KATEGORİK VERİLERİN TESTİ (ki-kare testi)
|
|
- Hazan Ergen
- 6 yıl önce
- İzleme sayısı:
Transkript
1 KATEGORİK VERİLERİN TESTİ (k-kar tst).. K-kar dağılışı.. ağımsızlık tst... x tablolarda bağımsızlık (ora/homojt) tstlr... rxc tablolarda bağımsızlık (ora/homojt) tstlr..3. Yats s sürkllk düzltms.3. İy uyum tstlr.3.. Normal dağılışa uyum tst.3.. Tkdüz dağılışa uyum tst.3.3. om dağılışıa uyum tst.3.4. Posso dağılışıa uyum tst.3.5. İy uyum ç kullaıla dğr bazı tstlr Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
2 KATEGORİK VERİLERİN TESTİ Örkt ld dl souçları çoğu kz olasılık kurallarıa gör tork bkl souçlar l ks br uyum çrsd olmadığı görülür. Örğ br mtal paraı kz atılışıda 5 tura 5 yazı glms tork olarak bklms rağm bu souç çok adr ld dlblr. ll br olayı mümkü souçlar st aşağıdak tablodak gb olsu E : olaaklı olay st-olay adı E E E 3 E k G : gözlml olay frkasları : bkl olay frkasları G G G 3 G k 3 k u vrlr dayalı olarak gözl (G) frkaslar l bkl () frkaslar arasıda mvcut tutarsızlığı br ölçüsü olarak k-kar dağılışı kullaılır ( G ) ( G ( G... k ) k k ) j ) k ( G N G j N yukarıdak k-kary şdğr başka br formüldür. ( N= j= G j ) j Ayı populasyou farklı k farklı özllğ arasıdak lşk clyorsa. Hpotslr aşağıdak şkld kurulur. H H : Populasyodak k özllk arasıda lşk yoktur : Populasyodak k özllk arasıda lşk vardır. Açıklama : s.d. = k--m = rc--(r-)-(c-) = rc--r+-c+ = rc-r-c+ = (r-)(c-) k = tablodak hücr sayısı m = vrlrd tahm dl bağımsız paramtr sayısı s gözl frkaslar l bkl frkaslar tamam ayıdır s gözl frkaslar l bkl frkaslar ayı dğldr. urada sözü dl vrlr, br vya daha fazla brbrd ayrık vya katgorlr ayrılmış şkld sııfladırılabl gözlmlr aalz l lgldr. İlgll dğşk hr katgor çrs gr gözlmlr sayısıdır. urada statstksl hpotz kou olarak tp problm söz kousudur.. Sııflama amaçlı kullaıla k ya da daha çok dğşk arasıdak bağımsızlığı vya lşk tst vya dğr br dyşl oraları karşılaştırılması. Gözlmlr blrl br olasılık dağılışıda glp glmdğ tst Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
3 . CHI-SQUARE (K-Kar)DAĞILIMI K-kar dağılımı matmatksl olarak tk paramtrl (v, srbstlk drcl) br dağılımdır. K-kar dağılımıı özl br hal ola stadart ormal dağılışı kars(z ), v= srbstlk drcl br k-kar dağılışıdır. v= s.d v=5 s.d v= s.d. ( x ) Z Z x v K-kar sadc poztf dğrlr ç taımlıdır, tk modlu v sağa çarpık br dağılıştır. Srbstlk drcs (v) büyüdükç çarpıklık azalır, srbstlk drcs çok büyük dğrlr ç kkar (dağılışı v ortalamalı v stadart sapmalı) hm hm ormal dağılışa bzr. Acak uygulamada v büyük dğrlr almaz. f( ) H Rd bölgs =.5 Eğr örklm statstğ hsaplaırk populasyo paramtrs kullaılmada bkl frkaslar hsaplaablyorsa, srbstlk drcs v = k alıır Eğr örklm statstğ hsaplaırk (m) adt populasyo paramtrs l bkl frkaslar hsaplaablyorsa, srbstlk drcs v = k - m alıır Prof. Dr. Lvt ŞENYAY X - 3 İSTATİSTİK II
4 . AĞIMSIZLIK (homojlk) TESTİ... x tablolarda bağımsızlık (homojt) tstlr urada amaç gözlm dğrlr kullaarak A v dğşklr bağımsız olduğu hpotz tstdr. Dğşk O j A. A Dğşk A... vya dğr br fadyl burada tst amacı, gözlm oraları karşılaştırılması yolu l A v dğşklr bağımsızlığı tstdır dğşk A dğşk p j A p p =(-p ) p j p. A p p =(-p ) p j p. p. = p p.= p lrl br α hata olasılığı svysd, H : A v brbrd bağımsız H : A v brbrd bağımsız dğl Eğr P(A )=P(A)P() s A v brbrd bağımsızdır bağıtısıda yararlaılarak, dğr br fadyl p olmalıdır. p H : p j Gözl hücr oraları p j=p.p.j =, j=, kl Hücr Frkası; E j=p j E. p E. p A özllğ bkl hücr oraları toplamları kl hücr oraı pˆ pˆ. pˆ.. pˆ... pˆ.. kl hücr frkası (olay sayısı) Eˆ p ˆ.... Prof. Dr. Lvt ŞENYAY X - 4 İSTATİSTİK II
5 Ê pˆ... Ê pˆ... O Eˆ Eˆ j Eˆ j j j j Eˆ j j j sd sd=k-m- m=örk hsaplaırk kullaıla paramtr sayısı k=tablodak hücr sayısı s H rd dlr. hsap tab Örk: Akcğr kasr l havada taşıabl asbstl şt çalışma arasıda br lşk olup olmadığı araştırılmak styor. H : Akcğr kasr l asbstl şt çalışma arasıda br lşk yoktur. H : Akcğr kasr l asbstl şt çalışma arasıda br lşk vardır. G j Asbstl Ortamda Dğl Asbstl Ortamda Toplam Akcğr Kasr Dğl 4 5 Akcğr Kasr Toplam Ê j (= j) 45*5 5 5=(5*5)/ Ê Ê.. 5(5).. 5(45) 5 Ê (5).. 495(45) 495 Ê ( G j ) j 5 = j j sd=(r-)(c-)=(-)(-)= ,.5, =5.6 Prof. Dr. Lvt ŞENYAY X - 5 İSTATİSTİK II
6 H rd dlmz H rd dlr. Prof. Dr. Lvt ŞENYAY X - 6 İSTATİSTİK II
7 Örk: yıl sür l radyoaktf artıkları buluduğu br bölgd yaşaya kşlr üzrd gözl vrlrd yola çıkılarak radyoaktf thlk l ka basıcı arasıdak lşk araştırılmak styor. O j Ka asıcı Düzszlğ(Tasyo) Gözl Gözlmy Radyoaktf thlky maruz kalmış Radyoaktf thlky maruz kalmamış E j (5) 6 H H :Radyoaktf maddy maruz kalmaı, tasyo problm üzrd br tks yoktur. :Radyoaktf maddy maruz kalmaı, tasyo problm üzrd br tks vardır. ( G j j ) j j = , s.d.=(-)(-)= H rd dlmz. Prof. Dr. Lvt ŞENYAY X - 7 İSTATİSTİK II
8 ... rxc tablolarda bağımsızlık (homojt) tstlr.. r c c c r r rc.. r.... c H : p p... j=,,...,c j j prj Dğşk A... r Dğşk c p p p p r p c p p c p r rc p = j Ê j Ê j, rc özllğ A özllğ * =3.3 = = =4.9.5<p<. arasıda s H o rd dlr. Prof. Dr. Lvt ŞENYAY X - 8 İSTATİSTİK II
9 Örk: r şltmdk prsol çalıştığı pozsyo l csyt ortaya koya tablo aşağıdak gbdr. Prsol çalıştığı pozsyo l csyt arasıda br lşk olup olmadığıı %.5 alamlılık svysd tst dz. O j Erkk Kadı Toplam Müdür Şf Elma Toplam H : Prsol çalıştığı pozsyo l csyt arasıda br lşk yoktur. H : Prsol çalıştığı pozsyo l csyt arasıda br lşk vardır. Eˆj ( G j j ) j j 56 33, ,5 4 58,7 4 4,3 33,5 66 7,8 34 9, 7,8 olduğu ç H o rd dlr. 96,5 9, 6,8 58,7,5; 4,3,6,.5; r c,5; 3 x r = 3 c = s.d.= (3-)(-) = Prof. Dr. Lvt ŞENYAY X - 9 İSTATİSTİK II
10 ..3 Yats sürkllk düzltms ( G,5 ) ( G,5 ) ( Gk k,5) + k Örk : r mtal para kz havaya fırlatılıyor, 5 tura v 85 yazı gldğ gör. Mtal paraı hlsz olup olmadığıı,5 v. öm svylrd hpotz tst yapıız. (5 ) (85 ) 4,5,95, 3, 84 H rd dlr,99, 6,63 H rd dlmz Katgor vya sııf sayısı (yazı v tura) k=, s.d. v = k- = -= Yats s düzltms l (5,5) (85,5) corrctd 4, 5 Yukarıda ld dl souçlar gçrllğ korumaktadır. Cotgcy katsayısı r olasılık tablosu çrsd sııfları bağımsızlığı vya brlşm, lşk drcs göstr br ölçüdür. C N k= sıra + kolo sayısı max C = ( k ) / k Özllklr v sııflar arası korlasyo katsayısı r N( k ) Örk : Özllk I Özllk II Toplam Gözlml frkas NP N(-P) N kl frkas Np N(-p)=Nq N Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
11 ( NP Np) Np ( N( P) N( p)) Nq N ( P p) Np N ( P p) Nq N(( P p)( ) p q N( P p) pq ( P p) pq / N u souçlar l Örk : N G j N spatlaablr. j j Gözlmlr İylşlr İylşmylar Toplam Srum kullaa grup 75 5 Srum kullamaya grup Toplam 4 6 kl frkaslar İylş İylşmy Toplam Srum kulaalar 7 3 Srum kullamayalar 7 3 Toplam 4 6 (75 7) 7 (5 3) 3 (65 7) 7 (35 3) 3,38,38 C,84,38 C ç max dğr kl dğrlr İylş İylşmy Toplam Srum kullaalar Srum kullamayalar Toplam ( 5) 5 ( 5) 5 ( 5) 5 ( 5) 5 C,77 ld dlr. Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
12 Örk : r Mdl dyd 35 bzly sarı v yuvarlak, 8 yşl v yuvarlak, buruşuk v sarı, 3 buruşuk v yşl olarak gözlmlmştr =556 gözlm mvcuttur. Mdl kauua gör bkl oraları 9 : 3 : 3 : olması grkmktdr.. kl oraları toplam sayısı =6 dır. ua gör bkl frkaslar Yuvarlak sarı 556 (9/6) = 3,75 Yuvarlak yşl 556(3/6) =4,5 uruşuk sarı 556(3/6) = 4,5 uruşuk yşl 556(/6)= 34,75 dr (35 3,75) (8 4,5) (4,5) 3,75 4,5 4,5 k=4,99,3,3 sıfır hpotz rd dlmz. Örk : (3 34,75) 34,75,47 H H :Eğtm svys l söz kousu şt başarı arasıda br lşk yok : Eğtm svys l söz kousu şt başarı arasıda br lşk var Eğtm Svys Lsy Gtmmş Ls Trk Ls Mzuu Toplam G j aşarılı aşarılı Dğl Toplam 8 = N j (x4)/ G j j G j- j (G j- j) (G j- j) / j ( Gj j ) =5.3 j j 5.3 h.5, 5.99 H rd dlmz (r-)(c-)=(-)(3-)= dlmz Rd ölgs Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
13 .3 İYİ UYUM TESTLERİ dr. İy uyum tstlr, örk vrlr dayaarak populasyo dağılımı hakkıdak varsayımı tst Örk : 3 bzr mşrubat sçlrk, trchlr gözl dğrlr Toplam Örk(çck markası) p E p O ( -E ) ( E ) 8 /3 (8-) 9/ /3 (-) / 3 5 /3 (5-) 6/ = /.364 H : p = p O = p 3 H : mşrubat trchlrd marka ömsz (üform dağılış) H : mşrubat trchlrd marka öml h =,364 <, = 4,6 (tkdüz dağılışta m=) sd=k-m- m=örk hsaplaırk kullaıla paramtr sayısı k=tablodak hücr sayısı rd dlmz. =, svysd H h E f H rd bölgs = İYİ UYUM TESTİ:TEK DÜZEN DAĞILIŞI İÇİN f (x) p= N N f o toplam gözlm sayısı N N Prof. Dr. Lvt ŞENYAY X - 3 İSTATİSTİK II
14 Örk : r lotary d kazaa umara 4 dgttr. (446, 83 gb) kazaa umaralardak dgtlr şasa bağlıdır. Kazaa dgt populasyouu tk düz olduğu varsayılıyor. N=,,,3,4,5,6,7,8,9. Dgtlr hr br ayı olasılıklı (/N=/) A sml kş bu oyuu düzl oyuyor v kazaa umaraları br yr yazıyor v gçmşt sık kazaa /karşılaşıla 4 dgt sayıyı kullaarak düzl br şkld oyu oyuyor. 4 kazaa dgt br şas örğ olarak tst ç kullaıldı. =.5 svysd örk dağılımıı tk düz olup olmadığıı tst dz.( gözlm var) H H : Örk dağılımı tkdüz : Örk dağılımı tkdüz dğl Dgt Gözlmlr( f ) kl( ) f f f f f 4 4 / / / / / / / / / /4 o =4 66/ h 4 4, N =, sd= g =--=9,.5, h 6.55 H rd dlmz. (uform dağılışta g=).3. İYİ UYUM TESTİ: İNOM DAĞILIŞI İÇİN :örk büyüklüğü (dm sayısı) p:br dm başarı olasılığı x x P( x) p q x,,..., ; p q x Prof. Dr. Lvt ŞENYAY X - 4 İSTATİSTİK II
15 Örk : Hr kutuda ta sldr satılıyor. Kutularda kusurlu sldrlr olablyor. lk kutulardak kusurlu sayıları bom dağılışı göstrdğ bldğ =.5 svysd tst dlck. Şasa bağlı kutu alııyor; ()= sldr clyor. Toplam sldr kusurlu buluuyor. E( x) P( x) x x P( x) p q x Örk kusurlu oraı pˆ. 5 Kutulardak kusurlu sayıları aşağıdak gb kayıt dlmştr. lk kutulardak kusurlu sldr sayıları H : = bom dağılışı göstryor. H : = bom dağılışı göstrmyor. Kutulardak Kusurlu Sayısı Gözl Kutu Sayısı E(x)= (x) P(x) vya daha fazla TOPLAM x P( x) p q x x P(x=)= P(x=)= P(x=)= ( x) P( x). N () () ().3585() () () 8.87 f P( x) =p(x) Prof. Dr. Lvt ŞENYAY X - 5 İSTATİSTİK II
16 Kutu sayısı Kutudak kusurlu sayısı - ( f ) / f vya daha fazla. f Toplam sd = g 4 4 (kutudak kusurlu sayısıı sııf sayısı) g = kullaıla paramtr sayısı (bom paramtrs p=.5) x.5, 5.99 P( x) p q x x f h H rd dlmz. Örk: r rapty kz atılmış v svr ucu yukarıya gllr sayıları br frkas tablosu olarak aşağıda vrlmştr. a) Raptylr svr ucu yukarıya glck şkld düşms olasılığıı hsaplayıız. b) Svr ucu yukarıya glck şkld düş rapty sayısıı om Dağılımı göstrp göstrmdğ.5 öm svysd tst dz. Svr ucu yukarıya gl Frkas (O rapty sayısı ) N= a) pˆ = (toplam svr ucu yukarıya gl rapty sayısı)/(toplam dm) Prof. Dr. Lvt ŞENYAY X - 6 İSTATİSTİK II
17 5 p ˆ b) H : Svr ucu yukarıya glck şkld düş rapty sayısı =5 ola om dağılımıa uygudur. H : Svr ucu yukarıya glck şkld düş rapty sayısı =5 ola om uymamaktadır. dağılımıa P x x x x p p P P P P P P E = N. p P(x) E,5 3,4,996 9,9,69 5,8,347 68,34,37 44,74,586,7 3.4 < 5 olduğuda dolayı alttak satır l brlştrlr. NOT: Hrhag br bkl dğr ( E ) fads 5 t küçük s o dğr kds yakı br gözlm klr. Svr ucu yukarıya gl rapty sayısı Frkas (O ) kl Frkas ( E ) O E E v d az 3,96 3, ,8, ,34, ,74, ,7,3787 h 8,47 Prof. Dr. Lvt ŞENYAY X - 7 İSTATİSTİK II
18 t, v v = m--a m: grup sayısı a: tahm dl parmtr sayısı v = 5--=3 h 8, olduğuda H o rd dlr. t.5,3 Souç yorumu : Svr ucu yukarıya glck şkld düşü rapty sayısı =5 ola bom dağılışıa uymamaktadır..3.3 İYİ UYUM TESTİ: NORMAL DAĞILIŞ İÇİN H o :Populasyo ortalamalı, stadart sapmalı ormal dağılımdır. hsap f o f f,v tablo dğr (krtk dğr) kullaılır. v= g : Örk d kullaıla f dğrlr sayısı g : Örkt tahml populasyo paramtr sayısı (ormal dağılışta g=; µ v σ ) H doğru k H doğru k Örk Gözl frkas olasılık bkl p E p E k k Toplam H : p l, l p,..., pk lk p k E =.p =.p k =.p k k O p h p = k ( E ) > g, s H rd. E (ormal dağılış ç g=) Prof. Dr. Lvt ŞENYAY X - 8 İSTATİSTİK II
19 Örk : r kmyasal şltmdk satışları ormal dağılış göstrdğ düşüülüyor. gülük satışlar şasa bağlı olarak alııyor. Satış Mktarı Gü Sayısı ( ltr) < < < < < < < < < x 4( ltr) S x =.5( ltr) =.5 svysd satışları ormal dağılış göstrdğ tst dz. Satış Sııfları f Olasılığı P f f P f - f f < < < < < < , f 45 =< f = P = RED -α α 34 µ=4 Z x P(-.4<x<) = P(<x<.4) =.498 Prof. Dr. Lvt ŞENYAY X - 9 İSTATİSTİK II
20 .5 - P(-.4<x<) =.8 =.8()=.64 H : dağılış ormal :dağılış ormal dğl H v= g 8 5 8, g= (paramtr sayısı).5,5.7 owma- Shlto ormallk tst u tst d oldukça güçlü br ormallk sıamadır. X,X,...X gb gözlm olsu. u vrlr ormal dağılıma at k özllğ araştırılmasıa dayaır.. özllk : smtr ( x x) Çarpıklık Katsayısı: Ç 3 s Dağılı sağa çarpık s dağılımı 3. Momt artı dğr alır c Ç> olur.. özllk : basıklık ( x x) asıklık katsayısı: 3 4 s 3 4 u özllk olasılık yoğuluk foksyouu kuyruk kalılığıı ölçr. Normal dağılımda populasyo basıklık katsayısı 3 tür. Dolayısı l owma-shlto ormallk tst, çarpıklık katsayısıı a v basıklık katsayısıı 3 yakılığı l tst dlr. u statstk aşapıda tablo olarak vrl şk dğrlr l karşılaştırılır. Ç 6 ( 3) 4 Örk sayısı arttıkça, populasyo dağılımıı ormal olduğu varsayımı doğru s bu statstk srbstlk drcl k-kar dağılımıa yaklaşır. Nu statstğ büyük dğrlr tst rdd yol açar. Örk: =78 Ç =.433 = Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
21 (.433) 78 6 (.5553) 4.36 OWMAN-SHELDON statstğ sıır (şk) dğrlr Örk hacm(). sıırı.5 sıırı İYİ UYUM TESTİ: POISSON DAĞILIŞI İÇİN P( x) x! x x : hsaplaa brm zamada olay sayısı : hr brm zamada ortalama olay oraı br bra dolum şltmsd br bra şşs kırılıca dolum sstm durduruluyor; kırıla cam şş sstmd alııp atılıyor. Ürtmdk bu duruşları ( =3) güd ortalama 3 duruş ola posso dağılışı göstrdğ düşüülüyor. gülük şas örğ alııyor. =.5 svysd hpotz tst styor. r güdk duruş sayısı Gözl gü sayısı x f vya daha fazla 3 Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
22 H H : : yukarıdak vrlr yukarıdak vrlr 3 paramtrl posso dağılışı göstryor. 3 paramtrl posso dağılışı göstrmz. x f P( x) x! x * P x f f - f f f vya daha fazla P x 3 3 x! 3 3! 3 3! x P.498() P.494() P(6 )=-P()-P()-...-P(5)= =.84 H güd =3 duruş ola posso dağılışı göstryor h.5;6.59 h olduğu ç H rd dlmz. sd = v g 7 6, Posso dağılışıda g= (λ), acak urada g= çükü paramtrs örkt tahmlmd. Prof. Dr. Lvt ŞENYAY X - İSTATİSTİK II
23 .3.5 İy uyum tstlrd kullaıla dğr bazı ttlr I.tst H : p + p u tp hpotzlr gllrsk H : l p +l p p Kullaıla tst statstğ ; ( l l... lo ) = ( l p l p... l p ) 3 = p + p 4 vya şdğr olarak H +...+l v l srbstlk drcl = yazılablr.,l : p -p + p şkld hsaplaır. l karşılaştırılarak tst dlr. 3 -p 4 = Örk: 4 laboratı bll br sür çd kırmış oldukları cam malzm sayıları aşağıdak gb gözlmştr. Laborat kırıla cam malzm bkl dğr 3,5 45,5 3 8,5 4 57,5 E Toplam 3 II. Tst H : P P4 P P3 (.5) H :. Laborat l 4. Laborat,. v 3. Laboratlara gör daha az dkkatldr. H : P P P P H rd dlr. 4 ( ) 3 ( ) ( ) 3 4,89.5.5, 3.84 Prof. Dr. Lvt ŞENYAY X - 3 İSTATİSTİK II
KATEGORİK VERİLERİN TESTİ (ki-kare testi)
KATEGORİK VERİLERİN TESTİ (k-kar tst).. K-kar dağılışı.. Bağımsızlık tst... x tablolarda bağımsızlık (ora/homojt) tstlr... rxc tablolarda bağımsızlık (ora/homojt) tstlr.3. İy uyum tstlr.3.. Normal dağılışa
DetaylıBir Kompleks Sayının n inci Kökü.
Prof.Dr.Hüsy ÇAKALLI Br Komplks Sayıı c Kökü. hrhag br sab doğal sayı olmak ür, br komplks sayıı c kökü, c kuvv bu sayıya ş ola komplks sayıdır. ( r(cos s olsu v (cos s dylm. Bu akdrd ( [ (cos s] dr v
DetaylıRegresyon ve Korelasyon Analizi. Regresyon Analizi
Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)
DetaylıTermodinamiğin Yasaları:
NTR0PĐ trop kavramı, makroskopk görüş açısıda (klask trmodamk), mkroskopk görüş açısıda (statstksl trmodamk) v formasyo görüş açısıda (formasyo tors) olmak üzr, üç şkld l alıablr. trop statstksl taımlaması
DetaylıParametrik Olmayan İstatistik Çözümlü Sorular - 2
Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr
DetaylıİSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II
8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet
DetaylıİSTATİSTİK TERMODİNAMİK
MI OpnCoursWar http://ocw.mt.du 5.60 hrmodnamk v Kntk ahar 008 u malzmlr atıfta bulunmak vya kullanım şartlarını öğrnmk çn http://ocw.mt.du/trms stsn zyart dnz İSİSİK ERMODİMİK Makroskopk trmodnamk sonuçların
DetaylıBu malzemelere atıfta bulunmak veya kullanım şartlarını öğrenmek için http://ocw.mit.edu/terms sitesini ziyaret ediniz
MIT OpnoursWar http://ocw.mt.du 5.6 Thrmodnamk v Kntk Bahar 8 Bu malzmlr atıfta bulunmak vya kullanım şartlarını öğrnmk çn http://ocw.mt.du/trms stsn zyart dnz MODEL SİSTEMLER Molkülr gçş, dönm v rşm çn
Detaylıİki veri setinin yapısının karşılaştırılması
İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu
DetaylıBağımsızlık 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
DetaylıYER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.
YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,
DetaylıOLASILIK DAĞILIŞLARI
6 OLASILIK DAĞILIŞLARI 6 Ksikli Olasılık Dağılışları 6 Ksikli Uıform Dağılışı 6 Broulli Dağılışı 63 Biom Dağılışı 64 Hyr-Gomtrik Olasılık Dağılışı ( İadsiz Örklm ) 65 Gomtrik Dağılış 66 Ngatif Biom (Pascal)
DetaylıKi- 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
DetaylıÇok Parçalı Basınç Çubukları
Çok Parçalı Basınç Çubukları Çok parçalı basınç çubukları gnl olarak k gruba arılır. Bunlar; a) Sürkl brlşk parçalardan oluşan çok parçalı basınç çubukları b) Parçaları arasında aralık bulunan çok parçalı
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıMERKEZİ EĞİLİM ÖLÇÜLERİ
MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle
DetaylıBEKLENEN DEĞER VE VARYANS
BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee
Detaylı= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama
TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)
Detaylıİşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıTanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ
Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
DetaylıÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ
03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak
DetaylıHİPOTEZ 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
DetaylıÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI
7 ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7.. Niçi Örekleme Yapılır 7.. Olasılıklı Örekleme 7... Basit Şas Öreklemesi 7... Tabakalı Örekleme 7... Küme Öreklemesi 7..4. Sistematik Örekleme 7.. Olasılıklı Olmaya
Detaylı1. GAZLARIN DAVRANI I
. GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak
Detaylı7. 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.
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II
DetaylıİSTATİSTİK TERMODİNAMİK
MIT OpnCoursWar http://ocw.mt.du 5.60 Thrmodnamk v Kntk Bahar 2008 Bu malzmlr atıfta bulunmak vya kullanım şartlarını öğrnmk çn http://ocw.mt.du/trms stsn zyart dnz İSTATİSTİK TERMODİAMİK İstatstk mkanğn
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıBURSA TEKNİK ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE LABORATUVAR DERSİ. İçten Yanmalı Motorlarda Performans ve Enerji Dağılımı Deneyi
BURSA TEKNİK ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAKİNE LABORATUVAR DERSİ İçtn Yanmalı Motorlarda rformans v Enrj Dağılımı Dny Laboratuvar Tarh: Laboratuvarı Yöntn: Laboratuvar Yr: Laboratuvar Adı:
DetaylıSosyoekonomi / 2006-1 / 060103. M. Emin İnal & Derviş Topuz & Okyay Uçan. Sosyo Ekonomi. Doğrusal Olasılık ve Logit Modelleri ile Parametre Tahmini
Sosyokonom / 2006- / 06003. M. Emn İnal & Drvş Topuz & Okyay Uçan Sosyo Ekonom Ocak-Hazran 2006- Doğrusal Olasılık v Logt Modllr l Paramtr Tahmn M. Emn İnal Drvş Topuz Okyay Uçan nal@ngd.du.tr drvs_topuz@ngd.du.tr
DetaylıIŞIĞIN KIRILMASI. 1. Ortamların kırılma indisleri n K. , n M. , n L. arasındaki ilişki aşağıdaki gibidir. > n L. > n K. n M. > n M. n L. n K.
BÖÜ ŞĞ RAS AŞTRAAR ÇÖZÜER ŞĞ RAS Ortamları kırılma dsler,, arasıdak lşk aşağıdak gbdr 9 > > > > > > 6 0 > > > > > > 7 > > > > > > 0 7 0 0 > > > > > 76 OPTİ 7 0 0 > > > > > > 0 θ θ > > > > > > 9 0 O > >
DetaylıBir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu
Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler
DetaylıGiriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:
Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,
DetaylıTahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması
. Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve
DetaylıĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1
ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ
DetaylıOLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon
6 OLASILIK DAĞILIŞLARI 6.. Kesikli Olasılık Dağılışları 6.. Kesikli Uıform Dağılışı 6... Beroulli Dağılışı 6..3. Biom Dağılışı 6..4. Hyer-Geometrik Olasılık Dağılışı ( İadesiz Örekleme ) 6..5. Geometrik
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
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıTOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı
TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
DetaylıTürkiye. 2010 İnsani Gelişme Raporu nda İnsani Gelişme Endeksi değerinin ve sıralama değişikliklerinin açıklanması
2010 İa Glşm Raporu brlşk dklr açıklama otu Türky 2010 İa Glşm Raporu da İa Glşm Edk dğr v ıralama dğşklklr açıklamaı Grş 2010 İa Glşm Raporu İa Glşm Edk (İGE) haplamaıda kullaıla götrglr v mtodolojd pk
DetaylıUYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.
UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
Detaylıİstatistik 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
Detaylı2016 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
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
DetaylıDeğişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ
Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde
DetaylıHerhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır.
Hipotez testleri-oran testi Oran Testi Herhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır Örnek: Yüz defa atılan bir para 34 defa yazı gelmiştir Paranın yazı gelme olasılığının
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Dğşknlr Bağımlı dğşkn özünd k dğr alablyorsa yan br özllğn varlığı ya da yokluğu söz konusu s bu durumda bağımlı kukla dğşknlr söz konusudur. Bu durumdak modllr tahmn tmk çn dört yaklaşım
Detaylıˆp 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
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
DetaylıDoç. Dr. Mehmet AKSARAYLI
Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br
DetaylıDr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı
Damızlık Değeri, geotipik değer, allel frekasları Aki Pala, aki@comu.edu.tr ttp://members.comu.edu.tr/aki/ Damızlık değeri esabı µ Ökkeş =800 gr gülük calı ağırlık Sürü A Sürü µ Döller µ 500gr 700 DD esabı
DetaylıOLASILIK ve ÝSTATÝSTÝK ( Genel Tekrar Testi-1) KPSS MATEMATÝK. Bir anahtarlıktaki 5 anahtardan 2 si kapıyı açmak - tadır.
OLASILIK v ÝSTATÝSTÝK ( Gnl Tkrar Tsti-1) 1. Bir anahtarlıktaki 5 anahtardan si kapıyı açmak - tadır. Açmayan anahtar bir daha dnnmdiğin gör, bu kapının n çok üçüncü dnmd açılma olasılığı kaçtır? 5 6 7
Detaylıdenklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy
Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada
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
DetaylıANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
DetaylıKİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ
Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp
DetaylıYrd.Doç.Dr.İstem Köymen KESER
Yr.Doç.Dr.İstem Köyme KESER Güve Aralıkları Ortalama yaa iki ortalama farkı içi biliiyor bilimiyor 30
DetaylıKİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.
Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk
DetaylıKİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri
Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.
DetaylıASİMETRİK EVOLVENT HELİSEL DİŞLİ ÇARKLARIN BİLGİSAYAR SİMÜLASYONU
Gaz Üv. Müh. Mm. Fak. Dr. J. Fa. Eg. Arh. Gaz Uv. Clt 5, No 3, 44-447, Vol 5, No 3, 44-447, ASİMETİK EVOLVENT HELİSEL DİŞLİ ÇAKLAIN BİLGİSAYA SİMÜLASYONU Cüyt FETVACI Mak.Müh.Böl., Müh.Fak., İstabul Üvrsts,
DetaylıSönümlü Serbest Titreşim
.5.. Söülü Srbs Tirşi Sosza kadar dva d sabi glikli irşilrl grçk hayaa karşılaşılaakadır. Bilidiği gibi, sis irşi harki başladıka bir sür sora hark yavaş yavaş zayıflar. olayısıyla hark dklii aşağıdaki
DetaylıMENKUL KIYMET DEĞERLEMESİ
MENKUL KIYMET EĞERLEMESİ.. Hiss Sdii Tk ömlik Gtirisii Hsaplaması Bir mkul kıymti gtirisi, bkl akit akımlarıı, şimdiki piyasa fiyatıa şitly iskoto oraıdır. Mkul kıymti özlliği gör bu akit akımları faiz
DetaylıQuality Planning and Control
Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618
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
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ 1 TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi
DetaylıKontrol Sistemleri. Frekans Ortamında Karalılık
Kotrol Sistmlri rkas Ortamıda Karalılık BMGS sistmi siusoydal girdiy cvabı rkas davraışı Doğrusal sistmlrd frkas cvabı davraışı, sistmi harmoik girdi uyguladığı durumdaki düzli rjim cvabı olarak taımlamaktadır.
Detaylı5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi
5. Drs Dağılımlarda Rasgl Sayı Ürtilmsi Trs Döüşüm Yötmi sürkli bir rasgl dğişk v bu rasgl dğişki dağılım foksiyou olsu. Dağılımı dstk kümsi üzrid dağılım foksiyou arta v bir-bir bir foksiyo olmaktadır.
Detaylı=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24
İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon
DetaylıĐki 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
DetaylıGenelleştirilmiş Ortalama Fonksiyonu ve Bazı Önemli Eşitsizliklerin Öğretimi Üzerine
Geelleşrlmş Oralama Foksyou ve Bazı Öeml Eşszlkler Öğrem Üzere Gabl ADİLOV, Gülek TINAZTEPE & Serap KEALİ * Öze Armek oralama, Geomerk oralama, Harmok oralama, Kuvadrak oralama ve bular arasıdak lşk vere
Detaylıİstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
DetaylıX = 11433, Y = 45237,
A.Ü. SBF, IV Malye EKONOMETRİ I ARA SINAVI 4..006 Süre 90 dakkadır..,. ve 3. sorular 0 ar, 4. ve 5. sorular 30 ar pua, ödev 0 pua değerdedr. Tüm formüller ve şlemlerz açıkça gösterz. ) Y = Xβ + u doğrusal
DetaylıABA (Mg) MOLEKÜLÜNÜN TİTREŞİM FREKANSLARININ TEORİK OLARAK HESAPLANMASI
T.C. SAKARYA ÜNİVERSİTESİ FEN BİLİMLER ENSTİTÜSÜ ABA (Mg) MOLEKÜLÜNÜN TİTREŞİM FREKANSLARININ TEORİK OLARAK HESAPLANMASI YÜKSEK LİSANS TEZİ İsmal YILMAZ Esttü Aablm Dalı : FİZİK Tz Daışmaı : Yrd. Doç.
DetaylıİSTATİSTİKSEL 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
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
DetaylıDERS 9. Grafik Çizimi, Maksimum Minimum Problemleri
DERS 9 Grafik Çizimi, Maksimum Minimum Problmlri Bundan öncki drst bir fonksiyonun grafiğini çizmk için izlnbilck yol v yapılabilck işlmlr l alındı. Bu drst, grafik çizim stratjisini yani grafik çizimind
DetaylıBÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler
BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda
Detaylı5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları
5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Olasılığı Tolaablrlk Kuralı: 5.6. Olasılığı çarım kuralı: 5.7. Değl ağıtısı: 5.8. Koşullu
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
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
DetaylıEME 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
DetaylıBilgi Tabanı (Uzman) Karar Verme Kontrol Kural Tabanı. Bulanık. veya. Süreç. Şekil 1 Bulanık Denetleyici Blok Şeması
Bulanık Dntlyicilr Bilgi Tabanı (Uzman) Anlık (Kskin) Girişlr Bulandırma Birimi Bulanık µ( ) Karar Vrm Kontrol Kural Tabanı Bulanık µ( u ) Durulama Birimi Anlık(Kskin) Çıkış Ölçklm (Normali zasyon) Sistm
DetaylıSayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç
Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu
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)
DetaylıDEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER
TAŞINMAZ GELİŞTİRME Üte: DEĞİŞİM ÖLÇÜLERİ Doç. Dr. üksel TERZİ TAŞINMAZ GELİŞTİRME TEZSİZ ÜKSEK LİSANS PROGRAMI İÇİNDEKİLER.1. GİRİŞ.. DEĞİŞİM ÖLÇÜLERİ..1. Değşm Geşlğ... Kartller Arası fark... Ortalama
Detaylı5. ŞANS DEĞİŞKENLERİNİN FONKSİYONLARININ DAĞILIMI. 5.1 Kümülatif Dağılım Fonksiyonu Tekniği
5 ŞANS DEĞİŞKENLERİNİN ONKSİONLARININ DAĞILIMI Pk çok ld ıml v kllıl sdü dğşklr büük br kısmı br bşk sdüü dğşk d dğşklr oksolrı olblr B bölümd br d dh zl şs dğşk okso ol br şs dğşk olsılık d dğılım okso
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi
Detaylı