OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon
|
|
- Zeki Kent
- 5 yıl önce
- İzleme sayısı:
Transkript
1 6 OLASILIK DAĞILIŞLARI 6.. Kesikli Olasılık Dağılışları 6.. Kesikli Uıform Dağılışı 6... Beroulli Dağılışı Biom Dağılışı Hyer-Geometrik Olasılık Dağılışı ( İadesiz Örekleme ) Geometrik Dağılış Negatif Biom (Pascal) Dağılımı Poısso Dağılımı 6.. Sürekli Olasılık Dağılışları 6... Sürekli Uıform(Tekdüze) Dağılış 6... Üslü( Üstel/Negatif Üstel) Dağılış 6..3.Gamma Dağılışı Normal Dağılış 6..5.Stadart Normal Dağılış Ek. Momet Türete Foksiyo
2 6.. Kesikli Olasılık Dağılışları Bir şas değişkei belli bir taım aralığı içeriside kesikli değerler alıyorsa, kesikli şas değişkei adıı alır. Bir şas değişkei içi değişim aralığı ve hagi oktalarda asıl yoğulaştığı kousu dağılış kavramıı verir, hagi yoğulukla yerleştiği ise olasılık ile ifade edilir. Eğer, dağılışı belirleye olasılık foksiyou, kesikli bir şas değişkei içeriyor ve değişim bua bağlı ise, bu foksiyo kesikli dağılışlar arasıda yer alır. Olasılık foksiyoları geel olarak ile arasıda değerler alır. da küçük ve de büyük değerler içi olasılık foksiyou taımsızdır. ) Kesikli Uiform Dağılışı ) Beroulli Dağılışı 3) Biom Dağılışı 4) Hyer-Geometrik Dağılış 5) Geometrik Dağılış 6) Negatif Biom (Pascal) Dağılışı 7) Poisso Dağılışı 6... Kesikli Uıform Dağılışı şas değişkei,,3..., taım aralığıda kesikli değerlerii her birii sabit olasılıkla alıyorsa ( tüm olasılıkları eşit ise ), bu durumda olasılık yoğuluğu tüm oktalarda ayı olacaktır. Böyle bir şas değişkeii yoğuluk foksiyou f () /,,... dd.. şeklide ifade edilir. Bu foksiyou şekli ye bağımlı olarak aşağıdaki gibidir.
3 3 Bu foksiyo tamsayı değişkeler içi taımlıdır. foksiyoudur. f ( ) olduğu içi f () olasılık yoğuluk Dağılışı beklee değeri, E ( ). ( ) ( + ) + E ( ) i i i i Dağılışı varyası, Var ( ) [ ] E( ) E( ) + ( + )( + ) ( + ) 6 4 ( + )( ) Örek: Herhagi bir zar atılışı.(tüm yüzler eşit olasılıklıdır.) / 6,,...,6 f( ) dh.
4 4...8 F() E f f ( ) ( ) ( ). 6. Beklee değer, E ( ) + 3, 5 Var ( ) ( + )( ) 7.(5) 35.9 Beroulli Ve Biom Dağılışları Geel olarak tae bağımsız deemede, başarı sağlama olayı ile ilgili dağılışlardır. Şas değişkeii bu dağılışa uyum sağlayabilmesi içi aşağıdaki özelliklere sahi olması gerekir. i) Şas değişkei sadece ayrı özelliğe sahitir. ( başarı ve başarısızlık ) ii) Her bir deemede başarı ( yada başarısızlık) olasılıkları daima sabittir. ( : başarı olasılığı, q başarısızlık olasılığı)
5 5 iii) ve q olasılıkları oulasyoa ait özelliklerdir yai arametredir. iv) Her bir deeme diğeride bağımsız gerçekleşir. ( birbirii egellemeye olaylar) +q olması edei ile q- dir Beroulli Dağılışı Deeme sayısı içi özel olarak bu deemelere beroulli deemeleri deilmektedir. Eğer ise Beroulli Dağılışı söz kousudur. başarı sayısıı gösterdiğie göre; P() ve P()q dur. Bu durumda beroulli yoğuluk foksiyou; f (, ) f ( ) q, d. d ( i yoğuluk foksiyou ye bağlı alamıda) Bu foksiyou şekli ye bağımlı olarak aşağıdaki gibidir. f() / ise q * *
6 6 f().6 q.4.6 *.4 * E( ) f ( ) q q + ( ) + olduğu içi f() olasılık yoğuluk foksiyoudur. Beklee Değer E ( ) f ( ) q + Varyas [ E( ] Var( ) E( ) ) ( ) [ ] f q + ( ). q Biom Dağılışı > deeme söz kousu ise yai birde fazla birbiride bağımsız Beroulli deemeleri tolamı biom dağılışı gösterir., başarı sayısı ve başarısızlık sayısıı gösterdiğide egelleye olay vardır. Biom dağılışıı yoğuluk foksiyou, sayısı kadar başarı ve başarısızlık seriside birbirii
7 7 f (),,,..., q d. d Biom dağılışıda ise dağılış simetriktir. E ( ) f ( ) q ( + q) dir. Dağılışı beklee değeri,,, 3..., tae birbiride bağımsız değişke olduğuda, E ) E( ) + E( ) E( ) dir. ( Her biri beroulli beklee değeri olduğu içi, dir. dağılışı varyası Var( ) V( ) + V( ) V( ) q + q q q Biom olasılık dağılışı varsayımları: Biom deemeleri yaılırke, iadeli örekleme sistemie göre deemeler tekrarlaır. Sebebi ise, başarı ya da başarısızlık olasılıkları her deemede sabit kalmak zorudadır. Yai deemeler biribirii egellememelidir. Latice de bi:iki, om:terim kelimeleride gelmesi edei ile iki terimli alamıda kullaılır. Biom deemeleride olayları iki mümkü soucu vardır. Bular; başarı, başarısız, sağlam, bozuk v.b. şeklidedir.
8 8 i) Biom deemeleride başarı olasılığı, başarısızlık olasılığı -q dur ve olaylar iki kategoriye ayrılır. ii) Deemeler birbiride bağımsız meydaa gelir yai, deemeleri souçları birbirleride etkilemez. iii) Deemeler daima iadeli örekleme sistemie uygu şekilde tekrarlaır. Biom olasılığı belirli deeme sayısı içeriside başarı yada başarısızlıkla souçlaa deeme sayıları ile ilgileir. Biom olayıı olasılığı dir ve deeme kez tekrarladığı varsayımı altıda tam kez başarı meydaa gelme olasılığı; ( ) m q..,,,..., + q de dolayı q başarısızlık olasılığıdır. Biom açılımı; ( ) + i i i i q C q.. i,,..., ( ) ( ) ( ) ( ) q q q q o Çok sayıda biom deemeleri yaıldığıda beklee frekaslar, ( ) q N + ile belirleir. N: deeme sayısı : her deemedeki madde sayısı
9 9 Örek: Bir metal ara iki kez atılıyor ve tuğra sayısı başarı olarak varsayılırsa; N ( q + ) N > ( + ) Tuğra sayısı beklee frekas Olasılık,5,5, Beklee frekas olasılık - -,5 ı ı tuğra sayısı Örek: İki metal ara 4 kez atılıyor ve tuğra sayısı başarı olarak varsayılırsa; ( ) ( ) 4. ( + + ) N q Beklee frekas Olasılık Tuğra sayısı,5,5,5 4, beklee frekas olasılık - * -,5 - * * -,5 I I I tuğra sayısı Örek: metal ara 4 kez atılıyor. Her atılıştaki tuğra sayısı başarı varsayılırsa ( deeme sayısı büyütüldü )
10 N q Beklee frekaslar: ( ) ( ) ( ) Beklee teorik frekas ve olasılıkları Beklee frekas Olasılık Tuğra sayısı,, 45,44 3,7 4,5 5 5,46 6,5 7,7 8 45,44 9,, Tolam: 4, beklee frekas olasılık 3,3,, tugra sayısı görüldüğü gibi deeme sayısı arttıkça dağılış ormale yakılaşır.
11 Örek: Bir çift zar 5 kez atılıyor ve tam 3 kez 7 gelme olasılığı edir? ( 7gelmesi) q deeme sayısı 3 başarı sayısı Deemelerde 3 başarıı meydaa geldiği yerler( koumlar ) 5 5! 3 3!.! farklı biçimde olur farklı biçim ( ) ( 3 ) ( ), Örek: Üretimi yaıla bir maddei % u kusurlu olmaktadır. Alıa 5 maddelik bir örekte; (. q.9 5) a. hiç kusurlu olmaması olasılığı () 5 5 ( ). (,).(,9), 5949 b. 5 ii de kusurlu olması olasılığı (5) ( 5). (,).(,9), c. e az 3 üü kusurlu olması olasılığı ( 3) ( 3 ) ( 3) + ( 4) + ( 5) veya - [ ( ) + ( ) + ( ) ]
12 ( 3). (,) 3.(,9) +. (,) 4.(,9) +. (,) 5.(, 9 ),856 şeklide elde edilir. Örek: Metal hilesiz bir ara kez fırlatılıyor a. bir kez yazı gelmesi olasılığı ( q/.5)!.9! ( ). (,5 ).(,5 ) (.5) (.5)!9! 9! 9 b. hiç yazı gelmemesi olasılığı ( ).(,5 ).(,5) (,5) c. e az kez yazı gelmesi olasılığı ( ) ( ) ( ) ( ) ( ) ( ) ( ) +.,5.,5 +.,5.,5 ( ) ( ) ( ) ( ) 9.(.5) (.5) (.5) ( + ) (.5) 6..4.Hyer-Geometrik Olasılık Dağılışı( İadesiz Örekleme ) hacimli bir oulasyoda r sayıda özel elema varsa ve oulasyoda rasgele alımış s hacimli örek içide bulua özel elemaları d sayısıa hier geometrik şas değişkei deir ve aşağıdaki olasılık dağılışı ile ifade edilir. ( d ) r r. d s d s d,,...,s f i Aslıda bu taım klasik olasılık taımı ola f i taımıa da uymaktadır.
13 3 d hier geometrik şas değişkeii beklee değeri; ( d ) d ( d ) + d. ( d ) +... d ( ) E.. + i ( ) d. dir. i d i d Her bir çekilişte ayrı ayrı ele alıırsa özel yada özel olmaya elema çıkması( d ) veya dır. Her bir deeme içi durum ayıdır. elema içide her bir bireyi çekilme şası / dir ve hacimli oulasyoda r sayıda özel elema buluduğua göre her çekilişte özel elema çıkma olasılığı; i r ( d ) E( d ) dir. ve s hacimli çekilişte ise; r r r E ( d ) s. dir. Biomu varyası..q idi, burada s. elde edilir. Acak burada deemeler yerie koularak yaıldığı içi hier geometrik şas değişkei s içi düzeltme terimi kullaılarak d değişkeii varyası; s r Var r ( d ). s. elde edilir. Eğer s ise deemei yerie koulu koulmada olması öem taşımaz ve düzeltme terimi e eşit çıkar. Acak s içi düzeltme katsayısı her zama de küçüktür, yeter ki s şartı sağlası. s içi örek oulasyoa eşit olacağıda ( d ) dr dir ve r sabit olduğu içi bir sabiti varyası dir. Hier geometrik dağılışı şas değişkeii varyası; V olur. Nedei
14 4 E ( d ) r r. d s d d s s. r Var E r r. d s d r. [ d. ( d ) ] d. ( d ). ( r ). s. ( s ). ( ) E [ d. ( d ) ] E( d ) E( d ) ( d ) E[ d. ( d ) ] + E( d ) [ E( d )] s de ( ) ( ) s.. s..( s).( ) s elde edilir. Örek: 5 lik bir destede yerie koulmaksızı (iadesiz örekleme) 5 kağıt çekiliyor. Bu 5 kağıt içide e az tae surat olma olasılığı edir? ( 5, r, -r 4, s5, d, d> ) ( ) ( ) ( ) ( 3) ( 4) ( 5) d d d d d d () + ( ) + ( 3) + ( 4) + ( 5) ( ) ( d ) d d > Pd ( ) + Pd ( ) + Pd ( ) Pd ( 5) S ( K ) %47 elde edilir ,5,473
15 5 Geometrik Ve Negatif Biom (Pascal) Dağılışları r tae başarı içi gerekli deeme sayısı ile ilgili dağılışlardır. Yai. ici deemede r ici başarıyı sağlama ile ilgilidir. X şas değişkeii bu dağılışlara uyumuu sağlaabilmesi içi beroulli ve biom dağılış varsayımlarıı aye burada da sağlaması gereklidir Geometrik Dağılış r başarı sayısı içi dağılışı özel hali geometrik dağılıştır. Başarı olasılığı i sabit olduğu bağımsız beroulli deemelerii göz öüe alıdığıda deemeler.başarı elde ediliceye kadar sürdürülecektir. Geometrik dağılışı olasılık yoğuluk foksiyou; y deeme sayısı olmak üzere f (y,r) q y y,,..., dd. Dağılışı Beklee Değeri y E( y) yf ( y) yq yq y y y d y d q ( ) dq y dq q y y 3 q q+ q + q... q( + q+ q +...) E( y) ( q)
16 6 Dağılışı Varyası Var( y) q q + + q + q + ( + q ) q + q q q q Örek : Bir futbolcuu attığı ealtıyı gole çevirme olasılığı,8 ise çalışma sırasıda ilk golü atıcaya kadar ealtı atışlarıa devam edilecek (.8 q.) a)y3 y P(3. atış gol) q.8(.) b)ilk golü.atışta sora gelme olasılığı (.)(.8) + (.) (.8) +... Örek : Bir işacıı her atışta hedefi vurma olasılığı sabit ve /3 olduğu biliiyor. Arka arkaya yaıla atışlar soucuda hedefi ilk kez vurması içi gereke atış sayısı y olduğua göre a) y i olasılık foksiyouu yazıız. Py ( ) 3 3 y, y,, b) ilk kez ikici atışta vurma olasılığıı buluuz. PY ( ) P() c) ilk kez e çok beşici atışta vurma olasılığıı hesalayıız. PY ( 5) P() + P() P(5)
17 7 d) İlk vuruşu elde ediceye kadar ortalama kaç atış gerektiğii ve varyasıı hesalayıız. E( y).5 /3 q /3 V( y).75 4/ Negatif Biom (Pascal) Dağılımı r başarı söz kousu ise egatif biom (ascal) dağılışı söz kousudur. Birbiride bağımsız Beroulli deemeleri tolamıda r başarı elde ediliceye kadar y deemelere devam edilmesi halide bu dağılış söz kousudur. r, başarı sayısı ve y-r başarısızlık sayısıı gösterirse, bu seride y r y:deeme sayısı r:başarı sayısı y:şas değişkei Bu dağılışı olasılık yoğuluk foksiyou; kadar birbirii egelleye olay vardır. Burada y r... q r y r biom y. r. q f ( y) r y r r,,3,... yr,r+,r+,... (y>r) y r y r E( y ) y. f ( y)... q r y ( ). r. y r y q. r deemede y- başarı (biom)
18 8 Dağılışı Beklee Değeri y, y,..., y birbiride bağımsız başarıyı gösterdiğie göre, egatif biomdaki başarı sayısı r y y dir. i O halde E ( y) E( y ) + E( y ) + + E( y ) i... r r re. ( yi ) r. bu değer, başarı olasılığı ola bir deemede r ici başarı elde ediliceye kadar gerekli deeme sayısıı (y) beklee değerii gösterir Dağılışı Varyası Var y r ( ) Var( y ) i Cov y, y dır. bağımsızlıkta dolayı ( i j). Var ( y) r. q rq dir. i Bu dağılış deem sayısıı başta belirlemediği durumlarda uygulaır. Ters örekleme: (iverse samlig) Örek : Doğa bir çocuğu kız ve erkek olmaları olasılıkları eşit varsayılarak a. Bir ailei 5. çocuğuu ilk erkek olması b. Bir ailei 6. çocuğuu. kız olması c. Bir ailei 5. çocuğuu 3. veya 4. erkek olması olasılıkları edir?
19 9.5 q 5 a) y 5 r P( r ) (.5) (.5) 6 6 by ) 6 r Pr ( ) (.5) (.5) 5 5 cy ) 5 r 3,4 Pr ( 3) + Pr ( 4) (.5) (.5) + (.5) (.5) (.5) + (.5) (.5) Poısso Dağılımı Poisso dağılışı hem sürekli hem de kesikli dağılışlarla ilgilidir. Bir bakıma biom limitidir, diğer bir bakımda üslü( eoetial ) dağılışa temel oluşturur. Bu dağılışta sürekli ve kesikli değerler alabilir. Biom limiti olarak yaklaşım yaılacak olursa biomda; ve ise ve b(, ) ise aşağıdaki geçişi yamak uygudur. f ( ).. q!.! ( ).!. q..( ).( )...( + )( )!..!.( )! q λ. taımı yaılırsa λ ve λ q olur.
20 .( ).( )...( + ) λ. λ.! λ.( ).( )...( + ) λ λ...! ike ike λ e λ λ λ λ. e yada! ( ). ( ) e! : Olasılık hesalaması istee birim zama sayısı : Birim zamada ortalama meydaa gele oisso olay sayısı : olay sayısı f ( ) λ. e! λ,,,... d. d çok küçük olduğuda oisso dağılımı, bioma yakı souçlar verir. Bu dağılışı şekli λ ya bağlıdır. f() f() λ.5 λ Bu dağılımda λ büyüdükçe, dağılım mod a sahitir ve aralıklar geişler, simetrik hale döüşür. Dağılışı beklee değeri E () λ ve varyası Var() λ dır. Poisso dağılımıa uyum göstere olaylara örek olarak aşağıdakiler verilebilir: ) Belli bir süre içide ölümle souçlaa kaza sayısı ) Bir telefo satralie belli bir zama aralığıda gele telefo sayısı 3) Bir madde tarafıda birim zamada yayıla radyoaktif arçaları sayısı
21 4) Gökyüzüde uyduya çara gök cismi sayısı 5) Bir sıvıı birim hacmie düşe orgaizma sayısı 6) Birim arçada hata sayısı 7) Kita sayfasıdaki baskı hata sayısı 8) Bir bölgede birim zamada gerçekleşe derem sayısı 9) Belli bir süre içide( yıl ) düyada çıka har sayısı ) Uzayda belli bir bölgedeki yıldız sayısı gibi saymaya dayalı yerlerde uyguluk gösterir. Bu dağılıştaki meydaa gele olay sayıları veya olaylar bir kuyruğa bezetilebilirse oisso dağılımıa uyar. Bu dağılışı e öemli özellikleride biri ( ) Var( ) Poisso süreci varsayımları: E dir. ı t ı t + Δt ) Δ t gibi çok küçük bir zama( ala,birim ) aralığıda tam bir olay meydaa gelmesi olasılığı ( ). Δt +. ( Δt) ) Δ t aralığıda ya da daha fazla olay olması olasılığı ihmal edilebilir düzeydedir. ( ). ( Δt) 3) Ayrık Δ t bağımsızdır. zama aralıkları olayları gerçekleşmesi açısıda birbiride Örek: Bir telefo satralide saat - arasıda ortalama 3 telefo gelmektedir. a. de soraki 3dk. içide hiç telefo gelmemesi olasılığı edir? b. 3 telefo gelmesi olasılığı edir? 3 a) Δ t dk., 5 3 λ., 5 6 e λ λ ( )!,3,5 ( ) e
22 ,5 6 b) ( ) ( ) 3,3., 5 3 Örek :Bir işletmei bir cis malda belli bir zama aralığıda satış miktarı oisso dağılımı göstermektedir. t zamaı boyuca taleleri e az %95 ii karşılaabilmesi içi kaç birim stok buludurulmalıdır. s: stok miktarı r: birim zamada ortalama satış λ r.t : satış miktarı s, ( ) 95 s r. t e.( r. t) s e..! ( 3 ).( 6)!,95,95 r ise t 3 ise s? tek deeme yaarak ( iterasyo ile ) s 73 buluur. 6..Sürekli Olasılık Dağılışlar Bir şas değişkei belli bir taım aralığıda sürekli değerler alıyorsa, sürekli şas değişkei adıı alır ve böyle bir değişkei içere dağılışa da sürekli dağılış deir.. Sürekli Uiform (Tek Düze) Dağılışı. Üslü (Üstel/ Negatif Üstel) Dağılış 3. Gamma Dağılışı 4. Normal Dağılış 6... Sürekli Uıform(Tekdüze) Dağılış şas değişkei a b taım aralığı içerisideki değerleri tümüü alabiliyor ve yoğuluk foksiyou sabitse, i dağılışı uiformdur.
23 3 Dağılışı yoğuluk foksiyou; f() ı a b f ( ) b a a b d. d Dağılım (kümülatif-yoğuluk) foksiyo ise; F a b a ( ) dir. F( ) f ( ) a a d b a F() ı ı a b b b b b a E ( ). f ( ) d d d b a b a b a a a a a b a (.derecede momet) olasılık foksiyoudur. b E( ). f ( ) d d b a b a b a a a ( )( ) b a b a b+ a a+ b b a b a b b b a E( ). f ( ) d d b a b a 3 a b a ( )(. ). 3 3 b a b + a + ab b + a + ab b a 3 3 b
24 4 3 3 [ b a ( b a)(. a + a. b + b )] Var [ ] ( ) E( ) E( ) b + a. b + a 3 a + b ( b a ) Bu dağılış simülasyouu temelii oluşturur. Noarametrik testlerde H hiotezi geellikle tekdüze dağılımı gösterir. Bayesçi teoride de kullaılmaya başlamıştır. Bu dağılışta taım aralığı içideki her okta eşit olasılığa sahitir. Örek: f ( ) f() b a a b b Pa ( < < b) f( d ) a ½ - ı ı 3/.5 a) ( < < 3/) d 4 3/ b) ( ) ( ) d c) ( ).( ) d d) ( ) d b+ a + e) E( ) ( b a) ( ) f) V( ) /3 Tek düze dağılımda okta olasılığı sıfırdır. Çükü oktaı alaı yoktur ve sürekli dağılımlarda olasılık ala ile gösterilir.
25 5 Üslü (Eoetıal) Ve Gamma Dağılışları r tae olayı gerçekleşmesie kadar geçe zamaı olasılığı ile ilgili dağılışlardır. Dağılışı değişkei zamadır yai sürekli bir değişkedir, olaylar arasıda geçe zamaı dağılışı icelemektedir. Uygulama alaları; edüstride bozuk üretimle karşılaşma ve stok sürecide bekleme zamaı, v.s.dir Üslü( Üstel/Negatif Üstel) Dağılış Bu dağılışları özel bir hali ola( r ) bir(ilk) olayı meydaa gelmesie kadar geçe zamaı olasılığı ile ilgili dağılış üslü dağılıştır. Bu dağılışa temel teşkil ede oisso olasılık foksiyoudur. Eğer olaylar oisso olasılık dağılımıa uygu bir şekilde meydaa geliyorsa ve oisso varsayımlarıı sağlıyorsa ilk olayı(oisso olayıı) gerçekleşmesie kadar geçe süre (zama) ise, (burada arametresiα ola oisso süreci ele alııyor) ı ı sıfır olay (herhagi bir olay yok) Hiç olay meydaa gelmemesi olasılığı(kolay sayısı); ( k ) ( α. ) α. k e. k! e α. olur. (k). yerie λ α. alımaktadır. İlk olayı() belli bir süreside sora(büyük) meydaa gelme olasılığı;. ( ) X < e α olarak elde edilir. X: ilk olayı göstersi O halde, ilk olayı gerçekleşmesii (zama) da küçük ve eşit olma olasılığı ise PX ( > ) e α Burada elde edile foksiyo egatif üstel dağılışı kümülatif yoğuluk foksiyoudur, yai, dağılım foksiyoudur.
26 6 ( ) F α. e d. d Burada dağılışı olasılık yoğuluk foksiyoua geçmek içi; ( ) df f ( ) taımıda yararlaılarak d Birici olayı gerçekleşmesie kadar geçe sürei dağılışı elde edilir. f ( ) df d ( ) α. e α. d. d α : arametre α. λ oissodaki f() α 3 4 F() 3 4 α arametresi büyüdükçe ilk olay daha çabuk gerçekleşecektir ve beklee değer de küçülecektir.
27 7 Dağılışı beklee değeri α α E( ) f( ) d αe d α e d α Dağılışı varyası ( ) ( ) α α α Var ( ) α α α E f d e d e d Örek: Bir fabrikada belli bir edele meydaa gele arızaları sayısı(saatte) α arıza meydaa gele oisso dağılışı göstermektedir. Bua göre sabah 8. de itibare ilk arızaya kadar geçecek zamaı dağılışı bulumak isteirse;. α f ( ) α. e. e dir ve beklee değeri ise E ( ) dir.(. arızaya kadar geçe zamaı beklee değeri) α / Saatte / arıza olursa, hata iki saatte bir olur. a) E az saat arızasız çalışması olasılığı; f() α/ e d ( )
28 8 u e. e d du. /. e e / u edu e u u / du d du d / ( ) e + e + e e / + e e,6 dır.,5 veya daha kısa bir şekilde hesalamak isteirse; α.. t ( ) f ( ) e de (çükü itegral işlemi soucuda f ( ) α. e α α Saatte α. t e α. t α. e olmaktadır. α olay (birim zamadaki olay sayısı) NOT: Bu foksiyoda α ve ayı birim ile taımlı olmaktadır.( saat α / bir saatteki olay sayısı) () ( ) f ( ) e, 6 a a f ( d ) P ( > a) e α NOT : bu foksiyoda α ve ayı birim ile taımlı olmalıdır. ( saat, α / saatteki olay sayısı b) E fazla 4 saat arızasız çalışması olasılığı ise(yai ilk arızayı 4 saatte öce yama olasılığı);
29 9 f() α/ f e d ( ) ( 4) 4. e. 4 e + e e e e e Veya b e,35,865 4 αb αb P( < b) f( ) d e e e e 6..3.Gamma Dağılışı ( r ) Bu olasılık dağılımıı temel süreci oisso dağılımıdır. ( r ) tae olayı meydaa gelmesie kadar geçe zamaı olasılığı, eğer olaylar oisso olayları ise, gamma dağılışıa uyar. Meteorolojik verilerde yağış miktarıı dağılışı gibi koularda gamma dağılışı kullaılır. Dağılışı olasılık yoğuluk foksiyou; f ( ) α. Γ( r) ( α. ). e r α. d. d. Burada Γ (r) taımı şöyle açıklamaktadır;
30 3 Γ r ( r). e. d ( r ). ( r )! Γ( r ) Γ Γπ özel bir durumdur. Gamma dağılışı arametreleri r ve dir. r: olay sayıları α : oisso dağılımıdaki birim zama arametresi : zama( değişkedir ) α kere oisso olasılığı olarak da taımlaabilir. Gamma dağılışı, r i ozitif tamsayıları içi geçerlidir. Özel bir durum ola r / ve α / ise χ ki-kare (chi-square) dağılımı söz kousudur olur. Gamma dağılışıı özel bir halidir, bu dağılış karesel ifadelerle ilgilidir. χ, gammaya azara e öemli özelliği ve amacı arametre sayısıı bire idirgemiş olmasıdır ve χ i olasılık yoğuluk foksiyou; f Γ ( ).. e... Γ e şeklidedir. Diğer bir yaklaşımla, beklee değer,. olaya kadar geçe zama e.. ( α ). de sora. olaya kadar geçe zama e ( α )... bağımsız egatif üslü.. r- de sora r. olaya kadar geçe zama e.. ( α ) r
31 3 Buları tolamı ola; r i E( ) r. α i r α elde edilir. Bezer şekilde varyas; r Var α α ( ) r. Örek: Bir mağazada güü belli saatlerie dakikada ortalama 4 müşteri gelmektedir.. müşteri geliceye kadar geçe zamaı dağılışı edir? α 4 f e. 4 Γ() r ( ) ( ) ( ), 5 ( ) ! 9.. e E 4 Örek: Gamma( α 5, r 6) ap ) ( > ) f( d ) (5 ) e d F ( ) Γ(6) 5 i 5 i (5.).5 e e i i! i i! 5 e + e e.67!! 5! 5 i bp ) ( < ) f( d ) F ( ) e i! i Normal Dağılış X şas değişkeii yoğuluk foksiyou, ( ) μ σ f e < < + σ π Dağılışı beklee değeri(ortalaması) ( ) μ Dağılışı varyası ( ) ( ) E < μ < + Var E μ σ σ
32 3 π ve e sabitlerdir. Not: X şas değişkei, μ ortalamalı ve σ varyaslı ormal dağılıma uyum sağlıyorsa ~ N ( μ, σ ) şeklide kısa gösterimi kullaılır. f() μ Normal dağılım olasılık yoğuluk foksiyou f() μ μ f() σ σ Normal dağılımda μ ve σ etkileri. Normal dağılış dağılım foksiyou
33 33 F() f() μ μ F σ π μ σ ( ) e d P( ) F ( ) f ( ) d P ( a < < b) F( b) F( a) f() F(b) F() F(a) a μ b a b Stadart Normal Dağılış (μ,σ ) e π z Z ~ N(,) ( ) ( a < < b) F( b) F( a) P f z < z <
34 34 f() - μ a b -z z z z μ σ P a μ σ μ σ b μ σ ( a < < b) P < < P( μ < < a) P( < z< z ) f() a μ b μ P < z < σ σ b μ a μ F F σ σ F( z ) F( z ) μ a f() z z
35 35 Örek: P ( < z <.5)? f() z Örek: P ( z >.83).5 P( < z <.83) z Örek: P ( z <.64) P( z >.64) P ( < z <.64)
36 z Örek: P (. < z <.) P(. < z < ) + P( < z <.) Örek: ( z < z < z ) z P ise z? ( < z < z ). 45 P z.645 z P(z) ,9 -z z z Örek: X ~ N(μ5,σ 6) ise P ( > 8 )?
37 37 µ z P ( > 8 ).5 P( 5 < < 8) P < z <.5 P z < ( <.75) Örek: X ~ N(3,4) ise P ( 4 < < 6)? z P ( 4 < < 6) P( 3 < < 6) P( 3 < < 4) P < z < P < z <
38 38 ( < z <.5) P( < <.5) P z Örek: Bir işletme ömrü ormal dağılıma uya μ saat ortalamalı, σ 3 stadart samalı amuller üretilmektedir. Üretimde seçile bir amülü ömrüü 9-3 saat arasıda olması olasılığı edir? P ( 9 < < 3)? /3 z 9 P < 3 ( < < ) P z μ < σ ( < z < ) + P( < <.33) P z Örek: Belli bir derste sıava gire öğrecileri ot ortalamaları 6, stadart samaları 5 dir. a) 85 ile 95 arasıda ot ala öğrecileri oraıı buluuz. P 85 6 μ σ 5 P (.67 < z <.33) P < z <.33 P < z < ( 85 < < 95) P < < ( ) ( )
39 z P b) Hagi otu üstüdeki öğreciler üst % grubua girer? ( > b)., 6 b.8 z ( 6 < < b). 4 P 6 6 μ b 6 P < <.4 5 σ 5 b 6 P < z <.4 5 b 6.8 b 6.8(5) b79. 5
40 4 Ek. Momet Türete Foksiyo Sürekli veya kesikli bir X tesadüfi değişkeii dağılımıı mometlerii hesalamasıa yaraya bir foksiyodur. Bir X tesadüfi değişkeii orjie ve aritmetik ortalamaya göre momet türete foksiyoları buluabilir. Bir X tesadüfi değişkeii momet çıkara foksiyou M () t ile gösterili şöyle taımlaabilir: Olasılık foksiyou f ( ) ola bir X tesadüfi değişkei içi h ozitif t bir sayı ve h<t<h arasıdaki bir t değeri içi e i beklee değeri mevcut ise bua tesadüfi değişkeii orjie göre momet türete foksiyou adı verilir. sürekli ise () t t M t E e e f( ) d kesikli ise t t M () t E e e f( ) dir. Bir X rasgele değişkei momet türete foksiyou elde edildikte sora, bu foksiyou türevlerii t içi değerleri orji civarıdaki mometleri bulumasıda kullaılmaktadır. 3 ( t) ( t) ( t) t e + t ! 3!! t M() t E e de 3 ( t) ( t) ( t) M() t E + t ! 3!! 3 t t t 3 ( ) ( ) ( ) ( ) M() t + te X + E X + E X + + E X +! 3!! Burada t ye göre türev alıırsa
41 4 t içi M () E( X) m () ( ) 3 ( ) t M () EX ( ) + tex ( ) + + EX ( ) +! t içi M E X m Bezer şekilde devam edilirse M () t E( X ) m elde edilir. Bazı dağılımlara ilişki momet türete foksiyolar aşağıda verilmiştir. Beroulli Dağılışıı Momet Türete Foksiyou t t t M () t E( e ) e f( ) e q e. q+ e. q+ e. + e. t. t. t t Biom Dağılışıı Momet Türete Foksiyou M () t E( e ) e f( ) e q + e ( ) t t t t Biom Dağılışıı Beklee Değeri ve Varyası ( ) E X dm ( t) X t ( ) t q e e t t dt + ( ) () t d M X t t t t ( )( ) ( ) ( ) t t E X q+ e e + q+ e e dt ( ) + ( ) ( ) ( ( )) ( ) + ( ) Var X EX EX ( ) + q
42 4 Geometrik Dizi Geometrik dizi tolamı q q q q Geometrik Dağılışı Momet Ürete Foksiyou E( e t ) M ( t) e t q e t q e t t ( qe ) k k -y M X ( t) t e t qe t e qe t t t qe qe < olmalıdır e t < q t < l l q q Aksi halde M () t taımsızdır Geometrik Dağılışı Beklee Değeri ve Varyası dm ( t) E ) dt t t t e ( qe ) + e ( t ( qet) t ( qe ) q M ( t) E( )
43 43 E d M ( t) e ( qe ) + ( qe t t t ( ) dt t t 4 ( qe ) ) e t ( qe t ) ( q) + q( q) ( q) ( + q) ( q) ( q) 4 4 ( q ) + q q + q + q + q ( q) ( q) ( q) M ( t) M ( t) Var() [ ] X + q + q q Poisso Dağılımıı Momet Türete Foksiyou λ t t t e λ ( λ( e )) Ee ( ) M( t) e e! Üstel Dağılımıı Momet Türete Foksiyou t t α t α Ee ( ) M( t) e ( αe ) α t α olmak üzere θ tx t θ M X () t E( e ) e e d, t < θ θ t θ e d, t θ < θ t θ e ( θt), t < θ t θ t θt θ θ θ
44 44 ( ) E X ( ) E X ( t) dm ( )( θ )( θt) θ dt dm X ( t) 3 t ( ) θ ( θt) ( θ) t θ dt X t t ( ) ( ) ( ( )) Var X EX EX θ θ θ Gamma Dağılışıı Momet türete foksiyou α ( ) ( ) ( ) ( ) r Ee M α α t e α e Γ r t t t r dir. Çükü, gamma değişkei r tae bağımsız üslü dağılış değişkei tolamıa eşittir. r i ( α ) Pa ( < ) f( d ) F( ) e i! i α
7. Ders. Bazı Kesikli Olasılık Dağılımları
Hatırlatma: ( Ω, U, P) bir olasılık uzayı ve 7. Ders Bazı Kesikli Olasılık Dağılımları : Ω ω R ( ω) foksiyou Borel ölçülebilir, yai B B içi { ω Ω : ( ω) B } U oluyorsa foksiyoua bir Rasgele Değişke deir.
Detaylıİşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.
OLASILIK VE İSTATİSTİK DERSLERİ ÖZET NOTLARI İstatistik: verileri toplaması, aalizi, suulması ve yorumlaması ile ilgili ilkeleri ve yötemleri içere ve bu işlemleri souçlarıı probabilite ilkelerie göre
DetaylıBÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER
BÖLÜM 3 YER ÖLÇÜLERİ İkici bölümde verileri frekas tablolarıı hazırlaması ve grafikleri çizilmesideki esas amaç; gözlemleri doğal olarak ait oldukları populasyo dağılışıı belirlemek ve dağılışı geel özelliklerii
Detaylı2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.
06 YILI I.DÖNEM AKTÜERLİK SINAVLARI Soru Toplam hasar miktarı S i olasılık ürete foksiyou X x i PS ( t) = E( t ) = exp λi( t ) ise P S(0) aşağıdaki seçeeklerde hagiside verilmiştir? A) 0 B) C) exp λ i
DetaylıBağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise
YTÜ-İktisat İstatistik II Örekleme ve Öreklem Dağılımları BASİT RASSAL ÖRNEKLEME N tae ese arasıda taelik bir öreklem seçilmesii istediğii düşüelim. eseli olaaklı her öreklemi seçilme şasıı eşit kıla seçim
Detaylı4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin
4/16/013 Ders 9: Kitle Ortalaması ve Varyası içi Tahmi Kitle ve Öreklem Öreklem Dağılımı Nokta Tahmii Tahmi Edicileri Özellikleri Kitle ortalaması içi Aralık Tahmii Kitle Stadart Sapması içi Aralık Tahmii
Detaylıˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.
YTÜ-İktisat İstatistik II Aralık Tahmii II 1 ANAKÜTLE ORANININ (p GÜVEN ARALIKLARI (BÜYÜK ÖRNEKLEMLERDE Her birii başarı olasılığı p ola birbiride bağımsız Beroulli deemeside öreklemdeki başarı oraıı ˆp
DetaylıİSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II
8 İSTATİSTİKSEL TAHMİN 8.. İstatistiksel tahmileyiciler 8.. Tahmileyicileri Öellikleri 8... Sapmasılık 8... Miimum Varyaslılık 8..3. Etkilik 8.3. Aralık Tahmii 8.4. Tchebysheff teoremi Prof. Dr. Levet
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim
DetaylıALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI
µ µ içi Güve Aralığı ALTERNATİF İTEMLERİN KARŞILAŞTIRILMAI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları
DetaylıİSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr
İSTATİSTİK 2 Tahmi Teorisi 07/03/2012 AYŞE S. ÇAĞLI aysecagli@beyket.edu.tr İstatistik yötemler İstatistik yötemler Betimsel istatistik Çıkarımsal istatistik Tahmi Hipotez testleri Nokta tahmii Aralık
DetaylıBölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER
Bölüm 5 Olasılık ve Olasılık Dağılışlaı Doç.D. Suat ŞAHİNLE Olasılık ve Olasılık Dağılışlaı Olasılık: Eşit saşla meydaa gele tae olayda A taesi A olayı olsu. Bu duumda A olayıı meydaa gelme olasılığı;
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
DetaylıAKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ
AKT MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ KESİKLİ RASLANTI DEĞİŞKENLERİ & KESİKLİ DAĞILIMLAR. X aşağıdaki olasılık foksiyoua sahip kesikli bir r.d. olsu. Bua göre;. ; x =.. ; x =. 4. ; x =. 5 p X
DetaylıKi- kare Bağımsızlık Testi
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN Ki- kare Bağımsızlık Testi Daha öceki bölümlerde ölçümler arasıdaki ilişkileri asıl iceleeceğii gördük. Acak sıklıkla ilgileile veriler ölçüm
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
İSTATİSTİKSEL TAHMİNLEME VE İSTATİSTİKSEL YORUMLAMA TAHMİNLEME SÜRECİ VE YORUMLAMA SÜRECİ ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ ÖRNEKLEME VE ÖRNEKLEME ÖRNEKLEME DAĞILIMLARI VE ÖRNEKLEME DAĞILIMLARI Yorumlama
Detaylıİstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş
İstatistik Ders Notları 08 Ceap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI 5. Giriş Öreklem istatistikleri kullaılarak kitle parametreleri hakkıda çıkarsamalar yapmak istatistik yötemleri öemli bir bölümüü oluşturur.gülük
DetaylıÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI
7 ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI 7.. Niçi Örekleme Yapılır 7.. Olasılıklı Örekleme 7... Basit Şas Öreklemesi 7... Tabakalı Örekleme 7... Küme Öreklemesi 7..4. Sistematik Örekleme 7.. Olasılıklı Olmaya
DetaylıMAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1
MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9
..7 EME 37 Girdi Aalizi Prosedürü SİSTEM SIMÜLASYONU Modelleecek sistemi (prosesi) dokümate et Veri toplamak içi bir pla geliştir Veri topla Verileri grafiksel ve istatistiksel aalizii yap Girdi Aalizi-II
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 3: MERKEZİ EĞİLİM VE DAĞILMA ÖLÇÜLERİ Prof. Dr. İrfa KAYMAZ Taım Araştırma souçlarıı açıklamasıda frekas tablosu ve poligou isteile bilgiyi her zama sağlamayabilir. Verileri
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.
Detaylı6. Uygulama. dx < olduğunda ( )
. Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal
DetaylıDÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkanı : Yrd.Doç.Dr. İsmail YILDIZ
DÖNEM I BİYOİSTATİSTİK, HALK SAĞLIĞI VE RUH SAĞLIĞI DERS KURULU Ders Kurulu Başkaı : Yrd.Doç.Dr. İsmail YILDIZ ARAŞTIRMADA PLANLAMA VE ÇÖZÜMLEME (03-09 Ocak 014 Y.ÇELİK) Araştırma Süreci (The research
DetaylıTAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)
3 TAHMİNLEYİCİLERİN ÖZELLİKLERİ 3.1. Sapmasızlık 3.. Tutarlılık 3.3. Etkilik miimum varyas 3.4. Aralık tahmii (güve aralığı) İyi bir tahmi edici dağılımı tahmi edilecek populasyo parametresie yakı civarda
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
DetaylıTümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =1+ 2 + 3+...
MC formülüü doğruluğuu tümevarım ilkesi ile gösterelim. www.matematikclub.com, 00 Cebir Notları Gökha DEMĐR, gdemir@yahoo.com.tr Tümevarım_toplam_Çarpım_Dizi_Seri Tümevarım Metodu : Matematikte kulladığımız
DetaylıTEMEL KAVRAMLAR GİRİŞ
TEMEL KAVRAMLAR GİRİŞ İstatistik kelimesii kökei Almaca olup devlet alamıa gelmektedir. İstatistik kelimesi gülük hayatta farklı alamlarda kullaılmaktadır. Televizyoda bir futbol müsabakasıı izleye bir
DetaylıPOLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,
POLİNOMLAR Taım : a0, a, a,..., a, a reel sayılar ve doğal sayı olmak üzere P x = a x + a x +... + a x + a x + a biçimideki ifadelere x e bağlı reel katsayılı poliom (çok terimli) deir. 0 a 0 ax + a x
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üiversitesi İşaat Mühedisliği Bölümü umutokka@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN idrolik Aabilim Dalı Balıkesir Üiversitesi İşaat Mühedisliği Bölümü Bölüm 5 Örekleme
DetaylıİÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...
İÇİNDEKİLER Ö Söz... Poliomlar... II. ve III. Derecede Deklemler... Parabol... 9 II. Derecede Eşitsizlikler... 8 Trigoometri... 8 Logaritma... 59 Toplam ve Çarpım Sembolü... 7 Diziler... 79 Özel Taımlı
DetaylıNİÇİN ÖRNEKLEME YAPILIR?
İÇİ ÖREKEME YAPIIR? Zama Kısıdı Maliyeti Azaltma Hata Oraıı Azaltma Souca Ulaşma Hızı Doç.Dr. Ali Kemal ŞEHİRİOĞU Araş.Gör. Efe SARIBAY Örekleme Teorisi kousuu içide, Örekleme Tipleri populasyoda örek
Detaylı{ 1 3 5} { 2 4 6} OLASILIK HESABI
OLASILIK HESABI Bu derste, uygulamalarda sıkça karşılaşıla, Olasılık Uzaylarıda bazılarıa değieceğiz ve verilmiş bir Olasılık Uzayıda olasılık hesabı yapacağız. Ω. Ω solu sayıda elemaa sahip olsu. Ω {
DetaylıBir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı
5.Ders Döüşümler Bir Rasgele Değişkei Foksiyouu Olasılık Dağılımı Bu kısımda olasılık dağılımı bilie bir rasgele değişkei foksiyoları ola rasgele değişkeleri olasılık dağılımlarıı buluması ile ilgileeceğiz.
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
uyruk Teorisi Ders Notları: Bazı uyruk Modelleri Mehmet YILMAZ mehmetyilmaz@akara.edu.tr 10 ASIM 2017 11. HAFTA 6 Çok kaallı, solu N kapasiteli, kuyruk sistemi M/M//N/ Birimleri sisteme gelişleri arasıdaki
DetaylıHİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.
HİPOTEZ TETLERİ İstatistikte hipotez testleri, karar teorisi olarak adladırılır. Ortaya atıla doğru veya yalış iddialara hipotez deir. Öreği para hilesizdir deildiğide bu bir hipotezdir. Ortaya atıla iddiaya
DetaylıTÜME VARIM Bu bölümde öce,kısaca tümevarım yötemii, sorada ÖYS de karşılamakta olduğumuz sembolüü ve sembolüü ele alacağız. A. TÜME VARIM YÖNTEMİ Tümevarım yötemii ifade etmede öce, öerme ve doğruluk kümesi
DetaylıOLASILIK DAĞILIŞLARI
6 OLASILIK DAĞILIŞLARI 6 Ksikli Olasılık Dağılışları 6 Ksikli Uıform Dağılışı 6 Broulli Dağılışı 63 Biom Dağılışı 64 Hyr-Gomtrik Olasılık Dağılışı ( İadsiz Örklm ) 65 Gomtrik Dağılış 66 Ngatif Biom (Pascal)
Detaylıİstatistik Nedir? Sistem-Model Kavramı
İstatistik Nedir? İstatistik rasgelelik içere olaylar, süreçler, sistemler hakkıda modeller kurmada, gözlemlere dayaarak bu modelleri geçerliğii sıamada ve bu modellerde souç çıkarmada gerekli bazı bilgi
DetaylıCebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi
3 Cebirsel Olarak Çözüme Gitmede Wegsteı Yötemi Bu yötem bir izdüşüm tekiğie dayaır ve yalış pozisyo olarak isimledirile matematiksel tekiğe yakıdır. Buradaki düşüce f() çizgisi üzerideki bilie iki oktada
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahmileme ve Hipotez Testlerie Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üiversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıLİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2
LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ SABİT NOKTA İTERASYONU YÖNTEMİ Bu yötemde çözüme gitmek içi f( olarak verile deklem =g( şeklie getirilir. Bir başlagıç değeri seçilir ve g ( ardışık
DetaylıBASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI
Projesii Kousu: Bir çekirgei metre, metre veya 3 metre zıplayarak uzuluğu verile bir yolu kaç farklı şekilde gidebileceği ya da bir kişii veya (veya 3) basamak atlayarak basamak sayısı verile bir merdivei
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
DetaylıDers 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar
Ders 2: üme Teorisi, Örek Uzay, Permütasyolar ve ombiasyolar üme avramı üme İşlemleri Deey, Örek Uzay, Örek Nokta ve Olay avramları Örek Noktaları Sayma Permütasyolar ombiasyolar Parçalamalar (Partitio)
Detaylı: Boş hipotez, sıfır hipotezi : Alternatif hipotez
İOTEZ TESTLERİ iotez Nedir? İOTEZ, arametre hakkıdaki bir iaıştır. arametre hakkıdaki iaışı test etmek içi hiotez testi yaılır. iotez testleri sayeside örekde elde edile istatistikler aracılığıyla aakütle
DetaylıDers 6: Sürekli Olasılık Dağılımları
Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal
DetaylıİSTATİSTİKSEL HİPOTEZ TESTLERİ (t z testleri)
İSTATİSTİKSEL İOTEZ TESTLERİ (t z testleri) iotez Nedir? İOTEZ, arametre hakkıdaki bir iaıştır. Bu sııfı ot ortalamasıı 75 olduğua iaıyorum. arametre hakkıdaki iaışımızı test etmek içi hiotez testi yaarız.
Detaylı(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.
Problemler 3 i Çözümleri Problemler 3 i Çözümleri Aşağıdaki özellikleri kaıtlamaızı ve buu yaıda daha fazla soyut kaıt vermeizi isteyeceğiz. h.h. eşitliğii ölçümü sıfır ola bir kümei tümleyei üzeride eşit
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ 1 TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi
Detaylıİleri Diferansiyel Denklemler
MIT AçıkDersSistemi http://ocw.mit.edu 18.034 İleri Diferasiyel Deklemler 2009 Bahar Bu bilgilere atıfta bulumak veya kullaım koşulları hakkıda bilgi içi http://ocw.mit.edu/terms web sitesii ziyaret ediiz.
Detaylı3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler
3. Ders Parametre Tahmii Tahmi Edicilerde Araa Özellikler Gerçek düyada rasgelelik olgusu içere bir özellik ile ilgili ölçme işlemie karş l k gele X rasgele de¼gişkeii olas l k (yo¼guluk) foksiyou, F ff(;
Detaylı5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )
5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal
DetaylıÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ
ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ TEMEL KAVRAMLAR PARAMETRE: Populasyou sayısal açıklayıcı bir ölçüsüdür ve aakütledeki tüm elemalar dikkate alıarak hesaplaabilir. Aakütledeki tek bir elema dahi işlemi
Detaylıf n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi
4.2. Pozitif Foksiyoları İtegrali SOU : f ), M +, A) kümeside bulua foksiyoları mooto arta dizisi ve h.h.h. f = f ise f dµ = f dµ gerçekleir. Gösteriiz Bu teorem Mooto yakısaklık teoremide yakısaklık yerie
DetaylıTahmin Edici Elde Etme Yöntemleri
6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme
DetaylıISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ
8. HAFTA ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ PORTFÖY YÖNETİMİ II Doç.Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr Geleeksel Portföy Yaklaşımı, Bu yaklaşıma göre portföy bir bilim değil,
Detaylı( 1) ( ) işleminde etkisiz eleman e, tersi olmayan eleman t ise te kaçtır? a) 4/3 b) 3/4 c) -3 d) 4 e) Hiçbiri
V MERSİN MATEMATİK OLİMPİYATI (ÜNV ÖĞR) I AŞAMA SINAV SORULARI ( Nisa 8) de ye taımlı, birebir ve örte f ve g foksiyoları her bir içi koşuluu sağlası g( a ) = ve f ( ) ( ) ( ) f = g a 4 = a ise a sayısı
Detaylı4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler
Ders 8: Verileri Düzelemesi ve Aalizi Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler Bir kitlei tamamıı, ya da kitlede alıa bir öreklemi özetlemekle (betimlemekle)
DetaylıBAĞINTI VE FONKSİYON
BAĞINTI VE FONKSİYON SIRALI N-Lİ x, x, x,..., x tae elema olsu. ( x, x, x,..., x ) yazılışıda elemaları sırası öemli ise x, x, x,..., x ) e sıralı -li deir. x, x, x,..., x ) de ( x (, x, x ( x, ) sıralı
DetaylıİNTERNET SERVİS SAĞLAYICILIĞI HİZMETİ SUNAN İŞLETMECİLERE İLİŞKİN HİZMET KALİTESİ TEBLİĞİ BİRİNCİ BÖLÜM
17 Şubat 01 CUMA Resmî Gazete Sayı : 807 TEBLİĞ Bilgi Tekolojileri ve İletişim Kurumuda: İNTERNET SERVİS SAĞLAYICILIĞI HİZMETİ SUNAN İŞLETMECİLERE İLİŞKİN HİZMET KALİTESİ TEBLİĞİ BİRİNCİ BÖLÜM Amaç, Kapsam,
DetaylıAKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.
SORU : AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI X raslat deikeii olas l k youluk foksiyou 8x, x f(x) = 0, ö.d olarak verilmitir. Bua göre 0< y içi Y = raslat deikeii X olaslk youluk
DetaylıBİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül
BİR ÇUBUĞUN MODAL ANALİZİ A.Saide Sarıgül DENEYİN AMACI: Akastre bir çubuğu modal parametrelerii (doğal frekas, titreşim biçimi, iç söümü) elde edilmesi. TANIMLAMALAR: Modal aaliz: Titreşe bir sistemi
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
DetaylıProblem 1. Problem 2. Problem 3. Problem 4. PURPLE COMET MATEMATİK BULUŞMASI Nisan 2010 LİSE - PROBLEMLERİ
PURPLE COMET MATEMATİK BULUŞMASI Nisa 2010 LİSE - PROBLEMLERİ c Copyright Titu Adreescu ad Joatha Kae Çeviri. Sibel Kılıçarsla Casu ve Fatih Kürşat Casu Problem 1 m ve aralarıda asal pozitif tam sayılar
DetaylıTĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz
TĐCARĐ MATEMATĐK - 5 Bileşik 57ÇÖZÜMLÜ ÖRNEKLER: Örek 57: 0000 YTL yıllık %40 faiz oraıyla yıl bileşik faiz ile bakaya yatırılmıştır Bu paraı yılı souda ulaşacağı değer edir? IYol: PV = 0000 YTL = PV (
DetaylıLEFKE AVRUPA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ PSİKOLOJİ BÖLÜMÜ PSK 106 İSTATİSTİK YÖNTEMLER I BAHAR DÖNEMİ ARASINAV SORULARI
LEFKE AVRUPA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ PSİKOLOJİ BÖLÜMÜ PSK 106 İSTATİSTİK YÖNTEMLER I 2015-2016 BAHAR DÖNEMİ ARASINAV SORULARI Tarih: 22/04/2016 Istructor: Prof. Dr. Hüseyi Oğuz Saat: 11:00-12:30
DetaylıNormal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım
Normal Dağılımlı Bir Yığı a İlişi İstatistisel Çıarım Bir üretici edi ürüleride, piyasadai 3,5 cm li vidalarda yalıca boyları 3,4 cm ile 3,7 cm aralığıda olaları ullaabilmetedir. Üretici, piyasadai bu
DetaylıSAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Karma Eğitim Ders Notları. Doç. Dr.
SAÜ. Mühedislik Fakültesi Edüstri Mühedisliği Bölümü DİFERENSİYEL DENKLEMLER 9- Döemi Karma Eğitim Ders Notları Doç. Dr. Cemaletti KUBAT .Çok Değişkeli Foksiolarda Talor-McLauri Açılımları, Ekstremum Noktalar..Talor-McLauri
Detaylı2.2. Fonksiyon Serileri
2.2. Foksiyo Serileri Taım.. Herhagi bir ( u (x reel (gerçel değerli foksiyo dizisi verilsi. Bu m foksiyo dizisii tüm terimlerii toplamıa, yai u m (x + u m+ (x + u m+2 (x + u m+3 (x + + u m+ (x + = k=m
DetaylıMühendislik Fakültesi Endüstri Mühendisliği Bölümü. Doç. Dr. Nil ARAS ENM411 Tesis Planlaması Güz Dönemi
Mühedislik Fakültesi Edüstri Mühedisliği Bölümü Doç. Dr. Nil ARAS ENM4 Tesis Plalaması 6-7 Güz Döemi 3 Sisteme ekleecek tesis sayısı birde fazladır. Yei tesisler birbirleri ile etkileşim halide olabilirler
DetaylıSAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Ders Notları. Prof. Dr.
SAÜ. Mühedislik Fakültesi Edüstri Mühedisliği Bölümü DİFERENSİYEL DENKLEMLER - Döemi Ders Notları Pro. Dr. Cemaletti KUBAT .Çok Değişkeli Foksiolarda Talor-McLauri Açılımları, Ekstremum Noktalar..Talor-McLauri
DetaylıVeri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı
Veri edir? p Veri edir? Geometrik bir bakış açısı p Bezerlik Olasılıksal bir bakış açısı p Yoğuluk p Veri kalitesi p Veri öişleme Birleştirme Öreklem Veri küçültme p Temel bileşe aalizi (Pricipal Compoet
DetaylıÖğrenci Numarası İmzası: Not Adı ve Soyadı
Öğreci Numarası İmzası: Not Adı ve Soyadı SORU 1. a) Ekoomii taımıı yapıız, amaçlarıı yazıız. Tam istihdam ile ekoomik büyüme arasıdaki ilişkiyi açıklayıız. b) Arz-talep kauu edir? Arz ve talep asıl artar
DetaylıÖrnek 2.1 YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 7. Koşulsuz Durum Olasılıkları. Örnek 2.1
Örek.1 YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 7 Yrd. Doç. Dr. Beyazıt Ocakta Web site: ocakta.bau.edu.tr E-mail: bocakta@gmail.com Reault marka otomobil sahilerii bir soraki otomobillerii de Reault
DetaylıPOLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ
POLİNOMLARDA İNDİRGENEBİLİRLİK Derleye Osma EKİZ Eskişehir Fatih Fe Lisesi. GİRİŞ Poliomları idirgeebilmesi poliomları sıfırlarıı bulmada oldukça öemlidir. Şimdi poliomları idirgeebilmesi ile ilgili bazı
DetaylıBileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:
1 BİLEŞİK FAİZ: Basit faiz hesabı kısa vadeli(1 yılda az) kredi işlemleride uygulaa bir metot idi. Ayrıca basit faiz metoduda her döem içi aapara sabit kalmakta olup o döem elde edile faiz tutarı bir soraki
DetaylıMONTE CARLO BENZETİMİ
MONTE CARLO BENZETİMİ U(0,) rassal değişkeler kullaılarak (zamaı öemli bir rolü olmadığı) stokastik ya da determiistik problemleri çözümüde kullaıla bir tekiktir. Mote Carlo simülasyou, geellikle statik
DetaylıDİZİLER - SERİLER Test -1
DİZİLER - SERİLER Test -. a,,,,, dizisii altıcı terimi. Geel terimi, a ola dizii kaçıcı terimi dir? 6. Geel terimi, a! ola dizii dördücü terimi 8 8 6. Geel terimi, a k k ola dizii dördücü terimi 6 0 6
DetaylıAnaliz II Çalışma Soruları-2
Aaliz II Çalışma Soruları- So gücelleme: 04040 (I Aşağıdaki foksiyoları (ilgili değişkelere göre türevlerii buluuz 7 cos π 8 log (si π ( si ta e 9 4 5 6 + cot 0 sec sit t si( e + e arccos ( e cos(ta (II
Detaylı6 (saatte 6 müşteri aramaktadır), servis hızı ise. 0.6e
İST KUYRUK TEORİSİ ARASIAV SORULARI ( MAYIS ). Bir baaı müşteri hizmetleride te işi hizmet vermetedir. Müşteriler ortalama daiada bir arama yapmatadır bua arşı ortalama servis süresi ise daia sürmetedir.
Detaylı5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ
5 İKİNCİ MERTEBEDEN LİNEER DİF. DENKLEMLERİN SERİ ÇÖZÜMLERİ Bir lieer deklemi geel çözümüü bulmak homoje kısmı temel çözümlerii belirlemesie bağlıdır. Sabit katsayılı diferasiyel deklemleri temel çözümlerii
DetaylıNOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ
NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. KULLANILAN ŞEKİLLERİN VE NOTLARIN TELİF HAKKI KİTABIN YAZARI VE BASIM EVİNE AİTTİR. HAFTA 1 İST 418 EKONOMETRİ Ekoometri: Sözcük
DetaylıİŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY
Süleyma Demirel Üiversitesi Vizyoer Dergisi Suleyma Demirel Uiversity The Joural of Visioary İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA ÖZET Yrd. Doç. Dr. Halil ÖZDAMAR 1 İstatistiksel kalite kotrol
Detaylı4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.
4. Ders tkilik Küçük varyasl olmak, tahmi edicileri vazgeçilmez bir özelli¼gidir. Bir tahmi edicii, yal veya yas z, küçük varyasl olmas isteir. Parametrei kedisi () veya bir foksiyou (g()) ile ilgili tahmi
DetaylıĐki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı
Đki Oyu Yaz Demi 22 Hazira 20, Çarşamba Đst20 Đstatistik Teorisi Dersi kousu: Olasılık Hesabı - Çocuklar, Đstatistik Teorisi bir tarafa, istatistikçileri işi rasgelelik ortamıda hesap yapmaktır. Şöyle
DetaylıVII. OLİMPİYAT SINAVI. Sınava Katılan Tüm Talebe Arkadaşlara Başarılar Dileriz SORULAR k polinomu ( )
Sıava Katıla Tüm Talebe Arkadaşlara Başarılar Dileriz SORULAR 2 997. ( )( )( ) ( ) ( ) k x x x... k. x... 997. x poliomu ( ) a x a x... a x, a 0 ve k < k
Detaylıx A şeklinde gösterilir. Aksi durum ise x A olarak
BÖLÜM I OLSILIK Küme teorisi, matematiği geliştirilmesi ve öğretimide gittikçe daha fazla yararlaıla koularda biridir. yrıca olasılıkla ilgili birici bölümü temel aracıdır. Bu kısımda amaç, olasılık kousuda
DetaylıDiziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV
Diziler ve Seriler Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 7 Amaçlar Bu üiteyi çalıştıkta sora; dizi kavramıı taıyacak, dizileri yakısaklığıı araştırabilecek, sosuz toplamı alamıı bilecek, serileri yakısaklığıı
DetaylıISF404 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ
4. HAFTA ISF44 SERMAYE PİYASALAR VE MENKUL KIYMETLER YÖNETİMİ PARANIN ZAMAN DEĞERİ VE GETİRİ ÇEŞİTLERİ Doç. Dr. Murat YILDIRIM muratyildirim@karabuk.edu.tr 2 Paraı Zama Değeri Paraı Zama Değeri Yatırım
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
DetaylıAKIŞKAN BORUSU ve VANTİLATÖR DENEYİ
AKIŞKA BORUSU ve ATİLATÖR DEEYİ. DEEYİ AMACI a) Lüle ile debi ölçmek, b) Dairesel kesitli bir borudaki türbülaslı akış şartlarıda hız profili ve eerji kayıplarıı deeysel olarak belirlemek ve literatürde
DetaylıTOPOLOJİK TEMEL KAVRAMLAR
TOPOLOJİK TEMEL KAVRAMLAR 1.1. Kümeler ve Foksiyolar A ı bir elemaıa B i yalız bir elemaıı eşleye bağıtıya bir foksiyo deir. f : A B, Domf = U A ve ragef B dir. Taım 1.1.1. f : A B foksiyou içi V A olsu.
DetaylıMÜHENDİSLİK MEKANİĞİ (STATİK)
MÜHENDİSLİK MEKANİĞİ (STATİK) Prof. Dr. Meti OLGUN Akara Üiversitesi Ziraat Fakültesi Tarımsal Yapılar ve Sulama Bölümü HAFTA KONU 1 Giriş, temel kavramlar, statiği temel ilkeleri 2-3 Düzlem kuvvetler
Detaylıvor vsu n Sini 2 = n 12 = sabit ; Sinr n1 Sini n = Sinr Sinr = Sini
KIRILMALAR Gülük hayatta çok sık rastladığımız ve gözlemlediğimiz bir olaydır kırılma. Bir su kuyusua baktığımız zama kuyuu dibii daha yakıda görürüz. Çay bardağıdaki kaşığı bardak içideyke kırık gibi
Detaylı12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,
. Ders Büyü Sayılar Kauları Kouya geçmede öce DeMoivre-Stirlig formülüü ve DeMoivre-Laplace teoremii hatırlayalım. DeMoivre, geel terimi, a!,,, 3,... e ola dizii yaısa olduğuu göstermiş, aca limitii bulamamış.
Detaylı8. Bir aritmetik dizide a 2 = 2, a 7 = 8 ise, ortak fark aşağıdakilerden
MC TEST I Seriler ve Diziler www.matematikclub.com, 2006 Cebir Notları Gökha DEMĐR, gdemir2@yahoo.com.tr 8. Bir aritmetik dizide a 2 = 2, a 7 = 8 ise, ortak fark aşağıdakilerde hagisidir? A) 0,8 B) 0,9
Detaylın, 1 den büyük bir sayma sayısı olmak üzere,
KÖKLÜ SAYILAR, de üyük ir sayma sayısı olmak üzere, x = α deklemii sağlaya x sayısıa α ı yici derecede kökü deir. x m = x m O halde tersi düşüülürse, ir üslü sayıı üssü kesirli ise, o sayı köklü sayı içimide
DetaylıÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ
C.Ü. İktisadi ve İdari Bilimler Dergisi, Cilt 4, Sayı, 3 97 ÜSTEL VE Kİ-KARE DAĞILIMLARI ARASINDAKİ İLİŞKİNİN SİMULASYON İLE ÜRETİLEN RANDOM SAYILARLA GÖSTERİLMESİ Yalçı KARAGÖZ Cumhuriyet Üiversitesi
Detaylı