2	Çok değişkenli normal dağılım yoğunluk fonksiyonu, İki değişkenli normal dağılım
3	Ortalama ve varyans-kovaryans matrisi, Korelasyon ve Standartlaştırılmış veri matrisi
4	Üç boyutlu veri grafikleri, daha fazla boyutlu veri grafikleri, Bireysel Ödev Hazırlama
5	Çok değişkenli normal dağılımın kontör grafiği
6	Öz vektör ve öz değerler, Geometrik tanımlar
7	Temel bileşenler analizi
8	Varyans kovaryans matrisi üzerinde temel bileşenler analizi, Bireysel Ödev Hazırlama
9	Temel bileşenlerin tahmini, korelasyon matrisi üzerinde temel bileşenler analizi
10	Faktör analizinin amacı, Faktör analizi eşitliği, Bireysel Ödev Hazırlama
11	Uygun faktör düzeyinin seçimi, faktör döndürmesi
12	İki değişkenli normal dağılım için sınıflandırma ve ayrıştırma, Bireysel Ödev Hazırlama
13	Maliyet fonksiyonu, öncül olasılıklar
14	Genel diskiriminat kuralı

Ders İçin Önerilen Kaynaklar

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

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

Öğrenme ve Öğretme Yöntemleri

Ders, Ev ödevi değerlendirmesi, problem çözümü, sunum

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	YSS	YIL SONU SINAVI
3	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.50 +YSS * 0.50
4	BUT	BÜTÜNLEME
5	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ODV * 0.50 + BUT * 0.50

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Eğer öğretici yeni tanımlara ve ilave notlara ihtiyaç duyarsa , bu sütun DEBİS menüsünden seçilecektir.

Değerlendirme Kriteri

Ev ödevlerinin, sunumun, proje raporlarının ve final 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 Bilimleri Enstitüsü öğretim ve sınav uygulama esasları yönetmeliğini http://www.fbe.deu.edu.tr adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU Fen Fakültesi İstatistik Bölümü

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	2	28
Ödev Hazırlama	4	25	100
Final Sınavına Hazırlık	1	36	36
Final Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			208

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.6
ÖK.1	5	5	5
ÖK.2	5	5	5
ÖK.3	5	5	5
ÖK.4	5	5	5
ÖK.5	5	5	5
ÖK.6	5	5	5

DERS ADI

DERECE PROGRAMLARI