ASTROİSTATİSTİK 4. KONU

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ASTROİSTATİSTİK 4. KONU"

Transkript

1 ASTROİSTATİSTİK 4. KONU Hazırlaya: Doç. Dr. Tolgaha KILIÇOĞLU 4. VERİLERİN YAYILIMININ BELİRLENMESİ Bir veri taımlaırke orta değer (ortalama, medya veya mod) verilmesii yaıda verileri yayılımıa (saçılmasıa) ilişki de bir bilgi verilmesie ihtiyaç vardır. Öcelikte bu kouda kullamak üzere birkaç veriyi ele alalım. Çizelge 4.1 de A, B ve C olarak adladırıla 3 farklı veri yer almaktadır. Her verii üyesi bulumaktadır. Şekil 4.1 de ise bu verileri frekas dağılımları bir histogram üzeride gösterilmektedir. Çizelge 4.1 A, B ve C verileri A B C Şekil 4.1 A, B ve C verilerii frekas dağılımlarıı histogram grafiği üzeride gösterimi Çizelge 4.1 deki A, B ve C verilerii üçüü de mod, medya ve ortalama değerleri birbirleri ile ayı ve 5 e eşittir. Acak, Şekil 4.1 deki frekas dağılımlarıa bakıldığıda verileri birbirlerie hiç bezemediği görülür. Soru 4.1: Bu verilerde hagisi içi hesapladığımız ortalama değer daha güveilir olacaktır? Cevap 4.1: Şekil 1.1 deki frekas dağılımları icelediğide A verisii daha az saçılmaya sahip (daha duyarlı) olduğu görülür. Bu edele soruu cevabı A verisidir. E duyarsız olaı ise C verisidir. Bu soruu cevabıda da alaşılacağı gibi bir veriyi doğru şekilde yorumlamak ve çıkarımlarda bulumak içi verii e kadar duyarlı olduğua (yayılımıa) ilişki başka bir ölçüme de ihtiyaç vardır. Bu kou kapsamıda verileri yayılımıı hagi ölçeklerle belirlediğii göreceğiz.

2 4.1 Açıklık Bir verii değişkeliğii ortaya koymaı kolay yollarıda biri verii açıklığıa bakmaktır. Bir başka deyişle, verideki e küçük ile e büyük değer arasıdaki farka bakmaktır: [Açıklık]=[E büyük değer] [E küçük değer] Bua göre veri aralıkları A verisi içi 6 4=2, B verisi içi 7 3=4 ve C verisi içi 9 1=8 olarak elde edilir. Verileri aralığı irdelediğide e az değişkelik sergileye verii A verisi, e çok değişim sergileyei ise C verisi olduğu görülmektedir. Avatajlar: Veri aralığı yötemii tek avatajlı yaı çok hızlı şekilde hesaplaabilir olmasıdır. Öyle ki, değerlere hiçbir özel işlem uygulamada sadece göz gezdirerek dahi tespit edilebilir. Dezavatajlar: Veri aralığı yötemi sadece verideki e küçük ve e büyük değere bağlıdır. Arada kala değerleri dağılımıı hiçbir şekilde yasıtmamaktadır. Burada örek olarak suduğumuz 3 veri de simetrik bir dağılım sergilemektedir. Acak, bazı verilerde bu simetriyi boza aykırı değerler (aşırı büyük veya aşırı küçük) buluabilir. Bu durumda veri aralığı yötemi verideki aykırı değerlerde so derece etkileir. Souç olarak veri aralığı bir verii değişkeliğii ifade edilmeside çok güveilir değildir. 4.2 Ortalamada sapmalar Bir verideki her elemaı değerii ortalamada e kadar saptığı buluur ve bu değerler toplaırsa değişkeliği temsil edilebileceği bir parametre elde edileceği düşüülebilir. Şimdi C verisi içi bu hesabı yapalım. Çizelge 4.2 de ilk sütuda C verisideki değerler ve ikici sütuda bu değerleri ortalamada ola farkları verilmektedir. Çizelge 4.2 C verisi ve verideki değerleri ortalama değerde ola sapmaları x i ( x i x) = = = = = = = = = = 4 (x i x)= 0

3 Acak, değerleri ortalamada ola sapmaları topladığıda sıfır değeri elde edilir. Bu beklemedik bir durum değildir; çükü ortalama değer zate verileri tam ortasıı temsil eder. Ortalama değere egatif yöde ola uzaklıklar ile pozitif yöde ola uzaklıklar birbirii degelediğide toplamları hagi veri içi olursa olsu sıfır değerii verecektir. Bu edele, ortalamada ola farkları doğruda toplamı verii değişkeliğii temsil etmede kullaılamaz. 4.3 Ortalama Mutlak Sapma Soru 4.1: Ortalamada ola sapmaları toplamıı sıfır olmasıı egellemek içi sapmalara asıl bir işlem yapılabilir? Cevap 4.1: Ortalamada daha küçük ola değerleri ortalamada ola farkları egatif değerler almaktadır. Eğer bu egatif değerler pozitif olarak alıırsa değerleri birbirlerii yutması egellemiş olur. Başka bir deyişle, verideki değerleri ortalamada ola sapmalarıı mutlak değerlerii alıması bu problemi çözebilir. Bir verideki her elemaı değerii ortalamada e kadar saptığı buluur ve bu değerleri mutlak değerii ortalaması alıırsa Ortalama Mutlak Sapma değeri elde edilir. Ortalama mutlak sapmaı matematiksel ifadesi şöyledir: Ortalama Mutlak Sapma= i=0 Çizelge 4.3 A, B ve C verilerii mutlak sapmaları ve ortalaması A VERİSİ B VERİSİ C VERİSİ x i x i x i = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = 4 =0.2 =0.8 =2.0

4 Çizelge 4.3 te A, B ve C verileri içi mutlak sapmaları değerleri ve souçta elde edile ortalama mutlak sapma değeri suulmaktadır. A, B ve C verilerii ortalama mutlak sapmalarıı sırasıyla 0.2, 0.8 ve 2.0 olduğu görülmektedir. Bu durumda yie e değişke ola verii C, e kararlı verii ise A olduğu soucua varılır. Böylece verideki tüm değerleri hesaba kata ve değişkeliği temsil ede kullaışlı bir değer elde ettik. Avatajlar: Bir verii değişkeliğii tüm değerleri göz öüde buludurarak hesaplar. Bu edele verileri duyarlılıklarıı karşılaştırmada kullaılabilir. Dezavatajlar: Ortalama mutlak sapma değerii işaret ettiği aralıkta verii yüzde kaçıı buluduğu verii dağılımıa so derece bağlıdır. Öreği, C verisii ortalama mutlak sapması 2 dir. Verii ortalama değeri 5 olduğua göre 5 2=3 ve 5+2=7 değerleri arasıda kala 6 adet değer vardır. Veride toplam elema olduğua göre bu aralık verileri %60 ıa karşılık gelmektedir. A veriside de bezer bir hesap yapıldığıda oraı %80 olduğu görülür. Bu değerler %50 i üzeride olduğuda miktarlarıı yeterli olduğu düşüülebilir. Acak, ormal dağılıma e yakı B verisi içi bu ora %40 a düşer! Her e kadar ortalama mutlak sapma bir verii değişkeliğii ortaya koymada doğru bir yötem gibi gözükse de, bazı dağılımlar içi aldığı değer verii saçılmasıı ortaya koymada yetersiz kalmaktadır. Bu alamda bu sapma değeri stadart olarak kabul edilmez. 4.4 Varyas Bir veride değerleri ortalamada sapma miktarlarıı egatif değerlerde arıdırmak içi mutlak değerlerii almak yerie karelerii de alabiliriz. Değerleri ortalamada sapma miktarlarıı karelerii ortalamasıa varyas deir. Popülasyou ve öreklemi varyası arasıda küçük bir fark bulumaktadır. Bir popülasyou varyası; σ 2 = (x i μ) 2 i=0 N ifadesi ile hesaplaır. Burada μ popülasyou ortalama değeridir. Acak söz kousu öreklem olduğuda hesapladığımız x ortalama değeri μ de daha uzakta (ve öreklemdeki değerlere daha yakı) olabilir. Bu edele bir öreklemi varyası popülasyou varyasıda daha küçük çıkacaktır. Bu hataı düzeltilmesi içi Bessel bir öreklem içi bulua varyası /( 1) ile çarpılması gerektiğii bulmuştur. Bu terime Bessel Düzeltmesi adı verilir. Bessel düzeltmesi kullaıldığıda bir öreklemi varyası ( s 2 ) içi aşağıdaki ifade elde edilir: s 2 = i=0 (x i x) 2 1

5 Çizelge 4.4 A, B ve C verilerii varyaslarıı hesaplaması A VERİSİ B VERİSİ C VERİSİ x i ( x i x) 2 x i ( x i x) 2 x i ( x i x) 2 5 (5 5) 2 = 0 5 (5 5) 2 = 0 2 (2 5) 2 = 9 5 (5 5) 2 = 0 5 (5 5) 2 = 0 5 (5 5) 2 = 0 5 (5 5) 2 = 0 4 (4 5) 2 = 1 4 (4 5) 2 = 1 5 (5 5) 2 = 0 3 (3 5) 2 = 4 3 (3 5) 2 = 4 4 (4 5) 2 = 1 6 (6 5) 2 = 1 8 (8 5) 2 = 9 5 (5 5) 2 = 0 7 (7 5) 2 = 4 7 (7 5) 2 = 4 6 (6 5) 2 = 1 5 (5 5) 2 = 0 1 (1 5) 2 = 16 5 (5 5) 2 = 0 6 (6 5) 2 = 1 5 (5 5) 2 = 0 5 (5 5) 2 = 0 5 (5 5) 2 = 0 6 (6 5) 2 = 1 5 (5 5) 2 = 0 4 (4 5) 2 = 1 9 (9 5) 2 = 16 (x i x) 2 9 =0.22 (x i x) 2 9 =1.33 (x i x) 2 9 =6.67 A, B ve C verilerii bu ifade kullaılarak varyas hesabı Çizelge 4.4 te verilmektedir. A, B ve C verileri içi varyas değerlerii sırasıyla 0.22, 1.33 ve 6.67 olarak elde edilir. Burada gözükmektedir ki varyas bir verii değişkeliğie oldukça bağimlı bir parametredir. İfadede farkları kareleri alıdığıda saçılma arttıkça varyası değeri hızla artmaktadır. Bu alamda varyas verileri e kadar dağıık olduğuu belirlemede kullaılabilir. Avatajlar: Bir verii değişkeliğii tüm değerleri göz öüde buludurarak hesaplar ve bu değişkeliğe so derece bağlıdır. Bu edele verileri duyarlılıklarıı karşılaştırmada kullaılabilir. Dezavatajlar: Varyas değerii sahip olduğu birim kafa karıştırıcıdır ve yorumlaması zordur. Öreği veride bulua değerleri birimleri metre (m) olsu. Bu durumda hesaplaa varyas değerii birimi (kare alıdığıda dolayı) metrekare (m 2 ) olacaktır. Varyası sahip olduğu birimle verideki değerleri birimlerii birbirleriyle uyuşmaması verii yorumlamasıı oldukça zorlaştırmaktadır. 4.5 Stadart Sapma Varyası birimii kare de kurtarmaı kolay bir yolu buluur: varyası kareköküü almak! Varyası karekökü istatistikte e sık kullaıla yayılım göstergeleride biridir ve stadart sapma (s) olarak isimledirilir. Aşağıda stadart sapma içi iki matematiksel ifade bulumaktadır: [Stadart sapma]= [Varyas]

6 s= (x i x) 2 i=0 1 Çizelge 4.4 de A, B ve C verileri içi elde edile varyas değerlerii karekökleri alıırsa bu verileri stadart sapmaları sırasıyla 0.5, 1.2 ve 2.6 olarak buluur. Bu değerler, öceki bölümde 0.2, 0.8 ve 2.0 olarak hesapladığımız ortalama mutlak sapmalarda bir miktar daha fazla olduğu görülmektedir. Not: Stadart sapmaı popülasyo içi hesapladığı durumlarda paydaya yie yerie N yazılması gerektiğii uutmayıız. ( 1) Avatajlar: Stadart sapma bir verii değişkeliğii tüm değerleri göz öüde buludurarak hesaplar ve verilerle ayı birimdedir. Stadart sapma, ortalama mutlak sapmaya azara daha fazla değer aralığıı kapsar. Öreği, B verisii stadart sapması 1.2 ve verii ortalaması 5 olduğua göre, 5 1.2=3.8 ve 5+1.2=6.2 değerleri arasıda 8 elema buluur. Veride toplam elema buluduğua göre 5±1.2 stadart sapma aralığı verileri %80 ii kapsamaktadır (ortalama mutlak sapmaı bu veri içi %40 da kaldığıı hatırlayıız). Burada örek olarak verdiğimiz veriler kesiklidir ve oldukça az elemada oluşmaktadır. Gerçekte ormal dağılım sergileye bir verii %68 ide fazlası stadart sapma aralığıda kalır. Bu alamda stadart sapmaı değeri ortalama mutlak sapmaya azara daha güveilirdir. Stadart sapma verileri duyarlılıklarıı karşılaştırmada kullaılabilecek ideal ölçütlerdedir. Dezavatajlar: Stadart sapma da aykırı değerlere oldukça bağımlıdır. 4.6 Çeyreklikler Arası Açıklık Bir veride üç tae çeyreklik buluur. Bu çeyreklikler birici, ikici ve üçücü çeyreklikler olarak adladırılır. Bir verideki değerler küçükte büyüğe doğru (veya tersie doğru) sıraladığıda tam ortaya dek gele değeri medya değeri olduğuu daha öce söylemiştik. Bu değere ayı zamada ikici çeyreklik (Ç 2 ) deir. İkici çeyreklik verileri ortada ikiye böler. İkici çeyrekliği soluda kala verileri medyaıa birici çeyreklik (Ç 1 ), sağıda kala verileri medyaıa ise üçücü çeyreklik (Ç 3 ) deir. Bir başka deyişle, birici, ikici ve üçücü çeyreklik sıralamış bir veride başta %25, %50 ve %75 ilerlediğide karşılaşıla değerlerdir. Çeyreklikler belirledikte sora çeyreklikler arası açıklık aşağıdaki ifade ile hesaplaır: ÇAA=Ç 3 Ç 1 Soru 4.2 Aşağıdaki verii çeyrekliklerii hesaplayarak çeyreklikler arası açıklığı buluuz

7 Cevap 4.2 i) Öcelikle verileri küçükte büyüğe doğru sıralayalım: ii) Verileri tam ortasıa dek gele sayı ikici çeyreklik (yai medya) olacaktır: Ç 2 iii) Şimdi ikici çeyrekliği veride olmadığıı düşüelim. Bu durumda ikici çeyrekliği soluda kala verii medyaı birici çeyreklik sağıda kala verii medyaı ise ikici çeyreklik olacaktır: Ç 1 Ç 2 Ç 3 iv) Verii çeyreklikler arası açıklığı hesaplaır: ÇAA=Ç 3 Ç 1 =7 2=5 Soru 4.3 Aşağıdaki verii çeyrekliklerii hesaplayarak çeyreklikler arası açıklığı buluuz Cevap 4.3 i) Öcelikle verileri küçükte büyüğe doğru sıralayalım: i) Verileri tam ortasıa dek gele sayıı ikici çeyreklik (yai medya) olması gerekir. Acak bu veride üye sayısı çift olduğuda orta oktaya iki veri dek gelmektedir. Medyaı buluması içi bu değeri ortalaması alıır: Ç 2 iii) İkici çeyreklik değeri veriye ait olmadığıda diğer tüm değerler yeride kalır. İkici çeyrekliği soludaki değerleri medyaı alıarak birici çeyreklik, sağıdaki değerleri medyaı alıarak ise üçücü çeyreklik buluur. Acak yie medyaa karşılık gele değerler iki adet olduğuda ortalamaları alıır iv) Verii çeyreklikler arası açıklığı hesaplaır: ÇAA=Ç 3 Ç 1 =7 2=5 Ç 1 Ç 3 Ç 2

8 Soru 4.4 A, B ve C verileri içi çeyreklikler arası uzaklığı hesaplayıız. Cevap 4.4 Gerekli işlemler yapıldığıda A, B ve C verilerii çeyreklikler arası uzaklıklarıı sırasıyla 0, 2 ve 4 olduğu elde edilir. Görüldüğü gibi ÇAA da verileri yayılımıı doğru olarak verebilmiştir. Avatajlar: Çeyreklikler arası açıklık diğer yayılım ölçekleri ile karşılaştırıldığıda aykırı değerlerde etkilemez veya çok az etkileir. Öreği, Soru 4.3 de so değeri 8 yerie 8000 olduğuu düşüü. Verii ÇAA değeri yie ayı olacaktır. Dezavatajlar: Çeyreklikler arası açıklık ölçeği sadece çeyrekliklerle hesaplaır. Çeyreklikleri aralarıda kala değerler tam olarak temsil edilmemektedir. Çeyreklikler arası açıklık geellikle belirgi aykırı değelere sahip ola veriler içi kullaılır. Bu ölçeği tek başıa verilmesi yerie stadart sapma ile birlikte ifade edilmesi daha alamlı ve kullaışlıdır.

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

BÖLÜM 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

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

İstatistik ve Olasılık

İstatistik 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

Detaylı

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

4/16/2013. 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

Detaylı

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

TAHMİNLEYİCİLERİN 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

Detaylı

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI. aysecagli@beykent.edu.tr

İSTATİSTİK 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

Detaylı

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

4/4/2013. 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)

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME 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

Detaylı

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

İşlenmemiş 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

Detaylı

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

ˆp 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

Detaylı

TEMEL KAVRAMLAR GİRİŞ

TEMEL 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

Detaylı

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

HİPOTEZ 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

Detaylı

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

Bağımsızlık 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

Detaylı

VERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler...

VERİ. gelir (bin) y l ÜNİTE 66 VERİ 2,5 1,5 1,2 KAVRAMSAL ADIM. Sayfa No VERİ... 478 496. σ = 1. İstatistik, Veri ve Grafikler... ÜİTE KAVRAMSAL ADIM Sayfa o.... 8 9 İstatistik, Veri ve Grafikler.... 8 Merkezi, Eğilim ve Yayılım Ölçüleri... 8 Açıklık, Çeyrekler Açıklığı........................................................ 8 Varyas

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK 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

Detaylı

Ki- kare Bağımsızlık Testi

Ki- 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

Detaylı

BASAMAK ATLAYARAK VEYA FARKLI ZIPLAYARAK İLERLEME DURUMLARININ SAYISI

BASAMAK 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

Detaylı

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

İstatistik 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

Detaylı

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

ISF404 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

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

İSTATİSTİKSEL 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

Detaylı

Tümevarım_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+...

Tümevarım_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

Detaylı

İstatistik Nedir? Sistem-Model Kavramı

İstatistik 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

Detaylı

İki veri setinin yapısının karşılaştırılması

İki veri setinin yapısının karşılaştırılması İk ver set yapısıı karşılaştırılması Dağılım: 6,6,6 Ortalama: 6 Medya: 6 Mod: 6 td. apma: 0 Dağılım: 0,6,1 Ortalama: 6 Medya: 6 Mod: çoklu mod td: apma: 6 Amaç: Görüe Ötese Bakablmek Verler değşkelk durumuu

Detaylı

Tahmin Edici Elde Etme Yöntemleri

Tahmin 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

Detaylı

DÖNEM 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 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

Detaylı

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK 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

Detaylı

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,

POLİNOMLAR. 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

Detaylı

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir.

YER ÖLÇÜLERİ. Yer ölçüleri, verilerin merkezini veya yığılma noktasını belirleyen istatistiklerdir. YER ÖLÇÜLERİ Yer ölçüler, verler merkez veya yığılma oktasıı belrleye statstklerdr. Grafkler bze verler yığılma oktaları hakkıda ö blg vermede yardımcı olurlar. Acak bu değerler gerçek değerler değldr,

Detaylı

TĐCARĐ MATEMATĐK - 5.2 Bileşik Faiz

TĐCARĐ 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 (

Detaylı

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme

SAYISAL ÇÖZÜMLEME. Sayısal Çözümleme SAYISAL ÇÖZÜMLEME Saısal Çözümleme SAYISAL ÇÖZÜMLEME 8. Hafta İNTERPOLASYON Saısal Çözümleme 2 İÇİNDEKİLER Ara Değer Hesabı İterpolaso Doğrusal Ara Değer Hesabı MATLAB ta İterpolaso Komutuu Kullaımı Lagrace

Detaylı

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir. 203-204 Bahar REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyo Basit doğrusal regresyo modeli: y i = β 0 + β x i + ε i Modeli matris gösterimi, y i = [ x i ] β 0 β + ε i şeklidedir. x y 2 gözlem

Detaylı

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

LİNEER 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

Detaylı

BAĞINTI VE FONKSİYON

BAĞINTI 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

Detaylı

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ

SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ SBE 601 ARAŞTIRMA YÖNTEMLERİ, ARAŞTIRMA VE YAYIN ETİĞİ ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI ÖRNEKLEME YÖNTEMLERİ Prof. Dr. Ergu Karaağaoğlu H.Ü. Tıp Fakültesi Biyoistatistik ABD ÖRNEKLEM BÜYÜKLÜĞÜNÜN SAPTANMASI

Detaylı

NİÇİN ÖRNEKLEME YAPILIR?

NİÇİN 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

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ

Doç. Dr. M. Mete DOĞANAY Prof. Dr. Ramazan AKTAŞ TAHVİL DEĞERLEMESİ Doç. Dr. M. Mee DOĞANAY Prof. Dr. Ramaza AKTAŞ 1 İçerik Tahvil ve Özellikleri Faiz Oraı ve Tahvil Değeri Arasıdaki İlişki Tahvili Geiri Oraı ve Vadeye Kadar Geirisi Faiz Oraı Riski Verim

Detaylı

{ 1 3 5} { 2 4 6} OLASILIK HESABI

{ 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 {

Detaylı

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

(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

Detaylı

TÜME 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

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF 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

Detaylı

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI Bezetimi e öemli faydalarıda birisi, uygulamaya koymada öce alteratifleri karşılaştırmaı mümkü olmasıdır. Alteratifler; Fabrika yerleşim tasarımları Alteratif üretim

Detaylı

MERKEZİ EĞİLİM ÖLÇÜLERİ

MERKEZİ EĞİLİM ÖLÇÜLERİ MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlee ver düzeleerek çzelgelerle, graklerle suulması çoğu kez yeterl olmaz. Geel durumu yasıtacak br takım ölçülere gereksm vardır. Bu ölçüler verler yalızca özlü br bçmde belrtmekle

Detaylı

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV

Diziler 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

Detaylı

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI

ÖRNEKLEME 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

Detaylı

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

İÇİNDEKİLER. 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

Detaylı

7. Ders. Bazı Kesikli Olasılık Dağılımları

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.

Detaylı

n, 1 den büyük bir sayma sayısı olmak üzere,

n, 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

Detaylı

İleri Diferansiyel Denklemler

İleri 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.

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME 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

Detaylı

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama

= k. Aritmetik Ortalama. Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER. Sınıflanmış Seriler İçin Aritmetik Ortalama TANIMLAYICI İSTATİSTİKLER Taımlayıcı İstatstkler MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F..B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl aksarayl@deu.edu.tr Yer Ölçüler (Merkez Eğlm Ölçüler)

Detaylı

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME 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

Detaylı

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ

POLİNOMLARDA 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

Detaylı

Problem 1. Problem 2. Problem 3. Problem 4. PURPLE COMET MATEMATİK BULUŞMASI Nisan 2010 LİSE - PROBLEMLERİ

Problem 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

Detaylı

DENEYĐN AMACI: Bu deneyin amacı MOS elemanların temel özelliklerini, n ve p kanallı elemanların temel uygulamalarını öğretmektir.

DENEYĐN AMACI: Bu deneyin amacı MOS elemanların temel özelliklerini, n ve p kanallı elemanların temel uygulamalarını öğretmektir. DENEY NO: 7 MOSFET ÖLÇÜMÜ ve UYGULAMALARI DENEYĐN AMACI: Bu deeyi amacı MOS elemaları temel özelliklerii, ve p kaallı elemaları temel uygulamalarıı öğretmektir. DENEY MALZEMELERĐ Bu deeyde 4007 MOS paketi

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

AKT201 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

Detaylı

Bileşik faiz hesaplamalarında kullanılan semboller basit faizdeki ile aynıdır. Temel formüller ise şöyledir:

Bileşik 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

Detaylı

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ

Tanımlayıcı İstatistikler (Descriptive Statistics) Dr. Musa KILIÇ Taımlayıcı İstatstkler (Descrptve Statstcs) Dr. Musa KILIÇ TANIMLAYICI ÖRNEK İSTATİSTİKLERİ YER ÖLÇÜLERİ (Frekas dağılışıı abss eksedek durumuu belrtr.) DEĞİŞİM ÖLÇÜLERİ ( Frekas dağılışıı şekl belrtr.).

Detaylı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı Damızlık Değeri, geotipik değer, allel frekasları Aki Pala, aki@comu.edu.tr ttp://members.comu.edu.tr/aki/ Damızlık değeri esabı µ Ökkeş =800 gr gülük calı ağırlık Sürü A Sürü µ Döller µ 500gr 700 DD esabı

Detaylı

İŞLETİM KARAKTERİSTİĞİ EĞRİSİ VE BİR ÇALIŞMA THE OPERATING CHARACTERISTIC CURVE AND A CASE STUDY

İŞLETİM 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

Detaylı

8. Bir aritmetik dizide a 2 = 2, a 7 = 8 ise, ortak fark aşağıdakilerden

8. 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

Detaylı

Standart Formun Yapısı. Kanonik Form. DP nin Formları SİMPLEX YÖNTEMİ DP nin Düzenleniş Şekilleri. 1) Optimizasyonun anlamını değiştirme

Standart Formun Yapısı. Kanonik Form. DP nin Formları SİMPLEX YÖNTEMİ DP nin Düzenleniş Şekilleri. 1) Optimizasyonun anlamını değiştirme 5.0.06 DP i Düzeleiş Şekilleri DP i Formları SİMPLEX YÖNTEMİ ) Primal (özgü) form ) Kaoik form 3) Stadart form 4) Dual (ikiz) form Ayrı bir kou olarak işleecek Stadart formlar Simplex Yötemi içi daha elverişli

Detaylı

sorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir

sorusu akla gelebilir. Örneğin, O noktasından A noktasına hareket, OA sembolü ile gösterilir BÖLÜM 1: VEKTÖRLER Vektörleri taımlamak içi iki yol vardır: uzayda oktalara karşılık gele bir koordiat sistemideki oktalar veya büyüklük ve yöü ola eseler. Bu kısımda, ede iki vektör taımıı buluduğu açıklaacak

Detaylı

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

EME 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

Detaylı

MEKANİK TESİSATTA EKONOMİK ANALİZ

MEKANİK TESİSATTA EKONOMİK ANALİZ MEKANİK TESİSATTA EKONOMİK ANALİZ Mustafa ÖZDEMİR İ. Cem PARMAKSIZOĞLU ÖZET Düya çapıda rekabeti ö plaa çıktığı bu gükü şartlarda, e gelişmiş ürüü, e kısa sürede, e ucuza üretmek veya ilk yatırım ve işletme

Detaylı

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

3. 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(;

Detaylı

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI 6. BÖLÜM VEKTÖR LARI -BOYUTLU (ÖKLİT) I Taım: Eğer pozitif bir tam sayı ise sıralı -sayı, gerçel sayılar kümesideki adet sayıı (a 1, a 2,, a ) bir dizisidir. Tüm sıralı -sayılarıı kümesi -boyutlu uzay

Detaylı

SAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Karma Eğitim Ders Notları. Doç. Dr.

SAÜ. 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

Detaylı

10. SINIF KONU ANLATIMLI. 5. ÜNİTE: DALGALAR ETKİNLİK ve TEST ÇÖZÜMLERİ

10. SINIF KONU ANLATIMLI. 5. ÜNİTE: DALGALAR ETKİNLİK ve TEST ÇÖZÜMLERİ 10. SINI ONU ANATII 5. ÜNİTE: DAGAAR ETİNİ e TEST ÇÖZÜERİ 31 5. Üite 1. ou Etkilik C i Çözümleri c. 1. Soruda e dalgalarıı hızı eşit erilmiş. Ayrıca şekil icelediğide m = 4 birim, m = 2 birimdir. Burada;

Detaylı

Normal Dağılımlı Bir Yığın a İlişkin İstatistiksel Çıkarım

Normal 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

Detaylı

İSTATİSTİKSEL MERKEZİ EĞİLİM ÖLÇÜLERİ DUYARLI ORTALAMALAR

İSTATİSTİKSEL MERKEZİ EĞİLİM ÖLÇÜLERİ DUYARLI ORTALAMALAR SAÜ. BÖLÜM İSTATİSTİKSEL MERKEZİ EĞİLİM ÖLÇÜLERİ DUYARLI ORTALAMALAR PROF. DR. MUSTAFA AKAL İÇİNDEKİLER 1. ORTALAMANIN TANIMI VE FAYDALARI. HASSAS ORTALAMALAR.1. Aritmetik Ortalama.. Kareli Ortalama..

Detaylı

SAÜ. Mühendislik Fakültesi Endüstri Mühendisliği Bölümü DİFERENSİYEL DENKLEMLER Dönemi Ders Notları. Prof. Dr.

SAÜ. 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

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Taımlayıcı İstatstkler br değerler dzs statstksel olarak geel özellkler taımlaya ölçülerdr Taımlayıcı İstatstkler Yer Göstere Ölçüler Yaygılık Ölçüler Yer Göstere Ölçüler Br dağılımı

Detaylı

BEKLENEN DEĞER VE VARYANS

BEKLENEN DEĞER VE VARYANS BEKLEE DEĞER VE VARYAS.1. İadel ve adesz öreklemede tüm mümkü örekler.. Beklee değer.3. Varyas.4. İk değşke ortak dağılımı.5. İstatstksel bağımsızlık.6. Tesadüf değşkeler doğrusal kombasyolarıı beklee

Detaylı

LİNEER CEBİR DERS NOTLARI. Ayten KOÇ

LİNEER CEBİR DERS NOTLARI. Ayten KOÇ LİNEER CEBİR DERS NOTLARI Aye KOÇ I MATRİSLER I.1. Taım F bir cisim olmak üzere her i = 1,2,..., m, j = 1,2,..., içi aij F ike a11 a12... a1 a21 a22... a 2 M M... M am1 am2... am (1) şeklide dikdörgesel

Detaylı

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA UYUM İYİLİĞİ İÇİN AMICO TEK-ÖRNEK TESTİ VE İĞER UYUM İYİLİĞİ TESTLERİ İLE KARŞILAŞTIRILMASI Burçi Goca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 7 ANKARA TEZ

Detaylı

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R

M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R İ H S A N T İ M U Ç İ N D O L A P C İ, Y İ Ğ İ T A K S O Y M Ü H E N D İ S L E R İ Ç İ N S AY I S A L YÖ N T E M L E R P U B L I S H E R O F T H I S B O O K Copyright 13 İHSAN TİMUÇİN DOLAPCİ, YİĞİT AKSOY

Detaylı

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz. Sorular ve Çözümleri 1. GRUPLAR 1) G bir grup olmak üzere aşağıdaki eşitlikleri gösteriiz. i) e G birim elema olmak üzere e 1 = e. ii) a G olmak üzere (a 1 ) 1 = a. iii) a 1, a 2,, a G içi (a 1 a 2 a )

Detaylı

BİR ÇUBUĞUN MODAL ANALİZİ. A.Saide Sarıgül

BİR 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

Detaylı

(Sopphie Germain Denklemi) çarpanlarına ayırınız. r s + t r s + t olduğunu ispatlayınız. + + + + olduğunu. + + = + + eşitliğini ispatlayınız.

(Sopphie Germain Denklemi) çarpanlarına ayırınız. r s + t r s + t olduğunu ispatlayınız. + + + + olduğunu. + + = + + eşitliğini ispatlayınız. Sayılar Teorisi Kouları Geel Sıavları www.sbelia.wordpress.com SINAV I(IDENTITIES WITH SQUARES) 4 4. a 4b (Sopphie Germai Deklemi) çarpalarıa ayırıız.. 4 4 = A ise A ı sadece = durumuda asal olduğuu ispatlayıız..

Detaylı

Öğrenci Numarası İmzası: Not Adı ve Soyadı

Öğrenci 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

Detaylı

14. Kümelerin Niceliklerinin Kıyaslanışı ve Sonsuzluğun Mertebeleri

14. Kümelerin Niceliklerinin Kıyaslanışı ve Sonsuzluğun Mertebeleri =2. Kısmı Başı= 14. Kümeleri Niceliklerii Kıyaslaışı ve Sosuzluğu Mertebeleri Sosuz kümeleri iceliklerii kıyaslamak içi, öğe sayısı yaklaşımı yetersizdir. Farklı bir yaklaşım gereklidir. İki küme A, B

Detaylı

Vektör bileşenleri için dikey eksende denge denklemi yazılırak, aşağıdaki eşitlik elde edilir. olarak elde edilir. 2

Vektör bileşenleri için dikey eksende denge denklemi yazılırak, aşağıdaki eşitlik elde edilir. olarak elde edilir. 2 Açıklama Sorusu : V kayışlar, ayı mekaizma büyüklükleride düz kayışlara göre daha yüksek dödürme mometlerii taşıyabildikleri bilimektedir. V kayışları düz kayışlara göre gözlee bu üstülüğü sebebi "kama

Detaylı

Venn Şeması ile Alt Kümeleri Saymak

Venn Şeması ile Alt Kümeleri Saymak Ve Şeması ile lt Kümeleri Saymak Osma Ekiz Bu çalışmada verile bir kümei çeşitli özellikleri sağlaya alt küme veya alt kümlerii ve şeması yardımıyla saymaya çalışacağız. Temel presibimiz aradığımız alt

Detaylı

f n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi

f 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

Detaylı

SİSTEMLERİN ZAMAN CEVABI

SİSTEMLERİN ZAMAN CEVABI DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MM306 SİSTEM DİNAMİĞİ SİSTEMLERİN ZAMAN CEVABI Kutuplar, Sıfırlar ve Zama Cevabı Kavramı Birici Mertebede Sistemleri Zama Cevabı İkici

Detaylı

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası) 4 ÖRNEKLEME HATASI 4.1 Duyarlılık 4. Güveilirik 4.3 Örek hacmi ve uyarlılık arasıaki ilişki 4.4 Örek hacmi ve göreceli terimler ile uyarlılık arasıaki ilişki 4.5 Hata kareler ortalaması Örekte ele eile

Detaylı

Veri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı

Veri 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

Detaylı

SAYILAR DERS NOTLARI Bölüm 1 / 3 SAYILAR DERS NOTLARI KONU BASLIKLARI:

SAYILAR DERS NOTLARI Bölüm 1 / 3 SAYILAR DERS NOTLARI KONU BASLIKLARI: www.testhae.com SAYILAR DERS NOTLARI Bölüm / 3 SAYILAR DERS NOTLARI KONU BASLIKLARI: -RAKAM -SAYI -DOGAL SAYILAR -SAYMA SAYILARI -ÇFT DOGAL SAYILAR -TEK DOGAL SAYILAR -ARDISIK DOGAL SAYILAR -ARDISIK ILK

Detaylı

SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY FÖYÜ

SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK FAKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY FÖYÜ SÜLEYMAN DEMİREL ÜNİVERSİTESİ MÜHENDİSLİK-MİMARLIK AKÜLTESİ MAKİNA MÜHENDİSLİĞİ BÖLÜMÜ MAKİNA ELEMANLARI LABORATUARI DENEY ÖYÜ DENEY I VİDALARDA OTOBLOKAJ DENEY II SÜRTÜNME KATSAYISININ BELİRLENMESİ DERSİN

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde fazla dağılışı karşılaştırmak ç kullaıla veya ayrıca örek verlerde hareketle frekas dağılışlarıı sayısal olarak düzeleye değerlere taımlayıcı statstkler der. Aalzlede

Detaylı

Cebirsel Olarak Çözüme Gitmede Wegsteın Yöntemi

Cebirsel 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

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler Taımlayıcı İstatstkler Br veya brde azla dağılışı karşılaştırmak ç kullaıla ve ayrıca örek verlerde hareket le rekas dağılışlarıı sayısal olarak özetleye değerlere taımlayıcı statstkler der. Aalzlerde

Detaylı

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322

0 1 2 n 1. Doğu Akdeniz Üniversitesi Matematik Bölümü Mate 322 Bölüm 3. İkici Mertebede Lieer ve Sabit Katsaılı Diferesiel Deklemler 4 3. Geel Taımlar ( ) ( ) ( ) a ( ) + a ( ) + a ( ) +... + a ( ) + a ( ) = f ( ) () 0 şeklideki bir deklem. mertebede lieer deklem

Detaylı

LEFKE 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 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

Detaylı

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ Bu bölümdeki yötemler, bilimeye POPULASYON PARAMETRE değeri hakkıda; TAHMİN yapmaya yöelik ve, KARAR vermekle ilgili, olmak üzere iki grupta icelemektedir. Parametre

Detaylı

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar

Ders 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

Yatırım Analizi ve Portföy Yönetimi 4. Hafta. Dr. Mevlüt CAMGÖZ

Yatırım Analizi ve Portföy Yönetimi 4. Hafta. Dr. Mevlüt CAMGÖZ Yatırım Aalizi ve Portföy Yöetimi 4. Hafta Dr. Mevlüt CAMGÖZ İçerik Çeşitledirme Riski Kayakları ve Risk Türleri Portföyü Risk ve Getirisi Riskli Varlık Portföyüü Belirlemesi Markowitz Portföy Teorisi

Detaylı

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 03.05.013 ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ 1 Nede Örekleme? Öreklemde çalışmak ktlede çalışmakta daha kolaydır. Ktle üzerde çalışmak çok daha masraflı olablr. Çoğu durumda tüm ktleye ulaşmak

Detaylı