Matematik Ders Notları. Doç. Dr. Murat Donduran

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Matematik Ders Notları. Doç. Dr. Murat Donduran"

Transkript

1 Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28

2 2

3 İçindekiler 1 Tanımlı Integral Uygulamaları Olasılık

4 4 İÇINDEKILER

5 Bölüm 1 Tanımlı Integral Uygulamaları 1.1 Olasılık Rastlantısal süreçlerin analizi olasılık ve istatistiğin matematiksel alanlar olarak odaklanmasıdır. Basit bir örnek olarak para atma gösterilebilir. Yazı yada tura gelmesinin %5 şansı vardır. Raslantısallıktan dolayı, veri bir atış sayısından hareketle kaç kere yazı geleceğini bilmek olanaklı değildir. Fakat herbir olanaklı çıktının olabilirliği hesaplanabilir. Yazı için Y, tura için T kullanıldıında atılan iki demir paranın olanaklı dört çıktısı olacaktır; YY, YT, TY, TT. Herbirinin olbilirliği eşittir, dolayısıyla olasılık 1 olarak bulunacaktır. Bunun anlamı, ortalamada, her bir olay denemelerin dörtte birinde 4 gerçekleşecektir. Başka bir değişle, göreceli sıklık, olayların denemeler çok sayıda olduğunda, yaklaşık olarak 1 kere gerçekleşeceğini söylemektedir. 4 Yazı gelme olayının sayısının kaydedildiğini düşünelim. İki kere yazı gelme olasılığı 1, bir kere yazı gelme olasılığı 2 (çünkü iki farklı olay olarak yazı 4 4 gelebilir YT ve TY) ve hiç yazı gelmeme olasılığı 1 olacaktır. Genellikle bu 4 tarz veriler histogram ile gösterilmetedir (Şekil (1.1)). Şimdi sekiz adet para atılsın. Buna göre gelecek yazı sayısı tabloda verilmiştir ve histogramı da gösterilmiştir. Olasılıklar toplamı bire eşittir (ya da %1 yani herhangi bir denemede olanaklı çıktılardan biri gerçekleşecektir). Bu durum olasılık teorisinin en önemli özelliğidir. Diğer bir özelliği toplama prensibidir. 6, 7 veya 8 yazı gelme olasılığını hesaplamak için (ya da mutually exclusive çıktıları) bireysel olasılıklar toplanmalıdır. P (6, 7, yada 8) = =

6 6 BÖLÜM 1. TANIMLI INTEGRAL UYGULAMALARI Şekil 1.1: İki Demir Para Atışının Histogramı Şekil 1.2: Sekiz Demir Para Atışının Histogramı Bu hesaplamanın grafiksel yorumu çok açıklayıcıdır. Şekil (1.2) deki histogramda, herbir dikdörtgenin genişliği 1 dir. O zaman her bir dikdörtgenle ilişkili olasılık diktörgenin alanına eşittir. Yazı Sayısı Olasılık Grafiksel ifadelerle incelersek, Böyle bir histogramın toplam alanı 1 dir ile 8 arasında yazı gelme olasılığı 6 ile 8 in bulunduğu alanların toplamıdır

7 1.1. OLASILIK 7 Burada dikkat edilmesi gereken bütün olasılık olaylarının yazı turanın hoş teorik yapısı gibi yapıları yoktur. Örneğin, rastlantısal olarak seçilmiş bir kişinin boyunun 1.9 ya da 1.95 olma olasılığını bulmanın yolu farklıdır. Bu durumda olasılık ile göreceli sıklık arasındaki ilişki kullanılmaktadır. Çok sayıda insanın boyunun verisi yardımcı olacaktır. Elimizde şöyle bir veri olsun. Boy < >1.73 Kişi Sayısı Anketteki toplam kişi sayısı 1 dir boya sahiplerin göreceli sıklığı =.134 dür yada olma olasılığının tahmini =.289 olacaktır. Şekil (1.3) histogramı göstermektedir Şekil 1.3: Boyların Göreceli Sıklığının Histogramı Burada aradaki farklar artık 1 değildir..1 şeklinde artmaktadır. Her nekadar genişlik 1 ile gösterilse bile alanı.1 ile çarpmamız bize olasılığı verecektir il 1.69 arasında n boy aralığı olsun. x santimetre cinsinden boyu ve f(x), x değerini içeren aralık için histogramdaki boy olsun. Buna göre, x 1 = , x n 2 = şeklinde devam edecektir. Böylece, n x i = i olduğu açıktır. Buna göre, x = 1 bulunacaktır. Raslantısal n n seçilmiş bir kişi için, boyunun 1.68 ile 1.73 arasında olma olasılığı aşağıdaki şekilde verilebilir; P (1.68 x 1.73) f(x 1 ) x + f(x 2 ) x f(x n ) x = n f(x i ) x i=1 (1.1)

8 8 BÖLÜM 1. TANIMLI INTEGRAL UYGULAMALARI n sayısı arttıkça, histogramın köşelerden kurtulduğu ve smoothing olduğu görülecektir.,4,3,2, Şekil 1.4: Olasılık Yoğunluk Fonksiyonu ve Histogram Bu limite giden f(x) fonksiyonuna, olasılık yoğunluk fonksiyonu adı verilmektedir. Herhangi bir i = 1, 2,..., n için, f(x i ), x i boyunun olasılığını vermemektedir. Bunun yerine, çok küçük x değerleri için, f(x i ) x miktarı [x i 1, x i ] aralığındaki boyların yaklaşık olasılığını vermektedir. Eşitlik (1.1) e dikkatlice bakıldığında, ve n değeri arttığında ne olacağını düşünelim. Sağdaki Riemann toplamı b f(x)dx integraline yaklaşmalıdır. a Buna göre, 1.68 ile 1.73 integralinin limiti aşağıdaki gibi olacaktır; lim n n f(x i ) x = i= f(x)dx Dolayısıyla, olasılıkları hesaplamanın direk yolu bulunmuştur. Bazı tanımlarla tartışma özetlensin. Ayrık (discrete) olasılık dağılımı için aşağıdaki örneği inceleyelim. (ayrık kelimesi belirli sonlu kümelerde yada sabit dizilerde işlem yapıldığını belirtmektedir). Örneğin, yazı-tura olayında yazı sayısı tam sayıdır. Ancak, bir çok dağılım sürekli dir. Raslantısal değişken belirli bir aralıktaki sayılardan oluşmaktadır. Sürekli dağılımlar için, histogram olasılık yoğunluk fonksiyonunun (pdf) grafiğidir. Şimdi pdf i tanımlayalım.

9 1.1. OLASILIK 9 Tanım 1.1. X, a x b ile herhangi bir x değeri için varsayılmış bir rastlantısal değişken olsun. X için olasılık yoğunluk fonksiyonu aşağıdaki koşulları sağlayan bir f(x) fonksiyonudur; 1. a x b için f(x) dir. (pdf hiçbir zaman negatif olamaz.) 2. b f(x)dx = 1 (Toplam olasılık 1 dir.) a 3. c ve d arasında gözlemlenen X değerinin olasılığı bu aralıktaki olasılık yoğunluk fonksiyonunun grafiği altında kalan alandır. Yani, P (c X d) = d c f(x)dx Örnek 1.1 (Herhangi Bir aralıkta bir fonksiyonun pdf olup olmadığının doğrulanması). f(x) = 3x 2 fonksiyonunun [, 1] aralığında pdf olarak tanımlandığını gösterelim. Bunun için tanım (1.1) deki (1.) ve (2.) özellikler doğrulanmalıdır. Açıkça, f(x) dır. 2. özellik için, bu aralıkta pdf in integrali alınmalıdır; 1 = 3x 2 dx = x 3 1 = 1 Örnek 1.2 (pdf kullanarak olasılıkların tahmini). f(x) =.4 2π e.8(x 68)2 olasılık dağılım fonksiyonu olsun. x değerinin 68 ile 69 arasında bulunma olasılığı için aşağıdaki integralin çözülmesi yeterlidir; P (68 x 69) = π e.8(x 68)2 dx Örnek 1.3 (Üssel pdf ile olasılık hesabı). Belirli bir marka ampulün yıl olarak ömrü üssel olarak dağılan bir pdf e sahiptir: f(x) = 4e 4x. Buna göre 3 aydan daha az ömre sahip olma olasılığını bulunuz. İlk olarak rastlantısal değişken ampülün ömrünü yıl olarak ölçtüğünden 3 aylık zaman dilimi yıllık olarak 1 şeklinde yazılabilir. Buna göre olasılık; 4 P ( x 1 ) = 4 1/4 4e 4x dx = 4 = e 1 + e = 1 e ( ) 1 e 4x 1/4 4

10 1 BÖLÜM 1. TANIMLI INTEGRAL UYGULAMALARI Örnek 1.4 (PDF in Katsayısını Belirleme). x 1 ve bazı c sabitleri için, herhangi bir rastlantısal sayı için pdf f(x) = ce 3x olsun. Buna göre fonksiyonun pdf olabilmesi için c ne olmalıdır? İlk olarak bütün x [, 1] değerleri için, pdf olabilmesi için, f(x) = ce 3x olmalıdır. Buna göre, c olacaktır. Ayrıca bu aralıkta integralin değeri bire eşit olmalıdır. Böylece, 1 ( 1 = ce 3x dx = c 1 ) e 3x 1 3 = c 3 e 3 + c 3 = c 3 (1 e 3 ) Buradan, c = e 3 Tanım 1.2. f(x) olasılık yoğunluk fonksiyonu ile [a, b] aralığında rastlantısal değişkenin ortalaması (µ) aşağıdaki şekilde olacaktır; µ = b a xf(x)dx Ortalama, rastlantısal değişkenler için yaygın olarak kullanılmaktadır. Ancak, istatistikçiler için tek ölçüt değildir. Diğer alternatifi medyan olarak adlandırılmaktadır. Rastlantısal değişkenin yarısı bu değerde yada altında diğer yarısı da bu değerde yada üstündedir. Örnek 1.5 (Bir grup hücrenin ortalamasını ve medyanını bulma). Günlük olarak tek hücreli bir organizmanın yaşı k = 1 ln 2 ile, f(x) = (ln 2)e kx 2 olasılık yoğunluk fonksiyonuna sahiptir. Aralık x 2 varsayımı, bir hücrenin iki günlük olunca ikiye ayrılmasından yapılmaktadır. Buna göre, (a) hücrelerin ortalama yaşı kaçtır, (b) ortalamadan daha genç hücrelerin oranı nedir ve (c) hücrelerin yaşlarının medyanı nedir? (a) için, tanım (1.2) den hareketle, ortalama aşağıdaki gibi olacaktır. µ = 2 x ln 2e (ln 2)x/2 dx Burada integral sayısal olarak çözülebilir. Çünkü integrandın anti-türevi yoktur. (b) için, ortalamadan daha genç hücrelerin oranı ortalamadan daha genç hücrenin rastlantısal olarak seçilme oranı demektir. Buna göre, bu olasılık

11 1.1. OLASILIK 11 aşağıdaki gibi hesaplanacaktır; P ( X µ) = ln 2e (ln 2)x/2 dx Burada da integral sayısal olarak çözülebilir. Çünkü integrandın anti-türevi yoktur. (c) için, aşağıdaki integral c sabiti için, çözülmelidir;.5 = c e (ln 2)x/2 fonksiyonunun anti-türevi 2.5 = c ln 2e (ln 2)x/2 dx = ln 2 ln 2e (ln 2)x/2 dx ln 2 e(ln 2)x/2 olduğundan, ] c [ 2 2)x/2 e(ln ln 2 İki taraftan da 2 çıkarıldığında ve -2 değerine bölündüğünde, (ln 2)c/2.75 = e = 2e (ln 2)c/ Buna göre, c, ln.75 = (ln 2)c/2 2 ln.75 c = ln 2.83

12 12 BÖLÜM 1. TANIMLI INTEGRAL UYGULAMALARI

13 Kaynaklar 13

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

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

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

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin

Detaylı

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

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

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

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

Ankara Üniversitesi Kütüphane ve Dokümantasyon Daire Başkanlığı Açık Ders Malzemeleri. Ders izlence Formu

Ankara Üniversitesi Kütüphane ve Dokümantasyon Daire Başkanlığı Açık Ders Malzemeleri. Ders izlence Formu Ankara Üniversitesi Kütüphane ve Dokümantasyon Daire Başkanlığı Açık Ders Malzemeleri Ders izlence Formu Dersin Kodu ve İsmi Dersin Sorumlusu Dersin Düzeyi MAT407 REEL ANALİZ Prof. Dr. Ertan İBİKLİ ve

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

Cebirsel Fonksiyonlar

Cebirsel Fonksiyonlar Cebirsel Fonksiyonlar Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 4 Amaçlar Bu üniteyi çalıştıktan sonra; polinom, rasyonel ve cebirsel fonksiyonları tanıyacak ve bu türden bazı fonksiyonların grafiklerini öğrenmiş

Detaylı

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01 Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin

Detaylı

MATEMATiKSEL iktisat

MATEMATiKSEL iktisat DİKKAT!... BU ÖZET 8 ÜNİTEDİR BU- RADA İLK ÜNİTE GÖSTERİLMEKTEDİR. MATEMATiKSEL iktisat KISA ÖZET KOLAY AOF Kolayaöf.com 0362 233 8723 Sayfa 2 içindekiler 1.ünite-Türev ve Kuralları..3 2.üniteTek Değişkenli

Detaylı

İSTATİSTİK I KAVRAMLARININ

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

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir? A) ** B) C) D) E)

1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir? A) ** B) C) D) E) İktisadi ve İdari Bilimler Fakültesi MAT 152 Genel Matematik II Final Sorularının Çözümleri: 1) Toplam gelir fonksiyonu olarak verildiğine göre marjinal gelir fonksiyonu MG aşağıdakilerden hangisidir?

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

8.04 Kuantum Fiziği Ders IV. Kırınım olayı olarak Heisenberg belirsizlik ilkesi. ise, parçacığın dalga fonksiyonu,

8.04 Kuantum Fiziği Ders IV. Kırınım olayı olarak Heisenberg belirsizlik ilkesi. ise, parçacığın dalga fonksiyonu, Geçen Derste Kırınım olayı olarak Heisenberg belirsizlik ilkesi ΔxΔp x 2 Fourier ayrışımı Bugün φ(k) yı nasıl hesaplarız ψ(x) ve φ(k) ın yorumu: olasılık genliği ve olasılık yoğunluğu ölçüm φ ( k)veyahut

Detaylı

MATEMATİK SINAVI MATEMATİK TESTİ SORU KİTAPÇIĞI 19 HAZİRAN 2010 BU SORU KİTAPÇIĞI 19 HAZİRAN 2010 LYS 1 MATEMATİK TESTİ SORULARINI İÇERMEKTEDİR.

MATEMATİK SINAVI MATEMATİK TESTİ SORU KİTAPÇIĞI 19 HAZİRAN 2010 BU SORU KİTAPÇIĞI 19 HAZİRAN 2010 LYS 1 MATEMATİK TESTİ SORULARINI İÇERMEKTEDİR. Ö S Y M T.C. YÜKSEKÖĞRETİM KURULU ÖĞRENCİ SEÇME VE YERLEŞTİRME MERKEZİ LİSANS YERLEŞTİRME SINAVI MATEMATİK SINAVI MATEMATİK TESTİ SORU KİTAPÇIĞI 9 HAZİRAN 00 BU SORU KİTAPÇIĞI 9 HAZİRAN 00 LYS MATEMATİK

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

ÜNİTE. MATEMATİK-1 Prof.Dr.Abdullah KOPUZLU İÇİNDEKİLER HEDEFLER LOGARİTMİK VE ÜSTEL FONKSİYONLARIN İKTİSADİ UYGULAMALARI

ÜNİTE. MATEMATİK-1 Prof.Dr.Abdullah KOPUZLU İÇİNDEKİLER HEDEFLER LOGARİTMİK VE ÜSTEL FONKSİYONLARIN İKTİSADİ UYGULAMALARI HEDEFLER İÇİNDEKİLER LOGARİTMİK VE ÜSTEL FONKSİYONLARIN İKTİSADİ UYGULAMALARI Logaritmik ve Üstel Fonksiyonların İktisadi Uygulamaları Bileşik Faiz Problemleri Nüfus Problemleri MATEMATİK-1 ProfDrAbdullah

Detaylı

İNTEGRAL İŞLEMLER LEMLERİ

İNTEGRAL İŞLEMLER LEMLERİ İKTİSADİ DİNAMİKLİK K VE İNTEGRAL İŞLEMLER LEMLERİ 2 İktisat biliminde dinamiklik kavramı, değişkenlerin değişim süreçlerini, dengeye geliş ya da uzaklaşmalarını içeren bir analiz tipidir. Daha önce karşılaştırmalı

Detaylı

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... 1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar

Detaylı

OLASILIK LASILIK ve İSTATİSTİK Olasılık

OLASILIK LASILIK ve İSTATİSTİK Olasılık 1-1 Click To Edit Master Title Style OLASILIK ve İSTATİSTİK Olasılık Yrd.Doç.Dr Doç.Dr.. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü 1-2 GİRİŞ Olasılık,

Detaylı

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

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

Detaylı

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

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

Detaylı

Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları

Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları 4.Ders Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları Tanım:,U, P bir olasılık uzayı ve X, X,,X n : R n X, X,,X n X, X,,X n olmak üzere, her a, a,,a n R n için : X i a i, i,, 3,,n U özelliği sağlanıyor

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI

SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI SAKARYA UNIVERSİTESİ ENDUSTRI MUHENDISLIĞI YÖNEYLEM ARAŞTIRMASI II MARKOV ZİNCİRLERİ DERS NOTLARI STOKASTİK (RASSAL) SÜREÇLER Bazen rassal değişkenlerin zamanla nasıl değiştiğiyle ilgileniriz. Örneğin

Detaylı

1. GİRİŞ Örnek: Bir doğru boyunca hareket eden bir cismin başlangıç noktasına göre konumu s (metre), zamanın t (saniye) bir fonksiyonu olarak

1. GİRİŞ Örnek: Bir doğru boyunca hareket eden bir cismin başlangıç noktasına göre konumu s (metre), zamanın t (saniye) bir fonksiyonu olarak DERS: MATEMATİK I MAT0(09) ÜNİTE: TÜREV ve UYGULAMALARI KONU: A. TÜREV. GİRİŞ Bir doğru boyunca hareket eden bir cismin başlangıç noktasına göre konumu s (metre) zamanın t (saniye) bir fonksiyonu olarak

Detaylı

2012 LYS MATEMATİK SORU VE ÇÖZÜMLERİ Niyazi Kurtoğlu

2012 LYS MATEMATİK SORU VE ÇÖZÜMLERİ Niyazi Kurtoğlu .SORU 8 sayı tabanında verilen (5) 8 sayısının sayı tabanında yazılışı nedir?.soru 6 3 3 3 3 4 6 8? 3.SORU 3 ise 5? 5 4.SORU 4 5 olduğuna göre, ( )? 5.SORU (y z) z(y ) y z yz bulunuz. ifadesinin en sade

Detaylı

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği

8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği MIT Açık Ders Malzemeleri http://ocw.mit.edu 8.333 İstatistiksel Mekanik I: Parçacıkların İstatistiksel Mekaniği 2007 Güz Bu materyallerden alıntı yapmak ya Kullanım Şartları hakkında bilgi almak için

Detaylı

MOMENTLER, ÇARPIKLIK VE BASIKLIK. Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti:

MOMENTLER, ÇARPIKLIK VE BASIKLIK. Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti: MOMENTLER, ÇARPIKLIK VE BASIKLIK Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti: İşletme no 1 2 3 4 5 Arazi genişliği (da) 5 10 4 3 8 Aritmetik ortalamaya göre

Detaylı

Poisson Dağılımı Özellikleri ve Olasılıkların Hesaplanması

Poisson Dağılımı Özellikleri ve Olasılıkların Hesaplanması Özellikleri ve Olasılıkların Hesaplanması Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Poisson dağılımı kesikli dağılımlar içinde Binom dağılımından

Detaylı

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

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

Detaylı

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

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

Detaylı

Bu durumu, konum bazında bileşenlerini, yani dalga fonksiyonunu, vererek tanımlıyoruz : ) 1. (ikx x2. (d)

Bu durumu, konum bazında bileşenlerini, yani dalga fonksiyonunu, vererek tanımlıyoruz : ) 1. (ikx x2. (d) Ders 10 Metindeki ilgili bölümler 1.7 Gaussiyen durum Burada, 1-d de hareket eden bir parçacığın önemli Gaussiyen durumu örneğini düşünüyoruz. Ele alış biçimimiz kitaptaki ile neredeyse aynı ama bu örnek

Detaylı

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

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

Detaylı

Üstel ve Logaritmik Fonksiyonlar

Üstel ve Logaritmik Fonksiyonlar Üstel ve Logaritmik Fonksiyonlar Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 5 Amaçlar Bu üniteyi çalıştıktan sonra; üstel ve logaritmik fonksiyonları tanıyacak, üstel ve logaritmik fonksiyonların grafiklerini

Detaylı

ÜNİTE ÜNİTE. RİSK YÖNETİMİ Doç. Dr. İbrahim Doğan İÇİNDEKİLER HEDEFLER KANTİTATİF RİSK DEĞERLENDİRME TEKNİKLERİ

ÜNİTE ÜNİTE. RİSK YÖNETİMİ Doç. Dr. İbrahim Doğan İÇİNDEKİLER HEDEFLER KANTİTATİF RİSK DEĞERLENDİRME TEKNİKLERİ HEDEFLER İÇİNDEKİLER KANTİTATİF RİSK DEĞERLENDİRME TEKNİKLERİ Giriş İstatiksel Kavramlar Olasılık Şartlı Olasılık Rassal Değişken Beklenen Değer Varyans Histogram Kantitatif Risk Değerlendirme Teknikleri

Detaylı

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

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

Detaylı

Veri Ağlarında Gecikme Modeli

Veri Ağlarında Gecikme Modeli Veri Ağlarında Gecikme Modeli Giriş Veri ağlarındaki en önemli performans ölçütlerinden biri paketlerin ortalama gecikmesidir. Ağdaki iletişim gecikmeleri 4 farklı gecikmeden kaynaklanır: 1. İşleme Gecikmesi:

Detaylı

BASEL II. RİSK AĞIRLIK FONKSİYONLARI (Beklenmeyen Kayıplar)

BASEL II. RİSK AĞIRLIK FONKSİYONLARI (Beklenmeyen Kayıplar) BASEL II RİSK AĞIRLIK FONKSİYONLARI (Beklenmeyen Kayıplar) Temerrüde düşmemiş krediler için Basel II düzenlemelerinde Korelasyon Katsayısı, Vade ayarlaması, Sermaye Yükümlülüğü oranı, Sermaye yükümlülüğü

Detaylı

Toplam İkinci harmonik. Temel Üçüncü harmonik. Şekil 1. Temel, ikinci ve üçüncü harmoniğin toplamı

Toplam İkinci harmonik. Temel Üçüncü harmonik. Şekil 1. Temel, ikinci ve üçüncü harmoniğin toplamı FOURIER SERİLERİ Bu bölümde Fourier serilerinden bahsedeceğim. Önce harmoniklerle (katsıklıklarla) ilişkili sinüsoidin tanımından başlıyacağım ve serilerin trigonometrik açılımlarını kullanarak katsayıları

Detaylı

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME

EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME EXCEL DE BENZETİM ÖRNEKLERİ BMÜ-422 BENZETİM VE MODELLEME GİRİŞ Bu bölümde benzetim için excel örnekleri önerilmektedir. Örnekler excel ile yapılabileceği gibi el ile de yapılabilir. Benzetim örnekleri

Detaylı

2014 - LYS TESTLERİNE YÖNELİK ALAN STRATEJİLERİ

2014 - LYS TESTLERİNE YÖNELİK ALAN STRATEJİLERİ 2014 - LYS TESTLERİNE YÖNELİK ALAN STRATEJİLERİ YGS sonrası adayları puan getirisinin daha çok olan LYS ler bekliyor. Kalan süre içinde adayların girecekleri testlere kaynaklık eden derslere sabırla çalışmaları

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

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

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

Detaylı

Olasılık ve İstatistik TASLAK

Olasılık ve İstatistik TASLAK Aydın ÜSTÜN 2014 İçindekiler 1 GİRİŞ 1 1.1 Ölçme, Olasılık ve İstatistiğe Genel Bakış................ 1 1.2 Deney Tasarımı: Anakütle ve Örneklem Uzayı............. 2 1.2.1 Örneklem süreci..........................

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

Olasılık Kuramı ve Bazı Olasılık Dağılımları

Olasılık Kuramı ve Bazı Olasılık Dağılımları KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası

Detaylı

Pratik Kuantum Tarifleri. Adil Usta kuantumcuadilusta@gmail.com

Pratik Kuantum Tarifleri. Adil Usta kuantumcuadilusta@gmail.com Pratik Kuantum Tarifleri Adil Usta kuantumcuadilusta@gmail.com İçindekiler 1 Açılış 1.1 Olası momentum değerleri............................ 3 1. Klasik limit.................................... 5 1 1

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa, NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına

Detaylı

MATEMATİK MATEMATİK-GEOMETRİ SINAVI LİSANS YERLEŞTİRME SINAVI-1 TESTİ SORU KİTAPÇIĞI 10

MATEMATİK MATEMATİK-GEOMETRİ SINAVI LİSANS YERLEŞTİRME SINAVI-1 TESTİ SORU KİTAPÇIĞI 10 LİSNS YRLŞTİRM SINVI- MTMTİK-GOMTRİ SINVI MTMTİK TSTİ SORU KİTPÇIĞI 0 U SORU KİTPÇIĞI LYS- MTMTİK TSTİ SORULRINI İÇRMKTİR. . u testte 0 soru vardýr. MTMTİK TSTİ. evaplarýnýzý, cevap kâðýdýnın Matematik

Detaylı

Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7. Adi Diferansiyel Denklemlerin Sayısal Çözümü

Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7. Adi Diferansiyel Denklemlerin Sayısal Çözümü Copyright The McGraw-Hill Companies, Inc. Permission required for reproduction or display. BÖLÜM 7 Adi Diferansiyel Denklemlerin Sayısal Çözümü Copyright The McGraw-Hill Companies, Inc. Permission required

Detaylı

BİLİŞİM TEKNOLOJİLERİ 6. SINIF DERS NOTLARI 2

BİLİŞİM TEKNOLOJİLERİ 6. SINIF DERS NOTLARI 2 PROGRAMLAMA Bir problemin çözümü için belirli kurallar ve adımlar çerçevesinde bilgisayar ortamında hazırlanan komutlar dizisine programlama denir. Programlama Dili: Bir programın yazılabilmesi için kendine

Detaylı

Türev Uygulamaları. 4.1 Bağımlı Hız

Türev Uygulamaları. 4.1 Bağımlı Hız Bölüm 4 Türev Uygulamaları 4.1 Bağımlı Hız Eğer bir balonun içine hava pompalarsak, balonun hem yarıçapı hem de hacmi artar ve artış hızları birbirine bağımlıdır. Fakat, hacmin artış hızını doğrudan ölçmek

Detaylı

VEKTÖR UZAYLARI 1.GİRİŞ

VEKTÖR UZAYLARI 1.GİRİŞ 1.GİRİŞ Bu bölüm lineer cebirin temelindeki cebirsel yapıya, sonlu boyutlu vektör uzayına giriş yapmaktadır. Bir vektör uzayının tanımı, elemanları skalar olarak adlandırılan herhangi bir cisim içerir.

Detaylı

B: Bu şekildeki her bir nokta dikdörtgenin noktalarını temsil eder.

B: Bu şekildeki her bir nokta dikdörtgenin noktalarını temsil eder. 2. ÇOK KATLI İNTEGRALLER, DİFERENSİYEL DENKLEMLERE GİRİŞ 2.1. Çok Katlı İntegraller 2.1.1. İki Katlı İntegraller Fonksiyonu bir B bölgesinde sınırlı yani için olsun. B bölgesi alt bölgelere ayrılırsa;

Detaylı

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

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

Detaylı

Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net

Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Bilgisayar Programlama Ders 6 Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Fonksiyon Prototipleri Fonksiyon Prototipleri Derleyici, fonksiyonların ilk hallerini (prototiplerini)

Detaylı

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır? 26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup

Detaylı

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13

İÇİNDEKİLER. Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 İÇİNDEKİLER ÖNSÖZ III Bölüm 1 MATEMATİKSEL İKTİSADA GİRİŞ 11 1.1.İktisat Hakkında 12 1.2.İktisatta Grafik ve Matematik Kullanımı 13 Bölüm 2 STATİK DENGE ANALİZİ 19 2.1 İktisatta Denge Kavramı 20 2.1.1.

Detaylı

ANALİZ IV. Mert Çağlar

ANALİZ IV. Mert Çağlar ANALİ IV Mert Çağlar Bu notlar Örgün Öğretimde Uzaktan Öğretim Desteği (UDS) lisansı altındadır. Ders notlarına erişim için: http://udes.iku.edu.tr CC $\ BY: Mert Çağlar C Matematik-Bilgisayar Bölümü İstanbul

Detaylı

Beklenti Anketi ne İlişkin Yöntemsel Açıklama

Beklenti Anketi ne İlişkin Yöntemsel Açıklama Beklenti Anketi ne İlişkin Yöntemsel Açıklama İstatistik Genel Müdürlüğü Reel Sektör Verileri Müdürlüğü İçindekiler I- Amaç... 3 II- Kapsam... 3 III- Yöntem... 3 IV- Tanımlar ve Hesaplamalar... 3 V- Yayımlama...

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

BÖLÜM 2 : OLASILIK. Olasılığın gelişmesinde 4 anahtar sözcük önemli rol oynamaktadır. -Örneklem sonucu sample outcome

BÖLÜM 2 : OLASILIK. Olasılığın gelişmesinde 4 anahtar sözcük önemli rol oynamaktadır. -Örneklem sonucu sample outcome ÖLÜM : OLSLK Giriş: Olasılık kavramına. Fermat ile. ascal ın büyük katkıları olmuştur. ascal hesap makinesini geliştirerek Fermat ile birlikte olasılığın temellerini oluşturmuştur. Daha sonra Rus matematikçi

Detaylı

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Analiz. Cilt 2. Ünite 8-14

ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI. Analiz. Cilt 2. Ünite 8-14 ANADOLU ÜNİVERSİTESİ AÇIKÖĞRETİM FAKÜLTESİ İLKÖĞRETİM ÖĞRETMENLİĞİ LİSANS TAMAMLAMA PROGRAMI Analiz Cilt 2 Ünite 8-14 T.C. ANADOLU ÜNİVERSİTESİ YAYINLARI NO: 1082 AÇIKÖĞRETİM FAKÜLTESİ YAYINLARI NO: 600

Detaylı

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

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

Detaylı

Şekil 1. DEÜ Test Asansörü kuyusu.

Şekil 1. DEÜ Test Asansörü kuyusu. DOKUZ EYLÜL ÜNĐVERSĐTESĐ TEST ASANSÖRÜ KUYUSUNUN DEPREM YÜKLERĐ ETKĐSĐ ALTINDAKĐ DĐNAMĐK DAVRANIŞININ ĐNCELENMESĐ Zeki Kıral ve Binnur Gören Kıral Dokuz Eylül Üniversitesi, Mühendislik Fakültesi, Makine

Detaylı

OLASILIK. P(A) = şeklinde ifade edilir.

OLASILIK. P(A) = şeklinde ifade edilir. OLASILIK Olasılık belirli bir olayın olabilirliğinin sayısal ölçüsüdür. Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya

Detaylı

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

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

Detaylı

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları

Markov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun

Detaylı

matematik LYS SORU BANKASI KONU ÖZETLERİ KONU ALT BÖLÜM TESTLERİ GERİ BESLEME TESTLERİ Süleyman ERTEKİN Öğrenci Kitaplığı

matematik LYS SORU BANKASI KONU ÖZETLERİ KONU ALT BÖLÜM TESTLERİ GERİ BESLEME TESTLERİ Süleyman ERTEKİN Öğrenci Kitaplığı matematik SORU BANKASI Süleyman ERTEKİN LYS KONU ALT BÖLÜM TESTLERİ GERİ BESLEME TESTLERİ KONU ÖZETLERİ Öğrenci Kitaplığı SORU BANKASI matematik LYS EDAM Öğrenci Kitaplığı 18 EDAM ın yazılı izni olmaksızın,

Detaylı

(14) (19.43) de v yi sağlayan fonksiyona karşılık gelen u = F v fonksiyonunun ikinci türevi sürekli, R de 2π periodik ve

(14) (19.43) de v yi sağlayan fonksiyona karşılık gelen u = F v fonksiyonunun ikinci türevi sürekli, R de 2π periodik ve nin her g L 2 (S için tek çözümünüm olması için gerekli ve yeterli koşulun her j için λ λ j olacak biçimde λ j ifadesini sağlayan R \ {} de bir λ j dizisinin olduğunu gösteriniz. (13) Her λ j için (19.43)

Detaylı

BİLGİSAYAR PROGRAMLAMA

BİLGİSAYAR PROGRAMLAMA BİLGİSAYAR PROGRAMLAMA Yrd. Doç. Dr. Beytullah EREN beren@sakarya.edu.tr 0264 295 5642 Excel - Hücreler Excel de hücrelere hangi değerler girilebilir? Metin Rakam Tarih ve Saat Formül 1 HÜCRE SEÇİMİ Matematikteki

Detaylı

Prof.Dr.Ünal Ufuktepe

Prof.Dr.Ünal Ufuktepe İzmir Ekonomi Üniversitesi, Matematik Bölümü 21 Ocak 2012 KLASİK ANLAMDA TÜREV Fiziğin en temel işlevlerinden biri hareketi tanımlamaktır. Newton ve Leibniz hareketi tanımlama ve tahmin etme konusunda

Detaylı

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL VERİ MADENCİLİĞİ Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL SPRINT Algoritması ID3,CART, ve C4.5 gibi algoritmalar önce derinlik ilkesine göre çalışırlar ve en iyi dallara ayırma kriterine

Detaylı

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI

MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI MATLAB DA SAYISAL ANALİZ DOÇ. DR. ERSAN KABALCI Konu Başlıkları Lineer Denklem Sistemlerinin Çözümü İntegral ve Türev İntegral (Alan) Türev (Sayısal Fark ) Diferansiyel Denklem çözümleri Denetim Sistemlerinin

Detaylı

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015

RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 RİSK ANALİZİ VE AKTÜERYAL MODELLEME MAYIS 2015 SORU 2: Motosiklet sigortası pazarlamak isteyen bir şirket, motosiklet kaza istatistiklerine bakarak, poliçe başına yılda ortalama 0,095 kaza olacağını tahmin

Detaylı

KAMU PERSONEL SEÇME SINAVI ÖĞRETMENLİK ALAN BİLGİSİ TESTİ ORTAÖĞRETİM MATEMATİK ÖĞRETMENLİĞİ TG 9 ÖABT ORTAÖĞRETİM MATEMATİK Bu testlerin her hakkı saklıdır. Hangi amaçla olursa olsun, testlerin tamamının

Detaylı

MAK1010 MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI

MAK1010 MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI .. MAK MAKİNE MÜHENDİSLİĞİ BİLGİSAYAR UYGULAMALARI Polinom MATLAB p=[8 ] d=[ - ] h=[ -] c=[ - ] POLİNOMUN DEĞERİ >> polyval(p, >> fx=[ -..9 -. -.9.88]; >> polyval(fx,9) ans =. >> x=-.:.:.; >> y=polyval(fx,;

Detaylı

5. Salih Zeki Matematik Araştırma Projeleri Yarışması PROJENİN ADI DİZİ DİZİ ÜRETEÇ PROJEYİ HAZIRLAYAN ESRA DAĞ ELİF BETÜL ACAR

5. Salih Zeki Matematik Araştırma Projeleri Yarışması PROJENİN ADI DİZİ DİZİ ÜRETEÇ PROJEYİ HAZIRLAYAN ESRA DAĞ ELİF BETÜL ACAR 5. Salih Zeki Matematik Araştırma Projeleri Yarışması PROJENİN ADI DİZİ DİZİ ÜRETEÇ PROJEYİ HAZIRLAYAN ESRA DAĞ ELİF BETÜL ACAR ÖZEL BÜYÜKÇEKMECE ÇINAR KOLEJİ 19 Mayıs Mah. Bülent Ecevit Cad. Tüyap Yokuşu

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

Detaylı

8.04 Kuantum Fiziği Ders XII

8.04 Kuantum Fiziği Ders XII Enerji ölçümünden sonra Sonucu E i olan enerji ölçümünden sonra parçacık enerji özdurumu u i de olacak ve daha sonraki ardışık tüm enerji ölçümleri E i enerjisini verecektir. Ölçüm yapılmadan önce enerji

Detaylı

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ

BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 7 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan

Detaylı

Y = f(x) denklemi ile verilen fonksiyonun diferansiyeli dy = f '(x). dx tir.

Y = f(x) denklemi ile verilen fonksiyonun diferansiyeli dy = f '(x). dx tir. 1 İNTEGRAL BİR FONKSİYONUN DİFERANSİYELİ Tanım: f: [a,b] R, x f(x) fonksiyonu (a,b) aralığında türevli olmak üzere, x değişkeninin değişme miktarı x ise f '(x). x ifadesine f(x) fonksiyonunun diferansiyeli

Detaylı

Projenin Adı: İstatistik yardımıyla YGS ye hazırlık için soru çözme planlaması

Projenin Adı: İstatistik yardımıyla YGS ye hazırlık için soru çözme planlaması Projenin Adı: İstatistik yardımıyla YGS ye hazırlık için soru çözme planlaması Projenin Amacı : YGS de başarılı olmak isteyen bir öğrencinin, istatistiksel yöntemler çerçevesinde, sınavda çıkan soru sayısını,

Detaylı

How to ASP Language. Elbistan Meslek Yüksek Okulu 2011 2012 Bahar Yarıyılı. Öğr. Gör. Murat KEÇECĠOĞLU. 29 Eki. 1 Kas. 2013

How to ASP Language. Elbistan Meslek Yüksek Okulu 2011 2012 Bahar Yarıyılı. Öğr. Gör. Murat KEÇECĠOĞLU. 29 Eki. 1 Kas. 2013 How to ASP Language Elbistan Meslek Yüksek Okulu 2011 2012 Bahar Yarıyılı 29 Eki. 1 Kas. 2013 Öğr. Gör. Murat KEÇECĠOĞLU Fonksiyonlar, kendilerini göreve çağıran VBScript komutlarına ve işlemlerine bir

Detaylı

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ

SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Sıra İstatistikleri ve Uygulama Alanlarından Bir Örneğin Değerlendirmesi 89 SIRA İSTATİSTİKLERİ VE UYGULAMA ALANLARINDAN BİR ÖRNEĞİN DEĞERLENDİRMESİ Esin Cumhur PİRİNÇCİLER Araş. Gör. Dr., Çanakkale Onsekiz

Detaylı

MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU

MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU Dersin Adı-Kodu: BİS 601 Örnek Genişliği ve Güç Programın Adı: Biyoistatistik Dersin düzeyi Doktora Ders saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması

Detaylı

Hangi onluğa daha yakın dan limite doğru

Hangi onluğa daha yakın dan limite doğru Aldemir, S. (004). Hangi onluğa daha yakın dan limite doğru, İlköğretim-Online, 3(), 4-47, [Online]: http://ilkogretim-online.org.tr Hangi onluğa daha yakın dan limite doğru Salih ALDEMİR salihaldemir65@mynet.com

Detaylı

18.034 İleri Diferansiyel Denklemler

18.034 İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.

Detaylı

Merkezi Eğilim ve Dağılım Ölçüleri

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

Detaylı

Şimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak

Şimdi de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor. teoreminini iki kere kullanarak 10.Konu İç çarpım uzayları ve özellikleri 10.1. ve üzerinde uzunluk de [ ] vektörünün ile gösterilen boyu veya büyüklüğü Pisagor teoreminden dir. 1.Ö.: [ ] ise ( ) ( ) ve ( ) noktaları gözönüne alalım.

Detaylı