DERS ADI

: Bayesçi İstatistiğe Giriş

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
İST 3114 Bayesçi İstatistiğe Giriş SEÇMELİ 3 0 0 5

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF. DR. ÖZLEM EGE ORUÇ

Dersi Alan Birimler

İstatistik
İstatistik (İ.Ö)

Dersin Amacı

Bu ders Bayesci çıkarsama için temel teorik bir altyapı sağlamayı amaçlamaktadır.

Dersin Öğrenme Kazanımları

1   Bayesci istatistiğin temel kavramlarını anlayabilme
2   Bayes teoremini çeşitli formlarda kullanabilme
3   Binom oranı için Bayesci çıkarım yapabilme
4   Normal dağılımın ortalaması için Bayesci çıkarım yapabilme
5   Hipotez testini tamamen Bayesci metodoloji kullanarak uygulayabilme
6   Bayesci istatistik ile klasik istatistik arasındaki farkı anlayabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Bayesci model
2 Mantık, olasılık ve belirsizlik
3 Binom parametresi için Bayesci çıkarsama (tekdüze ve beta öncül dağılımı kullanarak)
4 Binom parametresi için Bayesci çıkarsama (seçtiğiniz bir öncül dağılımı kullanarak)
5 Oran için Bayesci ve klasik çıkarsamanın karşılaştırılması
6 Kesikli öncül dağılım ile normal dağılımın ortalaması için Bayesci çıkarsama
7 Sürekli öncül dağılım ile normal dağılımın ortalaması için Bayesci çıkarsama
8 Kesikli ve Sürekli öncül dağılım ile normal dağılımın ortalaması için Bayesci çıkarsamaları için karışık örnekler
9 Seçilen normal öncül dağılım ile normal dağılımın ortalaması için Bayesci çıkarsama
10 Ortalamaların farkı için Bayesci çıkarsama (eşit varyanslar için)
11 Ortalamaların farkı için Bayesci çıkarsama (eşit olmayan varyanslar için )
12 İki Oranın farkı için normal dağılım yaklaşımı ile Bayesci çıkarsama
13 Basit doğrusal regresyon için Bayesci çıkarsama
14 Güçlü Bayesci yöntemler

Ders İçin Önerilen Kaynaklar

Ana kaynak: W.M.Bolstad, Introduction to Bayesian Statistics , JohnWiley&Sons,2004, ISBN 0-471-27020-2(cloth)
Yardımcı kaynaklar: J. Albert ,Bayesian Computation with R 2nd edition, Springer,2009, ISBN 978-0-387-92297-3

Öğrenme ve Öğretme Yöntemleri

Sınıf içi tartışmaları ve ödevleri içerecektir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 VZ Vize
2 OD Ödev
3 FN Final
4 BNS BNS VZ * 0.30 + OD * 0.20 + FN * 0.50
5 BUT Bütünleme Notu
6 BBN Bütünleme Sonu Başarı Notu VZ * 0.30 + OD * 0.20 + BUT * 0.50


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

%30(Ara Sınav)+%20(Ödev Değerlendirme / Sunum)+%50(Yarıyıl Sonu Sınavı)

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Her hafta işlenecek konularla ilgili bölümleri okuyarak, derse gelmeniz ve sınıftaki tartışmalara katılmak başarılı olmanız için gerekleridir. Gerek derslerde, gerekse de sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Fakültesi öğretim ve sınav uygulama esasları yönetmeliğini www.fef.deu.edu.tr adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU Fen Fakültesi İstatistik Bölümü
e-mail: ozlem.ege@deu.edu.tr
Tel: 0232 3018558

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 3 39
Haftalık Ders öncesi/sonrası hazırlıklar 12 2 24
Vize Sınavına Hazırlık 1 10 10
Final Sınavına Hazırlık 1 20 20
Ödev Hazırlama 2 8 16
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 113

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13PK.14
ÖK.15434
ÖK.25434
ÖK.35434
ÖK.45434
ÖK.55434
ÖK.65434