BBZ407 Çok Değişkenli İstatistiksel Yöntemler

5 AKTS - 2-2 Süre (T+U)- 7. Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Birim FEN-EDEBİYAT FAKÜLTESİ
BİLGİSAYAR BİLİMLERİ PR.
Kod BBZ407
Ad Çok Değişkenli İstatistiksel Yöntemler
Dönem 2026-2027 Eğitim-Öğretim Yılı
Yarıyıl 7. Yarıyıl
Süre (T+U) 2-2 (T-U) (17 Hafta)
AKTS 5 AKTS
Yerel Kredi 3 Yerel Kredi
Eğitim Dil Türkçe
Seviye Lisans Dersi
Tür Normal
Etiket AE Alan Eğitimi Dersleri S Seçmeli
Öğretim Şekli Yüz Yüze Öğretim
Bilgi Paketi Koordinatörü Prof. Dr. GÜZİN YÜKSEL
Dersin Öğretim Elemanı
Güncel dönem ders programı henüz yapılmamıştır.


Dersin Amacı / Hedefi

Bu dersin amacı, öğrencilere çok değişkenli verilerin analizinde kullanılan istatistiksel yöntemleri öğretmek ve öğrencilerin bu yöntemleri uygulamalı olarak kullanmalarını sağlamaktır.

Dersin İçeriği

Bu dersin içeriğinde çok değişkenli verilerin analizinde kullanılan çoklu regresyon analizi, lojistik regresyon analizi, faktör analizi, kümeleme analizi, diskriminant analizi ve uygulamaları bulunmaktadır.

Dersin Ön Koşulu

Ön koşul bulunmamaktadır.

Kaynaklar

Reha Alpar, Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, 2011.

Notlar

Hüseyin Tatlıdil, Uygulamalı Çok Değişkenli İstatistiksel Analiz, Ziraat Matbaacılık A. Ş. Ankara, 2002. Şeref Kalaycı, SPSS Uygulamalı Çok Değişkenli İstatistik Teknikleri, Asil Yayınevi, 2010. Johnson, R. A. and Wichern, D. W. (1982). Applied Multivariate Statistical Analysis, Prentice-Hall.


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 Çok değişkenli istatistikle ilgili temel kavramları tanımlar.
ÖÇ02 Çok değişkenli verilere dayanarak ilişkiler hakkında çıkarımlar yapabilmek için gerekli teknikleri tanımlar.
ÖÇ03 Çok değişkenli normal dağılımın parametrelerini kullanır.
ÖÇ04 Çok değişkenli veriler için hipotez testlerini tanımlar.
ÖÇ05 Çok boyutlu dağılımlar ve veriler üzerinde hesaplamalar yapar.
ÖÇ06 Amacına uygun olarak çoklu regresyon analizini kullanır.
ÖÇ07 Çeşitli disiplinlerarası bilimsel alanlarda çok değişkenli istatistiksel yöntemleri kullanır.
ÖÇ08 Çok boyutlu verilerin analizi için bilgisayar tabanlı hesaplamalar gerçekleştirir.


Program Öğrenme Çıktıları ile İlişkisi

Sıra Tür Program Öğrenme Çıktıları Duzey
PÖÇ01 Bilgi - Kuramsal, Olgusal Bilgisayar Bilimleri temel kavramları, algoritmalar ve veri yapıları hakkında geniş bir bilgi yelpazesi kazandırır.
PÖÇ02 Bilgi - Kuramsal, Olgusal Yazılım geliştirme, programlama dilleri ve veritabanı yönetimi gibi temel bilgisayar konularını öğrenir.
PÖÇ03 Bilgi - Kuramsal, Olgusal Veri bilimi, yapay zeka ve makine öğrenimi gibi ileri düzey bilgisayar alanlarını anlar. 3
PÖÇ04 Bilgi - Kuramsal, Olgusal Bilgisayar ağları, siber güvenlik ve veritabanı tasarımı gibi konularda bilgi edinir.
PÖÇ05 Beceriler - Bilişsel, Uygulamalı Algoritmaları tasarlama, uygulama ve analiz etme becerilerini geliştirir. 4
PÖÇ06 Beceriler - Bilişsel, Uygulamalı Farklı programlama dillerini etkili bir şekilde kullanabilme yeteneği kazanır
PÖÇ07 Beceriler - Bilişsel, Uygulamalı Veri analizi, veritabanı yönetimi ve büyük veri işleme becerilerini öğrenir.
PÖÇ08 Beceriler - Bilişsel, Uygulamalı Yazılım geliştirme projelerinde çalışarak pratik deneyim kazanır.
PÖÇ09 Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği Ekip içinde işbirliği yapma ve iletişim becerilerini güçlendirir.
PÖÇ10 Yetkinlikler - Alana Özgü Yetkinlik Teknolojik yeniliklere açık bir zihniyet kazandırır. 2
PÖÇ11 Yetkinlikler - Öğrenme Yetkinliği Sürekli öğrenme ve kendini geliştirme yetkinliğini teşvik eder.
PÖÇ12 Yetkinlikler - İletişim ve Sosyal Yetkinlik Karmaşık sorunları çözme yeteneği geliştirir. 4


Haftalık Akış

Hafta Konu Ön Hazırlık Yöntemler
1 Çok değişkenli veri analizinin uygulama alanları ve temel matris bilgisinin gözden geçirilmesi. Kaynak okuma Öğretim Yöntemleri:
Anlatım, Soru-Cevap
2 Veri matrisi ve tanımlayıcı istatistikler. Kaynak okuma Öğretim Yöntemleri:
Anlatım, Tartışma
3 Çok değişkenli grafikler, standartlaştırma ve çok değişkenli Normal dağılım. Kaynak okuma Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Tartışma
4 Aşırı değerler , Normallik dönüşümleri ve eksik verilerin incelenmesi. Kaynak okuma Öğretim Yöntemleri:
Örnek Olay, Anlatım
5 Varyans-kovaryans ve korelasyon matrisi. Kaynak okuma Öğretim Yöntemleri:
Soru-Cevap, Anlatım
6 Temel Bileşenler Analizi. Kaynak okuma Öğretim Yöntemleri:
Anlatım, Tartışma, Alıştırma ve Uygulama
7 Faktör Analizi. Kaynak okuma Öğretim Yöntemleri:
Anlatım, Soru-Cevap, Alıştırma ve Uygulama
8 Ara Sınavlar Sınava yönelik hazırlık Ölçme Yöntemleri:
Yazılı Sınav
9 Kümeleme Analizi. Kaynak okuma Öğretim Yöntemleri:
Soru-Cevap, Anlatım, Alıştırma ve Uygulama
10 Diskriminant Analizi. Kaynak okuma Öğretim Yöntemleri:
Tartışma, Anlatım, Alıştırma ve Uygulama
11 Kanonik Korelasyon Analizi. Kaynak okuma Öğretim Yöntemleri:
Soru-Cevap, Anlatım, Alıştırma ve Uygulama
12 Çoklu Regresyon Analizi. Kaynak okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
13 Çok Değişkenli Varyans Analizi (MANOVA). Kaynak okuma Öğretim Yöntemleri:
Anlatım, Alıştırma ve Uygulama
14 Ölçekleme ve Çok Boyutlu Ölçekleme. Kaynak okuma Öğretim Yöntemleri:
Tartışma, Soru-Cevap, Anlatım
15 Tüm analizlerden uygulamalar. Kaynak okuma Öğretim Yöntemleri:
Soru-Cevap, Alıştırma ve Uygulama, Beyin Fırtınası
16 Yarıyıl Sonu Sınavları Sınava yönelik hazırlık Ölçme Yöntemleri:
Yazılı Sınav
17 Yarıyıl Sonu Sınavları Sınava yönelik hazırlık Ölçme Yöntemleri:
Yazılı Sınav


Öğrenci İş Yükü - AKTS

Çalışmalar Sayısı Süresi (Saat) İş Yükü (Saat)
Ders ile İlgili Çalışmalar
Ders (Sınav haftaları dahil değildir) 14 3 42
Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) 14 3 42
Değerlendirmeler ile İlgili Çalışmalar
Ödev, Proje, Diğer 0 0 0
Ara Sınavlar (Yazılı, Sözlü, vs.) 1 12 12
Yarıyıl/Yıl Sonu/Final Sınavı 1 18 18
Toplam İş Yükü (Saat) 114
Toplam İş Yükü / 25 (s) 4,56
AKTS 5 AKTS

Güncelleme Zamanı: 06.05.2026 02:03