BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| ECZACILIK | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| SEN4016 | Çokdeğişkenli Veri Analizi | Bahar | 3 | 0 | 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: | Prof. Dr. MEHMET ALPER TUNGA |
| Opsiyonel Program Bileşenleri: | Yok. |
| Dersin Amacı: | Öğrenciler; çok değişkenli analize dahil olan, berlirli sorunlar için temel bileşen analizi, faktör analizi, lineer regresyon analizi gibi özel teknikleri uygulama yeteneğine sahip olacaklardır. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Çok değişkenli veri analizi kavramlarını tanımlar 2. PCA özelliklerini ve sınırlamalarını tanımlar ve farklı yollarla PCA hesaplamaları yapar 3. Faktör tiplerini tanımlar ve hesaplar 4. Metrik ve metrik olmayan ölçekleri tanımlar 5. Basit ve çoklu uyum analizi ve ki kare mesafelerini tanımlar 6. MANOVA varyasyonlarını tanımlar 7. Regresyon katsayıları, parametre tahmini, hipotez testi hesaplamalarını yapar 8. Tümdengelim, Tümevarım, tahmin, testler, korelasyon kavramlarını ifade eder 9. Tek ve çok değişkenli filtreleri tanımlar |
Dersin İçeriği
| Dersin içeriği temel bileşen analizi, faktör analizi, çok boyutlu ölçekleme, uyum analizi, çok değişkenli varyans analizi (manova), çoklu doğrusal regresyon, istatistiksel çıkarım, özellik altkümelerinin seçimi konularından oluşmaktadır. |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | Giriş | |
| 2) | Temel Bileşen Analizi | |
| 3) | Temel Bileşen Analizi | |
| 4) | Faktör Analizi | |
| 5) | Faktör Analizi | |
| 6) | Çok Boyutlu Ölçekleme | |
| 7) | Uyum Analizi | |
| 8) | Çok Değişkenli Varyans Analizi (MANOVA) | |
| 9) | Çoklu Doğrusal Regresyon | |
| 10) | Çoklu Doğrusal Regresyon | |
| 11) | İstatistiksel Çıkarım | |
| 12) | İstatistiksel Çıkarım | |
| 13) | Özellik Altkümesi Seçimi | |
| 14) | Özellik Altkümesi Seçimi |
Kaynaklar
| Ders Notları / Kitaplar: | Multivariate Data Analysis, 7/E, Joseph F. Hair, Jr, William C. Black, Barry J. Babin, Rolph E. Anderson, Pearson, 2010, 9780138132637 |
| Diğer Kaynaklar: | Yok - None. |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Küçük Sınavlar | 4 | % 20 |
| Ödev | 2 | % 10 |
| 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 | 4 | 5 | 20 |
| Ödevler | 2 | 5 | 10 |
| Küçük Sınavlar | 4 | 3 | 12 |
| Ara Sınavlar | 1 | 15 | 15 |
| Final | 1 | 17 | 17 |
| Toplam İş Yükü | 116 | ||
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 |