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

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal dağılım göstermektedir. Böylesi durumlarda Ek 1 de verilen tablonun kullanılabilmesi için, normal dağılım gösteren sürekli bir rassal değişkenin, bir dönüştürme neticesinde standart normal dağılım gösteren x değişkeninin, standart normal dağılım gösteren z rassal değişkenine dönüştürülmesi yapılacaktır ve bu dönüştürmeye standartlaştırma adı verilmektedir. x değerinin z değerine dönüştürülmesi x normal dağılım gösteren rassal bir değişkenin herhangi bir değerinin z değeri cinsinden ifadesinde formülünden yararlanılmaktadır. Burada ve, sırasıyla ilgili normal dağılımın ortalama ve standart sapmasıdır. Standartlaşmada önce x rassal değişkeninin ortalama ve standart sapması hesaplanmakta, daha sonraysa x değerinden ortalama çıkartılarak, fark değeri standart sapmaya bölünmektedir. Örnek 6: x, ortalaması 50 ve standart sapması 10 olan bir normal dağılım göstermektedir. Standartlaştırma formülünden yararlanarak aşağıdaki x değerlerini z değerlerine dönüştürmektedir. a) x = 55 2

2 3 b) x = 35 Çözüm: a) olarak bulunur. Aşağıdaki şekilden de görüleceği gibi x rassal değişkeninin dağılımıyla z rassal değişkeninin dağılımı arasında, standart sapmalar açısından fark yoktur. Çünkü x dağılımında x=55 noktası ortalamasının 1/2 standart sapma sağında iken, z=0.5 değeri yine ortalaması sıfır ve standart sapması bir olan z standart normal dağılımında ortalamanın 1/2 standart sapma sağındadır. b) olarak bulunur. Bulunan z değeri gibi, verilmiş olan x=35 değeri de ortalamadan küçük olduğu için ortalamanın solunda bir noktadır. Ancak x değeri negatif olmadığı halde z değeri negatiftir. Bunun nedeni de z dönüştürmesinde dağılım ortalamasının sıfır noktasına taşınmış olmasıdır. 3

3 4 4

4 5 Örnek 7: x sürekli rassal değişkeni 25 ortalama ve 4 standart sapmayla normal dağılmaktadır. Aşağıda verilen noktalar arasındaki alanı bulunuz. a) x = 25 ve x = 32 arası b) x = 18 ve x = 34 arası Çözüm: Verilen normal dağılımda dür. a) Burada ilk adım, verilmiş olan x = 25 ve x = 32 değerlerinin standart normal z değerlerine dönüştürülmesidir. İkinci adım ile noktaları arasındaki alanın Ek 1 de verilmiş olan tablodan bulunmasıdır. Bu değer, olarak bulunur. 5

5 6 b) x = 18 ve x = 34 değerleri de yine standart normal z değerlerine dönüştürülmesidir. Bu değer, olarak bulunur. 6

6 7 Normal Dağılım Uygulamaları Aşağıda normal dağılımın gerçek verilerle uygulanması konu edilecektir. Örnek 8: ZENGİN ülkesinde aile başına düşen gelir dolar ortalama ve dolar standart sapmayla normal dağılım göstermektedir. Bu ülkeden rassal seçilen bir ailenin dolar arasında gelire sahip olma olasılığını bulunuz. Çözüm: x rassal değişkeni, dolar değerleriyle normal dağılmaktadır. Aşağıdaki şekilden görüleceği gibi verilen sınır değerleri, ortalamanın solunda ve sağında yer almaktadır. Ortalamayla sınır değerleri arasındaki bu olasılıklar (alan), dönüşümüyle elde edilir. Bulunan değerleri kullanılarak standart normal dağılım tablosundan gerekli olasılık değerlerine ulaşılır ve sonuç bulunur. 7

7 8 Sonuç olarak rassal seçilen bir ailenin gelirinin dolar arasında olma olasılığı %61.81 dir. Örnek 9: Oyuncak üreten bir firmada, bir işçinin, oyuncak bir yarış otomobilini monte etme süresi; 55 dakika ortalama ve 4 dakika standart sapmayla normal dağılmaktadır. İşyerinin saat de kapandığı bilindiğine göre, saat da montaja başlayan bir işçinin kapanış saatine kadar işi bitirme olasılığını bulunuz. Çözüm: Oyuncak bir yarış otomobilinin montaj süresi; dakikayla normal dağılım göstermektedir. Aşağıdaki şekilden de görüleceği gibi, burada istenen, montajın en çok 60 dakikada bitmesidir. Standart normal dağılım tablo değerinden yararlanabilmek için gerekli değeri, 8

8 9 olarak bulunduktan sonra istenen olasılık hesaplanır. Bunun için önce ortalamanın solundaki tüm alan ve ortalamanın sağındaki e kadar olan alan toplanır ve sonuç değeri, elde edilir. Normal Dağılım Eğrisi Altındaki Alan Biliniyorken ve Değerlerinin Bulunması Örnek 10: Standart normal eğri altında ile bir değeri arasında kalan alan dir. Bu alanın üst sınırı olan pozitif değerini bulunuz. Çözüm: Aşağıdaki şekilde de görüleceği gibi, verilen alan, sağ tarafta 0 ile z sınırları arasındadır ve değeri dir. Z değerinin bulunmasında da yine, Ek 1 de verilen standart normal dağılım tablosundan yararlanılacaktır. Yukarıdaki örneklerde verilen, 9

9 10 bir değerine karşılık gelen alanın bulunmasında, tablonun ilk sütunundaki tam sayıyla kesir noktasının sağındaki ilk sayıya ve tablonun ilk satırından ya kesir noktasının sağındaki ikinci sayıya bakılıyordu. Burada ya önce, tablo içerisinden verilen alan değeri bulunacak, daha sonra ya da o değerin bulunduğu satır ve sütun başlarındaki değeri yazılarak istenen değeri elde edilecektir. Bu örnekte değeri, tablo içerisinden bulunduktan sonra, bu değerin satır başında 1.4, sütun başındaysa değerleri kaydedilir. Bu iki değerin birleşmesi sonucunda aranan değeri ( olarak) elde edilir. Örnek 11: Standart normal dağılım eğrisi altında, sağ uçtaki (kuyruk) 0.005alanını belirleyen değerini bulunuz. Çözüm: Burada verilen alan, sağ uçta yer alan bir alandır. Yani alanın üst sınırı belirsiz (sonsuz) olacağı için, alt sınırın bulunması gerekir. Ancak, daha önce de belirtildiği gibi, Ek 1 de verilen normal dağılım tablosundaki alan değerleri, ortalama z=0 ile verilen z değerleri arasındadır. Bu nedenle öncelikle dağılımın sağında yer alan bu 10

10 11 noktayla noktası arasındaki alanın bilinmesi gerekir. Normal dağılımın simetrik olması ve ortalamanın sağındaki toplam alanın olduğu bilgilerinden hareketle, ile noktası arasındaki alan, olarak bulunur. Tablo içerisindeki alan değerleri arasından değeri yaklaşık olarak ( ve ) belirlenir ve ilişkin z değeri 2.58 (ya da 2.57) olarak elde edilir. Sonuç olarak z = 2.58 noktasının sağında kalan alan, toplam alanın idir. Normal Dağılım İçin Bir x Değerinin Bulunması ve değerleri, bilinen bir normal eğri altında, ortalamayla noktası arasındaki alan için değeri, biçiminde bulunur. Örnek 12: Bir firma tarafından üretilen hesap makinelerinin ömürleri 54 ay ortalama ve 8 ay standart sapmayla normal dağılmaktadır. Firma yetkilileri satışları artırmak için bir garanti süresi uygulamak 11

11 12 istemektedir. Ancak garanti kapsamında değiştirilecek hesap makinesinin, toplam satışın inden daha fazla olmasını da istenmemektedir. Garanti uygulanacak bu süreyi bulunuz. Çözüm: Aşağıdaki şekilde de görüleceği gibi, normal dağılımın parametreleri \ı = 54 ve a = 8 ay olarak bilinmektedir. Burada istenen, hesap makinesi satın alanlara uygulanacak garanti süresinin bulunmasıdır. İlk olarak ortalamayla verilen nokta arasındaki alan = elde edilir. Ek 1'de verilen tablodanda bu alan değerine karşılık gelen z = 2.33 değeri bulunur ve yukarıda verilmiş olan eşitlik kullanılarak aranan x değeri, elde edilir. Sonuç olarak üretici firma (yaklaşık olarak) 35 aydan önce kulanım dışı kalan hesap makinelerini garanti kapsamına alıp, yenisiyle değiştirmeyi kabul ederse, toptan satışın sadece ini değiştirecektir. 12

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

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

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

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

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

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

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

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

BÖLÜM 11 Z DAĞILIMI. Şekil 1. Z Dağılımı

BÖLÜM 11 Z DAĞILIMI. Şekil 1. Z Dağılımı 1 BÖLÜM 11 Z DAĞILIMI Z dağılımı; ortalaması µ=0 ve standart sapması σ=1 olan Z puanlarının evren dağılımı olarak tanımlanabilmektedir. Z dağılımı olasılıklı bir normal dağılımdır. Yani Z dağılımının genel

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

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

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

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

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

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

SÜREKLİ( CONTINUOUS) OLASILIK

SÜREKLİ( CONTINUOUS) OLASILIK SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize

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

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN

BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi. İlhan AYDIN BMÜ-421 Benzetim ve Modelleme Kesikli Olay Benzetimi İlhan AYDIN KESİKLİ-OLAY BENZETİMİ Kesikli olay benzetimi, durum değişkenlerinin zaman içinde belirli noktalarda değiştiği sistemlerin modellenmesi

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

BÜLENT ECEVİT ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİNE İLİŞKİN ESASLAR

BÜLENT ECEVİT ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİNE İLİŞKİN ESASLAR BÜLENT ECEVİT ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİNE İLİŞKİN ESASLAR Amaç * MADDE 1. Bu esasların amacı, Bülent Ecevit Üniversitesi Tıp ve Diş Hekimliği Fakülteleri ve Devlet Konservatuvarı dışındaki

Detaylı

Mann-Whitney U ve Wilcoxon T Testleri

Mann-Whitney U ve Wilcoxon T Testleri Mann-Whitney U ve Wilcoxon T Testleri Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Konu Başlıkları Parametrik olmayan yöntem Mann-Whitney U testinin

Detaylı

Araş.Gör. Efe SARIBAY

Araş.Gör. Efe SARIBAY HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY 1) Telekom da çalışan bir operatör A ve B şehirleri arasında yapılan telefon görüşmelerinin ortalamasının 6 dakikadan daha fazla sürdüğünü iddia

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

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

Hipotez Testleri. Mühendislikte İstatistik Yöntemler Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

Maksimizasyon s.t. İşçilik, saat) (Kil, kg)

Maksimizasyon s.t. İşçilik, saat) (Kil, kg) Simplex ile Çözüm Yöntemi Doç. Dr. Fazıl GÖKGÖZ 1 Doğrusal Programlama Modeli Maksimizasyon s.t. İşçilik, saat) (Kil, kg) 2 Doç. Dr. Fazıl GÖKGÖZ Yrd.Doç. Dr. Fazıl GÖKGÖZ 1 Modelin Standard Hali Maksimizasyon

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen

Detaylı

Popülasyon Ortalamasının Tahmin Edilmesi

Popülasyon Ortalamasının Tahmin Edilmesi Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 16 BENZETİM ÖDEV SETİ Ödev 1. Bir depo ve N adet müşteriden oluşan bir taşımacılık sisteminde araç depodan başlayıp bütün müşterileri teker teker ziyaret ederek depoya geri dönmektedir. Sistemdeki

Detaylı

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV SETİ Ödev 1. Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması

Detaylı

NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER

NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER NORMAL DAĞILIM VE ÖNEMLİLİK TESTLERİ İLE İLGİLİ PROBLEMLER A) Normal Dağılım ile İlgili Sorular Sayfa /4 Hamileler ile ilgili bir araştırmada, bu grubun hemoglobin değerlerinin normal dağılım gösterdiği

Detaylı

Evren (Popülasyon) Araştırma kapsamına giren tüm elemanların oluşturduğu grup. Araştırma sonuçlarının genelleneceği grup

Evren (Popülasyon) Araştırma kapsamına giren tüm elemanların oluşturduğu grup. Araştırma sonuçlarının genelleneceği grup Evren (Popülasyon) Araştırma kapsamına giren tüm elemanların oluşturduğu grup Araştırma sonuçlarının genelleneceği grup Evrendeğer (Parametre): Değişkenlerin evrendeki değerleri µ : Evren Ortalaması σ

Detaylı

ideal Sistem Tester Kullanım Klavuzu

ideal Sistem Tester Kullanım Klavuzu 1- Sistem Modülüne Giriş ideal Sistem Tester Kullanım Klavuzu Herhangi bir Grafik penceresinin başlığındaki S harfine basılarak açılan menüden yapılabilen seçimlerle kullanılmaya başlanır. Bu menüden,

Detaylı

OLASILIK ve İSTATİSTİK Hipotez Testleri

OLASILIK ve İSTATİSTİK Hipotez Testleri OLASILIK ve İSTATİSTİK Hipotez Testleri Yrd.Doç.Dr. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Hipotezler ve Testler Hipotez, kitleye(yığına) ait

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

ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir.

ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ. Operasyon yönetiminde önemli bir alana sahiptir. ENM 316 BENZETİM DERS 3 KUYRUK SİSTEMİ Kuyruk sistemleri, Operasyon yönetiminde önemli bir alana sahiptir. Üretimde, atölye çevresi kuyruk şebekelerinin karmaşık bir ilişkisi olarak düşünülebilir. Bir

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

Detaylı

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30)

ENM 316 BENZETİM. Faaliyet Faaliyet zamanı dağılımı A U(5, 8) B U(6, 15) U(10,20) U(4,20) U(12,25) U(15,30) ENM 316 BENZETİM ÖDEV 1: Bir projede A, B, C, D, E ve F olmak üzere 6 faaliyet vardır. Projenin tamamlanması için bu faaliyetlerin sırası ile yapılması gerekmektedir. Her faaliyetin tamamlanması için gereken

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

ENM 316 BENZETİM ÖDEV SETİ

ENM 316 BENZETİM ÖDEV SETİ ENM 316 BENZETİM ÖDEV SETİ ÖDEV 1: El ile Benzetim Bir depo ve 7 adet müşterisi olan bir taşımacılık sisteminde müşterilerden gelen siparişler araç ile taşınmaktadır. İki tür sipariş söz konusudur. Birincisi

Detaylı

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?

Detaylı

Örneklem Dağılımları ve Merkezi Limit Teoremi

Örneklem Dağılımları ve Merkezi Limit Teoremi Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel

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

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

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

FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama

FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama FABRİKA ORGANİZASYONU Üretim Planlama ve Yönetimi 2. Uygulama: Sipariş ve Parti Büyüklüğü Hesaplama Uygulamalar 1. İhtiyaç Hesaplama 2. Sipariş ve Parti Büyüklüğü Hesaplama 3. Dolaşım Akış Çizelgeleme/Terminleme

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

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

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

Detaylı

KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR ANALİTİK OLMAYAN MERKEZİ. Aritmetik ortalama **Medyan(median)

KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR ANALİTİK OLMAYAN MERKEZİ. Aritmetik ortalama **Medyan(median) KONU2 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 MERKEZİ EĞİLİM ÖLÇÜLERİ ANALİTİK ORTALAMALAR Bir örneklemde mevcut olan tüm veriler hesaba katılır. ANALİTİK OLMAYAN MERKEZİ EĞİLİM ÖLÇÜLERİ Bir örneklemdeki verilerin bir

Detaylı

HİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN

HİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN HİPOTEZ TESTLERİ Yrd. Doç. Dr. Emre ATILGAN Hipotez Nedir? HİPOTEZ: parametre hakkındaki bir inanıştır. Parametre hakkındaki inanışı test etmek için hipotez testi yapılır. Hipotez testleri sayesinde örneklemden

Detaylı

fonksiyonu aralığında sürekli bir fonksiyon ve için ise olur. Eğer bu aralıktaki bütün x ler için ise bu fonksiyonun noktasında bir minimumu vardır.

fonksiyonu aralığında sürekli bir fonksiyon ve için ise olur. Eğer bu aralıktaki bütün x ler için ise bu fonksiyonun noktasında bir minimumu vardır. TÜREV UYGULAMALARI Bölüm içinde maksimum, minimum, artan ve azalan fonksiyonlar, büküm noktası, teğet, normal ve belirsizliğin türev yardımıyla giderilmesi işlenmektedir. 11.1 Maksimum ve Minimum (Ekstremum)

Detaylı

HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY

HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI Araş.Gör. Efe SARIBAY HİPOTEZ TESTLERİ ALIŞTIRMA SORULARI 2012 Araş.Gör. Efe SARIBAY 1) Bir kafede yaz aylarında satılan limonataların satış miktarının ortalamasının 24 lt. den az olduğu iddia edilmektedir. İddiayı test etmek

Detaylı

HİPOTEZ TESTLERİ HİPOTEZ NEDİR?

HİPOTEZ TESTLERİ HİPOTEZ NEDİR? HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone

Detaylı

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

Detaylı

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK

2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki

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

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

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri Girdi Analizi 0 Gerçek hayattaki benzetim modeli uygulamalarında, girdi verisinin hangi dağılımdan geldiğini belirlemek oldukça zor ve zaman harcayıcıdır. 0 Yanlış girdi analizi, elde edilen sonuçların

Detaylı

Veri Ağlarında Gecikme Modeli

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

Detaylı

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr İSTATİSTİK 2 Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI aysecagli@beykent.edu.tr 1 Güven aralığı ve Hipotez testi Güven aralığı µ? µ? Veriler, bir değer aralığında hangi değeri gösteriyor? (Parametrenin gerçek

Detaylı

ENM-3105 Sistem Simulasyonu Kısa Sınav 1

ENM-3105 Sistem Simulasyonu Kısa Sınav 1 ENM-3105 Sistem Simulasyonu Kısa Sınav 1 Sınav Tarihi ve Yeri: 06 Kasım 2014, Perşembe, İlk ders, B203 No lu Derslik) (Kısa Sınav 1 de aşağıda verilen sorulardan birinin benzeri sorulacaktır.) Soru 1)

Detaylı

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

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

Detaylı

BAĞIL DEĞERLENDİRME SİSTEMİ

BAĞIL DEĞERLENDİRME SİSTEMİ 1.1. Bağıl Değerlendirme Sistemi (BDS) BAĞIL DEĞERLENDİRME SİSTEMİ Her bir öğrencinin, aynı dersi takip eden öğrencilerin oluşturduğu ana kütle içerisinde yer alan diğer öğrencilerin başarı düzeylerine

Detaylı

T.C. ADANA BİLİM VE TEKNOLOJİ ÜNİVERSİTESİ SINAV VE BAŞARI DEĞERLENDİRME YÖNERGESİ

T.C. ADANA BİLİM VE TEKNOLOJİ ÜNİVERSİTESİ SINAV VE BAŞARI DEĞERLENDİRME YÖNERGESİ T.C. ADANA BİLİM VE TEKNOLOJİ ÜNİVERSİTESİ SINAV VE BAŞARI DEĞERLENDİRME YÖNERGESİ Amaç MADDE 1 (1) Bu Yönergenin amacı Adana Bilim ve Teknoloji Üniversitesi ne bağlı fakülte, yüksekokul ve enstitülerde

Detaylı

Ders 1 Minitab da Grafiksel Analiz-I

Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya

Detaylı

BÖLÜM 13 HİPOTEZ TESTİ

BÖLÜM 13 HİPOTEZ TESTİ 1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin

Detaylı

EGE ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİ ve HARFLİ SİSTEM UYGULAMA KLAVUZU

EGE ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİ ve HARFLİ SİSTEM UYGULAMA KLAVUZU EGE ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİ ve HARFLİ SİSTEM UYGULAMA KLAVUZU I. BÖLÜM: KAPSAM ve TANIMLAR 1- Kılavuzun Dayanağı İşbu kılavuz 30.03.2004 tarih ve 25418 sayı ile Resmi Gazetede yayınlanan

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

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi

BENZETİM. Prof.Dr.Berna Dengiz. 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi Prof.Dr.Berna Dengiz 4. Ders Modelleme yaklaşımları Benzetim yazılımlarında aranan özellikler M/M/1 Kuyruk Sistemi benzetimi BENZETİM DİLLERİNDE MODELLEME YAKLAŞIMLARI Tüm benzetim dilleri; ya olay-çizelgeleme

Detaylı

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

GÜVEN ARALIKLARI ALISTIRMA SORULARI. 2012 Aras.Gör. Efe SARIBAY

GÜVEN ARALIKLARI ALISTIRMA SORULARI. 2012 Aras.Gör. Efe SARIBAY GÜVEN ARALIKLARI ALISTIRMA SORULARI 2012 Aras.Gör. Efe SARIBAY 1) Bir bankada bir gün içerisinde açılan vadeli TL. hesaplarının ortalamasını incelemek amacıyla yapılan bir araştırmada 12 günlük yapılan

Detaylı

ULUSLARARASI İLİŞKİLER BÖLÜMÜ A GRUBU İSTATİSTİK (2015-2016 BAHAR YARIYILI) VİZE SINAVI (24.11.2015)

ULUSLARARASI İLİŞKİLER BÖLÜMÜ A GRUBU İSTATİSTİK (2015-2016 BAHAR YARIYILI) VİZE SINAVI (24.11.2015) ULUSLARARASI İLİŞKİLER BÖLÜMÜ A GRUBU İSTATİSTİK (2015-2016 BAHAR YARIYILI) VİZE SINAVI (24.11.2015) Soru 1: ABD de Chicago şehrinde yapılan bir çalışmada, 586 adet itfaiye eri arasından şeflik sınavına

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

BENZETİM. Prof.Dr.Berna Dengiz

BENZETİM. Prof.Dr.Berna Dengiz Prof.Dr.Berna Dengiz 2. Ders Sistemin Performans.. Ölçütleri Sistem Türleri Benzetim Modelleri Statik veya Dinamik Deterministik ( belirli ) & Stokastik ( olasılıklı) Kesikli & Sürekli Sistemin Performans

Detaylı

BASMA DENEYİ MALZEME MÜHENDİSLİĞİ BÖLÜMÜ. 1. Basma Deneyinin Amacı

BASMA DENEYİ MALZEME MÜHENDİSLİĞİ BÖLÜMÜ. 1. Basma Deneyinin Amacı 1. Basma Deneyinin Amacı Mühendislik malzemelerinin çoğu, uygulanan gerilmeler altında biçimlerini kalıcı olarak değiştirirler, yani plastik şekil değişimine uğrarlar. Bu malzemelerin hangi koşullar altında

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

CELAL BAYAR ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİ YÖNERGESİ

CELAL BAYAR ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİ YÖNERGESİ CELAL BAYAR ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME SİSTEMİ YÖNERGESİ Amaç MADDE 1 (1) Bu Yönergenin amacı, Celal Bayar Üniversitesi Önlisans ve Lisans Eğitim- Öğretim Yönetmeliğine uygun olarak Celal Bayar Üniversitesine

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

Excel' de formüller yazılırken iki farklı uygulama kullanılır. Bunlardan;

Excel' de formüller yazılırken iki farklı uygulama kullanılır. Bunlardan; 7. FORMÜLLER SEKMESİ Excel in en çok kullanılan yönü hesaplama yönüdür. Hesaplamalar Formüller aracılığıyla yapılır. Formüller sekmesi anlatılırken sık kullanılan formüller ve formül yazımı da anlatılacaktır.

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

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

T.C. AVRASYA ÜNİVERSİTESİ BAĞIL NOT DEĞERLENDİRME SİSTEMİ YÖNERGESİ

T.C. AVRASYA ÜNİVERSİTESİ BAĞIL NOT DEĞERLENDİRME SİSTEMİ YÖNERGESİ T.C. AVRASYA ÜNİVERSİTESİ BAĞIL NOT DEĞERLENDİRME SİSTEMİ YÖNERGESİ Amaç MADDE 1 (1) Bu Yönergenin amacı, Avrasya Üniversitesi bünyesindeki önlisans ve lisans programlarındaki ölçme ve değerlendirmeye

Detaylı

12. Hafta Ders Notları GENEL TEKRAR

12. Hafta Ders Notları GENEL TEKRAR 12. Hafta Ders Notları GENEL TEKRAR A Veri Türleri Anakütle bir bütünü temsil ederken; örneklem, bir bütünün sadece bir kısmını temsil etmektedir. Anakütledeki gözlem sayısı N ile temsil edilirken; örneklemdeki

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

DERS ve ÖĞRENCİ BAŞARI DEĞERLENDİRME PROGRAM KILAVUZU

DERS ve ÖĞRENCİ BAŞARI DEĞERLENDİRME PROGRAM KILAVUZU YILDIZ TEKNİK ÜNİVERSİTESİ İNŞAAT FAKÜLTESİ DERS ve ÖĞRENCİ BAŞARI DEĞERLENDİRME PROGRAM KILAVUZU Kâmil B. VARINCA İSTANBUL - 2010 İÇİNDEKİLER ÖNSÖZ... 3 1 İLGİLİ YÖNETMELİK HÜKÜMLERİ... 4 2 BAĞIL DEĞERLENDİRME

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Denetimsiz Öğrenmenin Temelleri Kümeleme Uzaklık Fonksiyonları Öklid Uzaklığı Manhattan

Detaylı

Yatırım Kumar Adil Oyun

Yatırım Kumar Adil Oyun Portföy Yönetimi Yatırım Kumar Adil Oyun 1 2 Getiri Kavramı Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye Kazancı

Detaylı

Yatırım Kumar Adil Oyun

Yatırım Kumar Adil Oyun Portföy Yönetimi 1 Yatırım Kumar Adil Oyun 2 Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! 3 Getiri Kavramı Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye

Detaylı

ÖĞRENCİNİN ADI SOYADI:. NO:

ÖĞRENCİNİN ADI SOYADI:. NO: ÖĞRENCİNİN ADI SOYADI:. NO: İMZA: 2011-2012 ÖĞRETİM YILI TIP 1. SINIF TEMEL BİYOİSTATİSTİK DERSİ ARA SINAVI (04.11.2011) Biyoistatistik ve Tıp Bilişimi Anabilim Dalı Başarılar Temel Biyoistatistik dersi

Detaylı

Student t Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

Student t Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Student t Testi Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Konu Başlıkları Tek örnek t testi SPSS de tek örnek t testi uygulaması Bağımsız iki örnek

Detaylı

Karadeniz Teknik Üniversitesi Ön Lisans ve Lisans Programlarında Başarı Notunun Değerlendirilmesine Dair Senato Tarafından Belirlenen Usul ve Esaslar

Karadeniz Teknik Üniversitesi Ön Lisans ve Lisans Programlarında Başarı Notunun Değerlendirilmesine Dair Senato Tarafından Belirlenen Usul ve Esaslar Karadeniz Teknik Üniversitesi Ön Lisans ve Lisans Programlarında Başarı Notunun Değerlendirilmesine Dair Senato Tarafından Belirlenen Usul ve Esaslar Karadeniz Teknik Üniversitesi (KTÜ) Ön Lisans ve Lisans

Detaylı

Forex Göstergeler. www.ifcmarkets.com

Forex Göstergeler. www.ifcmarkets.com Forex Göstergeler Forex piyasasında teknik analiz yaparken trader lar için ana araçlardan biri trend göstergesidir. Ataletinin bir sonucu olarak bu gösterge seti eğilimli piyasa sırasında fiyat hareketinin

Detaylı

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez

Doğrusal Programlama. Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Prof. Dr. Ferit Kemal Sönmez Doğrusal Programlama Belirli bir amacın gerçekleşmesini etkileyen bazı kısıtlayıcı koşulların ve bu kısıtlayıcı koşulların doğrusal eşitlik ya da eşitsizlik

Detaylı

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

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

DERS İÇERİKLERİ, KAZANIMLAR, DERSLER ARASI İLİŞKİ Çizelge 2.

DERS İÇERİKLERİ, KAZANIMLAR, DERSLER ARASI İLİŞKİ Çizelge 2. DERS İÇERİKLERİ, KAZANIMLAR, DERSLER ARASI İLİŞKİ Çizelge 2. Kategoriler Alt kategoriler Ders içerikleri Kazanımlar Dersler arası ilişki I. Analiz I.1. Fonksiyonlar I.1.1. Fonksiyonlara ait bazı önemli

Detaylı

NİĞDE ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME YÖNERGESİ. BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar

NİĞDE ÜNİVERSİTESİ BAĞIL DEĞERLENDİRME YÖNERGESİ. BİRİNCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar İĞDE ÜİVERSİTESİ BAĞIL DEĞERLEDİRME YÖERGESİ BİRİCİ BÖLÜM Amaç, Kapsam, Dayanak ve Tanımlar Amaç MADDE 1- (1) Bu Yönerge nin amacı, öğrencilerin başarıları değerlendirilirken, başarıyı ölçmek için, gerekli

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir. 3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi

Detaylı