Müfredat Adı | Ders Kodu | Ders Adı | Ders Türü | Dönem | AKTS | Teorik | Uygulama |
Doktora - 2015 | IST8054 | Bayesgil Çıkarım ve Parametre Kestirimi II | Seçmeli | 2 | 8,00 | 3 | 0 |
Müfredat Adı | Ders Kodu | Ders Adı | Ders Türü | Dönem | AKTS | Teorik | Uygulama |
Doktora - 2015 | IST8054 | Bayesgil Çıkarım ve Parametre Kestirimi II | Seçmeli | 2 | 8,00 | 3 | 0 |
Bu dersin amacı, doktora öğrencilerine genel tahmin ve tespit problemlerini titiz bir Bayes perspektifinden ele almak için birkaç önemli araç sağlamaktır. Bayesci istatistiklerin ardındaki felsefeyi, önsellerin yararlarını ve tuzaklarını, içsel hesaplama zorluklarını, klasik ve modern çıkarım araçlarını anlatacağız
-
Kurs, normal ve binom dağılımlarına dayananlar gibi basit modellerin tedavisi ile başlar. Tekli ve çok parametreli modeller için konjuge ve bilgilendirici olmayan önsel kavramlar gösterilmiştir. Hiyerarşik modellerin ve doğrusal resesyon modellerinin temel tedavisi de kapsanmaktadır. Gibbs örnekleyicisi ve Metropolis-Hastings algoritmaları gibi Bayes hesaplama yöntemleri kısaca bunların uygulanması ve basit vakalarda kullanımı üzerinde durularak sunulmaktadır.
sunum ve ev ödevi
yok
Türkçe
1. Peter D. Hoff (2009) A First Course in Bayesian Statistical Methods, Springer. 2. J. Albert (2007) Bayesian Computation with R, Springer. 3. R. Christensen, W. Johnson, A. Branscum, T. E. Hanson (2010) Bayesian Ideas and Data Analysis: An Introduction for Scientists and Statisticians, CRC Press. 4. Albert, J. (2009). Bayesian Computation with R. (Second edition). Springer, New York. 5. Ghosh, J.K., Delampady, M., Tapas, S. (2006). An Introduction to Bayesian Analysis. Springer, New York. 6. Hoff, P.D. (2009). A First Course in Bayesian Statistical Methods. Springer, New York. 7. Lee, P. (2004). Bayesian Statistics: an Introduction. Oxford University Press, New York.
yok
Hafta | Teorik |
---|---|
1 | Hazırlıklar; Bayes Çıkarımına Genel Bakış ve Temel Bilgiler |
2 | Mathematica bilgi işlem ortamına ve diline giriş; |
3 | Temel Bayes hesaplama |
4 | Bayes doğrusal modellerinin teorisi |
5 | Mathematica Hiyerarşik Modellemede Bayes Doğrusal Modeller |
6 | Markov zinciri Monte Carlo (MCMC) yöntemleri; |
7 | Ders Çalışma Haftası |
8 | Ara Sınav Haftası |
9 | Bayes Model Eleştirisi ve Seçimi |
10 | Ampirik Bayes yöntemleri: nokta ve aralık tahminleri, frekanscı karşılaştırmalar |
11 | Klinik araştırmalar için Bayesci tasarımlar |
12 | Hiyerarşik boyuna ve zaman serisi modelleri |
13 | Bayes parametrik olmayan regresyon |
14 | Yüksek boyutlu problemler için Bayesci çıkarım |
15 | Bayes istatistiklerinde vaka çalışmaları |
16 | Ders Çalışma Haftası |
17 | Yarı Yıl Sonu Sınavı |
Değerlendirme | Değer |
---|---|
Yarıyıl (Yıl) İçi Etkinlikleri | 50 |
Yarıyıl (Yıl) Sonu Etkinlikleri | 50 |
Yarıyıl (Yıl) Sonu Etkinlikleri | Değer |
Final Sınavı | 100 |
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Ders Öncesi/Sonrası Bireysel Çalışma | 30 | 4 | 120 |
Proje ve Hazırlığı | 1 | 20 | 20 |
Ödev ve Hazırlığı | 0 | 0 | 0 |
Laboratuvar ve Hazırlığı | 0 | 0 | 0 |
Atölye ve Hazırlığı | 0 | 0 | 0 |
Sunum ve Hazırlığı | 0 | 0 | 0 |
Seminer ve Hazırlığı | 1 | 15 | 15 |
Demo ve Hazırlığı | 0 | 0 | 0 |
Araştırma ve Hazırlığı | 0 | 0 | 0 |
Rapor ve Hazırlığı | 0 | 0 | 0 |
Arasınav ve Hazırlığı | 1 | 20 | 20 |
Kısa Sınav ve Hazırlığı | 0 | 0 | 0 |
Final ve Hazırlığı | 1 | 20 | 20 |
Teorik Ders Saati | 0 | 0 | 0 |
Uygulama Ders Saati | 0 | 0 | 0 |
ÖÇ1 | ||||||||||
ÖÇ2 | ||||||||||
ÖÇ3 | ||||||||||
ÖÇ4 | ||||||||||
ÖÇ5 |