Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| TEMEL İSTATİSTİK | - | Senelik | 14+2 | - | 1 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Kurul Dersi |
| Dersin Koordinatörü | Prof.Dr. Mehmet KOÇAK |
| Dersi Verenler | Dr.Öğr.Üye. Kıvanç KÖK |
| Dersin Yardımcıları | |
| Dersin Amacı | Veriye dayalı karar verme süreçlerinde ve bilimsel ve makale ve tartişmaların etkin okunup anlaşılmasında ihtiyaç duyulan temel istatistik kavramlarını, terminolojisini ve yöntemlerini öğrenmek |
| Dersin İçeriği | Bu ders; Temel Tanımlar, Basit İstatistikler ve İstatistiksel Grafik Örnekleri,Örnekleme Yöntemleri, Deneysel Tasarımlar, Yanlılık Türleri ve Hatalar,Olasılık Kavramı ve Olasılık Kanunları,Sıkça Kullanılan Rastgele Değişken Türleri ve Dağılımları,Örneklem Dağılımları ve Merkezi Limit Teoremi,Güven Aralıkları ve Hipotez Testleri,İstatistiksel İlişki ve Korelasyon,Varyans Analizi ve Parametrik Olmayan Testler,Lineer Regresyon Modelleri; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Temel Tanımlar, Basit İstatistikler ve İstatistiksel Grafik Örnekleri: Bu dersin sonunda, öğrencilerin biyoistatistikteki temel terimlerin anlamlarını kazanmalarını, temel istatistikleri tanımalarını ve istatistiksel grafiklerin faydasına dair bir anlayış geliştirmelerini bekliyoruz. | 10, 13, 18, 19 | A |
| Örnekleme Yöntemleri, Deneysel Tasarımlar, Yanlılık Türleri ve Hatalar: Bu dersin sonunda, öğrencilerin farklı örnekleme yöntemlerini, farklı durumlardaki avantajlarını ve dezavantajlarını ayırt etmelerini, araştırmadaki çeşitli önyargı türleri için anlayış geliştirmelerini bekliyoruz. | 10, 13, 18, 19, 9 | A |
| Olasılık Kavramı ve Olasılık Kanunları: Bu dersin sonunda, öğrencilerin olasılığın teorik ve pratik anlamını anlamalarını ve olasılık yasalarını tanımalarını ve takdir etmelerini bekliyoruz. | 12, 13, 18, 6, 9 | A |
| Sıkça Kullanılan Rastgele Değişken Türleri ve Dağılımları: Bu dersin sonunda, öğrencilerin farklı rasgele değişkenleri tanımalarını, olasılık özelliklerine aşinalık kazanmalarını bekliyoruz. | 12, 13, 18, 6, 9 | A |
| Örneklem Dağılımları ve Merkezi Limit Teoremi: Bu dersin sonunda, öğrencilerin Merkezi Limit Teoreminin önemini ve faydasını anlamalarını ve örneklem ortalaması, örnek oranı, örneklem standart sapması gibi örnek istatistiklerin olasılık dağılımlarının arkasındaki mekanizmaları anlamalarını bekliyoruz. | 10, 12, 18, 9 | A |
| Güven Aralıkları: Bu dersin sonunda, öğrencilerin tanımlayıcı istatistiklerden çıkarımsal istatistiklere geçişin önemini anlamalarını ve örneklem ortalaması, örneklem oranı gibi tahmin edicileri kullanarak karşılık gelen popülasyon parametreleri için güven aralıklarının nasıl oluşturulacağını öğrenmelerini ve yorumlayabilmelerini bekliyoruz | 10, 12, 13, 18, 6, 9 | A |
| Hipotez Testleri: Bu dersin sonunda, öğrencilerin boş ve alternatif hipotezleri ayırt etmelerini ve bu hipotezlerin test prosedürlerinin arkasındaki olasılıksal test mekanizmalarını, öncelikle tek örnek ortalama, tek örnek orantı ve bunların iki örnek versiyonları için anlamalarını bekliyoruz. | 12, 13, 18, 6, 9 | A |
| İstatistiksel İlişki ve Korelasyon: Bu dersin sonunda, öğrencilerin istatistiksel ilişkinin varlığının nasıl test edileceği, büyüklüğünün ve yönünün nasıl ölçüleceği ve nedenselliği korelasyondan ayırt etme konusunda anlayış geliştirmelerini bekliyoruz. | 10, 12, 18, 9 | A |
| Varyans Analizi ve Parametrik Olmayan Testler: Bu dersin sonunda, öğrencilerin tek yönlü varyans analizi (ANOVA) yapma becerilerini geliştirmelerini, modelleme varsayımlarının karşılanıp karşılanmadığını anlamalarını bekliyoruz. Modelleme varsayımları karşılanmadığında öğrencilerimiz alternatif parametrik olmayan yaklaşımları belirleyebileceklerdir. | 12, 13, 18, 6, 9 | A |
| Lineer Regresyon Modelleri: Bu dersin sonunda, öğrencilerin doğrusal modellerin genel konsepti, bağımlı değişken ve bağımsız değişken arasındaki ilişkinin nasıl yorumlanacağı, model varsayımlarından sapmaların nasıl fark edileceği konularında anlayış geliştirmelerini bekliyoruz. | 10, 12, 18, 19, 6, 9 | A |
| Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 13: Örnek Olay Yöntemi, 18: Mikro Öğretim Tekniği , 19: Beyin Fırtınası Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel Tanımlar, Basit İstatistikler ve İstatistiksel Grafik Örnekleri | |
| 2 | Örnekleme Yöntemleri, Deneysel Tasarımlar, Yanlılık Türleri ve Hatalar | |
| 3 | Olasılık Kavramı ve Olasılık Kanunları | |
| 4 | Sıkça Kullanılan Rastgele Değişken Türleri ve Dağılımları | |
| 5 | Örneklem Dağılımları ve Merkezi Limit Teoremi | |
| 6 | Güven Aralıkları ve Hipotez Testleri | |
| 7 | İstatistiksel İlişki ve Korelasyon | |
| 8 | Varyans Analizi ve Parametrik Olmayan Testler | |
| 9 | Lineer Regresyon Modelleri |
| Kaynak |
| 1. Lecture Notes by Prof. Dr. Mehmet Koçak 2. IPSUR: Introduction to Probability and Statistics Using R Copyright © 2010 G. Jay Kerns, ISBN: 978-0-557-24979-4 (Digital book to be supplied by Prof. Dr. Mehmet Koçak) 3. Optional desk reference: Fundamentals of Biostatistics )7th Edition) by Bernard Rosner, Library of Congress Control Number: 2010922638, ISBN-13: 978-0-538-73349-6, ISBN-10: 0-538-73349-7 |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | PY1: İnsana ait (tıbbi) yapısal (morfolojik) ve işlevsel (fonksiyonel) normal yapıyı ve bozukluk (hastalık) durumlarını bilir. | ||||||
| 2 | PY2: Bozukluk (hastalık) durumlarının nedenlerinin temel bilimsel yaklaşımlarla araştırılması, tanısı ve tedavisi için gerekli yöntemleri bilir. | ||||||
| 3 | PY3: Bozukluk (hastalık) durumlarının nedenlerini, korunma yıllarını ve toplum sağlığının teşviki ve geliştirilmesi yöntemlerini bilir. | ||||||
| 4 | PY4: Sağlıkla ilgili bilgilerini ileri düzeyde geliştirebilme ve uygulayabilme yöntemlerini bilir. | ||||||
| 5 | PY5: Sağlıkla ilgili disiplinler arası ileri düzeyde bilgiye ulaşır, bilgiyi yorumlar ve uygular. | ||||||
| 6 | PY6: İnsan bedeninde yapısal ve fonksiyonel olarak tam bir klinik muayene yapar, sorunları tanımlar. | ||||||
| 7 | PY7: Teşhis için tetkik verilerini yorumlar ve klinik verilerle karşılaştırır ve çözüm önerilerini geliştirir. | ||||||
| 8 | PY8: Birey ve toplum sağlığının teşviki ve geliştirilmesi için uygun araçları seçip uygulayabilir. | ||||||
| 9 | PY9: Sağlıkla ilgili ileri düzeydeki bir çalışmayı bağımsız olarak planlar ve yürütür. | ||||||
| 10 | PY10: Birey ve toplum sağlığının teşviki ve geliştirilmesinde karşılaşılan sorunları çözmek için bireysel ve ekip üyesi olarak sorumluluk alır. | ||||||
| 11 | PY11: Teşhis ve tedavi için insan bedenine yapacağı her türlü uygulamanın sorumluluğunu alır. | ||||||
| 12 | PY12: Kişisel öğrenme gereksinimlerini belirler ve yaşam boyu öğrenmeye ilişkin olumlu tutum geliştirir. | ||||||
| 13 | PY13: Sağlık alanında edindiği bilgileri eleştirel bir yaklaşımla değerlendirir. | ||||||
| 14 | PY14: Hastayı, ilgili kişi ve kurumları ve toplumu sağlık sorunu ile ilgili bilgilendirir, çözüm önerilerini yazılı ve/veya sözlü olarak aktarır. | ||||||
| 15 | PY15: Sağlığın teşviki ve geliştirilmesi ile ilgili önerilerini verilerle destekleyerek disiplinler arası uzmanlarla paylaşır. | ||||||
| 16 | PY16: İngilizceyi en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanarak, alanındaki bilgileri izler ve iletişim kurar. | ||||||
| 17 | PY17: En az Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde bilgisayar yazılımı ile bilişim ve iletişim teknolojilerini kullanır. | ||||||
| 18 | PY18: Sağlık alanı ile ilgili verilerin elde edilmesi, yorumlanması, uygulanması ve duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere uygun hareket eder. | ||||||
| 19 | PY19: Sağlık alanı ile ilgili konularda strateji, politika ve uygulama planları geliştirebilir ve elde edilen sonuçları, kalite süreçleri çerçevesinde değerlendirebilir. | ||||||
| 20 | PY20: Sağlığın teşviki ve geliştirilmesi ile ilgili çalışmalarını nicel ve nitel verilerle destekleyerek disiplinler arası uzmanlarla sistemli bir biçimde paylaşır. | ||||||
| 21 | PY21: İş sağlığı ve güvenliği konularında yeterli bilince sahiptir. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
| Ders Saati | 7 | 2 | 14 | |||
| Rehberli Problem Çözme | 1 | 2 | 2 | |||
| Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 1 | 2 | 2 | |||
| Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
| Proje Sunumu / Seminer | 0 | 0 | 0 | |||
| Kısa Sınav (QUİZ) ve Hazırlığı | 1 | 1 | 1 | |||
| Ara Sınav ve Hazırlığı | 1 | 7 | 7 | |||
| Genel Sınav ve Hazırlığı | 1 | 10 | 10 | |||
| Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
| Toplam İş Yükü (Saat) | 36 | |||||
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(36/30) | 1 | |||||
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. | ||||||
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| TEMEL İSTATİSTİK | - | Senelik | 14+2 | - | 1 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Kurul Dersi |
| Dersin Koordinatörü | Prof.Dr. Mehmet KOÇAK |
| Dersi Verenler | Dr.Öğr.Üye. Kıvanç KÖK |
| Dersin Yardımcıları | |
| Dersin Amacı | Veriye dayalı karar verme süreçlerinde ve bilimsel ve makale ve tartişmaların etkin okunup anlaşılmasında ihtiyaç duyulan temel istatistik kavramlarını, terminolojisini ve yöntemlerini öğrenmek |
| Dersin İçeriği | Bu ders; Temel Tanımlar, Basit İstatistikler ve İstatistiksel Grafik Örnekleri,Örnekleme Yöntemleri, Deneysel Tasarımlar, Yanlılık Türleri ve Hatalar,Olasılık Kavramı ve Olasılık Kanunları,Sıkça Kullanılan Rastgele Değişken Türleri ve Dağılımları,Örneklem Dağılımları ve Merkezi Limit Teoremi,Güven Aralıkları ve Hipotez Testleri,İstatistiksel İlişki ve Korelasyon,Varyans Analizi ve Parametrik Olmayan Testler,Lineer Regresyon Modelleri; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Temel Tanımlar, Basit İstatistikler ve İstatistiksel Grafik Örnekleri: Bu dersin sonunda, öğrencilerin biyoistatistikteki temel terimlerin anlamlarını kazanmalarını, temel istatistikleri tanımalarını ve istatistiksel grafiklerin faydasına dair bir anlayış geliştirmelerini bekliyoruz. | 10, 13, 18, 19 | A |
| Örnekleme Yöntemleri, Deneysel Tasarımlar, Yanlılık Türleri ve Hatalar: Bu dersin sonunda, öğrencilerin farklı örnekleme yöntemlerini, farklı durumlardaki avantajlarını ve dezavantajlarını ayırt etmelerini, araştırmadaki çeşitli önyargı türleri için anlayış geliştirmelerini bekliyoruz. | 10, 13, 18, 19, 9 | A |
| Olasılık Kavramı ve Olasılık Kanunları: Bu dersin sonunda, öğrencilerin olasılığın teorik ve pratik anlamını anlamalarını ve olasılık yasalarını tanımalarını ve takdir etmelerini bekliyoruz. | 12, 13, 18, 6, 9 | A |
| Sıkça Kullanılan Rastgele Değişken Türleri ve Dağılımları: Bu dersin sonunda, öğrencilerin farklı rasgele değişkenleri tanımalarını, olasılık özelliklerine aşinalık kazanmalarını bekliyoruz. | 12, 13, 18, 6, 9 | A |
| Örneklem Dağılımları ve Merkezi Limit Teoremi: Bu dersin sonunda, öğrencilerin Merkezi Limit Teoreminin önemini ve faydasını anlamalarını ve örneklem ortalaması, örnek oranı, örneklem standart sapması gibi örnek istatistiklerin olasılık dağılımlarının arkasındaki mekanizmaları anlamalarını bekliyoruz. | 10, 12, 18, 9 | A |
| Güven Aralıkları: Bu dersin sonunda, öğrencilerin tanımlayıcı istatistiklerden çıkarımsal istatistiklere geçişin önemini anlamalarını ve örneklem ortalaması, örneklem oranı gibi tahmin edicileri kullanarak karşılık gelen popülasyon parametreleri için güven aralıklarının nasıl oluşturulacağını öğrenmelerini ve yorumlayabilmelerini bekliyoruz | 10, 12, 13, 18, 6, 9 | A |
| Hipotez Testleri: Bu dersin sonunda, öğrencilerin boş ve alternatif hipotezleri ayırt etmelerini ve bu hipotezlerin test prosedürlerinin arkasındaki olasılıksal test mekanizmalarını, öncelikle tek örnek ortalama, tek örnek orantı ve bunların iki örnek versiyonları için anlamalarını bekliyoruz. | 12, 13, 18, 6, 9 | A |
| İstatistiksel İlişki ve Korelasyon: Bu dersin sonunda, öğrencilerin istatistiksel ilişkinin varlığının nasıl test edileceği, büyüklüğünün ve yönünün nasıl ölçüleceği ve nedenselliği korelasyondan ayırt etme konusunda anlayış geliştirmelerini bekliyoruz. | 10, 12, 18, 9 | A |
| Varyans Analizi ve Parametrik Olmayan Testler: Bu dersin sonunda, öğrencilerin tek yönlü varyans analizi (ANOVA) yapma becerilerini geliştirmelerini, modelleme varsayımlarının karşılanıp karşılanmadığını anlamalarını bekliyoruz. Modelleme varsayımları karşılanmadığında öğrencilerimiz alternatif parametrik olmayan yaklaşımları belirleyebileceklerdir. | 12, 13, 18, 6, 9 | A |
| Lineer Regresyon Modelleri: Bu dersin sonunda, öğrencilerin doğrusal modellerin genel konsepti, bağımlı değişken ve bağımsız değişken arasındaki ilişkinin nasıl yorumlanacağı, model varsayımlarından sapmaların nasıl fark edileceği konularında anlayış geliştirmelerini bekliyoruz. | 10, 12, 18, 19, 6, 9 | A |
| Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 12: Problem Çözme Yöntemi, 13: Örnek Olay Yöntemi, 18: Mikro Öğretim Tekniği , 19: Beyin Fırtınası Tekniği, 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Temel Tanımlar, Basit İstatistikler ve İstatistiksel Grafik Örnekleri | |
| 2 | Örnekleme Yöntemleri, Deneysel Tasarımlar, Yanlılık Türleri ve Hatalar | |
| 3 | Olasılık Kavramı ve Olasılık Kanunları | |
| 4 | Sıkça Kullanılan Rastgele Değişken Türleri ve Dağılımları | |
| 5 | Örneklem Dağılımları ve Merkezi Limit Teoremi | |
| 6 | Güven Aralıkları ve Hipotez Testleri | |
| 7 | İstatistiksel İlişki ve Korelasyon | |
| 8 | Varyans Analizi ve Parametrik Olmayan Testler | |
| 9 | Lineer Regresyon Modelleri |
| Kaynak |
| 1. Lecture Notes by Prof. Dr. Mehmet Koçak 2. IPSUR: Introduction to Probability and Statistics Using R Copyright © 2010 G. Jay Kerns, ISBN: 978-0-557-24979-4 (Digital book to be supplied by Prof. Dr. Mehmet Koçak) 3. Optional desk reference: Fundamentals of Biostatistics )7th Edition) by Bernard Rosner, Library of Congress Control Number: 2010922638, ISBN-13: 978-0-538-73349-6, ISBN-10: 0-538-73349-7 |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | PY1: İnsana ait (tıbbi) yapısal (morfolojik) ve işlevsel (fonksiyonel) normal yapıyı ve bozukluk (hastalık) durumlarını bilir. | ||||||
| 2 | PY2: Bozukluk (hastalık) durumlarının nedenlerinin temel bilimsel yaklaşımlarla araştırılması, tanısı ve tedavisi için gerekli yöntemleri bilir. | ||||||
| 3 | PY3: Bozukluk (hastalık) durumlarının nedenlerini, korunma yıllarını ve toplum sağlığının teşviki ve geliştirilmesi yöntemlerini bilir. | ||||||
| 4 | PY4: Sağlıkla ilgili bilgilerini ileri düzeyde geliştirebilme ve uygulayabilme yöntemlerini bilir. | ||||||
| 5 | PY5: Sağlıkla ilgili disiplinler arası ileri düzeyde bilgiye ulaşır, bilgiyi yorumlar ve uygular. | ||||||
| 6 | PY6: İnsan bedeninde yapısal ve fonksiyonel olarak tam bir klinik muayene yapar, sorunları tanımlar. | ||||||
| 7 | PY7: Teşhis için tetkik verilerini yorumlar ve klinik verilerle karşılaştırır ve çözüm önerilerini geliştirir. | ||||||
| 8 | PY8: Birey ve toplum sağlığının teşviki ve geliştirilmesi için uygun araçları seçip uygulayabilir. | ||||||
| 9 | PY9: Sağlıkla ilgili ileri düzeydeki bir çalışmayı bağımsız olarak planlar ve yürütür. | ||||||
| 10 | PY10: Birey ve toplum sağlığının teşviki ve geliştirilmesinde karşılaşılan sorunları çözmek için bireysel ve ekip üyesi olarak sorumluluk alır. | ||||||
| 11 | PY11: Teşhis ve tedavi için insan bedenine yapacağı her türlü uygulamanın sorumluluğunu alır. | ||||||
| 12 | PY12: Kişisel öğrenme gereksinimlerini belirler ve yaşam boyu öğrenmeye ilişkin olumlu tutum geliştirir. | ||||||
| 13 | PY13: Sağlık alanında edindiği bilgileri eleştirel bir yaklaşımla değerlendirir. | ||||||
| 14 | PY14: Hastayı, ilgili kişi ve kurumları ve toplumu sağlık sorunu ile ilgili bilgilendirir, çözüm önerilerini yazılı ve/veya sözlü olarak aktarır. | ||||||
| 15 | PY15: Sağlığın teşviki ve geliştirilmesi ile ilgili önerilerini verilerle destekleyerek disiplinler arası uzmanlarla paylaşır. | ||||||
| 16 | PY16: İngilizceyi en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanarak, alanındaki bilgileri izler ve iletişim kurar. | ||||||
| 17 | PY17: En az Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde bilgisayar yazılımı ile bilişim ve iletişim teknolojilerini kullanır. | ||||||
| 18 | PY18: Sağlık alanı ile ilgili verilerin elde edilmesi, yorumlanması, uygulanması ve duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere uygun hareket eder. | ||||||
| 19 | PY19: Sağlık alanı ile ilgili konularda strateji, politika ve uygulama planları geliştirebilir ve elde edilen sonuçları, kalite süreçleri çerçevesinde değerlendirebilir. | ||||||
| 20 | PY20: Sağlığın teşviki ve geliştirilmesi ile ilgili çalışmalarını nicel ve nitel verilerle destekleyerek disiplinler arası uzmanlarla sistemli bir biçimde paylaşır. | ||||||
| 21 | PY21: İş sağlığı ve güvenliği konularında yeterli bilince sahiptir. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |