İST310 - Bayesci İstatistiğe Giriş

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

FEN FAKÜLTESİ

İSTATİSTİK VE BİLGİSAYAR BİLİMLERİ

(2023-2024) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
Bayesci İstatistiğe Giriş	İST310	7	2 + 1	5,0	Seçmeli

Birim Bölüm	İstatistik ve Bilgisayar Bilimleri - Lisans (Yüz Yüze)
Amaç	Bu dersin amacı öğrencilere Bayes istatistiksel modelleme ve çıkarımı ile ilgili hesaplama stratejileri ve algoritmalarını tanıtmaktır. Ders, Normal ve Binom dağılımlarına dayanan basit modellerin seçimi ile başlar. Tek ve çok parametreli modeller için eşlenik ve bilgilendirici olmayan önsel kavramlar gösterilmektedir. Daha sonra hiyerarşik modeller, doğrusal ve doğrusal olmayan regresyon modelleri de katmak üzere daha gelişmiş modeller incelenecektir. Gibbs örnekleyici ve Metropolis-Hastings algoritmaları dahil olmak üzere Bayes hesaplama yöntemleri (MCMC), bunların uygulanması ve yakınsamasının izlenmesiyle ilgili konulara vurgu yaparak sunulmaktadır. Ders, gerçek veri problemlerine yönelik uygulamalarla oldukça matematiksel olacaktır.
Ders İçeriği	1) Ders hakkında bilgi- Bayes istatistiğe giriş 2) Tek parametreli modeller 3) Normal model 4) MCMC. 5) Çok parametreli modeller 6) Hiyerarşik Modeller 7) Doğrusal modeller 8) Doğrusal modeller için değişken seçimi 9) Hiyerarşik doğrusal modeller 10) Genelleştirilmiş doğrusal modeller 11) Karışık modeller 12) Doğrusal olmayan modeller

Hafta	Konu
1	Ders hakkında bilgi- Bayes istatistiğe giriş
2	Tek parametreli modeller
3	Tek parametreli modeller ve uygulamaları
4	Normal model
5	Normal model ve uygulamaları
6	MCMC
7	Çok paramametrik modeller
8	Çok paramametrik modeller ve uygulamalar
9	Hiyeraşık modeller
10	Hiyeraşık modeller ve uygulamalar
11	Doğrusal modeller
12	Genel modeller
13	Doğrusal olmayan modeller
14	Örnek Uygulamalar

Program Çıktıları
1	İstatistiksel analizlerde yararlanılan teknikleri etkin biçimde kullanabilme becerisine sahiptir.
2	Elde edilen verilerin istatistiksel analizinde kullanılacak uygun yöntemlere karar verebilme, uygulayabilme ve istatistik alanındaki hazır yazılımları kullanabilme yeteneğine sahiptir.
3	İstatistik ve Bilgisayar bilimleri alanındaki problemlerin çözümünde matematiği etkin olarak kullanabilme becerisine sahiptir.
4	Bilgisayar teknolojilerindeki gelişmeleri izleyebilme ve bu teknolojileri etkin bir biçimde kullanabilme ve yeni bir programlama dili öğrenme becerisine sahiptir.
5	Problemlerin çözümüne ilişkin algoritmalar tasarlayabilme, programlama dillerini ve bilgisayar biliminin temel prensip ve yöntemlerini uygulayabilme yeteneğine sahiptir.
6	Ekip çalışmalarında görev ve sorumluluk alabilme, sosyal ve etik sorumluluklarının farkında olma bilincine sahiptir.
7	Yaratıcı, bilimsel ve eleştirel düşünebilme, bağımsız ve birlikte çalışabilme yeteneğine sahiptir.
8	Türkçe ve yabancı dilde alanındaki bilgileri ve kaynakları takip edebilme ve paylaşabilme becerisine sahiptir.
9	İstatistiksel verilerin toplanması, yorumlanması, yayımlanması aşamalarında toplumsal, bilimsel ve etik değerler hakkında farkındalığa sahiptir.
10	Türkçeyi ve en az bir yabancı dili, sözlü ve yazılı olarak iletişimde etkin bir biçimde kullanabilme becerisine sahiptir.
11	Rasgelelik olgusu içeren olayları veya süreçleri olasılıksal olarak modelleme ve çıkarımda bulunabilme becerisine sahiptir.
12	Verileri elde etme, elde edilen verileri düzenleme ve yorumlama becerisine sahiptir.
13	Verilerin elde edilmesinde veya analiz edilmesinde karşılaşılan problemleri bilimsel yaklaşımlarla çözebilme becerisine sahiptir.
14	Sağlık, spor, ekonomi, ziraat vs. gibi diğer alanlara ilişkin verilerin analiz edilmesinde ilgili alandaki kişilere danışmanlık desteği verebilme becerisine sahiptir.
15	Mesleki bilgi ve becerilerini alandaki güncel çalışmaları takip ederek geliştirebilme yeteneğine sahiptir.

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11	PÇ 12	PÇ 13	PÇ 14	PÇ 15
Bir dizi standart istatistiksel problem için Bayes analizi yapma	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Bayes yaklaşımını doğrudan yeni durumlara uygulama	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Bayesci modellemenin sağlamlığını değerlendirmek için görsel ve sayısal teşhis kullanmayı öğrenme	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Mathematica' da bu sayısal yöntemlerin nasıl uygulanacağını ve kullanılacağını öğrenme	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Hesaplama gereksinimlerine aşina hale gelme	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-	-	-	-	-

https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/352429