Dersin Detaylı Bilgileri

DERS BİLGİLERİ

Ders Kodu Yarıyıl T+U Saat Kredi AKTS
PROBABILITY AND COMPUTATIONAL STATISTICS CMM 522 0 3+0 3 6
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Dili İngilizce
Dersin Seviyesi Yüksek Lisans
Dersin Türü Seçmeli
Dersin Koordinatörü Dr.Öğr.Üyesi UFUK KULA
Dersi Verenler
Dersin Yardımcıları
Dersin Amacı
Temel olasılık ve istatistik kavramlarını anlamak ve araştırma alanlarında elde ettikleri verileri sayısal istatistiksel yöntemler kullanarak anaiz etmek anlamlandırmak ve yorumlamak süretiyle çıkarımlarda bulunmak
Dersin İçeriği
Rastgele deney, olaylar ve örnek uzay; Olasılık aksiyomları ve önemli olasılık kuralları; Koşullu olasılık, toplam olasılık yasası ve Bayes kuralı; Rastgele değişkenler ve bazı önemli olasılık dağılımları; Örnekleme ve örnekleme dağılımları; Açıklayıcı veri analizi; Verilerde örüntü bulma; Gözetimli öğrenme; Gözetimsiz öğrenme; Regresyon analizi
Dersin Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
1) Gözetimli ve gözetimsiz öğrenme yöntemleri ayırdedebilir ve veri kümelerine uygulayabilir. 5, 3, 2, 1 C, B, A
2) Veri kümelerine Monte Carlo yöntemlerini uygulayarak istatistikse çıkarımlarda bulunabilir 5, 3, 2, 1 C, B, A
3) Örüntü bulma yöntemlerini kullanarak bir veri setindeki örüntüleri bulabilir ve yorumlayabilir. 5, 3, 2, 1 C, B, A
4) Örnekleme dağılımı kavramını verilen bir problemde kullanabilir ve ilgili istatistikle ilgili olasılıkları hesaplar ve yorumlar. 5, 3, 2, 1 C, B, A
5) Koşullu olasılık kavram ve kurallarını kullanarak olaylara ait olasılıkları hesaplar. 5, 3, 2, 1 C, A
6) Olasılık Aksiyomlarını kullanarak temel olasılık kuralalrını kanıtlar. 5, 3, 2, 1 C, A
7) Rastegel Deneyin, Olayın ve Örnek uzayın ne olduğunu tanımlar, örnek verir ve Bir deneyde szökonusu bileşenleri listeler. 5, 3, 2, 1 C, B, A
Öğretim Yöntemleri: 5: Gösteri, 3: Tartışma, 2: Soru-Cevap, 1: Anlatım
Ölçme Yöntemleri: C: Ödev, B: Sözlü Sınav, A: Sınav

DERS AKIŞI

HaftaKonularÖn Hazırlık
1 Rastgele deney, Olaylar ve Örnek uzay
2 Olasılık Aksiyomları ve Önemli Olasılık Kuralları
3 Koşullu Olasılık, Toplam Olasılık Yasası
4 Bayes Kuralı; Rastgele Değişkenler
5 Bazı Önemli Olasılık Dağılımları
6 Örnekleme ve Örnekleme Dağılımları
7 Açıklayıcı Veri Analizi
8 Açıklayıcı Veri Analizi
9 Temel Bileşen Analizi, Bağımsız Bileşen Analizi
10 İstatistiksel Hipotez Testi
11 İstatistiksel Hipotez Testi ve Monte Carlo Yöntemleri
12 Gözetimli Öğrenme
13 Gözetimsiz Öğrenme
14 Regresyon Analizi
KAYNAKLAR
Ders Notu TR. Ders notu dönem başında Materyal Paylaşımı bölümüne ulaşılabilir.
EN. Lecture notes can be found under "MATERIAL SHARING" section at the start of the semester.
Diğer Kaynaklar
1. Computational Statistics Handbook with MATLAB, (2008), Martinez W. L. Martinez A.R., Springer
2. Elements of Computational Statistics, 2005, Gentle J., Chapman and Hall
DÖKÜMAN PAYLAŞIMI

DERSİN PROGRAM ÇIKTILARINA KATKISI

No Program Öğrenme Çıktıları Katkı Düzeyi
1 2 3 4 5

DEĞERLENDİRME SİSTEMİ

YARIYIL İÇİ ÇALIŞMALARI SIRA KATKI YÜZDESİ
Ara Sınav 1 60
Kısa Sınav 2 10
Ödev 3 5
Ödev 4 5
Ödev 5 5
Ödev 6 5
Ödev 7 5
Ödev 8 5
Toplam 100
Yıliçinin Başarıya Oranı 60
Finalin Başarıya Oranı 40
Toplam 100

AKTS / İŞ YÜKÜ TABLOSU

Etkinlik SAYISI Süresi (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 3 48
Ara Sınav 1 12 12
Kısa Sınav 1 3 3
Ödev 6 3 18
Final 1 12 12
Toplam İş Yükü 141
Toplam İş Yükü / 25 (s) 5,64
Dersin AKTS Kredisi 6