| 1 |
Giriş: İstatistiksel Akıl Yürütmenin Matematik Temelleri " |
| 2 |
Olasılık Teorisine Giriş: Olasılığın Tanımları; Koşullu Olasılık; Bağımsızlık; Bayes Teoremi |
| 3 |
Rastlantı Değişkenleri: Kesikli ve Sürekli Rastlantı Değişkenleri; Matematiksel Beklenti; Moment Türeten ve Karakteristik Fonksiyonlar; Mathematica Uygulamaları |
| 4 |
Özel Olasılık Dağılımları: Binom, Hipergeometrik, Poisson, Uniform, Üstel, Gamma, Beta Dağımları ve Matematiksel Özellikleri; Mathematica Uygulamaları |
| 5 |
Çok Değişkenli Olasılık Dağılımları: Marjinal ve Koşullu Olasılık Dağılımları; Bağımsız Rastlantı Değişkenleri; Koşullu Matematiksel Beklenti; Mathematica Uygulamaları |
| 6 |
Rastlantı Değişkenlerinin Fonksiyonları: Tek ve İki Değişkenli Transformasyon ve CDF Yöntemleri; MGF Yöntemi; Mathematica Uygulamaları |
| 7 |
Örnekleme Dağılımları: Örnekleme Kavramı; Normal, Ki-Kare, t ve F Dağılımlarının Matematik Derivasyonları; Chebychev Eşitsizliği; Mathematica Uygulamaları |
| 8 |
İstatistiksel Tahmin: Nokta ve Aralık Tahmini; Güven Aralığı Kavramı; Tek Ve İki Parametre Tahminleri; Simülasyon ve Tahmin; Mathematica Uygulamaları |
| 9 |
Nokta Tahmincilerinin Teorik Özellikleri: Yansızlık; İzafi Etkinlik, Yeterlilik; Minimum Varyans, Dayanıklılık; Cramer-Rao Eşitsizliği; Mathematica Uygulamaları |
| 10 |
Tahmin Yöntemleri: Momentler Yöntemi; Maksimum Likelihood Yöntemi; Bayesyen Tahmin; Mathematica Uygulamaları |
| 11 |
Hipotez Testi: İki Tip Hata; Testin Gücü; OC ve Güç Eğrileri; Pearson Neyman Lemma; Mathematica Uygulamaları |
| 12 |
Lineer Modeller: EKKY’nin İstatistik ve Matematik Temelleri; BLUE Tahminci; Geometrik Yaklaşımlar; Mathematica Uygulamaları |
| 13 |
Alternatif Regresyon Modelleri: LMS; LTS; Regresyon Derinliği; Mathematica Uygulamaları |
| 14 |
Varyans Analizi: Tek ve Çift Yönlü Varyans Analizi; Lineer Model Yaklaşımı; Varyans Analizine Geometrik Yaklaşım; Mathematica Uygulamaları |
