Tahmin Edici Elde Etme Yöntemleri

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Tahmin Edici Elde Etme Yöntemleri"

Transkript

1 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme akla gele adaylar aras da yer alm şt. Hatta öreklem stadart sapmas p ile çarp m da tahmi edici olarak düşüülmüştü. T = X () T = X _ T 3 = Öreklem Ortacas T 4 = + X () T 5 = X () + X () T 6 = p S istatistikleri içi tahmi edici olarak öerilebilir. Başkalar da öerilebilir. Bular aras da T 4 yas z tahmi edicisi düzgu e küçük varyasl yas z tahmi edicidir, çükü, yeterli ve tam ola X () istatisti¼gii bir foksiyoudur (Lehma-Sche e Teoremi). Baz durumlarda tahmi edici öermek o kadar kolay olmamaktad r. Öre¼gi, kitle da¼g l m Gamma ( (; )) oldu¼guda, parametreleri kedileri içi tahmi edici öermek sezgisel olarak kolay olmamaktad r. Kitle ortlamas içi tahmi edici olarak X () öreklem ortalamas öerilebilir. Kitle varyas içi tahmi edici olarak S öreklem varyas öerilebilir. Acak ; parametrelerii kedileri içi tahmi ediciler öermek kolay de¼gildir.

2 Mometler Yötemi Mometler yötemi, 800 lü y llar solar da Karl Pearso a dayaa e eski yötemlerde birisidir. = ( ; ; :::; r ) 0 R r olmak üzere, r (r ) bileşeli parametre vektörüü tahmi etmek isteyelim. X ; X ; :::; X olas l k yo¼guluk foksiyou f(; ); ola da¼g l mda bir öreklem olmak üzere, var olmas halide, kitle da¼g l m mometleri, ve öreklem mometleri, k = E (X k ) ; k = ; ; 3; ::: k = X Xi k ; k = ; ; 3; ::: olsu. Kitle mometleri ile öreklem mometleride ilk r taesii eşitlemesiyle elde edile ve ; ; :::; r bilimeyelerie göre r tae deklemde oluşa deklem sistemii çözümü ola, (X ; X ; :::; X ) ; (X ; X ; :::; X ) ; :::; istatistiklerie mometler yötemi tahmi edicileri deir. Örek: X ; X ; :::; X olas l k yo¼guluk foksiyou, r (X ; X ; :::; X ) f(x; ; ) = ( ) x e x ; x > 0; ; (0; ) ola da¼g l mda bir öreklem olsu. Kitle ve öreklem mometleride ilk iki taesii eşitlemesiyle, X : = : + : = X X i X i

3 deklem sistemi elde edilir. Burada, ve i mometler yötemi tahmi edicileri, 3 olarak buluur. = X P _ (X i X) ; = P _ (X i X) X Örek: X ; X ; :::; X ler U( ; ) ; ; R; < da¼g l m da bir öreklem olsu. U( ; ) düzgü da¼g l m olas l k yo¼guluk foksiyou, f(x; ; ) = ; x 0 ; d:y: olup, birici mometi, ikici mometi, = + = + + olmak üzere, kitle ile öreklem mometlerii eşitlemesiyle, = = deklem sistemi elde edilir. Burada ve i mometler yötemi tahmi edicileri, v u P _ t (X i X) e = X 3 olarak buluur. X X X i X i v u P _ t (X i X) ; e = X + 3

4 4 E Çok Olabilirlik Yötemi Ta m: X = (X ; X ; :::; X ) öreklemii olas l k (yo¼guluk) foksiyou, f(x;) = f( ; ) olmak Q üzere, L(; x) = f(x; ) ; foksiyoua, gözlee x =(x ; x ; :::; x ) içi olabilirlik foksiyou veya k saca olabilirlik foksiyou deir. Geelde, L(; x) olabilirlik foksiyou bir olas l k yo¼guluk foksiyou de¼gildir, çükü bir foksiyou ola L(; x) foksiyou içi R L(; x)d de¼geri bire eşit olmayabilir. Olabilirlik Ilkesi: Bir deeyde (gözlemde) hakk da elde edilebilecek tüm bilgi, verile x = (x ; x ; :::; x ) gözlem vektörü içi olabilirlik foksiyouda içerilmektedir. x; y X olmak üzere her içi, L(; x) = c(x; y)l(; y) oldu¼guda, hakk da x; y gözlemleride ç kar lacak souçlar ay olmal d r. c(x; y) = durumuda Olabilirlik Ilkesi, ay olabilirlik de¼gerlerie sahip gözlemleri hakk da ay bilgiyi içerdiklerii söylemektedir. Acak Olabilirlik Ilkesi daha ileriye gitmektedir. Farkl iki gözlemi olabilirlikleri orat l ise hakk da ay bilgiyi içerdiklerii de ifade etmektedir. Öre¼gi, X gözlem vektörü içi L( ; x) = L( ; x) ise ; e göre iki kat daha caziptir deir. L(; x) = c(x; y)l(; y) de sa¼gla yorsa L( ; y) = L( ; y) olur. Böylece le y de hagisi gözleirse gözlesi, e göre iki kat daha caziptir soucua var l r. E çok olabilirlik yötemi, tahmi edicileri elde etme yötemleri aras da e popüler ola d r. Ta m: X = (X ; X ; :::; X ) öreklemii olas l k (yo¼guluk) foksiyou, f(x;) = f( ; ) olmak üzere X = x olarak gözledi¼gide Q bir foksiyou ola, L(; x) = f(x; ) ;

5 olabilirlik foksiyouu parametre kümesi üzeride maksimum yapa (x) de¼gerie, var olmas halide e çok olabilirlik tahmii ve ( X) istatisti¼gie de e çok olabilirlik tahmi edicisi deir. Kar ş kl ¼ga yol açmad ¼g takdirde e çok olabilirlik tahmii ile e çok olabilirlik tahmi edicisii ay sembolü ile gösterece¼giz. Bua göre, L( ; x) = max Y f( ; ) d r. Logaritma foksiyouu mootolu¼gu gözöüe al d ¼g da, l L( ; x) = max X l f( ; ) P yaz labilir. Baz durumlarda max l f( ; ) optimizasyo problemii çözmek daha kolay olmaktad r. Bu sebepte dolay geellikle, olabilirlik foksiyou yerie ou do¼gal logaritmas ola ve log-olabilirlik foksiyou da dee foksiyo maksimize edilmektedir. Baz durumlarda (x ; x ; :::; x ) çözümüü x ; x ; :::; x ler ciside ifade etmek, başka bir deyişle aalitik çözüm elde etmek mümkü olmakta, baz durumlarda da mümkü olmamaktad r. Aalitik çözüm elde edilemedi¼gide e çok olabilirlik tahmi edicisi biçimsel olarak bilimemekte, yai öreklemi bir foksiyou olarak aç k bir biçimde yaz lamamaktad r. Böyle durumlarda, optimizasyo problemi belli bir say sal algoritma ile çözülüp parametrei tahmii elde edilmektedir. Örek: X ; X ; :::; X ler N(; ) ; R ormal da¼g l m da bir öreklem olsu. 5 L(; x) = ( ) e l L(; x) = P ( ) l() X ( ) olmak üzere, max l L(; x) optimizasyo problemii çözümü, R

6 6 (x ; x ; :::; x ) = ve e çok olabilirlik tahmi edicisi, ( X ; X ; :::; X ) = d r. K saca = X olarak gösterebiliriz. P P X i Örek: X ; X ; :::; X ler N( ; ) ; R; (0; ) ormal da¼g l m da bir öreklem olsu. olmak üzere L( ; ; x) = ( ) e l L( ; ; x) = l( ) P ( ) X ( ) max l L( ; ; x) optimizasyo problemii çözümü, R; (0;) (x ; x ; :::; x ) = x P (x i x) (x ; x ; :::; x ) = ve ile parametrelerii e çok olabilirlik tahmi edicileri, d r. ( X ; X ; :::; X ) = X P (X i X) ( X ; X ; :::; X ) =

7 Örek: X ; X ; :::; X ler U( ; ) ; ; R; < düzgü da¼g l m da bir öreklem olsu. 8 < ( ) ; ; i = ; ; :::; L( ; ; x) = : 0 ; d.y. olmak üzere max l L( ; ; x) optimizasyo problemi aşa¼g daki ; R; < miimizasyo problemie eşde¼gerdir. 7 problemii çözümü, Amaç : mi ; ( ) K s t : x () < x () < ::: < x () = x () = x () olmak üzere ile parametrelerii e çok olabilirlik tahmi edicileri, d r. ( X ; X ; :::; X ) = X () ( X ; X ; :::; X ) = X () X ; X ; :::; X ler olas l k yo¼guluk foksiyou f(x; ) ; ola da¼g l mda bir öreklem ve T istatisti¼gi içi yeterli bir istatistik olmak üzere, e çok olabilirlik tahmi edicisi mevcut ve tek oldu¼guda T i bir foksiyoudur. Bu durumda L(; x ; x ; :::; x ) = k(t (x ; x ; :::; x ); ):h(x ; x ; :::; x ) biçimide olup, max l L(; x ; x ; :::; x ) problemi max k(t (x ; x ; :::; x ); ) problemie döüşüp e çok olabilirlik tahmi edicisi T i bir foksiyou olmaktad r.

8 8 E çok olabilirlik tahmi edicileri geellikle yal tahmi edicilerdir. Olabilirlik fosiyou ile ilgili baz düzgülük şartlar alt da e çok olabilirlik tahmi edicileri tutarl d rlar. Bir parametresii e çok olabilirlik tahmi edicisi ola ( X ; X ; :::; X ) asimptotik ormal da¼g l ma sahiptir. ( X ; X ; :::; X ) AN(; I() ) d r. E çok olabilirlik tahmi edicileri, parametre üzeride yap la döüşümlere göre de¼gişmez kalmaktad rlar, yai e çok olabilirlik tahmi edicisi ola parametresii g() gibi bir döüşümüü e çok olabilirlik tahmi edicisi g( ) d r. Örek: Belli bir tür elektroik parça içi dayama süresii üstel da¼g l ma sahip oldu¼gu bilisi. Dayama süresii varyas tahmi edilmek istesi. Kitle da¼g l m olas l k yo¼guluk foksiyou, f X (x; ) = e x ; x > 0 beklee de¼geri ve varyas d r. X ; X ; :::; X ler bir öreklem olsu. olmak üzere, max (0;) L(; x) = ( ) e P P l L(; x) = l l L(; x) optimizasyo problemii l L(; P + = = 0 P (x ; x ; :::; x ) = + P

9 9 ve e çok olabilirlik tahmi edicisi, ( X ; X ; :::; X ) = P X i d r. = X olmak üzere, i e çok olabilirlik tahmi edicisi, b = b = X d r. X ( =, = ) olmak üzere, E(X ) = V ar(x ) + = + = + d r. X ; e çok olabilirlik tahmi edicisi yas z de¼gildir. T = + X tahmi edicisi, i yas zl ¼g düzeltilmiş e çok olabilirlik tahmi edicisidir.

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

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

Detaylı

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

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

Detaylı

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

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

Detaylı

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

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

Detaylı

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

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

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı) 3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

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

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

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

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.

Detaylı

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi, . Ders Büyü Sayılar Kauları Kouya geçmede öce DeMoivre-Stirlig formülüü ve DeMoivre-Laplace teoremii hatırlayalım. DeMoivre, geel terimi, a!,,, 3,... e ola dizii yaısa olduğuu göstermiş, aca limitii bulamamış.

Detaylı

BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere:

BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere: 6. Ders BEKLENEN DEĞER Taım: X, bir rasgele değişke ve g : R R, B BR içi x : gx B BR özelliğie sahip bir foksiyo olmak üzere: i) X kesikli ve ii) X sürekli ve gx fx olduğuda, x EgX gxfx gx fxdx olduğuda,

Detaylı

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

TÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi

Detaylı

İSTATİSTİK DERS NOTLARI

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

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. Ders. Bazı Kesikli Olasılık Dağılımları Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.

Detaylı

İstatistik Nedir? Sistem-Model Kavramı

İstatistik Nedir? Sistem-Model Kavramı İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi

Detaylı

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

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

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

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

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

Detaylı

TOPOLOJİK TEMEL KAVRAMLAR

TOPOLOJİK TEMEL KAVRAMLAR TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.

Detaylı

Analiz II Çalışma Soruları-2

Analiz II Çalışma Soruları-2 Aaliz II Çalışma Soruları- So gücelleme: 04040 (I Aşağıdaki foksiyoları (ilgili değişkelere göre türevlerii buluuz 7 cos π 8 log (si π ( si ta e 9 4 5 6 + cot 0 sec sit t si( e + e arccos ( e cos(ta (II

Detaylı

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir?

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir? ÖRNEK 1 : A= {1,,}, B={1,,5,7}kümeleri veriliyor. A da B ye taımlaa aşağıdaki bağıtılarda hagisi foksiyo değildir? A) {(1,), (,5), (,7)} B) {(1,), (1,5), (,1)} C) {(1,1), (,1), (,1)} D) {(1,5), (,1), (,7)}

Detaylı

İstatistik ve Olasılık

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

Detaylı

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6. Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit

Detaylı

ÖZET Doktora Tezi KISITLI DURUM KALMAN FİLTRESİ VE BAZI UYGULAMALARI Esi KÖKSAL BABACAN Akara Üiversitesi Fe Bilimleri Estitüsü İstatistik Aabilim Dal

ÖZET Doktora Tezi KISITLI DURUM KALMAN FİLTRESİ VE BAZI UYGULAMALARI Esi KÖKSAL BABACAN Akara Üiversitesi Fe Bilimleri Estitüsü İstatistik Aabilim Dal ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ DOKTORA TEZİ KISITLI DURUM KALMAN FİLTRESİ VE BAZI UYGULAMALARI Esi KÖKSAL BABACAN İSTATİSTİK ANABİLİM DALI ANKARA 2009 Her hakkı saklıdır ÖZET Doktora Tezi

Detaylı

BAĞINTI VE FONKSİYON

BAĞINTI VE FONKSİYON BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı

Detaylı

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+... MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

Bu bölümde kan tlayaca m z teoremi, artan ve üstten s -

Bu bölümde kan tlayaca m z teoremi, artan ve üstten s - 18. S rl ve Arta Diziler Bu bölümde ka tlayaca m z teoremi, arta ve üstte s - rl bir gerçel say dizisii üsts ra çarpmas a ramak kal r biçimide özetleyebiliriz. (Üsts r kavram Bölüm 19 da görece iz.) flte

Detaylı

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ 5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii

Detaylı

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R İ H S A N T İ M U Ç İ N D O L A P C İ, Y İ Ğ İ T A K S O Y M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R P U B L I S H E R O F T H I S B O O K Copyright 13 İHSAN TİMUÇİN DOLAPCİ, YİĞİT AKSOY

Detaylı

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler... İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı

Detaylı

Bileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:

Bileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir: 1 BİLEŞİK FAİZ: Basit faiz hesabı kısa vadeli(1 yılda az) kredi işlemleride uygulaa bir metot idi. Ayrıca basit faiz metoduda her döem içi aapara sabit kalmakta olup o döem elde edile faiz tutarı bir soraki

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

BÖLÜM III. Kongrüanslar. ise a ile b, n modülüne göre kongrüdür denir ve

BÖLÜM III. Kongrüanslar. ise a ile b, n modülüne göre kongrüdür denir ve BÖLÜM III Kogrüaslar Taım 3. N sabit bir sayı, a, b Z olma üzere, eğer ( a b) ise a ile b, modülüe göre ogrüdür deir ve a b(mod ) şelide gösterilir. Asi halde, yai F ( a b) ise a ile b ye modülüe göre

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

Detaylı

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z.

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z. KÜME KAVRAMI Küme matematiği taımsız bir kavramıdır. Acak kümeyi, iyi taımlamış kavram veya eseler topluluğu diye tarif edebiliriz. Kümeler A, B, X, K,... gibi büyük harflerle Bir kümeyi oluştura eseleri

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ 8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,

Detaylı

Ölçme Hataları, Hata Hesapları. Ölçme Hataları, Hata Hesapları 2/22/2010. Ölçme... Ölçme... Yrd. Doç. Dr. Elif SERTEL sertele@itu.edu.

Ölçme Hataları, Hata Hesapları. Ölçme Hataları, Hata Hesapları 2/22/2010. Ölçme... Ölçme... Yrd. Doç. Dr. Elif SERTEL sertele@itu.edu. //00 Ölçme Hataları, Hata Hesapları Ölçme Hataları, Hata Hesapları Yrd. Doç. Dr. Elif SERTEL sertele@itu.edu.tr Suu, Doç. Dr. Hade Demirel i ders otlarıda ve Ölçme Bilgisi kitabıda düzelemiştir. Ölçme...

Detaylı

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu

Detaylı

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİK- LERİ ) ... BOŞ KÜME. w w w. m a t b a z.

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİK- LERİ ) ... BOŞ KÜME. w w w. m a t b a z. KÜME KAVRAMI Küme matematiği taımsız bir kavramıdır. Acak kümeyi, iyi taımlamış kavram veya eseler topluluğu diye tarif edebiliriz. Kümeler A, B, X, K,... gibi büyük harflerle gösterilir. Bir kümeyi oluştura

Detaylı

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri, POLİNOMLAR Taım : a0, a, a,..., a, a reel sayılar ve doğal sayı olmak üzere P x = a x + a x +... + a x + a x + a biçimideki ifadelere x e bağlı reel katsayılı poliom (çok terimli) deir. 0 a 0 ax + a x

Detaylı

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1)

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1) TÜMEVARIM Matematite ulladığımız teoremleri ispatlamasıda pe ço ispat yötemi vardır. Özellile doğal sayılar ve birço ouda ispatlar yapare tümevarım yötemii sıça ullaırız. Tümevarım yötemii P Öermesii doğruluğuu

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

SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY FÖYÜ

SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY FÖYÜ SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK AKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY ÖYÜ DENEY I VİDALARDA OTOBLOKAJ DENEY II SÜRTÜNME KATSAYISININ BELİRLENMESİ DERSİN

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

Detaylı

Ki- kare Bağımsızlık Testi

Ki- kare Bağımsızlık Testi PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm

Detaylı

İstatistik ve Olasılık

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

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER. Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER. Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI ANKARA 200 Her hakkı saklıdır ÖZET Yüksek Lisas Tezi ISTAT IST

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları

Detaylı

Bölüm 5: Hareket Kanunları

Bölüm 5: Hareket Kanunları Bölüm 5: Hareket Kauları Kavrama Soruları 1- Bir cismi kütlesi ile ağırlığı ayımıdır? 2- Ne zama bir cismi kütlesi sayısal değerce ağırlığıa eşit olur? 3- Eşit kollu terazi kütleyi mi yoksa ağırlığı mı

Detaylı

MEKANİK TESİSATTA EKONOMİK ANALİZ

MEKANİK TESİSATTA EKONOMİK ANALİZ MEKANİK TESİSATTA EKONOMİK ANALİZ Mustafa ÖZDEMİR İ. Cem PARMAKSIZOĞLU ÖZET Düya çapıda rekabeti ö plaa çıktığı bu gükü şartlarda, e gelişmiş ürüü, e kısa sürede, e ucuza üretmek veya ilk yatırım ve işletme

Detaylı

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi 5. Drs Dağılımlarda Rasgl Sayı Ürtilmsi Trs Döüşüm Yötmi sürkli bir rasgl dğişk v bu rasgl dğişki dağılım foksiyou olsu. Dağılımı dstk kümsi üzrid dağılım foksiyou arta v bir-bir bir foksiyo olmaktadır.

Detaylı

Görüntü Stabilizasyonu İçin Paralel İşlev Gören İki Kalman Filtresiyle İşlem Gürültü Varyansının Adaptifleştirilmesi

Görüntü Stabilizasyonu İçin Paralel İşlev Gören İki Kalman Filtresiyle İşlem Gürültü Varyansının Adaptifleştirilmesi Görütü Stabilizasyou İçi Paralel İşlev Göre İki Kalma Filtresiyle İşlem Gürültü Varyasıı Adaptifleştirilmesi Eylem Yama, Sarp Ertürk Kocaeli Üiversitesi Elektroik ve Haberleşme Müh. Bölümü eylem@kou.edu.tr,

Detaylı

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

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

Detaylı

Mühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi

Mühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi Mühedislik Fakültesi Edüstri Mühedisliği Bölümü Doç. Dr. Nil ARAS ENM4 Tesis Plalaması 6-7 Güz Döemi 3 Sisteme ekleecek tesis sayısı birde fazladır. Yei tesisler birbirleri ile etkileşim halide olabilirler

Detaylı

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA UYUM İYİLİĞİ İÇİN AMICO TEK-ÖRNEK TESTİ VE İĞER UYUM İYİLİĞİ TESTLERİ İLE KARŞILAŞTIRILMASI Burçi Goca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 7 ANKARA TEZ

Detaylı

Üstel Dağılım Babam: - Şu ampullerin hangisinin ömrünün daha kısa olduğu hiç belli olmuyor. Bazen yeni alınanlar eskilerden daha önce yanıyor.

Üstel Dağılım Babam: - Şu ampullerin hangisinin ömrünün daha kısa olduğu hiç belli olmuyor. Bazen yeni alınanlar eskilerden daha önce yanıyor. Üsel Dağılım Babam: - Şu ampulleri hagisii ömrüü daha kısa olduğu hiç belli olmuyor. Baze yei alıalar eskilerde daha öce yaıyor. Hele şuradaki bildim bileli var. Evde yedek ampul yokke, gerekirse ou söküp

Detaylı

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir. 203-204 Bahar REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyo Basit doğrusal regresyo modeli: y i = β 0 + β x i + ε i Modeli matris gösterimi, y i = [ x i ] β 0 β + ε i şeklidedir. x y 2 gözlem

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei

Detaylı

WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI

WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI VII. Ulusal Temiz Eerji Sempozyumu, UTES 008 7-9 Aralı 008, İstabul WEIBULL DAĞILIM PARAMETRELERİNİ BELİRLEME METODLARININ KARŞILAŞTIRILMASI Seyit Ahmet AKDAĞ, Öder GÜLER İstabul Tei Üiversitesi, Eerji

Detaylı

Vektör bileşenleri için dikey eksende denge denklemi yazılırak, aşağıdaki eşitlik elde edilir. olarak elde edilir. 2

Vektör bileşenleri için dikey eksende denge denklemi yazılırak, aşağıdaki eşitlik elde edilir. olarak elde edilir. 2 Açıklama Sorusu : V kayışlar, ayı mekaizma büyüklükleride düz kayışlara göre daha yüksek dödürme mometlerii taşıyabildikleri bilimektedir. V kayışları düz kayışlara göre gözlee bu üstülüğü sebebi "kama

Detaylı

Standart Formun Yapısı. Kanonik Form. DP nin Formları SİMPLEX YÖNTEMİ DP nin Düzenleniş Şekilleri. 1) Optimizasyonun anlamını değiştirme

Standart Formun Yapısı. Kanonik Form. DP nin Formları SİMPLEX YÖNTEMİ DP nin Düzenleniş Şekilleri. 1) Optimizasyonun anlamını değiştirme 5.0.06 DP i Düzeleiş Şekilleri DP i Formları SİMPLEX YÖNTEMİ ) Primal (özgü) form ) Kaoik form 3) Stadart form 4) Dual (ikiz) form Ayrı bir kou olarak işleecek Stadart formlar Simplex Yötemi içi daha elverişli

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler

Detaylı

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ Lokma Gökçe Olimpiyat problemlerii çözümüde eşitsizlik teorisi öemli bir yer tutar. Baze bir maksimum miimum değer problemide, baze bir geometrik eşitsizlik kaıtıda, baze

Detaylı

PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE

PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE AMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE YÜKSEK LİSANS TEZİ Güllü Caa HAZAR Aabilim Dalı : Matematik Tez

Detaylı

İKİNCİ BÖLÜM REEL SAYI DİZİLERİ

İKİNCİ BÖLÜM REEL SAYI DİZİLERİ Prof.Dr.Hüseyi ÇAKALLI İKİNCİ BÖLÜM REEL SAYI DİZİLERİ Bu ölümde dizileri, yi tım kümesi doğl syılr kümesi, değer kümesi, reel syılr kümesii ir lt kümesi ol foksiyolrı iceleyeceğiz... Ykısk Diziler. Öce

Detaylı

18.06 Professor Strang FİNAL 16 Mayıs 2005

18.06 Professor Strang FİNAL 16 Mayıs 2005 8.6 Professor Strag FİNAL 6 Mayıs 25 ( Pua) P,..., P R deki oktalar olsu. ( ai, ai2,..., a i) P i i koordiatlarıdır. Bütü P i oktasıı içere bir cx +... + cx = hiperdüzlemi bulmak istiyoruz. a) Bu hiperdüzlemi

Detaylı

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 1 sh Ocak 2004

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 1 sh Ocak 2004 DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 6 Sayı: 1 sh. 129-138 Ocak 2004 CEBİRSEL KATSAYILI HOMOJEN DİFERANSİYEL DENKLEMLERİN FARK DENKLEMLERİ İLE ÇÖZÜMÜ (SOLUTION OF HOMEGENEOUS DIFFERANTIAL

Detaylı

( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri

( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri V MERSİN MATEMATİK OLİMPİYATI (ÜNV ÖĞR) I AŞAMA SINAV SORULARI ( Nisa 8) de ye taımlı, birebir ve örte f ve g foksiyoları her bir içi koşuluu sağlası g( a ) = ve f ( ) ( ) ( ) f = g a 4 = a ise a sayısı

Detaylı

Bu bölümde birkaç yak nsak dizi örne i daha görece iz.

Bu bölümde birkaç yak nsak dizi örne i daha görece iz. 19B. Yak sak Gerçel Dizi Örekleri Bu bölümde birkaç yak sak dizi öre i daha görece iz. Verdi imiz örekleri her biri hem kedi bafl a hem de kulla la yötem aç s da öemlidir. Örek 19B.1. lim 1/ = 1. Ka t:

Detaylı

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

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

Detaylı

(Sopphie Germain Denklemi) çarpanlarına ayırınız. r s + t r s + t olduğunu ispatlayınız. + + + + olduğunu. + + = + + eşitliğini ispatlayınız.

(Sopphie Germain Denklemi) çarpanlarına ayırınız. r s + t r s + t olduğunu ispatlayınız. + + + + olduğunu. + + = + + eşitliğini ispatlayınız. Sayılar Teorisi Kouları Geel Sıavları www.sbelia.wordpress.com SINAV I(IDENTITIES WITH SQUARES) 4 4. a 4b (Sopphie Germai Deklemi) çarpalarıa ayırıız.. 4 4 = A ise A ı sadece = durumuda asal olduğuu ispatlayıız..

Detaylı

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol

Detaylı

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

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

Detaylı

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi 3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada

Detaylı

Sistemin derecesi, sistemin karakteristik denkleminin en sade halinde (çarpansız) paydadaki s nin en yüksek derecesidir.

Sistemin derecesi, sistemin karakteristik denkleminin en sade halinde (çarpansız) paydadaki s nin en yüksek derecesidir. 43 BÖLÜM 3 ZAMAN CEVABI Sitemi derecei, itemi karakteritik deklemii e ade halide (çarpaız) paydadaki i e yükek dereceidir. Bir Trafer Fokiyouu Kutupları Trafer fokiyou G() N()/N() şeklide ifade edilire,

Detaylı

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin.

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin. UYGULAMA- OLASILIK HESABI Ω. Ω solu sayıda elemaa sahip olsu. Ω { ω, ω,, ω }, U olmak üzere, Ω ı her bir ω i, i,,, elemaıa aşağıdaki özelliklere sahip bir p i sayısı karşılık getirilsi. ) p 0, i,,...,

Detaylı

Değişkenler: Bir problemin modeli kurulduktan sonra değeri hesaplanacak olan bilinmeyen simgelerdir.

Değişkenler: Bir problemin modeli kurulduktan sonra değeri hesaplanacak olan bilinmeyen simgelerdir. 2. DOĞRUSAL PROGRAMLAMA (DP) 2.1. DP i Taımı ve Bazı Temel Kavramlar Model: Bir sistemi değişe koşullar altıdaki davraışlarıı icelemek, kotrol etmek ve geleceği hakkıda varsayımlarda bulumak amacı ile

Detaylı

MATEMAT K PERMÜTASYON - KOMB NASYON ÖRNEK 1: ÖRNEK 2:

MATEMAT K PERMÜTASYON - KOMB NASYON ÖRNEK 1: ÖRNEK 2: MATEMAT K PERMÜTASYON - KOMB NASYON ÖRNEK : ÖRNEK 2:, 6, 7, 8, 9 rakamlar kullaarak rakamlar birbiride farkl ola, üç basamakl ve 780 de küçük kaç de iflik say yaz labilir? A) 6 B) 2 C) 36 D) 30 E) 2 (999

Detaylı

MIT Açık Ders Malzemeleri Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için

MIT Açık Ders Malzemeleri  Bu materyallerden alıntı yapmak veya Kullanım Koşulları hakkında bilgi almak için MIT Açı Ders Malzemeleri http://ocw.mit.edu Bu materyallerde alıtı yapma veya Kullaım Koşulları haıda bilgi alma içi http://ocw.mit.edu/terms veya http://www.aciders.org.tr adresii ziyaret ediiz. 18.102

Detaylı

Öğrenci Numarası İmzası: Not Adı ve Soyadı

Öğrenci Numarası İmzası: Not Adı ve Soyadı Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma

Detaylı

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

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

Detaylı

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

32. Kardinal Say lar, Tan m ve lk Özellikler

32. Kardinal Say lar, Tan m ve lk Özellikler 32. Kardial Say lar, Ta ve l Özelliler Her üei iyis ralaabilece ii a tla flt (Teore 24.1). Özel iyis ral üeler ola ordialleri de Bölü 10 da ta la flt. Ordiallerde iyis ralaa iliflisiyle verilir, yai bir

Detaylı

OLĐMPĐYATLARA HAZIRLIK ĐÇĐN DOĞRUSAL ĐNDĐRGEMELĐ DĐZĐ PROBLEMLERĐ ve ÇÖZÜMLERĐ (L. Gökçe)

OLĐMPĐYATLARA HAZIRLIK ĐÇĐN DOĞRUSAL ĐNDĐRGEMELĐ DĐZĐ PROBLEMLERĐ ve ÇÖZÜMLERĐ (L. Gökçe) OLĐMPĐYATLARA HAZIRLIK ĐÇĐN DOĞRUSAL ĐNDĐRGEMELĐ DĐZĐ PROBLEMLERĐ ve ÇÖZÜMLERĐ (L. Gökçe) Matematikte sayı dizileri teorisii ilgiç bir alt kolu ola idirgemeli diziler kousu olimpiyat problemleride de karşımıza

Detaylı

{ 1 3 5} { 2 4 6} OLASILIK HESABI

{ 1 3 5} { 2 4 6} OLASILIK HESABI OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {

Detaylı

Permütasyon Kombinasyon Binom Aç l m. Olas l k ve statistik. Karmafl k Say lar

Permütasyon Kombinasyon Binom Aç l m. Olas l k ve statistik. Karmafl k Say lar 0 0 0 Gerçek Say lar Kümesii Geiflletme Gere i Kümesi Aalitik Düzlemde Gösterilmesi Efllei i Modülü da fllemler ki Karmafl k Say Aras daki Uzakl k Karmafl k Say Geometrik Yeri Kutupsal Gösterimi Karmafl

Detaylı

Bağıntı YILLAR ) AxB BxA. 2) Ax(BxC) = (AxB)xC. 4) s(axb) = s(bxa) = s(a).s(b)

Bağıntı YILLAR ) AxB BxA. 2) Ax(BxC) = (AxB)xC. 4) s(axb) = s(bxa) = s(a).s(b) Bağıtı YILLAR 00 00 00 005 006 007 008 009 00 0 ÖSS-YGS - - - - - - - - - BAĞINTI ÖZELLĐKLER: SIRALI ĐKĐLĐ: (a,) şeklideki ifadeye ir sıralı ikili yada kısaca ikili deir (a,) sıralı ikiliside a ya irici

Detaylı

JEOLOJİDE MATEMATİK VE İSTATİSTİKSEL YÖNTEMLER

JEOLOJİDE MATEMATİK VE İSTATİSTİKSEL YÖNTEMLER JEOLOJİDE MATEMATİK VE İSTATİSTİKSEL YÖNTEMLER Prof. Dr. Hüseyi Çelebi Ders Notları İstabul 014 Jeolojide matematik ve statistiksel yötemler 1 Ösöz Jeolojide matematik ve istatistiksel yötemler ders otları

Detaylı

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1

Örnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1 Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault

Detaylı

Đki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı

Đki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı Đki Oyu Yaz Demi 22 Hazira 20, Çarşamba Đst20 Đstatistik Teorisi Dersi kousu: Olasılık Hesabı - Çocuklar, Đstatistik Teorisi bir tarafa, istatistikçileri işi rasgelelik ortamıda hesap yapmaktır. Şöyle

Detaylı

Süzgeç. Şekil 4.1 Süzgeçlemedeki temel fikir

Süzgeç. Şekil 4.1 Süzgeçlemedeki temel fikir Deey 4: ayısal üzgeçler Amaç Bu deeyi amacı solu dürtü yaıtlı (FIR) ve sosuz dürtü yaıtlı (IIR) sayısal süzgeçleri taıtılması ve frekas yaıtlarıı icelemesidir. Giriş iyal işlemede süzgeçleme bir siyali

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

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

Detaylı

Fonksiyonlarda Limit. Dizi fonksiyonu, tanım kümesindeki bütün 1, 2, 3,, n, sayma sayılarına, sırasıyla

Fonksiyonlarda Limit. Dizi fonksiyonu, tanım kümesindeki bütün 1, 2, 3,, n, sayma sayılarına, sırasıyla Foksiyolarda Limit Foksiyolarda it: Bu bölümde y f ( ) foksiyou ve sayısı verildiğide, bağımsız değişkei sayısıa (solda veya sağda) yaklaşırke ya da sosuza yaklaşırke, foksiyou da bir L sayısıa (veya ya

Detaylı