Computer Engineering Department

Probability(INF256)

Content
Course Code Course Name Semester Theory Practice Lab Credit ECTS
INF256 Probability 3 3 0 0 3 3
Prerequisites
Admission Requirements
Language of Instruction French
Course Type Compulsory
Course Level Bachelor Degree
Course Instructor(s) Tamer ÖZYİĞİT tozyigit@gsu.edu.tr (Email)
Assistant
Objective Help students to perceive basic concepts related to probability and to achieve proficiency in using their methods (probabilities of events, rules for random variables and the concept of moment, important distributions, compound probability functions).
Content • The concept of probability, especially random variables in relation to uncertain events.
• Different probability distributions
• Probability theory in the problems they may encounter in the business world, especially in the analysis of uncertainty.
• Probability concepts in industrial applications
Course Learning Outcomes The student who successfully completes this course will have the following skills;
I. Ability to explain the relationship between set theory and probability axioms,
II. Ability to distinguish different functions of random variables and define their characteristic features.
III. Ability to remember important discrete and continuous distributions,
IV. Ability to explain the relationship between important probability distributions,
V. Ability to apply probability theory to real life examples with the help of probability distribution functions.
Teaching and Learning Methods Face-to-face and online theoretical lessons, examples
References • Sheldon M., Ross, M., Introduction to probability models, Academic Press, 2003, 8th Ed.
• İmdat Kara – Olasılık, Bilim Teknik Yayınevi – 2000.
Print the course contents
Weekly Contents
Theory Topics
Week Weekly Contents
1 Introduction to probability, sets theory
2 Conditional probability
3 Total Probability Theorem, Inference and Bayes' Rule
4 Independence, Conditional Independence
5 Counting Principle, Combination, Permutation, Partition
6 Discrete Random Variable: Introduction, probability mass function, special discrete random variables (Bernoulli, binomial, geometric, poisson)
7 Random Variable functions: Expected value, variance and standard deviation
8 Midterm exam
9 Joint probability mass function and conditionality of discrete random variables
10 Independence of Discrete Random Variables
11 Expected Value ​​and Moments
12 Introduction, continuous uniform random variable, probability density function, exponential random variable
13 Cumulative distribution function, normal random variable and normal distribution
14 Sürekli Rassal değişkenlerde koşulluluk ve bağımsızlık
Practice Topics
Week Weekly Contents
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Assessment System
Contribution to Overall Grade
  Number Contribution
Contribution of in-term studies to overall grade 2 50
Contribution of final exam to overall grade 1 50
Toplam 3 100
In-Term Studies
  Number Contribution
Assignments 1 10
Presentation 0 0
Midterm Examinations (including preparation) 1 40
Project 0 0
Laboratory 0 0
Other Applications 0 0
Quiz 0 0
Term Paper/ Project 0 0
Portfolio Study 0 0
Reports 0 0
Learning Diary 0 0
Thesis/ Project 0 0
Seminar 0 0
Other 0 0
Toplam 2 50
Relation of Proficiency
No Program Learning Outcomes Contribution
1 2 3 4 5
1 Matematik, fizik ve mühendislik bilimlerine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, mühendislik problemlerinin modellenmesi ve çözümünde kullanabilme becerisi. X
2 Karmaşık bilgisayar mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. X
3 Yazılımsal veya donanımsal karmaşık bir sistemi, süreci veya donanımı gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. X
4 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. X
5 Analitik düşünce ile bir sistemi, sistem bileşenini ya da süreci analiz etme, modelleme, deney tasarlama ve yapma, veri toplama, çözüm algoritmaları üretebilme, uygulamaya alma ve geliştirme becerileri. X
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. X
7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az iki yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, yazılım ve donanım tasarımını, gerekirse teknik resim metotları kullanarak raporlayabilme, etkin sunum yapabilme becerisi. X
8 Bilgiye erişebilme ve bu amaçla kaynak araştırması yapabilme, veri tabanları ve diğer bilgi kaynaklarını kullanabilme becerisi X
9 Yaşam boyu öğrenmenin gerekliliği bilinci; kendini sürekli yenileme becerisi. X
10 Mesleki etik ilkelerine uygun davranma, mesleki sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. X
11 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. X
12 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi. X
13 Bilgisayar mühendisliği uygulamalarının hukuki ve etik boyutları konusunda farkındalık.
ECTS
Activities Number Period Total Workload
Class Hours 13 3 39
Working Hours out of Class 13 1 13
Assignments 1 1 1
Midterm Examinations (including preparation) 1 6 6
Final Examinations (including preparation) 1 10 10
Total Workload 69
Total Workload / 25 2.76
Credits ECTS 3
© Copyright 2016 - IT Office
Scroll to Top