İstatistik I Ders Notları
|
|
- Ufuk Yasin
- 7 yıl önce
- İzleme sayısı:
Transkript
1 İstatistik I Ders Notları Sürekli Rassal Değişkenler Hüseyin Taştan Kasım 2, 26 İçindekiler Sürekli Rassal Değişkenlerin Özellikleri 2 2 Olasılık Yoğunluk Fonksiyonu 2 Birikimli Olasılık Fonksiyonu 6 4 Beklenen Değer ve Varyans 5 Ortak Olasılık Yoğunluk Fonksiyonu 2 6 Marjinal Olasılık Yoğunluk Fonksiyonu 4 7 Bağımsızlık 5 8 Koşullu Olasılık Yoğunluk Fonksiyonu 6 9 Birikimli Ortak Olasılık Fonksiyonu 6 Yrd. Doç. Dr., Yıldız Teknik Üniversitesi, İktisat Bölümü. Mail: Hüseyin Taştan İktisat Bölümü Yıldız Teknik Üniversitesi Yıldız Kampüsü, Beşiktaş, İstanbul Turkey tastan@yildiz.edu.tr Web-site: tastan/index.html c 25-6, Hüseyin Taştan
2 Sürekli Rassal Değişkenlerin Özellikleri Bir sürekli (continuous) rassal değişken reel sayılar doğrusu üzerinde herhangi bir değeri alabilir. Buna göre bir X rassal değişkeninin alabileceği değerler sadece tam sayıları değil gibi noktadan sonraki dijitleri keyfi olarak (sonsuz uzunlukta) yazılabilen sayıları da kapsar. Reel sayıların özellikleri gereği birbirine ne kadar yakın olursa olsun iki reel sayı arasında sonsuz sayıda rasyonel ve irrasyonel sayı bulunur. Öyleyse X sürekli rassal değişkeni sonsuz sayıda değerden birini alabilir ve herhangi bir reel sayıya eşit olma olasılığı sıfırdır. Kesikli rassal değişkenlerden farklı olarak, sürekli rassal değişkenlerin bir değere eşit olma olasılıkları değil, belli bir aralık içine düşme olasılıkları hesaplanır. Konuyu daha iyi kavramak için şöyle bir örnek düşünelim. X rassal değişkeni aynı özelliklere sahip mp çalarların oluşturduğu anakütleden rassal olarak seçilen birinin fiyatı olsun. Fiyatın (X) belli bir aralıkta, örneğin 85.75YTL ile YTL arasında, alabileceği değerler belirlidir. Teknik olarak bunların teker teker sıralanması (bir kesikli rassal değişken gibi) mümkündür. Ancak, kesikli rassal değişkenler için geliştirilen yöntemler, X in alabileceği değerler çok sayıda olduğundan, uygulanabilir değildir. Bir başka örnek daha verebiliriz. Belli bir kentte yerleşik hanehalkları arasında rassal olarak 2 tanesini seçtiğimizi düşünelim. X ilgili hanehalkının toplam yıllık geliri olsun. Fiyat örneğinde olduğu gibi, gelir düzeyi de belli bir aralıkta herhangi bir değeri alabilir. Ancak, X in tam olarak belli bir değere, örneğin YTL ye eşit olma olasılığı sıfır kabul edilebilir. Gelirin belli bir aralıkta, örneğin 6YTL ile 7YTL arasında olma olasılığından bahsedebiliriz. İktisadi değişkenlerin önemli bir kısmı sürekli rassal değişken kategorisine girer. Örnekleri çoğaltmak mümkündür: IMKB endeksinin belli bir gündeki kapanış değeri, belli bir aydaki fiyatlar genel düzeyi (e.g., TÜFE), yılın ilk üç aylık döneminde gerçekleşen ihracat tutarı vb. 2 Olasılık Yoğunluk Fonksiyonu X sürekli rassal değişkeni için tanım gereği P (X = x) = olduğunu ve olasılıkların ancak belli bir aralık için hesaplanabileceğini öğrendik. Kesikli rassal değişkenler için geliştirdiğimiz yöntemleri bürekli rassal değişkenlerin dağılım özelliklerini incelemekte kullanamayız. 2
3 X sürekli bir rassal değişken ve x bu değişkenin alabileceği herhangi bir değer olsun (bu noktada reel sayılar doğrusu X in örneklem uzayı olarak kabul edilebilir). X rassal değişkeninin olasılık yoğunluk fonksiyonu (oyf, probability density function, pdf) ya da kısaca yoğunluk fonksiyonu, f(x), aşağıdaki özellikleri taşıyan bir fonksiyondur:. 2. f(x), < x < P ( < X < ) = + f(x)dx = Birinci özelliğe göre X in alabileceği tüm değerler için yoğunluk fonksiyonu değerleri, tıpkı kesikli ressal değişkenler için olasılık fonksiyonu değerleri gibi, negatif olamaz. İkinci özellik alt ve üst sınırları X in değerler aralığı olan integralin e eşit olduğunu söylemektedir. Başka bir deyişle, f(x) eğrisinin altında kalan alan bire eşittir (bkz. Şekil ). a < b olmak üzere, a ve b, < a < b < özelliğini sağlayan herhangi iki reel sayı ise, X in bu değerler arasında kalma olasılığı alt sınırı a, üst sınırı b olan belirli integralin değerine eşittir. Yani, X in a ile b arasında olma olasılığı f(x) in altında kalan ve sınırları a ile b tarafından belirlenmiş bölgenin alanına eşittir. P (a < X < b) = b a f(x)dx Tekil noktaların olasılıkları sıfır kabul edilebileceğinden P (a < X < b) = P (a X b) yazılabilir. Şekil de bu alan belirtilmiştir. Örnek 2. Uniform (Tekdüze) Dağılım için oyf: Bir torbaya üzerinde dan 9 a kadar rakamlar olan toplar koyduğumuzu ve rassal olarak bir tanesini çektiğimizi düşünelim. Çektiğimiz rakam dan sonraki ilk basamaktaki sayı olsun. Örneğin çektiğimiz topun üzerinde 8 rakamı varsa bulduğumuz rakam.8 olacaktır. Çektiğimiz topu yerine koyalım ve tekrar bir sayı çekelim. Bu da sıfırdan sonraki ikinci dijit olsun. Örneğin.84. Benzer şekilde daha sonra çekeceğimiz sayılarda sırayla sıfırdan sonraki basamaklarda yerlerini alsınlar, örneğin , vb. Bu deneyi çok sayıda tekrarlarsak ile arasında bir rassal sayı elde ederiz. Bu rassal değişkene X diyelim. Bu deneyin örneklem uzayı ile arasındaki tüm reel sayılar kümesidir, yani x [, ].
4 f(x) P(a<X<b) = b a f(x)dx a b x Şekil : Bir olasılık yoğunluk fonksiyonu Bu deneyde tanımlanan X rassal değişkeninin sürekli olduğu açıktır. Şu olasılığı bulmak istediğimizi düşünelim P ( X x) =? Bunu bulmak için sıfırdan sonra sadece iki basamak seçtiğimizi düşünelim, mesela x =.5. İlgilendiğimiz olasılık P ( X.5) =? dır. X in.5 den küçük ya da eşit olma olasılıyla ilgilendiğimize göre öncelikle deneyin örneklem uzayındaki noktaları belirlememiz gerekir. Örneklem uzayında (çekebileceğimiz tüm sayılar kümesi). dan.99 a kadar nokta (rakam) vardır. İlk çektiğimiz sayı ten küçük ise (, ya da 2) ikinci çektiğimiz sayının bir önemi olmaz çünkü sayı.5 den küçük olacaktır. Bunu yapmanın toplam = farklı yolu vardır. İlk basamaktaki rakam olduğunda ise.5 e eşit ya da daha küçük bir sayı elde etmenin toplam 6 = 6 yolu vardır. Öyleyse X x olayı toplam + 6 = 6 farklı yoldan gerçekleşebilir, dolayısıyla ilgilendimiz olasılık P ( X.5) = 6/ =.6 dır. Benzer biçimde 5 rakam çektiğimizde ilgili olasılık P ( X.5847) =.5848, rakam çektiğimizde ise P ( X ) = olur. Basamak sayısı sonsuza giderken x ile P ( X x) arasındaki fark kapanır ve limitte bu fark sıfır olur. Öyleyse P ( X x) = x yazılabilir. 4
5 Şimdi X in herhangi iki sayı arasında kalma olasılığını bulmaya çalışalım: P (a X b) =?. Örnek olarak P (.5 X.75) olasılığını bulalım. Yukarıda olduğu gibi yerine konarak farklı sayı seçilebilir..5 e eşit ya da büyük ve.75 e eşit ya da küçük sayılar toplam 4 farklı şekilde seçilebilir, öyleyse P (.5 X.75) =.4 olur ( = 4). Sıfırdan sonraki dijit sayısı arttıkça bu olasılık [a, b] doğru parçasının uzunluğuna eşit olur: P (a X b) = b a. Bu sonuç doğru parçasının kendi sınırlarını içerip içermemesinden bağımsızdır. Şu yazılabilir: P (a X b) = P (a < X b) = P (a X < b) = P (a < X < b) = b a Bu deneyden elde edilen X rassal değişkeninin oyf nu nasıl bulabiliriz? Olasılık yoğunluk fonksiyonunun özelliklerini kullanarak bulmaya çalışalım. f(x) olmalı ve bu aralıkta integral bire eşit olmalı. Yani f(x)dx = Öncelikle her x [, ] için Bunun yanı sıra yukarıda tartıştığımız aralık olasılıkları koşulu da sağlanmalıdır: P (a < X < b) = b a f(x)dx = b a Bu özellikleri sağlayan fonksiyona [, ] aralığında tanımlı uniform ya da tekdüze dağılım denir (kısaca, X U(, )). Uniform dağılımın olasılık yoğunluk fonksiyonu şöyle yazılabilir:, < x < ise;, değilse. Bunun oyf olma koşullarını sağladığı açıktır. Genel olarak [a, b] aralığında tanımlı uniform dağılıma uyan X rassal değişkeninin, X U(a, b), olasılık yoğunluk fonksiyonu şöyle olur:, a < x < b ise; b a, değilse. Olasılık yoğunluk fonksiyonlarının şeklinden dolayı uniform dağılıma dikdörtgensel dağılım da denir (Feller, 966, An Introduction to Probability Theory and its Applications, II. cilt, s. 2) 5
6 f(x) F(x) b a a b x a b x Şekil 2: Bir uniform rassal değişkenin yoğunluk ve birikimli olasılık fonksiyonları Birikimli Olasılık Fonksiyonu X sürekli rassal değişkeninin birikimli olasılık fonksiyonu (ya da dağılım fonksiyonu), F (x), X in, alabileceği herhangi bir değer olan x i aşmama olasılığını x in bir fonksiyonu olarak verir: F (x) = P (X x) = x f(t)dt Kesikli rassal değişkenler için x j x için tüm olasılıkları toplayarak birikimli olasılıkları buluyorduk. Sürekli rassal değişkenler için de benzer şekilde yukarıdaki integrali değerleyerek birikimli olasılıkları elde edebiliriz. Yoğunluk fonksiyonundan farklı olarak F (x) bize bir olasılık verdiği için her zaman ile arasında bir değer alır. Birikimli olasılık fonksiyonu (bof) ile olasılık yoğunluk fonksiyonu (oyf) arasındaki ilişki şöyledir: df (x) dx Yani, oyf, bof nun birinci türevidir. Birikimli olasılık fonksiyonunun özellikleri şunlardır:. F () =, F (+ ) = 6
7 2. P (a < X < b) = F (b) F (a) = b a f(x)dx f(x) F(+ ) F(b) = F(b) F(a) F() = F(a) b a f(x)dx = F(b) F(a) a b x Şekil : Olasılık yoğunluk fonksiyonu ve birikimli olasılıklar Birinci özelliğe göre F (x), x in azalmayan bir fonksiyonudur. x x 2 olmak üzere F (x ) F (x 2 ). İkinci özelliği daha yakından incelemek için X değer aralığını aşağıdaki gibi parçalara ayırıp olasılık kurallarını kullanarak P ( < X < + ) = P ( < X < a) + P (a < X < b) + P (b < X < + ) yazalım. Olasılık yoğunluk fonksiyonu kullanılarak bu olasılıklar f(x)dx = a f(x)dx + b f(x)dx + a b şeklinde yazılabilir. Birikimli olasılık fonksiyonu kullanılarak + f(x)dx F (+ ) F () = [F (a) F ()] + P (a < X < b) + [F (+ ) F (b)] yazılabileceği açıktır. Bof özelliklerini kullanarak = F (a) + P (a < X < b) + F (b) 7
8 yazabiliriz Buradan da P (a < X < b) = F (b) F (a) olur (Bkz. Şekil ). Örnek. Uniform (Tekdüze) Dağılım için bof: Örnek 2. de [, ] aralığında uniform dağılıma uyan X rassal değişkeninin olasılık yoğunluk fonksiyonunu bulmuştuk. Şimdi yine X U(, ) için birikimli olasılık fonksiyonunu bulalım. Aslında Örnek 2. de uniform dağılım için bof bulunmuştu, yani P ( X x) = x olduğunu göstermiştik. Öyleyse X için bof şöyle yazılabilir:, x < için; F (x) = x, x için;, x > için. Şimdi herhangi bir [a, b] aralığında tanımlı bir uniform dağılım için bof nu bulalım. Bof nun tanımından hareketle F (x) = P (X x) x = a b a dt x t = b a a = x a b a, a x b aralığı için yazılabilir. Öyleyse X U(a, b) nin bof nu şöyle olur:, x < a için; F (x) = x a, a x b için; b a, x > b için. Örnek.2 Aşağıda verilen fonksiyonu düşünelim. e x, < x < ise;, değilse. (a) Bunun bir oyf olduğunu gösterin. (b) Bu fonksiyunun grafiğini çizin ve X > olasılığı ile ilgili alanı işaretleyin. 8
9 (c) P (X > ) olasılığını hesaplayın. (d) Birikimli olasılık fonksiyonunu bulun. CEVAP: (a) Sorunun ilk bölümünde bu fonksiyonun bir oyf olup olmadığını göstermemiz istenmektedir. Olasılık yoğunluk fonksiyonları özelliklerini sağlayıp sağlamadığına bakalım: (a) (i) İlk olarak, f(x) koşulunun < x < aralığındaki her x değeri için sağlandığı açıktır. (b) (ii) Ayrıca, x in değerler aralığında oyf nin integralinin olması gerekir. e x dx = e x = e ( e ) = + = e = lim x e x = olarak düşünülmelidir. Bu koşul da sağlandığına göre fonksiyon bir oyf dir. (b) Şekil 4 bu oyf nin grafiğini göstermektedir. P (X > ) olasılığı grafikte gösterilmiştir. (c) P (X > ) = e x dx = e x = e.6787 (d) F (x) = x e t dt = e t x = e x + e = e x 9
10 Buradan birikimli olasılık fonksiyonu, x < ; F (x) = e x, < x <. olarak bulunur. Bu bof nun grafiği Şekil 4 de çizilmiştir. ( x ) oyf: f( x) =e x F ( x ) bof: f( x) = e x P( X > ) = e x dx x x Şekil 4: e x in oyf ve bof si 4 Beklenen Değer ve Varyans Olasılık yoğunluk fonksiyonu f(x) olan, < x < aralığında tanımlı bir X sürekli rassal değişkeninin beklenen değeri E(X) µ X = xf(x)dx
11 dir. Bu tanımda E(X) ile µ X arasındaki denklik özelliğine dikkat edilmelidir. E(X), X in anakütlesindeki merkezi ifade etmektedir. Bunun örneklem ortalaması ile karıştırılmaması gerekir. Anakütlenin yoğunluk fonksiyonu bilinen bir rassal değişkenin beklenen değeri, eğer varsa, bulunabilir. değeri Bu tanım X in herhangi bir fonksiyonu için, g(x), genelleştirilebilir. g(x) in beklenen olarak yazılır. E (g(x)) = g(x)f(x)dx Örnek 4. Şimdi daha önceden oyf ve bof nu bulduğumuz X U(, ) değişkeninin beklenen değerini bulalım. Olasılık yoğunluk fonksiyonunun, < x < ise;, değilse. olduğunu biliyoruz. Beklenen değerin tanımını kullanarak E(X) = xdx = 2 bulunur. Benzer şekilde X U(a, b) nin beklenen değeri olur. b x E(X) = a b a dx [ ] b 2 a 2 = b a 2 (b a)(b + a) = 2(b a) = a + b 2 Şimdi X U(a, b) rassal değişkeni için tanımlanan g(x) = x 2 fonksiyonunun beklenen değerini bulalım. b E[g(x)] = x 2 a b a = b a (b a) = (b a)(b2 + ab + a 2 ) (b a) = a2 + ab + b 2 = E[X 2 ].
12 X sürekli rassal değişkeninin varyansı X in beklenen değerinden (ya da anakütle ortalamasından) farkının karesinin beklenen değerine eşittir. Yani g(x) = (x E(X)) 2 = (x µ X ) 2 olarak tanımladığımızı düşünürsek X in varyansı olarak yazılır. V ar(x) = σ 2 X = (x E(X)) 2 f(x)dx İntegral özellikleri kullanılarak V ar(x) aşağıdaki gibi yazılabilir: V ar(x) = E [ (X E(X)) 2] = = = (x E(X)) 2 f(x)dx x 2 f(x)dx + (E(X)) 2 f(x)dx 2E(X) ( x 2 f(x)dx = E(X 2 ) (E(X)) 2 xf(x)dx ) 2 Burada f(x)dx = ve xf(x)dx = E(X) özelliklerini kullandık. xf(x)dx Örnek 4.2 X U(a, b) için beklenen değeri bulmuştuk. Şimdi yukarıdaki ilişkiyi kullanarak varyansını bulalım. V ar(x) = E[(X E(X)) 2 ] = E(X 2 ) [E(X)] 2 = (a2 + ab + b 2 ) (b a)2 = 2 (a + b)2 4 5 Ortak Olasılık Yoğunluk Fonksiyonu X ve Y sürekli iki rassal değişken olsun. Bunların ortak olasılık yoğunluk fonksiyonu (ooyf), f(x, y), aşağıdaki özellikleri sağlayan bir fonksiyondur:. f(x, y), < x <, < y < için, 2. f(x, y)dxdy =. X ve Y sürekli rassal değişkenlerinin (a < X < b, c < Y < d) ile tanımlanan bölgenin içinde olma olasılıkları P (a < X < b, c < Y < d) = ile bulunur. 2 d b c a f(x, y)dxdy
13 Birinci özelliğe göre yoğunluk fonksiyonunun değerleri negatif olamaz. İkinci özellik rassal değişken çiftinin tanım aralığında integralin bire eşit olduğunu belirtmektedir. Ortak olasılık yoğunluk fonksiyonu ile tanımlanan yüzeyin altında kalan hacmin bire eşit olması gerekir. Üçüncü özellik bu yüzey altında tanımlanan herhangi bir bölgenin olasılığının, bu düzlem parçasıyla fonksiyonun yüzeyi arasında kalan hacmine eşit olduğunu belirtmektedir. f(x,y) y.5.5 x Şekil 5: f(x, y) = xye (x2 +y 2), x >, y >, için ortak olasılık yoğunluk fonksiyonu Örnek 5. Aşağıda verilen iki değişkenli fonksiyonun bir ortak olasılık yoğunluk fonksiyonu olmasını sağlayacak k sabit sayısını bulun. Elde ettiğiniz ooyf nu kullanarak P ( < X < 2, < Y < 2) olasılığını bulun. k(x + y), < x <, < y < 2 ise; f(x, y) =, değilse. Öncelikle f(x, y) > koşulunun sağlanabilmesi için k > olmalı. İkinci koşuldan
14 hareketle 2 k(x + y)dxdy = 2 ( ) = k 2 + y dy = k = k = ( ) 2 y + y2 2 2 k = bulunur. Öyleyse ooyf f(x, y) = (x + y), < x <, < y < 2 ise;, değilse. olarak yazılabilir. İstenen olasılık ooyf nun altındaki hacim olarak bulunur: P ( < X < 2 ) 2, < Y < 2 2 = (x + y) dxdy = 2 ( 8 + ) 2 y dy = ( ) 8 y + y2 2 4 = Marjinal Olasılık Yoğunluk Fonksiyonu İki değişkenli bir ortak olasılık yoğunluk fonksiyonundan hareketle marjinal (tekil ya da yanal) olasılık yoğunluk fonksiyonları aşağıdaki gibi bulunur: f(y) = f(x, y)dy f(x, y)dx Örnek 6. Örnek 5. deki ooyf nu kullanarak X ve Y rassal değişkenlerinin marjinal olasılık yoğunluk fonksiyonlarını bulalım. 2 (x + y)dy = ) (xy + y2 2 2 = 2 (x + ) 4
15 Böylelikle X için moyf nu şöyle yazılır: 2(x + ), < x < ise;, degilse. Benzer şekilde Y nin moyf nu g(y) = (y + ), < y < 2 ise; 2, degilse. olur. Alıştırma olarak bu fonksiyonların moyf özelliklerini taşıdıklarını gösteriniz. 7 Bağımsızlık Eğer ortak olasılık yoğunluk fonksiyonları f(x, y) = f(x) g(y) olarak yazılabiliyorsa X ve Y rassal değişkenleri istatistik bakımından bağımsızdır denir. Genel olarak X, X 2,..., X n rassal değişkenlerinin ortak olasılık yoğunluk fonksiyonu marjinal yoğunluk fonksiyonlarının çarpımı olarak yazılabiliyorsa f(x, x 2,..., x n ) = f (x ) f 2 (x 2 ),..., f n (x n ) n = f j (x j ) j= bu rassal değişkenler birbirinden bağımsızdır denir. Bu özellik kullanılarak Maksimum Olabilirlik (Maximum Likelihood) tahmin edicileri türetilebilmektedir. Bu konuya İstatistik II dersinde Tahmin Yöntemleri başlığı altında değineceğiz. Örnek 7. Örnek 6. deki ortak oyf ve marjinal oyf nı kullanarak X ve Y nin bağımsız olup olmadığını bulalım. f(x)g(x) = 2 (x + ) (y + 2 ) f(x, y) olduğundan X ve Y rassal değişkenleri bağımsız değildir. 5
16 Örnek 7.2 Aşağıda verilen ooyf nu kullanarak moyf nı bularak bağımsız olup olmadıklarına karar verelim. f(x, y) = Marjinal olasılık yoğunluk fonksiyonları Buradan, < x < 4, < y < 4 ise; 9, degilse. g(y) = dy = 9 dx = f(x, y) = 9 = f(x)g(y) = ( ) ( ) koşulu sağlandığı için X ve Y rassal değişkenleri bağımsızdır. 8 Koşullu Olasılık Yoğunluk Fonksiyonu A ve B herhangi iki olay olsun. Hatırlarsak A verilmişken B nin koşullu olasılığı aşağıdaki gibi bulunabiliyordu: P (B A) = P (A B) P (A) Benzer şekilde Y = y verilmişken X in koşullu olasılık yoğunluk fonksiyonu f(x y) = f(x, y) g(y) ile bulunur. 9 Birikimli Ortak Olasılık Fonksiyonu F (x, x 2,..., x k ) = F (x, y) = y xk xk x f(t, s)dtds x... f(t, t 2,..., t k )dt dt 2,..., dt k 6
17 Alıştırmalar Aşağıdaki fonksiyon veriliyor. k(x + ), < x < 2 (a) Bunun bir oyf olmasını sağlayan k sabitini bulun. (b) Bulduğunuz oyf nu kullanarak X in beklenen değerini ve varyansını bulun. (c) bof, F (x) i bulun. (d) bof nu kullanarak P ( < X < ) olasılığını bulun x olmak üzere x veriliyor. (a) Bunun bir oyf olduğunu gösterin. (b) F (x) i bulun. (c) P ( X > ) olasılığını bulun. 2 (d) E(X) i bulun. İktisat bölümü öğrencilerinin evlerinden okula gelme süreleri dakika ile 45 dakika arasında uniform dağılıma uymaktadır. Buna göre, rassal seçilmiş bir öğrencinin yolda geçirdiği sürenin (a) 2 dk dan az (b) 2 dk ile dk arasında (c) dk dan fazla olma olasılıklarını bulun. 4 X in oyf nun aşağıdaki gibi olduğunu düşünelim: x, < x < 2 ise; 2, değilse. (a) P (X < t) = 2 (b) P (X < t) = 4 olmasını sağlayan t sayısını bulun. olmasını sağlayan t sayısını bulun. 5 X rassal değişkeni [ 2, 2] aralığında uniform dağılmaktadır. (a) P ( < X < ) olasılığını bulun. 7
18 (b) P (X < t) =.5 olabilmesi için t ne olmalıdır? 6 X rassal değişkeninin oyf nu aşağıdaki gibidir: ( 2 x2 ), < x < ise;, değilse. (a) Bunun bir oyf olduğunu gösterin. (b) Şu olasılıkları bulun: P (X > 2 ), P ( 4 < X < 4 ), P (X < 4 ) 8
İSTATİSTİK I KAVRAMLARININ
YTÜ-İktisat İstatistik II İstatistik I Gözden Geçirme İSTATİSTİK I KAVRAMLARININ GÖZDEN GEÇİRİLMESİ Hüseyin Taştan Yıldız Teknik Üniversitesi, İktisat Bölümü, email: tastan@yildiz.edu.tr YTÜ-İktisat İstatistik
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
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.
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıOlasılık ve Dağılım Teorisi Kavramlarının Gözden Geçirilmesi
İSTATİSTİK I: Olasılık ve Dağılım Teorisi Kavramlarının Gözden Geçirilmesi Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü 22 Eylül 2012 Ekonometri: Olasılık ve Dağılım - H. Taştan 1 İstatistik
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
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
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.
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.
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
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
Detaylı3.Ders Rasgele Değişkenler
3.Ders Rasgele Değişkenler Tanım:,U, P bir olasılık uzayı ve X : R X olmak üzere, a R için, : X a U oluyorsa X fonksiyonuna bir rasgele değişken denir. a R için X, a : X a U özelliğine sahip bir X rasgele
DetaylıHerhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır.
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X(x ) dx Sürekli
DetaylıRasgele Vektörler Çok Değişkenli Olasılık Dağılımları
4.Ders Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları Tanım:,U, P bir olasılık uzayı ve X, X,,X n : R n X, X,,X n X, X,,X n olmak üzere, her a, a,,a n R n için : X i a i, i,, 3,,n U özelliği sağlanıyor
Detaylıaltında ilerde ele alınacaktır.
YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini
DetaylıMatematik Ders Notları. Doç. Dr. Murat Donduran
Matematik Ders Notları Doç. Dr. Murat Donduran Mart 18, 28 2 İçindekiler 1 Tanımlı Integral Uygulamaları 5 1.1 Olasılık.............................. 5 3 4 İÇINDEKILER Bölüm 1 Tanımlı Integral Uygulamaları
DetaylıÖrnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? n(s) = 3 6 = 1 2
Bir Olayın Olasılığı P(A) = n(a) n(s) = A nın eleman sayısı S nin eleman sayısı Örnek Bir zar atıldığında zarın üstünde bulunan noktaların sayısı gözlensin. Çift sayı gelmesi olasılığı nedir? Çözüm: S
DetaylıLys x 2 + y 2 = (6k) 2. (x 2k) 2 + y 2 = (2k 5) 2 olduğuna göre x 2 y 2 =? Cevap: 14k 2
1. 1 =? Lys 1 7. x + y = (6k) (x k) + y = (k 5) olduğuna göre x y =?. 6 a.b = ise a + 1 b. b 1 a =? 1k 8. x ve y birbirinden farklı pozitif gerçel sayılar olmak üzere, x y y x. x.y = (x y) ise x y =?.
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıTÜREV VE UYGULAMALARI
TÜREV VE UYGULAMALARI A R, a A ve f de A da tanımlı bir fonksiyon olsun. Eğer f(x) f(a) lim x a x a limiti veya x=a+h koymakla elde edilen f(a+h) f(a) lim h 0 h Bu türev f (a), df dx limiti varsa f fonksiyonu
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
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.
DetaylıKümülatif Dağılım Fonksiyonları. F X (x) = P (X x) = P X (x) = P (X x) = p X (x ) f X (x) = df X(x) dx
Kümülatif Dağılım Fonksiyonları Herhangi bir rastgele değişken için kümülatif dağılım fonksiyonu/cumulative distribution function (KDF/CDF) şu şekilde tanımlanır. F X (x) = P (X x) = x f X (x ) dx Sürekli
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
Detaylıf fonksiyonuna bir üç değişkenli fonksiyon adı verilir. Daha çok değişkenli fonksiyonlar benzer şekilde tanımlanır.
Çok Değişkenli Fonksiyonlar Tanım 1. D düzlemin bir bölgesi, f de D nin her bir (x, y) noktasına bir f(x, y) reel sayısı karşılık getiren bir fonksiyon ise f fonksiyonuna bir iki değişkenli fonksiyon adı
DetaylıBirden Fazla RDnin Bileşik Olasılık Fonksiyonları
Birden Fazla RDnin Bileşik Olasılık Fonksiyonları Birden fazla x 1, x 2,..., x n gibi RDlerimiz olsun. Bunların bileşik olasılık fonksiyonları kesikli ve rastgele RDler için sırasıyla şu şekilde tanımlanır
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
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
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
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.
DetaylıLineer Dönüşümler ÜNİTE. Amaçlar. İçindekiler. Yazar Öğr. Grv.Dr. Nevin ORHUN
Lineer Dönüşümler Yazar Öğr. Grv.Dr. Nevin ORHUN ÜNİTE 7 Amaçlar Bu üniteyi çalıştıktan sonra; Vektör uzayları arasında tanımlanan belli fonksiyonları tanıyacak, özelliklerini öğrenecek, Bir dönüşümün,
DetaylıSÜREKLİLİK. 9.1 Süreklilik ve Süreksizlik Kavramları
SÜREKLİLİK Bu bölümde süreklilik kavramı, süreksizlik, sürekli fonksiyonların özellikleri ile buna ilişkin teoremler örnekler ve grafiklerle açıklanmaktadır. 9.1 Süreklilik ve Süreksizlik Kavramları Tanım
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
DetaylıStokastik Süreçler. Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir.
Bir stokastik süreç ya da rastgele süreç şöyle tanımlanabilir. Zamanla değişen bir rastgele değişkendir. Rastgele değişkenin alacağı değer zamanla değişmektedir. Deney çıktılarına atanan rastgele bir zaman
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
DetaylıMATEMATiKSEL iktisat
DİKKAT!... BU ÖZET 8 ÜNİTEDİR BU- RADA İLK ÜNİTE GÖSTERİLMEKTEDİR. MATEMATiKSEL iktisat KISA ÖZET KOLAY AOF Kolayaöf.com 0362 233 8723 Sayfa 2 içindekiler 1.ünite-Türev ve Kuralları..3 2.üniteTek Değişkenli
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.
DetaylıBuna göre, eşitliği yazılabilir. sayılara rasyonel sayılar denir ve Q ile gösterilir. , -, 2 2 = 1. sayıdır. 2, 3, 5 birer irrasyonel sayıdır.
TEMEL KAVRAMLAR RAKAM Bir çokluk belirtmek için kullanılan sembollere rakam denir. 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 sembolleri birer rakamdır. 2. TAMSAYILAR KÜMESİ Z = {..., -3, -2, -1, 0, 1, 2, 3, 4,... }
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 8- SAYISAL İNTEGRASYON 1 GİRİŞ Mühendislikte sık karşılaşılan matematiksel işlemlerden biri integral işlemidir. Bilindiği gibi integral bir büyüklüğün toplam değerinin bulunması
DetaylıTEK BOYUTLU RASSAL DEĞİŞKENLER
TEK BOYUTLU RASSAL DEĞİŞKENLER Rassal değişken: S örnek uzayının her bir basit olayını yalnız bir gerçel değere dönüştüren fonksiyonuna rassal (tesadüfi) değişken denir. İki para birlikte atıldığında üste
DetaylıY = f(x) denklemi ile verilen fonksiyonun diferansiyeli dy = f '(x). dx tir.
1 İNTEGRAL BİR FONKSİYONUN DİFERANSİYELİ Tanım: f: [a,b] R, x f(x) fonksiyonu (a,b) aralığında türevli olmak üzere, x değişkeninin değişme miktarı x ise f '(x). x ifadesine f(x) fonksiyonunun diferansiyeli
DetaylıDenklemler İkinci Dereceden Denklemler. İkinci dereceden Bir Bilinmeyenli Denklemler. a,b,c IR ve a 0 olmak üzere,
Bölüm 33 Denklemler 33.1 İkinci Dereceden Denklemler İkinci dereceden Bir Bilinmeyenli Denklemler a,b,c IR ve a 0 olmak üzere, ax 2 + bx + c = 0 biçimindeki her açık önermeye ikinci dereceden bir bilinmeyenli
Detaylı2(1+ 5 ) b = LYS MATEMATİK DENEMESİ. işleminin sonucu kaçtır? A)2 5 B)3 5 C)2+ 5 D)3+ 5 E) işleminin sonucu kaçtır?
017 LYS MATEMATİK DENEMESİ Soru Sayısı: 50 Sınav Süresi: 75 ı 1. 4. (1+ 5 ) 1+ 5 işleminin sonucu kaçtır? A) 5 B)3 5 C)+ 5 işleminin sonucu kaçtır? D)3+ 5 E)1+ 5 A) B) 1 C) 1 D) E) 3. 4 0,5.16 0,5 işleminin
DetaylıDİKKAT! SORU KİTAPÇIĞINIZIN TÜRÜNÜ A OLARAK CEVAP KÂĞIDINIZA İŞARETLEMEYİ UNUTMAYINIZ. MATEMATİK SINAVI MATEMATİK TESTİ
DİKKAT! SORU KİTAPÇIĞINIZIN TÜRÜNÜ A OLARAK CEVAP KÂĞIDINIZA İŞARETLEMEYİ UNUTMAYINIZ. MATEMATİK SINAVI MATEMATİK TESTİ 1. Bu testte 50 soru vardır.. Cevaplarınızı, cevap kâğıdının Matematik Testi için
Detaylı(m+2) +5<0. 7/m+3 + EŞİTSİZLİKLER A. TANIM
EŞİTSİZLİKLER A. TANIM f(x)>0, f(x) - eşitsizliğinin
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
DetaylıDers 05. Çok değişkenli Fonksiyonlar. Kısmi Trevler. 5.1 Çözümler:Alıştırmalar 05. Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay
48 Bölüm 5 Ders 05 Çok değişkenli Fonksiyonlar. Kısmi Trevler 5.1 Çözümler:Alıştırmalar 05 Prof.Dr.Haydar Eş Prof.Dr.Timur Karaçay 1. Soru 1 Aşağıda verilen soru işaretlerinin yerine gelmesi gereken değerleri
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
DetaylıMat Matematik II / Calculus II
Mat - Matematik II / Calculus II Çalışma Soruları Çok Değişkenli Fonksiyonlar: Seviye eğri ve yüzeyler, Limit ve süreklilik wolframalpha.com uygulamasında bir fonksiyonun tanım kümesini bulmak için: x
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
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Rassal Sayı ve Rassal Değer. Üretimi. Rassal Sayı Üretimi
..4 EME 7 Rassal Sayı ve Rassal Değer Üretimi SİSTEM SİMÜLASYONU Rassal Sayı ve Rassal Değer Üretimi Ders Girdi Analizi bölümünde gözlemlerden elde edilen verilere en uygun dağılımı uydurmuştuk. Bu günkü
DetaylıTÜREV VE UYGULAMALARI
TÜREV VE UYGULAMALARI 1-TÜREVİN TANIMI VE GÖSTERİLİŞİ a,b R olmak üzere, f:[a,b] R fonksiyonu verilmiş olsun. x 0 (a,b) için lim x X0 f(x)-f( x 0 ) limiti bir gerçel sayı ise bu limit değerine f fonksiyonunun
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
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
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
DetaylıAlıştırmalar 1. 1) Aşağıdaki diferansiyel denklemlerin mertebesini ve derecesini bulunuz. Bağımlı ve bağımsız değişkenleri belirtiniz.
Alıştırmalar 1 1) Aşağıdaki diferansiyel denklemlerin mertebesini ve derecesini bulunuz. Bağımlı ve bağımsız değişkenleri belirtiniz. Denklem Mertebe Derece a) 2 1 ( ) 4 6 c) 2 1 d) 2 2 e) 3 1 f) 2 4 g)
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
DetaylıCh. 5: SEKK (OLS) nin Asimptotik Özellikleri
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik
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
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
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
DetaylıÜç Boyutlu Uzayda Koordinat sistemi
Üç Boyutlu Uzayda Koordinat sistemi Uzayda bir noktayı ifade edebilmek için ilk önce O noktasını (başlangıç noktası) ve bu noktadan geçen ve birbirine dik olan üç yönlü doğruyu seçerek sabitlememiz gerekir.
DetaylıİNTEGRAL İŞLEMLER LEMLERİ
İKTİSADİ DİNAMİKLİK K VE İNTEGRAL İŞLEMLER LEMLERİ 2 İktisat biliminde dinamiklik kavramı, değişkenlerin değişim süreçlerini, dengeye geliş ya da uzaklaşmalarını içeren bir analiz tipidir. Daha önce karşılaştırmalı
Detaylı1. Hafta Uygulama Soruları
. Hafta Uygulama Soruları ) x ekseni, x = doğrusu, y = x ve y = x + eğrileri arasında kalan alan nedir? ) y = x 3 ve y = 4 x 3 parabolleri arasında kalan alan nedir? 3) y = x, x y = 4 eğrileri arasında
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.
DetaylıCebirsel Fonksiyonlar
Cebirsel Fonksiyonlar Yazar Prof.Dr. Vakıf CAFEROV ÜNİTE 4 Amaçlar Bu üniteyi çalıştıktan sonra; polinom, rasyonel ve cebirsel fonksiyonları tanıyacak ve bu türden bazı fonksiyonların grafiklerini öğrenmiş
DetaylıRastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.
1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 7- SAYISAL TÜREV Doç. Dr. Ali Rıza YILDIZ 1 GİRİŞ İntegral işlemi gibi türev işlemi de mühendislikte çok fazla kullanılan bir işlemdir. Basit olarak bir fonksiyonun bir noktadaki
DetaylıFonksiyonlarda limiti öğrenirken değişkenlerin limitini ve sağdan-soldan limit kavramlarını öğreneceksiniz.
8.2. Fonksiyonlarda Limit Fonksiyonlarda limiti öğrenirken değişkenlerin limitini ve sağdan-soldan limit kavramlarını öğreneceksiniz. 8.2.1. Değişkenin Limiti Sonsuz sayıda değer alabilen bir x değişkeninin
DetaylıMath 322 Diferensiyel Denklemler Ders Notları 2012
1 Genel Tanımlar Bir veya birden fazla fonksiyonun türevlerini içeren denklemlere diferensiyel denklem denmektedir. Diferensiyel denklemler Adi (Sıradan) diferensiyel denklemler ve Kısmi diferensiyel denklemler
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.
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
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
Detaylı13.Konu Reel sayılar
13.Konu Reel sayılar 1. Temel dizi 2. Temel dizilerde toplama ve çarpma 3. Reel sayılar kümesi 4. Reel sayılar kümesinde toplama ve çarpma 5. Reel sayılar kümesinde sıralama 6. Reel sayılar kümesinin tamlık
DetaylıOPTIMIZASYON Bir Değişkenli Fonksiyonların Maksimizasyonu...2
OPTIMIZASYON.... Bir Değişkenli Fonksiyonların Maksimizasyonu.... Türev...3.. Bir noktadaki türevin değeri...4.. Maksimum için Birinci Derece Koşulu...4.3. İkinci Derece Koşulu...5.4. Türev Kuralları...5
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.
DetaylıKaynaklar Shepley L. Ross, Differential Equations (3rd Edition), 1984.
Çankırı Karatekin Üniversitesi Matematik Bölümü 2015 Kaynaklar Shepley L. Ross, Differential Equations (3rd Edition), 1984. (Adi ) Bir ya da daha fazla bağımsız değişkenden oluşan bağımlı değişken ve türevlerini
DetaylıUzayda iki doğrunun ortak dikme doğrusunun denklemi
Uzayda iki doğrunun ortak dikme doğrusunun denklemi Uzayda verilen d 1 ve d aykırı doğrularının ikisine birden dik olan doğruya ortak dikme doğrusu denir... olmak üzere bu iki doğru denkleminde değilse
DetaylıRD lerin Fonksiyonları
RD lerin Fonksiyonları Diğer değişkenler gibi rastgele değişkenlerin de fonksiyonları olur Örneğin 0 ile 1 arasında rastgele seçilmiş bir çap uzunluğu ile oluşturulan dairenin alanı bir RD olarak çap uzunluğunun
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
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
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
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
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
DetaylıTÜREVİN UYGULAMALARI. Maksimum ve Minimum Değerler. Tanım : f bir fonksiyon ve D, f nin tanım kümesi olsun.
Maksimum ve Minimum Değerler Tanım : f bir fonksiyon ve D, f nin tanım kümesi olsun. TÜREVİN UYGULAMALARI D içindeki her x elemanı için f(c) f(x) ise f fonksiyonunun c noktasında mutlak maksimumumu vardır.
Detaylıİstatistiksel Kavramların Gözden Geçirilmesi
İstatistiksel Kavramların Gözden Geçirilmesi Anlamlı Basamaklar Konusu ve Olasılık Ekonometri 1 Konu 1 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıYAZILI SINAV SORU ÖRNEKLERİ MATEMATİK
YAZILI SINAV SORU ÖRNEKLERİ MATEMATİK SORU 1: Aşağıdaki grafik, bir okuldaki spor yarışmasına katılan öğrencilerin yaşa göre dağılışını göstermektedir. Öğrenci sayısı 5 3 9 10 1 14 Yaş 1.1: Yukarıdaki
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
DetaylıELEKTRİKSEL POTANSİYEL
ELEKTRİKSEL POTANSİYEL Elektriksel Potansiyel Enerji Elektriksel potansiyel enerji kavramına geçmeden önce Fizik-1 dersinizde görmüş olduğunuz iş, potansiyel enerji ve enerjinin korunumu kavramları ile
DetaylıARASINAV SORULARININ ÇÖZÜMLERİ GÜZ DÖNEMİ A A A A A A A
AKDENİZ ÜNİVERSİTESİ MATEMATİK BÖLÜMÜ BİTİRME ÖDEVİ I ARASINAV SORULARININ ÇÖZÜMLERİ - 6 GÜZ DÖNEMİ ADI SOYADI :... NO :... A A A A A A A SINAV TARİHİ VE SAATİ : Bu sınav 4 sorudan oluşmaktadır ve sınav
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
DetaylıDiferensiyel denklemler sürekli sistemlerin hareketlerinin ifade edilmesinde kullanılan denklemlerdir.
.. Diferensiyel Denklemler y f (x) de F ( x, y, y, y,...) 0 veya y f ( x, y, y,...) x ve y değişkenlerinin kendileri ve türevlerini içinde bulunduran denklemlerdir. (Türevler; "Bağımlı değişkenin değişiminin
Detaylı1. BÖLÜM Polinomlar BÖLÜM II. Dereceden Denklemler BÖLÜM II. Dereceden Eşitsizlikler BÖLÜM Parabol
ORGANİZASYON ŞEMASI . BÖLÜM Polinomlar... 7. BÖLÜM II. Dereceden Denklemler.... BÖLÜM II. Dereceden Eşitsizlikler... 9. BÖLÜM Parabol... 5 5. BÖLÜM Trigonometri... 69 6. BÖLÜM Karmaşık Sayılar... 09 7.
DetaylıTürev Uygulamaları. 4.1 Bağımlı Hız
Bölüm 4 Türev Uygulamaları 4.1 Bağımlı Hız Eğer bir balonun içine hava pompalarsak, balonun hem yarıçapı hem de hacmi artar ve artış hızları birbirine bağımlıdır. Fakat, hacmin artış hızını doğrudan ölçmek
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.
Detaylı