Industrial Engineering
Course Details
KTO KARATAY UNIVERSITY
Mühendislik ve Doğa Bilimleri Fakültesi
Programme of Industrial Engineering
Course Details
Mühendislik ve Doğa Bilimleri Fakültesi
Programme of Industrial Engineering
Course Details
| Course Code | Course Name | Year | Period | Semester | T+A+L | Credit | ECTS |
|---|---|---|---|---|---|---|---|
| 88600010 | Probability and Statistics | 2 | Autumn | 3 | 3+0+0 | 3 | 5 |
| Course Type | Compulsory |
| Course Cycle | Bachelor's (First Cycle) (TQF-HE: Level 6 / QF-EHEA: Level 1 / EQF-LLL: Level 6) |
| Course Language | Turkish |
| Methods and Techniques | - |
| Mode of Delivery | Face to Face |
| Prerequisites | - |
| Coordinator | Prof. Murat DARÇIN |
| Instructor(s) | Asst. Prof. Sümeyye BAKIM |
| Instructor Assistant(s) | - |
Course Content
Tanımlayıcı istatistik, olasılık teorisi, koşullu olasılık, bayes teorisi, rassal değişkenler, kesikli ve sürekli olasılık dağılımları, ortak değerler, varyans ve Kovaryans, Çebışov teorisi, bazı ayrık olasılık dağılımları,rassal değişkenlerin fonksiyonları.
Objectives of the Course
Cognition of probability, usage of probability properties for simple and complex probability calculations, understanding of discrete and continous probability bases mathematically.
Contribution of the Course to Field Teaching
| Basic Vocational Courses | X |
| Specialization / Field Courses | |
| Support Courses | |
| Transferable Skills Courses | |
| Humanities, Communication and Management Skills Courses |
Relationships between Course Learning Outcomes and Program Outcomes
| Relationship Levels | ||||
| Lowest | Low | Medium | High | Highest |
| 1 | 2 | 3 | 4 | 5 |
| # | Program Learning Outcomes | Level |
|---|---|---|
| P1 | Sufficient knowledge of mathematics, science and Industrial Engineering discipline-specific subjects; Ability to use theoretical and applied knowledge in these fields to solve complex Industrial Engineering problems | 5 |
| P5 | Ability to design, conduct experiments, collect data, analyze and interpret results for the study of complex problems or discipline-specific research topics in the field of Industrial Engineering | 5 |
Course Learning Outcomes
| Upon the successful completion of this course, students will be able to: | |||
|---|---|---|---|
| No | Learning Outcomes | Outcome Relationship | Measurement Method ** |
| O1 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | P.1.104 | 1 |
| O2 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | P.1.105 | 1 |
| O3 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | P.1.106 | 1 |
| O4 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | P.1.107 | 1 |
| O5 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | P.1.108 | 1 |
| O6 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | P.5.27 | 1 |
| O7 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | P.5.28 | 1 |
| O8 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | P.5.29 | 1 |
| O9 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | P.5.30 | 1 |
| O10 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | P.5.31 | 1 |
| ** Written Exam: 1, Oral Exam: 2, Homework: 3, Lab./Exam: 4, Seminar/Presentation: 5, Term Paper: 6, Application: 7 | |||
Weekly Detailed Course Contents
| Week | Topics |
|---|---|
| 1 | Descriptive Statistics, Population and Sampling, Frequency Distributions for Qualitative Data, Frequency Distributions for Quantitative Data, Central Tendency |
| 2 | Arithmetic Mean, Geometric Mean, Harmonic Mean, Quadratic Mean, Standard Deviation and Variance, Sets, Sample Space, Events, Counting Sample Points |
| 3 | Probability of an Event, Additive Rules, Multiplicative Rules, Conditional Probability |
| 4 | Dependent and Independent Events, Bayes Theorem |
| 5 | Discrete Probability Distribution, First Midyear Exam |
| 6 | Continuous Probability Distribution, Joint Probability Distributions, Marginal Probability Distributions, Statistical Dependency |
| 7 | Mathematical Expectation, Expected value |
| 8 | Ara sınav |
| 9 | Variance, Expected Value of Variance, Covariance |
| 10 | Variance, Expected Value of Variance, Covariance |
| 11 | Variance, Expected Value of Variance, Covariance |
| 12 | Some Discrete Probability Distributions,Uniform Distribution, Binomial Distribution, Hypergeometric Distribution |
| 13 | Negative Binomial Distribution, Geometric Distribution, Poisson Distributions |
| 14 | Normal Distribution |
| 15 | Normal Distribution Approximation to Binomial Distribution, Gamma Distribution, Chi-squared Distribution, Weibull Distribution |
Textbook or Material
| Resources | WALPOLE R.E., MYERS R.H., MYERS S.L. YE K.E., Probability and Statistics for Engineers and Scientists, 9th Edition, Prentice Hall, 2011. |
Evaluation Method and Passing Criteria
| In-Term Studies | Quantity | Percentage |
|---|---|---|
| Attendance | - | - |
| Laboratory | - | - |
| Practice | - | - |
| Field Study | - | - |
| Course Specific Internship (If Any) | - | - |
| Homework | - | - |
| Presentation | - | - |
| Projects | - | - |
| Seminar | - | - |
| Quiz | - | - |
| Listening | - | - |
| Midterms | 1 | 40 (%) |
| Final Exam | 1 | 60 (%) |
| Total | 100 (%) | |
ECTS / Working Load Table
| Quantity | Duration | Total Work Load | |
|---|---|---|---|
| Course Week Number and Time | 14 | 3 | 42 |
| Out-of-Class Study Time (Pre-study, Library, Reinforcement) | 14 | 4 | 56 |
| Midterms | 1 | 20 | 20 |
| Quiz | 0 | 0 | 0 |
| Homework | 0 | 0 | 0 |
| Practice | 0 | 0 | 0 |
| Laboratory | 0 | 0 | 0 |
| Project | 0 | 0 | 0 |
| Workshop | 0 | 0 | 0 |
| Presentation/Seminar Preparation | 0 | 0 | 0 |
| Fieldwork | 0 | 0 | 0 |
| Final Exam | 1 | 32 | 32 |
| Other | 0 | 0 | 0 |
| Total Work Load: | 150 | ||
| Total Work Load / 30 | 5 | ||
| Course ECTS Credits: | 5 | ||
Course - Learning Outcomes Matrix
| Relationship Levels | ||||
| Lowest | Low | Medium | High | Highest |
| 1 | 2 | 3 | 4 | 5 |
| # | Learning Outcomes | P1 | P5 |
|---|---|---|---|
| O1 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | 5 | - |
| O2 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | 5 | - |
| O3 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | 5 | - |
| O4 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | 5 | - |
| O5 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | 5 | - |
| O6 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | - | 5 |
| O7 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | - | 5 |
| O8 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | - | 5 |
| O9 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | - | 5 |
| O10 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | - | 5 |