| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İstatistik Olasılık I | ENM 205 | 3 | 4 + 0 | 4 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Doç.Dr. GÜLTEKİN ÇAĞIL |
| Dersi Verenler | Doç.Dr. GÜLTEKİN ÇAĞIL, Doç.Dr. TİJEN ÖVER ÖZÇELİK, |
| Dersin Yardımcıları | Arş.Gör. Elif Yıldırım |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Olasılık kuramına giriş ve temel istatistiksel kavramların öğretilmesi |
| Dersin İçeriği | Verilerin düzenlenmesi ve analizi, olasılığa giriş, olasılık kuralları, rassal değişkenler |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Ham verileri sınıflandırıp frekans dağılımlarını hazırlayabilir ve bir serinin merkezi eğilim ölçülerini (ortalama, medyan, mod) ve değişkenliğini hesaplayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 2 | Serilerin merkezi eğilim ölçülerine ve değişkenliğine bakıp, histogram ve kutu diyagramıyla verileri görselleştirerek verilerin dağılımını yorumlayabilir. | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 3 | Bir serinin momentlerini hesaplayıp, çarpıklığını ve basıklığını yorumlayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 4 | Rassal deneylerdeki örnek uzayı ve olayları grafikle, tabloyla ve liste olarak tanımlayıp, anlayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, | Sınav , Ödev, |
| 5 | Kesikli ve sürekli örnek uzaylardaki olayların olasılıklarını ve koşullu olasılıklarını hesaplayıp, yorumlayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 6 | Olasılıkları hesaplamak için bağımsızlığı kullanabilir ve olayların bağımsız olup olmadığını belirleyebilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, | Sınav , Ödev, |
| 7 | Koşullun olasılıkları hesaplamak için Bayes Teoremini kullanabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, | Sınav , Ödev, |
| 8 | Rassal değişkenler kavramını anlar | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, | Sınav , Ödev, |
| 9 | Sürekli olasılık yoğunluk ve kesikli olasılık fonksiyonlarından olasılıkları hesaplayabilir, ve olasılıklardan sürekli olasılık yoğunluk ve kesikli olasılık fonksiyonlarını belirleyebilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, | Sınav , Ödev, |
| 10 | Birikimli dağılım fonksiyonlarından olasılıkları ve olasılıklardan birikimli dağılım fonksiyonlarını belirleyebilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, | Sınav , Ödev, |
| 11 | Kesikli ve sürekli rassal değişkenlerin ortalamalarını ve varyanslarını hesaplayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 12 | Olasılıkları hesaplamak için ortak olasılık fonksiyonlarını (kesikli yada sürekli) kullanabilir, ve ortak olasılık dağılımlarından marjinal ve koşullu olasılık dağılımlarını hesaplayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 13 | Rassal değişkenler arasındaki kovaryansı ve korelasyonları hesaplayıp, yorumlayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 14 | Ders kapsamında anlatılan tüm kesikli ve sürekli olasılık dağılımlarının ortalamasını varyansını ve olasılıkları hesaplayabilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| 15 | Spesifik uygulamalardaki olasılıkları hesaplamak için uygun kesikli ve sürekli olasılık dağılımını seçebilir. | Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama, Gösteri, | Sınav , Ödev, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | İstatistik Temel Kavramlarına Giriş | |
| 2 | Verilerin Derlenmesi, Düzenlenmesi ve Analizi ve Grafiksel Gösterimler | |
| 3 | Değişkenlik ve Asimetri Ölçüleri | |
| 4 | Sapma, Dağılma, Değişkenlik Ölçüleri | |
| 5 | Asimetri ve Basıklık Ölçüleri | |
| 6 | Sayma Teknikleri, Permütasyon, Kombinasyon | |
| 7 | Olasılığa Giriş, Olasılık Aksiyomları, Özel ve Genel Toplama Kuralı | |
| 8 | İki Boyutlu Rassal Değişkenler | |
| 9 | Rassal Değişken, Kesikli ve Sürekli Olasılık Yoğunluk Fonksiyonu | |
| 10 | Olasılık Dağılım Fonksiyonu | |
| 11 | İki veya Daha Çok Boyutlu Rassal Değişkenlerin Dağılımı | |
| 12 | Bileşik Olasılık Dağılım Fonksiyonu, Marijinal Fonksiyonlar | |
| 13 | Sürekli Rassal Değişkenlerin Dağılımları-I | |
| 14 | Kovaryans ve Korelasyon |
| Kaynaklar | |
|---|---|
| Ders Notu | Ders notları: www.gultekincagil.com |
| Ders Kaynakları |
|
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Matematik, fen bilimleri ve kendi dalları ile ilgili mühendislik konularında yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgilerini kullanarak karmaşık Endüstri Mühendisliği problemlerini modelleyebilme ve çözebilme becerisi | X | |||||
| 2 | Karmaşık Endüstri Mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ile modelleme tekniklerini seçme ve uygulama becerisi | X | |||||
| 3 | Endüstri Mühendisliği alanında karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | |||||
| 4 | Endüstri Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | |||||
| 5 | Endüstri Mühendisliği alanındaki karmaşık problemlerinin, araştırma konularının incelenmesi amacıyla deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | ||||||
| 7 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi | ||||||
| 8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | ||||||
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | ||||||
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | X | |||||
| 11 | Endüstri Mühendisliği alanındaki uygulamaların evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Ham verileri sınıflandırıp frekans dağılımlarını hazırlayabilir ve bir serinin merkezi eğilim ölçülerini (ortalama, medyan, mod) ve değişkenliğini hesaplayabilir. | |||||||||||
| 2 | Serilerin merkezi eğilim ölçülerine ve değişkenliğine bakıp, histogram ve kutu diyagramıyla verileri görselleştirerek verilerin dağılımını yorumlayabilir. | |||||||||||
| 3 | Bir serinin momentlerini hesaplayıp, çarpıklığını ve basıklığını yorumlayabilir. | |||||||||||
| 4 | Rassal deneylerdeki örnek uzayı ve olayları grafikle, tabloyla ve liste olarak tanımlayıp, anlayabilir. | |||||||||||
| 5 | Kesikli ve sürekli örnek uzaylardaki olayların olasılıklarını ve koşullu olasılıklarını hesaplayıp, yorumlayabilir. | |||||||||||
| 6 | Olasılıkları hesaplamak için bağımsızlığı kullanabilir ve olayların bağımsız olup olmadığını belirleyebilir. | |||||||||||
| 7 | Koşullun olasılıkları hesaplamak için Bayes Teoremini kullanabilir. | |||||||||||
| 8 | Rassal değişkenler kavramını anlar | |||||||||||
| 9 | Sürekli olasılık yoğunluk ve kesikli olasılık fonksiyonlarından olasılıkları hesaplayabilir, ve olasılıklardan sürekli olasılık yoğunluk ve kesikli olasılık fonksiyonlarını belirleyebilir. | |||||||||||
| 10 | Birikimli dağılım fonksiyonlarından olasılıkları ve olasılıklardan birikimli dağılım fonksiyonlarını belirleyebilir. | |||||||||||
| 11 | Kesikli ve sürekli rassal değişkenlerin ortalamalarını ve varyanslarını hesaplayabilir. | |||||||||||
| 12 | Olasılıkları hesaplamak için ortak olasılık fonksiyonlarını (kesikli yada sürekli) kullanabilir, ve ortak olasılık dağılımlarından marjinal ve koşullu olasılık dağılımlarını hesaplayabilir. | |||||||||||
| 13 | Rassal değişkenler arasındaki kovaryansı ve korelasyonları hesaplayıp, yorumlayabilir. | |||||||||||
| 14 | Ders kapsamında anlatılan tüm kesikli ve sürekli olasılık dağılımlarının ortalamasını varyansını ve olasılıkları hesaplayabilir. | |||||||||||
| 15 | Spesifik uygulamalardaki olasılıkları hesaplamak için uygun kesikli ve sürekli olasılık dağılımını seçebilir. |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 50 |
| 1. Kısa Sınav | 10 |
| 1. Ödev | 10 |
| 2. Kısa Sınav | 10 |
| 2. Ödev | 10 |
| Toplam | 90 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Ara Sınav | 1 | 10 | 10 |
| Ödev | 6 | 6 | 36 |
| Performans Görevi (Laboratuvar) | 1 | 5 | 5 |
| Final | 1 | 5 | 5 |
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Toplam İş Yükü | 152 | ||
| Toplam İş Yükü / 25 (Saat) | 6,08 | ||
| dersAKTSKredisi | 6 | ||