İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "İSTATİSTİK. Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özkan GÖRGÜLÜ"

Transkript

1 İSTATİSTİK Doç. Dr. Suat ŞAHİNLER Arş.Gör. Özka GÖRGÜLÜ

2 Tavsye Edle Kayak Ktaplar Her öğrec keds tuttuğu düzel otlar.. Akar, M. ve S. Şahler, (997). İstatstk. Ç.Ü. Zraat Fakültes Geel Yayı No: 74, Ders Ktapları Yayı No: 7, ADANA.. İkz, F., H. Püskülcü, ve Ş. Ere, (996). İstatstğe Grş. E.Ü. Basımev, İZMİR. 3. Serper, Ö., (000). Uygulamalı İstatstk. Ezg Ktabev,, BURSA. Doç.Dr. Suat ŞAHİNLER

3 Bölüm TEMEL KAVRAMLAR Doç.Dr. Suat ŞAHİNLER 3

4 İstatstk,, değşk alamlarda kullaıla ve farklı taımları ola br kavramdır. Taım: : Belrl koularda toplaa sayısal değerler le ler sürüle br takım şekl, grafk ve tablolardır. Örek: Br ülkede br yılda meydaa gele ölüm sayısı, kaza sayısı, lkokula başlaya ve mezu ola öğrec sayısı, Türkye de yıllar tbar le tarım ve saay kesmde çalışaları sayısı, okuma yazma oraı le hracat ve thalattak durumu göstere br takım şekl ve grafkler Doç.Dr. Suat ŞAHİNLER 4

5 Taım: Temel matematkte ala blm dalıa verle addır. Bu yöde ele alıdığıda statstk, poztf blm esası ola deey veya deemeler plalama, gözlem yapma, verler toplama ve toplaa verler düzeleme, aalz etme, yorumlama, objektf ve doğru kararı verme le lgl blmsel tekk ve metotlar gelştre ve uygulaya br blm dalıdır. Gelştrle br statstk tekk ve yötem, zraatte olduğu kadar ekoom, tıp, eğtm veya byolojde de uygulaablr. Bu edele tüm araştırıcı veya blm adamları statstk tekk ve yötemler e azıda yakıda taımak ve belrl ölçüde blmek zorudadır. Doç.Dr. Suat ŞAHİNLER 5

6 Taım3: Şasa bağlı olarak elde edle ve öreklerde hesaplaa değerler geel adıdır. Dğer br fadeyle, br değer örekte hesaplaıyorsa bu değere statstk der. Doç.Dr. Suat ŞAHİNLER 6

7 İstatstkte Kullaıla Temel Kavramlar BİRİM(Üte):Br Br topluluğu oluştura ve celemeye kou ola obje yada breye brm der. Nüfus olayıda brm kş, devlette çalışalarda memur veya şç,, br tarla deemesde ya parsel ya da br tek btk keds, hastae olayıda hasta ve üversıte olayıda se ya öğretm elamaı yada öğrecdr. KARAKTER(Vasıf):Brm çeştl özellkler karakter olarak taımlaablr. Öreğ, üfus olayıda kş csyet, yaşı, boyu, öğrem durumu d vb., tarımda buğdayı çeşd, başaktak dae sayısı, dekara verm, btk boyu, yaprak geşlğ brer karakterdrler. İstatstk açıda tüm karakterler geel olarak kye ayrılır, bular; a)kaltatf (tel) karakterler b)kattatf (cel) karakterler Doç.Dr. Suat ŞAHİNLER 7

8 POPULASYON(yığı, ktle):bell karakterler ortak ola brmler oluşturduğu topluluğa populasyo der. Öreğ: hayva populasyou,, btk populasyou,, öğrec populasyou Populasyou oluştura brmler sayısı populasyo geşlğ olarak blr (N) ve araştırıcıı amacıa bağlı olarak küçüleblr veya büyüyeblr. Populasyoda üzerde çalışıla karakter veya karakterler bakımıda tüm obje veya breyler teker teker celemek çoğu zama mümkü değldr. Populasyodak breyler tümüü celemes sıırlaya faktörler; Zama, Malyet, İşçlk, Yasalar Buda dolayı, populasyou tümüü üzerde çalışılması yere oda bell yötemlerle alıa örek veya örekler üzerde çalışılır. Doç.Dr. Suat ŞAHİNLER 8

9 PARAMETRE:Populasyou Populasyou özellkler taımlaya değerlere parametre der. Populasyou özellkler belrte parametrelerde e öemller populasyou ortalaması (μ)( ve populasyou varyası (σ ) dır. ÖRNEK:İceleme kousu ola populasyoda br örekleme yötemyle populasyou temsl edeblecek büyüklükte alıa daha az sayıda brmler oluşturduğu topluluğa örek adı verlr. Ayrıca örek, araştırıcıı çalıştığı kou le lgl olarak deey veya gözlemler soucuda elde ettğ gözlemler topluluğudur şeklde de taımlaablr. Öreğ; br koyu sürüsüde rastgele alıa 50 koyu, br portakal bahçesde rastgele seçle 5 portakal ağacı brer örektrler. İSTATİSTİK:Öreğ özellkler taımlaya değerlere statstk adı verlr. Dğer br fadeyle, örekte hesaplaa değerlere statstk der. E öeml İstatstkler örek ortalaması( ) ve örek varyasıdır (S ). İstatstkler parametreler brer tahm değerdrler. Ya, μ ü, S se σ tahm değerdrler. Doç.Dr. Suat ŞAHİNLER 9

10 ÖRNEKLEME:Herhag br populasyoda öreğ seçmek ç uygulaa yötemler topluluğuma örekleme der. Populasyou temsl etmek amacıyla yapıla çeştl örekleme şekller vardır. Bularda e çok kullaıla ve e bast şas öreklemes veya tesadüf öreklemedr. Şas öreklemes esası, populasyou oluştura tüm brmler öreğe grme şaslarıı eşt tutulmasıdır. Populasyoda örek alırke dkkat etmes gereke hususlar. Temel Kavramlar a) Brm sayısıı geş tutmak : Brm sayısı e kadar geş tutulursa ulursa veya örektek brm sayısı () populasyodak brm sayısı (N) e kadar yaklaşırsa, öreklerde hesaplaa statstkler populasyo parametlere o kadar yaklaşmış olur.başka br deyşle statstkler güvelrlğ o orada artar.fakat buu para, zama ve elema darlığı gb etkeler sıırlar. b) Materyal ve araştırmaı kousu hakkıdablg sahb olmak: Araştırıcı üzerde çalıştığı kou hakkıda tam br blgye sahp olmalıdır.aks taktrde,uygulayacağı statstk yötem yalış belrleyeblr. c)brmler öreğe grmes rastgele yapmak: Araştırıcıı öreğ seçerke tamamıyla objektf ve yasız olablmes acak öreğ seçm rastgele yapmasıyla mümküdür. Doç.Dr. Suat ŞAHİNLER 0

11 Buraya kadar alatılalar Şekl. de özetlemştr. Temel Kavramlar Populasyo N Örekleme Örek (μ,σ ) (, S ) Yorumlama İstatstkler Parametreler Doç.Dr. Suat ŞAHİNLER

12 Değşke: Tekrarlaa br olayda her defasıda farklı değerler alable sembollere değşke der. Matematkte Değşke; deklem ve eştszlklerde bell koşulları sağlaya sayı ve olaylar lar topluluğuu göstere sembollerdr. Değşkeler geellkle alfabe X,Y,V,W,Z gb so harfleryle gösterlr.değşke aldığı değerler se o değşke küçük harf le sembolze edlrler.öreğ, X{,, 3,..., } Y{y,y,y 3,...,y } Z{z,z,z 3...,z } W{w,w,w 3...,w } Br değşke k tp değer alablr; Teork (mümkü) Değer: : Değşke alableceğ değerler tümüe mümkü değer der. X Not se X{0,,,,00},00} Gözlee Değer: : Değşke deeme, deey veya gözlem souda almış olduğu değerlere der. X 5 öğrec rec otu se X{77,65,44,99,5} Doç.Dr. Suat ŞAHİNLER

13 Ver Tpler: Değşke aldığı değerler br ölçü brmyle fade edlmş ola hale ver der ve gözlemde gözleme farklılık gösterr. Esas olarak statstkç veya araştırıcı şas değşkeler üzerde çalışır. ç Araştırıcı herşeyde öce üzerde çalıştığı şas değşke tp blmek zorudadır. Çükü uygulaacak statstk yötem değşke tpe göre farklılık gösterr. Geel olarak k tp şas değşke vardır; Kaltatf verler; ; sııfladırılable verler olup her sııfa düşe gözlem sayısı şeklde gösterlrler. Kattatf verler se; ; keskl ve sürekl olmak üzere ked çersde kye ayrılır. Keskl verler,, br brey sayma sayıları le fade edleble özellkler, sürekl verler se, br ölçüm veya tartım le ölçüleble özellkler yasıta verlerdr. Doç.Dr. Suat ŞAHİNLER 3

14 Tablo. Değşke tpler ve bazı özellkler. Temel Kavramlar Değşke Tpler Soru Tp Cevap Dağılış Şekl Kaltatf Parazt Var mı? Evet Hayır K-Kare( Kare(χ ) Kattatf Keskl Sürekl Kaç Yumurta? Yumurta ağırlığı e kadar?... adet gr Bom, Posso Normal Doç.Dr. Suat ŞAHİNLER 4

15 İstatstkte Kullaıla İşaretler: Σ grek alfabesde büyük harf sgmadır.. Matematk ve statstkte sayıları toplamı alamıa gelr. X {,, 3,..., } gb tae değer alıyorsa buları toplamı,,, 3,..., şeklde gösterlr. Öreğ; X{5,7,3,,8) se, Olur. Doç.Dr. Suat ŞAHİNLER 5

16 Doç.Dr. Suat ŞAHİNLER Doç.Dr. Suat ŞAHİNLER 6 6 Temel Kavramlar Br değşke kareler toplamıı buluması; Bu, değşke aldığı değerler ayrı ayrı kareler alıp toplamak suretyle buluur ve statstkte bua kısaca kareler toplamı der. Örek: Yukarıdak X değşkee at kareler toplamıı bulalım, Olur.

17 Br değşke kareler toplamı(kt), o değşke toplamıı karese eşt değldr. Ya, ( ) Yukarıdak X değşke değerler ç bu durum; 5 ve 5 İd ve böylece; 5 5 Olur. İk değşke çarpımlar toplamı: X {,, 3,..., }ve Y{y,y,y 3,...,y } olsu. Bu durumda çarpımlar toplamı; * * y * y * y y Doç.Dr. Suat ŞAHİNLER 7

18 Öreğ; X{5,7,3,,8) ve Y{4,,5,6,3} se, (5) çarpımlar toplamı 5 * y * y * y 3 * y3 4 * y4 5 * y *4 7* 3*5 *6 8*3 İk değşke çarpımlar toplamı,değşkeler ayrı ayrı toplamlarıı çarpımıa eşt değldr. Ya, * y ( )*( y ) 5, y 0 y 85 Yukarıdak örek ç bu durum ve Olduğua göre; olduğu açıkça görülür Doç.Dr. Suat ŞAHİNLER 8

19 Toplama İşaret (Σ)( ) Özellkler: a)x ve Y gb k değşke değerler kşer kşer toplamlarıı toplamı (farkı) bu k değşkee at değerler ayrı ayrı toplamlarıı toplamıa (farkıa) eşttr.ya, ( ± y ) ± y b)br değşkee at değerler br sabt sayı le çarpımıı toplamı, değşke aldığı değerler toplamıı o sabt le çarpımıa eşttr. k k c) Br sabt sayıı de e kadar toplamı, o sabt le çarpımıa eşttr. k k Doç.Dr. Suat ŞAHİNLER 9

20 Doç.Dr. Suat ŞAHİNLER 0

21 Doç.Dr. Suat ŞAHİNLER

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

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

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

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 Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması . Ders ĐSTATĐSTĐKTE SĐMÜLASYON Tahm Edcler ve Test Đstatstkler Smülasyo le Karşılaştırılması Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve

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

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

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR

ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR ÖLÇÜM, ÖLÇÜM HATALARI ve ANLAMLI RAKAMLAR Ölçme, her deeysel blm temel oluşturur. Fzk blmde de teorler sıaması ç çeştl deeyler tasarlaır ve bu deeyler sırasıda çok çeştl ölçümler yapılır. Br fzksel celğ

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

= 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

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

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ

Değişkenler Arasındaki İlişkiler Regresyon ve Korelasyon. Dr. Musa KILIÇ Değşkeler Arasıdak İlşkler Regresyo ve Korelasyo Dr. Musa KILIÇ http://ks.deu.edu.tr/musa.klc 1. Grş Buda öcek bölümlerde celedğmz koular, br tek değşke ç yorumlamalar yapmaya yöelk statstk yötemler üzerde

Detaylı

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu

Bir KANUN ve Bir TEOREM. Büyük Sayılar Kanunu Br KANUN ve Br TEOREM Büyük Türkçe Sözlük kau Đg. law Doğa olaylarıı oluş edeler ortaya koya ve gelecektek olayları öcede kestrme olaağı vere bağıtı; Newto kauu, Kepler kauları. (BSTS / Gökblm Termler

Detaylı

TABAKALI ŞANS ÖRNEKLEME

TABAKALI ŞANS ÖRNEKLEME 6 TABAKAI ŞA ÖREKEME 6.. Populasyo ortalaması ve populasyo toplamıı tam 6.. Populasyo ortalamasıı ve toplamıı varyası 6... Populasyo ortalamasıı varyası 6... Populasyo toplamıı varyası 6..3. Ortalama ve

Detaylı

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun:

Giriş. Değişkenlik Ölçüleri İSTATİSTİK I. Ders 5 Değişkenlik ve Asimetri Ölçüleri. Değişkenlik. X i ve Y i aşağıdaki gibi iki seri verilmiş olsun: Grş İSTATİSTİK I Ders Değşkelk ve Asmetr Ölçüler Ortalamalar, serler karşılaştırılmasıda her zama yeterl ölçüler değldr. Ayı ortalamayı sahp serler arklı dağılım göstereblrler. Bu edele serler karşılaştırılmasıda,

Detaylı

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1

ĐÇI DEKILER 1. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR 1 ĐÇI DEKILER Sayfa. TEMEL ĐSTATĐSTĐK KAVRAMLAR VE OTASYO LAR.. Grş.. Đstatstk.3. Populasyo.4. Örek.5. Brm.6. Parametre.7. Değşke 3.8. Ver ve Ver Tpler 3.9. Toplama Sembolü 4 ÇALIŞMA PROBLEMLERĐ 6. VERĐLERĐ

Detaylı

Đst201 Đstatistik Teorisi I

Đst201 Đstatistik Teorisi I Đst20 Đstatstk Teors I DERSĐN TÜRÜ Zorulu DERSĐN DÖNEMĐ Yaz DERSĐN KREDĐSĐ Ulusal Kred: (4, 0, 0 ) 4 KTS: 7 DERSĐN VERĐLDĐĞĐ Bölüm: Đstatstk 200/20 Öğretm Yılı DERSĐN MCI Đstatstğ matematksel temeller

Detaylı

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

Quality Planning and Control

Quality Planning and Control Qualty Plag ad Cotrol END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üverstes Edüstr Mühedslğ Aablm Dalı 1 Qualty Maagemet İstatstksel Proses Kotrol Kotrol Kartları 2 END 3618

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekoom ve Tekoloj Üverstes İKT351 Ekoometr I, Ara Sıavı Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sıav toplam 100 pua değerde 4 soruda oluşmaktadır. Sıav süres 90 dakkadır ve

Detaylı

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI

KONTROL KARTLARI 1)DEĞİŞKENLER İÇİN KONTROL KARTLARI 1 KONTOL KATLAI 1)DEĞİŞKENLE İÇİN KONTOL KATLAI Ölçe,gözle veya deey yolu le elde edle verler değşke(ölçüleblr-sürekl) ve özellk (sayılablr-keskl) olak üzere başlıca k gruba ayrılır. Değşke verler belrl

Detaylı

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak

YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarihli ve 25391 sayılı Resmi Gazete'de yayımlanmıştır.) BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayanak YILLIK ÜCRETLİ İZİN YÖNETMELİĞİ (03.03.2004 tarhl ve 25391 sayılı Resm Gazete'de yayımlamıştır.) Amaç BİRİNCİ BÖLÜM Amaç, Kapsam ve Dayaak Madde 1 Bu Yöetmelğ amacı, 4857 sayılı İş Kauuu 53 ücü maddes

Detaylı

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr.

Mühendislikte Olasılık, İstatistik, Risk ve Güvenilirlik Altay Gündüz. Mühendisler için İstatistik Prof. Dr. Mehmetçik Bayazıt, Prof. Dr. İSTATİSTİK DERSİ (BAÜ Müh-Mm Fakültes Dr. Bau Yağcı KAYNAKLAR Mühedslkte Olasılık, İstatstk, Rsk ve Güvelrlk Altay Güdüz Blgsayar (Ecel Destekl Uygulamalı İstatstk Pro. Dr. Mustaa Akkurt Mühedsler ç İstatstk

Detaylı

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ

TALEP TAHMİNLERİ. Y.Doç.Dr. Alpagut YAVUZ TALEP TAHMİNLERİ Y.Doç.Dr. Alpagut YAVUZ Yöetm e temel foksyolarıda br ola plalama, e kaba taımıyla, şletme geleceğe yöelk alıa kararları br bleşkesdr. Geleceğe yöelk alıa kararları başarısı yöetcler yaptıkları

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

çözüm: C=19500 TL n=4 ay t=0,25 I i 1.yol: Senedin iskonto tutarı x TL olsun. Bu durumda senedin peşin değeri: P C I (19500 x) TL olarak alınabilir.

çözüm: C=19500 TL n=4 ay t=0,25 I i 1.yol: Senedin iskonto tutarı x TL olsun. Bu durumda senedin peşin değeri: P C I (19500 x) TL olarak alınabilir. 1 6)Kred değer 19500 TL ola br seet vadese 4 ay kala, yıllık %25 skoto oraı üzerde br bakaya skoto ettrlyor. Hesaplamada ç skoto metodu kullaıldığıa göre, seed skoto tutarı kaç TL dr? C=19500 TL =4 ay

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

HĐPERSTATĐK SĐSTEMLER

HĐPERSTATĐK SĐSTEMLER HĐPERSTATĐK SĐSTELER Taım: Bütü kest zorları, şekldeğştrmeler ve yerdeğştrmeler belrlemes ç dege deklemler yeterl olmadığı sstemlere hperstatk sstemler der. Hperstatk sstemler hesabı ç, a) Dege deklemlere,

Detaylı

Tanımlayıcı İstatistikler

Tanımlayıcı İstatistikler TANIMLAYICI İSTATİSTİKLER MERKEZİ EĞİLİM ÖLÇÜLERİ Dr. Mehmet AKSARAYLI D.E.Ü. İ.İ.B.F. EKONOMETRİ BÖLÜMÜ mehmet.aksarayl@deu.edu.tr Taımlayıcı İstatstkler Yer Ölçüler (Merkez Eğlm Ölçüler) Duyarlı Ortalamalar

Detaylı

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24

=... 29 İÇİNDEKİLER. E(X) = k... 22. 3.5. Pascal (Negatif Binom) Dağılımı... 22 1. 3.6. Hipergeometrik Dağılım... 22. N y= ... 24 İÇİNDEKİLER SİMGE LİSTESİ... KISALTMA LİSTESİ... v ÇİZELGE LİSTESİ... v ŞEKİL LİSTESİ... v ÖNSÖZ... v ÖZET... x ABSTRACT... x GİRİŞ... BÖLÜM : OLASILIK DAĞILIMLARI VE OLASILIK YOĞUNLUKLARI... BÖLÜM : OLASILIK

Detaylı

1. GAZLARIN DAVRANI I

1. GAZLARIN DAVRANI I . GZLRIN DRNI I İdeal Gazlar ç: lm 0 RT İdeal gazlar ç: RT Hacm() basıçla() değşk sıcaklıklarda değşm ekl.. de gösterlmştr. T >T 8 T T T 3 asıç T 4 T T 5 T 7 T 8 Molar Hacm ekl.. Gerçek br gazı değşk sıcaklıklardak

Detaylı

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları

5.1 Olasılık Tarihi. 5.2. Temel Olasılık Kavramları 5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Olasılığı Tolaablrlk Kuralı: 5.6. Olasılığı çarım kuralı: 5.7. Değl ağıtısı: 5.8. Koşullu

Detaylı

DEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER

DEĞİŞİM ÖLÇÜLERİ 4. TAŞINMAZ GELİŞTİRME TEZSİZ YÜKSEK LİSANS PROGRAMI. Ünite: 4 DEĞİŞİM ÖLÇÜLERİ. Doç. Dr. Yüksel TERZİ İÇİNDEKİLER İÇİNDEKİLER TAŞINMAZ GELİŞTİRME Üte: DEĞİŞİM ÖLÇÜLERİ Doç. Dr. üksel TERZİ TAŞINMAZ GELİŞTİRME TEZSİZ ÜKSEK LİSANS PROGRAMI İÇİNDEKİLER.1. GİRİŞ.. DEĞİŞİM ÖLÇÜLERİ..1. Değşm Geşlğ... Kartller Arası fark... Ortalama

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

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

T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI

T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI 15.09.015 T.C. RECEP TAYYİP ERDOĞAN ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İŞLETME BÖLÜMÜ SAYISAL YÖNTEMLER ANABİLİM DALI DERS NOTLARI ISL4 İSTATİSTİK II HAZIRLAYAN PROF. DR. ALİ SAİT ALBAYRAK

Detaylı

Doç. Dr. Mehmet AKSARAYLI

Doç. Dr. Mehmet AKSARAYLI Doç. Dr. Mehmet AKSARALI www.mehmetaksarayl İstatstksel araştırmalarda k yada daha çok değşke arasıdak lşk celemes ç e çok kullaıla yötemlerde brs regresyo aalzdr. Değşkeler arasıdak lşk matematksel br

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

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

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür.

Kİ-KARE TESTLERİ. şeklinde karesi alındığında, Z i. değerlerinin dağılımı ki-kare dağılımına dönüşür. Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk

Detaylı

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir.

değerine bu matrisin bir girdisi(elemanı,bileşeni) denir. Bir sütundan (satırdan) oluşan bir matrise bir sütun (satır) matrisi denir. Bölüm 2 Matrsler aım 2.1 F br csm, m, brer doğal sayı olsu. a F ( 1,.., m; j 1,..., ) olmak üzere, a11... a1 fadese m satır sütuda oluşa (veya m tpde) br F matrs der. am 1... a m Böyle br matrs daha sade

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

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ

Kİ-KARE TESTLERİ A) Kİ-KARE DAĞILIMI VE ÖZELLİKLERİ Kİ-KAR TSTLRİ A) Kİ-KAR DAĞILIMI V ÖZLLİKLRİ Örnekleme yoluyla elde edlen rakamların, anakütle rakamlarına uygun olup olmadığı; br başka fadeyle gözlenen değerlern teork( beklenen) değerlere uygunluk gösterp

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

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

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

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç

Sayısal Türev Sayısal İntegrasyon İnterpolasyon Ekstrapolasyon. Bölüm Üç Sayısal Türev Sayısal İtegrasyo İterpolasyo Ekstrapolasyo Bölüm Üç Bölüm III 8 III-. Pvot Noktaları Br ( ) oksyouu değer, geellkle ekse üzerdek ayrık oktalarda belrler. Bu oktalara pvot oktaları der. Bu

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

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır.

dir. Bir başka deyişle bir olayın olasılığı, uygun sonuçların sayısının örnek uzaydaki tüm sonuçların sayısına oranıdır. BÖLÜM 3 OLASILIK HESABI 3.. Br Olayın Olasılığı Tanım 3... Br olayın brbrnden ayrık ve ortaya çıkma şansı eşt n mümkün sonucundan m tanes br A olayına uygun se, A olayının P(A) le gösterlen olasılığı P(A)

Detaylı

İşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003

İşletme İstatistiği. [Type the document subtitle] Ege Yazgan ve Yüce Zerey 10/21/2003 ISTANBUL BİLGİ UNİVERSİTY İşletme İstatstğ [Type the documet subttle] Ege Yazga ve Yüce Zerey 1/1/3 [Type the abstract of the documet here. The abstract s typcally a short summary of the cotets of the

Detaylı

9. Ders. Đstatistikte Monte Carlo Çalışmaları

9. Ders. Đstatistikte Monte Carlo Çalışmaları 9. Ders Đstatstkte Mote Carlo Çalışmaları Đstatstk rasgelelk olgusu çere olay süreç ve sstemler modellemesde özellkle bu modellerde souç çıkarmada ve bu modeller geçerllğ sıamada kullaıla bazı blg ve yötemler

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon 1 Korelasyon Analz İk değşken arasında lşk olup olmadığını belrlemek çn yapılan analze korelasyon analz denr. Korelasyon; doğrusal yada doğrusal olmayan dye kye ayrılır. Korelasyon

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ-KARE TESTLERİ 1 Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı, F Dağılışı, gb br dağılışa uygun olduğu durumlarda

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

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek

FİNANSAL YÖNETİM. Finansal Yönetim Örnek Sorular Güz 2015. Yrd. Doç. Dr. Rüstem Barış Yeşilay 1. Örnek. Örnek. Örnek. Örnek. Örnek Fasal Yöetm Örek lar Güz 2015 Güz 2015 Fasal Yöetm Örek lar 2 Örek FİNNSL YÖNETİM ÖRNEKLER 1000 TL %10 fazde kaç yıl süreyle yatırıldığıda 1600 TL olur? =1000 TL, FV=1600 TL, =0.1 FV (1 ) FV 1600 (1 )

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

5.1 Olasılık Tarihi Temel Olasılık Kavramları

5.1 Olasılık Tarihi Temel Olasılık Kavramları 5 OLSILIK 5.. Olasılık Tarh 5.. Temel Olasılık Kavramları 5.3. Deeysel Olasılık 5.4. Temel olasılık Teoremler 5.5. Koşullu (Şartlı Olasılık 5.6. ayes Teorem 5.7. ağımsızlık: 5.8. Olasılık Foksyoları 5.8..

Detaylı

KUVVET SİSTEMLERİ KUVVET. Vektörel büyüklük. - Kuvvetin büyüklüğü - Kuvvetin doğrultusu - Kuvvetin uygulama noktası - Kuvvetin yönü. Serbest vektör.

KUVVET SİSTEMLERİ KUVVET. Vektörel büyüklük. - Kuvvetin büyüklüğü - Kuvvetin doğrultusu - Kuvvetin uygulama noktası - Kuvvetin yönü. Serbest vektör. İ.T.Ü. aka akültes ekak Aa Blm Dalı STATİK - Bölüm KUVVET SİSTELEİ KUVVET Vektörel büyüklük - Kuvvet büyüklüğü - Kuvvet doğrultusu - Kuvvet uygulama oktası - Kuvvet yöü S = (,,..., ) = + +... + = Serbest

Detaylı

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t)

III.4. YÜKSEK MERTEBE TAYLOR METODLARI. ( t) III.4. YÜKSEK MEREBE AYLOR MEODLARI Saısal tekkler amacı mmum çaba le olablğce uarlı aklaşımlar ele etmektr. Bu eele çeştl aklaşım ötemler vermllğ karşılaştıracak br krtere gereksm varır. İlk ele alıacak

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

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

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

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı

YÖNEYLEM ARAŞTIRMASI III. Dinamik Programlama. Örnek 3: Tıbbi Müdahale Ekiplerinin Ülkelere Dağıtımı YÖNEYLEM ARAŞTIRMASI III Hafta Determstk Damk Programlama (devam) Damk Programlama Geçe derste küçük ölçekl problemler damk programlamayla yelemel olarak asıl çözüldüğüü gördük. Bu derste, öreklere devam

Detaylı

Polinom İnterpolasyonu

Polinom İnterpolasyonu Polom İterpolasyou (Ara Değer Bulma Br foksyou solu sayıdak, K, R oktalarıda aldığı f (, f (,, f ( değerler bls (foksyou keds blmyor. Bu oktalarda geçe. derecede br tek, P a + a + a + + a (... polumu vardır

Detaylı

Sıklık Tabloları ve Tek Değişkenli Grafikler

Sıklık Tabloları ve Tek Değişkenli Grafikler Sıklık Tabloları ve Tek Değşkenl Grafkler Sıklık Tablosu Ver dzsnde yer alan değerlern tekrarlama sayılarını çeren tabloya sıklık tablosu denr. Sıklık Tabloları tek değşken çn marjnal tablo olarak adlandırılır.

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

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

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği

Bağıl Değerlendirme Sisteminin Simülasyon Yöntemi ile Test Edilmesi: Kilis 7 Aralık Üniversitesi Örneği Akademk Blşm 11 - III. Akademk Blşm Koferası Bldrler 2-4 Şubat 2011 İöü Üverstes, Malatya Bağıl Değerledrme Sstem Smülasyo Yötem le Test Edlmes: Kls 7 Aralık Üverstes Öreğ Kls 7 Aralık Üverstes, Blgsayar

Detaylı

6. Uygulama. dx < olduğunda ( )

6. Uygulama. dx < olduğunda ( ) . Uygulama Hatırlatma: Rasgele Değşelerde Belee Değer Kavramı br rasgele değşe ve g : R R br osyo olma üzere, ) esl ve g ) ) < olduğuda D ) sürel ve g ) ) d < olduğuda g belee değer der. c R ve br doğal

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

Açık Artırma Teorisi Üzerine Bir Çalışma

Açık Artırma Teorisi Üzerine Bir Çalışma Kocael Üerstes Sosyal Blmler Esttüsü Dergs (4) 27 / 2 : 5-77 Açık Artırma Teors Üzere Br Çalışma Şeket Alper Koç Özet: Bu çalışmada haleler üzere teork r araştırma yapılacaktır. Belrl arsayımlar altıda

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ

Detaylı

Parametrik Olmayan İstatistik Çözümlü Sorular - 2

Parametrik Olmayan İstatistik Çözümlü Sorular - 2 Parametrk Olmaya İstatstk Çözümlü Sorular - Soru Böbrek hastalarıa at Kreat (KRT) değerlere lşk br araştırma yapılmak stemektedr. Buu ç rasgele seçle hastaya at Kreat değerler aşağıdak gb elde edlmştr

Detaylı

Doğrusal Korelasyon ve Regresyon

Doğrusal Korelasyon ve Regresyon Doğrusal Korelasyon ve Regresyon En az k değşken arasındak lşknn ncelenmesne korelasyon denr. Kşlern boyları le ağırlıkları, gelr le gder, öğrenclern çalıştıkları süre le aldıkları not, tarlaya atılan

Detaylı

Olasılık, Rastgele Değişkenler ve İstatistik

Olasılık, Rastgele Değişkenler ve İstatistik Olasılık, Rastgele Değşkeler ve İstatstk Dr. Caht Karakuş Eseyurt Üverstes İçdekler. İSTATİSTİK... 5.. Merkez Eğlm Ölçümler... 5. Olasılık... 5.. Olasılıklarda toplama ve çarpma kuralları... 8.. Koşullu

Detaylı

Tek Yönlü Varyans Analizi (ANOVA)

Tek Yönlü Varyans Analizi (ANOVA) VARYANS ANALİZİ İ örne ortalaması arasında farın önem ontrolü, örne büyülüğüne göre z veya testlernden bryle yapılır. Bu testlerle, den fazla örne ortalamasını brlte test etme ve aralarında farın önem

Detaylı

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1)

TÜMEVARIM. kavrayabilmek için sonsuz domino örneği iyi bir modeldir. ( ) domino taşını devirmek gibidir. P ( k ) Önermesinin doğru olması halinde ( 1) TÜMEVARIM Matematite ulladığımız teoremleri ispatlamasıda pe ço ispat yötemi vardır. Özellile doğal sayılar ve birço ouda ispatlar yapare tümevarım yötemii sıça ullaırız. Tümevarım yötemii P Öermesii doğruluğuu

Detaylı

BÖLÜM 2 OLASILIK TEORİSİ

BÖLÜM 2 OLASILIK TEORİSİ BÖLÜM OLSILIK TEORİSİ İstatstksel araştırmaları temel koularıda br souu öede kes olarak blmeye bazı şasa bağlı olayları (deemeler) olası tüm mümkü souçlarıı hag sıklıkla ortaya çıktığıı belrleyeblmektr.

Detaylı

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK

Sürekli Olasılık Dağılım (Birikimli- Kümülatif)Fonksiyonu. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK Sürekl Olasılık Dağılım Brkml- KümülatFonksyonu Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr Sürekl olasılık onksyonları X değşken - ;+ aralığında tanımlanmış br sürekl rassal değşken olsun. Aşağıdak

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

Zaman Skalasında Box-Cox Regresyon Yöntemi

Zaman Skalasında Box-Cox Regresyon Yöntemi Dokuz Eylül Üverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:7, Sayı:, Yıl:0, ss.57-70. Zama Skalasıda Bo-Co Regresyo Yötem Atlla Özur İŞÇİ Sbel PAŞALI GÖKTAŞ ATMACA 3 M. Nyaz ÇANKAYA 4 Özet Hata term

Detaylı

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2

Matematik olarak normal dağılım fonksiyonu. 1 exp X 2 Matematk olarak ormal dağılım foksyou f ( ) ep ( ) Şeklde fade edlr. Burada μ artmetk ortalama, σ se stadart sapma değer gösterr ve dağılım foksyou N(μ, σ) otasyou le gösterlr. Bu deklem geometrk görütüsü

Detaylı

ASAL ÇARPANLARINA AYIRMA ÇÖZÜMLÜ SORULAR

ASAL ÇARPANLARINA AYIRMA ÇÖZÜMLÜ SORULAR ASAL ÇARPANLARINA AYIRMA ÇÖZÜMLÜ SORULAR 1) 60 sayısıı asal çarpalarıa ayrılmış şekli aşağıdakilerde hagisidir? A)..5 D)..5 B)..5 E)..5 C)..5 1.Yötem: 60 180 90 45 60..5 tir. 15 5 5 1.Yötem: Öğrecilerimizi1.Yötemde

Detaylı

Operasyonel Risk İleri Ölçüm Modelleri

Operasyonel Risk İleri Ölçüm Modelleri Bakacılar Dergs, Sayı 58, 006 Grş Operasyoel Rsk İler Ölçüm Modeller Çalışma k bölümde oluşmaktadır. İlk bölümde operasyoel rskler ölçülmes kapsamıda hag ler ölçüm modeller kullaılması gerektğ, söz kousu

Detaylı

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2

TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ ( ) (TRANSLOG MALİYET FONKSİYONU UYGULAMASI) Yaşar AKÇAY 1 Kemal ESENGÜN 2 l Ta rr ım ı Ekooms Kog rres 6-8 - Eylül l 2000 Tek rrdağ TÜRKİYE ŞEKERPANCARI ÜRETİMİNDE FAKTÖR TALEP ANALİZİ (980-998) (TRANLOG MALİYET FONKİYONU UYGULAMAI) Yaşar AKÇAY Kemal EENGÜN 2. GİRİŞ Türkye tarımı

Detaylı

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan

Önceki bölümde özetlenen Taylor metodlarında yerel kesme hata mertebesinin yüksek oluşu istenilen bir özelliktir. Diğer taraftan III.5.RUNGE-KUTTA METODLARI Öcek bölümde özelee Talor meodlarıda erel kesme aa merebes üksek oluşu sele br özellkr. Dğer araa ürevler buluma ve esaplaması pek çok problem ç karmaşık ve zama alıcı olduğuda

Detaylı

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy

denklemini sağlayan tüm x kompleks sayılarını bulunuz. denklemini x = 64 = 2 i şeklinde yazabiliriz. Bu son kompleks sayıları için x = 2iy Ders Sorumlusu: Doç. Dr. Necp ŞİMŞEK Problem. deklem sağlaya tüm kompleks sayılarıı buluu. Çöüm deklem şeklde yaablr. Bu so y kompleks sayıları ç y yaalım. Bu taktrde deklemde, baı y ( ) y elde edlr. Burada

Detaylı

SOYUT CEBİR VE SAYILAR TEORİSİ

SOYUT CEBİR VE SAYILAR TEORİSİ ÇÖZÜMLÜ PROBLEMLERLE SOYUT CEBİR VE SAYILAR TEORİSİ PROF. DR. MEHMET ERDOĞAN Beyket Üverstes Fe-Edebyat Fakültes Matematk-Blgsayar Bölümü YRD. DOÇ. DR. GÜLŞEN YILMAZ Beyket Üverstes Fe-Edebyat Fakültes

Detaylı

AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ

AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ AMORTİSMAN MALİYETİ SAPTAMA YÖNTEMLERİ Geel olrk 4 tp yötem kullılır.. Düz çzg yötem: Mlı değer zml doğrusl olrk zldığı vrsyılır. Mlı hzmet ömrü boyuc her yıl ç yı mktr mortsm olrk yrılır. V V d = S d:

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

Detaylı

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü

(DERS NOTLARI) Hazırlayan: Prof.Dr. Orhan ÇAKIR. Ankara Üniversitesi, Fen Fakültesi, Fizik Bölümü FİZ433 FİZİKTE BİLGİSAYAR UYGULAMALARI DERS NOTLARI Hazırlaya: Pro.Dr. Orha ÇAKIR Akara Üverstes, Fe Fakültes, Fzk Bölümü Akara, 7! İÇİNDEKİLER. LİNEER OLMAYAN DENKLEMLERİN KÖKLERİNİN BULUNMASI I/II. LİNEER

Detaylı

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI

OLASILIĞA GİRİŞ. Biyoistatistik (Ders 7: Olasılık) OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI OLASILIĞA GİRİŞ Yrd. Doç. Dr. Ünal ERKORKMAZ Sakarya Ünverstes Tıp Fakültes Byostatstk Anablm Dalı uerkorkmaz@sakarya.edu.tr OLASILIK, TIP ve GÜNLÜK YAŞAMDA KULLANIMI Br olayındoğal koşullar altında toplumda

Detaylı

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri

Asimetri ve Basıklık Ölçüleri Ortalamalara dayanan (Pearson) Kartillere dayanan (Bowley) Momentlere dayanan asimetri ve basıklık ölçüleri Asmetr ve Basıklık Ölçüler Ortalamalara dayanan (Pearson) Kartllere dayanan (Bowley) omentlere dayanan asmetr ve basıklık ölçüler Yrd. Doç. Dr. Tjen ÖVER ÖZÇELİK tover@sakarya.edu.tr III. Asmetr ve Basıklık

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

ÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR

ÜNİTE. İSTATİSTİĞE GİRİŞ Doç.Dr.Suphi Özçomak İÇİNDEKİLER HEDEFLER TEMEL KAVRAMLAR HEDEFLER İÇİNDEKİLER TEMEL KAVRAMLAR İstatstğn Tanımı Anakütle ve Örnek Kavramları Tam Sayım ve Örnekleme Anakütle ve Örnek Hacm Parametre ve İstatstk Kavramları İSTATİSTİĞE GİRİŞ Doç.Dr.Suph Özçomak Bu

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

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

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz;

Örnek A. Benzer tipteki 40 güç kaynağının dayanma süreleri aşağıdaki gibidir. Genişletilmiş frekans tablosu oluşturunuz; Öre A. Bezer pe 40 güç ayağıı dayama süreler aşağıda gbdr. Geşlelmş reas ablosu oluşuruuz;, 4,7 3, 3,4 3,3 3, 3,9 4, 3,4 4, 3,8 3,7 3,6 3,8 3,7 3,0,,6 3, 3,,6,9 3, 3,0 3,3 4,3 3, 4, 4,6 3, 3,3 4,4 3,9,9

Detaylı