Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01"

Transkript

1 Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin istatistiksel olarak bağımsız oldukları anlamına gelmeyecektir. Zira ortak varyans, iki rassal değişken arasındaki doğrusal ilişkiyi ölçmek üzere kurgulanmıştır. Şayet iki rassal değişken arasında doğrusal olmayan bir ilişki varsa, bunun ortak varyans ile tespit edilebilmesi mümkün değildir. Örnek 3: Bir araştırmacı dönem sonu sınavları süresince bir araştırma yaparak, günlük sınav sayısı ile kantinden atıştırma sayısı arasında bir ilişki olup olmadığını tespit etmek istemektedir. Aşağıdaki tabloda alan araştırmasından elde edilen sonuçlar görülmektedir. bulunuz. Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) Sayısı (Y) a Öğrencilerin sınav haftası boyunca bir günde girdikleri ortalama sınav sayısını b Öğrencilerin sınav haftası boyunca bir günde ortalama atıştırma sayısını bulunuz. c Öğrencilerin bir günde 3 sınavı varken Y nin koşullu olasılık fonksiyonunu bulup yorumlayınız. Bir öğrencinin bir sınav gününde 3 sınavı varken hiç atıştırmama ihtimali % 11 dir. 1

2 Bir öğrencinin bir sınav gününde 3 sınavı varken bir kere atıştırma ihtimali % 11 dir. Bir öğrencinin bir sınav gününde 3 sınavı varken iki kere atıştırma ihtimali % 33 dür. Bir öğrencinin bir sınav gününde 3 sınavı varken üç kere atıştırma ihtimali % 44 tür. d X ve Y arasındaki ortak varyansı bulup yorumlayınız. Önceki şıklarda ve elde edilmiştir. Burada E(XY) bulunmalıdır. Bu iki rassal değişken arasında pozitif yönlü doğrusal bir ilişki olduğu yorumu yapılabilir (Unutulmamalıdır ki ilişkinin şiddeti burada değişkenlerin birimlerine bağlıdır. Bundan dolayı ilişkinin zayıf veya kuvvetli olup olmadığını tespit edemiyoruz). Örnek 4: Aşağıdaki tabloda eldeki kredi kartı (1 3) ile bir hafta içerisinde alışveriş yapma sayıları (0 4) arasındaki ortak olasılıkları vermektedir. Kart Sayısı (Y) Tablo (3): Haftalık Alış veriş Sayısı ile Kredi Kartı Sayısı Haftalık Alışveriş Sayısı (X) a Bir kişi için haftalık ortalama alışveriş sayısı nedir? 2

3 b Bir kişinin ortalama kart sayısı nedir? c Elinde 2 adet kredi kartı olan bir kişi için haftalık alışveriş sayısının olasılık fonksiyonunu bulunuz ve yorumlayınız. İki kredi kartı olan birinin bir hafta içerisinde hiç alışveriş yapmama olasılığı % 8.5 tir dir. İki kredi kartı olan birinin bir hafta içerisinde bir kez alışveriş yapma olasılığı % 22.8 dir. İki kredi kartı olan birinin bir hafta içerisinde iki kez alışveriş yapma olasılığı % 25.7 dir. İki kredi kartı olan birinin bir hafta içerisinde üç kez alışveriş yapma olasılığı % 20 dir. İki kredi kartı olan birinin bir hafta içerisinde dört kez alışveriş yapma olasılığı % d - X ve Y arasındaki ortak varyansı bulup yorumlayınız. Önceki şıklarda ve elde edilmiştir. Burada E(XY) bulunmalıdır. 3

4 Bu iki rassal değişken arasında pozitif yönlü doğrusal bir ilişki olduğu yorumu yapılabilir (Unutulmamalıdır ki ilişkinin şiddeti burada değişkenlerin birimlerine bağlıdır. Bundan dolayı ilişkinin zayıf veya kuvvetli olup olmadığını tespit edemiyoruz). A 5 İkiterimli Rassal Değişkenlerin Olasılık Dağılımları (Bernoulli Dağılımı) (İkiterimli Dağılım) Yapılan rassal bir denemenin ikiterimli rassal bir deneme olabilmesi için dört temel özelliği taşıması gerekir: a) Yapılan rassal deneme, n tane aynı (identical) deneyden (trial) oluşmalıdır (Rassal deneme: yazı tura atılması olsun. Burada her bir atış, bir deney sayılmaktadır. Peş peşe 5 kez yazı-tura atılması ( ) ise benzer süreçlerin tekrarlanması anlamına gelmektedir). b) Her bir deneyde olası iki temel sonuç vardır. Bunlardan biri Başarı (Success) olarak adlandırılırken diğeri Başarısızlık (Failure) olarak adlandırılır (yazı-tura atılmasında sadece iki sonuç söz konusudur). c) Başarı olasılığı, deneyden deneye değişmemekte ve hep p olmaktadır (Yazı tura atılması rassal denemesinde ilgilendiğimiz olay, yazı gelme olasılığı olsun. Her bir deney için yazı gelme olasılığı sabit ve 0.5 e eşittir). Bunun doğal bir sonucu olarak başarısızlık olasılığı da (tura gelme olasılığı) sabit ve (1 p) olacaktır. d) Rassal denemede yapılan her bir deney, birbirinden bağımsızdır. İkiterimli bir rassal denemede ilgi alanımız, n tane benzer deneyde ortaya çıkacak olan başarı sayısı olsun. Burada başarı sayısı bir rassal değişken olarakx ile temsil edilsin ve alabileceği değerler de 0,1,,n ile gösterilsin. Dikkat edilirse X rassal değişkeninin alabileceği değerler sayılabilir çoklukta ve tamsayı değerler olduğundan X kesikli bir rassal değişkendir. Bu tip bir rassal değişkenin olasılık dağılımı, İkiterimli Rassal Değişkenin Olasılık Dağılımı olarak adlandırılmaktadır. 4

5 Örnek 5: Bir mağazaya giren müşterilerin alış veriş yaparak mağazadan çıkması ile ilgiliyiz. Mağaza yöneticisi, geçmiş tecrübelerine dayanarak, mağazaya giren müşterilerin % 30 unun alış-veriş yaptığını tespit etmiştir. Cevabını aradığımız soru: mağazaya giren son 3 müşterinin 2 sinin alış-veriş yapma olasılığı nedir? Cevabı aranan soru, ikiterimli bir rassal değişkenin olasılık dağılımı ile ilgilidir. X rassal değişkeni: 3 müşterinin alış-veriş yapması Dikkat edilirse yapılan her bir alış-veriş, birbirinden bağımsızdır. Hiçbiri alışveriş yapmaya bilir (Bu durumda rassal değişken 0 değerini alır); veya 1 veya 2 veyahut 3 kişinin tamamı alışveriş yapabilir. Ayrıca, kişilerin alış-veriş yapma olasılığı da deneyden deneye değişmemektedir. Müşterilerin alış-veriş yapmasını başarı olarak nitelendirip S harfi ile temsil edelim. Benzer şekilde müşterilerin alış-veriş yapmamasını Başarısızlık olarak adlandırıp F harfi ile temsil edelim. Bu rassal deneme sonucu oluşacak olası sonuçları, aşağıdaki gibi bulabiliriz: Bizim ilgi alanımıza giren 3 olası sonuç bulunmaktadır. Burada bir genelleme yapılabilir. İster peş peşe ister belirli veya belirsiz aralıklarla gerçekleşsin, mümkün olan n tane eleman arasından x tane elemanlı alt küme sayısını bulmak isteyelim: 5

6 Buradaki kombinasyon sayısı, n tane elemanda x tane başarı içeren dizilişlerin sayısıdır. Bu dizilişler ile ilgili önemli bir nokta da herhangi iki dizilim aynı anda gerçekleşmeyeceğinden bağdaşmaz olurlar. Örneğimize dönecek olursak, üç eleman (n) içeren her bir sonuç içerisinde iki (x) başarı içeren alt grupları aramaktayız: Bunun anlamı, rassal deneme sonucunda ortaya çıkan sonuçlardan 3 tanesi, iki başarı içermektedir. Yukarıdaki şekilde (S,S,F), (S,F,S) ve (F,S,S) olduğu görülmektedir. Elbette n tane deneme sonucunda x tane başarı ve tane de başarısızlık elde edilecektir. Tek bir deneme sonucu bu şekilde bir olasılığa sahipse, n tane birbirinden bağımsız deneme yapıldığında sonuçların herhangi bir diziliminin olasılığı, tekil sonuçların olasılıklarının çarpımına eşittir [bağımsız olayların ortak olasılıkları, tekil olasılıkların çarpımına eşittir: ]. Şimdi aradığımız sonuçları içeren üç durumun olasılıklarını bulalım. Her bir müşterinin alış-veriş yapma olasılığı 0.3 olduğuna göre: Başlangıçta yapmış olduğumuz varsayımlarda yapılan her bir deneyin olasılık sonuçlarının aynı olduğunu söylemiştik. Bu durumda da bir genelleme yapılabilir ve peş peşe yapılan her bir deney sonucunda n taneden x tane başarı elde etme olasılığı, aşağıdaki gibi ifade edilebilir: Örneğimizde n tane (3) mevcut içerisinden x tane (2) başarı, denklemde yerine yazılırsa, yukarıda bulduğumuz olasılık sonucu elde edilir: İkiterimli Olasılık Fonksiyonu 6

7 Örnek 5 için 3 müşterinin alış-veriş olasılıklarının dağılımı, aşağıdaki gibi olacaktır: 3 müşterinin hiçbirinin alış-veriş yapmama olasılığı % 34.3 tür. 3 müşteriden sadece 1 inin alış-veriş yapma olasılığı % 44.1 dir. 3 müşteriden 2 sinin alış-veriş yapma olasılığı % 18.9 dur. 3 müşterinin de alış-veriş yapma olasılığı % 2.7 dir. İkiterimli Dağılımın Beklenen Değeri Örnek 5 te 3 müşteri vardı. Bu üç müşterinin ortalama olarak kaç tanesinin alış-veriş yapması beklenir? Şayet bu mağazanın 1000 tane müşterisi varsa, kaç tane müşterinin alış-veriş yapması beklenir? 7

8 Mağazaya giren 1000 tane müşterinin 300 tanesinin alış-veriş yapması beklenir. İkiterimli Dağılımın Varyansı ve Standart Sapması Örnek 5 için hesaplayalım: Örnek 6: Bir sigortacı belirli bir iş görüşmesinin başarı ile sonuçlanması olasılığını 0.4 olarak görmektedir. Satış yapılırsa 1 satış yapılmazsa 0 değerini alan X rassal değişkeni tanımlandığında bu değişken, başarı olasılığı p nin 0.4 olduğu bir ikiterimli dağılımı gösterir. Satıcının 5 görüşme yaptığını ve her görüşmede satış yapma olasılığının 0.4 olduğunu kabul edelim. Bu durumda rassal değişken olan satış sayısının (X) dağılımı, ve olan bir binom dağılımıdır. 8

9 Satıcının 5 görüşme sonucunda beklenen satış sayısı ise, bu ikiterimli dağılımın ortalamasına (beklenen değerine) eşittir: Örnek 7: Bir basketbolcu iki serbest atış kullanacaktır. Kariyerinde serbest atışlarda başarı oranı 0.4 tür. a) İki serbest atıştan oluşacak olası sonuçları ağaç çizimi ile gösteriniz. b) Serbest atışlar sonucunda sırasıyla hiç sayı atamama, 1 sayı atma ve 2 sayı atma olasılıklarını hesaplayınız. Dikkat edilirse soruda verilenlerden hareketle isabetli basket atma rassal değişkeni (X), ve ile binom dağılımı göstermektedir. 9

10 c) Beklenen değerini ve standart sapmasını hesaplayınız ve yorumlayınız. Bu basketbolcunun 2 serbest atışta 0.8 isabetli atması beklenir. A 6 Poisson Olasılık Dağılımı Belirli bir zaman aralığında veya belirli bir mekân aralığında bir olayın meydana gelme sıklığının tahmin edilmesinde kullanılan kesikli bir rassal değişkendir. Örneğin bir saat içerisinde araba yıkama merkezine gelen araç sayısı, otobanda 10 kilometrelik mesafede tamire ihtiyaç duyan araç sayısı veya petrol boru hattında 200 kilometrelik mesafede meydana gelen kaçak sayısı. Şayet bir rassal değişkenin meydana gelme sayısı, aşağıdaki iki özelliği taşıyorsa, Poisson olasılık dağılımı olarak tanımlanır: (1) Bir olayın meydana gelme olasılığı, eşit uzunluktaki farklı iki aralıkta da aynıdır. (2) Her hangi bir aralık içerisinde meydana gelme veya meydana gelmeme, bir başka aralıkta meydana gelme veya meydana gelmemeden bağımsızdır. Poisson Olasılık Fonksiyonu : Belirli bir aralıkta x kez meydana gelme olasılığı : Belirli bir aralıkta meydana gelme sayısının beklenen değeri (ortalaması) e:

11 Örnek 8: Bir çağrı merkezinin bir saatte aranma sıklığı 48 dir. a) 5 dakika içerisinde bu çağrı merkezinin 3 defa aranma ihtimali nedir? 60 dakikada ortalama olarak 48 defa aranıyorsa 5 dakikada ortalama olarak 4 defa aranacaktır. 5 dakikalık zaman dilimi için değerler Poisson olasılık fonksiyonunda yerine yazılır ( ): Bu çağrı merkezinin 5 dakika içerisinde 3 defa aranma olasılığı % 19,5 tir. b) 10 dakika içerisinde bu çağrı merkezinin 4 defa aranma olasılığı nedir? 60 dakikada ortalama olarak 48 defa aranıyorsa 10 dakikada ortalama olarak 4.8 defa aranacaktır. 10 dakikalık zaman dilimi için değerler Poisson olasılık fonksiyonunda yerine yazılır ( ): Bu çağrı merkezinin 10 dakika içerisinde 4 defa aranma olasılığı % 18,2 dir. Örnek 9: Uluslararası Sabiha Gökçen havalimanına rassal ve birbirinden bağımsız olarak dakikada ortalama 10 yolcu gelmektedir. a) Bir dakika içerisinde 2 yolcu gelme ihtimali nedir? Bir dakika içerisinde 2 yolcu gelme ihtimali binde 227 dir. b) 15 saniye içerisinde hiç yolcu gelmeme ihtimali nedir? Bir dakikada (60 saniye) ortalama olarak 10 yolcu geliyorsa 15 saniyede ortalama olarak 2.5 yolcu gelecektir. Bu havalimanına 15 saniye içerisinde hiç yolcu gelmeme ihtimali % 8.2 dir. 11

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan 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.

Detaylı

Dr. Mehmet AKSARAYLI

Dr. 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

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ 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

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 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.

Detaylı

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa, NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına

Detaylı

Rastlantı Değişkenleri

Rastlantı Değişkenleri Rastlantı Değişkenleri Olasılık Kütle Fonk. Example: A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers,

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi Değişken. w ( ) 1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir. 3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 4: Rastgele Değişkenler ve Dağılımları Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla

Detaylı

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1

MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen

Detaylı

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ 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

Detaylı

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI Yrd. Doç.Dr. İrfan Yolcubal Kocaeli Üni. Jeoloji Müh. Random Değişken: Nümerik olarak ifade edilen bir deneyin sonuçları Süreksiz(Discrete) Random Değişken: Randomdeğişken

Detaylı

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan

Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik

Detaylı

ĐST 474 Bayesci Đstatistik

ĐST 474 Bayesci Đstatistik ĐST 474 Bayesci Đstatistik Ders Sorumlusu: Dr. Haydar Demirhan haydarde@hacettepe.edu.tr Đnternet Sitesi: http://yunus.hacettepe.edu.tr/~haydarde Đçerik: Olasılık kuramının temel kavramları Bazı özel olasılık

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

Bekleme Hattı Teorisi

Bekleme Hattı Teorisi Bekleme Hattı Teorisi Sürekli Parametreli Markov Zincirleri Tanım 1. * +, durum uzayı * +olan sürekli parametreli bir süreç olsun. Aşağıdaki özellik geçerli olduğunda bu sürece sürekli parametreli Markov

Detaylı

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

İŞLETMECİLER İÇİN İSTATİSTİK II

İŞLETMECİLER İÇİN İSTATİSTİK II İŞLETMECİLER İÇİN İSTATİSTİK II UYGULAMA I SORU 1 Bir maden işletmesi kazılan madendeki ton başına ortalama bakır cevheri miktarının değeri tahminlemek istemektedir. Rastsal olarak seçilen 50 tonluk örnekten

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

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

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

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında

Detaylı

İstatistik ve Olasılık

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

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK 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

Detaylı

OLASILIK. P(A) = şeklinde ifade edilir.

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

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

12. Hafta Ders Notları GENEL TEKRAR

12. Hafta Ders Notları GENEL TEKRAR 12. Hafta Ders Notları GENEL TEKRAR A Veri Türleri Anakütle bir bütünü temsil ederken; örneklem, bir bütünün sadece bir kısmını temsil etmektedir. Anakütledeki gözlem sayısı N ile temsil edilirken; örneklemdeki

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları

3/6/2013. 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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

1-2 - * 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... 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

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

HİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014

HİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar

Detaylı

MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI

MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI Öğrenci Bilgileri Ad Soyad: İmza: MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI 26 Mayıs, 2014 Numara: Grup: Soru Bölüm 1 10 11 12 TOPLAM Numarası (1-9) Ağırlık 45 15 30 20 110 Alınan Puan Yönerge 1. Bu sınavda

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

SAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1. Geometirk Dağılım. 2. Negatif Binom Dağılımı

SAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1. Geometirk Dağılım. 2. Negatif Binom Dağılımı SAB 101 OLASILIK DERS NOTLARI Prof.Dr. Fatih TANK Ankara Üniversitesi Uygulamalı Bilimler Fakültesi Sigortacılık ve Aktüerya Bilimleri Bölümü Prof.Dr. Fatih TANK - Olasılık Ders Notları- Sayfa : 1/7 Haftalık

Detaylı

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI: SİGORTA MATEMATİĞİ. Soru 1

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI: SİGORTA MATEMATİĞİ. Soru 1 Soru Günde 8 saat çalışan bir bankanın müşterilerinin sayısı ile ilgili olarak şu bilgi verilmektedir: Müşteri sayısı, bankanın açıldığı an 9 müşteri ile başlayıp, her saat başı 9 oranı ile doğrusal artarak

Detaylı

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

İSTATİSTİĞE GİRİŞ VE OLASILIK

İSTATİSTİĞE GİRİŞ VE OLASILIK 1. 52 iskambil kağıdı ile oynanan bir kağıt oyununda çekilen kart vale ya da kız ise 3$, papaz ya da as ise 5$ kazanılmaktadır. Başka herhangi bir kartın çekilmesi durumunda oyun kaybedilmektedir. Oyunun

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?

Detaylı

Rassal Değişken Üretimi

Rassal Değişken Üretimi Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 5. HAFTA 2.7 M/M/1/ / sistemi için Bekleme zamanının dağılımı ( ) 1 T j rastgele değişkeni j. birimin

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları

Detaylı

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın

Detaylı

İstatistik ve Olasılık

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

Detaylı

O-bOt ile Uygulamalı Deneyler

O-bOt ile Uygulamalı Deneyler O-bOt ile Uygulamalı Deneyler Deney 1: Tekerlek Çapı Gidilen Yol Đlişkisinin Bulunması 1 AMAÇ Bu deneyde, robotu hareket ettirmek için kullandığımız tekerleklerin çaplarının ve motorların dakikada attıkları

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

ENM-3105 Sistem Simulasyonu Kısa Sınav 1

ENM-3105 Sistem Simulasyonu Kısa Sınav 1 ENM-3105 Sistem Simulasyonu Kısa Sınav 1 Sınav Tarihi ve Yeri: 06 Kasım 2014, Perşembe, İlk ders, B203 No lu Derslik) (Kısa Sınav 1 de aşağıda verilen sorulardan birinin benzeri sorulacaktır.) Soru 1)

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

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

Detaylı

2. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

2. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN 2. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 C.1.2. Piyasa Talep Fonksiyonu Bireysel talep fonksiyonlarının toplanması ile bir mala ait

Detaylı

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi,

4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi, POĐSSON DAĞILIMI Poisson Dağılımı sürekli oramlarda (zaman, alan, hacim, ) kesikli sonuçlar veren ve aşağıda a),b),c) şıklarında belirilen özelliklere sahip deneylerin modellenmesinde kullanılan bir dağılım

Detaylı

Istatistik ( IKT 253) 3. Çal şma Sorular - Cevaplar 5. CHAPTER (DISCRETE PROBABIL- ITY DISTRIBUTIONS - SÜREKS IZ OLASI- LIK DA ¼GILIMLARI)

Istatistik ( IKT 253) 3. Çal şma Sorular - Cevaplar 5. CHAPTER (DISCRETE PROBABIL- ITY DISTRIBUTIONS - SÜREKS IZ OLASI- LIK DA ¼GILIMLARI) TOBB-ETÜ, Iktisat Bölümü Istatistik ( IKT 253) 3. Çal şma Sorular - Cevaplar 5. CHAPTER (DISCRETE PROBABIL- ITY DISTRIBUTIONS - SÜREKS IZ OLASI- LIK DA ¼GILIMLARI) 1 Soru 1 : Bir ma¼gazaya gelen herhangi

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

OLASILIK ve İSTATİSTİK Hipotez Testleri

OLASILIK ve İSTATİSTİK Hipotez Testleri OLASILIK ve İSTATİSTİK Hipotez Testleri Yrd.Doç.Dr. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Hipotezler ve Testler Hipotez, kitleye(yığına) ait

Detaylı

kümeleri sırasıyla n 1, n 2,..., n k eleman içeriyorsa, önce A 1 nin bir elemanını seçmenin n 1

kümeleri 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

Detaylı

UYGULAMALI MATEMATİK KONU ANLATIMLI ÇÖZÜMLÜ SORU BANKASI

UYGULAMALI MATEMATİK KONU ANLATIMLI ÇÖZÜMLÜ SORU BANKASI ÖABT UYGULAMALI MATEMATİK KONU ANLATIMLI ÇÖZÜMLÜ SORU BANKASI Yasin ŞAHİN ÖABT UYGULAMALI MATEMATİK KONU ANLATIMLI ÇÖZÜMLÜ SORU BANKASI Her hakkı saklıdır. Bu kitabın tamamı ya da bir kısmı, yazarın izni

Detaylı

Merkezi Limit Teoremi

Merkezi Limit Teoremi Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal

Detaylı

9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN

9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN 9. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.8. TAM REKABET PİYASALARI A.8.1. Temel Varsayımları Atomisite Koşulu: Piyasada alıcı ve satıcılar,

Detaylı

Probability Density Function (PDF, Sürekli fonksiyon)

Probability Density Function (PDF, Sürekli fonksiyon) Varyans Bir serideki her elemanın ortalamadan farklarının karelerinin toplamının, serideki eleman sayısına bölümü ile elde edilir. Standart Sapma Varyansın kareköküdür. Eğer birçok veri ortalamaya yakın

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.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

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

2. Aşağıdaki pseudocode ile verilen satırlar işletilirse, cnt isimli değişkenin son değeri ne olur?

2. Aşağıdaki pseudocode ile verilen satırlar işletilirse, cnt isimli değişkenin son değeri ne olur? 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.

Detaylı

Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI

Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI SAKARYA UNIVERSITESI Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI Prof. Dr. Mustafa AKAL 1 İÇİNDEKİLER 1. BERNOULLİ DAĞILIMI 2. BİNOM DAĞILIMI 3. POİSSON DAĞILIMI 4. PASCAL DAĞILIMI 5. GEOMETRİK DAĞILIM 6. HİPERGEOMETRİK

Detaylı

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

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

Detaylı

IE 303T Sistem Benzetimi

IE 303T Sistem Benzetimi IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.

Detaylı

Matematik Ders Notları. Doç. Dr. Murat Donduran

Matematik Ders Notları. Doç. Dr. Murat Donduran Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları

Detaylı

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

Detaylı

IE 303 SİSTEM BENZETİMİ

IE 303 SİSTEM BENZETİMİ IE 303 SİSTEM BENZETİMİ DERS 2 : S I M U L A S Y O N Ö R N E K L E R I...making simulations of what you're going to build is tremendously useful if you can get feedback from them that will tell you where

Detaylı