ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

Save this PDF as:

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI"

Transkript

1 ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim plaları Malzeme taşıma kofigürasyoları Stok politikaları vb. Olabilir Karşılaştırma içi uygu istatistiksel metotları kullaımı gerekir. Çükü, her alteratif tasarımı bir kere çalıştırarak elde edile çıktılarla bir karara varmak hatalı bir yaklaşımdır. Aşağıdaki örek tek bir deeme ile souca varmaı hatalı olduğuu göstermektedir. İki Sistemi Performas Ölçüleri Arasıdaki Farklılık içi Güve Aralığı i=, içi; Xi, Xi,, Xi : i. sistemde elde edile adet bağımsız özdeş dağılmış örekler olsu µ = E i ( X ij beklee değeridir. Amaç; δ : i. sistem içi performas ölçüsüü = µ µ içi bir güve aralığıı oluşturmaktır.

2 µ µ içi Güve Aralığı (a (= = ise; (deey sayısı her iki sistemde eşit (X j ler X j ler ile bağımlı olabilir j =,,, içi; Z j = X j -X j yi taımlamak üzere X j ve X j eşleştirilir. Z j = X j -X j Z j = X -X Z j = X -X Z j = X -X X j ve X j ler bağımsız rassal değişke olduğuda Z j ler de bağımsız özdeş dağılmış rassal değişkelerdir. ( ( ( ( E Z = E X X = E X E X =δ=µ µ içi güve aralığı oluşturalım Z j j j j j Zj j = Z ( µ µ ( = t 30 S ( Z > 30 ( Zj Z( j = S ( = Amaç ilgileile performas ölçüsüü miimizasyou ise (maliyet, kuyrukta ortalama bekleme zamaı gibi; Güve Aralığı 0 ı kapsıyorsa GA=[-,+] ; İlgileile her iki sistemi birbiride farklı olmadığıı gösterir. ( µ =µ Güve aralığı pozitif bir aralık ise GA=[+,+] ; İki sistem birbiride farklıdır.. sistem,. sisteme göre daha büyük bir ortalamaya sahiptir. Bu edele. sistem tercih edilir. ( µ >µ Güve aralığı egatif bir aralık ise GA=[-,-] ; İki sistem birbiride farklıdır.. sistem,. sisteme göre daha küçük bir ortalamaya sahiptir. Bu edele. sistem tercih edilir. ( µ <µ

3 ÖRNEK: (s,s stok sistemide iki politika karşılaştırılmak isteiyor. Amaç, ilk 0 aylık çalışma periyoduda beklee ortalama maliyeti miimize ede politikayı seçmektir.. politika (s,s = (0,40,. politika (s,s = (0,80. Her politika içi bağımsız 5 er deeme yapılarak aşağıdaki souçlar elde edilmiştir. j X j X j Z j X ij : i. politikaı j. tekrarlamadaki aylık ortalama toplam maliyeti Z Zj j = ( = = 4.98 ( Zj Z( j = S ( = =.0 % 90 güvelik düzeyide GA 4.98 t.0 = m 4,0.95 =.65, [ ] Güve aralığı pozitiftir. Amacımız maliyeti miimize ede politikayı seçmek olduğuda II. Politika seçilir. µ >µ Not: Z j ler bağımsız olmak zorudadır. Acak X j leri X j lerde bağımsız olması gerekmez. Z j = X j -X j j=,,, içi X j leri X j lerde bağımlı olduğu düşüülürse; Var (Z j = Var (X j + Var (X j - Cov (X j,x j Cov (X j,x j > 0 olduğuda dolayı Var (Z j azalır. Bu durumda ise elde edile güve aralığı küçülür. Güve aralığıı küçük olması verilecek kararı daha hassas olmasıı sağlar. GA = Z( m t, α S (

4 b Bu yaklaşımda; µ µ içi güve aralığıı oluşturmada her iki sistemde elde edile gözlemleri eleştirilmesi gerekmez. Acak X j leri X j lerde bağımsız olmalıdır.. Durum: Her zama geçerli değildir. Var X ( j Var( Xj olarak kabul edilir. x i ij j= i( = i i j= S i( = i x i ( xij xi( i i ( x x µ µ S S tf Serbestlik derecesii tahmii; S ( + S ( ˆf = S ( + S ( α güvelik düzeyide güve aralığı; S ( S ( GA = ( x x tf, ˆ m α + (Welch Yaklaşımı

5 ÖRNEK: Stok sistemi içi verile örekte deemeler bağımsız olarak yapıldığı içi Welch yaklaşımı kullaılarak politikaı farklı olup olmadığı belirleebilir. x (5 = 5.57, (5 = 0.59, x S (5 = 4, S (5 = ˆf = 7.99 t 7.99,0.95 =.860 %90 güvelik düzeyide GA=[.66, 7.30].politika seçilir.. Durum: ve Var (X j = Var (X j = σ kabul edilirse; Ayı zamada X j ler X j lerde bağımsızdır. µ µ içi α güvelik düzeyide güve aralığı; ( x( x( m +, α ( x x GA = t Var =σ +σ =σ + σ ˆ =?, α ( Xj x( ( Xj x( j = j = σ ˆ = + t + = ( x x ( x( x( ( µ µ Sp + GA = ( ( m t +, α σ +

6 ÖRNEK: Ru X σ Alteratif I Alteratif II a Sistem içi düşüüle iki alteratif var. Her alteratif içi düzelee bezetim programı 0 kez çalıştırılarak yukarıda verile ortalama beklemeler elde edilmiştir. Alteratif sistemleri bezetim programları bağımsız olarak çalıştırılmıştır. - İki sistemi ortalama beklemelerii karşılaştırmak üzere 0.90 güvelik düzeyide güve aralığıı oluşturuuz. -Yaklaşık 0.5 göreli hassalık içi yapılması gereke gözlem sayısıı buluuz. b Alteratif I i ayı kaldığı Alteratif II içi yei souçları elde edildiği düşüülerek (Burada Alteratif I ve Alteratif II i çalıştırılması bezer deey şartları altıda gerçekleştiriliyor Alteratif II i yei souçları aşağıda verilmektedir. Ru X Var ( X Alteratif II i iki sistemi ortalama beklemelerii karşılaştırmak içi 0.90 güvelik düzeyi içi güvelik aralığıı oluşturuuz. ii 0.5 göreli hassasiyeti elde etmek içi gerekli deeme sayısıı belirleyiiz. a i Z Ru Var(I-II Z j = X j -X j (I-II

7 Z Z ( Zj Z( ( j ( ( j= j = S ( = = 7 (0( = = = % 90 güvelik düzeyide GA; GA t 0.9 = Z( m 9,0.95 = =.7.93 = 3.63;0.3 0 m m ( ( [ ] [ ] GA=[-,+] olduğuda dolayı (yai 0 ı kapsadığıda her iki sistem birbiride farklı değildir ii S ( t, α t, α S( =γ = X γ X( ( = = 564 ( 0.5 ( > 0 olduğuda 564-0=554 adet ek deeme yapılması gerekir. ( ( 0.5 (.7 * = 457 * > 0 olduğuda 457-0=447

8 b Ru Z ( S ( Z j ( Z j i ( Z j ( Z ( j = 59 (0(.7 S ( = = = S ( GA = Z ( t m, α = m = m 0 GA =.759; 0.64 [ ] ( [ ] GA=[-,-] olduğuda dolayı µ <µ dır.. Alteratif seçilir. ii S ( t, α = 0.5 = 73 X ( ( ( ( > 0 olduğuda 73-0=63 adet ek deeme yapılması gerekir. C a ve b souçlarıa göre farklı souçlar elde etmei sebepleri edir? Verile datayı kullaarak açıklayıız. a Var(Alt+ Var(Alt Var(Alt-Alt bağımsız. b Var(Alt + Var(Alt Var(Alt-Alt =Var(Alt-Alt - Cov(Alt,Alt 3.34=0.9 - Cov(Alt,Alt Cov(Alt,Alt= = 3.78 Ayı deey şartları ile pozitif korelasyo elde edildiğide daha küçük varyas elde edilmiştir.

9 VARYANS AZALTMA TEKNİKLERİ Stokastik Sistemleri Bezetimide, Rassal Girdiler Rassal Çıktılar üretir Souçları aalizi içi uygu istatistiksel metod kullaımı gerektirir. Güçlü bir istatistiksel aaliz içi çıktıları tahmiide yüksek hassasiyete ihtiyaç duyulur. Bu hassasiyeti artırmaı bir yolu örek büyüklüğüü (deeme sayısıı artırmaktır. Acak bu da zama ve para demektir. Alteratif Yaklaşım: VAT dir. VAT: İlgileile performas ölçüsüü tahmii değerii bozmaksızı varyasıı daha az bezetim koşumuyla azaltmaktır. VARYANS AZALTMA TEKNİKLERİ Varyas azaltma tekikleri; i Ortak (Geel Rassal Sayılar (Commo Radom Numbers ii Karşıt Değişkeler (Atithetic Variates GENEL RASSAL SAYILAR Alteratif sistemleri karşılaştırılmasıda kullaılır. Temel fikir; bezer deey koşulları altıda alteratif sistemleri karşılaştırmaktır. Bezetimde deeysel koşullar, bezetim süresice kullaıla rassal değişkeler ile elde edilir. Bu tekikte, bezer deey koşulları ; her bir alteratif sistemi bezetimide ayı U(0, rassal sayıları kullaılarak elde edilir. (Pozitif ilişki oluşturulur.

10 ÖRNEK: İki sistem karşılaştırılacak. Xij : i. sistemi j. deemesideki performas ölçüsüü tahmii Amacımız; δ = µ µ = E( X j E( X j Her sistem içi deeme yapılırsa; Z j = X j X j j =,,..., Var Z = Var( X + Var( X Cov( X, X Z j j= Z( = δ ( j j j j j içi yasız tahmici Z( i varyası; Var( X Var( Z = Var( X + Xj ve Xj pozitif ilişkili ise; Cov(Xj, Xj >0 olacağıda Cov( X, X j j j j Z( varyası azalır. ÖRNEK: İki sistemi karşılaştırılması. Varışlar arası zama üretimi içi her deemede ayı başlagıç geel rassal sayıları kullaılır. Bezer deey şartları demek; bu olayı düzelemesi alamıa gelir.

11 KARŞIT DEĞİŞKENLER: Bu metot, bir sistemi bezetimi içi kullaılır. Deemeler arasıda korelasyo oluşturulmaya çalışılır. Acak, bu egatif korelasyodur. Negatif korelasyou elde edilmesi içi, her bir deeme iki kere yapılır. Her bir deemei biriciside herhagi bir rassal değişkei üretmek içi Uk rassal sayısı kullaılıyor ise, ikici deemei de ayı rassal değişkei üretmek içi -Uk rassal sayısı kullaılır.

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları

Detaylı

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

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

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler. OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre

Detaylı

Tek Bir Sistem için Çıktı Analizi

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

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii

Detaylı

Ki- kare Bağımsızlık Testi

Ki- kare Bağımsızlık Testi PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm

Detaylı

ÖRNEKLEME DAĞILIŞLARI

ÖRNEKLEME DAĞILIŞLARI 7 ÖRNEKLEME DAĞILIŞLARI 7.. Örekleme Dağılışları 7.. Örek Dağılışı 7.. Örekleme Dağılışlarıı Özellikleri 7...Sapmasızlık 7... Miimum Varyaslılık 7.4. Örek Oraıı Örekleme Dağılımı 7.5. Örek Varyasıı Örekleme

Detaylı

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

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

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme

Detaylı

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

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

Detaylı

MONTE CARLO BENZETİMİ

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

Detaylı

ÇIKTI ANALİZİ BENZETİM TÜRLERİ

ÇIKTI ANALİZİ BENZETİM TÜRLERİ ÇIKTI ANALİZİ BENZETİM TÜRLERİ Çıktı analizi benzetimden üretilen verilerin analizidir. Çıktı analizinde amaç, bir sistemin performansını tahmin etmek ya da iki veya daha fazla alternatif sistemlerin performansını

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

İSTATİSTİK TAHMİN TEORİSİ

İSTATİSTİK TAHMİN TEORİSİ İSTATİSTİK TAHMİN TEORİSİ Yrd. Doç. Dr. Bület İ. GONCALOĞLU Geellikle iki tür tahmide yararlaılmakta Nokta tahmii (Tek değer tahmii) Aa kitle parametreleri bilimediği hallerde öreklerde elde edilmiş değerlerde

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ 8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri

Detaylı

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Ders 8: Verileri Düzelemesi ve Aalizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlei tamamıı, ya da kitlede alıa bir öreklemi özetlemekle (betimlemekle)

Detaylı

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

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

Detaylı

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

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

Detaylı

Öğrenci Numarası İmzası: Not Adı ve Soyadı

Öğrenci Numarası İmzası: Not Adı ve Soyadı Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar

Detaylı

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir. HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya

Detaylı

AKT202 MATEMATİKSEL İSTATİSTİK II ÖDEV 2 ÇÖZÜMLERİ. için gerekli en küçük örneklem büyüklüğünü Neyman-Pearson teoremi yardımıyla saptayınız.

AKT202 MATEMATİKSEL İSTATİSTİK II ÖDEV 2 ÇÖZÜMLERİ. için gerekli en küçük örneklem büyüklüğünü Neyman-Pearson teoremi yardımıyla saptayınız. AKT0 MATEMATİKSEL İSTATİSTİK II ÖDEV ÇÖZÜMLERİ 1. σ = 4 varyası ile ormal dağılıma sahip bir kitlede büyüklüğüde bir rasgele öreklem seçilsi. H 0 : μ = 14 ve H s : μ = 16 hipotezleri içi 1. tür hata α

Detaylı

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

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

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama

Detaylı

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

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

Detaylı

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri

Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri uyruk Teorisi Ders Notları: Bazı uyruk Modelleri Mehmet YILMAZ mehmetyilmaz@akara.edu.tr 10 ASIM 2017 11. HAFTA 6 Çok kaallı, solu N kapasiteli, kuyruk sistemi M/M//N/ Birimleri sisteme gelişleri arasıdaki

Detaylı

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

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

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. Ders. Bazı Kesikli Olasılık Dağılımları Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.

Detaylı

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

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

Detaylı

Hipotez Testleri. Parametrik Testler

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

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı) 3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda

Detaylı

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI

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

Detaylı

ASTROİSTATİSTİK 4. KONU

ASTROİSTATİSTİK 4. KONU ASTROİSTATİSTİK 4. KONU Hazırlaya: Doç. Dr. Tolgaha KILIÇOĞLU 4. VERİLERİN YAYILIMININ BELİRLENMESİ Bir veri taımlaırke orta değer (ortalama, medya veya mod) verilmesii yaıda verileri yayılımıa (saçılmasıa)

Detaylı

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 1: Posta Arabası Problemi. Örnek 1: Posta Arabası Problemi. Hafta 1

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 1: Posta Arabası Problemi. Örnek 1: Posta Arabası Problemi. Hafta 1 YÖNYLM RŞTRMS afta 1 Öğretim Üyei: Yrd. oç. r. eyazıt Ocakta er grubu: e-mail: bocakta@gmail.com iamik Programlama iamik Programlama (P) bir çok optimizayo problemii çözmek içi kullaılabile bir tekiktir.

Detaylı

İstanbul Göztepe Bölgesinin Makine Öğrenmesi Yöntemi ile Rüzgâr Hızının Tahmin Edilmesi

İstanbul Göztepe Bölgesinin Makine Öğrenmesi Yöntemi ile Rüzgâr Hızının Tahmin Edilmesi Makie Tekolojileri Elektroik Dergisi Cilt: 8, No: 4, 011 (75-80) Electroic Joural of Machie Techologies Vol: 8, No: 4, 011 (75-80) TEKNOLOJİK ARAŞTIRMALAR www.tekolojikarastirmalar.com e-issn:1304-4141

Detaylı

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

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

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

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

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

Detaylı

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN ÖRNEKLEME YAPILIR? İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

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

Detaylı

DERS NOTLARI-II ISINMA. c wwww.sbelian.wordpress.com

DERS NOTLARI-II ISINMA. c wwww.sbelian.wordpress.com EŞİTSİZLİKLER DERS NOTLARI-II c wwww.sbelia.wordpress.com Bazı foksiyo eşitsizliklerii kaıtıı yaparke, foksiyouu belli aralıklardaki şeklide öemlidir. Bu ders otumuzda ele aldığımız eşitsizlikleri çözümleride

Detaylı

t Dağılımı ve t testi

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

Detaylı

Yatırım Analizi ve Portföy Yönetimi 4. Hafta. Dr. Mevlüt CAMGÖZ

Yatırım Analizi ve Portföy Yönetimi 4. Hafta. Dr. Mevlüt CAMGÖZ Yatırım Aalizi ve Portföy Yöetimi 4. Hafta Dr. Mevlüt CAMGÖZ İçerik Çeşitledirme Riski Kayakları ve Risk Türleri Portföyü Risk ve Getirisi Riskli Varlık Portföyüü Belirlemesi Markowitz Portföy Teorisi

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.

Detaylı

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme SAYISAL ÇÖZÜMLEME Saısal Çözümleme SAYISAL ÇÖZÜMLEME 8. Hafta İNTERPOLASYON Saısal Çözümleme 2 İÇİNDEKİLER Ara Değer Hesabı İterpolaso Doğrusal Ara Değer Hesabı MATLAB ta İterpolaso Komutuu Kullaımı Lagrace

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER 2 Değişke türü ve veri dağılııı yapısıa göre farklı taılayıı istatistiklerden faydalaılaktadır. Nitel Nicel Nicel 3 Dağılılar yer (location), yaygılık (spread) ve şekil shape)

Detaylı

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

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

Detaylı

ISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ

ISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ 4. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ PARANIN ZAMAN DEĞERİ VE GETİRİ ÇEŞİTLERİ Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım

Detaylı

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz. Sorular ve Çözümleri 1. GRUPLAR 1) G bir grup olmak üzere aşağıdaki eşitlikleri gösteriiz. i) e G birim elema olmak üzere e 1 = e. ii) a G olmak üzere (a 1 ) 1 = a. iii) a 1, a 2,, a G içi (a 1 a 2 a )

Detaylı

TÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi

Detaylı

ASTROİSTATİSTİK 12. KONU

ASTROİSTATİSTİK 12. KONU ASTROİSTATİSTİK 12. KONU Hazırlaya: Doç. Dr. Tolgaha KILIÇOĞLU 12. KORELASYON Bir deeyi veya gözlemi soucuda elde edile iki değişke arasıda bir ilişki olup olmadığı ortaya komak isteebilir. Aşağıda birbirleri

Detaylı

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research

Detaylı

İstatistik Nedir? Sistem-Model Kavramı

İstatistik Nedir? Sistem-Model Kavramı İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi

Detaylı

TOPOLOJİK TEMEL KAVRAMLAR

TOPOLOJİK TEMEL KAVRAMLAR TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.

Detaylı

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi 3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada

Detaylı

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler... İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı

Detaylı

KİMYASAL DENGE (GİBBS SERBEST ENERJİSİ MİNİMİZASYONU) MODELLEMESİ

KİMYASAL DENGE (GİBBS SERBEST ENERJİSİ MİNİMİZASYONU) MODELLEMESİ KİMYASAL DENGE (GİBBS SERBEST ENERJİSİ MİNİMİZASYONU) MODELLEMESİ M. Turha ÇOBAN Ege Üiversitesi, Mühedislik Fakultesi, Makie Mühedisliği Bölümü, Borova, İZMİR Turha.coba@ege.edu.tr Özet: Kimyasal degei

Detaylı

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ

5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ 5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii

Detaylı

Yrd.Doç.Dr.İstem Köymen KESER

Yrd.Doç.Dr.İstem Köymen KESER Yr.Doç.Dr.İstem Köyme KESER Güve Aralıkları Ortalama yaa iki ortalama farkı içi biliiyor bilimiyor 30

Detaylı

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI ÖRNEKLEME YÖNTEMLERİ Prof. Dr. Ergu Karaağaoğlu H.Ü. Tıp Fakültesi Biyoistatistik ABD ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI

Detaylı

HARDY-CROSS METODU VE UYGULANMASI

HARDY-CROSS METODU VE UYGULANMASI HRY-ROSS MTOU V UYGUNMSI ğ şebekelerde debi bir oktaya çeşitli yollarda gelebildiği içi, şebekei er agi bir borusua suyu agi yolda geldiğii ilk bakışta söyleyebilmek geellikle mümkü değildir. Çözümleme

Detaylı

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+... MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız

Detaylı

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon

OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon 6 OLASILIK DAĞILIŞLARI 6.. Kesikli Olasılık Dağılışları 6.. Kesikli Uıform Dağılışı 6... Beroulli Dağılışı 6..3. Biom Dağılışı 6..4. Hyer-Geometrik Olasılık Dağılışı ( İadesiz Örekleme ) 6..5. Geometrik

Detaylı

MEKANİK TESİSATTA EKONOMİK ANALİZ

MEKANİK TESİSATTA EKONOMİK ANALİZ MEKANİK TESİSATTA EKONOMİK ANALİZ Mustafa ÖZDEMİR İ. Cem PARMAKSIZOĞLU ÖZET Düya çapıda rekabeti ö plaa çıktığı bu gükü şartlarda, e gelişmiş ürüü, e kısa sürede, e ucuza üretmek veya ilk yatırım ve işletme

Detaylı

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA UYUM İYİLİĞİ İÇİN AMICO TEK-ÖRNEK TESTİ VE İĞER UYUM İYİLİĞİ TESTLERİ İLE KARŞILAŞTIRILMASI Burçi Goca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 7 ANKARA TEZ

Detaylı

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir. 203-204 Bahar REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyo Basit doğrusal regresyo modeli: y i = β 0 + β x i + ε i Modeli matris gösterimi, y i = [ x i ] β 0 β + ε i şeklidedir. x y 2 gözlem

Detaylı

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

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

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr

Detaylı

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ TAHVİL DEĞERLEMESİ Doç. Dr. M. Mee DOĞANAY Prof. Dr. Ramaza AKTAŞ 1 İçerik Tahvil ve Özellikleri Faiz Oraı ve Tahvil Değeri Arasıdaki İlişki Tahvili Geiri Oraı ve Vadeye Kadar Geirisi Faiz Oraı Riski Verim

Detaylı

İSTATİSTİKSEL HİPOTEZ TESTLERİ (t z testleri)

İSTATİSTİKSEL HİPOTEZ TESTLERİ (t z testleri) İSTATİSTİKSEL İOTEZ TESTLERİ (t z testleri) iotez Nedir? İOTEZ, arametre hakkıdaki bir iaıştır. Bu sııfı ot ortalamasıı 75 olduğua iaıyorum. arametre hakkıdaki iaışımızı test etmek içi hiotez testi yaarız.

Detaylı

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV Diziler ve Seriler Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 7 Amaçlar Bu üiteyi çalıştıkta sora; dizi kavramıı taıyacak, dizileri yakısaklığıı araştırabilecek, sosuz toplamı alamıı bilecek, serileri yakısaklığıı

Detaylı

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ Lokma Gökçe Olimpiyat problemlerii çözümüde eşitsizlik teorisi öemli bir yer tutar. Baze bir maksimum miimum değer problemide, baze bir geometrik eşitsizlik kaıtıda, baze

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre

Detaylı

SU KAYNAKLARI EKONOMİSİ TEMEL KAVRAMLARI Su kaynakları geliştirmesinin planlanmasında çeşitli alternatif projelerin ekonomik yönden birbirleriyle

SU KAYNAKLARI EKONOMİSİ TEMEL KAVRAMLARI Su kaynakları geliştirmesinin planlanmasında çeşitli alternatif projelerin ekonomik yönden birbirleriyle SU KYNKLRI EKONOMİSİ TEMEL KVRMLRI Su kayakları geliştirmesii plalamasıda çeşitli alteratif projeleri ekoomik yöde birbirleriyle karşılaştırılmaları esastır. Mühedis öerdiği projei tekik yöde tutarlı olduğu

Detaylı

SAYILAR DERS NOTLARI Bölüm 1 / 3 SAYILAR DERS NOTLARI KONU BASLIKLARI:

SAYILAR DERS NOTLARI Bölüm 1 / 3 SAYILAR DERS NOTLARI KONU BASLIKLARI: www.testhae.com SAYILAR DERS NOTLARI Bölüm / 3 SAYILAR DERS NOTLARI KONU BASLIKLARI: -RAKAM -SAYI -DOGAL SAYILAR -SAYMA SAYILARI -ÇFT DOGAL SAYILAR -TEK DOGAL SAYILAR -ARDISIK DOGAL SAYILAR -ARDISIK ILK

Detaylı

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R İ H S A N T İ M U Ç İ N D O L A P C İ, Y İ Ğ İ T A K S O Y M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R P U B L I S H E R O F T H I S B O O K Copyright 13 İHSAN TİMUÇİN DOLAPCİ, YİĞİT AKSOY

Detaylı

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER Bölüm 5 Olasılık ve Olasılık Dağılışlaı Doç.D. Suat ŞAHİNLE Olasılık ve Olasılık Dağılışlaı Olasılık: Eşit saşla meydaa gele tae olayda A taesi A olayı olsu. Bu duumda A olayıı meydaa gelme olasılığı;

Detaylı

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

6. Uygulama. dx < olduğunda ( )

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

Detaylı

SPEARMAN SIRA KORELASYONU KATSAYISINDA TEKRARLANAN DEGERLER VE BİR UYGULAMA

SPEARMAN SIRA KORELASYONU KATSAYISINDA TEKRARLANAN DEGERLER VE BİR UYGULAMA SPEARMAN SIRA KORELASYONU KATSAYISINDA TEKRARLANAN DEGERLER VE BİR UYGULAMA Doç. Dr. SelAhattl GÜRİŞ ( ) Değişkeler arasıdaki ilişkii derecesii ölçülmeside farklı istatiksel yötemlerde yararlaılabilir.

Detaylı

2.2. Fonksiyon Serileri

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

Detaylı

DİKDÖRTGEN SPİRAL ANTENLER ÜZERİNE BİR İNCELEME

DİKDÖRTGEN SPİRAL ANTENLER ÜZERİNE BİR İNCELEME DİKDÖRTGEN SPİRAL ANTENLER ÜZERİNE BİR İNCELEME Uğur SAYNAK ve Alp KUŞTEPELİ Elektrik-Elektroik Mühedisliği Bölümü İzmir Yüksek Tekoloji Estitüsü, 35430, Urla, İZMİR e-posta: ugursayak@iyte.edu.tr e-posta:

Detaylı

: Boş hipotez, sıfır hipotezi : Alternatif hipotez

: Boş hipotez, sıfır hipotezi : Alternatif hipotez İOTEZ TESTLERİ iotez Nedir? İOTEZ, arametre hakkıdaki bir iaıştır. arametre hakkıdaki iaışı test etmek içi hiotez testi yaılır. iotez testleri sayeside örekde elde edile istatistikler aracılığıyla aakütle

Detaylı

Bölüm 5: Hareket Kanunları

Bölüm 5: Hareket Kanunları Bölüm 5: Hareket Kauları Kavrama Soruları 1- Bir cismi kütlesi ile ağırlığı ayımıdır? 2- Ne zama bir cismi kütlesi sayısal değerce ağırlığıa eşit olur? 3- Eşit kollu terazi kütleyi mi yoksa ağırlığı mı

Detaylı

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

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

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

DOĞRUSAL PROGRAMLAMA İLE PORTFÖY OPTİMİZASYONU VE İMKB VERİLERİNE UYGULANMASI ÜZERİNE BİR ÇALIŞMA

DOĞRUSAL PROGRAMLAMA İLE PORTFÖY OPTİMİZASYONU VE İMKB VERİLERİNE UYGULANMASI ÜZERİNE BİR ÇALIŞMA DOĞRUSAL PROGRAMLAMA İLE PORTFÖY OPTİMİZASYONU VE İMKB VERİLERİNE UYGULANMASI ÜZERİNE BİR ÇALIŞMA Filiz KARDİYEN (*) Özet: Portföy seçim problemi içi klasik bir yaklaşım ola karesel programlama yötemi,

Detaylı

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

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

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei

Detaylı

YAPIM YÖNETİMİ - EKONOMİSİ 04

YAPIM YÖNETİMİ - EKONOMİSİ 04 İşaat projelerii içi fiasal ve ekoomik aaliz yötemleri İşaat projeleri içi temel maliyet kavramları Yaşam boyu maliyet: Projei kafamızda şekillemeye başladığı ada itibare başlayıp kullaım ömrüü tamamlayaa

Detaylı

Bölüm 5: Hareket Kanunları

Bölüm 5: Hareket Kanunları Bölüm 5: Hareket Kauları Kavrama Soruları 1- Bir cismi kütlesi ile ağırlığı ayımıdır? 2- Ne zama bir cismi kütlesi sayısal değerce ağırlığıa eşit olur? 3- Eşit kollu terazi kütleyi mi yoksa ağırlığı mı

Detaylı

ASTROİSTATİSTİK 3. KONU

ASTROİSTATİSTİK 3. KONU ASTROİSTATİSTİK. KONU Hazırlaya: Doç. Dr. Tolgaha KILIÇOĞLU. VERİLERDE ORTA DEĞER BULMA Bir veriyi tek bir değerle temsil etmeiz isteirse aklııza hagi değer gelir? Böyle bir temsil yapılabilmesi içi elbette

Detaylı

BAĞINTI VE FONKSİYON

BAĞINTI VE FONKSİYON BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı

Detaylı