Kesikli Üniform Dağılımı

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Kesikli Üniform Dağılımı"

Transkript

1 9.. KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Kesili Üniform Dağılımı. Bernoulli Dağılımı 3. Binom Dağılımı 4. Negatif Binom Dağılımı. Geometri Dağılım. Hiergeometri Dağılım 7. Poisson Dağılımı Kesili Üniform Dağılımı Kesili bir şans eğişeni tanımlı oluğu tüm notalara eşit olasılı eğerine sahi ise bir başa ifaeyle tanımlı oluğu eğerlerin hesine olasılı fonsiyonun alığı eğer sabit ise bu esili şans eğişeni üniform ağılımına uygunur. Üniform ağılımı gösteren bir şans eğişeni farlı notaa tanımlı ise olasılı ağılımı; X ) şeline ifae eilir.,,3...,. Kesili Üniform Dağılımının Belenen Değer ve Varyansı Örne: Hilesiz bir zar atılığına şans eğişeni ortaya çıabilece farlı urum sayısını ifae ettiğine göre in olasılı ağılımı oluşturara belenen eğerini ve varyansını bulunuz. E( ) ) i i i ( )( ) Var( ) ( ) 3 S = { /,,3,4,, } Ortaya çıan olaylar eşit olasılılı olaylar şans eğişeninin ağılımı = olan esili üniform ağılımına uygunur. X ) E( ) 3,,,3,4,,. ( )( ) 3 Var ( ) 4

2 9.. Bernoulli Dağılımı Bir şans eğişeninin bernoulli ağılımı göstermesi için ilgilenilen süreçte bernoulli eneyinin varsayımlarının sağlanması gereliir. Bernoulli Deneyinin Varsayımları:. Deneyler aynı oşullara terarlanabilirli özelliğine sahi olmalıır.. Deneylerin yalnız ii mümün sonucu olması gereliir. 3. Başarı olasılığı (), eneyen eneye eğişmemeliir. (Başarısızlı olasılığı q = - ile gösterilir) 4. Denemeler birbirinen bağımsız olmalıır. Örneler: Bir fabriaa üretilen bir ürünün hatalı veya sağlam olması, Bir maeni ara atılığına üst yüze yazı veya tura gelmesi, Hilesiz bir zar atılığına zarın te veya çift gelmesi, Bernoulli eneyine ortaya çıan sonuçlaran biri tanesi başarı urumu iğeri ise başarısızlı olara ifae eilir. Bernoulli şans eğişeninin ağılımı ifae eiliren eneyin saece ez terarlanması gereliir. Bernoulli ağılışına şans eğişeni başarı urumu için, başarısızlı urumu için ise eğerini alır. S = { /, } Bernoulli Dağılımının Olasılı Fonsiyonu; Örne: Bir este isambilen çeilen bir ağıın as olu olmaması ile ilgileniyor. As gelmesi başarı olara ifae eiliği urum için olasılı fonsiyonunu oluşturunuz. = (as gelmemesi) = ( as gelmesi) S = { /, } X = ) = 48 / X = ) = 4 / m = E ( ) = s = Var ( ) = (-) = q X ) ( ),. 7 X ) 4 48,. 8

3 9.. Binom Dağılımı Birbirinen bağımsız n aet bernoulli eneyinin bir araya gelmesi sonucuna binom eneyi gerçeleşir. Binom eneyinin gerçeleşmesi için bernoulli eneyinin bütün varsayımlarının sağlanması gereliir. Binom şans eğişeni, n aet enemeei başarı sayısını ifae etmeteir. n enemee en az, en fazla n aet başarı gözlenebileceğinen S = { /,,,,n } olur. Binom Olasılı Fonsiyonunun Ele Eilmesi Gerçeleştirilen her bir Bernoulli eneyi birbirinen bağımsızır ve olasılı fonsiyonu ).q, olara ife eilmiş ii. Bernoulli eneyi n efa terarlanığı uruma tolam aet başarı olmasının olasılığı, aet başarı olasılığı () ile n - aet başarısızlı olasılığının (q=-) çarımını içermeliir. 9 Başarı ve başarısızlıların oluşum sırası yani sıralama önemsiz ise n farlı şeile ortaya çıtığı n için ; C n..( ) X ) n,,,..., n. Örneler: Bir fabrianın eosunan seçilen ürünen sinin hatalı olması, Bir maeni ara ez atılığına hiç tura a gelmemesi üst yüze yazı veya tura gelmesi, Hilesiz bir zar 4 ez atılığına zarın en ço ez çift gelmesi, olara ele eilir. 3

4 9.. Binom Dağılımının Karateristileri Örne: Bir işletmee üretilen ürünlerin % sının hatalı oluğu bilinmeteir. Rasgele ve iaeli olara seçilen ürünen, a) tanesinin hatalı olmasının olasılığını, b) En az 4 tanesinin hatalı olmasının olasılığını hesalayınız. Aritmeti Ortalama m Varyans s E ( X ) n n( ) nq X)..4.. X)..4.. n = =. 3 4 n = =. 3 4 X X 3 =, - =,94 n = a)p ( X = ) =? 4 b)p ( X 4 ) =? X ). (,).(,94),3 P ( X 4 ) = P ( X = 4) + P ( X = ) 4 4.(,).(,94).(,).(,94) 4 Negatif Binom Dağılımı Bernoulli eneyinin tüm varsayımları negatif binom ağılımı içine geçerliir. Binom ağılımına n enemee aet başarı olasılığı ile ilgileniliren, negatif binom ağılımına ise şans eğişeni ( ) ncı başarıyı ele einceye aar yaılan eney sayısına arşılı gelir. Örneler: Bir arayı ez tura gelinceye aar attığımıza nci turayı ele ettiğimiz eneme sayısı, Bir basetbolcunun 3 sayılı atışlara ncu sağlaması için gereli olan atış sayısı. isabeti : eney sayısı : başarı sayısı : başarı olasılığı S = { /, +, +, +3 } Binom ağılımını ullanara - enemee - aet başarı olasılığını hesalanır ve nci enemeei ncı başarıyı ele etme olasılığı ile bağımsız olaylar oluğunan çarılara aşağıai olasılı fonsiyonu ele eilir. X ),,,.... 4

5 9.. Negatif Binom Dağılımının Belenen Değer ve Varyansı ( E ) m Var( ) ( Yanai histogram =, ve = 8 arametreli negatif binom ağılım gösteren bir oulasyonan alınmış hacimli bir örne için oluşturulmuştur. ) 3 8,,, 4,, 8,,, 4, 7 Örne: Bir işinin hilesiz bir zarı ez atması sonucuna, ncu atışına nci ez gelmesi olasılığını hesalayınız. = / - = / = = X ; ). ( ).( ) Zarın açıncı ez atılması sonucu nci ez gelmesini belersiniz? E( ) 3 8 Geometri Dağılım Bernoulli eneyinin tüm varsayımları geometri ağılım içine geçerliir. Negatif Binom ağılımının özel bir urumuur. = oluğuna negatif binom ağılımı geometri ağılımı olara ifae eilir. Geometri ağılım gösteren şans eğişeni X, il başarıyı ele einceye aar yaılan eney sayısını ifae eer. Örneler: Bir arayı tura gelinceye aar attığımıza tura gelmesi için yaılan atış sayısı, Bir işletmenin eosunan il hatalı ürünü bulana aar alınan örne sayısı. 9 : eney sayısı : başarı olasılığı S = { /,, 3, 4.. } Negatif Binom ağılımına = alınığına; X ) X ) X ),,,....,,3,....

6 9.. Geometri Dağılımının Belenen Değer ve Varyansı E( ) m Var ( ) Örne: Bir avcı heefe isabet sağlayana aar ateş etmeteir. Avcının heefi vurma olasılığı,7 oluğuna göre avcının heefi il ez 8 nci ez atış yatığına isabet ettirmesinin olasılığını hesalayınız. = 8 P ( X = 8) =? Yanai histogram =, arametreli geometri ağılım gösteren oulasyonan alınmış hacimli bir örne için oluşturulmuştur X ),7,7,, ,7,7,7, 7 X 8) ÖDEV: Avcının heefi il ez vurma olasılığı, en az olması için heefe en az aç ez ateş etmeliir? Hiergeometri Dağılım Varsayımları, n eneme benzer oşullara terarlanabilir. Her enemenin mümün sonucu varır. Sonlu oulasyonan iaesiz örneleme yaılır. Örneleme iaesiz oluğunan başarı olasılığı ( ) eneyen eneye eğişir. 3 Hiergeometri Dağılımın Olasılı Fonsiyonu n : örne hacmi N : anaütle eleman sayısı B : oulasyonai başarı sayısı : örnetei başarı sayısı S = { /,,, 3,..,n } B N B n X ) N n,,,3..., n. 4

7 9.. Hiergeometri Dağılımın Karateristileri = B/N için Yanai histogram N = ve B = arametreli hiergeometri ağılım gösteren oulasyonan alınmış hacimli bir örne için oluşturulmuştur E( ) n N n Var ( ) n( ) N X Örne: Yeni açılan bir bananın il müşterisi içine tanesi mevuat hesabına sahitir. İaesiz olara rasgele seçilen 8 müşterien tanesinin mevuat hesabına sahi olmasının olasılığı neir? N= B = n = 8 = 8 X ) 8 X ) 4 3 8,,,3...,8. ÖDEV: En ço işinin mevuat hesabına sahi olmasının olasılığını hesalayınız. Poisson Dağılımı Kesili Şans eğişenlerinin olasılı ağılımlarınan en önemlilerinen biri Poisson Dağılımıır. Günlü hayatta ve uygulamaa ço sayıa ullanım alanı bulunmataır. Ünlü Fransız matematiçisi Poisson tarafınan bulunmuştur. Belirli bir alan içerisine rasgele ağılan veya zaman içerisine rasgele gözlenen olayların olasılılarının hesalanabilmesi için ço ullanışlı bir moelir. Poisson Sürecinin Varsayımları. Belirlenen eriyotta meyana gelen ortalama olay sayısı sabittir.. Herhangi bir zaman ilimine bir olayın meyana gelmesi bir öncei zaman ilimine meyana gelen olay sayısınan bağımsızır.(eriyotların esişimi olmaığı varsayımı ile) 3. Mümün olabilece en üçü zaman aralığına en fazla bir olay gerçeleşebilir. 4. Ortaya çıan olay sayısı ile eriyoun uzunluğu oğru orantılıır

8 Freans Freans 9.. Örneler Bir şehire bir aylı süre içerisine meyana gelen hırsızlı olayların sayısı, Bir telefon santraline. içerisine gelen telefon çağrılarının sayısı, Bir ita içinei bası hatalarının sayısı, İstanbul a m ye üşen işi sayısı, Ege Bölgesine 3 aylı süree 4, şietinen büyü olara gerçeleşen erem sayısı. l Poisson Dağılımının Olasılı Fonsiyonu : belirlenen eriyotta ortaya çıan olay sayısı : ortaya çıma olasılığı araştırılan olay sayısı S = { /,,, 3,.., } l e l X )!,,,... iger urumlara 9 3 Poisson Dağılımının Belenen Değer ve Varyansı 4 3 l n = Belenen Değer E() m l 3 4 l n= Varyans Var() l Belenen eğeri ve varyansı birbirine eşit olan te ağılıştır

9 9.. Örne: Bir mağazaya Cumartesi günleri aiaa ortalama olara 4 müşteri gelmeteir. Bir Cumartesi günü bu mağazaya, a) aia içine müşteri gelmesi olasılığını, b)yarım saate en fazla müşteri gelmesi olasılığını, a) l 4 P ( = ) =? e 4! e 4 X )! b) a 4 müşteri gelirse, 3 a 4 müşteri gelir. l 4 P ( > ) =? > ) = [=)+=)+=)] e 4 e! 4 4! ÖDEV: saatte en ço müşteri gelmesinin olasılığını hesalayınız. 4e 4 33e

Kesikli Üniform Dağılımı

Kesikli Üniform Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Kesikli Üniform Dağılımı Bernoulli Dağılımı Binom Dağılımı Negatif Binom Dağılımı Geometrik Dağılım Hipergeometrik Dağılım Poisson Dağılımı Kesikli Üniform

Detaylı

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişeni: Bir dağılışı olan ve bu dağılışın yaısına uygun freansta oluşum gösteren değişendir. Şans Değişenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesili Şans

Detaylı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı

KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli

Detaylı

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları

Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.

Detaylı

Dr. Mehmet AKSARAYLI

Dr. Mehmet AKSARAYLI Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli

Detaylı

Rastlantı Değişkenleri

Rastlantı Değişkenleri Rastlantı Değişkenleri Olasılık Kütle Fonk. Example: A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers,

Detaylı

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.

Başarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir. 3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi

Detaylı

Mustafa YAĞCI, yagcimustafa@yahoo.com Geometrik Kombinasyon

Mustafa YAĞCI, yagcimustafa@yahoo.com Geometrik Kombinasyon Mustafa YĞI w www.mustafayagci.com.tr, 0 ebir Notları Mustafa YĞI, yagcimustafa@yahoo.com Geometri Kombinasyon H er farlı ii notanın bir oğru belirttiğini biliyoruz. Pei hangi oğruyu belirtiyorları? O

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

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

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları

3/6/2013. Ders 6: Kesikli Olasılık Dağılımları Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı

Detaylı

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01

Tablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01 Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin

Detaylı

DALMIŞ YÜZEYLERDEKİ KUVVETLER

DALMIŞ YÜZEYLERDEKİ KUVVETLER 9 DALMIŞ YÜZEYLERDEKİ KUVVETLER Kalınlığı olmayan bir yüzeyi göz önüne alalım. Sıvı içine almış bir yüzeye Arşimet Prensipleri geçerli olmala birlite yüzeyinin her ii tarafı aynı sıvı ile oluruluğuna uvvet

Detaylı

Cebir Notları. Kombinasyon. www.mustafayagci.com, 2005. Mustafa YAĞCI, yagcimustafa@yahoo.com

Cebir Notları. Kombinasyon. www.mustafayagci.com, 2005. Mustafa YAĞCI, yagcimustafa@yahoo.com ve ve n tane farlı elemanan oluşan bir ümenin altümelerine birer ombinasyon enir. n, r 0 r n olma üzere, n elemanlı A ümesinin r elemanlı altümelerinen her birine A ümesinin r li bir ombinasyonu enir ve

Detaylı

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

BRİNELL SERTLİK YÖNTEMİ

BRİNELL SERTLİK YÖNTEMİ www.muhenisiz.net 1 BRİNELL SERTLİK YÖNTEMİ Belli çaptaki sert bir bilya malzeme yüzeyine belli bir yükü uygulanarak 30 saniye süre ile bastırılır. Deneye uygulanan yükün meyana gelen izin alana bölünmesiyle

Detaylı

OLASILIK. P(A) = şeklinde ifade edilir.

OLASILIK. P(A) = şeklinde ifade edilir. OLASILIK Olasılık belirli bir olayın olabilirliğinin sayısal ölçüsüdür. Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya

Detaylı

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir

Detaylı

Kollektif Risk Modellemesinde Panjér Yöntemi

Kollektif Risk Modellemesinde Panjér Yöntemi Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif

Detaylı

KESİKLİ DÜZGÜN DAĞILIM

KESİKLİ DÜZGÜN DAĞILIM KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda

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

SAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1. Geometirk Dağılım. 2. Negatif Binom Dağılımı

SAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1. Geometirk Dağılım. 2. Negatif Binom Dağılımı SAB 101 OLASILIK DERS NOTLARI Prof.Dr. Fatih TANK Ankara Üniversitesi Uygulamalı Bilimler Fakültesi Sigortacılık ve Aktüerya Bilimleri Bölümü Prof.Dr. Fatih TANK - Olasılık Ders Notları- Sayfa : 1/7 Haftalık

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

7. SINIF MATEMATİK A. 2. Aşağıdakilerden hangisi 2

7. SINIF MATEMATİK A. 2. Aşağıdakilerden hangisi 2 . Mee, şeilei gibi puanlanmış heef ahasına 2 aış yapıyor. Poziif am sayıların oluğu her bölgeye iişer o, negaif am sayıların oluğu her bölgeye üçer o isabe eiriyor. Mee isabe eiriği her o için o bölgeei

Detaylı

Tork ve Denge. Test 1 in Çözümleri

Tork ve Denge. Test 1 in Çözümleri 9 ork ve Denge est in Çözümleri M. Sistemlerin engee olması için toplam momentin (torkun) sıfır olması gerekir. Verilen üç şekil için enge koşulunu yazalım. F. br =. br F = Şekil II G =. +. +. =. 6 = 6

Detaylı

DERS 10. Kapalı Türev, Değişim Oranları

DERS 10. Kapalı Türev, Değişim Oranları DERS 0 Kapalı Türev, Değişim Oranları 0.. Kapalı Türev. Fonksiyon kavramının ele alınığı ikinci erste kapalı enklemlerin e fonksiyon tanımlayabileceğini görmüştük. F (, enklemi ile tanımlanan f fonksiyonu

Detaylı

Simülasyonda İstatiksel Modeller

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

Detaylı

Kİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen.

Kİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen. Biyoistatisti (Ders : Ki Kare Testleri) Kİ KARE TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr Kİ-KARE TESTLERİ 1. Ki-are testleri

Detaylı

4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi,

4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi, POĐSSON DAĞILIMI Poisson Dağılımı sürekli oramlarda (zaman, alan, hacim, ) kesikli sonuçlar veren ve aşağıda a),b),c) şıklarında belirilen özelliklere sahip deneylerin modellenmesinde kullanılan bir dağılım

Detaylı

Tesadüfi Değişken. w ( )

Tesadüfi Değişken. w ( ) 1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere

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

İstatistik ve Olasılık

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

Detaylı

11. SINIF SORU BANKASI. 2. ÜNİTE: ELEKTRİK VE MANYETİZMA 1. Konu ELEKTRİKSEL KUVVET VE ELEKTRİK ALAN TEST ÇÖZÜMLERİ

11. SINIF SORU BANKASI. 2. ÜNİTE: ELEKTRİK VE MANYETİZMA 1. Konu ELEKTRİKSEL KUVVET VE ELEKTRİK ALAN TEST ÇÖZÜMLERİ . SINI SORU BANKASI. ÜNİT: LKTRİK V MANYTİZMA. Konu LKTRİKSL KUVVT V LKTRİK ALAN TST ÇÖZÜMLRİ Test in Çözümleri. lektriksel Kuvvet ve lektrik Alan I k. A K() k. ve yüklerinin K noktasınaki yükü üzerine

Detaylı

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,

Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir, 14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.

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

Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur

Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur Kümeler Kümeler ve küme işlemleri olasılığın temellerini oluşturmak için çok önemlidir Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur Sonlu sayıda, sonsuz sayıda, kesikli

Detaylı

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız.

Örnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız. OLASILIK (İHTİMALLER HESABI) Olasılık kavram ı ilk önceleri şans oyunları ile başlamıştır. Örneğin bir oyunda kazanıp kazanmama, bir paranın atılmasıyla tura gelip gelmemesi gibi. Bu gün bu kavramın birçok

Detaylı

OLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar

OLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar OLASILIK OLASILIK İstatistiğin temel araçlarından biri olasılıktır 17. yy daşans oyunları ile başlamıştır Her bir denemenin çıktısı belirsizdir Fakat uzun dönemde çıktı kestirimlenebilir Bireysel belirsizlik

Detaylı

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve

Detaylı

Elektromanyetik Teori Bahar 2005-2006 Dönemi. MAXWELL DENKLEMLERİ VE ELEKTROMANYETİK DALGALAR Giriş

Elektromanyetik Teori Bahar 2005-2006 Dönemi. MAXWELL DENKLEMLERİ VE ELEKTROMANYETİK DALGALAR Giriş MAXWELL DENKLEMLERİ VE ELEKTROMANYETİK DALGALAR Giriş Teori alanınaki katkılarıyla 19. yüzyıl fiziğinin en büyük alarınan biri olan Maxwell in en önemli çalışması elektromanyetizma hakkınaır. Maxwell,

Detaylı

İ. T. Ü İ N Ş A A T F A K Ü L T E S İ - H İ D R O L İ K D E R S İ BOYUT ANALİZİ

İ. T. Ü İ N Ş A A T F A K Ü L T E S İ - H İ D R O L İ K D E R S İ BOYUT ANALİZİ İ. T. Ü İ N Ş A A T F A K Ü L T E S İ - H İ D R O L İ K D E R S İ BOYUT ANALİZİ (Buckingham) teoremini tanımlayınız. Temel (esas) büyüklük ve temel (esas) boyut ne emektir? Açıklayınız. Bir akışkanlar

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

1. BÖLÜM ELEKTROSTATİK. Yazar: Dr. Tayfun Demirtürk E-posta: tdemirturk@pau.edu.tr

1. BÖLÜM ELEKTROSTATİK. Yazar: Dr. Tayfun Demirtürk E-posta: tdemirturk@pau.edu.tr 1. BÖLÜM ELEKTROSTATİK Yazar: Dr. Tayfun Demirtürk Eposta: temirturk@pau.eu.tr 1 ELEKTROSTATİK: Durgun yüklerin etkilerini ve aralarınaki etkileşmeleri inceler. Doğaa iki çeşit elektrik yükü bulunur: ()

Detaylı

Tremalarla Oluşum: Kenar uzunluğu 1 olan bir eşkenar üçgenle başlayalım. Bu üçgene S 0

Tremalarla Oluşum: Kenar uzunluğu 1 olan bir eşkenar üçgenle başlayalım. Bu üçgene S 0 SİERPİNSKİ ÜÇGENİ Polonyalı matematiçi Waclaw Sierpinsi (1882-1969) yılında Sierpinsi üçgeni veya Sierpinsi şapası denilen bir fratal tanıttı. Sierpinsi üçgeni fratalların il örneğidir ve tremalarla oluşturulur.

Detaylı

Olasılık Kuramı ve Bazı Olasılık Dağılımları

Olasılık Kuramı ve Bazı Olasılık Dağılımları KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası

Detaylı

BÖLÜM I. Tam sayılarda Bölünebilme

BÖLÜM I. Tam sayılarda Bölünebilme BÖLÜM I Tam sayılara Bölünebilme Teorem 1.1 (Bölme algoritması) b > 0 olmak üzere, verilen a ve b tam sayıları için a = qb + r, 0 r < b (1) olacak şekile bir ve bir tek q, r Z çifti varır. İspat: 1. İlk

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303

DOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303 Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK I Dersin Orjinal Adı: İSTATİSTİK I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 0 Dersin Öğretim

Detaylı

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R

IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık

Detaylı

RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.

RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır. RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere

Detaylı

STATİK MÜHENDİSLİK MEKANİĞİ. Behcet DAĞHAN. Behcet DAĞHAN. Behcet DAĞHAN. Behcet DAĞHAN

STATİK MÜHENDİSLİK MEKANİĞİ. Behcet DAĞHAN. Behcet DAĞHAN. Behcet DAĞHAN.  Behcet DAĞHAN Statik Ders Notları Sınav Soru ve Çözümleri DĞHN MÜHENDİSLİK MEKNİĞİ STTİK MÜHENDİSLİK MEKNİĞİ STTİK İÇİNDEKİLE 1. GİİŞ - Skalerler ve Vektörler - Newton Kanunları 2. KUVVET SİSTEMLEİ - İki Boyutlu Kuvvet

Detaylı

ÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık

ÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık ÖĞRENCİNİN ADI SOYADI: NUMARASI: Dersin Adı SINIFI: KONU: Olasılık Dersin Konusu. Bir kutudaki 7 farklı boncuğun içinden iki tanesi seçiliyor. Buna göre, örneklem uzayının eleman sayısı A) 7 B)! 7. madeni

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı

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

BLAST A C G T T A A A C T C G G C I I I I I I I I I A C T T T A A G C C A A G C

BLAST A C G T T A A A C T C G G C I I I I I I I I I A C T T T A A G C C A A G C BLS Öcei erste; DN izilerie,,g, bazlarıı izilişi, RN izilerie,,g,u bazlarıı izilişi ve protei izilerie amio asitleri izilişi baımıa, orta bir alfabe ile yazılmış izileri hizalaması üzerie urulu. Hizalamış

Detaylı

İnşaat Mühendisliği Bölümü UYGULAMA 1- BOYUT ANALİZİ

İnşaat Mühendisliği Bölümü UYGULAMA 1- BOYUT ANALİZİ UYGULAMA - BOYUT ANALİZİ INS 36 HİDROLİK 03-GÜZ (Buckingham) teoremini tanımlayınız. Temel (esas) büyüklük ve temel (esas) boyut ne emektir? Açıklayınız. Bir akışkanlar mekaniği problemine teoremi uygulanığına

Detaylı

TEST 22-1 KONU ELEKTROMANYETİK KUVVET. Çözümlerİ ÇÖZÜMLERİ

TEST 22-1 KONU ELEKTROMANYETİK KUVVET. Çözümlerİ ÇÖZÜMLERİ OU LTROMT UVVT Çözümler TST - ÇÖÜMLR 4.. L M i i i i Telleren geçen akımlar aynı yönlü ise teller birbirini çeker. ki i k i = = ( - L arası kuvvet) 4i = (L - M arası kuvvet) net = ileşke kuvvet ye zıt

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

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

Mustafa YAĞCI, Geometrik Kombinasyon

Mustafa YAĞCI, Geometrik Kombinasyon Mustafa YĞI w www.mustafayagci.com.tr, 01 ebir Notları Mustafa YĞI, yagcimustafa@yahoo.com Geometri Kombinasyon H er farlı ii notanın bir oğru belirttiğini biliyoruz. Pei hangi oğruyu belirtiyorları? O

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

0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart

Detaylı

Cahit Arf Liseler Arası Matematik Yarışması 2008

Cahit Arf Liseler Arası Matematik Yarışması 2008 Cahit Arf Liseler Arası Matemati Yarışması 2008 İinci Aşama 11 Mayıs 2008 Notlar: Birnci tasla. 1. Tamsayılardan gerçel sayılara tanımlı fonsiyonlar ümesi üzerinde şöyle bir operatörü tanımlayalım: f(x)

Detaylı

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları

ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları. 9 + = 6. A dan B ye 5 farklı şekilde gidebilir. B den C ye 3 farklı şekilde gidebilir. 5.3 = 5. 4.5 = 0 7. 5.3.3.5 = 5 3. kişi için iki durum

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

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

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

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi

istatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi 2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel

Detaylı

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

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

Detaylı

İSTATİSTİK VE OLASILIK SORULARI

İSTATİSTİK VE OLASILIK SORULARI İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının

Detaylı

Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ. Markov Analizi

Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ. Markov Analizi Yıldız Teknik Üniversitesi Endüstri Mühendisliği Bölümü KARAR TEORİSİ MARKOV SÜREÇLERİ Doç. Dr. İhsan KAYA Markov Analizi Markov analizi, bugün çalışan bir makinenin ertesi gün arızalanma olasılığının

Detaylı

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI

SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI Yrd. Doç.Dr. İrfan Yolcubal Kocaeli Üni. Jeoloji Müh. Random Değişken: Nümerik olarak ifade edilen bir deneyin sonuçları Süreksiz(Discrete) Random Değişken: Randomdeğişken

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk

Detaylı

KAPLĐN SANAYĐ ve TĐCARET KOLLEKTĐF ŞĐRKETĐ

KAPLĐN SANAYĐ ve TĐCARET KOLLEKTĐF ŞĐRKETĐ ĐÇĐNDEKĐLER KAPLĐN... 2 Kaplin Neir?... 2 Kaplin seçimi:... 2 Tork Hesabı :... 2 Elastik Ara Parçalar :... 4 Pivileks... 4 Normaleks... 4 Nitroleks... 4 Polileks... 4 Elastik Ara Parçaların Kontrolü:...

Detaylı

. KENDİNE BENZERLİK VE FRAKTAL BOYUT

. KENDİNE BENZERLİK VE FRAKTAL BOYUT . KEİE BEZERLİK VE FRAKAL BOYU Bu bölüme fraktal geometrinin temel ve birbiriyle ilişkili iki temel kavramı olan Kenine Benzerlik ve Fraktal Boyut incelenecektir. 3. Kenine Benzerlik (Self similarity)

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

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 4 Sayı: 1 sh. 19-35 Ocak 2002 LED İN DARBELİ AŞIRI AKIMDA BAZI DAVRANIŞLARININ İNCELENMESİ

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 4 Sayı: 1 sh. 19-35 Ocak 2002 LED İN DARBELİ AŞIRI AKIMDA BAZI DAVRANIŞLARININ İNCELENMESİ DEÜ MÜHENDİSLİK FAKÜLTESİ FEN ve MÜHENDİSLİK DERGİSİ Cilt: 4 Sayı: 1 sh. 19-35 Ocak 00 LED İN DARBELİ AŞIRI AKIMDA BAZI DAVRANIŞLARININ İNCELENMESİ ÖZET/ABSTRACT (AN INVESTIGATION OF SOME BEHAVIORS OF

Detaylı

f (a+h) f (a) h + f(a)

f (a+h) f (a) h + f(a) DERS 7 Marjinal Analiz 7.. Marjinal Değerler. f fonksiyonunun (a, f(a noktasınaki teğetinin eğiminin f (a ve teğetin enkleminin e y f (a ( a + f(a oluğunu biliyoruz. a ya yakın bir a+h eğeri için f (a+h

Detaylı

1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir?

1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir? 1. 4 kız ve 5 erkek öğrenci; a) kızların tümü bir arada olacak şekilde kaç türlü sıralanabilir? 9. 4 çocuklu bir aile yan yana poz verecektir. Çocukların soldan sağa doğru boy sırasında olduğu kaç durum

Detaylı

HEDEF PROGRAMLAMA. Hedef programlama yaklaşımında, sistemlerin birden fazla ve genellikle birbiriyle çatışan hedeflerinin olması durumu söz konusudur.

HEDEF PROGRAMLAMA. Hedef programlama yaklaşımında, sistemlerin birden fazla ve genellikle birbiriyle çatışan hedeflerinin olması durumu söz konusudur. HEDEF PROGRAMLAMA Doç. Dr. İhsan KAYA YTU Enüstri Mühenisliği Bölümü Heef Programlama Heef programlama yaklaşımına, sistemlerin biren fazla ve genellikle birbiriyle çatışan heeflerinin olması urumu söz

Detaylı

Açık kümeleri belirlemek ve tanımlamak birkaç yolla olabilir. Biz bu yolların birkaçını. + r) açık aralığıdır.

Açık kümeleri belirlemek ve tanımlamak birkaç yolla olabilir. Biz bu yolların birkaçını. + r) açık aralığıdır. . KÜMELERİN YAPILARI. Açık Kümeler-Kapalı Kümeler vereceğiz. Açık kümeleri belirlemek ve tanımlamak birkaç ylla labilir. Biz bu ylların birkaçını.. Tanım: (X, ) metrik uzay x0 (i) B(x, r) { x X : (x, x)

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

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 8 Sayı: 3 s. 51-64 Ekim 2006 ÇAPRAZ TASARIMIN KLİNİK ARAŞTIRMALARDA UYGULANMASI

DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 8 Sayı: 3 s. 51-64 Ekim 2006 ÇAPRAZ TASARIMIN KLİNİK ARAŞTIRMALARDA UYGULANMASI DEÜ MÜHENDİSLİK FAKÜLTESİ FEN VE MÜHENDİSLİK DERGİSİ Cilt: 8 Sayı: 3 s 5 64 Ekim 006 ÇAPRAZ TASARIMIN KLİNİK ARAŞTIRMALARDA UYGULANMASI (APPLICATION OF CROSSOVER DESIGN IN CLINICAL RESEARCHES) Özgür ARMANERİ*,

Detaylı

ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA

ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA ÇOK KRİTERLİ KARAR VERME HEDEF PROGRAMLAMA KONU 10 Doç. Dr. Fazıl GÖKGÖZ 1 Genel Bilgiler Lineer programlama kapsamına tek bir amaç fonksiyonu uruma göre maksimize veya minimize eilmekteir. Ancak, gerçek

Detaylı

Ders 4: Rastgele Değişkenler ve Dağılımları

Ders 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

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.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

Bölüm 2 VERİLERİN DERLENMESİ VE SUNUMU

Bölüm 2 VERİLERİN DERLENMESİ VE SUNUMU Bölüm 2 VERİLERİN DERLENMESİ VE SUNUMU 1 Verilerin Derlenmesi ve Sunulması Anakütleden alınan örnek yardımıyla elde edilen veriler derlendikten sonra çizelgeler ve grafikler halinde bir diğer analize hazır

Detaylı

11. SINIF SORU BANKASI. 2. ÜNİTE: ELEKTRİK VE MANYETİZMA 3. Konu DÜZGÜN ELEKTRİK ALAN VE SIĞA TEST ÇÖZÜMLERİ

11. SINIF SORU BANKASI. 2. ÜNİTE: ELEKTRİK VE MANYETİZMA 3. Konu DÜZGÜN ELEKTRİK ALAN VE SIĞA TEST ÇÖZÜMLERİ . SINIF SORU BANASI. ÜNİTE: EETRİ E MANYETİZMA. onu DÜZGÜN EETRİ AAN E SIĞA TEST ÇÖZÜMERİ Düzgün Elektrik Alan ve Sığa TEST in Çözümleri. Şekil II e, E tan b mg mg... ( ) () ve () bağıntılarının sağ taraflarını

Detaylı

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:

Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler: OLSILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

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

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir.

Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi

Detaylı

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE

GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.

Detaylı

Bölüm 2. Frekans Dağılışları VERİLERİN DERLENMESİ VE SUNUMU. Frekans Tanımı. Verilerin Derlenmesi ve Sunulması

Bölüm 2. Frekans Dağılışları VERİLERİN DERLENMESİ VE SUNUMU. Frekans Tanımı. Verilerin Derlenmesi ve Sunulması Verilerin Derlenmesi ve Sunulması Bölüm VERİLERİN DERLENMESİ VE SUNUMU Anakütleden alınan örnek yardımıyla elde edilen veriler derlendikten sonra çizelgeler ve grafikler halinde bir diğer analize hazır

Detaylı

Işık teorileri. Test 1 in Çözümleri

Işık teorileri. Test 1 in Çözümleri 6 Işık teorileri IŞIK TEORİERİ Test in Çözüleri. Young eneyine saçak genişliği x ir. n Buna göre, Saçak genişliği ortaın kırıla inisi n ile ters orantılıır. Kullanılan ışığın frekansı ve ışığın rengi kırıla

Detaylı

OLASILIK (Probability)

OLASILIK (Probability) OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P

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

Rassal Değişken Üretimi

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

Detaylı

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

Turbo Kafes Kodlamalı Modülasyon için Tekrarlamalı Uzay Zaman Kodlama

Turbo Kafes Kodlamalı Modülasyon için Tekrarlamalı Uzay Zaman Kodlama Turbo Kafes Kolamalı Moülasyon için Terarlamalı Uzay Zaman Kolama Osman Nuri UÇAN, Onur OSMAN, Ömer ERKAN İstanbul Üniversitesi Eletri-Eletroni Müh.Bölümü 3485 Avcılar, İstanbul uosman@istanbul.eu.tr,

Detaylı