5-3 x ve s için kontrol Şemaları
|
|
- Temel Bilgi
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Resim şu anda görüntülenemiyor x s için kontrol Şemaları x R kontrol şemalarının yaygın bir şekilde kullanılmasına rağmen, bazen R aralığının dolaylı şekilde kullanımı yerine doğrudan sürecin standart sapmasının kestiriminin kullanılması istenir. Bu x s kontrol şemalarına rehberlik eder, burada s örneğin standart sapmasıdır. Aşağıdakilerden birinin geçerli olması durumunda, genellikle x s şemaları benzerleri olan x R şemalarına tercih edilir. 1. n örnek büyüklüğü orta derecede büyük ise n>10 ya 12 (Orta büyüklükten daha büyük örnekler için aralık metodu için kestirilen σ istatistiki etkinliğini yitirir) 2. Örnek büyüklüğü n değişken olduğunda x s şemalarının Yapılandırılması Çalışma Şekli İlk olarak, S 2 σ 2 nin yansız kestiricisidir. İkinci olarak, S σ nın yansız bir kestiricisi değildir; σ nın yansız kestiricisidir. S, c 4 σ nın yansız kestiricisidir; burada c 4 bir sabit olup, dür. S in standart sapması dir. 5-3 x s için kontrol Şemaları devam Bu bölümde x s kontrol şemalarının yapılandırılması çalışma şekilleri üzerinde durulacaktır. Aynı zamanda değişken örnek büyüklüğü ile nasıl başa çıkılacağı s şemasına seçenek tartışılacaktır. Eğer σ için herhangi bir standart rilmemişse, geçmiş rilerin analizi ile tahmin edilmek zorundadır. Her n örnek büyüklüğü için m adet ilk örnek mevcut olsun s i de i. Örneğin standart sapması olsun. m standart sapmalarının ortalaması: olur. istatistiği σ nın yansız kestiricisidir. Ayrıca s in standart sapması dir. Dolayısıyla, s şeması parametreleri s in standart sapması = B 6 σ Eğer σ = c 4 σ rilmişse = B 5 σ Bazı yazarlar s şemalarını σ şeması olarak rmektedirler! olmalıdır x s şemalarının Yapılandırılması Çalışma Şekli R aralığının dolaylı şekilde kullanımı yerine doğrudan sürecin standart sapmasının kestiriminin kullanılması istenildiğinde; n örnek büyüklüğü orta derecede büyük ise n>10 ya 12 Örnek büyüklüğü n değişken olduğunda Sabitleri genellikle şöyle ifade ediyoruz Sırasıyla, s şeması parametrelerini şöyle yazabiliyoruz 1
2 σ nın yansız kestiricisi σ nın kestirimi için kullanıldığı zaman, x şemasına ilişkin Kontrol sınırlarını şöyle tanımlıyoruz: A 3 sabiti olsun, x şeması parametreleri aşağıdaki gibi olur Örnek sayısı (a) Örnek sayısı (b) Şekil 5-17 Örnek 5-3 için x s kontrol şemaları (a) s temel alınarak oluşturulan x şeması (b) s kontrol şeması Örnek 5-3 Tablo 5-3 Otomobil Motoru Piston Yüzüğü için İç Çap Ölçüleri (mm) Örnek No Gözlemler σ nın tahmini Sürecin standart sapması σ nın yansız kestiriminin s/c 4 olduğu gerçeğinden hareketle kestrilebilir. Dolayısıyla, (Bu tahmin aralık metodu ile saptanan σ ya çok benzerdir). Tablo 5-3 te rilen piston yüzüğü iç çapı ölçülerini kullanarak x s şemalarının nasıl yapılandırıldığını inceleyeceğiz. Ortalamaların ortalaması ortalamanın standart sapmaları sırasıyla; x s Kontrol Şemaları Değişken Örnek Büyüklüğü şeması için parametreler: = MÇ = = s şeması için parametreler: Unutulmamalıdır ki burada örnek standart sapması şöyle tanımlanmaktadır: = MÇ = = 2
3 Örnek 5-4 Tablo 5-3 Otomobil Motoru Piston Yüzüğü için İç Çap Ölçüleri (mm) Örnek No Gözlemler s şeması için kontrol sınırları MÇ= Burada n 1 =5 için A 3, B 3 B 4 ün değerlerini kullandık. İkinci örnek İçin n 2 =3 ün sabit değerleri kullanılmalıdır. Tüm bu 25 örnek için Kontrol sınırı hesaplamaları Tablo5-5 de özetlenmiştir. Kontrol şemaları Şekil 5-18 de görülmektedir. Örnek 5-3 piston yüzüğü iç çapı ölçülerini kullanarak modifiye edilmiş, Tablo 5-4 te rilen rileri göz önüne alınız. Örnek büyüklüğü n=3 den n=5 e değişiklik göstermektedir. x s şemalarının nasıl yapılandırıldığını yukarıda rilmiş olup, bu prosedür kullanılabilir. Ağırlıklı ortalamaların ortalaması ağırlıklı ortalamanın standart sapmaları eşitlik ile aşağıdaki gibi hesaplanır: Örnek Sayısı Örnek Sayısı Şekil 5-18 değişken örnek büyüklüğünde piston yüzüğü risi için x s kontrol şemaları. Örnek 5-4 σ nın kestirimi: burada Dolayısıyla, x şemasının merkez çizgisi x= s şemasının merkez çizgisi de s= dür. Kontrol sınırları artık kolaylıkla hesaplanabiliyor. Bu durumu örneklemek için ilk örneği düşünün. x şeması için kontrol sınırları: MÇ= 3
4 5-3.3 s 2 Kontrol Şeması Çoğu kalite mühendisi süreç değişkenliğini izlemek için ya R ya da s şemalarını kullanırlar. Orta boyuttaki örnek büyüklükleri için R yerine s şemaları tercih edilir. Bazı uygulamacılar s 2 örnek varyansını doğrudan kontrol şemaları üzerinde kullanmaktadırlar. s 2 kontrol şeması parametreleri: Örnek 5-5 Tablo 5-6 İlk Uçak Boyasının Viskozitesi Viskozite Kayan Aralık Parti No Merkez Çizgisi= 5-4. BİREYSEL ÖLÇÜMLER İÇİN SHEWHART KONTROL ŞEMASI Birçok durumda süreç takibi için örnek büyüklüğü n=1 olarak seçilir; bu durumda örnek bir bireysel birim içerir. Bu durumlara bazı örnekler şöyledir: 1. Otomasyon muayene ölçüm teknolojisi kullanılır imal edilen her birim analiz edilir, dolayısıyla burada rasyonel alt gruplar yoktur. 2. Üretim hızı çok yavaştır analizden önce (n>1 olmuyorsa) toplanacak kadar örnek büyüklüğüne sistem izin rmiyorsa uygun değildir. Gözlemler arasında çok uzun aralıklar varsa rasyonel alt gruplar için probleme neden olur. 3. Birçok kimyasal süreçte olduğu gibi; analiz ya lab. hataları yüzünden süreç üzerinde tekrarlanan ölçümler farklılık gösterir. 4. Çoklu ölçümler aynı ürün üzerinden alınır, yarı iletken levha üretiminde birkaç farklı noktadan oksit kalınlığı ölçümü alınması gibi. 5. Süreç tesislerinde, örneğin kağıt yapımında, eğer amaç rulo boyunca kaplama kalınlığının kontrolü ise, rulo üzerindeki kaplama kalınlığı gibi bazı parametrelerin ölçümünde çok küçük farklılıklar oldukça küçük bir standart sapma oluşur. X MR şemalar örnek büyüklüğü (n=1) için kullanışlıdır. Uçak ilk boyasının viskozitesi önemli bir kalite karakteristiğidir. Ürün partiler halinde üretilmektedir, her partinin üretilmesi birkaç saati almaktadır. Üretim hızı birden fazla büyüklükte rasyonel alt gruba izin rmek için çok yavaştır. Bireysel gözlemler için kontrol şemasının oluşturulmasında örnek ortalaması x= olan 20 viskozite değeri iki gözlem için kayan aralık ortalaması MR=0.573 olarak kullanılır. Kayan aralık şemasının oluşturulmasında n=2 için D 3 =0 D 4 =3.267 olarak kullanılır. Dolayısıyla; kayan aralık şemasının merkez çizgisi MR=0.5726, 0 D 4 MR= (3.267)0.5726=1.871 olur. Şekil 5-19(b) deki kontrol şeması (Minitab) görülmektedir. 4 örnek kontrol dışındadır. MR Şeması Örnek: eğer m=25, n=3, ise m-n+1=23 Bireysel kontrol şemaları için birçok uygulamada süreç değişkenliğinin kestirimi için iki başarılı gözlemin kayan aralığını kullanırız. Kayan aralık (MR) şöyle tanımlanır: Bireysel ölçümlerinin kontrol şemaları için parametreler: Merkez Çizgisi= Gözlemler MR Eğer kayan aralık olarak n=2 gözlem kullanılırsa, d 2 =1.128 olur. Tablo 5-6 daki riler için: Merkez Çizgisi= 4
5 5-4. Bireysel Ölçümler için Shewhart Kontrol Şeması Tablo 5-7 İlk Uçak Boyasının Viskozitesi, partiler Viskozite Kayan Aralık Parti No Şemaların Yorumlanması X şemaları şemalarına benzer şekilde yorumlanabilir. MR şemaları ya R şemaları gibi yorumlanamayabilir. MR şemaları biri diğeri ile ilişkili rilerden oluştuğu için, şemada yer alan örnekleri incelemek bir anlam ifade etmez. MR şemaları süreç değişkenliği hakkında gerçekten kullanışlı bilgiler sağlamayabilir. X şemalarının yorumlanması daha fazla vurgulanmalıdır. a 21. partinin kayan aralığı 21 ila 20. partiler arasında okunan viskozitedir; şu şekilde hesaplanmıştır, Bireysel kontrol şemalarının yorumlanması basit yorumlanmasına benzer. kontrol şemalarının Bireysel değer Ort.= Alt grup Kayan Aralık R= Şekil 5-19 Viskozite için kontrol şemaları (a) bireysel gözlemler (b) kayan aralık As Şekilden seen in this de figure görüldüğü an upward gibi, shift 28. in mean partide viscosity bireysel has occurred birimleri around takip eden batch kontrol 25, since dışı there sinyal s an için obvious şemada shift süreç in process düzey lel örüntüsündeki pattern on the chart aşikar for yer individuals değiştirmeden followed dolayı, by an out 25. of parti control civarında signal at batch ortalama number viskositede 28. yukarı doğru bir yer değişikliği oluşmuştur. Faz II Şemaların Operasyonu Yorumlanması Ortalama Koşum Uzunluğu (ARL) Bireysel değer Alt grup Ort.= Crowder (1987), showed 3-sigma that sınırlı ARL 0 of birleşik combined bireyseller individuals kayan and moving-range aralık şemasının chart ARL with 0 ı, conntional genellikle standart 3-sigma Shewhart limits is generally kontrol şemasının much less ARL than 0 dan ARL 0 (= (=370) of standard den çok Shewhart küçük olduğunu control chart göstermiştir. Aralığın Boyutu Kayan Aralık R= Şekil 5-20 Viskozite için gözden geçirilmiş kayan aralık bireysel gözlemler kontrol şemaları Bireysel şemaların yeteneği küçük aralıklarda çok zayıftır Rather 3-sigma than limitlerini narrowing daraltmak the 3-sigma limits, yerine, correct küçük approach yer to detecting small değiştirmeleri, shifts is a cumulati-sum yakalamak için, or exponentially doğru yaklaşım weighted olarak, movingarage control chart (Bölüm 8) birikimli-toplam ya üssel ağırlıklı kayan ortalamalar kontrol şeması kullanılmalıdır (Bölüm 8) 5
6 Ortalama Çalışma Uzunluğu (ARL) Eğer bireyseller için şemalarda 3σ sınırları kullanılıyor kayan aralık üst kontrol sınırı aşağıdaki gibi hesaplanıyorsa, genelde sonuçlar ARL de kontrol altında Shewhart a yakın saptanır. ÖRNEK 5-6 Tablo5-8 Örnek 5-6 için Direnç Verileri Örnek, i Direnç Şekil 5.13 ya Şekil 5.15 deki OC eğrileri inceleyerek bireysel kontrol One can şemalarının get a ry yetkinliği good hakkında idea about çok iyi görüş the ability sahibi of olunabilir. 3-sigma sınırlı bireysel kontrol şeması için aşağıdakiler individuals hesaplanabilir: control Yer değiş.büyüklüğü chart to detect βprocess ARL1 shifts by looking at OC curs 1σ in Fig or the ARL curs in 2 σ Fig For an individuals 3 σ control 0.5 chart with 2.003σ limits, we can compute the following:???? Normalite Borrer, Montgomery, Runger (1999) kontrol altındaki ARL nin normal dışı rilerden çok etkilendiğini bulmuşlardır. Birikimli Yüzde Birikimli Yüzde Yüzde Şekil 5-23 Direnç Direnç için Normal olasılık grafiği Ln İç (direnç) Şekil 5-24 İç Ln(dir (direnç) in için Normal normal enç) olasılık grafiği Viskozite Şekil 5-22 Örnek 5-5, Tablo 5-6 da ki ilk boya viskozite rilerine ait Normal olasılık grafiği Normalite (devam) Normal dışı riler için bir yaklaşım, mevcut dağılımın yüzdelik bölücü değerlerini temel alan bireysel kontrol şemaları için kontrol sınırlarının belirlenmesidir. En az 100, tercihen 200 gözlem gerektirir Eğer büyük bir örneklem söz konusu ise ya rilere bir olasılık dağılımı giydirilmişse, bu yüzdelik bölücü değerler bir histogramdan sağlanabilir. Bir diğer yaklaşım ise orijinal değişkeni yaklaşık olarak normal dağılmış yeni bir değişkene dönüştürerek, yeni değişkene kontrol şemasının uygulanmasıdır. Şekil5-25 İç Ln(direnç) için (Örnek 5-6) kayan aralık bireysel kontrol şemaları 6
7 ÖRNEK 5-11 Rasyonel Alt Grupların Seçiminde Dikkat Edilmesi Gereken Noktalar Şekil 5-26a bir jet uçağı motorunda ki gaz türbininde kullanılan bir döküm parça görülmektedir. Tipik olarak uzay endüstrisinde gaz türbini motorları eksenel güç ünitelerinde bulunan bu parçanın üretiminde hem döküm hem de işleme süreçleri kullanılmaktadır. Bu parça için kanat yüksekliği kritik bir kalite özelliğidir. Şekil 5.28 Minitab tarafından oluşturulan üç kontrol şemasını göstermektedir. Görüldüğü gibi, bireysel şema kontrol durumunu sergilerken, x-bar şeması şekil 5.27 de kontrol dışı durumdadır. Gerçekte ortalama rüzgar kanat yükseklikleri ile ilgili kayan-aralık şeması parçalar arası yükseklikteki değişkenliğin çok makul kestirimini temin eder. S şeması, bir dökümdeki rüzgar kanadı yüksekliğinde oluşacak değişkenliğini ölçmek için düşünülebilir. Arzumuz, bu değişkenliğin olabildiğince küçük olması, böylece aynı döküm üzerindeki bütün rüzgar kanatlarının yüksekliklerinin hemen hemen aynı değerde olmasıdır. Kanat açıklığı Kanat yüksekliği Şekil 5-26 Bir uçak döküm parçası Her döküm parçada rasgele seçilen 5 kanat için kanat yükseklikleri rileri toplanmıştır. İlk olarak, firma süreci iyileştirmek kontrol etmek için bu rilerin x s kontrol şemalarını oluşturmuştur. Bu durumda x şeması için rilerin çoğu s şeması için ise bir kısmı için kontrol dışı durum oluşmuştur. Şekil 5-27 de tipik x s şemaları 20 ri için görülmektedir. A Kontrol more careful şeması analysis ile ilgili daha of the dikkatli control-charting analiz, temel procedure sorunun realed rasyonel that altgrup the chief olarak problem bir parça was the üzerinde use of yapılan the fi beş measurements ölçüm x-bar on a şemasında single part kontrol as a rational dışı koşulların subgroup, and the düzeltme out-of-control eylemi için conditions gerçekçi on bir the temel x chart oluşturmadığını did not provide göstermiştir. a valid basis for correcti action. Örnek Ortalaması Ort = Alt grup Örnek Std. Sapması Şekil 5-27 Şekil 5-26 daki uçak kesitinin kanat yüksekliği için x s kontrol şemaları (Minitab) Bildiğiniz gibi, x-bar şeması örnek arası değişkenliğinin örnek-içi değişkenliğinle tutarlı olup olmadığı konusuyla ilgilidir. Bu örnek olayda tutarlı değildir. Çünkü rüzgar kanatları cila kalıp montajı ile beraber şekil alır: bir spesifik dökümde rüzgar kanatlarının yüksekliklerin çok benzer şekilde oluşmaları muhtemeldir dökümler arasındaki ortalama rüzgar kanadı yüksekliklerinde büyük değişkenlik olacaktır. Bu durum, rüzgar kanadındaki değişkenliği ölçmek için genellikle kullanılan yolda s şeması kullanılarak çözülür. Bununla beraber, standart sapmanın çok küçük olmasından dolayı x-bar ın kontrolü için gerçekçi bir temel temin etmez, kuruluşun kalite mühendisi, her bir dökümdeki ortalama rüzgar yüksekliğini bireysel ölçümler olarak ele almaya ortalama rüzgar kanadı yüksekliğini kontrol etmek içinde bireysel ile kayan-aralık kontrol şemasını kullanmaya karar rdi Öğrenme Amaçları 1. Değişkenler için Shewart kontrol şemalarının istatistiksel temelini anlamak 2. Değişkenler için kontrol şemalarının nasıl tasarlanacağını bilmek 3. x R kontrol şemalarının nasıl kullanıldığı oluşturulduğunu bilmek 4. Kontrol şemalarından elde edilen bilgilerle süreç yeteneğinin nasıl tahmin edileceğini bilmek 5. x R kontrol şemaları üzerindeki örneklerin nasıl yorumlanacağını bilmek 6. x s ya s 2 kontrol şemalarının nasıl kullanıldığı oluşturulduğunu bilmek 7. Bireysel ölçümler için kontrol şemalarının nasıl kullanıldığı oluşturulduğunu bilmek 8. Bireysel kontrol şemalarının normalite varsayımının önemini anlamak bu varsayımın nasıl kontrol edilmesi gerektiğini bilmek 9. Değişken kontrol şemaları için rasyonel alt grup kavramını anlamak 10. Değişken kontrol şemaları için ortalama çalışma uzunluğunu belirlemek 7
NİCELİKSEL KONTROL GRAFİKLERİ
NİCELİKSEL KONTROL GRAFİKLERİ Prof. Dr. Nihal ERGİNEL Anadolu Üniversitesi X BİRİMLER VE HAREKETLİ DEĞİŞİM ARALIĞI KONTROL GRAFİĞİ X- Birimler Kontrol Grafiği n= birimlik örnekler alınır. Üretim hızı oldukça
DetaylıT.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
DetaylıQuality Planning and Control
Quality Planning and Control END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları Kontrol
DetaylıKazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek
T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi
DetaylıİSTATİSTİK 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
DetaylıÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel
DetaylıYANLILIK. 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,
DetaylıBÖLÜM 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
DetaylıBÖLÜM 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
Detaylıİki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle
DetaylıMerkezi Limit Teoremi
Örnekleme Dağılımı Merkezi Limit Teoremi Şimdiye kadar normal dağılıma uygun olan veriler ile ilgili örnekler incelendi. Çarpıklık gösteren veriler söz konusu olduğunda ne yapılması gerekir? Hala normal
DetaylıİSTATİSTİKSEL 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
DetaylıBÖLÜM 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
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
Detaylıİstatistiksel Süreç Kontrolu. Doç.Dr.Nihal ERGİNEL Anadolu Üniversitesi
İstatistiksel Süreç Kontrolu Doç.Dr.Nihal ERGİNEL Anadolu Üniversitesi İstatistiksel Süreç Kontrolü Bir üretim/ hizmet sürecinin kontrol altında olup olmadığına karar vermek için kullanılan teknikler bütünüdür.
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
DetaylıSürekli Rastsal Değişkenler
Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım
Detaylı13. 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
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI Tarih/Saat/Yer: 15.06.16/09:00-10:30/AS115-116-117 Instructor: Prof. Dr. Hüseyin
Detaylı1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi
1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri
Detaylı3 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
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI Tarih/Saat/Yer: 20.06.16/15:00-16:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz Öğrenci
Detaylıİstatistiksel 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
DetaylıGenel 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
Detaylıİstatistik. Temel Kavramlar Dr. Seher Yalçın 1
İstatistik Temel Kavramlar 26.12.2016 Dr. Seher Yalçın 1 Evren (Kitle/Yığın/Popülasyon) Herhangi bir gözlem ya da inceleme kapsamına giren obje ya da bireylerin oluşturduğu bütüne ya da gruba Evren veya
Detaylı1.58 arasındaki her bir değeri alabileceği için sürekli bir
7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin
DetaylıOluşturulan 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
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
DetaylıLAÜ 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
DetaylıIE 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
Detaylıİstatistiksel 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
DetaylıRASSAL 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
DetaylıSÜREKLİ 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
DetaylıKalite 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
DetaylıİÇİNDEKİLER 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
DetaylıTKY nin 7 Basit Aracı. TKY nin 7 Basit Aracı. TKY nin 7 Basit Aracı. TKY nin 7 Basit Aracı. TKY nin 7 Basit Aracı. Saat Hata
Frekans Yüzdelik Üretkenlik Doç. Dr. Kazım Sarı Beykent Üniversitesi 2008 Prentice Hall, Inc. 6 1 Fikir Geliştirme Araçları Kontrol (Çetele) Çizelgesi Yayılım Diyagramı Sebep-Sonuç Sonuç Diyagramı Veri
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
DetaylıÖrneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı
Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıHipotez Testi ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 4 Minitab da İstatiksel Çıkarım-I. Hipotez Testi. Hipotez Testi
ENM 52 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 4 Minitab da İstatiksel Çıkarım-I (Ortalamalar ve Oranlar İçin ) İstatistiksel Hipotezler İstatistiksel hipotez testi ve parametrelerin güven aralığı tahmini,
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
Detaylıİstatistiksel Proses Kontrol
İstatistiksel Proses Kontrol İstatistiksel Proses Kontrol Nedir? ü İstatistiksel proses kontrolü, üretim sürecinde kaliteyi ölçmek ve kontrol etmek için kullanılan endüstri standardı bir metodolojidir.
Detaylıİstatistik 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
DetaylıBİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ
BİYOİSTATİSTİK DERSLERİ AMAÇ VE HEDEFLERİ DÖNEM I-I. DERS KURULU Konu: Bilimsel yöntem ve istatistik Amaç: Biyoistatistiğin tıptaki önemini kavrar ve sonraki dersler için gerekli terminolojiye hakim olur.
DetaylıANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:
DetaylıİÇİNDEKİLER. 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
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END Kalite Planlama ve Kontrol
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 - Kalite Planlama ve Kontrol Uygulama Çalışması-I Dr. Öğr. Üyesi Kemal SUBULAN Tarih: 12.04.2018 A Aşağıda yer alan
DetaylıSPSS UYGULAMALARI-II Dr. Seher Yalçın 1
SPSS UYGULAMALARI-II 27.12.2016 Dr. Seher Yalçın 1 Normal Dağılım Varsayımının İncelenmesi Çarpıklık ve Basıklık Katsayısının İncelenmesi Analyze Descriptive Statistics Descriptives tıklanır. Açılan pencerede,
DetaylıMühendislikte 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.
DetaylıGÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK. Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
GÜVEN ARALIKLARI ve İSTATİSTİKSEL ANLAMLILIK Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Kestirim Pratikte kitle parametrelerinin doğrudan hesaplamak olanaklı değildir. Bunun yerine
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
DetaylıVeriye Dayalı Karar Verme (Bölüm 2) Can Akkan
Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik
DetaylıJEODEZİK 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
DetaylıÜNİTE:1. İstatistiğin Tanımı, Temel Kavramlar ve İstatistik Eğitimi ÜNİTE:2. Veri Derleme, Düzenleme ve Grafiksel Çözümleme ÜNİTE:3
ÜNİTE:1 İstatistiğin Tanımı, Temel Kavramlar ve İstatistik Eğitimi ÜNİTE:2 Veri Derleme, Düzenleme ve Grafiksel Çözümleme ÜNİTE:3 Ortalamalar, Değişkenlik ve Dağılma Ölçüleri ÜNİTE:4 Endeksler ÜNİTE:5
Detaylıİstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği
İSTATİSTİK E GİRİŞ TEMEL KAVRAMLAR İstatistik Nedir? İstatistiğin Önemi Nedir? Tanımlayıcı ve Çıkarımcı İstatistik ttitik Tanımlayıcı İstatistik Türleri Çıkarımcı İstatistiğin i iği Elemanlarıl AMAÇ İstatistiğe
DetaylıORTALAMA 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
DetaylıKonum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan
Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması
DetaylıİSTATİSTİK 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.
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 ANAKÜTLE Anakütle kavramı insan, yer ve şeyler toplulugunu ifade etmek için kullanır. İlgi alanına gore, araştırmacı hangi topluluk üzerinde
Detaylırasgele 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
Detaylı4. HİSTOGRAM. Tolerans Aralığı. Değişim Aralığı HEDEF. Üst Spesifikasyon Limiti. Alt Spesifikasyon Limiti
4. HİSTOGRAM Nedir? Sınıflandırılmış verilerin sütun grafiğidir. Sütunların (sınıfların) genişliği sabit olup, bir veri sınıfını temsil etmektedir. Sütunların yüksekliği ise her bir veri sınıfına düşen
DetaylıNokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş
Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
DetaylıÖlçüm Sisteminin Analizi
Ölçüm Sisteminin Analizi (Measurement System Analysis) Prof. Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK SÜREÇTEN KAYNAKLANAN DEĞİŞKENLİK ÖLÇÜM SİSTEMİNDEN KAYNAKLANAN DEĞİŞKENLİK Süreç Değişkenlik Kaynakları
DetaylıÖrnek 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
DetaylıÖlçüm Sisteminin Analizi Measurement System Analysis. Dr. Nihal Erginel
Ölçüm Sisteminin Analizi Measurement System Analysis Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK Süreçten kaynaklanan değişkenlik Ölçüm sisteminden kaynaklanan değişkenlik Süreç Değişkenlik Kaynakları Hammadde
DetaylıVerilerin 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
DetaylıProf.Dr.Nihal ERGİNEL Anadolu Üniversitesi
İSTATİSTİKSEL SÜREÇ KONTROLÜNE GİRİŞ Prof.Dr.Nihal ERGİNEL Anadolu Üniversitesi İstatistiksel Süreç Kontrolü Bir üretim/ hizmet sürecinin kontrol altında olup olmadığına karar vermek için kullanılan teknikler
DetaylıEME 3117 SİSTEM SİMULASYONU
EME 3117 SİSTEM SİMULASYONU Sonsuz Ufuk Simulasyon (Kararlı Hal Simulasyonu) Ders 14 Hatırlatma Gözleme ve Zamana Dayalı Performans Ölçümleri Gözleme Dayalı Ortalama sistem süresi Ortalama kuyruk süresi
DetaylıENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI. Ders 2 Merkezi Eğilim Ölçüleri
ENM 5210 İSTATİSTİK VE YAZILIMLA UYGULAMALARI Ders 2 Merkezi Eğilim Ölçüleri Basit Seriler Elde edilecek ham verilerin küçükten büyüğe doğru sıralanması ile elde edilen serilere basit seri denir ÖRNEK:
DetaylıYrd. 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
DetaylıHipotez Testlerine Giriş. Hipotez Testlerine Giriş
Hipotez Testlerine Giriş Hipotez Testlerine Giriş Hipotez Testlerine Giriş Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel
DetaylıEğitimcilerin Eğitimi Bölüm 6: Veri Boşlukları, Veri Akış Faaliyetleri ve Prosedürler. Esra KOÇ , ANTALYA
Eğitimcilerin Eğitimi Bölüm 6: Veri Boşlukları, Veri Akış Faaliyetleri ve Prosedürler Esra KOÇ 23.02.2017, ANTALYA Sunum İçeriği Veri Akış Faaliyetleri, prosedürler ve kontrol sistemleri Veri Boşlukları
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
DetaylıMühendislikte 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
DetaylıSürelerine Göre Tahmin Tipleri
Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak
DetaylıNicel / 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?
DetaylıMEYVE SUYU ÜRETİMİNDE SÜREÇ KARARLILIĞI VE YETERLİLİK ANALİZİ
MEYVE SUYU ÜRETİMİNDE SÜREÇ KARARLILIĞI VE YETERLİLİK ANALİZİ Evren DİREN Serkan ATAK Çiğdem CİHANGİR Murat Caner TESTİK ÖZET Kusurları ve israfı önleyerek müşteri memnuniyetini ve karlılığı arttırmayı
DetaylıBİYOİSTATİSTİK. 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
DetaylıHİDROLİK MAKİNALAR YENİLENEBİLİR ENERJİ KAYNAKLARI
HİDROLİK MAKİNALAR YENİLENEBİLİR ENERJİ KAYNAKLARI HİDROLİK TÜRBİN ANALİZ VE DİZAYN ESASLARI Hidrolik türbinler, su kaynaklarının yerçekimi potansiyelinden, akan suyun kinetik enerjisinden ya da her ikisinin
DetaylıNedensel Modeller Y X X X
Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
DetaylıRASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk
DetaylıPopülasyon Ortalamasının Tahmin Edilmesi
Güven Aralıkları Popülasyon Ortalamasının Tahmin Edilmesi Tanımlar: Nokta Tahmini Popülasyon parametresi hakkında tek bir rakamdan oluşan tahmindir. Popülasyon ortalaması ile ilgili en iyi nokta tahmini
Detaylıİstatistik 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
DetaylıProf.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
DetaylıÇan eğrisi biçimindeki simetrik dağılımdır.
Normal Dağılım Çan eğrisi biçimindeki simetrik dağılımdır. Ortalama ve varyans (standart sapma) dağılımın şeklini belirler Ortalama ve varyans normal dağılımın parametreleridir. Ezberlemenize gerek olmayan
Detaylıobjektif değerlendirilmesini sağlayan bilim - veri arasındaki farkın olup olmadığını tespit
İSTATİST STİK A. G E N E L B İ L G İ A. G E N E L B İ L G İ İstatistik, belli amacla tespit edilen verilerin objektif değerlendirilmesini sağlayan bilim dalıdır. Hedef - verilere anlam kazandırmak - veri
DetaylıEME 3105 SİSTEM SİMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
EME 3105 1 Girdi Analizi Prosedürü SİSTEM SİMÜLASYONU Modellenecek sistemi (prosesi) dokümante et Veri toplamak için bir plan geliştir Veri topla Verilerin grafiksel ve istatistiksel analizini yap Girdi
DetaylıİSTATİSTİK 2. Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Hipotez Testi 21/03/2012 AYŞE S. ÇAĞLI aysecagli@beykent.edu.tr 1 Güven aralığı ve Hipotez testi Güven aralığı µ? µ? Veriler, bir değer aralığında hangi değeri gösteriyor? (Parametrenin gerçek
DetaylıĐŞLE 544 ĐSTATĐSTĐK ARA SINAV 11 Mayıs 2006
ĐŞLE 5 ĐSTATĐSTĐK ARA SINAV Mayıs 00 Adı Soyadı: No: [0 puan] -Bir Üniversitede okutulan derslerin öğrenciler tarafından değerlendirilmesi amacı ile hazırlanan bir anket formundaki sorulardan biri: Aldığınız
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıSÜREKLĠ 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
DetaylıİŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ
V. Ulusal Üretim Araştırmaları Sempozyumu, İstanbul Ticaret Üniversitesi, 25-27 Kasım 2005 İŞARETLİ SIRA İSTATİSTİĞİNİ KULLANAN PARAMETRİK OLMAYAN KONTROL DİYAGRAMIYLA SÜRECİN İZLENMESİ Metin ÖNER Celal
DetaylıBİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Örnekleme ve Örnekleme Yöntemleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Araştırmalarda
DetaylıMIT 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.
DetaylıKitle: 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