Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İST 2202	ÇOK DEĞİŞKENLİ VERİ ANALİZİ	ZORUNLU	2	2	0	5

Dersi Veren Birim

Bilgisayar Bilimleri

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROFESÖR ESİN FİRUZAN

Dersi Alan Birimler

Bilgisayar Bilimleri

Dersin Amacı

Bilimin her alanında çok değişkenli veri ile karşılaşılır. Dersin amacı, öğrencilere gerçek hayatta sıkça karşılaşılan çok değişkenli istatistiksel yöntemleri öğretmektir.

Dersin Öğrenme Kazanımları

1	Doğrusal cebir terimlerinin (rank, determinant, özdeğer, özvektör vs.) istatistiksel anlamlarını kavrayabilme,
2	Çok değişkenli tanımlayıcı istatistikleri elde edebilme (ortalama vektörü, varyans-kovaryans matrisi, korelasyon matrisi vs.),
3	Üç veya daha yüksek boyutlu veri çizimlerini yorumlayabilme,
4	Temel bileşenler analizini uygulayabilme,
5	Faktör analizini uygulayabilme,
6	Çok Değişkenli Normal dağılan iki kitle için ayrıştırma analizi yapabilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Değişken Türleri, Veri matrisleri ve vektörler, Veri indisleri
2	İki Değişkenli Normal Dağılım, Çok Değişkenli Normal Dağılım
3	Ortalama Vektörler ve Varyans-Kovaryans Matrisleri, Korelasyonlar ve Korelasyon Matrisleri, Standartlaştırılmış veri matris
4	Üç Boyutlu Veri Çizimi, Daha Yüksek Boyutta Verilerin Çizimi
5	Çok Değişkenli Normal Dağılım Kontör (Contour) Çizimi
6	Özdeğer ve Özvektörler, Geometrik tanımlamalar
7	Temel Bileşenler Analizi (PCA)
8	Arasınav
9	Varyans-Kovaryans Matrisi ile Temel Bileşenler Analizi
10	Temel Bileşenlerin Tahmini, Korelasyon Matrisi P ile PCA
11	Faktör Analizinin Amaçları, Faktör Analizi Denklemleri
12	Uygun Faktör sayısını seçmek ,Faktör Döndürme
13	Çok Değişkenli Normal İki Kitle için Ayrıştırma
14	Maliyet Fonksiyonları ve Öncül Olasılıklar, Genel Ayrıştırma Kuralı (İki kitle için)

Ders İçin Önerilen Kaynaklar

Ana kaynaklar:
Anderson T. W., An Introduction To Multivariate Statistical Analysis, Wiley-Interscience, 2003.
Alpar, R., Uygulamalı Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, 2011
Yardımcı kaynaklar:
Grinn, L. G. and Fidell, L. S., Reading and Understanding More Multivariate Statistics, APA Books, Washington D. C., 2000.
Tabachnick, B. G., & Fidell, L. S., Using Multivariate Statistics, Harper Collins College Publishers, 2001

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, ödev, proje ve sunum

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
6

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

Değerlendirme Yöntemlerine İliskin Aciklamalar

Öğretim üyesi açıklama yapmak isterse bu başlığı kullanabilir.

Değerlendirme Kriteri

(Öğrenme çıktılarının hangi boyutları hangi değerlendirme kriteri ile ölçülüyor Değerlendirme kriterleri öğrenme yöntemleri ile ilişkilendirilmelidir.)

Sınavlar, Projenin ve sunumun değerlendirilmesi

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Derse zamanında gelinecek. Dönem boyunca derslerin %70 ine devam zorunludur.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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	13	4	52
Final Sınavına Hazırlık	1	18	18
Sunum Hazırlama	1	8	8
Tasarım Projesi	1	5	5
Vize Sınavına Hazırlık	1	15	15
Haftalık Ders öncesi/sonrası hazırlıklar	12	1	12
Vize Sınavı	1	2	2
Final Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			114

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.10	PK.11	PK.12
ÖK.1	4			3
ÖK.2	4	4	3	3
ÖK.3	4	4	3	3
ÖK.4	4	4	3	3	4
ÖK.5	4	4	3	3	4
ÖK.6	4	4	3	3	4

DERS ADI

DERECE PROGRAMLARI