Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
|
|
- Turgay Derviş
- 5 yıl önce
- İzleme sayısı:
Transkript
1 ölüm 4 Olasılık 1
2 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 çıkmasının sebebi seçilen örneklerin şansa bağlı olarak farklılıklar göstermesi ve bunun sonucunda her deneyde farklı sonuçlarla karşılaşılmasıdır. Olasılık, herhangi bir deneyin sonucunda gözlenebilecek farklı durumlar ile hangi sıklıkla karşılaşılacağı bir başka ifadeyle ortaya çıkan olayların belirsizliğinin incelenmesi anlamına gelir. 2
3 Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya başlanan olasılık, uygulamalı matematiğin bir dalı olarak gelişim göstermiş ve istatistiksel yorumlamada önemli uygulama alanı bulmuştur. Örnekler: Madeni paranın atılması sonucu tura gelme olasılığı, ir deste iskambil kağıdından çekilen 2 kağıdın en az birinin papaz olma olasılığı, Nişanlı olan bir çiftin evlenme olasılığı.??? 3
4 Temel Tanımlar ve Kavramlar-I Tekrarlanabilir Deney: Sonucu kesin olarak kestirimlenemeyen bir tek çıktı şans değişkeni oluşturan bir eylem, gözlem ya da süreçtir. Örnek: madeni para atılması, içinde 5 sarı 7 lacivert bilye bulunan torbadan bir top çekilmesi. asit Olay: ir deneyin çıktısı daha basit bir çıktı olarak ayrıştırılamıyorsa basit olaydır. Örnek: hilesiz bir zarın atılması sonucu 2 gelmesi, bir deste iskambil kağıdından çekilen kağıdın maça as olması. 4
5 Temel Tanımlar ve Kavramlar-II Olay: irden fazla basit olayın bir araya gelmesi sonucu oluşur. Örnek: hilesiz bir zarın atılması sonucu asal sayı gelmesi, içinde 5 sarı 7 lacivert bilye bulunan torbadan 2 top çekildiğinde birinin sarı birinin lacivert olması. Örnek Uzayı: ir deneyin sonucunda elde edilen tüm mümkün basit olaylarının oluşturduğu kümedir. Genellikle S ile tanımlanır. Örnek: Hilesiz bir zarın atılması sonucu elde edilen örnek uzayı; x: zarın üst yüzünde gelen sayı S = { x; x = 1,2,3,4,5,6 } 5
6 Temel Tanımlar ve Kavramlar-III yrık Olay: Eğer ve gibi iki olay aynı anda geçekleşemiyor ise bu olaylara ayrıkbirbirini engelleyen olaylar denir Örnek: Madeni para atılması sonucunda yazı veya tura gelmesi ayrık olaylardır. Zarın atılması sonucu 1 ve tek sayı gelmesi olayları ayrık olaylar değildirler. Çünkü aynı anda gerçekleşebilirler. Eşit Olasılıklı Olaylar: ir örnek uzayındaki tüm basit olayların ortaya çıkma olasılığı eşit ise bu olaylara eşit olasılıklı olaylar denir. Örnek: ir deste iskambil kağıdından bir adet kağıt çekilmesi. 6
7 Olasılık için Notasyon olasılığa karşılık gelir.,, ve C spesifik olayları tanımlar. - olayının meydana gelmesi olasılığını ifade eder. 7
8 Olasılığın Limitleri İmkansız bir olayın olasılığı 0 dır. Kesin bir olayın olasılığı 1 dir. ir olayı için
9 Olasılığın İki Temel Kuralı; 1 Tüm basit olayların olasılıkları 0 ile 1 arasındadır. 2 ir örnek uzayındaki tüm basit olayların ortaya çıkma olasılıklarının toplamı 1 e eşittir. DİKKT!!!! Hiç bir olayın OLSILIĞI 1 den büyük olamaz!!!! ir olayın ortaya çıkma olasılığı; şeklinde gösterilir. 9
10 Tanımlar ve olayları, eğer birlikte meydana gelemiyorlarsa, ayrıktır birbirini engelleyen olaylardır. 10
11 irbirini ütünleyen Tümleyen Olaylar ve yrık olaylarıdır Tüm basit olaylar, veya içerisinde yer alır. 11
12 Tümleyen Olaylar ile İlgili Kurallar + = 1 = 1 = 1 12
13 Olayının Venn Diyagramı Gösterimi 13
14 Olasılığın Gelişim şamaları Klasik riori Olasılık Frekans osteriori Olasılığı ksiyom Olasılığı NOT:u sıralama olasılık teorisinin tarihsel gelişimini tanımlamaktadır. 14
15 Klasik Olasılık Eğer bir örnek uzayı ns adet ayrık ve eşit olasılıkla ortaya çıkan basit olaylardan oluşuyor ve örnek uzayındaki basit olaylardan n adedi olayının özelliğine sahip ise nın olasılığı: = n / ns kesri ile elde edilir. 15
16 Örnek: ir kapta 5 sarı, 5 lacivert ve 5 adet yeşil bilye bulunmaktadır. Çekilen bir bilyenin sarı olma olasılığı nedir? : Çekilen bir bilyenin sarı olması ns: Örnek uzayı eleman sayısı = 15 n: Örnek uzayındaki elemanı sayısı = 5 n 5 n S
17 Klasik Olasılık Niçin Yetersizdir? Örnek uzayının eleman sayısı sonsuz olduğu durumlarda, Eşit olasılıklı olay varsayımı yapılamadığı durumlarda, klasik olasılık ile hesaplama yapılamayacağından dolayı yetersizdir. 17
18 Ne Yapılabilir? raştırılan anakütle üzerinde tekrarlı deneyler gerçekleştirilerek sonuçlar analiz edilmek üzere kayıt edilmelidir. 18
19 Frekans Olasılığı raştırılan anakütle üzerinde n adet deney uygulanır. Yapılan bu deneylerde ilgilenilen olayı n defa gözlenmiş ise olayının göreli frekansı yaklaşık olasılığı: = n / n olarak bulunur. 19
20 Örnek: ir fabrikanın üretmiş olduğu televizyonların hatalı olma olasılığı p nedir? Önce örnek uzayı oluşturulur: S={sağlam,hatalı} Klasik olasılığa göre eşit olasılıklı olaylar p=0.5 olup gerçeği yansıttığı şüphelidir. Yapılması gereken örneklem alarak p = nh / n olasılığını hesaplamaktır. 20
21 üyük Sayılar Kanunu ir prosedür deney tekrarlandıkça, frekans olasılığı gerçek olasılığa yaklaşma eğilimi gösterir. 21
22 Frekans Olasılığının Kararlılık Özelliği Gerçekleştirilen deney sayısı arttıkça olasılık değerindeki değişkenlik azalacak ve giderek bir sabit değere yaklaşacaktır. u duruma kararlılık özelliği adı verilir. ir olayın olasılığı deneyin tekrarlama sayısı sonsuza yaklaşırken o olayın göreli frekansının alacağı limit değer olarak tanımlanır: p = = lim n n / n 22
23 Frekans Olasılığı Niçin Yetersizdir? Olasılığın kararlılık değerine ulaştığı deneme sayısı kaçtır? Sonsuz adet deneme yapmak mümkün değildir. ynı deney iki defa aynı tekrar sayısı ile gerçekleştirildiğinde elde edilen olasılıklardan hangisi olayın olasılığı olarak kabul görecektir? 23
24 ksiyom Olasılığı Nedir? Olasılığın matematiksel teorisini tanımlar. u teorinin oluşturduğu ideal modeller yaşadığımız dünyanın problemlerini çözmede kullanılır. Olasılığın iki genel tipinin sahip olduğu önemli ortak nokta: Her ikisinin de, benzer koşullarda teorik olarak aynı koşullarda uygulanan deneylere gereksinim duymasıdır. ununla birlikte benzer koşullarda tekrarlı olarak uygulanamayan durumlarda olasılıkların hesaplanmasında KSİYOM OLSILIĞI yardımcı olur. 24
25 enzer Koşullarda Tekrarlı Olarak Uygulanamayan Durumlara Örnekler: Çok hoşlandığınız bir arkadaşınızla çıkma olasılığı nedir? Fenerbahçe - Galatasaray maçının 0-6 bitmesi olasılığı nedir? 25
26 Subjektif Olasılıklar olayının meydana gelme olasılığı, konu ile ilgili bilgileri ve inanışlarına bağlı olarak belirlenir. Örnek: Kişisel yatırımcıların hiçbiri borsanın gelecekteki davranışı konusunda aynı görüşü paylaşmaz. u kişilerin subjektif olasılıkları, ulaşabildikleri bilgiye ve onu yorumlama biçimlerine bağlıdır. 26
27 ksiyomlar ksiyom 1: örnek uzayı S deki her olayı için 0 olan bir gerçel sayıdır. ksiyom 2: S=1 { =0 } ksiyom 3: Eğer S 1,S 2,...Olaylarının her biri S deki ayrık olaylar ise,diğer bir deyişle S i S j = tüm ij için ise, S 1 S 2...=S 1 +S
28 Sadece ksiyomlar Yeterli mi? HYIR u aksiyomların ve onlara bağlı teoremlerin faydalı bir model geliştirilmesinde bize yardımcı olabilmesi için, S örnek uzayındaki her bir olayı için olasılığın hesaplanmasında kullanılacak bir FONKSİYON ya da bir KURL gereksinim vardır 28
29 u fonksiyonlar İlgilenilen anakütlenin Tanımladığı ÖRNEK UZYIN Göre Farklılık Gösterir. Sık karşılaşılan üç farklı örnek uzayı; Sonlu elemanlı kesikli örnek uzayı sayılabilir sonlu Genel kesikli örnek uzayı sayılabilir sonsuz Sürekli örnek uzayı sayılamaz sonsuz olarak ifade edilir. 29
30 x : herhangi bir gün içinde yağmur yağması x = 0 yağmur yağmaz x = 1 yağmur yağar Örnek Uzayı; S = { x / 0, 1 } veya S = { x / Yağmursuz, Yağmurlu } olarak belirlenir ve sayılabilir sonlu bir örnek uzayıdır. 30
31 x : bir zar için 6 gelinceye kadar yapılan atış sayısı Örnek Uzayı; S = { x / 1,2,3,.. } olarak belirlenir ve sayılabilir sonsuz bir örnek uzayıdır. kesikli şans değişkeni x : öğrencilerin boyları Örnek Uzayı; S = { x / 150 < x < 200 } olarak belirlenir ve sayılamaz sonsuz bir örnek uzayıdır. sürekli şans değişkeni 31
32 azı Temel Olasılık ksiyomları 1. S = 1 2. = 0 3. olayının tümleyeni olarak gösterilir ve herhangi iki olay olmak üzere; U = + 5. ve ayrık iki olay ise; U = + 32
33 Oranlar Özellikle bahis oyunlarında olasılıklar, oranlar ile açıklanır. Organizatörler her üç sonuç için kendi değerlendirmelerine göre birer olasılık belirliyorlar. Ev sahibi galibiyeti=.60, beraberlik=.25, deplasman galibiyeti=.15 gibi. Ev sahibinin kazanması olayı E olsun. u durumda E nin lehindeki oran, E/1-E, E nin aleyhine oran 1-E/E olur. 33
34 Örnek Uzayı ve Olay Sayısını elirleyen Sayma Yöntemleri Klasik olasılığın diğer bir ifade ile eşit olasılıklı olayların geçerli olduğu durumlarda: Örnek uzayının eleman sayısı, İlgilenilen olayın eleman sayısının belirlenmesi gereklidir. Kullanılan iki temel prensip; 1 Toplama Yöntemi 2 Çarpma Yöntemi 34
35 Toplama Yöntemi ir olayı m farklı şekilde, başka bir olayı da n farklı şekilde oluşabilen ayrık olaylar ise; veya olayı n + m farklı şekilde oluşabilir. Örnek: İstanbul dan İzmir e 2 farklı tren seferi, 4 farklı havayolu firması, 40 farklı otobüs firması ve 1 adet denizyolu firması ile gidilebildiğine göre İstanbul dan İzmir e kaç farklı şekilde gidilir? = 47 35
36 Çarpma Yöntemi ir olayı m farklı şekilde, başka bir olayı da n farklı şekilde oluşabilen ve aynı anda oluşmaları mümkün olaylar ise; ve olayı n * m farklı şekilde oluşabilir. Örnek: ir iskambil destesinden çekilen iki kartın birinin Kupa diğerinin Maça olması kaç farklı şekilde gerçekleşebilir? 13 * 13 =169 NOT: Çarpma yöntemi bağımsız olaylar için kullanılır. 36
37 k farklı sonuç veren bir deney r kez tekrar edilirse ortaya çıkan tüm durumların sayısı; olarak hesaplanır. k r Örnek: ir zarı 3 kez attığımızda ortaya çıkabilecek tüm mümkün durumların sayısı sayısı; 6 3 = 216 adettir. Örnek uzayının eleman sayısı 216 dır. 37
38 Örnek Uzayı ve Olay Sayısının üyük Olduğu Durumlar Örnek uzayı ve olay sayısının büyük olduğu durumlarda kullanılan sayma yöntemleri; ermütasyon Kombinasyon 38
39 Notasyon Faktöriyel sembolü! zalan pozitif tamsayıların çarpımını ifade eder. Örneğin, 4! Tanım gereği, 0! = 1. 39
40 ermütasyon Sıraya konulacak n adet nesne olsun ve her biri sadece bir kez kullanılmak üzere kaç farklı sıralama yapılabilir? n n-1 n n nesnenin mümkün sıralamalarının sayısı: nn-1n =n! n n = n! 40
41 n tane nesne arasından seçilmiş x tane nesnenin permütasyon sayısı..olarak ifade edilir. n x Toplam n tane nesne arasından x tane nesne seçilir ve bunlar sıraya konulursa ortaya çıkabilecek sıralamaların sayısıdır ve şu şekilde hesaplanır: n! n x n x! Kullanıldığı durumlar İadesiz örnekleme Örneğe çıkış sırası önemli 41
42 Örnek: 8 atletin katıldığı 100 metre yarışmasında ilk üç dereceye girenler kaç farklı şekilde belirlenir? 8! 8 3 8*7* ! Örnek: 2,3,5,6,7 ve 9 sayılarını kullanarak 4 basamaklı rakamları birbirinden farklı kaç sayı oluşturulur? 6! 6 4 6*5*4*3 6 4! =360 42
43 ermutasyon Kuralı when some items are identical to others n nesne verilmiş olsun. u n nesnenin n 1 tanesi birinci çeşit, n 2 tanesi ikinci çeşit,... n k tanesi k. Çeşit olsun. k grup ve her bir grupta sırayla n1, n2,... nk nesne olacaktır. Tümü birlikte alınan n nesnenin permütasyonlarının sayısı n! n 1!. n 2! n k! 43
44 52 kartlık standart bir deste 4 oyuncu arasında kaç farklı şekilde dağıtılabilir? 44
45 Kombinasyon n adet nesne arasından seçilen x tanesinin kombinasyon sayısı nc x ile gösterilir. Sıralama önemli olmaksızın tüm durumların sayısı olarak ifade edilir. u sayı şu şekilde hesaplanır: n! n C x n x! x! Kullanıldığı durumlar; İadesiz örnekleme Örneğe çıkış sırası önemsiz 45
46 Örnek: eş kişilik bir topluluktan üç kişilik bir komisyon kaç farklı şekilde seçilir? 5! 5 3!3! 5*4*3*2 2*3*2 5C3 10 Örnek: 10 bay ve 5 bayan arasından 2 bay ve 1 bayan üye içeren bir kurul kaç farklı şekilde oluşturulur? 10! 10 2!2! 10*9 2 10C2 5! 5 1!1! 5C bay arasından 2 bay 5 bayan arasından 1 bayan Çarpım kuralı uygulanarak 45 * 5 =225 farklı şekilde oluşturulur. 46
47 Örnek: 10 işletme ve 8 iktisat öğrencisi arasından 5 kişilik bir komisyon oluşturulacaktır. Rasgele bir seçim yapıldığında komisyonda çoğunlukla işletme öğrencisi olma olasılığı nedir? 5 işletme 0 iktisat, 4 işletme 1 iktisat, 3 işletme 2 iktisat C C 5 C C C 18 5 C C C C 0,62 Örnek: li ve Can isimli iki arkadaş zar atarak oyun oynuyorlar. Oyuna li başlıyor. Zar 1 veya 2 gelirse oyunu kazanıyor. 3,4 veya 5 gelirse oyuna devam etme hakkını kazanıyor. 6 gelirse zar atma sırası Veliye geçiyor. li nin bu oyunu kazanma olasılığı bulunuz. li nin oyunu kazanma olasılığı p olsun, li 1 veya 2 atar oyunu kazanır, olasılık : 2 / 6 3,4 ve 5 atar oyuna tekrar devam eder ve sonra oyunu kazanır olasılık: 3/6p İlk atışta 6 atar oyun cana geçer ve can oyunu kaybeder olasılık 1/61-p p = 2/6 + 3/6p + 1/61-p p = 3/4 47
48 ğaç Diyagramı Her birinin sonucunun sonlu sayıda olduğu birden fazla deneyin tüm mümkün sonuçlarını görsel bir şekilde ortaya koymak için kullanılır. 48
49 Örnek: li ile Can masa tenisi oynamaktadırlar. 3 set kazananın galip geleceği maçın ortaya çıkabilecek tüm mümkün sonuçlarını gösteren ağaç diyagramını oluşturunuz. Olası Durumlar;,CCC C,CCC C,CCC CCC,C CC,CCC CC,CCC CCC,CC CCC,CC CC,CCC CCC,CC 2 0 D E T C C C C C C C C C C C C C C C C C C 49 C
50 50 Şartlı Olasılık ve gibi iki olaydan olayının gerçekleştiği bilindiği durumda olayının gerçekleşmesi olasılığına olayının şartlı olasılığı denir. / ile gösterilir. nın gerçekleştiği bilindiğinde nin ortaya çıkma olasılığı; / /. /. /
51 Örnek: ir üniversitede okuyan öğrencilerin % 70 i tiyatroya, % 35 ise sinemaya ilgi duymaktadır. a ir öğrencinin sinemaya ilgi duyduğu bilindiğinde tiyatroya ilgi duyma olasılığı 0,40 ise her iki aktiviteye birden ilgi duyma olasılığı nedir? b ir öğrencinin tiyatro veya sinemaya ilgi duyma olasılığı nedir? T:Tiyatroya ilgi duyma S:Sinemaya ilgi duyma T = 0,70 S = 0,35 a T / S = 0,40 T S =? T/S T S S TS T/S*S 0,40*0,35 0,14 b T U S T S - T S 0,70 0,35-0,14 0,91 51
52 Şartlı Olasılıkların ilindiği Durumlarda Tek ir Olayın Olasılığının ulunması şağıdaki şekilde olayının birbiriyle ayrık olan 5 farklı olayın birleşiminden meydana geldiği görülür
53 53 olayı her bir olayı ile kesişimleri cinsinden ifade edildiğinde;birbirini engelleyen olayların birleşiminin olasılığı toplama kuralına göre / i i i / / / / /
54 Örnek: ir ilaç üç fabrika tarafından üretilmektedir. 1. Fabrikanın üretimi 2. ve 3. fabrikaların üretiminin 2 katıdır. yrıca 1. ve 2. fabrikalar % 2, 3. fabrika % 4 oranında bozuk ilaç üretmektedir. Üretilen tüm ilaçlar aynı depoda saklandığına göre bu depodan rast gele seçilen bir ilacın bozuk olma olasılığı nedir. = Seçilen ilacın bozuk olma olasılığı =? i = Seçilen ilacın i nci fabrikada üretilmesi 1 = = 1 olduğundan; 1 = 0,50 2 = 3 = 0,25 olarak elde edilir. / 1 1 / 2 2 / 3 3 = =0,025 Depodan seçilen 1000 ürünün 25 tanesinin hatalıdır. 54
55 55 ayes Teoremi Sonucun bilindiği durumda sebebin hangi olasılıkla hangi olaydan meydana geldiği ile ilgilenir. Ele alınan örnekte depodan rast gele seçilen bir ilacın bozuk çıkması halinde 1.fabrikadan gelmesinin olasılığı araştırıldığında ayes Teoremine ihtiyaç duyulmaktadır. k i i i i i i i 1 / / /
56 Depodan rasgele seçilen bir ilacın bozuk olduğu bilindiğine göre 1 nci fabrikadan gelmiş olma olasılığı; / 1 / 1 1 / 1 1 / 2 2 / 3 3 / ,40 56
57 ağımsız Olaylar Ele alınan olaylardan birinin gözlenip gözlenmemesinin olasılığı diğer bir olayın ortaya çıkıp çıkmama olasılığını etkilemiyorsa bu olaylara bağımsız olaylar denir. = /. = /. ve olayları bağımsız ise bir başka ifadeyle olayının meydana gelme olasılığı olayının meydana gelme olasılığına bağlı değil ise ve iki olay aynı anda meydana gelebiliyor ise; / = ve / = olur. Sonuç olarak ve olayları bağımsız iseler =. eşitliği elde edilir. ynı şekilde =. ise ve 57 olayları bağımsızdır denir.
58 Örnek: li ve Can isimli iki avcının bir hedefi vurma olasılıkları sırasıyla 0,65 ve 0,40 olarak verilmiştir. İki avcı hedefe birlikte ateş ettiğinde hedefin vurulma olasılığı nedir? = li nin hedefi vurması = 0,65 C = Can ın hedefi vurması C = 0,40 U C =? U C = + C C li ile Can nın hedefi vurmaları birbirinden bağımsız olduğundan; C =. C = 0,65 * 0,40 = 0,26 U C = 0,65 + 0,40 0,26 = 0,79 58
59 Testing for Independence In Section 3-4 we stated that events and are independent if the occurrence of one does not affect the probability of occurrence of the other. This suggests the following test for independence: Two events and are independent if Two events and are dependent if = or and = = or and = 59
60 üyük anakütlelerden küçük örnekler Eğer örnek miktarı anakütlenin %5 inden az ise, seçim işlemini bağımsız olarak varsayabiliriz. gerçekte seçimler iadesiz ve dolayısı bağımlı olsalar bile 60
Olasılık 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
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
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 çıkmasının sebebi
DetaylıOLASILIK. Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru
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 çıkmasının sebebi
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
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
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
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
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
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/
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
DetaylıOLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar
OLASILIK OLASILIK İstatistiğin temel araçlarından biri olasılıktır 17. yy daşans oyunları ile başlamıştır Her bir denemenin çıktısı belirsizdir Fakat uzun dönemde çıktı kestirimlenebilir Bireysel belirsizlik
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
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)
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
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
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
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
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
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
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
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.
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
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
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
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
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
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
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
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
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,)
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
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
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
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}
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
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
DetaylıPERMÜTASYON, 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)=
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
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
DetaylıBAYES 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
DetaylıYENİ ORTAÖĞRETİM MATEMATİK PROGRAMINA UYGUNDUR. YGS MATEMATİK 3. KİTAP MERVE ÇELENK FİKRET ÇELENK
YENİ ORTAÖĞRETİM MATEMATİK PROGRAMINA UYGUNDUR. YGS MATEMATİK 3. KİTAP MERVE ÇELENK FİKRET ÇELENK İÇİNDEKİLER Kümeler 5 44 Fonksiyonlar 1 45 88 Fonksiyonlar 2 89 124 Sayma Kuralları 125 140 Faktöriyel
DetaylıRastgele 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
DetaylıKESİKLİ DÜZGÜN DAĞILIM
KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda
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
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
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,
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.
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
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
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
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.
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)
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
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
Detaylıİstatistik, 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
DetaylıOLASILIK. (Bu belgenin güncellenmiş halini bu adresten indirebilirsiniz)
OLASILIK 46 0 86 48 destek@sinavdestek.com www.sinavdestek.com (Bu belgenin güncellenmiş halini bu adresten indirebilirsiniz) JET Yayınları Ocak 20 0. Teorik Olasılık 0.. Deney ve Çıktı 4. Bir zar ile
DetaylıDr. Akarsu Hafta-4 11/16/2014 1
Dr. Akarsu Hafta-4 11/16/2014 1 GİRİŞ Olasılık dolaylı istatistiğin önemli metotlarının temelini oluşturmaktadır. Örneğin, cinsiyet belirleyici bir prosedür belirlediğinizi iddia ediyorsunuz ve her seferinde
DetaylıKÜMELER. 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.
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
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
DetaylıFaktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,
14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.
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
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
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
DetaylıTemel Olasılık {\} /\ Suhap SAHIN
Temel Olasılık 0 {\} /\ Suhap SAHIN Olasılık P(E) : E nin olma olasılıgı n: Deneme sayısı n(e): Denemelerden kaçı E ile sonuçlandı Deneme sayısı sonsuza( ) yaklasırsa P(E) = limn n(e) n Örnek Uzay S: Bir
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
Detaylıa. Aynı sırada çekilen herhangi iki kartın aynı d. 4. çekişte iki torbadan da 4 numaralı kartların e. 2. ve 4. çekişte aynı numaralı kartların
Örnek Problem - Sinemada, yan yana koltukta oturan arkadaş, ara verildiğinde kalkıyorlar. Dönüşte, aynı koltuğa rastgele oturduklarına göre; hiçbirinin ilk yerine oturmaması olasılığı Örnek Problem - 4
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
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
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
Detaylı2011 YGS MATEMATİK Soruları
0 YGS MTEMTİK Soruları. + + ) 8 ) 0 ) 6 ) E). a = 6 b = ( a)b olduğuna göre, ifadesinin değeri kaçtır? ) ) 6 ) 9 ) 8 E). (.0 ) ) 0, ) 0, ) 0, ) E) 6. x = y = 8 z = 6 olduğuna göre, aşağıdaki sıralamalardan
DetaylıTAMSAYILAR. 9www.unkapani.com.tr. Z = {.., -3, -2, -1, 0, 1, 2, 3, } kümesinin her bir elemanına. a, b, c birer tamsayı olmak üzere, Burada,
TAMSAYILAR Z = {.., -, -, -, 0,,,, } kümesinin her bir elemanına tamsayı denir. Burada, + Z = {,,,...} kümesine, pozitif tamsayılar kümesi denir. Z = {...,,,,} kümesine, negatif tamsayılar kümesi denir.
DetaylıToplam 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
DetaylıTanımlayıcı 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,
Detaylı10SINIF MATEMATİK. Sayma ve Olasılık Fonksiyonlar
0SINIF MATEMATİK Sayma ve Olasılık Fonksiyonlar YAYIN KOORDİNATÖRÜ Oğuz GÜMÜŞ EDİTÖR Hazal ÖZNAR - Uğurcan AYDIN DİZGİ Muhammed KARATAŞ SAYFA TASARIM - KAPAK F. Özgür OFLAZ Eğer bir gün sözlerim bilim
DetaylıÖSYM M TEMEL MATEMATİK TESTİ YGS / MAT. Diğer sayfaya geçiniz. 1. Bu testte 40 soru vardır.
TEMEL MATEMATİK TESTİ 2011 - YGS / MAT M9991.01001 1. Bu testte 40 soru vardır. 1. 2. 2. Cevaplarınızı, cevap kâğıdının Temel Matematik Testi için ayrılan kısmına işaretleyiniz. işleminin sonucu kaçtır?
DetaylıTEMEL SAYMA KURALLARI
TEMEL SAYMA KURALLARI SAYMA Toplama Yoluyla Sayma A ve B sonlu ve ayrık kümeler olmak üzere, bu iki kümenin birleşiminin eleman sayısı; s(a,b) = s(a) + s(b) dir. Sonlu ve ayrık iki kümenin birleşiminin
DetaylıİÇİNDEKİLER. 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
Detaylı3)Aşağıdaki tabloda gruplandırılmış bir veri kümesi bulunmaktadır. Bu veri kümesinin mutlak ortalamadan sapması aşağıdakilerden hangisidir?
İSTATİSTİK SORU VE CEVAPLARI 1)Tabloda 500 kişinin sahip oldukları akıllı telefon markalarını gösteren bilgiler verilmiştir.bu tabloda ki bilgileri yansıtan daire grafiği aşağıdakilerden hangisidir? TELEFON
Detaylı5. BÖLÜM EKİ SAYMANIN TEMEL PRENSİPLERİ
5 ÖLÜM EKİ SYMNIN TEMEL PRENSİPLERİ elirli bir takım deneylerde olanaklı tüm sonuçları belirlemek için geliştirilmiş tekniklere kombinasyon analizi denir Örneğin iki farklı denemede 1 denemenin m 2 denemenin
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...
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
Detaylı10. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları
10. Sınıf Matemat k Ders İşleme Defter OLASILIK Altın Kalem Yayınları KOŞULLU OLASILIK Bas t olayların olma olasılıklarını 9. sınıf matemat k konularında şlem şt k. Ş md yapacağımız se daha karmaşık olayların
DetaylıTemel Kavramlar 1 Doğal sayılar: N = {0, 1, 2, 3,.,n, n+1,..} kümesinin her bir elamanına doğal sayı denir ve N ile gösterilir.
Temel Kavramlar 1 Doğal sayılar: N = {0, 1, 2, 3,.,n, n+1,..} kümesinin her bir elamanına doğal sayı denir ve N ile gösterilir. a) Pozitif doğal sayılar: Sıfır olmayan doğal sayılar kümesine Pozitif Doğal
DetaylıİÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR
İÇİNDEKİLER ÖNSÖZ III Bölüm 1 KÜMELER 11 1.1. Küme 12 1.2. Kümelerin Gösterimi 13 1.3. Boş Küme 13 1.4. Denk Küme 13 1.5. Eşit Kümeler 13 1.6. Alt Küme 13 1.7. Alt Küme Sayısı 14 1.8. Öz Alt Küme 16 1.9.
DetaylıDiğer sayfaya geçiniz. 2013 - YGS / MAT TEMEL MATEMATİK TESTİ. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır?
TEMEL MATEMATİK TESTİ 1. Bu testte 40 soru vardır. 2. Cevaplarınızı, cevap kâğıdının Temel Matematik Testi için ayrılan kısmına işaretleyiniz. 1. 3. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır? A)
Detaylı1. Bölüm: SIRALAMA (PERMÜTASYON) Bölüm: SEÇME (KOMBİNASYON) Bölüm: BİNOM AÇILIMI Bölüm: OLASILIK...25
1 İçindekiler 1. Bölüm: SIRALAMA (PERMÜTASYON)... 5 2. Bölüm: SEÇME (KOMBİNASYON)...13 3. Bölüm: BİNOM AÇILIMI...21 4. Bölüm: OLASILIK...25 5. Bölüm: FONKSİYONLARIN SİMETRİLERİ VE CEBİRSEL ÖZELLİKLERİ...37
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
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
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıİÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...
İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE
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
DetaylıASAL SAYILAR - TAM BÖLENLER - FAKTÖRİYEL Test -1
ASAL SAYILAR - TAM BÖLENLER - FAKTÖRİYEL Test -1 1. ve y aralarında asal iki doğal sayıdır. 7 y 11 olduğuna göre, y farkı 5. 364 sayısının en büyük asal böleni A) 3 B) 7 C) 11 D) 13 E) 17 A) B) 3 C) 4
DetaylıMATEMATİK. Doç Dr Murat ODUNCUOĞLU
MATEMATİK Doç Dr Murat ODUNCUOĞLU Mesleki Matematik 1 TEMEL KAVRAMLAR RAKAM Sayıları yazmak için kullandığımız işaretlere rakam denir. Sayıları ifade etmeye yarayan sembollere rakam denir. Rakamlar 0,1,2,3,4,5,6,7,8,9
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi Balıkesir Üniversitesi İnşaat
DetaylıÖDEV 5 ÇÖZÜMLERİ. 1. A, B, C Ω olmak üzere A B ve A B C olaylarını ayrık olayların birleşimi olarak yazınız.
OLASILIĞA GİRİŞ IDERSİ ÖDEV 5 ÇÖZÜMLERİ 1. A, B, C Ω olmak üzere A B ve A B C olaylarını ayrık olayların birleşimi olarak yazınız. A B = A (B A) =A (B A c ) A B C = A (B A) (C (A B)) = A (B A c ) (C B
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını
Detaylı