PROBLEM ÇÖZME TEKNĠKLERĠ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "PROBLEM ÇÖZME TEKNĠKLERĠ"

Transkript

1 PROBLEM ÇÖZME TEKNĠKLERĠ Gülser Köksal ORTA DOĞU TEKNĠK ÜNĠVERSĠTESĠ EĞĠTĠMDE TOPLAM KALĠTE YÖNETĠMĠ SEMĠNERĠ Yalova, Haziran 2001

2 ĠÇĠNDEKĠLER 1. Problem Nedir? Problem Çözme Basamakları PUKÖ Yönetimi ve Araçları Beyin Fırtınası Kuvvet Alan Analizi Çoklu Oylama Nominal Grup Tekniği AkıĢ ġeması Sebep-Sonuç Diyagramı (Balık Kılçığı Diyagramı) Yoklama Kağıtları (Check Sheets) Histogram Veri Noktaları Pareto ġeması KoĢu ġeması Kontrol ġemaları Süreç Yeteneği Serpme (Scatter) Diyagramı Yakınlık Diyagramı ĠliĢki Diyagramı Ağaç Diyagramı BaĢka Problem Çözme Teknikleri...27 Kaynaklar Ekler

3 PROBLEM ÇÖZME TEKNĠKLERĠ 1. Problem Nedir? Bir problemin yapısında Ģunlar vardır: Karar verici(ler) Amaç Kısıtlar En az iki alternatif çözüm 2. Problem Çözme Basamakları Problem çözme, Planla-Uygula-Kontrol et-önlem al (PUKÖ) döngüsünde gerçekleģtirilir. Problemi tanımla Alternatifleri belirle Planla Kriterleri belirle Alternatifleri değerlendir Karar Verme Problem Çözme En iyi alternatifi belirle Uygula Kontrol Et Önlem Al Kararı uygula Sonuçları değerlendir StandartlaĢtır 3. PUKÖ Yönetimi ve Araçları Problem çözme sürecinin PUKÖ döngüsündeki her basamağında kullanılabilecek teknikler Ek P1 deki Ģekilde gösterilmektedir. Buna göre en çok kullanılan teknikler aģağıda açıklanmaktadır. Gülser Köksal, ODTÜ,

4 4. Beyin Fırtınası Beyin fırtınası, ortak sorunlar, toplanacak veriler, çözüm önerileri, uygulama önerileri ve karģılaģılabilecek engeller gibi konularda bir fikir listesi oluģturmak amacıyla yapılır. Beyin fırtınasında uyulması gereken kurallar Ģunlardır: Takımın bütün üyeleri katılıma teģvik edilmeli Beyin fırtınası sırasında değil, seansın bitiminde tartıģılmalı KiĢiler birbirleri üzerinde yargı ve eleģtiride bulunmamalı Bütün fikirler takım üyelerinin hepsinin görebileceği bir yere (flip-chart) yazılmalı ve daha sonra üzerinden geçilmeli Beyin fırtınası düzenli veya düzensiz olmak üzere iki Ģekilde yapılabilir. Düzenli Beyin Fırtınasının Adımları: 1. Beyin fırtınasının konusu, tüm üyelere açık bir dille anlatılır. 2. Herkese düģünmek için bir iki dakika süre verilir. 3. Herkese sıra ile düģüncesi sorulur. Kimse ve hiçbir düģünce atlanmaz. Açıklama esnasında tartıģma ya da kritik yapılmaz. (Düzensiz beyin fırtınasında takım üyeleri sıra ile değil diledikleri zaman fikir verirler.) 4. Bir kiģi açıklanan tüm fikirleri herkesin görebileceği bir yere yazar. Gülser Köksal, ODTÜ,

5 5. Kuvvet Alan Analizi Bir amaca doğru ilerleme veya iyileģtirme için iki yol izlenebilir: 1. Performansı artırıcı kuvvetleri güçlendirmek, 2. Performansı kötüye iten kuvvetleri zayıflatmak veya ortadan kaldırmak. Kuvvet alan analizi bu kuvvetlerin iki türünü de belirlemeye dayanır. Kuvvet alan analizinin kullanım amaçları Ģunlardır: ĠyileĢtirme fırsatlarını belirlemek. Düzeltildiğinde bir problemin çözümüne olumlu katkısı olabilecek temel sebepleri belirlemek. Yeni bir program veya önerilen bir iyileģtirmenin, gerçekten, arzu edilen yararları sağlama olasılığını değerlendirmek. Engelleyici kuvvetleri yok etmek ve itici kuvvetleri desteklemek için gerçekçi bir uygulama planı oluģturmak. Kuvvet alan analizinde izlenecek yöntem Ģöyle özetlenebilir: 1. Planlanan iyileģtirme açık bir Ģekilde tanımlanır ve bu bir hedef cümlesi Ģeklinde yazılır. 2. Büyük bir kağıdın üstüne, hedefe iliģkin performans düzeyini temsil eden düz bir çizgi çizilir: %0 % Mevcut performans düzeyi, kağıdın ortasına çizilen dikey bir çizgi ile temsil edilir. ġimdiki düzey %0 % Önceden bir analiz yapmadan, performansı etkileyen ilk olarak itici kuvvetler ve sonra da engelleyici kuvvetler beyin fırtınası yoluyla belirlenir. ġimdiki düzey %0 %100 Ġtici Kuvvetler Engelleyici Kuvvetler 5. Listeler, sadece, amaca ulaģmada en fazla potansiyeli olan kuvvetleri göstermek üzere kısaltılır. Grup üyelerinin gerçekten güçlendirebileceklerini düģündüğü üç veya dört itici kuvvet belirlenir. Aynı Ģekilde, gerçekten zayıflatılabileceği düģünülen üç veya dört engelleyici kuvvet belirlenir. Gülser Köksal, ODTÜ,

6 Örnek: Öğrenci Kalitesinin ĠyileĢtirilmesi ile Ġlgili Kuvvet Alan Analizi Şimdiki Düzey %0 %100 Etkinlik Ġtici kuvvetler Engelleyici kuvvetler Altın kural/prensip sahibi olmak Ġstek ve heyecan Yeni bilgiler KiĢisel geliģme isteği Daha iyi öğretmeye merak Öğrencilere yardım etme aģkı Eğitim mesleğine saygı duymak Toplumu memnun etme arzusu Ġyi eğitimin gelecekteki baģarının anahtarı olduğuna inanmak Amaçların değiģmesi Kanunların yetersizliği Muayene/teftiş Kısa süreli iliģkiler Sürekli değiģim; iyileģmeden Ġdari yetkiler Korku Bölümler arası engeller Sloganlar, kıģkırtmalar Değerlendirme Eğitim fırsatlarının eksikliği Liderlerin başka liderlere izin vermemesi Amaçlarla yönetim Herkesin elinden gelenin en iyisini yapmaması 6. Çoklu Oylama Çoklu oylama (multivoting) beyin fırtınası seansında ortaya çıkan fikirlerin en önemlilerini belirlemek için izlenilen bir yöntemdir. Çoklu oylamada izlenmesi gereken adımlar Ģunlardır: 1. Bütün fikirleri içeren bir liste hazırlanır ve fikirler teker teker numaralandırılır. 2. Birbirine benzer fikirler, grubun da onayı ile birleģtirilir. 3. Bu durumda tekrar numaralandırma yapılır. 4. Her üye bir kağıda, listedeki fikirlerin göreceli olarak daha önemli olduğunu düģündüğü üçte birini yazar. 5. Üyeler seçimlerini tamamladıktan sonra, listedeki her fikir için oy kullanırlar. Gülser Köksal, ODTÜ,

7 6. Üye sayısı 5 veya daha az ise 1 ya da 2 oy almıģ fikirler listeden çıkarılır. Eğer üye sayısı 6 ile 15 arası ise, bu sayı 3 e, 15 ten fazla ise 4 oya çıkar. Bu durumda 4 ya da daha az oy almıģ fikirler listeden çıkarılır arasındaki adımlar listede sadece birkaç fikir kalıncaya değin sürdürülür. Sonuç olarak en önemli madde (ya da maddeler) belirlenir. 7. Nominal Grup Tekniği Bu teknik, fazla iletiģim olmayan takımlar için göreceli olarak daha geçerli bir yöntemdir. Ġzlenmesi gereken adımlar Ģunlardır: 1. Beyin fırtınasında olduğu gibi takım üyeleri fikirlerini maddeler halinde yazar ve bütün maddeler bir araya getirilerek bir liste oluģturulur. 2. Eğer listede 50 den fazla madde varsa, çoklu oylama tekniği ile bu sayı mümkün olduğunca azaltılır. 3. Her üyeye belli sayıda küçük kartlar dağıtılır. Eğer madde sayısı 20 ya da daha az ise 4 er kart, 20 ile 35 arası ise 6, 35 ile 50 arası ise 8 er kart dağıtılır. 4. Üyeler listeden en önemli buldukları maddeleri birer tane olmak üzere, kart üzerinde iģaretler ve listeden ellerindeki kart sayısı kadar madde seçer. 5. En önemli buldukları maddeye en yüksek puanı vermek kaydıyla, bu maddeleri puanlandırırlar. Puanlama kart sayısı üzerinden yapılır. (Kart sayısı 4 ise, en önemli maddeye 4 puan, diğerlerine sırasıyla 3,2 ve 1 puan verilir.) 6. Puanlamalar yapıldıktan sonra bu kartlar toplanır ve verilen puanların istatistiği çıkarılır. En yüksek puanı alan madde, takımın seçimi olarak duyurulur. 7. Gerekirse maddeler puanlarına göre bir Pareto Ģemasında gösterilip üyelere değerlendirmeleri için dağıtılır. Örnek için Ek P2 ye bakınız. 8. AkıĢ ġeması AkıĢ Ģemaları, bir süreçteki bütün adımların resimsel ifadesidir. Olayların sırasını açık olarak anlamaya yardımcı olur. ĠyileĢtirme fırsatlarını belirlemeye yardımcı olur. Veri toplanacak alanları ve teknikleri tarif etmeyi kolaylaģtırır. AkıĢ Ģeması genellikle aģağıdaki yöntem izlenerek oluģturulur: 1. Süreçteki bütün olaylar listelenir. 2. Bu olaylar akıģ Ģeması sembolleri (bakınız Ek P3) kullanılarak sınıflandırılır. 3. Semboller isimlendirilerek ve birleģtirilerek akıģ Ģeması çizilir. Bir süreci iyileģtirmek için, akıģ Ģemasındaki her olay için performans ölçütü değeri gösterilebilir (bunun için veri toplamak gerekebilir). AkıĢ Ģeması, iyileģtirme, tutarsızlıklar, kayıplar v.b. için potansiyel alanlar belirlemek üzere gözden geçirilebilir. Gülser Köksal, ODTÜ,

8 AkıĢ Ģeması, veri toplanması ve incelenmesi gereken alanları daha iyi görebilmek için kullanılabilir. Tipik bir süreç akıģ diyagramı Ek P4 de görülmektedir. Bir iģ-akıģ Ģeması örneği Ek P5 de görülmektedir. 9. Sebep-Sonuç Diyagramı (Balık Kılçığı Diyagramı) Bir problemi doğuran ya da etkileyen sebep ve faktörleri belirlemek amacıyla oluģturulur. Problemlere daha geniģ bir çerçeveden bakma olanağı sunar. Problemin teģhisi ve süreç iyileģtirmeyi kolaylaģtırır. Ġzlenecek yöntem: 1. Problemi gösteren bir ok (ana kılçık) çizilir. 2. Bu kılçığın üzerinde, problemin olası ana sebepleri oklarla gösterilir. Bir üretim sürecinde en çok kullanılan ana sebep kategorileri, makina (ekipman), metot, malzeme ve insandır. Bir hizmet sürecinde ise bu kategoriler genellikle politikalar (yüksek düzey karar kuralları), prosedürler, işyeri (ekipman ve alan) ve insan Ģeklinde seçilir. Her iki durumda, çevre (binalar, lojistik ve alan) ve ölçme (kalibrasyon ve veri toplama) kategorileri de sık sık kullanılır. Ayrıca, bu tür kategoriler yerine, sözkonusu sürecin ana basamakları da kullanılabilir. 3. Her bir ana faktör ile ilgili alt etmenler oklar ile gösterilir. Ek P6 da bir sebep-sonuç diyagramı örneği görülmektedir. 10. Yoklama Kağıtları (Check Sheets) Veri kaydetmeyi kolaylaģtıran bir diyagram veya tablodur. Bir gözlemi, eylemi veya gerçekleģmeyi yansıtmak için bir veya / iģareti koymak yeterlidir. Kullanım amaçları: Performansı tartıģmayı güçlendirmek. Temel nedenleri araģtırmak. Bir çözümün veya iyileģtirmenin sonuçlarını ölçmek. Performansı izlemek. (Önceki problemlerin tekrar ortaya çıkıp çıkmadığını yoklamak.) Örnek kullanım sebepleri: Hatalı yerleri saptamak. Hataların zamana, operatöre, makinaya vs. göre dağılımını bulmak. Boyutlar, sertlik, ağırlık vb.nin dağılımını bulmak. Makina ve aletleri muayene etmek ve iģlerliğini yoklamak. Gülser Köksal, ODTÜ,

9 Bazı yoklama kağıdı örnek formatları Ek P7 de verilmiģtir. Ek P8 de bir sınıf ödevinde yapılan klavye hataları hakkında veri toplamak için hazırlanan bir yoklama kağıdı görülmektedir. 11. Histogram Histogram, ölçülebilir bir nitelik ile ilgili gözlem değerlerinin dağılımını gösteren bir çubuk grafiğidir. Kullanım Amaçları: Süreçlerin yapısında olan değiģkenliği anlamak. (Tutarlı bir Ģekilde kabul edilebilir sonuçlar alabilmek için değiģkenlik azaltılmalıdır.) Süreçlerin yapısı, sorunların kaynağı hakkında teoriler geliģtirmek ve bunları sınamak. Yöntem: 1. Veriler elde edilir; toplam veri sayısı belirlenir. 2. Veriler artan sırada dizilir. 3. En küçük veri en büyük veriden çıkarılarak, elde edilen verilerin yayıldığı aralığın uzunluğu belirlenir. 4. Histogramda kullanılacak sütun sayısı belirlenir. (En az 6, en fazla 20 sütun tavsiye edilir.) Yayılım aralığını bu sayıya bölerek her çubuğun (sınıfın) eni hesaplanır. 5. Yatay x ekseni üzerine veri sınıfları yazılır. Frekans ölçeği (sayılar veya yüzdeler) dikey y ekseni üzerine yazılır. 6. Herbir sınıf için, o sınıfa dahil olan verilerin toplam sayısı veya bu sayının toplam veri sayısına yüzdesini dikey uzunluk kabul eden bir çubuk çizilir. 7. Her eksen dikkatlice isimlendirilir, histograma isim verilir, verilerin ait olduğu dönem yazılır. 8. Ortalama, varyans gibi değerler hesaplanır. Gülser Köksal, ODTÜ,

10 Örnek: Bir okulun birinci sınıfında okuyan öğrencilerin 100 sözcüklü bir hikayeyi okurken yaptıkları hata sayılarının frekans dağılımı Hata sayısı Öğrenci sayısı Verilerin ait olduğu dönem: 1995 Gülser Köksal, ODTÜ,

11 A. Ġki tepeli (modlu) dağılım FARKLI HĠSTOGRAM DAĞILIMLARI B. Az değiģkenlik C. Çok değiģkenlik D. Ayrık tepe dağılımı Gülser Köksal, ODTÜ,

12 Önemli Noktalar: Sadece reel değerler alabilen veriler için kullanılır. Sınıflar birbirinden ayrıktır. Sınıf aralıkları yatay eksen üzerine, frekans verileri dikey eksen üzerine yazılır. Histogram çizmek için fazla sayıda veri toplanmalıdır (en az 30-40). Veriler nüfusun sadece bir kısmından elde edilecek ise rassal olarak toplanmalıdır. Histogramın Ġncelenmesi: Mevcut performans (ortalama) nedir? Performans ortalama değer etrafında nasıl bir değiģkenlik gösteriyor? Bu değiģkenliğin sonuçları nelerdir? Bu değiģkenliğin yapısı, bize sorunun boyutu ve kaynağı hakkında ne tür ipuçları veriyor? Buna göre Ģimdi neyi araģtırmalıyız? Hangi teorileri sınamalıyız? NORMAL DAĞILIM Ön Bilgi: Histogramlar bir eğri ile kesiksiz temsil edilebilir. Frekan s a b Ölçülen değer Frekans ölçeği, bu eğrinin altında kalan alan 1 (bir) olacak Ģekilde ayarlanırsa, bu eğriye olasılık yoğunluk fonksiyonu denir. O zaman, ölçülen değerin a ve b gibi iki değer arasında olma olasılığı, olasılık yoğunluk fonksiyonunun altında bu iki nokta arasında kalan alan kadardır. Normal Dağılım: Bir normal dağılımın grafiği (olasılık yoğunluk fonksiyonu) iki yönde de sonsuza uzanan çan Ģeklinde ve simetrik bir eğridir. Aynı değiģken (örneğin, acil hastaların kayıt süresi) üzerinde farklı zamanlarda (rassal olarak) toplanan veri gruplarının aritmetik ortalamaları yaklaģık olarak normal dağılımı gösterir. Normal olasılık yoğunluk fonksiyonu ve altında kalan alan pekçok istatistik kitabında tablolar halinde verilir. Gülser Köksal, ODTÜ,

13 12. Veri Noktaları Toplam: Toplam, verilerin aritmetik olarak birbirine eklenmesidir. T=Toplam y i =Elde edilen verilerden biri n=elde edilen verilerin toplam sayısı ise, elde edilen bütün verilerin (y i, i 1 den n ye kadar değiģir) toplamı aģağıdaki biçimde gösterilir ve bulunur: n T y i 1 i y 1 y 2 y n Örnek: y 1 =1, y 2 =8, y 3 =6 Ortalama: T=1+8+6=15 Aritmetik ortalama, elde edilen verilerin merkezi eğiliminin bir göstergesidir. T=Toplam y i =Elde edilen verilerden biri n=elde edilen verilerin toplam sayısı y Aritmetik ortalama ise, elde edilen verilerin aritmetik ortalaması aģağıdaki Ģekilde bulunur: n y T n i 1 n y Örnek: y 1 =1, y 2 =8, y 3 =6, n=3, T=15 15 y 5 3 i Medyan: Medyan, elde edilen veriler azalan veya artan sıraya dizildiğinde ortada kalan verinin (veya iki verinin ortalama) değeridir. Örnek: y 1 =1, y 2 =8, y 3 = (artan sırada) medyan=6 Gülser Köksal, ODTÜ,

14 Örnek: y 1 =1, y 2 =4, y 3 =2, y 4 = (artan sırada) medyan=(2+4)/2=3 Mod: Mod, elde edilen veriler arasında en sık gözlenen değerdir. Örnek: y 1 =8, y 2 =4, y 3 =2, y 4 =5, y 5 =4, y 6 =5, y 7 =4, y 8 =3 mod=4 Örnek Varyansı (s 2 ): Örnek varyansı, elde edilen verilerin, ortalama değer etrafındaki yayılımlarının bir ölçüsüdür. T=Toplam y i =Elde edilen verilerden biri n=elde edilen verilerin toplam sayısı y Aritmetik ortalama s 2 Örnek varyansı ise, elde edilen verilerin varyansı aģağıdaki Ģekilde bulunur: n 2 (yi y) 2 i 1 s Örnek: n -1 y 1 =10, y 2 =8, y 3 =21, y 4 =12, y 5 =9 n= y y1 - y , (y1 - y) ( 2) ( 2) 4 2 y - y , (y - y) ( 4) ( 4) 16 y y y y , (y3 - y) (9) (9) y , (y4 - y) (0) (0) y , (y5 - y) ( 3) ( 3) s s (örnek standart sapması) Gülser Köksal, ODTÜ,

15 Gülser Köksal, ODTÜ,

16 Güven Aralığı: Bir değiģken ile ilgili olası bütün gözlemler veya ölçümler (nüfusun tamamı) elde edilememiģ ise rassal olarak yapılan bazı ölçümlerin (y i ) nüfusun tamamına ait verilerin ortalaması ye yaklaģık bir değer verir. Bu yaklaģımın keskinliği örnek büyüklüğü, n arttıkça artar. Nüfusun ortalaması ile ilgili bir aralık tahmini de yapılabilir. Örneğin, normal dağılıma sahip bir nüfustan elde edilen veriler, y i, i=1,...,n ise bu nüfusun ortalamasının ( nün) %95 olasılıkla içinde bulunabileceği güven aralığı, σ ( y -1.96, y 1.96 n σ ) n dir. Burada, nüfusun standart sapmasıdır. Nüfusun standart sapması bilinmiyorsa elde edilen verilerin (y i ) standart sapması (s) da kullanılabilir. Ancak bu durumda örnek büyüklüğü n nin 30 veya daha büyük olması gerekir. Örnek: n=32 (nüfus büyüklüğü= ) y 10 s=2.5 için %95 güven aralığı, 2.5 ( , (9.13,10.87) 2.5 ) 32 Bir baģka deyiģle, nüfus ortalamasının 9.13 ile arasında olma olasılığı %95 dir. 13. Pareto ġeması Problemleri veya meydana geliģ sebeplerini önem ve sıklık sırasına göre gösteren bir araçtır. Problemlerin (sebeplerin) gözlem sıklıkları ya da önem yüzdelerini gösteren, büyükten küçüğe dizilmiģ sütunlardan oluģur. Pareto prensibine göre sorunun %80 i problemlerin %20 sinden gelir. Pareto Ģemalarında, en önemli ya da en sık görünen probleme (sebebe) ait sütun Ģemanın en solunda gösterilir. Amaç, kullanıcının dikkatini bu sütun üzerine çekmek ve vakit kaybını en aza indirmektir. Kullanım Amaçları: Problemlerin ya da bu problemlerin meydana geliģ sebeplerinin arasında en önemlilerinin görsel olarak saptanıp değerlendirilmesi. Hangi problemler üzerinde durulması gerektiği kararının verilmesi. DeğiĢen zaman içinde performans değiģimlerinin gözlenmesi. Gülser Köksal, ODTÜ,

17 Ġzlenecek yöntem: 1. Veri toplamak için bir zaman dilimi belirlenir. 2. Ġstenen veriler toplanır ve yoklama kağıtlarına yazılır. 3. Bu veriler, kategorileri azalan puan sırasında sınıflandırılarak özetlenir. 4. Çıkarılan sonuçlar soldan sağa azalacak biçimde Pareto Ģemasına yerleģtirilir. ġemanın dikey ekseni yüzdeleri ya da sıklık miktarını, yatay ekseni ise oluģturulan kategorilerin (problem ya da sebeplerin) isimlerini göstermelidir. 5. ġemanın sağ dik ekseninde toplam yüzde gösterilir. 6. Her sütun bir solundaki sütunun üstüne eklenmek suretiyle, her sütunun üstündeki toplam yüzde belirlenerek, bu yüzdeler sağ eksende belirtilir. 7. ġemanın ismi verilir. 8. ġema zaman içinde toplanan yeni verilerle değiģtirilir ve önceki Ģema ile farklar değerlendirilir. Örnek olarak bir sınıf ödevinde yapılan klavye hatalarının pareto analizi Ek P9 da verilmiģtir. 14. KoĢu ġeması Her süreçte varyasyonların gözlenmesi kaçınılmazdır. Eğer bu varyasyonlar belli limitlerin içindeyse bunlar sürecin iç dinamiğinden kaynaklanan ve sürecin iyileģtirilmesiyle ortadan kalkacak varyasyonlardır. Eğer bunlar limitlerin dıģında ise sürece ait olmayan özel sebepler aramak gerekir. KoĢu Ģeması, belli bir zaman diliminde verilere ait noktaların birbirlerine göre dağılımını incelemeye ve varyasyonların sebeplerinin özel ya da genel olup olmadığını saptamaya yarar. Ġzlenecek yöntem: 1. Verilere ait noktalar Ek P10 daki Ģemalarda olduğu gibi yerleģtirilir. 2. Verilerin medyanı bulunur. (Medyan, eldeki verileri yarısı kendisinden büyük, kalan yarısı da küçük olmak üzere iki eģit parçaya ayıran noktadır.) Bu noktanın üzerinden cetvel ile yatay bir çizgi çizilir. 3. Bu çizginin alt ve üstündeki noktaların dağılımı incelenir. Ek P10 daki koģu Ģemalarının incelenmesi Ģöyle yapılmalıdır: A. Medyanın alt ya da üstünde yedi ya da daha fazla ardıģık nokta bulunması koģu olarak adlandırılır. Bu, süreçteki varyasyonların özel bir sebebi olabileceğinin belirtisidir. B. Normal dıģı çok düģük ya da çok yüksek bir verinin gözlenmesi, sürecin kontrol dıģı olduğunu gösterir. Gülser Köksal, ODTÜ,

18 C. Yedi ya da daha fazla noktanın aģağı ya da yukarı doğru bir eğilim göstermesi de anormal sayılır. D. Verilerin aniden farklı bir yöne doğru değiģmesi sürecin incelenmesini gerektirir. E. AĢağı ve yukarı doğru zigzag çizen veri grupları değerlendirmeye alınması gereken sebep ya da sebeplerin göstergesidir. Ek P11 de özel okuma eğitimi alan bir öğrencinin dakika baģına okuduğu sözcük sayısını gösteren bir koģu Ģeması verilmektedir. 15. Kontrol ġemaları Kontrol Ģemaları, koģu Ģemalarının daha geliģmiģ olanlarıdır. KoĢu Ģeması ilgili prosesin doğası hakkında bilgi edinmemize yardımcı olur. Bu bilgiyi edinmeden hangi veri analiz yönteminin daha uygun olduğunu anlamak zordur. Kontrol Ģemaları, daha kapsamlı bir veri toplama ve analiz gerektirdiğinden sadece kritik kalite karakteristikleri için önerilir. Ġstikrarlı, sorunsuz diğer karakteristiklerin izlenmesi için ise koģu Ģemaları yeterlidir. Kontrol Ģemaları kullanımında, proses iģlerken çıkardığı ürünlerden seçilen örneklerin belli ölçümleri, belli limit değerler ile karģılaģtırılır ve bu ölçümlerin eğilimleri izlenir. Böylece ölçümlerdeki değiģkenliğin özel sebepleri olup olmadığına karar verilir ve ileride oluģabilecek hataların önlenmesine çalıģılır. Kontrol Ģemalarında yer alan kontrol limitleri genellikle aģağıdaki gibi tanımlanır: (m = tahmin edilen ortalama) (sigma = tahmin edilen standart sapma) Üst Kontrol Limiti (ÜKL) = m + 3 sigma Merkez Çizgi = m Alt Kontrol Limiti (AKL) = m 3 sigma Kontrol altındaki bir proses kararlıdır. Kararlı bir sistemde iyileģtirme, sadece, yönetim ve yetkelendirilmiģ çalıģanların sorumluluğunda olan sistem değiģiklikleri yolu ile gerçekleģtirilebilir. Kararsızlık ise belli özel bir sebep yüzünden oluģur. Bu özel sebepler, proses sonuçlarının ortalamasını ve/veya yayılımını değiģtirir. Böyle proseslerin iyileģtirilmesi, sistem düzeyini değiģtirmeden de mümkündür. Bu nedenle, iyileģtirme amacı ile sistemi değiģtirmeden önce prosesleri kararlı hale getirmek gereklidir. Proses kontrol Ģemaları, örnekleme yöntemi ile oluģturulduğu için, istatistiksel hatalar ile karģı karģıyadır. Bu hatalar iki türlüdür: I. Eylem Hatası: YanlıĢ Alarm Özel bir sebep yok iken, eyleme geçmek (önlem almak). (Benzer durum: Bir atletin baģla atıģı yapılmadan koģmaya baģlaması.) Gülser Köksal, ODTÜ,

19 II. Ġhmal Hatası: Alarm BaĢarısızlığı Özel bir sebep varken, hiçbir önlem alınmaması. (Benzer durum: Acil bir mesaj vermek için telefon çalarken, sahibinin uyuması.) Eylem Hatasının Maliyeti: Prosese gereksiz yere müdahale etmek, sonuçlarını daha geniģ bir aralığa yayar, proses izlemeye duyulan güveni ve alarmlara duyarlılığı azaltır, çabaların boģa gitmesine yol açar. Ġhmal Hatasının Maliyeti: Prosese gerektiği zaman müdahale etmemek, daha kötü sonuçlar alınmasına yol açar, proses sonuçlarını daha geniģ bir aralığa yayar. Kontrol Ģemaları geliģtirilirken eylem hatası maliyetleri ile ihmal hatası maliyetleri dengelenmeye çalıģılır. Eğer bir proses çok kritik ise, hata yüzdesini düģürmek ve sadece örnekteki hatalı ürünleri değil prosesten çıkan bütün hatalı ürünleri izlemek gerekir. ĠPK Ģemaları, üretimimizin zaman içinde tutarlı olup olmadığını gösterir. Fakat, tolerans spesifikasyonlarını tutarlı bir Ģekilde sağlayıp sağlamadığımızı göstermez. (Kontrol altında görülen bir proses tolerans spesifikasyonlarını sağlamıyor olabilir.) ortalama ve/veya değiģkenliği etkileyen özel sebepleri açık bir Ģekilde belirlemez veya bu sebepleri ortadan kaldırmaz. Kontrol Ģemaları, sadece, prosesteki bozulmalar ile ilgili istatistiksel uyarı aracı olarak kullanılmalıdır. Gülser Köksal, ODTÜ,

20 Kontrol Ģemaları çeģitlidir. Bunlardan en sık kullanılan X ve R Ģemalarını aģağıdaki örnek üzerinden açıklayalım: Kalite karakteristiği: Öğrencilerin ders değerlendirmelerinin sonucu 1: Çok zayıf 2: Zayıf 3: Orta 4: Ġyi 5: Çok iyi 1. Örnekleme prosedürü belirlenir. - Alt gruplar halinde ölçüm yapılır. (Her alt grupta 3-10 ünite (kiģi veya nesne) bulunması uygundur.) - Yeni süreç için en az 25 altgrubu ölçmek gereklidir. 2. Ġlk veriler toplanır (en az 100 veri gereklidir). Örnekte her hafta rastgele 10 kiģinin değerlendirmesi seçilsin (n= 10). 3. Her altgruptaki verilerin ortalaması ( X ) hesaplanır. 4. Her altgrup için, en büyük veri ile en küçüğü arasındaki fark (R) hesaplanır. 5. Altgrup ortalamalarının ortalaması ( X ) hesaplanır. Bu süreç ortalaması, X Ģemasının ana çizgisi olur. 6. Altgrup farklarının ortalaması ( R ) hesaplanır. Örnek için ölçülen değerler Ek P12 de verilmiģtir. 7. X ve R Ģemaları için, Üst Kontrol Limitleri (ÜKL) ile Alt Kontrol Limitleri (AKL) hesaplanır. R Ģeması için: X Ģeması için: 8. Kontrol Ģemaları çizilir. AKL=D3 * R ÜKL=D4 * R AKL= X - A2 * R ÜKL= X + A2 * R Örneğe ait kontrol Ģemaları Ek P12 de gösterilmektedir. 9. Kontrol Ģemaları yorumlanır ve önlem alınır. Örnekte süreç kontrol altında değildir. Gülser Köksal, ODTÜ,

21 Normal dıģı davranıģlar gözlendiğinde sistem incelenerek bunun özel sebepleri bulunmalıdır. (Ek P13 e bakınız.) Kontrol ġemaları (Genel) ġema Türü Veri Türü Çizilen X ve R Ģeması Sürekli Ortalama değerleri ve farklar X ve R Ģeması Sürekli Medyan değerleri ve farklar X Ģeması Sürekli Altgrup büyüklüğü=1 p Ģeması Niteliksel Hata oranı np Ģeması Niteliksel Hata sayısı c Ģeması Niteliksel Hata sayısı/ünite u Ģeması Niteliksel Hata sayısı/birim Bir c Ģeması örneği Ek P14 de verilmektedir. 16. Süreç Yeteneği Kontrol limitleri arasında performans gösteren bir süreç hala kötü ürün/servis sunuyor olabilir. Süreç yeteneği, sürecin doğal değiģimi altında (müģteri) spesifikasyonlarını karģılamadaki gücünü gösterir. DeğiĢik süreç yetenek endeksleri (C p, C pk, C a gibi) vardır. Örnek: C p = (Üst spek. Limiti - Alt spek. limiti) / (6s) ÜSL - ASL = Tolerans 6s = ÜKL X - AKL X = (ÜKL X - AKL X )(Altgrup büyüklüğü) (1/2) Ek P15 te değiģik C p süreç yetenek değerlerinin ne anlama geldiği açıklanmaktadır. Ek P16 te kontrollü, fakat yeteneksiz süreçlere örnekler verilmektedir. 17. Serpme (Scatter) Diyagramı Serpme diyagramı, bir değiģken ile bir diğeri arasındaki iliģkiyi çalıģmak amacı ile kullanılır. Olası sebep/sonuç iliģkilerini araģtırmaya yardımcı olur. Bir serpme diyagramının yatay x ekseni değiģkenlerden birinin aldığı değerleri, dikey y ekseni ise diğer değiģkenlerin karģılığında aldığı değerleri gösterir. Ek P17 da değiģik serpme diyagramı örnekleri verilmektedir. Ek P18 de ise değiģik serpme diyagramlarının nasıl yorumlanması gerektiği anlatılmaktadır. Gülser Köksal, ODTÜ,

22 18. Yakınlık Diyagramı Yakınlık diyagramı, pekçok fikir, görüģ, konu veya faaliyet içinden temel olanları bulmak için kullanılır. Bu fikirler, görüģler, konular önce türetilir, sonra bunlardan birbiri ile doğal ilgisi olanlar gruplanır. Ne Zaman Kullanılır? Nasıl Yapılır? Kaos olduğunda Takım pekçok fikir ile karģı karģıya kaldığında Yaratıcı/yapıcı düģünme gerekirken Kabaca konular / ana baģlıklar belirlenmesi gerektiğinde. 1. Doğru takım oluģturulur. 4-6 kiģi DeğiĢik bakıģ açıları Yaratıcı, açık-fikirli insanlar 2. Ele alınacak konu belirlenir. GeniĢ kapsamlı, yansız cümle Açıkça ifade edilmeli, iyi anlaģılmalı 3. Fikirler yaratılır ve kaydedilir. Beyin fırtınası yaklaģımı izlenir Her fikir kartlar üzerine kaydedilir Tek bir kelimeden oluģan kart olmaz 4. Tamamlanan kartlar geliģigüzel bir Ģekilde ortaya serilir. Duvara, masaya v.b. 5. Kartlar ilgili gruplara ayrılır. Sessizlik içinde DüĢünülür, hareket edilir; seyredip, uzun uzadıya düģünülmez Çabuk süreç Eğer anlaģmazlık olursa, kartlar, istenen yere taģınır, tartıģılmaz Dikey sütunlar 5-10 grup Sadece açıklığa kavuģturmak için tartıģılır. 6. BaĢlık kartları yaratılır. Kısa, öz, tam Tek kelimeli baģlık olmaz Tek baģına bir anlam ifade etmeli Ġsim ve yüklem içermeli Altındaki bütün fikirlerin ana bağını yakalamalı Her grubun baģına yerleģtirilir Ana konular alt baģlıklara dönüģtürülür. 7. Biten yakınlık diyagramı çizilir. BaĢlıkları, altbaģlıkları ve altındaki bütün kartları birleģtiren çizgiler çizilir. Takım gözden geçirir. Gülser Köksal, ODTÜ,

23 Önemli takım-dıģı üyeler gözden geçirir. Örnek: Bir moral probleminin sebeplerini belirlemek için yakınlık diyagramı Etkin ve adil olmayan yöneticiler Takdir eksikliği ÇalıĢanların katılmaması, değerlendirilmemesi Bize birģey söylemezler DüĢük ücret Otoriter yöneticiler Bilgi boģluğu Yarar ödemesi yok Ġyi fikirler gözardı edilir Zayıf modeller Risk alma cezalandırılır Fikirlerimize ilgi gösterilmez Otoriter; bize çocuk gibi davranırlar Fikirlerimize cevap yok Girdi için forum yok Hep en çok beğenileni oynarlar Kıymetimiz bilinmez Biz-onlar düģmanlığı Ġdare doğruyu söylemez ÇalıĢma arkadaģları arası sürtüģme Hayal kırıklığına yol açan sistemler / problemler ÇalıĢanların yorgunluğu ve bıkkınlığı BaĢlar ile gerginlik Hantal sistemler Fazla iģ Bazıları iģini yapmaz ĠĢi yapmak için gerekli alet eksikliği, fakat nasıl olursa olsun yap Eleman azlığı Takımda kıskançlıklar Eleman azlığı Gereğinden çok öncelikler Sonu gelmeyen kusur bulma Yöneticiler karıģmaz Zayıf sistemler için çalıģanlar eleģtirilir Ġdare yara bandı kullanır, çözüm değil Problemler yıllar boyu sürer Krizin yönlendirdiği yöneticiler; söndürülecek ateģler 19. ĠliĢki Diyagramı Bir dizi fikir arasındaki sebep ve sonuç bağlarının grafiksel gösterimidir. Ne Zaman Kullanılır? Ana sebepler belirlenmek istendiğinde Daha iyi tanımlanması gereken, birbiri ile iliģkili fazla sayıda konu varsa Ana sebepleri belirlemek için veri olmadığında Kısıtlı kaynaklara dikkatlice odaklanmıģ bir gayret gerektirdiğinde. Gülser Köksal, ODTÜ,

24 Nasıl Yapılır? 1. Doğru takım oluģturulur. 4-6 kiģi ideal; daha büyük takımlar da mümkün. Konu hakkında bilgili kiģiler. 2. Bir problem üzerinde anlaģmaya varılır. Pekçok kaynaktan yararlanılabilir: - Yakınlık diyagramı - Sebep ve sonuç diyagramı - Ağaç diyagramı 3. Konu / problem hakkında fikirler türetilir ve bunlar sergilenir. Herbir fikir çember içine alınır, baģlıkları A, B, C gibi isimlendirilir. Fikirler geliģigüzel veya bir çember üzerinde dağıtılır. 4. ĠliĢki okları çizilir. Herbir fikir için Ģu tip bir soru sorulur: A fikri B fikrine yol açar mı?, v.b. Sebep fikirden sonuç fikir yönüne doğru tek yönlü bir ok çizilir. Okun yönü konusunda anlaģmazlık var ise o ok hiç çizilmez. 5. Herbir fikirden kaynaklanan ok sayısı bulunur. 6. Sonuç çıkarılır. Temel faktörler/sebepler belirlenir. En fazla sayıda dıģarı giden ok, o fikrin temel sebep/sürükleyici fikir olduğunu gösterir. En fazla sayıda içeri gelen ok, o fikrin temel sonuç olduğunu gösterir. Gülser Köksal, ODTÜ,

25 Örnek: Moral probleminin sebepleri arasındaki iliģki diyagramı B Takdir eksikliği A Etkin ve adil olmayan yöneticiler C ÇalıĢanların katılmaması, değerlendirilmemesi F ÇalıĢanların yorgunluğu, bıkkınlığı D ÇalıĢma arkadaģları arasında sürtüģme E Hayal kırıklığına yol açan sistemler / problemler Gülser Köksal, ODTÜ,

26 20. Ağaç Diyagramı Belli bir amaca eriģmek için izlenmesi gereken yolların, sistematik bir Ģekilde giderek artan bir detay düzeyinde grafiksel ifadesidir. Ne Zaman Kullanılır? Genel amaçların özel uygulama detayına indirgenmesi gerektiğinde, Bütün uygulama seçeneklerinin belirlenmesi gerektiğinde, Temel sebepleri belirlemek için, (örneğin, neden-neden diyagramı) (sebepsonuç diyagramına alternatif) Fikirlerin açığa kavuģması için, Bir uygulama gerçekleģirken olabilecek engeller/aksaklıkların ve bunların etkilerini azaltmak için ne yapılabileceğinin belirlenmesi amacıyla. (Örneğin, süreç-karar program Ģeması) Nasıl Yapılır? 1. Amaç belirlenir. ĠliĢki diyagramındaki temel sebep/sonuçlar Yakınlık diyagramındaki baģlıklar UzlaĢma tartıģması 2. Doğru takım oluģturulur. Detaylı uygulama bilgisine sahip hareket planlayıcıları 3. Ana amaç ile iliģkili olan alternatif sebepler, taktikler veya iģler belirlenir. Beyin fırtınası kullanılabilir. Herbir alternatif, kart veya post-it üzerine yazılabilir. 4. Fikirler değerlendirilir ve makul bir sayıya düģürülür. 5. Ağaç oluģturulur. 1.düzey: Genel amaç, kavram, fikir. Diğer düzeyler: Her seferinde bir basamak olmak üzere, neden, nasıl ve ne gibi soruların cevapları. Gülser Köksal, ODTÜ,

27 Örnek: Neden-Neden Ağaç Diyagramı Tecrübesizlik Öğretmenlerin tutumu Bilgisizlik Problem Çocukların öğrenme heyecanını kaybetmesi ArkadaĢların tutumu Rehberlik servisinin yetersizliği Ailelerin ilgisizliği Neden? Okulun kaynaklarının yetersizliği Ekipman yetersizliği Neden? Öğrencilerin ekipman getirmemesi Gereksiz ekipman talebi Gülser Köksal, ODTÜ,

28 Örnek: Nasıl-Nasıl Ağaç Diyagramı Öğrenciyi uzaklaģtıran sebepleri incele Çözüm Öğretmeni eğit En önemli 10 sebebe odaklan ve önlem geliģtir Uygula ve sonuçları izle Çocukların öğrenme heyecanını artır Okul-aile iliģkilerini güçlendir BaĢarıyı kalıcı hale getir Nasıl? Kaynak planlamasını iyileģtir Nasıl? Gülser Köksal, ODTÜ,

29 21. BaĢka Problem Çözme Teknikleri Matris diyagramı: Ġki veya daha fazla değiģken arasındaki iliģkilerin varlığını ve kuvvetini sistematik bir Ģekilde belirlemek ve çözümlemek için kullanılan bir diyagramdır. Öncelik matrisleri: Bir ekseninde kriterleri, diğer ekseninde seçenekleri gösteren L biçimli bir matristir. Öngörülen kriteler bazında en iyi seçenekleri belirlemek için kullanılır. Gantt ġeması: Bir projenin süresi boyunca yapılacak iģleri zaman ekseninde yatay çubuklar ile gösteren bir Ģemadır. Ok Diyagramı: Bir projedeki iģlerin sırasını ve birbirleri ile olan iliģkilerini bağlantılı oklar ve noktalardan oluģan bir ağ ile gösteren bir diyagramdır. Radar ġeması: ÇeĢitli boyutlardaki mevcut ve ideal performans düzeylerini gösteren tekerlek Ģeklinde bir Ģemadır. Tasarıma Yönelik Teknikler: Kalite ĠĢlev KonuĢlandırma (QFD) Hata Tipi ve Etkisi Analizi (FMEA) Hata Ağaç Analizi (FTA) Deney Tasarımı (DOE) Başka Veri Toplama Araçları: Anketler KAYNAKLAR GOAL/QPC (1988). The Memory Jogger for Education - A Pocket Guide of Tools for Continuous Improvement, GOAL/QPC, Methuen, MA, USA. Jenkins, L. (1998). Sınıflarda Öğrenmenin ĠyileĢtirilmesi, Rota, Ġstanbul. (Çeviri: Gönül Yenersoy) Scholtes, P. ve Joiner Associates (1994). The Team Handbook for Educators, Joiner Associates, Madison, WI, USA. Gülser Köksal, ODTÜ,

TANIMLAYICI İSTATİSTİKLER

TANIMLAYICI İSTATİSTİKLER TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin

Detaylı

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ

TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin

Detaylı

İSTATİSTİKSEL PROSES KONTROLÜ

İSTATİSTİKSEL PROSES KONTROLÜ İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını

Detaylı

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ

BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ 1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma

Detaylı

Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma

Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma Kalite Geliştirmede İstatistiksel Yöntemler ve Six Sigma - 1 Ödevler 5 er kişilik 7 grup Hayali bir şirket kurulacak Bu şirketin kalite kontrol süreçleri raporlanacak Kalite sistem dokümantasyonu oluşturulacak

Detaylı

ÖLÇME VE DEĞERLENDĠRME (3)

ÖLÇME VE DEĞERLENDĠRME (3) ÖLÇME VE DEĞERLENDĠRME (3) ÖLÇME SONUÇLARI ÜZERĠNDE ĠSTATĠSTĠKSEL ĠġLEMLER VERĠLERĠN DÜZENLENMESĠ -Herhangi bir test uygulamasından önce verilerin düzenlenmesi için önce bütün puanların büyüklüklerine

Detaylı

Ders 1 Minitab da Grafiksel Analiz-I

Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 1 Minitab da Grafiksel Analiz-I İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya

Detaylı

VERİ KÜMELERİNİ BETİMLEME

VERİ KÜMELERİNİ BETİMLEME BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik

Detaylı

Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir?

Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir? İSTATİSTİK Bir sonuç çıkarmak ya da çözüme ulaşabilmek için gözlem, deney, araştırma gibi yöntemlerle toplanan bilgiye veri adı verilir. Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin

Detaylı

İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014

İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel Kalite Kontrol BBY 374 TOPLAM KALİTE YÖNETİMİ 18 NİSAN 2014 İstatistiksel kalite kontrol o Üretim ve hizmet süreçlerinin ölçülebilir veriler yardımıyla istatistiksel yöntemler kullanılarak

Detaylı

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.

Genel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir. 4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen

Detaylı

TEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar

TEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar TEMEL İSTATİSTİK BİLGİSİ İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar İstatistiksel Verileri Tasnif Etme Verileri daha anlamlı hale getirmek amacıyla

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

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte

Detaylı

VERİLERİN GRAFİKLER YARDIMIYLA SUNUMU. 3.2.1.Daire Grafikleri Yardımıyla Verilerin Sunumu. 3.2.2.Sütun(Çubuk) Grafikleri Yardımıyla Sunumu

VERİLERİN GRAFİKLER YARDIMIYLA SUNUMU. 3.2.1.Daire Grafikleri Yardımıyla Verilerin Sunumu. 3.2.2.Sütun(Çubuk) Grafikleri Yardımıyla Sunumu SAÜ 3. BÖLÜM VERİLERİN GRAFİKLER YARDIMIYLA SUNUMU PROF. DR. MUSTAFA AKAL İÇİNDEKİLER 3.2.Grafiksel Sunumlar 3.2.1.Daire Grafikleri Yardımıyla Verilerin Sunumu 3.2.2.Sütun(Çubuk) Grafikleri Yardımıyla

Detaylı

İstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar

İstatistik Nedir? Ders 1 Minitab da Grafiksel Analiz-I ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. İstatistiğin Konusu Olan Olaylar ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI İstatistik Nedir? İstatistik kelimesi ilk olarak Almanyada devlet anlamına gelen status kelimesine dayanılarak kullanılmaya başlanmıştır. Ders 1 Minitab da

Detaylı

Copyright 2004 Pearson Education, Inc. Slide 1

Copyright 2004 Pearson Education, Inc. Slide 1 Slide 1 Bölüm 2 Verileri Betimleme, Keşfetme, ve Karşılaştırma 2-1 Genel Bakış 2-2 Sıklık Dağılımları 2-3 Verilerin Görselleştirilmesi 2-4 Merkezi Eğilim Ölçüleri 2-5 Değişimin Ölçülmesi 2-6 Nispi Sabitlerin

Detaylı

İstatistiksel proses kontrol ve kontrol diyagramı. 3. hafta

İstatistiksel proses kontrol ve kontrol diyagramı. 3. hafta İstatistiksel proses kontrol ve kontrol diyagramı 3. hafta İstatistiksel proses kontrol Prosesteki değişkenliği ölçerek ve analiz ederek istatistiksel kontrolünü sağlamak ve sürdürmek için istatistiksel

Detaylı

BÖLÜM 4 FREKANS DAĞILIMLARININ GRAFİKLE GÖSTERİLMESİ

BÖLÜM 4 FREKANS DAĞILIMLARININ GRAFİKLE GÖSTERİLMESİ BÖLÜM 4 FREKANS DAĞILIMLARININ GRAFİKLE GÖSTERİLMESİ Frekans dağılımlarının betimlenmesinde frekans tablolarının kullanılmasının yanı sıra grafik gösterimleri de sıklıkla kullanılmaktadır. Grafikler, görselliği

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.

Detaylı

Mühendislikte İstatistiksel Yöntemler

Mühendislikte İstatistiksel Yöntemler Mühendislikte İstatistiksel Yöntemler BÖLÜM 2 AÇIKLAYICI (BETİMLEYİCİ) İSTATİSTİK Yrd. Doç. Dr. Fatih TOSUNOĞLU 1-Açıklayıcı (Betimleyici) İstatistik İnceleme sonucu elde edilen ham verilerin istatistiksel

Detaylı

T.C. BĠNGÖL ÜNĠVERSĠTESĠ REKTÖRLÜĞÜ Strateji GeliĢtirme Dairesi BaĢkanlığı. ÇALIġANLARIN MEMNUNĠYETĠNĠ ÖLÇÜM ANKET FORMU (KAPSAM ĠÇĠ ÇALIġANLAR ĠÇĠN)

T.C. BĠNGÖL ÜNĠVERSĠTESĠ REKTÖRLÜĞÜ Strateji GeliĢtirme Dairesi BaĢkanlığı. ÇALIġANLARIN MEMNUNĠYETĠNĠ ÖLÇÜM ANKET FORMU (KAPSAM ĠÇĠ ÇALIġANLAR ĠÇĠN) ÇALIġANLARIN MEMNUNĠYETĠNĠ ÖLÇÜM ANKET FORMU (KAPSAM ĠÇĠ ÇALIġANLAR ĠÇĠN) Düzenleme Tarihi: Bingöl Üniversitesi(BÜ) Ġç Kontrol Sistemi Kurulması çalıģmaları kapsamında, Ġç Kontrol Sistemi Proje Ekibimiz

Detaylı

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH

ORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın

Detaylı

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.

Örnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız. .4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte

Detaylı

Prof.Dr.İhsan HALİFEOĞLU

Prof.Dr.İhsan HALİFEOĞLU Prof.Dr.İhsan HALİFEOĞLU FREKANS DAĞILIMLARINI TANIMLAYICI ÖLÇÜLER Düzenlenmiş verilerin yorumlanması ve daha ileri düzeydeki işlemler için verilerin bütününe ait tanımlayıcı ve özetleyici ölçülere ihtiyaç

Detaylı

İÇİNDEKİLER ÖN SÖZ...

İÇİNDEKİLER ÖN SÖZ... İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN

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

İstatistiksel Süreç Kontrolü Statistical Process Control (SPC) Dr. Musa KILIÇ

İstatistiksel Süreç Kontrolü Statistical Process Control (SPC) Dr. Musa KILIÇ İstatistiksel Süreç Kontrolü Statistical Process Control (SPC) Dr. Musa KILIÇ KALİTE VE KALİTE KONTROLÜ Kalitenin Tanımı Kalite, kullanıma uygunluktur (Juran). Kalite, bir ürünün gerekliliklere uygunluk

Detaylı

DENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı

DENEY 0. Bölüm 1 - Ölçme ve Hata Hesabı DENEY 0 Bölüm 1 - Ölçme ve Hata Hesabı Amaç: Ölçüm metodu ve cihazına bağlı hata ve belirsizlikleri anlamak, fiziksel bir niceliği ölçüp hata ve belirsizlikleri tespit etmek, nedenlerini açıklamak. Genel

Detaylı

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir

Oluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma

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

Verilerin Özetlenmesinde Kullanılan Sayısal Yöntemler

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

Detaylı

İstatistiksel Süreç Kontrol KAZIM KARABOĞA

İstatistiksel Süreç Kontrol KAZIM KARABOĞA İstatistiksel Süreç Kontrol KAZIM KARABOĞA KALİTENİN TARİHSEL KİMLİK DEĞİŞİMİ Muayene İstatistiksel Kalite Kontrol Toplam Kalite Kontrol Toplam Kalite Yönetimi İSTATİSTİKSEL KALİTE KONTROL İstatistiksel

Detaylı

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.

Kitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir. BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden

Detaylı

KALİTE KONTROL VE STANDARDİZASYON 7 Teknik

KALİTE KONTROL VE STANDARDİZASYON 7 Teknik KALİTE KONTROL VE STANDARDİZASYON 7 Teknik İKİNCİ DÜNYA SAVAŞI SONRASI, KAORU ISHIKAWA, ÜLKESİNE GELEN İKİ A.B.D.Lİ UZMAN JOSEPH JURAN VE EDWARSD DEMING İLE TANIŞIR. KAORU ISHIKAWA, KALİTEYE İLİŞKİN BU

Detaylı

GRAFĠKLER. WORD PROGRAMI KULLANARAK GRAFĠK OLUġTURMA EĞĠTĠCĠ KILAVUZU. HAZIRLAYAN Mehmet KUZU

GRAFĠKLER. WORD PROGRAMI KULLANARAK GRAFĠK OLUġTURMA EĞĠTĠCĠ KILAVUZU. HAZIRLAYAN Mehmet KUZU GRAFĠKLER WORD PROGRAMI KULLANARAK GRAFĠK OLUġTURMA EĞĠTĠCĠ KILAVUZU HAZIRLAYAN Mehmet KUZU GRAFİKLER GRAFİKLER Grafik Nedir? Grafik nasıl oluģturulur? Word de ne tür grafikler oluģturulur? Derse giriş

Detaylı

Sıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5

Sıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5 Sıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5 Sıklık Tabloları Veri dizisinde yer alan değerlerin tekrarlama sayılarını içeren tabloya sıklık tablosu denir. Tek değişken için çizilen

Detaylı

İstatistik ve Olasılık

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

Detaylı

İSTATİSTİK MHN3120 Malzeme Mühendisliği

İSTATİSTİK MHN3120 Malzeme Mühendisliği İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler

Detaylı

EK-1 BEDEN EGİTİMİ DERSİNDE ÖĞRENCİ BAŞARISININ DEĞERLENDİRİLMESİ

EK-1 BEDEN EGİTİMİ DERSİNDE ÖĞRENCİ BAŞARISININ DEĞERLENDİRİLMESİ BEDEN EGİTİMİ DERSİNDE ÖĞRENCİ BAŞARISININ DEĞERLENDİRİLMESİ EK-1 Beden eğitimi dersinde öğrencilerin başarıları; sınavlar, varsa projeler, öğrencilerin performanslarını belirlemeye yönelik çalışmalardan

Detaylı

PROBLEM ÇÖZME TEKNİKLERİ

PROBLEM ÇÖZME TEKNİKLERİ PROBLEM ÇÖZME TEKNİKLERİ Adam bir haftanın yorgunluğundan sonra, pazar sabahı kalktığında keyifle eline gazetesini aldı ve bütün gün miskinlik yapıp evde oturmayı hayâl etti.tam bunları düşünürken oğlu

Detaylı

JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA

JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere

Detaylı

Program AkıĢ Kontrol Yapıları

Program AkıĢ Kontrol Yapıları C PROGRAMLAMA Program AkıĢ Kontrol Yapıları Normal Ģartlarda C dilinde bir programın çalıģması, komutların yukarıdan aģağıya doğru ve sırasıyla iģletilmesiyle gerçekleģtirilir. Ancak bazen problemin çözümü,

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

Merkezi Eğilim ve Dağılım Ölçüleri

Merkezi Eğilim ve Dağılım Ölçüleri Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki

Detaylı

Ders 8: Verilerin Düzenlenmesi ve Analizi

Ders 8: Verilerin Düzenlenmesi ve Analizi Ders 8: Verilerin Düzenlenmesi ve Analizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlenin tamamını, ya da kitleden alınan bir örneklemi özetlemekle (betimlemekle)

Detaylı

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü

Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu

Detaylı

KÜMELER 05/12/2011 0

KÜMELER 05/12/2011 0 KÜMELER 05/12/2011 0 KÜME NEDİR?... 2 KÜMELERİN ÖZELLİKLERİ... 2 KÜMELERİN GÖSTERİLİŞİ... 2 EŞİT KÜME, DENK KÜME... 3 EŞİT OLMAYAN (FARKLI) KÜMELER... 3 BOŞ KÜME... 3 ALT KÜME - ÖZALT KÜME... 4 KÜMELERDE

Detaylı

YALIN ARAÇLAR VE PROBLEM ÇÖZME YÖNTEMLERĠ. Prof. Dr. Nevzat Kahveci

YALIN ARAÇLAR VE PROBLEM ÇÖZME YÖNTEMLERĠ. Prof. Dr. Nevzat Kahveci YALIN ARAÇLAR VE PROBLEM ÇÖZME YÖNTEMLERĠ Prof. Dr. Nevzat Kahveci YALIN YÖNETĠM NEDĠR? Tüm hizmet adımlarında değer katmayan israfları ortadan kaldırmak. Beklemeler Gereğinden fazla iģlem TaĢımalar Gereksiz

Detaylı

İSTATİSTİK I KISA ÖZET KOLAYAOF

İSTATİSTİK I KISA ÖZET KOLAYAOF DİKKATİNİZE: BURADA SADECE ÖZETİN İLK ÜNİTESİ SİZE ÖRNEK OLARAK GÖSTERİLMİŞTİR. ÖZETİN TAMAMININ KAÇ SAYFA OLDUĞUNU ÜNİTELERİ İÇİNDEKİLER BÖLÜMÜNDEN GÖREBİLİRSİNİZ. İSTATİSTİK I KISA ÖZET KOLAYAOF 2 Kolayaof.com

Detaylı

BİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Ödev Çözümleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Ödev 1 Çözümleri 2 1. Bir sonucun

Detaylı

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014

Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?

Detaylı

FREKANS VERİLERİ. Prof.Dr. Levent ŞENYAY III - 1

FREKANS VERİLERİ. Prof.Dr. Levent ŞENYAY III - 1 3 FREKANS VERİLERİ 3.1. Frekans Tablolarının Düzenlenmesi 3.2. Frekans poligonu 3.3. Frekans tablosu hazırlama 3.4. Frekans Histogramı 3.5. Frekans eğrisi tipleri 3.6. Diğer İstatistiksel Grafik Gösterimler

Detaylı

İSTATİSTİK. Bölüm 1 Giriş. Ankara Üniversitesi SBF İstatistik 1 Ders Notları Prof. Dr. Onur Özsoy 4/4/2018

İSTATİSTİK. Bölüm 1 Giriş. Ankara Üniversitesi SBF İstatistik 1 Ders Notları Prof. Dr. Onur Özsoy 4/4/2018 İSTATİSTİK Bölüm 1 Giriş 1 Bu Bölümde Anlatılacak Konular Bir Yönetici Neden İstatistik Bilmeli? Modern İstatistiğin Gelişimi İstatistiksel Düşünce ve Yönetim Tanımsal ve Yargısal İstatistik Data Türleri

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

ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Nokta Grafikleri. Ders 2 Minitab da Grafiksel Analiz-II Tanımlayıcı İstatistikler

ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Nokta Grafikleri. Ders 2 Minitab da Grafiksel Analiz-II Tanımlayıcı İstatistikler ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Nokta Grafikleri Nokta grafikleri örnek veri dağılımlarını değerlendirmek ve karşılaştırmak için kullanılır. Bir nokta grafiği örneklem verilerini gruplandırır

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

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

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ

BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ 1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel

Detaylı

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ

ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati Kredi AKTS (T+U+L) İSTATİSTİKSEL KALİTE KONTROL EN-412 4/I 3+0+0 3 5 Dersin Dili : Türkçe Dersin Seviyesi

Detaylı

SOSYAL BİLGİLER DERSİ ( SINIFLAR) ÖĞRETİM PROGRAMI ÖMER MURAT PAMUK REHBER ÖĞRETMEN REHBER ÖĞRETMEN

SOSYAL BİLGİLER DERSİ ( SINIFLAR) ÖĞRETİM PROGRAMI ÖMER MURAT PAMUK REHBER ÖĞRETMEN REHBER ÖĞRETMEN SOSYAL BİLGİLER DERSİ (4.5.6.7 SINIFLAR) ÖĞRETİM PROGRAMI 1 DERS AKIŞI 1.ÜNİTE: SOSYAL BİLGİLER ÖĞRETİM PROGRAMININ GENEL YAPISI, ARADİSİPLİN, TEMATİK YAKLAŞIM 2. ÜNİTE: ÖĞRENME ALANLARI 3. ÜNİTE: BECERİLER

Detaylı

b) Aşağıda verilen tanımlamalardan herhangi 5 adeti yazılabilir. Aritmetik Ortalama: Geometrik Ortalama:

b) Aşağıda verilen tanımlamalardan herhangi 5 adeti yazılabilir. Aritmetik Ortalama: Geometrik Ortalama: C S D Ü M Ü H E N D İ S L İ K F A K Ü L E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OM317 Müh. İstatistiği İstatistik ÖĞRENCİNİN: ADI - SOADI ÖĞREİMİ NOSU İMZASI 1.Ö 2.Ö A B Soru -

Detaylı

EĞĠTĠMDE ÖLÇME VE DEĞERLENDĠRME BÖLÜM IV Ölçme Sonuçları Üzerinde Ġstatistiksel ĠĢlemler VERİLERİN DÜZENLENMESİ VERİLERİN DÜZENLENMESİ

EĞĠTĠMDE ÖLÇME VE DEĞERLENDĠRME BÖLÜM IV Ölçme Sonuçları Üzerinde Ġstatistiksel ĠĢlemler VERİLERİN DÜZENLENMESİ VERİLERİN DÜZENLENMESİ 09.0.0 Temel Kavramlar EĞĠTĠMDE ÖLÇME VE DEĞERLENDĠRME BÖLÜM IV Ölçme Sonuçları Üzerinde Ġstatistiksel ĠĢlemler Dr. Aylin ALBAYRAK SARI Hacettepe Üniversitesi Eğitim Fakültesi Evren: Üzerinde çalışılacak

Detaylı

5. Adım: Listeyi hata frekanslarına göre azalan sırada yeniden listele. Kümülatif Yüzde sütununu oluştur.

5. Adım: Listeyi hata frekanslarına göre azalan sırada yeniden listele. Kümülatif Yüzde sütununu oluştur. 1. PARETO DİYAGRAMI Nedir? Azalan bir sırada düzenlenmiş ve frekansları gösteren bir çubuk diyagram olup, problem çözme çalışmasının başlangıç noktasını/noktalarını seçmek amacıyla kullanılmaktadır. Pareto

Detaylı

BĠRĠNCĠ BASAMAK SAĞLIK ÇALIġANLARINDA YAġAM DOYUMU, Ġġ DOYUMU VE TÜKENMĠġLĠK DURUMU

BĠRĠNCĠ BASAMAK SAĞLIK ÇALIġANLARINDA YAġAM DOYUMU, Ġġ DOYUMU VE TÜKENMĠġLĠK DURUMU GOÜ Tıp Fakültesi Halk Sağlığı Anabilim Dalı Tokat Halk Sağlığı Müdürlüğü BĠRĠNCĠ BASAMAK SAĞLIK ÇALIġANLARINDA YAġAM DOYUMU, Ġġ DOYUMU VE TÜKENMĠġLĠK DURUMU Yalçın Önder¹, Rıza Çıtıl¹, Mücahit Eğri¹,

Detaylı

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.

YANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,

Detaylı

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ

ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki

Detaylı

Grafik üzerindeki bilgiler özetlenmiştir. Veriler arasındaki ilişkiler görünür haldedir.

Grafik üzerindeki bilgiler özetlenmiştir. Veriler arasındaki ilişkiler görünür haldedir. GRAFİK VE İSTATİSTİK Grafikler,verileri görsel hale getirerek,veriler üzerinde daha kolay işlem yapılmasına ve elde edilen sonuçları değerlendirerek üzerinde tahmin yapılmasına olanak sağlar. Grafik üzerindeki

Detaylı

Altıncı Bölüm Problem Çözme Araçları

Altıncı Bölüm Problem Çözme Araçları Altıncı Bölüm Hedefler Bu üniteyi çalıştıktan sonra; - Kalite çemberi problem çözme yöntemlerini bilecek, - Temel problem çözme yöntemlerini anlayacak, - Temel problem çözme yöntemlerinin nasıl kullanmak

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

PAZARLAMA ARAŞTIRMASINDA VERİLERİN ANALİZİ

PAZARLAMA ARAŞTIRMASINDA VERİLERİN ANALİZİ PAZARLAMA ARAŞTIRMASINDA VERİLERİN ANALİZİ VERİLERİN CETVELLENMESİ Veriler toplandıktan sonra yapılan verilerin cetvellenmesi işleminin amacı, verileri analize hazır duruma getirmektir. Bunun için şu işlemler

Detaylı

İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET

İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET Bu çalışmada, Celal Bayar Üniversitesi İnşaat Mühendisliği Bölümü öğrencilerinin

Detaylı

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK

ÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.

Detaylı

ÖLÇME DEĞERLENDİRME ÜNİTE BAŞLIKLARI

ÖLÇME DEĞERLENDİRME ÜNİTE BAŞLIKLARI ÖLÇME DEĞERLENDİRME ÜNİTE BAŞLIKLARI 1. TEMEL KAVRAMLAR 2. ÖLÇMEDE HATA (GÜVENİRLİK GEÇERLİK) 3. İSTATİSTİK 1. TEMEL KAVRAMLAR Ölçme, Ölçüm, Ölçme Kuralı, Ölçüt, Değerlendirme. Ölçme Türleri: Doğrudan,

Detaylı

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme

İstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle

Detaylı

13. Olasılık Dağılımlar

13. Olasılık Dağılımlar 13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon

Detaylı

Doç.Dr. Özlem İpekgil Doğan Araş Gör. Mert Topoyan

Doç.Dr. Özlem İpekgil Doğan Araş Gör. Mert Topoyan Doç.Dr. Özlem İpekgil Doğan Araş Gör. Mert Topoyan Neden Süreç Yönetimi? Örgütlerin çoğu geleneksel olarak fonksiyonel temelde yapılandırılmıştır. Tüm çalışmalar bağlı olunan fonksiyon içinde başlatılmakta,

Detaylı

Merkezi Yığılma ve Dağılım Ölçüleri

Merkezi Yığılma ve Dağılım Ölçüleri 1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu

Detaylı

BÖLÜM 1 GİRİŞ: İSTATİSTİĞİN MÜHENDİSLİKTEKİ ÖNEMİ

BÖLÜM 1 GİRİŞ: İSTATİSTİĞİN MÜHENDİSLİKTEKİ ÖNEMİ BÖLÜM..AMAÇ GİRİŞ: İSTATİSTİĞİ MÜHEDİSLİKTEKİ ÖEMİ Doğa bilimlerinde karşılaştığımız problemlerin birçoğunda olaydaki değişkenlerin değerleri bilindiğinde probleme kesin ve tek bir çözüm bulunabilir. Örneğin

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 210 SAYISAL ANALİZ MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani

Detaylı

de i im Kaizen Kamil BOLAT

de i im Kaizen Kamil BOLAT Kaizen Kamil BOLAT Kaizen İyiye doğru değişiklikleri Her gün daha iyi için yapılan küçük değişiklikleri Yavaş, küçük ama sürekli iyileştirmeleri Müşteri memnuniyetini arttırmaya yönelik, herkes tarafından,

Detaylı

GİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir.

GİRİŞ. Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. VERİ ANALİZİ GİRİŞ Bilimsel Araştırma: Bilimsel bilgi elde etme süreci olarak tanımlanabilir. Bilimsel Bilgi: Kaynağı ve elde edilme süreçleri belli olan bilgidir. Sosyal İlişkiler Görgül Bulgular İşlevsel

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

SINIF ÖĞRETMENLĠĞĠ SOSYAL BĠLGĠLER ÖĞRETĠM PROGRAMI ÖMER MURAT PAMUK REHBER ÖĞRETMEN REHBER ÖĞRETMEN

SINIF ÖĞRETMENLĠĞĠ SOSYAL BĠLGĠLER ÖĞRETĠM PROGRAMI ÖMER MURAT PAMUK REHBER ÖĞRETMEN REHBER ÖĞRETMEN SINIF ÖĞRETMENLĠĞĠ SOSYAL BĠLGĠLER ÖĞRETĠM PROGRAMI 1 BECERĠLER 2 Beceri Nedir? ġimdiye kadar bilgi edinme, yaģam ve okulun temel amacı olarak görülmüģtür. Günümüzde ise bilgiye bakıģ değiģmiģtir. Bilgi;

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

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri

Girdi Analizi. 0 Veri toplama 0 Girdi sürecini temsil eden olasılık dağılımı belirleme. 0 Histogram 0 Q-Q grafikleri Girdi Analizi 0 Gerçek hayattaki benzetim modeli uygulamalarında, girdi verisinin hangi dağılımdan geldiğini belirlemek oldukça zor ve zaman harcayıcıdır. 0 Yanlış girdi analizi, elde edilen sonuçların

Detaylı

T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü

T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü 1970 T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN Endüstri Mühendisliği Bölümü 1 Kontrol Grafiği UygulamaAdımları Kontrol edilecek uygun

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

ÖĞRENME FAALĠYETĠ 3 ÖĞRENME FAALĠYETĠ 3

ÖĞRENME FAALĠYETĠ 3 ÖĞRENME FAALĠYETĠ 3 ÖĞRENME FAALĠYETĠ 3 AMAÇ ÖĞRENME FAALĠYETĠ 3 Bu öğrenme faaliyetiyle elektronik posta hesabınızı, e-posta yönetim yazılımlarını kullanarak yönetmeyi öğrenebileceksiniz. ARAġTIRMA Ġnternet ortamında e-posta

Detaylı

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI

LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI Tarih/Saat/Yer: 24.06.16/11:00-12:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz

Detaylı

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

BİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Güven Aralıkları 2 Güven Aralıkları

Detaylı

0502309-0506309 ÖLÇME YÖNTEMLERİ. Ders Öğretim Üyeleri Prof. Dr. Hüsamettin BULUT Yrd. Doç. Dr. M. Azmi AKTACĠR

0502309-0506309 ÖLÇME YÖNTEMLERİ. Ders Öğretim Üyeleri Prof. Dr. Hüsamettin BULUT Yrd. Doç. Dr. M. Azmi AKTACĠR 0502309-0506309 ÖLÇME YÖNTEMLERİ Ders Öğretim Üyeleri Prof. Dr. Hüsamettin BULUT Yrd. Doç. Dr. M. Azmi AKTACĠR Kaynak Ders Kitabı: ÖLÇME TEKNĠĞĠ (Boyut, Basınç, AkıĢ ve Sıcaklık Ölçmeleri), Prof. Dr. Osman

Detaylı

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş

Mühendislik Mekaniği Statik. Yrd.Doç.Dr. Akın Ataş Mühendislik Mekaniği Statik Yrd.Doç.Dr. Akın Ataş Bölüm 7 İç Kuvvetler Kaynak: Mühendislik Mekaniği: Statik, R. C. Hibbeler, S. C. Fan, Çevirenler: A. Soyuçok, Ö. Soyuçok. 7. İç Kuvvetler Bu bölümde, bir

Detaylı

DERS BİLGİ FORMU. Okul Eğitimi Süresi

DERS BİLGİ FORMU. Okul Eğitimi Süresi DERS BİLGİ FORMU DERSİN ADI BÖLÜM PROGRAM DÖNEMİ DERSİN DİLİ DERS KATEGORİSİ ÖN ŞARTLAR SÜRE VE DAĞILIMI KREDİ DERSİN AMACI ÖĞRENME ÇIKTILARI VE YETERLİKLER DERSİN İÇERİĞİ VE DAĞILIMI (MODÜLLER VE HAFTALARA

Detaylı

İSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI

İSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI İSTATİSTİK STATISTICS (+) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI KONU BAŞLIKLARI :. İSTATİSTİĞE GİRİŞ. VERİLERİN DÜZENLENMESİ. MERKEZİ EĞİLİM ÖLÇÜLERİ.

Detaylı

BÖLÜM 10 PUAN DÖNÜŞÜMLERİ

BÖLÜM 10 PUAN DÖNÜŞÜMLERİ 1 BÖLÜM 10 PUAN DÖNÜŞÜMLERİ Bir gözlem sonucunda elde edilen ve üzerinde herhangi bir düzenleme yapılmamış ölçme sonuçları 'ham veri' ya da 'ham puan' olarak isimlendirilir. Genellikle ham verilerin anlaşılması

Detaylı

Yrd. Doç. Dr. Sedat Şen 9/27/2018 2

Yrd. Doç. Dr. Sedat Şen 9/27/2018 2 2.SUNUM Belirli bir amaç için toplanmış verileri anlamlı haline getirmenin farklı yolları vardır. Verileri sözel ifadelerle açıklama Verileri tablolar halinde düzenleme Verileri grafiklerle gösterme Veriler

Detaylı

İÇTÜZÜK TADİL METNİ DOW JONES İSTANBUL 20 A TİPİ BORSA YATIRIM FONU İÇTÜZÜK DEĞİŞİKLİĞİ

İÇTÜZÜK TADİL METNİ DOW JONES İSTANBUL 20 A TİPİ BORSA YATIRIM FONU İÇTÜZÜK DEĞİŞİKLİĞİ İÇTÜZÜK TADİL METNİ DOW JONES İSTANBUL 20 A TİPİ BORSA YATIRIM FONU İÇTÜZÜK DEĞİŞİKLİĞİ Finansbank A.ġ. Dow Jones Istanbul 20 A Tipi Borsa Yatirim Fonu içtüzüğünün 1.2, 5.3, 5.4, 10.2, 10.3, 10.4, 14.1,

Detaylı