ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ"

Transkript

1 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak mümkü değldr. Öreklem souçları daha doğru olablr. Çükü daha az sayıda kş le (örek le) çalışılacağıda, araştırma daha özel yürütüleblr. Eğer öreklem htmale dayalı yötemlerle seçlyorsa, yapıla örekleme hatasıı tahm de bulmak mümküdür. 1

2 Öreklemede temel amaç seçle öreklem ktley temsl edeblecek özellkte olmasıdır. Öreklem ktley tümüyle temsl etmes bekler. Acak bu gerekl değldr. Öreklem, ktley ulaşmak stedğmz blgde farklılık yaratablecek etkeler yöüde temsl edeblecek özellkte olması yeterldr. 3 ÖRNEKLEMEDEN YARARLANMA KOŞULLARI Uygu Öreklem Büyüklüğü Uygu Örekleme Yötem 4

3 UYGUN ÖRNEKLEM BÜYÜKLÜĞÜ» Uygu öreklem büyüklüğü kullaılacak statstksel yötem temel alıarak hesaplamalıdır. Temel lke olarak öreklem büyüklüğü araştırmaı brcl hpotez (ve dolayısıyla amacı) çhesaplaır. İdeal olarak se, her öeml değşkeçayrı ayrı br öreklem büyüklüğü hesaplaır ve e büyük tahm yapacak ola seçlr.» Uygulaablecek her br statstksel yötem ç farklı öreklem geşlğ formüller bulumaktadır. Burada se e bast olarak ktle ortalamasıı ve oraıı tahm edlmesde kullaılacak öreklem büyüklüğü formüller verlecektr. 5» Ktle büyüklüğü (N) blmyorsa; = z α / d σ Ktle büyüklüğü (N) blyorsa; = d Nzα / σ ( N 1) + z σ α / z σ α/ = İk yölü hpoteze göre z tablo değer = Ktle varyası d = Ortalama göre yapılmak stee ± sapma N = Evre büyüklüğü 6 3

4 » Ktle büyüklüğü (N) blmyorsa; z P(1 P = α d Ktle büyüklüğü (N) blyorsa; / ) = d Nzα / P(1 P) ( N 1) + z P(1 P) α / z α/ = İk yölü hpoteze göre z tablo değer P = İceleece k olayı görülüş sıklığı d = İceleece k olayı görülüş sıklığıa göre N = Evre büyüklüğü yapılmak stee ± sapma 7» Bu formüller bast rasgele örekleme yötem ç geçerl formüllerdr. Dğer yötemlerde farklı formüller kullaılır. Formüllerdek çoğu blmeye araştırıcı tarafıda ögörüle ve/veya daha öcek çalışmalar (plot çalışmalar) yardımıyla elde edle değerler olablmektedr. 8 4

5 » Örek 1: Br araştırmacı ye doğa bebekler ortalama doğum ağırlığıı tahm etmeye çalışıyor. Eğer % 95 güverllkle bebek ağırlıklarıı gerçek ortalamada (ktle ortalaması) ±50 gr sapma le tahm etmeye çalışıyorsa, örekleme kaç ye doğa alımalıdır? (Ktle Stadart Sapması 700gr olarak kabul edlyor) z σ α/ = z 0.05 = 700 d = 50gr = = 50 = 30 Eğer N=60 se; = 50 (59) = 0 d=400 gr, alıırsa gerekl öreklem geşlğ 9.97~10. 9» Örek :Br bölgede 50 yaş ve üstü yetşklerde 0.40 oraıda olduğu tahm edle malütrsyo (besleme bozukluğu) sıklığıı 0.05 hata ve % 95 olasılıkla tahm edeblmek ç kullaılacak uygu öreklem büyüklüğü edr? = 1.96 = z zα/ 0.05 P = 0.40 d = 0.04 = 1.96 (0.40 )(0.60 ) = Eğer bu bölgede 5000 yetşk olduğu ögörülürse; (0.40)(0.60) = = (4999) (0.40)(0.60) 10 5

6 ÖRNEKLEME YÖNTEMLERİ Olasılıksız Örekleme Olasılıklı Örekleme Kota Öreklemes Kartopu Öreklemes B. Rasgele Örekleme Tabakalı Örekleme Küme Öreklemes 11 Olasılıklı Örekleme Yötemler Olasılıklı örekleme yötemlerde örekleme seçlecek örek brmlere eşt şas verlr. Örek brmlere eşt şas verlerek ktledek değşkelğ öreklemde koruması sağlaır. Böylece öreklem ktley temsl yeteeğ artırılmış olur. Ktledek her örek brme örekleme seçlme yöüde eşt şas vereblmek ç ktledek brmler arasıda rasgele seçm yapılır. Rasgelelğ sağlayablmek ç rasgele sayılar tablosu yada rasgele sayı ürete blgsayar yazılımlarıda yararlaılır. 1 6

7 ÖRNEKLEMEDE RASGELELİK Öreklemede rasgelelk, ktledek her deeğe örekleme seçlme yöüde eşt şas verlmesdr. Bu şası eştleememes durumuda; öreklemede elde edlecek souçlardak hatalar rasgele olmayacağı ç souçlar yalı olur. Öreklemede yasız souçlar elde edeblmek ç rasgelelk koşullarıa uyulmalıdır. 13 BASİT RASGELE ÖRNEKLEME Bast Rasgele Örekleme, elde edlmes stee blgde farklılık yaratacak herhag faktörü olmadığı, ktledek deeklere ulaşmaı olaaklı olduğu durumlarda bast rasgele seçm yöteme göre öreklem oluşturulmasıa der. 14 7

8 N büyüklüğüdek br ktlede büyüklüğüde br öreklem bast rasgele örekleme yötemyle seçmek ç; 1. Ktlede 1 de N ye tüm deekler sıralaarak umaraladırılır. 1,, 3, 4, 5, 6, 7, 8, 9, 10,..., N-1, N. Gerekl öreklem geşlğ () hesaplaır. 3. Rasgele sayılar tablosu, Excel ya da herhag br yazılım le sayı rasgele olarak seçlr. 4. Seçle rasgele sayılara karşılık gele deekler çalışmaya alıır. 5. Ktle parametreler tahm edlr N=500 ola br ktlede =10 büyüklüğüde br öreklem rasgele seçlrse, Deeklere 1 de 500 e umara verlr. Rasgele br başlama oktasıda başlaır(838) 500 ola değerler örekleme alıır. 379, 404, 100, 15, 90, 479, 487, 69, 405, 90. değerler örekleme alıacaktır. Seçle değerlere dek gele gözlemler belrler. Parametreler tahm edlr. 16 8

9 Öreklem statstklerde yararlaarak ktle parametreler tahm edlr. Nokta Tahm x μ x = = 1 x p p = a P 17 Aralık Tahm Ktle Ortalaması İç Güve Aralığı: x s t( 1; α) μ x + t( 1; α) S stadart sapma, t değer se t tablo değerdr. s s = x 1 ( x ) 18 9

10 Örek 3: Br araştırmacı, aeler lk doğumlarıı yaptıkları yaş ortalamasıı tahm etmek styor. Rasgele olarak 10 ae seçyor: Ae No İlk doğum yaşı Ktle ortalamasıı okta tahm: x x = 5 = = Öreklem stadart sapması: s ( x ) x = 1 = yıl ( 5) = 3. 7 Ortalamaı tahm stadart hatası: s 3. 7 s x = = =

11 Araştırmacı tahmde % 95 em olmak sterse: x s t( 1; α) μ x + t( 1; α) s (. 04) μ (. 04) μ

12 KİTLE ORANI İÇİN GÜVEN ARALIĞI P ktle oraı blmedğde tahm ç öreklem oraı p kullaılablr. p p(1- p) t( 1; α) P p t( 1; α) p(1- p) 3 Örek 4: Br araştırmacı, lk doğumuda 0 yaşıdavedahageçolakadıları oraıı %95 güvele tahm etmek styor. Ae No İlk doğum yaşı

13 Ktle oraıı okta tahm: p=a/=4/10=0.4 Ortalamaı tahm stadart hatası: p( 1 p) ( 0. 4)( 0. 6) s p = = = p p(1- p) t( 1; α) P p t( 1; α) p(1- p) 0. 4 (. 6)( 0. 15) P (. 6)( 0. 15) 0.06 P Örek de öreklem büyüklüğü 10 yere 100 olsaydı % 95 güve aralığı: 0. 9 P

14 Örek 5: Yıldız Tekk Üverstes de 50 öğrecye gülük düzel olarak gazete okuyup okumadıkları sorulmuştur. 185 düzel olarak okuduklarıı söylemştr. % 95 güve aralığıyla Yıldız Tekk Üverstes dek öğrecler düzel olarak gazete okuma alışkalıkları tahm edlmek sterse; 185 p = = Gazete okuya öğrecler oraıı okta tahm:0.74 p( 1 p) 0. 74x0. 6 S p = = = Tahm stadart hatası: Dğer br deyşle, geşlğ 50 ola mümkü tüm olasılıklar hesapladığıda oraları stadart hatası 0.08 dr. % 95 Güve Aralığı: ( p ( t S )) P ( p + ( t S )) ( α; 1) [ ( 0. 08) ] P [ ( 0. 08) ] P p ( α; 1) p 8 14

15 SİSTEMATİK ÖRNEKLEME Ktledek deek sayısı N, örekleme seçlecek deek sayısı ye bölüür. N k = 1-k arasıda rasgele br sayı seçlr (R). R ye k ekleerek seçlecek dğer sıra umaraları belrler k +k +k +3k N N/ 9 TABAKALI ÖRNEKLEME Bu örekleme, toplamak stee blg doğruluğuu etkleyecek faktörler olduğuda, ktley bu faktör gruplarıa göre tabakalara ayırarak her tabakada ayrı ayrı öreklem seçerek yapılır. Her tabakada ayrı öreklem seçerek, tabakaları (faktör gruplarıı) ktledek değşkelğ öreklemde de koruarak öreklem ktley temsl yeteeğ artırılmış olur

16 Tabaka Tabaka Büyüklüğü Öreklem Büyüklüğü 1 N 1 1 N k N k k TOPLAM N Her tabakada bağımsız olarak, rasgele öreklemeyle tabakaı büyüklüğüyle oratılı olarak öreklem seçlr. N N = 31 Parametreler tahm x = p = k = 1 k = 1 N N N N x p sh( x) = sh(p) = k k = 1 = 1 N s N N p ( 1 p ) N Tahmler stadart hatası 3 16

17 TABAKALI ÖRNEKLEME Yararları Eğer tabakalama y yapılmış se daha doğru blg elde etme olaağı sağlar. Her tabakada alıa öreklem ked tabakasıı temsl yeteeğ olduğuda her tabaka ç ayrı souç elde etme olaağı sağlar Ekskler Örekleme hatası hesaplamak zordur. Eğer tabaka öreklem büyüklükler küçük se blg doğruluğu azalır. 33 Tabakalı Örekleme Tabakalı öreklemede y souç alablmek ç, Tabakalar, ked çde homoje, Tabakalar, ked aralarıda heteroje olmalıdır

18 KÜME ÖRNEKLEMESİ Ktledek deekler lsteleemedğ, bu edele tek tek deeklere ulaşmaı olaaksız olduğu durumlarda kullaıla örekleme yötemdr. Bu yötemde ktle, brbre bezer deeklerde oluşa kümelere (deek grupları) ayrılır. Bu yötemde, deek seçme yere küme seçlerek öreklem oluşturulur. 35 Küme Öreklemes Kümeler ked aralarıda bezer oldukları gb her br ayrı ayrı ktley temsl edeblr özellkte olmalı ya da kümeler bu özellğ taşıyacak bçmde oluşturulmalıdır. Küme öreklemes özellkle saha araştırmalarıda deeklere (kşlere) ulaşmaı zor olduğu durumlarda kullaılır. Bu durumda sııflar, köyler, sokaklar gb deekler br arada buluduğu brmler küme olarak belrler. Bu yötemde, deek seçme yere küme seçlerek öreklem oluşturulur

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

Detaylı

İki veri setinin yapısının karşılaştırılması

İki veri setinin yapısının karşılaştırılması İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu

Detaylı

MERKEZİ EĞİLİM ÖLÇÜLERİ

MERKEZİ EĞİLİM ÖLÇÜLERİ MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle

Detaylı

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

Detaylı

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN ÖRNEKLEME YAPILIR? İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir. YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama

Detaylı

EVREN, ÖRNEK, TEMSİLİYET. Prof. Mustafa Necmi İlhan

EVREN, ÖRNEK, TEMSİLİYET. Prof. Mustafa Necmi İlhan EVREN, ÖRNEK, TEMSİLİYET Prof. Mustafa Necmi İlhan MD, PhD, PhD, MBA Gazi Üniversitesi Tıp Fakültesi Halk Sağlığı AbD mnilhan@gazi.edu.tr 1 Neden Araştırma Yaparız? Bilimsel gerçeğe ulaşmak Bilinenlerin

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI ÖRNEKLEME YÖNTEMLERİ Prof. Dr. Ergu Karaağaoğlu H.Ü. Tıp Fakültesi Biyoistatistik ABD ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI

Detaylı

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes

Detaylı

Polinom İnterpolasyonu

Polinom İnterpolasyonu Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır

Detaylı

Ki- kare Bağımsızlık Testi

Ki- kare Bağımsızlık Testi PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl@deu.edu.tr Taımlayıcı İstatstkler Yer Ölçüler (Merkez Eğlm Ölçüler) Duyarlı Ortalamalar

Detaylı

T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI

T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI 15.09.015 T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI ISL4 İSTATİSTİK II HAZIRLAYAN PROF. DR. ALİ SAİT ALBAYRAK

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

Detaylı

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir. HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya

Detaylı

TABAKALI ŞANS ÖRNEKLEME

TABAKALI ŞANS ÖRNEKLEME 6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve

Detaylı

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ

İSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü FİZ433 FİZİKTE BİLGİSAYAR UYGULAMALARI DERS NOTLARI Hazırlaya: Pro.Dr. Orha ÇAKIR Akara Üverstes, Fe Fakültes, Fzk Bölümü Akara, 7! İÇİNDEKİLER. LİNEER OLMAYAN DENKLEMLERİN KÖKLERİNİN BULUNMASI I/II. LİNEER

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ 8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,

Detaylı

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1 ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ

Detaylı

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr. İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk

Detaylı

İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ

İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ İSTATİSTİK Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özka GÖRGÜLÜ Tavsye Edle Kayak Ktaplar Her öğrec keds tuttuğu düzel otlar.. Akar, M. ve S. Şahler, (997). İstatstk. Ç.Ü. Zraat Fakültes Geel Yayı No: 74, Ders

Detaylı

1. GAZLARIN DAVRANI I

1. GAZLARIN DAVRANI I . GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak

Detaylı

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )

Detaylı

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı) 3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda

Detaylı

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol

Detaylı

Öğretim Üyesi. Topoğrafya İnşaat Mühendisliği

Öğretim Üyesi. Topoğrafya İnşaat Mühendisliği Öğretim Üyesi Mehmet Zeki COŞKUN Y. Doç. Dr. İşaat Fak., Jeodezi ve Fotogrametri Müh. Ölçme Tekiği Aabilim Dalı (1) 85-6573 coskumeh@itu.edu.tr http://atlas.cc.itu.edu.tr/~cosku Adres Öğreci görüşme saatleri:

Detaylı

İstatistik Nedir? Sistem-Model Kavramı

İstatistik Nedir? Sistem-Model Kavramı İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

Detaylı

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research

Detaylı

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği Akademk Blşm 11 - III. Akademk Blşm Koferası Bldrler 2-4 Şubat 2011 İöü Üverstes, Malatya Bağıl Değerledrme Sstem Smülasyo Yötem le Test Edlmes: Kls 7 Aralık Üverstes Öreğ Kls 7 Aralık Üverstes, Blgsayar

Detaylı

Hipotez Testleri. Parametrik Testler

Hipotez Testleri. Parametrik Testler Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde

Detaylı

Đst201 Đstatistik Teorisi I

Đst201 Đstatistik Teorisi I Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE

İSTATİSTİKSEL TAHMİNLEME VE 1 ölüm maçları İSTTİSTİKSEL THMİLEME VE YORUMLM SÜRECİ ÖREKLEME VE ÖREKLEME DĞILIMLRI u bölümde öğreeceklerz. Örekleme gereksm ve yötemler celemek. Örekleme hatası kavramıı taımlamak Örekleme dağılışı

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.

Detaylı

) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit

) ( k = 0,1,2,... ) iterasyon formülü kullanılarak sabit Karadez Te Üverstes Blgsayar Mühedslğ Bölümü 5-6 Güz Yarıyılı Sayısal Çözümleme Ara Sıav Soruları Tarh: Kasım 5 Perşembe Süre: daa. f ( ( + a e fosyouu sabt otası olmadığı bldğe göre, a 'ı alableceğ e

Detaylı

BÖLÜM 4 KLASİK OPTİMİZASYON TEKNİKLERİ (KISITLI OPTİMİZASYON)

BÖLÜM 4 KLASİK OPTİMİZASYON TEKNİKLERİ (KISITLI OPTİMİZASYON) BÖÜM 4 KASİK OPTİMİZASYON TEKNİKERİ KISITI OPTİMİZASYON 4. GİRİŞ Öcek bölülerde de belrtldğ b optzaso probleler çoğuluğu kısıtlaıcı oksolar çerektedr. Kısıtlaasız optzaso problelerde optu değer ede oksou

Detaylı

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t)

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t) III.4. YÜKSEK MEREBE AYLOR MEODLARI Saısal tekkler amacı mmum çaba le olablğce uarlı aklaşımlar ele etmektr. Bu eele çeştl aklaşım ötemler vermllğ karşılaştıracak br krtere gereksm varır. İlk ele alıacak

Detaylı

Konular. VERİ MADENCİLİĞİ Veri Önişleme. Değer Kümeleri. Veri Nedir? Nitelik Türleri. Konular

Konular. VERİ MADENCİLİĞİ Veri Önişleme. Değer Kümeleri. Veri Nedir? Nitelik Türleri. Konular 0 Koular VERİ MADENCİLİĞİ Ver Öşleme Yrd. Doç. Dr. Şule Güdüz Öğüdücü Öşleme y Taıma Bezerlk ve farklılık Ver Nedr? eseler ve eseler telklerde oluşa küme kayıt (record), varlık (etty), örek (sample, stace)

Detaylı

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci

Temel ve Uygulamalı Araştırmalar için Araştırma Süreci BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu

Detaylı

27 Ağustos 2011 CUMARTESİ Resmî Gazete Sayı : 28038 TEBLİĞ

27 Ağustos 2011 CUMARTESİ Resmî Gazete Sayı : 28038 TEBLİĞ 7 Ağustos 011 CUMARTESİ Resmî Gazete Sayı : 8038 TEBLİĞ Bilgi Tekolojileri ve ĠletiĢim Kurumuda: SABĠT TELEFON HĠZMETĠNE ĠLĠġKĠN HĠZMET KALĠTESĠ TEBLĠĞĠ BĠRĠNCĠ BÖLÜM Amaç, Kapsam, Dayaak ve Taımlar Amaç

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme

Detaylı

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

Detaylı

MÜHENDİSLER İÇİN İSTATİSTİK. Prof. Dr. Hüseyin Çelebi Ders Notları

MÜHENDİSLER İÇİN İSTATİSTİK. Prof. Dr. Hüseyin Çelebi Ders Notları MEÜ. Mühedslk Fakültes Jeoloj Mühedslğ Bölümü MÜHENDİSLER İÇİN İSTATİSTİK YÖNTEMLER VE UYGULAMALAR Prof. Dr. Hüsey Çeleb Ders Notları Mers 007 Prof. Dr.-Ig. Hüsey Çeleb 1 Brkaç ülü sözü İstatstk! Matematğ

Detaylı

Operasyonel Risk İleri Ölçüm Modelleri

Operasyonel Risk İleri Ölçüm Modelleri Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu

Detaylı

GÜVEN ARALIĞI KESTİRİM

GÜVEN ARALIĞI KESTİRİM GÜVEN ARALIĞI KESTİRİM GÜVEN ARALIĞI Herhangi bir parametre için güven aralığı iki istatistikle verilir: U ve L. Öyle ki, eğer parametrenin doğru değeri θ ise, o zaman P(L θ U) = 1 - α Burada θ parametrenin

Detaylı

Populasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1)

Populasyon Hacminin Yakalama-Tekrar Yakalama Yöntemi Kullanılarak Ters Tahmin Yöntemi ile Tahmini (1) Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc., 003, 3(: 3-8 Gelş Tarh :.0.003 Populasyo Hacm Yakalama-Tekrar Yakalama Yötem Kullaılarak Ters Tahm Yötem le Tahm ( Hamt MİRTAGHIZADEH

Detaylı

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI

REGRESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KARELER VE EN KÜÇÜK MEDYAN KARELER YÖNTEMLERİNİN KARŞILAŞTIRILMASI FEN DEGİSİ (E-DEGİ). 8, 3() 9-9 EGESYON ANALİZİNDE KULLANILAN EN KÜÇÜK KAELE VE EN KÜÇÜK MEDYAN KAELE YÖNTEMLEİNİN KAŞILAŞTIILMASI Özlem GÜÜNLÜ ALMA, Özgül VUPA Dokuz Eylül Üverstes, Fe-Edebyat Fakültes,

Detaylı

9. Ders. Đstatistikte Monte Carlo Çalışmaları

9. Ders. Đstatistikte Monte Carlo Çalışmaları 9. Ders Đstatstkte Mote Carlo Çalışmaları Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve bu modeller geçerllğ sıamada kullaıla bazı blg ve yötemler

Detaylı

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2 Matematk olarak ormal dağılım foksyou f ( ) ep ( ) Şeklde fade edlr. Burada μ artmetk ortalama, σ se stadart sapma değer gösterr ve dağılım foksyou N(μ, σ) otasyou le gösterlr. Bu deklem geometrk görütüsü

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

HĐPERSTATĐK SĐSTEMLER

HĐPERSTATĐK SĐSTEMLER HĐPERSTATĐK SĐSTELER Taım: Bütü kest zorları, şekldeğştrmeler ve yerdeğştrmeler belrlemes ç dege deklemler yeterl olmadığı sstemlere hperstatk sstemler der. Hperstatk sstemler hesabı ç, a) Dege deklemlere,

Detaylı

Ölçme Hataları ve Normal Dağılım

Ölçme Hataları ve Normal Dağılım Ölçme Hataları ve Normal Dağılım Yıl 967. Fzk ders mekak laoratuarıda rc laoratuar. Kousu: Ölçme ve çft kefel terazler hassasyet. Mesaj: ey ölçerse ölç, ölçmek stedğ şey ulamazsı, ölçü alet hassasyet sıırları

Detaylı

HİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN

HİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN HİPOTEZ TESTLERİ Yrd. Doç. Dr. Emre ATILGAN Hipotez Nedir? HİPOTEZ: parametre hakkındaki bir inanıştır. Parametre hakkındaki inanışı test etmek için hipotez testi yapılır. Hipotez testleri sayesinde örneklemden

Detaylı

Çok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma

Çok Aşamalı Sıralı Küme Örneklemesi Tasarımlarının Etkinlikleri Üzerine Bir Çalışma Süleyma Demrel Üverstes, Fe Blmler Esttüsü Dergs, 15- ( 011),17-134 Çok Aşamalı Sıralı Küme Öreklemes Tasarımlarıı Etklkler Üzere Br Çalışma Nlay AKINCI 1, Yaprak Arzu ÖZDEMİR * 1 TRT Geel Müdürlüğü Reklam

Detaylı

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ A Uygulamalı Blmler ve Mühedslk ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY A Appled Sceces ad Egeerg Clt/Vol.: 3-Sayı/No: : 5-63 (202 ARAŞTIRMA

Detaylı

Bileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:

Bileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir: 1 BİLEŞİK FAİZ: Basit faiz hesabı kısa vadeli(1 yılda az) kredi işlemleride uygulaa bir metot idi. Ayrıca basit faiz metoduda her döem içi aapara sabit kalmakta olup o döem elde edile faiz tutarı bir soraki

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik Olmayan İstatistik Çözümlü Sorular - 2 Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr

Detaylı

ISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ

ISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ 4. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ PARANIN ZAMAN DEĞERİ VE GETİRİ ÇEŞİTLERİ Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (

Detaylı

Tarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim.

Tarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim. 6..27 Tarhl Mühedslk ekooms fal sıavı Süre 9 dakka Sıav Saat: Sıav süresce görevllere soru sormayı. Başarılar dlerm. D: SOYD: ÖĞRENCİ NO: İMZ: Tek ödemel akümüle değer faktörü Tek ödemel gücel değer faktörü

Detaylı

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz; Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9

Detaylı

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler 3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;

Detaylı

AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ

AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ Geel olrk 4 tp yötem kullılır.. Düz çzg yötem: Mlı değer zml doğrusl olrk zldığı vrsyılır. Mlı hzmet ömrü boyuc her yıl ç yı mktr mortsm olrk yrılır. V V d = S d:

Detaylı

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel

Detaylı

SEROLOJİK ÖRNEKLEME EL KİTABI. AVIAGEN ANADOLU AŞ KANATLI TEŞHİS ve ANALİZ LABORATUVARI SEROLOJİ ÖRNEKLEME EL KİTABI

SEROLOJİK ÖRNEKLEME EL KİTABI. AVIAGEN ANADOLU AŞ KANATLI TEŞHİS ve ANALİZ LABORATUVARI SEROLOJİ ÖRNEKLEME EL KİTABI AVIAGEN ANADOLU AŞ KANATLI TEŞHİS ve ANALİZ LABORATUVARI SEROLOJİ ÖRNEKLEME EL KİTABI 1/9 Hazırlaya Oaylaya Yürürlük Tarihi Revizyo Tarihi Mehmet ÜVEY Mehmet ÜVEY 06.04.2011 05.06.2014 Gözde Geçire Gözde

Detaylı

Araştırmada Evren ve Örnekleme

Araştırmada Evren ve Örnekleme 6. Bölüm Araştırmada Evren ve Örnekleme 1 İçerik Örnekleme Teorisinin Temel Kavramları Örnekleme Yapmayı Gerekli Kılan Nedenler Örnekleme Süreci Örnekleme Yöntemleri 2 1 Giriş Araştırma sonuçlarının geçerli,

Detaylı

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI 1 KONTOL KATLAI 1)DEĞİŞKENLE İÇİN KONTOL KATLAI Ölçe,gözle veya deey yolu le elde edle verler değşke(ölçüleblr-sürekl) ve özellk (sayılablr-keskl) olak üzere başlıca k gruba ayrılır. Değşke verler belrl

Detaylı

Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes

Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda, Begül ARKANT tarafıda hazırlaa bu çalışma 3/07/008 tarhde aşağıdak jür tarafıda oy brlğ le Akara Üverstes ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BAĞIMLI GÖZLEMLERLE BOOTSTRAP YÖNTEMİ Begül ARKANT İSTATİSTİK ANABİLİM DALI ANKARA 008 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER 4 TANIMLAYICI İSTATİSTİKLER 4.. Merkez Eğlm Ölçüler 4... Artmetk Ortalama 4... Ağırlıklı Artmetk Ortalama 4..3. Keslmş artmetk ortalama 4..4. Geometrk Ortalama 4..5. Harmok Ortalama 4..6. Kuadratk Ortalama

Detaylı

ÖzelKredi. İsteklerinize daha kolay ulaşmanız için

ÖzelKredi. İsteklerinize daha kolay ulaşmanız için ÖzelKredi İstekleriize daha kolay ulaşmaız içi Yei özgürlükler keşfedi. Sizi içi öemli olaları gerçekleştiri. Hayalleriizi süsleye yei bir arabaya yei mobilyalara kavuşmak mı istiyorsuuz? Veya özel güler

Detaylı

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN

Detaylı

BASİT ŞANS ÖRNEKLEMESİ

BASİT ŞANS ÖRNEKLEMESİ 5 BAİT ŞA ÖREKLEMEİ 5. Artmetk ortalamaı tahm 5... Artmetk ortalamaı varyası 5... Artmetk ortalama ç güve aralığı 5..3. Artmetk ortalamaı tahme örek hacm ve uyarlılık arasıak lşk 5. Toplamı tahm 5... Toplamı

Detaylı

İşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003

İşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003 ISTANBUL BİLGİ UNİVERSİTY İşletme İstatstğ [Type the documet subttle] Ege Yazga ve Yüce Zerey 1/1/3 [Type the abstract of the documet here. The abstract s typcally a short summary of the cotets of the

Detaylı

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI DAĞILIMLAR İÇİN EN ÇOK OLABİLİRLİK VE FARKLI KAYIP FONKSİYONLARI ALTINDA BAYES TAHMİN EDİCİLERİNİN PERFORMANSLARININ KARŞILAŞTIRILMASI Gülca GENCER

Detaylı

KONSTRUKSİYONDA ŞEKİLLENDİRME

KONSTRUKSİYONDA ŞEKİLLENDİRME T.C. Uludağ Üverstes Fe Blmler Esttüsü ake ühedslğ Bölümü KOSTRUKSİYODA ŞEKİLLEDİRE PROJE: HASSAS DÖE SAYISI AYAR EKAIZASI TASARII Prof. Dr. Em GÜLLÜ Hazırlaya: ake üh. İlyaz İDRİZOGLU 585 Bursa 9 İÇİDEKİLER

Detaylı