LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
Endüstri Mühendisliği Yüksek Lisans Programı (Tezli)
STAT 563 | Ders Tanıtım Bilgileri
Dersin Adı |
İstatistiki Karar Teorisi
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
STAT 563
|
Güz/Bahar
|
3
|
0
|
3
|
7.5
|
Ön-Koşul(lar) |
Yok
|
|||||
Dersin Dili |
İngilizce
|
|||||
Dersin Türü |
Seçmeli
|
|||||
Dersin Düzeyi |
Yüksek Lisans
|
|||||
Dersin Veriliş Şekli | - | |||||
Dersin Öğretim Yöntem ve Teknikleri | - | |||||
Dersin Koordinatörü | - | |||||
Öğretim Eleman(lar)ı | ||||||
Yardımcı(ları) | - |
Dersin Amacı | Bu dersin amacı, istatistiksel karar alma mekanizmaları ile ilgili temel fikir ve sonuçlar edindirmektir. |
Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı | Bu dersteki başlıca konular karar kuramının öğeleri, risk, karar kuramı kapsamında tahmin ve hipotez testleri, Bayes riski ve kararı, optimal durdurma kurallarıdır. |
|
Temel Ders | |
Uzmanlık/Alan Dersleri | ||
Destek Dersleri | ||
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
Hafta | Konular | Ön Hazırlık |
1 | İstatistiksel modelleme: İstatistiğe neden ihtiyaç duyarız. | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
2 | İstatistiksel modelleme: Temel kavramlar ve elemanlar | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
3 | İstatistiksel modelleme: Sonuç çıkarma | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
4 | İstatistiki karar teorisinin temel elemanları | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
5 | Beklenen kayıp, karar kuralları, ve risk | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
6 | Karar ilkeleri | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
7 | Fayda ve zarar: Fayda teorisi | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
8 | Fayda ve zarar: Para programı, kayıp fonksiyonu | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
9 | Önsel bilgi ve öznel olasılık | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
10 | Önsel bilgi ve öznel olasılık | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
11 | Bayes analizi | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
12 | Bayes analizi | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
13 | Minimax analizi | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
14 | Minimax analizi | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
15 | Uygulamalar | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
16 | Dönemin gözden geçirilmesi |
Ders Kitabı | “Statistical Decision Theory and Bayesian Analysis” by James O. Berger, Springer. |
Önerilen Okumalar/Materyaller | “Applied Statistical Decision Theory” by H. Raiffa and R. Schlaifer.“Statistical Inference” by George Casella and Roger L. Berger. |
DEĞERLENDİRME ÖLÇÜTLERİ
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım | ||
Laboratuvar / Uygulama | ||
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | ||
Portfolyo | ||
Ödev | ||
Sunum / Jüri Önünde Sunum |
1
|
10
|
Proje |
1
|
20
|
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav |
1
|
30
|
Final Sınavı |
1
|
40
|
Toplam |
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
3
|
60
|
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı |
1
|
40
|
Toplam |
AKTS / İŞ YÜKÜ TABLOSU
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
3
|
48
|
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
0
|
|
Sınıf Dışı Ders Çalışması |
15
|
6
|
90
|
Arazi Çalışması |
0
|
||
Küçük Sınav / Stüdyo Kritiği |
0
|
||
Portfolyo |
0
|
||
Ödev |
0
|
||
Sunum / Jüri Önünde Sunum |
1
|
5
|
5
|
Proje |
1
|
17
|
17
|
Seminer/Çalıştay |
0
|
||
Sözlü Sınav |
0
|
||
Ara Sınavlar |
1
|
25
|
25
|
Final Sınavı |
1
|
40
|
40
|
Toplam |
225
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
1
|
2
|
3
|
4
|
5
|
||
1 | Temel bilimlerin metodolojik ve uygulamalı ögeleri hakkında uygun bilgi birikimine sahip olur ve bu bilgiyi endüstriyel sistemler kapsamında mühendislik ile ilişkili problemleri tanımlamak için uygular. |
|||||
2 | En yeni yöntemleri, teknikleri ve ekipmanı kullanarak Endüstri Mühendisliği ile ilişkili problemleri tanımlar, formüle eder ve çözer. |
|||||
3 | Endüstriyel sistemlerin analizini ve tasarımını kaliteden ödün vermeden yapmak için teknikler ve araçları kullanır. |
|||||
4 | Temel araştırmaları yürütür ve ilgili konferans ve dergilerde makaleler yayınlar. |
|||||
5 | Endüstriyel sistemlerin performans ölçümünü yapmak için testler yapar, elde edilen sonuçları analiz eder ve yorumlar. |
|||||
6 | Endüstriyel sistemlerde karar verme süreçlerini yönetir. |
|||||
7 | Hayat boyu öğrenmeye yatkındır; mesleğinin yeni ve gelişmekte olan uygulamalarının farkındadır, ihtiyaç duyduğunda bunları inceler ve öğrenir. |
|||||
8 | Endüstri Mühendisliği ile ilgili verilerin toplanması, yorumlanması, yayımı, uygulanması ve gerekli teknolojilerin kullanımı aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur. |
|||||
9 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular; bu süreçte karşılaşılan karmaşık problemleri irdeler ve çözümler; Endüstri Mühendisliği ile ilgili kıstaslara uygun, özgün bir tez hazırlar. |
|||||
10 | Bir yabancı dili kullanarak Endüstri Mühendisliği ile ilgili bilgileri takip eder, çalışmalarının süreç ve sonuçlarını, o alandaki veya alan dışındaki ulusal ve uluslararası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarır. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest