Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:"

Transkript

1 OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi seçilen örneklerin şansa bağlı olarak farklılıklar göstermesi ve bunun sonucunda her deneyde farklı sonuçlarla karşılaşılmasıdır. Olasılık, herhangi bir deneyin sonucunda gözlenebilecek farklı durumlar ile hangi sıklıkla karşılaşılacağıdır. Bir başka ifadeyle ortaya çıkan olayların belirsizliğinin incelenmesi anlamına gelir. 1

2 Diğer bir tanım, Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya başlanan olasılık, uygulamalı matematiğin bir dalı olarak gelişim göstermiş ve istatistiksel yorumlamada önemli uygulama alanı bulmuştur. Örnekler: Madeni paranın atılması sonucu tura gelme olasılığı, Bir deste iskambil kağıdından çekilen 2 kağıdın en az birinin papaz olma olasılığı, Nişanlı olan bir çiftin evlenme olasılığı.??? 2

3 Temel Tanımlar ve Kavramlar- Olay: Birden fazla basit olayın bir araya gelmesi sonucu oluşur. Örnek: hilesiz bir zarın atılması sonucu asal sayı gelmesi, içinde 5 sarı 7 lacivert bilye bulunan torbadan 2 top çekildiğinde birinin sarı birinin lacivert olması. 3

4 Örnek Uzayı: Bir deneyin sonucunda elde edilen tüm mümkün basit olaylarının oluşturduğu kümedir. Genellikle S ile tanımlanır. Örnek: Hilesiz bir zarın atılması sonucu elde edilen örnek uzayı; x: zarın üst yüzünde gelen sayı S = { x; x = 1,2,3,4,5,6 } 4

5 Temel Tanımlar ve Kavramlar Tekrarlanabilir Deney: Sonucu kesin olarak kestirilemeyen bir tek çıktı (şans değişkeni) oluşturan eylem, gözlem ya da süreçtir. Örnek: madeni para atılması, içinde 5 sarı 7 lacivert bilye bulunan torbadan bir top çekilmesi. Basit Olay: Tek bir deneyde tek bir sonuç olarak gerçekleşen olaylardır. Örnek: hilesiz bir zarın atılması sonucu 2 gelmesi P(A) bir deste iskambil kağıdından çekilen kağıdın maça 5 as olması P(A)

6 Bileşik olay:iki veya daha çok olayın birlikte veya birbiri ardına meydana gelmesine denir. P(A 1 ve A 2 ) İki zar atılır ve 4 gelmesi Bir zar arka arkaya iki defa atılır.her iki atışta da 4 gelmesi. 52 lik desteden as ve aynı zamanda karo gelmesi. 6

7 Temel Tanımlar ve Kavramlar Ayrık (bağdaşmaz) olay: Eğer A ve B gibi iki olay aynı anda gerçekleşemiyor ise bu olaylara ayrık(birbirini engelleyen) olaylar denir Örnek: Madeni para atılması sonucunda yazı veya tura gelmesi Bir sınavda geçilir veya kalınır. 7

8 Bağdaşır olay:bir olayın ortaya çıkması başka bir olayın ortaya çıkmasını engellemiyorsa iki veya daha çok olay birlikte meydana gelebiliyorsa bağdaşır olaydır. Örnek: Zarın atılması sonucu 1 ve tek sayı gelmesi. (Çünkü aynı anda gerçekleşebilirler.) 52 lik desteden çekilen kartın maça olması kız olması 8

9 Bağımsız olay: Bir olayın ortaya çıkması başka bir olayın ortaya çıkmasından ilişkisiz ise P( A B P( A). P( B) Örneğin, ailede birinci çocuğun erkek olması ikincisinin de erkek olacağı anlamına gelmez. Bağımlı olay: Bir olayın ortaya çıkması başka bir olayın ortaya çıkmasını etkiliyorsa 52 lik bir desteden iadesiz arka arkaya iki kart çekiliyor. Kart sayısı önce 52 sonra beyaz, 8 kırmızı top var. 3 top çekiliyor İade edilirse bağımsız, iade edilmezse bağımlı olaydır. 9

10 Eşit Olasılıklı Olaylar: Bir örnek uzayındaki tüm basit olayların ortaya çıkma olasılığı eşit ise bu olaylara eşit olasılıklı olaylar denir. Örnek: Bir deste iskambil kağıdından bir adet kağıt çekilmesi. 10

11 Olasılığın İki Temel Kuralı; 1) Tüm basit olayların olasılıkları 0 ile 1 arasındadır. 2) Bir örnek uzayındaki tüm basit olayların ortaya çıkma olasılıklarının toplamı 1 e eşittir. DİKKAT!!!! Hiç bir olayın OLASILIĞI 1 den büyük olamaz!!!! Bir A olayın ortaya çıkma olasılığı; P(A) şeklinde gösterilir. 11

12 Olasılığın Gelişim Aşamaları Klasik (A Priori) Olasılık Frekans (A Posteriori) Olasılığı Aksiyom Olasılığı NOT:Bu sıralama olasılık teorisinin tarihsel gelişimini tanımlamaktadır. 12

13 Klasik Olasılık Eğer bir örnek uzayı n(s) adet ayrık ve eşit olasılıkla ortaya çıkan basit olaylardan oluşuyor ve örnek uzayındaki basit olaylardan n(a) adedi A olayının özelliğine sahip ise A nın olasılığı: P(A) = n(a) / n(s) kesri ile elde edilir n(s): Örnek uzayı eleman sayısı n(a): Örnek uzayındaki A elemanı sayısı Klasik olasılık TÜMDENGELİME dayanan çıkarımlar yaparak olasılığı bulur. 13

14 Örnek: Bir kapta 5 sarı, 5 lacivert ve 5 adet yeşil bilye bulunmaktadır. Çekilen bir bilyenin sarı olma olasılığı nedir? A: Çekilen bir bilyenin sarı olması n(s): Örnek uzayı eleman sayısı = 15 n(a): Örnek uzayındaki A elemanı sayısı = 5 n( A) 5 P( A) n( S)

15 Frekans Olasılığı Araştırılan anakütle üzerinde n adet deney uygulanır. Yapılan bu deneylerde ilgilenilen A olayı n(a) defa gözlenmiş ise A olayının göreli frekansı (yaklaşık olasılığı): P(A) = n(a) / n olarak bulunur. 15

16 Örnek: Bir fabrikanın üretmiş olduğu televizyonların hatalı olma olasılığı p nedir? Önce örnek uzayı oluşturulur: S={sağlam,hatalı} Klasik olasılığa göre (eşit olasılıklı olaylar) p=0.5 olup gerçeği yansıttığı şüphelidir. Yapılması gereken; örneklem alarak p = n(h) / n olasılığını hesaplamaktır. 16

17 Bir olayın olasılığı 0 ile 1 arasındadır. Örneğin bir para atıldığında yazı gelme olasılığı 0.5 dir. Bir örnek uzayındaki tüm sonuçların olasılıklarının toplamı 1 e eşittir. Bazı Temel Olasılık Aksiyomları Örnek: İki para atılma olayında örnek uzayı: s ( YY ),( TT),( TY),( YT ) Her sonucun gelme olasılığı ¼ dür. 4 sonuç olduğuna göre ¼+1/4+1/4+1/4=1. P(S)=1 örnek uzağının olasığı 1 dir. P ( ) = 0 boş kümenin olasılığı sıfırdır. A olayının tümleyeni olarak gösterilir. A P( A) 1 P(A) 17

18 Örnek Uzayı ve Olay Sayısını Belirleyen Sayma Yöntemleri Klasik olasılığın diğer bir ifade ile eşit olasılıklı olayların geçerli olduğu durumlarda: Örnek uzayının eleman sayısı, İlgilenilen olayın eleman sayısının belirlenmesi gereklidir. Kullanılan iki temel prensip; 1) Toplama Yöntemi 2) Çarpma Yöntemi 18

19 Bağımlı olayda çarpma kuralı: Bağımlı iki olaydan A 2 olayı A 1 olayından sonra ortaya çıktığında olayların birlikte gerçekleşme olasılığıdır. P( AveA ) P( A ). P( A A ) A 2 nin şartlı olasılığı 8 boş 2 ikramiyeli bilet var. Bir kişi 2 bilet almış her iki biletinde ikramiye kazanma olasılığı nedir? 1.bilet: P(A 1 )=2/10 Geriye 8 boş ve 1 ikramiyeli bilet kaldı. P( A A ) P( AveA 1 2) P( A1 ). P( A2 A1 )

20 Bağımsız olayda çarpma kuralı: Birbirinden bağımsız A 1 ve A 2 olaylarının birlikte gerçekleşmesi olasılığı bu olayların basit olasılıklarının çarpımına eşittir. P( AveA ) P( A ). P( A ) Aynı anda atılan iki zarın ikisinin de 2 gelmesi P( AveA 1 2) P( A1 ). P( A2 ) Alinin 25 yıl sonra hayatta olması olasılığının 0.60, kardeşli Hasan ın 25 yıl sonra hayatta olması olması olasılığının 0.50 olduğunu varsayarsak 25 yıl sonra ikisinin de hayatta olma olasılığı nedir. P( AveA ) P( A ). P( A ) 0.60.(0.50)

21 Bağdaşır olayda toplama kuralı: İki olay bağdaşır olduğunda A 1 olayının veya A 2 olayının ortaya çıkması, ya A 1 olayının ya A 2 olayının ya da A 1 ve A 2 olaylarının her ikisinin birlikte gerçekleşmesi anlamına gelir. P( AveyaA ) P( A ) P( A ) P( AveA ) P(A U A ) P(A ) P(A )-P(A A ) lik bir desteden bir kız veya bir maça kızı çekme olasılığı nedir? P(A1 U A 2) P(A 1) P(A 2)-P(A 1 A 2) P( AveyaA 1 2) P( A1 ) P( A2 ) P( AveA 1 2)

22 Bağdaşmaz olaylarda toplama kuralı: A1 ve A2 bağdaşmaz olaylar ise A 1 veya A 2 olayının ortaya çıkması olasılığı P( AveyaA ) P( A ) P( A ) Bir zarın 2 veya 6 gelmesi olasılığı nedir? P( AveyaA ) P( A ) P( A )

23 Şartlı Olasılık Bağımlı olaylardan birinin (A 1 ) gerçekleştiği bilindiğine göre, diğerine (A 2 ) bağlı meydana gelme olasılığıdır. P( A2 A1) A 2 nin A 1 e bağlı şartlı olasılığı. P( A A ) P( AveA ) / P( A ) P( A A2) / P( A ) 1 1 A 1 in gerçekleşmiş olması şartıyla A 2 nin gerçekleşme olasılığıdır. 23

24 Bir öğrencinin iktisat dersinde başarılı olma olasılığı P(A 1 )=0.25 olsun. Aynı öğrencinin hem iktisat hem Matematikte başarılı olma olasılığı P(A 1 ve A 2 )=0.15. Öğrencinin İktisatta başarılı olması şartıyla Matematikte de başarılı olma olasılığı nedir? P( A A ) P( AveA ) / P( A ) P( A A2) / P( A ) 1 1 P( A2 A1) 0.15 /

25 Örnek: Bir üniversitede okuyan öğrencilerin % 70 i tiyatroya, % 35 ise sinemaya ilgi duymaktadır. a) Bir öğrencinin sinemaya ilgi duyduğu bilindiğinde tiyatroya ilgi duyma olasılığı 0,40 ise her iki aktiviteye birden ilgi duyma olasılığı nedir? b) Bir öğrencinin tiyatro veya sinemaya ilgi duyma olasılığı nedir? T:Tiyatroya ilgi duyma S:Sinemaya ilgi duyma P ( T ) = 0,70 P( S ) = 0,35 a) P ( T / S ) = 0,40 P (T S ) =? P(T S) P(T/S)*P(S) 0,40*0,35 0,14 b) P(T U S) P(T) P(S) - P(T S) 0,70 0,35-0,14 0,91 25

26 26 Bayes Teoremi Çeşitli nedenlerin aynı sonucu verebildiği durumlarda, bazen sonuç bilindiği halde bunun hangi nedenden meydana geldiği bilinmeyebilir. Sonucun hangi olasılıkla, hangi nedenden ortaya çıktığı araştırılmak istendiğinde Bayes teoreminden yararlanılır. Yani sonuç belli iken geriye doğru analiz yapma imkanı sağlar. k i i i i i i i B P B A P B P B A P A P B A P A B P 1 ) ( ) / ( ) ( ) / ( ) ( ) ( ) / (

27 Örnek: Bir ilaç üç fabrika tarafından üretilmektedir. 1. Fabrikanın üretimi 2. ve 3. fabrikaların üretiminin 2 katıdır. Ayrıca 1. ve 2. fabrikalar % 2, 3. fabrika % 4 oranında bozuk ilaç üretmektedir. Üretilen tüm ilaçlar aynı depoda saklandığına göre bu depodan rast gele seçilen bir ilacın bozuk olma olasılığı nedir. A = Seçilen ilacın bozuk olma olasılığı P ( A ) =? B i = Seçilen ilacın i nci fabrikada üretilmesi P(B 1 ) = P(B 2 ) + P(B 3 ) P(B 1 ) + P(B 2 ) + P(B 3 ) = 1 olduğundan; P(B 1 ) = 0,50 P(B 2 ) = P(B 3 ) = 0,25 olarak elde edilir. 27

28 Depodan rasgele seçilen bir ilacın bozuk olduğu bilindiğine göre 1 nci fabrikadan gelmiş olma olasılığı; P(B /A) 1 /A) P(B 1 P(A/B )P(B ) 1 1 P(A/B 1)P(B 1) P(A/B )P(B ) 2 2 P(A/B )P(B (0.02)(0.5) 0,40 (0.02)(0.5) (0.02)(0.25) (0.04)(0.25) 3 3 ) A = Seçilen ilacın bozuk olma olasılığı P ( A ) = B i = Seçilen ilacın i nci fabrikada üretilmesi P ( B 1 ) ; P ( B 2 ); P ( B 3 ) P(B 1 ) + P(B 2 ) + P(B 3 ) = 1 olduğundan; P(B 1 ) = 0,50 P(B 2 ) = P(B 3 ) = 0,25 28

29 Örnek: 3 mavi, 2 kırmızı ve 5 yeşil torba bulunmaktadır. Mavi torbaların her birinde 15 bilya(7si beyaz ve 8 i siyah), kırmızı torbaların her birinde 11 bilya(7si beyaz ve 4 ü siyah) yeşil torbaların herbirinde 20 bilya(11 i beyaz ve 9 u siyah) bulunduğu bilinmektedir. Bu torbaların birinden bir bilya çekilmiş ve siyah renkte olduğu görülmüştür. Bu bilyanın mavi renkte bir torbadan çekilmesi olasılığı nedir. 29

30 S:siyah bilya çekilmesi olayını P(M):bir bilyanın mavi torbadan çekilmesi olasılığı =3/10 P(K): bir bilyanın kırmızı torbadan çekilmesi olasılığı=2/10 P(Y) : bir bilyanın yeşil torbadan çekilmesi olasılığı=5/10 P( S M ) : P( S K ) : P( S Y ) : P( M S ) : Mavi torbadan çekilen bir bilyanın siyah renkli olması olasılığı=8/15 Kırmızı torbadan çekilen bir bilyanın siyah renkli olması olasılığı=4/11 Yeşil torbadan çekilen bir bilyanın siyah renkli olması olasılığı=9/20 Siyah renkli bir bilyanın mavi torbadan çekilmiş olması olasılığı nedir? 30

31 P( M S) P( M ). P( S M ) P( M ). P( S M ) P( K). P( S K) P( Y). P( S Y) P( M S) (3/10).(8 /15) (3/10).(8 /15) (2 /10).(4 /11) (5 /10).(9 / 20) P( M S) Çekilen siyah bilyanın mavi renkli bir torbadan çekilmiş olması olayı %34.96dır. 31

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür.

Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 1 Olasılık Örnekler 1. Bir çantada 4 beyaz 8 siyah top vardır. Bir siyah top çekilmesi olasılığı nedir? Çözüm: Siyah top çekilme olasılığı B olsun. Topların sayısı 12 olduğuna göre P(B)=8/12=2/3 tür. 2.

Detaylı

BİYOİSTATİSTİK OLASILIK

BİYOİSTATİSTİK OLASILIK BİYOİSTATİSTİK OLASILIK B Doç. Dr. Mahmut AKBOLAT *Küme Kavramı: Küme, tek bir isim altında toplanabilen ve benzer özellik gösteren birimlerin meydana getirdiği topluluk olarak tanımlanabilir. Küme içinde

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

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler.

Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Bölüm 2 OLASILIK TEORİSİ Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Rasgele değişken, gelecekteki bir gözlemde alacağı

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

Cebir Notları. Permutasyon-Kombinasyon- Binom TEST I. Gökhan DEMĐR, gdemir23@yahoo.com.tr. www.matematikclub.com, 2006

Cebir Notları. Permutasyon-Kombinasyon- Binom TEST I. Gökhan DEMĐR, gdemir23@yahoo.com.tr. www.matematikclub.com, 2006 MC www.matematikclub.com, 2006 Cebir Notları Gökhan DEMĐR, gdemir23@yahoo.com.tr Permutasyon-Kombinasyon- Binom TEST I 1. Ankra'dan Đstanbul'a giden 10 farklı otobüs, Đstanbul'- dan Edirne'ye giden 6 farklı

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

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

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

Olasılık (Probability) Teorisi

Olasılık (Probability) Teorisi Olasılık (Probability) Teorisi akin@comu.edu.tr http://akin.houseofpala.com Genetik Olasılık, genetik Genlerin gelecek generasyona geçmesinde olasılık hesapları kullanılır Akrabalık derecesinin hesaplanmasında,

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

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

10. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları

10. Sınıf Matemat k Ders İşleme Defter. Altın Kalem Yayınları 10. Sınıf Matemat k Ders İşleme Defter OLASILIK Altın Kalem Yayınları KOŞULLU OLASILIK Bas t olayların olma olasılıklarını 9. sınıf matemat k konularında şlem şt k. Ş md yapacağımız se daha karmaşık olayların

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

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 4: OLASILIK TEORİSİ Prof. Dr. İrfan KAYMAZ Giriş Bu bölüm sonunda öğreneceğiniz konular: Rastgele Olay Örnek Uzayı Olasılık Aksiyomları Bağımsız ve Ayrık Olaylar Olasılık Kuralları

Detaylı

AÇIK UÇLU SORULAR ÜNİTE 1 VERİ, SAYMA VE OLASILIK. Bölüm 1 TEMEL SAYMA KLURALLARI

AÇIK UÇLU SORULAR ÜNİTE 1 VERİ, SAYMA VE OLASILIK. Bölüm 1 TEMEL SAYMA KLURALLARI ÜNİTE VERİ, SAYMA VE OLASILIK Bölüm TEMEL SAYMA KLURALLARI AÇIK UÇLU SORULAR. A = {0,,, 3, 4, } kümesindeki rakamlar kullanılarak 3 basamaklı rakamları farklı kaç farklı tek sayı yazılabilir? 48. A = {0,,

Detaylı

OLASILIK VE OLAY ÇEŞİTLERİ

OLASILIK VE OLAY ÇEŞİTLERİ OLASILIK VE OLAY ÇEŞİTLERİ KAZANIMLAR Örnek uzay Olasılık kavramı Bir olayın olasılığının hesaplanması Teorik olasılık kavramı Deneysel olasılık kavramı Öznel olasılık kavramı Bağımsız olay Bağımlı olay

Detaylı

Rastlantı Değişkenleri

Rastlantı Değişkenleri Rastlantı Değişkenleri Olasılık Kütle Fonk. Example: A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers,

Detaylı

İstatistik ve Olasılık

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

Detaylı

Olasılığa Giriş Koşullu Olasılık Bayes Kuralı

Olasılığa Giriş Koşullu Olasılık Bayes Kuralı Olasılığa Giriş Koşullu Olasılık Bayes Kuralı Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Olasılığa Giriş Bundan önceki bölümlerde veri setini özetleyen,

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

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

PERMÜTASYON KOMBĐNASYON BĐNOM VE OLASILIK

PERMÜTASYON KOMBĐNASYON BĐNOM VE OLASILIK YILLAR 00 00 00 00 00 00 008 009 00 0 ÖSS - - - ÖYS PERMÜTASYON KOMBĐNASYON BĐNOM VE OLASILIK TEMEL SAYMA KURALLARI Örnek ( ) adet hediyeden üçü üç kişiye, her birine birer hediye vermek kaydıyla kaç değişik

Detaylı

ÜNİTE 3. ÜNİTE 3. ÜNİTE 3. ÜNİTE 3. ÜNİT

ÜNİTE 3. ÜNİTE 3. ÜNİTE 3. ÜNİTE 3. ÜNİT PERMÜTASYON, KOMBİNASYON BİNOM, OLASILIK ve İSTATİSTİK ÜNİTE 3. ÜNİTE 3. ÜNİTE 3. ÜNİTE 3. ÜNİT Permütasyon. Kazanım : Eşleme, toplama ve çarpma yoluyla sayma yöntemlerini açıklar. 2. Kazanım : n elemanlı

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve

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

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. Akarsu Hafta-4 11/16/2014 1

Dr. Akarsu Hafta-4 11/16/2014 1 Dr. Akarsu Hafta-4 11/16/2014 1 GİRİŞ Olasılık dolaylı istatistiğin önemli metotlarının temelini oluşturmaktadır. Örneğin, cinsiyet belirleyici bir prosedür belirlediğinizi iddia ediyorsunuz ve her seferinde

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

YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri-

YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- YÖNEYLEM ARAŞTIRMASI-2 -Markov Zincirleri- Hazırlayan Yrd. Doç. Selçuk Üniversitesi Mühendislik Fakültesi - Endüstri Mühendisliği Bölümü Giriş Zaman içerisinde tamamen önceden kestirilemeyecek şekilde

Detaylı

VERİ, SAYMA ve OLASILIK ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİT

VERİ, SAYMA ve OLASILIK ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİT VERİ, SAYMA ve OLASILIK ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİT VERİ SAYMA. Kazanım : Merkezi eğilim ve yayılım ölçüleri Aritmetik ortalama, ortanca, tepe değer, en büyük değer, en küçük değer ve açıklık

Detaylı

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

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

ÖDEV 5 ÇÖZÜMLERİ. 1. A, B, C Ω olmak üzere A B ve A B C olaylarını ayrık olayların birleşimi olarak yazınız.

ÖDEV 5 ÇÖZÜMLERİ. 1. A, B, C Ω olmak üzere A B ve A B C olaylarını ayrık olayların birleşimi olarak yazınız. OLASILIĞA GİRİŞ IDERSİ ÖDEV 5 ÇÖZÜMLERİ 1. A, B, C Ω olmak üzere A B ve A B C olaylarını ayrık olayların birleşimi olarak yazınız. A B = A (B A) =A (B A c ) A B C = A (B A) (C (A B)) = A (B A c ) (C B

Detaylı

BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Araştırmalarda

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

KONTROL TESTİ - 4. 1. Birinci galeride A markasından 4, B markasından 6 araç; ikinci geleride ise A markasından 8, B markasından 4 araç vardır.

KONTROL TESTİ - 4. 1. Birinci galeride A markasından 4, B markasından 6 araç; ikinci geleride ise A markasından 8, B markasından 4 araç vardır. KONTROL TESTİ - 4. Birinci galeride A markasından 4, B markasından 6 araç; ikinci geleride ise A markasından 8, B markasından 4 araç vardır. Bu galerilerden rastgele alınan bir aracın A markasından olduğu

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

Diğer sayfaya geçiniz. 2013 - YGS / MAT TEMEL MATEMATİK TESTİ. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır?

Diğer sayfaya geçiniz. 2013 - YGS / MAT TEMEL MATEMATİK TESTİ. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır? TEMEL MATEMATİK TESTİ 1. Bu testte 40 soru vardır. 2. Cevaplarınızı, cevap kâğıdının Temel Matematik Testi için ayrılan kısmına işaretleyiniz. 1. 3. olduğuna göre, a kaçtır? olduğuna göre, m kaçtır? A)

Detaylı

İSTATİSTİK II (İST202U)

İSTATİSTİK II (İST202U) İSTATİSTİK II (İST202U) KISA ÖZET KOLAYAOF DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ.

Detaylı

Örnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir.

Örnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir. BÖLÜM 3. OLASILIK ve OLASILIK DAĞILIMLARI Rasgele Sonuçlu Deney: Sonuçlarının kümesi belli olan, ancak hangi sonucun ortaya çıkacağı önceden söylenemeyen bir işleme Rasgele Sonuçlu Deney veya kısaca Deney

Detaylı

BAYES ÖĞRENMESİ BİLECİK ÜNİVERSİTESİ. Araş. Gör. Nesibe YALÇIN. Yapay Zeka-Bayes Öğrenme

BAYES ÖĞRENMESİ BİLECİK ÜNİVERSİTESİ. Araş. Gör. Nesibe YALÇIN. Yapay Zeka-Bayes Öğrenme BAYES ÖĞRENMESİ Araş. Gör. Nesibe YALÇIN BİLECİK ÜNİVERSİTESİ Yapay Zeka-Bayes Öğrenme 1 İÇERİK Bayes Teoremi Bayes Sınıflandırma Örnek Kullanım Alanları Avantajları Dezavantajları Yapay Zeka-Bayes Öğrenme

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

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

Olasılık Kavramı. Mühendislikte İstatistik Yöntemler

Olasılık Kavramı. Mühendislikte İstatistik Yöntemler Olasılık Kavramı Mühendislikte İstatistik Yöntemler KÜME KAVRAMI Birlikte ele alınan belirli nesneler topluluğuna küme, Kümede içerilen nesnelere de eleman, öğe veya üye denir. Kümenin elemanlerı (öğeleri,

Detaylı

lecturemania success maximizer AlpGirayOzenj 053354991 08 afp@lecturemania.com www.lecturemaniaxom

lecturemania success maximizer AlpGirayOzenj 053354991 08 afp@lecturemania.com www.lecturemaniaxom success maximizer AlpGirayOzenj 053354991 08 afp@lecturemania.com www.lecturemaniaxom success maximizer AlpGirayOzen 05335499108 alp@lecturemania.com www.lecturemania.com success max

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

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

TEOG. Sayma Sayıları ve Doğal Sayılar ÇÖZÜM ÖRNEK ÇÖZÜM ÖRNEK SAYI BASAMAKLARI VE SAYILARIN ÇÖZÜMLENMESİ 1. DOĞAL SAYILAR.

TEOG. Sayma Sayıları ve Doğal Sayılar ÇÖZÜM ÖRNEK ÇÖZÜM ÖRNEK SAYI BASAMAKLARI VE SAYILARIN ÇÖZÜMLENMESİ 1. DOĞAL SAYILAR. TEOG Sayma Sayıları ve Doğal Sayılar 1. DOĞAL SAYILAR 0 dan başlayıp artı sonsuza kadar giden sayılara doğal sayılar denir ve N ile gösterilir. N={0, 1, 2, 3,...,n, n+1,...} a ve b doğal sayılar olmak

Detaylı

Görsel Programlama - I Uygulamalı Ödevi

Görsel Programlama - I Uygulamalı Ödevi 1 Bilgisayar Teknolojileri Bölümü / Bilgisayar Programcılığı Görsel Programlama - I Uygulamalı Ödevi Numara Ad Soyad Program Öğrenci Bilgileri Öğretim Elemanı Öğr.Gör. Aykut Fatih GÜVEN - 2 0 0 9 RİZE

Detaylı

Sevgili Öğrencilerimiz,

Sevgili Öğrencilerimiz, 104 ZEKÂ OYUNU BİLSEM e Hazırlık Mantık Oyunları - Dikkat Oyunları - Hafıza oyunları Dikkat Geliştirme - Sözel Zekâ - IQ Soruları Sayısal Zekâ - Görsel Zekâ BAKİ YERLİ - ALİ CAN GÜLLÜ ALTIN NOKTA YAYINEVİ

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

ÜRÜN KATALOĞU SINIRLAR AŞILMAK İÇİNDİR. www.martplastik.com

ÜRÜN KATALOĞU SINIRLAR AŞILMAK İÇİNDİR. www.martplastik.com ÜRÜN KATALOĞU PVC PARLAK ŞEFFAF 100 MİCRON 150 MİCRON 200 MİCRON 300 MİCRON 400 MİCRON 600 MİCRON 700 MİCRON PVC MAT ŞEFFAF 200 MİCRON 300 MİCRON 400 MİCRON 700 MİCRON PVC MAT BEYAZ 200 MİCRON 300 MİCRON

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

Yukarıdaki dikdörtgen şeklindeki fayansları kullanarak elde edebileceğimiz en küçük karenin çevresi kaç cm dir?

Yukarıdaki dikdörtgen şeklindeki fayansları kullanarak elde edebileceğimiz en küçük karenin çevresi kaç cm dir? 1) Zehranaz yeni doğan kardeşine mama yedirmeyi çok sevmektedir. Kardeşi Furkan ın mamasının 1 kutusu 510 gr dır ve her 3 saatte bir 10 gr yemesi gerekmektedir. Buna göre; Çarşamba sabah saat 08.15 de

Detaylı

Bilim ve Bilimsel Araştırma

Bilim ve Bilimsel Araştırma Bilim ve Bilimsel Araştırma Bilim nedir? Scire / Scientia Olaylar ve nesneleri kavramak, tanımak ve sınıflandırmak üzere çözümleyen, olgular arasındaki nesnellik ilişkilerini kuran, bu ilişkileri deney

Detaylı

VERİ, SAYMA ve OLASILIK ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİT

VERİ, SAYMA ve OLASILIK ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİT VERİ, SAYMA ve OLASILIK ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİTE 6. ÜNİT VERİ SAYMA. Kazanım : Merkezi eğilim ve yayılım ölçüleri Aritmetik ortalama, ortanca, tepe değer, en büyük değer, en küçük değer ve açıklık

Detaylı

Araş.Gör. Efe SARIBAY

Araş.Gör. Efe SARIBAY GÜVEN ARALIKLARI (ARALIK TAHMİNİ) ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY 1) Bir hisse senedinin $ bazında fiyatının ortalamasını incelemek için yapılan bir araştırmada 18 gün boyunca hisse senedinin

Detaylı

Toplam Olasılık Kuralı

Toplam Olasılık Kuralı Toplam Olasılık Kuralı Farklı farklı olaylara bağlı olarak başka bir olayın olasılığını hesaplamaya yarar: P (B) = P (A 1 B) + P (A 2 B) +... + P (A n B) = P (B/A 1 )P (A 1 ) + P (B/A 2 )P (A 2 ) +...

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

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

2. (v+w+x+y+z) 8 ifadesinin açılımında kaç terim vardır? 3. log 5 0, 69897 olduğuna göre 50 10 sayısı kaç basamaklıdır?

2. (v+w+x+y+z) 8 ifadesinin açılımında kaç terim vardır? 3. log 5 0, 69897 olduğuna göre 50 10 sayısı kaç basamaklıdır? Ayrık Hesaplama Yapıları A GRUBU 3.03.0 Numarası Adı Soyadı : CEVAP : ANAHTARI SINAV YÖNERGESİ İşaretlemelerinizde kurşun kalem kullanınız. Soru ve cevap kağıtlarına numaranızı ve isminizi mürekkepli kalem

Detaylı

10.Konu Tam sayıların inşası

10.Konu Tam sayıların inşası 10.Konu Tam sayıların inşası 1. Tam sayılar kümesi 2. Tam sayılar kümesinde toplama ve çarpma 3. Pozitif ve negatif tam sayılar 4. Tam sayılar kümesinde çıkarma 5. Tam sayılar kümesinde sıralama 6. Bir

Detaylı

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08 1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel

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

BÖLÜM 1 İSTATİSTİK İLE İLGİLİ BAZI TEMEL KAVRAMLAR

BÖLÜM 1 İSTATİSTİK İLE İLGİLİ BAZI TEMEL KAVRAMLAR 1 BÖLÜM 1 İSTATİSTİK İLE İLGİLİ BAZI TEMEL KAVRAMLAR İstatistik öğrenmelerinde sıklıkla karşılaşılacak olan temel bazı kavramlar, eğitim alanına yönelik örnekleriyle birlikte aşağıda açıklanmaktadır. 1.1.

Detaylı

ĐSTATĐSTĐK. Okan ERYĐĞĐT

ĐSTATĐSTĐK. Okan ERYĐĞĐT ĐSTATĐSTĐK Okan ERYĐĞĐT Araştırmacı, istatistik yöntemlere daha işin başında başvurmalıdır, sonunda değil..! A. Bradford Hill, 1930 ĐSTATĐSTĐĞĐN AMAÇLARI Bilimsel araştırmalarda, araştırmacıya kullanılabilir

Detaylı

Pokerin Matematiği açık oyun renk

Pokerin Matematiği açık oyun renk Pokerin Matematiği atrançta bir oyuncunun bilip de öbür oyuncunun bilmediği bilgi yoktur. Bu tür oyunlara açık oyun diyelim. STavlada da bir oyuncunun bildiğini öbür oyuncu bilir. Birinin öbüründen gizlisi

Detaylı

8.Konu Vektör uzayları, Alt Uzaylar

8.Konu Vektör uzayları, Alt Uzaylar 8.Konu Vektör uzayları, Alt Uzaylar 8.1. Düzlemde vektörler Düzlemdeki her noktası ile reel sayılardan oluşan ikilisini eşleştirebiliriz. Buna P noktanın koordinatları denir. y-ekseni P x y O dan P ye

Detaylı

GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ

GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ GÖRÜNTÜ İŞLEME HAFTA 2 SAYISAL GÖRÜNTÜ TEMELLERİ GÖRÜNTÜ ALGILAMA Üç temel zar ile kaplıdır. 1- Dış Zar(kornea ve Sklera) 2- Koroid 3- Retina GÖRÜNTÜ ALGILAMA ---Dış Zar İki kısımdan oluşur. Kornea ve

Detaylı

A t a b e y M e s l e k Y ü k s e k O k u l u İstatistik Sunum 4 Öğr.Gör. Şükrü L/O/G/O KAYA www.sukrukaya.org www.themegallery.com 1 Yer Ölçüleri Yer ölçüleri, verilerin merkezini veya yığılma noktasını

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

Sayılar ve Altın Oranı. Mahmut Kuzucuoğlu. 16 Ağustos 2015

Sayılar ve Altın Oranı. Mahmut Kuzucuoğlu. 16 Ağustos 2015 Sayılar ve Altın Oranı Mahmut Kuzucuoğlu Orta Doğu Teknik Üniversitesi Matematik Bölümü matmah@metu.edu.tr İlkyar-2015 16 Ağustos 2015 Ben kimim? Denizli nin Çal ilçesinin Ortaköy kasabasında 1958 yılında

Detaylı

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi 2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel

Detaylı

GİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir.

GİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. VERİ ANALİZİ GİRİŞ Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. Bilimsel Bilgi: Kaynağı ve elde edilme süreçleri belli olan bilgidir. Sosyal İlişkiler Görgül Bulgular İşlevsel

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

1. Bölüm: SIRALAMA (PERMÜTASYON) Bölüm: SEÇME (KOMBİNASYON) Bölüm: BİNOM AÇILIMI Bölüm: OLASILIK...25

1. Bölüm: SIRALAMA (PERMÜTASYON) Bölüm: SEÇME (KOMBİNASYON) Bölüm: BİNOM AÇILIMI Bölüm: OLASILIK...25 1 İçindekiler 1. Bölüm: SIRALAMA (PERMÜTASYON)... 5 2. Bölüm: SEÇME (KOMBİNASYON)...13 3. Bölüm: BİNOM AÇILIMI...21 4. Bölüm: OLASILIK...25 5. Bölüm: FONKSİYONLARIN SİMETRİLERİ VE CEBİRSEL ÖZELLİKLERİ...37

Detaylı

EBOB - EKOK EBOB VE EKOK UN BULUNMASI. 2. Yol: En Büyük Ortak Bölen (Ebob) En Küçük Ortak Kat (Ekok) www.unkapani.com.tr. 1. Yol:

EBOB - EKOK EBOB VE EKOK UN BULUNMASI. 2. Yol: En Büyük Ortak Bölen (Ebob) En Küçük Ortak Kat (Ekok) www.unkapani.com.tr. 1. Yol: EBOB - EKOK En Büyük Ortak Bölen (Ebob) İki veya daha fazla pozitif tamsayıyı aynı anda bölen pozitif tamsayıların en büyüğüne bu sayıların en büyük ortak böleni denir ve kısaca Ebob ile gösterilir. Örneğin,

Detaylı

KAYNAK: Hüseyin (Guseinov), Oktay. 2007. "Skaler ve Vektörel Büyüklükler."

KAYNAK: Hüseyin (Guseinov), Oktay. 2007. Skaler ve Vektörel Büyüklükler. KAYNAK: Hüseyin (Guseinov), Oktay. 2007. "Skaler ve Vektörel Büyüklükler." Eğitişim Dergisi. Sayı: 15 (Mayıs 2007). SKALER VE VEKTÖREL BÜYÜKLÜKLER Prof. Dr. Oktay Hüseyin (Guseinov) Hayvanların en basit

Detaylı

AYRIK YAPILAR ARŞ. GÖR. SONGÜL KARAKUŞ- FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ, ELAZIĞ

AYRIK YAPILAR ARŞ. GÖR. SONGÜL KARAKUŞ- FIRAT ÜNİVERSİTESİ TEKNOLOJİ FAKÜLTESİ YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ, ELAZIĞ AYRIK YAPILAR P r o f. D r. Ö m e r A k ı n v e Y r d. D o ç. D r. M u r a t Ö z b a y o ğ l u n u n Ç e v i r i E d i t ö r l ü ğ ü n ü ü s t l e n d i ğ i «A y r ı k M a t e m a t i k v e U y g u l a

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

İlginç Bir Örnek- İhtimal İntegrali

İlginç Bir Örnek- İhtimal İntegrali İlginç Bir Örnek- İhtimal İntegrali İhtimaller hesabı, matematikte bile analitik olarak çözülemiyen problemler için işe yaramaktadır. Buna bir örnek teşkil etmesi bakımından gelişi güzel bir alanın nasıl

Detaylı

iddaa da Sistem ile Kazanmanın Yolları May 2015

iddaa da Sistem ile Kazanmanın Yolları May 2015 iddaa da Sistem ile Kazanmanın Yolları May 2015 Sistem ne işe yarar? 1.Kazanma şansını artırır! 2.Daha yüksek ikramiye kazandırır! 3.Banko ile ödenen kupon bedelini azaltır! Nasıl Çalışır? Tahminde bulunduğunuz

Detaylı

OKUL ADI : ÖMER ÇAM ANADOLU İMAM HATİP LİSESİ EĞİTİM VE ÖĞRETİM YILI : 2015 2016 DERSİN ADI : MATEMATİK SINIFLAR : 9

OKUL ADI : ÖMER ÇAM ANADOLU İMAM HATİP LİSESİ EĞİTİM VE ÖĞRETİM YILI : 2015 2016 DERSİN ADI : MATEMATİK SINIFLAR : 9 OKUL ADI : ÖMER ÇAM ANADOLU İMAM HATİP LİSESİ EĞİTİM VE ÖĞRETİM YILI : 015 01 1 Eylül 18 Eylül Kümelerde Temel Kavramlar 1. Küme kavramını örneklerle açıklar ve kümeleri ifade etmek için farklı gösterimler.

Detaylı

Kuyruk Sistemlerinin Simülasyonu

Kuyruk Sistemlerinin Simülasyonu Kuyruk Sistemlerinin Simülasyonu Kuyruk sistemlerinin simülasyonu sonraki adımda ne olacağını belirlemek üzere bir olay listesinin tutulmasını ve bakımını gerektirir. Simülasyonda olaylar genellikle gerçek

Detaylı

T.C. MİLLÎ EĞİTİM BAKANLIĞI ÖLÇME, DEĞERLENDİRME VE SINAV HİZMETLERİ GENEL MÜDÜRLÜĞÜ SINIF DEĞERLENDİRME SINAVI - 4

T.C. MİLLÎ EĞİTİM BAKANLIĞI ÖLÇME, DEĞERLENDİRME VE SINAV HİZMETLERİ GENEL MÜDÜRLÜĞÜ SINIF DEĞERLENDİRME SINAVI - 4 T.. MİLLÎ EĞİTİM AKANLIĞI 015-016 8.SINIF DEĞERLENDİRME SINAVI - 4 015-016 8.SINIF DEĞERLENDİRME SINAVI - 4 MATEMATİK Adı ve Soyadı :... Sınıfı :... Öğrenci Numarası :... SORU SAYISI : 0 SINAV SÜRESİ :

Detaylı

MATM 133 MATEMATİK LOJİK. Dr. Doç. Çarıyar Aşıralıyev

MATM 133 MATEMATİK LOJİK. Dr. Doç. Çarıyar Aşıralıyev MATM 133 MATEMATİK LOJİK Dr. Doç. Çarıyar Aşıralıyev 3.KONU Kümeler Teorisi; Küme işlemleri, İkili işlemler 1. Altküme 2. Evrensel Küme 3. Kümelerin Birleşimi 4. Kümelerin Kesişimi 5. Bir Kümenin Tümleyeni

Detaylı

BÖLÜM 6 LAPLACE DÖNÜŞÜMLERİ

BÖLÜM 6 LAPLACE DÖNÜŞÜMLERİ BÖLÜM 6 LAPLACE DÖNÜŞÜMLERİ 6.2. Laplace Dönüşümü Tanımı Bir f(t) fonksiyonunun Laplace alındığında oluşan fonksiyon F(s) ya da L[f(t)] olarak gösterilir. Burada tanımlanan s; ÇÖZÜM: a) b) c) ÇÖZÜM: 6.3.

Detaylı

ÖZEL MÜRÜVVET EVYAP KOLEJİ 4.SINIF OLİMPİYAT SORULARI

ÖZEL MÜRÜVVET EVYAP KOLEJİ 4.SINIF OLİMPİYAT SORULARI 1)Net kütlesi 300 gr olan bir paket fıstığın fiyatı 132 000 tldir.bunagöre,fıstığın bir kilogramı kaç bin tldir? A) 340 B) 380 C) 440 D) 460 8) saatte ortalama 20 sn.geri kalan bir saat,bir haftada kaç

Detaylı

1. ÜNİTE: MANTIK. Bölüm 1.1. Önermeler ve Bileşik Önermeler

1. ÜNİTE: MANTIK. Bölüm 1.1. Önermeler ve Bileşik Önermeler . ÜNİTE: MANTIK . ÜNİTE: MANTIK... Önerme Tanım (Önerme) BÖLÜM.. - Doğru ya da yanlış kesin bir hüküm bildiren ifadelere önerme adı veriler. Örneğin Bir hafta 7 gündür. (Doğru) Eskişehir Türkiye'nin başkentidir.

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

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

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

Projenin Adı:Pascal-Fermat Olasılık Mektupları

Projenin Adı:Pascal-Fermat Olasılık Mektupları Projenin Adı:Pascal-Fermat Olasılık Mektupları Projenin Amacı:Çalışmamızda öncelikle Pascal ve Fermat la tarihsel empati kurmakla birlikte bilginin yolunu bulabilmesi için farklı bakış açılarına ihtiyaç

Detaylı

Dijital (Sayısal) Fotogrametri

Dijital (Sayısal) Fotogrametri Dijital (Sayısal) Fotogrametri Dijital fotogrametri, cisimlere ait iki boyutlu görüntü ortamından üç boyutlu bilgi sağlayan, sayısal resim veya görüntü ile çalışan fotogrametri bilimidir. Girdi olarak

Detaylı

MAT223 AYRIK MATEMATİK

MAT223 AYRIK MATEMATİK MAT223 AYRIK MATEMATİK Saymanın Temelleri 1. Bölüm Emrah Akyar Anadolu Üniversitesi Fen Fakültesi Matematik Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Ayşe nin Doğum Günü Partisi Saymanın Temelleri Ayşe

Detaylı

Rastgele Değişkenler ve Olasılık

Rastgele Değişkenler ve Olasılık Rastgele Değişkenler ve Olasılık Yrd. Doç. Dr. Ümit Deniz Uluşar Doğum Günü Problemi Rastgele seçilen n kişiden en az iki tanesinin doğum günleri aynı olma olasılığı. n 367 ise %100 n 57 ise %99 n 23 ise

Detaylı

İSTANBUL İLİ İLKÖĞRETİM OKULLARI 4, 5, 6. SINIFLAR ARASI MATEMATİK OLİMPİYATI SORU KİTAPÇIĞI 13 NİSAN 2013 T.C İSTANBUL VALİLİĞİ ÖZEL AKASYA KOLEJİ

İSTANBUL İLİ İLKÖĞRETİM OKULLARI 4, 5, 6. SINIFLAR ARASI MATEMATİK OLİMPİYATI SORU KİTAPÇIĞI 13 NİSAN 2013 T.C İSTANBUL VALİLİĞİ ÖZEL AKASYA KOLEJİ İSTANBUL İLİ İLKÖĞRETİM OKULLARI 4, 5, 6. SINIFLAR ARASI MATEMATİK OLİMPİYATI SORU KİTAPÇIĞI 13 NİSAN 2013 T.C İSTANBUL VALİLİĞİ ÖZEL AKASYA KOLEJİ DİKKAT: 1. Soru kitapçıklarını kontrol ederek, baskı

Detaylı

İSTANBUL İLİ İLKÖĞRETİM OKULLARI 4, 5, 6. SINIFLAR ARASI MATEMATİK OLİMPİYATI SORU KİTAPÇIĞI 13 NİSAN 2013 T.C İSTANBUL VALİLİĞİ ÖZEL AKASYA KOLEJİ

İSTANBUL İLİ İLKÖĞRETİM OKULLARI 4, 5, 6. SINIFLAR ARASI MATEMATİK OLİMPİYATI SORU KİTAPÇIĞI 13 NİSAN 2013 T.C İSTANBUL VALİLİĞİ ÖZEL AKASYA KOLEJİ İSTANBUL İLİ İLKÖĞRETİM OKULLARI 4, 5, 6. SINIFLAR ARASI MATEMATİK OLİMPİYATI SORU KİTAPÇIĞI 13 NİSAN 2013 T.C İSTANBUL VALİLİĞİ ÖZEL AKASYA KOLEJİ DİKKAT: 1. Soru kitapçıklarını kontrol ederek, baskı

Detaylı

İskambil Kağıtları. Bir İskambil kağıdı

İskambil Kağıtları. Bir İskambil kağıdı Nesne Grupları ve Miras (Inheritance) Kavramı E.Fatih YETKİN İskambil Kağıtları Hatırlatma, bir iskambil destesinde 4 tipten olmak üzere 52 adet kağıt vardır: Maça Kupa Karo Sinek Deste Nesnesi: Bir İskambil

Detaylı