Hatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
|
|
- Umut Ateş
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Ders Kodu: Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya
2 Giriş 2
3 Giriş Matematiksel istatistiğin konusu yığın nesneler ya da ölçülerdir. Rasgele seçme ve ölçme (veri elde etme süreci) istatistikte rasgele deney olarak adlandırılır. Sınırlı sayıda yinelenen bir rasgele deneyin sonuçları, olanaklı tüm sonuçları kapsayan toplumdan (deney ortamı) bir örnek (örnek uzay) oluşturur. Örnek elde etme işlemine örnekleme denir. Örneğin büyüklüğü kapsadığı sonuç ya da veri sayısı ile ölçülür. Bir örnek, ortalama (beklenen) değeri ve standart sapması ile tanımlanır. Bu büyüklüklere istatistik adı verilir. 3
4 Giriş Bir büyüklüğü (açı, uzunluk vb.) ölçme, olasılık kuramı açısından bir rasgele olaydır. Kaba ve düzenli hatalar dışlanırsa, ölçüler rasgele büyüklüklerdir. Ölçü değerleri, rasgele hatalar nedeniyle birbirinden farklıdır. Ölçülen büyüklük rasgele değişkendir. Çok sayıda ve çok küçük, bağımsız hataların toplamından oluştuğu düşünülebilen rasgele hata, normal dağılımlı ya da yaklaşık normal dağılımlı bir rasgele değişkendir. Rasgele olayların matematiksel modelleri ve istatistiksel testler belli dağılımlara dayanmaktadır. Özellikle istatistiksel testlerin temelini oluşturan başlıca olasılık dağılımlarını (olasılık modelleri) tanımak gerekir. 4
5 Normal Dağılım Mühendislik, fen bilimleri gibi uygulamalı bilim dallarında deneylere dayalı olarak elde edilen ölçü sonuçlarının rasgele hatalarla yüklü oldukları bilinmektedir. Bu dağılım Gauss dağılım adıyla da bilinmekte olup istatistikte oldukça sık kullanılan önemli bir dağılım türüdür. Ayrıca bu eğrinin şekli çana benzediğinden çan eğrisi olarak da isimlendirilir. Rasgele deneylere ve ölçmelere ilişkin rasgele değişkenler ve istatistiksel test büyüklükleri genellikle normal dağılımlı ya da yaklaşık normal dağılımlıdır. 5
6 Normal Dağılım µ ve σ dağılımı belirleyen parametrelerdir. Bu fonksiyonun grafiği çan eğrisi biçimindedir; µ beklenen değerine göre simetriktir. 6
7 Normal Dağılım 7
8 Normal Dağılım Standartlaştırma integralinin değerlendirilmesi güç olduğundan uygulamada normal dağılımda olan herhangi bir değişken standartlaştırılır. Bu durumda normal dağılımda olduğu farz edilen ve parametreleri µ ve σ olan X değişkeni için aşağıdaki eşitlik kullanılır. Böylece direkt olarak standartlaştırılmış normal dağılım tablolarından yararlanarak bu değişkenin olasılıkları daha kolay bir biçimde elde edilebilinir. Z= X µ σ 8
9 Normal Dağılım Standartlaştırma X rasgele değişkenine ilişkin x değerlerine karşılık, Z standart rasgele değişken değerleri z ile gösterilirse, standart normal dağılımın yoğunluk fonksiyonu f (z) = 1 dağılım fonksiyonu z2 e 2 2π 9
10 Normal Dağılım Standartlaştırma f(z) ve F(z) fonksiyonları için, f( z) = f(z) simetrik F( z) = 1 F(z) ya da F(z) = 1 F( z) geçerli olduğundan yalnızca +z değerlerine karşılık fonksiyon değerleri tablolarda verilmiştir. 10
11 Standart normal dağılımın f(z) olasılık yoğunluk fonksiyonunun değerleri z f(z) z f(z) z f(z) z f(z)
12 Standart normal dağılımın f(z) olasılık yoğunluk fonksiyonunun değerleri z f(z) z f(z) z f(z) z f(z)
13 Standart normal dağılımın F(z) dağılım fonksiyonunun değerleri z F(z) z F(z) z F(z) z F(z)
14 Standart normal dağılımın F(z) dağılım fonksiyonunun değerleri z F(z) z F(z) z F(z) z F(z)
15 Normal Dağılımın Özellikleri Normal dağılımın f(z) olasılık yoğunluk fonksiyonu, z = µ beklenen değerine göre simetriktir. Bundan dolayı, beklenen değeri, modu ve medyanı eşittir. Dağılımın x ekseni üzerindeki konumunu µ belirler. Eğer ölçülerde sistematik bir hata varsa bu durum µ de kendini belli eder. Yoğunluk fonksiyonu, z ± için sıfıra yaklaşır. f(z) eğrisinin dönüm noktaları z=µ±σ dır. Standart rasgele değişken için en yüksek olasılık yoğunluk değeri, başka deyişle f(z) fonksiyonunun en büyük değeri 0.40 dır. Büyük hata yapma olasılığı küçük hata yapma olasılığından daha düşüktür. 15
16 Normal Dağılımın Özellikleri 16
17 Normal Dağılımın Özellikleri 17
18 Normal Dağılımın Özellikleri Uygulamada genellikle α=0.05 ya da 0.01 alınır. Bir büyüklüğün 1-α α (güven düzeyi) dışında kalan bölgeye düşmesi neredeyse olanaksızdır. Yoğunluk fonksiyonunun sağında ve solunda eşit kısımlar halinde ayrılan α olasılığına yanılma olasılığı ya da testlerde anlamlılık düzeyi adı verilir. 18
19 Normal Dağılımın Özellikleri Jeodezide genellikle yanılma olasılığı %1 veya %5 olarak alınır. TEK YÖNLÜ µ 25 TEK YÖNLÜ µ 25 ÇİFT YÖNLÜ µ 25 19
20 t dağılımı (Student Dağılımı) Kuramsal standart sapma σ ana kümeyi tanımlayan bir büyüklüktür. Bu büyüklüğün sayısal değeri çok ender durumlarda bilinebilir. Bu nedenle gerçek hata ε, kuramsal standart sapma yerine deneysel standart sapma s e bölünerek standartlaştırılır ve rasgele değişken elde edilir. ε l µ tf = = s s 20
21 t dağılımı (Student Dağılımı) t-dağılımının olasılık fonksiyonu, dağılımın serbestlik derecesi f e bağlıdır. Serbestlik derecesi, deneysel standart sapmanın (s) hesabındaki fazla ölçü sayısı olarak tanımlanır. Eğer deneysel standart sapma gerçek hatalardan hesaplanırsa; s 2 [ εε ] =,f n =n Eğer deneysel standart sapma düzeltmelerden hesaplanırsa; 2 s = [vv], f n u = n u 21
22 t dağılımı (Student Dağılımı) 22
23 t dağılımı (Student Dağılımı) 23
24 t dağılımı (Student Dağılımı) t-dağılımı sıfır noktasına göre simetriktir. Serbestlik derecesi büyüdükçe dağılım, normal dağılıma yaklaşır ve f= için normal dağılıma teğet olur. f dağılımın beklenen değeri 0 ve standart sapması 1 olur; standart normal dağılıma dönüşür. Karmaşık bir integral fonksiyonu olduğundan doğrudan tablolar kullanılır. 24
25 t dağılımı (Student Dağılımı) Uygulamada genellikle α=0.05 ya da 0.01 alınır. Bir büyüklüğün 1-α dışında kalan bölgeye düşmesi neredeyse olanaksızdır. Yoğunluk fonksiyonunun sağında ve solunda eşit kısımlar halinde ayrılan α olasılığına yanılma olasılığı ya da testlerde anlamlılık düzeyi adı verilir. 25
26 t dağılımı (Student Dağılımı) Uygulamada genellikle α=0.05 ya da 0.01 alınır. Bir büyüklüğün 1-α dışında kalan bölgeye düşmesi neredeyse olanaksızdır. Yoğunluk fonksiyonunun sağında ve solunda eşit kısımlar halinde ayrılan α olasılığına yanılma olasılığı ya da testlerde anlamlılık düzeyi adı verilir. 26
27 χ2-dağılımı (Khi-Kare Dağılımı) kf = 2f / 2 1 Γ ( f / 2) 27
28 χ2-dağılımı (Khi-Kare Dağılımı) 28
29 χ2-dağılımı (Khi-Kare Dağılımı) 29
30 χ2-dağılımı (Khi-Kare Dağılımı) χ2-dağılımı büyük serbestlik derecesi (f >10) için normal dağılıma yaklaşır. χ2-dağılımını standart normal dağılımından ayıran en önemli özellik; rasgele değişkenin artı (pozitif) değerli yani, f(x) in x>0 bölgesi için tanımlı olmasıdır. Bunun dışında, serbestik derecesi (f) düşük ise dağılım belirli bir çarpıklık ve basıklığa sahip olur. Serbestlik derecesi (f) arttıkça yoğunluk fonksiyonu [f(x)] daha basık ve simetrik bir görünüm alırken çarpıklık azalıyor. 30
31 χ2-dağılımı (Khi-Kare Dağılımı) 31
32 F (Fisher) Dağılımı Serbestlik dereceleri f1 ve f2 olan, birbirinden bağımsız, χ2-dağılımlı iki rasgele değişkenin birbirine oranı F-dağılımlıdır. F-dağılımının olasılık fonksiyonu rasgele değişkenlerin serbestlik derecelerine bağlıdır. 32
33 F (Fisher) Dağılımı Bu durumda rasgele değişken deneysel olarak elde edilmiş birbirinden bağımsız iki varyansın oranı olacaktır. Bu eşitlik, jeodezik problemlerin dengelenmesi için kurulan modellerin testi için sık kullanılan bir bağıntıdır. En küçük kareler yöntemine göre dengelemede F-dağılımı iki bağımsız dengelemeden elde edilen varyansların karşılaştırmasında kullanılır. 33
34 F (Fisher) Dağılımı 34
35 F (Fisher) Dağılımı 35
36 ÖRNEK UYGULAMALAR 36
37 Örnek 1: Z N (0,1) ise P (Z < 0) =? Normal Dağılımın simetrik özelliğinden dolayı P (Z < 0) =
38 Örnek 2: Z N (0,1) ise P (Z < 1.0) =? 38
39 Örnek 3: Z N (0,1) ise P (Z > 0.92) =? P (Z > 0.92) = 1 P (Z < 0.92) = =
40 Örnek 4: Z N (0,1) ise P (Z < 0.76) =? 40
41 Örnek 5: Z N (0,1) ise P ( 0.64 < Z < 0.43) =? 41
42 Örnek 6: Z N (0,1) ise P (Z < 0.567) =? Bazen aranan tablo değerleri için tam değerler direkt olarak tablodan alınamaz. Bu gibi durumlarda bu tablo değerinin enterpole edilmesi gerekir. Bu örnekte olduğu gibi değeri tabloda bulunmamaktadır. Bu z değerine karşın tablo değeri en yakın iki z değerinden enterpole edilerek bulunur. Bunun için öncelikle; P (Z < 0.56) = ve P (Z < 0.57) = değerleri tablodan alınır. Sonrasında; P (Z < 0.567) değeri için enterpole edilir. Doğrusal Enterpolasyon şu şekilde yapılabilir: 42
43 Örnek 6: 1. YOL: P (Z < 0.56) = değeri x0 olarak alınırsa tablo değerini hesaplama: P (Z < 0.57) = değeri x0 olarak alınırsa tablo değerini hesaplama: 43
44 Örnek 6: Z N (0,1) ise P (Z < 0.567) =? 2. YOL: P (Z < 0.56) = ve P (Z < 0.57) = ise bu iki değerin farkı alınır. Yani = olarak bulunur. Sonrasında aranan değerin (0.567) tablo değeri 0.56 dan farkı 0.7 birimlik değişim değeri bulunur. Bundan dolayı, 0.7*0.0034= olarak elde edilir. Son işlem olarak bu değer ilk değer olan P (Z < 0.56) = değerine eklenir. Yani; P (Z < 0.567) = = olarak bulunur. Buna benzer şekilde P (Z < 0.57) = değerinden de hesaplama yapılabilir. Bunun için öncelikle değişim değeri bulunur için 0.3 olarak hesaplanır. Böylece; 0.3*0.0034= olarak elde edilir. Burada dikkat edilmesi gereken bulunan bu değerin P (Z < 0.57) = değerinden çıkarılmasıdır. Böylece, P (Z < 0.567) = = olarak bulunur. 44
45 Örnek 6: Z N (0,1) ise P (Z < 0.567) =? 3. YOL: P (Z < 0.56) = P (Z < 0.57) = P (Z < 0.567) = 0.3 * * =
46 Örnek 7: Bir açı büyüklüğünü gösteren X değişkeni normal dağılımlıdır. Beklenen değeri µ = 400 grad (gon) ve standart sapması σ = 2 mgon dur. Ölçü değerlerinin; a) grad dan küçük olması, b) grad ve grad arasında bulunması, c) grad dan büyük olması olasılığını hesaplayınız. Not: 1 mgon = grad (gon) dur. 46
47 Örnek 7: 47
48 Örnek 7: 48
49 Örnek 8: Normal dağılımlı bir ölçü dizisinde ölçü sayısı n = 500 dür. Ölçülen büyüklüğün beklenen değeri bilindiğine göre εi hataları hesaplanmıştır. Standart sapma σ = 4 tür. a) Hatası 8 den büyük (ε > 8) kaç ölçü vardır? b) Hatalar hangi olasılık ile ( 2.5; 2.5) aralığında bulunur. c) Bir ölçüyü εi > 10 hata ile elde etme olasılığını ve bu aralığa düşen ölçü sayısını belirleyiniz. 49
50 Örnek 8: 50
51 Örnek 8: 51
52 Örnek 8: 52
53 Örnek 9: Bir hastanede doğan çocukların ortalama ağırlığı 3.5 kg ve standart sapması 500 gr olarak (normal dağılımlı) varsayılmıştır. Doğan çocukların 3.1 kg dan daha az olma olasılığı nedir? Yani X N(3500, 5002) ve P(X < 3100) =? 53
54 Örnek 9: 54
55 Örnek 10: Normal dağılım gösteren 200 gözlemlik paralaks ölçüsü yapılmıştır. Bu ölçülerin ortalaması mm, standart sapması 0.12 mm dir. Buna göre; a) 10 mm ile mm arasında kalan gözlem sayısını, b) mm nin üstünde kalan gözlem sayısını, c) Ölçümlerinin %90 ının üstünde kalması muhtemel alt ve üst sınırı bulunuz. ÇÖZÜM: a) 55
56 Örnek 10: b) c) 56
57 Örnek 11: 2.15 % 2.15 % 57
58 Örnek 12: 2.15 % 2.15 % 58
59 Örnek 13: 2.15 % 2.15 % 59
60 Örnek 14: 2.15 % 2.15 % 60
61 Örnek 15: Aşağıdaki soruları cevaplandırınız. a) Tek yanlı Fisher dağılımı için f1=5, f2=10, α=%5 için tablo değeri nedir? b) χ2 dağılımına göre f=6, α=%5 için tablo değeri nedir? c) F5,7,0.95=? d) t5,0.975=? ÇÖZÜM: a) F5,10,0.95=
62 Örnek 15: b) χ26,0.95 =
63 Örnek 15: c) F5,7,0.95= 4.88 d) t5,0.975=
64 Ders Sonu/ İyi tatiller Sınavlarınızda Başarılar İstatistik tabloları için web sitesi: ndex.php/dersler.html Kaynaklar : A. Üstün, Olasılık ve İstatistik Ders Notları. H. Demirel, Dengeleme Hesabı, İTÜ. E. Öztürk, M. Şerbetçi, Dengeleme Hesabı Cilt III, KTÜ. Jonathan Marchini, Lecture 6 : The Normal Distribution. Wikipedia 64
SÜREKLİ OLASILIK DAĞILIŞLARI
SÜREKLİ OLASILIK DAĞILIŞLARI Sürekli verilerin göstermiş olduğu dağılışa sürekli olasılık dağılışı denir. Sürekli olasılık dağılışlarının fonksiyonlarına yoğunluk fonksiyonu denilmekte ve bu dağılışlarla
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
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
DetaylıBÖLÜM 9 NORMAL DAĞILIM
1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen
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
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.
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
DetaylıSÜREKLĠ OLASILIK DAĞILIMLARI
SÜREKLĠ OLASILIK DAĞILIMLARI Sayı ekseni üzerindeki tüm noktalarda değer alabilen değişkenler, sürekli değişkenler olarak tanımlanmaktadır. Bu bölümde, sürekli değişkenlere uygun olasılık dağılımları üzerinde
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
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
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
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
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
DetaylıMühendislikte İstatistik Yöntemler
.0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0
DetaylıYıldız Teknik Üniversitesi İnşaat Fakültesi Harita Mühendisliği Bölümü TOPOGRAFYA (HRT3350)
Yıldız Teknik Üniversitesi İnşaat Fakültesi Harita Mühendisliği Bölümü Ders Adı Kodu Yerel Kredi ECTS Ders (saat/hafta) Uygulama (saat/hafta) Laboratuvar (saat/hafta) Topografya HRT3350 3 4 3 0 0 DERSİN
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
Detaylı8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,
İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2
DetaylıTemel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri
Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
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
DetaylıTesadüfi Değişken. w ( )
1 Tesadüfi Değişken Tesadüfi değişkenler gibi büyük harflerle veya gibi yunan harfleri ile bunların aldığı değerler de gibi küçük harflerle gösterilir. Tesadüfi değişkenler kesikli veya sürekli olmak üzere
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
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
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
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıDers 6: Sürekli Olasılık Dağılımları
Ders 6: Sürekli Olasılık Dağılımları Normal Dağılım Standart Normal Dağılım Binom Dağılımına Normal Yaklaşım Düzgün (uniform) Dağılım Üstel Dağılım Dağılımlar arası ilişkiler Bir rastgele değişkenin, normal
DetaylıHipotez Testleri. Mühendislikte İstatistik Yöntemler
Hipotez Testleri Mühendislikte İstatistik Yöntemler Hipotez Testleri Parametrik Testler ( z ve t testleri) Parametrik Olmayan Testler (χ 2 Testi) Hipotez Testleri Ana Kütle β( µ, σ ) Örnek Kütle b ( µ
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
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıDERS 3 ÖLÇÜ HATALARI Kaynak: İ.ASRİ
Ölçme Bilgisi DERS 3 ÖLÇÜ HATALARI Kaynak: İ.ASRİ Çizim Hassasiyeti Haritaların çiziminde veya haritadan bilgi almada ne kadar itina gösterilirse gösterilsin kaçınılmayacak bir hata vardır. Buna çizim
DetaylıDENGELEME HESABI-I DERS NOTLARI
DENGELEME HESABI-I DERS NOTLARI Dengeleme Hesabı Adımları, En Küçük Kareler İlkesine Giriş, Korelasyon Prof. Dr. Mualla YALÇINKAYA Yrd. Doç. Dr. Emine TANIR KAYIKÇI Karadeniz Teknik Üniversitesi, Harita
Detaylıİstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
DetaylıYıldız Teknik Üniversitesi İnşaat Fakültesi Harita Mühendisliği Bölümü TOPOGRAFYA (HRT3351) Yrd. Doç. Dr. Ercenk ATA
Yıldız Teknik Üniversitesi İnşaat Fakültesi Harita Mühendisliği Bölümü Ölçme Hataları Ölçme Hatası Herhangi bir ölçme aleti ile yapılan ölçüm sonucu bulunan değer yaklaşık değerdir. Bir büyüklük aynı ölçme
DetaylıRASGELE 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
DetaylıÖrneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı
Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik
DetaylıOlasılık ve Normal Dağılım
Olasılık ve Normal Dağılım P = 0 İmkansız P =.5 Yarı yarıya P = 1 Kesin Yazı-Tura 1.5 2 1.5 2.5.5.25 Para atışı 10 kere tekrarlandığında Yazı Sayısı f % 0 3 30 1 6 60 2 1 10 Toplam 10 100 Atış 1000 kere
DetaylıAktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I
Aktüerlik Sınavları I. Seviye / Olasılık-İstatistik Örnek Sorular I S1. Cep telefonu üreten bir fabrikada toplam üretimin % 30 u A, % 30 u B ve % 40 ı C makineleri tarafından yapılmaktadır. Bu makinelerin
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Rastgele Değişkenlerin Dağılımları I Prof. Dr. İrfan KAYMAZ Ders konusu Bu derste; Rastgele değişkenlerin tanımı ve sınıflandırılması Olasılık kütle fonksiyonu Olasılık yoğunluk
DetaylıKİMYASAL ANALİZ KALİTATİF ANALİZ (NİTEL) (NİCEL) KANTİTATİF ANALİZ
KİMYASAL ANALİZ KALİTATİF ANALİZ (NİTEL) KANTİTATİF ANALİZ (NİCEL) KANTİTATİF ANALİZ Bir numunedeki element veya bileşiğin bağıl miktarını belirlemek için yapılan analizlere denir. 1 ANALİTİK ANALİTİK
DetaylıANADOLU ÜNİVERSİTESİ BEKLENEN DEĞER. X beklenen değeri B[X] ile gösterilir. B[X] = İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ BEKLENEN DEĞER VE MOMENTLER DOÇ. DR. NİHAL ERGİNEL 2015 X beklenen değeri B[X] ile gösterilir. B[X] = BEKLENEN DEĞER Belli bir malzeme taşınan kolilerin ağırlıkları
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
DetaylıWEIBULL DAĞILIMI WEIBULL DAĞILIMI ANADOLU ÜNİVERSİTESİ
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ SÜREKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 WEIBULL DAĞILIMI Weibull dağılımı, pek çok farklı sistemlerin bozulana kadar geçen süreleri ile ilgilenir. Dağılımın
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,
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıOluşturulan evren listesinden örnekleme birimlerinin seçkisiz olarak çekilmesidir
Bilimsel Araştırma Yöntemleri Prof. Dr. Şener Büyüköztürk Doç. Dr. Ebru Kılıç Çakmak Yrd. Doç. Dr. Özcan Erkan Akgün Doç. Dr. Şirin Karadeniz Dr. Funda Demirel Örnekleme Yöntemleri Evren Evren, araştırma
DetaylıEME Sistem Simülasyonu. Giriş. Olasılık Dağılımı. Rassal Degiskenler
EME 3105 1 Giriş Sistem Simülasyonu Önümüzdeki hafta simulasyon girdilerinin modellenmesinde kullanılan kesikli ve sürekli Simulasyonda İstatistiksel Modeller-I Ders 4 dağılımlar hatırlatılacaktır. Rassal
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
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
DetaylıTEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ
TEMEL İSTATİSTİKİ KAVRAMLAR YRD. DOÇ. DR. İBRAHİM ÇÜTCÜ 1 İstatistik İstatistik, belirsizliğin veya eksik bilginin söz konusu olduğu durumlarda çıkarımlar yapmak ve karar vermek için sayısal verilerin
DetaylıUygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 3 Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr Olasılık Hatırlatma Olasılık teorisi,
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
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
DetaylıANADOLU 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
DetaylıBİYOİSTATİSTİK. Uygulama 4. Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Güven Aralıkları 2 Güven Aralıkları
DetaylıMerkezi Eğilim ve Dağılım Ölçüleri
Merkezi Eğilim ve Dağılım Ölçüleri Soru Öğrencilerin derse katılım düzeylerini ölçmek amacıyla geliştirilen 16 soruluk bir test için öğrencilerin ilk 8 ve son 8 soruluk yarılardan aldıkları puanlar arasındaki
DetaylıKonum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan
Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması
DetaylıEĞĠTĠMDE ÖLÇME VE DEĞERLENDĠRME BÖLÜM IV Ölçme Sonuçları Üzerinde Ġstatistiksel ĠĢlemler VERİLERİN DÜZENLENMESİ VERİLERİN DÜZENLENMESİ
09.0.0 Temel Kavramlar EĞĠTĠMDE ÖLÇME VE DEĞERLENDĠRME BÖLÜM IV Ölçme Sonuçları Üzerinde Ġstatistiksel ĠĢlemler Dr. Aylin ALBAYRAK SARI Hacettepe Üniversitesi Eğitim Fakültesi Evren: Üzerinde çalışılacak
DetaylıGerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma
2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal
DetaylıBİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 4 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Örnek Senaryo İmplant üreten İMPLANTDENT
DetaylıHİPOTEZ TESTLERİ HİPOTEZ NEDİR?
HİPOTEZ TESTLERİ HİPOTEZ NEDİR? Örnekleme ile test edilmeye çalışılan bir popülasyonun ilgili parametresi hakkında ortaya sunulan iddiadır. Örneğin; A dersi için vize ortalaması 50 nin altındadır Firestone
DetaylıDers 4: Rastgele Değişkenler ve Dağılımları
Ders 4: Rastgele Değişkenler ve Dağılımları Rastgele değişken kavramı Kesikli ve sürekli rastgele değişkenler İki boyutlu rastgele değişkenler Beklenen değer Varyans Örnek uzaydaki her elemanı bir sayıyla
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.
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıBİYOİSTATİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTTİSTİK Olasılıkta Temel Kavramlar Yrd. Doç. Dr. slı SUNER KRKÜLH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim D. Web: www.biyoistatistik.med.ege.edu.tr 1 OLSILIK Olasılık; Tablo
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
DetaylıOLASILIK ve İSTATİSTİK Hipotez Testleri
OLASILIK ve İSTATİSTİK Hipotez Testleri Yrd.Doç.Dr. Pınar YILDIRIM Okan Üniversitesi Mühendislik ve Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü Hipotezler ve Testler Hipotez, kitleye(yığına) ait
DetaylıGenel olarak test istatistikleri. Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri. olmak üzere 2 grupta incelenebilir.
3.SUNUM Genel olarak test istatistikleri Merkezi Eğilim (Yığılma) Ölçüleri Merkezi Dağılım (Yayılma) Ölçüleri olmak üzere 2 grupta incelenebilir. 2 Merkezi Eğilim Ölçüleri, belli bir özelliğe ya da değişkene
DetaylıNicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014
Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?
DetaylıYANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.
AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,
Detaylı1: DENEYLERİN TASARIMI VE ANALİZİ...
İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıBÖLÜM 1 GİRİŞ: İSTATİSTİĞİN MÜHENDİSLİKTEKİ ÖNEMİ
BÖLÜM..AMAÇ GİRİŞ: İSTATİSTİĞİ MÜHEDİSLİKTEKİ ÖEMİ Doğa bilimlerinde karşılaştığımız problemlerin birçoğunda olaydaki değişkenlerin değerleri bilindiğinde probleme kesin ve tek bir çözüm bulunabilir. Örneğin
DetaylıJeodezide Yaklaşım Yöntemleri: Enterpolasyon ve Kollokasyon
Jeodezide Yöntemleri: ve Lisansüstü Ders Notları Yrd. Doç. Dr. Aydın ÜSTÜN Selçuk Üniversitesi Fen Bilimleri Enstitüsü e-posta: austun@selcuk.edu.tr Konya, 2007 A. Üstün yöntemleri 1 / 28 Bir soruyu ya
DetaylıİNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ. Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET
İNŞAAT MÜHENDİSLİĞİ BÖLÜMÜ ÖĞRENCİLERİNİN BAŞARI NOTLARININ DEĞERLENDİRİLMESİ Tamer Yılmaz, Barış Yılmaz, Halim Sezici 1 ÖZET Bu çalışmada, Celal Bayar Üniversitesi İnşaat Mühendisliği Bölümü öğrencilerinin
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
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
DetaylıGAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI. Prof. Dr. Nezir KÖSE
GAZİ ÜNİVERSİTESİ, İ.İ.B.F, İSTATİSTİK VE OLASILIĞA GİRİŞ I, UYGULAMA SORULARI Prof. Dr. Nezir KÖSE 30.12.2013 S-1) Ankara ilinde satın alınan televizyonların %40 ı A-firması tarafından üretilmektedir.
DetaylıCopyright 2004 Pearson Education, Inc. Slide 1
Slide 1 Bölüm 2 Verileri Betimleme, Keşfetme, ve Karşılaştırma 2-1 Genel Bakış 2-2 Sıklık Dağılımları 2-3 Verilerin Görselleştirilmesi 2-4 Merkezi Eğilim Ölçüleri 2-5 Değişimin Ölçülmesi 2-6 Nispi Sabitlerin
Detaylı2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018
2018 YILI BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI İSTATİSTİK VE OLASILIK 29 NİSAN 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla olursa
DetaylıİSTATİSTİK II. Hipotez Testleri 1
İSTATİSTİK II Hipotez Testleri 1 1 Hipotez Testleri 1 1. Hipotez Testlerinin Esasları 2. Ortalama ile ilgili bir iddianın testi: Büyük örnekler 3. Ortalama ile ilgili bir iddianın testi: Küçük örnekler
DetaylıALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR
ALKÜ EKONOMİ ve FİNANS BÖLÜMÜ ISL 207 İSTATİSTİK I ALIŞTIRMALAR 1- İlaçla tedavi edilen 7 hastanın ortalama iyileşme süresi 22.6 gün ve standart sapması.360 gündür. Ameliyatla tedavi edilen 9 hasta için
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ PARAMETRİK OLMAYAN TESTLER Prof. Dr. Nihal ERGİNEL PARAMETRİK OLMAYAN TESTLER Daha önce incelediğimiz testler, normal dağılmış ana kütleden örneklerin
DetaylıBÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ
BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ İŞTİRME Araştırma rma SüreciS 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması
DetaylıANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:
DetaylıMATEMATİK ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI DENEME. Diğer sayfaya geçiniz.
MATEMATİK. DENEME ÖĞRETMENLİK ALAN BİLGİSİ - DENEME SINAVI. f : X tanımlı y = f() fonksiyonu için lim f ( ) = L ise aşağıdaki önermelerden kaç tanesi kesinlikle doğrudur? 0 I. X dir. 0 II. f() fonksiyonu
DetaylıRassal Değişken. Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK
Rassal Değişken Yrd. Doç. Dr. Tijen ÖVER ÖZÇELİK tover@sakarya.edu.tr S örnek uzayı içindeki her bir basit olayı yalnız bir gerçel (reel) değere dönüştüren fonksiyona rassal değişken adı verilir. O halde
DetaylıİSTATİSTİKSEL TAHMİNLEME. Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir.
İSTATİSTİKSEL TAHMİNLEME Örneklem istatistiklerinden hareketle ana kütle parametreleri hakkında genelleme yapmaya istatistiksel tahminleme denir. 1 ŞEKİL: Evren uzay-örneklem uzay İstatistiksel tahmin
DetaylıÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK
ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.
Detaylıİkiden Çok Grup Karşılaştırmaları
İkiden Çok Grup Karşılaştırmaları Bir onkoloji kliniğinde göğüs kanseri tanısı almış kadınlar arasından histolojik evrelerine göre 17 şer kadın seçilerek sağkalım süreleri (ay) alınmıştır. HİSTLOJİK EVRE
Detaylı