Hoş Geldiniz,
Misafir
.
Oturum Aç
.
English
NİNOVA
DERSLER
YARDIM
HAKKINDA
Neredeyim:
Ninova
/
Dersler
/
Bilişim Enstitüsü
/
HBM 597E
/
Dersin Bilgileri
Fakülteye dön
Ana Sayfa
Dersin Bilgileri
Dersin Haftalık Planı
Değerlendirme Kriterleri
Dersin Bilgileri
Dersin Adı
Türkçe
Hesaplamalı Bilim ve Mühendislik'te Özel Konular
İngilizce
Special Topic.in Comp.Sci.&Eng
Dersin Kodu
HBM 597E
Kredi
Ders
(saat/hafta)
Uygulama
(saat/hafta)
Labratuvar
(saat/hafta)
Dönem
-
3
3
-
-
Dersin Dili
İngilizce
Dersin Koordinatörü
Murat Okatan
Dersin Amaçları
1. Genel doğrusal modellerin kuramsal ve uygulamalı olarak anlaşılabilmesi için yeterli matematik ve programlama altyapısının kazandırılması.
2. Akaike bilgi ölçütü ve parametrik bootstrap kullanılarak model seçiminin öğretilmesi.
3. Birden fazla modelden formel istatistiksel çıkarım yapılmasının öğretilmesi.
4. Öğrencilerin genel doğrusal modelleri tasarlama, veriye uydurma, seçme ve özellikle MATLAB programlama ortamında istatistiksel çıkarım için kullanma becerilerinin geliştirilmesi.
Dersin Tanımı
Olabilirlik işlevi ve özellikleri. En büyük olabilirlik kestirimi. Akaike bilgi ölçütü ve Kullback-Leibler sapması. Basit ve çoklu doğrusal regresyon. Artıklar, Normallik, değişen varyans, doğrusallık, çoklu eş doğrusallık. Genel doğrusal modeller (GDM). Binom GDM ve bağlantı işlevinin seçimi. Poisson ve Negatif Binom GDM. Gama ve Ters Gauss GDM. Parametrik bootstrap. Birden fazla modelden formel istatistiksel çıkarım. Model ortalaması. GDM kullanılarak nokta süreçlerinin modellenmesi. Zamanı-yeniden-ölçeklendirme teoremi.
Dersin Çıktıları
Bu dersi başarıyla tamamlayan yüksek lisans/doktora öğrencileri aşağıdaki konularda bilgi, beceri ve yetkinlik kazanırlar;
1. Olabilirlik ilkesinin öğrenilmesi ve kullanılması.
2. Olabilirlik modellerinin bağıl uygunluk sınamasının yapılması.
3. Doğrusal regresyon analizi yapılması ve genel doğrusal modellere genellenmesinin anlaşılması.
4. Modellerin mutlak uygunluk sınamasının yapılması.
5. Binom, Poisson, Negatif Binom, Gama ve Ters Gaus genel doğrusal modellerinin kullanımı.
6. Birçok modelin eş zamanlı kullanılması ile formel istatistiksel çıkarım yapılması.
7. Genel doğrusal modeller kullanılarak nokta süreçlerinin modellenmesi.
8. Analizlerin MATLAB programlama ortamında gerçekleştirilmesi. (Öğrenci dilerse ödev, proje ve sınavları Python, C veya R gibi bir programlama dilinde gerçekleştirebilir.)
Önkoşullar
Diferansiyel Denklemler, Olasılık ve İstatistik
Gereken Olanaklar
Diğer
Ders Kitabı
1) P. McCullagh and J. A. Nelder, Generalized Linear Models (2nd Edition), Chapman and Hall/CRC, 1989.
2) Y. Pawitan, In All Likelihood: Statistical Modelling and Inference Using Likelihood, Oxford University Press, 2013.
3) E. Parzen, K. Tanabe, G. Kitagawa, Selected Papers of Hirotugu Akaike, Springer-Verlag New York, 1998.
4) K. P. Burnham and D. R. Anderson, Model Selection and Multimodel Inference, Springer-Verlag, New York, 2002.
5) D. J. Daley and D. Vere-Jones, An Introduction to the Theory of Point Processes, Springer-Verlag, New York, 2003.
Diğer Referanslar
Dersler
.
Yardım
.
Hakkında
Ninova, İTÜ Bilgi İşlem Daire Başkanlığı ürünüdür. © 2025