Ölçüm Sisteminin Analizi Measurement System Analysis. Dr. Nihal Erginel
|
|
- Özlem Kılıçlı
- 8 yıl önce
- İzleme sayısı:
Transkript
1 Ölçüm Sisteminin Analizi Measurement System Analysis Dr. Nihal Erginel
2 TOPLAM DEĞİŞKENLİK Süreçten kaynaklanan değişkenlik Ölçüm sisteminden kaynaklanan değişkenlik
3 Süreç Değişkenlik Kaynakları Hammadde Operatör Makine Ekipman vb. Ölçüm Sistemi Değişkenlik Kaynakları Ölçüm aleti Operatör Ölçüm metodu vb.
4 Toplam Değişkenlik Ölçüm yapılan parçadan kaynaklanan değişkenlik Ölçüm sisteminden kaynaklanan değişkenlik 2 toplam 2 parça 2 ölçümsistemi Montgomery,1985
5 Ölçüm Sistemi Analizinin Kullanım Alanları Ölçümlere dayanan çalışmaların başlangıç noktasında Yeni ölçüm aletinin kabulünde İki ölçüm aletinin karşılaştırılmasında Kullanılan ölçüm aletinin değerlendirilmesinde vb.
6 Ölçüm Sistemindeki Değişkenlik Doğruluk(accuracy) Hassasiyet(precision)
7 Hassasiyet, ölçüm cihazı ve ölçümü yapan operatörlerden kaynaklanan değişkenlikler ile ilgilidir Tekrar edilebilirlik(repeatability) Tekrar üretilebilirlik(reproducibility) 2 ölçülendeğ er 2 gerçekdeğer 2 tekraredilebilirlik 2 tekrarüretilebilirli k Kolarik, 1995
8 Tekrar edilebilirlik (repeatability): Ölçüm cihazından kaynaklanan değişkenlik tekrar edilebilirlik olarak tanımlanmaktadır. Tekrar edilebilirlik, ölçüm cihazının aynı ölçüyü aynı operatör ile pek çok kere ölçtüğünde meydana gelen değişkenliktir.
9 Tekrar üretilebilirlik (reproducibility): Operatörlerden kaynaklanan değişkenlik ise, tekrar üretilebilirlik olarak tanımlanmaktadır. Tekrar üretilebilirlik, aynı ölçüm cihazı ile aynı ölçünün farklı operatörler tarafından ölçüldüğünde meydana gelen değişkenliktir. Tekrar üretilebilirlik, operatörlerin farklılıklarından kaynaklanan etkiyi içerdiği gibi, operatör x parça etkileşiminden kaynaklanan etkileri de kapsamaktadır.
10 Ölçüm sisteminin güvenirliliğinin test edilebilmesi için aynı ölçüm cihazı kullanılarak birden fazla operatörün, birden fazla parçayı, birden fazla kere ölçmesi gerekmektedir. Bu verileri toplamak için gerekli adımlar aşağıda verilmiştir:
11 Ölçüm sisteminin güvenirliliğinin testi için gerekli verilerin toplanması: 1) Parçaların numaralandırılması, 2) İlk operatörün önceden numaralanmış tüm parçalardaki belirlenmiş ölçüyü rassal bir sırada birer kez ölçmesi, 3) Sırasıyla ikinci, üçüncü,...operatörlerin önceden numaralanmış tüm parçalardaki belirlenmiş ölçüyü rassal bir sırada birer kez ölçmesi, 4) Tüm operatörlerin ilk ölçümlerini tamamlamalarından sonra, tekrar ölçüm sayısı kadar 2 ve 3. Adımların tekrarlanması. 5) Paket program ile verilerin analiz edilmesi ve yorumlanması
12 Süreç değişkenliğinin belli bir yüzdesine, tekrar edilebilirlik ve tekrar üretilebilirlik bileşenlerinden oluşan ölçüm sistemi katkıda bulunur, mi % R & R ölçümsiste 100 toplam (Breyfogle, 1999) Yukarıdaki formül, ölçüm sisteminden kaynaklanan değişkenliğin, toplam değişkenlik içindeki oranını göstermektedir. % R&R 0.10 olması istenir. Ancak uygulamalarda 0.30 a kadar da kabul edilebilir.
13 Tekrar edilebilirlik ve tekrar üretilebilirlik değişkenlerinden oluşan ölçüm sistemi ile ilgili toleransın yüzdesi: % Tolerans 5.15 ölçümsiste mi tolerans (Breyfogle, 1999) Burada tolerans Üst Spesifikasyon Limitinden, Alt Spesifikasyon Limitini çıkararak tespit edilir. Toleransın yüzde kaçının ölçüm hatası tarafından kullanıldığını açıklar Sigma = 5.15 x faktörün standart sapması değeri, cihaz anakütle dağılımının değişkenliğini temsil edebilmek için deneysel olarak geliştirilmiştir.
14 % Katkı (Contribution) = Varyansa bağlı olarak her faktörün yüzde katkısı Tekraredebilirlik = 100 x tekraredebilirlik varyansı/ toplam değişimin varyansı. % Çalışma Varyansı (% Study Variance) = 5.15 x faktör standart sapmasının, 5.15 x toplam değişimin standart sapmasına oranı. % Süreç Değişkenliği = 5.15 x faktör standart sapmasının süreç değişimine oranı. Tekraredebilirlik = 100 x 5.15 tekraredebilirlik standart sapması / süreç değişimi. Farklı Kategorilerin Sayısı = parça standart sapmasının toplam cihaz R&R standart sapmasının 1.41 katına oranı.
15 ÖRNEK: Yer karosu pasta yoğunluk Son karonun renk ölçümleri-a değeri
16 Pasta yoğunluk Gage R&R Gage R&R Study - ANOVA Method Gage R&R for yogunluk Two-Way ANOVA Table With Interaction Source DF SS MS F P parça ,9 130,847 0,00000 operatör ,0 3,835 0,08185 operatör*parça ,5 0,722 0,68424 Repeatability ,3 Total Two-Way ANOVA Table Without Interaction Source DF SS MS F P parça ,9 103,345 0,00000 operatör ,0 3,029 0,09238 Repeatability ,3 Total
17 Gage R&R %Contribution StdDev Study Var %Study Var Source VarComp (of VarComp) (SD) (5,15*SD) (%SV) Total Gage R&R 151,3 4,13 12, ,341 20,32 Repeatability 137,3 3,75 11, ,353 19,36 Reproducibility 13,9 0,38 3, ,224 6,17 operatör 13,9 0,38 3, ,224 6,17 Part-To-Part 3513,9 95,87 59, ,282 97,91 Total Variation 3665,2 100,00 60, , ,00 Number of Distinct Categories = 7
18 Gage R&R (ANOVA) for yogunluk Gage name: Date of study: Reported by: Tolerance: Misc: Components of Variation By parça Percent %Contribution %Study Var Sample Range 0 Gage R&R Repeat Reprod Part-to-Part R Chart by operatör 70 mesut nedim UCL=38,06 R=11,65 LCL= parça By operatör Sample Mean Xbar Chart by operatör mesut nedim UCL=1695 Mean=1673 LCL=1651 Average operatör parça mesut nedim operatör*parça Interaction operatör mesut nedim
19 Birinci grafikte (Components of Variation) da Gage R&R = %20.32 olarak bulunmuştur. <%30 olduğu için yoğunluk ölçüm sistemi kabul edilebilir yeterliliktedir. Altıncı grafik (operatör*parça interaction) operatör ile parçaların etkileşimini göstermektedir. 2. parçada birinci ve ikinci operatör ölçüm ortalamaları arasında fark vardır. Ancak bu fark, ölçüm sisteminin analizinin yeterli bulunmasını etkilememiştir. İkinci grafik (R chart by operatör), operatörün iki ölçümü arasındaki farkı göstermektedir. Birinci operatörün 4. parça ölçümünde iki tekrarı arasındaki fark kabul edilebilir limitlerin üzerinde çıkmıştır. Ancak genel olarak yoğunluk için ölçüm sistemi yeterli görülmektedir. Üçüncü grafik (Xbar Chart by operatör), operatörlerin aynı parçayı iki kez ölçümlerinin ortalamalarını göstermektedir. İki operatör için de sırasıyla gösterilmiştir. Dördüncü grafik (By parça), herbir parça için alınan 4 ölçümüm dağılımlarını göstermektedir. 2. ve 4. parçaların öiçümleri diğer parçalara göre daha dağınıktır. Beşinci grafik (By operatör), operatörlerin toplamda yaptıkları 20 ölçümün ortalamalarını ve dağılımlarını vermektedir.
20
21 Yer Karosu, Renk-a Ölçümleri Analiz Sonuçları Renk a deðeri Gage name: Date of study: Reported by: Tolerance: Misc: MÝNOLTA Banu Doðan Sample Mean Xbar Chart by Operator ERDOGAN SIBEL 3.0SL= X= SL= Average Part ID 1 Operator*Part Interaction Operator ERDOGAN SIBEL Sample Range R Chart by Operator ERDOGAN SIBEL 3.0SL= R= SL= Oper IDERDOGAN By Operator SIBEL Percent Components of Variation Gage R&R Repeat Reprod Part-to-Part %Total Var %Study Var Part ID 1 2 By Part 3 4 5
22 Teşekkürler
Ölçüm Sisteminin Analizi
Ölçüm Sisteminin Analizi (Measurement System Analysis) Prof. Dr. Nihal Erginel TOPLAM DEĞİŞKENLİK SÜREÇTEN KAYNAKLANAN DEĞİŞKENLİK ÖLÇÜM SİSTEMİNDEN KAYNAKLANAN DEĞİŞKENLİK Süreç Değişkenlik Kaynakları
DetaylıİSTATİSTİKİ PROSES KONTROL UYGULAMALARI İÇİN BİR SİSTEM TASARIMI. Burçin M. DURMAN, Yrd.Doç.Dr. Fatma PAKDİL
İSTATİSTİKİ PROSES KONTROL UYGULAMALARI İÇİN BİR SİSTEM TASARIMI Burçin M. DURMAN, Yrd.Doç.Dr. Fatma PAKDİL Başkent Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği Bölümü, 06530, Bağlıca, Ankara
DetaylıAltı Sigma ve Arçelik teki Uygulamalar
Altı Sigma ve Arçelik teki Uygulamalar İhsan Güler Altı Sigma Lideri, ARÇELİK A.Ş 09 Mayıs 2008 Altı Sigma... Metodoloji Verilere Dayanan Sistematik Dil Birliği Özü Değişkenliği Azaltmak Stratejilerin
DetaylıNİCELİKSEL KONTROL GRAFİKLERİ
NİCELİKSEL KONTROL GRAFİKLERİ Prof. Dr. Nihal ERGİNEL Anadolu Üniversitesi X BİRİMLER VE HAREKETLİ DEĞİŞİM ARALIĞI KONTROL GRAFİĞİ X- Birimler Kontrol Grafiği n= birimlik örnekler alınır. Üretim hızı oldukça
DetaylıQuality Planning and Control
Quality Planning and Control END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 Süreç ve Ölçüm Sistemi Yeterlilik Analizi I (Process
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END Kalite Planlama ve Kontrol
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 - Kalite Planlama ve Kontrol Uygulama Çalışması-I Dr. Öğr. Üyesi Kemal SUBULAN Tarih: 12.04.2018 A Aşağıda yer alan
Detaylıİstatistiksel Süreç Kontrolu. Doç.Dr.Nihal ERGİNEL Anadolu Üniversitesi
İstatistiksel Süreç Kontrolu Doç.Dr.Nihal ERGİNEL Anadolu Üniversitesi İstatistiksel Süreç Kontrolü Bir üretim/ hizmet sürecinin kontrol altında olup olmadığına karar vermek için kullanılan teknikler bütünüdür.
DetaylıART CRAFT SOFRA CAMI ÜRETİM İŞLETMESİNDE ÖLÇÜM SİSTEM ANALİZİ UYGULAMASI
05 ART CRAFT SOFRA CAMI ÜRETİM İŞLETMESİNDE ÖLÇÜM SİSTEM ANALİZİ UYGULAMASI Uğur KAVİ Sermin ELEVLİ ÖZET Kalite Güvence Sistemi içerisinde kalitenin iyileştirilmesi, verimliliğin arttırılması ve maliyetlerin
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 10: Prof. Dr. İrfan KAYMAZ Tanım Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi ile yapılabilir. Ancak karşılaştırılacak
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
Detaylı4. HİSTOGRAM. Tolerans Aralığı. Değişim Aralığı HEDEF. Üst Spesifikasyon Limiti. Alt Spesifikasyon Limiti
4. HİSTOGRAM Nedir? Sınıflandırılmış verilerin sütun grafiğidir. Sütunların (sınıfların) genişliği sabit olup, bir veri sınıfını temsil etmektedir. Sütunların yüksekliği ise her bir veri sınıfına düşen
DetaylıİKİ ÖLÇÜM EKİPMANININ HASSASİYETLERİNİN KARŞILAŞTIRILMASINDA GRUBBS TİP TAHMİNLEYİCİLERİN KULLANILMASI ÖZET
D.E.Ü.İ.İ.B.F.Dergisi Cilt:4, Sayı:I, Yıl:999, ss: İKİ ÖLÇÜM EKİPMANININ HASSASİYETLERİNİN KARŞILAŞTIRILMASINDA GRUBBS TİP TAHMİNLEYİCİLERİN KULLANILMASI Levent ŞENYAY (*) Hakan SEMERCİ (**) (**) ÖZET
DetaylıNİTELİKSEL KONTROL GRAFİKLERİ
NİTELİKSEL KONTROL GRAFİKLERİ Prof. Dr. Nihal ERGİNEL Ölçülemeyen ancak hatalı / hatasız, geçer / geçmez, tekstil sektöründe leke sayısı, dokuma kaçağı vb nin analiz edilmesi için oluşturulan kontrol grafikleridir.
DetaylıQuality Planning and Control
Quality Planning and Control END 3618 KALİTE PLANLAMA VE KONTROL Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları Kontrol
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
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 9 VARYANS ANALİZİ Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Varyans analizi niçin yapılır? İkiden fazla veri grubunun ortalamalarının karşılaştırılması t veya Z testi
DetaylıMEYVE SUYU ÜRETİMİNDE SÜREÇ KARARLILIĞI VE YETERLİLİK ANALİZİ
MEYVE SUYU ÜRETİMİNDE SÜREÇ KARARLILIĞI VE YETERLİLİK ANALİZİ Evren DİREN Serkan ATAK Çiğdem CİHANGİR Murat Caner TESTİK ÖZET Kusurları ve israfı önleyerek müşteri memnuniyetini ve karlılığı arttırmayı
DetaylıT.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ. Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN. Endüstri Mühendisliği Bölümü
1970 T.C. ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ KONTROL GRAFİKLERİ Prof. Dr. Nimetullah BURNAK Prof. Dr. A. Sermet ANAGÜN Endüstri Mühendisliği Bölümü 1 Kontrol Grafiği UygulamaAdımları Kontrol edilecek uygun
DetaylıTekrarlanabilirlik. Sapma, Tekrarlanabilirlik, Tekrar yapılabilirlik, Kararlılık, Doğrusallık. Sapma
ÖLÇÜM SİSTEMİ ANALİZİ (MEASUREMENT SYSTEM ANALYSIS - MSA) Ölçüm Sistemi Varyansının Türleri Ölçüm sistemi hataları beş grupta ele alınır. Sapma Sapma, Tekrarlanabilirlik, Tekrar yapılabilirlik, Kararlılık,
DetaylıAkreditasyon Danışmanlık
Akreditasyon Danışmanlık VALİDASYON SONUÇLARININ HESAPLANMASI VE İSTATİKSEL ANALİZİ TALİMATI İbrahim AKDAĞ 018 V.01 ATAKENT 3.ETAP B.3 Blok D.14 Atakent Mah. 34303 Küçükçekmece-İSTANBUL Tel: 01-698 73
DetaylıİSTATİSTİK MHN3120 Malzeme Mühendisliği
İSTATİSTİK MHN3120 Malzeme Mühendisliği CBÜ - Malzeme Mühendisliği Bölümü Ofis: Mühendislik Fakültesi A Blok Ofis no:311 Tel: 0 236 2012404 E-posta :emre.yalamac@cbu.edu.tr YARDIMCI KAYNAKLAR Mühendiler
DetaylıİSTATİSTİKSEL PROSES KONTROLÜ
İSTATİSTİKSEL PROSES KONTROLÜ ZTM 433 KALİTE KONTROL VE STANDARDİZASYON PROF: DR: AHMET ÇOLAK İstatistiksel işlem kontrolü (İPK), işlemle çeşitli istatistiksel metotların ve analiz sapmalarının kullanımını
Detaylıİstatistiksel Proses Kontrol
İstatistiksel Proses Kontrol İstatistiksel Proses Kontrol Nedir? ü İstatistiksel proses kontrolü, üretim sürecinde kaliteyi ölçmek ve kontrol etmek için kullanılan endüstri standardı bir metodolojidir.
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
Detaylıİki Varyansın Karşılaştırılması
6.DERS İki Varyansın Karşılaştırılması Comparing Two Variances t-testinde iki varyansın eşit kabul edilip edilmemesi için kullanılır 1 Varyans için ikili-örnek Testi ve gibi iki varyansı karşılaştırmak
Detaylıİstatistik ve Olasılığa Giriş. İstatistik ve Olasılığa Giriş. Ders 3 Verileri Sayısal Ölçütlerle İfade Etme. Verileri Sayısal Ölçütlerle İfade Etme
İstatistik ve Olasılığa Giriş Robert J. Beaver Barbara M. Beaver William Mendenhall Presentation designed and written by: Barbara M. Beaver İstatistik ve Olasılığa Giriş Ders 3 Verileri Sayısal Ölçütlerle
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:
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
DetaylıDokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü
Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 7: Süreç Yeterlilik Analizi & Ölçme Sistemlerinin Analizi (MSA) Yrd. Doç. Dr. Kemal
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
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
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
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
DetaylıVeriye Dayalı Karar Verme (Bölüm 2) Can Akkan
Veriye Dayalı Karar Verme (Bölüm 2) Can Akkan 1 Ders Planı 1. Karar Problemleri i. Karar problemlerinin bileşenleri ii. Değerler, amaçlar, bağlam iii. Etki diagramları 2. Model Girdilerinde Belirsizlik
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
DetaylıHİPOTEZ TESTLERİ ANADOLU ÜNİVERSİTESİ. Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Doç. Dr. Nihal ERGİNEL 2014 HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar
DetaylıMerkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder.
Yayılma Ölçütleri Merkezi eğilim ölçüleri ile bir frekans dağılımının merkezi belirlenirken; yayılma ölçüleri ile değişkenliği veya yayılma düzeyini tespit eder. Bir başka ifade ile, bir veri setinin,
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
DetaylıÖLÇÜM VARYASYONUNU BEL RLEMEK Ç N B R ÇALI MA
ÖLÇÜM VARYASYNUNU BL RLMK Ç N B R ÇALI MA Bahar SNNAR LU Marmara Üniversitesi Özlem YURTSVR Marmara Üniversitesi ÖZT lerin istenilen kalite özelliklerine uygunlu unu kontrol etmek için üretim hatlar ndan
DetaylıErciyes Dağı. Rakım??? Tıbbi Laboratuvarlarda Ölçüm Belirsizliği
Erciyes Dağı. Rakım??? 3916 m?????? Tıbbi Laboratuvarlarda Ölçüm Belirsizliği DOÇ. DR. CEVAT YAZICI ERCİYES ÜNİVERSİTESİ TIP FAKÜLTESİ BİYOKİMYA A. D. SUNUM PLANI Laboratuvar branşlarının işlevi ve değişimler
DetaylıQuality Planning and Control
Quality Planning and Control Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 Süreç ve Ölçüm Sistemi Yeterlilik Analizi II (Process and Measurement System Capability
DetaylıDAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
DAĞILMA YADA DEĞİ KENLİK ÖLÇÜLERİ (MEASURE OF DISPERSION) 1 AMAÇ... Mevcut veri seti için bulunan merkezi eğilim ölçüsünün yorumlamak Birden fazla veri seti için dağılımlar arası kıyaslama yapabilmek amaçlarıyla
Detaylıİstatistiksel Süreç Kontrol KAZIM KARABOĞA
İstatistiksel Süreç Kontrol KAZIM KARABOĞA KALİTENİN TARİHSEL KİMLİK DEĞİŞİMİ Muayene İstatistiksel Kalite Kontrol Toplam Kalite Kontrol Toplam Kalite Yönetimi İSTATİSTİKSEL KALİTE KONTROL İstatistiksel
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:
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
DetaylıProf.Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü
6 6 SIGMA FELSEFESİ Prof.Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü Sigma seviyesi, süreçlerin yeterliliği ifade eden bir ölçüttür. Süreçlerin sigma seviyelerinin artması demek,
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
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
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?
DetaylıMikrobiyolojide Ölçüm Belirsizliği
Mikrobiyolojide Ölçüm Belirsizliği Doç. Dr. Hilal B. HALKMAN Türkiye Atom Enerjisi Kurumu Türkiye 11. Gıda Kongresi 10-12 Ekim 2012, Antakya/ Hatay Tanımı Çok iyi bilindiği şekli ile hiçbir ölçüm mükemmel
DetaylıProf.Dr.Nihal ERGİNEL Anadolu Üniversitesi
İSTATİSTİKSEL SÜREÇ KONTROLÜNE GİRİŞ Prof.Dr.Nihal ERGİNEL Anadolu Üniversitesi İstatistiksel Süreç Kontrolü Bir üretim/ hizmet sürecinin kontrol altında olup olmadığına karar vermek için kullanılan teknikler
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
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
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
DetaylıBİR KALİTE KARAKTERİSTİĞİNİN DENEY TASARIMI İLE İYİLEŞTİRİLMESİ
1 BİR KALİTE KARAKTERİSTİĞİNİN DENEY TASARIMI İLE İYİLEŞTİRİLMESİ Şafak KIRIŞ, A.Sermet ANAGÜN, Nihat YÜZÜGÜLLÜ Eskişehir Osmangazi Üniversitesi, Endüstri Mühendisliği Bölümü, Eskişehir skiris@ogu.edu.tr,
DetaylıFAKTÖR ANALİZİ VAHİDE NİLAY KIRTAK
FAKTÖR ANALİZİ VAHİDE NİLAY KIRTAK Çok Değişkenli İstatistikler Faktör Analizi Faktör Analizinin Amacı: Birbirleriyle ilişkili p tane değişkeni bir araya getirerek az sayıda ilişkisiz ve kavramsal olarak
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
DetaylıKaynak: EURACHEM / CITAC Guide CG 4 Quantifying Uncertainty in Analytical Measurement Second Edition QUAM:2000.1
Metot Validasyonu HAKAN ÇELIK HIDROJ EOLOJ I YÜKSEK MÜHENDISI Kaynak: EURACHEM / CITAC Guide CG 4 Quantifying Uncertainty in Analytical Measurement Second Edition QUAM:2000.1 Metodun uygulanan laboratuvar
Detaylıİstatistiksel proses kontrol ve kontrol diyagramı. 3. hafta
İstatistiksel proses kontrol ve kontrol diyagramı 3. hafta İstatistiksel proses kontrol Prosesteki değişkenliği ölçerek ve analiz ederek istatistiksel kontrolünü sağlamak ve sürdürmek için istatistiksel
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
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
DetaylıANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ Hipotez Testleri ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL HİPOTEZ TESTLERİ Pek çok problemde bazı parametrelere bağlı bir ifadeyi kabul yada red etmek için karar vermek
DetaylıÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)
ÖNGÖRÜ TEKNĐKLERĐ ÖDEV (KEY) Aşağıda verilen Y zaman sersisi bir ürünle ilgili satışları,aylar itibariyle, gösteren bir seridir. a) Bu serinin garfiğini çizip serinin taşıdığı desenleri (Trend, mevsimsellik
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.
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
Detaylıİki İlişkili Örneklem için t-testi. Tekrarlı ölçümler için t hipotez testine uygun araştırma çalışmalarının yapısını anlamak.
İki İlişkili Örneklem için t-testi Kazanımlar 1 2 3 4 Tekrarlı ölçümler için t hipotez testine uygun araştırma çalışmalarının yapısını anlamak. Tekrarlı ölçümler t istatistiğini kullanarak 2 uygulamanın
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
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
DetaylıİSTATİSTİK HAFTA. ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ
ÖRNEKLEME METOTLARI ve ÖRNEKLEM BÜYÜKLÜĞÜNÜN TESPİTİ HEDEFLER Bu üniteyi çalıştıktan sonra; Örneklemenin niçin ve nasıl yapılacağını öğreneceksiniz. Temel Örnekleme metotlarını öğreneceksiniz. Örneklem
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
DetaylıÖRNEK BULGULAR. Tablo 1: Tanımlayıcı özelliklerin dağılımı
BULGULAR Çalışma tarihleri arasında Hastanesi Kliniği nde toplam 512 olgu ile gerçekleştirilmiştir. Olguların yaşları 18 ile 28 arasında değişmekte olup ortalama 21,10±1,61 yıldır. Olguların %66,4 ü (n=340)
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
DetaylıBOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY
Monthly Magnetic Bulletin May 2015 BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY http://www.koeri.boun.edu.tr/jeomanyetizma/ Magnetic Results from İznik
DetaylıQuality Planning and Control
Quality Planning and Control Prof. Dr. Mehmet ÇAKMAKÇI Dokuz Eylül Üniversitesi Endüstri Mühendisliği Anabilim Dalı 1 İstatistiksel Proses Kontrol Kontrol Kartları 2 Kontrol Grafikleri (Shewhart Control
DetaylıBir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır.
KALİTE KONTROL Kalite: Bir ürün yada hizmetin belirlenen yada olabilecek ihtiyaçları karşılama yeterliğine dayanan özelliklerinin toplamıdır. Kontrol: Mevcut sonuçlarla hedefleri ve amaçları kıyaslama
DetaylıTeşekkür. BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY
Monthly Magnetic Bulletin October 2015 BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY http://www.koeri.boun.edu.tr/jeomanyetizma/ Magnetic Results from
DetaylıTEMEL İSTATİSTİK BİLGİSİ. İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar
TEMEL İSTATİSTİK BİLGİSİ İstatistiksel verileri tasnif etme Verilerin grafiklerle ifade edilmesi Vasat ölçüleri Standart puanlar İstatistiksel Verileri Tasnif Etme Verileri daha anlamlı hale getirmek amacıyla
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
DetaylıKazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek
T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi
DetaylıULUSAL VE ULUSLAR ARASI ÇOKLU VE ĐKĐLĐ KARŞILAŞTIRMA KURALLARI (PROTOKOL VE DEĞERLENDĐRME)
ULUSAL VE ULUSLAR ARASI ÇOKLU VE ĐKĐLĐ KARŞILAŞTIRMA KURALLARI (PROTOKOL VE DEĞERLENDĐRME) Dr. Vahit CIFTCI 16.04.00 Akışkan Besleme, Kontrol ve Debi Ölçümleri Metrolojisi Paydaşlar Toplantısı - GEBZE
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
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
DetaylıİSTATİSTİK II MINITAB
İSTATİSTİK II MINITAB 8.5. Veriler k DENEY TASARIMI Treatment Design Factor Combinations A B C Surface Rougness () - - - 9 7 a - - b - - 9 ab - 5 c - - ac - bc - 8 abc 6 Veri Giriş Sayfasının Oluşturulması
DetaylıANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ TANIMLAR VE VERİ SINIFLAMASI
ANADOLU ÜNİVERSİTESİ İST 213 OLASILIK DERSİ TANIMLAR VE VERİ SINIFLAMASI DOÇ. DR. NİHAL ERGİNEL TANIMLAR VE VERİ SINIFLAMASI Olasılık, ilgilenilen olay/olayların meydana gelme olabilirliğinin ölçülmesidir.
DetaylıKi- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli
DetaylıBASİT PROBLEM ÇÖZME TEKNİKLERİ. Doç. Dr. Nihal ERGİNEL
BASİT PROBLEM ÇÖZME TEKNİKLERİ Doç. Dr. Nihal ERGİNEL Problemin ve nedenlerinin araştırılması, problemin doğru tanımlanması en önemli adımdır. Eğer problem doğru tanımlanmaz ise, doğru çözümlere ulaşılamaz.
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıHipotez Testi Rehberi. Orhan Çevik İstanbul, 30 Ağustos 2014
Hipotez Testi Rehberi Orhan Çevik İstanbul, 30 Ağustos 2014 Hipotezler Sıfır Hipotezi: H 0 Aksi kanıtlanmadığı sürece doğru olduğu düşünülen varsayımdır. H 0 ın kanıta ihtiyacı yoktur. H 0 ı ret etmek
DetaylıALTI SİGMA KÜÇÜK SÖZLÜĞÜ
Alet Doğrusallığı (Gage Linearity) ALTI SİGMA KÜÇÜK SÖZLÜĞÜ Beklenen işlem aralığında değerlendirildiğinde, aletin kesinliğindeki değişkenliğin ölçüsü. Alet Kararlılığı(Gage Stability) Bir alet aynı master
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
Detaylı6 SIGMA FELSEFESİ. Doç. Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü
6 SIGMA FELSEFESİ 6 Doç. Dr. Nihal ERGİNEL Anadolu Üniversitesi Endüstri Mühendisliği Bölümü Sigma seviyesi, süreçlerin yeterliliği ifade eden bir ölçüttür. Süreçlerin sigma seviyelerinin artması demek,
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
DetaylıSPSS (Statistical Package for Social Sciences)
SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
DetaylıAraziye Çıkmadan Önce Mutlaka Bizi Arayınız!
Monthly Magnetic Bulletin March 2014 z BOĞAZİÇİ UNIVERSITY KANDİLLİ OBSERVATORY and EARTHQUAKE RESEARCH INSTITUTE GEOMAGNETISM LABORATORY http://www.koeri.boun.edu.tr/jeofizik/default.htm Magnetic Results
DetaylıOlasılık Tanımı KALİTE KONTROL. Temel Olasılık ve İstatistik. İçindekiler Giriş
KALİTE KONTROL Temel Olasılık ve İstatistik İçindekiler Giriş Olasılık Tanımı Data Çeşitleri Data Özellikleri Görsel (visually) Data Tanımı -- Sayısal Data Tanımı Bilgi Edinimi (Take-Away Knowledge) İçindekiler
DetaylıBÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2
1 BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 Bu bölümde bir veri seti üzerinde betimsel istatistiklerin kestiriminde SPSS paket programının kullanımı açıklanmaktadır. Açıklamalar bir örnek üzerinde hareketle
DetaylıAnkara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1
Ankara Üniversitesi, SBF İstatistik 2 Ders Notları Prof. Dr. Onur Özsoy 1 Population Belirli bir konudaki verilerin tamamıdır. Örnek Populasyonun belirli bir kesitidir. Parametre Populasyonla ilgili tanımsal
Detaylı