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

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1

2 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri Kesikli Şans Değişkenleri Sürekli Şans Değişkenleri

3 Kesikli Şans Değişkeni Örnekleri Deney Şans Değişkeni Mümkün Değerler 100 Satış yapmak Satış sayısı 0, 1,,..., radyoyu muayene etmek Kusurlu sayısı 0, 1,,..., soruya cevap vermek Doğru sayısı 0, 1,,..., 33 11:00 ile 13:00 arasında gişedeki araba sayısı Gelen araba sayısı 0, 1,,..., 3

4 Kesikli Şans Değişkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve 1,,.., n bu tesadüfi değişkenin alabileceği değerler olsun X tesadüfi değişkeninin herhangi bir değerini alma olasılığı Pr{X=} şeklinde gösterilir. Bu olasılık X in dağılım ya da olasılık kanunu diye adlandırılır. Kesikli X değişkeninin hangi değerleri hangi olasılıklarla alacağını gösteren fonksiyona olasılık fonksiyonu denir. Bir dağılımın kesikli olasılık fonksiyonu olabilmesi için 1. P() 0, tüm değerleri için. Tüm P( ) 1 şartlarını sağlaması gerekir. 4

5 Örnek: Hilesiz bir zarın atıldığında şans değişkeni üst yüze gelen sayıyı ifade etmek üzere bu şans değişkeninin olasılık fonksiyonunu elde ediniz. S = { / 1,,3,4,5,6 } P ( X = i ) = 1 / 6 X P ( X = i ) 1 / 6 1 / 6 1 / 6 1 / 6 1 / 6 1 / 6 P( X ) d. d İki farklı şekilde ifade edilen şans değişkeninin dağılımına bakıldığında P(X i ) 0 ve tüm değerleri için P(X=)= 1 şartları sağlandığı görülmekte ve P(X=) in bir olasılık fonksiyonu olduğu sonucu ortaya çıkmaktadır. 5

6 Beklenen Değer Bir şans değişkeninin herhangi bir olasılık fonksiyonunda almış olduğu tüm değerlerin ortalaması o şans değişkeninin beklenen değeridir. X şans değişkeninin beklenen değeri; ile gösterilir. E () Bir şans değişkenin beklenen değeri o şans değişkeninin ortalamasına eşittir. E () = µ 6

7 Beklenen Değer Kullanarak Varyansın Elde Edilmesi E( ) : şans değişkeninin karesinin beklenen değeri Var ( ) E( ) [ E( )] E ( ) [ E( )] Var ( ) E( ) 7

8 Kesikli Şans Değişkenleri İçin Beklenen Değer ve Varyans Tüm i i P E ) ( ) ( )] ( [ ) ( ) ( E E Var ) ( ) ( ) ( tüm i i tüm i i P P Var Tüm i i P E ) ( ) ( 8

9 Kesikli şans değişkeninin beklenen değer ve varyansı ile ilgili bir örnek Beklenen değer: E P P P ( ) n n n E( ) X= f() 1 1/6 1/6 3 1/6 4 1/6 5 1/6 5 1/6 1 ipi i1 Bir zar atılıyor. Anlaşmaya göre Ali babasından her atışta kaç gelirse o kadar TL para alacaktır. Atış başına Ali nin beklediği parayı bulunuz. E ( ) 1.1/ 6.1/ / Ali nin atış başına ortalama kazancı 9

10 Varyans: V ( X ) E[ X E( X )] V ( X ) E( X ) [ E( X )] Örnek: Bir kitaptaki bir sayfadaki yanlış sayısı ile ilgili X in olasılık fonksiyonu şöyledir: P(=0)=0.81 hiç yanlış olmaması P(=1)=0.17 bir yanlış olması P(=)=0.0 iki yanlış olması Sayfa başına ortalama yanlış sayısını bulunuz. E( ) i. Pi 0.(0.81) 1.(0.17).(0.0) 0.1 Sayfa başı ortalama 0.1 yanlış bulunur. 10

11 Varyansını bulunuz. E X ( ) i. Pi 0 (0.81) 1.(0.17).(0.0) 0.5 V X E X E X ( ) ( ) [ ( )] 0.5 [0.1] Sayfa başına yanlış sayısının varyansı V( X)

12 Örnek: Bir otomobil bayisinin günlük araba satışlarının dağılımının aşağıdaki gibi olduğunu ifade etmektedir. X P(X) 0,0 0,08 0,15 0,19 0,4 0,17 0,10 0,04 0,01 Bu dağılışa göre bayinin; a) 5 ten fazla araba satması olasılığını bulunuz P(X = 6) + P ( X = 7 ) + P ( X = 8 ) = 0,15 b) Satışların beklenen değerini hesaplayıp yorumlayınız. P( i ) E(X) = = (0)(0,0)+(1)(0,08)+()(0,15)+.+(8)(0,01) =3,7 Bayinin 100 günde 37 araba satışı yapması beklenir. c) Satışların varyansını bulunuz. P( ) i E(X ) = =(0 )(0,0)+(1 )(0,08)+.+ (8 )(0,01) = 16,68 Var(X)= E(X ) - [E(X)] = 16,68 - (3,7) =,84 1

13 KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 13

14 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte sağlanması gereklidir. Bernoulli Deneyinin Varsayımları: bernoulli deneyinin varsayımlarının 1. Deneyler aynı koşullarda tekrarlanabilirlik özelliğine sahip olmalıdır.. Deneylerin yalnız iki mümkün sonucu olması gereklidir. 3. Başarı olasılığı (p), deneyden deneye değişmemektedir (Başarısızlık olasılığı q = 1-p ile gösterilir) 4. Denemeler birbirinden bağımsız olmalıdır. 14

15 Örnekler: Bir fabrikada üretilen bir ürünün hatalı veya sağlam olması, Bir madeni para atıldığında üst yüze yazı veya tura gelmesi, Hilesiz bir zar atıldığında zarın tek veya çift gelmesi, Bernoulli deneyinde ortaya çıkan sonuçlardan biri tanesi başarı durumu, diğeri ise başarısızlık olarak ifade edilir. Bernoulli şans değişkeninin dağılımı ifade edilirken deneyin sadece 1 kez tekrarlanması gereklidir. 15

16 Bernoulli dağılışında X şans değişkeni başarı durumu için 1, başarısızlık durumu için ise 0 değerini alır. S = { / 0,1 } Bernoulli Dağılımının Olasılık Fonksiyonu; P( X ) p (1 0 p) 1 d. d 0,1 = E ( ) = p = Var ( ) = p (1-p) = pq 16

17 Örnek: Bir deste iskambilden çekilen bir kağıdın as olup olmaması ile ilgileniyor. As gelmesi başarı olarak ifade edildiği durum için olasılık fonksiyonunu oluşturunuz. = 0 (as gelmemesi) = 1 ( as gelmesi) S = { / 0,1 } P( X = 0 ) = 48 / 5 P( X = 1 ) = 4 / 5 P( X ) d. d 0,1 17

18 Binom Dağılımı Birbirinden bağımsız n adet bernoulli deneyinin bir araya gelmesi sonucunda binom deneyi gerçekleşir. Binom deneyinin gerçekleşmesi için bernoulli deneyinin bütün varsayımlarının sağlanması gereklidir. Binom şans değişkeni X, n adet denemedeki başarı sayısını ifade etmektedir. n denemede en az 0, en fazla n adet başarı gözlenebileceğinden S = { / 0,1,,,n } olur. 18

19 Binom Olasılık Fonksiyonunun Elde Edilmesi Gerçekleştirilen her bir Bernoulli deneyi birbirinden bağımsızdır ve olasılık fonksiyonu P() p.q 1 0,1 olarak ifade edilmiş idi. Bernoulli deneyi n defa tekrarlandığı durumda toplam adet başarı olmasının olasılığı, adet başarı olasılığı (p) ile n - adet başarısızlık olasılığının (q=1-p) çarpımını içermelidir. 19

20 Başarı ve başarısızlıkların oluşum sırası yani n sıralama önemsiz ise C faklı şekilde ortaya n çıktığı için ; P( X ) n.p 0.(1 p) n d. d 0,1,,..., n olarak elde edilir. 0

21 Örnekler: Bir fabrikanın deposundan seçilen 10 üründen sinin hatalı olması, Bir madeni para 5 kez atıldığında hiç tura gelmemesi, üst yüze yazı veya tura gelmesi, Hilesiz bir zar 4 kez atıldığında zarın en çok 1 kez çift gelmesi, 1

22 Aritmetik Ortalama Binom Dağılımının Karakteristikleri E ( X ) np Varyans np(1 p) npq

23 Örnek: Bir işletmede üretilen ürünlerin % 6 sının hatalı olduğu bilinmektedir. Rasgele ve iadeli olarak seçilen 5 üründen, a)1 tanesinin hatalı olmasının olasılığını, b) En az 4 tanesinin hatalı olmasının olasılığını hesaplayınız. p = 0,06 1- p = 0,94 n = 5 a)p ( X = 1 ) =? b)p ( X 4 ) =? P( X P ( X 4 ) = P ( X = 4) + P ( X = 5 ) 5 1 1). (0,06).(0,94) 1 4 0, (0,06).(0,94).(0,06).(0,94) 3

24 Örnek: Metal hilesiz bir para 10 kez fırlatılıyor (n=10 p=q=1/=0.5) a)bir kez yazı gelmesi olasılığı 10 10! 10.9! p1. 0,5. 0,5 (0.5) (0.5) 1 1!9! 9! b) hiç yazı gelmemesi olasılığı ,5. 0,5 0,5 p c) en az kez yazı gelmesi olasılığı p p... p 10 4

25 1 p 1 p 1 p 1 p ,5. 0,5. 0,5. 0, (0.5) (0.5) 1 (0.5) (10 1) 111(0.5)

26 Poisson Dağılımı Kesikli Şans değişkenlerinin olasılık dağılımlarından en önemlilerinden biri Poisson Dağılımıdır. Günlük hayatta ve uygulamada çok sayıda kullanım alanı bulunmaktadır. Ünlü Fransız matematikçisi Poisson tarafından bulunmuştur. Belirli bir alan içerisinde rasgele dağılan veya zaman içerisinde rasgele gözlenen olayların olasılıklarının hesaplanabilmesi için çok kullanışlı bir modeldir. 6

27 Poisson Sürecinin Varsayımları 1. Belirlenen periyotta meydana gelen ortalama olay sayısı sabittir.. Herhangi bir zaman diliminde bir olayın meydana gelmesi bir önceki zaman diliminde meydana gelen olay sayısından bağımsızdır.(periyotların kesişimi olmadığı varsayımı ile) 3. Mümkün olabilecek en küçük zaman aralığında en fazla bir olay gerçekleşebilir. 4. Ortaya çıkan olay sayısı ile periyodun uzunluğu doğru orantılıdır. 7

28 Örnekler Bir şehirde bir aylık süre içerisinde meydana gelen hırsızlık olayların sayısı, Bir telefon santraline 1 dk. içerisinde gelen telefon çağrılarının sayısı, Bir kitap içindeki baskı hatalarının sayısı, İstanbul da 100 m ye düşen kişi sayısı, Ege Bölgesinde 3 aylık sürede 4,0 şiddetinden büyük olarak gerçekleşen deprem sayısı. 8

29 l Poisson Dağılımının Olasılık Fonksiyonu : belirlenen periyotta ortaya çıkan olay sayısı : ortaya çıkma olasılığı araştırılan olay sayısı S = { / 0,1,, 3,.., } P( X ) e l! 0 l 0,1,,... diger durumlarda 9

30 Poisson Dağılımının Beklenen Değer ve Varyansı Beklenen Değer E() l Varyans Var() l Beklenen değeri ve varyansı birbirine eşit olan tek dağılıştır. 30

31 Örnek: Bir mağazaya Cumartesi günleri 5 dakikada ortalama olarak 4 müşteri gelmektedir. Bir Cumartesi günü bu mağazaya, a) 5 dakika içinde 1 müşteri gelmesi olasılığını, b)yarım saate den fazla müşteri gelmesi olasılığını, 4 1 e 4 4 a) l 4 P ( = 1 ) =? 4 4 0! ! 1 P( X 1) 4 4! 4e b) 5 dk da 4 müşteri gelirse, 30 dk da 4 müşteri gelir. l 4 P ( > ) =? P( > ) = 1 [P(=0)+P(=1)+P(=)] e 1 e ÖDEV: 1 saatte en çok 1 müşteri gelmesinin olasılığını hesaplayınız. e 1! 1313e 4 31

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

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

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

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

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ DÜZGÜN DAĞILIM KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda

Detaylı

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

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

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

Detaylı

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

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

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

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

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

Detaylı

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

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

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

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

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

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

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

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

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

Ders 4: Rastgele Değişkenler ve Dağılımları

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

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

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

Detaylı

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

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

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

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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

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

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

Detaylı

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri

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

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

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

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

Detaylı

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

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

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya çıkmasının sebebi

Detaylı

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

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

Detaylı

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

İstatistik ve Olasılık

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

Detaylı

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi

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

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

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişeni: Bir dağılışı olan ve bu dağılışın yaısına uygun freansta oluşum gösteren değişendir. Şans Değişenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesili Şans

Detaylı

Kesikli Üniform Dağılımı

Kesikli Üniform Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Kesikli Üniform Dağılımı Bernoulli Dağılımı Binom Dağılımı Negatif Binom Dağılımı Geometrik Dağılım Hipergeometrik Dağılım Poisson Dağılımı Kesikli Üniform

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLSILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

OLASILIK. Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru

OLASILIK. Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya çıkmasının sebebi

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını

Detaylı

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

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

Detaylı

Rassal Değişken Üretimi

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

Detaylı

İstatistiksel Yorumlama

İstatistiksel Yorumlama İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

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

Detaylı

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

kümeleri sırasıyla n 1, n 2,..., n k eleman içeriyorsa, önce A 1 nin bir elemanını seçmenin n 1 3. Olasılık Hesapları ve Olasılık Dağılımları 3.3. Sayma Teknikleri Olasılık hesapları ve istatistikte birçok problem, verilen küme elemanlarının sayılmasını veya sıralanmasını gerektirir. Eğer bir olayın

Detaylı

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

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

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

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

Appendix B: Olasılık ve Dağılım Teorisi

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

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

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

Detaylı

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

Herhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır.

Herhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır. Hipotez testleri-oran testi Oran Testi Herhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır Örnek: Yüz defa atılan bir para 34 defa yazı gelmiştir Paranın yazı gelme olasılığının

Detaylı

İSTATİSTİĞE GİRİŞ VE OLASILIK

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

Detaylı

OLASILIK (Probability)

OLASILIK (Probability) OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P

Detaylı

WEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ

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

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

OLASILIK ve ÝSTATÝSTÝK ( Genel Tekrar Testi-1) KPSS MATEMATÝK. Bir anahtarlıktaki 5 anahtardan 2 si kapıyı açmak - tadır.

OLASILIK ve ÝSTATÝSTÝK ( Genel Tekrar Testi-1) KPSS MATEMATÝK. Bir anahtarlıktaki 5 anahtardan 2 si kapıyı açmak - tadır. OLASILIK v ÝSTATÝSTÝK ( Gnl Tkrar Tsti-1) 1. Bir anahtarlıktaki 5 anahtardan si kapıyı açmak - tadır. Açmayan anahtar bir daha dnnmdiğin gör, bu kapının n çok üçüncü dnmd açılma olasılığı kaçtır? 5 6 7

Detaylı

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi

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

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 9 VARYANS ANALİZİ Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ OLASILIK DAĞILIMLARI SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde

Detaylı

Dağılımın parametreleri λ ve ζ, sırasıyla, lnx in ortalama değerini ve standart sapmasını belirtir; λ=e(lnx) ve ζ=[var(lnx)] 1/2.

Dağılımın parametreleri λ ve ζ, sırasıyla, lnx in ortalama değerini ve standart sapmasını belirtir; λ=e(lnx) ve ζ=[var(lnx)] 1/2. Bölüm 5 Logaritmik Normal Dağılım / Lognormal Dağılım Bir X rasgele değişkenine ilişkin lnx olasılık dağılımı normal ise, X in olasılık dağılımı logaritmik normal dağılım ya da kısaca lognormal dağılım

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

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

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

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

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

Detaylı

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

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

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

İstatistik ve Olasılık

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

Detaylı

SÜREKLİ( CONTINUOUS) OLASILIK

SÜREKLİ( CONTINUOUS) OLASILIK SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize

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

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir.

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

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

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

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

Detaylı

ÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık

ÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık ÖĞRENCİNİN ADI SOYADI: NUMARASI: Dersin Adı SINIFI: KONU: Olasılık Dersin Konusu. Bir kutudaki 7 farklı boncuğun içinden iki tanesi seçiliyor. Buna göre, örneklem uzayının eleman sayısı A) 7 B)! 7. madeni

Detaylı

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

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

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen

Detaylı

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

Bölüm 2 VERİLERİN DERLENMESİ VE SUNUMU

Bölüm 2 VERİLERİN DERLENMESİ VE SUNUMU Bölüm 2 VERİLERİN DERLENMESİ VE SUNUMU 1 Verilerin Derlenmesi ve Sunulması Anakütleden alınan örnek yardımıyla elde edilen veriler derlendikten sonra çizelgeler ve grafikler halinde bir diğer analize hazır

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

12. Hafta Ders Notları GENEL TEKRAR

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

Detaylı

ATATÜRK ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ ÇIKMIŞ SORULAR

ATATÜRK ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ ÇIKMIŞ SORULAR TATÜRK ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ ÇIKMIŞ SORULAR Ders Adı : İstatistiğe Giriş Sınav Türü : Bütünleme WWW.NETSORULAR.COM Sınavlarınızda Başarılar Dileriz... İstatistiğe Giriş A Bu testte 20 soru

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

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

İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014) İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014) S-1) Bir otoyol üzerinde radarla hız kontrolü yapan, polis ekipler tarafından tespit edilen tane aracın hızları aşağıdaki tabloda

Detaylı

1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir?

1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir? 1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir? 9. 4 çocuklu bir aile yan yana poz verecektir. Çocukların soldan sağa doğru boy sırasında olduğu kaç durum

Detaylı

ENM 316 BENZETİM. 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. 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 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 için gereken

Detaylı

IE 303T Sistem Benzetimi

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

Detaylı

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

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız.

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız. OLASILIK (İHTİMALLER HESABI) Olasılık kavram ı ilk önceleri şans oyunları ile başlamıştır. Örneğin bir oyunda kazanıp kazanmama, bir paranın atılmasıyla tura gelip gelmemesi gibi. Bu gün bu kavramın birçok

Detaylı

Bölüm 2. Frekans Dağılışları VERİLERİN DERLENMESİ VE SUNUMU. Frekans Tanımı. Verilerin Derlenmesi ve Sunulması

Bölüm 2. Frekans Dağılışları VERİLERİN DERLENMESİ VE SUNUMU. Frekans Tanımı. Verilerin Derlenmesi ve Sunulması Verilerin Derlenmesi ve Sunulması Bölüm VERİLERİN DERLENMESİ VE SUNUMU Anakütleden alınan örnek yardımıyla elde edilen veriler derlendikten sonra çizelgeler ve grafikler halinde bir diğer analize hazır

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

Sürekli Rastsal Değişkenler

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

Detaylı