GAZİ ÜNİVERSİTESİ BİLGİ PAKETİ - 2019 AKADEMİK YILI

DERS TANIMI
BAYESGİL İSTATİSTİK/İST4030
Dersin Adı: BAYESGİL İSTATİSTİK
Dersin Kredisi: 3 Ders AKTS : 4
Dersin Yarıyılı: 8 Dersin Türü : Seçmeli
DERS BİLGİLERİ
 -- DERS KATALOG TANIMI (İÇERİĞİ)
 -- TEMEL DERS KİTABI
 -- YARDIMCI DERS KİTAPLARI
 -- DERSİN ÖNKOŞULLARI
 -- DERSİN DİLİ
  Türkçe
 -- DERSİN AMACI ve HEDEFİ
 -- DERSİN ÖĞRENİM ÇIKTILARI
İstatistiğe Bayesci yaklaşım.
Önsel bilgi ve onun tanımlanması, Eşlenik dağılım ailesi.
Kesikli rassal değişkenler için Bayes analizi.
Sürekli rassal değişkenler için Bayes analizi.

 -- DERSİN VERİLİŞ BİÇİMİ
  Bu ders sadece yüz yüze eğitim şeklinde verilmektedir.
 --DERSİN HAFTALIK DAĞILIMI
1. Hafta  Bayesci istatistik yaklaşımı nedir? Frekansçı yaklaşımdan ne farkı vardır? Bayesci çıkarımın bazı özellikleri.
2. Hafta  Olasılık Teorisinin gözden geçirilmesi, Örnek uzayı, Koşullu olasılıklar, Bayes Teoremi, Önsel bilgi.
3. Hafta  Kesikli önsel bilgi kullanılarak kesikli rastgele değişkenler için Bayesci çıkarım: Bernoulli Olasılık Modelleri.
4. Hafta  Kesikli önsel bilgi kullanılarak kesikli rastgele değişkenler için Bayesci çıkarım: Poisson Olasılık Modelleri.
5. Hafta  Sürekli önsel dağılım ile Binom Olasılık modelleri için Bayesci çıkarım. Binom gözlemi için eşlenik ailesi: Beta-Binom Model.
6. Hafta  Binom olasılık modeli için Bayesci ve frekansçı çıkarımın karşılaştırılması.
7. Hafta  Sürekli önsel dağılım kullanılarak Poisson Olasılık modelleri için Bayesci çıkarım. Poisson gözlemi için eşlenik ailesi: Gamma-Poisson model.
8. Hafta  Kesikli önsel bilgi kullanılarak Normal Olasılık modellerinin ortalaması için Bayesci çıkarımı. Önsel seçimi yapmak, sonuçları özetlemek. Arasınav
9. Hafta  Sürekli önsel dağılım kullanılarak Normal Olasılık modellerinin ortalaması için Bayesci çıkarım. Önsel seçimi yapmak, Sonsal dağılımını özetlemek.
10. Hafta  Normal olmayan sürekli önsel dağılımları kullanılarak Normal Olasılk modellerinin ortalaması için Bayesci çıkarım.
11. Hafta  Normal Olasılık Modellerinin ortalaması için varyansı bilindiği ve varyansın bilinmediği durumlar için Bayesci Güvenilir aralığı.
12. Hafta  Normal Olasılık Modelinin ortalaması için Bayes ve frekansçı çıkarımların karşılaştırılması.
13. Hafta  Normal Olasılık modellerinin varyansı için sürekli önsel dağılım ile Bayesci çıkarım. Önsel dağılım seçimi yapmak, sonuçları özetlemek.
14. Hafta  Normal Olasılık modellerinin standart sapması için sürekli önsel dağılım ile Bayesci çıkarım. Önsel dağılım seçimi yapmak.
15. Hafta  Final Sınavı
16. Hafta  __
 -- ÖĞRETİM FAALİYETLERİ
 -- DEĞERLENDİRME ÖLÇÜTLERİ
 
Sayısı
Toplam Katkısı(%)
 Ara Sınav
1
40
 Ödev
0
0
 Uygulama
0
0
 Projeler
0
0
 Pratik
0
0
 Quiz
0
0
 Dönemiçi Çalışmaların Yıliçi Başarıya Oranı (%)  
40
 Finalin Başarıya Oranı (%)  
60
 -- DERSİN İŞ YÜKÜ
 Etkinlik  Toplam hafta sayısı  Süre (Haftalık Saat)  Dönem boyu toplam iş yükü
 Haftalık teorik ders saati
14
3
42
 Haftalık uygulamalı ders saati
0
 Okuma Faaliyetleri
7
3
21
 İnternette tarama, kütüphane çalışması
4
3
12
 Materyal tasarlama, uygulama
0
 Rapor hazırlama
0
 Sunu hazırlama
0
 Sunum
0
 Ara sınav ve ara sınava hazırlık
5
2
10
 Final sınavı ve final sınavına hazırlık
5
3
15
 Diğer
0
 TOPLAM İŞ YÜKÜ: 
100
 TOPLAM İŞ YÜKÜ / 25 : 
4
 DERSİN AKTS KREDİSİ: 
4
 -- 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
 -- ÖĞRETİM ELEMAN(LAR)I
   (Doç. Dr. Necla GÜNDÜZ)
 -- ÖĞRETİM ELEMANI WEB SİTESİ/SİTELERİ
   (https://websitem.gazi.edu.tr/site/ngunduz)
 -- ÖĞRETİM ELEMANI E-POSTASI/E-POSTALARI
   (ngunduz@gazi.edu.tr)