RİSK ANALİZİ VE AKTÜERYAL MODELLEME

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "RİSK ANALİZİ VE AKTÜERYAL MODELLEME"

Transkript

1 SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla hasar meydana gelmesi olasılığı aşağıdaki seçeneklerin hangisinde yer almaktadır? A) 0,663 B) 0,763 C) 0,769 D) 0,869 E) 0,875 CEVAP: E

2 SORU 2: Toplam hasar miktarı olan S nin dağılımı ile ilgili aşağıdaki ifadelerden hangisi / hangileri yanlıştır? I. Eğer her bir Xi ( i 1,, n) rassal değişkeni birbirinden bağımsız, n i ve p parametreleri ile binom dağılıyorsa toplam hasar değişkeni S, n n1 n2 nn ve p parametreleri ile binom dağılımına uymaktadır. II. Xi ( i 1,, n) hasar miktarlarının her biri birbirinden bağımsız, i ve i parametreli bir normal rassal değişken ise, toplam hasar miktarı S, 1 2 n ve 1 2 n parametreli bir normal rassal değişken olur. III. Xi ( i 1,, n) hasar miktarlarının her biri birbirinden bağımsız, parametreli bir üstel dağılıma uyuyorsa, toplam hasar değişkeni S, n ve parametreli bir gamma rassal değişken olur. A) Yalnız I B) Yalnız II C) I ve II D) I ve III E) II ve III CEVAP: B

3 SORU 3: Moment türeten fonksiyonlara ilişkin aşağıdaki ifadelerden hangisi / hangileri doğrudur? I. N (hasar sayısı) raslantı değişkeninin parametreli Poisson ve X (hasar tutarı) raslantı değişkeninin 1/ ortalamalı üstel dağıldığı durumda, toplam hasar değişkeni S nin moment t 1 t türeten fonksiyonu MS () t e olur. II. X raslantı değişkeni 2 parametreli bir üstel dağılıma sahipse, X raslantı değişkeninin moment türeten fonksiyonu 2 t e M () 1 X t e olur. III. X raslantı değişkeninin 2, 3 parametreli bir gamma dağılımına uyduğu biliniyorsa, X 2 raslantı değişkeninin moment türeten fonksiyonu M () t (1 3) t olur. A) Yalnız I B) Yalnız II C) I ve III D) II ve III E) I, II ve III X CEVAP: C

4 SORU 4: Bir sigorta teminatı için dört farklı risk türü vardır. Her risk türü için, yıllık hasar sayıları 0,15 ortalama ile Poisson dağılmaktadır. Her bir riskin meydana gelme olasılıkları ile hasar tutarlarının ortalama ve varyansları aşağıdaki tabloda belirtilmiştir. Hasar Tutarı Risk Türü Olasılık Ortalama Varyans W 0, X 0, Y 0, Z 0, Buna göre toplam hasar ödemelerinin varyansı aşağıdaki seçeneklerden hangisinde verilmiştir? A) B) C) D) E) CEVAP: C

5 SORU 5: 2 ile Weibull dağılımına sahip bir örneklem 5 gözlem değerinden oluşmaktadır. Gözlem değerlerinden ikisinin 50 den fazla olduğu; diğerlerinin ise 20, 30 ve 40 olduğu bilinmektedir. Buna göre θ parametresinin en çok olabilirlik tahmini aşağıdaki seçeneklerden hangisinde verilmiştir? A) 60,1 B)57,9 C) 55,7 D) 53,5 E) 51,3 CEVAP: E

6 SORU 6: Bir grup poliçeye ait hasar frekansı ortalaması 300 ve varyansı 800 olan negatif binom dağılımına sahiptir. Hasar şiddeti ise aşağıdaki gibi verilmektedir. Şiddet Olasılık 40 0, , , ,40 Frekansta hiçbir değişiklik olmaz iken şiddette %50 lik bir artışın olması beklendiğinde ve hasar başına uygulanacak muafiyetin 100 olmasına karar verildiğinde, bu değişikliklerden sonraki beklenen toplam hasar ödemesi aşağıdakilerden hangisi olur? A) B) C) D) E) CEVAP: C

7 SORU 7: Bir polikliniğe gelen sigortalı ziyaretçilerin oluşan hasar miktarları 3 ve 1000 parametreleri ile pareto dağılmaktadır. Sigortalıların poliçelerine ait muafiyet ve limit değerleri sırasıyla 100 ve 425 dir. Eğer sigortacı her bir hasarın %85 ini karşılamaya karar verirse hasar başına ödeme miktarının beklenen değeri aşağıdakilerden hangisidir? A) 184 B) 185 C) 186 D) 187 E) 188 CEVAP: B

8 SORU 8: ABC sigorta şirketine ait veriler aşağıdaki gibidir: Yıl Hasar sayısı Ortalama Hasar Miktarı Her yıl enflasyon oranının % 10 olduğu ve hasar miktarının 3 ve parametreleri ile pareto dağıldığı varsayımı altında 3 yıl için parametresinin moment yöntemi ile tahmini aşağıdakilerden hangisidir? A) B) C) D) E) CEVAP: D

9 SORU 9: Hasar şiddeti raslantı değişkeni X, = 0,01 parametresi ile üstel dağılıma sahiptir. Buna göre, Y = max (X 400,0) raslantı değişkeninin değişim katsayısı (coeffient of variation) aşağıdaki seçeneklerden hangisinde verilmiştir? A) 9,8 B) 10,4 C) 12,6 D) 13,1 E) 14,2 CEVAP: B

10 SORU 10: Toplam hasar miktarı S, = 3 parametresi ile birleşik Poisson dağılımına sahiptir. Hasar şiddeti raslantı değişkeni X ise, parametresi ile üstel dağılıma sahiptir. raslantı değişkeni için Θ 4 0,4 ve Θ 6 0,6 olasılık değerleri veriliyor. Primlerin %95 olasılıkla toplam hasar ödemesi için yeterli olması için beklenen bireysel hasar tutarına yapılacak nispi güvenlik yükleme oranı aşağıdaki seçeneklerden hangisinde verilmiştir? (Normal yaklaşım kullanılacaktır). A) 0,165 B) 1,371 C) 3,011 D) 3,350 E) 4,110 CEVAP: B

11 SORU 11: Spekülatif bir yatırımcı iki yatırım aracı arasında kararsız kalmıştır. İlk yatırım aracının riski X raslantı değişkeni ile ölçülürken, ikinci yatırım aracının riski Y rastlantı değişkeni ile ölçülmektedir. Birbirinden bağımsız olan X ve Y raslantı değişkenlerinin beklenen değer ve varyansları, sırasıyla 2 2 E X 0,7k; E Y k; Var X k ; Var X 2,5k dir. K raslantı değişkeni K X Y biçiminde tanımlanan doğrusal bir yapıya sahiptir ve EK k olarak verilmektedir. ˆK yansız tahmin edicisinin minimum varyanslı olması için ve parametrelerinin alması gereken değerler hangisidir? A) ˆ 0,35 ve ˆ 0,755 B) ˆ 1,3483 ve ˆ 0,0562 C) ˆ 1, 42 ve ˆ 0,006 D) ˆ 1,4286 ve ˆ 0,00002 E) ˆ 0,7865 ve ˆ 0,4494 CEVAP: E

12 SORU 12: Bir sigorta şirketinde hasar tutarlarının dağılım fonksiyonu ve sınırlandırılmış beklenen değerler aşağıda verilmiştir. Hasar Tutarı F(X) E X x , , , Her bir hasar için muafiyet tutarı 7500 TL olup, poliçelerde teminat limiti yoktur. Buna göre sigorta şirketinin beklenen hasar ödemesi, aşağıdaki seçeneklerden hangisinde verilmiştir? A) B) C) D) E) CEVAP: E

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 SORU 2: Motosiklet sigortası pazarlamak isteyen bir şirket, motosiklet kaza istatistiklerine bakarak, poliçe başına yılda ortalama 0,095 kaza olacağını tahmin

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

Detaylı

SİGORTA MATEMATİĞİ SINAV SORULARI WEB. Belirli yaşlar için hesaplanan kommütasyon tablosu aşağıda verilmiştir.

SİGORTA MATEMATİĞİ SINAV SORULARI WEB. Belirli yaşlar için hesaplanan kommütasyon tablosu aşağıda verilmiştir. SORU 1 SİGORTA MATEMATİĞİ SINAV SORULARI WEB Şimdiki yaşı 56 olan Ahmet, Bireysel Emeklilik Sistemi (BES) ile biriktirmiş olduğu 250.000 TL yi yaşam süresi boyunca sabit ödemeli dönem başı yıllık maaş

Detaylı

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI: SİGORTA MATEMATİĞİ. Soru 1

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI: SİGORTA MATEMATİĞİ. Soru 1 Soru Günde 8 saat çalışan bir bankanın müşterilerinin sayısı ile ilgili olarak şu bilgi verilmektedir: Müşteri sayısı, bankanın açıldığı an 9 müşteri ile başlayıp, her saat başı 9 oranı ile doğrusal artarak

Detaylı

SIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017

SIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017 SIGORTA MATEMATİĞİ SORULARI WEB EKİM 2017 SORU 1: Hasar rassal değişkenini tanımlayan rassal X aşağıdaki dağılıma sahiptir: 150 F ( x) = 1, 0. x 150 + x Simülasyon teknikleri kullanılarak bu dağılımdan

Detaylı

SİGORTA MATEMATİĞİ SINAVI EKİM 2016 SORULARI

SİGORTA MATEMATİĞİ SINAVI EKİM 2016 SORULARI SİGORTA MATEMATİĞİ SINAVI EKİM 2016 SORULARI ÇÖZÜMLÜ SINAV SORULARI-WEB SORU-1: (i) P =0,06 x:n (ii) P x =0,03 (iii) P x + n=0,04 (iv) d =0,02 1 olarak veriliyor. Buna göre P x: n değeri aşağıdaki seçeneklerden

Detaylı

SİGORTA MATEMATİĞİ (Hayat-Hayat Dışı) Soru-1: (x) yaşında bir kişinin, tam sürekli tam hayat (whole life) sigortası için,

SİGORTA MATEMATİĞİ (Hayat-Hayat Dışı) Soru-1: (x) yaşında bir kişinin, tam sürekli tam hayat (whole life) sigortası için, SİGORTA MATEMATİĞİ (Hayat-Hayat Dışı) Soru-1: (x) yaşında bir kişinin, tam sürekli tam hayat (whole life) sigortası için, (i) Āx=0,5 (ii) 2 Āx=0,40 (iii) δ=0,04 (iv) E[L]= -0,2 olduğuna, sürekli, T zamanı

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

Detaylı

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

Ersin Pak (ersin.pak@kocallianz.com.tr) Melda Şuayipoğlu (melda.suayipoglu@kocallianz.com.tr) Nalan Öney (nalan.kadioglu@kocallianz.com.

Ersin Pak (ersin.pak@kocallianz.com.tr) Melda Şuayipoğlu (melda.suayipoglu@kocallianz.com.tr) Nalan Öney (nalan.kadioglu@kocallianz.com. Sağlık Sigortalarında İflas Olasılığını Etkileyen Parametrelerin Simülasyon Modeli ile Analizi Ersin Pak (ersin.pak@kocallianz.com.tr) Melda Şuayipoğlu (melda.suayipoglu@kocallianz.com.tr) Nalan Öney (nalan.kadioglu@kocallianz.com.tr)

Detaylı

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.

Detaylı

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın

Detaylı

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... 1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar

Detaylı

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen

Detaylı

IE 303T Sistem Benzetimi

IE 303T Sistem Benzetimi IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

ĐST 474 Bayesci Đstatistik

ĐST 474 Bayesci Đstatistik ĐST 474 Bayesci Đstatistik Ders Sorumlusu: Dr. Haydar Demirhan haydarde@hacettepe.edu.tr Đnternet Sitesi: http://yunus.hacettepe.edu.tr/~haydarde Đçerik: Olasılık kuramının temel kavramları Bazı özel olasılık

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

ortalama ve ˆ ˆ, j 0,1,..., k

ortalama ve ˆ ˆ, j 0,1,..., k ÇOKLU REGRESYONDA GÜVEN ARALIKLARI Regresyon Katsayılarının Güven Aralıkları y ( i,,..., n) gözlemlerinin, xi ortalama ve i k ve normal dağıldığı varsayılsın. Herhangi bir ortalamalı ve C varyanslı normal

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

SAĞLIK SİGORTALARI SINAVI WEB-ARALIK 2015

SAĞLIK SİGORTALARI SINAVI WEB-ARALIK 2015 SAĞLIK SİGORTALARI SINAVI WEB-ARALIK 2015 Soru-1: Sosyal Güvenlik Kurumu altında sağlık güvencesi olan ve ayrıca AA Sigorta şirketinden 04.05.2015 başlangıç tarihli sağlık sigortası yaptıran Ali Bey, 10.05.2015

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1

BÖLÜM 1: YAşAM ÇÖzÜMLEMEsİNE GİRİş... 1 ÖN SÖZ...iii BÖLÜM 1: Yaşam Çözümlemesine Giriş... 1 1.1. Giriş... 1 1.2. Yaşam Süresi... 2 1.2.1. Yaşam süresi verilerinin çözümlenmesinde kullanılan fonksiyonlar... 3 1.2.1.1. Olasılık yoğunluk fonksiyonu...

Detaylı

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa, NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi Değişken. w ( ) 1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere

Detaylı

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

Rassal Değişken Üretimi

Rassal Değişken Üretimi Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri Girdi Analizi 0 Gerçek hayattaki benzetim modeli uygulamalarında, girdi verisinin hangi dağılımdan geldiğini belirlemek oldukça zor ve zaman harcayıcıdır. 0 Yanlış girdi analizi, elde edilen sonuçların

Detaylı

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir. 3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi Balıkesir Üniversitesi İnşaat

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I

IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I Geçen Ders Sürekli Dağılımlar Uniform dağılımlar Üssel dağılım ve hafızasızlık özelliği (memoryless property) Gamma Dağılımı

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.

Detaylı

Bir Normal Dağılım Ortalaması İçin Testler

Bir Normal Dağılım Ortalaması İçin Testler Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü

Detaylı

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01 Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin

Detaylı

Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414

Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414 Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414 Bugün Risk ve Getiri İstatistik Tekrarı Hisse senedi davranışlarına giriş Okuma Brealey ve Myers, Bölüm 7, sayfalar 153-165 Yol haritası 1. Bölüm: Değerleme

Detaylı

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır? 26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup

Detaylı

SEVİYE 2 AKTÜERLİK SINAVI: FİNANS TEORİSİ 2015. Soru 2:

SEVİYE 2 AKTÜERLİK SINAVI: FİNANS TEORİSİ 2015. Soru 2: FİNANS TEORİSİ 2015 YILI SORULARI Soru 2: XYZ şirketi sabit ödemelerin yapıldığı faiz oranı takas (swap) sözleşmesine sahiptir. Sözleşmenin gösterge değeri (notional value) 2.000.000 TL dir ve ödemeler

Detaylı

Sigorta priminin benzetim yöntemi ile belirlenmesi ve otomobil sigortası örneği

Sigorta priminin benzetim yöntemi ile belirlenmesi ve otomobil sigortası örneği www.istatistikciler.org İstatistikçiler Dergisi: İstatistik&Aktüerya 7 (2014) 20-28 Đstatistikçiler Dergisi: Đstatistik&Aktüerya Sigorta priminin benzetim yöntemi ile belirlenmesi ve otomobil sigortası

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:

Detaylı

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun

Detaylı

MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI

MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI Öğrenci Bilgileri Ad Soyad: İmza: MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI 26 Mayıs, 2014 Numara: Grup: Soru Bölüm 1 10 11 12 TOPLAM Numarası (1-9) Ağırlık 45 15 30 20 110 Alınan Puan Yönerge 1. Bu sınavda

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ DÜZGÜN DAĞILIM KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

FINANS TEORISI WEB EKIM 2017

FINANS TEORISI WEB EKIM 2017 FINANS TEORISI WEB EKIM 2017 SORU 1: W t, t [0, T] aralığında tanımlı standart Brown hareketidir. P(2 W(3) > 4) olasılığı aşağıdaki seçeneklerden hangisinde verilmektedir? (Not: Φ fonksiyonu standart normal

Detaylı

Gelecek ufuklara güvenle bakabilmek...

Gelecek ufuklara güvenle bakabilmek... Gelecek ufuklara güvenle bakabilmek... Her şey yolunda giderken, beklenmedik bir kaza sonucu hayatınız alt üst olabilir. En değerli varlığınız çocuklarınızın başladıkları eğitim hayatlarını aynı standartlarda

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık

Detaylı

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I

Prof. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının

Detaylı

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi

Normallik Varsayımı ve Ençok Olabilirlik Yöntemi Normallik Varsayımı ve Ençok Olabilirlik Yöntemi EO Açıklayıcı Örnekler Ekonometri 1 Konu 14 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

Detaylı

YÖNEYLEM ARAŞTIRMASI-II Hafta 14

YÖNEYLEM ARAŞTIRMASI-II Hafta 14 9.0.07 YÖNEYLEM ARAŞTIRMASI-II Hafta ERT ANALİZİ Olasılıksal roje Değerlendirme ve Gözden Geçirme Tekniği ERT (robabilistic Evaluation and Review Technique) Eğer projenin faaliyetlerinin tamamlanma süresi

Detaylı

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II KUYRUK TEORİSİ - I DERS NOTLARI KUYRUK TEORİSİ Her birimiz kuyruklarda bekleyerek vakit geçirmişizdir. Bu derste kuyruklarlarla ilgili

Detaylı

Veri Ağlarında Gecikme Modeli

Veri Ağlarında Gecikme Modeli Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:

Detaylı

15.433 YATIRIM. Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş. Bahar 2003

15.433 YATIRIM. Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş. Bahar 2003 15.433 YATIRIM Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş Bahar 2003 İçerik Olasılık Teorisi Olasılık dağılımlarının kısa bir gözden geçirmesi Rassal olayları normal olaylarla değerlendirmek

Detaylı

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : SOSYAL BİLİMLERDE İSTATİSTİK Ders No : 000100 Teorik : Pratik : 0 Kredi : ECTS : Ders Bilgileri Ders Türü Öğretim Dili Öğretim

Detaylı

Bekleme Hattı Teorisi

Bekleme Hattı Teorisi Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim

Detaylı

009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL

Detaylı

Kalın kuyruklu hasar modellerinde iflas olasılığının benzetim yöntemi ile hesabı: Trafik sigortası örneği

Kalın kuyruklu hasar modellerinde iflas olasılığının benzetim yöntemi ile hesabı: Trafik sigortası örneği www.istatistikciler.org İstatistikçiler Dergisi 5 (2012) 1-13 İstatistikçiler Dergisi Kalın kuyruklu hasar modellerinde iflas olasılığının benzetim yöntemi ile hesabı: Trafik sigortası örneği Başak Bulut

Detaylı

İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği

İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği İSTATİSTİK E GİRİŞ TEMEL KAVRAMLAR İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği Elemanlarıl AMAÇ İstatistiğe

Detaylı