UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır."

Transkript

1 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 λ = µ nün eldek verden tahmn edlmes gerekr k daha sonra oluşturulacak sınıflar çn olasılıklar hesaplanablsn. Test statstğ: X k O = = E -n olup X nn dağılımı χ dr ve sd = (k--p) dr. Burada k = sınıf sayısı, p = tahmn edlen parametre sayısıdır. Eğer hesaplanan X χ α olursa H o reddedlr. Örnek Magros Marketlernden Koşdere Caddesndekne Pazar günler, :50-:00 arasında, gelen müşter sayısının Posson dağılıma uyup uymadığını test etmek styoruz. Gelen müşter sayıları X, 00 farklı Pazar gününde aşağıdak gb özetlenmştr. X=x O x*o E = P e. λ P =! Toplam x= λˆ = =.0 ~ = 0 λ x*o sütunu X hesabı çn kullanılmıştır. x 4 e. P(X=x) = P(x) =, x = 0,,, 3, 4 çn hesaplanmış ve P(5+) = - P ( X = x) = x! x= olarak belrlenmştr. E = np formülünde E = 00 (P ) olarak hesaplanmıştır.

2 Şmd H o : Dağılım Posson dur ve λ ~ = dr H a : Dağılım posson değldr hpotez test edleblr. Bu amaçla hesaplanacak test statstğ: 6 o X = E = n olacaktır ve bunun dağılımı X olup sd = k--p= (6--) = 4 tür. (p= dr çünkü λ tahmn edlmştr.). Eğer α = 0.05 alınırsa X -a =.07 dr. Yan X.07 çıkarsa H o reddedlr. Şmd X y hesaplayalım: X = ~ = =8, X -α dan büyük olmadığı çn H o reddedlmez. Yan, Bu markete :50-:00 arasındak 0 dakkalık zaman dlmnde gelen müşterlern sayısı X n dağılımı λ ~ = olan br Posson dağılım olablr. NORMAL DAĞILIMA UYGUN UYUMLULUK TESTĐ Eldek ver setnn normal br dağılıma uyumlu olup olmadığını test ederken: a) Normal dağılımı tanımlayan parametrelern (µ ve σ nın) değerler H o çnde verlrse: örneğn: H o : X~N ( µ = 0, σ = 3) gb, µ ve σ nın ayrıca tahmn edlmes gerekmez. b) µ ve σ verlmez se, örneğn: H o :X~N (µ,σ );µ ve σ blnmyor şeklnde se µ ve σ eldek verden ve σˆ = S olarak tahmn edlr. µˆ = X c) Sonra da H o da belrtlen normal dağılım çn eşt olasılık ntervaller oluşturulur.

3 Eşt olasılıklı ntervallern oluşturulması aşamasında standart normal dağılım tablosundak Z değerler kullanılarak Z çn ntervaller oluşturulup bu ntervallern alt-üst sınırlarına karşılık gelen X değşkenne lşkn eşt olasılıklı ntervallern alt-üst sınırları da x µ x x Z= ~ = dönüşümlernden yararlanılarak belrlenr. σ s d) Sonra, eldek gözlem değerlernden kaç tanesnn hang ntervale düştüğü, her nterval çn ayrı ayrı belrlenr. (Yan, O ler belrlenr). e) Her eşt olasılıklı ntervale düşecek E değer de E =np formülünden hesaplanır. [Not: E ler her nterval çn aynı olacaktır, çünkü P = P =. = P k seçlmştr.]. k O f) Test statstğ: X = E n olup dağılımı = χ X dr ve Sd= (k--p) dr. Burada da, Posson da olduğu = gb, k=nterval (sınıf) sayısı, p=(tahmn edlen parametre sayısıdır.). Normal dağılımda 0 p olur, yan en fazla k parametre tahmn edlmş olablr. g) Eğer X χ α olursa H o reddedlr. Örnek: 50 öğrencnn aldığı br sınavdan, aldıkları notlar aşağıdak dal-yaprak göstermnde özetlenmştr. X = öğrenclern notları olsun. H o : X~N ( µ, σ ) ; (µ ve σ blnmyor) H a : X n dağılımı normal değldr. Hpotezn α = 0.05 anlamlılık düzeynde test ednz µ ve σ blnmedğ çn µˆ = X ve σˆ = S hesaplanması gerekmektedr. x = 69.38, S= ~, x = 505, x = 3469, S = 95.34

4 Bu ver kümes çn 0.0 eşt olasılıklı 5 sınıf oluşturalım. Bu amaçla standart normal dağılımda 0.0 olasılıklı 5 nterval belrleyelm %0 lk ~ Z Değerler (-, - 0,85) (-0.85, -0.5) (-0.5, 0.5) (-0.5, 0.85) (-0.85, ) Şmd de X, S ve Z = ntervaller belrleyelm: x x s dönüşümünü kullanarak X, yan notlar çn eşt olasılıklı Z = = Z = -0.5 = ==> X = () = ==> X = () = Z = 0.5 = ==> X = () = Z = 0.85 = ==> X= () = 8.63 Şmd, X çn eşt olasılıklı ntervaller oluşturablrz (P = 0.0) X ntervaller O E = np (, ) 0 0 (57.497, ) 0 (65.885, 7.875) 7 0 (7.875, 8.63) 0 (8.63,. ) 9 0 Toplam X 5 O = - n E =

5 Şmd: X = = =.8 olarak hesaplanır X nn Sd= (k--p) = (5--) = dr. Burada P= dr, çünkü µ ve σ parametreler tahmn edlmştr. Tablodan χ α =5.99 olarak okunur. χ α dan büyük olmadığı çn H o reddedlemez. Yan bu sınavdan alınan notların dağılımı, ortalaması 69.38, standart sapması olan, normal br dağılım olablr. X NOT: Uyum ylğ testnde herhang br hücrede beklenen frekans (E ) 5 ten küçük çıkarsa o hücre kendsne komşu olan br hücre le brleştrlr. Yen duruma göre O ve E değerler yenden belrlenr. X statstğ hesaplanır ve yen hücre sayıları dkkate alınarak χ dağılımının serbestlk dereces belrlenr ve test şlemler bu yen duruma göre sürdürülür. ÖDEV ( Dönem Sonu Sınav Gününde Teslm Edlecek). X= Br markete 5 dakkalık zaman dlmlernde gelen müşterler sayısı olsun. X n dağılımının Posson olup olmadığını test amacıyla 8 farklı ve bağımsız 5 dakkalık zaman dlmlernde gelen müşter sayıları saptanmış ve aşağıdak tabloda verldğ şekl le özetlenmştr. X n dağılımının Posson olduğu hpotezn α= 0.05 anlamlılık düzeynde test ednz. X=x Toplam O E 8. Br şe başvuran 50 kşnn verlen sınavda aldıkları notlar aşağıda verlmştr. Bu 50 notun dağılımının normal olduğu hpotezn α= 0.05 anlamlılık düzeynde test ednz

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır? . Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de

Detaylı

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 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

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

ANOVA. CRD (Completely Randomized Design)

ANOVA. CRD (Completely Randomized Design) ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

Tek Yönlü Varyans Analizi

Tek Yönlü Varyans Analizi Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ 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.

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik 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

Detaylı

Rasgele Değişken Üretme Teknikleri

Rasgele Değişken Üretme Teknikleri Rasgele Değşken Üretme Teknkler Amaç Smülasyon modelnn grdlern oluşturacak örneklern üretlmes Yaygın olarak kullanılan ayrık veya sürekl dağılımların örneklenmes sürecn anlamak Yaygın olarak kullanılan

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

Sürekli Rastsal Değişkenler

Sürekli Rastsal Değişkenler Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım

Detaylı

İstatistiksel Yorumlama

İstatistiksel 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

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.

Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,

Detaylı

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda

Detaylı

MATE211 BİYOİSTATİSTİK

MATE211 BİYOİSTATİSTİK MATE211 BİYOİSTATİSTİK ÇALIŞMA SORULARININ ÇÖZÜM VE CEVAPLARI Yapılan bir araştırmada, 136 erişkin kişinin kanlarındaki kolesterol düzeyleri gr/dl cinsinden aşağıda verilmiştir: 180 230 190 186 220 191

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007 Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına

Detaylı

Bilgisayarla Görüye Giriş

Bilgisayarla Görüye Giriş Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

Detaylı

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI

BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 20 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI BÖLÜM II D ÖRNEK 0 BÖLÜM II D. YENİ YIĞMA BİNALARIN TASARIM, DEĞERLENDİRME VE GÜÇLENDİRME ÖRNEKLERİ ÖRNEK 0 İKİ KATLI YIĞMA KONUT BİNASININ TASARIMI 0.1. BİNANIN GENEL ÖZELLİKLERİ...II.0/ 0.. TAŞIYICI

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

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU

Detaylı

χ 2 Testi Mühendislikte İstatistik Yöntemler Bağımsızlık Testi Homojenlik Testi Uygunluk Testi

χ 2 Testi Mühendislikte İstatistik Yöntemler Bağımsızlık Testi Homojenlik Testi Uygunluk Testi χ Testi Mühendislikte İstatistik Yöntemler χ Testi Bağımsızlık Testi Homojenlik Testi Uygunluk Testi χ Testi Sayısal olmayan değişkenler arasındaki ilişkinin testi (Bağımsızlık) Farklı örnek kütlelerin

Detaylı

BÖLÜM 9 NORMAL DAĞILIM

BÖLÜM 9 NORMAL DAĞILIM 1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen

Detaylı

Biyoistatistik (Ders 6: Bağımsız Gruplarda İkiden Çok Örneklem Testleri)

Biyoistatistik (Ders 6: Bağımsız Gruplarda İkiden Çok Örneklem Testleri) k ÖRNEKLEM TESTLERİ BAĞIMSIZ GRUPLARDA k ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr BAĞIMSIZ İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA

Detaylı

Hipotez Testleri. Mühendislikte İstatistik Yöntemler

Hipotez 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

Detaylı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış

Detaylı

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

Detaylı

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı 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

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL TERCİH MODELLERİ NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:

Detaylı

Açık Poligon Dizisinde Koordinat Hesabı

Açık Poligon Dizisinde Koordinat Hesabı Açık Polon Dzsnde Koordnat Hesabı Problem ve numaralı noktalar arasında açılacak tüneln doğrultusunu belrlemek amacıyla,,3,4, noktalarını çeren açık polon dzs tess edlmş ve şu ölçme değerler elde edlmştr.

Detaylı

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15.

11. z = 1 2i karmaşık sayısının çarpmaya göre tersinin eşleniğinin sanal kısmı kaçtır? 14. eşitliğini sağlayan z karmaşık sayısı kaçtır? 15. GD. + se Re() + Im()? www.gkhandemr.rg, 007 Cebr Ntları Gökhan DEMĐR, gdemr@yah.cm.tr Karmaşık sayılar 9. + + sayısı kaça eşttr? 7 890. ( x y) + + ( x + y) se x + y tplamı kaçtır?. x + y ( x) ve se y kaçtır?.

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen

Detaylı

SÜREKLĠ OLASILIK DAĞILIMLARI

SÜREKLĠ OLASILIK DAĞILIMLARI SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde

Detaylı

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi

GM-220 MÜH. ÇALIŞ. İSTATİSTİKSEL. Frekans Dağılımı Oluşturma Adımları VERİLERİN SUNUMU. Verilerin Özetlenmesi ve Grafikle Gösterilmesi VERİLERİN SUNUMU GM-0 MÜH. ÇALIŞ. İSTATİSTİKSEL YÖNTEMLER Br çalışadan elde edlen verler ha ver ntelğndedr. Ha verlerden blg ednek zor ve zaan alıcıdır. Ha verler çok karaşık durudadır. Verlern düzenlenes

Detaylı

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat 8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

Detaylı

Türkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini

Türkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini İstatstkçler Dergs: İstatstk & Aktüerya Journal of Statstcans: Statstcs and Actuaral Scences IDIA 8, 5, -6 Gelş/Receved:6.4.5, Kabul/Accepted: 3.6.5 www.statstkcler.org Türkye dek Đşszlk Oranının Bulanık

Detaylı

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları

3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları 3. Parçaları Arasında Aralık Bulunan Çok Parçalı Basınç Çubukları Basınç çubukları brden fazla profl kullanılarak, bu profller arasında plan düzlemnde bell br mesafe bulunacak şeklde düzenleneblr. Bu teşklde,

Detaylı

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi

Bulanık Mantık ile Hesaplanan Geoid Yüksekliğine Nokta Yüksekliklerinin Etkisi Harta Teknolojler Elektronk Dergs Clt: 5, No: 1, 2013 (61-67) Electronc Journal of Map Technologes Vol: 5, No: 1, 2013 (61-67) TEKNOLOJİK ARAŞTIRMALAR www.teknolojkarastrmalar.com e-issn: 1309-3983 Makale

Detaylı

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü

ZKÜ Mühendislik Fakültesi - Makine Mühendisliği Bölümü ISI VE TERMODİNAMİK LABORATUVARI Sudan Suya Türbülanslı Akış Isı Değiştirgeci Deney Föyü ZKÜ Müendslk Fakültes - Makne Müendslğ Bölümü Sudan Suya Türbülanslı Akış Isı Değştrge Deney Föyü Şekl. Sudan suya türbülanslı akış ısı değştrge (H950 Deneyn adı : Boru çnde sudan suya türbülanslı akışta

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

ANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM

ANADOLU 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

Detaylı

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir:

RISK ANALIZI SINAVI WEB EKİM Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: RISK ANALIZI SINAVI WEB EKİM 2017 SORU 1: Kasko sigortasından çekilen beş hasarlı bir rassal örneklem aşağıdaki gibi verilmektedir: 115 240 325 570 750 Hasarların α = 1 ve λ parametreli Gamma(α, λ) dağılıma

Detaylı

ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ. Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK

ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ. Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK ÇOK BOYUTLU EŞLEŞMİŞ ÇİFTLER ARASINDAKİ FARKIN SINAMASINDA PERMÜTASYON YÖNTEMİNİN BİR DEĞERLENDİRMESİ Burak ŞİMŞEK YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ TEMMUZ 2007 ANKARA

Detaylı

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5

Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5 Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş

Hipotez Testlerine Giriş. Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel

Detaylı

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

SÜREKLİ OLASILIK DAĞILIŞLARI

SÜREKLİ OLASILIK DAĞILIŞLARI SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve ayrıca örnek verlernden hareket le frekans dağılışlarını sayısal olarak

Detaylı

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

Detaylı

ÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I

ÖRNEK SET 5 - MBM 211 Malzeme Termodinamiği I ÖRNE SE 5 - MBM Malzeme ermdnamğ I 5 ºC de ve sabt basınç altında, metan gazının su buharı le reaksynunun standart Gbbs serbest enerjs değşmn hesaplayın. Çözüm C O( ( ( G S S S g 98 98 98 98 98 98 98 Madde

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.

Detaylı

KARMAŞIK SAYILAR. Derse giriş için tıklayın...

KARMAŞIK SAYILAR. Derse giriş için tıklayın... KARMAŞIK SAYILAR Derse grş çn tıklayın A Tanım B nn Kuvvetler C İk Karmaşık Sayının Eştlğ D Br Karmaşık Sayının Eşlenğ E Karmaşık Sayılarda Dört İşlem Toplama - Çıkarma Çarpma Bölme F Karmaşık Dülem ve

Detaylı

Fumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi

Fumonic 3 radio net kablosuz duman dedektörü. Kiracılar ve mülk sahipleri için bilgi Fumonc 3 rado net kablosuz duman dedektörü Kracılar ve mülk sahpler çn blg Tebrk ederz! Darenze akıllı fumonc 3 rado net duman dedektörler monte edlmştr. Bu şeklde ev sahbnz yasal donanım yükümlülüğünü

Detaylı

BÖLÜM 12 STUDENT T DAĞILIMI

BÖLÜM 12 STUDENT T DAĞILIMI 1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir

Detaylı

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması

Türk Dilinin Biçimbilim Yapısından Yararlanarak Türkçe Metinlerin Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Türk Dlnn Bçmblm Yapısından Yararlanarak Türkçe Metnlern Farklı İmgelere Ayrılarak Kodlanması ve Sıkıştırılması Banu DİRİ, M.Yahya KARSLIGİL Yıldız Teknk Ünverstes Elektrk Elektronk Fakültes - Blgsayar

Detaylı

Calculating the Index of Refraction of Air

Calculating the Index of Refraction of Air Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn

Detaylı

DENEY 8 İKİ KAPILI DEVRE UYGULAMALARI

DENEY 8 İKİ KAPILI DEVRE UYGULAMALARI T.C. Maltepe Ünverstes Müendslk ve Doğa Blmler Fakültes Elektrk-Elektronk Müendslğ Bölümü EK 0 DERE TEORİSİ DERSİ ABORATUAR DENEY 8 İKİ KAP DERE UYGUAMAAR Haırlaanlar: B. Demr Öner Same Akdemr Erdoğan

Detaylı

İki veri setinin yapısının karşılaştırılması

İki 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

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ

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

2.a: (Zorunlu Değil):

2.a: (Zorunlu Değil): Uygulaa 5-7:.7 6 7 Baar Yarıyılı Jeodezk Ağlar e Uygulaaları UYGULAMA FÖYÜ,..7.a: (Zorunlu Değl: Yanına arılaayan br kule yükeklğnn trgonoetrk yükeklk belrlee yönteyle eaplanaı UYGULAMA.b : (Zorunlu C3

Detaylı

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın

Detaylı

ITAP Fizik Olimpiyat Okulu

ITAP Fizik Olimpiyat Okulu TAP Fzk Olmpyat Okulu Eylül Deneme Sınavı (Prof.Dr.Ventsslav Dmtrov Konu: Elektrk Devrelernde İndüktans Soru. Şekldek gösterlen devrede lk anda K ve K anahtarları açıktır. K anahtarı kapatılıyor ve kondansatörün

Detaylı

JFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)

JFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi) JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN

Detaylı

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir?

Veride etiket bilgisi yok Denetimsiz öğrenme (unsupervised learning) Neden gereklidir? MEH535 Örünü Tanıma 7. Kümeleme (Cluserng) Doç.Dr. M. Kemal GÜLLÜ Elekronk ve Haberleşme Mühendslğ Bölümü web: hp://akademkpersonel.kocael.edu.r/kemalg/ E-posa: kemalg@kocael.edu.r Verde eke blgs yok Denemsz

Detaylı

RANKI İKİ OLAN SERBEST METABELYEN LİE CEBİRLERİ İÇİN BİR KOMUTATÖR TESTİ

RANKI İKİ OLAN SERBEST METABELYEN LİE CEBİRLERİ İÇİN BİR KOMUTATÖR TESTİ ANKI İKİ OLAN SEBEST METABELYEN LİE CEBİLEİ İÇİN Bİ KOMUTATÖ TESTİ Zerrn ESMELİGİL Çukurova Ünverstes, Matematk Bölümü, Adana, 033386084-45, 033386070, e-zerrn@cu.edu.tr ÖZET. Bu çalışmada rankı k olan

Detaylı

ĐŞLE 544 ĐSTATĐSTĐK ARA SINAV 11 Mayıs 2006

ĐŞLE 544 ĐSTATĐSTĐK ARA SINAV 11 Mayıs 2006 ĐŞLE 5 ĐSTATĐSTĐK ARA SINAV Mayıs 00 Adı Soyadı: No: [0 puan] -Bir Üniversitede okutulan derslerin öğrenciler tarafından değerlendirilmesi amacı ile hazırlanan bir anket formundaki sorulardan biri: Aldığınız

Detaylı

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI

PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI PÜRÜZLÜ AÇIK KANAL AKIMLARINDA DEBİ HESABI İÇİN ENTROPY YÖNTEMİNİN KULLANILMASI Mehmet ARDIÇLIOĞLU *, Galp Seçkn ** ve Özgür Öztürk * * Ercyes Ünverstes, Mühendslk Fakültes, İnşaat Mühendslğ Bölümü Kayser

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

Detaylı

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı

Detaylı

TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET

TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Fak YNAM stanbul Teknk Ünverstes stanbul Teknk Ünverstes ÖZET Trafk kazaları, ülkemz gündemn sürekl olarak gal eden konularıdan brdr. Üzernde çok

Detaylı

Z = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ

Z = 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.

Detaylı

BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Örnek Senaryo İmplant üreten İMPLANTDENT

Detaylı

Ölçme ve Değerlendirme

Ölçme ve Değerlendirme Ölçme ve Değerlendirme Z Puanı T Puanı Yrd. Doç. Dr. Yetkin Utku KAMUK Standart Puan Herhangi bir ölçüm sonucunda elde edilen ve farklı birimlere sahip ham puanların, standart bir dağılım haline dönüştürülmesi

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

Detaylı

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ

ÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel

Detaylı

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin 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

Detaylı

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL

ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK TAHMİNİ (INTERVAL ESTIMATION): YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta

Detaylı

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler Merkezi Eğilim Ölçüleri Merkezi eğilim ölçüsü, bir veri setindeki merkezi, yada tipik, tek bir değeri ifade eder. Nicel veriler için, reel sayı çizgisindeki

Detaylı

REGRESYON ANALİZİ BÖLÜM 1-2

REGRESYON ANALİZİ BÖLÜM 1-2 REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.

Detaylı

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK 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

Detaylı

2009 Kasım. www.guven-kutay.ch FRENLER GENEL 40-4. M. Güven KUTAY. 40-4-frenler-genel.doc

2009 Kasım. www.guven-kutay.ch FRENLER GENEL 40-4. M. Güven KUTAY. 40-4-frenler-genel.doc 009 Kasım FRENLER GENEL 40-4. Güven KUTAY 40-4-frenler-genel.doc İ Ç İ N D E K İ L E R 4 enler... 4.3 4. en çeştler... 4.3 4.3 ende moment hesabı... 4.4 4.3.1 Kaba hesaplama... 4.4 4.3. Detaylı hesaplama...

Detaylı

Rastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler

Rastgele 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

Detaylı