| 1 |
Giriş ve Temel Kavramlar Dersin tanıtımı ve hedefleri. Dayanıklı istatistiksel yöntemlerin önemi ve uygulama alanları. Klasik istatistiksel yöntemlerin sınırlamaları. Aykırı gözlemlerin tanımı ve istatistiksel analizdeki etkisi. |
| 2 |
Aykırı Gözlemlerin Türleri ve Belirlenmesi |
| 3 |
Dayanıklı tahmincilerin özellikleri. Klasik tahmincilerin (ör. ortalama, varyans) dayanıksızlığı. Robust tahminciler: Medyan, kesilmiş ortalama, Winsorized ortalama. |
| 4 |
Klasik regresyonun aykırı gözlemlere duyarlılığı. Robust regresyon yöntemleri: M-tahminciler, R-tahminciler, LTS (Least Trimmed Squares). Uygulama örnekleri. |
| 5 |
Robust kovaryans matrisi, uygulama |
| 6 |
Aykırı gözlemlerin dayanıklı yöntemlerle belirlenmesi |
| 7 |
Ara sınav |
| 8 |
Kanonik Korelasyon Analizi - Temel Kavramlar |
| 9 |
Robust kanonik korelasyon yöntemleri. Robust kovaryans matrisleri kullanımı. Uygulama örnekleri ve yazılım uygulamaları. |
| 10 |
Temel bileşenler analizinin amacı ve matematiksel temelleri. Klasik PCA'nın aykırı gözlemlere duyarlılığı. PCA uygulama örnekleri |
| 11 |
Robust PCA yöntemleri: Robust kovaryans matrisleri kullanımı. Uygulama örnekleri ve yazılım uygulamaları. |
| 12 |
Faktör analizinin amacı ve uygulama alanları. Klasik faktör analizi yöntemleri. Robust faktör analizi yöntemleri. Robust kovaryans matrisleri ve faktör yükleri. |
| 13 |
Kümeleme analizinin amacı ve yöntemleri: Hiyerarşik kümeleme, k-ortalamalar. |
| 14 |
Robust kümeleme yöntemleri: Robust k-ortalamalar, DBSCAN. |