İstatistik Nedir? Sistem-Model Kavramı

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "İstatistik Nedir? Sistem-Model Kavramı"

Transkript

1 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 ve yötemleri sağlaya bir bilim dalıdır. Sistem-Model Kavramı Gerçek düyadaki bir olayı, süreci veya birimlerde oluşa ve birimleri arasıdaki iç ilişkiler yaıda çevre ile dış ilişkilere göre işleye bir sistemi belli bir alatımıa model deir. Alatım sözle, çizimle, belli bir ölçekte fiziki bezer oluşturmak veya başka bir şekilde yapılmakla birlikte e geçerli alatım, bilimi ortak dili ola matematik ile yapılmaktadır. Model, gerçek düyadaki bir olguu belli bir alatımı olmak üzere, simülasyo, model üzeride "deey yapmaktır". Sistem, belirli girdileri ola ve buları işleyerek bilgi vere elemalar topluluğu olarak taımladığı gibi, birbirleriyle etkileşimli ola elemaları sıralamış bir kümesi olarak da taımlaabilir. Model Model gerçek düyadaki bir olguu veya sistemi yapı ve işleyişii, ilgili olduğu bilim sahasıı (fizik, kimya, biyoloji, jeoloji, astroomi, ekoomi, sosyoloji, vb.) kavram ve kaularıa bağlı olarak ifade edilmesidir. Model gerçek düyadaki bir olguu bir alatımıdır, bir temsilidir. Gerçek düyaı çok karmaşık olması edeiyle modeller, alatmak istedikleri olgu ve sistemleri basitleştirerek belli varsayımlar altıda ele almaktadır. Modeller gerçeği kedileri değildirler ve e kadar karmaşık görüseler de gerçeği bir eksik alatımıdırlar. Kısaca model deile şey; model kurucuu gerçeği "alayışıı" bir ürüüdür. Modeller değişik biçimlerde sııfladırılmakla birlikte e geçerli alatım biçimi matematiksel modellerdir. Matematiksel modeller; *Stokastik (rasgele değişke içere) ve determiistik (rasgele değişke içermeye) matematiksel modeller, *Doğrusal ve doğrusal olmaya modeller, *Sürekli (diferesiyel deklem,...) ve kesikli (fark deklemi,...) modeller

2 olmak üzere sııfladırılabilir. Matematiksel modeller alatım gücü e fazla ve e geçerli ola modellerdir. Geel olarak bir matematiksel model aşağıdaki gibi ifade edilir. GİRDİ sayısal veri başlagıç değer Matematiksel Model ÇIKTI sayısal souç çözüm Gerçek düyayı alama ve alatmada, yai modellemede isa aklıı e güçlü iki aracı matematik ve istatistiktir. İstatistik özellikle, rasgelelik içere olguları modellemeside ö plaa çıkmaktadır. Herhagi bir deeysel bilimi ilgi sahasıa gire olguları modellemede düşüce tarzı aşağıdaki gibidir. Gerçek Düya Olgu veri data Soyut Düya Model Ölçme souç çıkarma Matematik İstatistik Betimsel İstatistik Verileri toplaması ve bu verilerde souç çıkarılması bir istatistiksel araştırmaı e öemli kısımlarıı oluşturmaktadır. Bu veriler, bir deey yoluyla elde edilebileceği gibi aket ve gözlem yoluyla da elde edilebilir. Güümüz tekolojisi sayeside veri toplamak ve bu verileri saklamak kolay hale gelmiştir. İstatistiksel çalışmada amaç, toplaa çok büyük miktardaki veride bilgi çıkarmaktır. Betimsel istatistikler, bir çalışmadaki verileri temel özelliklerii alatmak, tarif etmek, tasvir etmek ve ifade etmek içi kullaıla yötemleri içerir. Betimsel istatistik yötemleri toplaa bu verileri, basit-kullaışlı ve alaşılabilir bir biçimde özetlemek amacıyla, çeşitli grafik ve çizelgeler kullaırlar. Bu istatistikleri her biri veriyi

3 sadece betimler. Eldeki verileri altıda yata süreçleri ortaya çıkarılması amacıı içermezler. Tüm bu sıırlılıklarıa rağme kou ile ilgili kimseleri karşılaştırma yapabilmesie olaak taırlar. Çıkarımsal İstatistik Çıkarımsal istatistikle, araştırma içi toplaa verileri içide gizli kalmış alamları ortaya çıkarılması amaçlaır. Eldeki verilerde elde edile bilgiler, geleceğe ilişki kestirimlerde bulumak, souç çıkarmak, tahmi yapmak ve karar vermek içi kullaılır. Burada asıl soru, bu verilerde elde edile souçlara dayaarak geel geçer geellemei e derecede yapılabileceğidir. VERİLERİN DÜZENLENMESİ VE ÖZETLENMESİ Rasgelelik içere olgularda elde edile ölçüm (gözlem) değerlerie istatistiksel veri veya kısaca veri deildiği belirtilmişti. Veriler, deeyler soucu veya doğal koşullarda olguları gözlemlemekle elde edilir. Rasgelelik söz kousu olduğuda, ölçme soucuda çıka sayılar da rasgele olacaktır. Bu rasgele sayılar, bir rasgele değişkei aldığı değer olarak düşüülmektedir. Rasgele değişkeleri bir dağılımı vardır. Bu dağılımları biçimlerii görülebilmesi içi, ölçümlerde elde edile verileri alaşılabilir bir şekilde suulmaları, betimlemeleri gerekmektedir. Gözlem sayısı çok olduğuda bu gözlemler çeşitli çizelgeler ve grafiklerle suulur. Bu şekilde veriler düzeleir ve özetleir. Sıklık Çizelgeleri Histogram Birikimli Sıklık Grafiği Gövde Yaprak Grafiği Kutu Grafiği Saçılım (Serpme) Grafiği Değişim Geişliği (R): Öreklemdeki e büyük değer ile e küçük değer arasıdaki farka değişim geişliği deir. R = E büyük gözlem değeri E küçük gözlem değeri

4 birimlik bir öreklemi sıklık çizelgesii oluşturabilmek içi ilk olarak değişim geişliği R hesaplamalıdır. Daha sora, bu R, eşit uzuluktaki aralıklara bölüerek sııflar elde edilir. Sııf Aralığı: birimlik bir rasgele öreklemi değişim geişliği R i bölüdüğü aralıklara sııf aralıkları deir. Sııf aralığı c ile gösterilmek üzere; ile hesaplaır. Değişim geişliği (R) c = İsteile sııf sayısı (k) Alt Sıır (As): Bir sııf aralığıı e küçük değeridir. Üst Sıır (Üs): Bir sııf aralığıı e büyük değeridir. Sııf Ortası ( S i ): Bir sııf aralığıı merkezie ya da orta oktasıa sııf ortası deir. Bir sıklık çizelgeside k tae sııf aralığı varsa sııf ortaları S 1, S 2,, S k ile gösterilir. Sıklık (Frekas-f i ): Bir sııf aralığıa düşe veri sayısıa sıklık (frekas) deir. Bir sıklık çizelgeside k tae sııf aralığı varsa sııf sıklıkları f 1, f 2,, f k ile gösterilir. Sıklıkları toplamı, toplam veri sayısıı verir, yai, i=1 f i = dir. k Göreli Sıklık (Frekas Yüzdesi-p i ): Her sııfa düşe sııf sıklıklarıı toplam sıklığa oraıdır. Bir sıklık çizelgeside k tae sııf aralığı varsa sııflar içi göreli sıklıklar p 1, p 2,, p k ile gösterilir ve p i = f i, i = 1,2,, k olmak üzere p i=1 i = 1 dir. k Histogram Histogram, koordiat sistemide, tabaları x eksei üzeride sıklık çizelgesi tablosudaki her bir sııfı sııf aralığı büyüklüğüde, yükseklikleri buluduğu sııfı sıklıkları ile oratılı olarak ya yaa çizile dikdörtgelerde oluşur. Kutu grafiği Bir veri grubuda elde edile e küçük değer, e büyük değer, birici çeyreklik (Q 1 ile gösterilir, verileri %25 i bu değeri altıda değer alır), üçücü çeyreklik (Q 3 ile gösterilir, verileri %25 i bu değeri üstüde değer alır) ve ortaca (Q 2 ile gösterilir, verileri %50 si bu değeri altıda, %50 si bu değeri üstüde değer alır) değerlerii içere aşağıdaki gibi grafiktir.

5 E küçük değer Q 1 (1.çeyreklik) Q 2 (Ortaca) Q 3 (3.çeyreklik) E büyük değer KONUM ÖLÇÜLERİ Aritmetik Ortalama x = i=1 x i Geometrik Ortalama G = x 1. x 2 x = x i i=1 Harmoik Ortalama H = 1 x x = 1 2 x i=1 x i Tepe Değeri (Mod) Verile bir veri grubuda e çok tekrar ede değer tepe değer (mod) olarak adladırılır. Ortaca (Medya) Gözlem değerleri, küçükte büyüğe göre sıraladığıda, tam ortaya düşe değer ortaca değer olarak adladırılır.

6 Çeyreklikler Gözlemler küçükte büyüğe doğru sıraladığıda gözlem değerlerii dört eşit parçaya böle değerlere çeyreklikler deir. Birici çeyreklik (Q 1 ), gözlemler küçükte büyüğe sıraladığıda gözlemleri %25 ii soluda, %75 ii sağıda bıraka değerdir. İkici çeyreklik (Q 2 ), gözlemleri ortacasıa dek gelmektedir. Üçücü çeyrek değer (Q 3 ), gözlemler küçükte büyüğe sıraladığıda gözlemleri %75 ii soluda, %25 ii sağıda bıraka değerdir. Yai sıralı gözlemlerde, ortacada küçük ola değerleri ortacası birici çeyreklik, ortacada büyük ola gözlemleri ortacası üçücü çeyrekliktir. Değişim Aralığı R = E büyük değer E küçük değer Varyas s 2 = i=1 (x i x ) 2 1 Stadart Sapma s = s 2 = i=1 (x i x ) 2 1 Stadart Hata s x = s Çeyrekler Arası Sapma Q = Q 3 Q 1 2 Mutlak Sapma ms = i=1 x i x

7 Değişim Katsayısı DK = s x 100 Eğer bir dağılımda, aritmetik ortalama, tepe değer ve ortaca eşitse dağılımı simetrik olduğu söyleir. Aritmetik ortalama ortacada küçük o da tepe değerde küçükse dağılım sola çarpıktır deir. Tepe değer ortacada küçük o da aritmetik ortalamada küçükse dağılım sağa çarpıktır deir. OLASILIK Rasgele Souçlu Deey: Souçlarıı kümesi belli ola, acak hagi soucu ortaya çıkacağı öcede söyleemeye bir işleme Rasgele Souçlu Deey veya kısaca Deey deir. Örek Uzay: Bir deeyi tüm olabilir souçlarıı kümesie örek uzay deir. Geellikle S harfi ile gösterilir. Örek uzay, üzeride çalışıla evresel kümeye dek gelmektedir. Olay: Örek uzayı bir altkümesie olay deir. Yalız bir öğede meydaa gele alt kümeye basit (ilkel), birde fazla öğede meydaa gele alt kümeye birleşik olay deir. Ayrık Olay: İki olay ayı ada meydaa gelemiyorsa bu olaylara ayrık olaylar deir. Kesişimleri boş küme ola olaylara ayrık olaylar deir. Bir Olayı Olasılığı Olasılık; taım kümesi S örek uzayı tüm alt kümelerii kümesi ve görütü kümesi [0,1] arasıdaki reel sayılar ola bir foksiyodur. Olasılık foksiyou, örek uzayı ile olasılık değerleri arasıda foksiyo tipide bir ilişki kurar ve her olaya, o olasılığı belirte 0 ile 1 arasıda bir sayı karşılık getirir. Bir deey yapıldığıda, tüm olaaklı souçları solu S örek uzayı oluşturulabilir. Örek uzayı S = {D 1,, D } ve örek uzayı tüm alt kümelerii kümesi K olmak üzere, bir A olayıı olasılığı P: K R A P(A)

8 P(A) = (A) (S) = A ı elema sayısı S i elema sayısı olarak verilir. Bu taım olasılığı klasik taımıdır. Bu durumda, örek uzayı her bir elemaı içi P(D 1 ) = = P(D ) = 1 olduğu kabul edilmiş olur. Klasik taım, örek uzayıı solu sayıda birimde oluşması ve her olayı eş olasılıkla ortaya çıkması karşılığıda kullaılabilir. Gerçek yaşamda eş olasılıklı olaylarla adir karşılaşılır. Olasılık Aksiyomları Bir deeyi örek uzayı S olsu. Örek uzayı tüm alt kümelerii kümesi K olsu. Her bir A olayı içi, P(A) gerçek değerli foksiyou A olayıı ortaya çıkma olasılığı olarak taımlaır ve aşağıdaki özellikleri sağlar. Yai aşağıdaki özellikleri sağlaya P(A) foksiyoua olasılık foksiyou deir. P(A) değerie de A olayıı olasılığı deir. P: K R A P(A) olmak üzere aşağıdaki özellikleri sağlaya foksiyoa olasılık foksiyou deir. Bu özellikler olasılık aksiyomları (Kolmogorov Aksiyomları) olarak biliir. A.1) Bütü A olayları içi P(A) 0 dır. Yai olasılık pozitif veya sıfır ola, egatif değerler almaya bir sayıdır. A.2) P(S) = 1. Kesi olayı olasılığı 1 e eşittir. A.3) Sayılabilir sayıda ayı ada imkâsız olayı birleşimii olasılığı, olasılıkları toplamıa eşittir. A 1, A 2,, A olaylar olsu. A i A j = i j i, j = 1,2,, ise olacaktır. P( i=1 A i ) = i=1 P(A i ) A i A j = i j i, j = 1,2, ise P( i=1 A i ) = i=1 P(A i ) S ve P(A) ya birlikte olasılık uzayı adı verilir. S solu, sayılabilir solu ve sosuz elemalı olabilir. Teorem: 1. P( ) = 0

9 2. Bir olayı tümleyeii olasılığı P(A ) = 1 P(A) şeklidedir. 3. Bir olasılık uzayıda A ve B kümeleri arasıdaki farkı olasılığı, yai A B = A B i olasılığı P(A B) = P(A B ) = P(A) P(A B) şeklidedir. 4. Bir olasılık uzayıda A ve B gibi iki olayı birleşimii, A B olasılığı P(A B) = P(A) + P(B) P(A B) şeklidedir. 5. Bir alt olayı olasılığı A ve B ayı olasılık uzayıda taımlamış olaylar ve A B olsu, bu durumda, P(A) P(B) şeklidedir. 6. Bir olasılık uzayıda taımlamış tüm A olayları içi, 0 P(A) 1 şeklidedir. Taım: S solu bir örek uzay olsu, S = {a 1, a 2,, a } alalım. Solu olasılık uzayı her bir a i S içi a i i olasılığı dee p i reel sayısı karşılık getirilerek buluur. Öyle ki i. Her p i 0, i = 1,2, ii. i=1 p i = 1 olacaktır. Taım: S sayılabilir sosuzlukta bir örek uzay olsu, S = {a 1, a 2,, a, } alalım. Solu uzaydaki gibi, her bir a i S içi a i i olasılığı dee p i reel sayısı karşılık getirilerek buluur. Öyle ki i. Her p i 0, i = 1,2, ii. i=1 p i = 1 olacaktır.

10 Çarpım Kuralı Bir deeyde, ilk işlem N 1 yolda yapılabiliyorsa ve işlem bu yolları herhagi biride yapıldıkta sora, ikici işlem N 2 yolda yapılabilirse, bu iki işlem birlikte N 1. N 2 yolda yapılabilir (bua çarpım kuralı deir). Neseleri kümesii bir kısmıı ya da tümüü belli bir sıralamasıa veya düzelemesie permütasyo deir. esei bir grubuda bir defada alıa r esei bir sıralamasıa, bu esei permütasyou deir. Böyle permütasyoları toplam sayısı r olmak üzere P(, r) gösterilir ve P(, r) =! ( r)! ile hesaplaır. Bu, bir defada r taesi alıarak ve yielemede (kullaıla yie kullaılmayacak) farklı esei permütasyolarıı sayısıdır. ile Kombiasyo Taım: Bir defada r taesi alıa farklı esei bir kombiasyou, düzeleme sırasıa bakılmaksızı esede r taesii bir seçimidir. Bir defada r taesi alıa esei kombiasyolarıı sayısı C(, r) ile veya ( ) gösterilir ve r C(, r) = ( r ) =! r! ( r)! şeklide hesaplaır. r esei her bir kombiasyou r! yolda düzeleebileceğide, yai ( r ) kombiasyolarıı her biri içi r! permütasyo olduğuda permütasyoları toplam sayısı ( ). r! dir. Bu edele, aşağıdaki eşitlik elde edilir. r ( r ). r! = P(, r) =! ( r)! Ayrıca, bir defada r taesi alıa farklı esei kombiasyolarıı sayısı, bir defada r taesi alıa farklı esei kombiasyolarıı sayısıı ayıdır. ( r ) =! r! ( r)! = ( r )

11 Koşullu olasılık, bir olayı başka bir olayı meydaa gelmesi koşulu altıda ortaya çıkması olasılığıdır. B olayı bilidiğide A olayıı ortaya çıkması olasılığı, P(A B) = P(A B), P(B) 0 P(B) ile gösterilir ve B olayı verilmişke A olayıı koşullu olasılığı olarak adladırılır. Bezer şekilde, A olayı verilmişke B olayıı koşullu olasılığı, olarak taımlaır. Ayrıca, ve olarak yazılabilir. P(B A) = P(A B), P(A) 0 P(A) P(A B) = P(A B). P(B) P(A B) = P(B A). P(A) Olasılığı Sıklık Taımı Deeme sayısı N ile, A olayıı N deemede gerçekleşme sayısı ile gösterilsi. N sayısı giderek artarke /N oraı P(A) gibi belirli bir değere yakısıyorsa, daha matematiksel bir ifadeyle ε isteildiği kadar küçük olabile pozitif bir sayı olmak üzere, N > M(ε) ike P(A) < ε N olmasıı sağlayacak bir M(ε) sayısı buluabiliyorsa lim N = P(A) yazılır ve P(A), A olayıı gerçekleşmesii olasılığı olarak alıır.

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

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

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

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

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

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

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

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

{ 1 3 5} { 2 4 6} OLASILIK HESABI

{ 1 3 5} { 2 4 6} OLASILIK HESABI OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {

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

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

(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

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

( 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

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

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

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

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

n ile gösterilir. 0) + ( n 1) + ( n 2) + + ( n n) =2n Örnek...4 : ( 8 3) = ( 8 Örnek...5 : ( 7 5) + ( 7 6) + ( 8 7) + ( 9 8) + ( 10

n ile gösterilir. 0) + ( n 1) + ( n 2) + + ( n n) =2n Örnek...4 : ( 8 3) = ( 8 Örnek...5 : ( 7 5) + ( 7 6) + ( 8 7) + ( 9 8) + ( 10 KOMBİNASYON tae esei r taesii seçimie elemaı r li kombiasyoları deir ve C(,r) veya ( ile gösterilir. 1) ( ) = ( 0) =1 r) C(;r)= ( r) =! ( r)!.r! 2) ( 1) = ( 1) = 3) ( r) = ( r) 4) ( a) = ( b) (r ) ise

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

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

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

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

Detaylı

n ile gösterilir. 0) + ( n 1) + ( n 2) + + ( n n) =2n Örnek...4 : ( 8 3) = ( 8 Örnek...5 : ( 7 5) + ( 7 6) + ( 8 7) + ( 9 8) + ( 10

n ile gösterilir. 0) + ( n 1) + ( n 2) + + ( n n) =2n Örnek...4 : ( 8 3) = ( 8 Örnek...5 : ( 7 5) + ( 7 6) + ( 8 7) + ( 9 8) + ( 10 KOMBİNASYON tae esei r taesii seçimie elemaı r li kombiasyoları deir ve C(,r) veya ( ile gösterilir. 1) ( ) = ( 0) =1 r) C(;r)= ( r) =! ( r)!.r! 2) ( 1) = ( 1) = 3) ( r) = ( r) 4) ( a) = ( b) (r ) ise

Detaylı

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin.

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin. UYGULAMA- OLASILIK HESABI Ω. Ω solu sayıda elemaa sahip olsu. Ω { ω, ω,, ω }, U olmak üzere, Ω ı her bir ω i, i,,, elemaıa aşağıdaki özelliklere sahip bir p i sayısı karşılık getirilsi. ) p 0, i,,...,

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

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

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

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

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

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

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

KOMBİNASYON: ve r birer pozitif doğal sayı olmak üzere r olsu. farklı elemaı r elemalı alt kümelerii sayısıa i r 2. Örek:! C(,r) = r!. r! li kombiasyou deir ve gösterilir. C(,r) = r P(,r)! = = r r! r!.

Detaylı

x A şeklinde gösterilir. Aksi durum ise x A olarak

x A şeklinde gösterilir. Aksi durum ise x A olarak BÖLÜM I OLSILIK Küme teorisi, matematiği geliştirilmesi ve öğretimide gittikçe daha fazla yararlaıla koularda biridir. yrıca olasılıkla ilgili birici bölümü temel aracıdır. Bu kısımda amaç, olasılık kousuda

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

Venn Şeması ile Alt Kümeleri Saymak

Venn Şeması ile Alt Kümeleri Saymak Ve Şeması ile lt Kümeleri Saymak Osma Ekiz Bu çalışmada verile bir kümei çeşitli özellikleri sağlaya alt küme veya alt kümlerii ve şeması yardımıyla saymaya çalışacağız. Temel presibimiz aradığımız alt

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

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

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

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

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

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

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

Đst225 Đstatistik I. Yaz DERSĐN KREDĐSĐ Ulusal Kredi: (2, 2, 0 ) 3 AKTS: 4 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatistik 2012/2013 Öğretim Yılı

Đst225 Đstatistik I. Yaz DERSĐN KREDĐSĐ Ulusal Kredi: (2, 2, 0 ) 3 AKTS: 4 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatistik 2012/2013 Öğretim Yılı Đst5 Đstatistik I DERSĐN TÜRÜ Zorulu (Matematik ölümü öğrecileri içi zorulu ders.) DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ lusal Kredi: (,, 0 ) 3 AKTS: 4 DERSĐN VERĐLDĐĞĐ ölüm: Đstatistik 0/03 Öğretim Yılı DERSĐN

Detaylı

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

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

Detaylı

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 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

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül BİR ÇUBUĞUN MODAL ANALİZİ A.Saide Sarıgül DENEYİN AMACI: Akastre bir çubuğu modal parametrelerii (doğal frekas, titreşim biçimi, iç söümü) elde edilmesi. TANIMLAMALAR: Modal aaliz: Titreşe bir sistemi

Detaylı

TEMEL KAVRAMLAR GİRİŞ

TEMEL KAVRAMLAR GİRİŞ TEMEL KAVRAMLAR GİRİŞ İstatistik kelimesii kökei Almaca olup devlet alamıa gelmektedir. İstatistik kelimesi gülük hayatta farklı alamlarda kullaılmaktadır. Televizyoda bir futbol müsabakasıı izleye bir

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

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

PDF Created with deskpdf PDF Writer - Trial ::

PDF Created with deskpdf PDF Writer - Trial :: Bilim ve Bilimsel Felsefe Çevresi Etkiliği Bilimsel Felsefe ve Bilimler Has Reichebach ı Ölümüü 50.yılı Aısıa 1 Aralık 003 Akara Üiversitesi Fe Fakültesi Levet Özbek Akara Üiversitesi Fe Fakültesi Đstatistik

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

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

İDEAL ÇARPIMLARI (IDEAL PRODUCTS)

İDEAL ÇARPIMLARI (IDEAL PRODUCTS) T.C. ÇANAKKALE ONSEKİZ MART ÜNİVERSİTESİ FEN EDEBİYAT FAKÜLTESİ MATEMATİK BÖLÜMÜ (IDEAL PRODUCTS) 070216013 TUĞBA ÖZMEN 080216038 AYŞE MUTLU 080216064 SEVİLAY HOROZ Nil ehri, Düyaı e uzu ehridir (6.650

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

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

Fonksiyonlarda Limit. Dizi fonksiyonu, tanım kümesindeki bütün 1, 2, 3,, n, sayma sayılarına, sırasıyla

Fonksiyonlarda Limit. Dizi fonksiyonu, tanım kümesindeki bütün 1, 2, 3,, n, sayma sayılarına, sırasıyla Foksiyolarda Limit Foksiyolarda it: Bu bölümde y f ( ) foksiyou ve sayısı verildiğide, bağımsız değişkei sayısıa (solda veya sağda) yaklaşırke ya da sosuza yaklaşırke, foksiyou da bir L sayısıa (veya ya

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

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

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

Detaylı

ÖRNEKLEME 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

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

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu

Detaylı

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

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

Detaylı

MONTE CARLO BENZETİMİ

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

Detaylı

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz

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

Detaylı

ANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ

ANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ OLASILIĞA GİRİŞ DOÇ. DR. NİHAL ERGİNEL OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması

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

OLASILIĞA GİRİŞ P( )= =

OLASILIĞA GİRİŞ P( )= = OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması olasılığı %85 dir. Olasılık modelleri; Sıvı içindeki moleküllerin davranışlarını

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

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı 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

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

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

VERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler...

VERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler... ÜİTE KAVRAMSAL ADIM Sayfa o.... 8 9 İstatistik, Veri ve Grafikler.... 8 Merkezi, Eğilim ve Yayılım Ölçüleri... 8 Açıklık, Çeyrekler Açıklığı........................................................ 8 Varyas

Detaylı

VII. OLİMPİYAT SINAVI. Sınava Katılan Tüm Talebe Arkadaşlara Başarılar Dileriz SORULAR k polinomu ( )

VII. OLİMPİYAT SINAVI. Sınava Katılan Tüm Talebe Arkadaşlara Başarılar Dileriz SORULAR k polinomu ( ) Sıava Katıla Tüm Talebe Arkadaşlara Başarılar Dileriz SORULAR 2 997. ( )( )( ) ( ) ( ) k x x x... k. x... 997. x poliomu ( ) a x a x... a x, a 0 ve k < k

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

14. Kümelerin Niceliklerinin Kıyaslanışı ve Sonsuzluğun Mertebeleri

14. Kümelerin Niceliklerinin Kıyaslanışı ve Sonsuzluğun Mertebeleri =2. Kısmı Başı= 14. Kümeleri Niceliklerii Kıyaslaışı ve Sosuzluğu Mertebeleri Sosuz kümeleri iceliklerii kıyaslamak içi, öğe sayısı yaklaşımı yetersizdir. Farklı bir yaklaşım gereklidir. İki küme A, B

Detaylı

BÖLÜM 3. ile gösterilir. m-boyutlu öklit kümesini tanımlayan m adet kümenin kartezyen (Catesian) çarpımı,

BÖLÜM 3. ile gösterilir. m-boyutlu öklit kümesini tanımlayan m adet kümenin kartezyen (Catesian) çarpımı, BÖLÜM 3 3. ÇOK DEĞİŞKENLİ REGRESYON İÇİN VEKTÖR VE MATRİS CEBRİ Bölüm de, doğrusal regresyo tek değişkeli basit model olarak ele alıarak açıklamıştı. Bölüm 4 de ise çok değişkeli (k değişkeli) model içi

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

OLİMPİYAT SINAVI. 9 x.sin x + 4 / x.sin x, 0 x π İfadesinin alabileceği en küçük tamsayı değeri kaçtır? A) 14 B) 13 C) 12 D) 11 E) 10

OLİMPİYAT SINAVI. 9 x.sin x + 4 / x.sin x, 0 x π İfadesinin alabileceği en küçük tamsayı değeri kaçtır? A) 14 B) 13 C) 12 D) 11 E) 10 . ( ) ( ) 9 x.si x + 4 / x.si x, 0 x π İfadesii alabileceği e küçük tamsayı değeri A) 4 B) 3 C) D) E) 0. Yuvarlak bir masa etrafıda otura 5 şövalye arasıda rasgele seçile 3 taeside e az ikisii ya yaa oturma

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

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol

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

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

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

Detaylı

Değişkenler: Bir problemin modeli kurulduktan sonra değeri hesaplanacak olan bilinmeyen simgelerdir.

Değişkenler: Bir problemin modeli kurulduktan sonra değeri hesaplanacak olan bilinmeyen simgelerdir. 2. DOĞRUSAL PROGRAMLAMA (DP) 2.1. DP i Taımı ve Bazı Temel Kavramlar Model: Bir sistemi değişe koşullar altıdaki davraışlarıı icelemek, kotrol etmek ve geleceği hakkıda varsayımlarda bulumak amacı ile

Detaylı

KOMBİNASYON. Güneşe bakarsanız gölgeleri göremezsiniz. Adı : Soyadı : Zeka, Tecrübe ve Çalıskanlık birlesirse tüm hedeflere ulasılır

KOMBİNASYON. Güneşe bakarsanız gölgeleri göremezsiniz. Adı : Soyadı : Zeka, Tecrübe ve Çalıskanlık birlesirse tüm hedeflere ulasılır Güeşe bakarsaız gölgeleri göremezsiiz KOMBİNASYON Adı : Soyadı : Zeka, Tecrübe ve Çalıskalık birlesirse tüm hedeflere ulasılır Mat Müh BAHTİYAR DAĞDELEN 05-799 9 5 KOMBİNASYON KOMBİNASYON r olmak üzere,

Detaylı

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

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

Detaylı

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

ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ

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

Detaylı

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322 Bölüm 3. İkici Mertebede Lieer ve Sabit Katsaılı Diferesiel Deklemler 4 3. Geel Taımlar ( ) ( ) ( ) a ( ) + a ( ) + a ( ) +... + a ( ) + a ( ) = f ( ) () 0 şeklideki bir deklem. mertebede lieer deklem

Detaylı

Bir kitlenin karakteristiği, kitlenin her üyesi için ölçülebilir olan değişkendir.

Bir kitlenin karakteristiği, kitlenin her üyesi için ölçülebilir olan değişkendir. BÖLÜM 1. ÖRNEKLEM (ÖRNEK) SEÇİMİ Bir araştırmada taım çerçeveside yer ala tüm birimleri oluşturduğu kümeye kitle (aa kütleye) deir. Araştırmalarda geel amaç tüm kitle içi bilgi sahibi olmaktır. Buu içi

Detaylı

7. BÖLÜM DOĞRUSAL DÖNÜŞÜMLER

7. BÖLÜM DOĞRUSAL DÖNÜŞÜMLER 7. BÖLÜM DOĞRUSAL DÖNÜŞÜMLER DOĞRUSAL DÖNÜŞÜMLER Bir V ektör uzayıı bir başka W ektör uzayıa döüştüre foksiyolar şu şekilde gösterilir: : V W Burada kullaıla termioloji foksiyolarla ayıdır. Öreği, V ektör

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

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.

Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. 5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya

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

GAZİ ÜNİVERSİTESİ MÜHENDİSLİK - MİMARLIK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ. KM 482 Kimya Mühendisliği Laboratuarı III

GAZİ ÜNİVERSİTESİ MÜHENDİSLİK - MİMARLIK FAKÜLTESİ KİMYA MÜHENDİSLİĞİ BÖLÜMÜ. KM 482 Kimya Mühendisliği Laboratuarı III GAZİ ÜNİVERSİTESİ MÜHENİSLİK - MİMARLIK FAKÜLTESİ KİMYA MÜHENİSLİĞİ BÖLÜMÜ KM 482 Kimya Mühedisliği Laboratuarı III eey No : 2-a eeyi adı : Kesikli istilasyo eeyi amacı : a) Kolodaki basıç kaybıı belirlemek,

Detaylı

Öğrenci Numarası İmzası: Not Adı ve Soyadı

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

Detaylı

AKIŞKAN BORUSU ve VANTİLATÖR DENEYİ

AKIŞKAN BORUSU ve VANTİLATÖR DENEYİ AKIŞKA BORUSU ve ATİLATÖR DEEYİ. DEEYİ AMACI a) Lüle ile debi ölçmek, b) Dairesel kesitli bir borudaki türbülaslı akış şartlarıda hız profili ve eerji kayıplarıı deeysel olarak belirlemek ve literatürde

Detaylı

sorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir

sorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir BÖLÜM 1: VEKTÖRLER Vektörleri taımlamak içi iki yol vardır: uzayda oktalara karşılık gele bir koordiat sistemideki oktalar veya büyüklük ve yöü ola eseler. Bu kısımda, ede iki vektör taımıı buluduğu açıklaacak

Detaylı

Yrd.Doç. Dr. Mustafa Akkol

Yrd.Doç. Dr. Mustafa Akkol komşuluğu: Taım: ; isteildiği kadar küçük seçilebile poziti bir sayı olmak üzere a a açık aralığıa a R sayısıı komşuluğu deir Örek : Taım: a a a a ve 0 00 olsu ' i 0 00 0 00 999 00 : Z R bir dizi deir

Detaylı