GAZİ ÜNİVERSİTESİ BİLGİ PAKETİ - 2019 AKADEMİK YILI

DERS TANIMI
BAYESIAN STATISTICS/İST-430
Dersin Adı: BAYESIAN STATISTICS
Dersin Kredisi: 3 Ders AKTS : 5
Dersin Yarıyılı: 8 Ders Türü : Seçmeli
DERS BİLGİLERİ
 -- DERSİN DİLİ
  Türkçe
 -- ÖĞRETİM ELEMAN(LAR)I
  Yrd.Doç. Dr. Necla GÜNDÜZ
 -- ÖĞRETİM ELEMANI WEB SİTESİ/SİTELERİ
  http://websitem.gazi.edu.tr/site/ngunduz
 -- ÖĞRETİM ELEMANI E-POSTASI/E-POSTALARI
  ngunduz@gazi.edu.tr
 -- ÖĞRENME ÇIKTILARI
Bayes teoremi
Kesikli rassal değişkenler için Bayes analizi
Sürekli rassal değişkenler için Bayes analizi
Bayes tahmin edicilerin elde edilmesi
 -- DERSİN VERİLİŞ BİÇİMİ
  Bu ders sadece yüz yüze eğitim şeklinde yürütülmektedir.
 -- DERSİN ÖNKOŞULLARI
   Bu dersin önkoşulu yada eş koşulu bulunmamaktadır.
 -- ÖNERİLEN DERSLER
   Bu dersle ilişkili önerilen başka dersler bulunmamaktadır.
 --DERS İÇERİĞİ
1. Hafta  Olasılık kuramının temel kavramları, subjektif and frekansçı olasılık kavramları
2. Hafta  Bazı özel olasılık dağılımları (Bernouilli, Binom, Negatif Binom, Hipergeometrik, Poisson, Multinomial, Kesikli Tekdüze dağılımları)
3. Hafta  Bazı özel olasılık dağılımları (Sürekli tekdüze, Normal, üstel, gamma, beta dağılımları)
4. Hafta  Rassal değişkenler için koşullu olasılık ve Bayes teoremi,Bayesgil sonuç çıkarımı ve klasik sonuç çıkarımının karşılaştırılması
5. Hafta  Kesikli rassal değişkenler için Bayes teoremi, Kesikli önsel dağılımlar: Bernoulli örneği
6. Hafta  Kesikli önsel dağılımlar: Poisson örneği
7. Hafta  Bayes teoreminin ardışık olarak kullanılması
8. Hafta  Ara sınav
9. Hafta  Sürekli rassal değişkenler için Bayes teoremi: Bernouilli süreci için akraba önsel dağılımlar, Beta önsel dağılımının kullanımı, beta-binom modeli
10. Hafta  Nokta tahmini
11. Hafta  Aralık tahmini: credible interval
12. Hafta  Hipotez testleri
13. Hafta  Normal Süreç için akraba önsel dağılımlar, Normal önsel dağılımın kullanımı, normal-normal model,
14. Hafta  Önsel dağılımın belirlenmesinde Jeffrey kuralı (Bir ve birden fazla parametre olması durumları için Jeffrey kuralı)
15. Hafta  Doğrusal regresyon modelleri için Bayesci yaklaşım ve uygulama
16. Hafta  Final Sınavı
 -- ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
  Winkler, R. L., 1972, An Introduction to Bayesian Inference and Decision, Holt, Rinehart and Winston, Inc., USA. Bolstad, W. M., 2007, Introduction
 -- ÖĞRETİM YÖNTEM VE TEKNİKLERİ
  Anlatım, Soru-Yanıt, Gösterme, Uygulama - Alıştırma
 -- STAJ / UYGULAMA
  Yok
 -- DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
 
Sayısı
Toplam Katkısı(%)
 Ara Sınav
1
40
 Ödev
0
0
 Uygulama
0
0
 Projeler
0
0
 Pratik
0
0
 Quiz
0
0
 Yıliçinin Başarıya Oranı (%)  
40
 Finalin Başarıya Oranı (%)  
60
 -- İŞ YÜKÜ
 Etkinlik  Toplam hafta sayısı  Süre (Haftalık Saat)  Dönem boyu toplam iş yükü
 Haftalık teorik ders saati
1
2
2
 Haftalık uygulamalı ders saati
1
2
2
 Okuma Faaliyetleri
14
3
42
 İnternette tarama, kütüphane çalışması
0
0
 Materyal tasarlama, uygulama
0
0
 Rapor hazırlama
14
3
42
 Sunu hazırlama
0
 Sunum
0
 Ara sınav ve ara sınava hazırlık
1
15
15
 Final sınavı ve final sınavına hazırlık
1
22
22
 Diğer
0
 TOPLAM İŞ YÜKÜ: 
125
 TOPLAM İŞ YÜKÜ / 25 : 
5
 DERSİN AKTS KREDİSİ: 
5
 -- PROGRAM ÖĞRENME ÇIKTILARI KATKI DÜZEYLERİ
NO
 PROGRAM ÖĞRENME ÇIKTILARI
1
2
3
4
5
1
1. İstatistik konusundaki güncel bilgileri içeren ders kitapları, uygulama araç-gereçleri ve diğer kaynaklarla desteklenen bilimsel yaklaşımı ön plana alacak şekilde lisans düzeyindeki kuramsal ve uygulamalı bilgilere sahiptir.X
2
2. Edindiği lisans düzeyindeki bilgi ve becerileri kullanarak, verileri modeller, çözümler, yorumlar ve karar verir.X
3
3. İstatistikte güncel teknolojik gelişmelere paralel sorunları tanımlar, analiz eder, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir.X
4
4. İstatistik konusunda edindiği lisans düzeyindeki kuramsal ve uygulamalı bilgileri, güncel problemlere uygular ve aktarır.X
5
5. İstatistik alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim teknolojilerini kullanabilir.X
6
6. Disiplin içi ve disiplinler arası çalışmalarda bireysel ve ekip üyesi olarak sorumluluk alır.X
7
7. İstatistik konusundaki gelişmeleri takip edebilecek bilgi ve donanıma sahip olup, yaşamı boyu öğrenmeye ilişkin olumlu tutum geliştirir.X
8
8. İngilizceyi kullanarak, istatistik konusundaki bilgileri izleyebilir, meslektaşları ile iletişim kurabilir.X
9
9. İstatistik konusunda edindiği bilgileri mesleki anlamda uygularken toplumsal, bilimsel ve etik değerlere sahiptir.X
10
10. Toplumsal duyarlılık ve sosyalleşme becerisine sahiptir.X
11
11. Analitik düşünme yeteneği ile sonuç çıkarma sürecinde zamanı etkin kullanır.X