| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Çok Değişkenli İstatistik 1 | IST4111 | 3 | 6 | 2 | 2 | 0 |
| Önkoşullar | IST3121 Regresyon Analizi I |
|---|
| Yarıyıl | Güz |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu @ İstatistik Lisans Programı |
| Ders Kategorisi | Temel Meslek Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | İstatistik Bölümü |
|---|---|
| Dersin Koordinatörü | Dogan Yıldız |
| Dersi Veren(ler) | Ali Hakan Büyüklü |
| Asistan(lar)ı | Fulya Gökalp |
| Dersin Amacı | Çok değişkenli istatistik yöntemlerin teorik alt yapısını oluşturularak söz konusu yöntemlerin doğru ve amaca uygun olarak uygulanabilirliğini sağlamak. |
|---|---|
| Dersin İçeriği | Matris ve vektör kuramı, Çok değişkenli istatistikte özgün matris ve vektörler, Çok değişkenli normal dağılımın özellikleri, Çok değişkenli hipotez testleri, Çok değişkenli varyans analizi(MANOVA), Çok değişkenli kovaryans analizi(MANCOVA) |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler mathLab, Mathcad gibi matematik programlarından, SPSS, Statistica,Systat, Minitab gibi istatistik paket programlarından ve Excel gibi database programalarından yararlanarak,çok değişkenli istatistik teorisini öğreneceklerdir
- Öğrenciler kullanılacak veri setinin çok değişkenli analize uygunluğunun saptamayı öğreneceklerdir
- Öğrenciler matris ve vektör kuramı, çok değişkenli istatistikte özgün matris ve vektörleri öğreneceklerdir
- Öğrenciler çok değişkenli normal dağılımın özellikleri ve çok değişkenli hipotez testlerini öğreneceklerdir
- Öğrenciler çok değişkenli varyans analizi(MANOVA) ve çok değişkenli kovaryans analizini(MANCOVA) öğreneceklerdir
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Çok değişkenli analizde matris kuramı | |
| 2 | Çok değişkenli analizde vektör kuramı, özdeğer ve öz vektörler | |
| 3 | Çok değişkenli analizde veri matrisi ve tanımlayıcı istatistikler | |
| 4 | İki değişkenli(bivariate) normal dağılım, karesel formların dağılımı | |
| 5 | Mahalonobis uzaklığı, Kontur, elips ve elipsoid kavramları | |
| 6 | İkiden çok değişkenli normal dağılım fonksiyonu, Çok değ. yoğunluk fonk. Marjinal ve koşullu dağılımlar | |
| 7 | Normale uygunluk testleri, standartlaştırma ve dönüşümler | |
| 8 | Yıl içi sınavı | |
| 9 | Çok değişkenli analizde hipotez testleri, Hotelling T | |
| 10 | Bağımlı ve bağımsız ortama vektörlerinin karşılaştırılması | |
| 11 | Çok değişkenli analizde tek ve İki yönlü varyans analizi | |
| 12 | Çoklu karşılaştırma (Post HOC) testleri | |
| 13 | Çok değişkenli kovaryans analizi | |
| 14 | Asal Bileşenler Analizi | |
| 15 | İstatistik ve matematik paket program uygulamaları | |
| 16 | Final Sınavı |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | 2 | 20 |
| Sunum/Jüri | ||
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 40 |
| 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 | 2 | |
| Laboratuar | |||
| Uygulama | 14 | 2 | |
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 10 | 5 | |
| Derse Özgü Staj | |||
| Ödev | 2 | 15 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 15 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 15 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
