İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş
|
|
- Gizem Çatlı
- 5 yıl önce
- İzleme sayısı:
Transkript
1 İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük hayatta cevap aradığımız soruları bazıları söyle sıralaabilir. a. Bir seçimi souçlarıı kestirebilmek içi öreklemde asıl yararlaırız? b. Bir ürüü gerçekte stadartlara uygu üretilip üretilmediğie ürüü bir öreklemii kullaarak asıl karar verilebilir? c. Bir pay seedii yıllık ortalama getirisii kestirmek içi öreklemdeki değerleride asıl yararlaırız? d. Bir ürüü piyasadaki ortalama satış fiyatıı kestirmek içi öreklemdeki fiyatları asıl kullaırız? Yukarıdaki soruları cevapladırmak içi öce kitlede kurallara uygu olarak bir öreklem çekmemiz gerekir. Kurallar uygu çekilmemiş bir öreklemde doğru cevaplar elde etmek mümkü olamaz. Kitle bir rastlatı sürecide oluştuğu içi kitlede bir rastlatısal (olasılıksal) öreklem çekip kitlei ortalaması ve varyası hakkıda çıkarsamalar yapmak olasıdır. Buu içi öce öreklemi uygu biçimde elde etmek ve ardıda öreklem istatistiklerii elde etmek gerekir. Öreklem ortalaması ve varyası, daha öce de taımladığı gibi, öreklem istatistikleri olarak adladırılır. Öreklem istatistikleri de birer rastlatı değişkei olarak kabul edildiğide bular da birer olasılık dağılımıa sahiptirler. Bu olasılık dağılımlara örekleme dağılımları deir. 5.. Kitlede öreklem çekmek Örekleme dağılımıı belirleme süreci basit rastgele örekleme ile elde edilmiş öreklem gözlemlerii kullaır. Bu edele öce basit rastgele öreklemei taımıı alamak gerekmektedir. Basit rastgele örekleme, bir kitlede tae esei eşit olasılıkla seçilmesi işlemidir. Burada öemli okta öreklem gire her öğei seçilme şasıı eşit olmasıdır. Bu seçme işlemi, N tae kitle öğesi arasıda, geellikle rastgele sayı üretme algoritmalarıı kullaa bilgisayar yazılımları ile yapılır. Kitleyi temsil ede öreklem öğelerii sayısı ile gösterilir. N kitle büyüklüğü öreklem büyüklüğü olarak adladırılır. Öreklem büyüklüğü kitle büyüklüğüe bağlı olarak belirleir. kitle büyüklüğü arttıkça /N örekleme oraı küçülür. Öreklem büyüklüğü, öreklem kuramıı kurallarıa bağlı olarak belirleir. Daha pratik olarak, bazı hata paylarıı kabul ederek, geçmiş
2 İstatistik Ders Notları 08 Ceap Erdemir deeyimlere ve araştırmalara dayalı olarak oluşturulmuş hazır tablolarda yararlamak mümküdür. Bu tablolarda kitle büyüklüğü bilidiğide kullaılabilecek öreklem büyüklüğü verilmektedir. 5.3 Örekleme dağılımları Bir kitlede çekilmiş, büyüklüğüde birde fazla öreklem düşüelim. Birici öreklemdeki gözlemler ile ikici öreklemdeki gözlemler birbirleride farklı olabilecektir. Her öreklemde farklı gözlemler olduğuda her öreklemi ortalaması ve varyası diğerleride farklı olacaktır. Varsayıla bu işlemde ortalamalar ve varyaslar şasa bağlı olarak ortaya çıkacak birbirleride farklı değerlerdir. Bu sebeple varsayımsal olarak elde edile ortalamaları ve varyasları olasılık dağılımlarıda bahsedilebilir. Bu dağılımlara örekleme dağılımları deir. Bu kabulde sora bir öreklemdeki her bir değeri, bir rastlatı değişkeii gerçekleşmiş bir gözlemi olarak yorumlamak mümküdür. O halde deilebilir ki, öreklemdeki tae,,..., gözlemi, tae,,..., rastlatı değişkelerii birer değeridir. Bu rastlatı değişkeleri birbirleride bağımsızdır. Diğer bir deyişe, bir gözlem bir başka gözleme bağlı olmada ortaya çıkar. Öreklem ortalaması öreklem gözlemlerii aritmetik ortalamasıdır ve (,,..., ) /. Acak hesaplaa ortalamasıı da aslıda gibi bir rastlatı değişke rastlatı değişkeii gerçekleşmesi olduğu bir gerçektir. Bu durumda rastlatı değişkelerii aritmetik ortalaması (,,..., ) / i i olarak yazılabilir. Şimdi μ ortalama σ varyası ile ormal dağılıma sahip rastlatı değişkei dağılımıı yai örekleme dağılımıı ele alabiliriz. Bir rassal değişkei beklee değerii, rassal değişkei taımladığı kitlei kitle ortalaması olduğuu, varyasıı ise kitle varyası olduğuu biliyoruz: E Var ( ) Bu taımda hareketle, rastlatı değişkei ortalama ve varyası E E (... ) Var( ) Var(... )
3 İstatistik Ders Notları 08 Ceap Erdemir elde edilir. Öreklem ortalamasıı varyası ile gösterilir ve burada elde edile stadart sapmaya i stadart hatası deir, ile gösterilir. Burada kitle stadart sapmasıdır. Bu souç öreklem ortalamalarıı dağılımıı ortalaması kitle ortalamasıa eşit olduğuu söyler. Bu souçlar kitlei olasılık foksiyouu bildiğimiz durumda kesi geçerlidir. Uygulamada ise kitlei olasılık foksiyou geellikle bilimez ve elimizde yalızca bir öreklem olur. Bu durumda yukarıdaki soucu geçerli olması içi örekleme büyüklüğü ola sayısıı artıma yolua gidilir. Bua rağme öreklem ortalaması kitle ortalamasıda büyük ya da küçük olabilir. Fu farklılaşma öreklem ortalamalarıı değişkeliğide kayaklaır. Varyas küçüldükçe farklılaşma azalır. Yukarıdaki souçta da görülebileceği gibi öreklem büyüklüğü arttıkça varyas yai değişkelik küçülür. Eğer, N i büyük bir parçası ise, varyas aşağıdaki gibi elde edilir. Var( ) N. N Burada ( N ) /( N ) terimi solu kitle düzeltme çarpaı olarak adladırılır. /N>0.05 ise öreklem kitlei büyük parçası kabul edilir. 5.4 Kitle ormal dağılıma sahipse öreklem ortalamasıı dağılımı Kitle öğelerii μ ortalama σ varyası ile ormal dağılıma sahip olduğuu varsayalım. Bu durumda öreklem ortalamalarıı öreklem dağılımı da ormal dağılım gösterir. Bu vargı istatistik kuramıdaki bir teoreme dayaır. Bua göre, ormal dağılıma sahip rassal değişkeleri doğrusal foksiyou da ormal dağılır. Öreklem ortalamasıı göstere rassal değişke de tae ormal değişkei bir doğrusal foksiyou olduğua göre bu vardama doğrudur. ve rassal değişkei μ ortalama σ / varyası ile ormal dağılıma sahiptir. ~ N(, / ) Kitle ormal dağılım gösterdiğide ormal dağılıma sahip olduğua göre, bu dağılımda stadartlaştırılmış rastgele değişke Z hesaplaabilir. Z
4 İstatistik Ders Notları 08 Ceap Erdemir Bilidiği gibi Z rassal değişkei ortalaması 0 varyası ola stadart ormal dağılıma uyar. Örek: Bir buji üreticisi buji ömrüü km ortalama 6000 stadart sapmayla ormal dağılıma uyduğu iddiasıdadır. 6 bujili rassal örekle alımış buları ömürlerii ortalaması bulumuştur. Üreticii iddiası doğru ike ortalama ömrü saatte daha az bir ortalama bulma olasılığı kaçtır? Eğer üreticiye %95 güve duyuyorsak bu ortalama ömür güveimizi haklı gösteriyor mudur? P( 97000) P( ( ) / s ( ) /(6000 / 6)) P ( 97000) P( Z 3000 /500) P( Z ) 0.08 İddiası doğru ike ya da daha küçük bir öreklem ortalaması bulma olasılığı 0.08 dir olup oldukça küçüktür. Üreticii iddiasıda haklı olduğu söyleebilir. Eğer %95 güve duyuyorsak P(Z>-.645)=0.95 olması gerekir P (.645 Z) olduğua göre P(.645 Z) P(.645 ( ) / ) P(.645 * ( )) P(.64 * ) P( *500 ) P(97540 ) öreklemde bulua ortalama ömürde (97000) büyük olduğua göre üreticiye %95 güve duymakta haklıyız. 5.5 Kitle ormal dağılım göstermediğide öreklem ortalamasıı dağılımı Kitle dağılımıı ortalama ve varyası biliyorsa acak kitlei ormal dağılıma uyduğu hakkıda hiç bir bilgi yoksa, merkezi limit teoremide yararlaırız. Merkezi limit teoremi:,,..., rastlatı değişkeleri ortalaması μ varyası σ ola ayı dağılımlarda gele tae bağımsız değişke ve buları ortalaması olsu. büyüdükçe, Z değişkei dağılımı stadart ormal dağılıma yaklaşır. Burada yeterli büyüklük 30 olarak kabul edilmektedir. Ayrıca istatistik kuramıda büyük sayılar yasası derki, kitle dağılımı e olursa olsu öreklem büyüklüğü büyüdükçe öreklem ortalaması kitle ortalamasıa yaklaşır. Bu yasayı açıklamak kolaydır. N büyüdükçe varyas küçülür ve öreklem ortalaması sabit bir sayıya yai kitle ortalamasıa yaklaşır.
5 İstatistik Ders Notları 08 Ceap Erdemir Örek: Kitle değerleri,3,5,7 ola her biri fişler üzerie yazılı ola bu sayılar torbaya atılıyor ve çekile yerie koularak iki fiş çekiliyor. Mümkü souçları listesii her birii ortalamasıı buluuz. Bu ortalamalar örekleme dağılımıda gelmektedir. Öreklem ortalamalarıı ortalamasıı, varyasıı ve stadart sapmasıı buluuz. Souçları kitle ortalaması (μ=4), varyası(σ =5) ve stadart sapması (σ= 5 ) ile karşılaştırıız. Örekleme dağılımı özelliklerii sağlamasıı yapıız. Kitlei olasılık dağılımı ve mümkü öreklemler ile buları öreklem ortalamaları aşağıda verilmiştir. 6 adet öreklem ortalamasıı ortalaması, varyası ve stadart hatası hesaplamış bulumuştur. Bu souçları örekleme dağılımı souçlarıı sağladığı görülür: 5.6 Öreklem oralarıı örekleme dağılımları Kitle oraıı çıkarsamak içi öreklem oraı kullaılır. Oralara ilişki rastlatı değişkelerie, bir ürüde firmaı piyasa payı, yatırım araçlarıı başarı oraı, seçim souçları, bir toplumdaki kadı oraı, müşteriler arasıda mal satı alma oraı gibi çeşitli alalarda örekler verilebilir. Kitle oraı P ola gözlemli biom dağılımıda başarı sayısı olsu. büyüklüğüdeki öreklem içi öreklem oraı söyle taımlaır:
6 İstatistik Ders Notları 08 Ceap Erdemir Başarı oraı P i bilidiği büyük bir kitlede rastgele öreklemler seçilir ve her gözlemi başarı ya da başarısızlık olduğu belirleirse, öreklem büyüdükçe öreklemi başarı oraı, P ye yaklaşır. i ortalama ve varyası, Biom dağılımı göstere başarı sayısıı, i ortalama ve varyasıda buluur. Biom dağılımda başarı sayısıı ortalama ve varyası P( P) i bu varyasıı karekökü ola stadart sapması stadart hata adıı alır. Öreklem oraı dağılımı büyük öreklemlerde yaklaşık ormal olduğuda stadart ormal rastlatı değişkei Z elde edilebilir. Z P P( P) 5 olması durumuda ormal dağılıma yaklaşıklık çok artar. Bu durumda stadart hata formülüde P yerie kullaılır. ( ) Örek: Bir araba satış uzmaıı müşteriye araba satma başarı oraı 0.85 dir. So 49 araba satışıda oraı 80 de küçük olması olasılığı P=0.85, =49 alıarak P( P) 0.85( 0.85) P ( 0.80) P( Z ) P( Z 0.98)
7 İstatistik Ders Notları 08 Ceap Erdemir ALIŞTIRMALAR. μ=4 ve σ=.5 olduğuda =64 içi öreklem ortalamasıı 4.3 de az olması olasılığıı buluuz.. μ=4 ve σ=.5 olduğuda =00 içi öreklem ortalamasıı 4.3 de fazla olması olasılığıı buluuz 3. μ=550 ve σ=3.7 olduğuda =45 içi öreklem ortalamasıı 55 de fazla olması olasılığıı buluuz 4. μ= 750 ve σ=.7 olduğuda =36 içi öreklem ortalamasıı 750 de dazla 753 de az olması olasılığıı buluuz. 5. Rastgele seçilmiş 6 Vakıf üiversitelerideki araştırma görevlilerii maaşlarıı ortalaması 4000 TL stadart sapması 500 hesaplamıştır. a) Tüm vakıf üiversitelerideki maaş ortalamasıı 3900 TL de daha az olması olasılığı edir? b) 3800 ile 4300 arasıda olması olasılığı edir? 6. Ortalaması 00 varyası 8 ola bir dağılımda =36 ola rassal bir öreklem çekilmiştir. a) Öreklem ortalamalarıı örekleme dağılımıı ortalaması ve varyasıı buluuz. b) P( 0 ) buluuz. c) P( 98 0) buluuz. 7. Belli bir üreticii ürettiği ampulleri ortalama ömrü 00 saat, stadart sapması 400 saat ile ormal dağılıma uyduğuu iddia etmektedir. Üreticii ürüüde rastgele olarak 9 ampul seçilmiştir. a) Öreklemi ortalama ömrüü ortalaması ve stadart sapması kaçtır? b) Öreklem ortalamasıı 050 saatte az olması olasılığı kaçtır? c) Öreklem ortalaması 0 olduğua göre, üretici iddiasıda %95 haklımıdır. 8. Bir buji üreticisi buji ömrüü km ortalama 6000 stadart sapmayla ormal dağılıma uyduğu iddiasıdadır. 6 bujili rassal örekle alımış buları ömürlerii ortalaması bulumuştur. Üreticii iddiası doğru ise ortalama ömrü saatte daha az olması olasılığı edir? Eğer üreticiye %95 güve duyuyorsak bu ortalama ömür güveimizi haklı gösteriyor mudur? 9. Bir ürü fabrikada 500 gr ağırlık ile paketlemektedir. Ürü 4 gr stadart sapma ile ormal dağılım göstermektedir. Ürüü stadartlara uygu paketlediğii deetlemek içi 9 paketlik rassal bir öreklem almış ve ortalamasıı 495 gr bulmuştur. Üretim sürecie %95 güve duyulmaktadır. Bu durumda paketleme sürecii güvee uygu yürütüldüğü söyleebilir mi?
8 İstatistik Ders Notları 08 Ceap Erdemir 0. Çevre mühedislerii yıllık geliri TL dir. Basit rastgele örekleme ile seçile 35 mühedisi ortalama gelirii de daha az olası olasılığı kaçtır? Kitle stadart sapması 000 varsayılmıştır LPG istasyouda LPG i litre fiyatı ortalama kuruş, stadart sapması 9 kuruştur. Kitlede alıa 50 büyüklüğüdeki rastgele öreklemde LPG litre fiyatıı 370 kuruşta daha az olması olasılığı edir?. P=0.60 ola bir kitlede =00 ola rassal bir öreklem çekilsi. a) Öreklem oraıı 0.65 de büyük olması olasılığı kaçtır? b) Öreklem oraıı 0.48 de küçük olması olasılığı kaçtır? c) Öreklem ortalamasıı 0.53 ile 0.65 arasıda olması olasılığı kaçtır? 3. Özel müzik aletleri sata bir mağazaya gireleri %0 si bir alet satı almaktadır. Bir güde mağazaya rastlatısal olarak 50 müşteri gelirse, a) Alım yapa müşterileri öreklem oraı dağılımıı ortalaması kaçtır? b) Öreklem oraıı varyası ve stadart hatası kaçtır? c) Öreklem oraıı 0.5 de büyük çıkma olasılığı kaçtır? 4. Büyük bir şirkete yei işletme bölümü mezularıda 00 kişi başvurmuştur. Bütü işletme mezularıı %4 si kadı ise bu başvurularda kadı oraıı %37 ile %47 arasıda olma olasılığı kaçtır? 5. Bir hayır kurumu geçe yıl bağış yapaları %40 ıı bu yıl da bağış yapacağıı belirlemiştir. Geçe yıldaki bağışçılarda 400 kişi rastgele olarak seçilmiştir. a) Öreklemdekileri yarıda fazlasıı bu yıl da bağış yapma olasılığı kaçtır? b) Öreklem oraıı 0.38 ile 0.43 arasıda çıkma olasılığı kaçtır? 6. Bir kombi ısıtma cihazı alaları %30 uu ek garati alaşması yaptığı belirlemiştir. Geçe ay satıla 00 cihaz bütü satışları bir rastgele öreklemi varsayılsı. Öreklem oraıı 0.3 de düşük olma olasılığı kaçtır? büyük şirketi tepe yöeticilerii %60 i bilgisayarlar otomatik pay seedi alım satımıı yasaklamasıı istemektedir. Bu yöeticiler içide rastgele seçile 8 kişilik öreklemdekileri yarıda fazlasıı ayı görüşte olma olasılığı kaçtır? 8. Akaryakıttaki özel tüketim vergi oraı azaltılmasıı isteye yurttaşları oraıı belirlemek içi rastgele alıa 900 kişilik öreklemde p ˆ bulumuştur. Kitle oraı %95 güve sıırlarıı, P p P p ) 0. 95, buluuz. (
Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise
YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
DetaylıİSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II
8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
Detaylıˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.
YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme
Detaylıİşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
Detaylı4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler
Ders 8: Verileri Düzelemesi ve Aalizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlei tamamıı, ya da kitlede alıa bir öreklemi özetlemekle (betimlemekle)
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ 1 TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi
DetaylıÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI
7 ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7.. Niçi Örekleme Yapılır 7.. Olasılıklı Örekleme 7... Basit Şas Öreklemesi 7... Tabakalı Örekleme 7... Küme Öreklemesi 7..4. Sistematik Örekleme 7.. Olasılıklı Olmaya
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II
DetaylıHİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.
HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
Detaylı2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.
06 YILI I.DÖNEM AKTÜERLİK SINAVLARI Soru Toplam hasar miktarı S i olasılık ürete foksiyou X x i PS ( t) = E( t ) = exp λi( t ) ise P S(0) aşağıdaki seçeeklerde hagiside verilmiştir? A) 0 B) C) exp λ i
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıKi- kare Bağımsızlık Testi
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm
DetaylıNormal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım
Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu
DetaylıSBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ
SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI ÖRNEKLEME YÖNTEMLERİ Prof. Dr. Ergu Karaağaoğlu H.Ü. Tıp Fakültesi Biyoistatistik ABD ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI
DetaylıTahmin Edici Elde Etme Yöntemleri
6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
DetaylıTahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem
YTÜ-İktisat İstatistik II Nokta Tahmii 1 Tahmi teoriside amaç öreklem (sample) bilgisie dayaarak aakütleye (populatio) ilişki çıkarsamalar yapmaktır. Bu çıkarsamalar aakütlei dağılımıı belirleye bilimeye
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
Detaylı7. Ders. Bazı Kesikli Olasılık Dağılımları
Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.
DetaylıAKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ
AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X
DetaylıDÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ
DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research
DetaylıLİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2
LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık
DetaylıİSTATİSTİKSEL HİPOTEZ TESTLERİ (t z testleri)
İSTATİSTİKSEL İOTEZ TESTLERİ (t z testleri) iotez Nedir? İOTEZ, arametre hakkıdaki bir iaıştır. Bu sııfı ot ortalamasıı 75 olduğua iaıyorum. arametre hakkıdaki iaışımızı test etmek içi hiotez testi yaarız.
Detaylı: Boş hipotez, sıfır hipotezi : Alternatif hipotez
İOTEZ TESTLERİ iotez Nedir? İOTEZ, arametre hakkıdaki bir iaıştır. arametre hakkıdaki iaışı test etmek içi hiotez testi yaılır. iotez testleri sayeside örekde elde edile istatistikler aracılığıyla aakütle
Detaylıx 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)
4 ÖRNEKLEME HATASI 4.1 Duyarlılık 4. Güveilirik 4.3 Örek hacmi ve uyarlılık arasıaki ilişki 4.4 Örek hacmi ve göreceli terimler ile uyarlılık arasıaki ilişki 4.5 Hata kareler ortalaması Örekte ele eile
DetaylıYrd.Doç.Dr.İstem Köymen KESER
Yr.Doç.Dr.İstem Köyme KESER Güve Aralıkları Ortalama yaa iki ortalama farkı içi biliiyor bilimiyor 30
DetaylıİSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ
İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre
Detaylıİstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )
04.05.0 İtatitikel Tahmileme İTATİTİKEL TAHMİNLEME VE YORUMLAMA ÜRECİ GÜVEN ARALIĞI Nokta Tahmii Populayo parametreii tek bir tahmi değerii verir μˆ σˆ p Pˆ Aralık Tahmii Populayo parametreii tahmi aralığıı
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıBurçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA
UYUM İYİLİĞİ İÇİN AMICO TEK-ÖRNEK TESTİ VE İĞER UYUM İYİLİĞİ TESTLERİ İLE KARŞILAŞTIRILMASI Burçi Goca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 7 ANKARA TEZ
DetaylıÖrnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1
Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault
DetaylıBir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı
5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.
DetaylıBileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:
1 BİLEŞİK FAİZ: Basit faiz hesabı kısa vadeli(1 yılda az) kredi işlemleride uygulaa bir metot idi. Ayrıca basit faiz metoduda her döem içi aapara sabit kalmakta olup o döem elde edile faiz tutarı bir soraki
DetaylıYatırım Analizi ve Portföy Yönetimi 4. Hafta. Dr. Mevlüt CAMGÖZ
Yatırım Aalizi ve Portföy Yöetimi 4. Hafta Dr. Mevlüt CAMGÖZ İçerik Çeşitledirme Riski Kayakları ve Risk Türleri Portföyü Risk ve Getirisi Riskli Varlık Portföyüü Belirlemesi Markowitz Portföy Teorisi
DetaylıPOLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ
POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı
Detaylı3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler
3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;
Detaylıİstatistik Nedir? Sistem-Model Kavramı
İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi
DetaylıİŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY
Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol
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
DetaylıVERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler...
ÜİTE KAVRAMSAL ADIM Sayfa o.... 8 9 İstatistik, Veri ve Grafikler.... 8 Merkezi, Eğilim ve Yayılım Ölçüleri... 8 Açıklık, Çeyrekler Açıklığı........................................................ 8 Varyas
DetaylıTÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi
DetaylıÖğrenci Numarası İmzası: Not Adı ve Soyadı
Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar
Detaylı5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )
5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal
DetaylıDoç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ
TAHVİL DEĞERLEMESİ Doç. Dr. M. Mee DOĞANAY Prof. Dr. Ramaza AKTAŞ 1 İçerik Tahvil ve Özellikleri Faiz Oraı ve Tahvil Değeri Arasıdaki İlişki Tahvili Geiri Oraı ve Vadeye Kadar Geirisi Faiz Oraı Riski Verim
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.
DetaylıNOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ
NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük
DetaylıHipotez Testleri. Parametrik Testler
Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde
DetaylıKALİTE VE SÜREÇ İYİLEŞTİRME İÇİN MÜŞTERİ GERİ BİLDİRİMLERİNİN DEĞERLENDİRİLMESİ
Altı Sigma Yalı Koferasları (9- Mayıs 8) KALİTE VE SÜREÇ İYİLEŞTİRME İÇİN MÜŞTERİ GERİ BİLDİRİMLERİNİN DEĞERLENDİRİLMESİ Serka ATAK Evre DİREN Çiğdem CİHANGİR Murat Caer TESTİK ÖZET Ürü ve hizmet kalitesii
DetaylıStandart Formun Yapısı. Kanonik Form. DP nin Formları SİMPLEX YÖNTEMİ DP nin Düzenleniş Şekilleri. 1) Optimizasyonun anlamını değiştirme
5.0.06 DP i Düzeleiş Şekilleri DP i Formları SİMPLEX YÖNTEMİ ) Primal (özgü) form ) Kaoik form 3) Stadart form 4) Dual (ikiz) form Ayrı bir kou olarak işleecek Stadart formlar Simplex Yötemi içi daha elverişli
DetaylıTümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...
MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
uyruk Teorisi Ders Notları: Bazı uyruk Modelleri Mehmet YILMAZ mehmetyilmaz@akara.edu.tr 10 ASIM 2017 11. HAFTA 6 Çok kaallı, solu N kapasiteli, kuyruk sistemi M/M//N/ Birimleri sisteme gelişleri arasıdaki
DetaylıANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006
ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıAKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.
SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk
DetaylıDers 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar
Ders 2: üme Teorisi, Örek Uzay, Permütasyolar ve ombiasyolar üme avramı üme İşlemleri Deey, Örek Uzay, Örek Nokta ve Olay avramları Örek Noktaları Sayma Permütasyolar ombiasyolar Parçalamalar (Partitio)
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
DetaylıTEMEL KAVRAMLAR GİRİŞ
TEMEL KAVRAMLAR GİRİŞ İstatistik kelimesii kökei Almaca olup devlet alamıa gelmektedir. İstatistik kelimesi gülük hayatta farklı alamlarda kullaılmaktadır. Televizyoda bir futbol müsabakasıı izleye bir
Detaylı12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,
. Ders Büyü Sayılar Kauları Kouya geçmede öce DeMoivre-Stirlig formülüü ve DeMoivre-Laplace teoremii hatırlayalım. DeMoivre, geel terimi, a!,,, 3,... e ola dizii yaısa olduğuu göstermiş, aca limitii bulamamış.
DetaylıTĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz
TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (
DetaylıDr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı
Damızlık Değeri, geotipik değer, allel frekasları Aki Pala, aki@comu.edu.tr ttp://members.comu.edu.tr/aki/ Damızlık değeri esabı µ Ökkeş =800 gr gülük calı ağırlık Sürü A Sürü µ Döller µ 500gr 700 DD esabı
DetaylıOLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon
6 OLASILIK DAĞILIŞLARI 6.. Kesikli Olasılık Dağılışları 6.. Kesikli Uıform Dağılışı 6... Beroulli Dağılışı 6..3. Biom Dağılışı 6..4. Hyer-Geometrik Olasılık Dağılışı ( İadesiz Örekleme ) 6..5. Geometrik
DetaylıVeri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı
Veri edir? p Veri edir? Geometrik bir bakış açısı p Bezerlik Olasılıksal bir bakış açısı p Yoğuluk p Veri kalitesi p Veri öişleme Birleştirme Öreklem Veri küçültme p Temel bileşe aalizi (Pricipal Compoet
Detaylı6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e
İST KUYRUK TEORİSİ ARASIAV SORULARI ( MAYIS ). Bir baaı müşteri hizmetleride te işi hizmet vermetedir. Müşteriler ortalama daiada bir arama yapmatadır bua arşı ortalama servis süresi ise daia sürmetedir.
DetaylıBASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI
Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei
Detaylı(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.
Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit
DetaylıMühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi
Mühedislik Fakültesi Edüstri Mühedisliği Bölümü Doç. Dr. Nil ARAS ENM4 Tesis Plalaması 6-7 Güz Döemi 3 Sisteme ekleecek tesis sayısı birde fazladır. Yei tesisler birbirleri ile etkileşim halide olabilirler
DetaylıISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ
.4.26 5. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ Mekul Kıymet Yatırımlarıı Değerlemesi Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Temel Değerleme Modeli Mekul Kıymet Değerlemesi
DetaylıTOPOLOJİK TEMEL KAVRAMLAR
TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.
DetaylıCebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi
3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada
Detaylı4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.
4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi
DetaylıYAPIM YÖNETİMİ - EKONOMİSİ 04
İşaat projelerii içi fiasal ve ekoomik aaliz yötemleri İşaat projeleri içi temel maliyet kavramları Yaşam boyu maliyet: Projei kafamızda şekillemeye başladığı ada itibare başlayıp kullaım ömrüü tamamlayaa
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin
DetaylıĐki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı
Đki Oyu Yaz Demi 22 Hazira 20, Çarşamba Đst20 Đstatistik Teorisi Dersi kousu: Olasılık Hesabı - Çocuklar, Đstatistik Teorisi bir tarafa, istatistikçileri işi rasgelelik ortamıda hesap yapmaktır. Şöyle
DetaylıPOLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,
POLİNOMLAR Taım : a0, a, a,..., a, a reel sayılar ve doğal sayı olmak üzere P x = a x + a x +... + a x + a x + a biçimideki ifadelere x e bağlı reel katsayılı poliom (çok terimli) deir. 0 a 0 ax + a x
Detaylı6. BÖLÜM VEKTÖR UZAYLARI
6. BÖLÜM VEKTÖR UZAYLARI -BOYUTLU (ÖKLİT) UZAYI Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a, a,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay
DetaylıPARAMETRİK OLMAYAN TESTLER
PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin rassal seçilmesi varsayımına dayanmaktaydı ve parametrik testler kullanılmıştı. Parametrik olmayan testler
DetaylıDers 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
Detaylıf n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi
4.2. Pozitif Foksiyoları İtegrali SOU : f ), M +, A) kümeside bulua foksiyoları mooto arta dizisi ve h.h.h. f = f ise f dµ = f dµ gerçekleir. Gösteriiz Bu teorem Mooto yakısaklık teoremide yakısaklık yerie
Detaylıx A şeklinde gösterilir. Aksi durum ise x A olarak
BÖLÜM I OLSILIK Küme teorisi, matematiği geliştirilmesi ve öğretimide gittikçe daha fazla yararlaıla koularda biridir. yrıca olasılıkla ilgili birici bölümü temel aracıdır. Bu kısımda amaç, olasılık kousuda
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıSAYISAL ÇÖZÜMLEME. Sayısal Çözümleme
SAYISAL ÇÖZÜMLEME Saısal Çözümleme SAYISAL ÇÖZÜMLEME 8. Hafta İNTERPOLASYON Saısal Çözümleme 2 İÇİNDEKİLER Ara Değer Hesabı İterpolaso Doğrusal Ara Değer Hesabı MATLAB ta İterpolaso Komutuu Kullaımı Lagrace
Detaylı2. 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
DetaylıProblem 1. Problem 2. Problem 3. Problem 4. PURPLE COMET MATEMATİK BULUŞMASI Nisan 2010 LİSE - PROBLEMLERİ
PURPLE COMET MATEMATİK BULUŞMASI Nisa 2010 LİSE - PROBLEMLERİ c Copyright Titu Adreescu ad Joatha Kae Çeviri. Sibel Kılıçarsla Casu ve Fatih Kürşat Casu Problem 1 m ve aralarıda asal pozitif tam sayılar
DetaylıHipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi
ENM 52 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 4 Minitab da İstatiksel Çıkarım-I (Ortalamalar ve Oranlar İçin ) İstatistiksel Hipotezler İstatistiksel hipotez testi ve parametrelerin güven aralığı tahmini,
DetaylıGayrimenkul Değerleme Esasları Dönem Deneme Sınavı I
1) I. Bia türü II. Bia yaşı III. Bia sııfı IV. İşaat evi V. Yıprama oraı Türkiye de bia metrekare ormal işaat maliyet bedelleri yukarıdakilerde hagilerie göre belirleir? A) Yalız II B) Yalız III C) II
DetaylıÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel
Detaylı2.2. Fonksiyon Serileri
2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m
Detaylı