Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
|
|
- Yeter Kimyacıoğlu
- 5 yıl önce
- İzleme sayısı:
Transkript
1 Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 2303 İstatistik-I Bölüm 1: İstatistiğe Giriş: Temel kavramlar ve Olasılık Teorisi Dr. Öğr. Üyesi Kemal SUBULAN
2 İstatistik, geçmişi anlamanın, bugünü yönetmenin ve geleceği planlamanın anahtarıdır. Türkiye İstatistik Kurumu Endüstri Mühendisi, etkin ve efektif kararlar verebilmek için bilgiye; bilgi üretmek için ise bir veri bilimi olan İstatistiğe ihtiyaç duyar. Dr. Kemal SUBULAN
3 Değerlendirme 1. Ara sınav %35 Proje %15 Final %50 Derse devam zorunludur (%70 Devam Zorunluluğu; En Fazla 4 Hafta)
4 Ana Kaynaklar, Ders Kitapları
5 Ders Notları ve Proje Hazırlama Kılavuzu Dönem Projesi, adresinden seçilecek TÜİK istatistikleri ile tanımlayıcı istatistik çalışmasını kapsamaktadır. Bu proje, bireysel olarak yapılacak ve veri analizleri için MINITAB yazılımı kullanılacaktır.
6 Türkiye İstatistik Kurumu (TÜİK) Farklı alanlarda sunulan istatistiksel veriler
7 İstatistik (Statistics) Nedir? İstatistik; belirsizlik altında (Rassallık türünden) bir konuda karar verebilmek amacıyla, ilgilenilen konuya ilişkin verilerin toplanması, işlenmesi, düzenlenmesi, sınıflandırılması, özetlenmesi, çözümlenmesi (Verilerin anlamlı bilgiler haline dönüştürülmesi) ve sonuçlarının yorumlanmasına yönelik olarak kullanılan yöntemler bütünüdür. İstatistik, etkin ve efektif kararlar verebilmek amacıyla, sayıları, karar vericiler için faydalı bilgilere dönüştüren bir matematik dalıdır.
8 İstatistik (Statistics) Nedir? İstatistik, sayısal verileri değerlendiren bir bilim dalıdır (Veri bilimi) veya verilerin dilidir. Veri hamdır, işlenmemiştir ve analiz edilmemiştir; veriler işlenip analiz edilince bilgiye dönüşür. Bilgisayarların ve istatistik biliminin veriye ihtiyacı vardır; İnsanların ise karar verebilmek için bilgiye ihtiyacı vardır.
9 İstatistiksel Yöntemler Tanımlayıcı (Descriptive) istatistik: Verilerin özetlenmesi, sınıflandırılması, tablo ve grafikler ile sunulmasını sağlar. Veri setinin merkezi eğilimi (Ortalama, tepe değer, ortanca değer), yayılımı (Değişkenlik ölçütleri: Varyans, standart sapma, değişim aralığı ve değişkenlik katsayısı) ve dağılımının şekli (Simetrik, çarpıklık ve basıklık) hakkında bilgiler sunar. Çıkarsamalı (Inferential) istatistik: Popülasyon (Ana kitle, yığın) adı verilen büyük gruplardan alınan örneklere dayanarak, örnekleme sonucunda popülasyonun tümü hakkında yorumlar ve kabuller yapılmasını sağlar (Hipotezler test edilir ve karara varılır).
10 İstatistiksel Yöntemler Model kurma (Model Building): Deney sonuçlarından elde edilen verilerden yola çıkarak, tahmin edici denklemlerin geliştirilmesidir. Bu denklemler, istatistiksel modeller olarak adlandırılır ve bir sistemin davranışının önceden tahmin edilmesini ve hata olasılığının belirlenmesini sağlar.
11 Olasılık (Probability) Nedir? Populasyon (Örneklem) hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bir başka deyişle, alınan örnekler, popülasyon hakkında kesin bir bilgi sağlamayabilir. Bu hata payının ortaya çıkmasının sebebi seçilen örneklerin şansa bağlı olarak farklılıklar göstermesi ve bunun sonucunda her deneyde farklı sonuçlarla karşılaşılmasıdır. Olasılık, herhangi bir deneyin sonucunda gözlenebilecek farklı durumlar ile hangi sıklıkta karşılaşılacağı bir başka ifadeyle ortaya çıkan olayların belirsizliğinin incelenmesi anlamına gelir.
12 Olasılık (Probability) Nedir? Olasılık, bir olayın meydana gelme (ortaya çıkma) şansının sayısal ifadesidir. Olasılık, uygulamalı matematiğin önemli bir dalıdır ve istatistiksel yorumlamada önemli bir uygulama alanı bulmuştur. Örnekler: Madeni paranın atılması sonucu tura gelme olasılığı, Bir deste iskambil kağıdından çekilen 2 kağıdın, en az birinin papaz olma olasılığı, Nişanlı olan bir çiftin evlenme olasılığı gibi.
13 Temel Olasılık Kuralları Tüm olayların ortaya çıkma olasılıkları, 0 ile 1 arasında sayılardır. Hiçbir olayın olasılığı 1 den büyük olamaz. 0 P(A) 1 1 e yakın olasılıklar olayın ortaya çıkma şansının yüksek olduğunu gösterir ancak mutlaka gerçekleşeceğini göstermez. Olayın her zaman rastlanan bir olay olduğu anlaşılmalıdır. 0 a yakın olasılıklar, olayın ortaya çıkmasının pek muhtemel olmadığını gösterir ancak gerçekleşmeyeceği anlamına da gelmez. Olayın nadir görüldüğü anlaşılmalıdır. ½ ye yakın olasılıklar, olayın ortaya çıkma şansının çıkmama şansı kadar olduğunu gösterir.
14 Temel Kavramlar & Tanımlar Tekrarlanabilir Deney: Sonucu kesin olarak kestirilemeyen bir tek çıktı (şans değişkeni) oluşturan eylem, gözlem ya da süreçtir. Örnek: Madeni para atılması, İçinde 5 sarı 7 lacivert bilye bulunan torbadan bir top çekilmesi. Basit Olay: Tek bir deneyde tek bir sonuç olarak gerçekleşen olaylardır. Bir başka deyişle, Bir deneyin çıktısı daha basit bir çıktı olarak ayrıştırılamıyorsa basit olaydır. Örnek: Hilesiz bir zarın atılması sonucu 2 gelmesi, Bir deste iskambil kağıdından çekilen kağıdın maça ası olması. Olay (Event): Birden fazla basit olayın bir araya gelmesi sonucu oluşur. Örnek: Hilesiz bir zarın atılması sonucu asal sayı gelmesi, İçinde 5 sarı 7 lacivert bilye bulunan torbadan, 2 top birinin sarı birinin lacivert olması. çekildiğinde
15 Temel Kavramlar & Tanımlar Bir A olayın ortaya çıkma olasılığı, P(A) şeklinde gösterilir. P A = n N n, A olayının ortaya çıkma sayısı (Frekans), N, gerçekleştirilen deneme sayısıdır. Olasılık için Notasyon P olasılığa karşılık gelir. A, B, ve C spesifik olayları tanımlar. P (A) - A olayının meydana gelmesi olasılığını ifade eder.
16 Temel Kavramlar & Tanımlar Bileşik Olay: İki veya daha çok olayın birlikte veya birbiri ardına meydana gelmesine denir. P(A 1 ve A 2 ) Örnek: İki zar atıldığında, ikisinin de 4 gelmesi, Bir zar arka arkaya iki defa atılır. Her iki atışta da 4 gelmesi. 52 lik desteden as ve aynı zamanda karo çekilmesi. Ayrık (bağdaşmaz) Olay: Eğer A ve B gibi iki olay aynı anda gerçekleşemiyor ise bu olaylara ayrık (birbirini engelleyen) olaylar denir. Örnek: Madeni para atılması sonucunda yazı veya tura gelmesi ayrık olaylardır. Bir dersten ya geçilir veya kalınır.
17 Temel Kavramlar & Tanımlar Birbirini Bütünleyen (Tümleyen) Olaylar: A ve olaylarıdır. Tüm basit olaylar, A veya A içerisinde yer alırlar. Tümleyen olaylar ile ilgili kurallar: A ayrık P A + P A = 1 P A = 1 P A P A = 1 P A
18 Örnek Uzayı (Sample Space) Bir deneyin sonucunda elde edilen tüm mümkün basit olaylarının oluşturduğu kümedir. Genellikle S ile tanımlanır. Bu kümede, denemenin her bir muhtemel sonucu, örnek uzayında tam olarak bir elamana karşılık gelir. Örnek uzayın her bir elamanı, örnek nokta olarak adlandırılır. Örnek: Hilesiz bir zarın atılması sonucu elde edilen örnek uzayı; x: zarın üst yüzünde gelen sayı S = { x; x = 1, 2, 3, 4, 5, 6} Örnek uzayının herhangi bir alt kümesi, E ile gösterilir ve olay olarak adlandırılır. E = {3}, zarın 3 gelmesi. Önemli Olasılık Kuralı: Bir örnek uzayındaki tüm basit olayların ortaya çıkma olasılıklarının toplamı 1 e eşittir.
19 Farklı Örnek Uzayı Türleri 1. Sonlu elemanlı kesikli örnek uzayı (sayılabilir sonlu): x: herhangi bir gün içinde yağmur yağması x = 0 (yağmur yağmaz) x = 1 (yağmur yağar) Örnek Uzayı; S = { x / 0, 1 } veya S = { x / Yağmursuz, Yağmurlu } 2. Genel kesikli örnek uzayı (sayılabilir sonsuz): x: bir zar için 6 gelinceye kadar yapılan atış sayısı Örnek Uzayı; S = { x / 1,2,3,.. } olarak belirlenir ve sayılabilir sonsuz bir örnek uzayıdır. (Kesikli şans/rastgele değişkeni)
20 Farklı Örnek Uzayı Türleri 3. Sürekli örnek uzayı (sayılamaz sonsuz): x : öğrencilerin boyları (cm cinsinden) Örnek Uzayı; S = { x / 150 < x < 200 } olarak belirlenir ve sayılamaz sonsuz bir örnek uzayıdır. (sürekli şans değişkeni)
21 Temel Kavramlar & Tanımlar Bağdaşır Olay: Bir olayın ortaya çıkması başka bir olayın ortaya çıkmasını engellemiyorsa; bir başka deyişle, iki veya daha çok olay birlikte meydana gelebiliyorsa bağdaşır olaydır. Örnek: Zarın atılması sonucu 1 ve tek sayı gelmesi. Çünkü aynı anda gerçekleşebilirler. 52 lik desteden çekilen kartın maça olması kız olmasını engellemez. Eşit Olasılıklı Olaylar: Bir örnek uzayındaki tüm basit olayların ortaya çıkma olasılığı eşit ise bu olaylara eşit olasılıklı olaylar denir. Örnek: Bir deste iskambil kağıdından bir adet kağıt çekilmesi. Bir zarın atılması sonucu elde edilen sayılara ait olasılıklar eşittir.
22 Temel Kavramlar & Tanımlar Bağımsız Olay: Bir olayın ortaya çıkması başka bir olayın ortaya çıkmasından ilişkisiz ise, bağımsız olaylardır. Ele alınan olaylardan birinin gözlenip gözlenmemesinin olasılığı, diğer bir olayın ortaya çıkıp çıkmama olasılığını etkilemiyorsa bu olaylara, bağımsız olaylar denir. P (A B) = P (A / B). P (B) = P (B / A). P (A) A ve B olayları bağımsız ise bir başka ifadeyle B olayının meydana gelme olasılığı A olayının meydana gelme olasılığına bağlı değil ise ve iki olay aynı anda meydana gelebiliyor ise; P (A / B) = P (A) ve P (B / A) = P (B) olur.
23 Temel Kavramlar & Tanımlar Sonuç olarak A ve B olayları bağımsız iseler; P ( A B ) = P ( A ). P ( B ) eşitliği elde edilir. Aynı şekilde P (A B) = P (A). P (B) ise A ve B olayları bağımsızdır denir. Bağımsız olaylara örnek olarak; bir ailede birinci çocuğun erkek olması ikincisinin de erkek olacağı anlamına gelmez. Bağımlı Olay: Bir olayın ortaya çıkması başka bir olayın ortaya çıkmasını etkiliyorsa bu olaylar bağımlı olaylardır. Örnek: 52 lik bir desteden iadesiz arka arkaya iki kart çekiliyor. Kart sayısı önce 52 sonra beyaz, 8 kırmızı top var. 3 top çekiliyor iade edilirse bağımsız, iade edilmezse bağımlı olaydır.
24 Özet: Bağımlı & Bağımsız Olaylar A ve B olayları, eğer birisinin meydana gelmiş olması diğerinin meydana gelmesi olasılığını etkilemiyorsa bağımsızdırlar. A ve B olayları bağımsızdır. P(B \ A) = P(B) veya P(A ve B) = P(A). P(B) A ve B olayları bağımlıdır. P(B \ A) P(B) veya P(A ve B) P(A). P(B)
25 Örnek 1 Ali ve Can isimli iki avcının bir hedefi vurma olasılıkları sırasıyla 0.65 ve 0.40 olarak verilmiştir. İki avcı hedefe birlikte ateş ettiğinde hedefin vurulma olasılığını hesaplayınız? Örnek 2 Bir elektrik kontrol panelinde 3 anahtar bulunmaktadır. Bu anahtarlar herhangi bir anda on veya off durumunda olabilmektedir. a) örnek uzayın elemanlarını listeleyiniz. b) Aşağıdaki olayları oluşturan örnek noktalarını yazınız. 1. En az bir anahtar on, 2. 1 no lu anahtar on, 3. on durumunda anahtar yok, 4. 4 anahtar on durumunda.
26 c) Bir önceki soruda tanımlanan 1-2; 1-3 ve 1-4 olayları karşılıklı dış olaylar mıdır? d) 4 gibi bir olaya verilen isim nedir? e) Eğer herhangi bir anda bir anahtarın on durumunda olma olasılığı ile off durumunda olma olasılığı eşitse, 3. olayın ( on durumunda anahtar olmaması) olasılığı nedir? Karşılıklı Dış Olaylar (Mutually Exclusive Events): Eğer bir A olayının ortaya çıkması, başka bir B olayının ortaya çıkmasını engelliyorsa, böyle olaylara karşılıklı dış olay denir. Böyle iki olayın hiçbir ortak noktası yoktur. Bir başka deyişle, aynı anda ikisi beraber gerçekleşememektedir. A B =
27 Örnek 3 Bir zar ile bir madeni para arka arkaya atılıyor. a) Örnek uzayın elemanlarını listeleyiniz. b) A olayı: Zarın 1 veya 2 gelmesi B olayı: Paranın tura gelmesi A ve B olayları birbirinden bağımsız olaylar mıdır? Zarın 1 veya 2 gelmesi ve paranın da tura gelmesi olasılığını bulunuz.
28 Olasılığın Gelişim Aşamaları (Olaylara Belirli Olasılıklar Atamak için Kullanılan Yaklaşımlar) A. Klasik (A Priori) Olasılık B. Frekans (A Posteriori) Olasılığı C. Aksiyom Olasılığı Bu sıralama, olasılık teorisinin tarihsel gelişimini tanımlamaktadır. Tüm bunlara ek olarak, olaylara olasılık atarken kişisel (subjektif) yaklaşımdan da faydalanılabilir.
29 1. Klasik Olasılık (Classical Approach) Eğer bir örnek uzayı n(s) adet ayrık ve eşit olasılıkla ortaya çıkan basit olaylardan oluşuyor ve örnek uzayındaki basit olaylardan n(a) adedi A olayının özelliğine sahip ise A nın olasılığı: P(A) = n(a) / n(s) n(s): Örnek uzayı eleman sayısı n(a): Örnek uzayındaki A elemanı sayısı Klasik olasılık TÜMDENGELİME dayanan çıkarımlar yaparak olasılığı hesaplamaktadır. Bir denemenin muhtemel tüm sonuçları eşit olasılığa sahipse kullanılabilir. Örnek 4 Bir kapta 5 sarı, 5 lacivert ve 5 adet yeşil n( A) 5 1 bilye bulunmaktadır. Çekilen bir bilyenin P( A) sarı olma olasılığı nedir? n( S) 15 3
30 Klasik Olasılığın Yetersiz Kaldığı Durumlar 1. Örnek uzayının eleman sayısı sonsuz olduğu durumlarda, 2. Eşit olasılıklı olay varsayımı yapılamadığı durumlarda, klasik olasılık ile hesaplama yapılamayacağından dolayı yetersizdir. 2. Frekans Olasılığı (Relative Frequency) Araştırılan anakütle (yığın veya popülasyon) üzerinde n adet deney uygulanır. Yapılan bu deneylerde ilgilenilen A olayı n(a) defa gözlenmiş ise A olayının göreli frekansı (yaklaşık olasılığı): P(A) = n(a) / n olarak bulunur. A olayının görülme sayısı (Sıklığı/frekansı), deneme sayısına bölünerek elde edilir. Frekans olasılığı, deneme birçok kez tekrarlanabildiğinde ve sonuçlar gözlenebildiğinde kullanılır (Gözlemlere dayanarak).
31 Frekans Olasılığı Örnek Bir fabrikanın üretmiş olduğu televizyonların kusurlu/hatalı olma olasılığı p nedir? Öncelikle örnek uzayı oluşturulur: S={sağlam, hatalı} Klasik olasılığa göre (eşit olasılıklı olaylar) p = 0.5 olup gerçeği yansıttığı şüphelidir. Yapılması gereken örneklem alarak P(H) = n(h) / n olasılığını hesaplamaktır.
32 Frekans Olasılığı ve Büyük Sayılar Kanunu (Law of Large Numbers) Bu kanuna göre; bir prosedür (deney) tekrarlandıkça, frekans olasılığı gerçek olasılığa yaklaşma eğilimi gösterir. Bir başka deyişle, deneme sayısı arttıkça, yaklaşık olasılıklardaki değişkenlik azalacak ve giderek bir sabit değere yaklaşacaktır. Bu duruma, frekans olasılığının kararlılık özelliği adı verilir. Böylece, çok sayıda deneme için, göreli frekans kullanılarak elde edilen yaklaşık olasılık, genellikle tam doğruya yakındır. Örneklem hacmi arttıkça, kusurlu televizyon üretme olasılığı daha doğru tahmin edilebilmektedir.
33 Frekans Olasılığının Yetersiz Kaldığı Durumlar Olasılığın kararlılık değerine ulaştığı deneme sayısı kaçtır? Sonsuz adet deneme yapmak mümkün değildir. Aynı deney, iki defa aynı tekrar sayısı ile gerçekleştirildiğinde, elde edilen olasılıklardan hangisi olayın olasılığı olarak kabul görecektir? 3. Aksiyom Olasılığı Olasılığın matematiksel teorisini tanımlar. Bu teorinin oluşturduğu ideal modeller yaşadığımız dünyanın problemlerini çözmede kullanılır. Olasılığın iki genel tipinin (Klasik ve Frekans) sahip olduğu önemli ortak nokta: Her ikisinin de, benzer koşullarda (teorik olarak aynı koşullarda) uygulanan deneylere gereksinim duymasıdır.
34 3. Aksiyom Olasılığı Benzer koşullarda tekrarlı olarak uygulanamayan durumlarda, olasılıkların hesaplanmasında AKSİYOM OLASILIĞI kullanılır. Benzer koşullarda tekrarlı olarak uygulanamayan durumlara örnek olarak: Türkiye nin bir hafta içerisinde Kuzey Irak a sınır ötesi operasyon düzenleme olasılığı nedir? Bir sonraki Fenerbahçe Galatasaray maçının 6 0 bitmesi olasılığı nedir?
35 4. Kişisel (Subjektif) Olasılık (Personal Approach) A olayının meydana gelme olasılığı P(A), konu ile ilgili kişilerin kişisel bilgileri (tecrübeleri) ve inanışlarına bağlı olarak belirlenir. Bu yaklaşım ile belirlenen olasılığın doğruluğu, mevcut bilginin doğruluğuna ve mevcut bilgiye sahip kişilerin yeteneklerine bağlıdır. Örneğin; kişisel yatırımcıların hiçbiri borsanın gelecekteki davranışı konusunda aynı görüşü paylaşmaz. Bu kişilerin subjektif olasılıkları, ulaşabildikleri bilgiye ve onu yorumlama biçimlerine bağlıdır.
36 Bazı Temel Olasılık Aksiyomları Aksiyomlar, doğru olduğu varsayılan ve ispatlanmasına gerek duyulmayan ifadelerdir. Aksiyom 1: P(A) örnek uzayı S deki her A olayı için P(A) 0 olan bir gerçel sayıdır (Olasılıklar negatif olamaz). Aksiyom 2: P(S) = 1 örnek uzayın olasılığı 1 dir. Aksiyom 3: P( )=0 boş kümenin olasılığı sıfırdır. Aksiyom 4: A ve B herhangi iki olay olmak üzere; Toplama Kuralı, P(A U B) = P (A)+ P (B) P (A B)
37 Bazı Temel Olasılık Aksiyomları Aksiyom 5: A ve B ayrık iki olay ise (Karşılıklı dış olay); P(A U B) = P (A) + P (B) Örnek uzayındaki örnek noktaları eşit şansa sahip olmadığında, bir olayın olasılığını hesaplamaya yarar. Aksiyom 6: Bir örnek uzayındaki tüm sonuçların olasılıklarının toplamı 1 e eşittir. Örneğin, İki para atılma olayında örnek uzayı: s ( YY ),( TT),( TY),( YT ) Her sonucun gelme olasılığı ¼ dür. 4 sonuç olduğuna göre, 1/4+1/4+1/4+1/4=1
38 Kaynakça D. C. Montgomery and G.C. Runger, (1999). Applied Statistics and Probability for Engineers, 2nd Edition. John Wiley and Sons, USA. R. E. Walpole, R. H. Myers, S. L. Myers, (1998). Probability and Statistics for Engineers and Scientists, 6th Edition. Prentice Hall, USA. F. Akdeniz. (2010). Olasılık ve İstatistik, 15.Baskı. Nobel Yayın Dağıtım, Adana. Prof. Dr. G. Miraç Bayhan, ders notları. Dr. Öğr. Üyesi Seren Özmehmet Taşan, ders notları. Prof. Dr. Ali Kemal Şehirlioğlu ders notları,
Olasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıOlasılık bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLSILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler, bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir.
OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
ölüm 4 Olasılık 1 OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya
DetaylıBİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya çıkmasının sebebi
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
ölüm 4 Olasılık 1 OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir.
OLSILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
DetaylıOLASILIK. Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru
OLSILIK opulasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. u hata payının ortaya çıkmasının sebebi
DetaylıOlasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir.
5.SUNUM Olasılık, bir deneme sonrasında ilgilenilen olayın tüm olaylar içinde ortaya çıkma ya da gözlenme oranı olarak tanımlanabilir. Günlük hayatta sıklıkla kullanılmakta olan olasılık bir olayın ortaya
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2303
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK I Dersin Orjinal Adı: İSTATİSTİK I Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 0 Dersin Öğretim
DetaylıDOKUZ EYLÜL ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ DEKANLIĞI DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: END 2404
Dersi Veren Birim: Endüstri Mühendisliği Dersin Türkçe Adı: İSTATİSTİK II Dersin Orjinal Adı: İSTATİSTİK II Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora) Lisans Dersin Kodu: END 404 Dersin
DetaylıKesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin
DetaylıÖrnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2
Bir Olayın Olasılığı P(A) = n(a) n(s) = A nın eleman sayısı S nin eleman sayısı Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? Çözüm: S
Detaylıİstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY
İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel
DetaylıTesadüfi Değişken. w ( )
1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere
DetaylıOlasılık Kuramı ve İstatistik. Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları
Olasılık Kuramı ve İstatistik Konular Olasılık teorisi ile ilgili temel kavramlar Küme işlemleri Olasılık Aksiyomları OLASILIK Olasılık teorisi, raslantı ya da kesin olmayan olaylarla ilgilenir. Raslantı
DetaylıÖĞRENCİNİN ADI SOYADI: NUMARASI: SINIFI: KONU: Olasılık
ÖĞRENCİNİN ADI SOYADI: NUMARASI: Dersin Adı SINIFI: KONU: Olasılık Dersin Konusu. Bir kutudaki 7 farklı boncuğun içinden iki tanesi seçiliyor. Buna göre, örneklem uzayının eleman sayısı A) 7 B)! 7. madeni
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 4: OLASILIK TEORİSİ Giriş Bu bölüm sonunda öğreneceğiniz konular: Rastgele Olay Örnek Uzayı Olasılık Aksiyomları Bağımsız ve Ayrık Olaylar Olasılık Kuralları Koşullu Olasılık
DetaylıOLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar
OLASILIK OLASILIK İstatistiğin temel araçlarından biri olasılıktır 17. yy daşans oyunları ile başlamıştır Her bir denemenin çıktısı belirsizdir Fakat uzun dönemde çıktı kestirimlenebilir Bireysel belirsizlik
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 GİRİŞ Olasılık Teorisi: Matematiğin belirsizlik taşıyan
DetaylıOLASILIK (Probability)
OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P
DetaylıOLASILIK. P(A) = şeklinde ifade edilir.
OLASILIK Olasılık belirli bir olayın olabilirliğinin sayısal ölçüsüdür. Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya
DetaylıDr. Mehmet AKSARAYLI OLASILIK. Ders 3 / 1
Dr. Mehmet AKSARAYLI OLASILIK Ders 3 / 1 1 0 Kesin İmkansız OLASILIK; Bir olayın gerçekleşme şansının sayısal değeridir. N adet denemede s adet başarı söz konusu ise, da başarının nisbi frekansı lim (s/n)
DetaylıKesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste
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
DetaylıMAT223 AYRIK MATEMATİK
MAT223 AYRIK MATEMATİK Kombinatoryal Olasılık 5. Bölüm Emrah Akyar Anadolu Üniversitesi Fen Fakültesi Matematik Bölümü, ESKİŞEHİR 2014 2015 Öğretim Yılı Olaylar ve Olasılıklar Kombinatoryal Olasılık Olaylar
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
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
DetaylıKüme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur
Kümeler Kümeler ve küme işlemleri olasılığın temellerini oluşturmak için çok önemlidir Küme temel olarak belli nesnelerin ya da elamanların bir araya gelmesi ile oluşur Sonlu sayıda, sonsuz sayıda, kesikli
DetaylıBÖLÜM 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
Detaylı8. SINIF MATEMATiK OLASILIK. Murat ÇAVDAR OLASILIK. Olasılık: Sonucu önceden kesin olarak bilinmeyen rastlantıya bağlı olaylara olasılık denir.
04 8. SINIF MATEMATiK OLASILIK OLASILIK Olasılık: Sonucu önceden kesin olarak bilinmeyen rastlantıya bağlı olaylara olasılık denir. Bir zarın atılması, bir torbadan top çekilmesi, bir paranın yazı veya
DetaylıKESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli
DetaylıOlasılık Föyü KAZANIMLAR
Olasılık Föyü KAZANIMLAR Bir olaya ait olası durumları belirler. Daha fazla, eşit, daha az olasılıklı olayları ayırt eder, örnek verir. Eşit şansa sahip olan olaylarda her bir çıktının olasılık değerinin
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
DetaylıOlasılık ve İstatistik (IE 220) Ders Detayları
Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
Detaylıkişi biri 4 kişilik, üçü ikişer kişilik 4 takıma kaç farklı şekilde ayrılabilir? (3150)
PERMÜTASYON KOMBİNASYON. A = {,,,,5} kümesinin alt kümelerinin kaç tanesinde 5 elemanı bulunur? (). 7 elemanlı bir kümenin en az 5 elemanlı kaç tane alt kümesi vardır? (9). A { a, b, c, d, e, f, g, h}
DetaylıOlasılık ve İstatistik (IE 220) Ders Detayları
Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin
DetaylıÖrnek...2 : Hilesiz iki zar atma deneyinin bütün çıktılarını aşağıdaki tabloya yazınız.
OLASILIK (İHTİMALLER HESABI) Olasılık kavram ı ilk önceleri şans oyunları ile başlamıştır. Örneğin bir oyunda kazanıp kazanmama, bir paranın atılmasıyla tura gelip gelmemesi gibi. Bu gün bu kavramın birçok
DetaylıTanımlayıcı 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,
DetaylıBİNOM AÇILIMI. Binom Açılımı. çözüm. kavrama sorusu. çözüm. kavrama sorusu. ö æ ö æ ö,,
BİNOM AÇILIMI Binom Açılımı n doğal sayı olmak üzere, (x+y) n ifadesinin açılımını pascal üçgeni yardımıyla öğrenmiştik. Pascal üçgenindeki katsayılar; (x+y) n ifadesi 1. Sütun: (x+y) n açılımındaki katsayılar
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
DetaylıOlasılık ve İstatistik II (IE 202) Ders Detayları
Olasılık ve İstatistik II (IE 202) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik II IE 202 Bahar 3 0 0 3 5 Ön Koşul Ders(ler)i Olasılık
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
Detaylı3)Aşağıdaki tabloda gruplandırılmış bir veri kümesi bulunmaktadır. Bu veri kümesinin mutlak ortalamadan sapması aşağıdakilerden hangisidir?
İSTATİSTİK SORU VE CEVAPLARI 1)Tabloda 500 kişinin sahip oldukları akıllı telefon markalarını gösteren bilgiler verilmiştir.bu tabloda ki bilgileri yansıtan daire grafiği aşağıdakilerden hangisidir? TELEFON
DetaylıBAYES KURAMI. Dr. Cahit Karakuş
BAYES KURAMI Dr. Cahit Karakuş Deney, Olay, Sonuç Küme Klasik olasılık Bayes teoremi Permütasyon, Kombinasyon Rasgele Değişken; Sürekli olasılık dağılımı Kesikli - Süreksiz olasılık dağılımı Stokastik
DetaylıOlasılık: Klasik Yaklaşım
Olasılık Teorisi Olasılık: Klasik Yaklaşım Olasılık Bir olayın meydana gelme şansına olasılık denir. Örnek Türkiye nin kazanma olasılığı Hava durumu Loto Olayların Olasılığını Belirleme Rastsal (gelişigüzel)
DetaylıDers 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar
Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar Küme Kavramı Küme İşlemleri Deney, Örnek Uzay, Örnek Nokta ve Olay Kavramları Örnek Noktaları Sayma Permütasyonlar Kombinasyonlar Parçalanmalar
DetaylıBİYOİSTATİSTİK OLASILIK
BİYOİSTATİSTİK OLASILIK B Doç. Dr. Mahmut AKBOLAT *Küme Kavramı: Küme, tek bir isim altında toplanabilen ve benzer özellik gösteren birimlerin meydana getirdiği topluluk olarak tanımlanabilir. Küme içinde
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıDr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli
DetaylıOlasılık Kavramı. Recep YURTAL. Mühendislikte İstatistik Metotlar. Çukurova Üniversitesi İnşaat Mühendisliği Bölümü
Olasılık Kavramı Mühendislikte İstatistik Metotlar Çukurova Üniversitesi İnşaat Mühendisliği ölümü OLSILIK KVRMI KÜME KVRMI irlikte ele alınan belirli nesneler topluluğuna küme, Kümede içerilen nesnelere
DetaylıOLASILIK LASILIK ve İSTATİSTİK Olasılık
1-1 Click To Edit Master Title Style OLASILIK ve İSTATİSTİK Olasılık Yrd.Doç.Dr Doç.Dr.. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü 1-2 GİRİŞ Olasılık,
DetaylıANADOLU ÜNİVERSİTESİ OLASILIĞA GİRİŞ
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ OLASILIĞA GİRİŞ DOÇ. DR. NİHAL ERGİNEL OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması
DetaylıOLASILIĞA GİRİŞ P( )= =
OLASILIĞA GİRİŞ - Bugün yağmur yağma olasılığı % 75 dir. - X marka bilgisayarın hiç servis gerektirmeden 100000 saat çalışması olasılığı %85 dir. Olasılık modelleri; Sıvı içindeki moleküllerin davranışlarını
DetaylıMOMENTLER, ÇARPIKLIK VE BASIKLIK. Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti:
MOMENTLER, ÇARPIKLIK VE BASIKLIK Moment: Bir değişkenin gözlemleri X 1, X 2, X 3, X 4.X n olsun. Bu serinin r inci momenti: İşletme no 1 2 3 4 5 Arazi genişliği (da) 5 10 4 3 8 Aritmetik ortalamaya göre
Detaylı( B) ( ) PERMÜTASYON KOMBİNASYON BİNOM OLASILIK
PERMÜTASYON KOMBİNASYON BİNOM OLASILIK.... n = n! olmak üzere, ( n + )! = 0 n! + n! ise, n kaçtır? (A) ( ) A)0 B) C) D) E). ( n +,) = 6 C olduğuna göre, n kaçtır? (B) A) B)6 C) D)8 E)9. ( n, ). C( n,)
DetaylıOLASILIK. ihtimali Seçeneği durumu. Bir zar atma olayı. Basit kesirdir. Tüm durum. Sonuçlardan biri Çıktılardan biri. Diğer sayfaya geçiniz
OLASILIK ihtimali Seçeneği durumu Bir zar atma olayı Basit kesirdir. Tüm durum Sonuçlardan biri Çıktılardan biri 1 Soruyu DİKKATLİ OKU, soruyu ANLA, basit örnek kur. Cevabı işaretlemeden öce tekrar soruyu
DetaylıMerkezi 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
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
DetaylıĐSTATĐSTĐK. Okan ERYĐĞĐT
ĐSTATĐSTĐK Okan ERYĐĞĐT Araştırmacı, istatistik yöntemlere daha işin başında başvurmalıdır, sonunda değil..! A. Bradford Hill, 1930 ĐSTATĐSTĐĞĐN AMAÇLARI Bilimsel araştırmalarda, araştırmacıya kullanılabilir
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını
DetaylıTemel Olasılık {\} /\ Suhap SAHIN
Temel Olasılık 0 {\} /\ Suhap SAHIN Olasılık P(E) : E nin olma olasılıgı n: Deneme sayısı n(e): Denemelerden kaçı E ile sonuçlandı Deneme sayısı sonsuza( ) yaklasırsa P(E) = limn n(e) n Örnek Uzay S: Bir
DetaylıNot: n tane madeni paranın atılması deneyinde örnek uzayın eleman sayısı
LYS Matematik Olasılık Tanım: Bir deneyde çıkabilecek tüm sonuçların kümesine örnek uzay denir ve E ile gösterilir. Örnek uzayın herhangi bir elemanına da örnek nokta denir. Örnek: Bir zarın atılması deneyinde
DetaylıOLASILIK PROBLEMLERİ I (BAĞIMSIZ OLAYLAR, KOLMOGOROV BELİTLERİ VE KOŞULLU OLASILIK)
İST65-0-02-OLASILIK I (BAĞIMSIZ OLAYLAR, KOLMOGOROV BELİTLERİ VE KOŞULLU OLASILIK). A ve B olayları ayrık olaylar ve olasılıkları sıfırdan farklı ise, bu olayların bağımlı olduklarını tanıtlayınız. A ve
DetaylıMatematik Ders Notları. Doç. Dr. Murat Donduran
Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları
DetaylıOlasılık Kuramı ve Bazı Olasılık Dağılımları
KAVRAMLAR Olasılık Kuramı ve Bazı Olasılık Dağılımları Deney: belirli koşullar altında tekrarlanabilen ve her tekrarda farklı sonuçlar elde edilebilen işlemdir. Örneklem uzayı: bir denemenin tüm olası
DetaylıUygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Olasılık Hatırlatma Olasılık teorisi,
DetaylıZMY501 Mühendislikte İstatistik Yöntemler
ZMY501 Mühendislikte İstatistik Yöntemler Bölüm 4 Olasılık http://www1.gantep.edu.tr/~bingul/stat Gaziantep Üniversitesi Mühendislik Yönetimi Tezsiz Yüksek Lisans Programı Aralık 016 Sayfa 1 İçerik Küme
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
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
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
DetaylıALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR
ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıBÖLÜM 13 HİPOTEZ TESTİ
1 BÖLÜM 13 HİPOTEZ TESTİ Bilimsel yöntem aşamalarıyla tanımlanmış sistematik bir bilgi üretme biçimidir. Bilimsel yöntemin aşamaları aşağıdaki gibi sıralanabilmektedir (Karasar, 2012): 1. Bir problemin
DetaylıTEK BOYUTLU RASSAL DEĞİŞKENLER
TEK BOYUTLU RASSAL DEĞİŞKENLER Rassal değişken: S örnek uzayının her bir basit olayını yalnız bir gerçel değere dönüştüren fonksiyonuna rassal (tesadüfi) değişken denir. İki para birlikte atıldığında üste
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıÖRNEKLEME 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
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
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
DetaylıTanım Bir A kümesinin her elemanı, bir B kümesinin de elamanı ise, A kümesine B kümesinin alt kümesi denir.
BÖLÜM 1 KÜMELER CEBİRİ Küme, iyi tanımlanmış ve farklı olan nesneler topluluğudur. Yani küme, belli bir kurala göre verilmiş nesnelerin listesidir. Nesneler reel veya kavramsal olabilir. Kümede bulunan
Detaylı8.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
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi
DetaylıİSTATİSTİK 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
DetaylıOlasılık Teorisi ve İstatistik (MATH392) Ders Detayları
Olasılık Teorisi ve İstatistik (MATH392) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Olasılık Teorisi ve İstatistik MATH392 Güz 4 0 0 4 7 Ön Koşul Ders(ler)i
DetaylıTEMEL 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
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
Detaylı2. Klasik Kümeler-Bulanık Kümeler
2. Klasik Kümeler-Bulanık Kümeler Klasik Küme Teorisi Klasik kümelerde bir nesnenin bir kümeye üye olması ve üye olmaması söz konusudur. Bu yaklaşıma göre istediğimiz özelliğe sahip olan bir birey, eleman
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
DetaylıOLASILIK. (Bu belgenin güncellenmiş halini bu adresten indirebilirsiniz)
OLASILIK 46 0 86 48 destek@sinavdestek.com www.sinavdestek.com (Bu belgenin güncellenmiş halini bu adresten indirebilirsiniz) JET Yayınları Ocak 20 0. Teorik Olasılık 0.. Deney ve Çıktı 4. Bir zar ile
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
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
DetaylıRassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Rassal Değişken Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. O halde
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,
DetaylıKESİKLİ DÜZGÜN DAĞILIM
KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda
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
DetaylıTemel ve Uygulamalı Araştırmalar için Araştırma Süreci
BÖLÜM 8 ÖRNEKLEME Temel ve Uygulamalı Araştırmalar için Araştırma Süreci 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
Detaylı