| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Olasılık ve İstatistiğe Giriş | CENG 235 | 2 | 1 | 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. Kesikli ve sürekli dağılımlar 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, çıkarımsal istatistik, deney, hipotez testi ve tahmin konularındaki temel kavramlara bir dönemlik kapsamlı bir genel bakış sunarak mühendislikte istatistiğin rolüne bir giriş sağlar. Kapsanan konular arasında örnek uzayları, olaylar, koşullu olasılık ve bağımsızlığın yanı sıra kesikli ve sürekli rastgele değişkenler, bunların olasılık dağılımları, beklenen değer ve dağılım parametreleri yer almaktadır. Derste binom, geometrik, negatif binom ve Poisson gibi kesikli olasılık dağılımlarının yanı sıra düzgün, normal, üstel ve gamma gibi sürekli dağılımlar da incelenmektedir. Değişkenler arasındaki ilişkileri modelleme ve tahminlerde bulunma uygulamalarına odaklanarak doğrusal regresyonu da tanıtmaktadır. |
| |
Üretken Yapay Zeka Kullanımı:
Öğrenciler, ödev ve projeleri dâhil olmak üzere ders çalışmalarında Üretken Yapay Zekâ araçlarını destekleyici bir kaynak olarak kullanabilirler. Bu araçlar, teorik kavramların analiz edilmesi, pratik sonuçların değerlendirilmesi ve problem çözme becerilerinin geliştirilmesine katkı sağlayabilir. Ancak, yapay zekâ bağımsız çalışmanın yerine geçmemeli, yalnızca yardımcı bir araç olarak görülmelidir. Öğrenciler, AI tarafından üretilen içeriğin doğruluğunu eleştirel bir bakış açısıyla değerlendirmeli, zira bu tür araçlar yanıltıcı bilgiler üretebilir veya var olmayan kaynaklara atıfta bulunabilir. Akademik dürüstlüğün korunması ve hesaplamalı yöntemlere dair derinlemesine bir anlayış geliştirilmesi için AI çıktılarının doğruluğunun titizlikle doğrulanması gerekmektedir. |
| |
| 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 I |
| 7 | Ayrık Olasılık Dağılımları II |
| 8 | Sürekli Olasılık Dağılımları: Normal Dağılım |
| 9 | Sürekli Olasılık Dağılımları: Binom Dağıılıma Normal Dağılım ile Yaklaşım |
| 10 | Sürekli Olasılık Dağılımları: Gama ve Üstel Dağılımlar |
| 11 | Örnekleme Dağılımları: Ortalamalar ve Merkezi Limit Teoremi |
| 12 | Bir ve İki Örnekli Tahmin Problemleri: İstatistiksel Çıkarım, Ortalama, Güven Aralıklarını Tahmin Etme, Tahmin Aralıkları, Varyansı Tahmin Etme |
| 13 | Hipotezlerin Bir ve İki Örnekli Testleri: Genel Kavramlar, İstatistiksel Bir Hipotezin Test Edilmesi, Tek Örneklem, Tek Bir Ortalamala İlgili Testler |
| 14 | Doğrusal Regresyon |
| |
| Kaynaklar: |
| Probability and Statistics for Engineers and Scientists, Ninth Edition, Walpole, Myers, Myers, Ye, Pearson Education
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 |
| |
Dersin AKTS İş Yükü:
|
| # | Aktivite | Adet | Süre (Saat) | İş Yükü |
| 1 | Derslere Katılım (haftalık bazda) | 14 | 3,00 | 42,00 |
| 2 | Laboratuvarlara/Derslere Katılım (haftalık bazda) | 2 | 2,00 | 4,00 |
| 3 | Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda) | 14 | 2,00 | 28,00 |
| 4 | İlgili materyalin toplanması ve seçilmesi (bir kez) | 1 | 8,00 | 8,00 |
| 5 | İlgili materyalin kendi kendine incelenmesi (haftalık bazda) | 14 | 2,00 | 28,00 |
| 6 | Ev ödevleri | 0 | 0,00 | 0,00 |
| 7 | Sınavlara Hazırlık | 3 | 4,00 | 12,00 |
| 8 | Ara Sınavlara Hazırlık (Sınavların süresi dahil) | 1 | 8,00 | 8,00 |
| 9 | Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 0 | 0,00 | 0,00 |
| 10 | Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 0 | 0,00 | 0,00 |
| 11 | Final Sınavına Hazırlık (sınav süresi dahil) | 1 | 8,00 | 8,00 |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı (0-4) |
| 1 | Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | 3 |
| 2 | Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi. | 2 |
| 3 | Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi. | 0 |
| 4 | Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi. | 0 |
| 5 | Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi. | 2 |
| 6 | Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | 0 |
| 7 | Mühendislik meslek ilkelerine uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. | 0 |
| 8 | Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi. | 0 |
| 9 | Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi. | 0 |
| 10 | Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik hakkında farkındalık. | 0 |
| 11 | Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi. | 0 |