Rasgele Sayıların Özellikleri

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Rasgele Sayıların Özellikleri"

Transkript

1 Rasgele Sayı Üretme

2 Rasgele Sayıların Özellikleri İki önemli istaiksel özelliği var : Düzgünlük (Uniformity) Bağımsızlık R i, rasgele sayısı olasılık yoğunluk fonksiyonu aşağıdaki gibi olan uniform bir dağılımdan bağımsız olarak seçilmelidir: f ( x) =, 0, 0 x diğer durumlarda E( R) = 0 xdx = 2 x 2 0 = 2 Şekil: rasgele sayılar için pdf

3 Pseudo-Rasgele Sayıların Üretilmesi Pseudo (yalancı) olmasının nedeni: bilinen bir yöntem kullanılarak sayıların üretilmesi gerçek rasgelelik potansiyelini ortadan kaldıryor. Amaç: rasgele sayıların (RN) ideal özelliklerini taklit eden, [0,] aralığında bir sayı dizisi üretmek. RN rutinlerinde dikkat edilecek önemli hususlar: Hızlı Farklı bilgisayarlara taşınabilir Yeterince uzun çevrime sahip Yinelenebilir (aynı başlangıç koşulları verildiğinde) Düzgünlük ve bağımsızlık için gerekli ideal istatiksel özellikleri sağlama

4 Rasgele Sayı Üretme Teknikleri Lineer Eşleşiklsel Yöntem - Linear Congruential Method (LCM). Birleştirilmiş Lineer Eşleşiklsel Üreteçler - Combined Linear Congruential Generators (CLCG). Rasgele-Sayı Dizileri - Random-Number Streams.

5 Linear Congruential Metodu 0 ve m- arasında, X, X 2, gibi bir tamsayı dizisi üretmek için kullanılacak rekürsif ilişki : X = ( ax i + c) mod m, = i+ i 0,,2,... Çarpan Artım Modül c, m, ve X 0 değerlerinin seçimi istatiksel özellikleri ve çevrim uzunluğunu önemli derecede etkiler. [0,m-] aralığında rasgele tamsayılar üretildikten sonra bunları rasgele sayılara dönüştürmek için: R i X i =, i =,2,... m

6 Örnek [LCM] X 0 = 27, a = 7, c = 43, ve m = 00 değerlerini kullanacak olursak, X i ve R i değerleri: X = (7*27+43) mod 00 = 502 mod 00 = 2, R = 0.02; X 2 = (7*2+43) mod 00 = 77, R 2 = 0.77; X 3 = (7*77+43) mod 00 = 52, R 3 = 0.52;

7 İyi Bir Üreteçin Karakteristik Özellikleri [LCM] Maksimum Yoğunluk R i, i =,2, ile kabul edilen değerler [0,] aralığında büyük boşluklar bırakmamalı. Problem: Herbir R i değeri sürekli değil, ayrıktır. Çözüm: m için büyük bir tamsayı kullanılması Yuvarlama çok az etki ediyor Maksimum Periyod Maksimum yoğunluğa ulaşmak ve uzun çevrim için gerekli. a, c, m, ve X 0 değerlerinin uygun seçilmesi ile mümkün Bilgisayarlar sayıların binary karşılığını kullanır m, modül değerinin 2 nin kuvveti olması hız ve etkinlik için önemlidir.

8 Maksimum Periyod m=2 b ve c 0 iken mümkün olan en uzun periyod: P=m=2 b dir. En uzun periyoda m ile c birbirine göre asal iken erişilebilir (ebob(m,c) =) m=2 b ve c=0 iken mümkün olan en uzun periyod: P=m/4 = 2 b-2 dir. En uzun periyoda X 0 (seed) tek olmak üzere a= 3+8k veya a=5+8k (k=0,,..) şeklinde seçildiğinde erişilebilir. m asal bir sayı ve c=0 iken mümkün olan en uzun periyod: P=m- dir. En uzun periyoda a k - değerinin m ile bölünebildiği en küçük k değeri k=m- iken erişilebilir.

9 Maksimum Periyod a=3, m=64=26, c=0 iken X 0 (seed) =,2,3,4 seçilirse maksimum periyod P=m/4=6 olacaktır ve ancak X 0 (seed)= veya 3 iken yani tek iken elde edilebilir.

10 Birleştirilmiş Lineer Congruential Üreteçler Neden: Simülasyon sistemlerinin karmaşıklığı arttıkça daha uzun periyodlara ihtiyaç duyulmuş, tek üreteç yetersiz kalmıştır. Yaklaşım: İki veya daha fazla çarpımsal eşleşiklsel (congruential) üreteçin birleştirilmesi. X i,, X i,2,, X i,k, k adet farklı eşleşiklsel (congruential) üreteçlerin i. çıktıları olsun. j. üreteç: m j asal modülüne, a j çarpanına sahip ve periyodu m j - ise üreteceği X i,j tamsayıları [, m j -] aralığında yakalşık üniformdur. W i,j = X i,j - ise [0, m j -2] aralığındaki tamsayılar için yakalşık üniformdur.

11 Birleştirilmiş Lineer Congruential Üreteçler L Ecuyer tarafından buna dayanarak k adet birleştirilmiş üreteç için önerilen form: k j X i X ( ) i = X i, j mod m, X i f 0 j= m Ri = m, X i = 0 m ( X Bu katsayı W i, =X i, - çıkarma işlemini sağlar k=2 için k = 2 0 j i, ) + ( X i,2 ) = ( ) ( X i, ) + ( ) ( X i,2 ) = ( ) j= Mümkün olan maksimum periyod: X i, j P ( m )( m )...( 2 2 = k m k )

12 Birleştirilmiş Lineer Congruential Üreteçler] 32-bit bilgisayarlar için, L Ecuyer [988] k = 2 adet üretecin m = 2,47,483,563, a = 40,04 ve m 2 = 2,47,483,399 a 2 = 20,692 olmak üzere birleştirilmesini önerir. Algoritma şu şekildedir: Adım : Kökler seçilir:. üreteç için X,0 [, 2,47,483,562] kademesinde 2. üreteç için X 2,0 [, 2,47,483,398] kademesinde. Adım 2: Herbir üreteç için, X,j+ = 40,04 X,j mod 2,47,483,563 X 2,j+ = 40,692 X,j mod 2,47,483,399. Adım 3: X j+ = (X,j+ - X 2,j+ ) mod 2,47,483,562 (m -). Adım 4: X j+, X j+ > 0 R + = 2,47,483,563 j 2,47,483,562, X j+ = 0 2,47,483,563 Adım 5: j = j+, 2. adıma geri dön. Bu birleştirilmiş üretecin periyou: (m )(m 2 )/2 ~ 2 x 0 8

13 Rasgele-Sayı Dizileri Lineer eşleşiklsel bir üreteç için kök (seed) değer: Rasgele sayı dizisini başlatan bir tamsayıdır. Bu dizideki herhangi bir değer üreteç için seed olarak kullanılabilir. Rasgele sayı dizisi: X 0, X,, X P. diziisinden alınmış bir başlangıç değerine (seed) işaret eder. Başlangıç değerleri dizinin bütünü içinde birbirinden uzakta seçilir. Eğer diziler b değer uzaklıkta ise i. dizi başlangıç değeri ile tanımlanır: S i = X b ( i ) Eski üreteçlerde: b = 0 5 civarında iken, yenilerde: b = 0 37 gibi büyük değerler kullanılıyor. k alt diziden oluşan tek bir rasgele sayı üreteci k farklı sanal rasgele sayı üreteci gibi kullanılabilir.

14 Rasgele-SayıTestleri İki kategoride topanır: Uniformluk Testi: H 0 : R i ~ U[0,] H : R i ~ U[0,] / H 0 hipotezi sayıların [0,] aralığında rasgele dağıldığını söyler, hipotezin aksinin gösterilememesi uniformluğun olmadığının tesbit edilemediğini söyler. Bağımsızlık Testi: H 0 : R i ~ bağımsız H : R i ~ bağımsız H 0 hipotezi sayıların bağımsız olduğunu söyler, hipotezin aksinin gösterilememesi bağımlılık tesbit edilemediğini söyler. Önem derecesi α, H 0 doğru iken reddetme olasılığıdır: α = P(red H 0 H 0 doğru) /

15 Rasgele-SayıTestleri Ne zaman kullanılmalı: Bilinen simülasyon dilleri veya rasgele sayı üreteçleri kullanılıyorsa test etmek gerekli olmayabilir, Eğer üreteç özellikle bilinmiyo veya dökümante edilmemiş ise (tablolama programları, nümerik-sembolik hesaplayıcılar gibi) pek çok örnek sayı için testler uygulanmalıdır. Test Tipleri: Teorik testler: Gerçek sayları üretmeden m, a, ve c gibi parametre seçimlerini inceler. Ampirik (deneysel) testler: Üretilen gerçek sayı dizilerine uygulanır.

16 Rasgele-SayıTestleri Frekans Testleri Uniforlmluk ile ilgili Kolmogorov-Smirnov testi Chi-square testi Otokorolasyon Testleri Bağımsızlık ile ilgili

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var :

Rasgele Sayı Üretme. Rasgele Sayıların Özellikleri. İki önemli istaiksel özelliği var : Rasgele Sayı Üretme Rasgele Sayıların Özellikleri İki önemli istaiksel özelliği var : Düzgünlük (Uniformity) Bağımsızlık R i, rasgele sayısı olasılık yoğunluk fonksiyonu aşağıdaki gibi olan uniform bir

Detaylı

IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I

IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I IE 303T Sistem Benzetimi L E C T U R E 6 : R A S S A L R A K A M Ü R E T I M I Geçen Ders Sürekli Dağılımlar Uniform dağılımlar Üssel dağılım ve hafızasızlık özelliği (memoryless property) Gamma Dağılımı

Detaylı

RASSAL SAYI ÜRETİLMESİ

RASSAL SAYI ÜRETİLMESİ Dr. Mehmet AKSARAYLI Ekonometri Böl. Simülasyon Ders Notları Rassal Sayı Üretilmesi RASSAL SAYI ÜRETİLMESİ Simülasyon analizinde kullanılacak az sayıda rassal sayı üretimi için ilkel yöntemler kullanılabilir.

Detaylı

BMÜ-421 BENZETIM VE MODELLEME STOKASTİK ÜRETEÇLER. İlhan AYDIN

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

Detaylı

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYILARIN ÜRETİLMESİ Rastgele değişimler yapay tablolardan veya parametreleri verilen teorik dağılım fonksiyonlarından elde edilir.

Detaylı

Rasgele Sayılar (Random Numbers) NUPAMC-2012 Bitlis

Rasgele Sayılar (Random Numbers) NUPAMC-2012 Bitlis Rasgele Sayılar (Random Numbers) NUPAMC-2012 Bitlis Gültekin YEĞİN Fizik Bölümü Celal Bayar Üniversitesi Manisa 10 Mayıs 2012 Doç.Dr.Gultekin Yeğin (C.B.Ü. Fizik) Rasgele Sayılar (Random Numbers) NUPAMC-2012

Detaylı

RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN. dd Her Ui nin beklenen değeri; Benzetimde rassallık k varsa, bir veya birden fazla dağı

RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN. dd Her Ui nin beklenen değeri; Benzetimde rassallık k varsa, bir veya birden fazla dağı RASSAL SAYI ve RASSAL DEĞİŞ ĞİŞKEN ÜRETİMİ Benzetimde rassallık k varsa, bir veya birden fazla ğılımdan rassal değişken üretimi yapılacakt lacaktır. Bu ğılımlar, gözlemden g elde edilen veriye giydirilmiş

Detaylı

Rassal Değişken Üretimi

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

Detaylı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı

Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım. Mehmet Ali Aytekin Tahir Emre Kalaycı Gezgin Satıcı Probleminin İkili Kodlanmış Genetik Algoritmalarla Çözümünde Yeni Bir Yaklaşım Mehmet Ali Aytekin Tahir Emre Kalaycı Gündem Gezgin Satıcı Problemi GSP'yi Çözen Algoritmalar Genetik Algoritmalar

Detaylı

BMÜ-421 BENZETIM VE MODELLEME STOKASTİK ÜRETEÇLER. İlhan AYDIN

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

Detaylı

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9 EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi

Detaylı

Değişkenler. Geçerli değişken isimleri : baslamazamani, ad_soyad, x5 Geçersiz değişken isimleri : 3x, while

Değişkenler. Geçerli değişken isimleri : baslamazamani, ad_soyad, x5 Geçersiz değişken isimleri : 3x, while Değişkenler Değişkenler bir bilginin bellekteki konumunu temsil eden sembolik isimlerdir. Bilgisayarda hemen hemen tüm işlemler bellekte yapılır. Program çalıştırıldığında değişken ve bu değişkenin türüne

Detaylı

Fonksiyon Optimizasyonunda Genetik Algoritmalar

Fonksiyon Optimizasyonunda Genetik Algoritmalar 01-12-06 Ümit Akıncı Fonksiyon Optimizasyonunda Genetik Algoritmalar 1 Fonksiyon Optimizasyonu Fonksiyon optimizasyonu fizikte karşımıza sık çıkan bir problemdir. Örneğin incelenen sistemin kararlı durumu

Detaylı

BLM-112 PROGRAMLAMA DİLLERİ II. Ders-1 Kapsama Kuralları & Rasgele Sayı Üretimi & Rekürsif (Özyinelemeli) Fonksiyonlar

BLM-112 PROGRAMLAMA DİLLERİ II. Ders-1 Kapsama Kuralları & Rasgele Sayı Üretimi & Rekürsif (Özyinelemeli) Fonksiyonlar BLM-112 PROGRAMLAMA DİLLERİ II Ders-1 Kapsama Kuralları & Rasgele Sayı Üretimi & Rekürsif (Özyinelemeli) Fonksiyonlar Yrd. Doç. Dr. Ümit ATİLA umitatila@karabuk.edu.tr http://web.karabuk.edu.tr/umitatilla/

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

BİL-142 Bilgisayar Programlama II

BİL-142 Bilgisayar Programlama II BİL-142 Bilgisayar Programlama II (C/C++) Hazırlayan: M.Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Konular Giriş math Kütüphane Fonksiyonları Çok Parametreyle Fonksiyon Tanımı Fonksiyon

Detaylı

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi

1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi 1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri

Detaylı

Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net

Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Bilgisayar Programlama Ders 6 Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Fonksiyon Prototipleri Fonksiyon Prototipleri Derleyici, fonksiyonların ilk hallerini (prototiplerini)

Detaylı

İNÖNÜ ÜNİVERSİTESİ MÜH. FAK. BİLGİSAYAR MÜH. BÖL. ALGORİTMA VE PROGRAMLAMA 1 DERSİ LAB. ÖDEVİ

İNÖNÜ ÜNİVERSİTESİ MÜH. FAK. BİLGİSAYAR MÜH. BÖL. ALGORİTMA VE PROGRAMLAMA 1 DERSİ LAB. ÖDEVİ İNÖNÜ ÜNİVERSİTESİ MÜH. FAK. BİLGİSAYAR MÜH. BÖL. ALGORİTMA VE PROGRAMLAMA 1 DERSİ LAB. ÖDEVİ AD SOYAD : TESLİM TARİHİ : OKUL NO : TESLİM SÜRESİ : 2 hafta Ödev No : 7 ****(ilk 3 soru çıktı üzerinde el

Detaylı

SİMETRİK ŞİFRELEME. DES (Veri Şifreleme Standardı, Data Encryption Standard)

SİMETRİK ŞİFRELEME. DES (Veri Şifreleme Standardı, Data Encryption Standard) SİMETRİK ŞİFRELEME DES (Veri Şifreleme Standardı, Data Encryption Standard) DES, veri şifrelemek (encryption) ve şifrelenmiş verileri açmak (decryption) için geliştirilmiş bir standarttır. Esas olarak

Detaylı

6.046J/18.401J DERS 7 Kıyım Fonksiyonu (Hashing I) Prof. Charles E. Leiserson

6.046J/18.401J DERS 7 Kıyım Fonksiyonu (Hashing I) Prof. Charles E. Leiserson Algoritmalara Giriş 6.046J/8.40J DERS 7 Kıyım Fonksiyonu (Hashing I) Doğrudan erişim tabloları Çarpışmaları ilmekleme ile çözmek Kıyım fonksiyonu seçimi Açık adresleme Prof. Charles E. Leiserson October

Detaylı

YZM ALGORİTMA ANALİZİ VE TASARIM DERS#1: ALGORİTMA KAVRAMI

YZM ALGORİTMA ANALİZİ VE TASARIM DERS#1: ALGORİTMA KAVRAMI YZM 3207- ALGORİTMA ANALİZİ VE TASARIM DERS#1: ALGORİTMA KAVRAMI Algoritma Nedir? Algoritma Bir problemin çözümü için geliştirilmiş özel metot Girdileri çıktılara dönüştüren sıralı hesaplama adımları Tanımlanmış

Detaylı

KARAKTER DİZGİLERİ, BAĞINTILAR, FONKSİYONLAR KESİKLİ MATEMATİKSEL YAPILAR

KARAKTER DİZGİLERİ, BAĞINTILAR, FONKSİYONLAR KESİKLİ MATEMATİKSEL YAPILAR KARAKTER DİZGİLERİ, BAĞINTILAR, FONKSİYONLAR KESİKLİ MATEMATİKSEL YAPILAR 2012-2013 Karakter Dizgisi Karakter Dizgisi Üzerine İşlemler Altdizgi Tanım 3.1.1: Bir X kümesi üzerinde bir karakter dizgisi (string)

Detaylı

İstatistik ve Olasılık

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

Detaylı

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

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

Detaylı

Simülasyonda İstatiksel Modeller

Simülasyonda İstatiksel Modeller Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun

Detaylı

Deprem Kayıtlarının Seçilmesi ve Ölçeklendirilmesi

Deprem Kayıtlarının Seçilmesi ve Ölçeklendirilmesi İNŞAAT MÜHENDİSLERİ ODASI SAKARYA TEMSİLCİLİĞİ EĞİTİM SEMİNERLERİ Deprem ve Yapı Bilimleri Deprem Kayıtlarının Seçilmesi ve Ölçeklendirilmesi 12 Haziran 2008 Yrd. Doç. Dr. Yasin Fahjan fahjan@gyte.edu.tr

Detaylı

YAPI İŞLETMESİ VE ŞANTİYE TEKNİĞİ 11 MONTE CARLO SİMÜLASYONU İLE İNŞAAT PROJELERİNDE SÜRE PLANLAMASI

YAPI İŞLETMESİ VE ŞANTİYE TEKNİĞİ 11 MONTE CARLO SİMÜLASYONU İLE İNŞAAT PROJELERİNDE SÜRE PLANLAMASI MONTE CARLO SİMÜLASYONU İLE İNŞAAT PROJELERİNDE SÜRE PLANLAMASI Simülasyon gerçek yaşamı taklit etme sürecidir. Simülasyon Çeşitleri Fiziksel simülasyon Bilgisayarlı simülasyon Bilgisayarlı simülasyon

Detaylı

MAT 302 SOYUT CEBİR II SORULAR. (b) = ise =

MAT 302 SOYUT CEBİR II SORULAR. (b) = ise = MAT 302 SOYUT CEBİR II SORULAR 1. : bir dönüşüm, olsunlar. a) ( ) = ( ) ( ) b) ( ) ( ) ( ) olduğunu c) ( ) nin eşitliğinin sağlanması için gerekli ve yeterli bir koşulun nin 1 1 olması ile mümkün olduğunu

Detaylı

DOĞUŞ ÜNİVERSİTESİ 8. İSTANBUL MATEMATİK YARIŞMASI LİSELER KATEGORİSİ TAKIM YARIŞMASI

DOĞUŞ ÜNİVERSİTESİ 8. İSTANBUL MATEMATİK YARIŞMASI LİSELER KATEGORİSİ TAKIM YARIŞMASI DOĞUŞ ÜNİVERSİTESİ 8. İSTANBUL MATEMATİK YARIŞMASI LİSELER KATEGORİSİ TAKIM YARIŞMASI 1-60) Dört çocuk, Ahmet, Ferit, Berk ve Mehmet koşu yarışı yapıyorlar. Yarışma sonucunda, Ahmet, "Ben birinci ve sonuncu

Detaylı

1 Primitif Kökler. [Fermat ] p asal, p a a p 1 1 (mod p) a Z, a p a (mod p) [Euler] ebob(a, m) = 1, a φ(m) 1 (mod m) φ(1) := 1

1 Primitif Kökler. [Fermat ] p asal, p a a p 1 1 (mod p) a Z, a p a (mod p) [Euler] ebob(a, m) = 1, a φ(m) 1 (mod m) φ(1) := 1 Primitif Kökler [Fermat ] p asal, p a a p (mod p) a Z, a p a (mod p) [Euler] ebob(a, m) =, a φ(m) (mod m) φ : Z + Z + φ() := φ(m) := {x Z x < m, ebob(x, m) = } φ fonksiyonunun özellikleri: ) m >, φ(m)

Detaylı

Açık Anahtarlı Kriptografi ve Uygulamalar

Açık Anahtarlı Kriptografi ve Uygulamalar Uygulamalı Matematik Enstitüsü Kriptografi Bölümü Orta Doğu Teknik Üniversitesi SEM Seminerleri 29 Ocak 2013 Temel Kavramlar Temel Amaçlar Gizlilik Bilgi istenmeyen kişiler tarafından anlaşılamamalıdır.

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

Kuyruk Sistemlerinin Simülasyonu

Kuyruk Sistemlerinin Simülasyonu Kuyruk Sistemlerinin Simülasyonu Kuyruk sistemlerinin simülasyonu sonraki adımda ne olacağını belirlemek üzere bir olay listesinin tutulmasını ve bakımını gerektirir. Simülasyonda olaylar genellikle gerçek

Detaylı

EBOB - EKOK EBOB VE EKOK UN BULUNMASI. 2. Yol: En Büyük Ortak Bölen (Ebob) En Küçük Ortak Kat (Ekok) www.unkapani.com.tr. 1. Yol:

EBOB - EKOK EBOB VE EKOK UN BULUNMASI. 2. Yol: En Büyük Ortak Bölen (Ebob) En Küçük Ortak Kat (Ekok) www.unkapani.com.tr. 1. Yol: EBOB - EKOK En Büyük Ortak Bölen (Ebob) İki veya daha fazla pozitif tamsayıyı aynı anda bölen pozitif tamsayıların en büyüğüne bu sayıların en büyük ortak böleni denir ve kısaca Ebob ile gösterilir. Örneğin,

Detaylı

Kalitatif Veri. 1. Kalitatif random değişkenler sınıflanabilen yanıtlar vermektedir. Örnek: cinsiyet (Erkek, Kız)

Kalitatif Veri. 1. Kalitatif random değişkenler sınıflanabilen yanıtlar vermektedir. Örnek: cinsiyet (Erkek, Kız) Kalitatif Veri 1. Kalitatif random değişkenler sınıflanabilen yanıtlar vermektedir. Örnek: cinsiyet (Erkek, Kız). Ölçüm kategorideki veri sayısını yansıtır 3. Nominal yada Ordinal ölçek Multinomial Deneyler

Detaylı

Yrd. Doç. Dr. Caner ÖZCAN

Yrd. Doç. Dr. Caner ÖZCAN Yrd. Doç. Dr. Caner ÖZCAN Derse Giriş Ders Web Sitesi: www.canerozcan.net Ofis Saatleri: Salı 11:00-13:00 Perşembe 15:30-17:30 ya da email ile randevu alınız: canerozcan@karabuk.edu.tr Kaynak Kitaplar:

Detaylı

A GRUBU Noktaları adlandırılmış K 6 tam çizgesinin tam olarak 3 noktalı kaç tane alt çizgesi vardır? A) 9 B) 20 C) 24 D) 60 E) 160

A GRUBU Noktaları adlandırılmış K 6 tam çizgesinin tam olarak 3 noktalı kaç tane alt çizgesi vardır? A) 9 B) 20 C) 24 D) 60 E) 160 A GRUBU.. Numarası :............................................. Adı Soyadı :............................................. SINAV YÖNERGESİ İşaretlemelerinizde kurşun kalem kullanınız. Soru ve cevap kağıtlarına

Detaylı

Yrd. Doç. Dr. Ümit ATİLA

Yrd. Doç. Dr. Ümit ATİLA Yrd. Doç. Dr. Ümit ATİLA Sıralama Bir grup veriyi azalan veya artan şekilde yerleştirme. Bilgisayar sistemleri için veri sıralama çok önemlidir. Sıralama işlemi, hem arama işlemlerini hem de bir grup veriyi

Detaylı

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation

Simülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri

Detaylı

Olasılık ve İstatistik nedir? Bilgisayar Mühendisliğindeki yeri

Olasılık ve İstatistik nedir? Bilgisayar Mühendisliğindeki yeri Olasılık ve İstatistik nedir? Bilgisayar Mühendisliğindeki yeri IST 108 Olasılık ve İstatistik Bahar 2016 Yrd. Doç. Dr. Ferhat Dikbıyık Bu sunumun bir kısmı Utah Üniversitesi nden Bilgisayar Bilimleri

Detaylı

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

Detaylı

Rasgele Sayılar Rasgele Basamaklar

Rasgele Sayılar Rasgele Basamaklar Rasgele Sayılar Rasgele Basamaklar Gerçek hayatı taklit etmek için ihtiyaç duyulan rasgeleliği elde etmek rasgele sayılar ın kullanılması ile mümkündür. Rasgele sayıların oluşturulmasında rasgele basamaklar

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan

Detaylı

Örnek...3 : Aşağıdaki ifadelerden hangileri bir dizinin genel terim i olabilir?

Örnek...3 : Aşağıdaki ifadelerden hangileri bir dizinin genel terim i olabilir? DİZİLER Tanım kümesi pozitif tam sayılar kümesi olan her fonksiyona dizi denir. Örneğin f : Z + R, f (n )=n 2 ifadesi bir dizi belirtir. Diziler, değer kümelerine göre adlandırı - lırlar. Dizinin değer

Detaylı

YZM 3217 YAPAY ZEKA DERS#10: KÜMELEME

YZM 3217 YAPAY ZEKA DERS#10: KÜMELEME YZM 317 YAPAY ZEKA DERS#10: KÜMELEME Sınıflandırma (Classification) Eğiticili (supervised) sınıflandırma: Sınıflandırma: Sınıf sayısı ve bir grup örneğin hangi sınıfa ait olduğunu bilinir Eğiticisiz (unsupervised)

Detaylı

8. Uygulama. Bazı Sürekli Dağılımlar

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

Detaylı

İçindekiler. Ön Söz... xiii

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

Detaylı

İÇİNDEKİLER İÇİNDEKİLER KODLAB

İÇİNDEKİLER İÇİNDEKİLER KODLAB İÇİNDEKİLER IX İÇİNDEKİLER 1 GİRİŞ 1 Kitabın Amacı 1 Algoritmanın Önemi 2 Bilgisayarın Doğuşu ve Kullanım Amaçları 3 Programlama Dili Nedir? 3 Entegre Geliştirme Ortamı (IDE) Nedir? 4 2 ALGORİTMA VE AKIŞ

Detaylı

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

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

Detaylı

sayısının tamkare olmasını sağlayan kaç p asal sayısı vardır?(88.32) = n 2 ise, (2 p 1

sayısının tamkare olmasını sağlayan kaç p asal sayısı vardır?(88.32) = n 2 ise, (2 p 1 TAM KARELER 1. Bir 1000 basamaklı sayıda bir tanesi dışında tüm basamaklar 5 tir. Bu sayının hiçbir tam sayının karesi olamayacağını kanıtlayınız. (2L44) Çözüm: Son rakam 5 ise, bir önceki 2 olmak zorunda.

Detaylı

ENF102 TEMEL BİLGİSAYAR BİLİMLERİ VE C/ C++ PROGRAMLAMA DİLİ. Gazi Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü

ENF102 TEMEL BİLGİSAYAR BİLİMLERİ VE C/ C++ PROGRAMLAMA DİLİ. Gazi Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü ENF102 TEMEL BİLGİSAYAR BİLİMLERİ VE C/ C++ PROGRAMLAMA DİLİ Gazi Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü Konular Giriş math Kütüphane Fonksiyonları Çok Parametreyle Fonksiyon

Detaylı

Bir bütünün eş parçalarının bütüne olan oranı kesir olarak adlandırılır. b Payda

Bir bütünün eş parçalarının bütüne olan oranı kesir olarak adlandırılır. b Payda Matematik6 Bir Bakışta Matematik Kazanım Defteri Özet bilgi alanları... Kesirlerle İşlemler KESİR ve KESİRLERDE SIRALAMA Bir bütünün eş parçalarının bütüne olan oranı kesir olarak adlandırılır. Bir kesirde

Detaylı

FAKTÖRİYEL. TANIM Pozitif ilk n tam sayının çarpımı n = n! biçiminde gösterilir. n Faktöriyel okunur.

FAKTÖRİYEL. TANIM Pozitif ilk n tam sayının çarpımı n = n! biçiminde gösterilir. n Faktöriyel okunur. FAKTÖRİYEL TANIM Pozitif ilk n tam sayının çarpımı 1.2.3 n = n! biçiminde gösterilir. n Faktöriyel okunur. 1!=1 2!=1.2=2 3!=1.2.3=6 4!=1.2.3.4=24 5!=1.2.3.4.5=120 gibi. Özel olarak; 0! = 1 olarak tanımlanmıştır.

Detaylı

MĐKROĐŞLEMCĐLĐ FONKSĐYON ÜRETECĐ

MĐKROĐŞLEMCĐLĐ FONKSĐYON ÜRETECĐ K TÜ Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü Mikroişlemciler Laboratuarı MĐKROĐŞLEMCĐLĐ FONKSĐYON ÜRETECĐ Mikrobilgisayarların kullanım alanlarından biri de değişik biçimli periyodik işaretlerin

Detaylı

VERİ YAPILARI DERS NOTLARI BÖLÜM 1 GİRİŞ. Yard. Doç. Dr. Deniz KILINÇ

VERİ YAPILARI DERS NOTLARI BÖLÜM 1 GİRİŞ. Yard. Doç. Dr. Deniz KILINÇ VERİ YAPILARI DERS NOTLARI BÖLÜM 1 GİRİŞ Yard. Doç. Dr. Deniz KILINÇ CELAL BAYAR ÜNİVERSİTESİ, YAZILIM MÜHENDİSLİĞİ 2015-2016 1. DERS İÇERİĞİ VE KAYNAKLAR Veri Yapıları (VY) dersinde görülmesi muhtemel

Detaylı

KÜMELER VE MANTIK KESİLİ MATEMATİKSEL YAPILAR

KÜMELER VE MANTIK KESİLİ MATEMATİKSEL YAPILAR KÜMELER VE MANTIK KESİLİ MATEMATİKSEL YAPILAR Kümeler Koşullu ve Mantıksal Denklik Kümeler Kümeler Ayrık Kümeler De-Morgan Kuralı Z (Zahlen; alm.) tamsayılar kümesi Z negatif tamsayılar kümesi, Z nonneg

Detaylı

Yrd. Doç. Dr. Caner ÖZCAN

Yrd. Doç. Dr. Caner ÖZCAN Yrd. Doç. Dr. Caner ÖZCAN Derse Giriş Ders Web Sitesi: www.canerozcan.net Ofis Saatleri: Salı 11:00-13:00 Perşembe 15:30-17:30 ya da email ile randevu alınız: canerozcan@karabuk.edu.tr Kaynak Kitaplar:

Detaylı

6. Ders. Mahir Bilen Can. Mayıs 16, 2016

6. Ders. Mahir Bilen Can. Mayıs 16, 2016 6. Ders Mahir Bilen Can Mayıs 16, 2016 Bu derste lineer cebirdeki bazı fikirleri gözden geçirip Lie teorisine uygulamalarını inceleyeceğiz. Bütün Lie cebirlerinin cebirsel olarak kapalı ve karakteristiği

Detaylı

Kuyruk Simulasyonu (Qeue Simulation)

Kuyruk Simulasyonu (Qeue Simulation) Kuyruk Simulasyonu (Qeue Simulation) Prof. Dr. E. Murat ESİN Argeritma Teknoloji Geliştirme ve Danışmanlık Hizmetleri San. ve Tic. Ltd. Şti. Sistem analizi çalışmalarında kuyruk simulasyonu özel bir yer

Detaylı

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

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

Detaylı

köşe (vertex) kenar (edg d e)

köşe (vertex) kenar (edg d e) BÖLÜM 7 köşe (vertex) kenar (edge) Esk den Ank ya bir yol (path) Tanım 7.1.1: Bir G çizgesi (ya da yönsüz çizgesi) köşelerden oluşan bir V kümesinden ve kenarlardan oluşan bir E kümesinden oluşur. Herbir

Detaylı

1106104 SİSTEM SİMÜLASYONU

1106104 SİSTEM SİMÜLASYONU 6 SİSTEM SİMÜLASYONU Yrd Doç. Dr. Sırma Yavuz Çarşamba : - : (F-9) Ofis: B Blok - Kat Donanım Lab. Ofis Saatleri : Çarşamba 6: - 7: İçerik Simülasyon Modeli Yaklaşımları Kuyruk Sistemlerinin Simülasyonu

Detaylı

IE 303 SİSTEM BENZETİMİ

IE 303 SİSTEM BENZETİMİ IE 303 SİSTEM BENZETİMİ DERS 2 : S I M U L A S Y O N Ö R N E K L E R I...making simulations of what you're going to build is tremendously useful if you can get feedback from them that will tell you where

Detaylı

Mustafa Özdemir İrtibat İçin : veya Altın Nokta Yayınevi

Mustafa Özdemir İrtibat İçin : veya Altın Nokta Yayınevi 2 Matematik Olimpiyatlarına Hazırlık 4 Mustafa Özdemir MATEMATİK OLİMPİYATLARINA HAZIRLIK 4 (336 sayfa) ANALİZ CEBİR 1 TANITIM DÖKÜMANI (Kitabın içeriği hakkında bir bilgi verilmesi amacıyla bu döküman

Detaylı

+..+b 0 Polinomlarının. kongüransını inceleyeceğiz.

+..+b 0 Polinomlarının. kongüransını inceleyeceğiz. POLİNOMLAR VE WİLSON TEOREMİ 9.1 Polinomlar kongüranslar. Polinomları ve onların soyut cebir ile ilgili özelliklerini 4. bölümde geniș ele alacağız. Bu kısımda ise sayılar teorisi açısından bazı özelliklerine

Detaylı

MS Excel. Excel Microsoft Office in bir parçasını oluşturur. Office 2007, Office 2010, Office 2013, Office 2016

MS Excel. Excel Microsoft Office in bir parçasını oluşturur. Office 2007, Office 2010, Office 2013, Office 2016 MS Excel Elektronik tablolama veya hesaplama programı olarak da adlandırılan Excel, girilen veriler üzerinde hesap yapabilme, tablolar içinde verilerle grafik oluşturma, verileri karşılaştırıp sonuç üretebilme

Detaylı

Polialfabetik Şifreleme (Vigenere)

Polialfabetik Şifreleme (Vigenere) Polialfabetik Şifreleme (Vigenere) Polialfabetik şifrelemede ise, anahtara bağlı olarak her harf alfabede birden fazla harfle eşleşmektedir. Bu tip şifreleme, mono alfabetik yöntemlerden farklı olarak,

Detaylı

Dizi Antenler. Özdeş anten elemanlarından oluşan bir dizi antenin ışıma diyagramını belirleyen faktörler şunlardır.

Dizi Antenler. Özdeş anten elemanlarından oluşan bir dizi antenin ışıma diyagramını belirleyen faktörler şunlardır. Dizi Antenler Özdeş anten elemanlarından oluşan bir dizi antenin ışıma diyagramını belirleyen faktörler şunlardır. 1. Dizi antenin geometrik şekli (lineer, dairesel, küresel..vs.) 2. Dizi elemanları arasındaki

Detaylı

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar

METASEZGİSEL YÖNTEMLER. Genetik Algoritmalar METASEZGİSEL YÖNTEMLER Genetik Algoritmalar 1970 li yıllarda John Holland tarafından geliştirilmiştir. 1989 yılında David E. Goldberg Genetik Genetik Algoritma Algoritma Uygulamaları üzerine klasik eser

Detaylı

Rasgele Sayılar. 1.1 Bilgisayar Rasgele Sayı Üretemez! 1.2 rand() fonksiyonu

Rasgele Sayılar. 1.1 Bilgisayar Rasgele Sayı Üretemez! 1.2 rand() fonksiyonu 1 Rasgele Sayılar 1.1 Bilgisayar Rasgele Sayı Üretemez! Bilgisayar uygulamalarında sık sık rasgele sayı üretimi ile karşılaşırız. Hemen her oyunda ve kriptografide karşımıza aynı soru çıkar. Bilgisayarda

Detaylı

BMT 101 Algoritma ve Programlama I 3. Hafta (Örnekler) Yük. Müh. Köksal GÜNDOĞDU 1

BMT 101 Algoritma ve Programlama I 3. Hafta (Örnekler) Yük. Müh. Köksal GÜNDOĞDU 1 BMT 101 Algoritma ve Programlama I 3. Hafta (Örnekler) Yük. Müh. Köksal GÜNDOĞDU 1 Örnek Uygulamalar Yük. Müh. Köksal GÜNDOĞDU 2 Örnek: Aşağıdaki akış diyagramının sonucunu bulunuz. Yük. Müh. Köksal GÜNDOĞDU

Detaylı

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL

Ki- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli

Detaylı

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Karar Ağaçları ile Sınıflandırma) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Sınıflandırma yöntemleri Karar ağaçları ile sınıflandırma Entropi Kavramı ID3 Algoritması C4.5

Detaylı

Şekil 6.2 Çizgisel interpolasyon

Şekil 6.2 Çizgisel interpolasyon 45 Yukarıdaki şekil düzensiz bir X,Y ilişkisini göstermektedir. bu fonksiyon eğri üzerindeki bir dizi noktayı birleştiren bir seri düzgün çizgi halindeki bölümlerle açıklanabilir. Noktaların sayısı ne

Detaylı

6. SINIF ÖF RETH M PROGRAMI

6. SINIF ÖF RETH M PROGRAMI 6. SINIF ÖF RETH M PROGRAMI Öğrenme Alanları ve Alt Öğrenme Alanları 6.1. Sayılar ve İşlemler 6.1.1. Doğal Sayılarla İşlemler 6.1.2. Çarpanlar ve Katlar 6.1.3. Tam Sayılar 6.1.4. Kesirlerle İşlemler 6.1.5.

Detaylı

TAMSAYILAR. 9www.unkapani.com.tr. Z = {.., -3, -2, -1, 0, 1, 2, 3, } kümesinin her bir elemanına. a, b, c birer tamsayı olmak üzere, Burada,

TAMSAYILAR. 9www.unkapani.com.tr. Z = {.., -3, -2, -1, 0, 1, 2, 3, } kümesinin her bir elemanına. a, b, c birer tamsayı olmak üzere, Burada, TAMSAYILAR Z = {.., -, -, -, 0,,,, } kümesinin her bir elemanına tamsayı denir. Burada, + Z = {,,,...} kümesine, pozitif tamsayılar kümesi denir. Z = {...,,,,} kümesine, negatif tamsayılar kümesi denir.

Detaylı

Görüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur.

Görüntü İşleme. Dijital Görüntü Tanımları. Dijital görüntü ise sayısal değerlerden oluşur. Görüntü İşleme Görüntü işleme, dijital bir resim haline getirilmiş olan gerçek yaşamdaki görüntülerin bir girdi resim olarak işlenerek, o resmin özelliklerinin ve görüntüsünün değiştirilmesidir. Resimler

Detaylı

Parametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER

Parametrik 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

Detaylı

Programlama Dilleri 3

Programlama Dilleri 3 Diziler (Arrays) 1 Dizi Kavramı Bellekte ard arda yer alan aynı türden nesneler kümesine dizi (array) denilir. Bir dizi içerisindeki bütün elemanlara aynı isimle ulaşılır. Yani dizideki bütün elemanların

Detaylı

SORULAR. 2. Noktaları adlandırılmamış 6 noktalı kaç ağaç vardır? Çizerek cevaplayınız.

SORULAR. 2. Noktaları adlandırılmamış 6 noktalı kaç ağaç vardır? Çizerek cevaplayınız. MAT3 AYRIK MATEMATİK DERSİ DÖNEM SONU SINAVI 4.0.0 Numarası :..................................... Adı Soyadı :..................................... SORULAR. Prüfer kodu ( 3 3 ) olan ağacı çiziniz.. Noktaları

Detaylı

İÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR

İÇİNDEKİLER ÖNSÖZ Bölüm 1 KÜMELER Bölüm 2 SAYILAR İÇİNDEKİLER ÖNSÖZ III Bölüm 1 KÜMELER 11 1.1. Küme 12 1.2. Kümelerin Gösterimi 13 1.3. Boş Küme 13 1.4. Denk Küme 13 1.5. Eşit Kümeler 13 1.6. Alt Küme 13 1.7. Alt Küme Sayısı 14 1.8. Öz Alt Küme 16 1.9.

Detaylı

Integer Sınıfı. 9.1 Integer Sınıfına Uygulanan Başlıca Metotlar. Ruby de tamsayılar için kullanılan Fixnum ve Bignum sınıflarını üreten sınıftır.

Integer Sınıfı. 9.1 Integer Sınıfına Uygulanan Başlıca Metotlar. Ruby de tamsayılar için kullanılan Fixnum ve Bignum sınıflarını üreten sınıftır. 9 Integer Sınıfı Ruby de tamsayılar için kullanılan Fixnum ve Bignum sınıflarını üreten sınıftır. Integer Literal Tamsayı gösteren metinler, 1 0, 1, 123, 123456789012345678901234567890 biçiminde yalnızca

Detaylı

İleri Diferansiyel Denklemler

İleri Diferansiyel Denklemler MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferansiyel Denklemler 2009 Bahar Bu bilgilere atıfta bulunmak veya kullanım koşulları hakkında bilgi için http://ocw.mit.edu/terms web sitesini ziyaret

Detaylı

BLM-112 PROGRAMLAMA DİLLERİ II. Ders-7 Sıralama Algoritmaları

BLM-112 PROGRAMLAMA DİLLERİ II. Ders-7 Sıralama Algoritmaları BLM-112 PROGRAMLAMA DİLLERİ II Ders-7 Sıralama Algoritmaları Yrd. Doç. Dr. Ümit ATİLA umitatila@karabuk.edu.tr http://web.karabuk.edu.tr/umitatilla/ Sıralama Bir grup veriyi azalan veya artan şekilde yerleştirme.

Detaylı

VERİ YAPILARI VE PROGRAMLAMA

VERİ YAPILARI VE PROGRAMLAMA VERİ YAPILARI VE PROGRAMLAMA (BIP116) Yazar: Doç.Dr.İ.Hakkı.Cedimoğlu SAKARYA ÜNİVERSİTESİ Adapazarı Meslek Yüksekokulu Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir.

Detaylı

ALGORİTMA ANALİZİ. Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü

ALGORİTMA ANALİZİ. Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü ALGORİTMA ANALİZİ Cumhuriyet Üniversitesi Bilgisayar Mühendisliği Bölümü 2 Temel Kavramlar Algoritma: Bir problemin çözümünü belirli bir zamanda çözmek için sonlu sayıdaki adım-adım birbirini takip eden

Detaylı

4.1 denklemine yakından bakalım. Tanımdan α = dω/dt olduğu bilinmektedir (ω açısal hız). O hâlde eğer cisme etki eden tork sıfır ise;

4.1 denklemine yakından bakalım. Tanımdan α = dω/dt olduğu bilinmektedir (ω açısal hız). O hâlde eğer cisme etki eden tork sıfır ise; Deney No : M3 Deneyin Adı : EYLEMSİZLİK MOMENTİ VE AÇISAL İVMELENME Deneyin Amacı : Dönme hareketinde eylemsizlik momentinin ne demek olduğunu ve nelere bağlı olduğunu deneysel olarak gözlemlemek. Teorik

Detaylı

4. Olasılık Dağılımlarından Rasgele Örnekleme

4. Olasılık Dağılımlarından Rasgele Örnekleme 4. Olasılık Dağılımlarından Rasgele Örnekleme Bir rassal değişgene ilişkin gerçek gözlemlerden, o rassal değişgenin deneysel dağılımı elde edilir ve bu deneysel dağılım, söz konusu rassal değişgenin kuramsal

Detaylı

ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL

ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL ÖZEL EGE LİSESİ FİBONACCİ DİZİLERİ YARDIMIYLA DEĞERİNİ HESAPLAYAN BİR FORMÜL HAZIRLAYAN ÖĞRENCİ: Tilbe GÖKÇEL DANIŞMAN ÖĞRETMEN: Emel ERGÖNÜL İZMİR 2013 İÇİNDEKİLER 1. PROJENİN AMACI... 3 2. GİRİŞ... 3

Detaylı

OPNET PROJECT EDİTÖRDE. Doç. Dr. Cüneyt BAYILMIŞ

OPNET PROJECT EDİTÖRDE. Doç. Dr. Cüneyt BAYILMIŞ BSM 532 KABLOSUZ AĞLARIN MODELLEMESİ VE ANALİZİ OPNET PROJECT EDİTÖRDE UYGULAMA GELİŞTİRME - 1 - Doç. Dr. Cüneyt BAYILMIŞ 1 OPNET MODELER PROJE EDİTÖRDE UYGULAMA GELİŞTİRME KABLOSUZ AĞ KURULUMU AD-HOC

Detaylı

Arama metodlarında temel işlem anahtarları karşılaştırmaktır.

Arama metodlarında temel işlem anahtarları karşılaştırmaktır. (Kırpma) Hash Fonksiyonları Selecting Digits Folding (shift folding, boundary folding) Division MidSquare Extraction Radix Transformation Çakışma (Collision) ve çözümler Linear Probing Double Quadratic

Detaylı

Excel Formüller ve Fonksiyonlar. Yusuf MANSUROĞLU Mühendislik Hizmetleri Müdür Yardımcısı 11.02.2015

Excel Formüller ve Fonksiyonlar. Yusuf MANSUROĞLU Mühendislik Hizmetleri Müdür Yardımcısı 11.02.2015 Excel Formüller ve Fonksiyonlar Yusuf MANSUROĞLU Mühendislik Hizmetleri Müdür Yardımcısı 11.02.2015 Excel de Yapabileceklerimiz Temel aritmetik işlemler (4 işlem) Mantıksal karşılaştırma işlemleri (>,>=,

Detaylı

IE 303T Sistem Benzetimi

IE 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

Detaylı

KPSS MATEMATÝK. SOYUT CEBÝR ( Genel Tekrar Testi-1) N tam sayılar kümesinde i N için, A = 1 i,i 1

KPSS MATEMATÝK. SOYUT CEBÝR ( Genel Tekrar Testi-1) N tam sayılar kümesinde i N için, A = 1 i,i 1 SOYUT CEBÝR ( Genel Tekrar Testi-1) 1. A = { k k Z, < k 4 } 4. N tam sayılar kümesinde i N için, k 1 B = { k Z, 1 k < 1 } k 1 A = 1 i,i 1 i ( ] kümeleri verildiğine göre, aşağıdakilerden hangisi doğrudur?

Detaylı

SİMÜLASYON ÇEŞİTLERİ HAZIRLAYAN: ÖZLEM AYDIN

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

Detaylı

10. DİREKT ÇARPIMLAR

10. DİREKT ÇARPIMLAR 10. DİREKT ÇARPIMLAR Teorem 10.1. H 1,H 2,, H n bir G grubunun alt gruplarının bir ailesi ve H = H 1 H 2 H n olsun. Aşağıdaki ifadeler denktir. a ) dönüşümü altında dır. b) ve olmak üzere her yi tek türlü

Detaylı

Viyana İmam Hatip Lisesi Öğrenci Seçme Sınavı - Matematik

Viyana İmam Hatip Lisesi Öğrenci Seçme Sınavı - Matematik Viyana İmam Hatip Lisesi Öğrenci Seçme Sınavı - Matematik 1. Ünite: Geometriden Olasılığa 1. Bölüm: Yansıyan ve Dönen Şekiller, Fraktallar Yansıma, Öteleme, Dönme Fraktallar 2. Bölüm: Üslü Sayılar Tam

Detaylı

2(1+ 5 ) b = LYS MATEMATİK DENEMESİ. işleminin sonucu kaçtır? A)2 5 B)3 5 C)2+ 5 D)3+ 5 E) işleminin sonucu kaçtır?

2(1+ 5 ) b = LYS MATEMATİK DENEMESİ. işleminin sonucu kaçtır? A)2 5 B)3 5 C)2+ 5 D)3+ 5 E) işleminin sonucu kaçtır? 017 LYS MATEMATİK DENEMESİ Soru Sayısı: 50 Sınav Süresi: 75 ı 1. 4. (1+ 5 ) 1+ 5 işleminin sonucu kaçtır? A) 5 B)3 5 C)+ 5 işleminin sonucu kaçtır? D)3+ 5 E)1+ 5 A) B) 1 C) 1 D) E) 3. 4 0,5.16 0,5 işleminin

Detaylı

Zeki Optimizasyon Teknikleri

Zeki Optimizasyon Teknikleri Zeki Optimizasyon Teknikleri Ara sınav - 25% Ödev (Haftalık) - 10% Ödev Sunumu (Haftalık) - 5% Final (Proje Sunumu) - 60% - Dönem sonuna kadar bir optimizasyon tekniğiyle uygulama geliştirilecek (Örn:

Detaylı