Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise"

Transkript

1 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 sürecie rassal örekleme (radom samplig) deir. Amaç: Öreklem bilgisie dayaarak aakütleye ilişki çıkarsamalar yapmak Bu çıkarsamalar aakütlede çekile öreklem bilgisii belli bir foksiyou ola bir istatistiğe dayaır. Bu istatistiği örekleme dağılımı, bu aakütlede çekilebilecek ayı büyüklükteki bütü öreklemlerde sözkousu istatistiği alabileceği değerleri olasılık dağılımıdır. YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 2 BASİT RASSAL ÖRNEKLEME boyutlu Rassal Öreklem: X,X 2,...,X, Bu r.d. leri aldığı belirli değerler: x,x 2,...,x Rassal Öreklem: her biri diğeride bağımsız ve ayı dağılıma sahip, f(x i ), i,2,..., Kısaca X i i.i.d f(x i ), i,2,..., Bağımsızlık özelliğide hareketle Ortak olasılık foksiyou (sürekli ise yoğuluğu): f(x,x 2,...,x ) f (x ) f 2 (x 2 ),..., f (x ) f j (x j ) j

2 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 3 BETİMLEYİCİ ÖRNEK Populasyo: {6,9,2,5,8}, N 5 f(x) /5 farzedelim. Olasılık foksiyou şöyle yazılabilir: x f(x) P(X x) 5 Populasyo ortalaması, varyası ve medyaıı bulalım. E(X) µ E(X 2 ) V ar(x) σ 2 E(X 2 ) µ Med(X) 2, Şimde bu 5 eseli aakütlede 3 eseli öreklemler çekmek istediğimizi düşüelim Olaaklı tüm öreklemleri toplam sayısı: C 3 0 Öreklem ortalaması (X) ve medyaı (m) ve öreklem varyasıı s 2 örekleme dağılımlarıı bulalım. YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 4 BETİMLEYİCİ ÖRNEK (devam) Öreğimizdeki populasyoda sadece 5 ese buluduğuda olaaklı tüm öreklemleri (0 tae) listeleyip, herbiri içi öreklem istatistiklerii hesaplayabiliriz: x x i s 2 (x i x) 2 m medya(x)

3 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 5 BETİMLEYİCİ ÖRNEK (devam) Olaaklı tüm öreklemler içi öreklem istatistikleri Öreklem o Öreklem değerleri x m s 2 6, 9, , 9, , 9, , 2, , 2, , 5, , 2, , 2, , 5, , 5, YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 6 BETİMLEYİCİ ÖRNEK (devam) Öreklem ortalamasıı örekleme dağılımı x f(x) P(X x) Öreklem ortalamasıı beklee değeri: E ( X ) µ X xf(x) 9(0.) (0.) 2 ( E X 2) x 2 f(x) 8(0.) (0.) 47 V ar ( X ) ( E X 2) µ X

4 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 7 BETİMLEYİCİ ÖRNEK (devam) Öreklem medyaıı örekleme dağılımı m f(m) P(M m) E(m) µ m 2 V ar(m) σ 2 m 5.4 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 8 BETİMLEYİCİ ÖRNEK (devam) Öreklem varyasıı örekleme dağılımı s f(s 2 ) P(S 2 s 2 ) E(S 2 ) s 2 f(s 2 ) 9(0.3) + 2(0.4) + 36(0.) + 39(0.2) 22.5 Solu aakütle düzeltmesi yaparsak: E(S 2 ) N N 5 4 σ2 22.5

5 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 9 ÖRNEKLEM ORTALAMASININ ÖRNEKLEME DAĞILIMI Ortalaması µ, varyası σ 2 ola bir aakütlede çekilmiş boyutlu bir rassal öreklem: X,X 2,...,X Amaç: (Bilimeye) populasyo ortalaması µ içi çıkarasama yapmak. Bu amaçla öreklem ortalaması kullaılabilir: X Beklee değer: E ( X ) ( ) E X i X i E(X i ) (µ + µ µ), X ler türdeş dağıldığı içi µ µ YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 0 Gözlem sayısı arttıkça, öreklem ortalaması aakütle ortalamasıa yakısar:, X µ

6 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları ÖRNEKLEM ORTALAMASININ ÖRNEKLEME DAĞILIMI Öreklem ortalamasıı varyası: V ar ( X ) ( ) 2 V ar X i 2 V ar(x i ) 2 (σ2 + σ σ 2 ), X ler türdeş ve bağımsız dağıldığı içi 2 σ2 σ2 Rassal öreklem olma özelliklerii (türdeş ve bağımsız dağılma, i.i.d) kulladık. Gözlem sayısı arttıkça, öreklem ortalamasıı varyası 0 a yakısar:, V ar(x ) 0 Öreklem Ortalamasıı stadart hatası: sh(x) σ X σ YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 2 ÖRNEKLEM ORTALAMASININ ÖRNEKLEME DAĞILIMI Eğer öreklemdeki gözlem sayısı aakütledeki ese sayısı N i küçük bir oraı değilse, öreklemdeki tekil gözlemler birbiride bağımsız dağılmaz. Bu durumda, öreklem ortalamasıı varyasıı aşağıdaki gibi düzeltilmesi gerekir: V ar(x ) σ2 N N N geellikle bilimez ya da öreklem gözlem sayısıı toplam aakütle sayısıı çok küçük bir oraı olduğu kabul edilir. N sosuza giderke yukarıdaki düzeltme terimi e yaklaşır. Yukarıdaki düzeltme N i bilidiği her durum içi kullaılabilir. Aakütle ormal dağılıyorsa öreklem ortalamasıı örekleme dağılımı da ormal dağılır. Hatırlarsak, ormal dağılmış r.d. leri doğrusal foksiyoları da ormal dağılıma uymaktaydı: X N(µ,σ 2 ) ise a + bx N(a + bµ, b 2 σ 2 ) ( X i N(µ,σ 2 σ 2 ) ), i,2,..., ise X N µ,

7 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 3 ÖRNEKLEM ORTALAMASININ ÖRNEKLEME DAĞILIMI Eğer X leri çekildiği aakütle ormal dağılıma uyuyorsa: Z X µ σ/ N(0,) Daha geel olarak, eğer X leri çekildiği aakütle ormal dağılıma uymuyorsa, gözlem sayısı arttıkça, yukarıdaki ifade asimptotik olarak doğrudur. Merkezi Limit Teoremide hareketle: Örekler: kitap s.252 örek 6.2 Z X µ σ/ N(0,) YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 4 ÖRNEKLEM ORANININ ÖRNEKLEME DAĞILIMI Rassal değişke X, başarı olasılığıı p ve toplam deeme sayısıı olduğu biom dağılımıda toplam başarı sayısıı ifade etsi: X Biom(,p), E(X) p, V ar(x) p( p) Öreklem başarı oraı ˆp, toplam başarı sayısıı gözlem sayısıa oraıdır: ˆp X Beklee değeri ve varyası: ( ) X E(ˆp) E E(X) p p ( ) X V ar(ˆp) V ar 2 V ar(x) p( p) p( p) 2 p( p) sh(ˆp) σˆp

8 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 5 ÖRNEKLEM ORANININ ÖRNEKLEME DAĞILIMI Solu aakütle düzeltmesi (N biliiyorsa) V ar(ˆp) p( p) N N sh(ˆp) σˆp p( p) N N Öreklem yeterice büyükse ( 50 ya da p( p) > 9) Z ˆp p Örekler: kitap s.257 örek 6.4, 6.5 σˆp N(0,) YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 6 ÖRNEKLEM VARYANSININ ÖRNEKLEME DAĞILIMI Ortalaması µ, varyası σ 2 ola bir aakütlede çekilmiş boyutlu bir rassal öreklem: X,X 2,...,X Amaç: Populasyo varyası σ 2 içi çıkarasama yapmak. Bu amaçla öreklem varyası kullaılabilir: Beklee değer: s 2 (X i X) 2 E(s 2 ) σ 2 İspat: s 2 formülüde paratezi içie µ yu ekleyip çıkarır ve yeide

9 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 7 düzelersek: ( Xi X ) 2 [ (Xi µ) (X µ) ] 2 [ (Xi µ) 2 2(X i µ)(x µ) + (X µ) 2] (X i µ) 2 2(X µ) (X i µ) + (X µ) 2 (X i µ) 2 2(X µ) 2 + (X µ) 2 (X i µ) 2 (X µ) 2 Burada X i X ve (X i µ) (X µ) bilgisii kulladık. YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 8 ÖRNEKLEM VARYANSININ ÖRNEKLEME DAĞILIMI s 2 Beklee değerii alırsak: E(s 2 ) (X i X) 2 E (X i µ) 2 (X µ) 2 ( ) (X i µ) 2 (X µ) 2 E ( (X i µ) 2) ( E (X µ) 2 ) }{{}}{{} σ 2 σ 2 (σ2 σ2 ) ( )σ2 σ 2

10 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 9 ÖRNEKLEM VARYANSININ ÖRNEKLEME DAĞILIMI Aakütlei ormal dağıldığı varsayımı altıda gözlem değerlerii ortalamada sapmalarıı karelerii toplamıı aakütle varyasıa oraı ki-kare dağılımıa uyar: ( )s 2 σ 2 (X i X) 2 σ 2 χ 2 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 20 Ki-kare dağılımıı özellikleri: Bağımsız stadart ormal dağıla rassal değişkeleri karelerii toplamı serbestlik derecesi toplam değişke sayısıa eşit ola ki-kare dağılımıa uyar: Eğer Z N(0,) ise Z 2 χ 2 Eğer Z i i.i.d. N(0,) i,2,..., ise Zi 2 χ 2 Tek parametreli bir dağılımdır. Geel durum içi serbestlik derecesii ν (u) ile göstereceğiz. χ 2 ν içi olasılık yoğuluk foksiyou f(x) Burada Γ gamma foksiyoudur: 2 ν/2 Γ(ν/2) xν/2 e x/2, x > 0, ν > 0 Γ(α) 0 x α e x dx, α > 0

11 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 2 Ki-kare dağılımıı özellikleri (devam): χ 2 ν, ν serbestlik derecesiyle ki-kare dağılımıa uya bir r.d. ise beklee değer ve varyas: E(χ 2 ν) ν ve V ar(χ 2 ν) 2ν Bu özelliği kullaarak ( ) ( ) ( )s 2 ( )s 2 E, V ar 2( ) s 2 i varyası σ 2 ( ) 2 σ 4 σ 2 V ar(s 2 ) 2( ) V ar(s 2 ) 2σ4 Serbestlik derecesii alamı: tae (X i X) büyüklüğü ( ) tae bağımsız bilgiye eşdeğerdir. X ı tahmi edilmesi matematiksel alamda birbiride bağımsız terim sayısıı bir azaltır. YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları 22 Ki-kare dağılımıı özellikleri (devam): Sağa çarpık bir dağılımdır. (3. stadart momet pozitif) Serbestlik derecesi (ν) arttıkça dağılım simetrik hale gelir, limitte ormal dağılıma yakısar. Ki-kare dağılımıı olasılıklarıı hesaplamak içi serbestlik derecesie göre kuyruk olasılıklarıı vere tablo (Ek Çizelge 5) kullaılabilir.

12 YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları ν serbestlik dereceli ki kare dagilimi ν ν ν 6 0. ν YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları ν0 serbestlik dereceli ki kare dagilimii olasilik yog.foks f(χ ) P(χ >5.99) χ 2 (0)

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 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

Detaylı

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem YTÜ-İktisat İstatistik II Nokta Tahmii 1 Tahmi teoriside amaç öreklem (sample) bilgisie dayaarak aakütleye (populatio) ilişki çıkarsamalar yapmaktır. Bu çıkarsamalar aakütlei dağılımıı belirleye bilimeye

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME 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

Detaylı

İstatistik ve Olasılık

İstatistik 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

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

Tahmin Edici Elde Etme Yöntemleri

Tahmin Edici Elde Etme Yöntemleri 6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme

Detaylı

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 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

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler 1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

7. 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.

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İSTATİSTİKSEL 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

Detaylı

RİSK ANALİZİ VE AKTÜERYAL MODELLEME

RİSK ANALİZİ VE AKTÜERYAL MODELLEME SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla

Detaylı

altında ilerde ele alınacaktır.

altında ilerde ele alınacaktır. YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini

Detaylı

Hipotez Testleri. Parametrik Testler

Hipotez Testleri. Parametrik Testler Hipotez Testleri Parametrik Testler Hipotez Testide Adımlar Bir araştırma sorusuu belirlemesi Araştırma sorusua dayaa istatistiki hipotezleri oluşturulması (H 0 ve H A ) Hedef populasyoda öreklemi elde

Detaylı

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P. 4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi

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

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

12. 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.

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

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu

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

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ

DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research

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

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0

H 0 : θ = θ 0 Bu sıfır hipotezi şunu ifade eder: Anakütle parametresi θ belirli bir θ 0 YTÜ-İktisat İstatistik II Hipotez Testi 1 HİPOTEZ TESTİ: AMAÇ: Örneklem bilgisinden hareketle anakütleye ilişkin olarak kurulan bir hipotezin (önsavın) geçerliliğinin test edilmesi Genel notasyon: anakütleye

Detaylı

İSTATİSTİK I KAVRAMLARININ

İSTATİSTİK I KAVRAMLARININ YTÜ-İktisat İstatistik II İstatistik I Gözden Geçirme İSTATİSTİK I KAVRAMLARININ GÖZDEN GEÇİRİLMESİ Hüseyin Taştan Yıldız Teknik Üniversitesi, İktisat Bölümü, email: tastan@yildiz.edu.tr YTÜ-İktisat İstatistik

Detaylı

SÜREKLİ RASSAL DEĞİŞKENLER

SÜREKLİ RASSAL DEĞİŞKENLER SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.

Detaylı

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN

RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi

Detaylı

Ki- kare Bağımsızlık Testi

Ki- 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

Detaylı

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - )

İstatistiksel Tahminleme. Güven Seviyesi. Verilerin yayılımı ( Örnek hacmi X = X / n Güven seviyesi (1 - ) 04.05.0 İtatitikel Tahmileme İTATİTİKEL TAHMİNLEME VE YORUMLAMA ÜRECİ GÜVEN ARALIĞI Nokta Tahmii Populayo parametreii tek bir tahmi değerii verir μˆ σˆ p Pˆ Aralık Tahmii Populayo parametreii tahmi aralığıı

Detaylı

{ 1 3 5} { 2 4 6} OLASILIK HESABI

{ 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 {

Detaylı

İki Değişkenli Bağlanım Çıkarsama Sorunu

İki Değişkenli Bağlanım Çıkarsama Sorunu İki Değişkenli Bağlanım Çıkarsama Sorunu Aralık Tahmini Ekonometri 1 Konu 15 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

SÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım

SÜREKLİ 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

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER 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,

Detaylı

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer. SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk

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

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar. 9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)

Detaylı

Örneklem Dağılımları ve Merkezi Limit Teoremi

Örneklem Dağılımları ve Merkezi Limit Teoremi Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB 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

Detaylı

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?

26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır? 26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup

Detaylı

Tümevarım_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+...

Tümevarım_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

Detaylı

NİĞDE İLİ RÜZGAR ENERJİSİ POTANSİYELİ WIND ENERGY POTENTIAL OF NIGDE PROVINCE

NİĞDE İLİ RÜZGAR ENERJİSİ POTANSİYELİ WIND ENERGY POTENTIAL OF NIGDE PROVINCE Niğde Üiersitesi Mühedislik Bilimleri Dergisi, Cilt 1, Sayı, (1), 37-47 NİĞDE İLİ RÜZGAR ENERJİSİ POTANSİYELİ Uğur YILDIRIM 1,* Yauz GAZİBEY, Afşi GÜNGÖR 1 1 Makie Mühedisliği Bölümü, Mühedislik Fakültesi,

Detaylı

ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ

ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 4, Sayı, 3 97 ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ Yalçı KARAGÖZ Cumhuriyet Üiversitesi

Detaylı

JEOLOJİDE MATEMATİK VE İSTATİSTİKSEL YÖNTEMLER

JEOLOJİDE MATEMATİK VE İSTATİSTİKSEL YÖNTEMLER JEOLOJİDE MATEMATİK VE İSTATİSTİKSEL YÖNTEMLER Prof. Dr. Hüseyi Çelebi Ders Notları İstabul 014 Jeolojide matematik ve statistiksel yötemler 1 Ösöz Jeolojide matematik ve istatistiksel yötemler ders otları

Detaylı

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş

Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 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,

Detaylı

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

TEMEL KAVRAMLAR GİRİŞ

TEMEL KAVRAMLAR GİRİŞ TEMEL KAVRAMLAR GİRİŞ İstatistik kelimesii kökei Almaca olup devlet alamıa gelmektedir. İstatistik kelimesi gülük hayatta farklı alamlarda kullaılmaktadır. Televizyoda bir futbol müsabakasıı izleye bir

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

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

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

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE

İSTATİSTİKSEL TAHMİNLEME VE 1 ölüm maçları İSTTİSTİKSEL THMİLEME VE YORUMLM SÜRECİ ÖREKLEME VE ÖREKLEME DĞILIMLRI u bölümde öğreeceklerz. Örekleme gereksm ve yötemler celemek. Örekleme hatası kavramıı taımlamak Örekleme dağılışı

Detaylı

Matematik Ders Notları. Doç. Dr. Murat Donduran

Matematik Ders Notları. Doç. Dr. Murat Donduran Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları

Detaylı

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi

5. 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

Herhangi bir oranın belli bir değere eşit olmadığını test etmek için kullanılır.

Herhangi 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

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

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.

K-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır. İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin

Detaylı

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,

NORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa, NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına

Detaylı

TÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi

Detaylı

rasgele değişkeninin olasılık yoğunluk fonksiyonu,

rasgele değişkeninin olasılık yoğunluk fonksiyonu, 3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının

Detaylı

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

(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

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

İstatistik I Ders Notları

İstatistik I Ders Notları İstatistik I Ders Notları Sürekli Rassal Değişkenler Hüseyin Taştan Kasım 2, 26 İçindekiler Sürekli Rassal Değişkenlerin Özellikleri 2 2 Olasılık Yoğunluk Fonksiyonu 2 Birikimli Olasılık Fonksiyonu 6 4

Detaylı

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri

Temel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini

Detaylı

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

İstatistiksel Tahmin ÜNİTE. Amaçlar. İçindekiler. Yazar Doç.Dr. Ahmet ÖZMEN

İstatistiksel Tahmin ÜNİTE. Amaçlar. İçindekiler. Yazar Doç.Dr. Ahmet ÖZMEN İstatistiksel Tahmin Yazar Doç.Dr. Ahmet ÖZMEN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; evren parametreleri hakkında yorum yapmayla ilgili iki yöntemden birisi olan evren parametrelerinin tahmin edilmesine

Detaylı

VERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler...

VERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler... ÜİTE KAVRAMSAL ADIM Sayfa o.... 8 9 İstatistik, Veri ve Grafikler.... 8 Merkezi, Eğilim ve Yayılım Ölçüleri... 8 Açıklık, Çeyrekler Açıklığı........................................................ 8 Varyas

Detaylı

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL VERİ MADENCİLİĞİ Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL SPRINT Algoritması ID3,CART, ve C4.5 gibi algoritmalar önce derinlik ilkesine göre çalışırlar ve en iyi dallara ayırma kriterine

Detaylı

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER Bölüm 5 Olasılık ve Olasılık Dağılışlaı Doç.D. Suat ŞAHİNLE Olasılık ve Olasılık Dağılışlaı Olasılık: Eşit saşla meydaa gele tae olayda A taesi A olayı olsu. Bu duumda A olayıı meydaa gelme olasılığı;

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

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

Dr. 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

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 26 Her hakkı saklıdır Yrd. Doç. Dr. İhsa KARABULUT u daışmalığıda,

Detaylı

İSTATİSTİKSEL FORMÜLLER VE TABLOLAR

İSTATİSTİKSEL FORMÜLLER VE TABLOLAR BAŞKENT ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İSTATİSTİKSEL FORMÜLLER VE TABLOLAR Yayıa Hazırlayalar: Kürşad Demirutku, MS N. Ca Okay, BA Ayşegül Yama F. Efe Kıvaç Bahar Muratoğlu Zuhal Yeiçeri,

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

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

ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:5-Sayı/No: 2 : (2004)

ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:5-Sayı/No: 2 : (2004) ANADOLU ÜNİVERSİTESİ BİLİM VE TEKNOLOJİ DERGİSİ ANADOLU UNIVERSITY JOURNAL OF SCIENCE AND TECHNOLOGY Cilt/Vol.:5-Sayı/No: : 343-349 (004 DÜZELTME/ERRATUM Dergimizde Cilt 5, Sayı 'de, Sayfa 5'de yer ala

Detaylı

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. . nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. Buna göre, n C r + n C r toplamı aşağıdakilerden hangisine eşittir? A) n + C r B)

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

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

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

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ SORU : Ortalaması, varyansı olan bir raslantı değişkeninin, k ile k arasında değer alması olasılığının en az 0,96 olmasını sağlayacak en küçük k değeri aşağıdakilerden hangisidir? A),5 B) C) 3,75 D) 5

Detaylı

HİPOTEZ TESTLERİ HİPOTEZ NEDİR?

HİPOTEZ TESTLERİ HİPOTEZ NEDİR? HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone

Detaylı

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin.

{ 1 3 5} UYGULAMA-2 OLASILIK HESABI { } i, i = 1, 2,, n elemanına aşağıdaki özelliklere sahip bir p. her bir ω. sayısı karşılık getirilsin. UYGULAMA- OLASILIK HESABI Ω. Ω solu sayıda elemaa sahip olsu. Ω { ω, ω,, ω }, U olmak üzere, Ω ı her bir ω i, i,,, elemaıa aşağıdaki özelliklere sahip bir p i sayısı karşılık getirilsi. ) p 0, i,,...,

Detaylı

Parametrik Olmayan İstatistik

Parametrik Olmayan İstatistik Parametrik Olmayan İstatistik 2 Anakütlenin Karşılaştırılması İki Anakütlenin Karşılaştırılması Bağımsız Örnekler Eşleştirilmiş Örnekler Wilcoxon Mertebe Toplam Testi İşaret Testi Wilcoxon İşaretli Mertebe

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK 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

Detaylı

Popülasyon Ortalamasının Tahmin Edilmesi

Popülasyon Ortalamasının Tahmin Edilmesi Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini

Detaylı

SÜREKLİ( CONTINUOUS) OLASILIK

SÜREKLİ( CONTINUOUS) OLASILIK SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı

15.433 YATIRIM. Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş. Bahar 2003

15.433 YATIRIM. Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş. Bahar 2003 15.433 YATIRIM Ders 2: Menkul Kıymetler ve Wall Street de Rassal Yürüyüş Bahar 2003 İçerik Olasılık Teorisi Olasılık dağılımlarının kısa bir gözden geçirmesi Rassal olayları normal olaylarla değerlendirmek

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN

Tanımlayıcı İstatistikler. Yrd. Doç. Dr. Emre ATILGAN Tanımlayıcı İstatistikler Yrd. Doç. Dr. Emre ATILGAN 1 Tanımlayıcı İstatistikler Yer Gösteren Ölçüler Yaygınlık Ölçüleri Merkezi Eğilim Ölçüleri Konum Ölçüleri 2 3 Aritmetik Ortalama Aritmetik ortalama,

Detaylı

8. Bir aritmetik dizide a 2 = 2, a 7 = 8 ise, ortak fark aşağıdakilerden

8. Bir aritmetik dizide a 2 = 2, a 7 = 8 ise, ortak fark aşağıdakilerden MC TEST I Seriler ve Diziler www.matematikclub.com, 2006 Cebir Notları Gökha DEMĐR, gdemir2@yahoo.com.tr 8. Bir aritmetik dizide a 2 = 2, a 7 = 8 ise, ortak fark aşağıdakilerde hagisidir? A) 0,8 B) 0,9

Detaylı

MAGNİTÜD-SIKLIK İLİŞKİSİ PARAMETRELERİNİN ROBUST TAHMİNİ

MAGNİTÜD-SIKLIK İLİŞKİSİ PARAMETRELERİNİN ROBUST TAHMİNİ . Türkiye Deprem Mühedisliği ve Sismoloji Koferası -4 Ekim 0 ODTÜ ANKARA MAGNİTÜD-SIKLIK İLİŞKİSİ PARAMETRELERİNİN ROBUST TAHMİNİ Ayşe D. AKKAYA ve M. Semih YÜCEMEN Profesör, İstatistik Bölümü, ODTÜ, Akara,

Detaylı

ISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ

ISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ 4. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ PARANIN ZAMAN DEĞERİ VE GETİRİ ÇEŞİTLERİ Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım

Detaylı

TOPLAM KOLESTEROL, LDL, HDL VE TRİGLİSERİT SEVİYELERİNİN YAŞA GÖRE DEĞİŞİMİNİN DEĞİŞİK REGRESYON MODELLERİYLE İNCELENMESİ

TOPLAM KOLESTEROL, LDL, HDL VE TRİGLİSERİT SEVİYELERİNİN YAŞA GÖRE DEĞİŞİMİNİN DEĞİŞİK REGRESYON MODELLERİYLE İNCELENMESİ T.C. İNÖNÜ ÜNİVERSİTESİ SAĞLIK BİLİMLERİ ENSTİTÜSÜ TOPLAM KOLESTEROL, LDL, HDL VE TRİGLİSERİT SEVİYELERİNİN YAŞA GÖRE DEĞİŞİMİNİN DEĞİŞİK REGRESYON MODELLERİYLE İNCELENMESİ YÜKSEK LİSANS TEZİ EMRE DİRİCAN

Detaylı

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08

10. Bir ana kütle oranının tahmininde α = 0,05 ise kullanılan Z değeri nedir? A) 1,64 B) 1,84 C) 1,96 D) 2,28 E) 3,08 1. Tanımlanan ana kütleden rassal seçilen örneklemlerden hesaplanan istatistikler yardımı ile ilgili ana kütle parametrelerinin değerini araştırma sürecine ne ad verilir? A) İstatistiksel hata B) İstatistiksel

Detaylı

BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere:

BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere: 6. Ders BEKLENEN DEĞER Taım: X, bir rasgele değişke ve g : R R, B BR içi x : gx B BR özelliğie sahip bir foksiyo olmak üzere: i) X kesikli ve ii) X sürekli ve gx fx olduğuda, x EgX gxfx gx fxdx olduğuda,

Detaylı

DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar

DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL. Zamanlama Kararları. Bir Seferlik Karar Zamanlama Kararları DERS 8 BELİRSİZ TALEP DURUMUNDA STOK KONTROL Miktar kararları Ne zaman sipariş verilecek? kararıyla birlikte verilir. Bu karar, stok yönetimindeki ana kararlardan biridir. Ne zaman

Detaylı

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

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

Detaylı