|
|
| IST4006 | Regresyon Analizi | 4+0+0 | AKTS:6 | | Yıl / Yarıyıl | Bahar Dönemi | | Ders Duzeyi | Lisans | | Yazılım Şekli | Zorunlu | | Bölümü | İSTATİSTİK ve BİLGİSAYAR BİLİMLERİ BÖLÜMÜ | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze | | Dersin Süresi | 14 hafta - haftada 4 saat teorik | | Öğretim Üyesi | Prof. Dr. Zafer KÜÇÜK | | Diğer Öğretim Üyesi | PROF. DR. Türkan ERBAY DALKILIÇ | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Kamu ve Özel Sektörde karşılaşabilecekleri verilerin analizlerini yapabilmek, analiz sonuçlarını yorumlayabilecek düzeyde bilgi, beceri ve pratikliğin kazandırılması |
| Öğrenim Kazanımları | BPKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Model parametrelerini tahmin ederek, en uygun modeli elde edebilecek | 1,2,3,4,5,6,7,8,9,10,11 | 1 | | ÖK - 2 : | İstatistik paket programlarını kullanarak en iyi şekilde modelleyebilecek | 1,2,3,5,6,7,8,9,11 | 1 | | ÖK - 3 : | Önerilen model hakkında iddia edilen hipotezleri test edebilecek | 1,2,3,4,5,7,8,10,11 | 1 | | ÖK - 4 : | Önerilen model hakkında istatistiki yorumları yapabilecek | 1,2,3,4,7,8,9,10,11 | 1 | | BPKK :Bölüm program kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Tek bağımsız değişken durumunda lineer regresyon ve korelasyon, genel lineer regresyon analizi, lineer şekle dönüştürülebilen ilişkiler, klasik lineer regresyon modelinden sapmalar, yapay (kukla) değişkenlerle regresyon analizi, en iyi regresyon modelinin kurulması, parametreleri lineer olmayan regresyon kavramı |
| |
| Haftalık Detaylı Ders İçeriği | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Regresyon analizi: genel bilgiler, içerik, amaç ve yöntemin tartışılması. | | | Hafta 2 | Değişkenler, regresyon katsayısı, veri türleri. | | | Hafta 3 | Basit doğrusal regresyon, en küçük kareler yöntemi, örnekler. | | | Hafta 4 | Veri küçültme yöntemleri, model tahmini, katsayıların varyansları. | | | Hafta 5 | Regresyon katsayılarının önem kontrolü, güven aralıkları. | | | Hafta 6 | Regresyon katsayılarının önem kontrolü, güven aralıkları devam ediyor | | | Hafta 7 | Uygulama, ANOVA tablosunun oluşturulması, doğrusallıktan ayrılışın önem kontrolü ve uygulama. | | | Hafta 8 | Arasınav | | | Hafta 9 | Korelasyon, önem kontrolü, doğrusal olmayan regresyon modeli. | | | Hafta 10 | Yeni konu ile ilgili ön bilgi, karesel formlar ve dağılımları, beklenen değer. | | | Hafta 11 | Basit doğrusal regresyonda matris gösterimi, EKKY. | | | Hafta 12 | Örnekler | | | Hafta 13 | Çoklu doğrusal regresyonda hipotez testleri, örnekler. | | | Hafta 14 | Çok terimli regresyon denklemleri, aralık tahmini, çoklu korelasyona giriş. | | | Hafta 15 | Aykırı değer, değişen varyanslılık, kukla değişkenler, çoklu bağlantı, değişken seçim yöntemleri. | | | Hafta 16 | Dönem sonu sınavı | | | |
| 1 | Yan, Xin; Su, Xiaogang, 2009; Linear Regression Analysis : Theory and Computing, World Scientific Publishing Co. eBook. 349p. | | | |
| 1 | Öztürkcan, Meriç. 2009; Regresyon analizi, Maltepe Üniversitesi Yayınları | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Arasınav | 9 | 07/04/2019 | 1,5 | 50 | | Dönem sonu sınavı | 16 | 26/05/2019 | 1,5 | 50 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 4 | 14 | 56 | | Sınıf dışı çalışma | 2 | 14 | 28 | | Laboratuar çalışması | 0 | 0 | 0 | | Arasınav için hazırlık | 12 | 1 | 12 | | Arasınav | 1.5 | 1 | 1.5 | | Uygulama | 0 | 0 | 0 | | Ödev | 5 | 7 | 35 | | Proje | 0 | 0 | 0 | | Dönem sonu sınavı için hazırlık | 15 | 1 | 15 | | Dönem sonu sınavı | 1.5 | 1 | 1.5 | | Diğer 1 | 0 | 0 | 0 | | Diğer 2 | 0 | 0 | 0 | | Toplam Çalışma Yükü | | | 149 |
|