Dr. Mehmet AKSARAYLI
|
|
- Süleiman İncesu
- 7 yıl önce
- İzleme sayısı:
Transkript
1 Dr. Mehmet AKSARAYLI Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir. Şans Değişkenleri KESİKLİ RASSAL DEĞİŞKENLER ve OLASILIK DAĞILIMLARI Kesikli Şans Sürekli Şans Bl. 4 Değişkenleri Değişkenleri Bl. 5 Dr. Mehmet AKSARAYLI Kesikli Şans Değişkenleri. Sayısal bir değerle ifade edilen bir olay para atımındaki tura sayısı 0, yada tura gözlenmesi. Kesikli şans değişkeni ; Tam sayılar: (0,,, 3 vb.) Sayarak elde edilmiş sayılar Kesikli Şans Değişkeni Örnekleri Deney Şans Değişkeni Mümkün Değerler 00 Satış araması yapmak Satış sayısı 0,,,..., radyoyu muayene etmek Kusurlu sayısı 0,,,..., soruya cevap vermek Doğru sayısı 0,,,..., 33 :00 ile 3:00 arasında gişedeki araba sayısı Gelen araba sayısı 0,,,..., 3 4 Kesikli Olasılık Dağılımı Tüm mümkün [ i, p( i ) ] çiftlerini içerir. i = Şans değişkeninin değeri (çıktı) p( i ) = Değerlerle ilgili olasılıklar x, D x tanım aralığına sahip kesikli bir şans değişkeni olsun. p(x) in x e ait bir olasılık fonksiyonu olabilmesi için; Her x için p(x) 0 ve p(x) = olmalıdır. Kesikli olasılık dağılımı örneği: Olay: parayı atıp turaları sayıyoruz. Olasılık Dağılımı Değerler, i Olasılıklar, p( i ) 0 /4 = 05 /4 = 0.50 /4 =
2 Kesikli Olasılık Dağılımlarının Görselleştirilmesi Kesikli Rassal Değişkenin Ortalaması ve Standart Sapması Listeleme { (0, 05), (, 0.50), (, 05) } Tablo # Tura Fr. p(i) x in beklenen değeri = = E(x) = x in varyansı = D x x. p( x) E( ) E( ) V(x) = E[ ( i ( i f( i ) = p() Grafik 0 Denklem n! p x) p ( p) x!( n x)! x n x 7 8 Örnek: Bir otomobil bayisinin günlük araba satışlarının dağılımının aşağıdaki gibi olduğunu ifade etmektedir ) 0,0 0,08 0,5 0,9 0,4 0,7 0,0 0,04 0,0 Bu dağılışa göre bayinin; a) 5 ten fazla araba satması olasılığını bulunuz = 6) + P ( = 7 ) + P ( = 8 ) = 0,5 b) Satışların beklenen değerini hesaplayıp yorumlayınız. E() = x x i ) = (0)(0,0)+()(0,08)+()(0,5)+.+(8)(0,0) =3,7 Bayinin 00 günde 37 araba satışı yapması beklenir. c) Satışların varyansını bulunuz. E( ) = x x =(0 )(0,0)+( )(0,08)+.+ (8 i ) )(0,0) = 6,68 Var()= E( ) - [E()] = 6,68 - (3,7) =,84 9 Kesikli Olasılık Dağılımları Kesikli Üniform Dağılımı Bernoulli Dağılımı Binom Dağılımı Negatif Binom (Pascal) Dağılımı Geometrik Dağılım Hipergeometrik Dağılım Poisson Dağılımı 0 = x ) : =x olması olasılığı n : örnek hacmi p : başarı olasılığı x : örnekteki başarı sayısı ( = 0, ) E() = p V() = p. q Bernoulli Deneyleri Sonuçlar iki kategoride toplanabilir. Aynı koşullarda tekrarlanabilirlik özelliği vardır. Başarı olayı deneyden deneye değişmez. Bernoulli Dağılımı Tek bir Bernoulli deneyinin sonucunu ele alır. Olasılık Yoğunluk Fonksiyonu: P ( x) p( p) x x Binom Dağılımı n deneme (gözlem) lik bir örnekteki başarı sayısı (n adet Bernoulli denemesi) 5 birimden oluşan bir gruptaki kusurlu sayısı 33 soruluk bir sınavdaki doğru cevap sayısı Dükkana giren 00 müşteriden alışveriş yapanların sayısı
3 Binom Dağılımının Özellikleri Binom Dağılımının Olasılık Fonksiyonu İki farklı örnekleme metodu Sonsuz populasyonda yerine koymadan örnekleme Sonlu populasyonda yerine koyarak örnekleme n adet benzer deneme Her denemenin çıktısı var Başarı (İstenen çıktı) or Başarısızlık Sabit deneme olasılığı Denemeler birbirinden bağımsız n! P x np x n x p x (, ) (!( )! p ) = x n,p) : =x olması olasılığı n : örnek hacmi p : başarı olasılığı x : örnekteki başarı sayısı ( = 0,,,..., n) nx 3 4 Binom Olasılık Dağılımı Örneği Binom Dağılımının Karakteristikleri Olay: Bir parayı ardarda 4 kez atalım. Yazıların sayısıyla ilgilenelim. 3 yazı gelme olasılığı nedir? n! P x np x n x p x (, ) (!( )! p ) 4! P ( 3 4,. 5)!( )!. ( ) 5 5 nx 3 43 Aritmetik Ortalama E ( ) np Standart Sapma np ( p) ) ) 6 n = 5 p = n = 5 p = Başarı Olasılığı ve Binom Dağılımının Biçimi N adetlik bir denemede; Örnek: Bir işletmede üretilen ürünlerin % 6 sının hatalı olduğu bilinmektedir. Rasgele ve iadeli olarak seçilen 5 üründen, a) tanesinin hatalı olmasının olasılığını, b) En az 4 tanesinin hatalı olmasının olasılığını hesaplayınız.. Eğer p=0.50 ise binom dağılımı simetrik. Eğer p<0.50 ise binom dağılımı sağa çarpık 3. Eğer p>0.50 ise binom dağılımı sola çarpık 7 p = 0,06 - p = 0,94 n = 5 a)p (=)=? b)p ( 4)=? 4)= =4)+=5) ). (0,06).(0,94) 0,3 4.(0,06).(0,94) 5 5.(0,06).(0,94)
4 Poisson Dağılımı Poisson Süreci. Bir zaman aralığında oluşan olayların sayısıyla ilgilenir. Birim başına olay Zaman, uzunluk, alan,vb.. Örneğin; 0 dakikada gelen müşteri sayısı Bir yıl içindeki uçak kazalarının sayısı Bir metrekare kumaştaki hata sayısı.. 3. Sabit Olay Olasılığı Her aralıkta olay Bağımsız olaylar 9 0 Poisson Olasılık Dağılım Fonksiyonu Poisson Dağılımının Karakteristikleri P ( x ) e - x! = x ) : = x olma olasılığı = Beklenen başarı sayısı e =.788 x = Birim başına başarı sayısı x Aritmetik Ortalama E ( ) N i ) Standart Sapma i i ) ) = = Poisson Dağılımı Örneği Bir dükkana saatte 7 müşteri gelmektedir. 3 dakika içinde 4 müşteri gelme olasılığı nedir? Saatte 7 müşteri = dakikada müşteri = 3 dakikada 3 müş. - e P ( x ) x! e P ( 436. ) x ! 4 BİNOM Dağılımın POİSSON Dağılıma Yaklaşımı, Binom dağılıma sahip bir şans değşikeni olsun. Deney sayısı n çok büyük ve ilgilenilen sonuçların anakütledeki oranının çok küçük olduğu durumlarda, (yani n ve p0 iken), n.p= sabit bir sayı olmak üzere Binom dağılımı Poisson dağılımına yaklaşır. n ne kadar büyük, ve p ne kadar küçük olursa bu yaklaşım o kadar iyi olur. =
5 ÖRNEK:Türkiye de maden ocaklarında oluşan kazalar sonucunda her yıl ortalama olarak 000 maden işçisinden bir tanesi hayatını kaybetmektedir. 000 maden işçisinin çalıştığı bir maden ocağında bir yıl içinde a) Hiçbir işçinin hayatını kaybetmemesi, b) 3 işçinin hayatın kaybetmesi, c) den fazla işçinin hayatın kaybetmesi olasılıklarını bulunuz. ÇÖZÜM: n=000, p=00 olduğundan, =n.p=000x00= alarak Poisson dağılımıyla çözüm yapabiliriz. x 0 e e a) 0) 0.35 x! 0! 3 e b) 3) 0.8 3! c) ) ) 0) ) ) e 0.35! e ! 5 Örnek: Bir mağazaya Cumartesi günleri 5 dakikada ortalama olarak 4 müşteri gelmektedir. Bir Cumartesi günü bu mağazaya, a) 5dakikaiçindemüşteri gelmesi olasılığını, b)yarım saate den fazla müşteri gelmesi olasılığını, 4 e 4 4 a) 4 x=)=? e 4 4 0! 0 e 4! 4 ) e 4 ÖDEV: saatte en çok müşteri gelmesinin olasılığını hesaplayınız. 6 4!! 4e b) 5 dk da 4 müşteri gelirse, 30 dk da 4 müşteri gelir. 4 P ( x > ) =? x > ) = [x=0)+x=)+x=)] 33e 4 SORU) Bir hastanenin çocuk servisine saatte ortalama 30 hasta gelmektedir. a) Herhangi 0 dakikalık sürede; hiç hasta gelmeme, b) Herhangi 0 dakikalık sürede; den fazla hasta gelme, c) Herhangi yarım saatlik sürede 5 ten az hasta gelme olasılıklarını bulunuz. SORU) Bir fabrikada depolanan ürünlerin yüzde birinin bozuk olduğu bilinmektedir. Bu fabrikadan rassal olarak seçilen 50 birimden en az bir tanesinin bozuk olması olasılığını Binom ve Poisson dağılımları ile bulunuz. 7 8 SORU: Hilesiz bir tavla zarı atılıyor. Anlaşmaya göre A, babasından her atışta kaç gelirse o kadar bin lira alacaktır. Atış başına A nın beklediği para nedir? SORU: B üç ayrı piyangodan birer adet bilet almıştır. Bu piyangoların birincisinde 000 biletten 50 sine, ikincisinde 000 biletten 40 ına, üçüncüsünde ise 500 biletten 5 ine ikramiye vardır. Birinci piyangoda kazananlardan her biri 00 milyon, ikincisinde 50 milyon ve üçüncüsünde 00 milyon $ elde edecektir. B nin beklenen ikramiye tutarı nedir?
6 SORU: Bir işadamının yenibirişletmeden milyar lira kaybetmesi olasılığı p(x )=0,5 ve 5 milyar lira kazanması olasılığı p(x )=0,55 dir. Bu iş adamının kazancı nedir? SORU: Ali hilesiz bir madeni parayı iki defa atıyor. Her iki atışta da yazı gelirse arkadaşından 50 bin lira alacaktır. Diğer durumlarda ise 0 bin lira verecektir. Ali nin kazancı ne olur? 3 3 SORU: Bir para 4 kez atılıyor, a) İki tura, b) En az bir tura, c) Üçten az tura gelmesi olasılığı nedir? SORU: Bir futbol takımının yaptığı maçlarda kazanma olasılığının /3 olduğu biliniyor. Bu takımın yaptığı 8 maçtan, a) Beşini, b) Birden fazla fakat dört veya daha azını kazanması olasılığı nedir? SORU: İki tavla zarının 6defaatılmasında 9toplamının, a) Dört defa, b) En az üç defa elde edilmesi olasılığı nedir? SORU: Bir işletmede üretilen ampullerin %6 sının kusurluolduğu bilinmektedir. Buna göre, rassal olarak seçilen 5 ampulden, a) İki tanesinin kusurlu, b) Tamamının kusursuz, c) En az iki tanesinin kusurlu olması olasılıkları nedir?
7 Aşağıdaki soruları tabloya göre cevaplayınız. Eski verilerden yararlanılarak bir cep telefonunun yaptığı arıza sayıları verilmiştir. () Haftalık Arıza 0 3 Olasılık x) 0,5 0,30 0,0 0,35 Soru: Dağılıma göre haftada kesinlikle iki arıza olma olasılığı kaçtır? A) 0,0 B) 0,5 C) 0,30 D) 0,45 E) 0,65 Soru: Dağılıma göre haftada sıfır ile iki arasında arıza olma olasılığı 0- arıza) kaçtır? A) 0,5 B) 0,0 C) 0,35 D) 0,65 E) 0,30 Soru: Dağılıma göre haftada birden çok arıza olma olasılığı kaçtır? A) 0,35 B) 0,75 C) 0,45 D) 0,0 E) 0,30 Soru: Dağılıma göre haftada en çok iki arıza yapma olasılığı kaçtır? A) 0,5 B) 0,55 C) 0,65 D) 0,40 E) 0,0 Soru:Dayanıklı tüketim malı satan bir mağazanın son 00 iş günündeki günlük satışları aşağıdaki tabloda verilmiştir. Satış sayıları Gün sayıları Yukarıdaki tabloya göre x günlük satışı göstermek üzere, x<4) olasılığı kaçtır? A) 0,04 B) 0,7 C) 0, D) 0,33 E) 0, Soru: Bir kitapevinin son 00 iş günüdeki günlük kitap satışları aşağıdaki tabloda gösterilmiştir. Satış sayıları Gün sayıları Yukarıdaki tabloya göre x günlük satışları göstermek üzere, x>4) olasılığı kaçtır? A) 0, B) 0,8 C) 0,38 D) 0,68 E) 0,
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli Şans Değişkenleri İçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları 1 Şans Değişkeni: Bir dağılışı olan ve bu dağılışın yapısına uygun frekansta oluşum gösteren değişkendir.
DetaylıKesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları
Kesikli ġans DeğiĢkenleri Ġçin; Olasılık Dağılımları Beklenen Değer ve Varyans Olasılık Hesaplamaları Kesikli ġans DeğiĢkenlerinin Olasılık Fonksiyonları X, şans değişkeni ve, 2,.., n ise bu tesadüfi değişkenin
DetaylıKESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı
KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI Bernoulli Dağılımı Binom Dağılımı Poisson Dağılımı 1 Bernoulli Dağılımı Bir şans değişkeninin bernoulli dağılımı göstermesi için ilgilenilen süreçte bernoulli
DetaylıRastlantı Değişkenleri
Rastlantı Değişkenleri Olasılık Kütle Fonk. Example: A shipment of 8 similar microcomputers to a retail outlet contains 3 that are defective. If a school makes a random purchase of 2 of these computers,
Detaylıİstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik
6.SUNUM İstatistik, genel olarak, rassal bir olayı (ya da deneyi) matematiksel olarak modellemek ve bu model yardımıyla, anakütlenin bilinmeyen karakteristik özellikleri (ortalama, varyans v.b. gibi) hakkında
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
DetaylıProf.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ RANDOM DEĞİŞKEN
SÜREKSİZ (DISCRETE) OLASILIK DAĞILIMLARI 1 RANDOM DEĞİŞKEN Nümerik olarak ifade edilebilen bir deneyin sonuçlarına rassal (random) değişken denir. Temelde iki çeşit random değişken vardır. ##süreksiz(discrete)
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
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
DetaylıANADOLU ÜNİVERSİTESİ ÖRNEK: GEOMETRİK DAĞILIM
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ KESİKLİ DAĞILIMLAR-2 DOÇ. DR. NİHAL ERGİNEL 2015 GEOMETRİK DAĞILIM Bir Bernoulli deneyi ilk olumlu sonuç elde edilmesine kadar tekrarlansın. X: ilk olumlu sonucun
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
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
DetaylıKESİKLİ DÜZGÜN DAĞILIM
KESİKLİ DÜZGÜN DAĞILIM Eğer X kesikli rassal değişkeninin alabileceği değerler (,,..., ) eşit olasılığa sahip ise, kesikli düzgün dağılım söz konusudur. p(x) =, X=,,..., şeklinde gösterilir. Bir kutuda
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
DetaylıTablo (2): Atıştırma Sayısı ve Günlük Sınav Sayısı Atıştırma Sınav Sayısı (X) 0 0.07 0.09 0.06 0.01
Ortak Varyans ve İstatistiksel Bağımsızlık Bir rassal değişken çifti istatistiksel olarak bağımsız ise aralarındaki ortak varyansın değeri 0 dır. Ancak ortak varyans değerinin 0 olması, iki rassal değişkenin
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
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
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.
DetaylıFaktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, biçiminde gösterilir. Aynca; 0! = 1 ve 1!=1 1 dir. [Bunlar kabul değildir,
14. Binom ve Poisson olasılık dağılımları Faktöriyeller ve kombinasyonlar Faktöriyel: 1'den n'ye kadar olan tüm pozitif tamsayıların çarpımına, n! denir ve n! = 1.2.3...(n-2).(n-l).n biçiminde gösterilir.
DetaylıMAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1
MAT 208 İSTATİSTİK ve OLASILIK II ALIŞTIRMALAR-1 şeklinde tanımlanan dağılımın a) Ortalama ve varyans değerlerini bulunuz b) Moment yaratma fonksiyonunu bularak a-şıkkını tekrar çözünüz. Bir tezgahta üretilen
DetaylıÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI 1 Rassal Değişken Bir deney ya da gözlemin şansa bağlı sonucu bir değişkenin aldığı değer olarak düşünülürse, olasılık ve istatistikte böyle bir
DetaylıBaşarı olasılığı olan bir Bernoulli denemesinin aynı şartlar altında (bağımsız olarak) n kez tekrarlanması ile oluşan deneye binom deneyi denir.
3.5. Bazı Kesikli Dağılımlar 3.5.1. Bernoulli Dağılımı Bir deneyde başarı ve başarısızlık diye nitelendirilen iki sonuçla ilgilenildiğinde bu deneye (iki sonuçlu) Bernoulli deneyi ya da Bernoulli denemesi
DetaylıSÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI
SÜREKSİZ(DISCRETE) OLASILIK DAĞILIMLARI Yrd. Doç.Dr. İrfan Yolcubal Kocaeli Üni. Jeoloji Müh. Random Değişken: Nümerik olarak ifade edilen bir deneyin sonuçları Süreksiz(Discrete) Random Değişken: Randomdeğişken
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
Detaylı3/6/2013. Ders 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 6: Kesikli Olasılık Dağılımları
Ders 6: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
DetaylıDers 5: Kesikli Olasılık Dağılımları
Ders 5: Kesikli Olasılık Dağılımları Kesikli Düzgün (uniform) Dağılım Bernoulli Dağılımı Binom Dağılımı Çok Terimli Dağılım Geometrik Dağılım Negatif Binom Dağılımı Hipergeometrik Dağılım Poisson Dağılımı
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
DetaylıOLASILIK OLASILIK. Bireysel belirsizlik ve uzun dönemdeki düzenlilik deneysel bilimlerde de sık sık ortaya çıkar
OLASILIK OLASILIK İstatistiğin temel araçlarından biri olasılıktır 17. yy daşans oyunları ile başlamıştır Her bir denemenin çıktısı belirsizdir Fakat uzun dönemde çıktı kestirimlenebilir Bireysel belirsizlik
DetaylıALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.
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
DetaylıİSTATİSTİK. Hafta 7.2 Kesikli Olasılık Dağılımları Poisson Dağılımı. Yrd. Doç. Dr. H. İbrahim CEBECİ
İSTATİSTİK Hafta 7.2 Kesikli Olasılık Dağılımları Simeon Poisson a atfen isimlendirilen dağılım, bir örnek uzayın belli bir bölgesi veya zamanındaki olayların sayısının incelendiği kesikli bir olasılık
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
DetaylıSAB 101 OLASILIK DERS NOTLARI. Prof.Dr. Fatih TANK. SAB 101 Olasılık. F.Tank. 1. Geometirk Dağılım. 2. Negatif Binom Dağılımı
SAB 101 OLASILIK DERS NOTLARI Prof.Dr. Fatih TANK Ankara Üniversitesi Uygulamalı Bilimler Fakültesi Sigortacılık ve Aktüerya Bilimleri Bölümü Prof.Dr. Fatih TANK - Olasılık Ders Notları- Sayfa : 1/7 Haftalık
DetaylıDr. Mehmet AKSARAYLI OLASILIK. Ders 3 / 1
Dr. Mehmet AKSARAYLI OLASILIK Ders 3 / 1 1 0 Kesin İmkansız OLASILIK; Bir olayın gerçekleşme şansının sayısal değeridir. N adet denemede s adet başarı söz konusu ise, da başarının nisbi frekansı lim (s/n)
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
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
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
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
1 Rastgele bir denemede ortaya çıkması olası sonuçların tamamıdır Örnek: bir zar bir kez yuvarlandığında S= Yukarıdaki sonuçlardan biri elde edilecektir. Sonuçların her biri basit olaydır Örnek: Bir deste
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,
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
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
DetaylıİSTATİSTİK DERS NOTLARI
Balıkesir Üniversitesi İnşaat Mühendisliği Bölümü umutokkan@balikesir.edu.tr İSTATİSTİK DERS NOTLARI Yrd. Doç. Dr. Umut OKKAN Hidrolik Anabilim Dalı Balıkesir Üniversitesi Balıkesir Üniversitesi İnşaat
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
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
DetaylıDENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ
DENİZ HARP OKULU TEMEL BİLİMLER BÖLÜM BAŞKANLIĞI DERS TANITIM BİLGİLERİ Dersin Adı Kodu Sınıf/Y.Y. Ders Saati (T+U+L) Kredi AKTS OLASILIK VE İSTATİSTİK FEB-222 2/ 2.YY 3+0+0 3 3 Dersin Dili Dersin Seviyesi
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.
DetaylıSÜREKLİ DÜZGÜN DAĞILIM
SÜREKLİ DÜZGÜN DAĞILIM X rassal değişkenin olasılık yoğunluk fonksiyonu; şeklinde ise x e düzgün dağılmış rassal değişken, f(x) e sürekli düzgün dağılım denir. a 0 olduğuna göre, f(x) >0 olur.
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
DetaylıOLASILIK. P(A) = şeklinde ifade edilir.
OLASILIK Olasılık belirli bir olayın olabilirliğinin sayısal ölçüsüdür. Olasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. 17 yy. da şans oyunlarıyla birlikte kullanılmaya
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
Detaylı4) Seyrek rastlanılan bir hastalık için belli bir zaman araalığında bu hastalığa yakalananların sayısının gözlenmesi,
POĐSSON DAĞILIMI Poisson Dağılımı sürekli oramlarda (zaman, alan, hacim, ) kesikli sonuçlar veren ve aşağıda a),b),c) şıklarında belirilen özelliklere sahip deneylerin modellenmesinde kullanılan bir dağılım
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
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 0 KASIM 207 8. HAFTA.7 M/M//N/ sistemi için Bekleme zamanının dağılımı ( ) T j rastgele değişkeni j. birimin
DetaylıNORMAL DAĞILIM. 2., anakütle sayısı ile Poisson dağılımına uyan rassal bir değişkense ve 'a gidiyorsa,
NORMAL DAĞILIM TEORİK 1., ortalaması, standart sapması olan bir normal dağılıma uyan rassal bir değişkense, bir sabitken nin beklem üreten fonksiyonunu bulun. 2., anakütle sayısı ile Poisson dağılımına
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
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 (Probability)
OLASILIK (Probability) Olasılık, bir olayın meydana gelme, ortaya çıkma şansını ifade eder ve P ile gösterilir. E i ile gösterilen bir basit olayın olasılığı P (E i ), A bileşik olayının olasılığıysa P
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
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
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
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,
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
Detaylı2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018
2018 İKİNCİ SEVİYE AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME 12 MAYIS 2018 Sigortacılık Eğitim Merkezi (SEGEM) tarafından hazırlanmış olan bu sınav sorularının her hakkı saklıdır. Hangi amaçla
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
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.
DetaylıParametrik Olmayan İstatistik. Prof. Dr. Cenk ÖZLER
Parametrik Olmayan İstatistik Prof. Dr. Cenk ÖZLER Not: Beklenen Frekansı 5 in altında olan gruplar varsa, bu gruplar bir önceki veya bir sonraki grupla birleştirilir. Hipotezler χ 2 Dağılışa Uyum Testi
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 5: Rastgele Değişkenlerin Dağılımları II Prof. Dr. İrfan KAYMAZ Sık Kullanılan Dağılımlar Frekans tablolarına dayalı histogram ve frekans poligonları, verilerin dağılımı hakkında
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
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
DetaylıBölüm 13. ÖZEL OLASILIK DAĞILIMLARI
SAKARYA UNIVERSITESI Bölüm 13. ÖZEL OLASILIK DAĞILIMLARI Prof. Dr. Mustafa AKAL 1 İÇİNDEKİLER 1. BERNOULLİ DAĞILIMI 2. BİNOM DAĞILIMI 3. POİSSON DAĞILIMI 4. PASCAL DAĞILIMI 5. GEOMETRİK DAĞILIM 6. HİPERGEOMETRİK
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
DetaylıDeney Dizaynı ve Veri Analizi Ders Notları
Deney Dizaynı ve Veri Analizi Ders Notları Binom dağılım fonksiyonu: Süreksiz olaylarda, sonuçların az sayıda seçenekten oluştuğu durumlarda kullanılır. Bir para atıldığında yazı veya tura gelme olasılığı
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.
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
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
Detaylıistatistik 4. Bir frekans dağılımına ilişkin birikimli seriler 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi
2010 S 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek t ablolar ve f ormüller bu kitapçığın sonunda verilmiştir. 1. Birimlerle ilgili aşağıdaki ifadelerden hangisi yanlıstır? ) Maddesel
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını
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
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 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
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.
Detaylıİstatistik 1. Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları. Ankara Üniversitesi SBF, GYY
İstatistik 1 Bölüm 5 Olasılık Teorisi ve Kesikli Olasılık Dağılımları Bu Bölümde İşlenecek Konular Temel Olasılık Teorisi Örnek uzayı ve olaylar, basit olasılık, birleşik olasılık Koşullu Olasılık İstatistiksel
DetaylıÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları
ÖABT Olasılık - İstatistik KONU TESTİ Saymanın Temel Kuralları. 9 + = 6. A dan B ye 5 farklı şekilde gidebilir. B den C ye 3 farklı şekilde gidebilir. 5.3 = 5. 4.5 = 0 7. 5.3.3.5 5 3. kişi için iki durum
DetaylıCEVAPLAR. n = n 1 + n 2 + n 3 + n 4 + n 5 + n 6 + n 7 = = 11 dir.
T C S D Ü M Ü H E N D İ S L İ K F A K Ü L T E S İ - M A K İ N A M Ü H E N D İ S L İ Ğ İ B Ö L Ü M Ü MAK-307 OTM317 Müh. İstatistik İstatistiği ÖĞRENCİNİN: ADI - SOYADI ÖĞRETİMİ NOSU İMZASI 1.Ö 2.Ö A B
DetaylıIE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R
IE 303T Sistem Benzetimi DERS 4 : O L A S I L I K T E K R A R Geçen Ders Envanter yonetımı: Gazetecı problemı Rastsal Rakamlar Üret Talebi hesapla Geliri hesapla Toplam maliyeti hesapla Günlük ve aylık
DetaylıOlasılık bir diğer ifadeyle bir olayın meydana gelme şansının sayısal ifadesidir. Örnekler:
OLASILIK Populasyon hakkında bilgi sahibi olmak amacı ile alınan örneklerden elde edilen bilgiler bire bir doğru olmayıp hepsi mutlaka bir hata payı taşımaktadır. Bu hata payının ortaya çıkmasının sebebi
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
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.
DetaylıSimülasyonda İstatiksel Modeller. Banks, Carson, Nelson & Nicol Discrete-Event System Simulation
Simülasyonda İstatiksel Modeller Banks, Carson, Nelson & Nicol Discrete-Event System Simulation Amaç Model-geliştirici dünyaya deterministik değil olasıksal olarak bakar. İstatiksel modeller değişimleri
Detaylıistatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A
2Q 10 BS 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek tablolar ve f ormüller bu kita p ç ığın sonunda ver-ilmiştir. 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre cevaplandırılacaktır
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
Detaylıkümeleri sırasıyla n 1, n 2,..., n k eleman içeriyorsa, önce A 1 nin bir elemanını seçmenin n 1
3. Olasılık Hesapları ve Olasılık Dağılımları 3.3. Sayma Teknikleri Olasılık hesapları ve istatistikte birçok problem, verilen küme elemanlarının sayılmasını veya sıralanmasını gerektirir. Eğer bir olayın
DetaylıÖrneklem Dağılımları ve Merkezi Limit Teoremi
Örneklem Dağılımları ve Merkezi Limit Teoremi Çıkarımsal İstatistik (Inferential Statistics) : Örneklemden yola çıkarak ana kütleyle (popülasyonla) ilgili çıkarımlarda bulunmak (Smidt, 2001) İstatistiksel
DetaylıKesikli Üniform Dağılımı
9.. KESİKLİ ŞANS DEĞİŞKENLERİNİN OLASILIK DAĞILIMLARI. Kesili Üniform Dağılımı. Bernoulli Dağılımı 3. Binom Dağılımı 4. Negatif Binom Dağılımı. Geometri Dağılım. Hiergeometri Dağılım 7. Poisson Dağılımı
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.
DetaylıKuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri
Kuyruk Teorisi Ders Notları: Bazı Kuyruk Modelleri Mehmet YILMAZ mehmetyilmaz@ankara.edu.tr 10 KASIM 2017 5. HAFTA 2.7 M/M/1/ / sistemi için Bekleme zamanının dağılımı ( ) 1 T j rastgele değişkeni j. birimin
Detaylı12. Hafta Ders Notları GENEL TEKRAR
12. Hafta Ders Notları GENEL TEKRAR A Veri Türleri Anakütle bir bütünü temsil ederken; örneklem, bir bütünün sadece bir kısmını temsil etmektedir. Anakütledeki gözlem sayısı N ile temsil edilirken; örneklemdeki
Detaylı