BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ"

Transkript

1 SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 5 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan Öğretim" tekniğine uygun olarak hazırlanan bu ders içeriğinin bütün hakları saklıdır. İlgili kuruluştan izin almadan ders içeriğinin tümü ya da bölümleri mekanik, elektronik, fotokopi, manyetik kayıt veya başka şekillerde çoğaltılamaz, basılamaz ve dağıtılamaz. Her hakkı saklıdır 2013 Sakarya Üniversitesi 0

2 BÖLÜM 4 OLASILIK KAVRAMI BÖLÜMÜN AMACI Bu bölümün amacı, istatistik biliminin temel kullanım amacı olan veri analizi süreçleri için kilit öneme sahip olasılık kavramı ve olasılık dağılımları hakkında öğrenciye temel yeterliliklerin kazandırılmasıdır. Bu bölüme kadar istatistik biliminin açıklayıcı veya tanımalayıcı olarak (bir deyişle özetleyici) olarak kullanımı ile ilgili yöntem ve yaklaşımları inceledik. İstatistik biliminin bir diğer, belki de en önemli, kullanım amacı veri analizi süreçleri yani istatistiksel çıkarsama (çıkarımsal istatistik) alanıdır. Bu alandaki testlerin ve kavramların daha iyi kavranabilmesi adına olasılık kavramı ve olasılık dağılımları ile ilgili temel bilgilerin bilinmesi gereklidir Olasılık Kavramı İstatistiksel çıkarsama konusunun temelini olasılık kavramı oluşturur. Çünkü olasılık örneklem ile ana kütle arasındaki bağlantıyı kurar. 1. Satış fiyatının artırıldığında, talep edilen miktarın artması ihtimali nedir? 2. Yeni kurulan montaj hattının üretimin verimliliğine etkisi nedir? 3. Hâlihazırda sürdürülen projenin zamanında bitme ihtimali nedir? 4. Yeni yapılan yatırım aracından fayda sağlama ihtimalimiz nedir? Yukarıdaki temel işletmecilik sorularının cevabını ancak ve ancak olasılık yaklaşımları ile verebiliriz. Eğer olasılıları biliyorsak, o olayın ortaya çıkma ihtimali ile ilgili yorum yapabiliriz. DİKKAT Olasılık Örneklem ile Ana kütle arasındaki bağlantıyı kurar. Rassal Deney Olası rassal sonuçları üreten süreçlere rassal deney denir. Rassal Deney Deneylerin Olası Sonuçları Yazı Tura Atışı Yazı, Tura İmalat alanında parça muayenesi Kusursuz, Fire Satış Başarılı, Başarısız Zar Atışı 1, 2, 3, 4, 5, 6 Futbol Oynamak Galibiyet, Mağlubiyet ve Beraberlik 1

3 Örnek Uzay Rassal deneylerin olası bütün sonuçlarını kapsayan değerler kümesidir. İki temel özelliği vardır. 1. Bir rassal olayın olası bütün sonuçlarını eksiksiz bir biçimde içermelidir. 2. İki sonuç aynı anda olmamalı, yani bütün değerler eşsiz olmalı, ortak değer olmamalıdır Olaylara Olasılık Atamak Bir örnek uzayının,,, şeklinde oluşturulduğu durumlarda iki temel olasılık gereksinimi sağlanmalıdır. 1. Bütün olasılık değerleri 0 ile 1 aralığında değer almalıdır. 0 1 : ö. ğ 2. Bir örnek uzayda yer alan bütün sonuçlarının toplamı 1 olmalıdır. DİKKAT Hiçbir zaman bir olayın olma olasılığı 1 değerinin üzerine çıkmaz. Yani hiçbir olay %100 den daha fazla bir ihtimalle olmaz. Örnek uzaydaki her bir sonuç istatistik biliminde olay olarak adlandırılır. Örneğin yazı tura deneyindeki iki farklı olay yazı ve turadır. Bir olayın olma olasılığı alt olaylayların olma olasılıkları toplamıdır. ÖRNEK Bir sınıfta öğrencilerin matematik dersinde aldıkları harfli notların görülme olasılılarının aşağıdaki gibi olduğu düşünülmektedir. 0.2, 0.3, 0.25, 0.15, 0,1 Herhangi bir öğrencinin dersten geçme (D ve üzeri not alma) olasılığı nedir? Bir öğrencinin dersten geçme olasılığı A, B, C ve D alma olasılıklarının toplamıdır. ç

4 Olasılıkları Yorumlamak Şimdiye kadar olasılıkların direk olarak verildiği, sezgisel olarak belirlendiği durumları dikkate aldık. Fakat olasılık hesaplarının temelinde sayma kuralı olarak adlandırdığımız bir durum yatar. Sayma kuralı bir rassal deneyin sonuç ürettiği her durumu gözleyerek kayıt altına almakla gerçekleştirilir. Daha sonra yeterli miktarda sayım yapıldığına kanaat getirilirse deney sonuçlarının göreceli frekansları (Bkz. Bölüm 3) hesaplanarak olasılıklar oluşturulur. Örneğin bir para 500 defa havaya atıldığında 248 defa yazı 252 defa tura gelsin. Bu durumda göreceli frekanslar sırasıyla 0,496 ve 0,504 çıkar. Bu durumda yaklaşık olarak 0,5 ihtimalle yazı ve 0,5 ihtimalle tura geldiğini gözlemleyebiliriz. Eğer deney sayısını 500 değilde 5000 hatta olarak alırsak deney sonuçları %50 ye iyice yakınsıyacaktır. Matematiksel çıkarımla bu deney sonsuz sayıda gerçekleştirilebilirse, göreceli frekans değerleri olasılıkları verir ki para atma deneyi için 0,5 ve 0,5 dir. DİKKAT Olasılıklar toplamının 1 e eşit olduğunda dikkat edin. (0, ,504 = 1 veya 0,5 + 0,5 =1) KENDİNİ SINA Herhangi bir konuda bir rassal olay belirle. Bu olayın olası sonuçlarını yazarak örnek uzayı oluşturmaya çalış. Daha sonra sayma kuralı yardımıyla bu örnek uzaydaki her bir olay için olasılık değerlerini atamaya çalış. (Örneğin karşıdaki markete gelen müşterilerin bayan veya erkek olma ihtimalleri) Birleşik Olasılık İki olayın birlikte olma olasılıklarına veya başka bir deyişle iki olayın kesişimine birleşik olasılık (Joint Probability) adı verilir. Notasyonda veya şeklinde gösterilir. A Olayı B Olayı Örnek Uzayı 3

5 DİKKAT Olasılıkların birleşimi (toplanması) ile birleşik olasılık farklıdır. Birleşik olasılık iki olayın aynı anda olduğu ve durumlarını, olasılıkların birleşimi ise iki olaydan birinin olduğu veya durumlarını betimler. ÖRNEK Bir analizci bir yatırım fonunun başatıyla yönetilmesi ile fon yöneticisinin MBA derecesi olması arasındaki ilişkiyi sorgulamaktadır. Aşağıdaki verilen olasılıkları dikkate alarak bu durumu analiz edin. Olaylara ait notasyon aşağıda sunulmuştur. ö ö ş ş Birleşik olasılıklar aşağıdaki gibidir. 0,11 0,29 0,06 0,54 Bu durumda MBA derecesi ile fonun başarılı olması arasında bir ilişkinin varlığı ortaya çıkmaktadır. Örneğin MBA li yöneticiler, MBA sizlere göre yaklaşık iki kat daha fazla başarı oranına sahiptir. (0,11 0,06) Bir başka bakış açısı ile başarız fonların büyük bir kısmında MBA derecesi olmayan yöneticilerin imzası vardır. 0,54 0,29 Yukarıdaki örnekte yer alan durumda tek başına birleşik olasılıkla yorum yapmak yeterli olmayabilir. Bu durumda marjinal olasılık kavramını da öğrenmemiz gerekmektedir. 4

6 Marjinal Olasılık Tek bir olayın olma olasılığının toplamı olarak ifade edilir. ÖRNEK Aşağıdaki tabloyu dikkate alarak bir yöneticinin MBA derecesine sahip olma olasılığı ile yatırım fonunun başarılı olma olasılıklarını belirleyiniz. Soruda sorulan bir olayın olma olasılıklarının toplamı yani marjinal olasılıklardır. Bu durumda soru için marjinal olasılıkları aşağıdaki gibi hesaplanabilir Şartlı Olasılık Şartlı olasılık iki olayın birbiri ile ne kadar ilgili olmasıyla alakalıdır. Bir olayın olma olasılığı biliniyorken, ikinci olayın olma olasılığı şeklinde ifade edilir. olayının olma olasılığı biliniyorken olayının olma olasılığı (Şartlı olasılık) şeklinde ifade edilir ve aşağıdaki gibi hesaplanır. 5

7 ÖRNEK Sakarya Üniversitesi İşletme Fakültesi mezun olan öğrencilerin çalışma alanları ile ilgili bilgi toplamaktadır. Rastgele karşılaşılan bir mezun öğrencinin bayan olduğu biliniyorsa, o öğrencinin muhasebe alanında çalışması ihtimali nedir? Öncelikle olayların tanımlanması gerekmektedir. : öğ : ç ş Öğrencinin bayan olduğu bilindiği durumda, muhasebe alanında çalışma ihtimali P B biliniyorken P A olasılığı hesabıyla aşağıdaki gibi gösterilir , %27,5 ihtimalle bu bayan işletme mezunu muhasebe alanında çalışmaktadır. Şartlı olasılık hesaplanırken dikkat edilmesi gerek iki olayın ilişkili (bağımlı) olmasıdır. İki farklı olay birbiri ile ilgili değilse, yani birbirinden bağımsız ise o zaman şartlı olasılıklar olayın marjinal olasılığına eşit olur. Eğer iki olay bağımsız ise; şeklinde ifade edilir. 6

8 ÖRNEK Rastgele konuşulan bir fon yöneticisinin, yatırım fonunu başarı ile yönettiği anlaşılmaktadır. Bu durumda konuşulan yöneticinin MBA derecesi olması olasılığı nedir. Acaba MBA yöneticisi olmak ve yatırım fonlarının başarılı olması bağımsız iki olay mıdır? Yorumlayınız. Öncelikle olayların tanımlanması gerekmektedir. 0,11 0,647 0,17 Fon yöneticisinin MBA derecesi olmasının marjinal olasılığı 0,40 olduğundan ve bu olasılığın 0,647 değerinden farklı olduğu görüldüğünden, iki olayın bağımsız olay olmadığı ortaya çıkmaktadır. Eğer bağımsız olasalardı her iki olasılığın eşit olması gerektiğine dikkat ediniz Birleşim Diğer olayların bir kombinasyonu şeklinde yazılan yeni bir olaya birleşim adı verilir. A ve B olaylarının birleşimi, A veya B olayının olması ihtimaline eşittir. ) veya ) şeklinde gösterilir. A Olayı B Olayı Örnek Uzayı 7

9 ÖRNEK Rastgele konuşulan bir fon yöneticisinin, yatırım fonunu başarı ile yönetmesi veya MBA derecesi olması olasığı nedir? Soruda sorulan olasılıkların birleşimi aşağıdaki gibi hesaplanır. 0,11 0,06 0,29 0,46 Tek tek olasılıkları toplamak yerine soruda sorulan durumu kapsamayan tek olasılık olan MBA derecesi olmayan yöneticiler ve yatırım fonu başarısız olması durumları olasılığı 1 den çıkarılarak sonuca daha kolay ulaşılabilir ,54 0, Olasılık Kuralları ve Olasılık Ağacı Olasılık konusunun iyi anlaşılabilmesi adına, 3 temel olasılık kuralınında bilinmesi gerekmektedir. 1. Tümleme Kuralı 2. Çarpım Kuralı 3. Toplama Kuralı Bir olayın meydana gelmemesi olasılığı, o olayın tümleyeni olarak ifade edilir ve P A olarak gösterilir. 1 A Olayını tümleyeni ( A Olayı Örnek Uzayı 8

10 Çarpım kuralı olayların birleşik olasılıkları ile ilgilidir. Şartlı olasılık formülüne dayanır. Eğer iki olay bağımsız ise; A veya B olayının birlikte olma olasılığı (A ve B olaylarının olasılıklarının toplamı) aşağıdaki şekilde hesaplanır. Eğer olaylar bağımsız (ayrık) ise o zaman formül aşağıdaki gibi olur. Olasılık Ağaçları: Bir deneydeki olayların çizgiler halinde ifade edildiği olasılık ağacı efektif ve basit bir metottur. Bu metotta olaylar ve bu olayların alt olayları sıralı bir yapıda ve çizgilerle ifade edilir. Görsel bir metot olmasının yanı sıra hesaplama kolaylığı da sunmaktadır. ÖRNEK Hukuk fakültesinden mezun olmak isteyen öğrenciler BAR sınavını geçmek zorundadır. İlk defa bu sınava girenlerin %72 si başarılı olmaktadır. İlk defa kalanlara ikinci bir şans tanınmaktadır. İkinci defa teste girenler ise %88 lik bir oranda başarılı olmaktadır. Rastgele seçilin bir hukuk fakültesi öğrencisinin avukat olma olasılığı nedir? Bu soruyu olasılık ağaçları yardımyla çözelim. % 96,64 olasılıkla (0,72 + 0,2464) seçilen öğrenci ileride avukat olacaktır. 9

11 Bayes Teoremi Bazı durumlarda örnek uzaylar net bir şekilde bölünmüşlerdir. Örneğin bir firma tedarik ettiği ürünlerin muayeneden geçecek kadar kaliteli olmasını istemektedir. Eğer bu firma 2 farklı tedarikçi ile çalışıyorsa ve tedarik ettiği kaliteli hammadde oranını belirlemek istiyorsa, o zaman her bir tedarikçi için bu olasılıkları hesaplamalıdır. Bu olasılıklar aşağıdaki formülle hesaplanmaktadır. Verdiğimiz örnekle bağlantılı olarak formülü yorumlarsak; örneğimizde örnek uzay ikiye bölünmüştü. (Tedarikçi 1 ve Tedarikçi 2) Bu durumda hammaddelerin geldiği tedarikçileri ve olasılıkları ise hammaddenin sırasıyla Tedarikçi 1 ve tedarikçi 2 den gelme olasılıklarını göstermektedir. ise kaliteli hammadde olasılığını vermektedir. O zaman formülü şu şekilde okumalıyız. Rastgele alınan bir parçanın kaliteli olduğu biliniyorsa, bu parçanın Tedarikçi birden tedarik edilme olasılığı bayes teoreminin yukarıdaki formülü ile bulunur. ÖRNEK Pepsi Cola son zamanlarda şişelerinin tam dolmadığı ile ilgili şikâyetler almaktadır. Firma yöneticisi ise bu şikâyetlerin hangi dolum tesisi (A veya B) ile alakalı olduğunu bilmek istemektedir. Yaptığı incelemeler sonrasında aşağıdaki tablodaki değerleri ele etmiştir. Rastgele seçilen bir şişenin tam dolu olmadığı anlaşılıyorsa, bu şişenin A fabrikasından gelme olasılığı nedir? Üretim yüzdesi Tam dolu Olmayan Şişe (%) Üretim Tesisi A 55 3 Üretim Tesisi B 45 4 Soruya yine olayları belirlemekle başlayalım. : ü ü ü ü : ü ü ü ü Ü ü ü ş ş Bu durumda soruda istenen olasılık aşağıdaki şekilde bulunur. P( A) P( Y / A) P( A/ Y ) P( A) P( Y / A) P( B) P( Y / B).55(.03) (.03).45(.04) 10

12 KENDİNİ SINA Koşullu olasılık ve Bayes Teormeni karşılaştırarak yorumlayınız ve farklılığını tartışınız. ÖZET İstatistik biliminin en temel kullanım amacı, örneklemler üzerinden analizler gerçekleştirip, bu analizlerin sonuçları ile ana kütle ile ilgili çıkarımlar yapmaktadır. Bu hesaplar genelde olasılık ve olasılık dağılımlarına dayanır. Sonuç üreten proseslere rassal deney, deneylerin olası sonuçlarına olay ve bir deneyin olası sonuçlarının tamamını kapsayan kümeye ise örnek uzayı denir. Örnek uzayında her bir değer eşsiz olmalı ve bir deneye ait bütün olaylar listelenmelidir. Örnek uzay içerisindeki olayların toplam olasılığı 1 e eşittir. Bu tanımdan yola çıkarak hiçbir olasılık sıfırdan küçük ve birden büyük olamaz. İki olayın birlikte olması olasılığına ( A ve B) birleşik olasılık, İki olaydan en az birinin olmasının olasılığına da (A veya B) birleşim veya olasılıkların toplanması denir. Tek bir olayın olması olasılıklarının toplamına da Marjinal olasılık denir. İki farklı olay bağımsız değilse (kesişimleri mevcut ise), bir olayın bilinmesi durumunda diğer olayın olma olasılığının hesaplanması önemli bir yaklaşımdır ve şartlı olasılık olarak adlandırılır. Şartlı olasılığın tersen bakışı olarak da adlandırılabilecek bayes teoreminde ise örnek uzay birden fazla alt bölüme ayrılmıştır. Bu alt bölümlerde bir olayın olma olasılıkları farklılık gösteriyorsa, o olayın olasılığının bilindiği durumda hangi bölümden geldiği sorusu bayes teoremi ile cevaplanabilir. SON NOT Bir rassal deneyin olası sonuçlarının olasılıkları toplamı 1 i geçemez. Eğer hesaplamalarda böyle bir durumla karşılaşırsanız hemen geriye dönüp düzeltin. Böyle bir sonuca ulaşmaktansa hiç sonuca ulaşmamayı tercih edin. Bir olayın olma olasılığı 1 den büyük olamaz. Böyle bir yanılgıya düşmeyin. Eğer iki olayın kesişimi varsa bu olasılıkları direkt toplayamazsınız. Eğer olaylar bağımsız değilse, direkt olasılıkları çarparak birlikte olma olasılığına ulaşamazsınız. İki olayı kesişimi olmaması bağımsız oldukları anlamına gelmez. (bir iş yerinde promosyon alma ve almama olaylarının kesişimi yoktur ama bu olayların bağımsız olduklarını söyleyemezsiniz? 11

13 ÇALIŞMA SORULARI S1 Bir imalat firması iş saatlerinin olası değişimi ile ilgili işçi tepkilerini ölçmek için bir anket düzenlemiştir. Cevapların oranı aşağıdaki tabloda sunulmuştur. Rastgele seçilen bir çalışan için aşağıdaki olaylar tanımlanmıştır: : Ü ç ş şç : İş ğ ş şç Aşağıdaki olasılıkları açıklayın ve değerlerini hesaplayınız. S2 Bir imalat firması iş saatlerinin olası değişimi ile ilgili işçi tepkilerini ölçmek için bir anket düzenlemiştir. Cevapların oranı aşağıdaki tabloda sunulmuştur. Rastgele seçilen bir çalışan için aşağıdaki olaylar tanımlanmıştır: : şç : İ ü ç ş şç Aşağıdaki olasılıkları açıklayın ve değerlerini hesaplayınız S3 Bir muhasebe firması on zamanlarda yapılan vergi miktarları değişimi ile ilgili bir rapor hazırladığını reklamla duyurmuştur. 3 farklı yoldan firmaya ulaşan 200 müşteri raporun hangi kısmını edinmek istediğini firmaya bildirmiştir. Belirlenen iki rassal olay aşağıdadır: : ö üş : ğ öğ üş. Aşağıdaki olasılıkları açıklayın ve değerlerini hesaplayınız: S4 Bir firma yeni açıkladığı diş ve sağlık sigortası planı üzerinde işçilerinin düşündüklerini öğrenmek istemektedir. Sonuçlara göre sağlık sigortasını beğenen işçiler % 81 iken, diş planını beğen işçiler ise %35 olarak görülmektedir. Ayrıca Sigorta planını beğenenlerin %30 u ayrıca diş planını da beğenmektedir. a. İki planı da beğenen toplam işçi oranı nedir? b. En az bir planı beğenen işçilerin oranı nedir? 12

14 S5 A ve B olayları olduğunu düşünün, 0.2, 0.6, 0.68 ise a. olasılığını bulunuz. b. A ve B bağımsız olaylar mıdır? c. A ve B ayrık olaylar mıdır? S6 Bir elektrik firması yapılan işlerin ücretlerinin %90 nının ilk 30 gün içerisinde ödendiğini belirlemiştir. Geri kalan müşterilerin ise %40 sonraki 30 günde ödeme yapmaktadır. Rastgele seçilen bir müşterinin 60 gün içerisinde ödeme yapma olasılığı nedir? S7 Bir otomobil tamircisi bir araçtan çıkardığı 6 bujinin ikisinin arızalı olduğunu görmüştür. Bu 6 buji arasından rastgele seçilen 2 tanesinin tam olarak birinin arızalı olması olasılığı nedir? KAYNAKLAR 1. Keller, Gerald; Statistics for Management and Economics, 9e, McClave, J.T, Benson, P.G, Sincich, T.; Statistics for Business and Economics, 11e, Sharpe N.R., De Veaux R.D., Velleman P.F.; Business Statistics 2e,

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 13 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 11 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. 5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 7 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 10 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 12 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 6 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

OLASILIK (Probability)

OLASILIK (Probability) OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P

Detaylı

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo

Detaylı

Olasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları

Olasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları Olasılık Kuramı ve İstatistik Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları OLASILIK Olasılık teorisi, raslantı ya da kesin olmayan olaylarla ilgilenir. Raslantı

Detaylı

OLASILIĞA GİRİŞ P( )= =

OLASILIĞA GİRİŞ P( )= = OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması olasılığı %85 dir. Olasılık modelleri; Sıvı içindeki moleküllerin davranışlarını

Detaylı

ANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ

ANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ OLASILIĞA GİRİŞ DOÇ. DR. NİHAL ERGİNEL OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması

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 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY

İstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel

Detaylı

Dr. Mehmet AKSARAYLI OLASILIK. Ders 3 / 1

Dr. Mehmet AKSARAYLI OLASILIK. Ders 3 / 1 Dr. Mehmet AKSARAYLI OLASILIK Ders 3 / 1 1 0 Kesin İmkansız OLASILIK; Bir olayın gerçekleşme şansının sayısal değeridir. N adet denemede s adet başarı söz konusu ise, da başarının nisbi frekansı lim (s/n)

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 4: OLASILIK TEORİSİ Giriş Bu bölüm sonunda öğreneceğiniz konular: Rastgele Olay Örnek Uzayı Olasılık Aksiyomları Bağımsız ve Ayrık Olaylar Olasılık Kuralları Koşullu Olasılık

Detaylı

Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur

Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur Kümeler Kümeler ve küme işlemleri olasılığın temellerini oluşturmak için çok önemlidir Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur Sonlu sayıda, sonsuz sayıda, kesikli

Detaylı

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 14 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

İŞLETMECİLER İÇİN İSTATİSTİK II UYGULAMA III. Yrd. Doç. Dr. Pembe GÜÇLÜ

İŞLETMECİLER İÇİN İSTATİSTİK II UYGULAMA III. Yrd. Doç. Dr. Pembe GÜÇLÜ İŞLETMECİLER İÇİN İSTATİSTİK II UYGULAMA III Yrd. Doç. Dr. Pembe GÜÇLÜ 2 Yrd. Doç.Dr. Pembe GÜÇLÜ SORU 1. Toplu sözleşme görüşmeleri sırasında bir şirket, yeni bir teşvik planının, üretimdeki bütün işçiler

Detaylı

Şartlı Olasılık. Pr[A A ] Pr A A Pr[A ] Bir olayın (A 1 ) olma olsılığı, başka bir olayın (A 2 ) gerçekleştiğinin bilinmesine bağlıysa;

Şartlı Olasılık. Pr[A A ] Pr A A Pr[A ] Bir olayın (A 1 ) olma olsılığı, başka bir olayın (A 2 ) gerçekleştiğinin bilinmesine bağlıysa; Şartlı Olasılık Bir olayın (A ) olma olsılığı, başka bir olayın (A 2 ) gerçekleştiğinin bilinmesine bağlıysa; Pr[A A 2 Pr A A Pr A A = Pr[A A 2 2 2 Pr[A Pr[A 2 2 A A 2 S Pr[A A 2 A 2 verildiğinde (gerçekleştiğinde)

Detaylı

Rassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Rassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Rassal Değişken Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. O halde

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

OLASILIK. P(A) = şeklinde ifade edilir.

OLASILIK. P(A) = şeklinde ifade edilir. OLASILIK Olasılık belirli bir olayın olabilirliğinin sayısal ölçüsüdür. Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya

Detaylı

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik

İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik 6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

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

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 GİRİŞ Olasılık Teorisi: Matematiğin belirsizlik taşıyan

Detaylı

BAYES KURAMI. Dr. Cahit Karakuş

BAYES KURAMI. Dr. Cahit Karakuş BAYES KURAMI Dr. Cahit Karakuş Deney, Olay, Sonuç Küme Klasik olasılık Bayes teoremi Permütasyon, Kombinasyon Rasgele Değişken; Sürekli olasılık dağılımı Kesikli - Süreksiz olasılık dağılımı Stokastik

Detaylı

SAÜ BÖLÜM 11. OLASILIK. Prof. Dr. Mustafa AKAL

SAÜ BÖLÜM 11. OLASILIK. Prof. Dr. Mustafa AKAL SAÜ BÖLÜM. OLASILIK Prof. Dr. Mustafa AKAL 0 İÇİNDEKİLER.KAVRAMLAR.. Rassal Deney, Örneklem Uzayı ve Olay.. Olayların Biçimlenmesi.3. Olasılık Tanımı.PERMÜTASYON VE KOMBİNASYON..Permütasyon... Sıralı Permütasyon...

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

Olasılık Kavramı. Recep YURTAL. Mühendislikte İstatistik Metotlar. Çukurova Üniversitesi İnşaat Mühendisliği Bölümü

Olasılık Kavramı. Recep YURTAL. Mühendislikte İstatistik Metotlar. Çukurova Üniversitesi İnşaat Mühendisliği Bölümü Olasılık Kavramı Mühendislikte İstatistik Metotlar Çukurova Üniversitesi İnşaat Mühendisliği ölümü OLSILIK KVRMI KÜME KVRMI irlikte ele alınan belirli nesneler topluluğuna küme, Kümede içerilen nesnelere

Detaylı

CEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.

CEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir. T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2

Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2 Bir Olayın Olasılığı P(A) = n(a) n(s) = A nın eleman sayısı S nin eleman sayısı Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? Çözüm: S

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLSILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

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

İSTATİSTİKSEL PROSES KONTROLÜ

İSTATİSTİKSEL PROSES KONTROLÜ İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını

Detaylı

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar Küme Kavramı Küme İşlemleri Deney, Örnek Uzay, Örnek Nokta ve Olay Kavramları Örnek Noktaları Sayma Permütasyonlar Kombinasyonlar Parçalanmalar

Detaylı

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08 1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel

Detaylı

İSTATİSTİK. Bölüm 1 Giriş. Ankara Üniversitesi SBF İstatistik 1 Ders Notları Prof. Dr. Onur Özsoy 4/4/2018

İSTATİSTİK. Bölüm 1 Giriş. Ankara Üniversitesi SBF İstatistik 1 Ders Notları Prof. Dr. Onur Özsoy 4/4/2018 İSTATİSTİK Bölüm 1 Giriş 1 Bu Bölümde Anlatılacak Konular Bir Yönetici Neden İstatistik Bilmeli? Modern İstatistiğin Gelişimi İstatistiksel Düşünce ve Yönetim Tanımsal ve Yargısal İstatistik Data Türleri

Detaylı

KPSS KONU GÜNLÜĞÜ 30 GÜNDE MATEMATİK

KPSS KONU GÜNLÜĞÜ 30 GÜNDE MATEMATİK KPSS KONU LÜĞÜ 30 DE MATEMATİK ISBN: 978-605-2329-07-8 Bu kitabın basım, yayın ve satış hakları Kısayol Yayıncılık a aittir. Anılan kuruluşun izni alınmadan yayınların tümü ya da herhangi bir bölümü mekanik,

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

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür.

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 1 Olasılık Örnekler 1. Bir çantada 4 beyaz 8 siyah top vardır. Bir siyah top çekilmesi olasılığı nedir? Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 2.

Detaylı

Şartlı Olasılık. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Şartlı Olasılık. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Şartlı Olasılık Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr Şartlı Olasılık ir olayın olasılığından söz edebilmek için bir alt kümeyle temsil edilen bu olayın içinde bulunduğu örnek uzayının

Detaylı

KÜMELER ÜNİTE 1. ÜNİTE 1. ÜNİTE 2. ÜNİTE 1. ÜNİT

KÜMELER ÜNİTE 1. ÜNİTE 1. ÜNİTE 2. ÜNİTE 1. ÜNİT KÜMELER ÜNİTE 1. ÜNİTE 1. ÜNİTE 2. ÜNİTE 1. ÜNİT Kümelerde Temel Kavramlar 1. Kazanım : Küme kavramını açıklar; liste, Venn şeması ve ortak özellik yöntemleri ile gösterir. 2. Kazanım : Evrensel küme,

Detaylı

OLASILIK ve İSTATİSTİĞE GİRİŞ. Yrd. Doç. Dr. Hüsey n Dem r

OLASILIK ve İSTATİSTİĞE GİRİŞ. Yrd. Doç. Dr. Hüsey n Dem r OLASILIK ve İSTATİSTİĞE GİRİŞ Yrd. Doç. Dr. Hüsey n Dem r Yrd. Doç. Dr. Hüseyin Demir OLASILIK VE İSTATİSTİĞE GİRİŞ ISBN 978-605-318-470-6 DOI 10.14527/9786053184706 Kitap içeriğinin tüm sorumluluğu yazarlarına

Detaylı

MAT223 AYRIK MATEMATİK

MAT223 AYRIK MATEMATİK MAT223 AYRIK MATEMATİK Kombinatoryal Olasılık 5. Bölüm Emrah Akyar Anadolu Üniversitesi Fen Fakültesi Matematik Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Olaylar ve Olasılıklar Kombinatoryal Olasılık Olaylar

Detaylı

TOPLAM KALİTE YÖNETİMİ

TOPLAM KALİTE YÖNETİMİ SAKARYA ÜNİVERSİTESİ TOPLAM KALİTE YÖNETİMİ Hafta 13 Yrd. Doç. Dr. Semra BORAN Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan Öğretim" tekniğine uygun olarak

Detaylı

İSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ

İSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ İSTATİSTİK Hafta 7.2 Kesikli Olasılık Dağılımları Simeon Poisson a atfen isimlendirilen dağılım, bir örnek uzayın belli bir bölgesi veya zamanındaki olayların sayısının incelendiği kesikli bir olasılık

Detaylı

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR

ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için

Detaylı

KPSS KONU GÜNLÜĞÜ 30 GÜNDE MATEMATİK

KPSS KONU GÜNLÜĞÜ 30 GÜNDE MATEMATİK KPSS KONU LÜĞÜ 30 DE MATEMATİK ISBN: 978-605-2329-07-8 Bu kitabın basım, yayın ve satış hakları Kısayol Yayıncılık a aittir. Anılan kuruluşun izni alınmadan yayınların tümü ya da herhangi bir bölümü mekanik,

Detaylı

İSTATİSTİK II. Hipotez Testleri 1

İSTATİSTİK II. Hipotez Testleri 1 İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler

Detaylı

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir.

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. İSTATİSTİKSEL TAHMİNLEME Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. 1 ŞEKİL: Evren uzay-örneklem uzay İstatistiksel tahmin

Detaylı

Toplam Olasılık Prensibi

Toplam Olasılık Prensibi 1 Toplam Olasılık Prensibi A 1, A 2,, A n karşılıklı kapsamayan ve birlikte tamamlayan olaylar kümesi olsun: A k A A j 0 = 0 k j j nn j j 1 = 1 B, S içinde herhangi bir olay ise k j AA j = ise S ise Pr[A

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 9 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar

Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar Lineer Denklem Sistemleri Kısa Bilgiler ve Alıştırmalar Bir Matrisin Rankı A m n matrisinin determinantı sıfırdan farklı olan alt kare matrislerinin boyutlarının en büyüğüne A matrisinin rankı denir. rank(a)

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

Rastgele değişken nedir?

Rastgele değişken nedir? Rastgele değişken nedir? Şİmdiye kadar hep, kümelerden ve bu kümelerin alt kümelerinden (yani olaylar)dan bahsettik Bu kümelerin elemanları sayısal olmak zorunda değildi. Örneğin, yazı tura, kız erkek

Detaylı

Rastgelelik, Rastgele Sinyaller ve Sistemler Rastgelelik Nedir?

Rastgelelik, Rastgele Sinyaller ve Sistemler Rastgelelik Nedir? Rastgelelik, Rastgele Sinyaller ve Sistemler Rastgelelik Nedir? Rastgelelik en basit anlamda kesin olarak bilinememektir. Rastgele olmayan deterministiktir (belirli). Bazı rastgele olgu örnekleri şöyle

Detaylı

İÇİNDEKİLER. Mantık Kurallarının Elektrik Devrelerine Uygulanması... 14

İÇİNDEKİLER. Mantık Kurallarının Elektrik Devrelerine Uygulanması... 14 İÇİNDEKİLER 1. BÖLÜM MANTIK Giriş... 1 Genel Olarak Mantık... 1 Mantığın Tarihçesi ve Modern Mantığın Doğuşu... 1 Mantık Öğretimin Önemi ve Amacı... 2 Önerme... 3 VE İşlemi (Birlikte Evetleme, Mantıksal

Detaylı

İSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI

İSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI İSTATİSTİK STATISTICS (+) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI KONU BAŞLIKLARI :. İSTATİSTİĞE GİRİŞ. VERİLERİN DÜZENLENMESİ. MERKEZİ EĞİLİM ÖLÇÜLERİ.

Detaylı

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi

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

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )

BKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 ) 4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı

Detaylı

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1

Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1 1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste

Detaylı

PERMÜTASYON, KOMBİNASYON. Örnek: Örnek: Örnek:

PERMÜTASYON, KOMBİNASYON. Örnek: Örnek: Örnek: SAYMANIN TEMEL KURALLARI Toplama Kuralı : Sonlu ve ayrık kümelerin eleman sayılarının toplamı, bu kümelerin birleşimlerinin eleman sayısına eşittir. Mesela, sonlu ve ayrık iki küme A ve B olsun. s(a)=

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık

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

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

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

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:

ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi: İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.

Detaylı

İçindekiler. Ön Söz... xiii

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

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

BİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Ödev Çözümleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Ödev 1 Çözümleri 2 1. Bir sonucun

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk

Detaylı

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler.

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Bölüm 2 OLASILIK TEORİSİ Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Rasgele değişken, gelecekteki bir gözlemde alacağı

Detaylı

OLASILIK TEORİSİ VE İSTATİSTİK

OLASILIK TEORİSİ VE İSTATİSTİK OLASILIK TEORİSİ VE İSTATİSTİK İki Değişkenli Olasılık Bu bölümde yapılan bir deneyin iki değişkene bağlı olan sonuçları dikkate alınacaktır. Örneğin: Bir gazete yöneticisi, politikasını belirlemek için

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ OLASILIK DAĞILIMLARI SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde

Detaylı

KÜMELER. İyi tanımlanmış nesneler topluluğuna küme denir. Bir küme, birbirinden farklı nesnelerden oluşur. Bu nesneler somut veya soyut olabilir.

KÜMELER. İyi tanımlanmış nesneler topluluğuna küme denir. Bir küme, birbirinden farklı nesnelerden oluşur. Bu nesneler somut veya soyut olabilir. 1 KÜMELER İyi tanımlanmış nesneler topluluğuna küme denir. ir küme, birbirinden farklı nesnelerden oluşur. u nesneler somut veya soyut olabilir. Kümeyi oluşturan nesnelerin her birine eleman(öğe) denir.

Detaylı

KANTİTATİF TEKNİKLER - Temel İstatistik -

KANTİTATİF TEKNİKLER - Temel İstatistik - KANTİTATİF TEKNİKLER - Temel İstatistik - 1 İstatistik Nedir? Belirli bir amaçla verilerin toplanması, düzenlenmesi, analiz edilerek yorumlanmasını sağlayan yöntemler topluluğudur. 2 İstatistik Kullanım

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

Olasılık ve İstatistiğe Giriş-I (STAT 201) Ders Detayları

Olasılık ve İstatistiğe Giriş-I (STAT 201) Ders Detayları Olasılık ve İstatistiğe Giriş-I (STAT 201) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistiğe Giriş-I STAT 201 Her İkisi 3 0 0 3 5 Ön

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı

BAYES ÖĞRENMESİ BİLECİK ÜNİVERSİTESİ. Araş. Gör. Nesibe YALÇIN. Yapay Zeka-Bayes Öğrenme

BAYES ÖĞRENMESİ BİLECİK ÜNİVERSİTESİ. Araş. Gör. Nesibe YALÇIN. Yapay Zeka-Bayes Öğrenme BAYES ÖĞRENMESİ Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ Yapay Zeka-Bayes Öğrenme 1 İÇERİK Bayes Teoremi Bayes Sınıflandırma Örnek Kullanım Alanları Avantajları Dezavantajları Yapay Zeka-Bayes Öğrenme

Detaylı

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız.

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız. OLASILIK (İHTİMALLER HESABI) Olasılık kavram ı ilk önceleri şans oyunları ile başlamıştır. Örneğin bir oyunda kazanıp kazanmama, bir paranın atılmasıyla tura gelip gelmemesi gibi. Bu gün bu kavramın birçok

Detaylı

MATE211 BİYOİSTATİSTİK

MATE211 BİYOİSTATİSTİK MATE211 BİYOİSTATİSTİK ÇALIŞMA SORULARININ ÇÖZÜM VE CEVAPLARI Yapılan bir araştırmada, 136 erişkin kişinin kanlarındaki kolesterol düzeyleri gr/dl cinsinden aşağıda verilmiştir: 180 230 190 186 220 191

Detaylı

ÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık

ÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık ÖĞRENCİNİN ADI SOYADI: NUMARASI: Dersin Adı SINIFI: KONU: Olasılık Dersin Konusu. Bir kutudaki 7 farklı boncuğun içinden iki tanesi seçiliyor. Buna göre, örneklem uzayının eleman sayısı A) 7 B)! 7. madeni

Detaylı

Olasılık Teorisi ve İstatistik (MATH392) Ders Detayları

Olasılık Teorisi ve İstatistik (MATH392) Ders Detayları Olasılık Teorisi ve İstatistik (MATH392) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Olasılık Teorisi ve İstatistik MATH392 Güz 4 0 0 4 7 Ön Koşul Ders(ler)i

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

Örneklem Dağılımları ve Merkezi Limit Teoremi

Örneklem Dağılımları ve Merkezi Limit Teoremi Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel

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

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

Detaylı

1 Hipotez konusuna öncelikle yokluk hipoteziyle başlanılan yaklaşımda, araştırma hipotezleri ALTERNATİF HİPOTEZLER olarak adlandırılmaktadır.

1 Hipotez konusuna öncelikle yokluk hipoteziyle başlanılan yaklaşımda, araştırma hipotezleri ALTERNATİF HİPOTEZLER olarak adlandırılmaktadır. Özellikle deneysel araştırmalarda, araştırmacının doğru olup olmadığını yapacağı bir deney ile test edeceği ve araştırma sonunda ortaya çıkan sonuçlarla doğru ya da yanlış olduğuna karar vereceği bir önermesi

Detaylı

İSTATİSTİK EXCEL UYGULAMA

İSTATİSTİK EXCEL UYGULAMA İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

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