BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| MATEMATİK | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| BME3005 | Biyoistatistik | Güz | 2 | 2 | 3 | 6 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Temel Bilgiler
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Non-Departmental Elective |
| Dersin Seviyesi: | LİSANS |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi BURCU TUNÇ ÇAMLIBEL |
| Dersi Veren(ler): |
Dr. Öğr. Üyesi BURCU TUNÇ ÇAMLIBEL |
| Opsiyonel Program Bileşenleri: | Yok |
| Dersin Amacı: | - Ders, biyoistatistiksel kavramlar ve muhakeme konularında seçilen önemli konulara giriş sağlar. Bu ders, alana bir giriş niteliğindedir ve veri tipleri arasındaki farklılıkları da öğretmeyi amaçlar. Merkezi eğilim ve değişkenlik ; Örneklemlerle popülasyon ve oranlarına ilişkin çıkarım yapmak için yöntemler; istatistiksel hipotez testleri ve grup karşılaştırmalarına uygulanması; Deney tasarımlarında güç ve örneklem büyüklüğü; ve rastgele örneklem ve diğer çalışma türleri; regresyon analizi, güven aralığı, lineer ve logaritmik korelasyon gibi konuları içerir. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; - Bu dersi başarıyla tamamlayan öğrenciler; I. İstatistiksel sonuçları doğru, etkili ve bağlam içinde yorumlar. II. İki veya daha fazla popülasyonu karşılaştırmak için uygun bir test seçebilir ve bir p değerini yorumlayıp ve açıklayabilir. III. Deney tasarımlarında güç kavramını anlar. IV. Güven aralık hesapları yapabilir ve yorumlayabilir. V. Regresyon analizi ve değişkenlerin korelasyonunu anlayabilir. |
Dersin İçeriği
| Deneylerin tasarımı, İstatistiksel programlamaya giriş: Veri Analizi ve Tanımlayıcı İstatistikler, Olasılık Teorisi, Örneklem Dağılımları ve Merkezi Limit Teoremi, Olasılık, İstatistiksel Çıkarım, Parametrik olmayan Testler, Güç ve örneklem büyüklüğü, ANOVA, korelasyon ve regresyon, Lojistik regresyon, Survival Analizi Tasarımı, biyolojik verilerde uygulamalar. |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | Bioistatistiğe giriş | |
| 2) | Tanımlayıcı istatistik | |
| 3) | Olasılık teorisi | |
| 4) | Örnekleme Dağılımları ve Merkezi Limit Teoremi | |
| 5) | ANOVA | |
| 6) | t-test: İki Grup Özel Durumu | |
| 7) | İhtimal tabloları | |
| 8) | İhtimal tabloları | |
| 9) | Güç ve örneklem büyüklüğü | |
| 10) | Eşli t-test, Tekrarlı ANOVA Testi, Mc Nemar's Testi | |
| 11) | Parametrik olmayan testler: Mann-Whitney Rank-Sum Test, Wilcoxon Signed-Rank Test | |
| 12) | Parametrik Olmayan Testler: Kruskal-Wallis Testi, Friedman Testi | |
| 13) | Güven aralığı | |
| 14) | Korelasyon ve regresyon |
Kaynaklar
| Ders Notları / Kitaplar: | Primer of Biostatistics, Stanton A. Glantz, McGraw-Hill, 7th Edition Fundamental of Biostatistics, Bernard Rosner, Cengage Learning, 8th Edition |
| Diğer Kaynaklar: |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Küçük Sınavlar | 5 | % 30 |
| Ara Sınavlar | 1 | % 30 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |
AKTS / İş Yükü Tablosu
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 7 | 98 |
| Küçük Sınavlar | 5 | 1 | 5 |
| Ara Sınavlar | 1 | 3 | 3 |
| Final | 1 | 3 | 3 |
| Toplam İş Yükü | 151 | ||
Program ve Öğrenme Kazanımları İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Temel matematik, uygulamalı matematik teori ve uygulamalarını kavramış olmak | |
| 2) | Matematiksel ispatları anlamak ve onlara erişebilmek ve uygun ispatları inşa edebilmek ve ayrıca, problemleri tanımlayabilmek, onları analiz edebilmek ve problemlere bilimsel metotlara dayalı çözümler bulmak | |
| 3) | Matematiği disiplinler arası bir yaklaşım ile gerçek hayata uygulayabilmek ve bunların etkin potansiyelini keşfetmek | |
| 4) | Kendisini geliştirmek ve matematiğin kullanıldığı alanlarda modelleme yapabilecek seviyede gerekli bilgi birikimini elde etmek | 4 |
| 5) | Teorik ve teknik bilgileri detaylı bir biçimde uzmanlara, basit ve anlaşılabilir bir biçimde uzman olmayanlara anlatabilmek | |
| 6) | Matematik alanında kullanılan bilgisayar programlarına aşina olmak ve bunlardan en az birini İleri Düzey Avrupa Bilgisayar Ehliyeti(the European Computer Driving Licence Advanced Level) seviyesinde kullanmak | |
| 7) | Görev aldığı projelerin her adımında sosyal, bilimsel ve etik değerlere uygun davranmak ve çevre katılımı kapsamında proje tanıtımı ve uygulamaları yapabilmek | |
| 8) | Evrensel anlamda bir entelektüel birikime sahip olarak tüm süreçleri etkin bir biçimde değerlendirmek ve kalite yönetimi hakkında yeterli farkında lığa sahip olmak | 4 |
| 9) | Soyut düşünme yeteneğine sahip bir biçimde somut olaylar arasında ilgi kurmak, çözümleri aktarmak, deneyler tasarlamak, veri toplamak ve sonuçları bilimsel metotlarla analiz etmek ve müdahil olmak | |
| 10) | Yaşam boyu öğrenme hakkında bilinçli olarak, program boyunca edinilen bilgi, beceri ve yeteneklerini yenileyerek yaşam boyu öğrenmenin devamını sağlamak | |
| 11) | Cebir, analiz, sayılar teorisi, mantık, geometri ve topoloji gibi matematik alanlarında kazandığı bilgiyi ortaöğretim seviyesine uyarlamak ve aktarmak | |
| 12) | Yalnız veya bir ekibin elemanı olarak araştırma yapmak, bir projenin ilgili her adımında etkili olmak, karar verme süreçlerine katılmak, zamanı etkili kullanarak proje planlamak ve yürütmek |