BİYOMEDİKAL MÜHENDİSLİĞİ | |||||
Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
BME3005 | Biyoistatistik | Güz | 2 | 2 | 3 | 6 |
Öğretim Dili: | English |
Dersin Türü: | Must Course |
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. |
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. |
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. |
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 |
Ders Notları / Kitaplar: | Primer of Biostatistics, Stanton A. Glantz, McGraw-Hill, 7th Edition Fundamental of Biostatistics, Bernard Rosner, Cengage Learning, 8th Edition |
Diğer Kaynaklar: |
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 |
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 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Matematik (analiz, lineer, cebir, diferansiyel denklemler, istatistik), fen bilimleri (fizik, kimya, biyoloji) ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi ile bu alanlardaki kuramsal ve uygulamalı bilgileri karmaşık mühendislik problemlerinde kullanabilme becerisine sahip olmak. | 5 |
2) | Karmaşık Biyomedikal mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi kazanmak. | 5 |
3) | Karmaşık Biyomedikal sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlayabilmek ve bu amaçla modern tasarım yöntemlerini uygulama yetkinliği kazanmak. | 3 |
4) | Biyomedikal mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi kazanmak, bilişim teknolojilerini etkin bir şekilde kullanabilmek. | 5 |
5) | Karmaşık Biyomedikal Mühendisliği problemlerinin veya araştırma konularının incelenmesi için nümerik veya fiziksel deney tasarlayabilmek ve uygulayabilmek, veri toplamak ve sonuçları analiz ederek yorumlayabilmek. | 5 |
6) | Biyomedikal Mühendisliğini ilgilendiren problemlerde bireysel ve ilgili çok disiplinli takımlarda etkin biçimde çalışabilmek. | 4 |
7) | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi kazanmış olmak, Biyomedikal mühendisliği alanındaki yenilikleri takip edebilecek düzeyde İngilizce dil bilgisi (Avrupa Dil Portföyü B1 genel düzeyi) kazanmış olmak; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilmek, etkin sunum yapabilmek, açık ve anlaşılır talimat verme ve alma becerisi kazanmış olmak. | 4 |
8) | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerilerine sahip olmak. | |
9) | Biyomedikal mühendisliği etik ilkelerine uygun davranmanın önemi ve mesleki sorumluluk ve etik sorumluluk bilinci ile biyomedikal mühendisliği uygulamalarında kullanılan standartlar hakkında bilgi sahibi olmak | 2 |
10) | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi sahibi olmak. | |
11) | Biyomedikal Mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi sahibi olmak; Biyomedikal mühendisliği çözümlerinin hukuksal sonuçları hakkında farkındalık sahibi olmak. |