5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )"

Transkript

1 5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal d r. x (x ; x ; :::; x ) ile y (y ; y ; :::; y ),T(x) T( y) olacak şekilde iki gözlem de¼geri ise bularda hagisi gözleirse gözlesi hakk da souç ç kar m ay olmal d r. Ta m: X ; X ; :::; X olas l k (yo¼guluk) foksiyou f(:; ) F ola da¼g l mda bir öreklem ve T(X ; X ; :::; X ) ; m boyutlu (m ) bir istatistik olmak üzere, T t R m bilidi¼gide (gözledi¼gide), X ; X ; :::; X i koşullu da¼g l m heme heme her t de¼geri içi ya ba¼gl de¼gilse, T istatisti¼gie F ailesi içi veya arametresi içi yeterli istatistik deir. Öreklemi kedisi bir yeterli istatistiktir. Fisher-Neyma Çaralara Ay rma Teoremi: X ; X ; :::; X olas l k (yo¼guluk) foksiyou f(:; ); (f(:; ) F ) ola da¼g l mda bir öreklem ve T; m boyutlu bir istatistik olmak üzere, T i içi yeterli bir istatistik olmas içi gerek ve yeter şart, X ; X ; :::; X leri ortak olas l k (yo¼guluk) foksiyouu, f(x ; x ; :::; x ; ) g (T (x ; x ; :::; x ); ) h(x ; x ; :::; x ) biçimide yaz labilmesidir. Burada h foksiyou ya ba¼gl de¼gil ve g foksiyou T arac l ¼g ile x ; x ; :::; x lere ve ya ba¼gl d r. Souç: T istatisti¼gii içi bir yeterli istatistik olmas içi gerek ve yeter şart 6 oldu¼guda, f (x; ) f (x; ) ora x e T arac l ¼g ile ba¼gl olmas d r. Başka bir ifade ile, f (x;) T istatisti¼gi içi yeterli bir istatistik () g (T(x); ; f (x; ) ) her 6 içi d r. Souç: m boyutlu T istatisti¼gi, r boyutlu içi yeterli bir istatistik olsu. ' : R r! R r bire-bir ölçülebilir bir foksiyo olmak üzere, T istatisti¼gi

2 ' () içi yeterlidir. Bire-bir # : R m! R m foksiyou ölçülebilir ve ya ba¼gl de¼gilse, (T) istatisti¼gi içi yeterlidir. Örek: X ; X ; :::; X ler N(; ); R; (; ) da¼g l m da bir öreklem olsu. Burada, 4 5 ; R (; ) ve X ; X ; :::; X leri ortak olas l k yo¼guluk foksiyou olmak üzere, istatisti¼gi, f(x; ; ) e e ( _ x ) + ( _ x ) + i i _ (x i x) _ (x i x) g (T (x ; x ; :::; x ); ) h(x ; x ; :::; x ) {z } T 6 4 X (X i X) i içi yeterli bir istatistikdir. T istatisti¼gii bire-bir döüşümü ola 6 4 X i i Xi i ; X istatistikleri de içi birer yeterli istatistiktir. S 5

3 Da¼g l mlar Üstel Ailesi ve Yeterli Istatistikler Olas l k (yo¼guluk) foksiyou, f(x; ) c()e kp j g j () t j (x) h(x) ; (x DX ; ) biçimide yaz labile da¼g l mlar ailesie üstel aile deir. [ k ] [ g () g () g () olmaküzere, g () ; g () ; ::: ; k g () arametrelerie do¼gal arametreler deir. Örek: N(; ); R; (; ) ormal da¼g l m üstel ailei bir elema d r. Gerçekte, ] f(x; ; ) e (x ) e ( x + x ) e e ( x + x) olu, ; R (; ) ve g () g () t (x) x t (x) x

4 4 olmak üzere, f(x; ; ) f(x; ) c()e e {z } c() P j yaz labilir. Da¼g l m do¼gal arametreleri, e ( x + x) {z } {z} P g j () t j (x) ej g j () t j (x) h(x) h(x) g () g () d r. Örek: Beroulli da¼g l m üstel ailei bir elema d r. Beroulli da¼g l m olas l k foksiyou, olmak üzere, f(x; ) x ( ) x ; x f ; g ; ( ; ) f(x; ) x ( ) x ( )e l(x ( ) x ) ( )e l( )x ( )e x l( ) ( ) {z } {z } {z} c() e g()t(x) h(x) e x l( ) olarak yaz labilir. Burada, g() l( ) ve t(x) x d r. Beroulli da¼g l m da l( ) do¼gal arametredir.

5 5 Üstel ailei elema ola bir kitle da¼g l m da al a X ; X ; :::; X öreklemii olas l k (yo¼guluk) foksiyou, f X ;X ;:::;X (x ; x ; :::; x ; ) Y [c()e i (c()) e kp j kp (g j () j g j () t j (x i ) h(xi )] olmak üzere, Fisher-Neyma Çaralara Ay rma Teoremi de X i t j (x i )) h(x )h(x ):::h(x ) T(X) 6 4 t (X i ) t (X i ) i i. t k (X i ) i 7 5 istatisti¼gi, ailei g (); g (); :::; k g k () do¼gal arametreleri içi yeterli tahmi ediciler (istatistikler) olmaktad r. Örek: b(; ) elema d r. Beroulli da¼g l m da T, ( ; ) Beroulli da¼g l m üstel ailei bir P i X i istatisti¼gi l( ) do¼gal i arametresi içi yeterli istatistiktir. l( ) döüşümü bire-bir oldu¼guda T X i istatisti¼gi arametresi içi de yeterli istatistiktir. Bu P istatisti¼gi bire-bir döüşümü ola X bir tahmi edicidir. X i i istatisti¼gi içi yeterli ve yas z

6 6 Taml k Ta m: T(X ; X ; :::; X ) bir istatistik olmak üzere, her Borel ölçülebilir g : R k! R foksiyou ve her içi E (g(x)) ) P (g(x) ) oluyorsa T(X ; X ; :::; X ) istatisti¼gie tamd r deir. Taml k bire-bir döüşüm alt da korumaktad r. Örek: X ; X ; :::; X ler olas l k yo¼guluk foksiyou f(x; ) e x I(x > ); (; ) P ola bir da¼g l mda bir öreklem olsu. T X i yeterli istatisti¼gi tam m d r? T (; ) da¼g l ml olu, g : R! R Borel ölçülebilir bir foksiyo olmak üzere, E (g(t )) Z i ( )! t e t g(t)dt + t g(t) (hhhy) + oldu¼guda T bir tam istatistiktir. P (g(t ) ) Örek: X ; X ; :::; X ler N(; ), (; ) ormal da¼g l m da bir öreklem olsu. X i leri ortak olas l k yo¼guluk foksiyou, f(x ; x ; :::; x ; ) e [ i x i + x i ] i e

7 olmak üzere, T T T 6 4 X i i Xi i istatisti¼gi içi bir yeterli istatistiktir. Acak, her (; ) içi, E [T T ] E [T + ] E [T ] ( + + ) ( + ) olmas a ra¼gme T + T 6 ; oldu¼guda T istatisti¼gi tam de¼gildir. Teorem: k arametreli bir üstel ailede arametre kümesi, R k bir aç k altkümesii içeriyorsa do¼gal istatistik tamd r. Örek: X ; X ; :::; X ler N(; ), R; (; ) ormal da¼g l m da bir öreklem olsu. X ; X ; :::; X leri ortak olas l k yo¼guluk foksiyou, f(x ; x ; :::; x ; ; ) olmak üzere, e T 6 4 X i i Xi i e [ 7 5 i x i + i x i ] e do¼gal istatisti¼gi tamd r (arametre kümesi R de yatay eksei üst taraf daki yar düzlemdir). Teorem: (Basu Teoremi) E¼ger T yeterli ve tam bir istatistik ise, T herhagi bir yard mc istatistikte ba¼g ms zd r. Örek: X ; X ; :::; X ler N(; ), R; > ormal da¼g l m da al a bir öreklem olsu. X X X i i 7

8 8 öreklem ortalamas, içi yeterlidir ve X s N (; ) dir. bilidi¼gide X i istatisti¼gi, do¼gal istatistik olu tamd r. Bua göre, X yeterli ve tam i bir istatistiktir. istatisti¼gi içi, S X (X i X ) i S s ( ) olmak üzere, S i da¼g l m ya ba¼gl de¼gildir, yai S bir yard mc istatistiktir. Basu Teoremie göre X ile S ba¼g ms zd r. Örek: X ; X ; :::; X ler U(; ) ; (; ) düzgü da¼g l mda bir öreklem olsu. Öreklemi olas l k yo¼guluk foksiyou, f(x ; x ; :::; x ; ) ( Y ) I (;) (x i ) i ( ) I (;) (x () ) olmak üzere, T X () istatisti¼gi Fisher-Neyma çaralara ay rma teoremie göre yeterlidir. f T (t; ) t I (;) (t) olmak üzere, T X () istatisti¼gii tam oldu¼guu görmeye çal şal m. g Borel ölçülebilir bir foksiyo olmak üzere, E (g(t )) Z t g(t)dt ; her (; ) içi + Z t g(t)dt ; her (; ) içi +

9 9 g(t)dt ; her (; ) içi + g() ; her (; ) içi + g() ; her (; ) içi + P (g(t ) ) oldu¼guda T bir tam istatistiktir. E Küçük Varyasl Yas z Tahmi Edici Elde Etme Yötemi X ; X ; :::; X olas l k yo¼guluk foksiyou f(x; ) ; ) ola da¼g l mda bir öreklem olmak üzere, içi yas z tahmi edicileri T s f da bir T T tahmi edicisi, V ar (T ) V ar (T ) ; 8 ; 8T T özelli¼gie sahise, T tahmi edicisie düzgü e küçük varyasl yas z tahmi edici dedi¼gii hat rlatal m. Rao-Blackwell Teoremi: X ; X ; :::; X olas l k yo¼guluk foksiyou f(x; ) ; ) ola da¼g l mda bir öreklem ve T (X ; X ; :::; X ) bir yeterli istatistik olsu. U (X ; X ; :::; X ), içi yas z bir tahmi edici olmak üzere, U (t) E (U j T t) olsu. a) U (T ) E (U j T ) rasgele de¼gişkei sadece T i bir foksiyoudur ( y buludurmamaktad r). b) U (T ) istatisti¼gi içi yas zd r. c) E (U ) < oldu¼guda V ar (U (T )) V ar (U) d r.

10 Bir yas z tahmi ediciyi bir yeterli istatistik ile koşullad r beklee de¼gerii alarak daha küçük varyasl yas z bir tahmi edici elde edilebilir. Yeide bir kez daha koşullad rmakla ay tahmi edici ortaya ç kar. Lehma-Sche e Teklik Teoremi: X ; X ; :::; X olas l k yo¼guluk foksiyou f(x; ) ; ) ola da¼g l mda bir öreklem ve T (X ; X ; :::; X ) yeterli ve tam bir istatistik olsu. U U(T ) solu varyasl ve ( ) içi yas z bir tahmi edici ise bu tahmi edici yas z tahmi ediciler aras da e küçük varyasl d r ve tektir. Örek: Poisso da¼g l m da, f X (x; ) e x ; x ; ; ; ::: ; x! (; ) olmak üzere, X istatisti¼gi yeterli ve tamd r. Lehma-Sche e Teklik Teoremie göre X istatisti¼gi içi düzgü e küçük varyasl yas z tahmi edicidir (UMVUE). Örek: X ; X ; :::; X ler U(; ) ; (; ) düzgü da¼g l m da bir öreklem olsu. X () istatisti¼gi tam ve yeterli bir istatistik omak üzere, U + X () istatisti¼gi içi yas z bir tahmi edicidir. U tahmi edicisi içi düzgü e küçük varyasl yas z tahmi edicidir. Bu tahmi edicii varyas, d r. V ar (U) ( + ) Örek: X ; X ; :::; X ler N(; ); R ormal da¼g l m da bir öreklem olsu. X yeterli ve tam bir istatistik olmak üzere, X i bir foksiyou ola X istatisti¼gi içi yas z bir tahmi edici olu Lehma- Sche e Teklik Teoremide düzgü e küçük varyasl yas z tahmi edicidir (UMVUE). Bu tahmi edicii varyas, V ar X V ar X 4 + d r. Bu tahmi edici etki de¼gildir. Düzgü e küçük varyasl yas z tahmi ediciler baze etki de¼gildir. Baz durumlarda düzgü e küçük varyasl yas z tahmi edicii varyas

11 Rao-Cramer eşitsizli¼gideki alt s ra ulaşmamaktad r, alt s rda büyük kalmaktad r. Örek: X ; X ; :::; X ler N(; ) ; R; (; ) ormal P da¼g l m da bir öreklem olsu. Bu da¼g l mda, X i ; Xi istatisti¼gi i i (; ) içi tam ve yeterli bir istatistiktir. Bu istatistikleri birebir döüşümü ola, ^ X ^ ( X i X ) i tahmi edicileri tam, yeterli ve yas z olduklar da, arametreler içi düzgü e küçük varyasl yas z tahmi edicilerdir. Rao-Cramer eşitsizli¼gi ile ilgili düzgülük şartlar sa¼glaya ormal da¼g l ) l( e (x ) ) (x ) ) (x ) 4 6 E ; ) l( e (X ) ) (x ) ) 4 olmak üzere, bireysel ve arametrelerii yas z tahmi edicilerii varyaslar içi alt s rlarlar,

12 E e (X ) ) E ) e 4 (x ) ) d r. V ar(x) (X i X) V ar B i A 4 > 4 oldu¼guda, X tahmi edicisi içi etki olmakla birlikte, ^ (X i X) i tahmi edicisi içi etki bir tahmi edici de¼gildir. Acak buda daha küçük varyasl başka bir yas z tahmi edici de yoktur. içi düzgü e küçük varyasl yas z tahmi edici edir?

13 ve omak üzere, V E ; ( V ) E ; (X i X) i Z X v ( ) ( ) ( ) ( ) ( ) Z v t (X i X) A i U ( ) ( ) v ( ) v e v dv e v dv ( ) ( ) v ux t (X i X) i tahmi edicisi içi düzgü e küçük varyasl yas z tahmi edicidir. Normal da¼g l mda, da¼g l m heme heme tümü s rlar aras da olmak üzere içi düzgü e küçük varyasl yas z tahmi edici X U d r, çükü E ; (X U) ve X U tahmi edicisi tam ve yeterli istatistikleri bir foksiyoudur. < < olmak üzere içi, yai : yüzdelik (katil) içi düzgü e küçük varyasl yas z tahmi edici edir? Stadart ormal da¼g l m da¼g l m foksiyou F olmak üzere,

14 4 F F () + F () ve E ; X + UF () + F () oldu¼guda X + UF () tahmi edicisi içi düzgü e küçük varyasl yas z tahmi edicidir.

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P. 4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi

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

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler 3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;

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

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer. SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk

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

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

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

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

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

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı 5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.

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

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

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

Bu bölümde kan tlayaca m z teoremi, artan ve üstten s -

Bu bölümde kan tlayaca m z teoremi, artan ve üstten s - 18. S rl ve Arta Diziler Bu bölümde ka tlayaca m z teoremi, arta ve üstte s - rl bir gerçel say dizisii üsts ra çarpmas a ramak kal r biçimide özetleyebiliriz. (Üsts r kavram Bölüm 19 da görece iz.) flte

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

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

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

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

6 Devirli Kodlar. 6.1 Temel Tan mlar

6 Devirli Kodlar. 6.1 Temel Tan mlar 6 Devirli Kodlar 6.1 Temel Tan mlar Tan m S F n q için e¼ger (a 0 ; a 1 ; : : : ; a n 1 ) 2 S iken (a n 1 ; a 1 ; : : : ; a n 2 ) 2 S oluyorsa S kümesine devirli denir. E¼ger bir C do¼grusal kodu devirli

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

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

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

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

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

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi, . Ders Büyü Sayılar Kauları Kouya geçmede öce DeMoivre-Stirlig formülüü ve DeMoivre-Laplace teoremii hatırlayalım. DeMoivre, geel terimi, a!,,, 3,... e ola dizii yaısa olduğuu göstermiş, aca limitii bulamamış.

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

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem YTÜ-İktisat İstatistik II Nokta Tahmii 1 Tahmi teoriside amaç öreklem (sample) bilgisie dayaarak aakütleye (populatio) ilişki çıkarsamalar yapmaktır. Bu çıkarsamalar aakütlei dağılımıı belirleye bilimeye

Detaylı

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir?

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir? ÖRNEK 1 : A= {1,,}, B={1,,5,7}kümeleri veriliyor. A da B ye taımlaa aşağıdaki bağıtılarda hagisi foksiyo değildir? A) {(1,), (,5), (,7)} B) {(1,), (1,5), (,1)} C) {(1,1), (,1), (,1)} D) {(1,5), (,1), (,7)}

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

BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere:

BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere: 6. Ders BEKLENEN DEĞER Taım: X, bir rasgele değişke ve g : R R, B BR içi x : gx B BR özelliğie sahip bir foksiyo olmak üzere: i) X kesikli ve ii) X sürekli ve gx fx olduğuda, x EgX gxfx gx fxdx olduğuda,

Detaylı

IV. DERS D FERENS YELLENEB L R MAN FOLDLAR

IV. DERS D FERENS YELLENEB L R MAN FOLDLAR Bölüm 1 IV. DERS D FERENS YELLENEB L R MAN FOLDLAR Bir öceki bölümde bir yüzeyi oktalar yeterice küçük kom³uluklaryla ilgileebildik. Bu prosesi soyut realizasyou içi, souçta bizi diferesiyelleebilir maifold

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

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

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

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

32. Kardinal Say lar, Tan m ve lk Özellikler

32. Kardinal Say lar, Tan m ve lk Özellikler 32. Kardial Say lar, Ta ve l Özelliler Her üei iyis ralaabilece ii a tla flt (Teore 24.1). Özel iyis ral üeler ola ordialleri de Bölü 10 da ta la flt. Ordiallerde iyis ralaa iliflisiyle verilir, yai bir

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

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

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER. Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER. Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI ANKARA 200 Her hakkı saklıdır ÖZET Yüksek Lisas Tezi ISTAT IST

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

PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE

PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE AMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE YÜKSEK LİSANS TEZİ Güllü Caa HAZAR Aabilim Dalı : Matematik Tez

Detaylı

2. Topolojik Uzaylarda Ba¼glant l l k Ba¼glant l Topolojik Uzaylar. Tan m (X; ) topolojik uzay n n her biri boş kümeden farkl olan ayr k

2. Topolojik Uzaylarda Ba¼glant l l k Ba¼glant l Topolojik Uzaylar. Tan m (X; ) topolojik uzay n n her biri boş kümeden farkl olan ayr k 2. Topolojik Uzaylarda Ba¼glant l l k 2.1. Ba¼glant l Topolojik Uzaylar Tan m 2.1.1. (X; ) topolojik uzay n n her biri boş kümeden farkl olan ayr k iki aç ktan oluşan bir örtüsü yok ise, (X; ) topolojik

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

2013 BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI MATEMATİK

2013 BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI MATEMATİK 03 BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI MATEMATİK A SORU : lim x 8x 9 (x 3) x ifadsii dğri aşağıdaki sçklrd hagisid vrilmiştir? 0 5 7 SORU : cosax x f x foksiyouu x=0 oktasıda sürkli olması içi f(0) ı dğri

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

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

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6. Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit

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

fonksiyonu, her x 6= 1 reel say s için tan ml d r. (x 1)(x+1) = = x + 1 yaz labilir. Bu da; f (x) = L

fonksiyonu, her x 6= 1 reel say s için tan ml d r. (x 1)(x+1) = = x + 1 yaz labilir. Bu da; f (x) = L Limit Bu bölümde, matematik analizde temel bir görevi olan it kavram incelenecektir. Analizdeki bir çok problemin çözümünde it kavram na gereksinim duyulmaktad r. Bunlardan baz lar ; bir noktada bir e¼griye

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

İKİNCİ BÖLÜM REEL SAYI DİZİLERİ

İKİNCİ BÖLÜM REEL SAYI DİZİLERİ Prof.Dr.Hüseyi ÇAKALLI İKİNCİ BÖLÜM REEL SAYI DİZİLERİ Bu ölümde dizileri, yi tım kümesi doğl syılr kümesi, değer kümesi, reel syılr kümesii ir lt kümesi ol foksiyolrı iceleyeceğiz... Ykısk Diziler. Öce

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

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

İçindekiler. Ön Söz... xiii

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

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

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

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

KOPULALAR TEORSNN FNANSTA UYGULAMALARI

KOPULALAR TEORSNN FNANSTA UYGULAMALARI EGE ÜNVERSTES FEN BLMLER ENSTTÜSÜ YÜKSEK LSANS TEZ ) KOPULALAR TEORSNN FNANSTA UYGULAMALARI Gökur YAPAKÇI Teorik statistik Aabilim Dalı Bilim Dalı Kodu: 406.0.0 Suum Tarihi: 08.08.007 Tez Daımaı: Yrd.

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

Fonksiyonel Analize Giriş I Ara S nav Sorular 29 Kas m Bir metrik uzayda her kapal yuvar kapal bir kümedir. Ispatlay n z.

Fonksiyonel Analize Giriş I Ara S nav Sorular 29 Kas m Bir metrik uzayda her kapal yuvar kapal bir kümedir. Ispatlay n z. Fonksiyonel Analize Giriş I Ara S nav Sorular 29 Kas m 2010 1 Bir metrik uzayda her kapal yuvar kapal bir kümedir. Ispatlay n z. 2 (a) d (x; y) = Z 1 0 jx (t) y (t)j 1 + jx (t) y (t)j dt fonksiyonunun

Detaylı

Pareto Dağılımının Parametrelerinin Đlerleyen Tür Tip-II Sağdan Sansürlü Örneklemlere Dayalı En Küçük Kareler Tahmini

Pareto Dağılımının Parametrelerinin Đlerleyen Tür Tip-II Sağdan Sansürlü Örneklemlere Dayalı En Küçük Kareler Tahmini www.istatistikciler.org İstatistikçiler Dergisi 5 (202) 43-50 Đstatistikçiler Dergisi Pareto Dağılııı Paraetrelerii Đlerleye Tür Tip-II Sağda Sasürlü Öreklelere Dayalı E Küçük Kareler Tahii Buğra Saraçoğlu

Detaylı

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

2. Matematiksel kavramları organize bir şekilde sunarak, bu kavramları içselleştirmenizi sağlayacak pedagojik bir alt yapı ile yazılmıştır.

2. Matematiksel kavramları organize bir şekilde sunarak, bu kavramları içselleştirmenizi sağlayacak pedagojik bir alt yapı ile yazılmıştır. Sevgili Öğreciler, Matematik ilköğretimde üiversiteye kadar çoğu öğrecii korkulu rüyası olmuştur. Bua karşılık, istediğiiz üiversitede okuyabilmeiz büyük ölçüde YGS ve LYS sıavlarıda matematik testide

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

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

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z.

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z. KÜME KAVRAMI Küme matematiği taımsız bir kavramıdır. Acak kümeyi, iyi taımlamış kavram veya eseler topluluğu diye tarif edebiliriz. Kümeler A, B, X, K,... gibi büyük harflerle Bir kümeyi oluştura eseleri

Detaylı

Permütasyon Kombinasyon Binom Aç l m. Olas l k ve statistik. Karmafl k Say lar

Permütasyon Kombinasyon Binom Aç l m. Olas l k ve statistik. Karmafl k Say lar 0 0 0 Gerçek Say lar Kümesii Geiflletme Gere i Kümesi Aalitik Düzlemde Gösterilmesi Efllei i Modülü da fllemler ki Karmafl k Say Aras daki Uzakl k Karmafl k Say Geometrik Yeri Kutupsal Gösterimi Karmafl

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

6.5 Basit Doğrusal Regresyonda Hipotez Testleri. 6.5.1 İçin Hipotez Testi: 1. Hipotez kurulur. 2. Test istatistiği hesaplanır.

6.5 Basit Doğrusal Regresyonda Hipotez Testleri. 6.5.1 İçin Hipotez Testi: 1. Hipotez kurulur. 2. Test istatistiği hesaplanır. 6.5 Basit Doğrusal Regresyonda Hipotez Testleri 6.5.1 İçin Hipotez Testi: 1. Hipotez kurulur. 2. Test istatistiği hesaplanır. olduğu biliniyor buna göre; hipotezinin doğruluğu altında test istatistiği

Detaylı

; k = 1; 2; ::: a (k)

; k = 1; 2; ::: a (k) Analiz III Ara S nav 2 Kas m 2 x k = ; 2 ; :::; ; k = ; 2; ::: olmak üzere (x k ) R dizisi veriliyor. ; dizi ise (x k ) dizisi de yak nsak olur. Ispatlay n z. 2 ; :::; 2 A; B R olsun. A B ise A B olur

Detaylı

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir

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

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİK- LERİ ) ... BOŞ KÜME. w w w. m a t b a z.

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİK- LERİ ) ... BOŞ KÜME. w w w. m a t b a z. KÜME KAVRAMI Küme matematiği taımsız bir kavramıdır. Acak kümeyi, iyi taımlamış kavram veya eseler topluluğu diye tarif edebiliriz. Kümeler A, B, X, K,... gibi büyük harflerle gösterilir. Bir kümeyi oluştura

Detaylı

1.3. Normal Uzaylar. Bu bölümde; regülerlikten daha kuvvetli bir ay rma aksiyomu tan mlanarak. baz temel özellikleri incelenecektir.

1.3. Normal Uzaylar. Bu bölümde; regülerlikten daha kuvvetli bir ay rma aksiyomu tan mlanarak. baz temel özellikleri incelenecektir. 1.3. Normal Uzaylar Bu bölümde; regülerlikten daha kuvvetli bir ay rma aksiyomu tan mlanarak baz temel özellikleri incelenecektir. Tan m 1.3.1. (X; ) bir Hausdor uzay olsun. E¼ger, 8F; K 2 F; F \ K = ;

Detaylı

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

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

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

Detaylı

Üstel Dağılım Babam: - Şu ampullerin hangisinin ömrünün daha kısa olduğu hiç belli olmuyor. Bazen yeni alınanlar eskilerden daha önce yanıyor.

Üstel Dağılım Babam: - Şu ampullerin hangisinin ömrünün daha kısa olduğu hiç belli olmuyor. Bazen yeni alınanlar eskilerden daha önce yanıyor. Üsel Dağılım Babam: - Şu ampulleri hagisii ömrüü daha kısa olduğu hiç belli olmuyor. Baze yei alıalar eskilerde daha öce yaıyor. Hele şuradaki bildim bileli var. Evde yedek ampul yokke, gerekirse ou söküp

Detaylı

Đki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı

Đki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı Đki Oyu Yaz Demi 22 Hazira 20, Çarşamba Đst20 Đstatistik Teorisi Dersi kousu: Olasılık Hesabı - Çocuklar, Đstatistik Teorisi bir tarafa, istatistikçileri işi rasgelelik ortamıda hesap yapmaktır. Şöyle

Detaylı

H.L.Royde Real Aalysis çeviri ve düzeleme Prof.Dr.Hüseyi Çakallı Kısım Bir Reel Değişkeli Foksiyolar Teorisi Prof.Dr.Hüseyi Çakallı 3 H.L.Royde Real Aalysis çeviri ve düzeleme Prof.Dr.Hüseyi Çakallı Reel

Detaylı

NÜMER IK ANAL IZ. Nuri ÖZALP FONKS IYONLARA YAKLAŞIM. Bilimsel Hesaplama Matemati¼gi

NÜMER IK ANAL IZ. Nuri ÖZALP FONKS IYONLARA YAKLAŞIM. Bilimsel Hesaplama Matemati¼gi NÜMER IK ANAL IZ Bilimsel Hesaplama Matemati¼gi Nuri ÖZALP FONKS IYONLARA YAKLAŞIM Nuri ÖZALP (Ankara Üni.) NÜMER IK ANAL IZ BÖLÜM 4 7! FONKS IYONLARA YAKLAŞIM 1 / 21 1 Polinom Interpolasyonu Newton Formu

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

6. BÖLÜM VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR UZAYLARI -BOYUTLU (ÖKLİT) UZAYI Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a, a,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi 5. Drs Dağılımlarda Rasgl Sayı Ürtilmsi Trs Döüşüm Yötmi sürkli bir rasgl dğişk v bu rasgl dğişki dağılım foksiyou olsu. Dağılımı dstk kümsi üzrid dağılım foksiyou arta v bir-bir bir foksiyo olmaktadır.

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

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

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

Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları

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

Detaylı

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri, POLİNOMLAR Taım : a0, a, a,..., a, a reel sayılar ve doğal sayı olmak üzere P x = a x + a x +... + a x + a x + a biçimideki ifadelere x e bağlı reel katsayılı poliom (çok terimli) deir. 0 a 0 ax + a x

Detaylı

KÖKLÜ SAYILAR. 1 n n. x a a x say s na a n n n. kuvvetten kökü denir. Köklü say lar n. çözüm. n n. a özelli inden, çözüm. m n n. çözüm. çözüm.

KÖKLÜ SAYILAR. 1 n n. x a a x say s na a n n n. kuvvetten kökü denir. Köklü say lar n. çözüm. n n. a özelli inden, çözüm. m n n. çözüm. çözüm. KÖKLÜ SAYILAR Köklü Sayılar ve doal say olmak üzere, x =a deklemii salaya hepsi ay zamada birer üslü saydr. = ise a a (karekök a) = ise a (küpkök a) = ise a (. kuvvette kök a) : : = ise a (. kuvvette kök

Detaylı

Akdeniz Üniversitesi

Akdeniz Üniversitesi F. Ders Tanıtım Formu Dersin Adı Öğretim Dili Akdeniz Üniversitesi İSTATİSTİKSEL ANALİZ I Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (*) Yüksek Lisans( ) Doktora ( ) Eğitim Öğretim Sistemi Örgün

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

LEFKE AVRUPA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ PSİKOLOJİ BÖLÜMÜ PSK 106 İSTATİSTİK YÖNTEMLER I BAHAR DÖNEMİ ARASINAV SORULARI

LEFKE AVRUPA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ PSİKOLOJİ BÖLÜMÜ PSK 106 İSTATİSTİK YÖNTEMLER I BAHAR DÖNEMİ ARASINAV SORULARI LEFKE AVRUPA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ PSİKOLOJİ BÖLÜMÜ PSK 106 İSTATİSTİK YÖNTEMLER I 2015-2016 BAHAR DÖNEMİ ARASINAV SORULARI Tarih: 22/04/2016 Istructor: Prof. Dr. Hüseyi Oğuz Saat: 11:00-12:30

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

Analiz II Çalışma Soruları-2

Analiz II Çalışma Soruları-2 Aaliz II Çalışma Soruları- So gücelleme: 04040 (I Aşağıdaki foksiyoları (ilgili değişkelere göre türevlerii buluuz 7 cos π 8 log (si π ( si ta e 9 4 5 6 + cot 0 sec sit t si( e + e arccos ( e cos(ta (II

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

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı Damızlık Değeri, geotipik değer, allel frekasları Aki Pala, aki@comu.edu.tr ttp://members.comu.edu.tr/aki/ Damızlık değeri esabı µ Ökkeş =800 gr gülük calı ağırlık Sürü A Sürü µ Döller µ 500gr 700 DD esabı

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

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar Ders 2: üme Teorisi, Örek Uzay, Permütasyolar ve ombiasyolar üme avramı üme İşlemleri Deey, Örek Uzay, Örek Nokta ve Olay avramları Örek Noktaları Sayma Permütasyolar ombiasyolar Parçalamalar (Partitio)

Detaylı