Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
UZUNLAMASINA VERİ ANALİZİ	Üçüncü Düzey	BİS 617	Seçmeli	1	7.00	7.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	İstatistik lisans diploması olanlar için ön koşul yoktur. Lisans eğitimini istatistik dışında tamamlamış olan öğrencilerin SBE 501 ya da SBE 601 derslerinden birini almış ve başarıyla tamamlamış olması zorunludur. Bilgisayar programlama, algoritma ve R programlama dilinde kodlama bilgisine sahip olmak bir avantajdır. Öğrenciler R dilinde kod yazmayı ve analiz yapmayı öğrenmeye teşvik edilmektedir.
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. GÖKMEN ZARARSIZ
Dersi Veren Öğretim Eleman(lar)ı
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli	Yüzyüze
Dersin Amacı	Bu ders ölçümde değerleri kategorik veya sayısal değerler olan tekrarlı ölçümlü verilerin analiz edilmesi üzerine odaklanır.
Dersin Tanımı

Dersin İçeriği

1	Uzunlamasına veriye giriş
2	R yazılımı ile açıklayıcı veri analizi ve grafiksel değerlendirme
3	Korelasyon, kovaryans ve kayıp veri yapıları
4	Uzunlamasına veri için Tekrarlı Ölçümlerde ANOVA
5	Normal dağılan verilerde Genel Doğrusal Modeller – I
6	Normal dağılan verilerde Genel Doğrusal Modeller – II
7	ARA SINAV - I
8	Normal dağılmayan verilerde Genelleştirilmiş Doğrusal Modeller (GLMs) – I
9	Normal dağılmayan verilerde Genelleştirilmiş Doğrusal Modeller (GLMs) – II
10	Normal dağılmayan verilerde Karma Etkili Genelleştirilmiş Doğrusal Modeller (GLMMs)
11	ARA SINAV - II
12	Model parametresi kestirim teknikleri (GEE, MLE, RMLE, vb.)
13	Çok katmanlı (Hiyerarşik) modeller
14	Uygulama – R yazılımı ile uzunlamasına veri analizi
15	FİNAL SINAVI
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Uzunlamasına veri setindeki yapıları anlama, bilimsel amacı destekleyen uygun tabloları ve grafikleri hazırlama amacıyla bir tanımlayıcı çalışmayı yürütme,
2	Yanıt değişkeni ile açıklayıcı değişkenler arasındaki ilişkiyi daha iyi anlamak ve doğru yorumlayabilmek amacıyla tekrarlı ölçümler arasındaki ilişki yapılarını dikkate alan uygun ve modern istatistiksel modellere karar verme,
3	Normal dağılmayan sayısal veya kategorik değişkenleri marjinal, rastgele etki, geçişli ve çok katmanlı modellerden birisi ile modelleme,
4	R yazılımında esnek analiz kodları yazma ve analiz sürecini ileri teknikler ile düzenleyebilme
5
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1
2
3
4
5
6
7
8
9
10
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	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	3	42
Ödevler	2	30	60
Sunum / Seminer hazırlama	0	0	0
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	2	5	10
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	20	20
Yarıyıl sonu sınavı	1	2	2
Araştırma	1	20	20
Toplam iş yükü			200
AKTS			8.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	2	35
Kısa sınav	0	0
Ödev	2	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] Diggle, P., Diggle, P. J., Heagerty, P., Liang, K. Y., Heagerty, P. J., & Zeger, S. (2002). Analysis of longitudinal data. Oxford University Press. [2] Singer, J. D., Willett, J. B., & Willett, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence. Oxford university press. [3] Verbeke, G., & Molenberghs, G. (2009). Linear mixed models for longitudinal data. Springer Science & Business Media.

Ders İle İlgili Dosyalar