OLASILIK VE İSTATİSTİĞE GİRİŞ

Ders Açıklaması

Dersin amacı temel olasılık ve istatistik konularının verilmesidir. Bu derste teori ve uygulamaya birlikte yer verilmektedir. Dersin içeriği; değişken tanımına giriş, temel veri analizi, veri çeşitleri, veri düzenlemesi, frekans dağılım tabloları, örneklem, örneklem uzayı, olay tanımı, temel sayma yöntemleri, küme işlemleri, olasılık aksiyomları, olasılık kuralları, şartlı olasılık, toplam olasılık ve Bayes teoremi, bağımsız olaylar, rassal değişken tanımı, olasılık dağılım ve olasılık yoğunluk fonksiyonu, temel dağılımlar ve yığılımlı dağılım fonksiyonları, kesikli ve sürekli dağılım fonksiyonları, Binom, Hipergeometrik, Poisson, Düzgün sürekli, Normal, Gamma, Üstel, çok değişkenli dağılım fonksiyonları, dağılımı belli olan kesikli ve sürekli değişkenlerin ortalama ve varyans hesaplamarı, örneklem dağılımları, Merkezi Limit Teoremi’ni kapsamaktadır.

OLASILIK VE İSTATİSTİĞE GİRİŞ

Değerlendirme Araçları (Aktif Dönem)

Ders çıktıları

1. 01 Mühendislik problemlerinin çözümünde istatistik kavramlarını uygulamaktadır.
2. 02 Sayısal ve grafiksel teknikleri kullanarak hesaplar ve neticelendirir.
3. 03 Temel olasılık kavramlarını adlandırır ve uygular.
4. 04 Ağaç diyagramlarını kurmak için olasılık teorisini uygular.
5. 05 Baye's Kuralı aracılığı ile olasılık teorilerini uygular.
6. 06 Rastagele değişkenlerin özelliklerini ayrık ve sürekli olasılık dağılımları kullanarak tanımlar.
7. 07 Birleşik Olasılık Dağılımının temel kavramlarını adlandırır.

Ders Müfredatı

Referans Kitaplar & Ders Materyalleri

1. 01 Jay L. Devore, Probability and Statistics for Engineering and Sciences, 8th ed., Brooks/Cole Cengage Learning
2. 02 R.E.Walpole, R.H.Myers, S.L.Myers, K.Ye, Probability and Statistics for Engineers and Scientists, 7th ed., Prentice Hall, 2002.

Ders Çıktıları

1. L01 Mühendislik problemlerinin çözümünde istatistik kavramlarını uygulamaktadır.
2. L02 Sayısal ve grafiksel teknikleri kullanarak hesaplar ve neticelendirir.
3. L03 Temel olasılık kavramlarını adlandırır ve uygular.
4. L04 Ağaç diyagramlarını kurmak için olasılık teorisini uygular.
5. L05 Baye's Kuralı aracılığı ile olasılık teorilerini uygular.
6. L06 Rastagele değişkenlerin özelliklerini ayrık ve sürekli olasılık dağılımları kullanarak tanımlar.
7. L07 Birleşik Olasılık Dağılımının temel kavramlarını adlandırır.

Program Çıktıları

1. P01 Gerçek yaşam durumlarındaki zorluklara veri bilimi ilke ve tekniklerini uygulayabilir ve çözümlerini etkin bir şekilde iletebilirler.
2. P02 Teorik fikirlere, etik koda ve temel verilere ilişkin derinlemesine bilgiye dayalı veri analizi metodolojilerini belirleyebilir ve uygulayabilirler.
3. P03 Gerçek hayattaki uygulamalarda bilgi analizi için yol gösterici kavramları ve değerlendirme prosedürlerini analiz edebilirler.
4. P04 İşle ilgili sorunlara belirsiz çözümler bulmak için ilgili veri analizi modellerini tasarlayabilir ve uygulayabilirler.
5. P05 Paralel ve dağıtılmış bilgi işlem ve makine öğrenimi gibi büyük miktarda veriyle karakterize edilen gerçek dünya sorunlarını ele almak için modern bilgi işlem tekniklerinden yararlanabilirler.
6. P06 Her boyuttaki yapılandırılmış ve yapılandırılmamış veri kümesinden kullanılabilir bilgileri verimli bir şekilde üretmek için gereken yazılım araçlarını yapılandırabilir ve yönetebilirler.
7. P07 Karmaşık verilerden yararlı bilgiler elde etmeyi amaçlayan projeleri organize etmek ve tamamlamak için veri bilimi araçlarını ve tekniklerini yönetebilirler.
8. P08 Gerçek dünyadaki sorunları çeşitli açılardan kavrayarak eleştirel ve yaratıcı düşünebilirler ve sorunları işbirliği içinde çözmek için çeşitli ekiplerde çalışabilirler.
9. P09 Veri tabanlı çözümleri kullanıcı ortamına etkin bir şekilde entegre edebilme ve teknik olmayan profesyonellere bu çözümleri keşfetme, görselleştirme ve kullanma konusunda yardımcı olabilirler.
10. P10 Veri sahipliği ve atıf, veri güvenliği ve hassasiyeti ve veri analizinin mahremiyet üzerindeki etkileri gibi konularda mesleki ve etik standartlar kapsamındaki yükümlülüklerini anlayabilirler.

Pç-Dç Matrisi