Endüstri Mühendisliği
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Mühendislik ve Doğa Bilimleri Fakültesi
Endüstri Mühendisliği Programı
Ders Bolognaları
Mühendislik ve Doğa Bilimleri Fakültesi
Endüstri Mühendisliği Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 05230307 | Olasılık | 2 | Güz | 3 | 3+0+0 | 3 | 6 |
| Dersin Türü | Zorunlu |
| Dersin Düzeyi | Lisans (TYYÇ: 6. Düzey / QF-EHEA: 1. Düzey / EQF-LLL: 6. Düzey) |
| Dersin Dili | Türkçe |
| Yöntem ve Teknikler | - |
| Dersin Veriliş Şekli | Yüz Yüze |
| Ön Koşullar | - |
| Dersin Koordinatörü | Prof. Dr. Murat DARÇIN |
| Dersi Veren(ler) | Dr. Öğr. Üyesi Fatma ÇİFTCİ |
| Yardımcı(lar) | - |
Dersin Öğretim Eleman(lar)ı
| Adı Soyadı | Oda No. | E-Posta Adresi | Dahili | Görüşme Saatleri |
|---|---|---|---|---|
| Dr. Öğr. Üyesi Fatma ÇİFTCİ | A-306 | [email protected] | 7429 |
Dersin İçeriği
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.
Dersin Amacı
Olasılık, Olasılığın matematiksel olarak kullanımı, basit ve karmaşık olasılık hesaplamaları, Kesikli ve sürekli olasılık için olasılık özelliklerin temel alan istatistiğe giriş.
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
| Temel Meslek Dersleri | X |
| Uzmanlık / Alan Dersleri | |
| Destek Dersleri | |
| Aktarılabilir Beceri Dersleri | |
| Beşeri, İletişim ve Yönetim Becerileri Dersleri |
Dersin Öğrenim Kazanımlarının Program Kazanımları ile Olan İlişkileri
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Program Yeterlilikleri | Düzey |
|---|---|---|
| P1 | Matematik, fen bilimleri ve Endüstri Mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri karmaşık Endüstri Mühendisliği problemlerinin çözümünde kullanabilme becerisi | 5 |
| P2 | Karmaşık Endüstri Mühendisliği problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | 5 |
| P5 | Endüstri Mühendisliği alanındaki karmaşık problemlerin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | 5 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | P.1.104 | 1 |
| Ö2 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | P.2.117 | 1 |
| Ö3 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | P.5.27 | 1 |
| Ö4 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | P.5.28 | 1 |
| Ö5 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | P.2.118 | 1 |
| Ö6 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | P.1.105 | 1 |
| Ö7 | 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 |
| Ö8 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | P.2.119 | 1 |
| Ö9 | 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 |
| Ö10 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | P.5.30 | 1 |
| Ö11 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | P.2.120 | 1 |
| Ö12 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | P.1.107 | 1 |
| Ö13 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | P.1.108 | 1 |
| Ö14 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | P.2.121 | 1 |
| Ö15 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | P.5.31 | 1 |
| ** Yazılı Sınav: 1, Sözlü Sınav: 2, Ev Ödevi: 3, Lab./Sınav: 4, Seminer/Sunum: 5, Dönem Ödevi: 6, Uygulama: 7 | |||
Dersin Haftalık İçeriği
| Hafta | Konu |
|---|---|
| 1 | Tanımlayıcı istatistik, nüfus ve örnekleme, nitel veriler, nicel veriler, merkezi eğilimi için Sıklık dağılımları için Sıklık dağılımları |
| 2 | Aritmetik, geometrik ortalama, harmonik ortalama, Karesel ortalama, standart sapma ve varyans, setleri, örnek alan, etkinlikler, örnek noktaları sayma |
| 3 | Olasılık bir olay, katkı kuralları, çarpma kuralları, koşullu olasılık |
| 4 | Bağımlı ve bağımsız olaylar, Bayes teoremi |
| 5 | Ayrık olasılık dağılımı, ilk Midyear sınavı |
| 6 | Sürekli olasılık dağılımı, ortak olasılık dağılımları, marjinal olasılık dağılımları, istatistiksel bağımlılık |
| 7 | Matematiksel beklenti, beklenen değer |
| 8 | Ara sınav |
| 9 | Sapma, varyans, Kovaryans beklenen değeri |
| 10 | Sapma, varyans, Kovaryans beklenen değeri |
| 11 | Sapma, varyans, Kovaryans beklenen değeri |
| 12 | Bazı ayrık olasılık dağılımları, tekdüze dağılım, binom dağılımı, Hipergeometrik dağılımı |
| 13 | Negatif binom dağılımını, geometrik dağılım, Poisson dağılımları |
| 14 | Normal dağılım |
| 15 | Binom dağılımı, Weibull dağılımını gama dağılımı, Kikare dağılımın normal dağılıma yaklaşım |
Ders Kitabı veya Malzemesi
| Kaynaklar | WALPOLE R.E., MYERS R.H., MYERS S.L. YE K.E., Probability and Statistics for Engineers and Scientists, 9th Edition, Prentice Hall, 2011. |
Değerlendirme Yöntemi ve Geçme Kriterleri
| Yarıyıl Çalışmaları | Sayısı | Katkı (%) |
|---|---|---|
| Devam | - | - |
| Laboratuvar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj (Varsa) | - | - |
| Ödev | - | - |
| Sunum | - | - |
| Projeler | - | - |
| Seminer | - | - |
| Kısa sınav (Quiz) | - | - |
| Dinleme | - | - |
| Ara Sınavlar | 1 | 40 (%) |
| Yarıyıl Sonu Sınavı | 1 | 60 (%) |
| Toplam | 100 (%) | |
AKTS / Çalışma Yükü Tablosu
| Etkinlik | Sayı | Süre | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Hafta Sayısı ve Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme) | 14 | 6 | 84 |
| Ara Sınav | 1 | 24 | 24 |
| Kısa Sınav | 0 | 0 | 0 |
| Ödev | 0 | 0 | 0 |
| Uygulama | 0 | 0 | 0 |
| Laboratuvar | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Atölye | 0 | 0 | 0 |
| Sunum/Seminer Hazırlama | 0 | 0 | 0 |
| Alan Çalışması | 0 | 0 | 0 |
| Dönem Sonu Sınavı | 1 | 30 | 30 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 180 | ||
| Toplam Yük / 30 | 6 | ||
| Dersin AKTS Kredisi: | 6 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P1 | P2 | P5 |
|---|---|---|---|---|
| Ö1 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | 5 | - | - |
| Ö2 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | 5 | - | - |
| Ö3 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | 5 | - | - |
| Ö4 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | 5 | - | - |
| Ö5 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | 5 | - | - |
| Ö6 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | - | 5 | - |
| Ö7 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | - | 5 | - |
| Ö8 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | - | 5 | - |
| Ö9 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | - | 5 | - |
| Ö10 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | - | 5 | - |
| Ö11 | Temel düzey kombinatoryal sayma (permütasyon, kombinasyon, vs.) ve mühendislik uygulamalarında kullanma becerisi kazanır. | - | - | 5 |
| Ö12 | Kesikli ve sürekli rassal değişkenleri tanımlama, dağılımlarını belirleme ve bunlara dayalı olasılık hesapları yapabilme becerisi kazanır. | - | - | 5 |
| Ö13 | Ortak dağılım, sınırsal dağılım, koşullu dağılım vs. gibi kavramlara dayalı olarak rassal değişkenlerin ortak davranışını inceleme ve çıkarımlara varma becerisi kazanır. | - | - | 5 |
| Ö14 | Mühendislik alanında en sıklıkla kullanılan kesikli ve sürekli dağılımların matematiksel yapısını ve bu dağılımların ne tür uygulamalara uygun olduğunu bilir. | - | - | 5 |
| Ö15 | İstatistik uygulamalarında kullanmak üzere beklenen değer, varyans, kovaryans vs. moment hesaplarını kuramsal olarak yapabilme becerisi kazanır. | - | - | 5 |