RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.
|
|
- Hande Gökçe
- 8 yıl önce
- İzleme sayısı:
Transkript
1 RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere arşı gelen (veya haberi taşıyan) işaretler deterministi işaretler olara yorumlanamazlar. Zira işaretin gelece bir t anında alacağı değeri veren bir ifade varsa, bu gelecetei değerlerin de bilinmesi demetir. Dolayısıyla daha önceden sahip olunan bir bilgi haber değeri taşımaz. İletilen bilgiyi taşıyan işaretin gelecetei değerleri bilinmediği gibi, bu işaret üzerine zamanla değişimi rasgele olan gürültü de binmiştir. Gürültü rasgele olmala birlite eğer doğal aynalar tarafından yaratılmışsa belli bir aratere sahiptir. Gelece bir andai değerinin ne olacağı söylenemese de, örneğin gelecetei değerinin belli bir aralıta bulunma olasılığından söz edilebilir. Rasgele büyülülerin davranışlarını betimleme için de olasılı uramından faydalanılır. 3.. Tedüze Dağılımlı Sinyal Üretimi Bir X rasgele değişenin, a ve b arasında tedüze dağılımlı olabilmesi için olasılı yoğunlu fonsiyonu aşağıdai gibi olmalıdır. a x b f ( x) = b a 0 x, [ ab] (3.) Yuarıdai olasılı yoğunlu fonsiyonuna sahip dağılıma Tedüze Dağılım denir. ( ) ( ) = var x = μ = E x = ( b a) ( a+ b) (3.) 0 ile arasında değişen te düze dağılıma sahip n adet sayı üretme için rand omutu ullanılır. >> x=rand(,0000) Olasılı yoğunlu işlevini ullanara x değişeninin ortalamasını ve varyansını (değişinti) bulalım: 8
2 + x Ex ( ) = xfdx= = 0.5 x x x x E(( x m ) ) = ( x 0.5) f dx= x x+ 0.5 f dx (3.3) (3.4) 3 x x = + = + = x (/ 3) (/ ) (0.5) mean omutuyla üretilen rasgele dizinin ortalaması var omutuyla da varyansı bulunabilir. >> mean(x) % integral (x fx dx) >> var(x) % integral ((x-mx)^ fx dx) norm omutuyla da x değişeninin varyansı bulunabilir. >> norm(x-mean(x))^/length(x) hist histogram şelinde grafi çizme için ullanılır. Histogram belli aralılılarda olan değerlerden, bir grubun içerisinde aç adet olduğunu bulur. Örne olara sınıftai öğrencilerin notları bir A vetörüne yazılsın, daha sonra sınıfın çan eğrisi çizilme istenirse aşağıdai od yazılabilir. Burada grafi varsayılan olara 0 eşit parçaya bölünmüştür. Eğer istenirse fonsiyon hist(a,n) selinde yazılara n sütuna da bölünebilir. Böylelile verilen bir sayı dizisi içerisindei sayıların dağılımını eranda görüntülenir. Şeil 3.: Histogram Hesaplanıren 0 ile arası 0 eşit parçaya bölünmüştür. 9
3 NOT: Toplam 0000 adet rasgele sayı üretildiğinde ve histogram 0 eşit parçaya böldüğünde her aralıta ortalama 000 adet veri olmalıydı. Anca şeilden de görüleceği üzere bu sayı her bir aralı için farlılı göstermetedir. Alınan örne sayısı arttıça dağılım daha düz bir hale gelecetir. Şeil 3.: Histogram Hesaplanıren 0 ile arası 0 eşit parçaya bölünmüştür. randint, tedüze dağılımlı rasgele tamsayı üretir. Komutta herhangi bir aralı belirtilmezse varsayılan olara 0 veya üretilir. >> n=0000; %örne sayisi >> iili_uret=randint(,n); >> mean(iili_uret) % toplam(x pi) >> var(iili_uret) % toplam((x-mx)^pi) >> std(iili_uret) >> norm(iili_uret-mean(iili_uret))^/0000 Ex ( ) = xp i i = (0) + () = 0.5 i (3.5) var( x) = ( x m ) p = (0 0.5) + ( 0.5) i = + = i x i = 0.5 =
4 3.. Normal (Gauss) Dağılımlı Sinyal Üretimi X, süreli bir rasgele değişen ien, X' in yoğunlu fonsiyonu, f ( x) = e π ( x μ) (3.6) ise f ( x ) e normal dağılım, X' e de normal dağılmış rasgele değişen denir. Dağılımın μ ortalama ve varyans olma üzere ii parametresi vardır. X, normal dağılmış bir rasgele değişen ise ısaca X N( μ, ) ile gösterilir. Normal dağılımın bazı özellileri aşağıdai gibi sıralanabilir:. Eğrinin tepe notası ortalamaya arşılı gelir. Bu dağılımda ortalama, medyan (ortanca) ve mod (tepe değer) aynıdır.. Normal dağılım eğrisi ortalamaya göre simetritir. 3. Standart sapma eğrinin genişliğini belirler, yani standart sapma büyüdüçe değişenin alacağı en üçü değer ile en büyü değer arasındai açılı büyür. 4. Eğrinin altında alan alanın tamamı birimdir. 5. Normal dağılıma ilişin olasılılar normal dağılım olasılı yoğunlu fonsiyonunun belirlediği eğrinin altında alan alanlar olara hesaplanır. randn normal dağılımlı (Gauss) rasgele sayılar üretir. Varsayılan olara ifadenin ortalaması 0 varyansı ise dir. >> n=00000; %orne sayısı >> x=randn(,n); >> mean(x) %integral (x fx dx) >> var(x) % integral ((x-mx)^ fx dx) >> norm(x)^/n >> hist(x,00) 3
5 Şeil 3.3: Normal (Gauss) Dağılımlı Rasgele Değişen Rasgele Gauss Dağılımlı x değişeninin ortalaması ve varyansını değiştirme işlemi: (, ) N μ bir rasgele değişen oluşturma isteyelim. y = x+ c x değişeninin ortalaması 0 ise y nin ortalaması? ( ) 0 ( ) ( ) ( ) ( ) = ( ) + ( ) = E x = E y = E x + E c = c var y var x var c (3.7) >> y=*x+3; >> mean(y) % ortalaması 3 >> var(y) % varyansı =4 >> hist(y,00) 3
6 Şeil 3.4: N (, 4) Gauss Dağılımlı Rasgele Değişen Q Fonsiyonu x Q( x) = e dx x π (3.8) Q fonsiyonu monoton azalan bir fonsiyondur. Bazı özellileri aşağıda sıralanmıştır: ) Q( ) Q( ) Q( ) ) Q( x) = Q( x) =, 0 = /, = 0 x 3) Q( x) = erf x μ 4) X N( μ, ) ien Pr ( X > x) = Q a 5) Pr{ X > ( μ+ a) } = Pr{ X < ( μ a) } = Q MATLAB da Q fonsiyonu işlemi qfunc omutuyla gerçeleştirilir. Örne 3.: N(0,) olasılı yoğunlu işlevine bir x değişenin 3 değerinden büyü gelme olasılığını Q işlevi yöntemi ve x değişeninden yararlanara bulunuz. >> [d]=find(x>3); >> length(d)/n; >> qfunc(3) 33
7 Örne 3.: N(0,) olasılı yoğunlu işlevine bir x değişenin den büyü 3 ten üçü değerler alma olma olasılığını Q işlevi yöntemi ve x değişeninden yararlanara bulunuz. % P(<X 3) >> [d3]=find(x>3); >> [d]=find(x>); >> (length(d)-length(d3))/n >> qfunc()-qfunc(3) b a ( x μ ) x μ = t e dx değişen dönüşümü π dt = dx ( ) (3.9) b μ t t t e dt = e dt e dt integral parçalandı π π π a μ a μ b μ ( ) b a ( x μ ) a μ b μ e dx Q( ) Q( ) π Toplanır Beyaz Gauss Gürültüsü: Toplanır Beyaz Gauss Gürültülü (AWGN) anal modeli, radyo analının lasi bir modelidir. Bu model, alınan işareti bozma yönünde elenmiş istatistisel olara bağımsız gürültü örnelerinden oluşur. Gürültü örnelerinin genliği bir Gauss olasılı yoğunlu işlevine sahiptir. Bu gürültü örneleri, birbirlerinden bağımsız olduları için, endi öz ilinti fonsiyonları ideal olara bir darbedir. Buna göre, AWGN analın güç spetral yoğunluğu tüm freanslar için düzdür. Bu yüzden bütün işaret freansları, AWGN analı vasıtasıyla özdeş olara üçültülmüştür. Aynı zamanda, AWGN analın genellile durağan olduğu ve davranışının zamanla değişmediği abul edilir. Bu abuller nedeniyle bir AWGN analı, gezgin radyo anal davranışını uygun şeilde modelleyemez. Gerçe dünyadai gezgin hücresel radyo ağlarında arşılaşılan radyo analı, ço sayıda yayılım yolunun birleşimidir. Bu davranış, ço yollu yayılım olara adlandırılır. Haberleşme sistemleri için ço yollu anal modeli, ullanımı AWGN anal modelinden daha zor olan bir anal modelidir. MATLAB da AWGN Gürültü Oluşturulması Ns x bilgi işaretinin uzunluğu olma üzere bu işaret etiyece ne gürültüsü ii şeilde ürebilebilir ve elenir. >> n=/sqrt()*(randn(ns,)+j*randn(ns,)); >>y=x+n; 34
8 y = awgn(x,snr) omutu da x bilgi işareti dizisine beyaz Gauss gürültüsü eler. snr sabiti db cinsiden sinyal/gürültü oranıdır. Eğer x armaşısa awgn armaşı gürültü eler. Bu ullanımda x in gücünün 0 db olduğu abul edilir Rayleigh Dağılımlı Sinyal Üretimi: Şeil 3.5: Ço Yollu Alıcı Verici Yapısı Şeilde görüldüğü gibi verici antenden çıan sinyal anal üzerinde birço yoldan alıcı antene ulaşabilir. Antenlerin dire birbirini gördüğü yol haricinde binalardan, ağaçlardan vs. başa yerlerden yansımalarla birlite sinyalin gecimiş alımları gelebilir. Anten arasındai her bir yola çolu yol bileşeni denir ve her yolun farlı bir zayıflatması ve zaman gecimesi vardır. Bunların alıcı antene toplamı ise alınan sinyali bozabilir bu olaya sönümleme denir. Böyle bir analı modelleme için zamanla değişen dürtü cevabı sahip bir model ele alır. İletilen sinyalin armaşı zarfı g s ise alınan sinyal modeli aşağıdai şeilde verilebilir. jθ gr() t = ρe gs( t τ) + n() t (3.0) Burada ρ. Yolun zayıflaması, θ. Yolun faz ayması veτ da. yolun gecimesidir. İi önemli (güçlü) yolun arasındai en büyü zaman farına τ m olara tanımlarsa, τ m ifadesine gecime yayılması denir. τ m ifadesi yalaşı T s eşit olursa gecimeli yollar semboller arası gecime oluşturur (ISI). Eğer τ m << Ts olursa çolu yol dağıtıcı değildir. Yani anal freans seçici değildir. Bu durumda analda eğer diret görüşün olmadığı ve vericiden çıan sinyalin birço yoldan alıcıya ulaştığı (her yolun yalaşı aynı zayıflatmaya sahip olduğu) varsayılırsa anal modeli g ( t τ ) g ( t) ise s s s 35
9 jθ g () t = g () t ρ e + n() t r s jθ h= x+ jy = ae, x= ρ cos( θ ) y = ρ sin( θ ) (3.) Alınan Sinyal g () t = hg () t + n(), t r s (3.) jφ h x jy ae sıfır ortalamalı Karmaşı Gauss rasgele değişeni = + = Merezi limit teoremine göre x ve y değişeni Gauss rasgele değişenine yalaşır. Bu durumda olasılı dağılım işlevi: x + y ( ) fxy, ( x, y) = e, π (3.3) a ( ) a fa ( a) = e U ( a) Rayleigh f φ =,0 φ < π, tedüze ( Uniform ) π Not: Ayrıca eğer Dire Görüş (LOS Line of Side) varsa anal Rician Dağılımına sahip olara modellenir. Eğer Baştai varsayım yapılmazsa gs( t τ s) gs( t) yani anal semboller arasında arışım meydana getiriyorsa bu durumda anala freans seçici anal denir. Bu tür anallar için çeşitli (OFDM gibi) yöntemler mevcuttur. 36
10 Rayleigh Benzetimi: clear all,clc,close all N=0000 A=randn(,N)/sqrt(); A=randn(,N)/sqrt(); mean(a) mean(a) var(a) var(a) h=a+a*i; figure tp=angle(h); hist(tp,0); %...Faz -pi ile +pi arasinda degismesi lazim title('faz Degisiminin Histogrami') tm=abs(h); mean(abs(tm)) var(abs(tm)) figure hist(tm,0) title('zarfin Genliginin Olasili Dagilim Islevi') text(,800,'rayleigh Dagilimi') Şeil 3.6: Rayleigh Dağılımın Faz Değişiminin Histogramı 37
11 Şeil 3.7: Rayleigh Dağılımın Zarfının Genliğinin Olasılı Dağılım İşlevi 38
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk
DetaylıÇok Yüksek Mobiliteli Sönümlemeli Kanallardaki OFDM Sistemleri için Kanal Kestirimi
9-11 Aralı 2009 Ço Yüse Mobiliteli Sönümlemeli Kanallardai OFDM Sistemleri için Kanal Kestirimi İstanbul Üniversitesi Eletri-Eletroni Mühendisliği Bölümü {myalcin, aan}@istanbul.edu.tr Sunum İçeriği Giriş
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 KÜÇÜK ÖLÇEKLİ SÖNÜMLEME SÖNÜMLEMENİN MODELLENMESİ İçeri 3 Sönümleme yapısı Sönümlemenin modellenmesi Anara Üniversitesi, Eletri-Eletroni Mühendisliği Sönümleme Yapısı 4 Küçü ölçeli
DetaylıStokastik Süreçler. Bir stokastik Süreç ya da rastgele süreç şöyle tanımlanabilir.
Stoasti Süreçler Bir stoasti Süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişendir. Rastgele değişenin alacağı değer zamanla değişmetedir. Deney çıtılarına atanan rastgele
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
DetaylıA İSTATİSTİK KPSS-AB-PÖ/2007. 1. X rasgele değişkeninin olasılık fonksiyonu. 4. X sürekli raslantı değişkeninin birikimli dağılım fonksiyonu,
. X rasgele değişeninin olasılı fonsiyonu f( x) = c(x + 5), x =,, 0, diğer hâllerde olduğuna göre, c nin değeri açtır? A İSTATİSTİK KPSS-AB-PÖ/007. X süreli raslantı değişeninin biriimli dağılım fonsiyonu,
DetaylıKollektif Risk Modellemesinde Panjér Yöntemi
Douz Eylül Üniversitesi İtisadi ve İdari Bilimler Faültesi Dergisi, Cilt:6, Sayı:, Yıl:, ss.39-49. olletif Ris Modellemesinde anér Yöntemi ervin BAYAN İRVEN Güçan YAAR Özet Hayat dışı sigortalarda, olletif
Detaylı9. İZOMORFİZMA TEOREMLERİ VE EŞLENİK ELEMANLAR. Aşağıdaki teorem Homomorfizma teoremi olarak da bilinir.
9. İZOMORFİZMA TEOREMLERİ VE EŞLENİK ELEMANLAR Aşağıdai teorem Homomorfizma teoremi olara da bilinir. Teoremi 9.. (.İzomorfizma Teoremi) f : G H bir grup homomorfizması olsun. Şu halde ( ) dir. Özel olara,
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıDr. Mehmet AKSARAYLI
Dr. Mehmet AKSARAYLI Şans Değişeni: Bir dağılışı olan ve bu dağılışın yaısına uygun freansta oluşum gösteren değişendir. Şans Değişenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesili Şans
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.
DetaylıRastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.
1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 DENKLEŞTİRME, ÇEŞİTLEME VE KANAL KODLAMASI İçerik 3 Denkleştirme Çeşitleme Kanal kodlaması Giriş 4 Denkleştirme Semboller arası girişim etkilerini azaltmak için Çeşitleme Sönümleme
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
DetaylıEME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
0..07 EME 37 SISTEM SIMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
DetaylıMalzeme Bağıyla Konstrüksiyon
Shigley s Mechanical Engineering Design Richard G. Budynas and J. Keith Nisbett Malzeme Bağıyla Konstrüsiyon Hazırlayan Prof. Dr. Mehmet Fırat Maine Mühendisliği Bölümü Saarya Üniversitesi Çözülemeyen
DetaylıFizik 101: Ders 24 Gündem
Terar Fizi 101: Ders 4 Günde Başlangıç oşullarını ullanara BHH denlelerinin çözüü. Genel fizisel saraç Burulalı saraç BHHte enerji Atoi titreşiler Proble: Düşey yay Proble: taşıa tuneli BHH terar BHH &
DetaylıMakine Öğrenmesi 4. hafta
ain Öğrnmsi 4. hafta Olasılı v Koşullu Olasılı ays Tormi Naïv ays Sınıflayıcı Olasılı Olasılı ifadsinin birço ullanım şli vardır. Rasgl bir A olayının hrhangi bir olaydan bağımsız olara grçlşm ihtimalini
Detaylı= + ise bu durumda sinüzoidal frekansı. genlikli ve. biçimindeki bir taşıyıcı sinyalin fazının modüle edildiği düşünülsün.
4.2. çı Modülasyonu Yüse reanslı bir işaret ile bilgi taşıa, işaretin genliğinin, reansının veya azının bir esaj işareti ile odüle edilesi ile gerçeleştirilebilir. Bu üç arlı odülasyon yöntei sırasıyla,
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
DetaylıYayılı Spektrum Haberleşmesinde Kullanılan Farklı Yayma Dizilerinin Boğucu Sinyallerin Çıkarılması Üzerine Etkilerinin İncelenmesi
Yayılı Spektrum Haberleşmesinde Kullanılan Farklı Yayma Dizilerinin Boğucu Sinyallerin Çıkarılması Üzerine Etkilerinin İncelenmesi Ahmet Altun, Engin Öksüz, Büşra Ülgerli, Gökay Yücel, Ali Özen Nuh Naci
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
Detaylıile plakalarda biriken yük Q arasındaki ilişkiyi bulmak, bu ilişkiyi kullanarak boşluğun elektrik geçirgenlik sabiti ε
Farlı Malzemelerin Dieletri Sabiti maç Bu deneyde, ondansatörün plaalarına uygulanan gerilim U ile plaalarda birien yü Q arasındai ilişiyi bulma, bu ilişiyi ullanara luğun eletri geçirgenli sabiti ı belirleme,
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
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ SAYISAL MODÜLASYON İçerik 3 Sayısal modülasyon Sayısal modülasyon çeşitleri Sayısal modülasyon başarımı Sayısal Modülasyon 4 Analog yerine sayısal modülasyon
DetaylıBu deneyin amacı Ayrık Fourier Dönüşümü (DFT) ve Hızlu Fourier Dönüşümünün (FFT) tanıtılmasıdır.
Deney : Ayrı Fourier Dönüşümü (DFT) & Hızlı Fourier Dönüşümü (FFT) Amaç Bu deneyin amacı Ayrı Fourier Dönüşümü (DFT) ve Hızlu Fourier Dönüşümünün (FFT) tanıtılmasıdır. Giriş Bir öncei deneyde ayrı-zamanlı
Detaylı19.11.2013 EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.
9..03 EME 305 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
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
DetaylıSürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları
Sürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları Basit CW Radar Blok Diyagramı Vericiden f 0 frekanslı sürekli dalga gönderilir. Hedefe çarpıp saçılan sinyalin bir kısmı tekrar
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.
DetaylıÖZEL EGE LİSESİ 13. OKULLAR ARASI MATEMATİK YARIŞMASI 8. SINIF ELEME SINAVI TEST SORULARI
1. x,y,z pozitif tam sayılardır. 1 11 x + = 8 y + z olduğuna göre, x.y.z açtır? 3 B) 4 C) 6 D)1 3 1 4. {,1,1,1,...,1 } 1 ümesinin en büyü elemanının diğer 1 elemanın toplamına oranı, hangi tam sayıya en
DetaylıBölümü : Telekomünikasyon Mühendisliği. Programı : Telekomünikasyon Mühendisliği. Danışmanı : Prof. Dr. Mine KALKAN MAYIS 2007
İSTANBUL TEKNİK ÜNİVERSİTESİ ELEKTRİK ELEKTRONİK FAKÜLTESİ MOBİL İLETİŞİMDE SÖNÜMLEMELİ KANAL SİMÜLASYONU BİTİRME ÖDEVİ ENGİN ONUR CÖMERT 040030621 Bölümü : Telekomünikasyon Mühendisliği Programı : Telekomünikasyon
DetaylıLYS Matemat k Deneme Sınavı
LYS Matemat Deneme Sınavı. ii basamalı doğal saıdır. 6 en büü saısı ile en üçü saısının toplamı açtır? 8 89 8 6. için, 9 ( ) ifadesinin sonucu aşağıdailerden hangisidir? 6. ile saıları arasındai çift saıların
DetaylıENDEKS SAYILAR. fiyat, üretim, yatırım, ücret ve satış değişimlerinin belirlenmesi. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör.
ENDEKS SLAR Bir değişenin farlı birimler üzerinde veya zaman içerisindei değişimini oransal olara ifade sayılara ENDEKS SLAR adı verilir. Endes sayılar ısaca endesler olara ifade edilir. Kullanım alanları;
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)
DetaylıGüç Spektral Yoğunluk (PSD) Fonksiyonu
1 Güç Spektral Yoğunluk (PSD) Fonksiyonu Otokorelasyon fonksiyonunun Fourier dönüşümü j f ( ) FR ((τ) ) = R ( (τ ) ) e j π f τ S f R R e d dτ S ( f ) = F j ( f )e j π f ( ) ( ) f τ R S f e df R (τ ) =
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıKİ KARE TESTLERİ. Biyoistatistik (Ders 2: Ki Kare Testleri) Kİ-KARE TESTLERİ. Sağlıktan Yakınma Sigara Var Yok Toplam. İçen. İçmeyen.
Biyoistatisti (Ders : Ki Kare Testleri) Kİ KARE TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr Kİ-KARE TESTLERİ 1. Ki-are testleri
DetaylıRassal Değişken Üretimi
Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.
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
DetaylıKi- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
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
DetaylıBiyoistatistik (Ders 7: Bağımlı Gruplarda İkiden Çok Örneklem Testleri)
ÖRNEKLEM TESTLERİ BAĞIMLI GRUPLARDA ÖRNEKLEM TESTLERİ Yrd. Doç. Dr. Ünal ERKORKMAZ Saarya Üniversitesi Tıp Faültesi Biyoistatisti Anabilim Dalı uerormaz@saarya.edu.tr BAĞIMLI İKİDEN ÇOK GRUBUN KARŞILAŞTIRILMASINA
Detaylı1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz...
1-2 - * Bu Ders Notları tam olarak emin olmamakla birlikte 2012-2013 yıllarına aiitir.tekrardan Sn.Hakan Paçal'a çoook tsk ederiz... CABİR VURAL BAHAR 2006 Açıklamalar
DetaylıÜSTEL DAĞILIM. üstel dağılımın parametresidir. Birikimli üstel dağılım fonksiyonu da, olarak bulunur. olduğu açık olarak görülmektedir.
ÜSTL DAĞILIM Tanım : X > olma üzr sürli bir rasgl dğişn olsun. ğr a > için X rassal dğişni aşağıdai gibi bir dağılıma sahip olursa X rasgl dğişnin üsl dağılmış rassal dğişn v onsiyonuna da üsl dağılım
DetaylıZ = S n E(S n ) V ar(sn ) = S n nµ. S nn. n 1/2 n σ
YTÜ-İktisat İstatistik II Merkezi Limit Teoremi 1 MERKEZİ LİMİT TEOREMİ CENTRAL LIMIT THEOREM X 1,X 2,...,X n herbirinin ortalaması µ ve varyansı σ 2 olan ve aynı dağılıma uyan n tane bağımsız r.d. olsun.
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
Detaylık olarak veriliyor. Her iki durum icin sistemin lineer olup olmadigini arastirin.
LINEER SISTEMLER Muhendislite herhangibir sistem seil(ref: xqs402) dei gibi didortgen blo icinde gosterilir. Sisteme disaridan eti eden fatorler giris, sistemin bu girislere arsi gosterdigi tepi ciis olara
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
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıSimülasyonda İstatiksel Modeller
Simülasyonda İstatiksel Modeller Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri iyi tanımlayabilir. İlgilenilen olayın örneklenmesi ile uygun
Detaylı28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR.
28/5/2009 TARİHLİ VE 2108/30 SAYILI KURUL KARARI 11 HAZİRAN 2009 TARİHLİ VE 27255 SAYILI RESMİ GAZETEDE YAYIMLANMIŞTIR. Enerji Piyasası Düzenleme Kurumundan: ELEKTRĠK PĠYASASI DENGELEME VE UZLAġTIRMA YÖNETMELĠĞĠ
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,
DetaylıDr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net
Bilgisayar Programlama Ders 6 Dr. Fatih AY Tel: 0 388 225 22 55 fatihay@fatihay.net www.fatihay.net Fonksiyon Prototipleri Fonksiyon Prototipleri Derleyici, fonksiyonların ilk hallerini (prototiplerini)
DetaylıStokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.
Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişkendir. Rastgele değişkenin alacağı değer zamanla değişmektedir. Deney çıktılarına atanan rastgele bir zaman
Detaylıfonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki olsun. Fonksiyonda meydana gelen artma miktarı
10.1 Türev Kavramı fonksiyonu için in aralığındaki bütün değerleri için sürekli olsun. in bu aralıktaki bir değerine kadar bir artma verildiğinde varılan x = x 0 + noktasında fonksiyonun değeri olsun.
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıTremalarla Oluşum: Kenar uzunluğu 1 olan bir eşkenar üçgenle başlayalım. Bu üçgene S 0
SİERPİNSKİ ÜÇGENİ Polonyalı matematiçi Waclaw Sierpinsi (1882-1969) yılında Sierpinsi üçgeni veya Sierpinsi şapası denilen bir fratal tanıttı. Sierpinsi üçgeni fratalların il örneğidir ve tremalarla oluşturulur.
DetaylıTitreşim Hareketi Periyodik hareket
05.01.01 Titreşi Hareeti Periyodi hareet Belirli bir zaan sonra, verilen/belirlenen bir durua düzenli olara geri dönen bir cisin yaptığı hareet. Periyodi hareetin özel bir çeşidi eani sistelerde olur.
DetaylıExcel Formüller ve Fonksiyonlar. Yusuf MANSUROĞLU Mühendislik Hizmetleri Müdür Yardımcısı 11.02.2015
Excel Formüller ve Fonksiyonlar Yusuf MANSUROĞLU Mühendislik Hizmetleri Müdür Yardımcısı 11.02.2015 Excel de Yapabileceklerimiz Temel aritmetik işlemler (4 işlem) Mantıksal karşılaştırma işlemleri (>,>=,
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
4.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Ranj Çeyrek Kayma Çeyrekler Arası Açıklık Standart Sapma Varyans
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ FREKANS MODÜLASYONU İçerik 3 Açı modülasyonu Frekans Modülasyonu Faz Modülasyonu Frekans Modülasyonu Açı Modülasyonu 4 Açı modülasyonu Frekans Modülasyonu
DetaylıÇok Taşıyıcılı Gerçek Zaman WiMAX Radyoda Zaman Bölgesi ve Frekans Bölgesi Kanal Denkleştiricilerin Teorik ve Deneysel BER Başarım Analizleri
Ço Taşıyıcılı Gerçe Zaman WiMA adyoda Zaman Bölgesi ve Freans Bölgesi Kanal Denleştiricilerin Teori ve Deneysel Başarım Analizleri E. Tuğcu, O. Çaır, A. Güner, A. Özen, B. Soysal, İ. Kaya Eletri-Eletroni
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ TELAFĐ SINAVI SORULARI Tarih/Saat/Yer: 20.06.16/15:00-16:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz Öğrenci
DetaylıSAÜ Fen Edebiyat Dergisi (2009-II) ÜÇ BOYUTLU LORENTZ UZAYI MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK
SAÜ Fen Edebiyat Dergisi (009-II) ÜÇ BOYUTLU LORENTZ UZAYI L DE TIMELIKE MANNHEİM EĞRİ ÇİFTİ ÜZERİNE A. ZEYNEP AZAK Saarya Üniversitesi, Fen-Edebiyat Faültesi Matemati Bölümü, 5487, SAKARYA apirdal@saarya.edu.tr
Detaylıİstatistikçiler Dergisi
www.istatisticiler.org İstatistiçiler Dergisi (008) 68-79 İstatistiçiler Dergisi BAĞIMLI RİSKLER İÇİ TOPLAM HASAR MİKTARII DAĞILIMI Mehmet PIRILDAK Hacettepe Üniversitesi Fen Faültesi, Atüerya Bilimleri
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ DÖNEM SONU SINAV SORULARI Tarih/Saat/Yer: 15.06.16/09:00-10:30/AS115-116-117 Instructor: Prof. Dr. Hüseyin
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
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
DetaylıBAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI
BAZI ÖNEMLİ SÜREKLİ DEĞİŞKEN DAĞILIMLARI BAZI SÜREKLİ OLASILIK DAĞILIMLARI 1. SÜREKLİ DÜZGÜN (UNIFORM) DAĞILIM 2. NORMAL DAĞILIM 3. BİNOM DAĞILIMINA NORMAL YAKLAŞIM 4. POISSON DAĞILIMINA NORMAL YAKLAŞIM
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıMarkov Zinciri Monte Carlo Yaklaşımı. Aktüeryal Uygulamaları
Markov Zinciri Monte Carlo Yaklaşımı ve Aktüeryal Uygulamaları ŞİRZAT ÇETİNKAYA Aktüer Sistem Araştırma Geliştirme Bölümü AKTÜERLER DERNEĞİ 2.0.20080 2008 - İSTANBUL Sunum Planı. Giriş 2. Bayesci Metodun
DetaylıELK 318 İLETİŞİM KURAMI-II
ELK 318 İLETİŞİM KURAMI-II Nihat KABAOĞLU Kısım 5 DERSİN İÇERİĞİ Sayısal Haberleşmeye Giriş Giriş Sayısal Haberleşmenin Temelleri Temel Ödünleşimler Örnekleme ve Darbe Modülasyonu Örnekleme İşlemi İdeal
DetaylıSürekli Rastsal Değişkenler
Sürekli Rastsal Değişkenler Normal Dağılım: Giriş Normal Dağılım: Tamamen ortalaması ve standart sapması ile tanımlanan bir rastsal değişken, X, için oluşturulan sürekli olasılık dağılımına normal dağılım
DetaylıSÜREKLİ( CONTINUOUS) OLASILIK
SÜREKLİ( CONTINUOUS) OLASILIK DAĞILIMLARI Sürekli bir random değişken (a,b) aralığındaki her değeri alabiliyorsa bu değişkene ait olasılık dağılım fonksiyonunun grafiğinde eğri altında kalan alan bize
DetaylıT.C. YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AF VE DF TABANLI İŞBİRLİKLİ SİSTEMLERDE RÖLE SEÇİMİ AYŞE İPEK AKIN
T.C. YILDIZ TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AF VE DF TABANLI İŞBİRLİKLİ SİSTEMLERDE RÖLE SEÇİMİ AYŞE İPEK AKIN YÜKSEK LİSANS TEZİ ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI HABERLEŞME
DetaylıMATLAB. Grafikler DOÇ. DR. ERSAN KABALCI
MATLAB Grafikler DOÇ. DR. ERSAN KABALCI Matlab yüksek seviyede grafik oluşturulabilir. Matlab ile çizilebilecek grafikler; Dikdörtgen (x-y) ve 3 boyutlu çizgi grafikleri Ağ (mesh) ve yüzey grafikleri Çubuk
Detaylı1991 ÖYS. )0, 5 işleminin sonucu kaçtır? A) 1 B) 2 C) 3 D) 4 E) 5 A) 123 B) 432 C) 741 D) 864 E) 987
99 ÖYS.,8 (, ), işleminin sonucu açtır? A) B) C) D) E) 7. Raamları sıfırdan ve birbirinden farlı, üç basamalı en büyü sayı ile raamları sıfırdan ve birbirinden farlı, üç basamalı en üçü sayının farı açtır?
DetaylıDENEY 3. HOOKE YASASI. Amaç:
DENEY 3. HOOKE YASASI Amaç: ) Herhangi bir uvvet altındai yayın nasıl davrandığını araştırma ve bu davranışın Hooe Yasası ile tam olara açılandığını ispatlama. ) Kütle yay sisteminin salınım hareeti için
DetaylıTEK SERBESTLİK DERECELİ TİTREŞİM SİSTEMİNİN LAGUERRE POLİNOMLARI İLE MATRİS ÇÖZÜMÜ
EK SERBESLİK DERECELİ İREŞİM SİSEMİNİN LAGUERRE POLİNOMLARI İLE MARİS ÇÖZÜMÜ Mehmet ÇEVİK a, Nurcan BAYKUŞ b a Celal Bayar Üniversitesi Maine Mühendisliği Bölümü, Muradiye 454, Manisa. b Douz Eylül Üniversitesi,
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıDers 2 : MATLAB ile Matris İşlemleri
Ders : MATLAB ile Matris İşlemleri Kapsam Vetörlerin ve matrislerin tanıtılması Vetör ve matris operasyonları Lineer denlem taımlarının çözümü Vetörler Vetörler te boyutlu sayı dizileridir. Elemanlarının
Detaylı) ile algoritma başlatılır.
GRADYANT YÖNTEMLER Bütün ısıtsız optimizasyon problemlerinde olduğu gibi, bir başlangıç notasından başlayara ardışı bir şeilde en iyi çözüme ulaşılır. Kısıtsız problemlerin çözümü aşağıdai algoritma izlenere
DetaylıSezin Yıldırım, Özgür Ertuğ
ÇOK-YOLLU SÖNÜMLEMELİ KANALLARDA TURBO KODLANMIŞ ALICI ANTEN ÇEŞİTLEMESİ TEK KOD ÇEVRİMSEL KAYDIRMA (TKÇK) ÇOK KULLANICILI SEZİCİNİN PERFORMANS ANALİZİ Sezin Yıldırım, Özgür Ertuğ Telekomünikasyon ve Sinyal
DetaylıMIT OpenCourseWare http://ocw.mit.edu. 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
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
DetaylıSİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ
SİNYALLER VE SİSTEMLERİN MATLAB YARDIMIYLA BENZETİMİ 2.1. Sinyal Üretimi Bu laboratuarda analog sinyaller ve sistemlerin sayısal bir ortamda benzetimini yapacağımız için örneklenmiş sinyaller üzerinde
DetaylıÖrnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir?
İSTATİSTİK Bir sonuç çıkarmak ya da çözüme ulaşabilmek için gözlem, deney, araştırma gibi yöntemlerle toplanan bilgiye veri adı verilir. Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin
DetaylıToplam İkinci harmonik. Temel Üçüncü harmonik. Şekil 1. Temel, ikinci ve üçüncü harmoniğin toplamı
FOURIER SERİLERİ Bu bölümde Fourier serilerinden bahsedeceğim. Önce harmoniklerle (katsıklıklarla) ilişkili sinüsoidin tanımından başlıyacağım ve serilerin trigonometrik açılımlarını kullanarak katsayıları
DetaylıMerkezi Yığılma ve Dağılım Ölçüleri
1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu
DetaylıLAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI
LAÜ FEN EDEBĐYAT FAKÜLTESĐ PSĐKOLOJĐ BÖLÜMÜ PSK 106 ĐSTATĐSTĐK YÖNTEMLER I 2015-2016 BAHAR DÖNEMĐ BÜTÜNLEME SINAVI SORULARI Tarih/Saat/Yer: 24.06.16/11:00-12:30/AS010 Instructor: Prof. Dr. Hüseyin Oğuz
DetaylıANALOG İLETİŞİM. 3. Kanal ayrımı sağlar. Yani modülasyon sayesinde aynı iletim hattında birden çok bilgi yollama olanağı sağlar.
ANALOG İLETİŞİM Modülasyon: Çeşitli kaynaklar tarafından üretilen temel bant sinyalleri kanalda doğrudan iletim için uygun değildir. Bu nedenle, gönderileek bilgi işareti, iletim kanalına uygun bir biçime
DetaylıKBÇE SİSTEMLERDE ÇOKLU ERİŞİM KARIŞIMI HESAPLAMA TEKNİKLERİ. Ahmet OTURAK
KBÇ SİSMLRD ÇOKLU RİŞİM KARIŞIMI HSAPLAMA KİKLRİ Ahmet OURAK Zongulda Karaelmas Üniversitesi Fen Bilimleri nstitüsü letri-letroni Mühendisliği Anailim Dalında Yüse Lisans ezi Olara Hazırlanmıştır ZOGULDAK
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
DetaylıJEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA
JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere
DetaylıPI KONTROLÖR TASARIMI ÖDEVİ
PI ONTROLÖR TASARIMI ÖDEVİ ONTROLÖR İLE TASARIM ontrolör Taarım riterleri Taarım riterleri genellile itemine yapmaı geretiğini belirtme ve naıl yaptığını değerlendirme için ullanılır. Bu riterler her bir
DetaylıERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ
ERCİYES ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ENERJİ SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ DENEY FÖYÜ DENEY ADI AC AKIM, GERİLİM VE GÜÇ DENEYİ DERSİN ÖĞRETİM ÜYESİ DENEY SORUMLUSU DENEY GRUBU: DENEY TARİHİ : TESLİM
Detaylı