Dr. Mehmet AKSARAYLI
|
|
- Derya Sabri
- 6 yıl önce
- İzleme sayısı:
Transkript
1 Dr. Mehmet AKSARAYLI Şans Değişeni: Bir dağılışı olan ve bu dağılışın yaısına uygun freansta oluşum gösteren değişendir. Şans Değişenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesili Şans Süreli Şans Bl. 4 Değişenleri Değişenleri Bl. Dr. Mehmet AKSARAYLI Kesili Şans Değişenleri 1. Sayısal bir değerle ifade edilen bir olay ara atımındai tura sayısı, 1 yada tura gözlenmesi. Kesili şans değişeni ; Tam sayılar: (, 1,, 3 vb.) Sayara elde edilmiş sayılar Kesili Şans Değişeni Örneleri Deney Şans Değişeni Mümün Değerler 1 Satış araması yama Satış sayısı, 1,,..., 1 7 radyoyu muayene etme Kusurlu sayısı, 1,,..., 7 33 soruya ceva verme Doğru sayısı, 1,,..., 33 11: ile 13: arasında gişedei araba sayısı Gelen araba sayısı, 1,,..., 3 4 Kesili Olasılı Dağılımı Tüm mümün [ i, ( i ) ] çiftlerini içerir. i = Şans değişeninin değeri (çıtı) ( i ) = Değerlerle ilgili olasılılar, D tanım aralığına sahi esili bir şans değişeni olsun. () in e ait bir olasılı fonsiyonu olabilmesi için; Her için () ve () = 1 olmalıdır. Kesili olasılı dağılımı örneği: Olay: arayı atı turaları sayıyoruz. Olasılı Dağılımı Değerler, i Olasılılar, ( i ) 1/4 =. 1 /4 =. 1/4 =. 6 1
2 Kesili Olasılı Dağılımlarının Görselleştirilmesi Kesili Rassal Değişenin Ortalaması ve Standart Saması Listeleme { (,.), (1,.), (,.) } Tablo # Tura Fr. (i) in belenen değeri = = E() = in varyansı = D. ( ) E( ) E( ) V() = E[ ( i ( i f( i ) = ()... Grafi 1 Denlem n! ) ( 1 )!( n )! n 7 8 Örne: Bir otomobil bayisinin günlü araba satışlarının dağılımının aşağıdai gibi olduğunu ifade etmetedir ),,8,1,19,4,17,1,4,1 Bu dağılışa göre bayinin; a) ten fazla araba satması olasılığını bulunuz = 6) + P ( = 7 ) + P ( = 8 ) =,1 b) Satışların belenen değerini hesalayı yorumlayınız. E() = i ) = ()(,)+(1)(,8)+()(,1)+.+(8)(,1) =3,7 Bayinin 1 günde 37 araba satışı yaması belenir. c) Satışların varyansını bulunuz. E( ) = =( )(,)+(1 )(,8)+.+ (8 i ) )(,1) = 16,68 Var()= E( ) - [E()] = 16,68 - (3,7) =,84 9 Kesili Olasılı Dağılımları Kesili Üniform Dağılımı Bernoulli Dağılımı Binom Dağılımı Negatif Binom (Pascal) Dağılımı Geometri Dağılım Hiergeometri Dağılım Poisson Dağılımı 1 Kesili Üniform Dağılımı Kesili bir şans değişeni tanımlı olduğu tüm notalarda eşit olasılı değerine sahi ise bir başa ifadeyle tanımlı olduğu değerlerin hesinde olasılı fonsiyonun aldığı değer sabit ise bu esili şans değişeni Kesili Uniform dağılımına uygundur. Kesili Uniform dağılımı gösteren bir şans değişeni farlı notada tanımlı ise olasılı dağılımı; 1 ) şelinde ifade edilir. 1,,3..., d. d Kesili Üniform Dağılımının Belenen Değer ve Varyansı 1 E( ) ) i i i 1 1 ( 1)( 1) Var( ) 1 1 ( 1)
3 Bernoulli Deneyleri Örne: Hilesiz bir zar atıldığında şans değişeni ortaya çıabilece farlı durum sayısını ifade ettiğinegöre inolasılı dağılımı oluşturara belenen değerini ve varyansını bulunuz. S = { / 1,,3,4,,6 } Ortaya çıan olaylar eşit olasılılı olaylar şans değişeninin dağılımı = 6 olan esili üniform dağılımına uygundur. 1 ) E( ) 3, 1,,3,4,,6 d. d (6 1)(6 1) 3 Var( ) = ) : = olması olasılığı n : örne hacmi : başarı olasılığı : örnetei başarı sayısı ( =, 1) E() = V() =. q Sonuçlar ii ategoride tolanabilir. Aynı oşullarda terarlanabilirli özelliği vardır. Başarı olayı deneyden deneye değişmez. Bernoulli Dağılımı Te bir Bernoulli deneyinin sonucunu ele alır. Olasılı Yoğunlu Fonsiyonu: P ( ) ( 1) 14 1 Binom Dağılımı Binom Dağılımının Özellileri n deneme (gözlem) li bir örnetei başarı sayısı (n adet Bernoulli denemesi) birimden oluşan bir grutai usurlu sayısı 33 sorulu bir sınavdai doğru ceva sayısı Düana giren 1 müşteriden alışveriş yaanların sayısı İi farlı örneleme metodu Sonsuz oulasyonda yerine oymadan örneleme Sonlu oulasyonda yerine oyara örneleme n adet benzer deneme Her denemenin çıtısı var Başarı (İstenen çıtı) or Başarısızlı Sabit deneme olasılığı Denemeler birbirinden bağımsız 1 16 Binom Olasılı Dağılımı Örneği Binom Dağılımının Olasılı Fonsiyonu n! P n n (, ) ( 1!( )! ) = n,) : = olması olasılığı n : örne hacmi : başarı olasılığı : örnetei başarı sayısı ( =, 1,,..., n) 17 n Olay: Bir arayı ardarda 4 ez atalım. Yazıların sayısıyla ilgilenelim. 3 yazı gelme olasılığı nedir? n! P n n (, ) ( 1!( )! ) 4! P ( 3 4,. )!( )!. ( ). 18 n
4 Binom Dağılımının Karateristileri Başarı Olasılığı ve Binom Dağılımının Biçimi Aritmeti Ortalama E ( ) n Standart Sama n ( 1) ) ) n = = n = = N adetli bir denemede; 1. Eğer =. ise binom dağılımı simetri. Eğer <. ise binom dağılımı sağa çarı 3. Eğer >. ise binom dağılımı sola çarı 19 Negatif Binom (PASCAL) Dağılımı Örne: Bir işletmede üretilen ürünlerin % 6 sının hatalı olduğu bilinmetedir. Rasgele ve iadeli olara seçilen üründen, a)1 tanesinin hatalı olmasının olasılığını, b) En az 4 tanesinin hatalı olmasının olasılığını hesalayınız. =,6 1- =,94 n = a)p (=1)=? b)p ( 4)=? 4)= =4)+=) 1 4 1). (,6).(,94), (,6).(,94). (,6).(,94) Bernoulli deneyinin tüm varsayımları negatif binom dağılımı içinde geçerlidir. Binom dağılımında n denemede adet başarı olasılığı ile ilgileniliren, negatif binom dağılımında ise şans değişeni()ncıbaşarıyı elde edinceye adar yaılan deney sayısına arşılı gelir. Örneler: Bir arayı ez tura gelinceye adar attığımızda nci turayı elde ettiğimiz deneme sayısı, Bir basetbolcunun 3 sayılı atışlarda 1 ncu isabeti sağlaması için gereli olan atış sayısı. 1 :deneysayısı :başarı sayısı :başarı olasılığı S = { /, +1, +, +3 } Negatif Binom Dağılımının Belenen Değer ve Varyansı Binom dağılımını ullanara -1 denemede -1 adet başarı olasılığını hesalanır ve nci denemedei ncı başarıyı elde etme olasılığı ile bağımsız olaylar olduğundan çarılara aşağıdai olasılı fonsiyonu elde edilir. 1 1, 1,,... ) 1 d. d 3 E ) (1 ) Var( ) ( Yandai histogram =, ve = 8 arametreli negatif binom dağılım gösteren bir oulasyondan alınmış 1 hacimli bir örne için oluşturulmuştur , 1, 1, 14, 16, 18,,, 4 4, 4
5 Örne: Bir işinin hilesiz bir zarı 1 ez atması sonucunda, 1 ncu atışında nci ez 6 gelmesi olasılığını hesalayınız. =1/6 1-=/6 =1 = P ( 1 ; ).( ).( 6 Zarın açıncı ez atılması sonucu nci ez 6 gelmesini belersiniz? E( ) ) Geometri Dağılım Bernoulli deneyinin tüm varsayımları geometri dağılım içinde geçerlidir. Negatif Binom dağılımının özel bir durumudur. = 1 olduğunda negatif binom dağılımı geometri dağılımı olara ifade edilir. Geometri dağılım gösteren şans değişeni, il başarıyı elde edinceye adar yaılan deney sayısını ifade eder. Örneler: Bir arayı tura gelinceye adar attığımızda tura gelmesi için yaılan atış sayısı, Bir işletmenin deosundan il hatalı ürünü bulana adar alınan örne sayısı. 6 : deney sayısı : başarı olasılığı S={/1,,3,4..} Negatif Binom dağılımında = 1 alındığında; 1 E( ) Geometri Dağılımının Belenen Değer ve Varyansı 1 Var( ) 1 P ( ) 1 1 ) ) 1 1, 1,,... d. d 1,,3,... d. d Yandai histogram =, arametreli geometri dağılım gösteren oulasyondan alınmış hacimli bir örne için oluşturulmuştur Hiergeometri Dağılım Örne: Bir avcı hedefe isabet sağlayana adar ateş etmetedir. Avcının hedefi vurma olasılığı,7 olduğuna göre avcının hedefi il ez 8 nci ez atış yatığında isabet ettirmesinin olasılığını hesalayınız. =8 =8)=? ),71,7 1 1,,3... d. d Varsayımları, n deneme benzer oşullarda terarlanabilir. Her denemenin mümün sonucu vardır. Sonlu oulasyondan iadesiz örneleme yaılır. Örneleme iadesiz olduğundan başarı olasılığı ( ) deneyden deneye değişir. 8,7 1,7 1,7, 7 8) ÖDEV: Avcının hedefi il ez vurma olasılığı, den az olması için hedefe en az aç ez ateş etmelidir? 9 3
6 Hyergeometric Distribution Formula Hiergeometri Dağılımın Karateristileri (Two ossible outcomes er trial: success or failure) ) C N. n N Cn C Where N = oulation size = number of successes in the oulation n = samle size = number of successes in the samle n = number of failures in the samle = B/N için Yandai histogram N = 1 ve B = arametreli hiergeometri dağılım gösteren oulasyondan alınmış hacimli bir örne için oluşturulmuştur. E( ) n N n Var( ) n(1 ) N Örne: Yeni açılan bir bananın il 1 müşterisi içinde 6 tanesi mevduat hesabına sahitir. İadesiz olara rasgele seçilen 8 müşteriden tanesinin mevduat hesabına sahi olmasının olasılığı nedir? N= 1 B = 6 n = 8 = ,1,,3..., 8 P ( ) 1 8 d. d ) 1 8 ÖDEV: En ço 1 işinin mevduat hesabına sahi olmasının olasılığını hesalayınız. 33 Hyergeometric Distribution Eamle Eamle: 3 Light bulbs were selected from 1. Of the 1 there were 4 defective. What is the robability that of the 3 selected are defective? N = 1 n = 3 = 4 = N 6 Cn C C1 C ) N 1 C C n 3 4 (6)(6).3 1 Poisson Dağılımı Poisson Süreci 1. Bir zaman aralığında oluşan olayların sayısıyla ilgilenir. Birim başına olay Zaman, uzunlu, alan,vb.. Örneğin; daiada gelen müşteri sayısı Bir yıl içindei uça azalarının sayısı Bir metreare umaştai hata sayısı Sabit Olay Olasılığı Her aralıta 1 olay Bağımsız olaylar
7 Poisson Olasılı Dağılım Fonsiyonu Poisson Dağılımının Karateristileri P ( ) e -! = ) : = olma olasılığı = Belenen başarı sayısı e =.7188 = Birim başına başarı sayısı Aritmeti Ortalama E ( ) N i 1 ) Standart Sama i i ) ) = = Poisson Dağılımı Örneği Bir düana saatte 7 müşteri gelmetedir. 3 daia içinde 4 müşteri gelme olasılığı nedir? Saatte 7 müşteri = daiada 1. müşteri = 3 daiada 3.6 müş. - e P ( )! e P ( 436. ) ! 4 BİNOM Dağılımın POİSSON Dağılıma Yalaşımı, Binom dağılıma sahi bir şans değşieni olsun. Deney sayısı nço büyü ve ilgilenilen sonuçların anaütledei oranının ço üçü olduğu durumlarda, (yani n ve ien), n.= sabit bir sayı olma üzere Binom dağılımı Poisson dağılımına yalaşır. n ne adar büyü, ve ne adar üçü olursa bu yalaşım o adar iyi olur. = ÖRNEK:Türiye de maden ocalarında oluşan azalar sonucunda her yıl ortalama olara 1 maden işçisinden bir tanesi hayatını aybetmetedir. maden işçisinin çalıştığı bir maden ocağında bir yıl içinde a) Hiçbir işçinin hayatını aybetmemesi, b) 3 işçinin hayatın aybetmesi, c) den fazla işçinin hayatın aybetmesi olasılılarını bulunuz. ÇÖZÜM: n=, =.1 olduğundan, =n.=.1= alara Poisson dağılımıyla çözüm yaabiliriz. e e a) ).13!! 3 e b) 3).18 3! c) ) 1 ) 1 ) 1) ) e 1.3 1! 1 e ! 41 Örne: Bir mağazaya Cumartesi günleri daiada ortalama olara 4 müşteri gelmetedir. Bir Cumartesi günü bu mağazaya, a) daiaiçinde1müşteri gelmesi olasılığını, b)yarım saate den fazla müşteri gelmesi olasılığını, 4 1 e 4 4 a) 4 =1)=? e 1 4 4! e 4 1! 4 1 1) e 4 ÖDEV: 1 saatte en ço 1 müşteri gelmesinin olasılığını hesalayınız. 4 4! 1! 4e b) d da 4 müşteri gelirse, 3 d da 4 müşteri gelir. 4 P ( > ) =? > ) = 1 [=)+=1)+=)] 1 313e 4 7
8 SORU) Bir hastanenin çocu servisine saatte ortalama 3 hasta gelmetedir. a) Herhangi 1 daialı sürede; hiç hasta gelmeme, b) Herhangi 1 daialı sürede; den fazla hasta gelme, c) Herhangi yarım saatli sürede ten az hasta gelme olasılılarını bulunuz. SORU) Bir fabriada deolanan ürünlerin yüzde birinin bozu olduğu bilinmetedir. Bu fabriadan rassal olara seçilen birimden en az bir tanesinin bozu olması olasılığını Binom ve Poisson dağılımları ile bulunuz SORU: Hilesiz bir tavla zarı atılıyor. Anlaşmaya göre A, babasından her atışta aç gelirse o adar bin lira alacatır. Atış başına A nın belediği ara nedir? SORU: B üç ayrı iyangodan birer adet bilet almıştır. Bu iyangoların birincisinde 1 biletten 1 sine, iincisinde biletten 14 ına, üçüncüsünde ise biletten ine iramiye vardır. Birinci iyangoda azananlardan her biri 1 milyon, iincisinde 1 milyon ve üçüncüsünde milyon $ elde edecetir. B nin belenen iramiye tutarı nedir? 4 46 SORU: Bir işadamının yenibirişletmeden milyar lira aybetmesi olasılığı ( 1 )=,1 ve milyar lira azanması olasılığı ( )=, dir. Bu iş adamının azancı nedir? SORU: Ali hilesiz bir madeni arayı ii defa atıyor. Her ii atışta da yazı gelirse aradaşından bin lira alacatır. Diğer durumlarda ise 1 bin lira verecetir. Ali nin azancı ne olur?
9 SORU: Bir ara 4 ez atılıyor, a) İi tura, b) En az bir tura, c) Üçten az tura gelmesi olasılığı nedir? SORU: Bir futbol taımının yatığı maçlarda azanma olasılığının /3 olduğu biliniyor. Bu taımın yatığı 8 maçtan, a) Beşini, b) Birden fazla faat dört veya daha azını azanması olasılığı nedir? 49 SORU: İi tavla zarının 6defaatılmasında 9tolamının, a) Dört defa, b) En az üç defa elde edilmesi olasılığı nedir? SORU: Bir işletmede üretilen amullerin %6 sının usurluolduğu bilinmetedir. Buna göre, rassal olara seçilen amulden, a) İi tanesinin usurlu, b) Tamamının usursuz, c) En az ii tanesinin usurlu olması olasılıları nedir? 1 Aşağıdai soruları tabloya göre cevalayınız. Esi verilerden yararlanılara bir ce telefonunun yatığı arıza sayıları verilmiştir. () Haftalı Arıza 1 3 Olasılı ),,3,1,3 Soru: Dağılıma göre haftada esinlile ii arıza olma olasılığı açtır? A),1 B), C),3 D),4 E),6 Soru: Dağılıma göre haftada sıfır ile ii arasında arıza olma olasılığı - arıza) açtır? A), B),1 C),3 D),6 E),3 Soru: Dağılıma göre haftada birden ço arıza olma olasılığı açtır? A),3 B),7 C),4 D),1 E),3 Soru: Dağılıma göre haftada en ço ii arıza yama olasılığı açtır? A), B), C),6 D),4 E),1 Soru:Dayanılı tüetim malı satan bir mağazanın son 1 iş günündei günlü satışları aşağıdai tabloda verilmiştir. Satış sayıları Gün sayıları Yuarıdai tabloya göre günlü satışı gösterme üzere, <4) olasılığı açtır? A),4 B),17 C),1 D),33 E), 3 4 9
10 Soru: Bir itaevinin son 1 iş günüdei günlü ita satışları aşağıdai tabloda gösterilmiştir. Satış sayıları Gün sayıları Yuarıdai tabloya göre günlü satışları gösterme üzere, >4) olasılığı açtır? A),1 B),8 C),38 D),68 E),77 1
Dr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli
DetaylıKesikli Üniform Dağılımı
9.. KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Kesili Üniform Dağılımı. Bernoulli Dağılımı 3. Binom Dağılımı 4. Negatif Binom Dağılımı. Geometri Dağılım. Hiergeometri Dağılım 7. Poisson Dağılımı
DetaylıKesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin
DetaylıKesikli 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.
DetaylıKESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli
DetaylıRastlantı Değişkenleri
Rastlantı Değişkenleri Olasılık Kütle Fonk. Example: A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers,
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun
DetaylıTablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01
Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin
DetaylıMAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1
MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
DetaylıBİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo
DetaylıKollektif Risk Modellemesinde Panjér Yöntemi
Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif
DetaylıÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir
DetaylıSÜREKLİ 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
DetaylıKESİKLİ DÜZGÜN DAĞILIM
KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
DetaylıRASGELE 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
DetaylıDr. Mehmet AKSARAYLI OLASILIK. Ders 3 / 1
Dr. Mehmet AKSARAYLI OLASILIK Ders 3 / 1 1 0 Kesin İmkansız OLASILIK; Bir olayın gerçekleşme şansının sayısal değeridir. N adet denemede s adet başarı söz konusu ise, da başarının nisbi frekansı lim (s/n)
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
DetaylıTremalarla Oluşum: Kenar uzunluğu 1 olan bir eşkenar üçgenle başlayalım. Bu üçgene S 0
SİERPİNSKİ ÜÇGENİ Polonyalı matematiçi Waclaw Sierpinsi (1882-1969) yılında Sierpinsi üçgeni veya Sierpinsi şapası denilen bir fratal tanıttı. Sierpinsi üçgeni fratalların il örneğidir ve tremalarla oluşturulur.
DetaylıRASSAL 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
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıBaşarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.
3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
Detaylı3/6/2013. Ders 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıSAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1. Geometirk Dağılım. 2. Negatif Binom Dağılımı
SAB 101 OLASILIK DERS NOTLARI Prof.Dr. Fatih TANK Ankara Üniversitesi Uygulamalı Bilimler Fakültesi Sigortacılık ve Aktüerya Bilimleri Bölümü Prof.Dr. Fatih TANK - Olasılık Ders Notları- Sayfa : 1/7 Haftalık
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
Detaylırasgele 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
DetaylıTesadüfi 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
DetaylıFaktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,
14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.
DetaylıIE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R
IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıOLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar
OLASILIK OLASILIK İstatistiğin temel araçlarından biri olasılıktır 17. yy daşans oyunları ile başlamıştır Her bir denemenin çıktısı belirsizdir Fakat uzun dönemde çıktı kestirimlenebilir Bireysel belirsizlik
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi Balıkesir Üniversitesi İnşaat
DetaylıOLASILIK (Probability)
OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P
DetaylıDers 6: Sürekli Olasılık Dağılımları
Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal
DetaylıOLASILIK. P(A) = şeklinde ifade edilir.
OLASILIK Olasılık belirli bir olayın olabilirliğinin sayısal ölçüsüdür. Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya
DetaylıDENEY 3. HOOKE YASASI. Amaç:
DENEY 3. HOOKE YASASI Amaç: ) Herhangi bir uvvet altındai yayın nasıl davrandığını araştırma ve bu davranışın Hooe Yasası ile tam olara açılandığını ispatlama. ) Kütle yay sisteminin salınım hareeti için
DetaylıZ = 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.
DetaylıKİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen.
Biyoistatisti (Ders : Ki Kare Testleri) Kİ KARE TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr Kİ-KARE TESTLERİ 1. Ki-are testleri
Detaylı4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi,
POĐSSON DAĞILIMI Poisson Dağılımı sürekli oramlarda (zaman, alan, hacim, ) kesikli sonuçlar veren ve aşağıda a),b),c) şıklarında belirilen özelliklere sahip deneylerin modellenmesinde kullanılan bir dağılım
DetaylıİSTATİSTİK VE OLASILIK SORULARI
İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde
DetaylıÖZEL EGE LİSESİ 13. OKULLAR ARASI MATEMATİK YARIŞMASI 8. SINIF ELEME SINAVI TEST SORULARI
1. x,y,z pozitif tam sayılardır. 1 11 x + = 8 y + z olduğuna göre, x.y.z açtır? 3 B) 4 C) 6 D)1 3 1 4. {,1,1,1,...,1 } 1 ümesinin en büyü elemanının diğer 1 elemanın toplamına oranı, hangi tam sayıya en
DetaylıSÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI
SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI Yrd. Doç.Dr. İrfan Yolcubal Kocaeli Üni. Jeoloji Müh. Random Değişken: Nümerik olarak ifade edilen bir deneyin sonuçları Süreksiz(Discrete) Random Değişken: Randomdeğişken
DetaylıNORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,
NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına
DetaylıLYS Matemat k Deneme Sınavı
LYS Matemat Deneme Sınavı. ii basamalı doğal saıdır. 6 en büü saısı ile en üçü saısının toplamı açtır? 8 89 8 6. için, 9 ( ) ifadesinin sonucu aşağıdailerden hangisidir? 6. ile saıları arasındai çift saıların
DetaylıStokastik Süreçler. Bir stokastik Süreç ya da rastgele süreç şöyle tanımlanabilir.
Stoasti Süreçler Bir stoasti Süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişendir. Rastgele değişenin alacağı değer zamanla değişmetedir. Deney çıtılarına atanan rastgele
DetaylıİSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ
İSTATİSTİK Hafta 7.2 Kesikli Olasılık Dağılımları Simeon Poisson a atfen isimlendirilen dağılım, bir örnek uzayın belli bir bölgesi veya zamanındaki olayların sayısının incelendiği kesikli bir olasılık
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
DetaylıAktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I
Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I S1. Cep telefonu üreten bir fabrikada toplam üretimin % 30 u A, % 30 u B ve % 40 ı C makineleri tarafından yapılmaktadır. Bu makinelerin
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
Detaylı1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir?
1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir? 9. 4 çocuklu bir aile yan yana poz verecektir. Çocukların soldan sağa doğru boy sırasında olduğu kaç durum
DetaylıOlasılık Kuramı ve Bazı Olasılık Dağılımları
KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası
DetaylıRassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Rassal Değişken Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. O halde
Detaylı1.58 arasındaki her bir değeri alabileceği için sürekli bir
7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin
DetaylıIE 303T Sistem Benzetimi
IE 303T Sistem Benzetimi 1 L E C T U R E 5 : O L A S I L I K T E K R A R 2 Review of the Last Lecture Random Variables Beklenen Değer ve Varyans Moment Kesikli Dağılımlar Bernoulli Dağılımı Binom Dağılımı
DetaylıMIT 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.
DetaylıParametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER
Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi
DetaylıBölüm 13. ÖZEL OLASILIK DAĞILIMLARI
SAKARYA UNIVERSITESI Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI Prof. Dr. Mustafa AKAL 1 İÇİNDEKİLER 1. BERNOULLİ DAĞILIMI 2. BİNOM DAĞILIMI 3. POİSSON DAĞILIMI 4. PASCAL DAĞILIMI 5. GEOMETRİK DAĞILIM 6. HİPERGEOMETRİK
Detaylı2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018
2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla
Detaylıİstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY
İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel
DetaylıMIT 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.
DetaylıTanımlayıcı 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,
DetaylıDeney Dizaynı ve Veri Analizi Ders Notları
Deney Dizaynı ve Veri Analizi Ders Notları Binom dağılım fonksiyonu: Süreksiz olaylarda, sonuçların az sayıda seçenekten oluştuğu durumlarda kullanılır. Bir para atıldığında yazı veya tura gelme olasılığı
DetaylıOlasılık, 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
DetaylıMIT 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.
DetaylıA İSTATİSTİK KPSS-AB-PÖ/2007. 1. X rasgele değişkeninin olasılık fonksiyonu. 4. X sürekli raslantı değişkeninin birikimli dağılım fonksiyonu,
. X rasgele değişeninin olasılı fonsiyonu f( x) = c(x + 5), x =,, 0, diğer hâllerde olduğuna göre, c nin değeri açtır? A İSTATİSTİK KPSS-AB-PÖ/007. X süreli raslantı değişeninin biriimli dağılım fonsiyonu,
Detaylıistatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi
2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel
DetaylıRastgele 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
DetaylıÜSTEL DAĞILIM. üstel dağılımın parametresidir. Birikimli üstel dağılım fonksiyonu da, olarak bulunur. olduğu açık olarak görülmektedir.
ÜSTL DAĞILIM Tanım : X > olma üzr sürli bir rasgl dğişn olsun. ğr a > için X rassal dğişni aşağıdai gibi bir dağılıma sahip olursa X rasgl dğişnin üsl dağılmış rassal dğişn v onsiyonuna da üsl dağılım
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıBAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI
BAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI BAZI SÜREKLİ OLASILIK DAĞILIMLARI 1. SÜREKLİ DÜZGÜN (UNIFORM) DAĞILIM 2. NORMAL DAĞILIM 3. BİNOM DAĞILIMINA NORMAL YAKLAŞIM 4. POISSON DAĞILIMINA NORMAL YAKLAŞIM
Detaylı1991 ÖYS. )0, 5 işleminin sonucu kaçtır? A) 1 B) 2 C) 3 D) 4 E) 5 A) 123 B) 432 C) 741 D) 864 E) 987
99 ÖYS.,8 (, ), işleminin sonucu açtır? A) B) C) D) E) 7. Raamları sıfırdan ve birbirinden farlı, üç basamalı en büyü sayı ile raamları sıfırdan ve birbirinden farlı, üç basamalı en üçü sayının farı açtır?
DetaylıALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR
ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve
DetaylıYoksulun Kazanabildiği Bir Oyun Ali Nesin
Yosulun Kazanabildiği Bir Oyun Ali Nesin B u yazıda yosulu azandıracağız. Küçü bir olasılıla da olsa, yosul azanabilece. Oyunu açılamadan önce, Sonlu Oyunlar adlı yazımızdai oyunu anımsayalım: İi oyuncu
DetaylıSÜREKLİ DÜZGÜN DAĞILIM
SÜREKLİ DÜZGÜN DAĞILIM X rassal değişkenin olasılık yoğunluk fonksiyonu; şeklinde ise x e düzgün dağılmış rassal değişken, f(x) e sürekli düzgün dağılım denir. a 0 olduğuna göre, f(x) >0 olur.
DetaylıBiyoistatistik (Ders 7: Bağımlı Gruplarda İkiden Çok Örneklem Testleri)
ÖRNEKLEM TESTLERİ BAĞIMLI GRUPLARDA ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr BAĞIMLI İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA
DetaylıYıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ. Markov Analizi
Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ Doç. Dr. İhsan KAYA Markov Analizi Markov analizi, bugün çalışan bir makinenin ertesi gün arızalanma olasılığının
Detaylıaltında ilerde ele alınacaktır.
YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini
DetaylıSimülasyonda İstatiksel Modeller
Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun
DetaylıÇok Yüksek Mobiliteli Sönümlemeli Kanallardaki OFDM Sistemleri için Kanal Kestirimi
9-11 Aralı 2009 Ço Yüse Mobiliteli Sönümlemeli Kanallardai OFDM Sistemleri için Kanal Kestirimi İstanbul Üniversitesi Eletri-Eletroni Mühendisliği Bölümü {myalcin, aan}@istanbul.edu.tr Sunum İçeriği Giriş
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
DetaylıFizik 101: Ders 24 Gündem
Terar Fizi 101: Ders 4 Günde Başlangıç oşullarını ullanara BHH denlelerinin çözüü. Genel fizisel saraç Burulalı saraç BHHte enerji Atoi titreşiler Proble: Düşey yay Proble: taşıa tuneli BHH terar BHH &
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
DetaylıExponential Distribution. diger. Probability Distributions. Sürekli Şans Değişkenleri. 0 diger. SÜREKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI
Probability Distributions Probability Distributions SÜREKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Dr. Mehmet AKSARAYLI Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Ekonometri Bölümü
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 0 KASIM 207 8. HAFTA.7 M/M//N/ sistemi için Bekleme zamanının dağılımı ( ) T j rastgele değişkeni j. birimin
DetaylıMAT223 AYRIK MATEMATİK
MAT223 AYRIK MATEMATİK Binom Katsayıları ve Pascal Üçgeni 3. Bölüm Emrah Ayar Anadolu Üniversitesi Fen Faültesi Matemati Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Binom Teoremi Binom Teoremi ( ) n 1. Derste
DetaylıÖrneklem Dağılımları ve Merkezi Limit Teoremi
Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel
DetaylıÇIKTI ANALİZİ BENZETİM TÜRLERİ
ÇIKTI ANALİZİ BENZETİM TÜRLERİ Çıktı analizi benzetimden üretilen verilerin analizidir. Çıktı analizinde amaç, bir sistemin performansını tahmin etmek ya da iki veya daha fazla alternatif sistemlerin performansını
Detaylı1-2 - * 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