Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
3EEE 283PROBABILITY AND RANDOM VARIABLES3+0+03405.08.2026

 
Dersin Detayları
Dersin Dili İngilizce
Dersin Düzeyi Lisans
Bölümü / Programı ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ
Öğrenim Türü Örgün Öğretim
Dersin Türü Zorunlu
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Bu dersin temel amacı olasılık ve rassal değişkenler ve istatistiğin temellerini anlamalarını ve mühendislikte istatistik ve rassal değişkenlerin kullanımını anlamalarını sağlamaktır.
Dersin İçeriği Olasılık uzayının aksiyomatik tanımı. Rassal değişkenler; Dağılım ve yoğunluk fonksiyonları, şartlı olasılık, çarpım uzayları. Çok değişkenli dağılım, şartlı dağılım ve yoğunluklar, bağımsız rassal değişkenler, rassal değişkenlerin fonksiyonları, beklenen değer, moment ve karakteristik fonksiyonlar. Tanımlayıcı istatistik, Nokta tahmini, Örnekleme dağılım, İstatistiksel aralıklar
Dersin Yöntem ve Teknikleri Okuma, Problem Çözme, Sorgulama, Tartışma
Ön Koşulları Yok
Dersin Koordinatörü Doç.Dr. Taner İnce
Dersi Verenler Prof.Dr. TANER INCE
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Dimitri P. Bertsekas ve John N. Tsitsiklis Introduction to Probability Athena Scientific 2008
2. Hwei P. Hsu Schaum's Probability, Random Variables And Random Processes McGraw-Hill Education 2014
Ders Notları 1. Dimitri P. Bertsekas ve John N. Tsitsiklis Introduction to Probability Athena Scientific 2008
2. Hwei P. Hsu Schaum's Probability, Random Variables And Random Processes McGraw-Hill Education 2014

Ders Yapısı
Matematik ve Temel Bilimler %80
Mühendislik Bilimleri %20

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 2 % 60
Yarıyıl Sonu Sınavı 1 % 40
Toplam :
3
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Haftalık teorik ders saati 14 3 42
Haftalık uygulamalı ders saati 14 5 70
Materyal tasarlama, uygulama 2 2 4
Ara sınav ve ara sınava hazırlık 1 2 2
Toplam İş Yükü   AKTS Kredisi : 4 118

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Olasılık teorisinin temel kavramlarını öğrenir (örneğin, rastgele deneyler, olasılık aksiyomları, koşullu olasılık ve istatistiksel bağımsızlık).
2 Ayrık rastgele değişkenleri kümülatif dağılım fonksiyonları (CDF) ve olasılık kütle fonksiyonları (PMF) kullanarak ifade eder; rastgele değişkenlerin beklenen değerini hesaplar
3 Sürekli rastgele değişkenleri, beklenen değerleri, ortak olasılık yoğunluk fonksiyonlarını, koşullu olasılıkları, koşullu beklentileri, korelasyonu ve kovaryansı belirler
4 Ortak kümülatif dağılım fonksiyonları (CDF), olasılık kütle fonksiyonları (PMF), olasılık yoğunluk fonksiyonları (PDF); marjinal olasılık kütle fonksiyonları (PMF), olasılık yoğunluk fonksiyonları (PDF); bağımsız rastgele değişkenler, türetilmiş dağılımlar ve koşullu olasılık modelleri de dahil olmak üzere birden fazla rastgele değişkeni anlar
5 Tanımlyacı istatistik, nokta tahminini, örnekleme dağılımı ve istatistiksel aralıkları anlar.

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Küme Teorisi, Olasılıksal Modeller, Koşullu Olasılık
2 Toplam Olasılık Teoremi, Bayes Kuralı, Bağımsızlık, Sayma
3 Ayrık Rastgele Değişkenler, Olasılık Kütle Fonksiyonları (PMF),
4 Rastgele Değişkenlerin Fonksiyonları
5 Beklenen Değer
6 Ortalama ve varyans
7 Çoklu Rasssal Değişkenlerin Ortak Olasılık Fonksiyonları, Koşullandırma, Bağımsızlık
8 Sürekli Rassal Değişkenler ve Olasılık Yoğunluk Fonksiyonları
9 Kümülatif Dağılım Fonksiyonları
10 Normal Rassal Değişkenler
11 Kovaryans ve Korelasyon,
12 Tanımlayıcı istatistik
13 Parametrelerin Nokta Tahmini ve Örnekleme Dağılımları
14 İstatistiksel aralıklar

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11
Tüm 5 3
Ö1 5 5
Ö2 5 5
Ö3 5 5
Ö4 5 5
Ö5

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek