Mühendislik ve Doğa Bilimleri Fakültesi · Yazılım Mühendisliği (İngilizce) · Lisans
Dersin Amacı
Bu ders, öğrencilere tanımlayıcı istatistik, olasılık, örnekleme, tahmin, güven aralıkları ve hipotez testleri, varyans analizi, regresyon ve korelasyon analizi alanındaki temel konuları tanıtmak için düzenlenmiştir. Yaygın olarak bulunan istatistiksel yazılımları (örneğin R, Minitab, SAS veya MS Excel) kullanan bilgisayar uygulamaları da ders müfredatı kapsamındadır.
Ders İçeriği
01: Giriş: İstatistik ve Veri Analizi
02: Olasılık
03: Rassal Değişkenler ve Olasılık Dağılımları
04: Matematiksel Beklenti
05: Kesikli Olasılık Dağılımları
06: Sürekli Olasılık Dağılımları
08: Temel Örneklem Dağılımları ve Veri Tanımları
09: Tek ve İki Örneklem Tahmin Yöntemleri
10: Tek ve İki Örneklem Hipotez Testleri
11: Basit Doğrusal Regresyon ve Korelasyon
13: Tek Faktörlü Deneyler: Genel
Zorunlu Kaynaklar
1-Ders Notları
2-Probability & Statistics for Engineers & Scientists, 9th Edition by Walpole, Myers, Myers & Ye. Pearson. Türkçe Çeviri Palme Yayıncılık.
Önerilen Kaynaklar
Applied Statistics and Probability for Engineers, 7th Edition by Montgomery et al. Wiley.
Dersin Öğrenme Çıktıları
- Verileri analiz etmek ve yorumlamak için istatistiksel yöntemlerin kullanılması.
- Rasyonel ve bilinçli kararlar vermek için verilerin toplanmasına, sunumuna, analizine ve kullanımına ilişkin bilgi ve becerileri yönlendirebilmek, düzenleyebilmek ve çözüme ulaşmak için uyarlayabilmek.
- Belirsizlik ve değişkenlik altında organizasyonları, ürünleri ve süreçleri tasarlayabilmek.
- Örnek verilere dayanarak popülasyonlar hakkında çıkarımlar yapabilmek.
- Verilerin nasıl okunacağı ve yorumlanacağı konusunda eleştirel düşünebilmek.
- Deney tasarlayabilmek ve analiz edebilmek.