Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 3131	İstatistikte Benzetim Yöntemleri	SEÇMELİ	3	0	0	5

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖĞR. ÜYESİ HANİFE TAYLAN SELAMLAR

Dersi Alan Birimler

İstatistik
İstatistik (İ.Ö)

Dersin Amacı

İstatistiksel simülasyon, birçok matematiksel model ve analitik çözümü mümkün olmayan gerçek dünya sistemlerinin analizi için güçlü araçlar sunar . Bu dersin amacı, istatistiksel simülasyon ilkeleri ve uygulamalarını tanıtmaktır.

Dersin Öğrenme Kazanımları

1	Rastgele sayı üretim yöntemlerini bilgisayar ortamında uygular ve elde edilen sayıların istatistiksel geçerliliğini değerlendirir.
2	Kesikli ve sürekli dağılımlardan rastgele değişken üretir ve bu yöntemleri gerçek veriler üzerinde uygular.
3	Dağılım uyumlandırma ve uyum iyiliği testlerini kullanarak gerçek veri kümelerine uygun modeller geliştirir.
4	Monte Carlo simülasyonunu kullanarak integral hesaplama, istatistiksel çıkarım ve hata analizi yapar.
5	Monte Carlo yöntemini finansal uygulamalarda, özellikle Avrupa tipi opsiyon fiyatlamada uygular ve elde edilen sonuçları teorik modellerle karşılaştırır.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Simülasyon ve ModellemeTanımları.
2	Benzetim Akış Süreci.
3	Rassal Sayılar ve Pseudorandom Üretim
4	Bazı Kesikli Rassal Değişkenler
5	Bazı Sürekli Rassal Değişkenler
6	Rassal Değişken Üretimi ve Ters Dönüşüm Algoritması
7	Dağılım Uyumlandırma ve İstatistiksel Doğrulama Teknikleri
8	Uygulama + Ara Sınav.
9	Monte Carlo Simülasyonuna Giriş
10	Monte Carlo ile İstatistiksel Çıkarım
11	Monte Carlo nun Finansal Uygulamaları I
12	Monte Carlo nun Finansal Uygulamaları II
13	Monte Carlo nun Finansal Uygulamaları III
14	Genel Değerlendirme ve İleri Yöntemlere Bakış

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Sheldon M. Ross, Simulation, 3rd Ed., Academic Press, 2002.
Yardımcı kaynaklar:
Law A.M., Kelton W.D. Simulation, Modeling and Analysis, McGraw-Hill, 2000.
Maria C. Mariani, Irene Crivelli Introduction to Monte Carlo Methods for Probability and Statistics (Wiley, 2019).

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, sunum, ödev ve problem çözme.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	MTE	MIDTERM EXAM
2	ASG	ASSIGNMENT
3	FIN	FINAL EXAM
4	FCG	FINAL COURSE GRADE	MTE * 0.30 + ASG * 0.30 + FIN * 0.40
5	RST	RESIT
6	FCGR	FINAL COURSE GRADE (RESIT)	MTE * 0.30 + ASG * 0.30 + RST * 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar, ödevlerin değerlendirilmesi.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve ödev teslimi ile ilgili belirtilen zamana uyulmalıdır. Derslerde ve sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Fakültesi öğretim ve sınav uygulama esasları yönetmeliğini http://web.deu.edu.tr/fen adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU Fen Fakültesi İstatistik Bölümü
e-posta: hanife.taylan@deu.edu.tr
Tel: 0232 301 85 73

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
Vize Sınavına Hazırlık	1	26	26
Final Sınavına Hazırlık	1	32	32
Ödev Hazırlama	2	5	10
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			128

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	PK.11	PK.12	PK.13	PK.14
ÖK.1	5
ÖK.2	5
ÖK.3	5
ÖK.4	5
ÖK.5	5

DERS ADI

DERECE PROGRAMLARI