DERS TANITIM ve UYGULAMA BİLGİLERİ
| Dersin Adı | Kodu | Yarıyıl | T+U+L (saat/hafta) | Türü (Z / S) | Yerel Kredi | AKTS |
|---|---|---|---|---|---|---|
| Olasılık ve İstatistik | FB 617 | Güz | 03+00+00 | Seçmeli | 3 | 7.5 |
| Akademik Birim: | |
| Öğrenim Türü: | Örgün eğitim |
| Ön Koşullar | Yok |
| Öğrenim Dili: | İngilizce |
| Dersin Düzeyi: | Doktora |
| Dersin Koordinatörü: | Belma ÖZTÜRKKAL |
| Dersin Amacı: | 1. Olasılık ve istatistiğin temel kavramları, kuramı ve yöntemlerinin öğretilmesi 2. Ekonomik ve finansal veri analizi, modelleme ve sonuç çıkarımı için stokastik ve istatistiksel çıkarsama bilgisinin aktarılması 3. Kuramsal bilgilerin empirik gerçekler ve gözlemlerle incelenmesi ve birleştirilmesine yönelik becerilerin güçlendirilmesi ve geliştirilmesi |
| Dersin İçeriği: | Rastgele olaylar ve olasılık aksiyomları, rastgele değişkenler ve dağılım fonksiyonları, olasılık ve moment çıkaran fonksiyonlar, karakteristik fonksiyonlar, koşullu olasılık Bayes teoremi ve istatistik bağımsızlık, önemli kesikli ve sürekli olasılık dağılımları, rastgele değişkenlerin fonksiyonlarının dağılımları, olasılıklar için eşitsizlikler ve sınırlar, yakınsama ve limit teoremleri, büyük sapmalar ve yaklaştırmalar, Markov zincirleri ve stokastik süreçler, veri ve veri türleri, örnekleme, örnekleme dağılımları, sıra istatistikleri, yeterli istatistikler, nokta ve aralık tahmin edicileri, tutarlı yansız ve etkin tahmin ediciler, güven aralıkları, tolerans aralıkları, parametre tahmini, parametrik olmayan tahmin yöntemleri, hipotez testleri ve karar verme, küçük ve büyük örneklemler için parametrik ve parametrik olmayan testler, güçlü düzgün- en-güçlü ve yansız testler, doğrusal modeller ve regresyon, hiyerarşik modeller, ANOVA ve MANOVA, genelleştirilmiş doğrusal ve doğrusal olmayan modeller, zaman serileri analizi ve ARMA türü modeller, eş-bütünlük, ARCH ve GARCH modelleri, spektral temsiller, parametrik olmayan tahmin ve hipotez testi yöntemleri, stokastik süreçler ve istatistik sonuç çıkarımı, istatitik karar çözümlemesi |
| Dersin Öğrenme Çıktıları (ÖÇ): |
|
| Dersin Öğrenme Yöntem ve Teknikleri | Sınıf içi anlatım ve, bilgisayar destekli sunum, durum incelemeleri, olasılık ve İstatistik çözümleme ve modelleme yazılımların kullanımı, ödevler ve rapor sunumları |
HAFTALIK PROGRAM
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | ||
| 2 | ||
| 3 | ||
| 4 | ||
| 5 | ||
| 6 | ||
| 7 | ||
| 8 | ||
| 9 | ||
| 10 | ||
| 11 | ||
| 12 | ||
| 13 | ||
| 14 |
Kadir Has Üniversitesi'nde bir dönem 14 haftadır, 15. ve 16. hafta sınav haftalarıdır.
ZORUNLU ve ÖNERİLEN OKUMALAR
| G. Casella, R.L. Berger (2002), Statistical Inference (2E), Duxbury/Thomas Learning A.Agresti, C. Franklin (2013), The Art and Science of Learning From Data (3E), Pearson R.V.Hogg, E.Tannis, D.Zimmermann (2015), Probability and Statistical Inference (9E), Pearson Ö.L.Gebizlioğlu, Ders Notları ve konuyla ilgili makaleler |
DİĞER KAYNAKLAR
| M.Seiler (2004), Performing Financial Studies, Pearson P.J. Bickel, K.A.Doksum (2006), Mathematical Statistics (2E), Pearson D.Ruppert (2011), Statistics and Data Analysis for Financial Engineering, Springer J.Franke, W.K. Hardle, C.M. Hafner (2011), Statistics of Financial Markets, Springer W.H.Greene (2012), Econometric Analysis (7E), Pearson |
DEĞERLENDİRME SİSTEMİ
| Yarıyıl İçi Çalışmaları | Sayı | Katkı Payı (%) |
|---|---|---|
| Total: | 0 | 0 |
İŞ YÜKÜ HESAPLAMASI
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Toplam İş Yükü (saat): | 0 | ||
1 AKTS = 25 saatlik iş yükü
PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ
| # | PY1 | PY2 | PY3 | PY4 | PY5 | PY6 | PY7 | PY8 | PY9 | PY10 | PY11 | PY12 | PY13 | PY14 | PY15 | PY16 |
| OC1 | ||||||||||||||||
| OC2 | ||||||||||||||||
| OC3 |
Katkı Düzeyi: 1 Düşük, 2 Orta, 3 Yüksek