MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 503 Çapraz Tablolar ve Log Lineer Modeller in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 dersini almış ve başarmış olmak Çapraz tablolarda değişken tipleri, ilişki istatistikleri, çok yönlü kikare çözümlemeleri, risk analizleri, uyum istatistikleri, duyarlılık ve güvenirlilik katsayıları, ROC eğrileri binary değişkenler ve lojistik regresyon. Çapraz tablo istatistiklerinin kavranması Kategorik veri çözümlemelerine karar verebilme ve ilgili yöntemleri uygulayabilme. Agresti, A., Categorical Data Analysis, John Willey & Sons., 1990 Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Çapraz tablolarda değişken tipleri 2. hafta Çapraz tablolarda değişken tipleri
3. hafta İlişki istatistikleri 4. hafta İlişki istatistikleri 5. hafta Çok yönlü ki-kare çözümlemeleri 6. hafta Risk analizleri 7. hafta Risk analizleri 8. hafta Uyum istatistikleri 9. hafta Uyum istatistikleri 10. hafta Duyarlılık ve güvenirlilik katsayıları 11. hafta Duyarlılık ve güvenirlilik katsayıları 12. hafta ROC eğrileri. 13. hafta Binary değişkenler ve lojistik regresyon 14. hafta Binary değişkenler ve lojistik regresyon
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 504 Q Basic ve Fortran 90 ile Bilgisayar Programlama in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Akış Şeması, algoritma geliştirme, programlama dilleri, QBasic, Fortran 90 ile biyoistatistik uygulamaları. Programlama dillerinin biyoistatistik uygulamalarında kullanılması. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Öğr. Gör. Tufan Mengi tufanmengi@mersin.edu.tr Konu Başlıkları 1. hafta Programlama dilinin temelleri ve aralarındaki farklar 2. hafta Değişkenler ve sabitlerin tanımlanması, onlara veri atanması ve bu verilerin kullanılması 3. hafta Girdi, çıktı ve hesap akış şemalarının çizilmesi
4. hafta Kıyaslama mantıkları akış şemalarının çizilmesi 5. hafta Döngülerin akış şemalarının çizilmesi 6. hafta Kumbara mantığının oluşturulması 7. hafta Dizilerin kullanılması 8. hafta Basit algoritmaların geliştirilmesi 9. hafta Karmaşık algoritmaların geliştirilmesi 10. hafta Metin dosyası yaratma, kaydetme ve okuma işlemleri 11. hafta Akış şemalarının programlama dillerine aktarılması 12. hafta Basit biyoistatistik uygulamalarının programlanması 13. hafta Karmaşık biyoistatistik uygulamalarının programlanması 14. hafta Yerel veritabanında verilerin saklanması
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 505 Biyoistatistikte Simulasyon Teknikleri in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Simulasyon kavramı, rasgele sayı üretimi, Uniform, Normal Z, T, F ve ki-kare dağılımlarının simulasyonu, simulasyon ile örnekleme ve hipotez kontrolü, çok değişkenli normal dağılım simulasyonu ve Fortran 90 uygulamaları. Biyoistatistik alanında simülasyon çalışması planlayabilmek. Öğrenci ders sonunda kendi başına biyoistatistik alanı için simulasyon çalışması kurgulayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Simulasyon kavramı 2. hafta Rasgele sayı üretimi 3. hafta Uniform Dağılımının Simülasyonu
4. hafta Normal Dağılımının Simülasyonu 5. hafta Z Dağılımının Simülasyonu 6. hafta T Dağılımının Simülasyonu 7. hafta F Dağılımının Simülasyonu 8. hafta Ki-kare Dağılımının Simülasyonu 9. hafta Simulasyon ile örnekleme ve hipotez kontrolü 10. hafta Simulasyon ile örnekleme ve hipotez kontrolü 11. hafta Çok değişkenli normal dağılım Simulasyonu 12. hafta Fortran 90 uygulamaları 13. hafta 14. hafta Fortran 90 uygulamaları Fortran 90 uygulamaları
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 506 Sağlık Bilimlerinde İstatistik Metotlarının ve Bilgisayar Teknolojisinin Etkin Kullanımı in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Literatür tarama tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, yeni gelişmeleri uygulama ve yorumlama, program ve model geliştirme uygulamaları. Biyoistatistik Anabilim Dalı nın sağlık bilimlerinin diğer anabilim dalları ile birlikte çalışması hedeflenmiştir. Öğrenci ders sonunda kendi başına makale tarayabilir, okuyup istatistik materyal metodunu anlayabilir ve yorumlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Literatür tarama 2. hafta Literatür tarama
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Tartışma ve seminerler yoluyla istatistik metotlarından ve bilgisayar teknolojisinden daha etkin bir şekilde yararlanma, Yeni gelişmeleri uygulama ve yorumlama, program ve model geliştirme uygulamaları. Yeni gelişmeleri uygulama ve yorumlama, program ve model geliştirme uygulamaları. Yeni gelişmeleri uygulama ve yorumlama, program ve model geliştirme uygulamaları. Yeni gelişmeleri uygulama ve yorumlama, program ve model geliştirme uygulamaları.
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 507 Seminer Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 0 0 0 0 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Biyoistatistikte güncel konular ve yeniliklerinin incelenmesi ve tartışılması yapılacaktır. Program öğrencilerin güncel biyioistatistik çalışmalarını araştırıp sunmalarını sağlamak Tez çalışması öncesi belirli konularla ilgili tarama yapma, bunları değerlendirme ve rapor biçiminde sunma becerileri Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık arzukanik@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta 3. hafta Haftalık tartışma Haftalık tartışma Haftalık tartışma
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Haftalık tartışma Sunumun yapılması
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 510 Sağlık bilimlerinde Araştırma Yöntemleri I in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Temel İstatistik Kavramlar, değişken tipleri, tanımlayıcı istatistikler, yaygın kullanılan istatistik dağılımlar ve özellikleri, istatistiklere ait örnekleme dağılımları, hipotez kavramı ve hata tipleri, tek örneklem ve iki bağımlı ve bağımsız örnekleme ait hipotez kontrolleri. Öğrencilere, temel istatistiksel sorunları kendi basına çözebilme, yorumlayabilme ve kendi alanındaki literatürde yer alan istatistiksel çözümlemeleri kavrayıp eleştirel olarak yorumlayabilme becerisi kazandırılmaya çalışılır. Bu dersi alan öğrenciler, ileri düzeyde alacakları diğer istatistik derslerinde daha başarılı olabilecek ve diğer istatistiksel derslerde kendilerini daha kolay geliştirebileceklerdir. 1. Sümbüloglu K ve Sümbüloglu V. Biyoistatistik. Somgür Yayıncılık, Ankara, 2003. 2. Özdamar K. SPSS ile Biyoistatistik. Kaan Kitabevi, Eskisehir, 1999. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Temel istatistiksel kavramlar, istatistik, biyoistatistik, biyoistatistigin kullanım alanları, evren, örneklem, istatistik, parametre, veri, degisken, veri tipleri vb.
2. hafta 3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Tanımlayıcı istatistikler; verilerin sınıflandırılması, ortalama ve konum ölçüleri, histogram, çubuk grafik, dal-yaprak grafiği vb. Tanımlayıcı istatistikler: yaygınlık ölçüleri, kutu-çizgi grafikleri, ortalama ve standart sapma grafikleri vb. İlişkilerin tablo ve grafiklerle incelenmesi: Çapraz tablolar, ortalamaya göre tablolar, temel grafik gösterimlerin çok değişkenli uygulamaları, saçılım grafikleri vb. Kuramsal dağılışlar: Normal dağılım, binom dağılımı, poisson dağılımı. Normallik testleri ve grafikleri.. Örneklem dağılışları ve güven aralıkları: Ortalamanın ve oranın örneklem dağılışı, güven aralıkları, yorumları. Araştırma ve Örnekleme Yöntemleri, Farklı araştırma türleri, Farklı örnekleme yöntemleri ve kullanım yerleri. Hipotez testlerine giriş: Hipotez testinin amacı, aşamaları, hataları, p ve alfa değerleri, karar verme süreci, parametrik ve parametrik olmayan hipotez testleri. Hipotez Testleri (Tek örneklem testleri) Hipotez testleri (Bağımsız iki örneklem testleri) Hipotez Testleri (Bağımlı iki örneklem testleri) Hipotez Testleri (Bağımsız ve bağımlı k örneklem testleri) Korelasyon ve farklı korelasyon katsayıları: Pearson, Spearman, phi, Cramer V, Eta, vb. Basit ve Çoklu Doğrusal Regresyon
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 511 Sağlık Bilimlerinde Araştırma Yöntemleri II in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 dersini almış ve başarmış olmak. Varyans analizi modeli ve önşartları, veri transformasyonları, basit varyans analizi ve çoklu karşılaştırma metotları, tesadüf bloklarında varyans analizi, Latin kare deneme düzeni ve analizi, faktoriyel varyans analizi modelleri ve kovaryans analizi. Varyans analizi deneme düzenlerini tanımlamak. Öğrenci veri setinin özelliğine en uygun deneme düzenini karar verebilir ve ilgili varyans analizi yöntemi uygulayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Varyans analizi modeli 2. hafta 3. hafta Varyans analizinin önşartları Veri transformasyonları,
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Basit varyans analizi Basit varyans analizi için çoklu karşılaştırma metotları İki yönlü varyans analizi Tekrarlanan Ölçümlü varyans analizi Tekrarlanan Ölçümlü varyans analizi Tesadüf bloklarında varyans analizi Tesadüf bloklarında varyans analizi Latin kare deneme düzeni Latin kare deneme düzeni Kovaryans analizi. Kovaryans analizi.
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 512 Çok değişkenli İstatistik Metotlar I Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Çok değişkenli normal dağılım, çok değişkenli modelin tanıtımı, çok değişkenli bir örnek, iki örnek ve ikiden çok örnek için hipotez testleri, paket programlar yardımıyla analiz yöntemleri. Çok değişkenli istatistiksel yöntemler ile özelliklerinin, amaçlarının ve kullanımlarının daha uygulamaya yönelik olarak tanıtılması ve incelenmesi konularını kapsar. Farklı bilgisayar yazılımlarının incelenmesi ile konulara daha geniş bir açılım yapılmaya çalışılır. İlgili konuya çok değişkenli istatistikler kapsamında nasıl yaklaşabileceği, temel çok değişkenli yaklaşımlarla çözümlemeleri nasıl yapılacağı ve bulguların nasıl yorumlayacağı konularında bilgi ve deneyim kazanılır. 1. Manly, BFJ. Multivariate Statistical Methods: A Primer. Chapman and Hall, 1990. 2. Johnson RA and Wichern DW. Applied Multivariate Statistical Analysis.. Prentice-Hall Inc., 1992. 3. Özdamar K. Paket Programlar ile İstatistiksel Veri Analizi (Çok Degiiskenli Analizler) 2. Kaan Kitabevi, Eskisehir, 2004. 4. Alpar R. Çok Degiskenli İstatistiksel Yöntemlere Giris. Nobel Yayın Dagıtım, Ankara, 2003. Değerlendirme Ölçütleri Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr
Konu Başlıkları 1. hafta 2. hafta 3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Temel matris işlemleri Çok değişkenli analizde veri matrisi ve tanımlayıcı istatistikler( R, S, SSCP matrisleri), genelleştirilmiş varyans. Çok değişkenli aşırı değerler, saçılım grafikleri Standartlaştırma ve çok değişkenli normal dağılım ve normalliğin incelenmesi. Eksik veriler ve incelenmesi Çok değişkenli hipotez testleri Çok değişkenli hipotez testleri, varyans-kovaryans matrislerinin eşitliğinin test edilmesi, Hotelling's T kare ve Manova testleri Çok değişkenli iki yönlü varyans analizi,, tekrarlı ölçümlerde varyans analizleri Çoklu Doğrusal Regresyon. Faktör analizi, amacı, önemi, kullanım yerleri. Faktör Analizi, faktör sayısının belirlenmesi, faktör skorlarının anlamı, faktör çıkarma yöntemleri. Uyum analizi, amacı, önemi, kullanım yerleri Uyum analizi, amacı, önemi, kullanım yerleri Tartışma
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 513 Çok değişkenli İstatistik Metotları II in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510, BİS 511 ve BİS 512 derslerini almış ve başarmış olmak. Sınıflandırma analizleri (diskriminant, kümeleme ve lojistikregresyon), gruplama analizleri (temel bileşenler analizi ve faktör analizi), çoklu ilişki analizi (kanonik korelasyon), çoklu çapraz tablo analizi (correspondance analizi). Kümeleme analizi, ayırma analizi, path analizi, çok boyutlu ölçekleme, kanonik korelasyon analizi gibi konular bilgisayar destekli olarak incelenir. İlgili konuya çok değişkenli istatistikler kapsamında nasıl yaklaşabileceği, temel çok değişkenli yaklaşımlarla çözümlemeleri nasıl yapılacağı ve bulguların nasıl yorumlayacağı konularında bilgi ve deneyim kazanılır 1. Manly, BFJ. Multivariate Statistical Methods: A Primer. Chapman and Hall, 1990. 2. Johnson RA and Wichern DW. Applied Multivariate Statisticak Analysis.. Prentice-Hall Inc.,1992. 3. Tatlıdil H. lı Çok degiskenli istatistiksel Analiz. Akademi Matbaası, Ankara, 1996. 4. Özdamar K. Paket Programlar ile istatistiksel Veri Analizi (Çok Degiiskenli Analizler) 2. Kaan Kitabevi, Eskisehir, 2004. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr
Konu Başlıkları 1. hafta 2. hafta 3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Kümeleme Analizi, amacı, uzaklık ölçüleri Kümeleme Analiz, asama sıralı kümeleme yöntemleri Kümeleme Analizi, asama sıralı olmayan kümeleme yöntemler, Faktör analizi ile kümeleme analizi ilişkileri Ayırma Analizi, ayırma analizi ve lojistik regresyon analizi Ayırma Analizi Path Analizi Çok boyutlu Ölçekleme Çok boyutlu Ölçekleme Kanonik Korelasyon Kanonik Korelasyon Correspondance analizi Ccorrespondance analizi Paket program kullanımı Paket program kullanımı
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 514 Çoklu Karşılaştırma Metotları Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Çoklu karşılaştırma metotlarına ilişkin genel açıklamalar, parametrik ve parametrik olmayan çoklu karşılaştırma metotlarının tanımı, metotların birbiri ile karşılaştırılması, sadece kontrol grubu ile karşılaştırılmada kullanılacak olan çoklu karşılaştırma metotları ve spesifik karşılaştırmalar için kullanılan kontrast metotlarının tanıtımı İstatistik analizler sonrasında uygulanacak çoklu karşılaştırma yöntemlerinin tanımlanması. Öğrenci dersin sonunda kullanılabilecek en uygun çoklu karşılaştırma yöntemine karar verebilir, uygulayabilir ve yorumlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Giriş
2. hafta 3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Deneme başına hata ve karşılaştırma başına hata kavramları. Doğrusal kontrast ve ortogonal kontrast kavramları Fisher in En Küçük Anlamlı Farlılık Testi (LSD) Tukey'in Çoklu Karşılaştırma Testi Paket Program ları Student-Newman-Keuls Prosedürü Duncan ın Çoklu Rank Testi Paket Program ları Scheffe'nin Çoklu Karşılaştırma Testi Bonferroni Çoklu Karşılaştırma Testi Paket Program ları Parametrik Olmayan Analizlerde Çoklu Karşılaştırma Teknikleri Parametrik Olmayan Analizlerde Çoklu Karşılaştırma Teknikleri
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 515 Tekrarlanan Ölçümlü Deneme Düzenleri Programın Adı: Biyoistatistik in düzeyi saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Yüksek lisans Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Tekrarlanan ölçümlerin tanıtımı, model kavramı ve modellerin ön şartları, eş yapma t-testi, basit tekrarlanan ölçümlü deneme düzeni, faktöriyel tekrarlanan ölçümlü denemeler, blok ve kovaryat yapısındaki faktörlerin modele etkisi ve bu tip modellerin analizi, benferroni çoklu karşılaştırma metodu. Tekrarlanan ölçümlü verilerin olduğu durumda kullanılacak istatistiksel yöntemlerin tanımlanması. Öğrenci bu dersin sonunda tekrarlanan ölçümlü veriler içeren bir deneme düzeni oluşturabilir ve istatistiksel analizini yapabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Tekrarlanan Ölçümlü Denemelerin Avantajları ve Dezavantajları 2. hafta Eş Yapma T Testi
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Tek Faktörlü Tekrarlanan Ölçümlü Deneme Düzenleri Paket Program ları İki Faktörlü ve Faktörlerden Birinin Seviyeleri Tekrarlanan Ölçümlü Deneme Düzenleri İki Faktörlü ve İki Faktörün Seviyeleri de Tekrarlanan Ölçümlü Deneme Düzenleri Paket Program ları Üç Faktörlü ve Faktörlerden Birinin Seviyeleri Tekrarlanan Ölçüm İçeren Deneme Düzenleri Paket Program ları Üç Faktörlü ve Faktörlerden İkisinin Seviyeleri Tekrarlanan Ölçüm İçeren Deneme Düzenleri Üç Faktörlü ve Üç Faktöründe Tekrarlanan Ölçüm İçeren Deneme Düzenleri Paket Program ları Tekrarlanan Ölçümlü Faktöriyel Denemelerde Kovaryans Analizi Paket Program ları
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 516 Doğrusal Regresyon Modelleri Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Doğrusal regresyon modelinin tanıtımı, basit regresyon modeli ve model katsayılarının hipotez kontrolü, çoklu regresyon modeli ve değişken eleme metotları, regresyon diagnostikleri. Basit ve çoklu regresyon analizinin ön şartlarının kontrolü, etkili ve uç değerlerin veriden çıkartılması ve doğrusal regresyon katsayılarının belirlenmesi. Öğrenci bu dersin sonunda basit ve çoklu regresyon analizini uygulayabilir ve katsayıları yorumlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Rasgele değişkenlerin belirtilmesinde vektörlerin kullanımı 2. hafta 3. hafta Basit doğrusal regresyon Basit doğrusal regresyon katsayılarının en küçük kareler tekniği yardımıyla tahmin edilmesi
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Basit doğrusal regresyon katsayılarının anlamlılık sınaması Paket program uygulaması Çoklu doğrusal regresyon Çoklu doğrusal regresyon katsayılarının en küçük kareler tekniği yardımıyla tahmin edilmesi Paket program uygulaması Regresyon diagnostikleri Paket program uygulaması Çoklu doğrusal regresyonda değişken eleme teknikleri Paket program uygulaması Path analizi Paket program uygulaması
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 517 Sağlık Alanına Özel İstatistik Yöntemleri in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği Sağlık istatistikleri, duyarlılık ve seçicilik hesabı, ROC eğrileri, rölatif risk ve odds oranının kullanımı, lojistik regresyon modeli ve analizi, survival ve meta analizi. in Amacı Sağlık alanında kullanılan temel göstergelerin tanıtılması, öğretilmesi ve ulusal ve uluslar arası düzeyde karsılaştırma yapılabilmesini hedefler ve aktif öğrenmeye dayanır. Hastane bilgilerinden ve değişik kaynaklardan yararlanarak hizmet bölgesinin tanınmasına yönelik istatistiklerin elde edilmesi, yorumu vb. konusu üzerinde çalışılır. Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Öğrenciler, bir sağlık bölgesi ya da kurumunun yönlendirilmesinde yararlı olacak temel bilgiyi elde ederler. Dünya ölçeğinde ülkelerin ya da bölgelerin sağlık düzeyleri hakkında gerekli istatistiklerin hesaplanmasına ek olarak sağlık alanındaki temel çalışmaları yapacak araştırma bilgisine de sahip olurlar. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları
1. hafta 2. hafta 3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Sağlık Hizmetleri ve Biyoistatistik Hizmet Bölgesinin Tanınması Nüfus İle İlgili İstatistiksel Yöntemler Doğumlarla İlgili İstatistiksel Yöntemler Hastalıklarla İlgili İstatistiksel Yöntemler, Sağlıkta Araştırma Yöntemleri Hız ve Oranları Standartlaştırma Yöntemleri Yasam Tabloları Koruyucu Hizmetli Çalışmaları İle İlgili İstatistiksel Yöntemler Hastane Hizmetlerinin Değerlendirilmesin De Kullanılan İstatistikler Diş Sağlığı İle İlgili İstatistiksel Yöntemler Hastalıkların ve Ölümlerin Uluslar Arası Sınıflandırılması Sağlık Düzeyini Gösteren Ölçüler Sağlık Kayıtları
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 518 Parametrik Olmayan İstatistik Yöntemler in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Parametrik olmayan verilerin tanıtımı, parametrik olmayan testlere ilişkin tanıtıcı istatistikleri, ortanca değerlerinin testi, çoklu karşılaştırma metotları, ilişki testleri. Parametrik olmayan testlerin ön şartlarının kavratılması ve parametrik olmayan testlerin elle ve paket programla uygulanışının öğretilmesi. Bu dersin sonunda öğrenciler veri setleri için uygun parametrik olmayan yöntemlere karar verebilir, uygulayabilir ve yorumlayabilir. Sümbüloğlu, Kadir. Sağlık alanına Özel İstatistiksel Yöntemler. Somgür Yayıncılık, Ankara, 2003. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Tanım ve genel kavramlar, ölçek türleri 2. hafta Ki-Kare, Fisher uygunluk testleri
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Kolmogorov-Smirnov tek örnek testi Paket program uygulamaları Wilcoxon sıra toplam testi, bağımlı örnekler için Wilcoxon İşaretli Sıra Testi Man witney u testi Paket program uygulamaları İşaret testleri, cochrane q testi Kruskal wallis testi Paket program uygulamaları Friedman testi Sıra korelasyon testi Kendall Tau katsayısı Paket program uygulamaları
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 519 Örnekleme Yöntemleri Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Örnekleme yöntemlerinin tanıtımı, uygun örnek seçimi, örnek genişliğinin belirlenmesi, örnek genişlikleri ile yapılan testlerinin güçleri arasındaki ilişkiler. Araştırmanın amacına, kısıtlarına ve kitlenin yapısına en uygun örnekleme yöntemine / yöntemlerine karar verebilmek bir kitleden en uygun yöntemle gereksinim duyulan büyüklükte örnek çekebilecek ve örneklemden kestirimler yapabilmek. Öğrenciler, değişik örnekleme yöntemlerini, kullanılacak örnekleme yöntemine göre örneklem genişliğinin hesaplanmasını, kullanılan örnekleme yöntemine göre kestirim işlemlerini öğreneceklerdir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta Örneklemeye giriş, temel kavramlar, tanımlar. Kestiriciler ve özellikleri
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Örneklem dağılışları ve standart hata Nokta ve aralık kestirimi Örneklem genişliğinin hesaplanması Basit rasgele örnekleme I Basit rasgele örnekleme II Tabakalı rasgele örnekleme I Tabakalı rasgele örnekleme II Sistematik örnekleme Tek aşamalı küme örneklemesi Çok aşamalı küme örneklemesi Genişliğe orantılı olasılıksal örnekleme Olasılıksal olmayan örnekleme yöntemler
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 520 Doğrusal Olmayan Regresyon Modelleri in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Doğrusal olmayan regresyon modelinin tanıtımı, doğrusal olmayan modellerin kurulması ve analiz, büyüme eğrileri, doz-cevap modelleri ve kullanım alanları. Doğrusal olmayan regresyon modelinin tanıtımı, doğrusal olmayan modellerin kurulması ve analizinin öğretilmesi Öğrenci bu dersin sonunda doğrusal olmayan modeller kurabilir, istatistiksel analizlerini yapabilir ve sonuçları yorumlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Doğrusal olmayan regresyon modelinin tanıtımı 2. hafta 3. hafta Doğrusal olmayan modellerlin kurulması Doğrusal olmayan modellerin analizi
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Paket program uygulamaları Büyüme eğrileri Büyüme eğrileri Paket program uygulamaları 2 2 ve 3 2 Deneme Düzeni, Paket program uygulamaları Yarıya Parçalanmış Central Composite Deneme Düzeni k 2 Faktöriyel Deneme Düzenleri Non Central Composite Deneme Düzeni Box- Behnken Deneme Düzeni Paket program uygulamaları
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 535 Teorik Dağılımlar I Programın Adı: Biyoistatistik in düzeyi saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Yüksek lisans Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Kesikli ve sürekli teorik dağılımların tanıtım özellikleri. Kullanım alanları, integral alma, gamma fonksiyonu, çok değişkenli fonksiyonlar, kısmi türevler, çoklu integraller, örnek uzayları, şartlı olasılıklar, rassal değişkenler ve olasılık dağılımları, matematiksel beklenen değer, binom ve poisson dağılımları, birleşik olasılık dağılımları, örnek uzaylarında temel olasılık kavramları ve şartlı olasılık. Bu dersi alan öğrenciler, istatistik biliminin temelini oluşturan olasılık kuramı hakkında temel bilgiye sahip olarak, bilim uzmanlığı ve doktora derslerinde gereksinim duyacağı olasılıkla ilgili temel bilgileri edinmiş olacaklardır. Bu dersin sonunda öğrenci istatistiksel dağılımların özeliklerini bilir ve parametrelerini hesaplar. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Kümeler
2. hafta 3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Sıradüzen, Birlesim ve iki Terimli Teoremi Olasılık Kavramları Olasılık Kavramları Raslantı değişkenlerin tanımı Bir boyutlu raslantı değişkenleri Beklenen değerler ve Momentler Koşullu olasılık, bağımsız olaylar, Örneklem uzayında sonuçların olasıkları, Toplam Olasılık Formülü, Bayes Formülü Kesikli rastlantı değişkenleri, sürekli rastlantı değişkenleri. Dağılım fonksiyonları, koşullu olasılık ve dağılım fonksiyonları, rastlantı değişkenlerinde dönüştürme
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 536 Teorik Dağılımlar II in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Çoklu rassal dağılımlar, moment çıkaran fonksiyonlar, büyük sayılar kuramı ve merkezi limit teoremi, parametre tahminleri, nokta tahmini, hipotez testi örnekleri, alternatif hipotezin nokta ve aralık olma durumları, likelihood ratio testi. Bu dersin sonunda öğrenci istatistiksel dağılımların özeliklerini bilir ve parametrelerini hesaplar ve tahminler yapabilir. Bu dersi alan öğrenciler, istatistik biliminin temelini oluşturan olasılık kuramı hakkında temel bilgiye sahip olarak, bilim uzmanlığı ve doktora derslerinde gereksinim duyacağı olasılıkla ilgili temel bilgileri edinmiş olacaklardır. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta Beklenen değer kavramı Momentler
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Bernoulli ve Binom dağılımları Poisson dağılımı Geometrik, Negatif Binom dağılımları Hipergeometrik dağılımlar Karakteristik fonksiyonu. Olasılık çıkartan fonksiyon. Koşullu beklenen değer ve koşullu varyans
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 522 Özel Deneme Düzenleri in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Özel Latin kare modelleri, etki karışımlı deneme düzenleri, bölünmüş parseller deneme düzenleri. Özel deneme düzenleri Öğrenci en iyi deneme düzenine karar verebilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Tamamen rasgele denemeler 2. hafta 3. hafta 4. hafta Rasgele blok tasarımı Rasgele blok tasarımı
5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Latin kare deneme düzeni Latin kare deneme düzeni Faktöriyel denemeler Faktöriyel denemeler Blok tasarımı ile kombine edilmiş faktöriyel denemeler Blok tasarımı ile kombine edilmiş faktöriyel denemeler
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 523 Bayes Yöntemleri Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Bayes teoremi, bayes yöntemleri ve kullanım alanları, Bayes ile örnekleme ve gruplama teknikleri. Bayes yöntemlerinin klinik denemelere uygulanması. Bayes kavramları ve kullanım amaçlarının tanıtılması. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta 3. hafta Bayes teoremi Bayes teoremi
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Bayes yöntemleri ve kullanım alanları, Bayes yöntemleri ve kullanım alanları, Bayes ile örnekleme ve gruplama teknikleri. Bayes ile örnekleme ve gruplama teknikleri. Bayes yöntemlerinin klinik denemelere uygulanması. Bayes yöntemlerinin klinik denemelere uygulanması. Bayes yöntemlerinin klinik denemelere uygulanması. Bayes yöntemlerinin klinik denemelere uygulanması.
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 524 Popülasyon Genetiği in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Gen frekanslarının hesaplanması, popülasyonlarda denge kontrolleri, bağımlı ve bağımsız genlerde istatistik analizler, popülasyonlar arası gen farklılıklarının belirlenmesi (F istatistikleri, gen farklılığı katsayısı, gen akışı, kümeleme analizi) Genetik veri analizine giriş bilgilerinin öğrenciye verilmesi. Bu dersin sonunda öğrenci genetik verilere temel istatistiksel yöntemleri uygulayabilir ve sonuçları yorumlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Gen frekanslarının hesaplanması 2. hafta Popülasyonlarda denge kontrolleri,
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Bağımlı genlerde istatistik analizler Bağımsız genlerde istatistik analizler Popülasyonlar arası gen farklılıklarının F istatistikleri ile belirlenmesi Gen farklılığı katsayısı Gen akışı, Kümeleme analizi
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 525 Anket Yöntemleri ve Analizi Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. Anket yöntemleri, anket formu hazırlama, ölçek geliştirme yöntemleri, madde analizi, geçerlilik ve güvenirlilik, çok değişkenli varyans analizi ve faktör analizi ile anket çözümlemesi. Öğrenciye araştırmalarda en uygun anket soru kağıdının hazırlanmasının öğretilmesi amaçlanmıştır. Bu dersin sonunda öğrenci amacına uygun soruları içeren anket soru kağıdını hazırlayabilir ve bu ankete geçerlilik ve güvenirlik testlerini uygulayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta Anket yöntemleri 2. hafta 3. hafta Anket formu hazırlama.
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Ölçek geliştirme yöntemleri Madde analizi Güvenirlilik ve geçerlilik analizleri analizleri Çok değişkenli varyans analizi ile anket çözümlemesi Faktör analizi ile anket çözümlemesi Faktör analizi ile anket çözümlemesi
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 526 Survival Yaşam Analizi Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Survival analizleri, life table, Kaplan Meier ve Cox Regresyon analizleri, Yaşam eğrilerinin karşılaştırılması, SPSS uygulamaları. Sağ kalım çözümlemeleri ile ilgili temel bilgilerin öğretilmesi Sağ kalım çözümlemesi ve yöntemine karar verebilme, konu ile ilgili istatistiksel yöntemleri uygulayabilme. John P. Klein, Melvin L. Moeschberger, Survival Analysis Techniques For Censored And Truncated Data. Springer, Newyork. Beth Dawson, Robert G. Trap, Basic & Clinical Biostatistics, Lange Medical Books/Mc Graw-Hill Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta Sağ kalım Süresi, Olgu, Sansürleme Ve Türleri Sağ kalım Süresi Hesaplama Yöntemleri, Kaplan-Meier Yöntemi
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Sağ kalım Süresi Hesaplama Yöntemleri, Yasam Tablosu Yöntemi Sağ kalım Süreleri Karsılaştırma Yöntemleri (Tek Faktör, İki Düzey) Sağ kalım Süreleri Karsılaştırma Yöntemleri (Çok Faktör, Tabakalama) Genel Ve Tartışma Risk (HAZARD) Yaklaşımı Ve Cox Regresyon Değişken Seçimi Varsayımlar Ve Denetimi Yorumlama Genel Ve Tartışma Genel Ve Tartımsa Genel Ve Tartışma Genel Ve Tartışma
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 527 Kalite Kontrol Yöntemleri Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri İstatistik anlamda kalite kavramı, kalite kontrolünde güven aralığının önemi, süreç kontrolü (SPC), histogram, pareto grafikleri güven aralığı ve kontrol grafiklerinin kullanımı, kontrol limitlerinin ve örnek genişliklerinin saptanması. Kalite kontrol yöntemlerinde istatistiğin kullanımının öğretilmesi. Bu dersin sonunda öğrenci kalite kontrol ve süreç kontrol alanlarında istatistiksel teknikleri kullanabilir ve sonuçları yorumlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta İstatistik anlamda kalite kavramı, 2. hafta 3. hafta Kalite kontrolünde güven aralığının önemi Süreç kontrolü (SPC)
4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Histogram Pareto grafikleri güven aralığı Balık kılçığı diyagramı Kontrol grafikleri Kontrol limitlerinin belirlenmesi
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 531 Deney Düzenleri Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Saha araştırmalarında, hayvan deneylerinde ve klinik araştırmalarda deney düzenleri; geriye dönük, kesitsel ve ileriye dönük, kör ve çift kör denemeler. Tam rasgele basit deneme düzeni, kovaryant faktörlü deneme düzeni, iki ve çok faktörlü deneme düzenleri, Tek kontrollü deneme düzenleri. Klinik çalışmaları planlamak Öğrenci dersin sonunda klinik deneme düzeni planlayabilir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta Tıp araştırmalarında çalışma tasarımı ve bu çalışma düzenlerinin sınıflandırılması. Vaka serisi çalışmaları
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Vaka kontrol çalışmaları Kesitsel çalışmalar Kohort çalışmaları Vaka kontrol ve kohort çalışmalarının karşılaştırılması Deneysel çalışmalar ya da klinik denemeler Bağımsız eş zamanlı kontrol içeren denemeler. Kendinden kontrollü denemeler Dışardan kontrollü denemeler Kontrolsüz çalışmalar Tam rasgele basit deneme düzeni Kovaryant faktörlü deneme düzeni İki ve çok faktörlü deneme düzenleri
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 532 Genelleştirilmiş Doğrusal Modeller Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar in Ġçeriği in Amacı Türkçe BİS 510 ve BİS 511 derslerini almış ve başarmış olmak. İstatistik de doğrusal model, düzen matrisi, karesel form, kareler toplamının parçalara ayrılması, regresyon ve varyans analizi arasındaki ilişkiler, kontrast ve ortogonal karşılaştırmalar, cevap yüzeyleri, dengeli bloklar ve eksik bloklar. Genel doğrusal modellerin ana hatlarının öğretilmesi. Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Bu dersin sonunda öğrenci doğrusal modellerin özelliklerini ana hatları ile öğrenir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta İstatistik de doğrusal model 2. hafta Düzen matrisi
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Karesel form Kareler toplamının parçalara ayrılması Regresyon ve varyans analizi arasındaki ilişkiler Kontrast karşılaştırmalar Ortogonal karşılaştırmalar Cevap yüzeyleri Dengeli bloklar Eksik bloklar.
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 533 Bilgisayar Programlama Programın Adı: Biyoistatistik in düzeyi Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Sorumluları/ e-mail adresleri Akış Şeması, algoritma geliştirme, programlama dilleri, QBasic, Fortran, Pascal, Oracle, SQL, Delphi ile biyoistatistik uygulamaları. Programlama dillerinin biyoistatistik uygulamalarında kullanılması. Laboratuar Laboratuar Laboratuar Diğer Diğer Diğer Kurulu Sınavı Öğr. Gör. Tufan Mengi tufanmengi@mersin.edu.tr Kurulu Sınavı Kurulu Sınavı Konu Başlıkları 1. hafta Programlama dilinin temelleri ve aralarındaki farklar 2. hafta Değişkenler ve sabitlerin tanımlanması, onlara veri atanması ve bu verilerin kullanılması 3. hafta Girdi, çıktı ve hesap akış şemalarının çizilmesi
4. hafta Kıyaslama mantıkları akış şemalarının çizilmesi 5. hafta Döngülerin akış şemalarının çizilmesi 6. hafta Kumbara mantığının oluşturulması 7. hafta Dizilerin kullanılması 8. hafta Basit algoritmaların geliştirilmesi 9. hafta Karmaşık algoritmaların geliştirilmesi 10. hafta Metin dosyası yaratma, kaydetme ve okuma işlemleri 11. hafta Akış şemalarının programlama dillerine aktarılması 12. hafta Yapısal sorgulama dilinde sorgulama cümleleri 13. hafta Yapısal sorgulama dilinde ekleme, silme ve düzeltme cümleleri 14. hafta Arayüz dilleriyle yapısal sorgulama dillerinin bütünleştirilmesi
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU in Adı-Kodu: BİS 534 Temel Vektör ve Matris İşlemleri in düzeyi Programın Adı: Biyoistatistik Yüksek lisans saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması Diğer Toplam Kredi AKTS Kredisi Krediler 2 2 4 3 Dili Zorunlu / Ön şartlar Türkçe in Ġçeriği in Amacı Öğrenme Çıktıları ve Yeterlilikler Kitabı ve/veya Kaynaklar Değerlendirme Ölçütleri Vektör ve matris işlemleri, tanımlar, transpoz, determinat, ters matris alma işlemleri, matrislerin parçalara ayırılması, bilgisayarda matris işlemleri uygulamaları. MATLAB ve MINITAB uygulamaları. Bu derste, istatistik kökenli olmayan Biyoistatistik öğrencileri için istatistiksel çözümlemelerde sıklıkla kullanılan temel matris işlemleri üzerinde durulur. Bu dersi alan öğrenciler temel matris işlemlerini öğrenecek ve paket programları kullanarak matris işlemlerini uygulayabileceklerdir. Varsa (X) olarak işaretleyiniz Yüzde (%) Laboratuar x % 50 Diğer x % 50 Sorumluları/ e-mail adresleri Kurulu Sınavı Doç. Dr. Arzu Kanık - Yrd. Doç. Dr. Bahar Taşdelen arzukanik@mersin.edu.tr bahartasdelen@mersin.edu.tr Konu Başlıkları 1. hafta 2. hafta Matris bilgisinin gerekliliği ve tanımı Matris çeşitleri
3. hafta 4. hafta 5. hafta 6. hafta 7. hafta 8. hafta 9. hafta 10. hafta 11. hafta 12. hafta 13. hafta 14. hafta Matrislerde toplama, çıkarma ve çarpma Determinantlar Minörler, kofaktörler ve adjoint matris Bir matrisin tersi Paket programlar ile matris işlemleri uygulamaları I Dik (orthogonal) matris Matrislerin parçalara ayrılması Doğrusal bağımlılık ve bağımsızlık kavramları Rank kavramı ve tekil olmayan en büyük alt matrisler Doğrusal denklem sistemleri Özdeğerler ve özvektörler Hafta Paket programlar ile matris işlemleri uygulamaları II