Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
İSTATİSTİKSEL BENZETİM TEKNİKLERİ Üçüncü Düzey BİS 619 1 7.00 7.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri "SBE517: R Yazılımına Giriş" dersini almış olmak ve başarıyla tamamlamak.
Eğitimin Dili Türkçe
Koordinatör PROF. DR. HANDAN ANKARALI
Dersi Veren Öğretim Eleman(lar)ı DR. ÖĞR. ÜYESİ DİNÇER GÖKSÜLÜK
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli Sınıf ortamında yüzyüze anlatım ve tartışma
Dersin Amacı İstatistiksel dağılımlardan (kesikli/sürekli) veri üretmek, istatistiksel yöntemlerin performanslarını farklı senaryolar altında üretilen veriler üzerinden ölçmek, benzetim tabanlı olarak yöntemleri karşılaştırmak, Bootstrap ve Jacknife yeniden örnekleme yöntemlerini uygulamak, öğrencilerin algoritmik düşünme becerilerini arttırmak.
Dersin Tanımı

Dersin İçeriği
1 R yazılımında temel işlemler - Giriş
2 Tekdüze olmayan rastgele değişken türetme, Rastgele veri üretme sürecinin tekrar edilebilir olarak kurgulanması
3 İstatistiksel dağılımlardan veri türetme – Kesikli Olasılık Dağılımları
4 İstatistiksel dağılımlardan veri türetme – Sürekli Olasılık Dağılımları
5 Monte-Carlo benzetim yöntemleri
6 Çıkarımsal istatistik için Monte Carlo yöntemleri, bir testin gücünü ve tip I hatasını kestirme
7 ARA SINAV I
8 Bootstrap ve Jackknife yöntemleri
9 Bootstrap ve Jackknife yöntemlerini kullanarak güven aralığı kestirimi
10 Parametre kestirimleri için performans ölçütleri
11 Model tabanlı (Regresyon, ANOVA, vb.) veri üretimi - I
12 Model tabanlı (Regresyon, ANOVA, vb.) veri üretimi - II, Model tabanlı benzetim tekniklerinde performans değerlendirme
13 ARA SINAV II
14 Yüksek Performanslı Kodlama Teknikleri (Parallel Kodlama)
15 FİNAL SINAVI
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 İstatistiksel kuram ve yaklaşımları algoritmik olarak kavrayabilme ve uygulayabilme.
2 Model tabanlı olarak verileri üretip sonuçları değerlendirebilmek, kuramsal ve hesaplamalı bulguları birlikte değerlendirebilmek.
3 Benzetim tekniklerini sağlık alanındaki problemlerde etkin olarak kullanabilmek.
4 Yüksek kapasiteli hesaplama algoritmaları yazabilmek (paralel kodlama).
5
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Farmakoloji ve toksikoloji alanındaki her türlü bilgiyi (zehirlenme, kirlilik, ilaç kullanımı v.b.) derlemek ve değerlendirmek.
2 Farmakoloji ve toksikoloji ile ilgili alanlar hakkında derinlemesine bilgilere sahip olmak. Farmakoloji ve toksikoloji alanındaki sorunları çözebilmek.
3 Farmakoloji ve toksikoloji alanındaki olayları kavramsallaştırmak, bilimsel yöntemleri analiz etmek, sonuçları yorumlamak, sorunlar için yöntem veya analiz oluşturmak ve elde edilen verilere göre çözümler sunmak.
4 Farmakoloji ve toksikoloji alanında edindiği bilgileri kullanarak halk ve hayvan sağlığı için ilaç kullanımı, besin maddelerinde kalıntılar ve çevre toksikolojisi ile ilgili sorunların tanımlanması ve çözümüyle ilgilenen komisyonların faaliyetlerini yönetmek.
5 Farmakoloji ve toksikoloji alanındaki güncel bilgileri (bilimsel bilgi, düzenleme v.b.) izleyebilmek, kullanabilmek ve değiştirebilmek.
6 Yabancı dil (İngilizce)’de yayınlanan kaynakları okuyup anlayabilme
7 Yerli ve yabancı bilim insanları ile sözlü ve yazılı iletişime geçebilme
8 Farmakoloji ve toksikoloji ile ilgili makaleler yazabilmek ve ulusal ve uluslar arası dergilerde yayın yapma becerisi kazanmak.
9 Bilimsel toplantılarda farmakoloji ve toksikoloji ile ilgili konularda sunum yapabilme
10 Farmakoloji ve toksikolojide kullanılan analitik yöntemleri bilme
11 Araştırmalardan elde edilen bilgilerin en önemli kazanım olduğunu bilmek ve yaşam boyu öğrenmeyi amaç edinmek
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 3 42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 4 56
Ödevler 4 10 40
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 2 10 20
Ara sınavlar 2 2 4
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 15 15
Yarıyıl sonu sınavı 1 3 3
Araştırma 0 0 0
Toplam iş yükü     180
AKTS     7.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 2 35
Kısa sınav 0 0
Ödev 4 15
Yarıyıl içi toplam   50
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   50
Yarıyıl sonu sınavının başarıya katkı oranı   50
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Eğitmen Notları
Yardımcı Kaynaklar [1] Gentle, J. E., (2009) Computational Statistics, Springer. [2] Robert, C.P., Casella, G. (2010) Introducing Monte Carlo Methods with R, Springer. [3] Ross, S. M., (2002), Simulation, 3rd edition, Academic Press. [4] Givens, G.H., and Hoeting, J.A., (2005) Computational Statistics, Wiley, New York. [5] Rizzo, M.L. (2008) Statistical Computing with R, Boca Raton : Chapman & Hall/CRC.

Ders İle İlgili Dosyalar