Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
CDK 5021	Deniz Bilimlerinde Veri Analizi	ZORUNLU	3	0	0	7

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. EYÜP MÜMTAZ TIRAŞIN

Dersi Alan Birimler

Deniz Kimyası Doktora
Canlı Deniz Kaynakları Yüksek Lisans

Dersin Amacı

Bu dersin amacı, deniz bilimcilere oşinografik veriler üzerinden modern veri analiz araçlarını öğretmektir. Deniz bilimlerinin bütün dalları araştırmalarında (fiziksel, kimyasal, jeolojik ve biyolojik) veri setleri kullanmaktadır. Bu veriler de tıpkı oşinografinin değişik dalları gibi tamamen farklı nitelik ve niceliktedir. Temel ve yaygın olarak kullanılan veri analizi araçlarının altında yatan istatistiksel teori kavramsal olarak tanıtılmakta ve öğrencilerin kendi verileri ve kişisel bilisayarlar için geliştirilmiş istatiksel yazılım paketleri kullanılarak açıklanmaktadır.

Dersin Öğrenme Kazanımları

1	Oşinografik verilerin çok zengin çeşitliliğini tanımak.
2	Oşinografik araştırmalarda örnekleme tasarımı ve istatistiksel analizin gerekliliğini tanımak.
3	İstatistiksel ve araştırma hipotezleri formüle edebilme becerisini göstermek ve temel deney veya araştırmalar tasarımlamak.
4	Ham oşinografik veriler toplayabilmek ve bunları düzenleyerek istatistiksel analizlere hazır hale getirmek.
5	Toplanan verileri tanımlayacak ve özetleyecek bütün temel örneklem istatistiklerini hesaplamak ve verilerin içerdiği bilgileri görselleştirecek çeşitli grafikler üretmek.
6	Toplanan veriler hakkında çıkarımlar yapmak, anlamlı ve geçerli sonuçlara ulaşmak için tek değişkenli temel istatistiksel analiz yöntemlerini uygulamak.
7	Verileri girmek, düzenlemek, çözümlemek ve elde edilen sonuçları yorumlamak için R (R Project for Statistical Computing) gibi bazı istatistiksel yazılımları kullanabilmek.
8	Kendi çalışmalarının ve başka araştırıcılarınınkilerin güçlü ve zayıf yönlerinin istatistiksel bir bakış açısıyla değerlendirilmesinde eleştirel düşünme becerilerini göstermek.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Giriş ve dersin tanıtımı	İstatistik ve bilimsel yöntem. İstatistiğin deniz bilimleri araştırmalarındaki yeri.
2	Oşinografik verilerin doğası ve toplanması	Veri Tipleri (Değişkenler). Popülasyonlar ve örneklemler. Oşinografik örnekleme teknikleri. Oşinografik örnekleme tasarımları. Veri sunum yöntemleri. Sunum için veri hazırlama (Tabular ve grafik sunum).
3	Tanımlayıcı istatistikler	Merkezi eğilim ölçüleri. Değişkenlik ölçüleri. Rastgele değişkenler. Beklenen değer kavramı.
4	Olasılık	Temel Olasılık. İki değişkenli Olasılıklar. Koşullu Olasılık. Permütasyon. Kombinasyon.
5	Temel kesikli ve sürekli olasılık dağılımları	Binom dağılım. Poisson dağılım. Tekdüze dağılım. Normal dağılım. t dağılımı. Ki-kare dağılımı. F dağılımı.
6	Oşinografik verilerin analizinde kestirim teknikleri	Popülasyon parametrelerinin noktasal ve aralık olarak kestirimleri. Küçük örneklem kestirimleri. Oşinografik verileri için örneklem büyüklüğü ve kestirim hataları.
7	Hipotez testleri	İstatistiksel hipotez test aşamaları ve prosedürleri. Karar kurallarının geliştirilmesi. Bir popülasyon ortalaması üzerine hipotez testleri. Bir popülasyon oranı üzerine hipotez testleri. Tip I ve II hatalar. Hipotez testlerinde önemlilik düzeyi seçimi.
8	Ortalamalar ve varyansların karşılaştırılması	İki popülasyon ortalaması arasındaki farklara ilişkin hipotez testleri (Bağımsız t-testleri). Eşlenik örneklemlerin ortalamalarına ilişkin hipotez testleri (Bağımlı t-testleri). F-testi.
9	Ara sınav
10	R istatiksel paket programının tanıtılması	R programındaki istatistik modülleri. Verilerin bu programın içine ve dışına aktarılması. Grafik hazırlama. t-testi. F-testi. Örnek uygulama: fiziksel oşinografik verilerin özetlenmesi.
11	Varyans analizi (I)	F-testi ve ANOVA tablosu. Örnek uygulama: biyolojik oşinografi verileri (R uygulamaları).
12	Varyans analizi (II)	Model I ANOVA. Model II ANOVA. İki faktörlü ANOVA. Örnek uygulama: kimyasal oşinografi verileri (R uygulamaları).
13	Ara sınav
14	Doğrusal regresyon ve korelasyon	Basit doğrusal regresyon. Belirtme katsayısı. Korelasyon katsayısı. Doğrusal regresyon ve korelasyon analizleri arasındaki farklar.

Ders İçin Önerilen Kaynaklar

1. Kaynak kitaplar (Uygun bölümler):

Dalgaard, P., 2002. Introductory Statistics with R. Springer, New York, ABD.
Manly, Bryan F. J., 2000. Statistics for Environmental Science and Management. Chapman and Hall, New York, ABD.
Snedecor, G. W. and Cochran, W. G., 1989. Statistical Methods (8th edition). Iowa State University Press. Ames, Iowa, ABD.
Sokal, R. R. and Rohlf, F. J., 2012. Biometry (4th edition). W. H. Freeman Co., New York, ABD.
Zar, J. H., 2010. Biostatistical Analysis (5th edition). Pearson Prentice-Hall, New Jersey, ABD.

2. Ders yansıları ve notları.

3. İstatistik analizler yapmak ve grafik oluşturmaya yönelik R ücretsiz yazılım ortamı (R Project for Statistical Computing).

Öğrenme ve Öğretme Yöntemleri

1. Dersler
Sınıfta dersler büyük ölçüde interaktif bir formatta yapılmaktadır. Öğretim üyesi ders sırasında öğrencilerin katılımını pekiştirmek için sorular sorar, ortaya konan sorunlara çözüm önerileri bekler, farklı yaklaşımları özendirir. Dersler yoğun matematiksel anlatım yerine temel istatistiksel kavram ve tekniklerin öğrenciye aktarılmasına odaklanır. Örnekler olabildiğince gerçek hayattan seçilir ve konuların daha iyi anlaşılmasına yönelik ayrıntılı sözel ve görsel açıklamalarda bulunulur.

2. Sınıf içi tartışmalar
Sınıf içi ödevler, ev ödevleri ve sınıfta çözülen sorular, öğrenilmesi gereken konuların temelini oluşturur. Öğrencilerin sınıf içi tartışmalara bireysel katılımları özellikle teşvik edilmektedir.

3. Bilgisayar uygulamaları
İstatistiksel çözümleme ve grafik oluşturmaya yönelik ücretsiz yazılım ortamı R (R Project for Statistical Computing) veri analizleri yapmak ve grafik üretmek için tanıtılacaktır.

4. Hesap makinesi
Her öğrenci sınıf içinde ve dışında ödevlere yönelik çeşitli hesaplamalar ve sınav için (tercihen hem tek hem iki değişkenli analizleri yapabilecek temel istatistisel fonsiyonlara sahip) bilimsel bir hesap makinesine gereksinim duyacaktır.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	ARS 1	ARASINAV 1
3	ARS 2	ARASINAV 2
4	YSS	YIL SONU SINAVI
5	DKT	DERSE KATILIM
6	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.15 + ARS 1 * 0.175 +ARS 2 * 0.175 + YSS * 0.40 + DKT * 0.10
7	BUT	BÜTÜNLEME
8	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ODV * 0.15 + ARS 1 * 0.175 + ARS 2 * 0.175 + BUT * 0.40 + DKT * 0.10

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Dersin başarılı biçimde tamamlanması için düzenli katılım gereklidir. İstatistik biliminin öğrenilmesi kümülatif kazanımlara bağlı olup her yeni ders bir önceki dersin üzerine kurulmaktadır. Aşırı devamsızlık durumunda, potansiyel kapasitenize erişemezsiniz.
2. Öğrenci, ilgili derse katılmış olsun ya da olmasın tüm ev ödevlerinden, ödevlerdeki değişikliklerden veya sınıfta verilen diğer sözlü bilgilerden sorumludur.
3. Teslim tarihi gelen ödevlerin ders başında teslim edilmesi gerekmektedir.
4. Öğrencilerin derslerde ve sınavlarda yanlarında hesap makinesi bulundurmaları gerekmektedir.

Dersin Öğretim Üyesi İletişim Bilgileri

Yrd. Doç. Dr. E. Mümtaz TIRAŞIN
DEÜ Deniz Bilimleri ve Teknolojisi Enstitüsü, İnciraltı - Balçova.
Tel: (232) 2785565 / 165. E-posta: mumtaz.tirasin@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri