Temel bilgiler (matrisler, vektörler, lineer dönüşümler, özdeğerler, geometrik açıklamalar, vektör uzayları ) matrislerin genelleştirilmiş inversleri, lineer denklem sistemleri ve yaklaşık çözümler, özel matrisler ve iz düşümleri, matrislerin izi ve rankı arasındaki bağlantılar. Nümerik yöntemler, pozitif, yarı-pozitif, idempotent matrisler.

İST 510 Lineer Modeller Teorisi II  (3 0 3)

Tam ranklı olmayan model, tahminler, test istatistikleri, güven bölgeleri, varyans analizi için hesaplama teknikleri, genel lineer modelin uygulamaları, sınıflandırma modelleri, varyans bileşenleri analizi.

İST 512 Tahmin Teorisi II  (3 0 3)

Nokta tahminler, Robust tahminler, Bayes tahminler, minimax tahminler, daraltılmış (Shrinkage) tahminler, asimtotik ve örneklerin sayısının büyük olması durumundaki özellikler.

İST 516 Veri  Düzenleme ve Regresyon Analizi (3 0 3)

Nitel bilgilerin gorsel olarak ifadesi, verinin dağılımını tanımlamak için grafiksel metodlar, Çok değişkenli bilgi, Ortalamaların karşılaştırmaları, dağılımsal varsayımların değeri, veri düzenleme teknikleri, parametrik- parametrik olmayan ve robust regresyon, Toplamsal modeller, varsayımların değerini içeren düzenleme tekniklerinin grafiksel değerlendirilmesi, teşhis konulması.

İST 518 Parametrik Olmayan İstatistiksel Teknikler (3 0 3)

Hodges-Lehman tahmin edicileri, L-tahmin edici, M- tahmin edici, Dağılımdan bağımsız güven, tahmin ve tolerans aralıkları, Jackknife ve Bootstrap metodları, U-istatistikleri, Lineer rank istatistikleri, Pitman asimtotik relatif etkinliği, iki ve daha çok örneklem problemleri,bağımsızlık testleri.

İST 520 Örnekleme  Teknikleri (3 0 3)

Basit rasgele örnekleme, örneklem hacmi, güven aralıkları, eşit olasılıklı olmayan örnekleme, oran tahmin ediciler, regresyon modelleri ve tahmin etme, örneklemede yeterli istatistik, tabakalı örnekleme, sistematik örnekleme, çok adımlı tasarımlar, çift örnekleme.

İST 524 Sayısal İstatistiksel Analiz (3 0 3)

İstatistiksel uygulamalar için programlama teknikleri, rasgele sayı üretimi, Monte Carlo integral, Markov zincirleri, Monte Carlo Optimizasyon, Metropolis-Hasting algoritması, Gibbs örnekleyici, yakınsama teşhisi, kayıp veri modellerinde işleyiş

İST 526 Benzetim ve Modelleme (3 0 3)  

 Monte Carlo sanal deney tekniğinin amacı, istatistiksel temeli ve mantığı, Monte Carlo yakınsama çeşitli olasılık dağılımlarından örnekleme teknikleri, İstatistiksel yöntemlerin sağlamlık ve etkinlikleri üzerine Monte Carlo çalışma örnekleri.

İST 530 Olasılık ve Asimptotik Teori  (3 0 3) 

Olasılık uzayları ve  rastgele değişkenler, dağılım fonksiyonları,momentler ve eşitsizlikler,karakteristik fonksiyonlar,stokastik bağımsızlık, dağılım fonksiyonları dizisinin yakınsaklığı,yakınsaklık tipleri,büyük sayılar kuralı, merkezi limit teoremi,en küçük kareler tahmin edicinin asimptotik özellikleri, maksimum likelihood tahmin edici, likelihood oran testleri, örneklem momentleri, sıra istatistikleri, lineer rank istatistiği.  

Tek parametreli modeller, çok parametreli modellere giriş, standart istatistiksel yöntemlerle bağlantılar ve büyük örneklem istatistiksel sonuç çıkarma, hiyerarşik modeller, model kontrolu ve duyarlılık analizi, Bayesci analizde çalışma tasarımı, regresyon modellerine giriş, posterior modlara dayalı yaklaşımlar, posterior simulasyon ve ıntegral, markov zinciri simulasyonu, güçlü/ dayanıklı istatistiksel sonuç çıkarma ve duyarlılık analizi için modeller, genelleştirilmiş lineer modeller, çok değişkenli modeller, karma modeller, kayıp veri için modeller.

İST 533 Karar Teorisi ( 3 0 3)

Genel İstatistiksel karar problemin Kurulması, Yararlılık ve ön-bilgi, Bayes risk ve bayes kararlar,kayıp fonksiyonları,tahmin, hipotez testleri ve lineer istatistiksel modeller, ardışık testler, uygun durma kuralları, deneylerin ardışık seçimi.

İST 535 Lineer Olmayan Modeller ( 3 0 3)

Lineer Olmayan Modellerde Parametreleri tahmin etme metodları, hipotez testleri , bölgeler ve güven aralıkları, lineer olmayan kovaryans analizleri.