Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 2050	R İSTATİSTİKSEL PROGRAMLAMA DİLİ	ZORUNLU	2	2	0	6

Dersi Veren Birim

İstatistik

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ ENGİN YILDIZTEPE

Dersi Alan Birimler

İstatistik (İ.Ö)
İstatistik

Dersin Amacı

Bu dersin amacı lisans öğrencilerinin istatistiksel programlama ve grafikler için R kullanabilmelerini sağlamaktır.

Dersin Öğrenme Kazanımları

1	R programlama dilinin söz dizimi kurallarını tanımlayabilme,
2	Farklı veri tiplerini uygun olarak kullanabilme,
3	Verileri görselleştirme ve grafikler için uygun fonksiyonları kullanabilme
4	Kontrol yapılarını kullanabilme
5	İstatistiksel yöntemler için fonksiyonlar oluşturabilme
6	R fonksiyonlarını kullanarak temel istatistiksel analizleri yapabilme
7	R ile bir Monte Carlo benzetim çalışması yapabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	R ortamı, Veri yapıları, vector, logical vector, factor
2	Veri yapıları; matrix, data.frame, list, array
3	Veri alış-verişi, veri manipülasyonu
4	Hazır fonksiyonlar, matematik, tanımlayıcı istatistik, metin fonksiyonları
5	Temel grafik fonksiyonları
6	Olasılık ve dağılımlar
7	Rassal veri, yoğunluk ve dağılım fonksiyonları
8	Kontrol yapıları, koşullu ifadeler, seçme ve eşleştirme
9	Kontrol yapıları, Döngüler, vektörel hesaplamalar, apply ailesi
10	Fonksiyonlar, kullanıcı tanımlı fonksiyonlar, kapsam, değişkenler, argümanlar
11	Hata ayıklama ve sürdürme
12	İleri grafikler; lattice paketi, ggplot2 paketi
13	Monte Carlo benzetim çalışması
14	R paketi geliştirme

Ders İçin Önerilen Kaynaklar

Ana kaynak:
1. Braun W.J., Murdoch D.J., A First Course in Statistical Programming with R, Cambridge, 2009.
2. Matloff N., The Art of R programming, 2011.
Yardımcı kaynaklar:
1. Jones, O., Maillardet, R., & Robinson, A. (2014). Introduction to scientific programming and simulation using R. CRC Press.
2. Kabacoff, R. (2011). R in Action: Data Analysis and Graphics with R. Manning Publications Co.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev, örnekler ve bilgisayar laboratuvarında uygulama.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	OD	Ödev
3	FN	Final
4	BNS	BNS	VZ * 0.35 + OD * 0.15 + FN * 0.50
5	BUT	BÜTÜNLEME
6	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	VZ * 0.35 + OD * 0.15 + BUT * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

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

Salı 13.30-16.00

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	2	28
Uygulama	14	2	28
Haftalık Ders öncesi/sonrası hazırlıklar	14	1	14
Vize Sınavına Hazırlık	1	30	30
Final Sınavına Hazırlık	1	30	30
Ödev Hazırlama	2	8	16
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			150

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.10	PK.14
ÖK.1	5		5	4
ÖK.2	5		5	4
ÖK.3	5		5	4
ÖK.4	5		5	4
ÖK.5	5	4	5	4
ÖK.6	5	4	5	4
ÖK.7	5	4	5	4

DERS ADI

DERECE PROGRAMLARI