Skip to main content
Anasayfa

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
OLASILIK VE İSTATİSTİKCPE2224202Bahar 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 ana amacı, öğrencilere olasılık ve istatistiksel akıl yürütmenin temel kavramlarını ve mantığını tanıtmak ve öğrencilere uygun tanımlayıcı ve çıkarımsal yöntemleri seçme, oluşturma ve doğru şekilde yorumlama konusunda giriş düzeyinde pratik yetenek kazandırmaktır. Buna ek olarak dersin diğer amacı, öğrencilerin olasılık ve istatistiğin çeşitli uygulamaları ve bunun kendi yaşamları ve çalışma alanlarıyla olan ilişkisi konusunda takdir kazanmalarına yardımcı olmaktır.
Dersin İçeriğiBu ders; Giriş,Olasılık : Örnek Uzay, Olaylar, Sayma, Bir Olayın Olasılığı, Toplama Kuralları,Koşullu Olasılık, Bağımsızlık,Çarpım Kuralları, Bayes Kuralı,Rastgele Değişkenler ve Olasılık Dağılımları,Rastgele Değişkenler ve Olasılık Dağılımları(devam),Matematiksel Beklentiler,Ara sınav,Ayrık Olasılık Dağılımları: Binom ve Multinom Dağılımları,Ayrık Olasılık Dağılımları: Hipergeometrik Dağılım, Negatif Binom,Ayrık Olasılık Dağılımları: Geometrik Dağılım, Poisson Dağılımı,Sürekli Olasılık Dağılımları: Üstel ve Gama Dağılımları,Sürekli Olasılık Dağılımları: Normal Dağılım,Sürekli Olasılık Dağılımları: Binom Dağıılıma Normal Dağılım ile Yaklaşım,Örnekleme Dağılımları; Merkezi Limit Teoremi; Güven ve Tahmin Aralıkları,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1-Olasılığın temel kavramlarını öğrenip, olasılığı hesaplamak için temel sayma tekniklerini (çarpma kuralı, kombinasyonlar, permütasyonlar) kullanmak ve koşullu olasılıkları doğrudan Bayes teoremini kullanarak hesaplamak ve olayların bağımsızlığını kontrol edebilmek.
2-Ayrık rastgele değişkenleri kurup, bunlarla çalışmak. Özellikle Bernoulli, binom, geometrik ve Poisson dağılımlarını anlamak.
3-Sürekli rastgele değişkenlerle çalışıp, özellikle düzgün, normal ve üstel dağılımların özelliklerini bilmek.
4-Beklenti ve varyansın ne anlama geldiğini bilmek ve hesaplayabilmek. Bunun yanında büyük sayılar yasasını ve merkezi limit teoremini anlamak.
Öğretim Yöntemleri:
Ölçme Yöntemleri:

Ders Akışı

SıraKonularÖn Hazırlık
1Giriş
2Olasılık : Örnek Uzay, Olaylar, Sayma, Bir Olayın Olasılığı, Toplama Kuralları
3Koşullu Olasılık, Bağımsızlık
4Çarpım Kuralları, Bayes Kuralı
5Rastgele Değişkenler ve Olasılık Dağılımları
6Rastgele Değişkenler ve Olasılık Dağılımları(devam)
7Matematiksel Beklentiler
8Ara sınav
9Ayrık Olasılık Dağılımları: Binom ve Multinom Dağılımları
10Ayrık Olasılık Dağılımları: Hipergeometrik Dağılım, Negatif Binom
11Ayrık Olasılık Dağılımları: Geometrik Dağılım, Poisson Dağılımı
12Sürekli Olasılık Dağılımları: Üstel ve Gama Dağılımları
13Sürekli Olasılık Dağılımları: Normal Dağılım
14Sürekli Olasılık Dağılımları: Binom Dağıılıma Normal Dağılım ile Yaklaşım
15Örnekleme Dağılımları; Merkezi Limit Teoremi; Güven ve Tahmin Aralıkları
16Genel Sınav
Kaynak
William, W. Hines, Douglas, C. Montgomery (1990) Probability and Statistics in Engineering and Management Science, 3rd Edition, Wiley. Weiss, N. (2006) A Course in Probability, Pearson. Jorge, I. Aunon and Chandrasekar, V. (1997) Introduction to Probability and Random Processes, McGraw Hill. Akritas, M. (2016) Probability & Statistics with R for Engineers and Scientists, 1st, Pearson.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Matematik, fen ve mühendislik bilgilerini karmaşık mühendislik problemlerinin modellenmesi ve çözümünde uygular.
X
2
Karmaşık mühendislik problemlerini uygun analiz ve modelleme yöntemleriyle çözer.
X
3
Karmaşık sistem, süreç ve ürünleri gerçekçi kısıtlar altında modern tasarım yöntemleriyle tasarlar.
X
4
Mühendislik problemlerine yönelik modern teknik ve araçları etkin biçimde kullanır.
X
5
Mühendislik problemlerine ilişkin deneysel verileri analiz eder.
X
6
Disiplin içi ve çok disiplinli takımlarda bireysel sorumluluk bilinciyle etkin çalışır.
X
7
Türkçe ve en az bir yabancı dilde etkili sözlü ve yazılı iletişim kurar.
8
Yaşam boyu öğrenme yaklaşımıyla mesleki bilgi ve becerilerini geliştirir.
X
9
Mesleki ve etik sorumluluklarını ilgili ilkeler çerçevesinde değerlendirir.
10
Proje, risk ve değişim yönetimi süreçlerini girişimcilik ve sürdürülebilirlik ilkeleri çerçevesinde değerlendirir.
X
11
Mühendislik uygulamalarının toplumsal, çevresel, güvenlik ve hukuksal etkilerini değerlendirir.
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
OLASILIK VE İSTATİSTİKCPE2224202Bahar 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 ana amacı, öğrencilere olasılık ve istatistiksel akıl yürütmenin temel kavramlarını ve mantığını tanıtmak ve öğrencilere uygun tanımlayıcı ve çıkarımsal yöntemleri seçme, oluşturma ve doğru şekilde yorumlama konusunda giriş düzeyinde pratik yetenek kazandırmaktır. Buna ek olarak dersin diğer amacı, öğrencilerin olasılık ve istatistiğin çeşitli uygulamaları ve bunun kendi yaşamları ve çalışma alanlarıyla olan ilişkisi konusunda takdir kazanmalarına yardımcı olmaktır.
Dersin İçeriğiBu ders; Giriş,Olasılık : Örnek Uzay, Olaylar, Sayma, Bir Olayın Olasılığı, Toplama Kuralları,Koşullu Olasılık, Bağımsızlık,Çarpım Kuralları, Bayes Kuralı,Rastgele Değişkenler ve Olasılık Dağılımları,Rastgele Değişkenler ve Olasılık Dağılımları(devam),Matematiksel Beklentiler,Ara sınav,Ayrık Olasılık Dağılımları: Binom ve Multinom Dağılımları,Ayrık Olasılık Dağılımları: Hipergeometrik Dağılım, Negatif Binom,Ayrık Olasılık Dağılımları: Geometrik Dağılım, Poisson Dağılımı,Sürekli Olasılık Dağılımları: Üstel ve Gama Dağılımları,Sürekli Olasılık Dağılımları: Normal Dağılım,Sürekli Olasılık Dağılımları: Binom Dağıılıma Normal Dağılım ile Yaklaşım,Örnekleme Dağılımları; Merkezi Limit Teoremi; Güven ve Tahmin Aralıkları,Genel Sınav; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1-Olasılığın temel kavramlarını öğrenip, olasılığı hesaplamak için temel sayma tekniklerini (çarpma kuralı, kombinasyonlar, permütasyonlar) kullanmak ve koşullu olasılıkları doğrudan Bayes teoremini kullanarak hesaplamak ve olayların bağımsızlığını kontrol edebilmek.
2-Ayrık rastgele değişkenleri kurup, bunlarla çalışmak. Özellikle Bernoulli, binom, geometrik ve Poisson dağılımlarını anlamak.
3-Sürekli rastgele değişkenlerle çalışıp, özellikle düzgün, normal ve üstel dağılımların özelliklerini bilmek.
4-Beklenti ve varyansın ne anlama geldiğini bilmek ve hesaplayabilmek. Bunun yanında büyük sayılar yasasını ve merkezi limit teoremini anlamak.
Öğretim Yöntemleri:
Ölçme Yöntemleri:

Ders Akışı

SıraKonularÖn Hazırlık
1Giriş
2Olasılık : Örnek Uzay, Olaylar, Sayma, Bir Olayın Olasılığı, Toplama Kuralları
3Koşullu Olasılık, Bağımsızlık
4Çarpım Kuralları, Bayes Kuralı
5Rastgele Değişkenler ve Olasılık Dağılımları
6Rastgele Değişkenler ve Olasılık Dağılımları(devam)
7Matematiksel Beklentiler
8Ara sınav
9Ayrık Olasılık Dağılımları: Binom ve Multinom Dağılımları
10Ayrık Olasılık Dağılımları: Hipergeometrik Dağılım, Negatif Binom
11Ayrık Olasılık Dağılımları: Geometrik Dağılım, Poisson Dağılımı
12Sürekli Olasılık Dağılımları: Üstel ve Gama Dağılımları
13Sürekli Olasılık Dağılımları: Normal Dağılım
14Sürekli Olasılık Dağılımları: Binom Dağıılıma Normal Dağılım ile Yaklaşım
15Örnekleme Dağılımları; Merkezi Limit Teoremi; Güven ve Tahmin Aralıkları
16Genel Sınav
Kaynak
William, W. Hines, Douglas, C. Montgomery (1990) Probability and Statistics in Engineering and Management Science, 3rd Edition, Wiley. Weiss, N. (2006) A Course in Probability, Pearson. Jorge, I. Aunon and Chandrasekar, V. (1997) Introduction to Probability and Random Processes, McGraw Hill. Akritas, M. (2016) Probability & Statistics with R for Engineers and Scientists, 1st, Pearson.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Matematik, fen ve mühendislik bilgilerini karmaşık mühendislik problemlerinin modellenmesi ve çözümünde uygular.
X
2
Karmaşık mühendislik problemlerini uygun analiz ve modelleme yöntemleriyle çözer.
X
3
Karmaşık sistem, süreç ve ürünleri gerçekçi kısıtlar altında modern tasarım yöntemleriyle tasarlar.
X
4
Mühendislik problemlerine yönelik modern teknik ve araçları etkin biçimde kullanır.
X
5
Mühendislik problemlerine ilişkin deneysel verileri analiz eder.
X
6
Disiplin içi ve çok disiplinli takımlarda bireysel sorumluluk bilinciyle etkin çalışır.
X
7
Türkçe ve en az bir yabancı dilde etkili sözlü ve yazılı iletişim kurar.
8
Yaşam boyu öğrenme yaklaşımıyla mesleki bilgi ve becerilerini geliştirir.
X
9
Mesleki ve etik sorumluluklarını ilgili ilkeler çerçevesinde değerlendirir.
10
Proje, risk ve değişim yönetimi süreçlerini girişimcilik ve sürdürülebilirlik ilkeleri çerçevesinde değerlendirir.
X
11
Mühendislik uygulamalarının toplumsal, çevresel, güvenlik ve hukuksal etkilerini değerlendirir.
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