Dersi Veren Fakülte \ Bölüm
İktisadi ve İdari Bilimler Fakültesi \ İşletme
Kredi
AKTS
Ders Türü
Öğretim Dili
Bu ders sayısal olarak ölçülmesi mümkün toplu olayların gözlenmesi, verilerin toplanması, düzenlenmesi, sunulması, analizi ve yorumlanmasını sağlamak, özellikle işletme, ekonomi ve finans alanına ait sayısal bilgilerin ne anlama geldiği örneklemler vasıtasıyla inceleyerek sayısal bilgilerin arka planındaki teorik ve uygulama sonucu elde edilen bilgileri yorumlamak, analiz ve sentez yapma becerileri geliştirmek, bir konudaki görüş ve önerileri sayısal bilgilerle desteklemek ve geçmiş ve şimdiki verilerden yararlanarak gelecek hakkında tahminlerde ve çıkarımlarda bulunmayı kapsamaktadır.
Ders Kitapları ve/veya Kaynaklar
1. Dekking, F. M., Kraaikamp, C., Lopuhaä, H. P., & Meester, L. E. (2006). A Modern Introduction to Probability and Statistics: Understanding why and how, Springer Science & Business Media.
2. Tabachnick, B.G. ve Fidell, L.S. (2013), Using Multivariate Statistics, 7th Edt., Pearson Education. Inc., Boston.
3. Hair, Joseph F., William C. Black, Barry J. Babin, & Rolph E. Anderson, R. E. (2014). Multivariate Data Analysis, 7th Edt., Pearson Education Limited.
4. Ho, R. (2006). Handbook of Univariate and Multivariate Data Analysis and Interpretation with SPSS, CRC press.
5. Landau, S. and Everitt, B.S. (2004). A Handbook of Statistical Analyses using SPSS, Chapman & Hall/CRC Press LLC.
6. Cleophas, T. J., & Zwinderman, A. H. (2016). SPSS for Starters and 2nd Levelers, Switzerland: Springer.
Bu dersin amacı karşılaşılan problemlere yönelik istatistiksel yöntemlerini istatistik yazılım paketleri kullanarak analizler yapmak ve elde edilen sonuçları yorumlayarak ve çıkarımlarda bulunarak çözümlere ilişkin yaklaşımlar geliştirmektedir.
1. İstatistiğin temel kavramları, örneklem dağılımları, olasılık dağılımları, hipotez testi ve istatistiksel testlerin temelleri hakkında bilgi sahibi olacaktır.
2. Kesikli ve sürekli olasılık dağılımlarını anlayacak ve bu dağılımlar üzerinden veri analizi yapabilecektir.
3. Örneklem almanın ve örneklem dağılımlarının nasıl işlediğini öğrenecek, istatistiksel sonuçların genellenebilirliğini kavrayacaktır.
4. Basit ve ileri düzeyde istatistiksel analiz yöntemlerini ve modelleme çeşitlerini öğrenir.
5. Verileri toplama, düzenleme ve analiz için uygun hale getirme yeteneği gelişecektir.
6. İstatistiksel analizler için yaygın kullanılan yazılım paketlerini (örneğin SPSS, R, Excel vb.) etkin bir şekilde kullanma becerisi kazanacaktır ve teorik olarak öğrendiği yöntem ve metotları uygulamalı olarak işleyebilecektir.
7. Analiz edilen verilerin sonuçlarını doğru bir şekilde yorumlayarak anlamlı çıkarımlar yapma yeteneği kazanacaktır ve çıktıları akademik yazın kuralları çerçevesinde ve araştırma etiğine bağlı kalarak raporlamayı öğrenecektir.
1. Hafta: Uygulamalı İstatistiğe Giriş-I
2. Hafta: Uygulamalı İstatistiğe Giriş-II
3. Hafta: Kesikli ve Sürekli Olasılık Dağılımları
4. Hafta: Örneklem Dağılımları
5. Hafta: T-Test ve One-Way ANOVA
6. Hafta: Korelasyon Analizi ve Basit Doğrusal Regresyon Analizi
7. Hafta: Çoklu Regresyon Analizi
8. Hafta: Kukla Değişken ile Regresyon Analizi
9. Hafta: Diskriminant ve Lojistik Regresyon Analizi
10. Hafta: Faktör Analizi
11. Hafta: Kümeleme Analizi
12. Hafta: Çok Boyutlu Ölçeklendirme
Referens Değerlendime Ölçütleri
• Ara Sınav % 30
• Final % 60
• Derse Katılım % 10
|
Program Çıktısı
*
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
|
|
|
|
|
|
|
|
|
|
| 4 |
|
|
|
|
|
|
|
|
|
|
|
|
| 5 |
|
|
|
|
|
|
|
|
|
|
|
|
| 6 |
|
|
|
|
|
|
|
|
|
|
|
|
| 7 |
|
|
|
|
|
|
|
|
|
|
|
|