VBM620 - BENZETİM TEKNİKLERİ
| Dersin Adı | Kodu | Yarıyılı | Teori (saat/hafta) |
Uygulama (saat/hafta) |
Yerel Kredi | AKTS |
|---|---|---|---|---|---|---|
| BENZETİM TEKNİKLERİ | VBM620 | Herhangi Yarıyıl/Yıl | 3 | 0 | 3 | 6 |
| Önkoşul(lar)-var ise | Yok | |||||
| Dersin Dili | Türkçe | |||||
| Dersin Türü | Seçmeli | |||||
| Dersin verilme şekli | Yüz yüze | |||||
| Dersin öğrenme ve öğretme teknikleri | Anlatım Tartışma Soru-Yanıt | |||||
| Dersin sorumlusu(ları) | Öğr.Gör.Dr. Haydar Demirhan | |||||
| Dersin amacı | Bu dersin amacı öğrencilerin rasgele sayı kavramını kavramasını, çeşitli kesikli ve sürekli dağılımlardan rasgele veri üretebilmesini, olasılıksal süreçlerin benzetimini yapabilmesini, sistem kavramını öğrenmesini, model üzerinden ve olay üzerinden sistem benzetimi yapabilmesini, benzetim çıktılarının çözümleyebilmesini ve yorumlayabilmesini sağlamaktır. | |||||
| Dersin öğrenme çıktıları |
| |||||
| Dersin içeriği | 1. Temel Tanım ve Kavramlar 2. Rasgele Veri Üretme 3. Rasgele Süreç Benzetimi 4. Monte Carlo Benzetim | |||||
| Kaynaklar | 1. Demirhan Parlak, Y., Demirhan, H., Bacanlı, S., 2008, A Simulation Study on Power Comparisons for Group Sequential Tests of Non-Parametric Statistics, Journal of Statistical Computation and Simulation, 79, 6, 769-785. 2. Demirhan, H., Dolgun, N.A. Demirhan Parlak, Y., Dolgun, M.Ö., 2010, Performance of Some Multiple Comparison Tests Under Heteroscedasticity and Dependency, Journal of Statistical Computation and Simulation, 80, 10, 1083 ? 1100. 3. Demirhan H., Hamurkaroğlu, C. Bayesian control limits for and R control charts for exponentially distributed measurements, Journal of Statistical Computation and Simulation, Basımda. 4. Erdemir, C., Kadılar, C., 2003, Benzetim Tekniklerine Giriş, Hacettepe Üniversitesi Yayınları, Ankara. 5. Fishman, G.S., 1995, Monte Carlo, Concepts, Algorithms and Applications, Springer, New York. 6. Gentle, J.E., 2003, Random number Generation and Monte Carlo Methods, Springer, New York. | |||||
Haftalara Göre İşlenecek Konular
| Haftalar | Konular |
|---|---|
| 1. Hafta | 1.1. Dersin amacı1.2. Temel tanım ve kavramlar:1.3. Sistem, sistem modelleri, olasılıksal sistem benzetimi,1.4. Benzetim yöntemlerinin tarihine kısa bir bakış.1.5. Rasgele sayı üretme. |
| 2. Hafta | 1.6. Üretilen rasgele sayının kabul edilmesi;2.1. Rasgele sayı üretme yöntemleri: 2.1.1. Ters dağılım fonksiyonu yöntemi, 2.1.2. Birleştirme yöntemi, 2.1.3. Reddetme yöntemi, 2.1.4. Tekbiçimlilerin oranı yöntemi. |
| 3. Hafta | 2.2. Özel sürekli dağılımlardan rasgele sayı üretme:2.2.1. Normal,2.2.2. Kesilmiş normal,2.2.3. Log-normal,2.2.4. Half-normal,2.2.5. Çarpık-normal,2.2.6. Gamma,2.2.7. Log-gamma,2.2.8. Genelleştirilmiş log-gamma,2.2.9. Erlang, |
| 4. Hafta | 2.2.9. Cauchy,2.2.10. Üstel,2.2.11. Kesilmiş üstel,2.2.12. Hiper-üstel,2.2.13. Laplace,2.2.14. Ki-kare,2.2.15. Weibull,2.2.16. Gumbel,2.2.17. Pareto,2.2.18. Rayleigh,2.2.19 Lojistik,2.2.20. Genelleştirilmiş lamda,2.2.21. t-dağılımı,2.2.22. F-dağılımı |
| 5. Hafta | 2.3. Özel kesikli dağılımlardan rasgele sayı üretme:2.3.1. Bernoulli,2.3.2. Binom,2.3.3. Hipergeometrik,2.3.4. Negatif binom,2.3.5. katlı ? terimli,2.4. Sürekli çok değişkenli dağılımlardan rasgele vektör üretme:2.4.1. çok değişkenli normal, |
| 6. Hafta | 2.4.2. genelleştirilmiş çok değişkenli log-gamma.2.5. Olasılık fonksiyonu ya da olasılık yoğunluk fonksiyonu bilinen dağılımlardan rasgele sayı üretme. |
| 7. Hafta | Ara Sınav |
| 8. Hafta | 2.6. Sıralı istatistikler.2.7. Rasgele süreç benzetimi :2.7.1. Poisson süreci, |
| 9. Hafta | 2.7.2. Birleşik Poisson süreci,2.7.3. Homojen olmayan Poisson süreci,2.7.4. Doğum ? ölüm süreci. 2.7.5. Uygulamalar |
| 10. Hafta | 2.8. Model üzerinden benzetim:2.8.1. Çoklu doğrusal regresyon modeli,2.8.2. Tek yönlü varyans çözümleme modeli,2.8.3. Poisson regresyon modeli,2.8.4. Lojstik regresyon modeli,2.8.5. Log-doğrusal model |
| 11. Hafta | 2.8. Model üzerinden benzetim:2.8.6. Makro-ekonomik modeller,2.8.7. Eşanlı modeller,2.8.8. Meso-ekonomik modeller,2.8.9. Mevsimsel olmayan ve mevsimsel arıma modelleri. |
| 12. Hafta | 2.9. Tek ? yönlü varyans çözümleme düzenlerinde çoklu karşılaştırma testleri benzetimi. |
| 13. Hafta | 2.10. Olay üzerinden benzetim:2.10.1. Yaşam dağılımları,2.10.2. Yaşam verileri,2.10.3. Sabit hazard oranlı klinik denemeler,2.10.4. Sabit olmayan hazard oranlı klinik denemeler.2.10.5. Birinci tip hatalar |
| 14. Hafta | 2.11. Grup ardışık klinik deneme benzetimi 2.12. Üretim süreci benzetimi |
| 15. Hafta | Sınava hazırlık |
| 16. Hafta | Genel Sınav |
Değerlendirme Sistemi
| Yarıyıl içi çalışmaları | Sayısı | Katkı Payı % |
|---|---|---|
| Devam (a) | 0 | 0 |
| Laboratuar | 0 | 0 |
| Uygulama | 0 | 0 |
| Alan Çalışması | 0 | 0 |
| Derse Özgü Staj (Varsa) | 0 | 0 |
| Ödevler | 2 | 15 |
| Sunum | 2 | 15 |
| Projeler | 0 | 0 |
| Seminer | 0 | 0 |
| Ara Sınavlar | 1 | 20 |
| Genel sınav | 1 | 50 |
| Toplam | 100 | |
| Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 5 | 50 |
| Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 1 | 50 |
| Toplam | 100 | |
AKTS (Öğrenci İş Yükü) Tablosu
| Etkinlikler | Sayısı | Süresi | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Laboratuvar | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Derse özgü staj (varsa) | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb) | 14 | 2 | 28 |
| Sunum / Seminer Hazırlama | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Ödevler | 2 | 30 | 60 |
| Ara sınavlara hazırlanma süresi | 1 | 20 | 20 |
| Genel sınava hazırlanma süresi | 1 | 30 | 30 |
| Toplam İş Yükü | 32 | 85 | 180 |
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
| D.9. Program Yeterlilikleri | Katkı Düzeyi* | ||||
|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |
| 1. Veri ve Bilgi Mühendisliği (VBM) hakkında detaylı bilgi sahibidir. | X | ||||
| 2. Soyutlama, karmaşıklık, güvenlik, koşut zamanlılık, yazılım süreçleri gibi ortak kavramlara hakimdir ve uzmanlığını bilişim sistemlerinin etkili biçimde tasarlanması, geliştirilmesi ve yönetilmesinde uygular. | X | ||||
| 3. Teori ve pratiğin etkileşimini ve aralarındaki bağları anlar. | X | ||||
| 4. Farklı soyutlama ve detay seviyelerinde düşünebilme yetisine sahiptir; dar kapsamlı bir gerçekleştirmenin ötesine geçerek bir bilişim sisteminin farklı bağlamlarda ele alınabileceğini anlar. | X | ||||
| 5. Herhangi bir teknik veya bilimsel problemi kendi başına çözümler ve mümkün en uygun çözümü sunar; çözümün bütünlüğünü ve varsayımlarını açıkça anlatabilecek iletişim becerisine sahiptir. | X | ||||
| 6. Takım içinde verimli çalışabilme için gerekli olan becerileri edinmek adına sıradan bir ders projesine oranla daha büyük ölçekli bir projeyi tamamlar. | X | ||||
| 7. VBM alanının hızla geliştiğinin farkındadır. En son gelişmeleri takip eder, kariyeri boyunca öğrenir ve becerilerini geliştirir. | X | ||||
| 8. VBM uygulamalarına dair sosyal, yasal, etik ve kültürel hususların farkındadır ve mesleki etkinliklerini bunlarla uyumlu şekilde yürütür. | X | ||||
| 9. Farklı dinleyici kitlelerine yüz yüze, yazılı ya da elektronik olarak İngilizce ve Türkçe sözlü sunumlar yapabilir. | X | ||||
| 10. VBM geniş bir uygulama alanına sahip olduğunun ve fırsatların farkındadır. | X | ||||
| 11. VBM farklı alanlarla etkileşim halinde olduğunun bilincindedir, alan uzmanlarıyla iletişim kurabilir ve onlardan gerekli alan bilgisi öğrenebilir. | X | ||||
| 12. Araştırma problemi tanımlayabilir ve çözmek için bilimsel yöntemler kullanır. | X | ||||
*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek