1. Eğitim Bilgi Sistemi
  2. Veri Bilimi ve Analitiği Bölümü
  3. İstatistik I (2024 - 2025)
Ders Adı Kodu Yarıyıl T+U Saat Kredi AKTS
İstatistik I VBA 105 1 3 + 0 3 4
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili Türkçe
Dersin Seviyesi Lisans
Dersin Türü Zorunlu
Dersin Koordinatörü Doç.Dr. LEVENT ÇALLI
Dersi Verenler Doç.Dr. LEVENT ÇALLI,
Dersin Yardımcıları
Dersin Kategorisi Diğer
Dersin Amacı
Dersin İçeriği

Bu derste, öğrencilere olasılığın temel fikirleri (kombinatoryal analiz ve olasılık aksiyomları), koşullu olasılık ve bağımsızlık, olasılık dağılımları tanıtılır ve betimleyici istatistikleri kullanarak veri işlemeye bir giriş yapılır. Olasılığın teorik kavramlarını açıklamak ve göstermek için, rastgele değişkenlerin nasıl üretildiğini ve nasıl değiştiğini göstermek için ve verinin özetlenmesine yönelik uygun diyagramları yapılandırmak için R yazılım paketi kullanılır. 
# Ders Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
1 Basit özetleyici istatistiklerin nasıl hesaplanacağını ve interpretasyonunun nasıl yapılacağını anlar. Veri kümelerini görselleştirmek için uygun diyagramların nasıl seçileceğini ve yapılacağını öğrenir.
2 Olasılığın toplama ve çarpma kurallarını anlar ve uygular. Total olasılık teoremi ve Bayes teoreminin uygulanması da dahil olmak üzere, koşullu olasılığın temel fikirlerini anlar. Binomiyal ve Poisson modellerine uygun durumları anlar ve tanır.
3 Kesikli ve sürekli rastgele değişkenler için beklenen değerleri ve varyansları hesaplar, olasılık yoğunluk fonksiyonu ve dağılım fonksiyonu fikirlerini anlar.
4 Değişkenleri değiştirme formülünü anlamak ve rastgele değişkenlerin fonksiyonlarının dağılımlarının nasıl hesaplanacağını bilir. Moment çıkartan fonksiyonları anlar.
5 Normal dağılımın merkezi rolünü tanır, normal rastgele değişkenleri standart forma indirgeyebilir ve normal olasılık tablolarını kullanabilir. Merkezi limit teoreminin temel fikirlerini anlar.
6 Dersin veri analizi misallerinde R yazılımını kullanabilir. Yukarıda betimlenen istatistiksel metotları R'da tatbik eder.
Hafta Ders Konuları Ön Hazırlık
1 Temel Kavramlar.
2 Görsel Betimleme.
3 Sayısal Betimleme.
4 İlişkileri Betimleme: Nitel Değişkenler.
5 İlişkileri Betimleme: Nicel Değişkenler.
6 Olasılık ve Rastgele Değişkenler.
7 Kesikli Olasılık Dağılımları.
8 Sürekli Olasılık Dağılımları.
9 Ortak Olasılık Dağılımları.
10 Beklenen Değerlerin Özellikleri.
11 Moment Çıkartan Fonksiyonlar.
12 Limit Teoremleri.
13 Simülasyon.
14 R Tatbikatları.
Kaynaklar
Ders Notu
Ders Kaynakları
Sıra Program Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Veri Biliminde matematik konusunda yeterli bilgi birikimine ve bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık veri bilimi problemlerinin çözümünde kullanabilme becerisine sahiptir. X
2 Bilimsel araştırma yapabilme yeteneği ile elde edilen bilgiyi derinlemesine analiz edebilir ve yorumlayabilir X
3 Analitik, modelleme ve deneysel araştırmaların tasarlanması ve uygulanması konusunda yetkinliğe; karmaşık veri setlerini analiz etme ve yorumlama yeteneğine sahiptir X
4 Eksik veya kısıtlı veri setleriyle çalışarak bilgiyi tamamlayabilir ve farklı disiplinlerden gelen bilgileri entegre edebilir X
5 Veri bilimi ve analitiği problemlerini tanımlama ve çözme becerisi için gerekli programlama becerisine sahiptir X
6 Çok disiplinli takımlarda liderlik yapabilme, karmaşık problemlere yönelik çözüm stratejileri geliştirebilme, sorumluluk alma ve takım çalışmasına katkı sağlama becerisine sahiptir X
7 Yenilikçi fikirler ve yöntemler geliştirme kabiliyetine; veri bilimi ve analitiği alanında veri işleme süreçlerinde yeni yaklaşımlar ortaya koyabilme becerisine sahiptir X
8 Gereksinim duyulan veri ve bilgileri tanımlama, erişme ve değerlendirme, veri yönetimi ve analitiği alanında yetkindir. X
9 Veri bilimi ve analitiği alanındaki güncel gelişmeleri takip edebilir, öğrenme ve yeni teknolojileri hızlı bir şekilde adapte edebilir X
10 Yapılan çalışmaların sonuçlarını etkili bir şekilde aktarabilir ve teknik ve karmaşık konuları anlaşılır bir şekilde sunabilir X
11 Veri bilimi ve analitiği uygulamalarının sosyal ve çevresel etkilerinin farkındadır ve bu bağlamda uyum sağlayabilir X
12 Veri toplama, analiz etme ve raporlama süreçlerinde toplumsal, bilimsel ve etik değerler hakkında bilgi sahibidir; etik ilkeleri gözetir ve toplumun faydasını ön planda tutar X
# 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 PÇ 12
1 Basit özetleyici istatistiklerin nasıl hesaplanacağını ve interpretasyonunun nasıl yapılacağını anlar. Veri kümelerini görselleştirmek için uygun diyagramların nasıl seçileceğini ve yapılacağını öğrenir.
2 Olasılığın toplama ve çarpma kurallarını anlar ve uygular. Total olasılık teoremi ve Bayes teoreminin uygulanması da dahil olmak üzere, koşullu olasılığın temel fikirlerini anlar. Binomiyal ve Poisson modellerine uygun durumları anlar ve tanır.
3 Kesikli ve sürekli rastgele değişkenler için beklenen değerleri ve varyansları hesaplar, olasılık yoğunluk fonksiyonu ve dağılım fonksiyonu fikirlerini anlar.
4 Değişkenleri değiştirme formülünü anlamak ve rastgele değişkenlerin fonksiyonlarının dağılımlarının nasıl hesaplanacağını bilir. Moment çıkartan fonksiyonları anlar.
5 Normal dağılımın merkezi rolünü tanır, normal rastgele değişkenleri standart forma indirgeyebilir ve normal olasılık tablolarını kullanabilir. Merkezi limit teoreminin temel fikirlerini anlar.
6 Dersin veri analizi misallerinde R yazılımını kullanabilir. Yukarıda betimlenen istatistiksel metotları R'da tatbik eder.
Değerlendirme Sistemi
Yarıyıl Çalışmaları Katkı Oranı
1. Kısa Sınav 5
1. Ödev 5
1. Ara Sınav 30
Toplam 40
1. Final 60
Toplam 60
AKTS - İş Yükü Etkinlik Sayı Süre (Saat) Toplam İş Yükü (Saat)
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) 16 3 48
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) 16 2 32
Kısa Sınav 1 10 10
Ara Sınav 1 10 10
Final 1 6 6
Ödev 1 6 6
Toplam İş Yükü 112
Toplam İş Yükü / 25 (Saat) 4,48
Dersin AKTS Kredisi 4