OLASILIK. Dr. Cahit Karakuş
|
|
- Nesrin Akbay
- 5 yıl önce
- İzleme sayısı:
Transkript
1 OLASILIK Dr. Cahit Karakuş
2 Deney, Olay, Sonuç Küme Klasik olasılık Bayes teoremi Permütasyon, Kombinasyon Rasgele Değişken; Sürekli olasılık dağılımı Kesikli - Süreksiz olasılık dağılımı Stokastik KOLMOGOROV MARKOV
3 Matematiğin bir dalı olarak olasılık kuramının doğuşu 17.yüzyılın ortalarına raslar. 20.yüzyılda olasılığın formalizasyonu yönünde, iki önemli adım atıldı. Birincisi, 1933 yılında Andrey Nikolaevich Kolmogorov ( ) tarafından ortaya konulan aksiyomlardır. Bu aksiyomlar, olasılık kuramını, bir ölçüm uzayına taşımakta olasılıkla ilgili yapılan bütün ayrık hesaplamaları özel haller olarak içeren genel bir yapıya dönüştürüldü.. İkincisi ise Richard Threlkeld Cox ( ) tarafından ortaya konulan aksiyomlarıdır. Cox, olasılığıın temel özelikleri ortaya koydu lı yıllarda birbirlerinden habersiz olarak, Ray Solomonoff, Andrey Kolmogorov, Gregory J. Chaitin algoritmik rasgelelik (randomness) kavramını ortaya attılar. Bu yeni kavram, olasılık kuramının dayandığı rasgelelik kavramına açıklık getirmekle kalmayıp, informasyon kuramına da yeni açılımlar getirdi. Gödel in eksiklik teoremine benzer bir niteliğe sahip algoritmik rasgelelik, günümüzde çok aktif bir konudur ve görünüşe göre olasılığı bulunduğu yerden alıp daha yükseklere taşıyacaktır.
4 İnsanoğlu tarih öncesi zamanlardan beri rasgele fiziksel olaylarla karşı karşıyadır. Öngörülemeyen doğa olaylarını yorumlamak (gaipten haber vermek) ve şans oyunları bunlara tipik örneklerdir. Bu tür olgular, hemen her dönemde ve her kültürde var olmuştur. Dolayısıyla, olasılık kavramının insan düşüncesinde yer edişini binlerce yıl geriye götürmek mümkündür. Matematiğin bir dalı olarak olasılık kuramının doğuşu 17.yüzyılın ortalarına kadar gecikmiştir. Elbette, bilim tarihinde buluşların, çoğunlukla unutulan ya da bilinmeyen öncülleri vardır yılında Fra Luca Paccioli nin yazdığı Summa de aritmetica, geometria, proportioni e proportionalita adlı kitap, olasılığı konu edinen ilk kitap olarak bilinir. Bu kitaptan esinlenen Geronimo Cardano, 1550 yılında Liber de Ludo Aleae (Şans Oyunları Üzerine bir Kitap) adlı kitabı yazdı. Ama bunlar Avrupa da filizlenmeye başlayan matematiğin ilgi alanına giremedi.
5 Olasılık Kuramının doğuşu bir kumarbazın ihtirasıyla başlar. Chevalier de Méré adlı soylu bir Fransız, kumar oynayarak servetini büyütme ihtirasına kapılmıştır. Oynadığı oyunun kuralı şudur: Bir zarı dört atışta enaz bir kez 6 getiren kazanır. Ama Chevalier oyunun kuralını değiştirerek daha çok kazanmak istemektedir. Yeni kural şudur: Çift zarı 24 atışta bir tane düşeş (toplam 6+6=12) getiren kazanacaktır. Ama kısa sürede, bu kuralın daha az kazandırdığını gördü. Bunun nedenini arkadaşı Blaise Pascal ( ) a sordu. Pascal, o dönemin iyi matematikçilerinden biriydi. O ana kadar, matematik dünyası şans oyunlarının matematikle bir ilişkisi olduğunu bilmiyordu. Pascal, kendisine sorulan sorunun yanıtını, bir matematikçi gözüyle araştırdı. Sonunda basit ama kesin çözümü ortaya koydu. Eski kuralda Chevalier in kazanma şansı %51.8 iken yeni kuralda %49.1 idi. Chevalier in kaybetme nedeni buydu.
6
7 Pascal, bu problemi çözmekle yetinmedi. Sorunun gerisinde daha büyük bir matematik kuramın yattığını anlamıştı. Pierre de Fermat ile matematiğin önemli bir dalı olan Olasılık Kuramını yarattılar. Bu gün, olasılık kuramı, şans oyunlarına uygulanma özeliğini çoktan aşmış bilim, endüsri, ekonomi, spor, yönetim gibi çağdaş insanın yaşamını etkileyen her alana girmiştir. Örneğin bankacılık, sigortacılık, endüstride kalite kontrolü, genetik, gazların kinetik teorisi, istatistiksel mekanik, kuantum mekaniği gibi pek çok alan olasılık kuramı olmadan ayakta duramaz. Olasılık Kuramını geliştiren önemli matematikçilerden bazıları şunlardır: Blaise Pascal ( ), Pierre de Fermat ( ), Christiaan Huygens ( ), Jakob Bernoulli ( ), Abraham de Moivre ( ), Daniel Bernoulli ( ), Comte de Buffon ( ), Pierre-Simon Laplace ( ), Augustus De Morgan ( ), Thomas Bayes ( ), Andrei Andreyvich Markov ( ), Richard von Mises ( ).
8 Olasılığın yönelişlerinde önemli katkıları olanlar; Andrey Nikolaevich Kolmogorov ( ), Richard Threlkeld Cox ( ), Ray Solomonoff ( ) ve Gregory J. Chaitin. 19.yüzyılda fizikçiler gazların özeliklerini ve termodinamik kurallarını açıklamak için olasılığa dayalı istatistiksel mekanik kullandılar. Kuantum mekaniğinde olasılık kullanılmaktadır. Evrim Kuramı, farklı canlı türlerinin oluşumu, mutasyonun olasılığına bağlanır. İletişim kuramında olasılık, gürültü (noise) diye adlandırılır. Olasılık kavramı ile öngörülemezlik kavramlarının bazı örtüşen yanları olsa bile, esasta birbirlerinden farklıdırlar.
9 DENEY:Bir aktivitenin gözlemlenmesi ve ölçüm yapma şekilleridir. SONUÇ:Deneylerin tamamlanması ile elde edilen verilerdir. OLAY:Deneyler ile elde edilen sonuçların toplamına olay denir. Örnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle «S» harfi ile gösterilir. Olay: Örnek uzayın bir altkümesine Olay denir. Ayrık Olay: İki olay aynı anda meydana gelemiyorsa bu olaylara ayrık olaylar denir. Diğer bir ifadeyle kesişimleri boş küme olan olaylara ayrık olaylardenir.
10 Olasılığın gelişmesinde 4 anahtar sözcük önemli rol oynamaktadır. Deney - experiment Örnekleme sonucu - sample outcome Örnekleme uzayı - sample space Olay event Deney, teorik olarak belirli koşullar altında tekrarlanırken farklı sonuçlar elde edilebilen ve olası sonuçların çok iyi tanımlandığı bir süreçten oluşur. Bir deneyin potansiyel hesaplamalarından elde edilen örnekleme sonuçlarının içinde bulunduğu kümeye örnekleme uzayı denir. Deneyin sonuçlarından her birine veya belli özellikleri sağlayan deney sonuçlar kümesine de olay denir.
11 Örnek : Madeni bir paranın üç kez atıldığını göz önüne alalım. a) Örneklem uzayını belirleyiniz. b) A olayı, yazıların turalardan daha fazla olduğu deneyleri göstersin. A olayını tanımlayınız. Cevap: a) Böyle bir deneyde 8 tane farklı sonuç vardır. Bu sonuçlar örnekleme uzayını oluşturur. S={ YYY, YYT, YTY, TYY, YTT, TYT, TTY, TTT} Örnekleme uzayındaki bu 8 örnekleme sonucundan başka bir sonuç yoktur. b) Örnekleme uzayından, yazıların turalardan daha fazla olduğu örnekleme sonuçlarının sayısı 4 tür. Buna göre A olayı, A = YYY, YYT, YTY, TYY olur.
12 Örnek: İki farklı renkteki zarın birlikte (veya farklı zamanlarda) atıldığı durumu göz önüne alalım. a) Örnekleme uzayını belirleyiniz. b) A olayı zarların üzerindeki sayıların toplamının 7 olmasını ve B olayı da iki zarın üzerindeki sayıların aynı olmasını göstersin. Buna göre A ve B olaylarını belirleyen kümeleri yazınız. Cevap: a) İki zarın atılması durumunda örnekleme uzayı 6 x 6 lık bir matris olarak gösterilebilir. S = {x, y = 1,2,3,4,5,6}. Burada x birinci zarın üste gelen yüzündeki noktaların sayısını, y de ikinci zarın üste gelen yüzündeki noktaların sayısını gösteren tam sayılardır.
13 Bir olayın gerçekleşme ihtimali veya şansının ölçülmesine olasılık denir. Herhangi bir E olayı için bu olayın olması olasılığı (elverişli hal) P(E) ile, gerçekleşmeme olasılığı (elverişsiz hal) ise P(~E)=1 P(E) ile gösterilir. Olasılık daima 0 ile 1 arasında olmalıdır. Yani; 0 P(a) 1 herzaman sağlanır. Olasılık, sonucu bilinemeyen deneyler hakkında orantısal öngörüde bulunmak. Çoğu tekrar edilebilir ve rasgele deneyler(random experiment) Her deneyin sonucu gözlenebilir ve ölçülen değerler kayıt edilebilir. Olasılık kavramına P. Fermat ile B. Pascal ın büyük katkıları olmuştur. Pascal hesap makinesini geliştirerek Fermat ile birlikte olasılığın temellerini oluşturmuştur. Rus matematikçi Kolmogorov olasılık aksiyomlarını ile sürmüştür.
14 Bir zarın bir kere atılışı deneyinde her olayın olasılığı 1 / 6 dır. Örnek uzay ise; S = {1, 2,3,4,5,6 } 2 veya 5 in üste gelmesi olayını A ile gösterirsek; A = { 2,5 } P(A) = 1/6 + 1/6 =2/6 = 1/3 A nın ortaya çıkmama olasılığını(1,3,4 veya 6 nın üste gelmesi) A' ile gösterirsek; P(A' ) = 1/6 + 1/6 + 1/6 + 1/6 = 4 / 6 = 2/ 3 veya P(A' ) = 1- P(A) = 1 1/ 3 = 2 / 3 Örnekten anlaşılacağı gibi bir olayın olasılığı 0 ve 1 arasında değişmektedir. Olayın ortaya çıkması mümkün değilse olasılığı 0, ortaya çıkması muhakkak ise olasılığı 1 dir.
15
16 KÜME
17
18 Örnek: İki farklı renkteki zarın birlikte (veya farklı zamanlarda) atıldığı durumu göz önüne alalım. a) Örnekleme uzayını belirleyiniz. b) A olayı zarların üzerindeki sayıların toplamının 7 olmasını ve B olayı da iki zarın üzerindeki sayıların aynı olmasını göstersin. Buna göre A ve B olaylarını belirleyen kümeleri yazınız. Cevap: a) İki zarın atılması durumunda örnekleme uzayı 6 x 6 lık bir matris olarak gösterilebilir. S = {x, y = 1,2,3,4,5,6}. Burada x birinci zarın üste gelen yüzündeki noktaların sayısını, y de ikinci zarın üste gelen yüzündeki noktaların sayısını gösteren tam sayılardır.
19 Olasılıkla ilgili hesaplamalar kümelerle de ifade edilebilir. Bir deneyin sonuçlarını veya basit olaylarını bir örnek uzayı içinde noktalar olarak belirtebiliriz. Basit olaylar noktalarla gösterilebilirler ancak bunların toplamı olan bileşik olaylar bir küme veya noktalar grubu olarak gösterilirler. A ve B gibi birbirini engellemeyen iki bileşik olay Venn diyagramı ile aşağıdaki gibi çizilebilir: Birbirini engelleyen olaylarda ortak nokta yoktur yani P(AB) = 0 olmaktadır. Küme notasyonu kullanılırken A + B olayı olarak, AB olayı da A B (kesişim) olarak gösterilir. A U B (bileşim)
20 Bir gazete bayii toplam 200 kişinin A,B,C dergilerine abone olma sayılarını aşağıdaki gibi saptamıştır. Bir kişinin bu dergilerden en az birine abone olma olasılığı : P( hiç abone olmama) = 1- (37/200) = Bir kişinin A veya C dergisine abone olma olasılığı: P(A + C) =P(A) + P(C) P(AC) = (50 / 200) + ( 80 / 200) (12/ 200) = 0.59 Dergi Kişi sayısı A dergisi 50 B dergisi 70 C dergisi 80 A ve B dergisi 15 A ve C dergisi 12 B ve C dergisi 20 A, B ve C dergisi 10 Hiç biri 37
21 KLASİK OLASILIK
22
23 Bir E olayında mümkün olan tüm halleri «n» ile ve E olayı için ortaya çıkabilecek halleri de «a» ile gösterirsek E olayının mevcut durumda olması ihtimali örneğin; Bir paranın üç kez atılması deneyinde bir kez tura gelmesi,en az iki yazı gelmesi ve hiç tura gelmemesi olasılıklarını bulalım: Deneyimiz için tüm olabilecek haller,{yyy,yyt,yty,tyy,ytt,tyt,tty,ttt} olduğundan n=8 dir. 1)Bir kez tura gelebilecek haller {YYT,YTY,TYY} olduğundan a=3dür. O halde P(E)=3/8 2)Enaz iki yazı gelebilecek haller {YYT,YTY,TYY,YYY} olduğundan a=4dür. O halde P(E)=4/8=0.5 3)Hiç tura gelmiyecek haller {YYY} olduğundan a=1dir. O halde P(E)=1/8
24
25
26
27
28
29
30 Bileşik olayların birbirlerini engelleyip engellememelerine göre olasılıklar değişecektir. Örneğin bir deste iskambil kağıdından bir defada bir as çekme (A) ve bir papaz çekme(b) olayları birbirini engeller. Bir defada hem as hem de papaz çekme olasılığı sıfırdır. P(A ve B) = 0 A ve B birbirini engelleyen olaylar olduğundan A olayının veya B olayının ortaya çıkması bu olayların basit olasılıklarının toplamına eşittir. (A+B) ile as veya papaz çekme olayını gösterirsek; P(A+B) = P(A) + P(B) = 1/13 + 1/ 13 = 2/ 13 P( A veya B) = P(A) + P(B) Birbirlerini engelleyen olayların olasılıkları toplamı 1 dir. Benzer şekilde 2 zarın bir arada atılışında toplam 5 gelme olasılığı 4 basit olayın toplamına eşittir. (2-3),(3-2),(4-1),(1-4) P(A)=P(2-3)+P(3-2)+P(1-4)+P(4-1) = 1 / / / / 36= 4 / 36 olasılıkları
31
32 Eğer olaylar birbirini engellemiyorsa A olayının veya B olayının ortaya çıkması, ya A olayının ya B olayının ya da A ve B olaylarının her ikisinin birlikte gerçekleşmesi anlamındadır. A ve B birbirlerini engellemiyorsa; P(A+B)=P(A) + P(B) P(AB) veya P(A veya B)=P(A) + P(B) P(A ve B) örnek: bir deste iskambil kağıdından bir vale çekme olayı A ile,bir maça çekme olayı da B ile gösterilsin. Bu iki olay birbirini engellemediğinden A ve B (AB) nin olma olasılığı yani maça valesi çekme olasılığı vardır. Bu durumda A nın veya B nin olma olasılığı; P(A+B)=(4/52) + (13/52)-(1/52)=4/13
33 Bağımlı olaylardan birinin(a) gerçekleştiği bilindiğinde diğerinin (B) ona bağlı olarak meydana gelme olasılığı; P(B\ A) =P(A ve B) / P(A) P ( B \ A ): A olayının ortaya çıkması durumunda B nin olma olasılığı gösterilmektedir. Koşullu olasılık: Yüzde hesabıdır. A ya göre kümede Sadece A ve Sadece B kümlerinin kesişimi C ise Koşulu olasılık= C/(Sadece A + C) Örnek: bilgisayar müh.bölümü 1.sınıf öğrencilerinin %25 i matematik dersinde, %15 i de hem matematik hem fizik dersinde üstün başarı göstermiştir. Bu sınıftan rastgele bir öğrenci seçildiğinde, seçilen öğrenci matematik dersinden üstün başarılı ise, fizik dersinden de üstün başarılı olma olasılığı nedir? P(mat) = 0.25 ( ) P(mat ve fizik) = 0.15 P(fizik \ mat)=p(mat ve fizik) / P(mat) =0.15 / 0.25=0.60
34 Eğer bir «A» olayının ortaya çıkması «B» olayının ortaya çıkmasına bağlı değilse A ve B olayları bağımsız olaylardır
35
36
37
38
39 Bağımlı iki olaydan B olayı A olayından sonra ortaya çıkıyorsa,olayların birlikte gerçekleşme olasılığı; P(A ve B) =P(A) * (B \ A) Örnek: bir piyangoda 8 boş, 2 ikramiyeli bilet vardır. Bu piyangodan 2 bilet alan bir kişinin ikramiye kazanma olasılığı nedir? Birinci biletin kazanma olasılığı 2/10 dur.birinci bilet ikramiye kazanırsa geriye 8 boş 1 ikramiyeli 9 bilet kalır. Ikinci biletin kazanma olasılığı 1/9 dur. Her iki biletin de ikramiye kazanma olasılığı; P(B1ve B2)= (2/10)*(1/9) = 1/45
40 Bağımlı iki olaydan B olayı A olayından sonra ortaya çıkıyorsa,olayların birlikte gerçekleşme olasılığı; P(A ve B) =P(A) * (B \ A) Örnek: Bir kutuda 5 adet yeşil renkte, 3 adet de beyaz renkte top bulunmaktadır. Kutudan 2 top çekildiğinde her ikisinin yeşil olma olasılığı nedir? (toplar kutuya iade edilmiyor) A ile ilk çekilen topun yeşil olması olayı, B ile ikinci çekilen topun yeşil olması olayı gösterilsin. A ve B bağlı olaylar olduğu için P(A ve B) yani P(AB) hesaplanacaktır. 1. topun yeşil olma olasılığı : P(A) = (5 / 8 ) 1. topun yeşil olması durumunda 2. topun yeşil olma olasılığı: P(B \ A) = (4 / 7) P( A ve B ) = P(A) * P(B \ A) = (5/8)*(4/7) = 0.357
41 Bağımsız olaylarda çarpma kuralı; P(A ve B)= P(A) * P(B) şeklindedir. Aynı anda atılan iki zarın üzerinde 2 olması olasılığı; P( 2 ve 2)= P(1/6) * P(1/6) = 1/36 Örnek: A nın 15 yıl sonra hayatta kalma olasılığı %80, B nin 15 yıl sonra hayatta kalma olasılığı %60 ise, her ikisinin 15 yıl sonra hayatta kalma olasılığı nedir? P(A ve B)=0.80 * 0.60 = 0.48
42
43
44 BAYES TEOREMİ
45 Bir olayın ortaya çıkmasında birden fazla bağımsız nedenin etkili olması durumunda, bu nedenlerden herhangi birinin o olayı meydana getirme olasılığını hesaplamada kolaylık sağlar. P( A ) ile bir olayı etkileyen olayın olasılığını, P ( B ) ile sonuç olarak ortaya çıkan olayın olasılığını gösterelim. P( A ) * P ( B \ A ) = P ( B ) * P( A \ B) eşitliğini yazabiliriz. Aynı denklem; P ( B \ A ), A olayının ortaya çıkması durumunda B nin olma olasılığı gösterilmektedir. P ( A \ B), B olayının ortaya çıkması durumunda A 1 in olma olasılığı gösterilmektedir.
46 B olayını etkileyen n adet birbirini engelleyen olayın veya nedenin (A 1, A 2,..., A n ) bulunduğunu varsayarsak Bayes kuralına göre B olayının A i nedeninden meydana gelme olasılığı ; P( A i ) * P ( B \ A i ) P( A i \ B) = P( A i ) * P ( B \ A i ) i=1,2,3,...n P( A i ) ile A i olayının olasılığı, P ( B \ A i ) ile de A i olayının ortaya çıkması durumunda B nin olasılığı gösterilmektedir.
47 Örnek: Küçük bir ofisde 3 adet fotokopi makinası kullanılmaktadır. Çekimlerin %60 ı 1.makinada, %30 u 2.makinada ve %10 u da 3.makinada yapılmaktadır. Makinaların fire oranları da 1.makine için %10, 2.makine için %20 ve 3. makine için %40 olmaktadır. Tüm kopyalar için hata oranı nedir? M1,M2,M3 makinaları, D hatalı kopyayı(fire) göstersin. Makinaların kullanılma olasılıkları: P(M1) = 0.60, P(M2) = 0.30, P(M3) = 0.10 ve fire oranları; P(D\ M1) = 0.10, P(D\M2) = 0.20, P( D\ M3) = 0.40 Olayları A, B, C ile gösterirsek; A = M1 D, B = M2 D, C = M3 D yazılabilir. Önce A olayı için hesaplama yapalım: P( A ) = P(M1 D ) = P(M1)*P(D\M1)= (0.60)*(0.10) = 0.06 Aynı şekilde diğer olaylar için de hesaplama yapabiliriz: P( B ) = (0.30)* (0.20) = 0.06, P( C ) = (0.10) * (0.40) = 0.04 Her makine için hesaplanan fire olasılıkların toplamı bize toplam fire olasılığını verecektir. P( D ) = P( A ) + P( B ) + P( C ) = = 0.16 Tüm kopyaların %16 ı hatalı çıkmaktadır diyebiliriz.
48
49 10 4
50 In order to explain Bayes principle, we conducted a very small experiment: we tossed a coin 14 times. We obtained 10 heads and 4 tails. Let s say we wish to know the probability of getting two heads in a row on our next two tosses.
51 Frequentist Approach 10/14 Probability of 1 head next: = X Probability of 2 heads next: = 0.51
52 the frequentist approach says that the probability of the next toss being head is 10/14 = So for 2 toss, you will assume that the 2 toss are not linked ( independently, binomially distributed ), and simply square 0.71 to obtain This result suggests that there is a bit more than half a chance to get a head, so we WOULD BET on it.
53 Permütasyon
54
55
56
57
58
59
60
61
62
63
64
65
66 İstatistik ve Olasılık, Prof. Dr. İrfan Kaymaz, Erzurum Teknik Üniversitesi, Mühendislik Fakültesi, Makine Mühendisliği Bölümü. Olasılık ve İstatistik, Aydın Üstün, 2014 Olasılık Kuramı ve Bazı Olasılık Dağılımları, PROBABILITY, RANDOM VARIABLES, AND STOCHASTIC PROCESSES, Athanasios Papoulis, Professor of Electrical and Computer Engineering Polytechnic University, Boston.
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
DetaylıOLASILIK (İHTİMAL) TEORİSİ. DENEY (experiment),sonuç (outcome), OLAY (event) DENEY:Bir aktivitenin gözlemlenmesi ve ölçüm yapma şekilleridir.
OLASILIK (İHTİMAL) TEORİSİ 1 DENEY (experiment),sonuç (outcome), OLAY (event) DENEY:Bir aktivitenin gözlemlenmesi ve ölçüm yapma şekilleridir. SONUÇ:Deneylerin tamamlanması ile elde edilen verilerdir.
DetaylıOlasılık 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
DetaylıOlasılık 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
DetaylıProjenin Adı:Pascal-Fermat Olasılık Mektupları
Projenin Adı:Pascal-Fermat Olasılık Mektupları Projenin Amacı:Çalışmamızda öncelikle Pascal ve Fermat la tarihsel empati kurmakla birlikte bilginin yolunu bulabilmesi için farklı bakış açılarına ihtiyaç
DetaylıOlasılık, 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
DetaylıOlasılık 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
DetaylıDr. 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)
DetaylıÖrnek 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
DetaylıOlasılık 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
Detaylıİstatistik 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
DetaylıRassal 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
DetaylıYrd. 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
DetaylıOlasılık 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
DetaylıRASSAL 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
Detaylıİstatistik 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
DetaylıOLASILIK LASILIK ve İSTATİSTİK Olasılık
1-1 Click To Edit Master Title Style OLASILIK ve İSTATİSTİK Olasılık Yrd.Doç.Dr Doç.Dr.. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü 1-2 GİRİŞ Olasılık,
DetaylıÇözüm: 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.
DetaylıMAT223 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
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir.
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
DetaylıOLASILIĞA 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
DetaylıBÖLÜM 2 : OLASILIK. Olasılığın gelişmesinde 4 anahtar sözcük önemli rol oynamaktadır. -Örneklem sonucu sample outcome
ÖLÜM : OLSLK Giriş: Olasılık kavramına. Fermat ile. ascal ın büyük katkıları olmuştur. ascal hesap makinesini geliştirerek Fermat ile birlikte olasılığın temellerini oluşturmuştur. Daha sonra Rus matematikçi
DetaylıOlasılık: Klasik Yaklaşım
Olasılık Teorisi Olasılık: Klasik Yaklaşım Olasılık Bir olayın meydana gelme şansına olasılık denir. Örnek Türkiye nin kazanma olasılığı Hava durumu Loto Olayların Olasılığını Belirleme Rastsal (gelişigüzel)
DetaylıAnkara 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
DetaylıANADOLU 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
DetaylıBİYOİSTATİSTİK 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
DetaylıSAÜ 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...
DetaylıŞartlı 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
DetaylıOLASILIK PROBLEMLERİ I (BAĞIMSIZ OLAYLAR, KOLMOGOROV BELİTLERİ VE KOŞULLU OLASILIK)
İST65-0-02-OLASILIK I (BAĞIMSIZ OLAYLAR, KOLMOGOROV BELİTLERİ VE KOŞULLU OLASILIK). A ve B olayları ayrık olaylar ve olasılıkları sıfırdan farklı ise, bu olayların bağımlı olduklarını tanıtlayınız. A ve
DetaylıÖrnek...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
DetaylıOLASILIK. ihtimali Seçeneği durumu. Bir zar atma olayı. Basit kesirdir. Tüm durum. Sonuçlardan biri Çıktılardan biri. Diğer sayfaya geçiniz
OLASILIK ihtimali Seçeneği durumu Bir zar atma olayı Basit kesirdir. Tüm durum Sonuçlardan biri Çıktılardan biri 1 Soruyu DİKKATLİ OKU, soruyu ANLA, basit örnek kur. Cevabı işaretlemeden öce tekrar soruyu
DetaylıOLASILIK (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
DetaylıKüme 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
Detaylıkişi biri 4 kişilik, üçü ikişer kişilik 4 takıma kaç farklı şekilde ayrılabilir? (3150)
PERMÜTASYON KOMBİNASYON. A = {,,,,5} kümesinin alt kümelerinin kaç tanesinde 5 elemanı bulunur? (). 7 elemanlı bir kümenin en az 5 elemanlı kaç tane alt kümesi vardır? (9). A { a, b, c, d, e, f, g, h}
DetaylıDers 1: Markov Zincirleri YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 4. Stokastik Süreç Nedir? Stokastik Süreç Nedir?
Ders : Markov Zincirleri YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 4 Yrd. Doç. Dr. Beyazıt Ocaktan E-mail: bocaktan@gmail.com Ders İçerik: nedir? Markov Zinciri nedir? Markov Özelliği Zaman Homojenliği
DetaylıKesikli 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.
DetaylıAyrık Olasılık. Ayrık Olasılığa Giriş
Ayrık Olasılık CC-59 Ayrık Yaılar Konstantin Busch - LU Ayrık Olasılığa Giriş Hilesiz zar Örnek uzay: {,,3,4,5,6} Olası tüm sonuçlar olayının olasılığı: olay kümesinin buyuklugu örnek uzayin buyuklugu
DetaylıBİNOM AÇILIMI. Binom Açılımı. çözüm. kavrama sorusu. çözüm. kavrama sorusu. ö æ ö æ ö,,
BİNOM AÇILIMI Binom Açılımı n doğal sayı olmak üzere, (x+y) n ifadesinin açılımını pascal üçgeni yardımıyla öğrenmiştik. Pascal üçgenindeki katsayılar; (x+y) n ifadesi 1. Sütun: (x+y) n açılımındaki katsayılar
DetaylıOlasılık 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
DetaylıUygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Olasılık Hatırlatma Olasılık teorisi,
DetaylıKosullu Olasılık & Bayes Teoremi
Kosullu Olasılık & Bayes Teoremi 0 {\} /\ Suhap SAHIN Olasılık Deneyi Olasılık problemlerinde gerçeklestirilen eylemler Zar atılması Para atılması Top Çekme Bir zar atıldıgında üst yüze çift gelme ihtimali
Detaylıkümeleri sırasıyla n 1, n 2,..., n k eleman içeriyorsa, önce A 1 nin bir elemanını seçmenin n 1
3. Olasılık Hesapları ve Olasılık Dağılımları 3.3. Sayma Teknikleri Olasılık hesapları ve istatistikte birçok problem, verilen küme elemanlarının sayılmasını veya sıralanmasını gerektirir. Eğer bir olayın
DetaylıÖĞRENCİNİN 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
DetaylıMOMENTLER, ÇARPIKLIK VE BASIKLIK. Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti:
MOMENTLER, ÇARPIKLIK VE BASIKLIK Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti: İşletme no 1 2 3 4 5 Arazi genişliği (da) 5 10 4 3 8 Aritmetik ortalamaya göre
DetaylıKESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli
DetaylıBİYOİSTATİSTİK OLASILIK
BİYOİSTATİSTİK OLASILIK B Doç. Dr. Mahmut AKBOLAT *Küme Kavramı: Küme, tek bir isim altında toplanabilen ve benzer özellik gösteren birimlerin meydana getirdiği topluluk olarak tanımlanabilir. Küme içinde
Detaylı1. Ölçüm Sayım. Eski Roma Census. İnkalar Quipus. Kara Veba İngiltere Ölüm Bildirgeleri
Hayatta en hakiki mürşid ilimdir, fendir. İlim ve fenden gayri mürşid aramak gaflettir, delalettir hatta hıyanettir. Mustafa Y. Ata 17:40 Gazi Üniversitesi, Fen-Edebiyat Fakültesi, İstatistik Bölümü 06.01.2011
DetaylıDers 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
DetaylıYÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri-
YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- Hazırlayan Yrd. Doç. Selçuk Üniversitesi Mühendislik Fakültesi - Endüstri Mühendisliği Bölümü Giriş Zaman içerisinde tamamen önceden kestirilemeyecek şekilde
Detaylı3.Ders Rasgele Değişkenler
3.Ders Rasgele Değişkenler Tanım:,U, P bir olasılık uzayı ve X : R X olmak üzere, a R için, : X a U oluyorsa X fonksiyonuna bir rasgele değişken denir. a R için X, a : X a U özelliğine sahip bir X rasgele
Detaylı8. SINIF MATEMATiK OLASILIK. Murat ÇAVDAR OLASILIK. Olasılık: Sonucu önceden kesin olarak bilinmeyen rastlantıya bağlı olaylara olasılık denir.
04 8. SINIF MATEMATiK OLASILIK OLASILIK Olasılık: Sonucu önceden kesin olarak bilinmeyen rastlantıya bağlı olaylara olasılık denir. Bir zarın atılması, bir torbadan top çekilmesi, bir paranın yazı veya
DetaylıOLASILIK. 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
DetaylıKesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin
DetaylıOlasılık Föyü KAZANIMLAR
Olasılık Föyü KAZANIMLAR Bir olaya ait olası durumları belirler. Daha fazla, eşit, daha az olasılıklı olayları ayırt eder, örnek verir. Eşit şansa sahip olan olaylarda her bir çıktının olasılık değerinin
DetaylıMAT223 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( B) ( ) PERMÜTASYON KOMBİNASYON BİNOM OLASILIK
PERMÜTASYON KOMBİNASYON BİNOM OLASILIK.... n = n! olmak üzere, ( n + )! = 0 n! + n! ise, n kaçtır? (A) ( ) A)0 B) C) D) E). ( n +,) = 6 C olduğuna göre, n kaçtır? (B) A) B)6 C) D)8 E)9. ( n, ). C( n,)
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir.
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
DetaylıŞartlı 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)
Detaylı3 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
DetaylıBiyoistatistik V. HAFTA
Biyoistatistik V. HAFTA Olasılık Olasılık: Bir olayın gerçekleşme ihtimalinin matematiksel değeridir. p= Başarı sayısı / olanaklı durumlar Yazı gelmesi ihtimali p=1/2=0.5 Olasılığın özellikleri: Daima
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
DetaylıZMY501 Mühendislikte İstatistik Yöntemler
ZMY501 Mühendislikte İstatistik Yöntemler Bölüm 4 Olasılık http://www1.gantep.edu.tr/~bingul/stat Gaziantep Üniversitesi Mühendislik Yönetimi Tezsiz Yüksek Lisans Programı Aralık 016 Sayfa 1 İçerik Küme
DetaylıOlasılık Kavramı. Mühendislikte İstatistik Yöntemler
Olasılık Kavramı Mühendislikte İstatistik Yöntemler KÜME KAVRAMI Birlikte ele alınan belirli nesneler topluluğuna küme, Kümede içerilen nesnelere de eleman, öğe veya üye denir. Kümenin elemanlerı (öğeleri,
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıRastgelelik, 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
DetaylıOlasılık Kuramı ve Bazı Olasılık Dağılımları
KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası
DetaylıÖrnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir.
BÖLÜM 3. OLASILIK ve OLASILIK DAĞILIMLARI Rasgele Sonuçlu Deney: Sonuçlarının kümesi belli olan, ancak hangi sonucun ortaya çıkacağı önceden söylenemeyen bir işleme Rasgele Sonuçlu Deney veya kısaca Deney
Detaylı3/6/2013. Ders 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıNot: n tane madeni paranın atılması deneyinde örnek uzayın eleman sayısı
LYS Matematik Olasılık Tanım: Bir deneyde çıkabilecek tüm sonuçların kümesine örnek uzay denir ve E ile gösterilir. Örnek uzayın herhangi bir elemanına da örnek nokta denir. Örnek: Bir zarın atılması deneyinde
Detaylıİstatistik 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
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıTanım Bir A kümesinin her elemanı, bir B kümesinin de elamanı ise, A kümesine B kümesinin alt kümesi denir.
BÖLÜM 1 KÜMELER CEBİRİ Küme, iyi tanımlanmış ve farklı olan nesneler topluluğudur. Yani küme, belli bir kurala göre verilmiş nesnelerin listesidir. Nesneler reel veya kavramsal olabilir. Kümede bulunan
Detaylıİstatistik 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
DetaylıDers 6 OLASILIK KURAMI. Örnek Uzaylar, Örnek Noktalar ve Olaylar. Örnek Uzaylar, Örnek Noktalar ve Olaylar
Ders 6 Olasılık Teorisi Permutasyonlar ve Kombinasyonlar OLASILIK KURAMI Geçtiğimiz 5 hafta boyunca serilerin temel özelliklerini gösteren grafiklerin neler olduğunu ve Serilerin temel özelliklerini anlamada
DetaylıOlasılığın Temelleri
Mantık, Matematik ve Felsefe IV.Ulusal Sempozyumu Foça, 5-8 Eylül 2006 Olasılığın Temelleri Timur Karaçay Başkent Üniversitesi tkaracay@baskent.edu.tr Özet: Matematiğin bir dalı olarak olasılık kuramının
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıALKÜ 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
DetaylıCebir Notları. Permutasyon-Kombinasyon- Binom TEST I. Gökhan DEMĐR, gdemir23@yahoo.com.tr. www.matematikclub.com, 2006
MC www.matematikclub.com, 2006 Cebir Notları Gökhan DEMĐR, gdemir23@yahoo.com.tr Permutasyon-Kombinasyon- Binom TEST I 1. Ankra'dan Đstanbul'a giden 10 farklı otobüs, Đstanbul'- dan Edirne'ye giden 6 farklı
Detaylıİstatistik 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
DetaylıOlasılık (Probability) Teorisi
Olasılık (Probability) Teorisi akin@comu.edu.tr http://akin.houseofpala.com Genetik Olasılık, genetik Genlerin gelecek generasyona geçmesinde olasılık hesapları kullanılır Akrabalık derecesinin hesaplanmasında,
DetaylıTesadüfi 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
DetaylıOLASILIK ÖRNEK - 1. Atılan bir zarın 4 ten büyük gelme olasılığı kaçtır? 1 C) 4 1 D) 3 1 E) 2 1 B) 5 A) 6
OLASILIK Değişik renkteki topların bulunduğu bir kutudan rastgele alınan bir topun hangi renkte olduğu, bir para atıldığında yazı veya tura gelmesi... vb. gibi sonucu önceden bilinmeyen olaylar olasılığın
DetaylıALIŞTIRMALAR. 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.
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
ölüm 4 Olasılık 1 OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya
DetaylıDr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli
Detaylı2. (x 1 + x 2 + x 3 + x 4 + x 5 ) 10 ifadesinin açılımında kaç terim vardır?
Numarası : Adı Soyadı : SINAV YÖNERGESİ İşaretlemelerinizde kurşun kalem kullanınız. Soru ve cevap kağıtlarına numaranızı ve isminizi mürekkepli kalem ile yazınız. Sınavın ilk 30 dakikasında sınıftan çıkılmayacaktır.
DetaylıDers 4: Olasılık Aksiyomları ve Bazı Olasılık Kuralları
Ders 4: Olasılık Aksiyomları ve Bazı Olasılık Kuralları Olasılık aksiyomları Bazı olasılık kuralları Bağımsız olaylar Koşullu olasılık Bayes theoremi Bir olayın gerçekleşme ihtimalinin sayısal değerine
DetaylıDers 3: Olasılık Aksiyomları ve Bazı Olasılık Kuralları
Ders 3: Olasılık Aksiyomları ve Bazı Olasılık Kuralları Olasılık aksiyomları Bazı olasılık kuralları Bağımsız olaylar Koşullu olasılık Bayes theoremi Bir olayın gerçekleşme ihtimalinin sayısal değerine
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 2303 İstatistik-I Bölüm 1: İstatistiğe Giriş: Temel kavramlar ve Olasılık Teorisi Dr. Öğr. Üyesi Kemal SUBULAN http://kisi.deu.edu.tr/kemal.subulan/
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
Detaylı2. (v+w+x+y+z) 8 ifadesinin açılımında kaç terim vardır? 3. log 5 0, 69897 olduğuna göre 50 10 sayısı kaç basamaklıdır?
Ayrık Hesaplama Yapıları A GRUBU 3.03.0 Numarası Adı Soyadı : CEVAP : ANAHTARI SINAV YÖNERGESİ İşaretlemelerinizde kurşun kalem kullanınız. Soru ve cevap kağıtlarına numaranızı ve isminizi mürekkepli kalem
DetaylıOyun Tasarımı. 10. Ders
Oyun Tasarımı 10. Ders Geçtiğimiz haftalar 1. Lens: Öz Deneyim 2. Lens: Şaşırtma 3. Lens: Eğlence 4. Lens: Merak 5. Lens: Endojen 6. Lens: Problem Çözme 7. Lens: Temel Eleman Dörtlüsü 8. Lens: Hologra
DetaylıTanım: (1. Tip Üretken Fonksiyonlar) (a r ) = (a 1, a 2, a 3,,a r, ) sayı dizisi olmak üzere, (a r ) dizisinin 1. Tip üretken fonksiyonu
Üretken Fonksiyonlar Ali İlker Bağrıaçık Üretken fonksiyonlar sayma problemlerinin çözümünde kullanılan önemli yöntemlerden biridir. Üretken fonksiyonların temeli Moivre nin 1720 yıllarındaki çalışmalarına
Detaylı1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir?
1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir? 9. 4 çocuklu bir aile yan yana poz verecektir. Çocukların soldan sağa doğru boy sırasında olduğu kaç durum
Detaylı18.034 İleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret
DetaylıOlasılık ve Rastgele Süreçler (EE213) Ders Detayları
Olasılık ve Rastgele Süreçler (EE213) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve Rastgele Süreçler EE213 Güz 3 0 0 3 7 Ön Koşul Ders(ler)i
Detaylı1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...
1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
ölüm 4 Olasılık 1 OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya
Detaylı