x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)"

Transkript

1 4 ÖRNEKLEME HATASI 4.1 Duyarlılık 4. Güveilirik 4.3 Örek hacmi ve uyarlılık arasıaki ilişki 4.4 Örek hacmi ve göreceli terimler ile uyarlılık arasıaki ilişki 4.5 Hata kareler ortalaması

2 Örekte ele eile tahmi ve populasyo parametresi arasıaki farka örekleme hatası eir. Öreği; her biri 1$, $, 3$, 4$ ve 5$ a sahip N=5 öğrecie oluşa bir populasyo olsu. Bu 5 öğreci ayı zamaa popülasyo çerçevesii oluşturmaktaır. Bu N=5 öğreci popülasyou arasıa = hacimli bir örek seçilsi. Öreği 1=1$ ve =3$ a sahip iki öğrecii seçilmiş oluğu varsayılsı. Not : Notasyo olarak örek eğerleri içi küçük, populasyo içi büyük harfler kullaılmıştır. örek ortalaması $ ır. populasyo ortalaması 1 N = $ ır. $, ı bir tahmiiir. Bu uruma ile arasıaki farka bu örek içi örekleme hatası eir. Buraa - =-3=-1 ı örekleme hatasıır. Örekleme hatası kavramı, sapmasızlık ve beklee eğer kavramları ile ilişkiliir. Örek tahmi eicisi öreği, populasyo parametresi ı sapmasız bir tahmi eicisi oluğua, E = olur. Bu uruma örekleme hatası, örekte ele eile tahmi ve tahmi eicii beklee eğeri arasıaki fark halie gelir: Örekleme hatası= - = -E olarak a yazılabilir. = - örekleme hatası Geel olarak eğer, ı sapmasız bir tahmi eicisi oluğua Örekleme hatası= - = -E olur. Böylece ı örekleme hatası tek öreğe ait souç ile populasyo parametresi arasıaki fark olarak yorumlaır.

3 DUYARLILIK Örek ortalamasıı örekleme ağılımı aşağıaki gibi verilmiş olsu; %.5 % P PZ Z 1 % / / : örekleme hatası, Z / : uyarlılık olarak ifae eilebilir P P-1.96< <1.96=0.95 P Z / Z Z / 1 % Yukarıaki ifae ı 1.96 a aha az olma olasılığıı 0.95 oluğuu ifae eer. Diğer bir eyişle ı A ve B gibi iki çizgi arasıa üşme olasılığıı 0.95 oluğuu ifae eer. A ve B arasıa oluğu sürece fark < 1.96 a az olacaktır. P <1.96 =0.95 şeklie üzeleebilir. Bu uruma =1.96 olur. Buraa iki oktaya ikkat eilmeliir. 1. örekleme hatasıır güve aralığıı yarısıır. ı alabileceği e büyük eğer

4 Buraa örekleme hatası farklı bir şekile yorumlamalıır. Örekleme hatası saece verile bir tek örek içi örekleme hatasıır. Duyarlılık ise örekleme sebebiyle populasyo parametresi ve tahmi eici arasıaki eğişmeyi gösterir. Bu a verile bir güve katsayısıyla güve aralığıı yarı uzuluğua eşittir., belli bir örek hacmi ve güveilirlik içi tekrarlaa öreklemee tahmi eici ve populasyo parametresi arasıaki maksimum eğişimi ifae eer. bu alama ikkate alıığıa, örekleme hatası olarak eğil tahmi eicii uyarlılığı olarak ikkate alıır. Dolaysıyla,, verile herhagi bir örek içi eğil, tesaüfi örekleme yapılığıa e büyük eğişmeyi gösterir. Öreği, maksimum eğişmei 0.30$ a az olmasıa gereksiim uyuluğua, uyarlılık 0.30 olacaktır. Bu a güve aralığıı yarı uzuluğuu 0.30 $ a az olacağıı ifae eer. NOT: Örekleme hatası kavramı verile bir örek içiir. Duyarlılık ise güve aralığı ile ilgiliir ve acak tekrarlaa örekleme ile ilgili olarak taımlaır. GÜVENİLİRLİK Duyarlılık=güveilirlik* staart hata =z Duyarlılığa ilişki %95 güveilirlik sözkousu oluğu zama, buu alamı, uyarlılığı %95 güve katsayılı güve aralığıı e fazla yarı uzuluğu kaar oluğuur. Örek ortalaması ve %95 güveilirlik içi, =1/güve aralığı =1.96 olarak ifae eilebilir. Buraa terimi uyarlılığı 1.96 a %95 güveilirliği temsil eer ya a güveilirlik katsayısı eir. Bu ilişki aşağıaki şekile gösterilebilir. Duyarlılık=güveilirlik* staart hata =z

5 ÖRNEK HAMİ VE DUYARLILIK Örek hacmi arttıkça uyarlılık artmakta yai küçülmekteir. Örek ortalaması kullaılarak bu ilişki açıklaığıa: =z =z. Buraa = ır. büyüükçe küçülür ve tahmi eicii uyarlılığı artar. Buu geel alamı, örek hacmi büyüükçe, örek tahmi eicisi tahmi etmekte oluğu populasyo parametresie yaklaşır. Bu eşitlik ayrıca verile bir uyarlılık içi örek hacmii ele etmee e kullaılabilir: =z =z z z bu eğeri belirli bir uyarlılık içi gerekli örek hacmiir. ÖRNEK: %95 güveilirlikle ı uyarlılığıı 4 br lik sıırlar içie kalması arzu eiliğie ve populasyo staart sapmasıı =18 br oluğu biliiğie göre gerekli örek hacmii ele eiiz. = 4br 1-α=0,95 α=0,05 α/=0,05 4=z = 18 =81 ele eilir. 0,5-0,05=0,4750 Z0,5-α/=1,96

6 ÖRNEK HAMİ VE GÖRELİ TERİMLERDE DUYARLILIK Birçok uruma tahmi eicii uyarlılığı, mutlak terimlere çok göreli terimlerle ifae eilir. Öreği belirli bir okulaki öğrecileri ortalama ağırlığıı tahmi etmee uyarlılık ı 7 br lik sıırlar içie olması yerie %5 lik sıırlar içie olması olarak ifae eilebilir. Değişim katsayısı kullaılarak, uyarlılık, güveilirlik ve staart hata arasıaki temel ilişki göreli terimlerle ifae eilebilir ve buraa a örek hacmi ve uyarlılık arasıaki ilişki göreli terimler cisie ifae eilebilir. Temel ilişki =z şeklieir. Dolayısıyla uyarlılık = göreli terimlerle ifae eilmek isteirse Z Z Z Z. / Varyasyo katsayıları açıklamaları : S = E S = 1. E V E S V =V N =N V = N N N N 1. / / / ol içi oluğua göre, ele eilir. Diğer tarafta, Z oluğua göre, Z belirli bir göreli uyarlılık içi gerekli örek hacmi ele eilir,

7 ÖRNEK:Büyük bir grup öğrecii ortalama ağırlığı tahmi eilmek istemekteir. Tahmi eicii göreli uyarlılığıı, ortalamaı %5 i kaar ola sıırlar içie olması istemekteir. Güveilirlik z=3 heme heme kesi ve =0.1 oluğua göre hagi büyüklükte bir örek seçilmeliir? z 3 3* 0.1 = HATA KARELER ORTALAMASI HKO, Bir tahmi eici ile parametre eğeri arasıaki farkı karesii beklee eğeri hata kareler ortalaması olarak alaırılır. parametresii tahmi eicisi içi ; H.K.O.= E İle gösterilebilir. E bir kez ekleip çıkarılarak, H.K.O= E E E H.K.O=E E E =Var +sapma miktarı = Var +bias Sapmasız tahmiciler içi hata kareler ortalaması ile varyas ayı alama gelir. Parametre eğeri bilimeiğie hata kareler ortalaması hesaplaamaz. Tahmi eicileri istee özelliklerie biri hata kareler ortalamasıı küçük olmasıır. Baze bu terim oğruluk olarak alaırılır. Sapmasız ola tahmi eicileri oğruluk ölçütü varyastır. Bir tahmi eici e kaar küçük varyaslı ise o kaar uyarlıır eir.

8 Örek: I, II, III olarak ifae eile 3 farklı zarı 3 er kez atılışıa ele eile souçlar aşağıaki gibi olsu. Bu farklı zar atılışlarıa istatistiklei ele etmeye çalışırsak, Tek zar atılışıa Populasyo Ortalaması:3.5 ur. I II III ort varyas4,33 1,33 7 HKO 5,01,01 7,5 sapma 0,68...0,68...0,5 HKO var yas sapma IV V VI ort varyas HKO sapma VII VIII I ort varyas HKO sapma ÖZET: Yukarıa 9 farklı örekte ele eile souçlar bulumaktaır. Toplama 6 ı 3 lü kombiasyou kaar yai 0 farklı örek ele eilebilir ve tüm bu souçlar kullaılarak tüm istatistikleri beklee eğerleri ele eilebilir.

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

Yrd.Doç.Dr.İstem Köymen KESER

Yrd.Doç.Dr.İstem Köymen KESER Yr.Doç.Dr.İstem Köyme KESER Güve Aralıkları Ortalama yaa iki ortalama farkı içi biliiyor bilimiyor 30

Detaylı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık

Detaylı

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin 4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama

Detaylı

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II 8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet

Detaylı

BASİT ŞANS ÖRNEKLEMESİ

BASİT ŞANS ÖRNEKLEMESİ 5 BAİT ŞA ÖREKLEMEİ 5. Artmetk ortalamaı tahm 5... Artmetk ortalamaı varyası 5... Artmetk ortalama ç güve aralığı 5..3. Artmetk ortalamaı tahme örek hacm ve uyarlılık arasıak lşk 5. Toplamı tahm 5... Toplamı

Detaylı

VII. BÖLÜM ELEKTROSTATİK ENERJİ

VII. BÖLÜM ELEKTROSTATİK ENERJİ 114 VII. BÖLÜM ELEKTROSTATİK ENERJİ 7.1 ELEKTROSTATİK ALANIN ENERJİSİ Elektrik alaıı bir potasiyel eerjiye sahip oluğuu ve bu potasiyel eerjii elektrikle yüklü cisimler üzerie keisii gösteriğii biliyoruz.

Detaylı

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz. YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ 1 TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi

Detaylı

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir. HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya

Detaylı

ve yanlış olan yokluk hipotezini reddetmeme (II. tip hata) olasılığı (β)

ve yanlış olan yokluk hipotezini reddetmeme (II. tip hata) olasılığı (β) . Gİİ Kliik araştırmalara öreklem büyüklüğüü belirlemesi kliik protokolü öemli bir parçasıır. Öreklem büyüklüğü gerekee çok büyük ola bir çalışmaa araştırma solamaa araştırma amacıa ulaşmış ve bazı eey

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi

Detaylı

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler 3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;

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

Titreşim Sistemlerinin Modellenmesi : Matematik Model

Titreşim Sistemlerinin Modellenmesi : Matematik Model Tireşim Sisemlerii Moellemesi : Maemaik Moel Müheislik sisemleri ile ilgili ireşim aalizlerii gerçekleşirme içi öcelikle sisem serbeslik erecelerii yapılacak ireşim aalizi ile uyumlu olarak emsil eecek

Detaylı

BLAST A C G T T A A A C T C G G C I I I I I I I I I A C T T T A A G C C A A G C

BLAST A C G T T A A A C T C G G C I I I I I I I I I A C T T T A A G C C A A G C BLS Öcei erste; DN izilerie,,g, bazlarıı izilişi, RN izilerie,,g,u bazlarıı izilişi ve protei izilerie amio asitleri izilişi baımıa, orta bir alfabe ile yazılmış izileri hizalaması üzerie urulu. Hizalamış

Detaylı

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN ÖRNEKLEME YAPILIR? İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek

Detaylı

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Ders 8: Verileri Düzelemesi ve Aalizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlei tamamıı, ya da kitlede alıa bir öreklemi özetlemekle (betimlemekle)

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme

Detaylı

Adnan GÖRÜR Duran dalga 1 / 21 DURAN DALGA

Adnan GÖRÜR Duran dalga 1 / 21 DURAN DALGA Anan GÖRÜR Duran alga 1 / 21 DURAN DAGA Uygulamalara, iletim hattı boyunca fazör voltaj veya akımının genliğini çizmek çok kolayır. Bunlara kısaca uran alga (DD) enir ve Kayıpsız Hat Kayıplı Hat V ( )

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

Teknik Not / Technical Note KONUT SEKTÖRÜ İÇİN LİNYİT KÖMÜRÜ TÜKETİCİ FAZLASI

Teknik Not / Technical Note KONUT SEKTÖRÜ İÇİN LİNYİT KÖMÜRÜ TÜKETİCİ FAZLASI MADENCİLİK, Cilt 45, Sayı 4, Sayfa 29-4, Aralık 26 Vol.45, No. 4, pp 29-4, December 26 Teknik Not / Technical Note KONUT SEKTÖRÜ İÇİN LİNYİT KÖMÜRÜ TÜKETİCİ FAZLASI Consumer Surplus of Lignite Coal Consumption

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr

Detaylı

Dalgalarda Kırınım ve Girişim. Test 1 Çözüm. 3. fant. m dir. Young deneyinde saçak genişliği Dx = L d. P ve A 0

Dalgalarda Kırınım ve Girişim. Test 1 Çözüm. 3. fant. m dir. Young deneyinde saçak genişliği Dx = L d. P ve A 0 34 Dalgalara Kırıı ve Girişi Test Çözü 3.. kayağı tek yarık pere A x kayağı x y Youg eeyie saçak geişliği Dx = ir.. Tek yarıkta saçak geişliği Dx = ir. Bu bağıtıya göre, yarık geişliği ile saçak geişliği

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki

Detaylı

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel

Detaylı

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7 ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7.. Niçi Örekleme Yapılır 7.. Olasılıklı Örekleme 7... Basit Şas Öreklemesi 7... Tabakalı Örekleme 7... Küme Öreklemesi 7..4. Sistematik Örekleme 7.. Olasılıklı Olmaya

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

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

Işıkta Girişim. Test 1 Çözüm. 3. fant. m dir. Young deneyinde saçak genişliği Dx = L d. P ve A 0

Işıkta Girişim. Test 1 Çözüm. 3. fant. m dir. Young deneyinde saçak genişliği Dx = L d. P ve A 0 37 Işıkta Girişi 1 Test 1 Çözü 3. 1. kayağı tek yarık pere A 1 x kayağı x y Youg eeyie saçak geişliği Dx = ir. 2. Tek yarıkta saçak geişliği Dx = ir. Bu bağıtıya göre, yarık geişliği ile saçak geişliği

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

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P. 4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi

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

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre

Detaylı

Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik

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. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

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. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Detaylı

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - ) 04.05.0 İtatitikel Tahmileme İTATİTİKEL TAHMİNLEME VE YORUMLAMA ÜRECİ GÜVEN ARALIĞI Nokta Tahmii Populayo parametreii tek bir tahmi değerii verir μˆ σˆ p Pˆ Aralık Tahmii Populayo parametreii tahmi aralığıı

Detaylı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı Damızlık Değeri, geotipik değer, allel frekasları Aki Pala, aki@comu.edu.tr ttp://members.comu.edu.tr/aki/ Damızlık değeri esabı µ Ökkeş =800 gr gülük calı ağırlık Sürü A Sürü µ Döller µ 500gr 700 DD esabı

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

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI ÖRNEKLEME YÖNTEMLERİ Prof. Dr. Ergu Karaağaoğlu H.Ü. Tıp Fakültesi Biyoistatistik ABD ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI

Detaylı

Kuzularda Büyümenin Çok Boyutlu Ölçekleme Yöntemi İle Değerlendirilmesi

Kuzularda Büyümenin Çok Boyutlu Ölçekleme Yöntemi İle Değerlendirilmesi 33 Uluag Uiv. J. Fac. Vet. Me. (003) --3: 33-37 Kuzulara Büyümei Çok Boyutlu Ölçekleme Yötemi İle Değerleirilmesi İsmet DOĞAN * Geliş Tarihi: 5.07.003 Kabul Tarihi: 09.09.003 Özet: Büyümeyi karakterize

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

Hipotez Testleri. Parametrik Testler

Hipotez Testleri. Parametrik Testler Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde

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

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

Önceki bölümde bir f fonksiyonunun bir a noktasındaki tanım değeri kadar x

Önceki bölümde bir f fonksiyonunun bir a noktasındaki tanım değeri kadar x 3 TÜREV Önceki bölüme bir f fonksiyonunun bir a noktasınaki tanım eğeri kaar x bağımsız eğişkeni a noktasına yaklaşırken f nin avranışınına önemi vurgulanmış ve it kavramı tanıtılmıştı. Daha sonra it kavramınan

Detaylı

MAKROİKTİSAT (İKT209)

MAKROİKTİSAT (İKT209) MKROİKTİST (İKT29) Ders 5: Basit Keynesyen Moel Prof. Dr. Fera HLICIOĞLU İktisat Bölümü Siyasal Bilgiler Fakültesi İstanbul Meeniyet Üniversitesi Derste İnelenen Konular Basit Keynesyen moel Toplam planlanan

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

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n ) 5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

Ekonometri I VARSAYIMLARI

Ekonometri I VARSAYIMLARI Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:

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

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen

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

Miller genellikle dönerek moment ve hareket ileten dairesel kesitli makina elemanlarıdır. Buralmaya veya burulma ile birlikte eğilmeye zorlanırlar.

Miller genellikle dönerek moment ve hareket ileten dairesel kesitli makina elemanlarıdır. Buralmaya veya burulma ile birlikte eğilmeye zorlanırlar. BÖLÜM.1 Taımlar ve Sııflaırma Miller geellikle öerek momet ve hareket ilete airesel kesitli makia elemalarıır. Buralmaya veya burulma ile birlikte eğilmeye zorlaırlar. Akslar: Saece yük taşıya ve bu eele

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.

Detaylı

BÖLÜM I. Tam sayılarda Bölünebilme

BÖLÜM I. Tam sayılarda Bölünebilme BÖLÜM I Tam sayılara Bölünebilme Teorem 1.1 (Bölme algoritması) b > 0 olmak üzere, verilen a ve b tam sayıları için a = qb + r, 0 r < b (1) olacak şekile bir ve bir tek q, r Z çifti varır. İspat: 1. İlk

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

Appendix C: İstatistiksel Çıkarsama

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

Detaylı

Soru No Puan Program Çıktısı 1,4 1,3,10 1,3,10 1,3,10

Soru No Puan Program Çıktısı 1,4 1,3,10 1,3,10 1,3,10 OREN008 Fial Sıavı 3.05.06 5:00 Öğreci Numaraı İmza Program Aı ve Soyaı SORU. Aşağıaki oruları cevaplayıız... Staarizayo ve peifikayo eir? Tüketici içi fayaları elerir?.. Vikozite eir? Egler vikozimetrei

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

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler 1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2 LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık

Detaylı

GEMİ STABİLİTESİ. Başlangıç Stabilitesi (GM) Statik Stabilite (GZ-ø eğrisi) Dinamik Stabilite (GZ-ø eğrisi altında kalan alan )

GEMİ STABİLİTESİ. Başlangıç Stabilitesi (GM) Statik Stabilite (GZ-ø eğrisi) Dinamik Stabilite (GZ-ø eğrisi altında kalan alan ) Eİ STAİLİTESİ Hasarsız emi Stabilitesi aşlangıç Stabilitesi () Statik Stabilite (Z-ø eğrisi) Dinamik Stabilite (Z-ø eğrisi altına kalan alan ) Yüzen Cisimlerin Dengesi ve aşlangıç Stabilitesi emiye herhangi

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

n, 1 den büyük bir sayma sayısı olmak üzere,

n, 1 den büyük bir sayma sayısı olmak üzere, KÖKLÜ SAYILAR, de üyük ir sayma sayısı olmak üzere, x = α deklemii sağlaya x sayısıa α ı yici derecede kökü deir. x m = x m O halde tersi düşüülürse, ir üslü sayıı üssü kesirli ise, o sayı köklü sayı içimide

Detaylı

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem YTÜ-İktisat İstatistik II Nokta Tahmii 1 Tahmi teoriside amaç öreklem (sample) bilgisie dayaarak aakütleye (populatio) ilişki çıkarsamalar yapmaktır. Bu çıkarsamalar aakütlei dağılımıı belirleye bilimeye

Detaylı

STOK KONTROL YÖNETİMİ

STOK KONTROL YÖNETİMİ STOK KONTRO YÖNETİMİ 1) Stok Yönetiminin Unsurları (Stok yönetiminin önemi, talep ve stok maliyetleri) ) Stok Kontrol Sistemleri (Sürekli ve Periyoik Sistemler) 3) Ekonomik Sipariş Miktarı (EO) Moelleri

Detaylı

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük

Detaylı

BRİNELL SERTLİK YÖNTEMİ

BRİNELL SERTLİK YÖNTEMİ www.muhenisiz.net 1 BRİNELL SERTLİK YÖNTEMİ Belli çaptaki sert bir bilya malzeme yüzeyine belli bir yükü uygulanarak 30 saniye süre ile bastırılır. Deneye uygulanan yükün meyana gelen izin alana bölünmesiyle

Detaylı

Açık kümeleri belirlemek ve tanımlamak birkaç yolla olabilir. Biz bu yolların birkaçını. + r) açık aralığıdır.

Açık kümeleri belirlemek ve tanımlamak birkaç yolla olabilir. Biz bu yolların birkaçını. + r) açık aralığıdır. . KÜMELERİN YAPILARI. Açık Kümeler-Kapalı Kümeler vereceğiz. Açık kümeleri belirlemek ve tanımlamak birkaç ylla labilir. Biz bu ylların birkaçını.. Tanım: (X, ) metrik uzay x0 (i) B(x, r) { x X : (x, x)

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

MAKİNA BİLGİSİ I. KISIM ÖRNEK PROBLEMLER

MAKİNA BİLGİSİ I. KISIM ÖRNEK PROBLEMLER ENERJİ VE VERİM ÖRNEK PROBLEM (ENERJİ DÖNÜŞÜMÜ): % 6 verimle çalışa bir iesel motor 86.000 kcal karşılığı iş yapmıştır. Diesel yakıtı altı ısıl eğeri 0.000 kcal/kg, birim fiyatı 4.5 TL/kg ır. a) Harcaa

Detaylı

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer. SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk

Detaylı

A noktasında ki cisim uzaklaşırken de elektriksel kuvvetler iş yapacaktır.

A noktasında ki cisim uzaklaşırken de elektriksel kuvvetler iş yapacaktır. C) ELEKTRİKSEL POTNSİYEL ENERJİ: Şekil 1 eki +Q yükü, + yükünü Q. F k kuvveti ile iter. Bu neenle + yükünü sonsuzan ya a topraktan noktasına getirmek için elektriksel kuvvetlere karşı iş yapılır. Bu iş,

Detaylı

DERS 10. Kapalı Türev, Değişim Oranları

DERS 10. Kapalı Türev, Değişim Oranları DERS 0 Kapalı Türev, Değişim Oranları 0.. Kapalı Türev. Fonksiyon kavramının ele alınığı ikinci erste kapalı enklemlerin e fonksiyon tanımlayabileceğini görmüştük. F (, enklemi ile tanımlanan f fonksiyonu

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

MERCEKLER MERCEKLER I 1 I 2. 3f/4 2f/3. 5f/7 5f/3

MERCEKLER MERCEKLER I 1 I 2. 3f/4 2f/3. 5f/7 5f/3 6. BÖÜM MERCEER AŞTRMAAR ÇÖZÜMER MERCEER. 6 7 θ θ 8 θ θ 9 / / 5 0 5/7 5/ 90 OPTİ . 6 O O O 7 O T O O / 8 O T / 9. O T. O O T / 5 0 O T O O T / / OPTİ 9 . x x x x x x x x x O x x x x x O O x Her aralığa

Detaylı

SAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Ders Notları. Prof. Dr.

SAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Ders Notları. Prof. Dr. SAÜ. Mühedislik Fakültesi Edüstri Mühedisliği Bölümü DİFERENSİYEL DENKLEMLER - Döemi Ders Notları Pro. Dr. Cemaletti KUBAT .Çok Değişkeli Foksiolarda Talor-McLauri Açılımları, Ekstremum Noktalar..Talor-McLauri

Detaylı

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı

Detaylı

0REN2008 MAKĠNA BĠLGĠSĠ KISIM 2 ÖRNEK PROBLEMLER

0REN2008 MAKĠNA BĠLGĠSĠ KISIM 2 ÖRNEK PROBLEMLER OREN008 MAKİNA BİLGİSİ KISIM : ÖRNEK PROBLEMLER Karaeiz Tekik Üiversitesi Orma Fakültesi Orma Eüstri Müheisliği Bölümü 0REN008 MAKĠNA BĠLGĠSĠ KISIM ÖRNEK PROBLEMLER Yr.Doç.Dr. Kal ÜÇÜNCÜ Orma Eüstri Müheisliği

Detaylı

ÖRNEKLEME TEORİSİ 1/30

ÖRNEKLEME TEORİSİ 1/30 ÖRNEKLEME TEORİSİ 1/30 NİÇİN ÖRNEKLEME Zaman Kısıdı Maliyeti Azaltma YAPILIR? Hata Oranını Azaltma Sonuca Ulaşma Hızı /30 Örnekleme Teorisi konusunun içinde, populasyondan örnek alınma şekli, örneklerin

Detaylı

TEST 20-1 KONU KONDANSATÖRLER. Çözümlerİ ÇÖZÜMLERİ. 1. C = e 0 d. 2. q = C.V dır. C = e 0 d. 3. Araya yalıtkan bir madde koymak C yi artırır.

TEST 20-1 KONU KONDANSATÖRLER. Çözümlerİ ÇÖZÜMLERİ. 1. C = e 0 d. 2. q = C.V dır. C = e 0 d. 3. Araya yalıtkan bir madde koymak C yi artırır. KOU 0 KOSÖRLR Çözümler. e 0 S 0- ÇÖÜMLR (Sığa saece levhaların yüzey alanı, araaki uzaklık ve yalıtkanlık katsayısına bağlıır.) P: 5. 6 3 u tür soruları potansiyel ağıtarak çözelim. Potansiyel seri konansatörlere

Detaylı

Deney 21 PID Denetleyici (I)

Deney 21 PID Denetleyici (I) Deney 21 PID Denetleyici (I) DENEYİN AMACI 1. Ziegler ve Nichols ayarlama kuralı I i kullanarak PID enetleyici parametrelerini belirlemek. 2. PID enetleyici parametrelerinin ince ayarını yapmak. GENEL

Detaylı

STAD. Balans vanası ENGINEERING ADVANTAGE

STAD. Balans vanası ENGINEERING ADVANTAGE Balans vanaları STAD Balans vanası Basınçlanırma & Su kalitesi Balanslama & Kontrol Termostatik kontrol ENGINEERING ADVANTAGE STAD balans vanaları geniş bir uygulama alanına hassas hironik performans sağlar.

Detaylı

Kapasitans (Sığa) Paralel-Plaka Kondansatör, Örnek. Paralel-Plaka Kondansatör. Kondansatör uygulamaları Kamera flaşı BÖLÜM 26 SIĞA VE DİELEKTRİKLER

Kapasitans (Sığa) Paralel-Plaka Kondansatör, Örnek. Paralel-Plaka Kondansatör. Kondansatör uygulamaları Kamera flaşı BÖLÜM 26 SIĞA VE DİELEKTRİKLER BÖLÜM 6 SIĞ VE DİELEKTRİKLER Sığa nın tanımı Sığa nın hesaplanması Konansatörlerin bağlanması Yüklü konansatörlere epolanan enerji Dielektrikli konansatörler Problemler Kapasitans (Sığa) Konansatör çitli

Detaylı

DİZİLER - SERİLER Test -1

DİZİLER - SERİLER Test -1 DİZİLER - SERİLER Test -. a,,,,, dizisii altıcı terimi. Geel terimi, a ola dizii kaçıcı terimi dir? 6. Geel terimi, a! ola dizii dördücü terimi 8 8 6. Geel terimi, a k k ola dizii dördücü terimi 6 0 6

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

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen

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