| DERSİN TÜRÜ | Seçmeli |
| DERSİN DÜZEYİ | Lisans |
| DERSİN YILI | - |
| YARIYIL | - |
| AKTS | 5 |
| ÖĞRETİM ELEMAN(LAR)I | Doktor Öğretim Üyesi Elmas Burcu Mamak Ekinci
|
| DERSİN ÖĞRENME KAZANIMLARI |
Bu dersin sonunda öğrenciler;
1) İstatistiksel analizin temel kavram ve yöntemlerini öğrenir.
2) İstatistik veri setlerinin özetlenmesinde kullanılan sayısal ve grafiksel yöntemleri uygulayarak yorumlayabilir.
3) Uygun analiz yöntemlerini belirleyebilir.
4) İlgili hipotez(ler)e uygun analiz yöntemini uygulayarak çıkarsama yapabilir.
5) En az bir programlama dili veya paket program kullanma becerisini kazanır ve analiz sonuçlarını raporlayabilir.
|
| DERSİN VERİLİŞ BİÇİMİ | Yüz Yüze |
| DERSİN ÖNKOŞULLARI | Yok |
| ÖNERİLEN DERSLER | MAT250 Olasılık ve İstatistik |
| DERS TANIMI | Verilerin derlenmesi, analiz edilmesi ve yorumlanması için istatistiksel analiz kavram ve yöntemlerini
öğrenmek, uygun analiz yöntemlerini belirleyebilmek, en az bir programlama dili veya paket program
kullanma becerisini kazanabilmek ve sonuçları raporlayabilmek. |
| DERS İÇERİĞİ | | HAFTA | KONULAR |
|---|
| 1. Hafta | Ders tanıtımı. İstatistik nedir? İstatistik ile ilgili temel tanım ve kavramlar. | | 2. Hafta | R ve R Studio'ya giriş. Veri yapıları ve R'de veri girişi. | | 3. Hafta | Betimsel İstatistikler: Merkezi eğilim ölçüleri, dağılım ölçüleri, frekans tabloları. | | 4. Hafta | Veri görselleştirme. | | 5. Hafta | Bazı kesikli ve sürekli dağılımlar. | | 6. Hafta | Uygun analiz yönteminin seçilmesi. Normal dağılıma uyumun değerlendirilmesi. | | 7. Hafta | Parametrik Testler (Tek ve İki örneklem). | | 8. Hafta | Ara sınav | | 9. Hafta | Varyans analizi. | | 10. Hafta | Parametrik olmayan testler (Tek ve iki örneklem). | | 11. Hafta | Kategorik veri analizi (Ki-kare testleri) | | 12. Hafta | Korelasyon analizi. | | 13. Hafta | Doğrusal regresyon analizi. | | 14. Hafta | Lojistik regresyon. |
|
| ZORUNLU YA DA ÖNERİLEN KAYNAKLAR | (1) Cotton, R. (2013). Learning R. O'Reilly Media, Inc. (Çeviri: Herkes için İstatistiksel Programlama ve Analiz: R, Pegem Akademi, 2020).
(2) Fischetti, T. (2015). Data Analysis with R. Packt Publishing.
(3) Demir, İ (Editör). (2017). R ile Uygulamalı İstatistik. Papatya Bilim.
(4) Peter Daalgard (2008). Introductory Statistics with R, Springer.
(5) Gareth J., Witten D., Hastie T., Tibshirani R. (2013). An Introduction to Statistical Learning with Applications in R. Springer. |
| ÖĞRETİM YÖNTEM VE TEKNİKLERİ | Anlatım,Soru-Cevap,Sorun/Problem Çözme,Eğitim-Uygulama |
| DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ | | | Sayısı | Toplam Katkısı(%) |
|---|
| Ara Sınav | 1 | 30 | | Ödev | 3 | 15 | | Mini-Sınav | 4 | 20 | | Toplam(%) | | 65 | | Yıl İçinin Başarıya Oranı(%) | | 65 | | Finalin Başarıya Oranı(%) | | 35 | | Toplam(%) | | 100 |
|
| AKTS İŞ YÜKÜ |
| Aktivite |
Sayı |
Süresi(Saat) |
İş Yükü |
| Ara Sınav | 1 | 1,5 | 1,5 | | Kısa Sınavlara hazırlık | 4 | 5 | 20 | | Sınıf Dışı Ders Çalışma Süresi | | | | | Final Sınavına Hazırlık | 1 | 40 | 40 | | Ders Saati | 14 | 3 | 42 | | Ara Sınava Hazırlık | 1 | 30 | 30 | | Laboratuvar | | | | | Final Sınavı | 1 | 1,5 | 1,5 | | Ödevler | 3 | 5 | 15 | | Kısa Sınavlar | 4 | ,5 | 2 | | Toplam İş Yükü | | | 152 |
|---|
| Toplam İş Yükü / 30 | | | 5,06 |
|---|
| Dersin AKTS Kredisi | | | 5 |
|---|
|
| DİL | Türkçe |
| STAJ / UYGULAMA | Yok |
| | |
