Rasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Rasgele sayıda bağımlı aktüeryal risklerin beklenen değeri için alt ve üst sınırlar"

Transkript

1 İsaskçler Dergs (8) İsaskçler Dergs Rasgele sayıda bağımlı aküeryal rskler beklee değer ç al ve üs sıırlar Fah Tak Kırıkkale Üverses Fe-Edebya Faküles, İsask Bölümü 7-ahşha,Kırıkkale, Türkye Öze Aküerya aalz ve rsk yöem aa amaçlarıda brs oplam hasar mkarıı dağılım foksyouu belrlemesdr. Sgoracılıka rskler geellkle bağımsız olduğu var sayılmaka acak bu varsayım gerçek durumu yasımamakadır ve prm hesaplamalarıda problemler yaramakadır. Sgoracılıka prm hesaplamalarıda beklee değer hesaplaması oldukça öemldr. Bu çalışmada meydaa gele bağımlı rskler sayısıı rasgele olduğu durum ç al ve üs sıırlar celemşr. Aahar sözcükler: Bağımlı rskler; Aküeryal rsk; Freche sıırları. Absrac Lower ad Upper Bouds for Expeced Value of Radom Sze Depede Acuaral Rsks Oe of he ma am of acuaral aalyss ad rsk maageme s o deerme of he dsrbuo fuco of oal clam amou. Geeraly rsks are assumed depede surace bu hs assumpo does o reflec he real suao ad geeraes may problems a premum calculaos. Calculao of expeced value s crucal o premum calculao surace. I hs sudy we vesgae lower ad upper bouds for expeced value of he case where he umber of depede rsks s radom. Keywords: Depede rsks; Acuaral rsk; Freche bouds..grş Geellkle br sgora porföyüdek çeşl hesaplamalarda kolaylık sağlaması ve semeye br çok durumda kurulmak amacıyla rskler bağımsız oldukları varsayılmakadır. Acak gerçek yaşamda bu varsayımı gerçeğe uymadığı durumlarla karşılaşılmakadır. Öreğ br ş yerdek ş göreler br grup haya sgorası veya grup sağlık sgorası ele alıdığıda; ş yerde herkes ekleyecek br kaza sgoracıı porföyü çdek rskler kollekf olarak arıracakır. Bu yüzde bu porföyü oluşura rskler bağımsız oldukları varsayımı gerçekle bağdaşmamakadır [6, 5]. Bu ve bezer durumlar ç br değerledrme ve model yaklaşımı le brlke gerekl ola aalzler zlkle yapılması gerekmekedr. Leraürde prm hesaplamaları le lgl olarak br çok yaklaşım bulumakadır. E bas alamda bu yaklaşımları çersde oplam hasar mkarı dağılımıı beklee değer porföyde bulua her br breyde alıması gereke saf prm olarak düşüüleblr. Hesaplaa bu değer üsüe dar ve dğer masrafları yüklemes le sgoralılarda alıması gereke sgora prm elde edleblr.

2 F. Tak / İsaskçler Dergs (8) Rsk süreçler Rsk süreçler, hasar sayısı ve hasar mkarları süreçlerde oluşur. Zama aralığı, [, k ) celee oplam zama aralığı olarak aımlaır. Taım.. { } X, [ ),. zama aralığıda görüle hasar sayısı sürec olarak aımlaır. Burada keskl rasgele değşkedr.,. zama aralığıda görüle hasar mkarı sürec olarak aımlaır. Burada sürekl rasgele değşkedr. Taım.. { } Taım.3., [ ) j j = =,, j ) = [, ) [, ) j, j) X U UKU aralıklarıı bleşede oraya, T sokask, T sokask sürec çıka oplam hasar sayısıdır., aıa kadar ola hasarları sayısıı göserdğde { } sürece Toplam Hasar Sayısı Sürec der. { } a) b) amsayılı değerler alır c) s < s < (azalmaya) özellklere sahpr. {, T} oplam hasar sayısı sürec λ paramerel Posso Sürec olup,. =. Durağa ve bağımsız arımlı. P{ + h = } = λh+ o( h), v. P{ + > } = o( h), h özellkler sağlamakadır. Teorem.. {, T} oplam hasar sayısı sürec Taım.3 de belrle,,, v özellkler sağlası. uzuluğudak herhag br zama aralığıda meydaa gele hasarları sayısıı dağılımı λ paramerel posso dağılımıdır [4]. İspa.. P () P{ } = = olsu. + h aıa kadar hçbr olayı gerçekleşmemes olasılığı ( + ) = { + h= } = P{ =, + h = } = P{ = }. P{ = } P h P + h olur. Burada ve v yardımıyla, λ P + h = P h+ o h elde edlr. X

3 F. Tak / İsaskçler Dergs (8) ( + ) P h P o h lm = λp () + lm h h h h eşlğde, λp P = (.) bçmde elde edlr. Bezer şeklde durumu ç yukarıdak şlemler yapıldığıda, () () P = λp + λp (.) olarak buluur. P( z, ) = P. z le = rasgele değşke olasılık çıkara foksyou göserldğde P( z, ) = P. z = (.3) olur. Eşlk (.) ve (.) de bulua fadeler, Eşlk (.3) de yere koulduğuda P( z, ) = λ P. z + λ P. z = = = λ + = λ olur. P( z, ) λzp( z, ) ( z ) P( z, ) P( z ) = λ( z ) + c( z) = = (,) = ve c( z) = l, P, P, P z olduğuda, olasılık çıkara foksyo (, ) ( z ) P z = e λ bçm almakadır. Bu λ paramerel Posso dağılımı olasılık çıkara foksyoudur. Taım.4. S j = [, ) zama peryoduda oraya çıka oplam hasar mkarıdır. Tüm bu süreçlerde zama aralığı, [, k ) celee oplam zama aralığı olarak aımlaır. Burada [, k) = [, ) U[, ) UKU [ k, k) şeklde olup [, ) aralıkları ( =,, K, k) eş uzuluklu, kesşmeye ve ara kes boş ola aralıklardır.

4 F. Tak / İsaskçler Dergs (8) Sgoracılıka rsk (, ) S Taım.4 de belrldğ gb [ ) P [ ) P S çf le belrleblr. Burada;, zama aralığıda prmlerde elde edle kazaç olup, zama aralığıda meydaa gele hasar mkarlarıı oplamı dır. Bu k süreçe e az br sokask süreçler kapsamıda rasgele foksyo olup geel olarak P değşmlerde bağımsız ve S sokask olarak düşüülür. Prake P le S arasıdak lşky aımlamak gerekmekedr. Buu ç aşağıdak değşkeler ve bulara bağlı olarak sokask süreçler aıılmasıa hyaç vardır. 3. Bağımlı rskler ve orak moooluk Toplam hasar mkarıı oluşura bağımlı rskler (hasar mkarları) ç yapılacak değerledrme ve öermelerde bağımlılık bçm öem kazamakadır. Bazı bağımlılık çeşler aşağıda aımlamışır. P y, y P y P y, y, y se ve hasar mkarları pozf kuadra. [ ] [ ] bağımlıdır der ve PQD (, ). P y y bçmde göserlr. y de y e göre azala se hasar mkarı e göre sol kuyruk azaladır der ve LTD ( ). P > y > y bçmde göserlr. y de y e göre ara se hasar mkarı e göre sağ kuyruk aradır der ve RTI ( ) bçmde göserlr [3]. Bağımlı rskler oplamı ç br dağılım bulmak kousuda yapısal bağımlılığı çselleşre yaklaşımlar yapılablmekedr [5]. Toplam hasar mkarı dağılımıda beklee değerler ç al ve üs sıırlar oluşurulması, bu yaklaşımları rsk yöem bağlamıa çekmek bakımıda yararlıdır. Br sgora şrke ç olası oplam hasar mkarı S y meydaa gere hasar mkarları arasıdak lşk orak moooluk ve pozf korelasyo bağlamıda ele alıablr. Br hasar mkar (solu oralamalı, F y = P y y ve buu gerçel değerl egaf olmaya r.d.) brkml dağılım foksyou { } ers foksyou { } F q = f y: F y q q olsu. Hasar mkarları (, ) rsk çf ç dağılım foksyou, (, ) = {, } ( y, y ) F y y P y y, olsu. Orak moooluk kavramı lk olarak Schmedler (986) ve aar (987) ve Roell (987) arafıda oraya aılmışır. Bu kavram rsk karar kuramıda öeml br rol oyamışır. Komooluk kavramı aşağıdak eorem le verlecekr [6]. Teorem 3.. ve k değşkel dağılım foksyou F y, y = m F y, F y y, y, bçmde yazılablyorsa ve orak mooo dur [6].

5 F. Tak / İsaskçler Dergs (8) Orak moooluk kavramı le Fréche al ve üs sıırları arasıda, k rasgele değşke pozf lşkl (pozf korelasyo) çde olması bağlamıda br bağıı vardır [6]. Teorem 3.. ve (, ) F y y,, rskler dağılım foksyou (, ) { F ( y) + F ( y ) } F, ( y y) F ( y) F ( y) { } max,, m, bçmde ala ve üse sıırladırılablr. Marjaller yukarıda verldğ gb F ( y ) ve ( ) oluşurduğu dağılım sııfı (, ) sıırlar geçerldr. F y y le göserls. Bu durumda, F y ola üm k değşkel rasgele değşkeler R F F ye a dağılımlara sahp ola her (, ) ç Teorem 3. de verle Verle marjal dağılımlarla sııfak üm rskler ç Fréche sıırlarıa ulaşablmek amacıyla U ~ U, bçmde ele alıarak ( F ( U), F ( U) ) R( F, F ) elde edlr k bu Fréche üs sıırıı, ( F ( U), F ( U) ) R( F, F ) se Fréche al sıırıı göserr. ve rskler am pozf lşkl (PPC) olması ç = a+ b sağlayacak şeklde a > ve b sayılarıı olması gerek ve yeer şarır. ve PPC özellğ { } F y, y = m F y, F y y, y, y sağlamakadır. Dolayısıyla orak moooluğu PPC br uzaısı olduğu ve bu açıda Fréche üs, rsk (hasar mkarlarıı) am pozf korelasyo lşks aşıdığı; dolayısıyla Fréche sıırıda. üs sıırı dkkae alıarak düzeleecek rsk yöem rske karşı e duyarlı rsk yöem (rske karşı maksmum edbr) alamıa geldğ açıkır. Taım 3.. ve (, ) F y y,, rskler dağılım foksyou (, ) { F ( y) + F ( y ) } F, ( y y) F ( y) F ( y) { } max,, m, bçmde ala ve üse sıırladırılablr []. Toplam hasar ç sıırlı hasar (sop-loss) prm ( SM) E{ ( S M )}, F y y le göserls. Bu durumda π, = max,, M (3.) le fade edlmekedr.

6 F. Tak / İsaskçler Dergs (8) = ç S = + olduğu durumda (3..) eşlğde verle sıırlı hasar prm ( * ) ( **, M, M, M) π + π + π + (3.) bçmde ala ve üse sıırladırılablr [, 6]. ve aralarıdak lşk, F açıklamakadır []. Burada { } F = f s R : F s * ve ** sırasıyla e egaf ve pozf bağımlıdır dağılım foksyou ke * { } = F F, ** { } F F = le dr. Beklee değer mevcu ola ve azalmaya koveks φ foksyou yardımıyla (3.) eşszlğ { ( * )} { } { ( ** )} π φ + π φ + π φ + (3.3) bçmde yazıldığıda le arasıdak bağımlılığa foksyoel bağımlılık der. ukarıda yapıla şlemler yardımıyla P S s P S s P S s s R m max yazılabldğde (3.3) eşszlğe dek olarak, beklee değerler sıırlı olması koşuluyla { φ( max )} { φ} { φ( m )} E S E S E S oraya çıkar [7]. Beklee oplam hasar mkarı E ( S ) ç sokask sıırlar rdelemes ayrıılarıa geçmede öce; aşağıda yapıla değerledrmeler F ( s) P( S s) F ( s) sıırları emelde yapıldığıı ve buu, orak moooluk bağlamıda { F ( y) + F ( y ) } F, ( y y) F ( y) F ( y) m max { } max,, m, sıırları le eşdeğerlk (eşalamlılık) çde olduğuu vurgulaması yerde olacakır. Haırlamalıdır k; Fréche sıırları bağlamıda orak moooluk, maksmal sıırlı hasar prm E ( S ) oraya çıkarır. 4. Bağımlı rskler oplamı ç sıırlar sayıda dağılım foksyou F ve sol lmler { (,,, ) : } S% = y = y y K y R y + y + K + y = s aımı alıda Fm ( s) = supmax F ( y) ( ), y S% = ve F (,,, ) = K olsu. Bu durumda

7 F. Tak / İsaskçler Dergs (8) Fmax ( s) = f m F( y), y S% = olmakadır.,, K, rasgele değşkeler dağılım foksyoları sırasıyla F, F, K, F olsu. S = + + K + ke gerekl eşszlkler yardımıyla F m ve F max ç m F s P S s F s, s R yazılacakır. Örek 4.. max dağılım foksyou exp ( θ, ω ) olsu =,. Toplam hasar mkarı S = + olduğuda S ç al sıır, ω = ω+ ω + ( θ+ θ) log( θ+ θ) θlog( θ) θlog( θ) ke Fm = exp ( θ + θ, ω) ve üs sıır Fmax = exp( max ( θ, θ ), ω + ω ) olur. Özel olarak ~ exp( θ = 4, ω = 3) ve ~ exp( θ = 5, ω = ) alıarak F ( s ) ç al ve üs sıırlar bulumuş ve bulua sıırlar Şekl 4. de göserlmşr. S Şekl 4. Kaydırılmış üsel dağılıma sahp oplam hasar dağılımı ç al ve üs sıırlar (=) Örek 4.. ~exp (, ) θ ω ke Fm = exp θ, ω, = ω = ω + θ log θ θ log θ = = = = ve Fmax = exp max ( θ, θ, K, θ), ω bçmde elde edlr. Özel olarak ~ exp ( θ 4, ω 3) ~ exp θ 5, ω = ~ exp θ 3, ω 3 ( = = ) ve ( = = ) alıarak F 4.. de göserlmşr S = =, s ç al ve üs sıırlar bulumuş ve Şekl

8 F. Tak / İsaskçler Dergs (8) Şekl 4.. Kaydırılmış üsel dağılıma sahp oplam dağılımı ç al ve üs sıırlar (=3) 5. Rasgele sayıda bağımlı rsk oplamıı beklee değer ç sıırlar Rskler arasıda bağımlılığı olduğu durumlar ç oplam hasarı dağılımıa ve beklee değere al ve üs sıırlar verlmş, acak bağımlı rskler sayısı sab alımışı. Toplam hasar mkarıı oluşura, zama aralığıda bağımlı rskler sayısıı rasgele olduğu durum ç değerledrme yapılacakır. [ ) meydaa gele hasar sayısı Posso dağılımı le ele alımakadır. Toplam hasar sayısı ~ Posso ( λ ) ke oplam hasar mkarı S =, le fade edldğde, oplam hasar mkarı S ' ade rasgele = değşke oplamıda oluşuğuu gösermekedr. Rasgele sayıda hasar mkarıı oplamı ç dağılım foksyou, = verldğde { < } = { < = } { = } P S s P S s P { } { } = P S < s P = (5.) olmakadır. Fréche sıırlarıda yararlaarak (5.) ç lgl sıırlar Fm ( s) P{ = } P( S s) P{ = } Fmax ( s) P{ = } bçmde elde edlr. Rasgele sayıda bağımlı hasar mkarıı oplamıda elde edle oplam hasar mkarıı beklee değer se, = olduğuda

9 F. Tak / İsaskçler Dergs (8) E S = = X = E X = P = = = E X P = = = E X P = = = E S P = (5.) olacakır. (5.) eşlğde yararlaarak rasgele sayıda bağımlı rsk oplamı ç al ve üs sıırlar gerekl şlemler uyguladıka sora (,max ) (,m ) E S < E S < E S (5.3) elde edlr [8]. Örek 5.. Örek 5. de verle Üsel dağılıma sahp üç bağımlı hasar mkarı oplamıı beklee değer şlemler yapıldığıda ~ Posso ( λ ) olduğu durumda al ve üs sıırlar ( 5.986, ) olarak elde edlmşr. Bu aralık, sgora şrke gele rskler karşılayablmes ç alması gereke prm al ve üs sıırı olarak yorumlamakadır. Rasgele sayıda bağımlı ve üsel dağılıma sahp hasar mkarları oplamıı beklee değer ç Eşlk (5.) de yararlaarak, ~ Posso( λ = ) alıda, beklee oplam hasar değerlere a al ve üs sıırlar bulumuş ve Çzelge de göserlmşr. Çzelge grafksel göserm Şekl 5. de verlmşr. Çzelge 5.. Rasgele sayıda ve üsel dağılıma sahp hasarları oplamı ç beklee değerler = Al Sıır Üs Sıır

10 F. Tak / İsaskçler Dergs (8) Şekl 5.. Çzelge 5.. grafksel göserm E( S,m ) hesaplamasıda, Freche üs sıırı dağılımıa sahp ler ele alımış ve (,m ) E S = = = E = P = = = E P = = = E P= = ( ) / ( ( ) ) = E S P = P = P = (5.4) eşlğ kullaılmışır. E( S,max ) değer bezer şeklde buluur. 6. Souç Bağımlı aküeryal rskler ç bulua al ve üs sıırlar aküeryal rsk yöemde oplam hasar mkarı dağılımıı beklee değerde faydalaarak, rsk büyüklüğü hakkıda fkr sahb olablmeye mka aımakadır. Elde edle bu fkr yardımıyla, rsk rezerv, muafye sıırları ve reasüras reeşı saklama payı (reeo) sıırları belrlemeler yapılarak flas olasılığı mmze edleblmese mka aır ve gerekl üm kararlar karar vercler arafıda rdeleeblr. Kayaklar [] Albers, W., 999, Sop-loss Premums Uder Depedece, Isurace Mahemacs ad Ecoomcs, 4, [] Balakrsha,., Basu, A. P., 995, The Expoeal Dsrbuo, Theory, Mehods ad Applcaos, Gordo ad Beach Publshers. [3] Barlow, R.E., Proscha, F., 975, Sascal Theory of Relably ad Lfe Tesg, Hol-Rehar & Wso Ic. [4] Beard, R.E., Pekae, T., Pesoe, E., 984, Rsk Theory, Chapma-Hall.

11 F. Tak / İsaskçler Dergs (8) [5] Cosee, H., Gallardez, P., Marceau, E., Roux, J.,, O Two Depede Idvdual Rsk Models, Isurace Mahemacs ad Ecoomcs, 3, [6] Dhaee, J., Deu M., 999, The Safes Depedece Srucure Amog Rsk, Isurace Mahemacs ad Ecoomcs, 5, -. [7] Hu, T., Wu, Z., 999, O Depedece of Rsks ad Sop-loss Premums, Isurace Mahemacs ad Ecoomcs, 4, [8] Tak, F.,, Sgoracılıka Bağımlı Rskler: İk Değşkel Durum İç aklaşımlar, Akara Üverses Fe Blmler Esüsü İsask Aablm Dalı Dokora Tez (83 s.)

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine

Genelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan III.5.RUNGE-KUTTA METODLARI Öcek bölümde özelee Talor meodlarıda erel kesme aa merebes üksek oluşu sele br özellkr. Dğer araa ürevler buluma ve esaplaması pek çok problem ç karmaşık ve zama alıcı olduğuda

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER 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,

Detaylı

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz; Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

MERKEZİ EĞİLİM ÖLÇÜLERİ

MERKEZİ EĞİLİM ÖLÇÜLERİ MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle

Detaylı

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK DEĞİŞKENLER VE BULANIK YENİLEME SÜREÇLERİ. Yunus KOCATÜRK

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK DEĞİŞKENLER VE BULANIK YENİLEME SÜREÇLERİ. Yunus KOCATÜRK ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK DEĞİŞKENLER VE BULANIK YENİLEME SÜREÇLERİ Yuus KOCATÜRK İSTATİSTİK ANABİLİMDALI ANKARA 7 Her hakkı saklıdır Yrd. Doç. Dr. Hall AYDOĞDU

Detaylı

1. GAZLARIN DAVRANI I

1. GAZLARIN DAVRANI I . GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak

Detaylı

Đst201 Đstatistik Teorisi I

Đst201 Đstatistik Teorisi I Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

Detaylı

Zaman Skalasında Box-Cox Regresyon Yöntemi

Zaman Skalasında Box-Cox Regresyon Yöntemi Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term

Detaylı

İki veri setinin yapısının karşılaştırılması

İki 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

Detaylı

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik Olmayan İstatistik Çözümlü Sorular - 2 Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr

Detaylı

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu

Detaylı

Pareto Dağılımı Altında Bühlmann-Straub Kredibilite ve Karma Etki Modelinde Prim Tahmini Modellemesi

Pareto Dağılımı Altında Bühlmann-Straub Kredibilite ve Karma Etki Modelinde Prim Tahmini Modellemesi Süleyma Demrel Üverses Fe Blmler Esüsü Dergs 16- ( 01) 191-03 Pareo Dağılımı Alıda Bühlma- Kredble ve Ek Modelde Prm Tahm Modellemes Meral EBEGİL *1 Fkr GÖKPINAR 1 1 Gaz Üverses Fe Faküles İsask Bölümü

Detaylı

GENELLEŞTİRİLMİŞ BULANIK KÜMELER. Mehmet Şahin Gaziantep Üniversitesi, Matematik Bölümü, 27310, Gaziantep

GENELLEŞTİRİLMİŞ BULANIK KÜMELER. Mehmet Şahin Gaziantep Üniversitesi, Matematik Bölümü, 27310, Gaziantep GENEEŞTİRİMİŞ UANIK KÜMEER Mehme Şah Gazaep Üverses, Maemak ölümü, 27310, Gazaep ÖZET: u çalışmada öcelkle P ( br al ale olarak buludura bulaık kümeler GF ales br halka olarak yapıladırılmaka ve bu yapıı

Detaylı

6. Uygulama. dx < olduğunda ( )

6. 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

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler

Detaylı

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI

PORTFÖY OPTİMİZASYONUNDA ORTALAMA MUTLAK SAPMA MODELİ VE MARKOWITZ MODELİNİN KULLANIMI VE İMKB VERİLERİNE UYGULANMASI Süleyma Demrel Üverstes İktsad ve İdar Blmler Fakültes Dergs Y.2008, C.3, S.2 s.335-350. Suleyma Demrel Uversty The Joural of Faculty of Ecoomcs ad Admstratve Sceces Y.2008, vol.3, No.2 pp.335-350. PORTFÖY

Detaylı

Polinom İnterpolasyonu

Polinom İnterpolasyonu Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır

Detaylı

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun: Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,

Detaylı

Kredibilite kuramnda panel veri modelleri ve trafik sigortas için bir uygulama

Kredibilite kuramnda panel veri modelleri ve trafik sigortas için bir uygulama www.saskcler.org saskçler Dergs 3 (00) 7-36 saskçler Dergs Kredble kuramda pael ver modeller ve rafk sgoras ç br uygulama Aslha eürk Haceepe Üverses Fe Faküles Aküerya Blmler Bölümü 06800-Beyepe, Akara,ürkye

Detaylı

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24 İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK

Detaylı

ZAMAN SKALASINDA BAZI KISMİ DİNAMİK DENKLEMLERİN SALINIMLILIĞI ÜZERİNE

ZAMAN SKALASINDA BAZI KISMİ DİNAMİK DENKLEMLERİN SALINIMLILIĞI ÜZERİNE ZAMAN SKALASINDA BAZI KISMİ DİNAMİK DENKLEMLERİN SALINIMLILIĞI ÜZERİNE DOKTORA TEZİ Dez UÇAR DANIŞMAN Doç. Dr. Yaşar BOLAT MATEMATİK ANABİLİM DALI TEMMUZ AFYON KOCATEPE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

Detaylı

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ

Detaylı

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2 l Ta rr ım ı Ekooms Kog rres 6-8 - Eylül l 2000 Tek rrdağ TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ (980-998) (TRANLOG MALİYET FONKİYONU UYGULAMAI) Yaşar AKÇAY Kemal EENGÜN 2. GİRİŞ Türkye tarımı

Detaylı

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ

Doç. 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

Detaylı

TARTIŞMA METNİ 2012/71 http ://www.tek.org.tr İMALAT SANAYİNDE YAPISAL DEĞİŞİM VE ÜRETKENLİK: TÜRKİYE, AKDENİZ BÖLGESİ VE MERSİN İLİ KARŞILAŞTIRMASI

TARTIŞMA METNİ 2012/71 http ://www.tek.org.tr İMALAT SANAYİNDE YAPISAL DEĞİŞİM VE ÜRETKENLİK: TÜRKİYE, AKDENİZ BÖLGESİ VE MERSİN İLİ KARŞILAŞTIRMASI TÜRKİYE EKONOMİ KURUMU TARTIŞMA METNİ 202/7 hp ://www.ek.org.r İMALAT SANAYİNDE YAPISAL DEĞİŞİM VE ÜRETKENLİK: TÜRKİYE, AKDENİZ BÖLGESİ VE MERSİN İLİ KARŞILAŞTIRMASI Me Alıok ve İsmal Tucer Bu çalışma

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Ayça Hatce TÜRKAN GÜVENİLİRLİK ANALİZİNDE KULLANILAN İSTATİSTİKSEL DAĞILIM MODELLERİ İSTATİSTİK ANABİLİM DALI ADANA, 007 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 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

Detaylı

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1 ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ

Detaylı

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI DAĞILIMLAR İÇİN EN ÇOK OLABİLİRLİK VE FARKLI KAYIP FONKSİYONLARI ALTINDA BAYES TAHMİN EDİCİLERİNİN PERFORMANSLARININ KARŞILAŞTIRILMASI Gülca GENCER

Detaylı

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde

Detaylı

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA

ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA İstabul Tcaret Üverstes Fe Blmler Dergs Yıl: 11 Sayı: Güz 01 s. 19-35 ETKİN SINIR VE BETA KATSAYI KISITLI PORTFÖY SEÇİM MODELİ ÜZERİNE BİR UYGULAMA Cası KAYA 1, Oza KOCADAĞLI Gelş: 30.05.01 Kabul: 14.1.01

Detaylı

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 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

Detaylı

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK *

BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * BAZI YARIGRUP AİLELERİ ve YAPILARI İÇİN SONLULUK KOŞULLARI ve ETKİNLİK * Fteess Codtos For Soe Segroup Fales ad Costructos ad Effcecy Basr ÇALIŞKAN Mateatk Aabl Dalı Hayrullah AYIK Mateatk Aabl Dalı ÖZET

Detaylı

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları

Detaylı

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam

Detaylı

Doç. Dr. Mehmet AKSARAYLI

Doç. Dr. Mehmet AKSARAYLI Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br

Detaylı

ÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç

ÖZET Yüksek Lsas Tez NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK Akara Üverstes Fe Blmler Esttüsü İstatstk Aablm Dalı Daışma : Doç ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ NORMAL DAĞILIM VE NORMAL DAĞILIMLA İLGİLİ ÇIKARIMLAR Şeol ÇELİK İSTATİSTİK ANABİLİM DALI ANKARA 006 Her hakkı saklıdır ÖZET Yüksek Lsas Tez

Detaylı

Bir Kompleks Sayının n inci Kökü.

Bir Kompleks Sayının n inci Kökü. Prof.Dr.Hüsy ÇAKALLI Br Komplks Sayıı c Kökü. hrhag br sab doğal sayı olmak ür, br komplks sayıı c kökü, c kuvv bu sayıya ş ola komplks sayıdır. ( r(cos s olsu v (cos s dylm. Bu akdrd ( [ (cos s] dr v

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. 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.

Detaylı

TABAKALI ŞANS ÖRNEKLEME

TABAKALI ŞANS ÖRNEKLEME 6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve

Detaylı

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t)

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t) III.4. YÜKSEK MEREBE AYLOR MEODLARI Saısal tekkler amacı mmum çaba le olablğce uarlı aklaşımlar ele etmektr. Bu eele çeştl aklaşım ötemler vermllğ karşılaştıracak br krtere gereksm varır. İlk ele alıacak

Detaylı

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları 5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Olasılığı Tolaablrlk Kuralı: 5.6. Olasılığı çarım kuralı: 5.7. Değl ağıtısı: 5.8. Koşullu

Detaylı

Operasyonel Risk İleri Ölçüm Modelleri

Operasyonel Risk İleri Ölçüm Modelleri Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu

Detaylı

Finansal Derinleşme, Ekonomik Büyüme ve Türk Finans Sistemi (1990-2010)

Finansal Derinleşme, Ekonomik Büyüme ve Türk Finans Sistemi (1990-2010) Selçuk Üverses Sosyal Blmler Esüsü Dergs Dr. Mehme YILDIZ Özel Sayısı 24, ss. 9-8 Selcuk Uversy Joural of Isue of Socal Sceces Dr. Mehme YILDIZ Specal Edo 24, p. 9-8 Fasal Derleşme, Ekoomk Büyüme ve Türk

Detaylı

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )

Detaylı

LİNEER CEBİR DERS NOTLARI. Ayten KOÇ

LİNEER CEBİR DERS NOTLARI. Ayten KOÇ LİNEER CEBİR DERS NOTLARI Aye KOÇ I MATRİSLER I.1. Taım F bir cisim olmak üzere her i = 1,2,..., m, j = 1,2,..., içi aij F ike a11 a12... a1 a21 a22... a 2 M M... M am1 am2... am (1) şeklide dikdörgesel

Detaylı

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması

Olabilirlik Oranı Yöntemine Dayalı, Yapısal Homojen Olmayan Varyans Testlerinin Piyasa Modeli İçin Karşılaştırılması Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:6, Sayı:, Yıl:011, ss.135-144 Olablrlk Oraı Yöteme Dayalı, Yaısal Homoje Olmaya Varyas Testler Pyasa Model İç Karşılaştırılması Flz KARDİYEN

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk 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

Detaylı

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr. İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF 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

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ ARŞİMEDYEN KAPULALAR ÜZERİNE BİR ÇALIŞMA. Sıddık ARSLAN İSTATİSTİK ANABİLİM DALI ANKARA 2013

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ ARŞİMEDYEN KAPULALAR ÜZERİNE BİR ÇALIŞMA. Sıddık ARSLAN İSTATİSTİK ANABİLİM DALI ANKARA 2013 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ ARŞİMEDYEN KAPULALAR ÜZERİNE BİR ÇALIŞMA Sıık ARSLAN İSTATİSTİK ANABİLİM DALI ANKARA 03 Her hakkı saklıır TEZ ONAYI Sıık ARSLAN arafıa hazırlaa

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME 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

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl@deu.edu.tr Taımlayıcı İstatstkler Yer Ölçüler (Merkez Eğlm Ölçüler) Duyarlı Ortalamalar

Detaylı

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür. Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk

Detaylı

TÜRKİYE DE MEYDANA GELEN DEPREMLERİN MARKOV ZİNCİRLERİ İLE MODELLENMESİ. Serpil ÜNAL YÜKSEK LİSANS TEZİ İSTATİSTİK

TÜRKİYE DE MEYDANA GELEN DEPREMLERİN MARKOV ZİNCİRLERİ İLE MODELLENMESİ. Serpil ÜNAL YÜKSEK LİSANS TEZİ İSTATİSTİK TÜRKİYE DE MEYDANA GELEN DEPREMLERİN MARKOV ZİNCİRLERİ İLE MODELLENMESİ Serpl ÜNAL YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ OCAK 2 ANKARA Serpl ÜNAL tarafıda hazırlaa TÜRKİYE

Detaylı

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI 1 KONTOL KATLAI 1)DEĞİŞKENLE İÇİN KONTOL KATLAI Ölçe,gözle veya deey yolu le elde edle verler değşke(ölçüleblr-sürekl) ve özellk (sayılablr-keskl) olak üzere başlıca k gruba ayrılır. Değşke verler belrl

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp

Detaylı

TRAFİK SİMÜLASYON TEKNİKLERİ

TRAFİK SİMÜLASYON TEKNİKLERİ TRAFİK SİMÜLASYON TEKNİKLERİ 2. HAFTA Doç. Dr. Haka GÜLER (2015-2016) 1. TRAFİK AKIM PARAMETRELERİ Üç öeml rafk akım parameres vardır: Hacm veya akım oraı, Hız, Yoğuluk. 2. KESİNTİSİZ AKIM HACİM E AKIM

Detaylı

Tümevarım_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+...

Tümevarım_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

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş 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

Detaylı

Ki- kare Bağımsızlık Testi

Ki- 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

Detaylı

HĐPERSTATĐK SĐSTEMLER

HĐPERSTATĐK SĐSTEMLER HĐPERSTATĐK SĐSTELER Taım: Bütü kest zorları, şekldeğştrmeler ve yerdeğştrmeler belrlemes ç dege deklemler yeterl olmadığı sstemlere hperstatk sstemler der. Hperstatk sstemler hesabı ç, a) Dege deklemlere,

Detaylı

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

(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

Detaylı

TEZ ONAYI Özgül SUGÜNEŞ arafıda hazırlaa Yazılımda İsasksel Süreç Korolü ve Güverlk Kesrm Modeller adlı ez çalışması 8/04/00 arhde aşağıdak jür arafıd

TEZ ONAYI Özgül SUGÜNEŞ arafıda hazırlaa Yazılımda İsasksel Süreç Korolü ve Güverlk Kesrm Modeller adlı ez çalışması 8/04/00 arhde aşağıdak jür arafıd ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ YAZILIMDA İSTATİSTİKSEL SÜREÇ KONTROLÜ VE GÜVENİRLİK KESTİRİM MODELLERİ Özgül SUGÜNEŞ İSTATİSTİK ANABİLİM DALI ANKARA 00 Her hakkı saklıdır

Detaylı

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI

WEİBULL DAĞILIMININ ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİN İSTATİSTİKSEL TAHMİN YÖNTEMLERİNİN KARŞILAŞTIRILMASI İstabul Tcaret Üverstes Sosal Blmler Dergs Yıl:8 Saı:5 Bahar 2009 s.73-87 WEİBULL DAĞILIMII ÖLÇEK VE BİÇİM PARAMETRELERİ İÇİ İSTATİSTİKSEL TAHMİ YÖTEMLERİİ KARŞILAŞTIRILMASI Flz ÇAKIR ZEYTİOĞLU* ÖZET Güümüzde

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

Fresnel Denklemleri. 2008 HSarı 1

Fresnel Denklemleri. 2008 HSarı 1 Feel Deklemle 8 HSaı 1 De İçeğ Aa Yüzeyde Mawell Deklemle Feel şlkle Yaıma Kıılma 8 HSaı Kayak(la Oc ugee Hech, Alfed Zajac Addo-Weley,199 Kuaum leko-diamğ (KDİ, Rchad Feyma, (Çev. Ömü Akyuz, NAR Yayılaı,

Detaylı

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.

2016 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

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ / RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ A Uygulamalı Blmler ve Mühedslk ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY A Appled Sceces ad Egeerg Clt/Vol.: 3-Sayı/No: : 5-63 (202 ARAŞTIRMA

Detaylı

BÖLÜM 2 OLASILIK TEORİSİ

BÖLÜM 2 OLASILIK TEORİSİ BÖLÜM OLSILIK TEORİSİ İstatstksel araştırmaları temel koularıda br souu öede kes olarak blmeye bazı şasa bağlı olayları (deemeler) olası tüm mümkü souçlarıı hag sıklıkla ortaya çıktığıı belrleyeblmektr.

Detaylı

9. Ders. Đstatistikte Monte Carlo Çalışmaları

9. Ders. Đstatistikte Monte Carlo Çalışmaları 9. Ders Đstatstkte Mote Carlo Çalışmaları Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve bu modeller geçerllğ sıamada kullaıla bazı blg ve yötemler

Detaylı

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi 5. Drs Dağılımlarda Rasgl Sayı Ürtilmsi Trs Döüşüm Yötmi sürkli bir rasgl dğişk v bu rasgl dğişki dağılım foksiyou olsu. Dağılımı dstk kümsi üzrid dağılım foksiyou arta v bir-bir bir foksiyo olmaktadır.

Detaylı

Direct Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain *

Direct Decomposition of A Finitely-Generated Module Over a Principal Ideal Domain * BİR ESAS İDEAL BÖLGESİ ÜZERİNDEKİ SONLU DOĞURULMUŞ BİR MODÜLÜN DİREK PARÇALANIŞI * Drec Decompoon of A Fnely-Generaed Module Over a Prncpal Ideal Doman * Zeynep YAPTI Fen Blmler Enüü Maemak Anablm Dalı

Detaylı

çözüm: C=19500 TL n=4 ay t=0,25 I i 1.yol: Senedin iskonto tutarı x TL olsun. Bu durumda senedin peşin değeri: P C I (19500 x) TL olarak alınabilir.

çözüm: C=19500 TL n=4 ay t=0,25 I i 1.yol: Senedin iskonto tutarı x TL olsun. Bu durumda senedin peşin değeri: P C I (19500 x) TL olarak alınabilir. 1 6)Kred değer 19500 TL ola br seet vadese 4 ay kala, yıllık %25 skoto oraı üzerde br bakaya skoto ettrlyor. Hesaplamada ç skoto metodu kullaıldığıa göre, seed skoto tutarı kaç TL dr? C=19500 TL =4 ay

Detaylı

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş 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

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN 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

Detaylı

NORMAL DAĞILIM İÇİN UYUM İYİLİĞİ TESTLERİ VE BİR SİMÜLASYON ÇALIŞMASI. Nurcan YILDIRIM YÜKSEK LİSANS TEZİ İSTATİSTİK

NORMAL DAĞILIM İÇİN UYUM İYİLİĞİ TESTLERİ VE BİR SİMÜLASYON ÇALIŞMASI. Nurcan YILDIRIM YÜKSEK LİSANS TEZİ İSTATİSTİK NORML DĞILIM İÇİN UYUM İYİLİĞİ TETLERİ VE BİR İMÜLYON ÇLIŞMI Nurca YILDIRIM YÜE LİN TEİ İTTİTİ Gİ ÜNİVERİTEİ FEN BİLİMLERİ ENTİTÜÜ ŞUBT 3 NR Nurca YILDIRIM tarafıda hazırlaa NORML DĞILIM İÇİN UYUM İYİLİĞİ

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 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,

Detaylı

BAŞLAYINIZ DENİLMEDEN SORU KİTAPÇIĞINI AÇMAYINIZ.

BAŞLAYINIZ DENİLMEDEN SORU KİTAPÇIĞINI AÇMAYINIZ. KİTAPÇIK TÜRÜ A T.C. MİLLÎ EĞİTİM BAKANLIĞI YENİLİK VE EĞİTİM TEKNOLOJİLERİ GENEL MÜDÜRLÜĞÜ Ölçme, Değerledrme ve Yerleşrme Grup Başkalığı 3. GRUP İSTATİSTİKÇİ MALİYE BAKANLIĞI PERSONELİNE YÖNELİK UNVAN

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AZALAN BOZULMA ORANINA SAHİP ÜÇ PARAMETRELİ YENİ BİR YAŞAM ZAMAN DAĞILIMI MUSTAFA ÇAĞATAY KORKMAZ YÜKSEK LİSANS TEZİ İSTATİSTİK ANA BİLİM DALI KONYA, 2

Detaylı

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

Detaylı

Seralarda Isıtma Kapasitelerinin Hesaplanmasına Yönelik Bir Bilgisayar Programı

Seralarda Isıtma Kapasitelerinin Hesaplanmasına Yönelik Bir Bilgisayar Programı Seralarda Isıma Kapaselernn Hesaplanmasına Yönelk Br Blgsayar Programı Gürkan Alp Kağan GÜRDİL 1, Kemal Çağaay SELVİ 1, Hasan ÖNDER 2 1 Ondokuz Mayıs Ünverses, Zraa Faküles, Tarım Maknaları Bölümü, Samsun

Detaylı

α kararlı dağılım, VaR, Koşullu VaR,, Finansal α KARARLI DAĞILIMLARLA FİNANSAL RİSK

α kararlı dağılım, VaR, Koşullu VaR,, Finansal α KARARLI DAĞILIMLARLA FİNANSAL RİSK Marmara Üverstes İ.İ.B.F. Dergs YIL 00 CİLT XXVIII SAYI I S. 549-57 Özet KARARLI DAĞILIMLARLA FİNANSAL RİSK ÖLÇÜMÜ Ömer ÖNALAN * Bu çalışmada fasal kayıları kalı kuyruklu kararlı dağılım zledğ varsayımı

Detaylı