Dersin Adı: İstatistik	Course Name: Statistics

Kod (Code)	Yarıyıl (Semester)	Kredi (Local Credits)	AKTS Kredi (ECTS Credits)	Ders Uygulaması, Saat/Hafta (Course Implementation, Hours/Week)
				Ders (Theoretical)	Uygulama (Tutorial)	Laboratuvar (Laboratory)
MAT 244/E	4	3	5	3	0	0

Bölüm / Program (Department / Program)	Matematik / Matematik Mühendisliği (Mathematics / Mathematical Engineering)
Dersin Türü (Course Type)	Zorunlu (Compulsory)	Dersin Dili (Course Language)	Türkçe / İngilizce (Turkish / English)
Dersin Ön Koşulları (Course Prerequisites)	MAT221-E min DD

Dersin Mesleki Bileşene Katkısı, % (Course Category by Content, %)	Temel Bilim ve Matematik (Basic Sciences and Math)	Temel Mühendislik (Engineering Science)	Mühendislik / Mimarlık Tasarım (Engineering / Architecture Design)	Genel Eğitim (General Education)
	70	30	-	-

Dersin Tanımı (Course Description)	Normal Dağılımdan Örnekleme. En Çok Olabilirlik Fonksiyonu ve Maksimum Olabilirlik Tahmin Edicileri. Tahmin Edicilerin Yansızlık ve Tutarlılık Özellikleri. Fisher Bilgisi ve Etkin Tahmin Edici. En Çok Olabilirlik Tahmin Edicilerinin Asimptotik Özellikleri. Güven Aralıkları. Hipotez Testleri ve Test İstatistikleri. Optimal Testler, Güçlü Test, Güç Fonksiyonu, Neyman-Pearson Teoremi. Tek-Örneklem, İki-Örneklem ve Eşleştirilmiş Modeller. Lineer Regresyon ve Korelasyon. Varyans Analizi. Parametrik Olmayan Yöntemler.
	Sampling From a Normal Distribution. The Likelihood Function and Maximum Likelihood Estimators. Unbiasness and Consistency of Point Estimators. Fisher Information and Efficient Estimators. Asymptotic Properties of Maximum Likelihood Estimators. Confidence İntervals. Testing Statistical Hypothesis and Test Statistics. Optimal Tests, Powerful Tests, Power Function, Neyman-Pearson Theorem. One-Sample, Two-Sample, and Paired Models. Linear Regression and Correlation. Anova. Non-Parametric Methods.
Dersin Amacı (Course Objectives)	Örnekleme kavramını ve örnekleme dağılımlarını öğretmek. Noktasal tahmin, güven aralığı ve hipotez testlerini uygulamada kullanma becerisi sağlamak. Regresyon, korelasyon ve varyans analizini uygulamada kullanma becerisi sağlamak. Parametrik olmayan testleri uygulamak.
	To provide the concepts of sampling and sampling distributions. To provide the applications of point estimation, confidence interval and hypothesis testing. To provide the applications of regression, correlation and analysis of variance. To apply non-parametric tests.
Dersin Öğrenme Çıktıları (Course Learning Outcomes)	Bu dersi tamamlayan öğrenciler aşağıdaki becerileri elde eder: Örnekleme dağılımlarını kullanabilir, Tahmin ve Tahmin edicilerin özelliklerini bilir, Güven aralıklarını hesaplayabilir, hipotez testi yapabilir, Optimal testleri, güçlü testi bilir, Regresyon ve korelasyonları hesaplayabilir, Varyans analizi uygulayabilir, Parametrik olmayan testleri kullanabilir, İstatistik paket programı kullanabilir.
	Students completing this course will be able to: Use sampling distributions, Estimation and properties of estimators, Evaluate confidence interval, testing hypothesis, Use optimal tests, powerful tests, Compute regression and correlations of data, Use variance analysis, Use nonparametric tests, Use statistical packages.

Hafta	Konular	Dersin Öğrenme Çıktıları
1	Normal Dağılımdan Örnekleme, Nokta Tahmini, En Çok Olabilirlik Fonksiyonu ve Maksimum Olabilirlik Tahmin Edicileri	I, II
2	Tahmin Edicilerin Özellikleri, Fisher Bilgisi ve Etkin Tahmin Edici	II
3	En Çok Olabilirlik Tahmin Edicilerinin Asimptotik Özellikleri	II
4	Populasyon Parametresi için Güven Aralıkları	III
5	Hipotez Testleri, Test İstatistikleri	III
6	Optimal Testler, Güçlü Test	III, IV
7	Neyman-Pearson Teoremi ve En Güçlü Test	III, IV
8	Tek-Örneklem Modelleri (Normal Dağılım, Binom Dağılımı ve Asimptotik Yaklaşımlarla)	III, IV
9	İki-Örneklem Modelleri (Normal Dağılım, Binom Dağılımı ve Asimptotik Yaklaşımlarla)	III, IV
10	Eşleştirilmiş Modeler ve Bilgisayar Uygulamaları	III, IV, VIII
11	Regresyon Analizi, Korelasyon Analizi	V
12	Regresyon Analizi Bilgisayar Uygulamaları	V, VIII
13	Varyans Analizi ve Bilgisayar Uygulamaları	VI, VIII
14	Parametrik Olmayan Yöntemler, İşaret ve Sıra Testleri	VII

Hafta

Konular

Dersin Öğrenme Çıktıları

Normal Dağılımdan Örnekleme, Nokta Tahmini, En Çok Olabilirlik Fonksiyonu ve Maksimum Olabilirlik Tahmin Edicileri

I, II

Tahmin Edicilerin Özellikleri, Fisher Bilgisi ve Etkin Tahmin Edici

En Çok Olabilirlik Tahmin Edicilerinin Asimptotik Özellikleri

Populasyon Parametresi için Güven Aralıkları

III

Hipotez Testleri, Test İstatistikleri

III

Optimal Testler, Güçlü Test

III, IV

Neyman-Pearson Teoremi ve En Güçlü Test

III, IV

Tek-Örneklem Modelleri (Normal Dağılım, Binom Dağılımı ve Asimptotik Yaklaşımlarla)

III, IV

İki-Örneklem Modelleri (Normal Dağılım, Binom Dağılımı ve Asimptotik Yaklaşımlarla)

III, IV

Eşleştirilmiş Modeler ve Bilgisayar Uygulamaları

III, IV, VIII

Regresyon Analizi, Korelasyon Analizi

Regresyon Analizi Bilgisayar Uygulamaları

V, VIII

Varyans Analizi ve Bilgisayar Uygulamaları

VI, VIII

Parametrik Olmayan Yöntemler, İşaret ve Sıra Testleri

VII

Week	Topics	Course Learning Outcomes
1	Sampling from a Normal Distribution, Point Estimation, The Likelihood Function and Maximum Likelihood Estimators	I, II
2	Properties of Estimators, Fisher Information and Efficient Estimator	II
3	Asymptotic Properties of Maximum Likelihood Estimators	II
4	Confidence Intervals for The Population Parameters	III
5	Testing Statistical Hypothesis and Test Statistics	III
6	Optimal Tests, Powerful Tests, Power Function	III, IV
7	Neyman-Pearson Theorem and Most Powerful Tests	III, IV
8	One Sample Models (Normality, Binomial and Asymptotic Approaches)	III, IV
9	Two Sample Models (Normality, Binomial and Asymptotic Approaches)	III, IV
10	Paired Models and Computer Applications	III, IV, VIII
11	Regression and Correlation Analysis	V
12	Regression Analysis and Computer Applications	V, VIII
13	Analysis Of Variance and Computer Applications	VI, VIII
14	Non-Parametric Method, Sign and Rank Tests	VII

Week

Topics

Course Learning Outcomes

Sampling from a Normal Distribution, Point Estimation, The Likelihood Function and Maximum Likelihood Estimators

I, II

Properties of Estimators, Fisher Information and Efficient Estimator

Asymptotic Properties of Maximum Likelihood Estimators

Confidence Intervals for The Population Parameters

III

Testing Statistical Hypothesis and Test Statistics

III

Optimal Tests, Powerful Tests, Power Function

III, IV

Neyman-Pearson Theorem and Most Powerful Tests

III, IV

One Sample Models (Normality, Binomial and Asymptotic Approaches)

III, IV

Two Sample Models (Normality, Binomial and Asymptotic Approaches)

III, IV

Paired Models and Computer Applications

III, IV, VIII

Regression and Correlation Analysis

Regression Analysis and Computer Applications

V, VIII

Analysis Of Variance and Computer Applications

VI, VIII

Non-Parametric Method, Sign and Rank Tests

VII

	Programın Mezuna Kazandıracağı Bilgi ve Beceriler (Programa Ait Çıktılar)	Katkı Seviyesi
1	Mühendislik, fen ve matematik ilkelerini uygulayarak karmaşık mühendislik problemlerini belirleme, formüle etme ve çözme becerisi.		X
2	Küresel, kültürel, sosyal, çevresel ve ekonomik etmenlerle birlikte özel gereksinimleri sağlık, güvenlik ve refahı göz önüne alarak çözüm üreten mühendislik tasarımı uygulama becerisi.
3	Farklı dinleyici gruplarıyla etkili iletişim kurabilme becerisi.		X
4	Mühendislik görevlerinde etik ve profesyonel sorumlulukların farkına varma ve mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bağlamdaki etkilerini göz önünde bulundurarak bilinçli kararlar verme becerisi.	X
5	Üyeleri birlikte liderlik sağlayan, işbirlikçi ve kapsayıcı bir ortam yaratan, hedefler belirleyen, görevleri planlayan ve hedefleri karşılayan bir ekipte etkili bir şekilde çalışma yeteneği becerisi.	X
6	Özgün deney geliştirme, yürütme, verileri analiz etme ve yorumlama ve sonuç çıkarmak için mühendislik yargısını kullanma becerisi.			X
7	Uygun öğrenme stratejileri kullanarak ihtiyaç duyulduğunda yeni bilgi edinme ve uygulama becerisi.		X

Programın Mezuna Kazandıracağı Bilgi ve Beceriler (Programa Ait Çıktılar)

Katkı Seviyesi

Mühendislik, fen ve matematik ilkelerini uygulayarak karmaşık mühendislik problemlerini belirleme, formüle etme ve çözme becerisi.

Küresel, kültürel, sosyal, çevresel ve ekonomik etmenlerle birlikte özel gereksinimleri sağlık, güvenlik ve refahı göz önüne alarak çözüm üreten mühendislik tasarımı uygulama becerisi.

Farklı dinleyici gruplarıyla etkili iletişim kurabilme becerisi.

Mühendislik görevlerinde etik ve profesyonel sorumlulukların farkına varma ve mühendislik çözümlerinin küresel, ekonomik, çevresel ve toplumsal bağlamdaki etkilerini göz önünde bulundurarak bilinçli kararlar verme becerisi.

Üyeleri birlikte liderlik sağlayan, işbirlikçi ve kapsayıcı bir ortam yaratan, hedefler belirleyen, görevleri planlayan ve hedefleri karşılayan bir ekipte etkili bir şekilde çalışma yeteneği becerisi.

Özgün deney geliştirme, yürütme, verileri analiz etme ve yorumlama ve sonuç çıkarmak için mühendislik yargısını kullanma becerisi.

Uygun öğrenme stratejileri kullanarak ihtiyaç duyulduğunda yeni bilgi edinme ve uygulama becerisi.

	Program Student Outcomes	Level of Contribution
1	An ability to identify, formulate, and solve complex engineering problems by applying principles of engineering, science, and mathematics.		X
2	An ability to apply engineering design to produce solutions that meet specified needs with consideration of public health, safety, and welfare, as well as global, cultural, social, environmental, and economic factors.
3	An ability to communicate effectively with a range of audiences.		X
4	An ability to recognize ethical and professional responsibilities in engineering situations and make informed judgments, which must consider the impact of engineering solutions in global, economic, environmental, and societal contexts.	X
5	An ability to function effectively on a team whose members together provide leadership, create a collaborative and inclusive environment, establish goals, plan tasks, and meet objectives.	X
6	An ability to develop and conduct appropriate experimentation, analyze and interpret data, and use engineering judgment to draw conclusions.			X
7	An ability to acquire and apply new knowledge as needed, using appropriate learning strategies.		X

Program Student Outcomes

Level of Contribution

An ability to identify, formulate, and solve complex engineering problems by applying principles of engineering, science, and mathematics.

An ability to apply engineering design to produce solutions that meet specified needs with consideration of public health, safety, and welfare, as well as global, cultural, social, environmental, and economic factors.

An ability to communicate effectively with a range of audiences.

An ability to recognize ethical and professional responsibilities in engineering situations and make informed judgments, which must consider the impact of engineering solutions in global, economic, environmental, and societal contexts.

An ability to function effectively on a team whose members together provide leadership, create a collaborative and inclusive environment, establish goals, plan tasks, and meet objectives.

An ability to develop and conduct appropriate experimentation, analyze and interpret data, and use engineering judgment to draw conclusions.

An ability to acquire and apply new knowledge as needed, using appropriate learning strategies.

Ders Kitabı (Textbook)	Salih Çelebioğlu ve Reşat Kasap (Sheldon M. Ross dan Çeviri) (2015) Olasılık ve İstatistiğe Giriş. Nobel Akademik Yayıncılık.
Diğer Kaynaklar (Other References)	Fikri Akdeniz (2017). Olasılık ve İstatistik. 21 Baskı. Akademisyen. M. Kutner, C.J. Nachtsheim , J. Neter, W. Li (2005). Applied Linear Statistical Models. McGraw-Hill, 5th edition. Irwin Miller, Marylees Miller. (2004). John E. Freund’s Mathematical Statistics with Applications, 7th edition, Pearson Prentice Hall.

Ödevler ve Projeler (Homework & Projects)	-
	-
Laboratuvar Uygulamaları (Laboratory Work)	-
	-
Bilgisayar Kullanımı (Computer Usage)	-
	-
Diğer Uygulamalar (Other Activities)	-
	-

Başarı Değerlendirme Sistemi (Assessment Criteria)	Faaliyetler (Activities)	Adet (Quantity)	Genel Nota Katkı, % (Effects on Grading, %)
	Yıl İçi Sınavları (Midterm Exams)	1	40
	Kısa Sınavlar (Quizzes)	2	20
	Ödevler (Homework)	-	-
	Projeler (Projects)	-	-
	Dönem Ödevi/Projesi (Term Paper/Project)	-	-
	Laboratuvar Uygulaması (Laboratory Work)	-	-
	Diğer Uygulamalar (Other Activities)	-	-
	Final Sınavı (Final Exam)	1	40

DERS PROGRAMI FORMU
COURSE SYLLABUS FORM

Ders Planı

Course Plan

Dersin Mühendislik Öğrenci Çıktılarıyla İlişkisi

Relationship of the Course to Engineering Student Outcomes

Ders Kaynakları ve Başarı Değerlendirme Sistemi (Course Materials and Assessment Criteria)

DERS PROGRAMI FORMU COURSE SYLLABUS FORM

Ders Planı

Course Plan

Dersin Mühendislik Öğrenci Çıktılarıyla İlişkisi

Relationship of the Course to Engineering Student Outcomes

Ders Kaynakları ve Başarı Değerlendirme Sistemi (Course Materials and Assessment Criteria)

DERS PROGRAMI FORMU
COURSE SYLLABUS FORM