OLASILIK VE İSTATİSTİK

Ders Açıklaması

Bu dersin amacı, MATH205' te oluşturulan temel altyapıya dayalı olarak istatistiksel çıkarımın ana konularını ve araçlarını tanıtmaktır. Moment üreten fonksiyonlar, çok değişkenli olasılık dağılımları, koşullu beklenen değer, ampirik dağılım fonksiyonu, En Küçük Kareler Tahmin edicileri ve bu tahmin edicilerin basit doğrusal regresyon analizindeki uygulamaları, Moment Tahmin Edicileri, Maksimum Olabilirlik Tahmin edicileri, tahmin edicilerin özellikleri (yansızlık, etkinlik, tutarlılık ve yeterlilik gibi), büyük sayılar kanunu, bazı popülasyon parametreleri için güven aralıkları, hipotez testleri, istatistiksel testin gücü, normal bir rastgele değişkenin ortalaması için yapılan istatistiksel çıkarımlar bu dersin konuları arasında yer almaktadır. Ayrıca ders, bu temel konuların farklı yazılım programlarındaki uygulamalarını tanıtmayı amaçlamaktadır.

OLASILIK VE İSTATİSTİK

Değerlendirme Araçları (Aktif Dönem)

Ders çıktıları

Henüz ders çıktısı tanımlanmamış.

Ders Müfredatı

Referans Kitaplar & Ders Materyalleri

1. 01 Montgomery, D. C., & Runger, G. C. (2010). Applied statistics and probability for engineers. John wiley & sons.
2. 02 Jones, E., Harden, S., & Crawley, M. J. (2022). The R book. John Wiley & Sons.

Ders Çıktıları

Öğrenme çıktısı tanımlanmamış.

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

PÇ-ÖÇ matrisi henüz doldurulmamış.