BİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
|
|
- Kelebek Kılıçlı
- 5 yıl önce
- İzleme sayısı:
Transkript
1 BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: 1
2 OLSILIK Olasılık; Tablo ve grafik ile sunulan verileri anlamada ve yorumlamada, Örnekten elde edilen Ortalama, Oran yada Risk gibi tahminlerin ne kadar güvenli olduğunu belirtmede, Hipotez hakkında verilen karardaki Hata p-değeri büyüklüğünü ölçmede, yaralandığımız en önemli aracımızdır. 2
3 Olasılık Tanım: Tekrarlanabilir bir deneyde ilgilenilen sonuç yada sonuçların ORNSL SIKLIĞI dır. 3
4 Deney Tanım: Gözlemleri oluşturan herhangi bir işlem veya davranıştır. Zar atmak, Madeni para atmak, 52 lik bir deste oyun kağıdından kağıt çekmek Tekrar edilebilir bu deney örneklerinde elde edilen veya gözlenen sonuçlar deneyden deneye değişmektedir. 4
5 Örnek Uzayı Tanım: Bir deneyin sonucunda karşılaşabileceğimiz olayların hepsinin birden oluşturduğu, olası tüm sonuçları içeren kümedir. 5
6 Örnek Uzayı Örnek-1 Bir deneye ilişkin olası sonuçlar; S={e 1, e 2, e 3,..., e k } Ör: ltı yüzlü bir zar bir kez atıldığında, altı farklı yüzden biri gözlenir. S={1, 2, 3, 4, 5, 6} 6
7 Olay Tanım: Örnek uzayında ilgilenilen sonuç ya da sonuçlardır. 7
8 Olay Örnek-2 ltı yüzlü bir zar atıldığında, kaç defa 5 geldiği, Beraberce atılan iki parada kaç tane yazı geldiği, 13 lük bir iskambil kağıdı destesinde kaç tane as bulunduğu 8
9 Bir Olayın Tümleyeni Tanım: Belirli bir örnek uzayında tanımlanmış bir olayın, kendisi dışındaki tüm sonuçlardır. 9
10 olayı: olayının tümleyeni değili: 10
11 Göreli Frekanslar: n-denemede tekrarda her bir sonuca e i, i=1,2,...,k ilişkin gözlenme sıklıkları frekans sırasıyla f 1,f 2,f 3,...,f k olduğunda, 11
12 Olasılıklarla ilgili aşağıdaki ifadeler yazılabilir: 12
13 Olasılıkla İlgili Bazı Özellikler: e i f Herhangi bir tekrarlanan deney için örnek i k f i i1 uzayı S ve ilgilenilen olay olsun. Bu olayının olasılığına dersek; S 1 3. Eğer ve B gibi iki olay birbirinden ayrıksa engelliyorsa, B B 13
14 k i i i i f f e Eğer ve B gibi iki olay birbirinden ayrık değilse 7. Bir olayının olasılığı ile onun tümleyeni arasındaki ilişki, 1 Ø B B B C B C B C B C B C B
15 Koşullu Şartlı Olasılık Tanım: olayı olduktan sonra B olayının olma olasılığıdır. B ile gösterilir. B B / 15
16 Koşullu Şartlı Olasılık Örnek-3: ve B iki olay olarak tanımlandığında, 1/ 2, B 1/ 3 B 1/ 4 aşağıda istenen olasılıkları hesaplayınız. a b c B? B? B? 16
17 a B B/ B 1/ 4 /1/3 3/ 4 b B/ 1/ 4 /1/ 2 2/ 4 B c B B B 1/ 2 1/ 3 1/ 4 7 /12 17
18 yrık Karşılıklı Olarak Birbirlerini Engelleyen Olaylar Tanım: İki ya da daha çok tanımlanmış olaylardan birisinin gerçekleşmesi halinde, diğer olayların gerçekleşemediği durumdaki olaylara denir. Diğer bir ifade ile iki olayın kesişimi boş kümedir. 18
19 ile B ayrık iki olay ise; B B 19
20 Bağımsız Olaylar Tanım: Tanımlanmış iki olaydan birinin gerçekleşmesi diğerini etkilemiyor ise bu iki olaya bağımsız olaylar denir. B B 20
21 Bağımsız Olaylar Örnek rd arda iki kez atılan bir zarın, birinci atışında gözlenen değerler ikinci atışta gelecek değeri etkilemez. ={1. atışta çift bir zar gözlenmesi} B={2. atışta 2 veya 3 gelmesi} Zarlar birbirinden bağımsız olduğundan, zarın ikinci atışı ile ilgili bir B olayının gerçekleşmesi olasılığı, birinci atışla ilgili olayından bağımsız olarak hesaplanır. 21
22 Ele alınan ve B gibi iki olay birbirinden bağımsız ise, B B B 22
23 Bağımsız olaylar Örnek-4: ve B iki olay olarak tanımlandığında, 1/5, B k B 1/ 4 aşağıda istenen durumlar için k değerini hesaplayınız. a ve B ayrık olaylarsa b ve B bağımsız olaylarsa 23
24 a ve B ayrık olaylarsa B 1 / 4 1/ 5 k B k 1/ 4 1/ 5 1/ 20 24
25 b ve B bağımsız olaylarsa 25 B B B 1/16 k 1/5 1/4 4/5k 4/5k 1/5 1/4 5 1/ 5 1/ 1/4 k k B B B B B
26 Bir toplumdan rasgele seçilen 50 yaş üstü 100 kişide diyabet dağılımı aşağıdaki gibidir: Sonuç Örnek 5: Frekans Sağlıklı 60 Bozulmuş Glikoz İntolerası BGİ 6 Tip I 5 Tip II 29 Toplam
27 olayı: sağlıklı olması, ={sağlıklı} = 60/100=0.60 B olayı: diyabet olması, B={Tip I, Tip II} B= 29+5/100=
28 Örnek 5 için olayının tümleyeni; olayı: sağlıklı olması, ={sağlıklı} = 60/100=0.60 BGİ, TipI, TipII
29 Örnek 5 için; Olayı: Sağlıklı Olması 0.60 B Olayı: Tip I Olması 0.05 C Olayı: Tip II Olması 0.29, B ve C olayları karşılıklı olarak birbirlerini engelleyen ayrık olaylardır. B yada C B C B C Toplama Kuralı -1 29
30 Olayı: TipI ya da BGİ olması, ={ TipI, BGİ}=0.11 B Olayı: TipII ya da BGİ olması, B={ TipII, BGİ}=0.35 ve B birbirini engelleyen olaylar değildir. yada B B B B Toplama Kuralı
31 Örnek 6: : Kadın olması B: 0 grubu olması Kan Grubu K E Toplam B B B B Toplam
32 Şartlı Olasılık: Bağımsız Olmayan Olaylar 20 LSD + 80 spirin = I. tablet LSD B = II. tablet LSD İadeli Örnekleme: =20/100, B=20/100 İadesiz Örnekleme: =20/100 B =? I.Çekilen spirin B = 20/99 I.Çekilen LSD B=19/99 B = 19/99 32
33 33 B = olayının olduğu bilindiğinde B olayının oluşma olasılığı B S B * * B B ya da B B B B
34 Hilesiz bir para arka arkaya 3 kez atılıyor. ; en az 2 tura gelmesini, B; ikinci atışta yazı gelmesini gösteren olaylar olsun. 1. Örnek uzayı yazınız. 2. ile B ayrık olaylar mı? 3. veya B nin gözlenmesi olasılığı nedir? Örnek 8: T T T Y T T T Y T T T Y T Y Y Y T Y Y Y T Y Y Y S,, ;,, ;,, ;,, ;,, ;,, ;,, ;,, T T,Y, B ve B ayrık olaylar değildir. B B B
35 Şans Değişkenleri Rassal-Rasgele Değişken raştırmada gözlemi yapılan değişkenler genellikle alfabenin son harfleri olan X, Y, Z gibi harflerle belirtilir. Olayların aldığı farklı sayısal değerler, X değişkeninin alabileceği değerleri belirtecek şekilde ifade edilir örn; x=2. Bu tip değişkenler, değişik sayısal değerleri değişik olasılıklarla alabildiklerinden şans değişkenleri olarak adlandırılırlar. 35
36 Örnek uzayındaki her bir nokta, sadece ve sadece bir x değerine sahiptir. Bir veya birden çok örnek noktasının değerleri, aynı x değeri ile ifade edilebilir. 36
37 Örneğin, iki paranın birlikte atıldığı bir denemede tanımlanan şans değişkeni; X=İki para atıldığında gözlenen tura sayısı Değişkenin alabileceği değerler; x=0, x=1 veya x=2 olarak tanımlanır. Örnek olaylar; YY, YT, TY, TT x=0yy, x=1yt,ty, x=2tt. 37
38 Örnek 8: Günlük yağış ölçümleri için örnek uzayı tanımlamaya çalışacak olursak, belirli bir günde gözlenen yağış miktarı sayısal bir ölçümle sonuçlanan bir olaydır. Bu olay için örnek uzayı, bir eksen üzerinde oluşabilecek sonsuz sayıda noktalardan oluşabilir. Bu nedenle örnek uzayındaki noktalar tek tek sayılamadığından, bu noktalara karşılık gelen frekanslar ve bu frekanslarla hesaplanacak olasılık değerleri elde edilemez. Bu nedenle örnek uzayındaki noktaların sayılabilir veya sayılamaz olmasına göre, şans değişkenleri iki grupta incelenebilir. 38
39 Şans Değişkenlerinin Sınıflandırılması 1 Kesikli Şans Değişkeni 2 Sürekli Şans Değişkeni 39
40 1. Kesikli Şans Değişkeni Eğer bir değişken sadece belirli sayıda değerler alabiliyorsa, bu değişken tanım itibariyle kesiklidir. Sayımla elde edilen verilerdir. Örneğin; 1 cm 3 suda bulunan bakteri sayısı Bir üretim bandında alınan 10 arlı örnekler içerisindeki bozuk ürün sayısı Bir doktorun bekleme odasında bulunan hasta sayısı 40
41 1. Kesikli Şans Değişkeni devam Kesikli bir şans değişkeninin olasılık dağılışı, şans değişkeninin her bir değerine karşılık gelen olasılıkları gösteren bir tablo, bir grafik veya bir formülle belirlenir. Bir Y değişkeninin alabileceği y değerlerine karşılık gelen olasılıklar y ile gösterilirse, tüm y ler için y olasılıklarının toplamı, tüm örnek noktalarının olasılıkları toplamına, yani 1 e eşit olur. 41
42 1. Kesikli Şans Değişkeni devam 42
43 Örnek 9: İki para atımı deneyinde gözlenen tura sayısı değişkeni X ile tanımlanmıştır. Bu deneye ilişkin örnek uzayı noktaları ve bunlara karşılık gelen olasılıkları elde ediniz. 43
44 Örnek Noktası E i 1. ara 2. ara E i x E 1 Y Y 1/4 0 E 2 Y T 1/4 1 E 3 T Y 1/4 1 E 4 T T 1/4 2 Her bir x değeri için olasılıklar, o sayısal değeri alan örnek noktalarının olasılıklarının toplanması ile bulunur. Örneğin x=1 değeri E 2 ve E 3 örnek noktalarında görülmektedir. x=1=e 2 + E 3 =1/4+1/4=1/2 44
45 X=İki para atımındaki tura sayısı değişkeni için olasılık dağılışı x X e ait Örnek Noktaları E i x 0 E 1 1/4 1 E 2, E 3 1/2 2 E 4 1/4 Toplam 1 45
46 2. Sürekli Şans Değişkeni labildiği değerler bir eksen üzerinde kesintisiz bir şekilde sıralanabilen değişkenlerdir. Örneğin; Boy ve ağırlık gibi değişkenler Bir dolgu malzemesinin kullanım süresi Bir hastanın kolesterol değeri 46
47 Bu tip değişkenlerde her örnek noktasına karşılık gelen olasılığın belirlenmesine olanak yoktur. Bu nedenle sürekli değişkenler için kitlenin modellenmesinde farklı bir yaklaşım gereklidir. 47
48 a<y<b a b Eğri altında kalan alanın hesaplanmasında integral işlemlerine başvurulur. 48
49 Beklenen Değer Kavramı Tanımlanan olasılık dağılımlarında, ilgili şans değişkenlerinin kitlelerinin ortalaması, varyans ve diğer tanımlayıcı ölçütleri, bu dağılımlar yardımıyla bulunabilir. İlgili değişkenin belirli bir fonksiyonunun ortalama değerlerine o değişkenin ya da fonksiyonun beklenen değeri adı verilir. 49
50 Önceki örnekten yola çıkarak, X=İki para atımında gözlenen tura sayısı değişkeni için x ve x değerleri x x 0 1/4 1 1/2 2 1/4 50
51 Bu para atışı deneyi için beklenen değer hesaplanması; x x x.x 0 1/ /2 1/2 2 1/4 1/2 Toplam 1 51
52 Sürekli bir rassal değişken için beklenen değer hesaplanması; 52
53 lıştırmalar 1. Bir rassal deney için olası tüm sonuçların oluşturduğu kümeye. denir.
54 1. Bir rassal deney için olası tüm sonuçların oluşturduğu kümeye..örnek uzay.. denir.
55 2. Bir örnek uzayda tanımlı ve B olayları için B = ø ise ve B olayları. olaylardır.
56 2. Bir örnek uzayda tanımlı ve B olayları için B = ø ise ve B olayları ayrık olaylardır.
57 3. Bir rassal değişkenin beklenen değeri, değişkenin alabileceği değerlerin... olarak tanımlanır.
58 3. Bir rassal değişkenin beklenen değeri, değişkenin alabileceği değerlerin...ortalaması... olarak tanımlanır.
59 4. Bir oyunda, madeni hilesiz bir para ilk tura veya arka arkaya dört yazı gelinceye kadar atılıyor. Bu oyun için örnek uzayı S = {T, YT, YYT, YYYT, YYYY} olur. Doğru
60 5. şağıdakilerden hangisi yanlıştır? a. 0 b. c. d
61 Haftaya derste anlatılacak konular Bazı Olasılık Dağılışları 61
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
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
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
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.
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
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
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
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
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
DetaylıOlasılık 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
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
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 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
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
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,
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)
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
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
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
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
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 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
DetaylıDers 4: Rastgele Değişkenler ve Dağılımları
Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla
DetaylıBİYOİSTATİSTİK. Ödev Çözümleri. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Ödev Çözümleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Ödev 1 Çözümleri 2 1. Bir sonucun
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 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
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
DetaylıBİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Güven Aralıkları 2 Güven Aralıkları
Detaylırasgele değişkeninin olasılık yoğunluk fonksiyonu,
3.6. Bazı Sürekli Dağılımlar 3.6.1 Normal Dağılım Normal dağılım hem uygulamalı hem de teorik istatistikte kullanılan oldukça önemli bir dağılımdır. Normal dağılımın istatistikte önemli bir yerinin olmasının
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
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
Detaylı1.58 arasındaki her bir değeri alabileceği için sürekli bir
7.SUNUM Hatırlanacağı gibi, kesikli rassal değişkenler sonlu (örneğin; 0, 1, 2,...,10) veya sayılabilir sonsuzlukta (örneğin; 0, 1, 2,...) değerler alabilmektedir. Fakat birçok uygulamada, rassal değişkenin
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
DetaylıÖrnek Uzay: Bir deneyin tüm olabilir sonuçlarının kümesine Örnek Uzay denir. Genellikle harfi ile gösterilir.
BÖLÜM 3. OLASILIK ve OLASILIK DAĞILIMLARI Rasgele Sonuçlu Deney: Sonuçlarının kümesi belli olan, ancak hangi sonucun ortaya çıkacağı önceden söylenemeyen bir işleme Rasgele Sonuçlu Deney veya kısaca Deney
DetaylıİÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...
İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE
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
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
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 http://kisi.deu.edu.tr/kemal.subulan/
DetaylıBİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Örnek Senaryo İmplant üreten İMPLANTDENT
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
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıBİYOİSTATİSTİK. Genel Uygulama 1. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Genel Uygulama 1 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Soru 1 Ege Üniversitesi Diş
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,
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 Tablo Hazırlama Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Tablo Hazırlama Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Bir çalışmada elde edilen
DetaylıDeney Dizaynı ve Veri Analizi Ders Notları
Deney Dizaynı ve Veri Analizi Ders Notları Binom dağılım fonksiyonu: Süreksiz olaylarda, sonuçların az sayıda seçenekten oluştuğu durumlarda kullanılır. Bir para atıldığında yazı veya tura gelme olasılığı
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
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
DetaylıBİYOİSTATİSTİK Tek Örneklem ve İki Örneklem Hipotez Testleri Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Tek Örneklem ve İki Örneklem Hipotez Testleri Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
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
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
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
DetaylıPoisson Dağılımı Özellikleri ve Olasılıkların Hesaplanması
Özellikleri ve Olasılıkların Hesaplanması Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Poisson dağılımı kesikli dağılımlar içinde Binom dağılımından
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene
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
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
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıSÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
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
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
DetaylıBİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testi-III Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr
DetaylıSÜREKLİ RASSAL DEĞİŞKENLER
SÜREKLİ RASSAL DEĞİŞKENLER Sürekli Rassal Değişkenler Sürekli Rassal Değişken: Değerleriölçümyadatartımla elde edilen, bir başka anlatımla sayımla elde edilemeyen, değişkene sürekli rassal değişken denir.
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
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
DetaylıBaşarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.
3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi
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
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
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
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
DetaylıDeğer Frekans
Veri Rasgelelik içeren olgulardan elde edilen ölçüm (gözlem) değerlerine istatistiksel veri veya kısaca veri (data) diyelim. Verilerin deneyler sonucu veya doğal şartlarda olguları gözlemekle elde edildiğini
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
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
Detaylı3/6/2013. Ders 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 1: Markov Zincirleri YÖNEYLEM ARAŞTIRMASI III. Markov Süreçleri Ders 4. Stokastik Süreç Nedir? Stokastik Süreç Nedir?
Ders : Markov Zincirleri YÖNEYLEM ARAŞTIRMASI III Markov Süreçleri Ders 4 Yrd. Doç. Dr. Beyazıt Ocaktan E-mail: bocaktan@gmail.com Ders İçerik: nedir? Markov Zinciri nedir? Markov Özelliği Zaman Homojenliği
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
DetaylıBiyoistatistik V. HAFTA
Biyoistatistik V. HAFTA Olasılık Olasılık: Bir olayın gerçekleşme ihtimalinin matematiksel değeridir. p= Başarı sayısı / olanaklı durumlar Yazı gelmesi ihtimali p=1/2=0.5 Olasılığın özellikleri: Daima
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
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıOlasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler.
Bölüm 2 OLASILIK TEORİSİ Olasılık teorisi, matematiğin belirsizlik taşıyan olaylarla ilgilenen bir dalıdır. Bu bilim dalı rasgele değişkenleri inceler. Rasgele değişken, gelecekteki bir gözlemde alacağı
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
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
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
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
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
DetaylıBÖLÜM 2 : OLASILIK. Olasılığın gelişmesinde 4 anahtar sözcük önemli rol oynamaktadır. -Örneklem sonucu sample outcome
ÖLÜM : OLSLK Giriş: Olasılık kavramına. Fermat ile. ascal ın büyük katkıları olmuştur. ascal hesap makinesini geliştirerek Fermat ile birlikte olasılığın temellerini oluşturmuştur. Daha sonra Rus matematikçi
DetaylıBİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Merkezi Eğilim ve Değişim Ölçüleri Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 İstatistik
DetaylıKitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.
BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden
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
DetaylıBİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,
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
Detaylı3.Ders Rasgele Değişkenler
3.Ders Rasgele Değişkenler Tanım:,U, P bir olasılık uzayı ve X : R X olmak üzere, a R için, : X a U oluyorsa X fonksiyonuna bir rasgele değişken denir. a R için X, a : X a U özelliğine sahip bir X rasgele
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
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,
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
DetaylıBİYOİSTATİSTİK. Uygulama 6. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 6 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Soru 1 İlaç malzemelerinin kalitesini
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
DetaylıSÜREKLİ OLASILIK DAĞILIMI
SÜREKLİ OLASILIK DAĞILIMI Normal Olasılık Dağılımı Akülerin dayanma süresi, araçların belli bir zamanda aldığı yol, bir koşuya katılanların bitirme süresi gibi sayılamayacak kadar çok değer alabilen sürekli
Detaylı