| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Bayesgil İstatistik | IST3060 | 3 | 5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz |
|---|
| Dersin Dili | İngilizce, Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ İstatistik Lisans Programı (%30 İngilizce) Seçmeli @ Matematik Lisans Programı Seçmeli @ Moleküler Biyoloji ve Genetik Lisans Programı |
| Ders Kategorisi | Temel Meslek Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | İstatistik Bölümü |
|---|---|
| Dersin Koordinatörü | Filiz Karaman |
| Dersi Veren(ler) | Filiz Karaman, Erhan Çene, Hülya Yürekli |
| Asistan(lar)ı |
| Dersin Amacı | İstatistiksel metodolojinin önemli bir alanı olan Bayesgil istatistik konusunda öğrencilere temel düzeyde bilgi vermek |
|---|---|
| Dersin İçeriği | Bayesci yaklaşım anlatılarak, klasik yaklaşımdan farkı gösterilmeye çalışılacaktır. Önsel dağılımlar verilerek olabilirlik fonksiyonu kullanılarak sonsal dağılım elde edilmeye çalışılacaktır. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler Bayesgil istatistiğin temel kavramlarını bilir.
- Öğrenciler Bayes Teoremini bilir ve Bayes yaklaşımı kullanılarak sorular çözer
- Öğrenciler önsel ve sonsal dağılımı bilir.
- Öğrenciler Bayes Tahminlerini, Normal dağılım için Bayesgil çıkarsamayı bilir.
- Öğrenciler olabilirlik fonksiyonunu bilir.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Olasılık tanımları | Gürsakal, Bölüm 2 |
| 2 | Bayesci yaklaşımın anlatılması | Gürsakal, Bölüm 3 |
| 3 | Bayes teoremi ve konuyla ilgili örnek çözümleri | Gürsakal, Bölüm 3 |
| 4 | Oyun kuramı, eyer noktası | Miller & Miller, Bölüm 9 |
| 5 | İstatistik oyunları | Miller & Miller, Bölüm 9 |
| 6 | Karar ölçütleri: Minimaks, Bayes | Gürsakal, Bölüm 6 |
| 7 | Bayes ölçütü ve çözümlü örnekler | Gürsakal, Bölüm 6 |
| 8 | Ara Sınav 1 | |
| 9 | Tahmin etme, sapmasız tahmin ediciler | Miller & Miller, Bölüm 10.1, Bölüm 10.2 |
| 10 | Etkinlik, yeterlilik | Miller & Miller, Bölüm 10.3, Bölüm 10.4 |
| 11 | Tutarlılık, en düşük varyanslı sapmasız tahmin edici | Miller & Miller, Bölüm 10.4, Bölüm 10.5 |
| 12 | Beklemler Yöntemi | Miller & Miller, Bölüm 10.7 |
| 13 | En yüksek olabilirlik yöntemi | Miller & Miller, Bölüm 10.8 |
| 14 | Bayesgil tahmin | Miller & Miller, Bölüm 10.9 |
| 15 | Örnek çözümleri | |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | 14 | 10 |
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 1 | 20 |
| Sunum/Jüri | ||
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 3 | |
| Derse Özgü Staj | |||
| Ödev | 1 | 10 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 20 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 40 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
