• 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 STA 5103 Hesaplamalı İstatistik SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. ENGİN YILDIZTEPE

Dersi Alan Birimler

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

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Hesaplamalı istatistiğin temel konularını anlamak 2   İstatistiksel hesaplama araçları ile Monte Carlo tekniklerini kullanabilmek 3   İstatistiksel programlama ile grafik gösterimler üretmek 4   İstatistiksel programlamanın gelişmiş yapısının anlaşılması 5   Öğrencilerin analitik düşünme, argümanları eleştirme ve sunma yeteneklerini geliştirmek

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 İstatistiksel hesaplama araçlarının tanıtımı, R kurulumu, R ortamı, Editörler, R-project, CRAN 2 R sözdizimi: değişkenler, operatörler, ifadeler, atama. Veri tipleri, vektör. Koşullu ifadeler 3 R Veri tipleri, matris, veri çerçevesi , liste. Veri alış/verişi 4 Hesaplamalı istatistikte temel grafik fonksiyonları 5 İterasyon ve yakınsama, kontrol yapıları, koşullu ifadeler, döngüler 6 İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, Rassal sayı üretilmesi, Monte Carlo Kestirimi 7 İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, Rassal örnekleme 8 İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, benzetim teknikleri 9 İstatistiksel Çıkarsama için Monte Carlo Yöntemleri, benzetim deneylerinin raporlanması 10 Veri bölümleme ve biçimlendirme, eğitim ve test kümelerine bölme, basit doğrulama, çapraz doğrulama 11 Yeniden örnekleme, Jackknife ve Bootstrap 12 Yeniden örnekleme, Jackknife ve Bootstrap 13 Çeşitli sayısal yöntem algoritmalarının R uygulamaları 14 Öğrenci sunumları

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, uygulamalar

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ODV ÖDEV 2 SUN SUNUM 3 YSBN YIL SONU BAŞARI NOTU ODV * 0.50 + SUN * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

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 Haftalık Ders öncesi/sonrası hazırlıklar 14 1 14 Final Sınavına Hazırlık 1 60 60 Ödev Hazırlama 1 25 25 Sunum Hazırlama 1 35 35 Diğer (Atölye, Laboratuvar vb. kapsamındaki çalışmalar) 1 25 25 Final Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 203

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 PK.10 ÖK.1 4 4 3 3 5 3 3 4 3 ÖK.2 5 5 3 3 4 3 ÖK.3 5 3 3 4 4 4 3 ÖK.4 5 3 3 4 5 4 ÖK.5 5 5 5 5