Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İSTATİSTİKSEL KARAR VERME | MIS2221888 | Bahar Dönemi | 3+0 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme 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 Öğretim | Ödev, Proje Temelli Öğrenme Modeli, Yazılı Sınav |
| Basit doğrusal regresyon modelini kurar, tahmin eder ve katsayılarını yorumlar. | 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim | Ödev, 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 Öğretim | Ödev, Proje Temelli Öğrenme Modeli, Yazılı Sınav |
| Regresyon varsayımı ihlallerini (çoklu doğrusal bağlantı, otokorelasyon, heteroskedastisite) değerlendirir. | 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim | Ödev, 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 Öğretim | Ödev, 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
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Giriş: İstatistiksel Karar Verme ve Temel Kavramlar | |
| 2 | İki Oran için Hipotez Testleri ve Güven Aralıkları | |
| 3 | Bağımsız İki Örneklem Ortalama Testleri | |
| 4 | Bağımlı (Eşleştirilmiş) İki Örneklem Testleri | |
| 5 | Güven Aralıkları ve İstatistiksel Çıkarımın Pekiştirilmesi | |
| 6 | Korelasyon ve Regresyona Giriş: Sezgisel Yaklaşım ve OLS Mantığı | |
| 7 | Basit Doğrusal Regresyon: Model Kurma ve Katsayıların Yorumlanması | |
| 8 | Ara Sınav | |
| 9 | Çoklu Regresyon: Birden Fazla Bağımsız Değişken ile Model Kurma | |
| 10 | Çoklu Regresyon: Kategorik Değişkenler ve Model Seçimi | |
| 11 | Çoklu Regresyon: Etkileşim Terimleri ve Marjinal Etkilerin Yorumlanması | |
| 12 | Uygulama Haftası: Gerçek Veri Setleri ile Analiz | |
| 13 | Regresyon Varsayımlarının Kontrolü: Çoklu Doğrusal Bağlantı, Otokorelasyon, Heteroskedastisite | |
| 14 | Model Değerlendirme ve Tahmin (Prediction vs. Inference) | |
| 15 | Genel Değerlendirme ve Tekrar | |
| 16 | Genel 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 | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (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
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İSTATİSTİKSEL KARAR VERME | MIS2221888 | Bahar Dönemi | 3+0 | 3 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme 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 Öğretim | Ödev, Proje Temelli Öğrenme Modeli, Yazılı Sınav |
| Basit doğrusal regresyon modelini kurar, tahmin eder ve katsayılarını yorumlar. | 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim | Ödev, 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 Öğretim | Ödev, Proje Temelli Öğrenme Modeli, Yazılı Sınav |
| Regresyon varsayımı ihlallerini (çoklu doğrusal bağlantı, otokorelasyon, heteroskedastisite) değerlendirir. | 1, 5, Anlatım Yöntemi, Bilgisayar Ve İnternet Destekli Öğretim | Ödev, 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 Öğretim | Ödev, 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
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Giriş: İstatistiksel Karar Verme ve Temel Kavramlar | |
| 2 | İki Oran için Hipotez Testleri ve Güven Aralıkları | |
| 3 | Bağımsız İki Örneklem Ortalama Testleri | |
| 4 | Bağımlı (Eşleştirilmiş) İki Örneklem Testleri | |
| 5 | Güven Aralıkları ve İstatistiksel Çıkarımın Pekiştirilmesi | |
| 6 | Korelasyon ve Regresyona Giriş: Sezgisel Yaklaşım ve OLS Mantığı | |
| 7 | Basit Doğrusal Regresyon: Model Kurma ve Katsayıların Yorumlanması | |
| 8 | Ara Sınav | |
| 9 | Çoklu Regresyon: Birden Fazla Bağımsız Değişken ile Model Kurma | |
| 10 | Çoklu Regresyon: Kategorik Değişkenler ve Model Seçimi | |
| 11 | Çoklu Regresyon: Etkileşim Terimleri ve Marjinal Etkilerin Yorumlanması | |
| 12 | Uygulama Haftası: Gerçek Veri Setleri ile Analiz | |
| 13 | Regresyon Varsayımlarının Kontrolü: Çoklu Doğrusal Bağlantı, Otokorelasyon, Heteroskedastisite | |
| 14 | Model Değerlendirme ve Tahmin (Prediction vs. Inference) | |
| 15 | Genel Değerlendirme ve Tekrar | |
| 16 | Genel 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 | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 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 Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |