Biyoistatistik (Tezli) Önizleme
Yüksek Lisans	TYYÇ: 7. Düzey	QF-EHEA: 2. Düzey	EQF-LLL: 7. Düzey

Course General Introduction Information

Ders Kodu:

BYI001

Course Name:

Regresyon Çözümlemesi

Ders Yarıyılı:

Güz
Bahar

Ders Kredileri:

AKTS

Öğretim Dili:

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Dersin Türü:

Bölüm Seçmeli

Dersin Seviyesi:

Yüksek Lisans

TYYÇ:7. Düzey

QF-EHEA:2. Düzey

EQF-LLL:7. Düzey

Dersin Veriliş Şekli:

Yüz yüze

Dersin Koordinatörü:

Dr.Öğr.Üyesi AYHAN PARMAKSIZ

Dersi Veren(ler):

Prof Dr C. Reha Alpar, Dr. Öğr. Üyesi Ayhan Parmaksız

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:

Basit ve çoklu doğrusal regresyon modellerinin ne amaçla kullanıldığını, modellerin nasıl kurulduğunu, nasıl çözümlendiğini ve yorumlandığını, çeşitli istatistiksel yazılımlar yardımıyla bu çözümlemelerin nasıl yapıldığı öğretmek. Doğrusal olmayan regresyon modelleri konusunda da belirli düzeyde bilgi sahibi olmalarını sağlamak.

Dersin İçeriği:

- Doğrusal regresyonun amaçları
- Doğrusal regresyonun kullanım yerleri
- Doğrusal regresyonun varsayımları
- Basit doğrusal regresyon
- Doğrusal olmayan regresyon modelleri
- Çoklu doğrusal regresyon
- Modellerin yeterlik ölçüleri
- Niteliksel bağımsız değişkenler olduğunda regresyon modelleri.
- Değişken seçim yöntemleri
- Temel bileşenler regresyonu
- Regresyon modellerinin geçerliği

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Öğrenci basit ve çoklu doğrusal regresyon modellerinin ne amaçla kullanıldığını bilir.
2) Öğrenci basit ve çoklu doğrusal regresyon modellerinin nasıl kurulduğunu bilir.
3) Öğrenci basit ve çoklu doğrusal regresyon modellerinin nasıl çözümlendiğini bilir.
4) Öğrenci çeşitli istatistiksel yazılımlar yardımıyla çözümlemeleri yapar.
5) Öğrenci basit ve çoklu doğrusal regresyon modelleri ilgili sorunları kendi başlarına çözer.
6) Öğrenci regresyon çözümlemesine ilişkin çıktıları yorumlar.
7) Öğrenci doğrusal olmayan regresyon modelleri konusunda da belirli düzeyde bilgi sahibi olur.

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Doğrusal regresyonun amacı, kullanım yerleri, özellikleri, varsayımları, değişik istatistiksel yazılımların regresyon ile ilgili modülleri.
2)	Hafta Basit doğrusal regresyon analizi, katsayıların elde edilmesi, standart hataları, katsayıların ve kestirimlerin güven aralıkları ve hipotez testleri.
3)	Doğrusal olmayan regresyon modelleri ve doğrusallaştırılabilen doğrusal olmayan modeller.
4)	Hafta Çoklu doğrusal regresyon analizi, katsayıların elde edilmesi, standart hataları, katsayılar ve kestirimler için güven aralıkları ve hipotez testleri.
5)	Hafta Regresyon modellerinin yeterliği ile ilgili ölçüler; artıkların incelenmesi (ham artıklar, standartlaştırılmış artıklar, student türü artıklar, vb.) ve artıklara ilişkin grafik çizimleri.
6)	Regresyon modellerinin yeterliği ile ilgili ölçüler (Cook uzaklığı, gözlem uzaklığı, Mahalanobis uzaklığı, DFBETA, DFITS, vb.) ve grafik çizimleri.
7)	Hafta Regresyonda değişen varyanslılık sorunu, belirlenmesi ve giderilmesi. Regresyonda çoklubağlantı sorunu, belirlenmesi ve giderilmesi.
8)	Artıkların normalliği ve özilişki sorunu. Özilişki (otokorelasyon) sorununun giderilmesi. Modelin geçerliği ile ilgili ölçüler (PRESS istatistiği, vb.)
9)	Modelde nitelik değişkenin varlığında göstermelik (kukla) değişkenlerin kullanımı.
10)	Değişken seçim yöntemleri, temel bileşenler regresyonu.
11)	Tıp literatüründen makale inceleme
12)	Binary Lojistik Regresyon
13)	Ordinal Lojistik Regresyon
14)	Multinomial Lojistik Regresyon

Kaynaklar

Ders Notları / Kitaplar:

Diğer Kaynaklar:

1. Daniel, Wayne W., Chad L. Cross. Biostatistics: a foundation for analysis in the health sciences. 10th Edition, John Wiley&Sons, 2018.
2. Montgomery D.C., Peck E.A., Vining G. G. Introduction to Linear Regression Analysis. 5th Edition, John Wiley-Sons, Inc. Publications, New Jersey, 2012.
3. Kleinbaum D. G., Kupper L. L., Nizam A., Muller K. E., Rosenberg, E.S. Applied Regression Analysis and Other Multivariable Methods. 5th Edition, Cengage Learning, 2013.
4. Chatterjee S. and Hadi A. S. Regression Analysis by Example. 5th Edition, John Wiley-Sons, Inc. Publications, New Jersey, 2012.
5. Alpar R. Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, Ankara, 2021.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Orta	3 En Yüksek

Dersin Program Kazanımlarına Etkisi

Katkı Payı

Öğrenme Etkinliği ve Öğretme Yöntemleri

Anlatım
Bireysel çalışma ve ödevi
Ders
Okuma
Ödev
Soru cevap/ Tartışma
Uygulama (Modelleme, Tasarım, Maket, Simülasyon, Deney vs.)

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama)
Sözlü sınav
Ödev
Uygulama

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları	Aktivite Sayısı	Katkı Payı
Ödev	1	% 40
Final	1	% 60
Toplam		% 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI		% 40
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI		% 60
Toplam		% 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler	Aktivite Sayısı	Aktiviteye Hazırlık	Aktivitede Harçanan Süre	Aktivite Gereksinimi İçin Süre	İş Yükü
Ders Saati	14	3			42
Sınıf Dışı Ders Çalışması	10	3			30
Ödevler	10	1			10
Ara Sınavlar	1	30			30
Final	1	50			50
Toplam İş Yükü					162