Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
TAHMİN VE ZAMAN SERİLERİ ANALİZİ İkinci Düzey ENM 518 Seçmeli 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri Ön koşul bulunmamaktadır.
Eğitimin Dili Türkçe
Koordinatör PROF. DR. SİNEM KULLUK
Dersi Veren Öğretim Eleman(lar)ı PROF. DR. SİNEM KULLUK
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli yüzyüze
Dersin Amacı Bu ders, işletmelerde ve mühendislik uygulamalarında karşılaşılan zaman serisi verilerinin analizi ile geleceğe yönelik tahmin yapılması için gerekli kavramsal ve uygulamalı bilgileri kapsamaktadır. Derste; zaman serisi analizinin temel kavramları, durağanlık, otokorelasyon ve model teşhis testleri; ekstrapolatif tahmin yöntemleri (hareketli ortalama, üstel düzeltme); trend, mevsimsellik ve düzensiz bileşenlere ayrıştırma teknikleri; regresyon tabanlı tahmin modelleri; Box-Jenkins metodolojisi çerçevesinde ARIMA, SARIMA ve dışsal değişkenli ARIMAX/SARIMAX modellerinin kurulması, parametre tahmini, model tanılaması ve tahmin performansının değerlendirilmesi konuları ele alınmaktadır. Öğrenciler, ders kapsamında bir veri seti üzerinde uçtan uca bir tahmin projesi yürüterek kuramsal bilgilerini uygulamaya dönüştürme fırsatı bulur.
Dersin Tanımı Bu dersin amacı, öğrencilerin zaman serisi verilerinin yapısını istatistiksel olarak analiz edebilme, uygun tahmin yöntemini seçip kurgulayabilme ve elde ettikleri tahmin sonuçlarını karar destek süreçlerinde kullanabilme yetkinliği kazanmalarını sağlamaktır. Bu doğrultuda öğrencilerin; durağanlık ve model teşhis testlerini uygulayabilmesi, ekstrapolatif ve regresyon tabanlı yöntemlerden Box-Jenkins ailesindeki ileri düzey ARIMA/SARIMA/ARIMAX/SARIMAX modellerine kadar farklı tahmin tekniklerini karşılaştırmalı olarak değerlendirebilmesi ve tahmin doğruluğunu uygun performans ölçütleriyle sınayarak en uygun modeli seçebilmesi hedeflenmektedir.

Dersin İçeriği
1 Zaman Serisi Analizi Temel Kavramlar
2 Zaman Serisi Analizi Giriş
3 Ekstrapolatif Modeller
4 Ekstrapolatif Modeller
5 Ayrıştırma Yöntemleri
6 Ayrıştırma Yöntemleri
7 Regresyon Modelleri
8 Regresyon Modelleri
9 Vize Sınavı
10 Box-Jenkins Modelleri Giriş
11 ARIMA Modelleri
12 ARIMA Modelleri
13 SARIMA Modelleri
14 ARIMAX Modelleri
15 SARIMAX Modelleri
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Tahmin ve Zaman Serileri Modellerinin Öğrenilmesi
2 Gerçek hayatta karşılaşılan Zaman Serileri için davranış/davranışlara göre uygun tahmin yöntemleri ile tahmin yeteneğinin kazanılması
3 Durağanlık ve model teşhis testlerini uygulama yetkinliği kazanılması
4 İleri düzey Box-Jenkins (ARIMA/SARIMAX) modellerini kurgulama becerisi kazanılması
5 Tahmin sonuçlarını stratejik karar verme süreçlerine entegre etme kabiliyeti kazanılması
6 Tahminlerin etkinlik ölçütlerine göre değerlendirilerek en uygun olanın belirlenmesi kabiliyeti kazanılması
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Endüstri mühendisliği alanında ileri düzeyde kuramsal ve uygulamalı bilgiye sahip olarak, bu bilgileri disiplinler arası bağlamda bütünleştirip karmaşık mühendislik problemlerinin çözümünde etkin ve eleştirel bir yaklaşımla kullanabilme.
2 Karmaşık ve belirsizlik içeren endüstri mühendisliği problemlerini ileri matematiksel, istatistiksel ve optimizasyon temelli yöntemlerle modelleyebilme, çözümleyebilme ve alternatif çözüm yaklaşımlarını karşılaştırmalı olarak değerlendirebilme.
3 Alanıyla ilgili ulusal ve uluslararası bilimsel literatürü sistematik ve eleştirel bir bakış açısıyla inceleyebilme, elde edilen bilgileri sentezleyerek yeni bakış açıları geliştirebilme.
4 Gerçek hayat sistemlerini analitik modelleme, simülasyon ve veri analitiği teknikleri kullanarak temsil edebilme, elde edilen sonuçları yorumlayarak karar verme süreçlerine bilimsel katkı sağlayabilme.
5 Endüstri mühendisliği alanına yönelik bir problemi bilimsel araştırma yöntemlerine uygun biçimde tanımlayabilme, araştırma tasarlayabilme, veri toplayabilme, analiz edebilme ve sonuçları bilimsel olarak yorumlayabilme.
6 Farklı disiplinlerden uzmanlarla birlikte çok disiplinli takımlarda etkin rol alabilme, sistem yaklaşımı çerçevesinde karmaşık problemlerin çözümüne katkı sunabilme.
7 Alanıyla ilgili bir çalışmayı bağımsız olarak planlayabilme, yürütebilme ve sonuçlandırabilme, bu süreçte bilimsel etik ilkelere ve kalite standartlarına uygun hareket edebilme.
8 Elde ettiği bulguları bilimsel raporlar, teknik dokümanlar ve sözlü sunumlar aracılığıyla açık, sistematik ve etkili bir şekilde ifade edebilme.
9 Gerçekleştirdiği araştırma sonuçlarını ulusal ve/veya uluslararası bilimsel platformlarda sunabilme, akademik yayın haline getirebilme ve bilimsel tartışmalara katkı sağlayabilme.
10 Alanında kullanılan modern mühendislik araçlarını, yazılımları ve veri analitiği tekniklerini ileri düzeyde kullanabilme ve bu araçları problem çözüm süreçlerine entegre edebilme.
11
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 13 3 39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 5 3 15
Ödevler 0 0 0
Sunum / Seminer hazırlama 1 8 8
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 2 4 8
Ara sınavlar 1 3 3
Proje (Yarıyıl ödevi) 4 25 100
Laboratuvar 3 3 9
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 2 4 8
Yarıyıl sonu sınavı 1 3 3
Araştırma 0 0 0
Toplam iş yükü     193
AKTS     7.50

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 40
Kısa sınav 0 0
Ödev 0 0
Yarıyıl içi toplam   40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Introduction to Time Series Analysis and Forecasting (Douglas C. Montgomery, Cheryl L. Jennings, Murat Kulahci, Rachel T. Johnson), 2009
Yardımcı Kaynaklar -

Ders İle İlgili Dosyalar