DERS ADI

: Regresyon Çözümlemesi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
STA 5075 Regresyon Çözümlemesi SEÇMELİ 3 0 0 7

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF.DR. NESLİHAN DEMİREL

Dersi Alan Birimler

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

Dersin Amacı

Bu dersin amacı, regresyon çözümlemesinde genel modellerin çalışılması, basit ve çoklu regresyonun varsayımlarının incelenmesi, regresyonda model geçerliliğinin ölçülmesi, artık analizi, çoklu doğrusal bağlantı, değişen varyanslılık, normallikten ve doğrusallıktan uzaklaşma durumu, en iyi regresyon modelinin seçilmesi, değişken seçimi ve doğrusal olmayan regresyon modeline giriş.

Dersin Öğrenme Kazanımları

1   Basit Doğrusal Regresyon ve Korelasyon
2   Artık analizi
3   Çoklu Regresyon
4   Model geçerliliğinin ölçülmesi
5   Polinomiyal regresyon
6   Çoklu Regresyon karşılaşılan problemler
7   Model kurma problemi
8   Doğrusal Olmayan Regresyon modeline giriş

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 İstatistiğe giriş
2 Araştırıcı veri analizi
3 Basit Doğrusal Regresyon ve Korelasyon
4 Aralık kestirimi ve Basit Doğrusal Regresyon
5 Artık analizi
6 Çoklu Regresyon
7 Çoklu Regresyonda güven aralıkları
8 Arasınav
9 Model geçerliliğinin ölçülmesi
10 Polinomiyal regresyon
11 Çoklu Regresyon karşılaşılan problemler
12 Model kurma problemi-Adımsal regresyon yöntemleri
13 Doğrusal Olmayan Regresyon modeline giriş
14 Proje sunumu

Ders İçin Önerilen Kaynaklar

Ana Kaynak:
Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2005). Applied linear statistical models (Vol. 5). New York: McGraw-Hill Irwin.

Yardımcı Kaynaklar:
Mendenhall, W., Sincich, T., & Boudreau, N. S. (1996). A second course in statistics: regression analysis (Vol. 5). Upper Saddle River, NJ: Prentice Hall.

Draper, N. R., & Smith, H. (1998). Applied regression analysis (Vol. 326). John Wiley & Sons.

Öğrenme ve Öğretme Yöntemleri

Dersler, kaynak kitabın okunması ve teorik kavramların seçilen çok sayıda sayısal örnek ve bilgisayar uygulamaları ile açıklanması biçiminde yapılandırılmıştır. Ana ağırlık uygulamaya verilmiştir. Soru sorulması ve konu üzerine tartışılması teşvik edilir.
Ders anlatımı ve problem çözümü olacaktır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 PRJ PROJE
2 ARS ARASINAV
3 YYS YARIYIL SONU SINAVI
4 YSBN YIL SONU BAŞARI NOTU PRJ * 0.30 + ARS * 0.30 + YYS * 0.40
5 BUT BÜTÜNLEME
6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU PRJ * 0.30 + ARS * 0.30 + BUT * 0.40


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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavların ve ödevlerin değerlendirilmesi

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

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
Doç. Dr. Neslihan DEMİREL
e-mail: neslihan.ortabas@deu.edu.tr
Tel: 0232 301 85 73

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Görüşme talebiniz için lütfen e-mail gönderiniz.

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
Vize Sınavına Hazırlık 1 30 30
Final Sınavına Hazırlık 1 40 40
Proje Hazırlama 1 30 30
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 174

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10
ÖK.1555
ÖK.2555
ÖK.3555
ÖK.4555
ÖK.5555
ÖK.6555
ÖK.7555
ÖK.8555