Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5"

Transkript

1 Ders Kodu: Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya

2 Giriş 2

3 Giriş Matematiksel istatistiğin konusu yığın nesneler ya da ölçülerdir. Rasgele seçme ve ölçme (veri elde etme süreci) istatistikte rasgele deney olarak adlandırılır. Sınırlı sayıda yinelenen bir rasgele deneyin sonuçları, olanaklı tüm sonuçları kapsayan toplumdan (deney ortamı) bir örnek (örnek uzay) oluşturur. Örnek elde etme işlemine örnekleme denir. Örneğin büyüklüğü kapsadığı sonuç ya da veri sayısı ile ölçülür. Bir örnek, ortalama (beklenen) değeri ve standart sapması ile tanımlanır. Bu büyüklüklere istatistik adı verilir. 3

4 Giriş Bir büyüklüğü (açı, uzunluk vb.) ölçme, olasılık kuramı açısından bir rasgele olaydır. Kaba ve düzenli hatalar dışlanırsa, ölçüler rasgele büyüklüklerdir. Ölçü değerleri, rasgele hatalar nedeniyle birbirinden farklıdır. Ölçülen büyüklük rasgele değişkendir. Çok sayıda ve çok küçük, bağımsız hataların toplamından oluştuğu düşünülebilen rasgele hata, normal dağılımlı ya da yaklaşık normal dağılımlı bir rasgele değişkendir. Rasgele olayların matematiksel modelleri ve istatistiksel testler belli dağılımlara dayanmaktadır. Özellikle istatistiksel testlerin temelini oluşturan başlıca olasılık dağılımlarını (olasılık modelleri) tanımak gerekir. 4

5 Normal Dağılım Mühendislik, fen bilimleri gibi uygulamalı bilim dallarında deneylere dayalı olarak elde edilen ölçü sonuçlarının rasgele hatalarla yüklü oldukları bilinmektedir. Bu dağılım Gauss dağılım adıyla da bilinmekte olup istatistikte oldukça sık kullanılan önemli bir dağılım türüdür. Ayrıca bu eğrinin şekli çana benzediğinden çan eğrisi olarak da isimlendirilir. Rasgele deneylere ve ölçmelere ilişkin rasgele değişkenler ve istatistiksel test büyüklükleri genellikle normal dağılımlı ya da yaklaşık normal dağılımlıdır. 5

6 Normal Dağılım µ ve σ dağılımı belirleyen parametrelerdir. Bu fonksiyonun grafiği çan eğrisi biçimindedir; µ beklenen değerine göre simetriktir. 6

7 Normal Dağılım 7

8 Normal Dağılım Standartlaştırma integralinin değerlendirilmesi güç olduğundan uygulamada normal dağılımda olan herhangi bir değişken standartlaştırılır. Bu durumda normal dağılımda olduğu farz edilen ve parametreleri µ ve σ olan X değişkeni için aşağıdaki eşitlik kullanılır. Böylece direkt olarak standartlaştırılmış normal dağılım tablolarından yararlanarak bu değişkenin olasılıkları daha kolay bir biçimde elde edilebilinir. Z= X µ σ 8

9 Normal Dağılım Standartlaştırma X rasgele değişkenine ilişkin x değerlerine karşılık, Z standart rasgele değişken değerleri z ile gösterilirse, standart normal dağılımın yoğunluk fonksiyonu f (z) = 1 dağılım fonksiyonu z2 e 2 2π 9

10 Normal Dağılım Standartlaştırma f(z) ve F(z) fonksiyonları için, f( z) = f(z) simetrik F( z) = 1 F(z) ya da F(z) = 1 F( z) geçerli olduğundan yalnızca +z değerlerine karşılık fonksiyon değerleri tablolarda verilmiştir. 10

11 Standart normal dağılımın f(z) olasılık yoğunluk fonksiyonunun değerleri z f(z) z f(z) z f(z) z f(z)

12 Standart normal dağılımın f(z) olasılık yoğunluk fonksiyonunun değerleri z f(z) z f(z) z f(z) z f(z)

13 Standart normal dağılımın F(z) dağılım fonksiyonunun değerleri z F(z) z F(z) z F(z) z F(z)

14 Standart normal dağılımın F(z) dağılım fonksiyonunun değerleri z F(z) z F(z) z F(z) z F(z)

15 Normal Dağılımın Özellikleri Normal dağılımın f(z) olasılık yoğunluk fonksiyonu, z = µ beklenen değerine göre simetriktir. Bundan dolayı, beklenen değeri, modu ve medyanı eşittir. Dağılımın x ekseni üzerindeki konumunu µ belirler. Eğer ölçülerde sistematik bir hata varsa bu durum µ de kendini belli eder. Yoğunluk fonksiyonu, z ± için sıfıra yaklaşır. f(z) eğrisinin dönüm noktaları z=µ±σ dır. Standart rasgele değişken için en yüksek olasılık yoğunluk değeri, başka deyişle f(z) fonksiyonunun en büyük değeri 0.40 dır. Büyük hata yapma olasılığı küçük hata yapma olasılığından daha düşüktür. 15

16 Normal Dağılımın Özellikleri 16

17 Normal Dağılımın Özellikleri 17

18 Normal Dağılımın Özellikleri Uygulamada genellikle α=0.05 ya da 0.01 alınır. Bir büyüklüğün 1-α α (güven düzeyi) dışında kalan bölgeye düşmesi neredeyse olanaksızdır. Yoğunluk fonksiyonunun sağında ve solunda eşit kısımlar halinde ayrılan α olasılığına yanılma olasılığı ya da testlerde anlamlılık düzeyi adı verilir. 18

19 Normal Dağılımın Özellikleri Jeodezide genellikle yanılma olasılığı %1 veya %5 olarak alınır. TEK YÖNLÜ µ 25 TEK YÖNLÜ µ 25 ÇİFT YÖNLÜ µ 25 19

20 t dağılımı (Student Dağılımı) Kuramsal standart sapma σ ana kümeyi tanımlayan bir büyüklüktür. Bu büyüklüğün sayısal değeri çok ender durumlarda bilinebilir. Bu nedenle gerçek hata ε, kuramsal standart sapma yerine deneysel standart sapma s e bölünerek standartlaştırılır ve rasgele değişken elde edilir. ε l µ tf = = s s 20

21 t dağılımı (Student Dağılımı) t-dağılımının olasılık fonksiyonu, dağılımın serbestlik derecesi f e bağlıdır. Serbestlik derecesi, deneysel standart sapmanın (s) hesabındaki fazla ölçü sayısı olarak tanımlanır. Eğer deneysel standart sapma gerçek hatalardan hesaplanırsa; s 2 [ εε ] =,f n =n Eğer deneysel standart sapma düzeltmelerden hesaplanırsa; 2 s = [vv], f n u = n u 21

22 t dağılımı (Student Dağılımı) 22

23 t dağılımı (Student Dağılımı) 23

24 t dağılımı (Student Dağılımı) t-dağılımı sıfır noktasına göre simetriktir. Serbestlik derecesi büyüdükçe dağılım, normal dağılıma yaklaşır ve f= için normal dağılıma teğet olur. f dağılımın beklenen değeri 0 ve standart sapması 1 olur; standart normal dağılıma dönüşür. Karmaşık bir integral fonksiyonu olduğundan doğrudan tablolar kullanılır. 24

25 t dağılımı (Student Dağılımı) Uygulamada genellikle α=0.05 ya da 0.01 alınır. Bir büyüklüğün 1-α dışında kalan bölgeye düşmesi neredeyse olanaksızdır. Yoğunluk fonksiyonunun sağında ve solunda eşit kısımlar halinde ayrılan α olasılığına yanılma olasılığı ya da testlerde anlamlılık düzeyi adı verilir. 25

26 t dağılımı (Student Dağılımı) Uygulamada genellikle α=0.05 ya da 0.01 alınır. Bir büyüklüğün 1-α dışında kalan bölgeye düşmesi neredeyse olanaksızdır. Yoğunluk fonksiyonunun sağında ve solunda eşit kısımlar halinde ayrılan α olasılığına yanılma olasılığı ya da testlerde anlamlılık düzeyi adı verilir. 26

27 χ2-dağılımı (Khi-Kare Dağılımı) kf = 2f / 2 1 Γ ( f / 2) 27

28 χ2-dağılımı (Khi-Kare Dağılımı) 28

29 χ2-dağılımı (Khi-Kare Dağılımı) 29

30 χ2-dağılımı (Khi-Kare Dağılımı) χ2-dağılımı büyük serbestlik derecesi (f >10) için normal dağılıma yaklaşır. χ2-dağılımını standart normal dağılımından ayıran en önemli özellik; rasgele değişkenin artı (pozitif) değerli yani, f(x) in x>0 bölgesi için tanımlı olmasıdır. Bunun dışında, serbestik derecesi (f) düşük ise dağılım belirli bir çarpıklık ve basıklığa sahip olur. Serbestlik derecesi (f) arttıkça yoğunluk fonksiyonu [f(x)] daha basık ve simetrik bir görünüm alırken çarpıklık azalıyor. 30

31 χ2-dağılımı (Khi-Kare Dağılımı) 31

32 F (Fisher) Dağılımı Serbestlik dereceleri f1 ve f2 olan, birbirinden bağımsız, χ2-dağılımlı iki rasgele değişkenin birbirine oranı F-dağılımlıdır. F-dağılımının olasılık fonksiyonu rasgele değişkenlerin serbestlik derecelerine bağlıdır. 32

33 F (Fisher) Dağılımı Bu durumda rasgele değişken deneysel olarak elde edilmiş birbirinden bağımsız iki varyansın oranı olacaktır. Bu eşitlik, jeodezik problemlerin dengelenmesi için kurulan modellerin testi için sık kullanılan bir bağıntıdır. En küçük kareler yöntemine göre dengelemede F-dağılımı iki bağımsız dengelemeden elde edilen varyansların karşılaştırmasında kullanılır. 33

34 F (Fisher) Dağılımı 34

35 F (Fisher) Dağılımı 35

36 ÖRNEK UYGULAMALAR 36

37 Örnek 1: Z N (0,1) ise P (Z < 0) =? Normal Dağılımın simetrik özelliğinden dolayı P (Z < 0) =

38 Örnek 2: Z N (0,1) ise P (Z < 1.0) =? 38

39 Örnek 3: Z N (0,1) ise P (Z > 0.92) =? P (Z > 0.92) = 1 P (Z < 0.92) = =

40 Örnek 4: Z N (0,1) ise P (Z < 0.76) =? 40

41 Örnek 5: Z N (0,1) ise P ( 0.64 < Z < 0.43) =? 41

42 Örnek 6: Z N (0,1) ise P (Z < 0.567) =? Bazen aranan tablo değerleri için tam değerler direkt olarak tablodan alınamaz. Bu gibi durumlarda bu tablo değerinin enterpole edilmesi gerekir. Bu örnekte olduğu gibi değeri tabloda bulunmamaktadır. Bu z değerine karşın tablo değeri en yakın iki z değerinden enterpole edilerek bulunur. Bunun için öncelikle; P (Z < 0.56) = ve P (Z < 0.57) = değerleri tablodan alınır. Sonrasında; P (Z < 0.567) değeri için enterpole edilir. Doğrusal Enterpolasyon şu şekilde yapılabilir: 42

43 Örnek 6: 1. YOL: P (Z < 0.56) = değeri x0 olarak alınırsa tablo değerini hesaplama: P (Z < 0.57) = değeri x0 olarak alınırsa tablo değerini hesaplama: 43

44 Örnek 6: Z N (0,1) ise P (Z < 0.567) =? 2. YOL: P (Z < 0.56) = ve P (Z < 0.57) = ise bu iki değerin farkı alınır. Yani = olarak bulunur. Sonrasında aranan değerin (0.567) tablo değeri 0.56 dan farkı 0.7 birimlik değişim değeri bulunur. Bundan dolayı, 0.7*0.0034= olarak elde edilir. Son işlem olarak bu değer ilk değer olan P (Z < 0.56) = değerine eklenir. Yani; P (Z < 0.567) = = olarak bulunur. Buna benzer şekilde P (Z < 0.57) = değerinden de hesaplama yapılabilir. Bunun için öncelikle değişim değeri bulunur için 0.3 olarak hesaplanır. Böylece; 0.3*0.0034= olarak elde edilir. Burada dikkat edilmesi gereken bulunan bu değerin P (Z < 0.57) = değerinden çıkarılmasıdır. Böylece, P (Z < 0.567) = = olarak bulunur. 44

45 Örnek 6: Z N (0,1) ise P (Z < 0.567) =? 3. YOL: P (Z < 0.56) = P (Z < 0.57) = P (Z < 0.567) = 0.3 * * =

46 Örnek 7: Bir açı büyüklüğünü gösteren X değişkeni normal dağılımlıdır. Beklenen değeri µ = 400 grad (gon) ve standart sapması σ = 2 mgon dur. Ölçü değerlerinin; a) grad dan küçük olması, b) grad ve grad arasında bulunması, c) grad dan büyük olması olasılığını hesaplayınız. Not: 1 mgon = grad (gon) dur. 46

47 Örnek 7: 47

48 Örnek 7: 48

49 Örnek 8: Normal dağılımlı bir ölçü dizisinde ölçü sayısı n = 500 dür. Ölçülen büyüklüğün beklenen değeri bilindiğine göre εi hataları hesaplanmıştır. Standart sapma σ = 4 tür. a) Hatası 8 den büyük (ε > 8) kaç ölçü vardır? b) Hatalar hangi olasılık ile ( 2.5; 2.5) aralığında bulunur. c) Bir ölçüyü εi > 10 hata ile elde etme olasılığını ve bu aralığa düşen ölçü sayısını belirleyiniz. 49

50 Örnek 8: 50

51 Örnek 8: 51

52 Örnek 8: 52

53 Örnek 9: Bir hastanede doğan çocukların ortalama ağırlığı 3.5 kg ve standart sapması 500 gr olarak (normal dağılımlı) varsayılmıştır. Doğan çocukların 3.1 kg dan daha az olma olasılığı nedir? Yani X N(3500, 5002) ve P(X < 3100) =? 53

54 Örnek 9: 54

55 Örnek 10: Normal dağılım gösteren 200 gözlemlik paralaks ölçüsü yapılmıştır. Bu ölçülerin ortalaması mm, standart sapması 0.12 mm dir. Buna göre; a) 10 mm ile mm arasında kalan gözlem sayısını, b) mm nin üstünde kalan gözlem sayısını, c) Ölçümlerinin %90 ının üstünde kalması muhtemel alt ve üst sınırı bulunuz. ÇÖZÜM: a) 55

56 Örnek 10: b) c) 56

57 Örnek 11: 2.15 % 2.15 % 57

58 Örnek 12: 2.15 % 2.15 % 58

59 Örnek 13: 2.15 % 2.15 % 59

60 Örnek 14: 2.15 % 2.15 % 60

61 Örnek 15: Aşağıdaki soruları cevaplandırınız. a) Tek yanlı Fisher dağılımı için f1=5, f2=10, α=%5 için tablo değeri nedir? b) χ2 dağılımına göre f=6, α=%5 için tablo değeri nedir? c) F5,7,0.95=? d) t5,0.975=? ÇÖZÜM: a) F5,10,0.95=

62 Örnek 15: b) χ26,0.95 =

63 Örnek 15: c) F5,7,0.95= 4.88 d) t5,0.975=

64 Ders Sonu/ İyi tatiller Sınavlarınızda Başarılar İstatistik tabloları için web sitesi: ndex.php/dersler.html Kaynaklar : A. Üstün, Olasılık ve İstatistik Ders Notları. H. Demirel, Dengeleme Hesabı, İTÜ. E. Öztürk, M. Şerbetçi, Dengeleme Hesabı Cilt III, KTÜ. Jonathan Marchini, Lecture 6 : The Normal Distribution. Wikipedia 64

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

BÖLÜM 9 NORMAL DAĞILIM

BÖLÜM 9 NORMAL DAĞILIM 1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen

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

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

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

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

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

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

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

İstatistik ve Olasılık

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

Detaylı

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

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

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

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

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi Değişken. w ( ) 1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

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

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

Hipotez Testleri. Mühendislikte İstatistik Yöntemler Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

DERS 3 ÖLÇÜ HATALARI Kaynak: İ.ASRİ

DERS 3 ÖLÇÜ HATALARI Kaynak: İ.ASRİ Ölçme Bilgisi DERS 3 ÖLÇÜ HATALARI Kaynak: İ.ASRİ Çizim Hassasiyeti Haritaların çiziminde veya haritadan bilgi almada ne kadar itina gösterilirse gösterilsin kaçınılmayacak bir hata vardır. Buna çizim

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

DENGELEME HESABI-I DERS NOTLARI

DENGELEME HESABI-I DERS NOTLARI DENGELEME HESABI-I DERS NOTLARI Dengeleme Hesabı Adımları, En Küçük Kareler İlkesine Giriş, Korelasyon Prof. Dr. Mualla YALÇINKAYA Yrd. Doç. Dr. Emine TANIR KAYIKÇI Karadeniz Teknik Üniversitesi, Harita

Detaylı

RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007

RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007 RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

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

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

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

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

KİMYASAL ANALİZ KALİTATİF ANALİZ (NİTEL) (NİCEL) KANTİTATİF ANALİZ

KİMYASAL ANALİZ KALİTATİF ANALİZ (NİTEL) (NİCEL) KANTİTATİF ANALİZ KİMYASAL ANALİZ KALİTATİF ANALİZ (NİTEL) KANTİTATİF ANALİZ (NİCEL) KANTİTATİF ANALİZ Bir numunedeki element veya bileşiğin bağıl miktarını belirlemek için yapılan analizlere denir. 1 ANALİTİK ANALİTİK

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

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

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

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

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

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

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

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 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

Merkezi Eğilim ve Dağılım Ölçüleri

Merkezi Eğilim ve Dağılım Ölçüleri Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki

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

BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Örnek Senaryo İmplant üreten İMPLANTDENT

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

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

Bir Normal Dağılım Ortalaması İçin Testler

Bir Normal Dağılım Ortalaması İçin Testler Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü

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

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene

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

MATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz.

MATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz. MATEMATİK. DENEME ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI. f : X tanımlı y = f() fonksiyonu için lim f ( ) = L ise aşağıdaki önermelerden kaç tanesi kesinlikle doğrudur? 0 I. X dir. 0 II. f() fonksiyonu

Detaylı

1: DENEYLERİN TASARIMI VE ANALİZİ...

1: DENEYLERİN TASARIMI VE ANALİZİ... İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...

Detaylı

HİPOTEZ TESTLERİ HİPOTEZ NEDİR?

HİPOTEZ TESTLERİ HİPOTEZ NEDİR? HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone

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

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

İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET

İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET Bu çalışmada, Celal Bayar Üniversitesi İnşaat Mühendisliği Bölümü öğrencilerinin

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

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

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI Tarih/Saat/Yer: 24.06.16/11:00-12:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:

Detaylı

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ İŞTİRME Araştırma rma SüreciS 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir.

İSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. İSTATİSTİKSEL TAHMİNLEME Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. 1 ŞEKİL: Evren uzay-örneklem uzay İstatistiksel tahmin

Detaylı

NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER

NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER A) Normal Dağılım ile İlgili Sorular Sayfa /4 Hamileler ile ilgili bir araştırmada, bu grubun hemoglobin değerlerinin normal dağılım gösterdiği

Detaylı

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. . nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. Buna göre, n C r + n C r toplamı aşağıdakilerden hangisine eşittir? A) n + C r B)

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

Merkezi Yığılma ve Dağılım Ölçüleri

Merkezi Yığılma ve Dağılım Ölçüleri 1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu

Detaylı

BÖLÜM 13 HİPOTEZ TESTİ

BÖLÜM 13 HİPOTEZ TESTİ 1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin

Detaylı

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki

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

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

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

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

Test İstatistikleri AHMET SALİH ŞİMŞEK

Test İstatistikleri AHMET SALİH ŞİMŞEK Test İstatistikleri AHMET SALİH ŞİMŞEK İçindekiler Test İstatistikleri Merkezi Eğilim Tepe Değer (Mod) Ortanca (Medyan) Aritmetik Ortalama Merkezi Dağılım Dizi Genişliği (Ranj) Standart Sapma Varyans Çarpıklık

Detaylı

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma

Detaylı

AST416 Astronomide Sayısal Çözümleme - II. 2. Temel İstatistik Kavramlar ve Dağılımlar

AST416 Astronomide Sayısal Çözümleme - II. 2. Temel İstatistik Kavramlar ve Dağılımlar AST416 Astronomide Sayısal Çözümleme - II 2. Temel İstatistik Kavramlar ve Dağılımlar Bu derste neler öğreneceksiniz? Sıklık Dağılımı ve Olasılık Dağılımı Olasılık ve Kümüatif Dağılım Fonksiyonları Dağılım

Detaylı

ÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV. ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV

ÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV. ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV - 1 - ÖĞRENME ALANI TEMEL MATEMATİK BÖLÜM TÜREV ALT ÖĞRENME ALANLARI 1) Türev 2) Türev Uygulamaları TÜREV Kazanım 1 : Türev Kavramını fiziksel ve geometrik uygulamalar yardımıyla açıklar, türevin tanımını

Detaylı

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

Detaylı

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma... İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler

Detaylı

istatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A

istatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A 2Q 10 BS 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek tablolar ve f ormüller bu kita p ç ığın sonunda ver-ilmiştir. 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre cevaplandırılacaktır

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

009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL

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

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

Finansal Ekonometri. Ders 2 Olasılık Teorisi ve Rasgele Değişkenler

Finansal Ekonometri. Ders 2 Olasılık Teorisi ve Rasgele Değişkenler Finansal Ekonometri Ders 2 Olasılık Teorisi ve Rasgele Değişkenler Tek Değişkenli Rasgele Değişkenler Tanım (rasgele değişken): Bir rasgele değişken, X, SX örneklem uzayından değerler alan ve bu örneklem

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

VERİ KÜMELERİNİ BETİMLEME

VERİ KÜMELERİNİ BETİMLEME BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik

Detaylı

Bu bölümde Coulomb yasasının bir sonucu olarak ortaya çıkan Gauss yasasının kullanılmasıyla simetrili yük dağılımlarının elektrik alanlarının çok

Bu bölümde Coulomb yasasının bir sonucu olarak ortaya çıkan Gauss yasasının kullanılmasıyla simetrili yük dağılımlarının elektrik alanlarının çok Gauss Yasası Bu bölümde Coulomb yasasının bir sonucu olarak ortaya çıkan Gauss yasasının kullanılmasıyla simetrili yük dağılımlarının elektrik alanlarının çok daha kullanışlı bir şekilde nasıl hesaplanabileceği

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

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

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

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

Detaylı

Merkezi Limit Teoremi

Merkezi Limit Teoremi Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal

Detaylı

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi

Detaylı

Prof.Dr.İhsan HALİFEOĞLU

Prof.Dr.İhsan HALİFEOĞLU Prof.Dr.İhsan HALİFEOĞLU Örnek: Aşağıda 100 yetişkine ilişkin kolesterol değerlerini sınıflandırılarak aritmetik ortalamasını bulunuz (sınıf aralığını 20 alınız). 2 x A fb C 229.5 n 40 20 100 221.5 3 Örnek:.

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

Okut. Yüksel YURTAY. İletişim : (264) Sayısal Analiz. Giriş.

Okut. Yüksel YURTAY. İletişim :  (264) Sayısal Analiz. Giriş. Okut. Yüksel YURTAY İletişim : Sayısal Analiz yyurtay@sakarya.edu.tr www.cs.sakarya.edu.tr/yyurtay (264) 295 58 99 Giriş 1 Amaç : Mühendislik problemlerinin bilgisayar ortamında çözümünü mümkün kılacak

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

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

Detaylı