Termodinamiğin Yasaları:
|
|
- Ayla Erkin
- 8 yıl önce
- İzleme sayısı:
Transkript
1 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 daha saslı Dğr taımlamalar v trop l lgl tüm özllklr oda çıkartılablmktdr. trop taımıa gçmd öc bazı hatırlatmalar yapalım. Trmodamk ısı sürçlr cly br fzk dalı Trmodamk: klask trmodamk, statstksl trmodamk v kmyasal trmodamk olarak üç ayrılır. Trmodamk, sstmlr arasıda ş vya ısı şkld aktarıla (alıp vrl) r l lgl yasaları ortaya koymakta Sstm, çvr d vr öbür kısmıda grçk sıırlarla vya grçk olmaya sıırlarla ayrılmış lg sahamıza gr br parçasıdır, dyblrz. Örğ br orgazma, br hücr, br mtokodr vya brbr l raksyoa gr maddlr sstm olarak l alıablr. Çvr l r v madd alışvrşlrdk lşklr gör sstmlr: zol sstmlr (madd v r alışvrş olmaya), kapalı sstmlr (madd alışvrş olmaya) v açık sstmlr (madd v r alışvrş ola) olarak üç tür ayrılırlar. Trmodamk, çvrdk dğşmlr karşılık sstm tpklr clmktdr. Trmodamk yasaları çok gl br gçrllğ sahptr v karşılıklı tklşmlr ayrıtılarıa vya cl sstm özllklr bağlı olarak dğşmzlr. Trmodamkt hacm (V), basıç (P), sıcaklık (T), r (), trop (S) gb kavramlar tml alıır.
2 Trmodamğ Yasaları: Trmodamğ sıfırıcı yasası: Đk trmodamk sstm hr br üçücü br sstml trmodamk dgd s aralarıda da trmodamk dgddrlr. Trmodamğ brc yasası: Br sstm ç rsdk artış, sstm vrl ısı l, sstm çvrs uyguladığı ş arasıdak farktır. Bu yasa "r koruumu" olarak da blr. Trmodamğ kc yasası : trop, br trmodamk sstmd başka sstmlr ş şkld aktarılması mkâsız r mktarı olmak üzr, zol br trmodamk sstm trops zamala artmakta Trmodamğ üçücü yasası: Mutlak sıcaklıkta trop sıfır Bu yasa d br maddy mutlak sıfıra kadar soğutmaı mkâsız olduğuu blrtr. Trmodamğ kc yasasıda yr ala trop, ısı rs tamamıı mkak ş döüştürülms mkâsız olduğuu fad d trmodamk br clktr. Sstmdk düzszlk arttıkça, sstm trops artar, ya sstm faydalı ş vrm kablyt azalır. Br su damlası ısıtıldığıda buharlaşır v molküllr daha düzsz br hal alır. T sıcaklığıdak br csm Q kadarcık br ısı vrdldğd, trops S= Q/T kadar artar. trop y, zol br sstm çdk düzszlk drcs olarak da bakılablr. Trmodamğ kc yasasıa gör, zol sstmlr trops artmakta trop artması br gry dödürülmz olay Kaatta hr sstm v calıı trops dvamlı artmakta Bu artış llbt dvam tmyck, maksmuma rşc ş yarar r kalmayacaktır. Đş yarar r kalmaması dmk, maddlr arasıda ısı bakımıda dg sağlaması dmktr. Dğr yada trmodamk ayı zamada statstksl kavramlar kullaılarak da fad dlblr. Mkak (klask vya kuatum) yasalarıı statstkl brlştrlrk kullaılması saysd glştrl "statstksl mkak" vya "statstksl trmodamk", klask trmodamğ tarf ttğ acak açıklayamadığı bazı olgulara dr açıklamalar da gtrmştr. Đstatstksl mkak; hrbr atom v molkülü mkroskopk özllklryl, gülük hayatta
3 karşılaşıla maddlr makroskopk özllklr arasıda lşk kurar. Buu slr trmodamk özllklr, molküllr spktroskopk (tayfölçüm) yötmlrl alımış vrlr kullaarak yapar. Đstatstksl mkakt br sstm dgd olması, ou br makrodurumda olduğuu (S) fad tmkt olup, mkroskopk düzyd s olabl tüm mkroskopk durumlar arasıda (sayıları Ω ta) gçşlr yapmakta olduğuu fad tmktdr. Böyl br sstm trops, Boltzma tarafıda örl, S = k log Ω formülü l hsaplamakta trop (S) br sstm grblcğ mkroskopk durumları 3 sayısıa ( Ω ) bağlı olarak taımlamıştır. Burada k = J K - Boltzma sabt dr. Sözü dl mkroskopk durumları taımı v sayılması s, sstm oluştura atomları tarf d tml mkak yasalar kullaılarak yapılır. Trmodamğ çoğu uygulamasıda, br ya da daha çok dğşk sabt tutulurk, dğr dğşklr bulara gör asıl dğştğ clr v bu da sstm matmatksl olarak ( sabt tutulmaya dğşklr sayısı olmak üzr) boyutlu br uzay olarak tarf dlblcğ alamıa glr. Đstatstksl mkağ fzk yasalarıyla brlştrrk, bu dğşklr brbrlr csd fad dck "durum dklmlr" yazılablr. Buları bast v öml olalarıda br s dal gaz yasası Bu dklmd R vrsl gaz sabt'dr. Ayrıca statstksl mkak trmlryl bu dklm şöyl yazılır: Bu dklmd d k Boltzma sabt'dr. Trmodamk dğşklr vasıtasıyla dört ta trmodamk potasyl taımlaablr: Sstm Đç rs Hlmholtz Srbst rs Gbbs Srbst rs talp U : du = T. ds + V. dp talp,özl br foksyodur.basıç sabt olduğu zama bz ısıyı vrr. Bu dört potasyl
4 dfrasyl dklmlr v zcrlm türv kuralıı kullaarak bu dört potasyl, dğşklr v brbrlr csd yazılablr: = U PV. = A + T. S A = T. S = G PV. G = A + PV. = U T. S U = G + T. S = + PV. Bu drst trop kavramıı formasyo (formasyo, formato) kavramı l brlkt kullaacağız. formasyo Tors (Blg Kuramıı) amacı blg ld dlms (habr alıması), aktarılması, şlms v saklamasıa lşk cl kauları clmktr. Blg kavramıı taımıda öc, olasılık dağılımları üzrd çştllk ölçüsü olarak taımlaa v statstk trop d d trop kavramıı taımıı hatırlatmaya çalışacağız. trop kavramı, kapalı br kaptak dal br gazı düzszlğ br ölçüsü olarak 9. yüzyılı solarıda Boltzma tarafıda ortaya atıla br kavram Blg kuramı 940 lı yıllarda tlkomükasyoa bağlı problmlr çözümü sırasıda ortaya çıkmıştır. Blg kuramıı amacı blg ld dlms, aktarılması, şlms v saklamasıa lşk kuralları clmktr. Blg aktarılması sürcdk rasgllk olgusu bu sürçlr clmsd statstk yötmlr kullaılmasıı kaçıılmaz kılmakta Blg aktarılması ç uygu bçmd kodlamış olması grkr. Blg mmum sayıda smbol yardımıyla aktarılmalı Br maddsl sstm durumu ksks blyorsa, buu hakkıda aktarıla blg çokta dğrl dğldr. Bua gör, glşgüzl olarak hrhag br durumda bulua br sstm lşk alıa br blg kadar dğrl olduğuu ölçmy yaraya br krtr olmalı Bua sstm kararsızlık drcs dr. Br sstm kararsızlık drcs sadc mümkü ola durum sayısı l dğl; o durumda buluma olasılıkları l bağlatılı Glşgüzllk (rasgllk) çr br sstm () buluablcğ durumlar x, x,..., x olsu. Hr br durumu olasılığı p = P( = x ) olmak üzr, sstm x, x,..., x p, p,..., p
5 olarak göstrls. Sstm, x, x,..., x,... p, p,..., p,... bçmd d olablr. Kskl durumlarda buluabl br sstm () ç durumlar x, x,..., x olarak sayısallaştırılmış s sstm br rasgl dğşk olarak da l alıablr. rasgl dğşk olasılık foksyou, f ( x ) = P( = x ) = p, =,,..., olsu. W = log( f ( )) olarak taımlaa W rasgl dğşk olasılık tablosu, w = log( f ( x )) log( f ( x)) f x log( ( )) log( f ( x )) w = log p log p log p log p fw ( w ) = P( W = w ) p p p olmak üzr, ( W ) = ( log f ( )) = p log f ( x ) = p log p = = Kskl durumlarda buluabl br H ( ) p log p = = x, x,..., x p, p,..., p sstm trops, olarak taımlaır. Bu sstm br rasgl dğşk (rasgl dğşk aldığı dğrlr sstm buluablcğ durumlar) olarak da l alablrz. trop taımıdak logartmaı tabaı gllkl olarak alıır. Bu durumda, Durumlar x x p = P( = x ) p = gb br sstm trops, H ( ) = p log p = ( log + log ) = = ( log log ) = olur. trop taımıda logartmaı tabaı olarak sçldğd, şt olasılıklı k durumlu br sstm trops, trop ölçü brmdr. Brm tropy bt dr. Örğ, düzgü br paraı üç kz atılışıdak olasılıklara sahp, 8 durumlu br sstm trops, p =
6 YYY YYT YTY TYY YTT TYT TTY TTT /8 /8 /8 /8 /8 /8 /8 /8 H = ( log )8 = 3 (bt) 8 8 N ta şt olasılıklı durum göstr br sstm trops log N bt tr. Sadc br durumda bulua br sstm trops sıfır Örk Br sstm (rasgl dğşk) l lgl durumlar v bu durumlarda buluma olasılıkları aşağıdak gb olsu. Bu stm trops,,, 3, 4,,, H ( ) = p log p = log log log log = (bt) = dr. trop hsabıda sadc durumları olasılıkları ömldr. Sstm göstrmd durumları yazmasak da olur. 3 3,,, sstm trops dr H ( ) = p log p = log log log log =.8 (bt) = Dört durumlu başka br 97,,, sstm trops, H ( ) = p log p = log log log log = =0.4 (bt) dr. Düzgü dağılım durumuda trop fazla olduğua dkkat d.
7 trop taımıda k tabalı logartma yr tabalı logartma da kullaılmakta log p p l p p l( ) p log p l() l() p log p = = = = = = = trop ölçü brm bt olmak üzr, trop taımıda k tabalı logartma yr tabalı logartma kullaılırsa l() katsayısıı göz öüd tutmak grkr. Doğal logartma v tabalı üslü fadlr türv v tgral hsaplamaları daha kolay olmakta Buda sorak kısımda br x, x,..., x sstm trops, p, p,..., p olarak taımlaacaktır. H ( ) p l p = = Khch Torm: Solu sayıda durum göstr br sstm trops maksmum dğr durum sayısıı logartmasıa şttr v durum olasılıklarıı şt olduğu hald ortaya çıkmakta Đspat: Sstm ta durumu olsu. x, x,..., x, =,,..., ç > 0 v = p p p, p,..., p = sstm, H ( ) H ( p, p,..., p ) p l p = = = trops maksmum dğr bulmak ç, Amaç : max H ( p, p,..., p ) = p l p Kısıtlar : p = = p > 0, =,,..., = optmzasyo problm l alalım. v Problm Lagrag çarpaları yötm l çözmy çalışalım. Lagrag foksyou, L = p l p + λ( p ) = =
8 L = l p + λ, =,,..., p L = p λ = olmak üzr, türvlr sıfıra ştlmsyl ld dl dklm sstm, l p = λ l p = λ l p = λ p = = olup, dklm sstm çözümü v p = p =... = p = λ = + l max H ( p, p,..., p) = l = l = l = Solu sayıda duruma sahp sstmlrd maksmum trop, durum olasılıklarıı şt olduğuda ortaya çıkmaktadır v durumlu br sstm maksmum trops l dr. x, x,..., x = sstm hr durumu ç bll br r düzy (dğr) söz kousu p, p,..., p olsu. Sstm kd durumlarıda p, p,..., p olasılıkları l bulumakta Sstm r düzylr v bu düzylrd buluması olasılıkları,... f ( ) = P( = ) p p... p olmak üzr r ortalaması, ya r bkl dğr = p = µ
9 dğr şt Solu durumlu v r düzylr,,..., ola sstm ortalama rs bll br Başka br fad l, * p = µ olacak şkld maksmum tropl sstm hagsdr v trops dr? = Amaç : max H ( p, p,..., p ) = p l p Kısıtlar : p = = = problm çözümü dr? Lagrag foksyou, p * p > 0, =,,..., = µ = v * λ µ λ = = = L = p l p + ( p ) + ( p ) L = l p + λ + λ, =,,..., p L = * p µ λ = L = p λ = olmak üzr, türvlr sıfıra ştlmsyl ld dl dklm sstm, vya l p = λ λ l p = λ λ l p = λ λ = = p * p = = µ
10 p p p = = = = = p λ λ λ λ λ λ * p = = µ olup, lk dklm toplamıda ld dlr. = = λ λ λ = = = λ l( ) = λ λ λ λ p p * = = = = p l λ λ λ = λ λ = λ µ = = = = = = = olmak üzr, p = ld dlr. Bua gör, λ λ λ λ λ = = = λ = λ λ, =,,..., λ l l λ ( l ( λ ) ) ( λ ) λ H = p p = p = p = p + p = = λ + λ µ max = = λ = = = *
11 x, x,..., x Solu durumlu gb br sstm r düzylr,,..., olduğuda, p, p,..., p sstm ortalama rs bll br tropl sstm durum olasılıkları * p = µ dğr şt olacak şkld maksmum = p = = λ λ, =,,..., Gazları Ktk torsd, p = = kt kt, =,,..., dr (T mutlak sıcaklığı v k Boltzma sabt göstrmktdr). Bua gör, sstm ortalama rs bll br sstmd r düzylr olasılık dağılımı, * p = µ dğr şt olacak şkld maksmum tropl = kt f ( ) = P( = ) kt p = p = p = = kt = kt Bu olasılık dağılımıa Boltzma Dağılımı dr. = kt kt Mtropols-Hastgs Algortmasıda olduğu gb uygulamalarda k sabt göz ardı dlp, T f ( ) = P( = ) T T p = p = p = T T T = dağılımı kullaılmakta Bu dağılıma Gbbs dağılımı dr. = =
12 Đk ya da daha çok sstm blşks ola sstmlrd trop kavaramıı l alalım. x, x,..., x p, p,..., p v y, y,..., ym Y r, r,..., rm gb k sstm söz kousu olsu. Bu k sstm blşks ddğd, ( x, y ) : =,,...,, =,,..., m { } kümsdk durumlarda buluabl sstm alaşılmakta v Y gb k sstm blşks ola sstm (, Y ) bçmd göstrlm. Bu sstm ( x, y ), =,,...,, =,,..., m durumlarıda buluması olasılıkları P( = x, Y = y ), =,,...,, =,,..., m olsu. Blşk sstm trops, m H (, Y ) = P( = x, Y = y )l P( = x, Y = y ) = = olarak taımlamakta Đk sstm brbrd bağımsız, ya olduğuda, olmak üzr, P( = x, Y = y ) = P( = x ) P( Y = y ) l P( = x, Y = y ) = l P( = x ) + l P( Y = y ) H (, Y ) = H ( ) + H ( Y ) Bağımsız k sstm blşks trops, sstmlr trop toplamlarıa şttr. (, Y ) gb blşk br sstmd, sstm x durumuda olduğu bls. sstm x durumuda olduğu bldğd Y sstm koşullu trops m Y = y Y = y H ( Y / = x ) = P l P = x = x = olarak taımlaır. (, Y ) gb blşk br sstmd, Y sstm sstm koşullu toplam trops H ( Y / ) = p H ( Y / = x ) = olarak taımlamakta
13 (, Y ) blşk sstmd Y sstm l sstm bağımsız s m Y = y Y = y H ( Y / ) = ph ( Y / = x ) = p P l P = x = x = = = m m p P ( Y y ) l P ( Y y ) P ( Y y ) l P ( Y y ) = = = = = = = = = = H ( Y ) (, Y ) blşk sstm trops ç H (, Y ) = H ( ) + H ( Y / ) = H ( Y ) + H ( / Y ) Y = y P x Y y P x P yazılablr ( ( ) ( ) =, = = = = x d kolayca ld dlr). Ayrıca, H (, Y ) H ( ) + H ( Y ) Dkkat dlrs k blşl br sstm, k dğşkl br rasgl vktör olarak l alıablr. Buda sora, (, Y ) blşk sstm l (, Y ) rasgl vktörü kavramlarıı brbr yr kullaacağız. (, Y ) olasılık foksyou ( ) f, Y ( x, y ) = p = P = x, Y = y, =,,...,, =,,..., m olmak üzr (, Y ) sstm, trop açısıda p, =,,...,, =,,..., m olasılıkları l alatılablr, ya (, Y ) ( p ) m dyblrz. Bua gör;, Y rasgl dğşklr ortak dağılımıı trops ( v Y sstmlr blşks trops) m H (, Y ) p l p = = = Örk a) (, Y ) gb blşk br sstm (k boyutlu rasgl vktör) l lgl durumlar v bu durumlarda buluması olasılıkları aşağıdak gb olsu. Y x x y /4 /4 y /4 /4
14 Bu blşk sstm trops, H (, Y ) = l l l l = l 4 = l = ( bt) olup, sstm ( rasgl dğşk) trops, H ( ) = l l = l = ( bt) Y sstm (Y rasgl dğşk) trops H ( Y ) = l l = l = ( bt) olmak üzr, H (, Y ) = H ( ) + H ( Y ) b) (, Y ) gb blşk br sstm (k boyutlu rasgl vktör) l lgl durumlar v bu durumlarda buluması olasılıkları aşağıdak gb olsu. Y x x y /8 3/8 y 3/8 /8 Bu blşk sstm trops, H (, Y ) = l l l l =.555 =.555 (bt) =.83 (bt) l olup, sstm ( rasgl dğşk) trops, H ( ) = l l = l = ( bt) Y sstm (Y rasgl dğşk) trops H ( Y ) = l l = l = ( bt) olmak üzr, H (, Y ) H ( ) + H ( Y ) sstm (rasgl dğşk) x durumuda olduğu bldğd Y sstm (rasgl dğşk) koşullu dağılımı y y y Y = y P /4 3/4 = x
15 v koşullu trops, Y = y Y = y 3 3 H ( Y / = x ) = P l P = l l = 0.56=0.8 (bt) = x x = = Bzr şkld sstm (rasgl dğşk) x durumuda olduğu bldğd Y sstm (rasgl dğşk) koşullu trops, Y = y Y = y 3 3 H ( Y / = x) = P l P = l l = 0.56=0.8 (bt) = x x = = Y sstm sstm koşullu toplam trops, H ( Y / ) = ph ( Y / = x ) = = 0.8( bt) = Durum Uzayı Sürkl Ola Sstmlr trops Kskl durumlarda buluabl br H ( ) p l p = = x, x,..., x p, p,..., p sstm trops, olarak taımladı. Bu sstm br rasgl dğşk (rasgl dğşk aldığı dğrlr sstm buluablcğ durumlar) olarak da l alablcğmz söyldk. Uygulamada sürkl rasgl dğşk bzy maddsl sstmlr d söz kousu olmakta Bu tür sstmlr durumları sayılamaz çoklukta Durumları brd dğr sürkl tarzda gçlr, acak sstm hrhag br durumda buluma olasılığı sıfırdır, sürkl rasgl dğşklrd olduğu gb. Durumlarıı küms rl sayılar l şlbl sürkl br sstm (sürkl br rasgl dğşk) br aralıkta buluması olasılığı, br olasılık yoğuluk foksyou yardımıyla, P( x < < x) = P( x x) = P( x < x) = P( x < x) = f ( x) dx olarak fad dlblr. Sürkl sstm kavramı, tıpkı sürkl rasgl dğşk kavramı gb br dallştrmdr. Br saı boy uzuluğu sürkl br rasgl dğşkdr drz, ama bu tork olarak doğrudur. Grçkt br saı boyu cm d daha küçük br ksml ölçülmz v boy ölçülr hçbr zama mm farkla fad dlmz. Olsa olsa boylar cm farkla brbrd ayrılır. Bua bzr bçmd, ölçmlrd br duyarlılık sıırı kabul drk, ya br x dğr blrlrk sürkl sstm (sürkl rasgl dğşk) kskl sstm (kskl rasgl dğşk) drgblr. a, b R Örğ sürkl sstm durumları (sürkl rasgl dğşk aldığı dğrlr) br ( ) x x
16 aralığıda s bu aralık, a = x < x < x3 <... < x = b, x = x + + x, =,,3,..., oktaları l a, b = x, x x, x x, x... x, x x, x ( ) ( ] ( 3] ( 3 4 ] ( ] ( + ) olacak şkld ( x, x ],( x, x ],( x, x ],...,( x, x ],( x, x ) aralıklarıa ayrılablr. Bu aralıkları kdlr sstm durumu olarak alıırsa karşımıza durumlu kskl br sstm çıkar. x dğr ytrc küçük tutulduğuda, x + x P( x < x ) = P( x < x + x) = f ( x ) dx f ( x ) x + x olmak üzr, ( x, x ],( x, x ],( x, x ],...,( x, x ],( x, x ) trops, ( ) + durumlarıda buluabl sstm p l p = f ( x ) xl f ( x ) x = f ( x ) xl f ( x ) f ( x ) xl x = = = = = f ( x ) xl f ( x ) l x f ( x ) x = = = b x 0 a f ( x ) xl f ( x ) f ( x) l f ( x) dx = f ( x ) x b x 0 f x dx = a ( ) olmak üzr, ytrc küçük x ç p l p = f ( x ) xl f ( x ) l x f ( x ) x f ( x)l f ( x) dx l x = = = Sürkl br sstm (sürkl br rasgl dğşk) trops, ölçm duyarlılığıı fad d x dğr göz öüd tutularak, b a olarak taımlamakta H x( ) = f ( x)l f ( x) dx l x Sürkl br sstm, D D küms rasgl dğşk aldığı dğrlr kümsdr. H x( ) = f ( x)l f ( x) dx l x D trop formülüdk brc trm x d bağımsız x dğr sstm durumuu blrlmsdk (ölçülmsdk, gözlmsdk) yaklaşıklığı fad dr. Sürkl sstmlr ç trop formülü daha bast br bçmd,
17 [ ] H x( ) = f ( x)l f ( x) dx l x = f ( x)l[ f ( x) x] dx = l[ f ( ) x] olarak da yazılablr. D D Örk 3 a) U ( a, b) olduğuda, b) H x b a b a ( ) = f ( x )l f ( x ) dx l x = l dx l x = l D (0, ) olduğuda, N σ b a b a x H x( ) = D πσ πσ x x σ σ f ( x)l f ( x) dx l x = l dx l x π = + l x σ ( πσ ) x dx l ( πσ ) l x σ = + l x Örk 4 Sürkl br sstm (rasgl dğşk) olasılık yoğuluk foksyou f olduğuda sstm trops, H ( ) = f ( x )l f ( x ) dx l x x Aşağıdak, f ( x) 0, x R f ( x) dx = xf ( x) dx = a ( a R v a br sabt sayı) ( x a) f ( x) dx = b b > v b br sabt sayı ( 0 )
18 özllklr sağlaya f foksyoları brr olasılık yoğuluk foksyou olup, blrldklr dağılımları bkl dğr v varyasları ayı Bkl dğr v varyası ayı ola sürkl dağılımlar arasıda trops büyük ola dağılım hagsdr. Başka br fad l, max( f ( x)l f ( x) dx l x) f Kısıtlar: f ( x) 0, x R f ( x) dx = xf ( x) dx = a ( a R v a br sabt sayı) ( x a) f ( x) dx = b b > v b br sabt sayı ( 0 ) optmzasyo problm çözümü dr? Bu problm çözüldüğüd, lgç br şkld karşımıza bkl dğr µ = a v varyası σ = b ola N ( µ, σ ) ormal dağılımı çıkmakta v Y k sürkl sstm (rasgl dğşk) olsu. (,Y) blşk sstm, başka br fad l (,Y) rasgl vktörüü olasılık yoğuluk foksyou f, Y olsu. Ayrıca l Y blşlr olasılık yoğuluk foksyoları f, f Y v koşullu dağılımları olasılık yoğuluk foksyoları f /, f / olsu. v Y ölçm duyarlılıkları sırasıyla x, y olsu. y Y x (, Y ) blşk sstm trops, H (, Y ) = [ l{ f (, Y ) x y}] x y olarak taımlamakta x durumuda buluduğu blrk Y H ( Y x ) kısm koşullu trops H ( Y x) = f ( y)l f ( y) dy l y y Y / x Y / x v H ( Y ) ortalama koşullu trop H ( Y ) = f ( x) f ( y)l f ( y) dxdy l y y Y / x Y / x olarak taımlamakta
19 f ( x, y) = f ( x). f ( y), Y Y / x ştlğ dkkat alarak, H ( Y ) = f ( x, y)l f ( y) dxdy l y y, Y Y / x = f ( x, y) l{ f ( y) y} dxdy, Y Y / x formülü ld dlr. H y ( Y ) = [ l f ( Y ) l y] vya H y ( Y ) = [ l{ f ( Y ) y}] olarak yazılablr. (, Y ) blşk sstm trops, H x y (, Y) = [ l{ f ( x, y) x y}] olmak üzr, f ( x, y) = f ( x). f ( y) fadsd,, Y Y / x H (, Y) = [ l{ f ( x, y) x y}] = f ( x, y)l{ f ( x, y) x y} dxdy x y, Y, Y = f ( x, y)l{ f ( x) f ( y) x y} dxdy, Y Y / x = f ( x, y) l{ f ( x) x} dxdy f ( x, y)l{ f ( y) y} dxdy, Y, Y Y / x = f ( x)l{ f ( x) x} dx f ( x) f ( y)l{ f ( y) y} dxdy x Y / x Y / x Y / x Y / x = H ( ) f ( x) f ( y)l{ f ( y) y} dydx = H ( ) + H ( Y / ) x y ld dlr. (, Y ) blşk sstm blşlr bağımsız olduğuda, H (, Y) = H ( ) + H ( Y ) x y x y Blş sayısı k olmak üzr, k blşl br = k sstm (k boyutlu rasgl vktörü) ç trop, H ( ) = f (,,..., k )l f (,,..., k ) larak taımlaır. Blşlr bağımsız olduğuda, H ( ) = H ( ) + H ( ) H ( k ) Gld, H ( ) = H ( ) + H ( / ) + H ( 3 /, ) H ( k /,,..., k ) Sürkl durumda da yukarıdaklr bz taımlamalar yapılablr.
Bir 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
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
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
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,
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 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
DetaylıZaman Skalasında Box-Cox Regresyon Yöntemi
Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term
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)
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
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
DetaylıPolinom İnterpolasyonu
Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır
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.
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:
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
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
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
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
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
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
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
Detaylı{ 1 3 5} { 2 4 6} OLASILIK HESABI
OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {
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
DetaylıYÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı
YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam
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
DetaylıBir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı
5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.
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
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
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
DetaylıÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR
ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ
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,
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)
DetaylıDers 4: Rastgele Değişkenler ve Dağılımları
Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla
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,
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
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
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
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
DetaylıDERS 9. Grafik Çizimi, Maksimum-Minimum Problemleri. 9.1. Grafik çiziminde izlenecek adımlar. y = f(x) in grafiğini çizmek için
DERS 9 Grafik Çizimi, Maksimum-Minimum Problmlri 9.. Grafik çizimind izlnck adımlar. y f() in grafiğini çizmk için Adım. f() i analiz diniz. (f nin tanım kümsi, f() in tanımlı olduğu tüm rl sayıların oluşturduğu
DetaylıSürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak
DetaylıAKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ
AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X
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
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
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
DetaylıÖğrenci Numarası İmzası: Not Adı ve Soyadı
Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar
DetaylıSakarya Ticaret Bozrsası. Üye Memnuniyet ve Beklenti Anketi. Raporu
Tcar zsı My v Bkln k Mar 2015, SAKARYA Tcar sı 2014 Yılı My v Bklnlrnn Eld Edlms İçn Yapılan k İlşkn r Tcar sı hm ISO 9001 Toplam Kal Yönm Ssm, hm d TOBB Oda/ Akrdasyon Ssmnn grğ olarak gnş çaplı br My
DetaylıRANKI 2 OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI 1 Reports Of Free Groups Otomorfizm Rank 2 Lie Algebras
RANKI OLAN SERBEST LIE CEBİRLERİNİN OTOMORFİZM GRUPLARININ SUNUMLARI Reports Of Free Groups Otomorfzm Rak Le Algebras Özge ÖZTEKİN Matematk Aa Blm Dalı Name EKİCİ Matematk Aa Blm Dalı ÖZET Bu çalışmada,
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.).
DetaylıBASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI
Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei
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
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
Detaylıdenklemini x=0 adi nokta civarında çözünüz.
dklmii = adi okta ivarıda çözüüz. Rküra bağıtıı DİFERANSİYEL DENKLEMLER UFUK ÖZERMAN y +y +( /6y= ( dklmi içi = oktaıı düzgü tkil okta olduğuu götri, İdi dklmii köklrii bulu v çözü. P( = = = = tkil okta
Detaylı3. Yazma Becerileri Sempozyumu
Glckt gl prjlr : İlkkullara yölk Kt 0 1 Fkr Prj 3 Yama Bcrlr mpyumu Tml yötm Yd pratk Örk prjlr Dymlr Dğr ülklr Glckt gl prjlr : İlkkullara yölk Kt 10 2 Br varmış, br ykmuş Bu kt, 2006 yılıda başlaya v
DetaylıTĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz
TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (
Detaylı6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI
6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
uyruk Teorisi Ders Notları: Bazı uyruk Modelleri Mehmet YILMAZ mehmetyilmaz@akara.edu.tr 10 ASIM 2017 11. HAFTA 6 Çok kaallı, solu N kapasiteli, kuyruk sistemi M/M//N/ Birimleri sisteme gelişleri arasıdaki
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde
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
DetaylıİÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...
İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı
DetaylıKATEGORİK 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
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
DetaylıÖrnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1
Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault
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
DetaylıMÜHENDİSLİK YANGIN OTOMASYON SİSTEMLERİ SAN. TİC.
Tubojts Nozzls BRASS COMPANY 442 Sok. No: 2-D İşaat İş Mk. Yşh - İZMİR Tl: 0 232 457 27 00-0 Fax: 0 232 457 27 02 w w w. o t o k o. c o m. t f o @ o t o k o. c o m. t Cco Ako ayalaabl hacml Tubojt Nozul,
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
DetaylıAKIŞKAN BORUSU ve VANTİLATÖR DENEYİ
AKIŞKA BORUSU ve ATİLATÖR DEEYİ. DEEYİ AMACI a) Lüle ile debi ölçmek, b) Dairesel kesitli bir borudaki türbülaslı akış şartlarıda hız profili ve eerji kayıplarıı deeysel olarak belirlemek ve literatürde
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
DetaylıTALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ
TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları
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.
DetaylıDOĞUŞ ÜNİVERSİTESİ MATEMATİK KLÜBÜ FEN LİSELERİ TAKIM YARIŞMASI 2007 SORULARI
DOĞUŞ ÜNİVERSİTESİ MATEMATİK KLÜBÜ FEN LİSELERİ TAKIM YARIŞMASI 007 SORULARI Doğuş Ünivrsitsi Matmatik Kulübü tarafından düznlnn matmatik olimpiyatları, fn lislri takım yarışması sorularından bazıları
DetaylıYILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak
YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes
DetaylıTarihli Mühendislik ekonomisi final sınavı. Sınav süresince görevlilere soru sormayın. Başarılar dilerim.
6..27 Tarhl Mühedslk ekooms fal sıavı Süre 9 dakka Sıav Saat: Sıav süresce görevllere soru sormayı. Başarılar dlerm. D: SOYD: ÖĞRENCİ NO: İMZ: Tek ödemel akümüle değer faktörü Tek ödemel gücel değer faktörü
DetaylıYAPI MEKANİĞİNDE ÖZEL PROBLEMLER ENERJİ YÖNTEMLERİ
YIDIZ TEKNİK ÜNİVERSİTESİ İNŞAAT MÜHENDİSİĞİ BÖÜMÜ MEKANİK ANABİİM DAI YAPI MEKANİĞİNDE ÖZE PROBEMER ENERJİ YÖNTEMERİ PRO. DR. TRGT KOCATÜRK Hazırlayan : İnş. Müh. ŞERE DOĞŞCAN AKBAŞ -ENERJİ YÖNTEMERİ-.
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
Detaylıf n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi
4.2. Pozitif Foksiyoları İtegrali SOU : f ), M +, A) kümeside bulua foksiyoları mooto arta dizisi ve h.h.h. f = f ise f dµ = f dµ gerçekleir. Gösteriiz Bu teorem Mooto yakısaklık teoremide yakısaklık yerie
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
DetaylıTanımlayıcı İstatistikler
Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede
Detaylı2.2. Fonksiyon Serileri
2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m
Detaylıdeğerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.
Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade
DetaylıDENEY 4 Birinci Dereceden Sistem
DENEY 4 Birici Derecede Sistem DENEYİN AMACI. Birici derecede sistemi geçici tepkesii icelemek.. Birici derecede sistemi karakteristiklerii icelemek. 3. Birici derecede sistemi zama sabitii ve kararlı-durum
Detaylı(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.
Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit
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
DetaylıTABAKALI ŞANS ÖRNEKLEME
6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve
DetaylıĐst201 Đstatistik Teorisi I
Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller
DetaylıGenel Kimya ve 4. Şubeler
Geel Kimya 101 3. ve 4. Şubeler Dr. Oza Karaltı E-mail : okaralti@etu.edu.tr Ofis: 112-2 https://sites.google.com/site/etukim101 6. Gazlar Gazları fiziksel davraışlarıı 4 özellik belirler. Sıcaklık (K),
DetaylıBölüm 5: Hareket Kanunları
Bölüm 5: Hareket Kauları Kavrama Soruları 1- Bir cismi kütlesi ile ağırlığı ayımıdır? 2- Ne zama bir cismi kütlesi sayısal değerce ağırlığıa eşit olur? 3- Eşit kollu terazi kütleyi mi yoksa ağırlığı mı
DetaylıKATEGORİK VERİLERİN TESTİ (ki-kare testi)
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
Detaylı12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,
. Ders Büyü Sayılar Kauları Kouya geçmede öce DeMoivre-Stirlig formülüü ve DeMoivre-Laplace teoremii hatırlayalım. DeMoivre, geel terimi, a!,,, 3,... e ola dizii yaısa olduğuu göstermiş, aca limitii bulamamış.
DetaylıD( 4 6 % ) "5 2 ( 0* % 09 ) "5 2
3 BÖLÜM KAALI SİSEMLEDE EMODİNAMİĞİN I KANUNU I Yasaya giriş Birii bölümde eerjii edilide var veya yo edilemeyeeği vurgulamış, sadee biçim değiştirebileeği belirtilmişti Bu ile deeysel souçlara dayaır
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 > >
DetaylıUygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Olasılık Hatırlatma Olasılık teorisi,
DetaylıBileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:
1 BİLEŞİK FAİZ: Basit faiz hesabı kısa vadeli(1 yılda az) kredi işlemleride uygulaa bir metot idi. Ayrıca basit faiz metoduda her döem içi aapara sabit kalmakta olup o döem elde edile faiz tutarı bir soraki
DetaylıBir Alışveriş Merkezinde Hizmet Sektörü Đçin En Kısa Yol Problemi ile Bir Çözüm
Br Alışverş Merkezde Hzmet Sektörü Đç E Kısa Yol Problem le Br Çözüm Pıar Düdar, Mehmet Al Balcı, Zeyep Örs Yorgacıoğlu Ege Üverstes, Matematk Bölümü, Đzmr Yaşar Üverstes, Matematk Bölümü, Đzmr par.dudar@ege.edu.tr,
DetaylıLojistik Regresyonda Meydana Gelen Aşırı Yayılımın İncelenmesi
Yüzücü Yıl Üverstes, Zraat Fakültes, Tarım Blmler Dergs (J. Agrc. Sc.), 008, 18(1): 1-5 Araştırma Makales/Artcle Gelş Tarh: 10.06.007 Kabul Tarh: 7.1.007 Lojstk Regresyoda Meydaa Gele Aşırı Yayılımı İcelemes
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
DetaylıORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ
ORTALAMA EŞĐTSĐZLĐKLERĐNE GĐRĐŞ Lokma Gökçe Olimpiyat problemlerii çözümüde eşitsizlik teorisi öemli bir yer tutar. Baze bir maksimum miimum değer problemide, baze bir geometrik eşitsizlik kaıtıda, baze
DetaylıTümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...
MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız
DetaylıMakine Öğrenmesi 4. hafta
ain Öğrnmsi 4. hafta Olasılı v Koşullu Olasılı ays Tormi Naïv ays Sınıflayıcı Olasılı Olasılı ifadsinin birço ullanım şli vardır. Rasgl bir A olayının hrhangi bir olaydan bağımsız olara grçlşm ihtimalini
DetaylıLİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2
LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık
Detaylı