| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Olasılık ve İstatistiğe Giriş | CENG 235 | 3 | 2 | 3 + 0 | 3 | 6,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Olasılık, koşullu olasılık ve olasılık dağılımları hakkında temel bilgileri anlamak |
| 2. Binom dağılımlarını, Poisson dağılımlarını içeren problemleri çözmek |
| 3. Normal dağılım kullanılarak , ortalama ve standart sapması verilen olayların olasılığını bulmak |
| 4. Örneklem büyüklükleri, örneklem ortalamaları ve popülasyon ortalamaları arasındaki ilişkileri anlamak ve analiz etmek |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu ders, olasılık ve istatistiklere temel bir giriş sağlar. Konular şunları içerir: örnek uzaylar ve olaylar, koşullu olasılık ve bağımsızlık. Kesikli ve sürekli rasgele değişkenler, olasılık dağılımları, beklenen değer ve dağılım parametreleri. Ayrık olasılık dağılım fonksiyonları (Binom, geometrik, negatif binom, Poisson dağılımları). Sürekli olasılık dağılımları (eşit, normal, üstel ve gama dağılımları). Tek bir örneklemin tahmin ve hipotez testi (Rastgele örnekleme, örnekleme dağılımları, merkezi limit teoremi, güven aralıkları) |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Olasılık: Örnek Uzay, Olaylar, Sayma, Bir Etkinliğin Olasılığı |
| 2 | Koşullu Olasılık, Bağımsızlık, Çarpım Kuralları, Bayes Kuralı |
| 3 | Rasgele Değişkenler ve Olasılık Dağılımları |
| 4 | Bileşik Olasılık Dağılımları |
| 5 | Matematiksel Beklentiler |
| 6 | Ayrık Olasılık Dağılımları: Binom ve Multinom Dağılımları |
| 7 | Ayrık Olasılık Dağılımları:Hipergeometrik Dağılımları |
| 8 | Ayrık Olasılık Dağılımları: Geometrik Dağılımları |
| 9 | Sürekli Olasılık Dağılımları: Normal Dağılım |
| 10 | Sürekli Olasılık Dağılımları: Binom Dağıılıma Normal Dağılım ile Yaklaşım |
| 11 | Sürekli Olasılık Dağılımları: Gama ve Üstel Dağılımlar |
| 12 | Örnekleme Dağılımları: Ortalamalar ve Merkezi Limit Teoremi |
| 13 | Bir ve İki Örnekli Tahmin Problemleri: İstatistiksel Çıkarım, Ortalama, Güven Aralıklarını Tahmin Etme, Tahmin Aralıkları, Varyansı Tahmin Etme |
| 14 | Hipotezlerin Bir ve İki Örnekli Testleri: Genel Kavramlar, İstatistiksel Bir Hipotezin Test Edilmesi, Tek Örneklem, Tek Bir Ortalamala İlgili Testler |
| |
| Kaynaklar: |
| Probability and Statistics for Engineers and Scientists, Ninth Edition, Walpole, Myers, Myers, Ye, Pearson Education
Software:
R project /Python
Internet Resources:
http://www.cran.r-project.org/
https://www.r-project.org/ |
| |
| Diğer Kaynaklar: |
| A Course in Probability, 2006, Weiss, N. , Pearson
Introduction to Probability and Random Processes, by Jorge I. Aunon and V. Chandrasekar, McGraw Hill, 1997, ISBN 0-07-001563-5
Statistics for Engineering and the Sciences, William Mendenhall, Terry Sincich, ISBN 9781498728850,2015 |
| |
| Öğretim Yöntem ve Teknikleri: |
| Her hafta 3 saat teori dersi |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara sınav | 1 | %30 |
| Final Sınavı | 1 | %40 |
| Ödev | 1 | %30 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |