Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 4153	R İLE YENİDEN ÖRNEKLEME UYGULAMALARI	SEÇMELİ	3	0	0	5

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

YRD.DOÇENT ENGİN YILDIZTEPE

Dersi Alan Birimler

İstatistik
İstatistik (İ.Ö)

Dersin Amacı

Bu dersin amacı öğrencilerin yeniden örnekleme yöntemlerini öğrenmelerini ve bu yöntemleri kestirim, güven aralıkları, hipotez testinde R dilini kullanarak uygulamalarını sağlamaktır.

Dersin Öğrenme Kazanımları

1	Yeniden örneklemenin temel kavramları tanımlayabilme
2	Jacknife, permütasyon testleri ve bootstrap yöntemlerini kavrayabilme
3	Parametre kestirimi için bootstrap yöntemlerini kullanabilme
4	Bootstrap hipotez testlerini kullanabilme
5	Regresyonda bootstrap yöntemlerini uygulayabilme
6	Yeniden örnekleme uygulamaları için R fonksiyonları yazabilme
7	R ile benzetim çalışmaları oluşturabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Yeniden örnekleme kavramı
2	R dilinin temel özellikleri, operatörler, veri tipleri
3	R `da Fonksiyonlar ve fonksiyon yazma
4	Jacknife ve bootstrap yöntemlerine giriş
5	Parametre kestirimi için bootstrap kullanmak
6	Bootstrap güven aralıkları; bootstrap percentile, bootstrap-t
7	Bootstrap güven aralıkları; BCa
8	Arasınav
9	R ile bootstrap güven aralıkları uygulamaları
10	Permütasyon testleri
11	Bootstrap hipotez testleri
12	Regresyonda bootstrap uygulamaları; bootstrapping pairs
13	Regresyonda bootstrap uygulamaları; bootstrapping residuals
14	R da boot ve bootstrap paketleri, bootstrap fonksiyonları; R ile benzetim çalışmaları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
Chernic M.R.,Bootstrap Methods: A Guide Practitioners and Researchers, 2nd Ed.,2007.
Yardımcı kaynaklar:
1. Efron B., Tibshirani R.J., An Introduction to the Bootstrap, 1993.
2. Braun W.J., Murdoch D.J., A First Course in Statistical Programming with R, Cambridge, 2009.
3. Good P.I., Resampling Methods, 3rd Ed., 2006.
Referanslar:
Diğer ders materyalleri: Ders sunumları

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev, örnekler ve bilgisayar laboratuarında uygulama

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	OD	Ödev
3	FN	Final
4	BNS	BNS	VZ * 0.40 + OD * 0.10 + FN * 0.50
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.40 + OD * 0.10 + BUT * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar, ödevlerin değerlendirilmesi.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70'ine devam etme sorumluluğu öğrenciye aittir. Ders saatine ve ödev teslimi ile ilgili belirtilen zamana uyulmalıdır. Derslerde ve sınavlarda meydana gelebilecek etik-dışı davranışlar konusunda ilgili yönetmelik çerçevesinde hareket edilecektir. D.E.Ü. Fen Fakültesi öğretim ve sınav uygulama esasları yönetmeliğini http://web.deu.edu.tr/fen adresinden temin edebilirsiniz.

Dersin Öğretim Üyesi İletişim Bilgileri

DEU Fen Fakültesi İstatistik Bölümü
e-posta: engin.yildiztepe@deu.edu.tr
Tel: 0232 301 86 04

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Final Sınavına Hazırlık	1	30	30
Ödev Hazırlama	1	10	10
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Vize Sınavına Hazırlık	1	25	25
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			125

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.6	PK.11
ÖK.1	4		4	3
ÖK.2	4		4	3
ÖK.3	4		4	3
ÖK.4	4		4	3
ÖK.5	4		4	3
ÖK.6	4	5	4	3	5
ÖK.7	4	5	4	3	5

DERS ADI

DERECE PROGRAMLARI