Güven Aralığı Hesaplamaları ÖRNEKLER

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Güven Aralığı Hesaplamaları ÖRNEKLER"

Transkript

1 Güven Aralığı Healamaları ÖRNEKLER

2 Standart normal dağılım ile olaılık healamaları

3 Standart normal dağılım ile olaılık healamaları f ( x) dx P(( 1 ) x ( 1 )) f ( x) dx P(( 2 ) x ( 2 )) f ( x) dx P(( 3 ) x ( 3 ))

4 Normal dağılım eğriinin tandardizayonu i x i Örneklemde i f ( ) d P( 1 1) f ( ) d P( 2 2) f ( ) d P( 3 3) x i

5 Örnek 1 Bir kliniğe belli bir şikayetle gelen hataların yaşlarının normal dağılıma ahi olduğu ve ortalamaının 37.5, tandart amaının ie 7.6 olduğu varayılıra, random olarak eçilen bir hatanın 44 yaşından genç olmaı olaılığı nedir? Z 44 yaş x Standart normal dağılım tablouna baktığımızda, Z=0.86 nın lik bir olaılık değerine eşit olduğunu görürüz. Dolayııyla, ratgele eçilen bir hatanın 44 yaşından genç olma olaılığı %80.5 tir.

6 Örnek 2 Bir önceki örneğin verilerine dayanarak, ratgele eçilen bir hatanın yaşının 46 ile 54 araında olmaı olaılığı nedir? Z Z ile 2.17 araındaki alan ile1.12araındaki alan Fark P(46 x54) %11.64

7 Güven Aralığı Bir örneklemden elde edilen aritmetik ortalamadan / orandan / varyantan hareket ederek, oulayon ortalamaına / oranına / varyanına yönelik tahmini ınırları verir Güven aralığındaki alt ve üt ınırların nedeni, örneklemler araındaki değişkenliktir Örneklem büyüklüğü arttıkça, güven aralığı daralır

8 Standart normal dağılımla güven aralığı Aritmetik ortalamaya ait teorik örnekleme dağılımının normal eğriye yakınlaştığını, normal eğri altındaki tolam alanın %95 inin de ile ınırları araında kaldığını hatırlatalım:

9 Standart normal dağılımla ortalama için güven aralığı formulü Poulayon aritmetik ortalamaı µ nün %95 güven aralığı ınırları aşağıdaki gibi ifade edilir: Genel P(( Z/2 ) ( Z/2 )) n n %90 Güven Araligi P(( 1.65 ) ( 1.65 )).90 n n %95 Güven Araligi P(( 1.96 ) ( 1.96 )).95 n n %99 Güven Araligi P(( 2.58 ) ( 2.58 )).99 n n

10 Örnek 1 Glaucoma rahatızlığı bulunan 60 yaşındaki 200 hatanın ortalama kan baıncı 140 ve tandart amaı 25 olarak belirlenmiştir. İlgili oulayonun artalama kan baıncı %95 olaılıkla hangi değerler araında olabilir? n Ortalamanintandart hatai SH 1.77 n 200 P( 1.96( SH )) P( (1.77)) Alt ınır P( (1.77)) Üt ınır P( (1.77))

11 Örnek 1.2 Bir önceki çalışma eğer 100 hata ile yaılmış olaydı, %95 güven aralığı ınırları ne olurdu? n Ortalamanintandart hatai SH 2.5 n 100 P( 1.96( SH )) P( (2.5)) Alt ınır P( (2.5)) 135 Üt ınır P( (2.5))

12 Örnek 1.3 Örnek 1.2 deki değerlerle %99 güven aralığının healanmaı: n Ortalamanintandart hatai SH 2.5 n 100 P( 1.65( SH )) P( (2.5)) Alt ınır P( (2.5)) Üt ınır P( (2.5))

13 Standart normal dağılımla oranlar için güven aralığı formulü q ˆ örneklemdeki oran 1 Genel (1 ) n ˆ ˆ P(( Z ) P ( Z )) /2 /2 %90 Güven Araligi ˆ ˆ P(( 1.65 ) P ( 1.65 )).90 %95 Güven Araligi ˆ ˆ P(( 1.96 ) P ( 1.96 )).95 %99 Güven Araligi P(( 2.58 ˆ ) ( 2.58 ˆ P )).99

14 Standart normal dağılımla oranlar için güven aralığı: Örnek 1.4 Bir Anadolu kaabaında, 40 yaş ve ütü 175 kişi random olarak eçilmiş, %54 ünün (.54) obez olduğu tebit edilmiştir. %95 güvenle kaabadaki aynı yaş grubu oulayonunun obezite oranlarının ınırları nedir? n 175 q (1 ) 0.54(0.46) ˆ n 175 P P(( ) ( )) P %46.6 P %61.4

15 n<30 ve σ bilinmediği durumlarda Sözkonuu değişkenin oulayondaki dağılımının normal olduğu varayımıyla, güven aralığı aşağıdaki gibi ifade edilir: x x P(( t, n1 ) ( t, n1 )) n n Yukarıdaki ifadede t, hedeflenen güven eviyeine göre, n-1 erbetlik dereceine karşılık gelen t- dağılımı (Student t) değeridir.

16 Student t-dağılımı Poulayon tandart amaı (σ) bilinmediği durumlarda, örneklemin tandart amaı () bir yaklaşım olarak kullanılır (σ) nın yerine () yerleştirildiğinde, normal dağılım yerine t-dağılımı devreye girer n<30 olduğu durumlarda, t-dağılımını kullanabilmek için oulayonun normal dağılıma ahi olmaı gerekir n>30 olduğu durumlarda ie, normal dağılım t- dağılımına bir yaklaşım olarak kullanılabilir (oulayon normal dağılıma ahi olmaa dahi.)

17 Örnek 2 Örnek 1.3 teki verilerin n=25 için öz konuu olduğunu varayalım; Bu durumda %95 güven aralığı: n 30 x x 25 Ortalamanintandart hatai SH 4.56 n 30 P( t ( SH )) P( t ( SH )) P( (4.56)), n1 0.5,301 Alt ınır P( (4.56)) Üt ınır P( (4.56))

t Dağılımı ve t testi

t Dağılımı ve t testi r. Mehme Akaraylı ağılımı ve ei oç. r. Mehme AKSARAYLI.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehme.akarayli@deu.edu.r Sude ağılımı Küçük öreklerde (

Detaylı

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

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

Detaylı

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Journal of Engineering and Natural Science Mühendilik ve Fen Bilimleri Dergii Sigma 5/3 SOME TOPICS TO BE TAKEN UP IN STATISTICS Mehmet GENCELİ * Yıldız Teknik Üniveritei,Fen-Edebiyat Fakültei, İtatitik

Detaylı

Merkezi Limit Teoremi

Merkezi Limit Teoremi Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

Ders 10. Belirsiz Talep Durumunda Stok Kontrol-III. Sürekli Gözden Geçirme Sistemleri. Talebin Yapısı. s t 2 = s 2 t. = Dt

Ders 10. Belirsiz Talep Durumunda Stok Kontrol-III. Sürekli Gözden Geçirme Sistemleri. Talebin Yapısı. s t 2 = s 2 t. = Dt Sürekli Göden Geirme Sitemleri Der 0 Beliri Talep Durumunda Stok Kontrol-III (Q, R) Politikaları Bu modeller bir ipariş noktaı (R) ve ipariş miktarı (Q) belirleyen politikaları gerektirir. Bu tip politikalar

Detaylı

Bölüm 7 - Kök- Yer Eğrisi Teknikleri

Bölüm 7 - Kök- Yer Eğrisi Teknikleri Bölüm 7 - Kök- Yer Eğrii Teknikleri Kök yer eğrii tekniği kararlı ve geçici hal cevabı analizinde kullanılmaktadır. Bu grafikel teknik kontrol iteminin performan niteliklerini tanımlamamıza yardımcı olur.

Detaylı

t Dağılımı ve t testi

t Dağılımı ve t testi t Dağılımı ve t teti Studet t Dağılımı Küçük öreklerde (

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

KARAYOLU VE DEMİRYOLU PROJELERİNDE ORTOMETRİK YÜKSEKLİK HESABI: EN KÜÇÜK KARELER İLE KOLLOKASYON

KARAYOLU VE DEMİRYOLU PROJELERİNDE ORTOMETRİK YÜKSEKLİK HESABI: EN KÜÇÜK KARELER İLE KOLLOKASYON TMMOB Harita ve Kadatro Mühendileri Odaı 13. Türkiye Harita Bilimel ve Teknik Kurultayı 18 Nian 011, Ankara KARAYOLU VE DEMİRYOLU PROJELERİNDE ORTOMETRİK YÜKSEKLİK HESABI: EN KÜÇÜK KARELER İLE KOLLOKASYON

Detaylı

Frekans Analiz Yöntemleri I Bode Eğrileri

Frekans Analiz Yöntemleri I Bode Eğrileri Frekan Analiz Yöntemleri I Bode Eğrileri Prof.Dr. Galip Canever 1 Frekan cevabı analizi 1930 ve 1940 lı yıllarda Nyquit ve Bode tarafından geliştirilmiştir ve 1948 de Evan tarafından geliştirilen kök yer

Detaylı

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

OLASILIK ve KURAMSAL DAĞILIMLAR

OLASILIK ve KURAMSAL DAĞILIMLAR OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine

Detaylı

Kontrol Sistemleri Tasarımı. Kontrolcü Tasarımı Tanımlar ve İsterler

Kontrol Sistemleri Tasarımı. Kontrolcü Tasarımı Tanımlar ve İsterler ontrol Sitemleri Taarımı ontrolcü Taarımı Tanımlar ve İterler Prof. Dr. Bülent E. Platin ontrolcü Taarımı İterleri Birincil iterler: ararlılık alıcı rejim hataı Dinamik davranış İterlerin işlevel boyutu:

Detaylı

H09 Doğrusal kontrol sistemlerinin kararlılık analizi. Yrd. Doç. Dr. Aytaç Gören

H09 Doğrusal kontrol sistemlerinin kararlılık analizi. Yrd. Doç. Dr. Aytaç Gören H09 Doğrual kontrol itemlerinin kararlılık analizi MAK 306 - Der Kapamı H01 İçerik ve Otomatik kontrol kavramı H0 Otomatik kontrol kavramı ve devreler H03 Kontrol devrelerinde geri belemenin önemi H04

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız. .4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin

Detaylı

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek

Kazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen

Detaylı

Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Olasılık Hatırlatma Olasılık teorisi,

Detaylı

Ankara ve Kastamonu yöneticilerinin Mesleki Eğilime Göre Yönlendirme ve Kariyer. Rehberliği Projesinin Değerlendirme Sonuçları

Ankara ve Kastamonu yöneticilerinin Mesleki Eğilime Göre Yönlendirme ve Kariyer. Rehberliği Projesinin Değerlendirme Sonuçları Ankara ve Katamonu Yöneticilerinin Meleki Eğilime Göre Yönlendirme ve Kariyer Rehberliği Projeinin Değerlendirme Sonuçları Ankara ve Katamonu yöneticilerinin Meleki Eğilime Göre Yönlendirme ve Kariyer

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı

Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 4: Rastgele Değişkenler ve Dağılımları Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

dir. Periyodik bir sinyalin örneklenmesi sırasında, periyot başına alınmak istenen ölçüm sayısı N

dir. Periyodik bir sinyalin örneklenmesi sırasında, periyot başına alınmak istenen ölçüm sayısı N DENEY 7: ÖRNEKLEME, AYRIK SİNYALLERİN SPEKTRUMLARI VE ÖRTÜŞME OLAYI. Deneyin Amacı Bu deneyde, ürekli inyallerin zaman ve rekan uzaylarında örneklenmei, ayrık inyallerin ektrumlarının elde edilmei ve örtüşme

Detaylı

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ OLASILIK DAĞILIMLARI SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde

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

Tek Yönlü Varyans Analizi

Tek Yönlü Varyans Analizi Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak

Detaylı

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir. ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan

Konum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması

Detaylı

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

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

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

Temel Yasa. Kartezyen koordinatlar (düz duvar) Silindirik koordinatlar (silindirik duvar) Küresel koordinatlar

Temel Yasa. Kartezyen koordinatlar (düz duvar) Silindirik koordinatlar (silindirik duvar) Küresel koordinatlar Temel Yaa Fourier ıı iletim yaaı İLETİMLE ISI TRANSFERİ Ek bağıntı/açıklamalar k: ıı iletim katayıı A: ıı tranfer yüzey alanı : x yönünde ıcaklık gradyanı Kartezyen koordinatlar (düz duvar Genel ıı iletimi

Detaylı

BÖLÜM 10 PUAN DÖNÜŞÜMLERİ

BÖLÜM 10 PUAN DÖNÜŞÜMLERİ 1 BÖLÜM 10 PUAN DÖNÜŞÜMLERİ Bir gözlem sonucunda elde edilen ve üzerinde herhangi bir düzenleme yapılmamış ölçme sonuçları 'ham veri' ya da 'ham puan' olarak isimlendirilir. Genellikle ham verilerin anlaşılması

Detaylı

JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA

JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere

Detaylı

Ders #10. Otomatik Kontrol. Sürekli Hal Hataları. Prof.Dr.Galip Cansever. 26 February 2007 Otomatik Kontrol. Prof.Dr.

Ders #10. Otomatik Kontrol. Sürekli Hal Hataları. Prof.Dr.Galip Cansever. 26 February 2007 Otomatik Kontrol. Prof.Dr. Der #0 Otomatik ontrol Sürekli Hal Hataları Prof.Dr.alip Canever Prof.Dr.alip Canever Denetim Sitemlerinin analiz ve taarımında üç kritere odaklanılır:. eçici Rejim Cevabı. ararlılık 3. Sürekli Hal ararlı

Detaylı

Hipotez. Hipotez Testleri. Y. Doç. Dr. İbrahim Turan Nisan 2011

Hipotez. Hipotez Testleri. Y. Doç. Dr. İbrahim Turan Nisan 2011 Hipotez Hipotez Testleri Y. Doç. Dr. İbrahim Turan Nisan 2011 Hipotez Nedir? Gözlemlenebilir (araştırılabilir) bir olay, olgu veya fikri mantıklı ve bilimsel olarak açıklamaya yönelik yapılan tahminlerdir.

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.

Detaylı

Ders #9. Otomatik Kontrol. Kararlılık (Stability) Prof.Dr.Galip Cansever. 26 February 2007 Otomatik Kontrol. Prof.Dr.

Ders #9. Otomatik Kontrol. Kararlılık (Stability) Prof.Dr.Galip Cansever. 26 February 2007 Otomatik Kontrol. Prof.Dr. Der #9 Otomatik Kontrol Kararlılık (Stability) 1 Kararlılık, geçici rejim cevabı ve ürekli hal hataı gibi kontrol taarımcıının üç temel unurundan en önemli olanıdır. Lineer zamanla değişmeyen itemlerin

Detaylı

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ İŞTİRME Araştırma rma SüreciS 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

OLASILIK. Örnek: eleman sayısı: Örnek: Örnek: 4. Olay. dir.

OLASILIK. Örnek: eleman sayısı: Örnek: Örnek: 4. Olay. dir. OLASILIK Olaılık Terimleri. Deney Bir madeni para atıldığında yazı mı ya da tura mı geleceğini, bir zar atıldığında onucun ne olacağını, tepit etme işlemine deney denir.. Sonuç Bir deneyin her bir görüntüüne(çıktıına)

Detaylı

Olasılık ve Normal Dağılım

Olasılık ve Normal Dağılım Olasılık ve Normal Dağılım P = 0 İmkansız P =.5 Yarı yarıya P = 1 Kesin Yazı-Tura 1.5 2 1.5 2.5.5.25 Para atışı 10 kere tekrarlandığında Yazı Sayısı f % 0 3 30 1 6 60 2 1 10 Toplam 10 100 Atış 1000 kere

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

IİSTATIİSTIİK. Mustafa Sezer PEHLI VAN

IİSTATIİSTIİK. Mustafa Sezer PEHLI VAN IİSTATIİSTIİK Mustafa Sezer PEHLI VAN İstatistik nedir? İstatistik, veri anlamına gelir, İstatistik, sayılarla uğraşan bir bilim dalıdır, İstatistik, eksik bilgiler kullanarak doğru sonuçlara ulaştıran

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,

Detaylı

12.7 Örnekler PROBLEMLER

12.7 Örnekler PROBLEMLER 2. 2.2 2.3 2.4 Giriş Bir Kuvvetin ve Bir Momentin İşi Virtüel İş İlkei Genelleştirilmiş Koordinatlar Örnekler Potaniyel Enerji 2.5 Sürtünmeli Makinalar ve Mekanik Verim 2.6 Denge 2.7 Örnekler PROBLEMLER

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık

Detaylı

İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle

Detaylı

1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ

1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ 1. FARKLILIKLARIN TESPİTİNE YÖNELİK HİPOTEZ TESTLERİ Örneklem verileri kullanılan her çalışmada bir örneklem hatası çıkma riski her zaman söz konusudur. Dolayısıyla istatistikte bu örneklem hatasının meydana

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü

T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü 1970 T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN Endüstri Mühendisliği Bölümü 1 Kontrol Grafiği UygulamaAdımları Kontrol edilecek uygun

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER

ANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye

Detaylı

LPG DEPOLAMA TANKLARININ GAZ VERME KAPASİTELERİNİN İNCELENMESİ

LPG DEPOLAMA TANKLARININ GAZ VERME KAPASİTELERİNİN İNCELENMESİ 825 LPG DEPOLAMA TAKLARII GAZ VERME KAPASİTELERİİ İCELEMESİ Fehmi AKGÜ 1. ÖZET Sunulan çalışmada, LPG depolama tanklarının gaz verme kapaitelerinin belirlenmei amacına yönelik zamana bağlı ve ürekli rejim

Detaylı

Mukavemet Hesabı . 4. d 4. C) Vidanın zorlanması. A) Öngerilmesiz cıvatalar. B) Öngerilme ile bağlanan cıvatalar. d 4

Mukavemet Hesabı . 4. d 4. C) Vidanın zorlanması. A) Öngerilmesiz cıvatalar. B) Öngerilme ile bağlanan cıvatalar. d 4 ç A) Öngerilmeiz cıvatalar iş. d ç.d ön Boyutlandırma için ç Statik zorlanmada To. d i) Sıkma ıraında ; M 3.d ; B 6 c b ön : ç. d Mukavemet Heabı B) Öngerilme ile bağlanan cıvatalar a) Dış kuvvet ekenel

Detaylı

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI Tarih/Saat/Yer: 20.06.16/15:00-16:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz Öğrenci

Detaylı

Ders 8: Verilerin Düzenlenmesi ve Analizi

Ders 8: Verilerin Düzenlenmesi ve Analizi Ders 8: Verilerin Düzenlenmesi ve Analizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlenin tamamını, ya da kitleden alınan bir örneklemi özetlemekle (betimlemekle)

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5 Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın

Detaylı

Ders 6: Sürekli Olasılık Dağılımları

Ders 6: Sürekli Olasılık Dağılımları Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal

Detaylı

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI Tarih/Saat/Yer: 15.06.16/09:00-10:30/AS115-116-117 Instructor: Prof. Dr. Hüseyin

Detaylı

Kök Yer Eğrileri. Doç.Dr. Haluk Görgün. Kontrol Sistemleri Tasarımı. Doç.Dr. Haluk Görgün

Kök Yer Eğrileri. Doç.Dr. Haluk Görgün. Kontrol Sistemleri Tasarımı. Doç.Dr. Haluk Görgün Kök Yer Eğrileri Bir kontrol taarımcıı itemin kararlı olup olmadığını ve kararlılık dereceini bilmek, diferaniyel denklem çözmeden bir analiz ile item performaını tahmin etmek iter. Geribelemeli kontrol

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 10: Prof. Dr. İrfan KAYMAZ Tanım Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi ile yapılabilir. Ancak karşılaştırılacak

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 9 VARYANS ANALİZİ Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi

Detaylı

13. Olasılık Dağılımlar

13. Olasılık Dağılımlar 13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

İki Değişkenli Bağlanım Çıkarsama Sorunu

İki Değişkenli Bağlanım Çıkarsama Sorunu İki Değişkenli Bağlanım Çıkarsama Sorunu Aralık Tahmini Ekonometri 1 Konu 15 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

CİVATA BAĞLANTILARI_II

CİVATA BAĞLANTILARI_II CİVATA BAĞLANTILARI_II 11. Civata Bağlantılarının Heabı 11.1. Statik kuvvet ve gerilmeler Cıvata, gerilme kuvveti ile çekmeye ve ıkma momenti ile burulmaya dolayııyla bileşik gerilmeye maruzdur. kuvveti

Detaylı

ESM 406 Elektrik Enerji Sistemlerinin Kontrolü 4. TRANSFER FONKSİYONU VE BLOK DİYAGRAM İNDİRGEME

ESM 406 Elektrik Enerji Sistemlerinin Kontrolü 4. TRANSFER FONKSİYONU VE BLOK DİYAGRAM İNDİRGEME . TRNSFER FONKSİYONU VE BLOK DİYRM İNDİREME. Hedefler Bu bölümün amacı;. Tranfer fonkiyonu ile blok diyagramları araındaki ilişki incelemek,. Fizikel itemlerin blok diyagramlarını elde etmek, 3. Blok diyagramlarının

Detaylı

HİDROLİK SİSTEMLERDE ENERJİ KAYIPLARI VE YÜK DUYARLI SİSTEMLERE GEÇİŞ

HİDROLİK SİSTEMLERDE ENERJİ KAYIPLARI VE YÜK DUYARLI SİSTEMLERE GEÇİŞ 17 HİDROLİK SİSTEMLERDE ENERJİ KAYILARI VE YÜK DUYARLI SİSTEMLERE GEÇİŞ İmail OBUT ÖZET Hidrolik itemlerde ea olu itenen; yükü hareket ettirmek için kullanılan gücün, hidrolik omayı tahrik eden elektrik

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

İstatistiksel Tahmin ÜNİTE. Amaçlar. İçindekiler. Yazar Doç.Dr. Ahmet ÖZMEN

İstatistiksel Tahmin ÜNİTE. Amaçlar. İçindekiler. Yazar Doç.Dr. Ahmet ÖZMEN İstatistiksel Tahmin Yazar Doç.Dr. Ahmet ÖZMEN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; evren parametreleri hakkında yorum yapmayla ilgili iki yöntemden birisi olan evren parametrelerinin tahmin edilmesine

Detaylı

İstatistiksel Yorumlama

İstatistiksel Yorumlama İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız

Detaylı

ZEMİN EPS (GEOFOAM) TEMAS YÜZEYİNİN SONLU ELEMANLARLA MODELLENMESİ

ZEMİN EPS (GEOFOAM) TEMAS YÜZEYİNİN SONLU ELEMANLARLA MODELLENMESİ ZEMİN EPS (GEOFOAM) TEMAS YÜZEYİNİN SONLU ELEMANLARLA MODELLENMESİ Ahmet ŞENOL 1 Mutafa Aytekin 2 1 Yrd.Doç.Dr., Cumhuriyet Üniveritei Mühendilik Fakültei İnşaat Müh. Böl., 58140 Siva Tel: 0346 2191010-2224

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki

Detaylı

Türkiye de 1970 li yıllardan beri yapımı planlanan 3 adet

Türkiye de 1970 li yıllardan beri yapımı planlanan 3 adet NÜKLEER SANTRALLARIN YAPIM GEREKÇELERİNİ BİLMEK İSTİYORUZ Nedim Bülent Damar TMMOB Enerji Çalışma Grubu Başkanı EMO Enerji Daimi Komiyonu Başkanı n.bulent.damar@emo.org.tr Türkiye de 1970 li yıllardan

Detaylı

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0 YTÜ-İktisat İstatistik II Hipotez Testi 1 HİPOTEZ TESTİ: AMAÇ: Örneklem bilgisinden hareketle anakütleye ilişkin olarak kurulan bir hipotezin (önsavın) geçerliliğinin test edilmesi Genel notasyon: anakütleye

Detaylı

BÖLÜM 1 GİRİŞ, TERMODİNAMİK HATIRLATMALAR

BÖLÜM 1 GİRİŞ, TERMODİNAMİK HATIRLATMALAR BÖLÜM GİİŞ, EMODİNAMİK HAILAMALA.-ermodinamik hatırlatmalar..- Mükemmel gaz..- İç enerji e antali..3- ermodinamiğin. kanunu..4- Antroi e termodinamiğin. kanunu..5- Antroinin healanmaı..6- İzantroik bağıntılar.-

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN

Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)

Detaylı

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel

Detaylı

Kontrol Sistemleri Tasarımı

Kontrol Sistemleri Tasarımı Kontrol Sitemleri Taarımı Kök Yer Eğrii ile Kontrolcü Taarımı Prof. Dr. Bülent E. Platin Kontrol Sitemlerinde Taarım İterleri Zaman Yanıtı Özellik Kararlılık Kalıcı Rejim Yanıtı Geçici rejim Yanıtı Kapalı

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

Gruplanmış serilerde standart sapma hesabı

Gruplanmış serilerde standart sapma hesabı Gruplanmış serilerde standart sapma hesabı Örnek: Verilen gruplanmış serinin standart sapmasını bulunuz? Sınıflar f i X X X m i f i. m i m i - (m i - ) f i.(m i - ) 0 den az 3 4 den az 7 4 6 dan az 4 6

Detaylı

Quality Planning and Control

Quality Planning and Control Quality Planning and Control END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları Kontrol

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

JOMİNY NUMUNESİNDE DENEYSEL VE TEORİK ISI TRANSFERİ İLE SERTLEŞEBİLİRLİK ARASINDAKİ İLİŞKİNİN ARAŞTIRILMASI

JOMİNY NUMUNESİNDE DENEYSEL VE TEORİK ISI TRANSFERİ İLE SERTLEŞEBİLİRLİK ARASINDAKİ İLİŞKİNİN ARAŞTIRILMASI Gazi Üniv. Müh. Mim. Fak. Der. Journal of he Faculy of Engineering and Archiecure of Gazi Univeriy Cil 8, No, 5-56, 03 Vol 8, No, 5-56, 03 JOMİNY NUMUNESİNDE DENEYSEL VE EORİK ISI RANSFERİ İLE SERLEŞEBİLİRLİK

Detaylı