RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 2007
|
|
- Bercu Yanki
- 7 yıl önce
- İzleme sayısı:
Transkript
1 RASGELE SÜREÇLER İ.Ü. ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ İLETİŞİM LABORATUVARI ARALIK, 007 1
2 Tekdüze Dağılım Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır. 1 a b f ( ) = b a 0, σ m ( ) ( ) = var = = E = [ a b] ( b a) 1 ( a+ b) 1 b a f ( ) a b
3 Tekdüze Dağılım f Olasılık yoğunluk işlevini kullanarak değişkeninin ortalamasını ve varyansını (değişinti) bulalım: ( ) = 0 [ 0,1] + m = E( ) = f ( ) d= = E(( m ) ) = ( 0.5) f ( ) d= ( ) f ( ) d 1 3 = + = + = (1/ 3) (1/ ) (0.5)
4 Tekdüze Dağılımlı Sinyal Üretimi 0 ile 1 arasında değişen tek düze dağılıma sahip n adet sayı üretmek için rand komutu kullanılır. >> =rand(1,10000); >> mean() % integral ( f d) >> var() % integral ((-m)^ f d) >> norm(-mean())^/length() 4
5 Tekdüze Dağılımlı Rasgele Tamsayı Üretimi randint, tekdüze dağılımlı rasgele tamsayı üretir. Komutta herhangi bir aralık belirtilmezse varsayılan olarak 0 veya 1 üretilir m = E( ) = p = (0) + (1) = 0.5 σ i i i= 0 1 = var( ) = ( i m) pi = (0 0.5) + (1 0.5) i= = + = 1 1 σ = 0.5 σ = 0.5 5
6 Tekdüze Dağılımlı Rasgele Tamsayı Üretimi >> n=10000; %örnek sayisi >> ikili_uret=randint(1,n) >> mean(ikili_uret) % toplam( pi) >> var(ikili_uret) % toplam((-m)^pi) >> std(ikili_uret) %sqrt(var) >>norm(ikili_uret-mean(ikili_uret))^/length(n) m = E( ) = p = (0) + (1) = 0.5 σ i i i= 0 1 = var( ) = ( i m) pi = (0 0.5) + (1 0.5) i= = + = 1 1 σ = 0.5 σ = 0.5 6
7 Histogram Bir parçadan veya süreçten alınan bireysel ölçümün dağılımını gösteren çubuk grafiktir. Aynı zamanda frekans dağılımı olarak da adlandırılır; çünkü herhangi bir verilen değerin görülme sıklığı çubuğun uzunluğu ile gösterilir. hist histogram şeklinde grafik çizmek için kullanılır. Grafik varsayılan olarak 10 eşit parçaya bölünür. Eğer istenirse fonksiyon hist(a,n) seklinde yazılarak n sütuna da bölünebilir. 7
8 Histogram >> =rand(1,10000); >> hist() 100 >> =rand(1,10000); >> hist(,0) Toplam adet rasgele sayı üretildiğinde ve histogram 10 eşit parçaya böldüğünde her aralıkta ortalama 1000 adet veri olmalıydı. Ancak şekilden de görüleceği üzere bu sayı her bir aralık için farklılık göstermektedir. Alınan örnek sayısı arttıkça dağılım daha düz bir hale gelecektir. 8
9 Normal (Gauss) Dağılımı X, sürekli bir rasgele değişken iken, X' in yoğunluk fonksiyonu, ( ) f = 1 πσ ( ) m e σ ise f() e normal dağılım, X' e de normal dağılmış rasgele değişken denir. Dağılımın ortalama m ve σ varyans olmak üzere iki parametresi vardır. X, normal dağılmış bir rasgele değişken ise kısaca N m, σ ile gösterilir. ( ) 9
10 Normal (Gauss) Dağılımı Normal dağılımın bazı özellikleri aşağıdaki gibi sıralanabilir: 1. Eğrinin tepe noktası ortalamaya karşılık gelir. Bu dağılımda ortalama, medyan (ortanca) ve mod (tepe değer) aynıdır.. Normal dağılım eğrisi ortalamaya göre simetriktir. 3. Standart sapma eğrinin genişliğini belirler, yani standart sapma büyüdükçe değişkenin alacağı en küçük değer ile en büyük değer arasındaki açıklık büyür. 4. Eğrinin altında kalan alanın tamamı 1 birimdir. 5. Normal dağılıma ilişkin olasılıklar normal dağılım olasılık yoğunluk fonksiyonunun belirlediği eğrinin altında kalan alanlar olarak hesaplanır. 10
11 Normal (Gauss) Dağılımlı Sinyal Üretimi randn normal dağılımlı (Gauss) rasgele sayılar üretir. Varsayılan olarak ifadenin ortalaması 0 varyansı ise 1 dir. 11
12 Normal (Gauss) Dağılımlı Sinyal Üretimi >> n=100000; %ornek sayısı >> =randn(1,n); >> mean() %integral ( f d) >> var() % integral ((-m)^ f d) >> norm()^/length() >> hist(,100) 1
13 Rasgele Gauss Dağılımlı Değişkeninin Ortalaması ve Varyansını Değiştirme İşlemi ( ) σ N m, σ bir rasgele değişken oluşturmak isteyelim. y= + c değişkeninin ortalaması 0 ise y nin ortalaması nedir? ( ) 0 ( ) ( σ ) ( ) σ ( ) ( ) ( ) = ( σ ) + ( ) = σ E = E y = E + E c = E + E c = c var y var var c 13
14 Rasgele Gauss Dağılımlı Değişkeninin Ortalaması ve Varyansını Değiştirme İşlemi >> y=*+3; >> mean(y) % ortalaması c= 3 >> var(y) % varyansı =4 >> hist(y,100) 14
15 Q Fonksiyonu 1 Q( ) = e d π Q fonksiyonu monoton azalan bir fonksiyondur. Bazı özellikleri aşağıda sıralanmıştır: ( ) ( ) ( ) ( ) = ( ) 1. Q = 1, Q 0 = 1/, Q = 0. Q 1 Q ( ) 3. Q 1 1 = erf m 4. X N( m, σ ) iken Pr( X > ) = Q σ a 5. Pr{ X > ( m + a) } = Pr{ X < ( m a) } = Q σ 15
16 Q Fonksiyonu MATLAB da Q fonksiyonu işlemi qfunc komutuyla gerçekleştirilir. ( ) Örnek 1: N 0,1 olasılık yoğunluk işlevine bir değişkenin 3 değerinden büyük gelme olasılığını Q işlevi yöntemi ve değişkeninden yararlanarak bulunuz. >> N=10000; >> =randn(1,n); >> [d]=find(>3); >> length(d)/n >> qfunc(3) 16
17 Q Fonksiyonu Örnek : olasılık yoğunluk işlevine bir değişkenin 1 den büyük 3 ten küçük değerler alma olma olasılığını Q işlevi yöntemi ve değişkeninden yararlanarak bulunuz. >> N=10000; >> =randn(1,n); >> [d3]=find(>3); >> [d1]=find(>1); >> (length(d1)-length(d3))/n >> qfunc(1)-qfunc(3) 17
18 Q Fonksiyonu b a 1 ( m ) m 1 = σ t e d σ değişken dönüşümü πσ σ dt = d ( ) b m σ t t t e dt = e dt e dt integral parçalandı π π π a m a m b m σ σ σ ( ) b a 1 ( m ) σ 1 a m b m e d Q( ) Q( ) πσ σ σ 18
19 Toplanır Beyaz Gauss Gürültüsü Toplanır Beyaz Gauss Gürültülü (AWGN) kanal modeli, radyo kanalının klasik bir modelidir. Bu model, alınan işareti bozma yönünde eklenmiş istatistiksel olarak bağımsız gürültü örneklerinden oluşur. Gürültü örneklerinin genliği bir Gauss olasılık yoğunluk işlevine sahiptir. Gürültü örnekleri, birbirlerinden bağımsız oldukları için, kendi öz ilinti fonksiyonları ideal olarak bir darbedir. Buna göre, AWGN kanalın güç spektral yoğunluğu tüm frekanslar için düzdür. AWGN kanalın genellikle durağan olduğu ve davranışının zamanla değişmediği kabul edilir. 19
20 MATLAB da AWGN Gürültü Oluşturulması Ns bilgi işaretinin uzunluğu olmak üzere bu işarete etkiyecek n gürültüsü iki şekilde ürebilebilir ve eklenir. >> n=1/sqrt()*(randn(1, Ns)+j*randn(1, Ns)); >> y=+n; y = awgn(,snr) komutu da bilgi işareti dizisine beyaz Gauss gürültüsü ekler. snr sabiti db cinsiden sinyal/gürültü oranıdır. Eğer karmaşıksa awgn karmaşık gürültü ekler. Bu kullanımda in gücünün 0 db olduğu kabul edilir. 0
21 Rayleigh Dağılımı Gerçek dünyadaki gezgin hücresel radyo ağlarında karşılaşılan radyo kanalı, çok sayıda yayılım yolunun birleşimidir. Bu davranış, çok yollu yayılım olarak adlandırılır. Haberleşme sistemleri için çok yollu kanal modeli, kullanımı AWGN kanal modelinden daha zor olan bir kanal modelidir. T R 1
22 Rayleigh Dağılımı Anten arasındaki her bir yola çoklu yol bileşeni denir ve her yolun farklı bir zayıflatması ve zaman gecikmesi vardır. Bunların alıcı antene toplamı ise alınan sinyali bozabilir bu olaya sönümleme denir. Böyle bir kanalı modellemek için zamanla değişen dürtü cevabı sahip bir model ele alır. İletilen sinyalin karmaşık zarfı g s ise alınan sinyal modeli aşağıdaki şekilde verilebilir. jθ k g () t = ρ e g ( t τ ) + n() t r k s k k Burada ρ k k. yolun zayıflaması, θ k. k yolun faz kayması ve τ k da k. yolun gecikmesidir.
23 Rayleigh Dağılımı Kanalda eğer direkt görüşün olmadığı ve vericiden çıkan sinyalin birçok yoldan alıcıya ulaştığı (her yolun yaklaşık aynı zayıflatmaya sahip olduğu) varsayılırsa kanal modeli g ( t τ ) g ( t) ise s s s jθ k g () t = g () t ρ e + n() t r s k k jθ k h= + jy = ae, = ρ cos( θ ) y = ρ sin( θ ) Alınan Sinyal g () t = hg () t + n(), t r s k k k k k k jφ h= + jy = ae sıfır ortalamalı Karmaşık Gauss rasgele değişkeni 3
24 Rayleigh Dağılımı Merkezi limit teoremine göre ve y değişkeni Gauss rasgele değişkenine yaklaşır. Bu durumda olasılık dağılım işlevi: y, πσ + y ( ) σ 1 f (, y) = e, a ( ) σ a fa ( a) = e U( a) Rayleigh σ f φ 1 =,0 φ < π, tekdüze ( Uniform ) π Ayrıca eğer Direk Görüş (LOS Line of Side) varsa kanal Rician Dağılımına sahip olarak modellenir. Eğer baştaki varsayım yapılmazsa yani kanal semboller arasında karışım meydana getiriyorsa bu durumda kanala frekans seçici kanal denir. Bu tür kanallar için çeşitli (OFDM gibi) yöntemler mevcuttur 4
25 Rayleigh Benzetimi clear all,clc,close all N=10000 A1=randn(1,N)/sqrt(); A=randn(1,N)/sqrt(); mean(a1) mean(a) var(a1) var(a) h=a1+a*i; figure tp=angle(h); hist(tp,0); %...Faz -pi ile +pi arasinda degismesi lazim title('faz Degisiminin Histogrami') tm=abs(h); mean(abs(tm)) var(abs(tm)) figure hist(tm,0) title('zarfin Genliginin Olasilik Dagilim Islevi') tet(,800,'rayleigh Dagilimi') 5
26 Rayleigh Dağılımın Faz Değişiminin Histogramı 6
27 Rayleigh Dağılımın Zarfının Genliğinin Olasılık Dağılım İşlevi 7
RASGELE SÜREÇLER. Bir X rasgele değişkenin, a ve b arasında tekdüze dağılımlı olabilmesi için olasılık yoğunluk fonksiyonu aşağıdaki gibi olmalıdır.
RASGELE SÜREÇLER Eğer bir büyülüğün her t anında alacağı değeri te bir şeilde belirleyen matematisel bir ifade verilebilirse bu büyülüğün deterministi bir büyülü olduğu söylenebilir. Haberleşmeden habere
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
DetaylıGüç Spektral Yoğunluk (PSD) Fonksiyonu
1 Güç Spektral Yoğunluk (PSD) Fonksiyonu Otokorelasyon fonksiyonunun Fourier dönüşümü j f ( ) FR ((τ) ) = R ( (τ ) ) e j π f τ S f R R e d dτ S ( f ) = F j ( f )e j π f ( ) ( ) f τ R S f e df R (τ ) =
DetaylıHatalar Bilgisi ve İstatistik Ders Kodu: Kredi: 3 / ECTS: 5
Ders Kodu: 0010070021 Kredi: 3 / ECTS: 5 Yrd. Doç. Dr. Serkan DOĞANALP Necmettin Erbakan Üniversitesi Harita Mühendisliği Bölümü Konya 07.01.2015 1 Giriş 2 Giriş Matematiksel istatistiğin konusu yığın
DetaylıOLASILIK ve KURAMSAL DAĞILIMLAR
OLASILIK ve KURAMSAL DAĞILIMLAR Kuramsal Dağılımlar İstatistiksel çözümlemelerde; değişkenlerimizin dağılma özellikleri, çözümleme yönteminin seçimi ve sonuçlarının yorumlanmasında önemlidir. Dağılma özelliklerine
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
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
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
DetaylıSürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları
Sürekli Dalga (cw) ve frekans modülasyonlu sürekli dalga (FM-CW) radarları Basit CW Radar Blok Diyagramı Vericiden f 0 frekanslı sürekli dalga gönderilir. Hedefe çarpıp saçılan sinyalin bir kısmı tekrar
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
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
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
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
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
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
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
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
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.
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
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.
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ SAYISAL MODÜLASYON İçerik 3 Sayısal modülasyon Sayısal modülasyon çeşitleri Sayısal modülasyon başarımı Sayısal Modülasyon 4 Analog yerine sayısal modülasyon
DetaylıSezin Yıldırım, Özgür Ertuğ
ÇOK-YOLLU SÖNÜMLEMELİ KANALLARDA TURBO KODLANMIŞ ALICI ANTEN ÇEŞİTLEMESİ TEK KOD ÇEVRİMSEL KAYDIRMA (TKÇK) ÇOK KULLANICILI SEZİCİNİN PERFORMANS ANALİZİ Sezin Yıldırım, Özgür Ertuğ Telekomünikasyon ve Sinyal
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.
DetaylıEME 3117 SİSTEM SİMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
9.0.06 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar EME 7 SİSTEM SİMÜLASYONU Simulasyonda İstatistiksel Modeller (Sürekli Dağılımlar) Ders 5 Sürekli Düzgün Dağılım Sürekli Düzgün (Uniform)
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
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
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 DENKLEŞTİRME, ÇEŞİTLEME VE KANAL KODLAMASI İçerik 3 Denkleştirme Çeşitleme Kanal kodlaması Giriş 4 Denkleştirme Semboller arası girişim etkilerini azaltmak için Çeşitleme Sönümleme
DetaylıEME 3117 SISTEM SIMÜLASYONU. Üçgensel Dağılım. Sürekli Düzgün Dağılım. Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar
0..07 EME 37 SISTEM SIMÜLASYONU Simulasyonda İstatistiksel Modeller-II Ders 5 Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar Sürekli Düzgün (Uniform) Dağılım Normal Dağılım Üstel (Exponential)
DetaylıBÖLÜM 9 NORMAL DAĞILIM
1 BÖLÜM 9 NORMAL DAĞILIM Normal dağılım; 'normal dağılım eğrisi (normaly distribution curve)' ile kavramlaştırılan hipotetik bir evren dağılımıdır. 'Gauss dağılımı' ya da 'Gauss eğrisi' olarak da bilinen
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
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
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
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
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
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
DetaylıSıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5
Sıklık Tabloları, BASİT ve TEK değişkenli Grafikler Ders 3 ve 4 ve 5 Sıklık Tabloları Veri dizisinde yer alan değerlerin tekrarlama sayılarını içeren tabloya sıklık tablosu denir. Tek değişken için çizilen
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
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
DetaylıBÖLÜM 1 TEMEL KAVRAMLAR
BÖLÜM 1 TEMEL KAVRAMLAR Bölümün Amacı Öğrenci, Analog haberleşmeye kıyasla sayısal iletişimin temel ilkelerini ve sayısal haberleşmede geçen temel kavramları öğrenecek ve örnekleme teoremini anlayabilecektir.
DetaylıRassal Değişken Üretimi
Rassal Değişken Üretimi Doç. Dr. Mehmet AKSARAYLI GİRİŞ Yaşadığımız ya da karşılaştığımız olayların sonuçları farlılık göstermektedir. Sonuçları farklılık gösteren bu olaylar, tesadüfü olaylar olarak adlandırılır.
DetaylıKümülatif Dağılım Fonksiyonu (Sürekli)
Kümülatif Dağılım Fonksiyonu (Sürekli) sürekli bir rastgele değişken olsun. Bu durumda kümülatif dağılım fonksiyonu şu şekilde tanımlanır. F ( ) = Pr[ ] Tipik bir KDF şu şekilde görünür:.0 F () 0 Kümülatif
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
Detaylı8. Uygulama. Bazı Sürekli Dağılımlar
8. Uygulama Bazı Sürekli Dağılımlar : Bir tür böcek 6 gün yaşadıktan sonra iki gün içinde aynı miktarlarda azalıp ölmektedir. X rasgele değişkeni bu türden bir böceğin ömrü olmak üzere, X U (6,8) dır.
DetaylıDENEY 8: SAYISAL MODÜLASYON VE DEMODÜLASYON
DENEY 8: SAYISAL MODÜLASYON VE DEMODÜLASYON AMAÇ: Sayısal haberleşmenin temel prensiplerini, haberleşme sistemlerinde kullanılan modülasyon çeşitlerini ve sistemlerin nasıl çalıştığını deney ortamında
DetaylıTek Değişkenli Sürekli Dağılımlar-III
Tek Değişkenli Sürekli Dağılımlar-III 1 Ki-Kare Dağılımı X Gammapα,βq olmak üzere olasılık yoğunluk fonksiyonu fpxq xα 1 e x{b β α, x>0, şeklinde tanımlanır. Burda α p 2 ve β 2 için olasılık yoğunluk fonkstionu
DetaylıBİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Bazı Olasılık Dağılışları Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Uygulamalı bilim
DetaylıTemel 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
DetaylıAnalog Alçak Geçiren Filtre Karakteristikleri
Analog Alçak Geçiren Filtre Karakteristikleri Analog alçak geçiren bir filtrenin genlik yanıtı H a (jω) aşağıda gösterildiği gibi verilebilir. Ω p : Geçirme bandı kenar frekansı Ω s : Söndürme bandı kenar
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
DetaylıMühendislikte İstatistik Yöntemler
.0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
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
DetaylıÖrnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin ortalamasını 5 yapabilmek için son sınavdan kaç alması gerekmektedir?
İSTATİSTİK Bir sonuç çıkarmak ya da çözüme ulaşabilmek için gözlem, deney, araştırma gibi yöntemlerle toplanan bilgiye veri adı verilir. Örnek...4 : İlk iki sınavında 75 ve 82 alan bir öğrencinin bu dersin
DetaylıVERİ KÜMELERİNİ BETİMLEME
BETİMLEYİCİ İSTATİSTİK VERİ KÜMELERİNİ BETİMLEME Bir amaç için derlenen verilerin tamamının olduğu, veri kümesindeki birimlerin sayısal değerlerinden faydalanarak açık ve net bir şekilde ilgilenilen özellik
DetaylıKABLOSUZ İLETİŞİM
KABLOSUZ İLETİŞİM 805540 MODÜLASYON TEKNİKLERİ FREKANS MODÜLASYONU İçerik 3 Açı modülasyonu Frekans Modülasyonu Faz Modülasyonu Frekans Modülasyonu Açı Modülasyonu 4 Açı modülasyonu Frekans Modülasyonu
DetaylıGerçek uygulamalarda, standart normal olmayan sürekli bir rassal. değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma
2 13.1 Normal Dağılımın Standartlaştırılması Gerçek uygulamalarda, standart normal olmayan sürekli bir rassal değişken, sıfırdan farklı bir ortalama ve birden farklı standart sapma değerleriyle normal
DetaylıMIT Açık Ders Malzemesi İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 2008 Bahar
MIT Açık Ders Malzemesi http://ocw.mit.edu 8.334 İstatistiksel Mekanik II: Alanların İstatistiksel Fiziği 008 Bahar Bu malzemeye atıfta bulunmak ve Kullanım Şartlarımızla ilgili bilgi almak için http://ocw.mit.edu/terms
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
DetaylıPID SÜREKLİ KONTROL ORGANI:
PID SÜREKLİ KONTROL ORGANI: Kontrol edilen değişken sürekli bir şekilde ölçüldükten sonra bir referans değer ile karşılaştırılır. Oluşacak en küçük bir hata durumunda hata sinyalini değerlendirdikten sonra,
DetaylıJEODEZİK VERİLERİN İSTATİSTİK ANALİZİ. Prof. Dr. Mualla YALÇINKAYA
JEODEZİK VERİLERİN İSTATİSTİK ANALİZİ Prof. Dr. Mualla YALÇINKAYA Karadeniz Teknik Üniversitesi, Harita Mühendisliği Bölümü Trabzon, 2018 VERİLERİN İRDELENMESİ Örnek: İki nokta arasındaki uzunluk 80 kere
DetaylıSakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü
Sakarya Üniversitesi Bilgisayar ve Bilişim Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü KABLOSUZ AĞ TEKNOLOJİLERİ VE UYGULAMALARI LABORATUAR FÖYÜ Analog Haberleşme Uygulamaları Doç. Dr. Cüneyt BAYILMIŞ
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 2: Prof. Dr. İrfan KAYMAZ Tanım İnceleme sonucu elde edilen ham verilerin istatistiksel yöntemler kullanılarak özetlenmesi açıklayıcı istatistiği konusudur. Açıklayıcı istatistikte
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.
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
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
DetaylıProbability Density Function (PDF, Sürekli fonksiyon)
Varyans Bir serideki her elemanın ortalamadan farklarının karelerinin toplamının, serideki eleman sayısına bölümü ile elde edilir. Standart Sapma Varyansın kareköküdür. Eğer birçok veri ortalamaya yakın
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
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,
DetaylıA t a b e y M e s l e k Y ü k s e k O k u l u İstatistik Sunum 4 Öğr.Gör. Şükrü L/O/G/O KAYA www.sukrukaya.org www.themegallery.com 1 Yer Ölçüleri Yer ölçüleri, verilerin merkezini veya yığılma noktasını
DetaylıGerçekte yükler yayılı olup, tekil yük problemlerin çözümünü kolaylaştıran bir idealleştirmedir.
STATIK VE MUKAVEMET 4. Ağırlık Merkezi AĞIRLIK MERKEZİ Gerçekte yükler yayılı olup, tekil yük problemlerin çözümünü kolaylaştıran bir idealleştirmedir. Statikte çok küçük bir alana etki eden birbirlerine
DetaylıOTOMATİK KONTROL. Set noktası (Hedef) + Kontrol edici. Son kontrol elemanı PROSES. Dönüştürücü. Ölçüm elemanı
OTOMATİK KONTROL Set noktası (Hedef) + - Kontrol edici Dönüştürücü Son kontrol elemanı PROSES Ölçüm elemanı Dönüştürücü Geri Beslemeli( feedback) Kontrol Sistemi Kapalı Devre Blok Diyagramı SON KONTROL
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
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,
DetaylıSayısal Filtre Tasarımı
Sayısal Filtre Tasarımı Sayısal Filtreler Filtreler ayrık zamanlı sistemlerdir. Filtreler işaretin belirli frekanslarını güçlendirmek veya zayıflatmak, belirli frekanslarını tamamen bastırmak veya belirli
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
DetaylıAKT201 Matematiksel İstatistik I Yrd. Doç. Dr. Könül Bayramoğlu Kavlak
AKT20 Matematiksel İstatistik I 207-208 Güz Dönemi AKT20 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 Son Teslim Tarihi: 29 Aralık 207 Cuma, Saat: 5:00 (Ödevlerinizi Arş. Gör. Ezgi NEVRUZ a elden teslim ediniz.) (SORU
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
DetaylıORTALAMA ÖLÇÜLERİ. Ünite 6. Öğr. Gör. Ali Onur CERRAH
ORTALAMA ÖLÇÜLERİ Ünite 6 Öğr. Gör. Ali Onur CERRAH Araştırma sonucunda elde edilen nitelik değişkenler hakkında tablo ve grafikle bilgi sahibi olunurken, sayısal değişkenler hakkında bilgi sahibi olmanın
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,
DetaylıOFDM Sisteminin AWGN Kanallardaki Performansının İncelenmesi
Akademik Bilişim 09 - XI. Akademik Bilişim Konferansı Bildirileri 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa OFDM Sisteminin AWGN Kanallardaki Performansının İncelenmesi Karadeniz Teknik Üniversitesi,
DetaylıTest İstatistikleri AHMET SALİH ŞİMŞEK
Test İstatistikleri AHMET SALİH ŞİMŞEK İçindekiler Test İstatistikleri Merkezi Eğilim Tepe Değer (Mod) Ortanca (Medyan) Aritmetik Ortalama Merkezi Dağılım Dizi Genişliği (Ranj) Standart Sapma Varyans Çarpıklık
DetaylıKLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM
KLASİK BULANIK MANTIK DENETLEYİCİ PROBLEMİ : INVERTED PENDULUM M.Ali Akcayol Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar Mühendisliği Bölümü (Yüksek Lisans Tezinden Bir Bölüm) Şekil 1'
DetaylıDÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3.
DÜZCE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ ELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜ TEMEL HABERLEŞME SİSTEMLERİ TEORİK VE UYGULAMA LABORATUVARI 3. DENEY AÇI MODÜLASYONUNUN İNCELENMESİ-1 Arş. Gör. Osman DİKMEN
DetaylıÖLÇME VE DEĞERLENDİRME. Antrenörlük Eğitimi 4. Sınıf. Ölçme ve Değerlendirme - Yrd. Doç. Dr. Yetkin Utku KAMUK
ÖLÇME VE DEĞERLENDİRME Antrenörlük Eğitimi 4. Sınıf ÖLÇME VE DEĞERLENDİRME Merkezi Eğilim Ölçütleri Mod En çok görülen puandır ve hesaplanma yöntemi yoktur. İnceleme yolu ile bulunur. Terminal istatistiktir.
DetaylıKuantum Mekaniğinin Varsayımları
Kuantum Mekaniğinin Varsayımları Kuantum mekaniği 6 temel varsayım üzerine kurulmuştur. Kuantum mekaniksel problemler bu varsayımlar kullanılarak (teorik/kuramsal olarak) çözülmekte ve elde edilen sonuçlar
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
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.
DetaylıKitle: Belirli bir özelliğe sahip bireylerin veya birimlerin tümünün oluşturduğu topluluğa kitle denir.
BÖLÜM 1: FREKANS DAĞILIMLARI 1.1. Giriş İstatistik, rasgelelik içeren olaylar, süreçler, sistemler hakkında modeller kurmada, gözlemlere dayanarak bu modellerin geçerliliğini sınamada ve bu modellerden
DetaylıMerkezi Yığılma ve Dağılım Ölçüleri
1.11.013 Merkezi Yığılma ve Dağılım Ölçüleri 4.-5. hafta Merkezi eğilim ölçüleri, belli bir özelliğe ya da değişkene ilişkin ölçme sonuçlarının, hangi değer etrafında toplandığını gösteren ve veri grubunu
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
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.
DetaylıBurada E, x(t) 'nin beklenen değerini göstermektedir. Standart sapma veya sürecin karelerinin ortalamasının karekökü şu şekilde tanımlanabilir.
DALGA İSAİSİĞİ Dalga teorileri genel olarak açık deni yapılarının tasarımında ortaya çıkan problemlere yanıt bulmak amacıyla kullanılır. Bu teorilerin temelinde, öellikleri bir periyod dan diğer bir periyoda
Detaylıİstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014)
İstatistik Dersi Çalışma Soruları Arasınav(Matematik Müh. Bölümü-2014) S-1) Bir otoyol üzerinde radarla hız kontrolü yapan, polis ekipler tarafından tespit edilen tane aracın hızları aşağıdaki tabloda
DetaylıProf.Dr.İhsan HALİFEOĞLU
Prof.Dr.İhsan HALİFEOĞLU FREKANS DAĞILIMLARINI TANIMLAYICI ÖLÇÜLER Düzenlenmiş verilerin yorumlanması ve daha ileri düzeydeki işlemler için verilerin bütününe ait tanımlayıcı ve özetleyici ölçülere ihtiyaç
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.
Detaylı5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri
Elektrik devrelerinde ölçülebilen büyüklükler olan; 5. Elektriksel Büyüklüklerin Ölçülebilen Değerleri Akım Gerilim Devrede bulunan kaynakların tiplerine göre değişik şekillerde olabilir. Zamana bağlı
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.
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
DetaylıVERİ SETİNE GENEL BAKIŞ
VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım
Detaylı