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

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin 4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii

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

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II 8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet

Detaylı

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz. YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp

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

Veri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı

Veri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı Veri edir? p Veri edir? Geometrik bir bakış açısı p Bezerlik Olasılıksal bir bakış açısı p Yoğuluk p Veri kalitesi p Veri öişleme Birleştirme Öreklem Veri küçültme p Temel bileşe aalizi (Pricipal Compoet

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr

Detaylı

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1. 06 YILI I.DÖNEM AKTÜERLİK SINAVLARI Soru Toplam hasar miktarı S i olasılık ürete foksiyou X x i PS ( t) = E( t ) = exp λi( t ) ise P S(0) aşağıdaki seçeeklerde hagiside verilmiştir? A) 0 B) C) exp λ i

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

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı 5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.

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

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 ..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II

Detaylı

6. Uygulama. dx < olduğunda ( )

6. Uygulama. dx < olduğunda ( ) . Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal

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

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2 LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık

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

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

2.2. Fonksiyon Serileri

2.2. Fonksiyon Serileri 2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m

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

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

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 Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük

Detaylı

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X

Detaylı

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük

Detaylı

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül BİR ÇUBUĞUN MODAL ANALİZİ A.Saide Sarıgül DENEYİN AMACI: Akastre bir çubuğu modal parametrelerii (doğal frekas, titreşim biçimi, iç söümü) elde edilmesi. TANIMLAMALAR: Modal aaliz: Titreşe bir sistemi

Detaylı

LİNEER CEBİR DERS NOTLARI. Ayten KOÇ

LİNEER CEBİR DERS NOTLARI. Ayten KOÇ LİNEER CEBİR DERS NOTLARI Aye KOÇ I MATRİSLER I.1. Taım F bir cisim olmak üzere her i = 1,2,..., m, j = 1,2,..., içi aij F ike a11 a12... a1 a21 a22... a 2 M M... M am1 am2... am (1) şeklide dikdörgesel

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

6. BÖLÜM VEKTÖR UZAYLARI

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

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

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

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

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

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322 Bölüm 3. İkici Mertebede Lieer ve Sabit Katsaılı Diferesiel Deklemler 4 3. Geel Taımlar ( ) ( ) ( ) a ( ) + a ( ) + a ( ) +... + a ( ) + a ( ) = f ( ) () 0 şeklideki bir deklem. mertebede lieer deklem

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

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

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası) 4 ÖRNEKLEME HATASI 4.1 Duyarlılık 4. Güveilirik 4.3 Örek hacmi ve uyarlılık arasıaki ilişki 4.4 Örek hacmi ve göreceli terimler ile uyarlılık arasıaki ilişki 4.5 Hata kareler ortalaması Örekte ele eile

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

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

( 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

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

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

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

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

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

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

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7 ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7.. Niçi Örekleme Yapılır 7.. Olasılıklı Örekleme 7... Basit Şas Öreklemesi 7... Tabakalı Örekleme 7... Küme Öreklemesi 7..4. Sistematik Örekleme 7.. Olasılıklı Olmaya

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

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

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

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

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

SİSTEMLERİN ZAMAN CEVABI

SİSTEMLERİN ZAMAN CEVABI DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MM306 SİSTEM DİNAMİĞİ SİSTEMLERİN ZAMAN CEVABI Kutuplar, Sıfırlar ve Zama Cevabı Kavramı Birici Mertebede Sistemleri Zama Cevabı İkici

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

MÜHENDİSLİK MEKANİĞİ (STATİK)

MÜHENDİSLİK MEKANİĞİ (STATİK) MÜHENDİSLİK MEKANİĞİ (STATİK) Prof. Dr. Meti OLGUN Akara Üiversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü HAFTA KONU 1 Giriş, temel kavramlar, statiği temel ilkeleri 2-3 Düzlem kuvvetler

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

Tek Bir Sistem için Çıktı Analizi

Tek Bir Sistem için Çıktı Analizi Tek Bir Sistem içi Çıktı Aalizi Bezetim ile üretile verile icelemesie Çıktı Aalizi deir. Çıktı Aalizi, bir sistemi performasıı tahmi etmek veya iki veya daha fazla alteratif sistem tasarımıı karşılaştırmaktır.

Detaylı

f n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi

f n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi 4.2. Pozitif Foksiyoları İtegrali SOU : f ), M +, A) kümeside bulua foksiyoları mooto arta dizisi ve h.h.h. f = f ise f dµ = f dµ gerçekleir. Gösteriiz Bu teorem Mooto yakısaklık teoremide yakısaklık yerie

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

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

NÜMER IK ANAL IZ. Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ. Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 2012

NÜMER IK ANAL IZ. Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ. Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 2012 NÜMER IK ANAL IZ Bilimsel Hesaplama Matemati¼gi, Gazi Kitabevi 0 Nuri ÖZALP L INEER S ISTEMLER IN ÇÖZÜMÜ Nuri ÖZALP (Ankara Üni.) NÜMER IK ANAL IZ BÖLÜM 6 7! L INEER S ISTEMLER IN ÇÖZÜMÜ / 9 . LU ve Cholesky

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

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

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ 1 TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi

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