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

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

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

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

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

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

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

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

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

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

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

(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

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

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

( 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

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

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

( 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

(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

( 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

{ 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

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

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

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

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

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

{ 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

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

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

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

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

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

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

Galois cisimleri ve en yüksek çözümlü 2 k-1 tasarmlarnn oluturulmas

Galois cisimleri ve en yüksek çözümlü 2 k-1 tasarmlarnn oluturulmas www.istatistikciler.org statistikçiler Dergisi 3 (00) 45-53 statistikçiler Dergisi Galois cisimleri ve e yüksek çözümlü k- tasarmlar oluturulmas Naza Daacolu Siop Üiversitesi Fe-Ed. Fak. statistik Bölümü

Detaylı

YENĐ BĐR ADAPTĐF FĐLTRELEME YÖNTEMĐ: HĐBRĐD GS-NLMS ALGORĐTMASI

YENĐ BĐR ADAPTĐF FĐLTRELEME YÖNTEMĐ: HĐBRĐD GS-NLMS ALGORĐTMASI Uludağ Üiversitesi ühedislik-imarlık Fakültesi Dergisi, Cilt 3, Sayı, 008 YENĐ BĐR ADAPĐF FĐLRELEE YÖNEĐ: HĐBRĐD GS-NLS ALGORĐASI Sedat ĐRYAKĐ * eti HAUN ** Osma Hilmi KOÇAL ** Özet: Bu makalede, adaptif

Detaylı

TG 12 ÖABT ORTAÖĞRETİM MATEMATİK

TG 12 ÖABT ORTAÖĞRETİM MATEMATİK KAMU PERSONEL SEÇME SINAVI ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ORTAÖĞRETİM MATEMATİK ÖĞRETMENLİĞİ TG ÖABT ORTAÖĞRETİM MATEMATİK Bu testleri her hakkı saklıdır. Hagi amaçla olursa olsu, testleri tamamıı vea

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ZAMAN SERİLERİNDE BİRİM KÖKLERİN İNCELENMESİ. Yeliz YALÇIN İSTATİSTİK ANABİLİM DALI

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ZAMAN SERİLERİNDE BİRİM KÖKLERİN İNCELENMESİ. Yeliz YALÇIN İSTATİSTİK ANABİLİM DALI ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÜKSEK LİSANS TEZİ ZAMAN SERİLERİNDE BİRİM KÖKLERİN İNCELENMESİ eliz ALÇIN İSTATİSTİK ANABİLİM DALI ANKARA Her akkı saklıdır rd. Doç. Dr. ılmaz AKDİ daışmalığıda,

Detaylı

MAGNİTÜD-SIKLIK İLİŞKİSİ PARAMETRELERİNİN ROBUST TAHMİNİ

MAGNİTÜD-SIKLIK İLİŞKİSİ PARAMETRELERİNİN ROBUST TAHMİNİ . Türkiye Deprem Mühedisliği ve Sismoloji Koferası -4 Ekim 0 ODTÜ ANKARA MAGNİTÜD-SIKLIK İLİŞKİSİ PARAMETRELERİNİN ROBUST TAHMİNİ Ayşe D. AKKAYA ve M. Semih YÜCEMEN Profesör, İstatistik Bölümü, ODTÜ, Akara,

Detaylı

ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE

ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:-Sayı/No: : 355-366 (9) ARAŞTIRMA MAKALESİ /RESEARCH ARTICLE TEK DEĞİŞKENLİ KARARLI DAĞILIMLAR,

Detaylı

HİPER KÜRESEL HORMONİKLER Nursefa YAKUPOĞLU Yüksek Lisans Tezi Matematik Anabilim Dalı Uygulamalı Matematik Bilim Dalı Yrd. Doç. Dr.

HİPER KÜRESEL HORMONİKLER Nursefa YAKUPOĞLU Yüksek Lisans Tezi Matematik Anabilim Dalı Uygulamalı Matematik Bilim Dalı Yrd. Doç. Dr. HİPER KÜRESEL HORMONİKLER Nursefa YAKUPOĞLU Yüksek Lisas Tezi Matematik Aabilim Dalı Uygulamalı Matematik Bilim Dalı Yrd. Doç. Dr. Arzu AYKUT 2014 Her hakkı saklıdır ATATÜRK ÜNİVERSİTESİ FEN BİLİMLERİ

Detaylı

MONTE CARLO BENZETİMİ

MONTE CARLO BENZETİMİ MONTE CARLO BENZETİMİ U(0,) rassal değişkeler kullaılarak (zamaı öemli bir rolü olmadığı) stokastik ya da determiistik problemleri çözümüde kullaıla bir tekiktir. Mote Carlo simülasyou, geellikle statik

Detaylı

ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ÖABT SINIF ÖĞRETMENLİĞİ TEMEL MATEMATİK

ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ÖABT SINIF ÖĞRETMENLİĞİ TEMEL MATEMATİK ÖT 2015 Sorular yakalaya komisyo tarafda hazrlamştr. ÖĞRETMENLİK LN İLGİSİ TESTİ ÖT SINIF ÖĞRETMENLİĞİ TEMEL MTEMTİK Kou latm Özgü Sorular yrtl ler Test Stratejileri Çkmş Sorular Komisyo ÖT Sf Öğretmeliği

Detaylı

7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar

7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar 7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar Y = X β + ε Lineer Modeli pekçok özel hallere sahiptir. Bunlar, ε nun dağılımına, Cov( ε ) kovaryans

Detaylı

SIRA-BAĞIMLI HAZIRLIK ZAMANLI İKİ ÖLÇÜTLÜ ÇİZELGELEME PROBLEMİ: TOPLAM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME. Tamer EREN a,*, Ertan GÜNER b ÖZET

SIRA-BAĞIMLI HAZIRLIK ZAMANLI İKİ ÖLÇÜTLÜ ÇİZELGELEME PROBLEMİ: TOPLAM TAMAMLANMA ZAMANI VE MAKSİMUM ERKEN BİTİRME. Tamer EREN a,*, Ertan GÜNER b ÖZET Erciyes Üiversitesi Fe Bilimleri Estitüsü Dergisi 23 (1-2) 95-105 (2007) http://fbe.erciyes.edu.tr/ ISSN 1012-2354 SIRA-BAĞIMLI HAZIRLIK ZAMANLI İKİ ÖLÇÜTLÜ ÇİZELGELEME PROBLEMİ: TOPLAM TAMAMLANMA ZAMANI

Detaylı

DETERMINANTLAR. 1. Permütasyon. 1. Permütasyon ) permütasyonundaki ters dönüşüm. 1. Permütasyon 2. BÖLÜM ( )

DETERMINANTLAR. 1. Permütasyon. 1. Permütasyon ) permütasyonundaki ters dönüşüm. 1. Permütasyon 2. BÖLÜM ( ) . BÖÜM. Permütsyo Tım: Bir tm syılr {,,, } kümesideki elemlrı tekrr olmksızı frklı DETERMINNTR sırlmlrıı düzelemesie permütsyo deir. Örek: {,, 3} tm syılr kümesii ltı frklı permütsyou vrdır: (,, 3), (,,

Detaylı

Yukarıdaki sonucu onaylarım. Prof. Dr. Ülkü MEHMETOĞLU. Enstitü Müdürü

Yukarıdaki sonucu onaylarım. Prof. Dr. Ülkü MEHMETOĞLU. Enstitü Müdürü ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ DURAĞAN OLMAYAN ZAMAN SERİLERİNDE KOİNTEGRASYON VEKTÖRÜNÜN TAHMİNİ ÜZERİNE BİR ÇALIŞMA Yudum BALKAYA İSTATİSTİK ANABİLİM DALI ANKARA 006 Her

Detaylı

Deomed Yay nc l k. Türkçe birinci bask Deomed, 2011.

Deomed Yay nc l k. Türkçe birinci bask Deomed, 2011. Deomed Yay c l k Holz / Spaide Medikal Retia / Patogeez, Ta ve Tedavi Gücellemeleri Türkçe Editörü / Gülipek Müftüo lu Çeviri / rem Hamamc o lu 27 Yazar Kat l m yla 16.5 x 24 cm, XII + 228 Sayfa 55 fiekil,

Detaylı

TAMSAYILI PROGRAMLAMADA DAL KESME YÖNTEMİ VE BİR EKMEK FABRİKASINDA OLUŞTURULAN ARAÇ ROTALAMA PROBLEMİNE UYGULANMASI

TAMSAYILI PROGRAMLAMADA DAL KESME YÖNTEMİ VE BİR EKMEK FABRİKASINDA OLUŞTURULAN ARAÇ ROTALAMA PROBLEMİNE UYGULANMASI Uludağ Üiversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi Cilt XXIV, Sayı 1, 2005, s. 101-114 TAMSAYILI PROGRAMLAMADA DAL KESME YÖNTEMİ VE BİR EKMEK FABRİKASINDA OLUŞTURULAN ARAÇ ROTALAMA PROBLEMİNE

Detaylı

11. SINIF MATEMATİK ÜÇRENK SORU BANKASI

11. SINIF MATEMATİK ÜÇRENK SORU BANKASI . INIF MATEMATİK ÜÇRENK ORU BANKAI Mil lî E i tim Ba ka l Ta lim ve Ter bi ye Ku ru lu Ba ka l.8. ta rih ve sa y l ka ra r ile ka bul edi le ve - Ö re tim Y l da iti ba re uy gu la a cak ola prog ra ma

Detaylı

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 4-2 Yıl: 2011 113-124

EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 4-2 Yıl: 2011 113-124 EÜFBED - Fe Bilimleri Estitüsü Dergisi Cilt-Sa: 4- Yl: 3-4 STURM LİOUVİLLE FARK OERATÖRÜNÜN SEKTRAL ÖZELLİKLERİ SECTRAL ROERTIES OF THE STURM LIOUVILLE DIFFERENCE OERATOR Ateki ERYILMAZ * e Bileder AŞAOĞLU

Detaylı

Matematik Olimpiyatları İçin

Matematik Olimpiyatları İçin KONU ANLATIMLI Matematik Olimpiyatları İçi İdirgemeli Diziler, Kombiatorik ve Cebirsel Uygulamaları LİSE MATEMATİK OLİMPİYATLARI İÇİN Lokma Gökçe, Osma Ekiz İdirgemeli Diziler ve Uygulamaları Lokma Gökçe,

Detaylı

5. Atomun yap s n aç klamak için çok de iflik modeller ortaya CEVAP A. 6. Bohr atom modeline göre, CEVAP E. ... n=4... n=3... n=2 ESEN YAYINLARI

5. Atomun yap s n aç klamak için çok de iflik modeller ortaya CEVAP A. 6. Bohr atom modeline göre, CEVAP E. ... n=4... n=3... n=2 ESEN YAYINLARI ATOM F TEST -. Tomso atom modelie göre, atom küre fleklidedir. Atomda (+) ve ( ) yükler rastgele da lm flt r. Ayr ca yörüge kavram yoktur.. Temel âldeki atomlar dört yolla uyar labilir. ) S cakl klar art

Detaylı

DERS 4. Determinantlar, Leontief Girdi - Çıktı Analizi

DERS 4. Determinantlar, Leontief Girdi - Çıktı Analizi DERS Determitlr eotief Girdi - Çıktı lizi.. ir Kre Mtrisi Determitı. Determit kvrmıı tümevrıml tımlycğız. mtrisleri determitıı tımlyrk şlylım. Tım. tımlır. mtrisiidetermitı olrk Örek. mtrisii determitı

Detaylı

Hipotez Testleri. Parametrik Testler

Hipotez Testleri. Parametrik Testler Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

İki düzeyli bağımlı değişken modelinin yarı parametrik tahmini

İki düzeyli bağımlı değişken modelinin yarı parametrik tahmini www.istatistikciler.org İstatistikçiler Dergisi (2008) 35-43 İstatistikçiler Dergisi İki düzeyli bağımlı değişke modelii yarı parametrik tahmii Özge Akkuş Muğla Üiversitesi, Fe-Edebiyat Fakültesi, İstatistik

Detaylı

ELEKTRİK ALAN ALTINDAKİ KARE KUANTUM KUYUSUNUN ELEKTRONİK ÖZELLİKLERİNİN PERTÜRBATİF VE ANALİTİK YÖNTEM İLE İNCELENMESİ

ELEKTRİK ALAN ALTINDAKİ KARE KUANTUM KUYUSUNUN ELEKTRONİK ÖZELLİKLERİNİN PERTÜRBATİF VE ANALİTİK YÖNTEM İLE İNCELENMESİ SAÜ. Fe Bilimleri Dergisi, 14. Cilt,. Sayı, Elektrik Ala Altıdaki Kare Kuatum Kuyusuu Elektroik Özelliklerii Pertürbatif Ve Aalitik Yötem İle İcelemesi ELEKTRİK ALAN ALTINDAKİ KARE KUANTUM KUYUSUNUN ELEKTRONİK

Detaylı

SEROLOJİK ÖRNEKLEME EL KİTABI. AVIAGEN ANADOLU AŞ KANATLI TEŞHİS ve ANALİZ LABORATUVARI SEROLOJİ ÖRNEKLEME EL KİTABI

SEROLOJİK ÖRNEKLEME EL KİTABI. AVIAGEN ANADOLU AŞ KANATLI TEŞHİS ve ANALİZ LABORATUVARI SEROLOJİ ÖRNEKLEME EL KİTABI AVIAGEN ANADOLU AŞ KANATLI TEŞHİS ve ANALİZ LABORATUVARI SEROLOJİ ÖRNEKLEME EL KİTABI 1/9 Hazırlaya Oaylaya Yürürlük Tarihi Revizyo Tarihi Mehmet ÜVEY Mehmet ÜVEY 06.04.2011 05.06.2014 Gözde Geçire Gözde

Detaylı

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - ) 04.05.0 İtatitikel Tahmileme İTATİTİKEL TAHMİNLEME VE YORUMLAMA ÜRECİ GÜVEN ARALIĞI Nokta Tahmii Populayo parametreii tek bir tahmi değerii verir μˆ σˆ p Pˆ Aralık Tahmii Populayo parametreii tahmi aralığıı

Detaylı

ISBN - 978-605-5631-60-4 Sertifika No: 11748

ISBN - 978-605-5631-60-4 Sertifika No: 11748 ISBN - 978-605-563-60-4 Sertifia No: 748 GENEL KOORDİNATÖR: REMZİ ŞAHİN AKSANKUR REDAKTE: REMZİ ŞAHİN AKSANKUR SERDAR DEMİRCİ SABRİ ŞENTÜRK Basm Yeri: EVOS BASIM - ANKARA Bu itab tüm basm ve yay halar

Detaylı

çözümler bulabilen,kapasite kullanma miktarı sınırlı,kolay ve basit bir model grubunun

çözümler bulabilen,kapasite kullanma miktarı sınırlı,kolay ve basit bir model grubunun DOĞRUSAL PROGRAMLAMADA PRIMAL VE DUAL İLİŞKİSİNİN İRDELENMESİ VE BİR ÖRNEK UYGULAMASI The primal ad dual problem s focuses i Liear Programmig Sait PATIR* ÖZET Doğrusal programlama,işletme sorularıda kullaıla

Detaylı

4.Bölüm Tahvil Değerlemesi. Doç. Dr. Mete Doğanay Prof. Dr. Ramazan Aktaş

4.Bölüm Tahvil Değerlemesi. Doç. Dr. Mete Doğanay Prof. Dr. Ramazan Aktaş 4.Bölüm Tahvil Değerlemesi Doç. Dr. Mee Doğaay Prof. Dr. Ramaza Akaş Amaçlarımız Bu bölümü amamladıka sora aşağıdaki bilgi ve becerilere sahip olabileceksiiz: Tahvillerle ilgili emel kavramları bilmek

Detaylı

v = ise v ye spacelike vektör,

v = ise v ye spacelike vektör, D.P.Ü. Fe Bilimleri Estitüsü 1. ayı Mayıs 6 emi-pozitif Ortogoal Matrisler içi Alteratif İi Yötem WO ALERNAIVE MEHOD FOR EMI-POIIVE OROGONAL MARICE B. BÜKCÜ* *Gaziosmapaşa Üiversitesi, Fe-Edebiyat Faültesi,

Detaylı

TEMEL KAVRAMLAR GİRİŞ

TEMEL KAVRAMLAR GİRİŞ TEMEL KAVRAMLAR GİRİŞ İstatistik kelimesii kökei Almaca olup devlet alamıa gelmektedir. İstatistik kelimesi gülük hayatta farklı alamlarda kullaılmaktadır. Televizyoda bir futbol müsabakasıı izleye bir

Detaylı

ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ

ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL MAKİNELİ ÇİZELGELEME PROBLEMİ Öğreme Etkili Hazırlık ve Taşıma Zamalı Paralel Makieli Çizelgeleme Problemi HAVACILIK VE UZAY TEKNOLOJİLERİ DERGİSİ TEMMUZ 2006 CİLT 2 SAYI 4 (67-72) ÖĞRENME ETKİLİ HAZIRLIK VE TAŞIMA ZAMANLI PARALEL

Detaylı

ÇÖZÜM.1. S.1. Uyarılmış bir hidrojen atomunda Balmer serisinin H β çizgisi gözlenmiştir. Buna göre,bunun dışında hangi serilerin çizgileri gözlenir?

ÇÖZÜM.1. S.1. Uyarılmış bir hidrojen atomunda Balmer serisinin H β çizgisi gözlenmiştir. Buna göre,bunun dışında hangi serilerin çizgileri gözlenir? KONU:ATOM FİĞİ ebuyukfizikci@otmail.com HAIRLAYAN ve SORU ÇÖÜMLERİ:Amet Selami AKSU Fizik Öğretmei www.fizikvefe.com S.1. Uyarılmış bir idroje atomuda Balmer serisii H β çizgisi gözlemiştir. Bua göre,buu

Detaylı