TÜRKÇE
ENGLISH
Information
| Unit | FACULTY OF SCIENCE AND LETTERS |
| COMPUTER SCIENCES PR. | |
| Code | BBZ407 |
| Name | Multivariate Statistical Methods |
| Term | 2026-2027 Academic Year |
| Semester | 7. Semester |
| Duration (T+A) | 2-2 (T-A) (17 Week) |
| ECTS | 5 ECTS |
| National Credit | 3 National Credit |
| Teaching Language | Türkçe |
| Level | Lisans Dersi |
| Type | Normal |
| Label | FE Field Education Courses E Elective |
| Mode of study | Yüz Yüze Öğretim |
| Catalog Information Coordinator | Prof. Dr. GÜZİN YÜKSEL |
| Course Instructor |
The current term course schedule has not been prepared yet.
|
Course Goal / Objective
The aim of this course is to teach students statistical methods used in the analysis of multivariate data and to enable them to apply these methods in practice.
Course Content
This course covers multiple regression analysis, factor analysis, cluster analysis, discriminant analysis, and their applications used in the analysis of multivariate data.
Course Precondition
There are no prerequisites.
Resources
Reha Alpar, Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, 2011.
Notes
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.
Course Learning Outcomes
| Order | Course Learning Outcomes |
|---|---|
| LO01 | Defines fundamental concepts related to multivariate statistics. |
| LO02 | Defines the techniques necessary to make inferences about relationships based on multivariate data. |
| LO03 | Uses the parameters of a multivariate normal distribution. |
| LO04 | Defines hypothesis tests for multivariate data. |
| LO05 | Performs calculations on multidimensional distributions and data. |
| LO06 | Uses multiple regression analysis for its intended purpose. |
| LO07 | Uses multivariate statistical methods in various interdisciplinary scientific fields. |
| LO08 | Performs computer-based calculations for the analysis of multidimensional data. |
Relation with Program Learning Outcome
| Order | Type | Program Learning Outcomes | Level |
|---|---|---|---|
| PLO01 | Bilgi - Kuramsal, Olgusal | Gain comprehensive knowledge of fundamental concepts, algorithms, and data structures in Computer Science. | |
| PLO02 | Bilgi - Kuramsal, Olgusal | Learn essential computer topics such as software development, programming languages, and database management | |
| PLO03 | Bilgi - Kuramsal, Olgusal | Understand advanced computer fields like data science, artificial intelligence, and machine learning. | 3 |
| PLO04 | Bilgi - Kuramsal, Olgusal | Acquire knowledge of topics like computer networks, cybersecurity, and database design. | |
| PLO05 | Beceriler - Bilişsel, Uygulamalı | Develop skills in designing, implementing, and analyzing algorithms | 4 |
| PLO06 | Beceriler - Bilişsel, Uygulamalı | Gain proficiency in using various programming languages effectively | |
| PLO07 | Beceriler - Bilişsel, Uygulamalı | Learn skills in data analysis, database management, and processing large datasets. | |
| PLO08 | Beceriler - Bilişsel, Uygulamalı | Acquire practical experience through working on software development projects. | |
| PLO09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Strengthen teamwork and communication skills. | |
| PLO10 | Yetkinlikler - Alana Özgü Yetkinlik | Foster a mindset open to technological innovations. | 2 |
| PLO11 | Yetkinlikler - Öğrenme Yetkinliği | Encourage the capacity for continuous learning and self-improvement. | |
| PLO12 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Enhance the ability to solve complex problems | 4 |
Week Plan
| Week | Topic | Preparation | Methods |
|---|---|---|---|
| 1 | Review of application areas of multivariate data analysis and basic matrix knowledge. | Reading sources | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 2 | Data matrix and descriptive statistics. | Reading sources | Öğretim Yöntemleri: Anlatım, Tartışma |
| 3 | Multivariate graphs, standardization, and multivariate Normal distribution. | Reading sources | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 4 | Examination of extreme values, normality transformations, and missing data. | Reading sources | Öğretim Yöntemleri: Örnek Olay, Anlatım |
| 5 | Variance-covariance and correlation matrix. | Reading sources | Öğretim Yöntemleri: Soru-Cevap, Anlatım |
| 6 | Principal Components Analysis. | Reading sources | Öğretim Yöntemleri: Anlatım, Tartışma, Alıştırma ve Uygulama |
| 7 | Factor Analysis. | Reading sources | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Alıştırma ve Uygulama |
| 8 | Mid-Term Exam | Exam preparation | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Cluster Analysis. | Reading sources | Öğretim Yöntemleri: Soru-Cevap, Anlatım, Alıştırma ve Uygulama |
| 10 | Discriminant Analysis. | Reading sources | Öğretim Yöntemleri: Tartışma, Anlatım, Alıştırma ve Uygulama |
| 11 | Canonical Correlation Analysis. | Reading sources | Öğretim Yöntemleri: Soru-Cevap, Anlatım, Alıştırma ve Uygulama |
| 12 | Multiple Regression Analysis. | Reading sources | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 13 | Multivariate Analysis of Variance (MANOVA). | Reading sources | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 14 | Scaling and Multidimensionality | Reading sources | Öğretim Yöntemleri: Tartışma, Soru-Cevap, Anlatım |
| 15 | Applications from all analyses. | Reading sources | Öğretim Yöntemleri: Soru-Cevap, Alıştırma ve Uygulama, Beyin Fırtınası |
| 16 | Term Exams | Exam preparation | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Term Exams | Exam preparation | Ölçme Yöntemleri: Yazılı Sınav |
Student Workload - ECTS
| Works | Number | Time (Hour) | Workload (Hour) |
|---|---|---|---|
| Course Related Works | |||
| Class Time (Exam weeks are excluded) | 14 | 3 | 42 |
| Out of Class Study (Preliminary Work, Practice) | 14 | 3 | 42 |
| Assesment Related Works | |||
| Homeworks, Projects, Others | 0 | 0 | 0 |
| Mid-term Exams (Written, Oral, etc.) | 1 | 12 | 12 |
| Final Exam | 1 | 18 | 18 |
| Total Workload (Hour) | 114 | ||
| Total Workload / 25 (h) | 4,56 | ||
| ECTS | 5 ECTS | ||