Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

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/ÖK	PK.1	PK.3	PK.10	PK.12
ÖK.1	5	4	3	4
ÖK.2	5	4	3	4
ÖK.3	5	4	3	4
ÖK.4	5	4	3	4
ÖK.5	5	4	3	4
ÖK.6	5	4	3	4

DERS ADI

DERECE PROGRAMLARI