Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
İSTATİSTİKSEL KARAR VERMEMIS2221888Bahar Dönemi3+035
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları
Dersin AmacıBu dersin amacı, öğrencilerin istatistiksel karar verme sürecine ilişkin temel kavram ve yöntemleri öğrenmelerini sağlamak; iki örneklem karşılaştırmaları, hipotez testleri ve regresyon analizi gibi istatistiksel teknikleri kullanarak veri temelli karar verme becerilerini geliştirmektir. Ders kapsamında öğrencilerin istatistiksel sonuçları değerlendirmeleri, regresyon modellerini kurmaları ve yorumlamaları, gerçek veri setleri üzerinden bulguları karar süreçleriyle ilişkilendirmeleri hedeflenmektedir.
Dersin İçeriğiBu ders; Giriş: İstatistiksel Karar Verme ve Temel Kavramlar,İki Oran için Hipotez Testleri ve Güven Aralıkları,Bağımsız İki Örneklem Ortalama Testleri,Bağımlı (Eşleştirilmiş) İki Örneklem Testleri,Güven Aralıkları ve İstatistiksel Çıkarımın Pekiştirilmesi,Korelasyon ve Regresyona Giriş: Sezgisel Yaklaşım ve OLS Mantığı,Basit Doğrusal Regresyon: Model Kurma ve Katsayıların Yorumlanması,Ara Sınav,Çoklu Regresyon: Birden Fazla Bağımsız Değişken ile Model Kurma,Çoklu Regresyon: Kategorik Değişkenler ve Model Seçimi,Çoklu Regresyon: Etkileşim Terimleri ve Marjinal Etkilerin Yorumlanması,Uygulama Haftası: Gerçek Veri Setleri ile Analiz,Regresyon Varsayımlarının Kontrolü: Çoklu Doğrusal Bağlantı, Otokorelasyon, Heteroskedastisite,Model Değerlendirme ve Tahmin (Prediction vs. Inference),Genel Değerlendirme ve Tekrar,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
İki oran ve iki ortalamaya ilişkin hipotez testlerini ve güven aralıklarını uygun varsayımlar altında uygular ve sonuçlarını yorumlar. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Basit doğrusal regresyon modelini kurar, tahmin eder ve katsayılarını yorumlar. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Çoklu regresyon modellerini kategorik değişkenler ve etkileşim terimleri ile kurar ve analiz eder. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Regresyon varsayımı ihlallerini (çoklu doğrusal bağlantı, otokorelasyon, heteroskedastisite) değerlendirir. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Gerçek veri setlerinden elde edilen sonuçları karar verme süreçleri kapsamında yorumlar. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, 5: Tartışma Yöntemi, Anlatım Yöntemi: Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim: Bilgisayar Ve İnternet Destekli Öğretim
Ölçme Yöntemleri:Ödev: Ödev, Proje Temelli Öğrenme Modeli: Proje Temelli Öğrenme Modeli, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Giriş: İstatistiksel Karar Verme ve Temel Kavramlar
2İki Oran için Hipotez Testleri ve Güven Aralıkları
3Bağımsız İki Örneklem Ortalama Testleri
4Bağımlı (Eşleştirilmiş) İki Örneklem Testleri
5Güven Aralıkları ve İstatistiksel Çıkarımın Pekiştirilmesi
6Korelasyon ve Regresyona Giriş: Sezgisel Yaklaşım ve OLS Mantığı
7Basit Doğrusal Regresyon: Model Kurma ve Katsayıların Yorumlanması
8Ara Sınav
9Çoklu Regresyon: Birden Fazla Bağımsız Değişken ile Model Kurma
10Çoklu Regresyon: Kategorik Değişkenler ve Model Seçimi
11Çoklu Regresyon: Etkileşim Terimleri ve Marjinal Etkilerin Yorumlanması
12Uygulama Haftası: Gerçek Veri Setleri ile Analiz
13Regresyon Varsayımlarının Kontrolü: Çoklu Doğrusal Bağlantı, Otokorelasyon, Heteroskedastisite
14Model Değerlendirme ve Tahmin (Prediction vs. Inference)
15Genel Değerlendirme ve Tekrar
16Genel Sınav
Kaynak
1. Triola, M. F. (2018). Elementary Statistics (13th ed.). Pearson. 2. Groebner, D. F., Shannon, P. W., Fry, P. C., & Smith, K. D. (2018). Business Statistics (10th ed.). Pearson. 3. Wooldridge, J. M. (2016). Introductory Econometrics: A Modern Approach (6th ed.). Cengage Learning. 4. Newbold, P., Carlson, W. L., & Thorne, B. (2013). Statistics for Business and Economics (8th ed.). Pearson. 5. Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2018). Statistics for Business and Economics (13th ed.). Cengage

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Bilişim sistemleri, işletme süreçleri ve veri analitiği alanındaki temel kavramları açıklar.
2
İşletme süreçlerini analiz ederek karar destek sistemleri tasarlar.
3
Veri analizi yöntemlerini kullanarak karar süreçlerini destekleyen sonuçlar üretir.
X
4
İstatistiksel ve analitik yöntemler kullanarak işletme problemlerine yönelik tahmin ve modelleme yapar.
X
5
İş süreçlerini bilgi sistemleri ile entegre edecek çözümler geliştirir.
6
Analiz sonuçlarını teknik ve teknik olmayan paydaşlara etkili biçimde sunar.
X
7
İşletme ve bilgi sistemleri projelerini planlar ve yönetir.
8
Karmaşık iş problemlerini analitik yaklaşımlar kullanarak çözer.
X
9
Bilgi teknolojileri, yazılım ve analitik araçları kullanarak iş süreçlerine yönelik uygulamalar geliştirir.
10
Bilgi sistemleri ve siber güvenlik risklerini analiz ederek uygun önlemler tasarlar.
11
Veri gizliliği, etik ve bilgi güvenliği ilkelerine uygun hareket eder.
12
Alanındaki güncel gelişmeleri izleyerek mesleki yetkinliğini sürekli geliştirir.
X
13
Alanıyla ilgili konularda yabancı dil kullanarak iletişim kurar.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Toplam İş Yükü (Saat)0
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(0/30)0
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
İSTATİSTİKSEL KARAR VERMEMIS2221888Bahar Dönemi3+035
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin Diliİngilizce
Dersin SeviyesiLisans
Dersin TürüZorunlu
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları
Dersin AmacıBu dersin amacı, öğrencilerin istatistiksel karar verme sürecine ilişkin temel kavram ve yöntemleri öğrenmelerini sağlamak; iki örneklem karşılaştırmaları, hipotez testleri ve regresyon analizi gibi istatistiksel teknikleri kullanarak veri temelli karar verme becerilerini geliştirmektir. Ders kapsamında öğrencilerin istatistiksel sonuçları değerlendirmeleri, regresyon modellerini kurmaları ve yorumlamaları, gerçek veri setleri üzerinden bulguları karar süreçleriyle ilişkilendirmeleri hedeflenmektedir.
Dersin İçeriğiBu ders; Giriş: İstatistiksel Karar Verme ve Temel Kavramlar,İki Oran için Hipotez Testleri ve Güven Aralıkları,Bağımsız İki Örneklem Ortalama Testleri,Bağımlı (Eşleştirilmiş) İki Örneklem Testleri,Güven Aralıkları ve İstatistiksel Çıkarımın Pekiştirilmesi,Korelasyon ve Regresyona Giriş: Sezgisel Yaklaşım ve OLS Mantığı,Basit Doğrusal Regresyon: Model Kurma ve Katsayıların Yorumlanması,Ara Sınav,Çoklu Regresyon: Birden Fazla Bağımsız Değişken ile Model Kurma,Çoklu Regresyon: Kategorik Değişkenler ve Model Seçimi,Çoklu Regresyon: Etkileşim Terimleri ve Marjinal Etkilerin Yorumlanması,Uygulama Haftası: Gerçek Veri Setleri ile Analiz,Regresyon Varsayımlarının Kontrolü: Çoklu Doğrusal Bağlantı, Otokorelasyon, Heteroskedastisite,Model Değerlendirme ve Tahmin (Prediction vs. Inference),Genel Değerlendirme ve Tekrar,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
İki oran ve iki ortalamaya ilişkin hipotez testlerini ve güven aralıklarını uygun varsayımlar altında uygular ve sonuçlarını yorumlar. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Basit doğrusal regresyon modelini kurar, tahmin eder ve katsayılarını yorumlar. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Çoklu regresyon modellerini kategorik değişkenler ve etkileşim terimleri ile kurar ve analiz eder. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Regresyon varsayımı ihlallerini (çoklu doğrusal bağlantı, otokorelasyon, heteroskedastisite) değerlendirir. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Gerçek veri setlerinden elde edilen sonuçları karar verme süreçleri kapsamında yorumlar. 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli ÖğretimÖdev, Proje Temelli Öğrenme Modeli, Yazılı Sınav
Öğretim Yöntemleri:1: Soru - Cevap Tekniği, 5: Tartışma Yöntemi, Anlatım Yöntemi: Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim: Bilgisayar Ve İnternet Destekli Öğretim
Ölçme Yöntemleri:Ödev: Ödev, Proje Temelli Öğrenme Modeli: Proje Temelli Öğrenme Modeli, Yazılı Sınav: Yazılı Sınav

Ders Akışı

SıraKonularÖn Hazırlık
1Giriş: İstatistiksel Karar Verme ve Temel Kavramlar
2İki Oran için Hipotez Testleri ve Güven Aralıkları
3Bağımsız İki Örneklem Ortalama Testleri
4Bağımlı (Eşleştirilmiş) İki Örneklem Testleri
5Güven Aralıkları ve İstatistiksel Çıkarımın Pekiştirilmesi
6Korelasyon ve Regresyona Giriş: Sezgisel Yaklaşım ve OLS Mantığı
7Basit Doğrusal Regresyon: Model Kurma ve Katsayıların Yorumlanması
8Ara Sınav
9Çoklu Regresyon: Birden Fazla Bağımsız Değişken ile Model Kurma
10Çoklu Regresyon: Kategorik Değişkenler ve Model Seçimi
11Çoklu Regresyon: Etkileşim Terimleri ve Marjinal Etkilerin Yorumlanması
12Uygulama Haftası: Gerçek Veri Setleri ile Analiz
13Regresyon Varsayımlarının Kontrolü: Çoklu Doğrusal Bağlantı, Otokorelasyon, Heteroskedastisite
14Model Değerlendirme ve Tahmin (Prediction vs. Inference)
15Genel Değerlendirme ve Tekrar
16Genel Sınav
Kaynak
1. Triola, M. F. (2018). Elementary Statistics (13th ed.). Pearson. 2. Groebner, D. F., Shannon, P. W., Fry, P. C., & Smith, K. D. (2018). Business Statistics (10th ed.). Pearson. 3. Wooldridge, J. M. (2016). Introductory Econometrics: A Modern Approach (6th ed.). Cengage Learning. 4. Newbold, P., Carlson, W. L., & Thorne, B. (2013). Statistics for Business and Economics (8th ed.). Pearson. 5. Anderson, D. R., Sweeney, D. J., & Williams, T. A. (2018). Statistics for Business and Economics (13th ed.). Cengage

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Bilişim sistemleri, işletme süreçleri ve veri analitiği alanındaki temel kavramları açıklar.
2
İşletme süreçlerini analiz ederek karar destek sistemleri tasarlar.
3
Veri analizi yöntemlerini kullanarak karar süreçlerini destekleyen sonuçlar üretir.
X
4
İstatistiksel ve analitik yöntemler kullanarak işletme problemlerine yönelik tahmin ve modelleme yapar.
X
5
İş süreçlerini bilgi sistemleri ile entegre edecek çözümler geliştirir.
6
Analiz sonuçlarını teknik ve teknik olmayan paydaşlara etkili biçimde sunar.
X
7
İşletme ve bilgi sistemleri projelerini planlar ve yönetir.
8
Karmaşık iş problemlerini analitik yaklaşımlar kullanarak çözer.
X
9
Bilgi teknolojileri, yazılım ve analitik araçları kullanarak iş süreçlerine yönelik uygulamalar geliştirir.
10
Bilgi sistemleri ve siber güvenlik risklerini analiz ederek uygun önlemler tasarlar.
11
Veri gizliliği, etik ve bilgi güvenliği ilkelerine uygun hareket eder.
12
Alanındaki güncel gelişmeleri izleyerek mesleki yetkinliğini sürekli geliştirir.
X
13
Alanıyla ilgili konularda yabancı dil kullanarak iletişim kurar.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 40
Genel Sınavın Başarıya Oranı 60
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Bilgi / Destek Butonu