RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007"

Transkript

1 RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1

2 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır. 1 a b f ( ) = b a 0, σ m ( ) ( ) = var = = E = [ a b] ( b a) 1 ( a+ b) 1 b a f ( ) a b

3 Tekdüze Dağılım f Olasılık yoğunluk işlevini kullanarak değişkeninin ortalamasını ve varyansını (değişinti) bulalım: ( ) = 0 [ 0,1] + m = E( ) = f ( ) d= = E(( m ) ) = ( 0.5) f ( ) d= ( ) f ( ) d 1 3 = + = + = (1/ 3) (1/ ) (0.5)

4 Tekdüze Dağılımlı Sinyal Üretimi 0 ile 1 arasında değişen tek düze dağılıma sahip n adet sayı üretmek için rand komutu kullanılır. >> =rand(1,10000); >> mean() % integral ( f d) >> var() % integral ((-m)^ f d) >> norm(-mean())^/length() 4

5 Tekdüze Dağılımlı Rasgele Tamsayı Üretimi randint, tekdüze dağılımlı rasgele tamsayı üretir. Komutta herhangi bir aralık belirtilmezse varsayılan olarak 0 veya 1 üretilir m = E( ) = p = (0) + (1) = 0.5 σ i i i= 0 1 = var( ) = ( i m) pi = (0 0.5) + (1 0.5) i= = + = 1 1 σ = 0.5 σ = 0.5 5

6 Tekdüze Dağılımlı Rasgele Tamsayı Üretimi >> n=10000; %örnek sayisi >> ikili_uret=randint(1,n) >> mean(ikili_uret) % toplam( pi) >> var(ikili_uret) % toplam((-m)^pi) >> std(ikili_uret) %sqrt(var) >>norm(ikili_uret-mean(ikili_uret))^/length(n) m = E( ) = p = (0) + (1) = 0.5 σ i i i= 0 1 = var( ) = ( i m) pi = (0 0.5) + (1 0.5) i= = + = 1 1 σ = 0.5 σ = 0.5 6

7 Histogram Bir parçadan veya süreçten alınan bireysel ölçümün dağılımını gösteren çubuk grafiktir. Aynı zamanda frekans dağılımı olarak da adlandırılır; çünkü herhangi bir verilen değerin görülme sıklığı çubuğun uzunluğu ile gösterilir. hist histogram şeklinde grafik çizmek için kullanılır. Grafik varsayılan olarak 10 eşit parçaya bölünür. Eğer istenirse fonksiyon hist(a,n) seklinde yazılarak n sütuna da bölünebilir. 7

8 Histogram >> =rand(1,10000); >> hist() 100 >> =rand(1,10000); >> hist(,0) Toplam adet rasgele sayı üretildiğinde ve histogram 10 eşit parçaya böldüğünde her aralıkta ortalama 1000 adet veri olmalıydı. Ancak şekilden de görüleceği üzere bu sayı her bir aralık için farklılık göstermektedir. Alınan örnek sayısı arttıkça dağılım daha düz bir hale gelecektir. 8

9 Normal (Gauss) Dağılımı X, sürekli bir rasgele değişken iken, X' in yoğunluk fonksiyonu, ( ) f = 1 πσ ( ) m e σ ise f() e normal dağılım, X' e de normal dağılmış rasgele değişken denir. Dağılımın ortalama m ve σ varyans olmak üzere iki parametresi vardır. X, normal dağılmış bir rasgele değişken ise kısaca N m, σ ile gösterilir. ( ) 9

10 Normal (Gauss) Dağılımı Normal dağılımın bazı özellikleri aşağıdaki gibi sıralanabilir: 1. Eğrinin tepe noktası ortalamaya karşılık gelir. Bu dağılımda ortalama, medyan (ortanca) ve mod (tepe değer) aynıdır.. Normal dağılım eğrisi ortalamaya göre simetriktir. 3. Standart sapma eğrinin genişliğini belirler, yani standart sapma büyüdükçe değişkenin alacağı en küçük değer ile en büyük değer arasındaki açıklık büyür. 4. Eğrinin altında kalan alanın tamamı 1 birimdir. 5. Normal dağılıma ilişkin olasılıklar normal dağılım olasılık yoğunluk fonksiyonunun belirlediği eğrinin altında kalan alanlar olarak hesaplanır. 10

11 Normal (Gauss) Dağılımlı Sinyal Üretimi randn normal dağılımlı (Gauss) rasgele sayılar üretir. Varsayılan olarak ifadenin ortalaması 0 varyansı ise 1 dir. 11

12 Normal (Gauss) Dağılımlı Sinyal Üretimi >> n=100000; %ornek sayısı >> =randn(1,n); >> mean() %integral ( f d) >> var() % integral ((-m)^ f d) >> norm()^/length() >> hist(,100) 1

13 Rasgele Gauss Dağılımlı Değişkeninin Ortalaması ve Varyansını Değiştirme İşlemi ( ) σ N m, σ bir rasgele değişken oluşturmak isteyelim. y= + c değişkeninin ortalaması 0 ise y nin ortalaması nedir? ( ) 0 ( ) ( σ ) ( ) σ ( ) ( ) ( ) = ( σ ) + ( ) = σ E = E y = E + E c = E + E c = c var y var var c 13

14 Rasgele Gauss Dağılımlı Değişkeninin Ortalaması ve Varyansını Değiştirme İşlemi >> y=*+3; >> mean(y) % ortalaması c= 3 >> var(y) % varyansı =4 >> hist(y,100) 14

15 Q Fonksiyonu 1 Q( ) = e d π Q fonksiyonu monoton azalan bir fonksiyondur. Bazı özellikleri aşağıda sıralanmıştır: ( ) ( ) ( ) ( ) = ( ) 1. Q = 1, Q 0 = 1/, Q = 0. Q 1 Q ( ) 3. Q 1 1 = erf m 4. X N( m, σ ) iken Pr( X > ) = Q σ a 5. Pr{ X > ( m + a) } = Pr{ X < ( m a) } = Q σ 15

16 Q Fonksiyonu MATLAB da Q fonksiyonu işlemi qfunc komutuyla gerçekleştirilir. ( ) Örnek 1: N 0,1 olasılık yoğunluk işlevine bir değişkenin 3 değerinden büyük gelme olasılığını Q işlevi yöntemi ve değişkeninden yararlanarak bulunuz. >> N=10000; >> =randn(1,n); >> [d]=find(>3); >> length(d)/n >> qfunc(3) 16

17 Q Fonksiyonu Örnek : olasılık yoğunluk işlevine bir değişkenin 1 den büyük 3 ten küçük değerler alma olma olasılığını Q işlevi yöntemi ve değişkeninden yararlanarak bulunuz. >> N=10000; >> =randn(1,n); >> [d3]=find(>3); >> [d1]=find(>1); >> (length(d1)-length(d3))/n >> qfunc(1)-qfunc(3) 17

18 Q Fonksiyonu b a 1 ( m ) m 1 = σ t e d σ değişken dönüşümü πσ σ dt = d ( ) b m σ t t t e dt = e dt e dt integral parçalandı π π π a m a m b m σ σ σ ( ) b a 1 ( m ) σ 1 a m b m e d Q( ) Q( ) πσ σ σ 18

19 Toplanır Beyaz Gauss Gürültüsü Toplanır Beyaz Gauss Gürültülü (AWGN) kanal modeli, radyo kanalının klasik bir modelidir. Bu model, alınan işareti bozma yönünde eklenmiş istatistiksel olarak bağımsız gürültü örneklerinden oluşur. Gürültü örneklerinin genliği bir Gauss olasılık yoğunluk işlevine sahiptir. Gürültü örnekleri, birbirlerinden bağımsız oldukları için, kendi öz ilinti fonksiyonları ideal olarak bir darbedir. Buna göre, AWGN kanalın güç spektral yoğunluğu tüm frekanslar için düzdür. AWGN kanalın genellikle durağan olduğu ve davranışının zamanla değişmediği kabul edilir. 19

20 MATLAB da AWGN Gürültü Oluşturulması Ns bilgi işaretinin uzunluğu olmak üzere bu işarete etkiyecek n gürültüsü iki şekilde ürebilebilir ve eklenir. >> n=1/sqrt()*(randn(1, Ns)+j*randn(1, Ns)); >> y=+n; y = awgn(,snr) komutu da bilgi işareti dizisine beyaz Gauss gürültüsü ekler. snr sabiti db cinsiden sinyal/gürültü oranıdır. Eğer karmaşıksa awgn karmaşık gürültü ekler. Bu kullanımda in gücünün 0 db olduğu kabul edilir. 0

21 Rayleigh Dağılımı Gerçek dünyadaki gezgin hücresel radyo ağlarında karşılaşılan radyo kanalı, çok sayıda yayılım yolunun birleşimidir. Bu davranış, çok yollu yayılım olarak adlandırılır. Haberleşme sistemleri için çok yollu kanal modeli, kullanımı AWGN kanal modelinden daha zor olan bir kanal modelidir. T R 1

22 Rayleigh Dağılımı Anten arasındaki her bir yola çoklu yol bileşeni denir ve her yolun farklı bir zayıflatması ve zaman gecikmesi vardır. Bunların alıcı antene toplamı ise alınan sinyali bozabilir bu olaya sönümleme denir. Böyle bir kanalı modellemek için zamanla değişen dürtü cevabı sahip bir model ele alır. İletilen sinyalin karmaşık zarfı g s ise alınan sinyal modeli aşağıdaki şekilde verilebilir. jθ k g () t = ρ e g ( t τ ) + n() t r k s k k Burada ρ k k. yolun zayıflaması, θ k. k yolun faz kayması ve τ k da k. yolun gecikmesidir.

23 Rayleigh Dağılımı Kanalda eğer direkt görüşün olmadığı ve vericiden çıkan sinyalin birçok yoldan alıcıya ulaştığı (her yolun yaklaşık aynı zayıflatmaya sahip olduğu) varsayılırsa kanal modeli g ( t τ ) g ( t) ise s s s jθ k g () t = g () t ρ e + n() t r s k k jθ k h= + jy = ae, = ρ cos( θ ) y = ρ sin( θ ) Alınan Sinyal g () t = hg () t + n(), t r s k k k k k k jφ h= + jy = ae sıfır ortalamalı Karmaşık Gauss rasgele değişkeni 3

24 Rayleigh Dağılımı Merkezi limit teoremine göre ve y değişkeni Gauss rasgele değişkenine yaklaşır. Bu durumda olasılık dağılım işlevi: y, πσ + y ( ) σ 1 f (, y) = e, a ( ) σ a fa ( a) = e U( a) Rayleigh σ f φ 1 =,0 φ < π, tekdüze ( Uniform ) π Ayrıca eğer Direk Görüş (LOS Line of Side) varsa kanal Rician Dağılımına sahip olarak modellenir. Eğer baştaki varsayım yapılmazsa yani kanal semboller arasında karışım meydana getiriyorsa bu durumda kanala frekans seçici kanal denir. Bu tür kanallar için çeşitli (OFDM gibi) yöntemler mevcuttur 4

25 Rayleigh Benzetimi clear all,clc,close all N=10000 A1=randn(1,N)/sqrt(); A=randn(1,N)/sqrt(); mean(a1) mean(a) var(a1) var(a) h=a1+a*i; figure tp=angle(h); hist(tp,0); %...Faz -pi ile +pi arasinda degismesi lazim title('faz Degisiminin Histogrami') tm=abs(h); mean(abs(tm)) var(abs(tm)) figure hist(tm,0) title('zarfin Genliginin Olasilik Dagilim Islevi') tet(,800,'rayleigh Dagilimi') 5

26 Rayleigh Dağılımın Faz Değişiminin Histogramı 6

27 Rayleigh Dağılımın Zarfının Genliğinin Olasılık Dağılım İşlevi 7

RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.

RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır. RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

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

Detaylı

Güç Spektral Yoğunluk (PSD) Fonksiyonu

Güç Spektral Yoğunluk (PSD) Fonksiyonu 1 Güç Spektral Yoğunluk (PSD) Fonksiyonu Otokorelasyon fonksiyonunun Fourier dönüşümü j f ( ) FR ((τ) ) = R ( (τ ) ) e j π f τ S f R R e d dτ S ( f ) = F j ( f )e j π f ( ) ( ) f τ R S f e df R (τ ) =

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

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble. 1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t

Detaylı

Sürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları

Sürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları Sürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları Basit CW Radar Blok Diyagramı Vericiden f 0 frekanslı sürekli dalga gönderilir. Hedefe çarpıp saçılan sinyalin bir kısmı tekrar

Detaylı

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

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

Detaylı

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

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

SİNYALLER ve SİSTEMLER

SİNYALLER ve SİSTEMLER SİNYALLER ve SİSTEMLER 1. Sinyallerin Sınıflandırılması 1.1 Sürekli Zamanlı ve Ayrık Zamanlı Sinyaller 1.2 Analog ve Sayısal Sinyaller Herhangi bir (a,b) reel sayı aralığında bir x(t) sinyali sonsuz değer

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

Sezin Yıldırım, Özgür Ertuğ

Sezin Yıldırım, Özgür Ertuğ ÇOK-YOLLU SÖNÜMLEMELİ KANALLARDA TURBO KODLANMIŞ ALICI ANTEN ÇEŞİTLEMESİ TEK KOD ÇEVRİMSEL KAYDIRMA (TKÇK) ÇOK KULLANICILI SEZİCİNİN PERFORMANS ANALİZİ Sezin Yıldırım, Özgür Ertuğ Telekomünikasyon ve Sinyal

Detaylı

Sürekli Rastsal Değişkenler

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

Detaylı

KABLOSUZ İLETİŞİM

KABLOSUZ İLETİŞİM KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ SAYISAL MODÜLASYON İçerik 3 Sayısal modülasyon Sayısal modülasyon çeşitleri Sayısal modülasyon başarımı Sayısal Modülasyon 4 Analog yerine sayısal modülasyon

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

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

KABLOSUZ İLETİŞİM

KABLOSUZ İLETİŞİM KABLOSUZ İLETİŞİM 805540 DENKLEŞTİRME, ÇEŞİTLEME VE KANAL KODLAMASI İçerik 3 Denkleştirme Çeşitleme Kanal kodlaması Giriş 4 Denkleştirme Semboller arası girişim etkilerini azaltmak için Çeşitleme Sönümleme

Detaylı

BÖLÜM 9 NORMAL DAĞILIM

BÖLÜM 9 NORMAL DAĞILIM 1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında

Detaylı

İÇİNDEKİLER ÖN SÖZ...

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

Detaylı

BÖLÜM 1 TEMEL KAVRAMLAR

BÖLÜM 1 TEMEL KAVRAMLAR BÖLÜM 1 TEMEL KAVRAMLAR Bölümün Amacı Öğrenci, Analog haberleşmeye kıyasla sayısal iletişimin temel ilkelerini ve sayısal haberleşmede geçen temel kavramları öğrenecek ve örnekleme teoremini anlayabilecektir.

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

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

Rassal Değişken Üretimi

Rassal Değişken Üretimi Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.

Detaylı

8. Uygulama. Bazı Sürekli Dağılımlar

8. Uygulama. Bazı Sürekli Dağılımlar 8. Uygulama Bazı Sürekli Dağılımlar : Bir tür böcek 6 gün yaşadıktan sonra iki gün içinde aynı miktarlarda azalıp ölmektedir. X rasgele değişkeni bu türden bir böceğin ömrü olmak üzere, X U (6,8) dır.

Detaylı

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

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

Detaylı

Analog Alçak Geçiren Filtre Karakteristikleri

Analog Alçak Geçiren Filtre Karakteristikleri Analog Alçak Geçiren Filtre Karakteristikleri Analog alçak geçiren bir filtrenin genlik yanıtı H a (jω) aşağıda gösterildiği gibi verilebilir. Ω p : Geçirme bandı kenar frekansı Ω s : Söndürme bandı kenar

Detaylı

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

Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma 2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal

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

VERİ KÜMELERİNİ BETİMLEME

VERİ KÜMELERİNİ BETİMLEME BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik

Detaylı

Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir?

Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir? İSTATİSTİK Bir sonuç çıkarmak ya da çözüme ulaşabilmek için gözlem, deney, araştırma gibi yöntemlerle toplanan bilgiye veri adı verilir. Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin

Detaylı

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi Değişken. w ( ) 1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere

Detaylı

KABLOSUZ İLETİŞİM

KABLOSUZ İLETİŞİM KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ FREKANS MODÜLASYONU İçerik 3 Açı modülasyonu Frekans Modülasyonu Faz Modülasyonu Frekans Modülasyonu Açı Modülasyonu 4 Açı modülasyonu Frekans Modülasyonu

Detaylı

MIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar

MIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar MIT Açık Ders Malzemesi http://ocw.mit.edu 8.334 İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 008 Bahar Bu malzemeye atıfta bulunmak ve Kullanım Şartlarımızla ilgili bilgi almak için http://ocw.mit.edu/terms

Detaylı

PID SÜREKLİ KONTROL ORGANI:

PID SÜREKLİ KONTROL ORGANI: PID SÜREKLİ KONTROL ORGANI: Kontrol edilen değişken sürekli bir şekilde ölçüldükten sonra bir referans değer ile karşılaştırılır. Oluşacak en küçük bir hata durumunda hata sinyalini değerlendirdikten sonra,

Detaylı

Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü

Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü KABLOSUZ AĞ TEKNOLOJİLERİ VE UYGULAMALARI LABORATUAR FÖYÜ Analog Haberleşme Uygulamaları Doç. Dr. Cüneyt BAYILMIŞ

Detaylı

MIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte

Detaylı

Gerçekte yükler yayılı olup, tekil yük problemlerin çözümünü kolaylaştıran bir idealleştirmedir.

Gerçekte yükler yayılı olup, tekil yük problemlerin çözümünü kolaylaştıran bir idealleştirmedir. STATIK VE MUKAVEMET 4. Ağırlık Merkezi AĞIRLIK MERKEZİ Gerçekte yükler yayılı olup, tekil yük problemlerin çözümünü kolaylaştıran bir idealleştirmedir. Statikte çok küçük bir alana etki eden birbirlerine

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde

Detaylı

Matematik Ders Notları. Doç. Dr. Murat Donduran

Matematik Ders Notları. Doç. Dr. Murat Donduran Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları

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

Ders 4: Rastgele Değişkenler ve Dağılımları

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

Detaylı

Probability Density Function (PDF, Sürekli fonksiyon)

Probability Density Function (PDF, Sürekli fonksiyon) Varyans Bir serideki her elemanın ortalamadan farklarının karelerinin toplamının, serideki eleman sayısına bölümü ile elde edilir. Standart Sapma Varyansın kareköküdür. Eğer birçok veri ortalamaya yakın

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

İstatistik ve Olasılık

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

Detaylı

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın

Detaylı

OFDM Sisteminin AWGN Kanallardaki Performansının İncelenmesi

OFDM Sisteminin AWGN Kanallardaki Performansının İncelenmesi Akademik Bilişim 09 - XI. Akademik Bilişim Konferansı Bildirileri 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa OFDM Sisteminin AWGN Kanallardaki Performansının İncelenmesi Karadeniz Teknik Üniversitesi,

Detaylı

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.

Detaylı

DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3.

DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3. DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3. DENEY AÇI MODÜLASYONUNUN İNCELENMESİ-1 Arş. Gör. Osman DİKMEN

Detaylı

Yüksek Mobiliteli OFDM Sistemleri için Ortak Veri Sezimleme ve Kanal Kestirimi

Yüksek Mobiliteli OFDM Sistemleri için Ortak Veri Sezimleme ve Kanal Kestirimi Yüksek Mobiliteli OFDM Sistemleri için Ortak Veri Sezimleme ve Kanal Kestirimi Erdal Panayırcı, Habib Şenol ve H. Vincent Poor Elektronik Mühendisliği Kadir Has Üniversitesi, İstanbul, Türkiye Elektrik

Detaylı

KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM

KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM M.Ali Akcayol Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü (Yüksek Lisans Tezinden Bir Bölüm) Şekil 1'

Detaylı

Test İstatistikleri AHMET SALİH ŞİMŞEK

Test İstatistikleri AHMET SALİH ŞİMŞEK Test İstatistikleri AHMET SALİH ŞİMŞEK İçindekiler Test İstatistikleri Merkezi Eğilim Tepe Değer (Mod) Ortanca (Medyan) Aritmetik Ortalama Merkezi Dağılım Dizi Genişliği (Ranj) Standart Sapma Varyans Çarpıklık

Detaylı

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...

1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... 1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar

Detaylı

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

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

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir. BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden

Detaylı

Merkezi Yığılma ve Dağılım Ölçüleri

Merkezi Yığılma ve Dağılım Ölçüleri 1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu

Detaylı

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )

Yapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( ) İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.

Detaylı

İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014)

İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014) İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014) S-1) Bir otoyol üzerinde radarla hız kontrolü yapan, polis ekipler tarafından tespit edilen tane aracın hızları aşağıdaki tabloda

Detaylı

ANALOG İLETİŞİM SİSTEMLERİNDE İLETİM KAYIPLARI

ANALOG İLETİŞİM SİSTEMLERİNDE İLETİM KAYIPLARI BÖLÜM 6 1 Bu bölümde, işaretin kanal boyunca iletimi esnasında görülen toplanır Isıl/termal gürültünün etkilerini ve zayıflamanın (attenuation) etkisini ele alacağız. ANALOG İLETİŞİM SİSTEMLERİNDE İLETİM

Detaylı

ELK 318 İLETİŞİM KURAMI-II

ELK 318 İLETİŞİM KURAMI-II ELK 318 İLETİŞİM KURAMI-II Nihat KABAOĞLU Kısım 5 DERSİN İÇERİĞİ Sayısal Haberleşmeye Giriş Giriş Sayısal Haberleşmenin Temelleri Temel Ödünleşimler Örnekleme ve Darbe Modülasyonu Örnekleme İşlemi İdeal

Detaylı

Mühendislikte İstatistiksel Yöntemler

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

Detaylı

Prof.Dr.İhsan HALİFEOĞLU

Prof.Dr.İhsan HALİFEOĞLU Prof.Dr.İhsan HALİFEOĞLU FREKANS DAĞILIMLARINI TANIMLAYICI ÖLÇÜLER Düzenlenmiş verilerin yorumlanması ve daha ileri düzeydeki işlemler için verilerin bütününe ait tanımlayıcı ve özetleyici ölçülere ihtiyaç

Detaylı

5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri

5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri Elektrik devrelerinde ölçülebilen büyüklükler olan; 5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri Akım Gerilim Devrede bulunan kaynakların tiplerine göre değişik şekillerde olabilir. Zamana bağlı

Detaylı

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle

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

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

VERİ SETİNE GENEL BAKIŞ

VERİ SETİNE GENEL BAKIŞ VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım

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

Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.

Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X(x ) dx Sürekli

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

Bölümü : Telekomünikasyon Mühendisliği. Programı : Telekomünikasyon Mühendisliği. Danışmanı : Prof. Dr. Mine KALKAN MAYIS 2007

Bölümü : Telekomünikasyon Mühendisliği. Programı : Telekomünikasyon Mühendisliği. Danışmanı : Prof. Dr. Mine KALKAN MAYIS 2007 İSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK ELEKTRONİK FAKÜLTESİ MOBİL İLETİŞİMDE SÖNÜMLEMELİ KANAL SİMÜLASYONU BİTİRME ÖDEVİ ENGİN ONUR CÖMERT 040030621 Bölümü : Telekomünikasyon Mühendisliği Programı : Telekomünikasyon

Detaylı

HABERLEŞMENIN AMACI. Haberleşme sistemleri istenilen haberleşme türüne göre tasarlanır.

HABERLEŞMENIN AMACI. Haberleşme sistemleri istenilen haberleşme türüne göre tasarlanır. 2 HABERLEŞMENIN AMACI Herhangi bir biçimdeki bilginin zaman ve uzay içinde, KAYNAK adı verilen bir noktadan KULLANICI olarak adlandırılan bir başka noktaya aktarılmasıdır. Haberleşme sistemleri istenilen

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

NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ

NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ History in Pictures - On January 5th, 1940, Edwin H. Armstrong transmitted thefirstfmradiosignalfromyonkers, NY to Alpine, NJ to Meriden, CT to Paxton, MA to Mount Washington. 5 January is National FM

Detaylı

Alternatif Akım; Zaman içerisinde yönü ve şiddeti belli bir düzen içerisinde değişen akıma alternatif akım denir.

Alternatif Akım; Zaman içerisinde yönü ve şiddeti belli bir düzen içerisinde değişen akıma alternatif akım denir. ALTERNATiF AKIM Alternatif Akım; Zaman içerisinde yönü ve şiddeti belli bir düzen içerisinde değişen akıma alternatif akım denir. Doğru akım ve alternatif akım devrelerinde akım yönleri şekilde görüldüğü

Detaylı

Ölçme Sonuçları Üzerinde İstatistiksel İşlemler

Ölçme Sonuçları Üzerinde İstatistiksel İşlemler Ölçme Sonuçları Üzerinde İstatistiksel İşlemler Bir grup birey veya nesnenin belli bir özelliğe sahip olup olmadığı ya da belli bir özelliğe ne derece sahip olduğunu belirlemek amacı ile ölçme işlemi yapılır.

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

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri

Detaylı

Burada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir.

Burada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir. DALGA İSAİSİĞİ Dalga teorileri genel olarak açık deni yapılarının tasarımında ortaya çıkan problemlere yanıt bulmak amacıyla kullanılır. Bu teorilerin temelinde, öellikleri bir periyod dan diğer bir periyoda

Detaylı

Yayılı Spektrum Haberleşmesinde Kullanılan Farklı Yayma Dizilerinin Boğucu Sinyallerin Çıkarılması Üzerine Etkilerinin İncelenmesi

Yayılı Spektrum Haberleşmesinde Kullanılan Farklı Yayma Dizilerinin Boğucu Sinyallerin Çıkarılması Üzerine Etkilerinin İncelenmesi Yayılı Spektrum Haberleşmesinde Kullanılan Farklı Yayma Dizilerinin Boğucu Sinyallerin Çıkarılması Üzerine Etkilerinin İncelenmesi Ahmet Altun, Engin Öksüz, Büşra Ülgerli, Gökay Yücel, Ali Özen Nuh Naci

Detaylı

SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ

SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ 2.1. Sinyal Üretimi Bu laboratuarda analog sinyaller ve sistemlerin sayısal bir ortamda benzetimini yapacağımız için örneklenmiş sinyaller üzerinde

Detaylı

MAT355 Kompleks Fonksiyonlar Teorisi I Hafta 2. yapılırsa bu durumda θ ya z nin esas argümenti denir ve Argz ile gösterilir. argz = Argz + 2nπ, n Z

MAT355 Kompleks Fonksiyonlar Teorisi I Hafta 2. yapılırsa bu durumda θ ya z nin esas argümenti denir ve Argz ile gösterilir. argz = Argz + 2nπ, n Z MAT355 Kompleks Fonksiyonlar Teorisi I Hafta 1.. Kutupsal Formda Gösterim z x + iy vektörünün pozitif reel eksenle yaptığı açıya θ diyelim. cos θ x, sin θ y ve buradan tan θ y θ arctan y olup θ ya z z

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

Veri nedir? Bir öğrenci kümesine uygulanan bir sınavdan elde edilen puanların herhangi bir işlem yapılmamış haline ham veri denir (ham puanlar) denir.

Veri nedir? Bir öğrenci kümesine uygulanan bir sınavdan elde edilen puanların herhangi bir işlem yapılmamış haline ham veri denir (ham puanlar) denir. Dr. Sedat Şen 1 Veri nedir? Bir öğrenci kümesine uygulanan bir sınavdan elde edilen puanların herhangi bir işlem yapılmamış haline ham veri denir (ham puanlar) denir. Değer nedir? Bir veriyi (puanlar dizisini)

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

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

Detaylı

RÜZGÂR TÜRBİNLERİNDE MİL MOMENTİ VE GÜÇ

RÜZGÂR TÜRBİNLERİNDE MİL MOMENTİ VE GÜÇ 1 RÜZGÂR TÜRBİNLERİNDE MİL MOMENTİ VE GÜÇ Rüzgâr türbin kanatları elektrik generatörüne ya doğrudan bağlıdır veya bir dişli ünitesi üzerinden bağlıdır. Burada dönen milin momenti gücün açısal hıza bölümüne

Detaylı

5. SUNUM. Verilerin düzenlenmesi Verilerin gruplandırılması Merkezi eğilim ölçüleri Merkezi dağılım ölçüleri Standart puanlar. Yrd. Doç. Dr.

5. SUNUM. Verilerin düzenlenmesi Verilerin gruplandırılması Merkezi eğilim ölçüleri Merkezi dağılım ölçüleri Standart puanlar. Yrd. Doç. Dr. 5. SUNUM Verilerin düzenlenmesi Verilerin gruplandırılması Merkezi eğilim ölçüleri Merkezi dağılım ölçüleri Standart puanlar Yrd. Doç. Dr. Sedat ŞEN 08.09.2016 1 Veri nedir? Bir öğrenci kümesine uygulanan

Detaylı

ANALOG İLETİŞİM. 3. Kanal ayrımı sağlar. Yani modülasyon sayesinde aynı iletim hattında birden çok bilgi yollama olanağı sağlar.

ANALOG İLETİŞİM. 3. Kanal ayrımı sağlar. Yani modülasyon sayesinde aynı iletim hattında birden çok bilgi yollama olanağı sağlar. ANALOG İLETİŞİM Modülasyon: Çeşitli kaynaklar tarafından üretilen temel bant sinyalleri kanalda doğrudan iletim için uygun değildir. Bu nedenle, gönderileek bilgi işareti, iletim kanalına uygun bir biçime

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

EEM HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ

EEM HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EEM3006 - HABERLEŞME TEORİSİ NİĞDE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ EEM3006 - HABERLEŞME TEORİSİ Dersin Öğretim Elemanı: Yrd. Doç. Dr. Yasin KABALCI Ders Görüşme

Detaylı

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki

Detaylı

STATIK VE MUKAVEMET 4. Ağırlık Merkezi. Yrd. Doç. Dr. NURHAYAT DEĞİRMENCİ

STATIK VE MUKAVEMET 4. Ağırlık Merkezi. Yrd. Doç. Dr. NURHAYAT DEĞİRMENCİ STATIK VE MUKAVEMET 4. Ağırlık Merkezi Yrd. Doç. Dr. NURHAYAT DEĞİRMENCİ AĞIRLIK MERKEZİ Gerçekte yükler yayılı olup, tekil yük problemlerin çözümünü kolaylaştıran bir idealleştirmedir. Statikte çok küçük

Detaylı

BMÜ-421 BENZETIM VE MODELLEME STOKASTİK ÜRETEÇLER. İlhan AYDIN

BMÜ-421 BENZETIM VE MODELLEME STOKASTİK ÜRETEÇLER. İlhan AYDIN BMÜ-421 BENZETIM VE MODELLEME STOKASTİK ÜRETEÇLER İlhan AYDIN RASGELE SAYI ÜRETEÇLERİ BMÜ-421 Benzetim ve Modelleme 2 Deterministik terimler ile doğayı tanımlamak geleneksel bir yoldur. Doğa ve mühendislik

Detaylı

Bölüm 3 Merkezi Konum (Eğilim) Ölçüleri. Giriş Veri kümesi. Ortalamalar iki grupta incelenir. A. Duyarlı olan ortalama. B. Duyarlı olmayan ortalama

Bölüm 3 Merkezi Konum (Eğilim) Ölçüleri. Giriş Veri kümesi. Ortalamalar iki grupta incelenir. A. Duyarlı olan ortalama. B. Duyarlı olmayan ortalama GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Bölüm 3 Merkezi Konum (Eğilim) Ölçüleri Yrd. Doç. Dr. Safa KARAMAN 1 2 Giriş Veri kümesi Verileri betimlemenin ve özetlemenin bir diğer yolu da verilerin bir

Detaylı

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN SİMÜLASYON ÇEŞİTLERİ Günümüz simülasyonları gerçek sistem davranışlarını, zamanın bir fonksiyonu olduğu düşüncesine dayanan Monte Carlo yöntemine dayanır. 1.

Detaylı

Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop. Teorik Bilgi

Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop. Teorik Bilgi DENEY 8: PASİF FİLTRELER Deneyin Amaçları Pasif filtre devrelerinin çalışma mantığını anlamak. Deney Malzemeleri Direnç(330Ω), bobin(1mh), sığa(100nf), fonksiyon generatör, multimetre, breadboard, osiloskop.

Detaylı