SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım"

Transkript

1 SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1

2 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin dağılışıdır.bekleme kuyruğu sorunlarını çözmede kullanılır. Örnek: Bir bankada veznede yapılan işlemler arasındaki geçen süre, Bir taksi durağına gelen bekleyen müşteriler arasındaki süre, Bir hastanenin acil servisine gelen hastaların arasındaki geçen süre, Bir kumaşta iki adet dokuma hatası arasındaki uzunluk (metre). 2

3 Belirli bir zaman aralığında mağazaya gelen müşteri sayılarının dağılışı Poisson Dağılımına uygundur. Bu müşterilerin mağazaya varış zamanları arasındaki geçen sürenin dağılımı da Üstel Dağılıma uyacaktır. Üstel Dağılımın parametresi a olmak üzere Üstel ve Poisson Dağılımlarının parametreleri arasında şu şekilde bir ilişki vardır. 1 a 3

4 Üstel Dağılımın Olasılık Yoğunluk Fonksiyonu m:iki durumun gözlenmesi için gereken ortalama süre x : iki durum arasında veya ilk durumun ortaya çıkması gereken süre ya da uzaklık. f x ax a e, x 0 a 0 0 diger durumlarda f(x) e, üstel dağılım; x e üstel dağılan değişken denir.üstel dağılımın parametresi a dır. 4

5 Frekans Üstel Dağılımının Beklenen Değer ve Varyansı Ortalama Varyans m m 2 1 a 1 a b = 10 parametreli bir populasyondan alınan n = 1000 hacimlik bir örnek için oluşturulan histogram X

6 Örnek: P( X x) 1e ax P( X x) 1 (1 e ax ) e ax Bir kitaplığın danışma masasında kullanıcılara hizmeti 5dk. ortalama süre ile üstel dağılmaktadır. Bir kullanıcıya verilen hizmetin 10dk. dan uzun sürme olasılığı nedir? 1 1 P(X>10)=? m 5 a ax ax P( X x) 1 (1 e ) e e e m

7 Örnek: Bir servis istasyonuna her 20dk. da ortalama 4 araç gelmektedir. Servise arka arkaya gelen iki araç arasındaki zaman aralığının en çok 4 dk.olma olasılığı nedir? P( X 4) 1e ax 20dk. da 1dk. da ort. 4 araç x a ax P( X 4) 1 e 1 e

8 NORMAL DAĞILIM 8

9 Sürekli ve kesikli şans değişkenlerinin dağılımları birlikte ele alındığında istatistikte en önemli dağılım Normal dağılımdır. Normal dağılım ilk olarak 1733 te Moivre tarafından p başarı olasılığı değişmemek koşulu ile binom dağılımının limit şekli olarak elde edilmiştir te Laplace hipergeometrik dağılımını limit şekli olarak elde ettikten sonra 19. yüzyılın ilk yıllarında Gauss 'un katkılarıyla da normal dağılım istatistikte yerini almıştır. 9

10 Normal dağılımın ilk uygulamaları doğada gerçekleşen olaylara karşı başarılı bir biçimde uyum göstermiştir. Dağılımın göstermiş olduğu bu uygunluk adının Normal Dağılım olması sonucunu doğurmuştur. İstatistiksel yorumlamanın temelini oluşturan Normal Dağılım, bir çok rassal süreçlerin dağılımı olarak karşımıza çıkmaktadır. Normal dağılımı kullanmanın en önemli nedenlerinden biri de bazı varsayımların gerçekleşmesi halinde kesikli ve sürekli bir çok şans değişkeninin dağılımının normal dağılıma yaklaşım göstermesidir. 10

11 Normal Dağılımın Özellikleri Çan eğrisi şeklindedir. Normal dağılımın moment çarpıklık katsayısı a 3 =0 dır. Yani normal dağılım simetriktir. Basıklık katsayısı a 4 =3 dür. Diğer tüm dağılımların basıklık ölçüsü bu katsayı ile karşılaştırılır. Normal dağılım eğrisi aşağıdaki fonksiyonla temsil edilir: f ( x) 1 e xm, x, diger yerlerde 3, e = 2,71828 = populasyon standart sapması m = populasyon ortalaması 11

12 f(x ) Ortalama=Mod=Medyan x Parametreleri: E(x) m Var ( x) 2 12

13 Normal eğri altındaki alan 1 e eşittir. Normal dağılımda herhangi bir X sürekli değişkeninin nokta tahmin sıfırdır. Çünkü normal eğri altında sonsuz sayıda X noktaları vardır. Bu yüzden ancak herhangi bir X değerinin X 1 ile X 2 arasında bulunma olasılığı hesaplanabilir. Bunun için foknsiyonun X 1 den X 2 ye integre edilmesi gerekir. Anakütle ortalaması ve standart sapması farklı olduğu her problem için ayrı bir integrasyon işlemini uygulamak gerekir. Normal dağılım ortalama ve standart sapma parametrelerinin değişimi sonucu birbirinden farklı yapılar gösterir. Bu tür problemlerde kullanılmak üzere standart bir fonksiyon geliştirilmiştir.

14 Normal Dağılımda Olasılık Hesabı f(x ) Olasılık eğri altında kalan alana eşittir!!!! P( c x d) f ( x) dx d c? c d x ÖNEMLİ!!! P( x ) f ( x) dx 1 14

15 Standart Normal Dağılım Olasılık hesaplamasındaki zorluktan dolayı normal dağılış gösteren şans değişkeni standart normal dağlıma dönüştürülür. Böylece tek bir olasılık tablosu kullanarak normal dağılış ile ilgili olasılık hesaplamaları yapılmış olur. Standart normal dağılımda ortalama 0, varyans ise 1 değerini alır. Standart normal değişken z ile gösterilir. 15

16 Standart Normal Şans Değişkeni z x m X ~ N ( m, 2 ) Z ~ N ( 0, 1) f(x ) f(z ) 1 m x m 0 z 16

17 17

18 Olasılığın Elde Edilmesi Standart Normal Olasılık Tablosu (Kısmen) Z Z = Olasılıklar m Z = Z

19 Parametre Değişikliklerinin Dağılımın Şekli Üzerindeki Etkisi A f(x ) C B x m A m B m C 2 A 2 B 2 C 19

20 Standart Normal Dağılım Tablosunu Kullanarak Olasılık Hesaplama f(z ) P( 0 z 1)? 0 1 z P(0 z1)

21 f(z ) P( z 1)? 0 1 z 1 P(0 z1)

22 SİMETRİKLİK ÖZELLİĞİNDEN DOLAYI 0 DAN EŞİT UZAKLIKTAKİ Z DEĞERLERİNİN 0 İLE ARASINDAKİ KALAN ALANLARININ DEĞERLERİ BİRBİRİNE EŞİTTİR. P( 0 z a) P( a z 0) f(z ) -a 0 a z 22

23 f(z ) P( 1 z 1)? z P( 1 z 1) P( 1 z 0) P(0 z 1) 2* P(0 z1) 2(0.3413)

24 P( 1.56 z 0.95)? f(z ) -1,56-0,95 0 z P( 1.56 z 0.95) P( 1.56 z 0) P( 0.56 z 0)

25 25 Normal Dağılımın Standart Normal Dağılım Dönüşümü? ) ( b X a P X ~ N ( m, 2 ) Z ~ N ( 0, 1) ) ( ) ( a z b z z P b x a P b X a P m m m f(x ) x f(z ) z m a b 0 z a z b

26 Örnek P(3.8 X 5) =? Z X m Normal Dağılım = Standart Normal Dağılım Z = m = 5 X m Z = 0 Z

27 Örnek P(2.9 X 7.1) =? Z X m Normal Dağılım Z X m Standart Normal Dağılım = 10 Z = X Z

28 Örnek P(X 8) =? Normal Dağılım Z X m Standart Normal Dağılım = 10 Z = m = 5 8 X m Z = 0.30 Z

29 Örnek Normal Dağılım = 10 P(7.1 X 8) =? Z Z X m X m Standart Normal Dağılım Z = m = X m z = Z = =0.0347

30 Örnek: Bir işletmede üretilen vidaların çaplarının uzunluğunun, ortalaması 10 mm ve standart sapması 2 mm olan normal dağılıma uygun olduğu bilinmektedir. Buna göre rasgele seçilen bir vidanın uzunluğunun 8.9mm den az olmasının olasılığını hesaplayınız. PX ( 8.9)? X ~ N ( 10, 4 ) m 10mm 2mm x m P( X 8.9) P P( z 0.55) 2 f(z ) Pz ( 0.55) ,55 0 z 30

31 Normal Dağılım Düşünce Alıştırması General Electric için Kalite Kontrol uzmanı olarak çalışıyorsunuz. Bir ampulün ömrü m = 2000 saat, = 200 saat olan Normal dağılım göstermektedir. Bir ampulün A & 2400 saat arası dayanma B saatten az dayanma olasılığı nedir?

32 200 Çözüm A) P(2000 X 2400) =? m 2000 Normal Dağılım Z X m Standart Normal Dağılım = 200 Z = m = X m Z = Z

33 Çözüm B) P(X 1470) =? Z X m Normal Dağılım = 200 Standart Normal Dağılım Z = m = 2000 X m Z = 0 Z

34 Bilinen Olasılıklar İçin Z Değerlerinin Bulunması P(Z) = ise Z nedir?.1217 Z = 1 Standart Normal olasılık Tablosu (Kısmen).01 Z m Z = 0.31 Z

35 Bilinen Olasılıklar İçin X Değerlerinin Bulunması Normal Dağılım = 10 Standart Normal Dağılım Z = m = 5? X m Z = 0.31 Z X mz 5(0.31)10 8.1

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

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

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

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

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

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

Exponential Distribution. diger. Probability Distributions. Sürekli Şans Değişkenleri. 0 diger. SÜREKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI

Exponential Distribution. diger. Probability Distributions. Sürekli Şans Değişkenleri. 0 diger. SÜREKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Probability Distributions Probability Distributions SÜREKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Dr. Mehmet AKSARAYLI Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Ekonometri Bölümü

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

İSTATİSTİK I KAVRAMLARININ

İSTATİSTİK I KAVRAMLARININ YTÜ-İktisat İstatistik II İstatistik I Gözden Geçirme İSTATİSTİK I KAVRAMLARININ GÖZDEN GEÇİRİLMESİ Hüseyin Taştan Yıldız Teknik Üniversitesi, İktisat Bölümü, email: tastan@yildiz.edu.tr YTÜ-İktisat İstatistik

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

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

Rastgele Değişkenler ve Olasılık

Rastgele Değişkenler ve Olasılık Rastgele Değişkenler ve Olasılık Yrd. Doç. Dr. Ümit Deniz Uluşar Doğum Günü Problemi Rastgele seçilen n kişiden en az iki tanesinin doğum günleri aynı olma olasılığı. n 367 ise %100 n 57 ise %99 n 23 ise

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

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

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

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

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

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

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

9/22/2014 EME 3105 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2

9/22/2014 EME 3105 SİSTEM SİMÜLASYONU. Giriş. Tek Kanallı Kuyruk Sistemi. Kuyruk Sistemlerinin Simulasyonu. Simulasyon Örnekleri Ders 2 EME 3105 SİSTEM SİMÜLASYONU Simulasyon Örnekleri Ders Giriş Bu derste bilgisayar yardımı olmaksızın çalıştırılabilen birkaç simulasyon örneği verilmiştir. Bu örnekler size sistem simulasyonu metodolojisini

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

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

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

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

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

Detaylı

HİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN

HİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN HİPOTEZ TESTLERİ Yrd. Doç. Dr. Emre ATILGAN Hipotez Nedir? HİPOTEZ: parametre hakkındaki bir inanıştır. Parametre hakkındaki inanışı test etmek için hipotez testi yapılır. Hipotez testleri sayesinde örneklemden

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

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi Prof.Dr.Berna Dengiz 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi BENZETİM DİLLERİNDE MODELLEME YAKLAŞIMLARI Tüm benzetim dilleri; ya olay-çizelgeleme

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

SİGORTA MATEMATİĞİ (Hayat-Hayat Dışı) Soru-1: (x) yaşında bir kişinin, tam sürekli tam hayat (whole life) sigortası için,

SİGORTA MATEMATİĞİ (Hayat-Hayat Dışı) Soru-1: (x) yaşında bir kişinin, tam sürekli tam hayat (whole life) sigortası için, SİGORTA MATEMATİĞİ (Hayat-Hayat Dışı) Soru-1: (x) yaşında bir kişinin, tam sürekli tam hayat (whole life) sigortası için, (i) Āx=0,5 (ii) 2 Āx=0,40 (iii) δ=0,04 (iv) E[L]= -0,2 olduğuna, sürekli, T zamanı

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

15.433 YATIRIM. Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş. Bahar 2003

15.433 YATIRIM. Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş. Bahar 2003 15.433 YATIRIM Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş Bahar 2003 İçerik Olasılık Teorisi Olasılık dağılımlarının kısa bir gözden geçirmesi Rassal olayları normal olaylarla değerlendirmek

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

İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği

İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği İSTATİSTİK E GİRİŞ TEMEL KAVRAMLAR İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği Elemanlarıl AMAÇ İstatistiğe

Detaylı

Geçerliliği olasılık esaslarına göre araştırılabilen ve karar verebilmek için öne sürülen varsayımlara istatistikte hipotez denir.

Geçerliliği olasılık esaslarına göre araştırılabilen ve karar verebilmek için öne sürülen varsayımlara istatistikte hipotez denir. BÖLÜM 4. HİPOTEZ TESTİ VE GÜVEN ARALIĞI 4.1. Hipotez Testi Geçerliliği olasılık esaslarına göre araştırılabilen ve karar verebilmek için öne sürülen varsayımlara istatistikte hipotez denir. Örneklem dağılımlarından

Detaylı

Kuyruk Sistemlerinin Simülasyonu

Kuyruk Sistemlerinin Simülasyonu Kuyruk Sistemlerinin Simülasyonu Kuyruk sistemlerinin simülasyonu sonraki adımda ne olacağını belirlemek üzere bir olay listesinin tutulmasını ve bakımını gerektirir. Simülasyonda olaylar genellikle gerçek

Detaylı

Araş.Gör. Efe SARIBAY

Araş.Gör. Efe SARIBAY HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY 1) Telekom da çalışan bir operatör A ve B şehirleri arasında yapılan telefon görüşmelerinin ortalamasının 6 dakikadan daha fazla sürdüğünü iddia

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

Biyoistatistik. Uygulama 1

Biyoistatistik. Uygulama 1 Biyoistatistik Uygulama 1 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi,Tıp Fakültesi,Biyoistatistik ve Tıbbi Bilişim A.D. Web: www.biyoistatistik.med.ege.edu.tr 1 DİŞ MACUNU-TEMDİŞ TEMPA Temizlik

Detaylı

LOGİSTİC DAĞILIM VE RANDOM SAYI ÜRETİMİ

LOGİSTİC DAĞILIM VE RANDOM SAYI ÜRETİMİ C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 3, Sayı, 9 LOGİSTİC DAĞILIM VE RANDOM SAYI ÜRETİMİ Yalçın KARAGÖZ Cumhuriyet Üniversitesi, İ.İ.B.F. İşletme Bölümü Özet Bu çalışmada logistic dağılım hakkında

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

BÖLÜM 11 Z DAĞILIMI. Şekil 1. Z Dağılımı

BÖLÜM 11 Z DAĞILIMI. Şekil 1. Z Dağılımı 1 BÖLÜM 11 Z DAĞILIMI Z dağılımı; ortalaması µ=0 ve standart sapması σ=1 olan Z puanlarının evren dağılımı olarak tanımlanabilmektedir. Z dağılımı olasılıklı bir normal dağılımdır. Yani Z dağılımının genel

Detaylı

Hipotez Testi Rehberi. Orhan Çevik İstanbul, 30 Ağustos 2014

Hipotez Testi Rehberi. Orhan Çevik İstanbul, 30 Ağustos 2014 Hipotez Testi Rehberi Orhan Çevik İstanbul, 30 Ağustos 2014 Hipotezler Sıfır Hipotezi: H 0 Aksi kanıtlanmadığı sürece doğru olduğu düşünülen varsayımdır. H 0 ın kanıta ihtiyacı yoktur. H 0 ı ret etmek

Detaylı

İSTATİSTİKSEL VERİ ANALİZİ

İSTATİSTİKSEL VERİ ANALİZİ İSTATİSTİKSEL VERİ ANALİZİ Prof. Dr. Gül ERGÜN Hacettepe Üniversitesi Kasım 2013 İstatistik Nedir? İSTATİSTİK Belirli bir konuda toplanan sayısal değerlerdir. Buna göre, 2012 yılında Türkiye de kayıtlı

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

İKİ EŞ ARASINDAKİ FARKIN ÖNEMLİLİK TESTİ. Biyoistatistik (Ders 5: Bağımlı Gruplarda İki Örneklem Testleri) İKİ ÖRNEKLEM TESTLERİ

İKİ EŞ ARASINDAKİ FARKIN ÖNEMLİLİK TESTİ. Biyoistatistik (Ders 5: Bağımlı Gruplarda İki Örneklem Testleri) İKİ ÖRNEKLEM TESTLERİ İKİ ÖRNEKLEM TESTLERİ BAĞIMLI GRUPLARDA İKİ ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı uerkorkmaz@sakarya.edu.tr İKİ ÖRNEKLEM TESTLERİ

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

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

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

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

2 Hata Hesabı. Hata Nedir? Mutlak Hata. Bağıl Hata

2 Hata Hesabı. Hata Nedir? Mutlak Hata. Bağıl Hata Hata Hesabı Hata Nedir? Herhangi bir fiziksel büyüklüğün ölçülen değeri ile gerçek değeri arasındaki farka hata denir. Ölçülen bir fiziksel büyüklüğün sayısal değeri, yapılan deneysel hatalardan dolayı

Detaylı

Akdeniz Üniversitesi

Akdeniz Üniversitesi F. Ders Tanıtım Formu Dersin Adı Öğretim Dili Akdeniz Üniversitesi İSTATİSTİKSEL ANALİZ I Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (*) Yüksek Lisans( ) Doktora ( ) Eğitim Öğretim Sistemi Örgün

Detaylı

İSTATİSTİK. İstatistik Nedir? İstatistiksel Araştırmanın Amacı

İSTATİSTİK. İstatistik Nedir? İstatistiksel Araştırmanın Amacı İSTATİSTİK İstatistik, belirli amaçlar için veri toplama, toplanan verileri tasnif etme, çözümleme ve yorumlama bilimidir Yrd. Doç. Dr. Hamit AYDIN İstatistik Nedir? Latince de durum anlamına gelen status

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

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

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

KALİTE KONTROL. Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır.

KALİTE KONTROL. Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. KALİTE KONTROL Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. Kontrol: Mevcut sonuçlarla hedefleri ve amaçları kıyaslama

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

Burada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir.

Burada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir. DALGA İSAİSİĞİ Dalga teorileri genel olarak açık deni yapılarının tasarımında ortaya çıkan problemlere yanıt bulmak amacıyla kullanılır. Bu teorilerin temelinde, öellikleri bir periyod dan diğer bir periyoda

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

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

AKSARAYLI TEMEL İSTATİSTİK YÖNTEMLER

AKSARAYLI TEMEL İSTATİSTİK YÖNTEMLER TEMEL İSTATİSTİK YÖNTEMLER DERS I - 1/63 İstatistik nedir? 1. 2. tanımı) 3. (En eski tanımı) (Yöntembilim olarak (Kelime anlamı) DERS I - 2/63 İstatistik nedir? 1. Veri toplama Araştırma 2. Verilerin sınıflandırılması

Detaylı

Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414

Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414 Risk ve Getiri (1) Ders 9 Finansal Yönetim 15.414 Bugün Risk ve Getiri İstatistik Tekrarı Hisse senedi davranışlarına giriş Okuma Brealey ve Myers, Bölüm 7, sayfalar 153-165 Yol haritası 1. Bölüm: Değerleme

Detaylı

İSTATİSTİK BÖLÜMÜ DERS İÇERİKLERİ (2009 2010)

İSTATİSTİK BÖLÜMÜ DERS İÇERİKLERİ (2009 2010) İSTATİSTİK BÖLÜMÜ DERS İÇERİKLERİ (2009 2010) BİRİNCİ YIL Güz Dönemi (1. Yarıyıl) STAT 101 Temel İstatistik I (3 2 4) İstatistik bilimi. Verilerin görsel sunumu. Frekans tablosu oluşturma. Gövde yaprak

Detaylı

RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN. dd Her Ui nin beklenen değeri; Benzetimde rassallık k varsa, bir veya birden fazla dağı

RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN. dd Her Ui nin beklenen değeri; Benzetimde rassallık k varsa, bir veya birden fazla dağı RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN ÜRETİMİ Benzetimde rassallık k varsa, bir veya birden fazla ğılımdan rassal değişken üretimi yapılacakt lacaktır. Bu ğılımlar, gözlemden g elde edilen veriye giydirilmiş

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

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

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

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

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler Mühendislikte İstatistik Yöntemler Referans Kitaplar Türkçe : Mühendisler için İstatistik, Mehmetçik Bayazıt, Beyhan Oğuz, Birsen Yayınevi Mühendislikte İstatistik Metodlar, Erdem KOÇ,ÇÜ, Müh.Mim.Fak.

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

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