Bu dersin sonunda öğrenciler; 1) Stokastik süreçleri tanımlayabilir 2) Stokastik süreçleri modelleyebilir
DERSİN VERİLİŞ BİÇİMİ
Yüz Yüze
DERSİN ÖNKOŞULLARI
Yok
ÖNERİLEN DERSLER
-
DERS TANIMI
Olasılık Teorisi Tekrarı, Olasılık uzayları, Bernoulli süreçleri, Kesikli zamanlı Markov zincirleri, Poisson süreçleri, Sürekli zamanlı Markov zincirleri, Markov karar süreçleri
DERS İÇERİĞİ
HAFTA
KONULAR
1. Hafta
Olasılık Teorisi Tekrarı
2. Hafta
Olasılık uzayları
3. Hafta
Üretim fonksiyonları ve dallanma süreçleri
4. Hafta
Basit rassal yürüyüş
5. Hafta
Bernoulli süreçleri
6. Hafta
Kesikli zamanlı Markov zincirleri
7. Hafta
Kesikli zamanlı Markov zincirleri
8. Hafta
Ara Sınav
9. Hafta
Poisson süreçleri
10. Hafta
Sürekli zamanlı Markov zincirleri
11. Hafta
Markov karar süreçleri
12. Hafta
Markov karar süreci uygulamaları
13. Hafta
Markov karar süreci uygulamaları
14. Hafta
Proje sunumu
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
Barry L. Nelson, Stochastic Modelling, Analysis and Simulation. Mc Graw Hill, USA,1995. J. Wiley Lawler, G.F. (2000), Introduction to Stochastic Processes, Chapmann&Hall/CRC Probability.
ÖĞRETİM YÖNTEM VE TEKNİKLERİ
Anlatım,Soru-Cevap,Sunum
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
Sayısı
Toplam Katkısı(%)
Ara Sınav
1
35
Mini-Sınav
1
8
Proje
1
7
Toplam(%)
50
Yıl İçinin Başarıya Oranı(%)
50
Finalin Başarıya Oranı(%)
50
Toplam(%)
100
AKTS İŞ YÜKÜ
Aktivite
Sayı
Süresi(Saat)
İş Yükü
Ara Sınav
1
2
2
Kısa Sınavlara hazırlık
1
14
14
Sınıf Dışı Ders Çalışma Süresi
14
13
182
Final Sınavına Hazırlık
1
25
25
Ders Saati
14
3
42
Ara Sınava Hazırlık
1
25
25
Laboratuvar
Final Sınavı
1
2
2
Ödevler
1
14
14
Toplam İş Yükü
306
Toplam İş Yükü / 30
10,2
Dersin AKTS Kredisi
10
DİL
Türkçe
STAJ / UYGULAMA
Yok
PROGRAM YETERLİLİKLERİ (P) / DERSİN ÖĞRENME KAZANIMLARI (Ö) MATRİSİ