• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS VYA 5024 Zaman Serileri ve Öngörümleme Teknikleri SEÇMELİ 3 0 0 4

Dersi Veren Birim

Veri Yönetimi ve Analizi Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. EMRAH GÜLAY

Dersi Alan Birimler

Veri Yönetimi ve Analizi Yüksek Lisans

Dersin Amacı

Zaman serisi verilerinin özelliklerinin ve öngörümleme modellerinin tanıtılması.

Dersin Öğrenme Kazanımları

1   Verilerin görsel analizlerini kavrayabilme 2   Zaman serisi verilerini sınıflandırıp düzenleyebilme 3   Bu veriler üzerine uygulanan hesaplama yöntemlerini kullanabilme 4   Verileri doğru özetleyebilme 5   Öngörümleme metotlarını doğru kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Zaman serisine giriş 2 Zaman serisinin bileşenleri ve Hareketli Ortalama Yöntemi 3 Durağanlık Kavramı 4 Zaman serisi sürecinin durağanlığının belirlenmesi 5 AR VE MA modelleri 6 ARMA , ARIMA ve mevsimsel ARIMA modelleri 7 Zaman serisinin bileşenlerine ayrılmasının R programı ile uygulaması 8 Zaman sersinin modellenmesinde R programı uygulaması 9 Vize haftası 10 Holt-Winters Modelleri 11 ETS ve TBATS Modeli 12 Melez yöntemlere giriş I 13 Melez yöntemlere giriş II 14 Öngörümlemede kayan ve genişleyen pencere kavramları 15 R programı ile uygulamalar

Ders İçin Önerilen Kaynaklar

1. Statistics and Data Analysis for Financial Engineering (Springer Texts in Statistics) David Ruppert, 2010. 2. Analysis of Financial Data by Gary Koop ISBN 978-0-470-01321-2 November 2005, ©2006 Paperback

Öğrenme ve Öğretme Yöntemleri

1- Anlatım Metodu, 2-Uygulamalarla Gösterme Metodu, 3-Belirlenen Vakaların Tartışılarak Analizi Metodu

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS ARASINAV 2 YYC YARIYIL İÇİ ÇALIŞMA 3 YYS YARIYIL SONU SINAVI 4 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + YYS* 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + BUT* 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ara sınav notu, dönem içi çalışmalar ve Final notunun ağırlıklı ortalaması 75 ve üzeri olmalıdır.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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 Vize Sınavına Hazırlık 1 10 10 Final Sınavına Hazırlık 1 10 10 Haftalık Ders öncesi/sonrası hazırlıklar 10 2 20 Ödev Hazırlama 5 3 15 Vize Sınavı 1 3 3 Final Sınavı 1 3 3 TOPLAM İŞ YÜKÜ (saat) 103

Program ve Öğrenme Kazanımları İlişkisi

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