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

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = (n-2).(n-l).n biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, gama fonksiyonu yardımıyla ispatlanmışlardır.] Örnek 7: a) 7! = = 5040, b) (12-4)! = 8! = = Kombinasyon: n eleman içerisinden x tanesinin seçilme yolları sayısını vermekte ve toplam kombinasyon sayısı, biçiminde gösterilerek "n eleman arasından her seferinde x tanesinin seçilmesinde kombinasyon sayısı" olarak okunmaktadır. Örnek 8: 4 tane soru arasından 2 tanesi kaç farklı şekilde seçilir? Çözüm: 2

2 Binom (iki terimli) olasılık dağılımı Binom olasılık dağılımı, x in kesikli rassal değişken olması durumunda en yaygın kullanılan dağılımlardan biridir. Binom olasılık dağılımı, n tekrarlı bir deneyde x kez istenen sonuç gelmesi durumunda, olasılıklarının bulunması amacıyla kullanılmaktadır. Örneğin bir fabrikada üretilen TV setlerinden 3 tanesinin seçilmesi durumunda, bunlardan bir tanesinin arızalı olma olasılığının bulunmasında kullanılmaktadır. Binom olasılık dağılımının uygulanabilmesi için x değişkeninin iki sonuçlu (kesikli) rassal değişkeninin anlamı, deneyin her tekrarından sonra bu iki sonuçtan birinin ortaya çıkmasıdır. Binom Deneyi Eğer bir deney aşağıdaki dört koşulu sağlıyorsa bu deneye binom deneyi denmektedir. 1. n tane özdeş deneme vardır. Yani verilen deney n kez özdeş (aynı) koşullarda tekrarlanmaktadır. 2. Her denemenin sadece ve sadece iki sonucu vardır. Bu sonuçlara genellikle başarı ya da başarısızlık denmektedir. 3. p başarı olasılığı, q ise başarısızlık olasılığı olmak üzere p+q=1 dir. p ve q olasılıkları her deneme için aynıdır. 4. Bir denemenin sonucu öteki denemenin sonucunu etkilememektedir. Yani denemeler bağımsızdır. 3

3 Binom Olasılık Dağılımı ve Binom Formülü Bir binom deneyinde n denemede elde edilen başarı sayısı x ile ifade ediliyorsa, x rassal değişkenine binom rassal değişkeni, dağılımınaysa binom olasılık dağılımı ya da kısaca binom dağılımı denir. Binom dağılımı, n.denemeden x başarılı sonucun elde edildiği binom deneyinde olasılık hesaplamak amacıyla kullanılmaktadır. Burada x in kesikli rassal değişken olduğu unutulmamalıdır. Binom Formülü, bir binom deneyinde, n denemeden x tane başarılısonuç elde edilmesinin olasılığı, binom formülüyle bulunmaktadır. Burada; n = toplam deney sayısı, p = başarılı sonuç elde edilme olasılığı, q = 1-p = başarısız sonuç elde edilme olasılığı, x = başarılı sonuç sayısı, n-x = başarısız sonuç sayısıdır. Örnek 9: Bir firma tarafından üretilen TV setlerinin % 5 inin kusurlu (arızalı) olduğu bilinmektedir. a) Bu firma üretilen TV setlerinden rassal üç tanesinin seçilmesi ve kalite kontrol uzmanlarınca dikkatli bir biçimde incelenmesi deneyi, bir binom deneyi midir? b) Rastgele seçilmiş olan 3 TV setinden sadece bir tanesinin arızalı olma olasılığı nedir? Çözüm: a) 1. Bu örnekte üç tane aynı türden (özdeş) deneme vardır. 4

4 2. Her denemede (arızalı ve arızasız) iki sonuç vardır ve bu sonuçlar başarı ve başarısızlık olarak değerlendirilmemektedir. 3. TV setinin arızalı (başarı) olma olasılığı p = 0.05, arızasız (başarısız) olma olasılığı q = 0.95 olup olasılıklar toplamı 1 dir. 4. Denemeler birbirinden bağımsızdır. Çünkü incelenen herhangi bir TV setinin arızalı olması daha sonra incelenecek olan arızaların ya da arızasız olmasını etkilememektedir. Bu dört koşulun sağlanması nedeniyle bu deney de bir binom deneyidir. c) Burada p = 0.05, q = 0.95, x = 1, n =3 dür. O zaman rastgele seçilmiş 3 TV setinden sadece bir tanesinin arızalı olma olasılığı elde edilir. Örnek 10: Yüksek kalitede hizmet sunan bir kargo şirketinin, paketlerinden sadece %2 sini belirlenen sürede yerine ulaştırmadığı bilinmektedir. Bir müşteri 10 tane paketi bu kargo firmasına getirerek, belirli bir sürede üzerlerinde yazılı adreslere ulaştırılmasını istemiştir. a) Bu paketlerden bir tanesinin belirlenen sürede yerine ulaşmama olasılığı nedir? b) Bu paketlerden en çok bir tanesinin belirlenen sürede yerine ulaşmama olasılığı nedir? Çözüm: Bu paketin yerine ulaşması başarı, ulaşmaması başarısızlık olarak tanımlanırsa, 5

5 n = toplam paket sayısı = 10, p = başarılı = 0.98, q = 1-p = 0.02 değerleri yazılır. a) Sadece bir paketin ulaşmaması durumuyla ilgilendiğinden, x = 9 (başarılı sonuç sayısı), n-x = 10-9 = 1 (başarısız sonuç sayısı) değerleri de kullanılarak istenen olasılık bulunur. b) En çok bir paketin yerine ulaşmaması durumuyla ilgilendiğindeyse x=0 ve x=1 olmaktadır. Bu durumda sonucu elde edilmektedir. Başarı Olasılığı ve Binom Dağılımının Biçimi n deneme durumunda, 1. Eğer p = 0.50 ise binom dağılımı simetrik 2. Eğer p, 0.50 den küçük ise binom olasılık dağılımının sağa doğru çarpık 3. p, 0.50 den büyük ise binom olasılık dağılımının sola doğru çarpık olduğu gösterilebilir. Bu durumlar aşağıda verilmiştir. 1. n = 4 ve p = 0.50 alınacak olursa, x olasılık dağılımı ve olasılık dağılımının simetrik grafiği aşağıdaki gibidir. 6

6 x Toplam Tablo 5.8. n = 4 ve p = 0.50 için x in olasılık dağılımı 0,4 0,3 0,2 0, Şekil 5.3. x in olasılık dağılımının grafiği 2. n = 4 ve p = 0.30 (0.50 den küçük) olarak alınacak olursa, x in olasılık dağılımı ve sağa doğru çarpık grafiği aşağıdaki gibidir. 7

7 x ,0081 Toplam Tablo 5.9. n = 4 ve p = 0.30 için x in olasılık dağılımı 0,5 0,4 0,3 0,2 0, Şekil 5.4. x in olasılık dağılımının grafiği 3. n = 4 ve p = 0.80 (0.50 den büyük) olarak alınacak olursa, x in olasılık dağılımı ve sola doğru çarpık grafiği aşağıdaki gibidir. 8

8 x ,4096 Toplam Tablo n = 4 ve p = 0.30 için x in olasılık dağılımı 0,45 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0, Şekil 5.5. x in olasılık dağılımının grafiği Binom Dağılımının Ortalama ve Standart Sapması Bu kesimde kesikli rassal değişkenin binom dağılımına sahip olması durumunda, ortalama ve standart sapmanın elde edilmesinde kullanılan, daha uygun ve basit formüller verilecektir. 9

9 BLM104 Olasılık ve İstatistik 10 Bir binom dağılımının ortalama ve standart sapması, ve biçiminde olup, burada n toplam deneme sayısı, p başarı olasılığı ve q ise başarısızlık olasılığıdır. Örnek 11: Yapılan bir araştırmayla bir kasabadaki erişkinlerin %58 inin psikolojik sorunu olduğu bulunmuştur. Bu kasabadan rassal 25 erişkin seçilmiştir. x, bu örneklemdeki psikolojik sorunu olan kişi sayısını göstermek üzere, x in olasılık dağılımının ortalama ve standart sapmasını bulunuz. Çözüm: Burada başarı olarak düşünülen sonuç p = 0.58 ve q = 0.42 dir. Yukarıda verilmiş olan formüllerden yararlanılarak olarak kolayca bulunabilir. Bu değerlerin anlamı; seçilen 25 kişiden 2.47 standart sapmayla ortalama tanesinin psikolojik sorunlu olması beklenmektedir. 10

10 BLM104 Olasılık ve İstatistik 11 Poisson olasılık dağılımı Fransız matematikçi Simeon D.Poisson un adıyla anılan Poisson olasılık dağılımı, binom dağılımı gibi x in kesikli bir rassal değişken olması durumunda (yaygın) kullanılan dağılımlardan biridir. Örneğin bir kavşakta trafik kazası olması birkaç kez rastlanan bir olaydır. Burada istenen, gelecek ay o kavşakta iki trafik kazası olması olasılığıdır. Bu örnek Poisson dağılımına uygundur ve her kaza olması; meydana gelme ya da tekrar olma (occurunce) biçiminde ifade edilir. Eğer verilen bir aralıkta tekrar sayısının ortalaması biliniyorsa, Poisson olasılık dağılımı kullanılarak, x ile gösterilen tekrar sayısına ilişkin herhangi bir değerin olasılığı hesaplanabilmektedir. Poisson Olasılık Dağılımının Uygulanma Koşulları; 1. x kesikli rassal değişkendir. 2. Tekrarlar rassaldır. 3. Tekrarlar bağımsızdır. Örnek 12: 1. Bir hastanenin acil servisine belirli zaman aralığında (bir saat, bir gün) gelen hasta sayısı. Burada hasta gelişleri (tekrar) rassaldır ve gelen hasta sayısı 0, 1, 2, < olabilir. Hasta gelişleri (tekrar) bağımsızdır. Çünkü gelişler tek tektir ve gelen iki hasta arasında ilişki yoktur. 2. Bir makinede üretilecek 100 parçadan, kusurlu parça sayısı da Poisson dağılımına uygundur. Çünkü burada bir hacim aralığı 11

11 BLM104 Olasılık ve İstatistik 12 (100 parça) söz konusu olup, kusurlu parça sayıları (tekrar) rassal ve bir parçanın kusurlu olması, bir diğerinden bağımsızdır metre uzunluğunda bir demir çubuktaki hava kabarcıkları (kusur) inceleniyor olsun. Bu örmekte aralık bir uzay aralığı olup hava kabarcığı sayısı rassaldır ve bu hava kabarcıkları birbirinden bağımsızdır. Poisson Olasılık Dağılım Formülü Poisson olasılık dağılımına göre, bir aralıkta x tekrarın gözlenmesi olasılığı, eşitliğiyle bulunmaktadır. Burada verilen bir aralıkta ortalama tekrar sayısıdır. (e= ) Bir aralıktaki ortalama tekrar sayısı, Poisson olasılık dağılımının parametresi ya da kısaca Poisson parametresi olarak bilinir. Örnek 13: Yapılan bir araştırmada yaş grubundaki tüketicilerin ayda ortalama 6.9 kez alışverişe çıktıkları bulunmuştur. Poisson olasılık dağılımına uyduğu düşünülen rassal değişken için, yaş grubunun ayda 5 kez alışverişe çıkması olasılığını bulunuz. Çözüm: Ortalama alışveriş sayısı olan 6.9 dağılımının ortalaması ve olasılığı bulunması istenen tekrar sayısı x ise 5 alınarak istenen olasılık değeri, Poisson dağılımı formülünden elde edilir. 12

12 BLM104 Olasılık ve İstatistik 13 Örnek 14: Bir çamaşır makinesi, ayda ortalama, üç kez sıkma arızası yapmaktadır. Poisson olasılık dağılımından yararlanarak bu makinenin gelecek ay a) İki kez arızalanması, b) En çok bir kez arızalanması olasılıklarını bulunuz. Çözüm: Ayda ortalama üç kez sıkma arızası olduğuna göre =3 dür. Bu durumda; a) Gelecek ay iki kez sıkma arızası olma olasılığı; olarak bulunur. b) Gelecek ay, en çok bir sıkma arızası ifadesiyle, hiç arıza olmaması ve sadece bir arıza olması kastedilmektedir. olarak elde edilir. Not: Poisson olasılık dağılımında ve x in aralıkları aynı olmalıdır. Aksi takdirde eşitliğin sağlanması için ortalamasının tekrar tanımlanması gerekir. Örnek 15: Bolkazanç bankasının Kızılay Şubesinde her gün ortalama iki tane yeni hesap açtırıldığı bilinmektedir. Verilen bir günde, a) 6 yeni hesap b) En çok 3 yeni hesap 13

13 BLM104 Olasılık ve İstatistik 14 c) En az 7 yeni hesap açtırılması olasılıklarını bulunuz. Çözüm: Önce, formülde kullanılacak değerler tanımlanmalıdır. Bu bilgiler ışığında Poisson olasılık dağılım formülü kullanılarak istenen olasılıklar; 14

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

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

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

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

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

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

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

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

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

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

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

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

Ders 1 Minitab da Grafiksel Analiz-I

Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya

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

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

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

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

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08 1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel

Detaylı

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV SETİ Ödev 1. Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

Örneklem Dağılımları ve Merkezi Limit Teoremi

Örneklem Dağılımları ve Merkezi Limit Teoremi Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel

Detaylı

Poisson Dağılımı Özellikleri ve Olasılıkların Hesaplanması

Poisson Dağılımı Özellikleri ve Olasılıkların Hesaplanması Özellikleri ve Olasılıkların Hesaplanması Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Poisson dağılımı kesikli dağılımlar içinde Binom dağılımından

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

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

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

Olasılık Kuramı ve Bazı Olasılık Dağılımları

Olasılık Kuramı ve Bazı Olasılık Dağılımları KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası

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

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi 2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel

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

OLASILIK LASILIK ve İSTATİSTİK Olasılık

OLASILIK LASILIK ve İSTATİSTİK Olasılık 1-1 Click To Edit Master Title Style OLASILIK ve İSTATİSTİK Olasılık Yrd.Doç.Dr Doç.Dr.. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü 1-2 GİRİŞ Olasılık,

Detaylı

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır? 26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup

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

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

Detaylı

Yrd. Doç. Dr. Neşet Demirci, Balıkesir Üniversitesi NEF Fizik Eğitimi. Parametrik Olmayan Testler. Ki-kare (Chi-Square) Testi

Yrd. Doç. Dr. Neşet Demirci, Balıkesir Üniversitesi NEF Fizik Eğitimi. Parametrik Olmayan Testler. Ki-kare (Chi-Square) Testi Parametrik Olmayan Testler Ki-kare (Chi-Square) Testi Ki-kare (Chi-Square) Testi En iyi Uygunluk (Goodness of Fit) Ki-kare Dağılımı Bir çok önemli istatistik testi ki kare diye bilinen ihtimal dağılımı

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

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

ULUSLARARASI İLİŞKİLER BÖLÜMÜ A GRUBU İSTATİSTİK (2015-2016 BAHAR YARIYILI) VİZE SINAVI (24.11.2015)

ULUSLARARASI İLİŞKİLER BÖLÜMÜ A GRUBU İSTATİSTİK (2015-2016 BAHAR YARIYILI) VİZE SINAVI (24.11.2015) ULUSLARARASI İLİŞKİLER BÖLÜMÜ A GRUBU İSTATİSTİK (2015-2016 BAHAR YARIYILI) VİZE SINAVI (24.11.2015) Soru 1: ABD de Chicago şehrinde yapılan bir çalışmada, 586 adet itfaiye eri arasından şeflik sınavına

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

GÜVEN ARALIKLARI ALISTIRMA SORULARI. 2012 Aras.Gör. Efe SARIBAY

GÜVEN ARALIKLARI ALISTIRMA SORULARI. 2012 Aras.Gör. Efe SARIBAY GÜVEN ARALIKLARI ALISTIRMA SORULARI 2012 Aras.Gör. Efe SARIBAY 1) Bir bankada bir gün içerisinde açılan vadeli TL. hesaplarının ortalamasını incelemek amacıyla yapılan bir araştırmada 12 günlük yapılan

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

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür.

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 1 Olasılık Örnekler 1. Bir çantada 4 beyaz 8 siyah top vardır. Bir siyah top çekilmesi olasılığı nedir? Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 2.

Detaylı

İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014

İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel kalite kontrol o Üretim ve hizmet süreçlerinin ölçülebilir veriler yardımıyla istatistiksel yöntemler kullanılarak

Detaylı

İSTATİSTİK II (İST202U)

İSTATİSTİK II (İST202U) İSTATİSTİK II (İST202U) KISA ÖZET KOLAYAOF DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ.

Detaylı

DENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı

DENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı DENEY 0 Bölüm 1 - Ölçme ve Hata Hesabı Amaç: Ölçüm metodu ve cihazına bağlı hata ve belirsizlikleri anlamak, fiziksel bir niceliği ölçüp hata ve belirsizlikleri tespit etmek, nedenlerini açıklamak. Genel

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

Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma

Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma - 1 Ödevler 5 er kişilik 7 grup Hayali bir şirket kurulacak Bu şirketin kalite kontrol süreçleri raporlanacak Kalite sistem dokümantasyonu oluşturulacak

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,

Detaylı

11.1 11.2. Tanım Akışkanların Statiği (Hidrostatik) Örnekler Kaldırma Kuvveti. 11.3 Örnek Eylemsizlik Momenti. 11.4 Eylemsizlik Yarıçapı

11.1 11.2. Tanım Akışkanların Statiği (Hidrostatik) Örnekler Kaldırma Kuvveti. 11.3 Örnek Eylemsizlik Momenti. 11.4 Eylemsizlik Yarıçapı 11.1 11. Tanım Akışkanların Statiği (Hidrostatik) Örnekler Kaldırma Kuvveti 11.3 Örnek Eylemsizlik Momenti 11.4 Eylemsizlik Yarıçapı 11.5 Eksen Takımının Değiştirilmesi 11.6 Asal Eylemsizlik Momentleri

Detaylı

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Sıra İstatistikleri ve Uygulama Alanlarından Bir Örneğin Değerlendirmesi 89 SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Esin Cumhur PİRİNÇCİLER Araş. Gör. Dr., Çanakkale Onsekiz

Detaylı

ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir.

ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir. ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ Kuyruk sistemleri, Operasyon yönetiminde önemli bir alana sahiptir. Üretimde, atölye çevresi kuyruk şebekelerinin karmaşık bir ilişkisi olarak düşünülebilir. Bir

Detaylı

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri Girdi Analizi 0 Gerçek hayattaki benzetim modeli uygulamalarında, girdi verisinin hangi dağılımdan geldiğini belirlemek oldukça zor ve zaman harcayıcıdır. 0 Yanlış girdi analizi, elde edilen sonuçların

Detaylı

PERMÜTASYON, KOMBİNASYON. Örnek: Örnek: Örnek:

PERMÜTASYON, KOMBİNASYON. Örnek: Örnek: Örnek: SAYMANIN TEMEL KURALLARI Toplama Kuralı : Sonlu ve ayrık kümelerin eleman sayılarının toplamı, bu kümelerin birleşimlerinin eleman sayısına eşittir. Mesela, sonlu ve ayrık iki küme A ve B olsun. s(a)=

Detaylı

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi İlhan AYDIN KESİKLİ-OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi

Detaylı

YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri-

YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- Hazırlayan Yrd. Doç. Selçuk Üniversitesi Mühendislik Fakültesi - Endüstri Mühendisliği Bölümü Giriş Zaman içerisinde tamamen önceden kestirilemeyecek şekilde

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

Diğer sayfaya geçiniz. 2013 - YGS / MAT TEMEL MATEMATİK TESTİ. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır?

Diğer sayfaya geçiniz. 2013 - YGS / MAT TEMEL MATEMATİK TESTİ. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır? TEMEL MATEMATİK TESTİ 1. Bu testte 40 soru vardır. 2. Cevaplarınızı, cevap kâğıdının Temel Matematik Testi için ayrılan kısmına işaretleyiniz. 1. 3. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır? A)

Detaylı

A t a b e y M e s l e k Y ü k s e k O k u l u İstatistik Sunum 4 Öğr.Gör. Şükrü L/O/G/O KAYA www.sukrukaya.org www.themegallery.com 1 Yer Ölçüleri Yer ölçüleri, verilerin merkezini veya yığılma noktasını

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

Örnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir.

Örnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir. BÖLÜM 3. OLASILIK ve OLASILIK DAĞILIMLARI Rasgele Sonuçlu Deney: Sonuçlarının kümesi belli olan, ancak hangi sonucun ortaya çıkacağı önceden söylenemeyen bir işleme Rasgele Sonuçlu Deney veya kısaca Deney

Detaylı

ÜNİTE ÜNİTE. RİSK YÖNETİMİ Doç. Dr. İbrahim Doğan İÇİNDEKİLER HEDEFLER KANTİTATİF RİSK DEĞERLENDİRME TEKNİKLERİ

ÜNİTE ÜNİTE. RİSK YÖNETİMİ Doç. Dr. İbrahim Doğan İÇİNDEKİLER HEDEFLER KANTİTATİF RİSK DEĞERLENDİRME TEKNİKLERİ HEDEFLER İÇİNDEKİLER KANTİTATİF RİSK DEĞERLENDİRME TEKNİKLERİ Giriş İstatiksel Kavramlar Olasılık Şartlı Olasılık Rassal Değişken Beklenen Değer Varyans Histogram Kantitatif Risk Değerlendirme Teknikleri

Detaylı

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

Evren (Popülasyon) Araştırma kapsamına giren tüm elemanların oluşturduğu grup. Araştırma sonuçlarının genelleneceği grup

Evren (Popülasyon) Araştırma kapsamına giren tüm elemanların oluşturduğu grup. Araştırma sonuçlarının genelleneceği grup Evren (Popülasyon) Araştırma kapsamına giren tüm elemanların oluşturduğu grup Araştırma sonuçlarının genelleneceği grup Evrendeğer (Parametre): Değişkenlerin evrendeki değerleri µ : Evren Ortalaması σ

Detaylı

Su Ürünlerinde Temel İstatistik. Ders 2: Tanımlar

Su Ürünlerinde Temel İstatistik. Ders 2: Tanımlar Su Ürünlerinde Temel İstatistik Ders 2: Tanımlar Karakter Araştırma yada istatistiksel analizde ele alınan ünitenin yapısal (morfolojik, fizyolojik, psikolojik, estetik, vb.) özellikleridir. Tüm karakterler

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN. Ders No:2 Simülasyon Örnekleri 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ.DR. SAADETTIN ERHAN KESEN Ders No:2 GIRIŞ Bu derste elle ya da bir çalışma sayfası yardımıyla oluşturulacak bir simülasyon tablosunun kullanımıyla yapılabilecek simülasyon

Detaylı

Araş.Gör. Efe SARIBAY

Araş.Gör. Efe SARIBAY GÜVEN ARALIKLARI (ARALIK TAHMİNİ) ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY 1) Bir hisse senedinin $ bazında fiyatının ortalamasını incelemek için yapılan bir araştırmada 18 gün boyunca hisse senedinin

Detaylı

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI STOKASTİK (RASSAL) SÜREÇLER Bazen rassal değişkenlerin zamanla nasıl değiştiğiyle ilgileniriz. Örneğin

Detaylı

2012 YGS MATEMATİK Soruları

2012 YGS MATEMATİK Soruları 01 YGS MATEMATİK Soruları 1. 10, 1, 0, 0, işleminin sonucu kaçtır? A) B), C) 6 D) 6, E) 7. + ABC 4 x 864 Yukarıda verilenlere göre, çarpma işleminin sonucu kaçtır? A) 8974 B) 907 C) 9164 D) 94 E) 98. 6

Detaylı

GÜVEN ARALIĞI KESTİRİM

GÜVEN ARALIĞI KESTİRİM GÜVEN ARALIĞI KESTİRİM GÜVEN ARALIĞI Herhangi bir parametre için güven aralığı iki istatistikle verilir: U ve L. Öyle ki, eğer parametrenin doğru değeri θ ise, o zaman P(L θ U) = 1 - α Burada θ parametrenin

Detaylı

Veri Ağlarında Gecikme Modeli

Veri Ağlarında Gecikme Modeli Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:

Detaylı

Deneyin Amacı Çekme deneyinin incelenmesi ve metalik bir malzemeye ait çekme deneyinin yapılması.

Deneyin Amacı Çekme deneyinin incelenmesi ve metalik bir malzemeye ait çekme deneyinin yapılması. 1 Deneyin Adı Çekme Deneyi Deneyin Amacı Çekme deneyinin incelenmesi ve metalik bir malzemeye ait çekme deneyinin yapılması. Teorik Bilgi Malzemelerin statik (darbesiz) yük altındaki mukavemet özelliklerini

Detaylı

BENZETİM. Prof.Dr.Berna Dengiz

BENZETİM. Prof.Dr.Berna Dengiz Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans

Detaylı

İSTATİSTİK 1 (2015-2016 BAHAR YARIYILI) 6. Hafta Örnek soru ve cevapları

İSTATİSTİK 1 (2015-2016 BAHAR YARIYILI) 6. Hafta Örnek soru ve cevapları İSTATİSTİK 1 (2015-2016 BAHAR YARIYILI) 6. Hafta Örnek soru ve cevapları Soru 1: Yapılan bir çalışma sonucunda yetişkinlerin günde ortalama 6.9 saat uydukları tespit edilmiştir. Standart sapmanın ise 1.2

Detaylı

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 SORU 2: Motosiklet sigortası pazarlamak isteyen bir şirket, motosiklet kaza istatistiklerine bakarak, poliçe başına yılda ortalama 0,095 kaza olacağını tahmin

Detaylı

T.C. MİLLÎ EĞİTİM BAKANLIĞI EĞİTİM TEKNOLOJİLERİ GENEL MÜDÜRLÜĞÜ. Sınav Hizmetleri Daire Başkanlığı

T.C. MİLLÎ EĞİTİM BAKANLIĞI EĞİTİM TEKNOLOJİLERİ GENEL MÜDÜRLÜĞÜ. Sınav Hizmetleri Daire Başkanlığı T.C. MİLLÎ EĞİTİM BKNLIĞI EĞİTİM TEKNOLOJİLERİ GENEL MÜDÜRLÜĞÜ Sınav Hizmetleri Daire Başkanlığı KİTPÇIK TÜRÜ TPU VE KDSTRO GENEL MÜDÜRLÜĞÜ PERSONELİNE YÖNELİK UNVN DEĞİŞİKLİĞİ SINVI Soru Sayısı: 60 dayın

Detaylı

Ders 3- Direnç Devreleri I

Ders 3- Direnç Devreleri I Ders 3- Direnç Devreleri I Yard.Doç.Dr. Ahmet Özkurt Ahmet.ozkurt@deu.edu.tr http://ahmetozkurt.net İçerik 2. Direnç Devreleri Ohm kanunu Güç tüketimi Kirchoff Kanunları Seri ve paralel dirençler Elektriksel

Detaylı

Olasılığa Giriş Koşullu Olasılık Bayes Kuralı

Olasılığa Giriş Koşullu Olasılık Bayes Kuralı Olasılığa Giriş Koşullu Olasılık Bayes Kuralı Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Olasılığa Giriş Bundan önceki bölümlerde veri setini özetleyen,

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

1. ÖRNEKLEME VE ARAŞTIRMA PROBLEMİNE UYGUN ÖRNEKLEME YAPMA

1. ÖRNEKLEME VE ARAŞTIRMA PROBLEMİNE UYGUN ÖRNEKLEME YAPMA 1. ÖRNEKLEME VE ARAŞTIRMA PROBLEMİNE UYGUN ÖRNEKLEME YAPMA Araştırmacı kişi ya da kurumlar birinci el veri elde etye yönelik araştırma yapmaya karar verdiklerinde çoğu zaman araştırma yapacağı grubun tüm

Detaylı

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI aysecagli@beykent.edu.tr 1 Güven aralığı ve Hipotez testi Güven aralığı µ? µ? Veriler, bir değer aralığında hangi değeri gösteriyor? (Parametrenin gerçek

Detaylı

LOJİSTİK REGRESYON ANALİZİ

LOJİSTİK REGRESYON ANALİZİ LOJİSTİK REGRESYON ANALİZİ Lojistik Regresyon Analizini daha kolay izleyebilmek için bazı terimleri tanımlayalım: 1. Değişken (incelenen özellik): Bireyden bireye farklı değerler alabilen özellik, fenomen

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve

Detaylı

İstatistik Dersi Çalışma Soruları Final(Matematik Müh. Bölümü-2014)

İstatistik Dersi Çalışma Soruları Final(Matematik Müh. Bölümü-2014) İstatistik Dersi Çalışma Soruları Final(Matematik Müh. Bölümü-2014) S-1) Standart normal dağılıma sahip Z değişkeni için aşağıda istenilen olasılıkları hesaplayınız. S-2) 50 müşteriye yeni bir ürün tattırılır.

Detaylı

ĐSTATĐSTĐK. Okan ERYĐĞĐT

ĐSTATĐSTĐK. Okan ERYĐĞĐT ĐSTATĐSTĐK Okan ERYĐĞĐT Araştırmacı, istatistik yöntemlere daha işin başında başvurmalıdır, sonunda değil..! A. Bradford Hill, 1930 ĐSTATĐSTĐĞĐN AMAÇLARI Bilimsel araştırmalarda, araştırmacıya kullanılabilir

Detaylı

8.Konu Vektör uzayları, Alt Uzaylar

8.Konu Vektör uzayları, Alt Uzaylar 8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye

Detaylı

İstatistiksel Süreç Kontrol KAZIM KARABOĞA

İstatistiksel Süreç Kontrol KAZIM KARABOĞA İstatistiksel Süreç Kontrol KAZIM KARABOĞA KALİTENİN TARİHSEL KİMLİK DEĞİŞİMİ Muayene İstatistiksel Kalite Kontrol Toplam Kalite Kontrol Toplam Kalite Yönetimi İSTATİSTİKSEL KALİTE KONTROL İstatistiksel

Detaylı

Makine Müh./ Bakım-Onarım 2013-2014 04.05.2014. Dr.Ferhat Güngör / M.Ü. Teknoloji Fak. 1

Makine Müh./ Bakım-Onarım 2013-2014 04.05.2014. Dr.Ferhat Güngör / M.Ü. Teknoloji Fak. 1 1 Dr. Ferhat Güngör Endüstrideki pahalı makineleşmeye yatırım arttıkça, üretim maliyetlerinin minimumda tutulabilmesi ve üretim sürecinin kesintisiz olarak sürmesine, bakım sistemlerini kurmaya, geliştirmeye

Detaylı

Üç Boyutlu Serpilme (Saçılım) Grafikleri

Üç Boyutlu Serpilme (Saçılım) Grafikleri Üç Boyutlu Serpilme (Saçılım) Grafikleri 3D Scatterplot of boy vs kol vs bacak 90 boy 0 70 0 90 70 00 0 bacak 0 0 90 kol 3D Scatterplot of kol vs omuz vs kalca 90 kol 0 70 00 kalca 0 0 0 0 00 omuz Merkez

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

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

Detaylı

Karabük Üniversitesi, Mühendislik Fakültesi...www.IbrahimCayiroglu.com. STATİK (2. Hafta)

Karabük Üniversitesi, Mühendislik Fakültesi...www.IbrahimCayiroglu.com. STATİK (2. Hafta) AĞIRLIK MERKEZİ STATİK (2. Hafta) Ağırlık merkezi: Bir cismi oluşturan herbir parçaya etki eden yerçeki kuvvetlerinin bileşkesinin cismin üzerinden geçtiği noktaya Ağırlık Merkezi denir. Şekil. Ağırlık

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

Biyoistatistiğin Tanımı Biyoistatistikte Kullanılan Terimler Değişken Tipleri Parametre ve İstatistik Tanımlayıcı İstatistikler

Biyoistatistiğin Tanımı Biyoistatistikte Kullanılan Terimler Değişken Tipleri Parametre ve İstatistik Tanımlayıcı İstatistikler Biyoistatistiğin Tanımı Biyoistatistikte Kullanılan Terimler Değişken Tipleri Parametre ve İstatistik Tanımlayıcı İstatistikler Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik

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

KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN

KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN KUYRUK TEORİSİ (BEKLEME HATTİ MODELLERİ) Hazırlayan: Özlem AYDIN GİRİŞ Bir hizmet için beklemek günlük yaşantının bir parçasıdır. Örneğin, restoranlarda yemek yemek için bekleme, hastanelerdeki hasta kuyruğunda

Detaylı

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.

Detaylı

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Olasılık ve Rastgele Değişkenler EEE214 4 3 3 4

Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS. Olasılık ve Rastgele Değişkenler EEE214 4 3 3 4 DERS BİLGİLERİ Ders Adı Kodu Yarıyılı T+U Saati Ulusal Kredisi AKTS Olasılık ve Rastgele Değişkenler EEE214 4 3 3 4 Ön Koşul Dersleri Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu /

Detaylı