Konular. VERİ MADENCİLİĞİ Veri Önişleme. Değer Kümeleri. Veri Nedir? Nitelik Türleri. Konular
|
|
- Selim Caner
- 7 yıl önce
- İzleme sayısı:
Transkript
1 0 Koular VERİ MADENCİLİĞİ Ver Öşleme Yrd. Doç. Dr. Şule Güdüz Öğüdücü Öşleme y Taıma Bezerlk ve farklılık Ver Nedr? eseler ve eseler telklerde oluşa küme kayıt (record), varlık (etty), örek (sample, stace) ese ç kullaılablr. Ntelk (attrbute) br ese (object) br özellğdr br saı yaşı, ortamı sıcaklığı.. boyut (dmeso), özellk (feature, characterstc) olarak da kullaılır Ntelkler ve bu telklere at değerler br esey oluşturur. eseler telkler Td Ger Mede Ödeme Durum Gelr Evet Bekar 5K - Hayır Evl 00K - 3 Hayır Bekar 70K - 4 Evet Evl 0K - 5 Hayır Boşamış 95K 6 Hayır Evl 60K - 7 Evet Boşamış 0K - 8 Hayır Bekar 85K 9 Hayır Evl 75K - 0 Hayır Bekar 90K Dola dırıcı Değer Kümeler Ntelk ç saptamış sayılar veya semboller Ntelk & Değer Kümeler ayı telk farklı değer kümelerde değer alablr ağırlık kg, lb farklı telkler ayı değer kümesde değer alablrler ID, yaş her ks de sayısal 3 4 Ntelk Türler Koular Bell aralıkta yerala değşkeler (terval) sıcaklık, tarh İkl değşkeler (bary) Öşleme y Taıma csyet Ayrık ve sıralı değşkeler (omal, ordal, rato scaled) göz reg, posta kodu Bezerlk ve farklılık 5 6
2 Problem Ver Gürültülü Olma Nedeler Gerçek uygulamalarda toplaa ver krl eksk bazı telk değerler bazı eseler ç grlmemş, ver madeclğ uygulaması ç gerekl br telk kaydedlmemş meslek = gürültülü hatalar var maaş= -0 tutarsız telk değerler veya telk smler uyumsuz yaş= 35, d.tarh 03/0/004 öcek oylama değerler,,3, ye oylama değerler A,B,C br kayakta telk değer ad, dğerde sm Eksk ver kayıtlarıı edeler topladığı sırada br telk değer elde edlememes, blmemes topladığı sırada bazı telkler gerekllğ görülememes İsa, yazılım ya da doaım problemler Gürültülü (hatalı) ver kayıtlarıı edeler Hatalı ver toplama gereçler İsa, yazılım ya da doaım problemler letm sırasıda problemler Tutarsız ver kayıtlarıı edeler farklı ver kayaklarıda tutulması İşlevsel bağımlılık kurallarıa uyulmaması 7 8 Souç Ver Öşleme güvelmez madeclğ souçlarıa güveleblr m? Kullaılablr ver madeclğ souçları kaltel ver le elde edleblr kaltel se ver madeclğ uygulamaları le yararlı blg bulma şası daha fazla. Eksk telk değerler tamamlama, hatalı very düzeltme, aykırılıkları saptama ve temzleme, tutarsızlıkları gderme Farklı ver kayağıdak verler brleştrme Normalzasyo ve brktrme Ayı ver madeclğ souçları elde edlecek şeklde ver mktarıı azaltma 9 0 Ver Öşleme Koular Öşleme y Taıma Bezerlk ve farklılık
3 Very Taımlayıcı Özellkler Amaç Very daha y alamak Merkez eğlm (cetral tedecy), varyasyo, yayılma, dağılım dağılım özellkler Ortaca, e büyük, e küçük, sıklık dereces, aykırılık, varyas Sayısal telkler -> sıralaablr değerler ver dağılımı kutu grafğ çzm ve sıklık dereces celemes Merkez Eğlm Ölçme = Ortalama μ = = N w = ağırlıklı ortalama = kırpılmış ortalama Uç değerler kullamada w = hesaplama Ortaca (meda) Ver tümü kullaılarak hesaplaır ver sayısı tek se ortadak değer, çft sayı se ortadak k değer ortalaması / ( f ) meda = L c Mod l + ( ) fmeda çde e sıklıkla görüle değer Umodal, bmodal, trmodal deeysel formül mea mode = 3 ( mea meda) 3 4 Smetrk Asmetrk Dağılım Smetrk ve asmetrk ver ortalama, ortaca ve mod değerler Mea Meda Mode Ver Dağılımıı Ölçme Çeyrek, aykırılıklar, kutu grafğ çzm Çeyrek (quartle) telk değerler küçükte büyüğe doğru sıralaır. Q lk %5, Q3 lk %75 Dörtlü aralık (Iter-quartle Rage) IQR= Q3-Q Fve Number Summary m, Q, meda, Q3, ma Kutu Grafğ Çzm Q ve Q3 aralığıda br kutu kutu çde ortaca oktayı göstere br çzg kutuda m ve ma değerlere brer uzatı Aykırılıklar,5IQR değerde küçük/büyük ola değerler Varyas ve stadart sapma s = = ( ) = = = [ ( ) ] σ = ( μ ) = N = N = μ 5 6 Quatle Plot Scatter Plot bütüüü br telk değere göre görütüleme br telk değere göre küçükte büyüğe doğru sıralaır değer ç % 00 f mktardak ver değerde küçük ya da eşttr İk sayısal telk değer arasıdak lşky görmek 7 8 3
4 Koular Ver Temzleme Öşleme y Taıma Gerçek uygulamalarda ver eksk, gürültülü veya tutarsız olablr. şlemler Eksk telk değerler tamamlama Aykırılıkları buluması ve gürültülü ver düzeltlmes Tutarsızlıkları gderlmes Bezerlk ve farklılık 9 0 Eksk Ver Eksk Verler asıl Tamamlaır? ç bazı telkler değerler her zama blemeyeblr. Eksk ver dğer ver kayıtlarıyla tutarsızlığı edeyle slmes Bazı telk değerler hatalı olması dolayısıyla slmes yalış alama soucu kaydedlmeme ver grş sırasıda bazı telkler öemsz görme Eksk telk değerler ola ver kayıtlarıı kullama Eksk telk değerler elle doldur Eksk telk değerler ç global br değşke kulla (Null, blmyor,) Eksk telk değerler o telğ ortalama değer le doldur Ayı sııfa at kayıtları telk değerler ortalaması le doldur Olasılığı e fazla ola telk değeryle doldur Gürültülü Ver Gürültülü Ver asıl Düzeltlr? Ölçüle br değerdek hata Gürültüyü yok etme Yalış telk değerler Bölmeleme hatalı ver toplama gereçler ver grş problemler ver letm problemler tekolojk kısıtlar telk smlerde tutarsızlık ver sıralaır, eşt geşlk veya eşt derlk le bölüür Demetleme aykırılıkları belrler Eğr uydurma very br foksyoa uydurarak gürültüyü düzeltr http//cotrol.cs.berkeley.edu/abc/ 3 4 4
5 Bölmeleme sıralaır 4, 8, 5,,, 4, 5, 8, 34 Eşt geşlk Bölme sayısı belrler. Eşt aralıklarla bölüür Eşt derlk Her bölmede eşt sayıda örek kalacak şeklde bölüür. her bölme ortalamayla ya da bölme e alt ve üst sıırlarıyla temsl edlr Demetleme Bezer verler ayı demette olacak şeklde gruplaır Bu demetler dışıda kala verler aykırılık olarak belrler ve slr Bölme geşlğ3. Bölme 4, 8, 5. Bölme,, 4 3. Bölme 5, 8, 34 Ortalamayla düzeltme. Bölme 9, 9, 9. Bölme,, 3. Bölme 9, 9, 9 Alt-üst sıırla düzeltme. Bölme 4, 4, 5. Bölme,, 4 3. Bölme 5, 5, Eğr Uydurma Koular br foksyoa uydurulur. Doğrusal eğr uydurmada, br değşke değer dğer br değşke kullaılarak buluablr. Y Y X y = + Öşleme y Taıma Bezerlk ve farklılık 7 8 Ver Brleştrme Gereksz Ver Farklı kayaklarda verler tutarlı olarak brleştrlmes Şema brleştrlmes Ayı varlıkları saptaması A.cust_d=B.cust_um meta ver kullaılır Ntelk değerler tutarsızlığıı saptaması Ayı telk ç farklı kayaklarda farklı değerler olması Farklı metrkler kullaılması 9 Farklı ver kayaklarıda verler brleştrlce gereksz (fazla) ver oluşablr ayı telk farklı kayaklarda farklı smle br telğ değer başka br telk kullaılarak hesaplaablr korelasyo hesaplaması sayısal telkler =0 telkler bağımsız, >0 poztf korelasyo, <0 egatf korelasyo r A, B ( A A)( B B) A = A = ( )σ σ korelasyo hesaplaması ayrık telkler (ch-square test) χ = A B ( Observed Epected Epected σ A ) ( A A) = 30 5
6 Koular Ver Döüşümü Öşleme y Taıma Bezerlk ve farklılık, ver madeclğ uygulamaları ç uygu olmayablr Seçle algortmaya uygu olmayablr belrleyc değl Çözüm düzeltme Bölmeleme Demetleme Eğr Uydurma Brktrme Geelleme Normalzasyo Ntelk oluşturma 3 3 Bölmeleme ve Demetleme Yötemler le Ver Düzeltme Normalzasyo Ver Eşt derlk Eşt geşlk demetleme K-ortalama m-ma ormalzasyo v ma v ' = ( ew _ maa ew_ ma) + ew_ m maa ma z-score ormalzasyo v mea A v ' = stad _ dev odalık ormalzasyo v v'= j Ma( v' )< olacak şekldek e küçük tam sayı j 0 A A Ntelk Oluşturma Koular Ye telkler yarat orjal telklerde daha öeml blg çers ala=boy e ver madeclğ algortmalarıı başarımı daha y olsu Öşleme y Taıma Bezerlk ve farklılık
7 Ver Azaltma mktarı çok fazla olduğu zama ver madeclğ algortmalarıı çalışması ve souç üretmes çok uzu süreblr very azaltma başarımı artırır soucu (erdeyse) hç değşmemes gerekr telk brleştrme telk azaltma ver sıkıştırma ver ayrıştırma ve kavram oluşturma ver küçültme eğr uydurma demetleme hstogram örekleme Ntelk Brleştrme Tarh Qtr Qtr3Qtr4Qtr sum TV PC U.S.A VCR sum Caada Meco Ürü sum Ülke Ürü Sorgulama ç gerekl ola boyutlar kullaılıyor. Tarh TV PC U.S.A VCR sum Caada Meco sum Ülke Ntelk Seçme - Ntelk Azaltma Ntelk Seçme Ntelkler kümes br alt kümes seçlerek ver madeclğ şlem yapılır Ntelk azaltma d boyutlu ver kümes k<d olacak şeklde k boyuta taşıır Ntelk Seçme Ntelk seçme madeclğ uygulaması ç gerekl ola telkler seçlmes Ntelkler altkümes kullaılarak elde edle sııfları dağılımları gerçek dağılıma eşt ya da çok yakı olmalı madeclğ şlem yer ve zama karmaşıklığıı azaltma Sstem başarımıı artırma Sezgsel yötemler kullaılarak telkler seçleblr. statstksel alamlılık test (statstcal sgfcace) blg kazacı (formato ga) karar ağaçları Örek Ntelk Azaltma Başlagıç telkler kümes {A, A, A3, A4, A5, A6} A4? Çok boyutlu very daha küçük boyutlu uzaya taşıma d telkte oluşa adet ver D={,,, } k boyutlu uzaya taşıır A? A6? d k R y R ( k << d) Class Class Class Class kümesde yer ala bütü telkler kullaılır Ntelkler doğrusal kombasyou Ntelkler ayırıcılığıa artırma Seçle telk kümes {A, A4, A6} 4 4 7
8 Ver Sıkıştırma Ver Ayrıştırma boyutuu azaltır daha az saklama ortamı verye ulaşmak daha çabuk Kayıplı ve kayıpsız ver sıkıştırma bazı yötemler bazı ver tplere uygu her ver tp ç kullaıla yötemler de var Eğer ver madeclğ yötem sıkıştırılmış ver üzerde doğruda çalışablyorsa elverşl Bazı ver madeclğ algortmaları sadece ayrık verler le çalışır Sürekl br telk değer bölerek her aralığı etketler değer, buluduğu aralığı etket le değşr boyutu küçülür Kavram oluşturmak ç kullaılır Kavram Oluşturma Ver Küçültme Sayısal verler y farklı şekllerde gösterme çok geş aralıkta olablr parametrk değerler çok sık değşeblr eğr uydurma Sayısal verler ç kavram oluşturma parametrk olmaya bölmeleme hstogram demetleme hstogram demetleme örekleme etrop Hstogram le Ver Küçültme Demetleme le Ver Küçültme dağılımı y bölerek her bölüm ç ver değer gösterr (toplam, ortalama) eşt geşlk (equ-wdth) bölmeler geşlğ eşt eşt yükseklk (equ-heght) her bölmedek ver sayısı eşt v-optmal e az varyası ola hstogram Σ(cout b *value b ) MaDff bölme geşlğ kullaıcı belrler demetlere ayrılır demetler temsl ede örekler (demet merkezler) ve aykırılıklar le temsl edlr Etks ver dağılımıa bağlı Hyerarşk demetleme yötemler kullaılablr
9 Örekleme le Ver Küçültme Örek Büyük ver kümes daha küçük br alt küme le temsl etme Alt küme asıl seçlyor? yere koymada örekleme (SRSWOR) yere koyarak örekleme (SRSWR) demet örekleme (yere koymada veya koyarak) katma örekleme (katma telk değere göre grup) Örekleme T T T3 T4 T5 T6 T7 T8 SRSWOR SRSWR T5 T T8 T6 T4 T7 T4 T Örek Örek Demetleme Katma Örekleme T T00 T0 T90 T0 T0 T300 T70 T geç T geç T3 geç T4 geç T5 orta yaşlı T6 orta yaşlı T7 orta yaşlı T8 orta yaşlı T9 orta yaşlı T0 orta yaşlı T orta yaşlı T orta yaşlı T3 yaşlı T4 yaşlı T geç T4 geç T6 orta yaşlı T7 orta yaşlı T9 orta yaşlı T orta yaşlı T3 yaşlı 5 5 Koular Bezerlk ve Farklılık Öşleme y Taıma Bezerlk ve farklılık Bezerlk k ese bezerlğ ölçe sayısal değer eseler brbre daha bezer se daha büyük geelde 0- aralığıda değer alır Farklılık k ese brbrde e kadar farklı olduğuu göstere sayısal değer eseler brbre daha bezer se daha küçük e küçük farklılık geelde 0 üst sıır değşeblr
10 kümes Ökld Uzaklığı Uzaklık matrs Ökld uzaklığı (Eucldea Dstace) eseler arası farklılığı bulmak ç kullaılır. p adet telğ (boyutu) ola ve j eseler arasıdak uzaklık d (, j) = j + j + + p jp 0 d(,) d(3, ) d (,) f f f 0 d (3,) d (,) 0 p p p Örek Ökld Uzaklığı p p3 p4 p Uzaklık Matrs ese y p 0 p 0 p3 3 p4 5 p p p3 p4 p p p p Mkowsk Uzaklığı Ökld uzaklığıı geelleştrlmş hal = j j j q postf tam sayı q q q d (, j) q ( ) p p q= Mahatta uzaklığı Uzaklık Özellkler q= Mahatta Uzaklığı q= Ökld Uzaklığı Uzaklık ölçütüü sağlaması gereke özellkler. d(,j) 0. d(,)=0 3. d(,j)=d(j,) 4. d(,j) d(,h)+d(h,j) Uzaklıklar ağırlıklı olarak da hesaplaablr d (, j) = w j + w j + + wp p jp Bezerlk Özellkler İkl Değşkeler Arası Bezerlk İk ese arası bezerlk özellkler. sm(,j)>=0. sm(,j)=sm(j,) İkl br değşke 0 veya olarak k değer olablr. Br olasılık tablosu oluşturulur Nese 0 Nese j 0 M 00 M 0 M 0 M Yalı uyum katsayısı (smple matchg coeffcet) kl değşke smetrk olduğu durumlarda M+ M00 sm (, j) = M + M + M + M Jaccard katsayısı (İkl değşke asmetrk olduğu durumlar) M d(, j) = M + M + M 00 0 M 00 eses 0, j eses 0 olduğu telkler sayısı M 0 eses, j eses 0 olduğu telkler sayısı M 0 eses 0, j eses olduğu telkler sayısı M eses, j eses olduğu telkler sayısı
11 Örek p = q = M 0 = M 0 = M 00 = 7 M = 0 Yalı Uyum Katsayısı (M + M 00 )/(M 0 + M 0 + M + M 00 ) = (0+7) / (++0+7) = 0.7 Jaccard Katsayısı (M ) / (M 0 + M 0 + M ) = 0 / ( + + 0) = 0 Kosüs Bezerlğ d ve d k doküma. Kosüs bezerlğ cos(d,d )=d d / d d d d j k dokümaı vektör çarpımı d d dokümaıı uzuluğu Örek d = d = d d = 3* + *0 + 0*0 + 5*0 + 0*0 + 0*0 + 0*0 + * + 0*0 + 0* = 5 d = (3*3+*+0*0+5*5+0*0+0*0+0*0+*+0*0+0*0) 0.5 = (4) 0.5 = 6.48 d = (*+0*0+0*0+0*0+0*0+0*0+0*0+*+0*0+*) 0.5 = (6) 0.5 =.45 cos( d, d ) =
Konular. VERİ MADENCİLİĞİ Veri Önişleme. Değer Kümeleri. Veri Nedir? Nitelik Türleri. Konular. Veri Veri Önişleme Benzerlik ve farklılık
0 VERİ MADENCİLİĞİ Veri Önişleme Yrd. Doç. Dr. Şule Gündüz Öğüdücü Veri Nedir? nesneler ve nesnelerin niteliklerinden oluşan küme kayıt (record), varlık (entity), örnek (sample, instance) nesne için kullanılabilir.
DetaylıVERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Veri Ön İşleme-2) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme
DetaylıVERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Veri Önişleme-1) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr Genel İçerik Veri Madenciliğine Giriş Veri Madenciliğinin Adımları Veri Madenciliği Yöntemleri Sınıflandırma Kümeleme
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
DetaylıÖRNEKLEME 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
DetaylıTanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ
Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).
Detaylı= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama
TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)
DetaylıGiriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:
Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıMERKEZİ EĞİLİM ÖLÇÜLERİ
MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR
ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ
DetaylıBİYOİSTATİSTİK 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
Detaylıdeğerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.
Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade
DetaylıSıklık Tabloları ve Tek Değişkenli Grafikler
Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıTanımlayıcı İstatistikler
TANIMLAYICI İSTATİSTİKLER MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl@deu.edu.tr Taımlayıcı İstatstkler Yer Ölçüler (Merkez Eğlm Ölçüler) Duyarlı Ortalamalar
DetaylıPolinom İnterpolasyonu
Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır
DetaylıBEKLENEN DEĞER VE VARYANS
BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee
Detaylı(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü
FİZ433 FİZİKTE BİLGİSAYAR UYGULAMALARI DERS NOTLARI Hazırlaya: Pro.Dr. Orha ÇAKIR Akara Üverstes, Fe Fakültes, Fzk Bölümü Akara, 7! İÇİNDEKİLER. LİNEER OLMAYAN DENKLEMLERİN KÖKLERİNİN BULUNMASI I/II. LİNEER
Detaylı4/4/2013. 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)
DetaylıİSTATİSTİK 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
DetaylıVeri 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
DetaylıDoç. Dr. Mehmet AKSARAYLI
Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br
DetaylıDeğişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ
Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde
Detaylıİstatistik 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
DetaylıQuality Planning and Control
Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618
DetaylıĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1
ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ
DetaylıNİÇİN 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
DetaylıTahmin 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
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede
Detaylı4/16/2013. 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
DetaylıBir Alışveriş Merkezinde Hizmet Sektörü Đçin En Kısa Yol Problemi ile Bir Çözüm
Br Alışverş Merkezde Hzmet Sektörü Đç E Kısa Yol Problem le Br Çözüm Pıar Düdar, Mehmet Al Balcı, Zeyep Örs Yorgacıoğlu Ege Üverstes, Matematk Bölümü, Đzmr Yaşar Üverstes, Matematk Bölümü, Đzmr par.dudar@ege.edu.tr,
DetaylıDEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER
TAŞINMAZ GELİŞTİRME Üte: DEĞİŞİM ÖLÇÜLERİ Doç. Dr. üksel TERZİ TAŞINMAZ GELİŞTİRME TEZSİZ ÜKSEK LİSANS PROGRAMI İÇİNDEKİLER.1. GİRİŞ.. DEĞİŞİM ÖLÇÜLERİ..1. Değşm Geşlğ... Kartller Arası fark... Ortalama
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıALTERNATİF 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
Detaylıİstatistik 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
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
DetaylıHĐPERSTATĐK SĐSTEMLER
HĐPERSTATĐK SĐSTELER Taım: Bütü kest zorları, şekldeğştrmeler ve yerdeğştrmeler belrlemes ç dege deklemler yeterl olmadığı sstemlere hperstatk sstemler der. Hperstatk sstemler hesabı ç, a) Dege deklemlere,
DetaylıBilgisayarla Görüye Giriş
Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama
DetaylıSayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç
Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu
Detaylıİşlenmemiş 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
DetaylıBÖLÜM 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
DetaylıYÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı
YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam
DetaylıTANIMLAYICI İSTATİSTİKLER
4 TANIMLAYICI İSTATİSTİKLER 4.. Merkez Eğlm Ölçüler 4... Artmetk Ortalama 4... Ağırlıklı Artmetk Ortalama 4..3. Keslmş artmetk ortalama 4..4. Geometrk Ortalama 4..5. Harmok Ortalama 4..6. Kuadratk Ortalama
DetaylıÖnceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan
III.5.RUNGE-KUTTA METODLARI Öcek bölümde özelee Talor meodlarıda erel kesme aa merebes üksek oluşu sele br özellkr. Dğer araa ürevler buluma ve esaplaması pek çok problem ç karmaşık ve zama alıcı olduğuda
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde
DetaylıYILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak
YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes
DetaylıVEKTÖRLER VE VEKTÖREL IŞLEMLER
VEKTÖRLER VE VEKTÖREL IŞLEMLER 1 2.1 Tanımlar Skaler büyüklük: Sadece şddet bulunan büyüklükler (örn: uzunluk, zaman, kütle, hacm, enerj, yoğunluk) Br harf le sembolze edleblr. (örn: kütle: m) Şddet :
DetaylıİSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ
İSTATİSTİK Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özka GÖRGÜLÜ Tavsye Edle Kayak Ktaplar Her öğrec keds tuttuğu düzel otlar.. Akar, M. ve S. Şahler, (997). İstatstk. Ç.Ü. Zraat Fakültes Geel Yayı No: 74, Ders
DetaylıFİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek
Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )
DetaylıTALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ
TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları
DetaylıĐst201 Đstatistik Teorisi I
Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
DetaylıGenelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine
Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere
DetaylıMatematik olarak normal dağılım fonksiyonu. 1 exp X 2
Matematk olarak ormal dağılım foksyou f ( ) ep ( ) Şeklde fade edlr. Burada μ artmetk ortalama, σ se stadart sapma değer gösterr ve dağılım foksyou N(μ, σ) otasyou le gösterlr. Bu deklem geometrk görütüsü
DetaylıTAHMİNLEYİCİLERİN 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
DetaylıMerkezi Eğilim (Yer) Ölçüleri
Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıOperasyonel Risk İleri Ölçüm Modelleri
Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu
DetaylıÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU
6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız
DetaylıEME 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
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
DetaylıBÖLÜM 2 OLASILIK TEORİSİ
BÖLÜM OLSILIK TEORİSİ İstatstksel araştırmaları temel koularıda br souu öede kes olarak blmeye bazı şasa bağlı olayları (deemeler) olası tüm mümkü souçlarıı hag sıklıkla ortaya çıktığıı belrleyeblmektr.
DetaylıParametrik Olmayan İstatistik Çözümlü Sorular - 2
Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr
Detaylıdir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.
BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)
Detaylıdenklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy
Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada
DetaylıCebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi
3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada
DetaylıAES S Kutusuna Benzer S Kutuları Üreten Simulatör
AES S Kutusua Bezer S Kutuları Ürete Smulatör M.Tolga SAKALLI Trakya Üverstes Blgsayar Mühedslğ tolga@trakya.edu.tr Erca BULUŞ Trakya Üverstes Blgsayar Mühedslğ ercab@trakya.edu.tr Adaç ŞAHİN Trakya Üverstes
DetaylıVERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN
VERİ MADENCİLİĞİ (Kümeleme) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Kümeleme İşlemleri Kümeleme Tanımı Kümeleme Uygulamaları Kümeleme Yöntemleri Kümeleme (Clustering) Kümeleme birbirine
DetaylıÖrnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;
Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıBir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu
Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler
DetaylıMühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.
İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk
DetaylıVERİ MADENCİLİĞİ Metin Madenciliği
VERİ MADENCİLİĞİ Metin Madenciliği Yrd. Doç. Dr. Şule Gündüz Öğüdücü 1 2 Metin için Veri Madenciliği Metin Madenciliğinde Sorunlar Metin madenciliği: Veri madenciliği teknikleri ile yazılı belgeler arasındaki
DetaylıYayılma (Değişkenlik) Ölçüleri
Yayılma (Değşel) Ölçüler Br ver set taıma yada farlı ver set brbrde ayırt etme ç her zama yalızca yer ölçüler yeterl olmayablr. Dağılımları brbrde ayırt etmede ullaıla ve geellle artmet ortalama etrafıda
DetaylıLİNEER 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=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24
İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK
DetaylıTahmin 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
DetaylıAsimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri
Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık
DetaylıFilbert Matrislerinin Normları İçin Alt ve Üst Sınırlar. The Upper and Lower Bounds For Norms of Filbert Matrices
lert Matrsler Normları İç lt ve Üst Sıırlar Sülema Demrel Üverstes B Türe E Sarııar e Blmler Esttüsü Dergs - (00 - lert Matrsler Normları İç lt ve Üst Sıırlar Bahr TÜREN E SRIPINR Sülema Demrel Üverstes
DetaylıTemel Yapılar: Kümeler, Fonksiyonlar, Diziler ve Toplamlar
Temel Yapılar: Kümeler, Fokyolar, Dzler ve Toplamlar CSC-9 yrık Yapılar Kotat uch - LSU Kümeler Küme, eeler düzez toparlamaıdır İglz alabedek el harler: V { a, e,, o, u} a V bv küçük pozt tek ayılar: Küme
DetaylıT.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI
15.09.015 T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI ISL4 İSTATİSTİK II HAZIRLAYAN PROF. DR. ALİ SAİT ALBAYRAK
DetaylıZaman Skalasında Box-Cox Regresyon Yöntemi
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term
DetaylıTANIMLAYICI 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(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
Detaylıα kararlı dağılım, VaR, Koşullu VaR,, Finansal α KARARLI DAĞILIMLARLA FİNANSAL RİSK
Marmara Üverstes İ.İ.B.F. Dergs YIL 00 CİLT XXVIII SAYI I S. 549-57 Özet KARARLI DAĞILIMLARLA FİNANSAL RİSK ÖLÇÜMÜ Ömer ÖNALAN * Bu çalışmada fasal kayıları kalı kuyruklu kararlı dağılım zledğ varsayımı
DetaylıÖRNEKLEME 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
DetaylıBox ve Whisker Grafiği
www.memetaarayl.com Bölümü Amaçları DEĞİŞKELİK ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKOOMETRİ BÖLÜMÜ mehmet.aarayl@deu.edu.tr Bu Bölümü tamamladıta ora eler yapablecez: Bo ve Wher grağ ouma
Detaylıİşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003
ISTANBUL BİLGİ UNİVERSİTY İşletme İstatstğ [Type the documet subttle] Ege Yazga ve Yüce Zerey 1/1/3 [Type the abstract of the documet here. The abstract s typcally a short summary of the cotets of the
DetaylıİSTATİSTİK 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
DetaylıTABAKALI ŞANS ÖRNEKLEME
6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve
DetaylıGM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi
VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes
DetaylıÖlçme ve Değerlendirme
Ölçme ve Değerlendirme Z Puanı T Puanı Yrd. Doç. Dr. Yetkin Utku KAMUK Standart Puan Herhangi bir ölçüm sonucunda elde edilen ve farklı birimlere sahip ham puanların, standart bir dağılım haline dönüştürülmesi
DetaylıİSTATİSTİKSEL 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
DetaylıKUVVET SİSTEMLERİ KUVVET. Vektörel büyüklük. - Kuvvetin büyüklüğü - Kuvvetin doğrultusu - Kuvvetin uygulama noktası - Kuvvetin yönü. Serbest vektör.
İ.T.Ü. aka akültes ekak Aa Blm Dalı STATİK - Bölüm KUVVET SİSTELEİ KUVVET Vektörel büyüklük - Kuvvet büyüklüğü - Kuvvet doğrultusu - Kuvvet uygulama oktası - Kuvvet yöü S = (,,..., ) = + +... + = Serbest
DetaylıMUTLAK SAPMALARIN ORTALAMASINI MİNUMUM YAPMA * (MİNMAD) REGRESYON ANALİZİ* Minimizing Mean Absolute Deviations (MINMAD) Regression Analysis*
MUTLAK SAPMALARIN ORTALAMASINI MİNUMUM YAPMA (MİNMAD) REGRESYON ANALİZİ Mmzg Mea Absolute Devatos (MINMAD) Regresso Aalss Hüla TOSUN Ç.Ü.Fe Blmler Esttüsü Matematk Aablm Dalı Selahatt KAÇIRANLAR Ç.Ü.Fe
Detaylı